基于双向深度神经网络的电网信息系统故障定位系统及方法技术方案

本发明专利技术公开了一种基于双向深度神经网络的电网信息系统故障定位系统及方法，包括故障监控模块、推理机、数据库、深度学习模块；对故障树分析结果进行深度神经网络正反向训练，得到故障特征和故障位置之间的对应关系存储于专家知识库，进行电网信息系统故障监控，将根据监控数据得到的故障特征写入特征数据库，根据专家知识库和故障特征，推理得出故障定位结果。本发明专利技术可以有效解决电网信息系统故障定位难、定位慢、定位不准的问题，使得系统能够在故障发生的第一时间发出报警，并且结合故障自处理系统能够实现信息系统的故障智能定位和智能处理功能，可以进一步提高电网信息系统运维效率，保障信息系统安全稳定运行。

【技术实现步骤摘要】
基于双向深度神经网络的电网信息系统故障定位系统及方法
本专利技术属于信息系统故障诊断
，尤其涉及一种基于双向深度神经网络的电网信息系统故障定位系统及方法。
技术介绍
随着科学技术的发展，信息系统在企业的应用越来越广泛。目国网公司协调办公、统一权限、ERP等一级部署应用系统已到达76套，二级部署营销、财务、生产等核心系统数量逐年增大。这些信息系统为电网的生产、运行和管理提供了保障，一旦信息系统出现故障，将会对电网的业务造成灾难性的影响。电网信息系统具有复杂度高、实时性强、动态性高、安全要求高等特点，同时，系统机器老旧、性能逐渐下降导致信息系统故障率逐年提升、故障发现时间晚、故障恢复周期长，系统的可靠性问题日益凸显。虽然目前故障诊断已经进入自动化阶段，但仍然依赖于运维和专家的经验，缺乏智能化大脑的管控。因此，如何利用新技术打造电网信息系统故障智能诊断就显得尤为重要，而故障定位是故障诊断的基础。故障定位技术发展到今天，有很多解决定位问题的方法。有基于数据链的软件故障定位方法，有配置管理数据库结合故障树的故障定位方法，还有基于免疫算法的故障定位技术，基于BP神经网络和故障树的故障定位方法。针对变压器故障提出的基于BP神经网络和故障树的故障定位方法，该方法首先收集整理变压器故障信息量作为训练和识别样本，建立基于BP神经网络的变压器故障诊断模型，再利用故障树分析方法，对变压器故障等级、严重程度等进行划分。但是，电网信息系统相比于变压器更为复杂，发生故障的可能位置多变且难以排除，因此，需要针对电网信息系统的故障特点，专利技术新的方法进行故障的准确定位。现有的技术方案没有专门针对电网信息系统故障定位而设计的，大都是针对某一具体的机械或简单系统。目前的电网信息系统故障定位保障以人工为主，缺乏自动化手段。现行的运行保障体系，以确保系统不出问题为导向，主要依靠人进行整体管控，需要花费大量人力去跟在发现故障，然后再进行事后处理，缺乏信息系统自动进行故障定位的有效手段。电网信息系统作为国网公司的“神经”，扮演越来越重要的角色，信息系统的可靠性要求也日趋提高。使用已有的技术方案，不能满足电网信息系统对可靠性的需求，也不能解决信息系统故障定位处理智能化的需求。同时，传统的BP神经网络为一种局部搜索的优化方法，存在局部极小化问题、收敛速度慢、BP神经网络结构选择不一、应用实例与网络规模的矛盾问题、BP神经网络预测能力和训练能力的矛盾问题以及BP神经网络样本依赖性问题。
技术实现思路
专利技术目的：针对以上问题，本专利技术提出一种基于双向深度神经网络的电网信息系统故障定位系统及方法，对电网信息系统进行实施监控分析，从而实现电力信息系统全过程故障的精确定位。