[發(fā)明專(zhuān)利]基于人工智能的配變異常分析預(yù)警方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011211470.4
• 申請(qǐng)日: 2020-11-03
• 公開(kāi)（公告）號(hào): CN112488360A
• 公開(kāi)（公告）日: 2021-03-12
• 發(fā)明（設(shè)計(jì)）人: 馬妍;吳暉;鮑薇;段貝莉;趙利思;李京;朱帆;郭巖巖;李林蔚;王爽
• 申請(qǐng)（專(zhuān)利權(quán)）人: 國(guó)網(wǎng)河南省電力公司鄭州供電公司;北京華源格林科技有限公司;國(guó)家電網(wǎng)有限公司
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q10/06;G06Q10/00;G06Q50/06;G06K9/62
• 代理公司: 鄭州金成知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 41121
• 代理人: 郭增欣

本發(fā)明公開(kāi)了一種基于人工智能的配變異常分析預(yù)警方法，本發(fā)明從氣溫、容量、運(yùn)行年限等關(guān)聯(lián)因素進(jìn)行敏感分析，利用多維度數(shù)據(jù)分析與挖掘技術(shù)，構(gòu)建基于TOPSIS評(píng)價(jià)算法，構(gòu)建評(píng)估模型，通過(guò)TOPSIS評(píng)價(jià)算法對(duì)每臺(tái)配變進(jìn)行評(píng)價(jià)打分，預(yù)估配變重過(guò)載發(fā)生概率，向?qū)I(yè)部門(mén)發(fā)布超前預(yù)警通知，根據(jù)打分所體現(xiàn)的嚴(yán)重程度對(duì)異常配變提供差異化運(yùn)維建議，為配變精益化運(yùn)維提供大數(shù)據(jù)支撐，實(shí)現(xiàn)從事后治理到事前預(yù)控，提高配變超前監(jiān)控、預(yù)警、運(yùn)維水平，降低配變過(guò)載率。

技術(shù)領(lǐng)域：

本發(fā)明涉及供變電檢修領(lǐng)域，特別是涉及一種基于人工智能的配變異常分析預(yù)警方法。

背景技術(shù)：

隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展，人民生活的迅速提高，整個(gè)社會(huì)用電需求量的不斷增加，尤其是夏冬負(fù)荷高峰期，配電變壓器(低電壓，三項(xiàng)相不平衡)導(dǎo)致變壓器重過(guò)載情況頻發(fā)，由此引發(fā)的居民投訴也是居高不下，如何解決配電變壓器異常運(yùn)行，避免設(shè)備事故發(fā)生，提高供電質(zhì)量，供電可靠性和優(yōu)質(zhì)服務(wù)水平顯得尤為重要。

現(xiàn)有技術(shù)中均是定期對(duì)配電變壓器進(jìn)行巡檢，發(fā)現(xiàn)其問(wèn)題之處并進(jìn)行維修，這種檢修方式最大的問(wèn)題是沒(méi)有針對(duì)性，往往對(duì)不存在安全隱患的配電變壓器也進(jìn)行檢修，不能對(duì)存在問(wèn)題的配電變壓器進(jìn)行針對(duì)性重點(diǎn)檢修，耗費(fèi)時(shí)間比較長(zhǎng)。

發(fā)明內(nèi)容：

本發(fā)明所要解決的技術(shù)問(wèn)題是：克服現(xiàn)有技術(shù)的不足，利用多維度數(shù)據(jù)分析與挖掘技術(shù)，構(gòu)建基于TOPSIS評(píng)價(jià)算法，構(gòu)建評(píng)估模型，實(shí)現(xiàn)對(duì)配變“重過(guò)載”的有效監(jiān)測(cè)，預(yù)先評(píng)估配電網(wǎng)出現(xiàn)“重過(guò)載”可能性，提高供電可靠性，提升電網(wǎng)的運(yùn)行效益和精益化管理水平的基于人工智能的配變異常分析預(yù)警方法。

本發(fā)明的技術(shù)方案是：一種基于人工智能的配變異常分析預(yù)警方法，以異常公變?yōu)檠芯繉?duì)象，采用互信息系數(shù)相關(guān)性分析模型、K-Means聚類(lèi)分析模型、TOPSIS評(píng)價(jià)模型相結(jié)合，分步驟對(duì)公變異常的情況進(jìn)行深入的多維分析，實(shí)現(xiàn)對(duì)配變“重過(guò)載”的有效監(jiān)測(cè)，其具體步驟是：步驟一、通過(guò)相應(yīng)的傳感器采集配變過(guò)載記錄數(shù)據(jù)，并進(jìn)行預(yù)處理；

步驟二、基于互信息系數(shù)相關(guān)性分析方法從預(yù)處理后的電力數(shù)據(jù)信息中選取影響公變異常的關(guān)鍵因素；

步驟三、通過(guò)多維度分析手段，分析不同因素下過(guò)載變化情況，并得出影響公變過(guò)載每個(gè)因素的權(quán)重；

步驟四、通過(guò)K-Means算法對(duì)過(guò)載公變聚類(lèi)分析，得到過(guò)載公變聚類(lèi)結(jié)果，選取最佳的過(guò)載公變特征與類(lèi)型；

步驟五、基于TOPSIS評(píng)價(jià)算法，融合步驟三和步驟四的結(jié)果作為評(píng)價(jià)模型的輸入，通過(guò)對(duì)各過(guò)載公變細(xì)分類(lèi)別中過(guò)載配變量化處理，用打分的方式使每一臺(tái)配變重過(guò)載程度直觀體現(xiàn)；

步驟六、根據(jù)配變運(yùn)行狀況的評(píng)價(jià)打分結(jié)果，預(yù)估特定條件下配變重過(guò)載發(fā)生概率并向?qū)I(yè)部門(mén)提出預(yù)警。

進(jìn)一步的，所述步驟一中，對(duì)采集的配變過(guò)載記錄數(shù)據(jù)，按配變Id進(jìn)行數(shù)據(jù)整理：

進(jìn)一步的，所述步驟二中，由于互信息中的聯(lián)合概率難求的問(wèn)題，采用最大互信息系數(shù)MIC進(jìn)行求解，變量之間的關(guān)系離散在二維空間中，并且使用散點(diǎn)圖來(lái)表示，將當(dāng)前二維空間在x,y方向分別劃分為一定的區(qū)間數(shù)，然后查看當(dāng)前的散點(diǎn)在各個(gè)方格中落入的情況；關(guān)鍵因素為重過(guò)載發(fā)生時(shí)長(zhǎng)，重過(guò)載發(fā)生次數(shù)，變電站，外溫，投運(yùn)年限，配變?nèi)萘浚?fù)荷時(shí)刻。

進(jìn)一步的，所述步驟三中，分組統(tǒng)計(jì)各個(gè)關(guān)鍵因素發(fā)生過(guò)載次數(shù)的比率，作為評(píng)價(jià)配變過(guò)載的正向指標(biāo)；借助在Python中的minepy類(lèi)庫(kù)中實(shí)現(xiàn)MIC算法，得出各個(gè)影響因素的權(quán)重系數(shù)。

進(jìn)一步的，所述MIC計(jì)算分為三個(gè)步驟：(1)、給定i、j，對(duì)XY構(gòu)成的散點(diǎn)圖進(jìn)行i列j行網(wǎng)格化，并求出最大的互信息值；(2)、對(duì)最大的互信息值進(jìn)行歸一化；(3)、選擇不同尺度下互信息的最大值作為MIC值。