[發明專利]一種基于風險態勢的預警方法及系統

在審

• 申請號: 202011173427.3
• 申請日: 2020-10-28
• 公開（公告）號: CN112463892A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 龔彧;胥崢;李冬華;潘一璠
• 申請（專利權）人: 國網江蘇省電力有限公司鹽城供電分公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06N3/04;H04L12/24;H04L29/06;H04L29/08
• 代理公司: 蘇州市港澄專利代理事務所(普通合伙) 32304
• 代理人: 范佳晨

1.一種基于風險態勢的預警方法，其特征在于，所述方法包括以下步驟：

步驟1、構建網絡拓撲結構，其中包含測點數據、接口機、單向隔離裝置、核心交換機、二級交換機、多個內網客戶機，其中核心交換機包含關系數據庫服務器和計算服務器；

步驟2、通過信息采集設備的數據接口獲取真實場景中的信息數據，建立多種變量信息數據庫；

步驟3、讀取存儲信息并利用神經網絡及公式推導分析數據關聯性；

步驟4、通過可視化界面，顯示風險態勢，預警及故障狀態。

2.根據權利要求1所述的一種基于風險態勢的預警方法，其特征在于，所述步驟1進一步為：

網絡構建過程中，采用兩層網絡結構，即核心層和接入層，并采用千兆以太網交換技術，通過星型連接；其中核心層用于提供網絡數據包的快速轉發和骨干節點之間的互連，接入層用于完成客戶端用戶流量的匯聚。

3.根據權利要求1所述的一種基于風險態勢的預警方法，其特征在于，所述步驟2進一步為：

多種變量數據庫中的信息含有存儲設備檔案信息的設備狀態、實時值、設備自身參數資料、歷史曲線、歷史故障信息，輸電線路和塔桿模型信息的模型名稱、模型編號、所屬設備、設備類型、關聯變量、測點；

變量數據庫的信息來源于架設的信息采集設備，其中所述信息采集設備包含氣象數據傳感器、GPS/北斗定位、微震傳感器；涉及到的數據接入方式為標準的網絡傳輸協議TCP/IP協議、針對不同硬件設備和儀器儀表設備的MODBUS協議、OPC協議、UDP協議；離散數據通過實時數據采集工具系統DataClient進行實時、動態的數據引援，其客戶端通過Modbus和OPC兩種協議進行數據傳輸；

獲取到的信息通過基于關系型數據庫的實時數據庫服務軟件PIDB-Real，以符合所采用存儲數據庫格式的形式，把采集的數據存入通用關系型數據庫。

4.根據權利要求1所述的一種基于風險態勢的預警方法，其特征在于，所述步驟3進一步為：

利用中間表取數和ETL數據抽取的方式對數據庫中的數據進行讀取，首先通過讀取歷史數據參數及當時設備狀態的數據集構建有監督學習的神經網絡，學習由多重數據到設備實時狀態的映射；

其中所述歷史數據為前期數據庫中所含有的與設備狀態相關的信息，并將其構建為網絡訓練集，所述設備狀態為訓練標簽，作為有監督學習結果的對比參照物；其中訓練集作為輸入，預警結果作為輸出，結合數學公式訓練得到神經網絡模型中各網絡間連接的權值，將所述連接權值帶入所述神經網絡中得到預警模型；

所述模型訓練過程為，建立訓練矩陣其中每一列代表一組環境信息，對應訓練矩陣，確定輸出矩陣Z的期望矩陣，輸入態y₁～y₅分別為表示塔桿是否傾斜、輸電線是否舞動、地基是否沉降、是否為外力破壞、是否為設別老化；中間態為連接權和求和單元，若中間態的輸出記為p，則其可表示為其中w_i為對應感測數據的連接權值是未知量，為偏置是未知量；輸出態Z可以表示為Z＝f(p)，Z＝f(·)為神經元輸出的激活函數，當輸出值不同時，分別表示正常、大風預警、暴雨預警、設備損壞、線路故障、高溫預警、低溫預警；

訓練階段：設定連接權的初始值，利用初始值訓練整個網絡，通過設定迭代次數和最小誤差控制模型求解連接權值及偏置

完成階段：通過自主學習得到網絡各層間的連接權值及偏置θ，將訓練得到的連接權值及偏置帶入至神經網絡模型中，得到預警模型。

5.根據權利要求1所述的一種基于風險態勢的預警方法，其特征在于，所述步驟4進一步為：

利用前端開發編程語言將界面布局的設計以可視化的形式呈現分析處理過的數據，其中，用戶端根據界面上呈現的功能模塊，通過鼠標單擊進行功能操作；其中所述功能模塊為健康監控中心、模型庫、變量庫、模型實例、行業維護、專業維護、設備歸類、系統管理。