一种监控电力二次系统运行状态的建模方法及装置制造方法及图纸

本申请提供了一种监控电力二次系统运行状态的建模方法及装置，包括：提取预先得到的训练数据集中的第一训练数据，计算第一训练数据对应的第一训练向量分别与预设初始神经网络模型中每一初始神经元的权重向量的欧几里得距离；获取最小欧几里得距离对应的第一初始神经元，基于第一训练向量，更新与第一初始神经元相邻的各初始神经元的权重向量；若第一训练数据不为训练数据集的最后一个训练数据，提取第二训练数据对应的第二训练向量，直至训练数据集的所有训练数据被提取完毕，得到训练神经元模型；计算训练神经元模型中的每一神经元的邻接区域值；基于计算邻接区域值与预设的邻接阈值，标记该神经元。可以有效对电力二次系统运行状态进行监控。

【技术实现步骤摘要】
一种监控电力二次系统运行状态的建模方法及装置本申请涉及数据建模
，具体而言，涉及一种监控电力二次系统运行状态的建模方法及装置。
技术介绍
电力一次系统指的是直接参与发电的各设备组成的电力系统。随着互联网以及智能电网的快速发展和结合，电力系统的规模和复杂度越来越高，并逐步形成用以监视、测量和控制电力一次系统中各设备的电力二次系统。其中，电力二次系统包括各种类型的设备，例如，主机设备、数据库设备、网络设备以及安全设备等。由于电力二次系统运行会产生海量的数据，因而，如何通过实时产生的海量数据有效分析电力二次系统中各设备的运行状态，从而及时对电力二次系统中相应设备的运行状态进行有效监测，例如，预警与处置安全风险成为电力系统需要解决的技术问题。但目前，对电力二次系统的数据分析研究还主要集中在数据的收集和获取，对如何依据收集和获取的数据进行运行状态分析还未提出有效的方法，因而，还不能实现对电力二次系统运行状态的有效监控。
技术实现思路
有鉴于此，本申请的目的在于提供一种监控电力二次系统运行状态的建模方法及装置，以对电力二次系统运行状态进行有效监控。第一方面，本申请实施例提供了一种监控电力二次系统运行状态的建模方法，该方法包括：提取预先得到的训练数据集中的第一训练数据，从所述训练数据集对应的初始神经网络模型中，计算所述第一训练数据对应的第一训练向量分别与所述初始神经网络模型中每一初始神经元的权重向量的欧几里得距离；获取最小欧几里得距离对应的第一初始神经元，基于所述第一训练向量，更新所述初始神经网络模型中与所述第一初始神经元相邻的各初始神经元的权重向量；若所述第一训练数据不为所述训练数据集的最后一个训练数据，提取第二训练数据对应的第二训练向量，计算所述第二训练向量与更新的初始神经网络模型中每一初始神经元的权重向量的欧几里得距离，直至所述训练数据集的所有训练数据被提取完毕，得到训练神经元模型；针对所述训练神经元模型中的每一神经元，计算该神经元的邻接区域值；如果计算的该神经元的邻接区域值小于预设的邻接阈值，标记该神经元为正常状态，否则，标记该神经元为异常状态，得到监控电力二次系统运行状态的神经网络预测模型。可选地，所述基于所述第一训练向量，更新所述初始神经网络模型中与所述第一初始神经元相邻的各初始神经元的权重向量，包括：针对与所述第一初始神经元相邻的每一第二初始神经元，基于所述第一训练向量，更新所述第二初始神经元的权重向量。可选地，所述基于所述第一训练向量，更新所述第二初始神经元的权重向量，包括：计算所述第一训练向量与所述第二初始神经元的权重向量的差值；计算所述差值与预先设置的相邻神经元距离函数值以及预先设置的学习系数的乘积，得到相邻神经元修正值；计算所述相邻神经元修正值与所述第二初始神经元的权重向量的和值，得到更新的与所述第一初始神经元相邻的第二初始神经元的权重向量。可选地，所述神经元的邻接区域值为所述神经元分别到所述神经元的上、下、左、右位置对应的神经元的曼哈顿距离之和。