遥信数据设备故障判断与分类系统及方法技术方案

本发明专利技术公开一种基于BP神经网络的遥信数据设备故障判断与分类系统及方法，所述遥信数据设备故障判断与分类系统包括故障信息展示模块、神经网络训练模块、故障分类器模块、电网数据库交互模块。通过本发明专利技术所述的基于BP神经网络的遥信数据设备故障判断与分类系统和方法可以迅速地根据一系列遥信信号判断出某个设备是否存在故障，并给出一个相对合理的故障类型。

【技术实现步骤摘要】

本专利技术涉及一种，尤其是涉及一种基于 BP神经网络的。
技术介绍
随着电网自动化的进程，大量原先需要人工检测和统计的数据现已经使用遥测和 遥信来完成，但由于传感器精度等问题，通信数据并不能保证一定准确。在大量数据实验之 后，发现遥信数据存在误报现象，在检测对象正常的情况下，遥信信号显示设备故障。这种 现象的存在大大增加了电力检测和监控人员的工作量，浪费人力资源。由于以上情况的存 在，如何在一系列的遥信信号中，准确的定位出真正的故障设备，成为了一项必须解决的问 题。 对于遥信信号存在误报的问题，以往的解决方案是通过大量的数据校验，以及检 测人员的经验排除一部分显然是误报的信号，并对最有可能出现故障的设备进行逐一检查 来完成的。这样的方法有以下优势： 1、工作人员可以据经验忽略一部分明显误报的信号； 2、通过逐一检查，更换遥信传感器，可以在很长一段时间内杜绝该设备的误报情 况。 然而，随着电网规模的扩大，人力资源开始变得紧张，使用人力过滤成千上万条遥 信信号成为不可能。电网更加需要一种自动检测和过滤遥信信号的方法， BP (Back Propagation)网络是 1986 年由 Rumelhart 和 McCelland 为首的科学家 小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络 模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这 种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络 的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input)、 隐层（hidden layer)和输出层（output layer)。
技术实现思路
当前电网系统中，存在遥信信号不准确的情况，增加了电力检测盒监控人员的工 作量，造成不必要的浪费。针对这种情况，本专利技术的在于提供一种基于BP神经网络的遥信 数据设备故障判断与分类系统及方法，通过所述系统和方法可以迅速地根据一系列遥信信 号判断出某个设备是否存在故障，并给出一个相对合理的故障类型。 为了实现上述目的，本专利技术的解决方案是： 一种遥信数据设备故障判断与分类系统，包括布局计算子系统和人机交互子系 统，其中，所述布局计算子系统具体包括： 电网数据库交互模块：用于和电网数据库进行交互，从电网数据库获得电网拓扑 数据信息； 神经网络训练模块：通过从电网数据库交互模块得到的遥信历史数据，对神经网 络进行训练的模块； 故障分类器模块：根据遥信信号，对存在故障的设备进行初步的故障分类的模 块； 故障信息展示模块：将最终结果以消息的形式显示出来的模块。 -种基于BP神经网络的遥信数据设备故障判断与分类方法，具体包括以下步骤： 1)神经网络训练步骤： 1. 1)从电网数据库取出n组设备故障数据，记做N，以及对应的n个真实的设备状 态，记做M; 1. 2)初始化神经网络连接权值w、节点阈值0 ; 1. 3)设置循环计数器i = 0,进行循环，对神经网络进行训练： 1. 3. 1)判断，当i小于n时转到步骤1. 3. 2)，否则转到步骤1. 4); 1. 3. 2)取一个样本作为输入，根据式（1)计算各层的输出情况，公式（1)为：【主权项】1. 一种遥信数据设备故障判断与分类系统，其特征在于：包括布局计算子系统和人机 交互子系统，其中，所述布局计算子系统具体包括： 电网数据库交互模块：用于和电网数据库进行交互，从电网数据库获得电网拓扑数据 信息； 神经网络训练模块：通过从电网数据库交互模块得到的遥信历史数据，对神经网络进 行训练的模块； 故障分类器模块：根据遥信信号，对存在故障的设备进行初步的故障分类的模块； 故障信息展示模块：将最终结果以消息的形式显示出来的模块。2. -种遥信数据设备故障判断与分类方法，其特征在于具体包括以下步骤： 1) 神经网络训练步骤： I. 1)从电网数据库取出η组设备故障数据，记做N，以及对应的η个真实的设备状态， 记做M ; 1.2) 初始化神经网络连接权值w、节点阈值Θ ; 1. 3)设置循环计数器i = 0,进行循环，对神经网络进行训练： 1. 3. 1)判断，当i小于η时转到步骤1. 3. 2)，否则转到步骤1. 4); 1. 3. 2)取一个样本作为输入，根据式（1)计算各层的输出情况，公式（1)为：其中，Xi?X η是从其他神经元传来的输入信号，W ij表示从神经元j到神经元i的连接 权值，Θ表不一个阈值； 1. 3. 3)计算隐层输出； 1.3.4)计算输出层输出； 1. 3. 5)计算误差d并更新权值和节点阈值； 1. 3. 6)更新i，i增加 1，返回步骤1. 3. 1); 1. 4)判断步骤1. 3. 5)误差d是否小于误差下限，若是，转到步骤1. 3)继续训练，反之， 神经网络训练完成； 2) 故障信号判断过程： 2. 1)判断，设备I遥测信号显示出现故障； 2. 2)将设备I加入待判定列表； 2. 3)从数据库获取设备I最新的η个信号量，记为N ; 2. 4)将信号数据传入神经网络，判断当前设备是否存在故障，若是，则将设备加入故障 设备列表，否则，将设备移出待判定列表； 3) 故障设备故障类型判定与输出： 3. 1)从数据库获取设备I最新的η个信号量，记为N ; 3. 2)将N输入到故障分类器进行判断； 3.3) 将故障结果输出给监控人员。【专利摘要】本专利技术公开一种基于BP神经网络的，所述遥信数据设备故障判断与分类系统包括故障信息展示模块、神经网络训练模块、故障分类器模块、电网数据库交互模块。通过本专利技术所述的基于BP神经网络的遥信数据设备故障判断与分类系统和方法可以迅速地根据一系列遥信信号判断出某个设备是否存在故障，并给出一个相对合理的故障类型。【IPC分类】G06K9-62, G06F17-30【公开号】CN104536970【申请号】CN201410721313【专利技术人】郭劲松, 黄建杨, 冉进文, 俞苗杰, 俞晓松 【申请人】国家电网公司, 国网浙江省电力公司, 国网浙江省电力公司绍兴供电公司, 国网浙江诸暨市供电公司【公开日】2015年4月22日【申请日】2014年12月3日本文档来自技高网...

【技术保护点】
一种遥信数据设备故障判断与分类系统，其特征在于：包括布局计算子系统和人机交互子系统，其中，所述布局计算子系统具体包括：电网数据库交互模块：用于和电网数据库进行交互，从电网数据库获得电网拓扑数据信息；神经网络训练模块：通过从电网数据库交互模块得到的遥信历史数据，对神经网络进行训练的模块；故障分类器模块：根据遥信信号，对存在故障的设备进行初步的故障分类的模块；故障信息展示模块：将最终结果以消息的形式显示出来的模块。

【技术特征摘要】

【专利技术属性】
技术研发人员：郭劲松，黄建杨，冉进文，俞苗杰，俞晓松，
申请(专利权)人：国家电网公司，国网浙江省电力公司，国网浙江省电力公司绍兴供电公司，国网浙江诸暨市供电公司，
类型：发明
国别省市：北京;11