[發明專利]一種基于機器學習算法模型的配電網設備故障研判方法

在審

• 申請號: 202110903417.9
• 申請日: 2021-08-06
• 公開（公告）號: CN113625082A
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 何玉鵬;馮曉群;朱林;何銳;張金鵬;張仁和;岳文泰;唐婷;祁升龍;楊安家;張少敏;李輝;李心可
• 申請（專利權）人: 國網寧夏電力有限公司;國網寧夏電力有限公司電力科學研究院;國網寧夏電力有限公司中衛供電公司;國網寧夏電力有限公司銀川供電公司
• 主分類號: G01R31/00
• 分類號: G01R31/00;G01R31/08
• 代理公司: 北京挺立專利事務所(普通合伙) 11265
• 代理人: 賈楠楠

1.一種基于機器學習算法模型的配電網設備故障研判方法，其特征在于，包括如下步驟，

獲取故障點的供電變壓器信息，其具體到變壓器的編碼和類型；

通過分析通用信息模型，建立電網設備拓撲模型；

通過拓撲模型分析配電設備的故障信息；

分析通用信息拓撲模型獲取的故障信息，獲取報修表計；

將報修表計上傳外部終端。

2.如權利要求1所述的基于機器學習算法模型的配電網設備故障研判方法，其特征在于，在“獲取故障點的供電變壓器信息，其具體到變壓器的編碼和類型”中，所述方法還包括，

通過實時檢測供電傳輸情況，接收到供電變壓信息，獲取故障點的攻牙變電器名稱信息和變壓器唯一編碼。

3.如權利要求1所述的基于機器學習算法模型的配電網設備故障研判方法，其特征在于，在“通過分析通用信息模型，建立電網設備拓撲模型”中，所述方法還包括，

建立空的符號信息庫，存儲每個符號的描述信息；

建立空的復合圖元表，存儲對符號中每個基本圖元的描述；

建立孔的設備模型符號表，存儲設備模型與各符號的關系；

對照圖元規范將每個設備符號中各個基本圖元進行逐一繪制，建立電網設備拓撲模型。

4.如權利要求1所述的基于機器學習算法模型的配電網設備故障研判方法，其特征在于，在“通過拓撲模型分析配電設備的故障信息”中，所述方法還包括，

分析配電網設備故障時跳閘點；

確定配電網設備故障區間的定位；

獲取當前配電網停電的范圍；

根據故障區間分析實時供電拓撲。

5.如權利要求4所述的基于機器學習算法模型的配電網設備故障研判方法，其特征在于，在“根據故障區間分析實時供電拓撲”中，所述方法還包括，

根據故障區間分析實時供電拓撲，包括停電設備名稱和設備唯一編碼。

6.如權利要求1所述的基于機器學習算法模型的配電網設備故障研判方法，其特征在于，在“分析通用信息拓撲模型獲取的故障信息，獲取報修表計”中，所述方法還包括，

分析通用信息拓撲模型獲取的故障信息；

獲取報修用戶的表計；

獲取與報修用戶同組用戶的表計；

獲取與報修用戶臨組用戶的表計；

獲取報修用戶供電變壓器的表計。

7.如權利要求1所述的基于機器學習算法模型的配電網設備故障研判方法，其特征在于，在“將報修表計上傳外部終端”中，所述方法還包括，

配電網設備在故障搶修進行現場工作內容的記錄；

旋轉具體的安全措施信息；

根據隔離及轉供輔助決策方法智能生產送點指令。

8.如權利要求7所述的基于機器學習算法模型的配電網設備故障研判方法，其特征在于，在“根據隔離及轉供輔助決策方法智能生產送點指令”后，所述方法還包括，

在整個故障處理結束后，配電網設備針對本次故障生成完整的事后分析。

9.如權利要求8所述的基于機器學習算法模型的配電網設備故障研判方法，其特征在于，在“在整個故障處理結束后，配電網設備針對本次故障生成完整的事后分析”后，所述方法還包括

所述事后分析包括故障簡報、故障處理耗時情況和研判評價信息。