可选地，所述方法还包括：获取实时采集的数据，依据所述实时采集的数据对应的神经网络预测模型，提取所述实时采集的数据的待监控向量；计算所述待监控向量分别与所述对应的神经网络预测模型中每一神经元的权重向量的欧几里得距离；获取最小欧几里得距离对应的神经元，若获取的神经元的标记为正常，确认所述实时采集的数据对应的设备运行正常，若获取的神经元的标记为异常，确认所述实时采集的数据对应的设备运行异常。可选地，所述电力二次系统中的每一类型的设备对应一训练数据集，所述训练向量的维数与所述初始神经元的权重向量的维数相同，所述训练向量的参数与所述权重向量的参数相同。第二方面，本申请实施例提供了一种监控电力二次系统运行状态的建模装置，该装置包括：距离计算模块，用于提取预先得到的训练数据集中的第一训练数据，从所述训练数据集对应的初始神经网络模型中，计算所述第一训练数据对应的第一训练向量分别与所述初始神经网络模型中每一初始神经元的权重向量的欧几里得距离；权重向量更新模块，用于获取最小欧几里得距离对应的第一初始神经元，基于所述第一训练向量，更新所述初始神经网络模型中与所述第一初始神经元相邻的各初始神经元的权重向量；模型训练模块，若所述第一训练数据不为所述训练数据集的最后一个训练数据，提取第二训练数据对应的第二训练向量，计算所述第二训练向量与更新的初始神经网络模型中每一初始神经元的权重向量的欧几里得距离，直至所述训练数据集的所有训练数据被提取完毕，得到训练神经元模型；邻接区域值计算模块，用于针对所述训练神经元模型中的每一神经元，计算该神经元的邻接区域值；模型构建模块，如果计算的该神经元的邻接区域值小于预设的邻接阈值，标记该神经元为正常状态，否则，标记该神经元为异常状态，得到监控电力二次系统运行状态的神经网络预测模型。可选地，所述权重向量更新模块包括：第一初始神经元获取单元，用于获取最小欧几里得距离对应的第一初始神经元；第一更新单元，用于基于所述第一训练向量，更新与所述第一初始神经元相邻的一第二初始神经元的权重向量；遍历更新单元，用于基于所述第一训练向量，更新与所述第一初始神经元相邻的其他第二初始神经元的权重向量，直至所述初始神经网络模型中与所述第一初始神经元相邻的各第二初始神经元的权重向量都被更新。可选地，所述第一更新单元具体用于：计算所述第一训练向量与所述第二初始神经元的权重向量的差值；计算所述差值与预先设置的相邻神经元距离函数值以及预先设置的学习系数的乘积，得到相邻神经元修正值；计算所述相邻神经元修正值与所述第二初始神经元的权重向量的和值，得到更新的与所述第一初始神经元相邻的第二初始神经元的权重向量。可选地，所述神经元的邻接区域值为所述神经元分别到所述神经元的上、下、左、右位置对应的神经元的曼哈顿距离之和。第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的方法的步骤。本申请实施例提供的一种监控电力二次系统运行状态的建模方法，通过提取预先得到的训练数据集中的第一训练数据，从所述训练数据集对应的初始神经网络模型中，计算所述第一训练数据对应的第一训练向量分别与所述初始神经网络模型中每一初始神经元的权重向量的欧几里得距离；获取最小欧几里得距离对应的第一初始神经元，基于所述第一训练向量，更新所述初始神经网络模型中与所述第一初始神经元相邻的各初始神经元的权重向量；若所述第一训练数据不为所述训练数据集的最后一个训练数据，提取第二训练数据对应的第二训练向量，计算所述第二训练向量与更新的初始神经网络模型中每一初始神经元的权重向量的欧几里得距离，直至所述训练数据集的所有训练数据被提取完毕，得到训练神经元模型；针对所述训练神经元模型中的每一神经元，计算该神经元的邻接区域值；如果计算的该神经元的邻接区域值小于预设的邻接阈值，标记该神经元为正常状态，否则，标记该神经元为异常状态，得到监控电力二次系统运行状态的神经网络预测模型。这样，利用收集的数据，对本文档来自技高网...

