[發(fā)明專利]一種配網(wǎng)故障預(yù)警方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910144554.1
• 申請(qǐng)日: 2019-02-27
• 公開（公告）號(hào): CN110045197B
• 公開（公告）日: 2022-12-13
• 發(fā)明（設(shè)計(jì)）人: 王永明;李怡然;林平;梁宏池;周暖青;翁曉春;吳涵;李衍川;鄭凌娟;辛永;黃文思;羅義旺;李金湖;許梓明;馬漢斌;林超;陳珺;謝馳;程友平;溫天寶;鄭志釘
• 申請(qǐng)（專利權(quán)）人: 國網(wǎng)福建省電力有限公司;國家電網(wǎng)有限公司;國網(wǎng)信通億力科技有限責(zé)任公司;國網(wǎng)信息通信產(chǎn)業(yè)集團(tuán)有限公司
• 主分類號(hào): G01R31/00
• 分類號(hào): G01R31/00
• 代理公司: 北京鍾維聯(lián)合知識(shí)產(chǎn)權(quán)代理有限公司 11579
• 代理人: 趙中璋

本發(fā)明涉及一種基于重采樣的配網(wǎng)故障預(yù)警方法，其特征在于，包括：步驟1000，獲取用于配網(wǎng)故障預(yù)警的配網(wǎng)數(shù)據(jù)集合Z；步驟2000，對(duì)所述配網(wǎng)數(shù)據(jù)集合Z進(jìn)行重采樣，得到配網(wǎng)數(shù)據(jù)集合Y；步驟3000，根據(jù)所述配網(wǎng)數(shù)據(jù)集合Y，確定配網(wǎng)故障預(yù)警模型；步驟4000，獲取當(dāng)前的配網(wǎng)故障預(yù)警數(shù)據(jù)；步驟5000，將所述當(dāng)前配網(wǎng)故障預(yù)警數(shù)據(jù)輸入所述配網(wǎng)故障預(yù)警模型，如果所述配網(wǎng)故障預(yù)警模型輸出結(jié)果為配網(wǎng)故障，那么進(jìn)行配網(wǎng)故障報(bào)警。

技術(shù)領(lǐng)域

本發(fā)明涉及電力領(lǐng)域，具體涉及一種配網(wǎng)故障預(yù)警方法。

背景技術(shù)

當(dāng)前，電力系統(tǒng)在故障大數(shù)據(jù)分析應(yīng)用領(lǐng)域存在較大挑戰(zhàn)，故障風(fēng)險(xiǎn)預(yù)警方法有待完善。隨著智能電網(wǎng)的發(fā)展，配用電系統(tǒng)正在產(chǎn)生出越來越多的數(shù)據(jù)，利用大數(shù)據(jù)技術(shù)對(duì)這些數(shù)據(jù)進(jìn)行處理和分析，能夠提高配用電系統(tǒng)的運(yùn)維檢修水平。

然而目前針對(duì)故障預(yù)警的研究仍然較少，方法體系還不成熟。現(xiàn)有技術(shù)中存在基于信息熵理論展開基于大數(shù)據(jù)的配網(wǎng)診斷研究。但該研究側(cè)重于配網(wǎng)故障影響指標(biāo)的構(gòu)建，對(duì)于如何提前進(jìn)行配網(wǎng)故障預(yù)警，仍有待深入研究。

隨著人工智能的興起，各領(lǐng)域展開了機(jī)器學(xué)習(xí)技術(shù)應(yīng)用的研究。如何通過分析歷史故障數(shù)據(jù)，提煉出跟故障可能相關(guān)的因素，借助機(jī)器學(xué)習(xí)算法，構(gòu)建頻配網(wǎng)故障的主動(dòng)預(yù)警模型，提高故障預(yù)警的準(zhǔn)確率，是一個(gè)需要解決的問題。同時(shí)，在對(duì)某地理區(qū)域范圍內(nèi)配網(wǎng)2017年1月-2018年12月的故障原因進(jìn)行分析后可以獲知，配網(wǎng)故障發(fā)生概率較小，從而導(dǎo)致配網(wǎng)正常數(shù)據(jù)量遠(yuǎn)大于配網(wǎng)故障數(shù)據(jù)量，這會(huì)為機(jī)器學(xué)習(xí)模型帶來新的問題。需要找到一種合理的方法，使得配網(wǎng)正常數(shù)據(jù)量與配網(wǎng)故障數(shù)據(jù)量盡量相等，也就是對(duì)配網(wǎng)正常數(shù)據(jù)進(jìn)行欠采樣，對(duì)配網(wǎng)故障數(shù)據(jù)進(jìn)行過采樣，使得二者達(dá)到一個(gè)相對(duì)平衡的狀態(tài)。現(xiàn)有技術(shù)中，對(duì)數(shù)據(jù)集進(jìn)行過采樣一般采取隨機(jī)過采樣的方法，對(duì)數(shù)據(jù)集進(jìn)進(jìn)行欠采樣一般采用隨機(jī)欠采樣的方法，數(shù)據(jù)處理的速度較快，但是往往會(huì)損失一定的數(shù)據(jù)集合性質(zhì),即由于隨機(jī)復(fù)制的數(shù)據(jù)過多，使得模型學(xué)習(xí)到的信息過于特別(Specific)而不夠泛化(General)。

發(fā)明內(nèi)容

為解決上述技術(shù)問題，本發(fā)明提出了一種基于重采樣的配網(wǎng)故障預(yù)警方法，包括：

步驟1000，獲取用于配網(wǎng)故障預(yù)警的配網(wǎng)數(shù)據(jù)集合Z＝{zⁱ|i∈[1,n]}，其中,為zⁱ中的第j個(gè)參數(shù)，m為zⁱ中用于配網(wǎng)故障預(yù)警的參數(shù)數(shù)量，cⁱ為所述第i個(gè)數(shù)據(jù)的配網(wǎng)故障標(biāo)識(shí)；當(dāng)所述數(shù)據(jù)zⁱ對(duì)應(yīng)的配網(wǎng)狀態(tài)為配網(wǎng)正常時(shí)，cⁱ為0；當(dāng)所述數(shù)據(jù)zⁱ的配網(wǎng)狀態(tài)為配網(wǎng)故障時(shí)，cⁱ為1。

步驟2000，當(dāng)N_n≥l*N_e時(shí)，對(duì)所述配網(wǎng)數(shù)據(jù)集合Z進(jìn)行重采樣，得到配網(wǎng)數(shù)據(jù)集合Y；N_n為所述配網(wǎng)數(shù)據(jù)集合Z中，cⁱ為0的數(shù)據(jù)的數(shù)量，N_e為所述配網(wǎng)數(shù)據(jù)集合Z中，cⁱ為1的數(shù)據(jù)的數(shù)量。

步驟3000，根據(jù)所述配網(wǎng)數(shù)據(jù)集合Y，確定配網(wǎng)故障預(yù)警模型。

步驟4000，獲取當(dāng)前的配網(wǎng)故障預(yù)警數(shù)據(jù)。

步驟5000，將所述當(dāng)前配網(wǎng)故障預(yù)警數(shù)據(jù)輸入所述配網(wǎng)故障預(yù)警模型，如果所述配網(wǎng)故障預(yù)警模型輸出結(jié)果為配網(wǎng)故障，那么進(jìn)行配網(wǎng)故障報(bào)警。

附圖說明

圖1是本發(fā)明的一個(gè)實(shí)施例的用于配網(wǎng)故障預(yù)警的特征權(quán)重示意圖。

具體實(shí)施方式