[發明專利]一種基于大數據技術的配電網故障預測系統及方法

有效

• 申請號: 202011169983.3
• 申請日: 2020-10-28
• 公開（公告）號: CN112257937B
• 公開（公告）日: 2023-06-16
• 發明（設計）人: 黃文思;陸鑫;陳婧;薛迎衛;林超;葉強鑌;胡從眾;張建永;婁夢瑤
• 申請（專利權）人: 國網信通億力科技有限責任公司;國網信息通信產業集團有限公司;國網江蘇省電力有限公司;國家電網有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 溫州聯贏知識產權代理事務所(普通合伙) 33361
• 代理人: 慈程麟

1.一種基于大數據技術的配電網故障預測系統，其特征是，包括數據源平臺、大數據平臺數據分析域和業務應用平臺，所述數據源平臺包括數據處理域模塊和外部數據模塊；所述數據處理域模塊用于調用電網內部的生產管理、電網運行、業務營銷和用電采集數據，所述外部數據模塊用于調用外部的地理信息、氣象信息和社會經濟數據；所述數據源平臺將電網企業內部數據與外部環境信息數據輸入給大數據平臺數據分析域，所述大數據平臺數據分析域包括數據接入層、數據存儲層、數據計算層和統一分析服務層；所述大數據平臺數據分析域對電網企業內部數據與外部環境信息數據進行接入、存儲、計算和分析處理后上傳到業務應用平臺進行應用；所述業務應用平臺包括監控預警模塊、診斷治理模塊、質量評估模塊、畫像研究模塊、停電優化模塊和負荷預測模塊；

所述數據接入層包括實時數據采集接入模塊、外部數據接入模塊和數據抽取清洗模塊；所述實時數據采集接入模塊用于接入數據處理域模塊數據，實時采集電網企業內部數據；所述外部數據接入模塊用于接入外部數據模塊，采集外部環境信息數據；所述數據清洗模塊用于對接入的電網企業內部數據和外部環境信息數據進行清洗轉化，分別寫入數據存儲層中的數據倉庫和存儲區中；

所述數據存儲層包括企業數據倉庫、實時數據存儲區和熱點數據存儲區；所述企業數據倉庫包括OOS緩沖區、OOS統一視圖區、數據倉庫和數據集市；實時數據存儲區用于存儲實時數據采集接入模塊的電網企業內部數據；所述熱點數據存儲區用于存儲外部數據接入模塊的外部環境信息數據；

所述數據計算層包括離線計算引擎模塊和實時計算模塊，采用分布式并行計算技術對電網企業內部數據和外部環境信息數據進行數據密集型計算，輸出常態監測主題結果數據到數據集市進行整合處理，所述統一分析服務層包括數據挖掘模塊和分析展現模塊；所述數據挖掘模塊用于挖掘數據集市中的常態監測主題結果數據，然后上傳監測數據到業務應用平臺；所述分析展現模塊利用Tableau分析組件對監測數據進行業務應用平臺的主題場景應用配置工作，自動生成并展示監測數據報告；

配電網故障預測系統的預測方法流程包括以下步驟：

步驟01，將數據源平臺中的電網企業內部數據和外部環境信息數據抽取到大數據平臺數據分析域進行處理，形成大數據平臺數據，對大數據平臺數據進行數據預處理，數據預處理包括配電網故障影響因素分析、數據挖掘提取和樣本篩選；

步驟011，所述配電網故障影響因素分析采用聚類分析方法和故障分類方法，實現電力故障定位；

步驟012，數據挖掘提取，通過統計性描述方法對聚類分析中的數據生成具有相似變化的曲線簇；對曲線簇數據進行無量綱化處理，提取曲線簇的離群點作為數據樣本；

步驟013，基于粒子群優化算法對數據樣本進行樣本篩選，選擇極值樣本；

步驟02，對極值樣本進行特征變量選擇；所述特征變量選擇包括初步特征向量篩選和最優特征向量篩選；

步驟021，初步特征向量篩選，對極值樣本中的各相關變量進行篩選，形成初步特征向量集；

步驟022，最優特征向量篩選，通過特征選擇算法對初步特征向量集進行再次篩選，形成最優特征變量集；

步驟03，對配電網進行故障預測診斷；故障預測診斷包括故障等級劃分、建立SVM故障預測模型和輸出預測結果；

步驟031，根據步驟011中配電網故障影響因素分析結果對配電網進行故障等級劃分，生成相應的預防方案，供作業人員參考；

步驟032，將步驟022中最優特征變量集的最優特征向量輸入支持向量機進行訓練；通過粒子群優化算法對支持向量機的參數進行優化，建立SVM故障預測模型；

步驟033，輸出SVM故障預測模型的預測結果報告，診斷影響電能質量的各種異常狀態，找出異常點，通過業務應用平臺進行監控預警；

步驟011中的所述故障分類方法采用貝葉斯分類方法和神經網絡法實現對配電網配電變壓器的故障進行識別和診斷；所述貝葉斯分類方法將變壓器故障分類為內部或外部的接地和短路故障類型，所述神經網絡法識別包括高溫、低能和高能狀態故障類型；步驟011中的所述聚類分析方法采用劃分聚類法、層次聚類法和網格聚類法提取配電網運行管理數據和負荷監測數據中不同區域、不同類型的用戶負荷曲線，實現故障暫態特征提取，對原始數據矩陣進行聚類分析，從而將測點分為故障類和非故障類，通過實際電網的拓撲結構，定位出故障位置；

所述統計性描述方法包括對離散變量統計與連續變量統計；

步驟01中的將數據源平臺中的電網企業內部數據和外部環境信息數據抽取到大數據平臺數據分析域進行處理，包括以下步驟：1）數據接入，將電網企業內部數據和外部環境信息數據從數據源平臺接入，以備計算、分析過程使用，2）數據存儲，采用分布式結構化數據庫儲存電網企業內部數據和外部環境信息數據；3）數據計算，通過實時計算引擎模塊和數據離線計算引擎模塊對電網企業內部數據和外部環境信息數據進行分布式計算，生成常態監測主題結果數據；4）應用展現，整合處理后的常態監測主題結果數據，利用Tableau分析組件進行主題場景應用配置工作，通過監測報告自動生成工具輸出監測報告；

步驟022中的所述特征選擇算法采用Relief特征選擇算法；

步驟031中的故障等級劃分按故障的嚴重程度進行劃分，包括設備重要性等級分類、重要性評價、故障等級評估和設備修改記錄。