【技术保护点】
1.一种监控电力二次系统运行状态的建模方法，其特征在于，该方法包括：提取预先得到的训练数据集中的第一训练数据，从所述训练数据集对应的初始神经网络模型中，计算所述第一训练数据对应的第一训练向量分别与所述初始神经网络模型中每一初始神经元的权重向量的欧几里得距离；获取最小欧几里得距离对应的第一初始神经元，基于所述第一训练向量，更新所述初始神经网络模型中与所述第一初始神经元相邻的各初始神经元的权重向量；若所述第一训练数据不为所述训练数据集的最后一个训练数据，提取第二训练数据对应的第二训练向量，计算所述第二训练向量与更新的初始神经网络模型中每一初始神经元的权重向量的欧几里得距离，直至所述训练数据集的所有训练数据被提取完毕，得到训练神经元模型；针对所述训练神经元模型中的每一神经元，计算该神经元的邻接区域值；如果计算的该神经元的邻接区域值小于预设的邻接阈值，标记该神经元为正常状态，否则，标记该神经元为异常状态，得到监控电力二次系统运行状态的神经网络预测模型。

【技术特征摘要】
1.一种监控电力二次系统运行状态的建模方法，其特征在于，该方法包括：提取预先得到的训练数据集中的第一训练数据，从所述训练数据集对应的初始神经网络模型中，计算所述第一训练数据对应的第一训练向量分别与所述初始神经网络模型中每一初始神经元的权重向量的欧几里得距离；获取最小欧几里得距离对应的第一初始神经元，基于所述第一训练向量，更新所述初始神经网络模型中与所述第一初始神经元相邻的各初始神经元的权重向量；若所述第一训练数据不为所述训练数据集的最后一个训练数据，提取第二训练数据对应的第二训练向量，计算所述第二训练向量与更新的初始神经网络模型中每一初始神经元的权重向量的欧几里得距离，直至所述训练数据集的所有训练数据被提取完毕，得到训练神经元模型；针对所述训练神经元模型中的每一神经元，计算该神经元的邻接区域值；如果计算的该神经元的邻接区域值小于预设的邻接阈值，标记该神经元为正常状态，否则，标记该神经元为异常状态，得到监控电力二次系统运行状态的神经网络预测模型。2.如权利要求1所述的方法，其特征在于，所述基于所述第一训练向量，更新所述初始神经网络模型中与所述第一初始神经元相邻的各初始神经元的权重向量，包括：针对与所述第一初始神经元相邻的每一第二初始神经元，基于所述第一训练向量，更新所述第二初始神经元的权重向量。3.如权利要求2所述的方法，其特征在于，所述基于所述第一训练向量，更新所述第二初始神经元的权重向量，包括：计算所述第一训练向量与所述第二初始神经元的权重向量的差值；计算所述差值与预先设置的相邻神经元距离函数值以及预先设置的学习系数的乘积，得到相邻神经元修正值；计算所述相邻神经元修正值与所述第二初始神经元的权重向量的和值，得到更新的与所述第一初始神经元相邻的第二初始神经元的权重向量。4.如权利要求1所述的方法，其特征在于，所述神经元的邻接区域值为所述神经元分别到所述神经元的上、下、左、右位置对应的神经元的曼哈顿距离之和。5.如权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：获取实时采集的数据，依据所述实时采集的数据对应的神经网络预测模型，提取所述实时采集的数据的待监控向量；计算所述待监控向量分别与所述对应的神经网络预测模型中每一神经元的权重向量的欧几里得距离；获取最小欧几里得距离对应的神经元，若获取的神经元的标记为正常状态，确认所述实时采集的数据对应的设备运行正常，若获取的神经元的标记为异常状态，确认所述实时采集的数据对应的设备运...

【专利技术属性】
技术研发人员：伍凌云，周媛，刘成江，张赛楠，杨鹏，王民昆，梁野，高明慧，汪燕，郑澍，邵立嵩，张志军，王景，苏达，兰强，高英健，卢楷，
申请(专利权)人：国家电网公司西南分部，北京科东电力控制系统有限责任公司，
类型：发明
国别省市：四川,51