技术方案：为实现本专利技术的目的，本专利技术所采用的技术方案是：一种基于双向深度神经网络的电网信息系统故障定位系统，包括故障监控模块、推理机、数据库、深度学习模块；所述数据库包括专家知识库、特征数据库和位置数据库，所述专家知识库存储故障特征和故障位置之间的对应关系，所述位置数据库存储历史故障的故障树分析得到的故障位置，所述特征数据库存储历史故障的故障树分析得到的故障特征；所述深度学习模块对历史故障的故障树分析得到的故障位置和故障特征进行深度神经网络正反向训练，得到故障特征和故障位置之间的对应关系，并存储于专家知识库；所述故障监控模块用于进行电网信息系统实时故障监控，得到信息系统故障的故障特征；所述推理机根据专家知识库存储的故障特征和故障位置之间的对应关系和信息系统故障的故障特征，推理得出故障定位结果。进一步地，所述故障定位系统还包括人机接口模块，将故障定位结果及时反馈给运维人员，并发出故障报警信号。一种基于双向深度神经网络的电网信息系统故障定位方法，包括步骤：(1)进行电网信息系统历史事故的故障树分析，将故障树分析得到的故障位置存储于位置数据库，故障特征存储于特征数据库；(2)对故障树分析结果进行深度神经网络正反向训练，得到故障特征和故障位置之间的对应关系，存储于专家知识库；(3)进行电网信息系统故障监控，得到信息系统故障的故障特征；(4)根据专家知识库存储的故障特征和故障位置之间的对应关系和信息系统故障的故障特征，推理得出故障定位结果。进一步地，还包括步骤5，通过构建的故障定位结果的系统人机接口，将故障定位结果及时反馈给运维人员，并发出故障报警信号。进一步地，所述步骤1包括：(1.1)根据电网信息系统组成及各部分之间的关系，给出系统架构图；(1.2)调查系统历史故障及原因；(1.3)从历史故障中找出后果严重且较易发生的事故作为顶上事件；(1.4)从顶上事件起，逐级找出直接原因的事件，按其逻辑关系，画出故障树；(1.5)根据故障树分析结果，构建基于历史数据的数据库，将故障树分析得到的故障位置存储于位置数据库，故障特征存储于特征数据库。进一步地，所述步骤2包括：(2.1)根据故障树分析结果提取故障特征和位置信息；(2.2)由故障特征向故障位置进行深度神经网络正向传播训练；(2.3)由故障位置向故障特征进行深度神经网络反向传播训练；(2.4)将训练结果，故障特征和故障位置之间的对应关系，存储到专家数据库。有益效果：本专利技术可以有效解决电网信息系统故障定位难、定位慢、定位不准的问题，使得系统能够在故障发生的第一时间发出报警，并且结合故障自处理系统能够实现信息系统的故障智能定位和智能处理功能，可以进一步提高电网信息系统运维效率，保障信息系统安全稳定运行。附图说明图1是基于双向深度神经网络的电网信息系统故障定位系统示意图。具体实施方式下面结合附图和实施例对本专利技术的技术方案作进一步的说明。如图1所示，本专利技术所述的基于双向深度神经网络(DNN)和故障树的电网信息系统故障定位系统，包括故障监控模块、推理机、数据库、深度学习模块和人机接口模块。故障监控模块，用于监控电网信息系统各组件的实时状态，通过部署在硬件层、软件层、网络层以及应用层的系统监控软件，完成对信息系统多颗粒度跨层联合感知，提供系统实时运行数据。推理机，根据实时监测数据结合专家知识库的规则反复进行推理得出结论，是实现故障定位的大脑，决定了故障定位的准确性和敏捷性。推理是按照既定规则由采集数据分析得到结果的过程，数据库和推理机是故障定位的两大核心，本专利技术的推理机根据故障树分析规则对电网信息系统进行故障特征和故障位置的分析。数据库，包括专家知识库、特征数据库和位置数据库，专家数据库用来存放运维经验和DNN训练的故障定位规律，即为故障特征和故障位置之间的对应关系；特征数据库用来存放电网信息系统根据故障树分析得到的故障特征，及故障监控模块得到的信息系统故障特征，位置数据库用来存放电网信息系统根据故障树分析得到的故障位置点。深度学习模块，包括对信息系统故障特征和位置数据的正向传播训练和反向传播训练，应用故障树分析和双向深度神经网络(DNN)，对监控系统给出的特征数据进行分析和自我学习，给出故障位置，确定故障根源。人机接口模块，包括定位结果和故障报警，用来告知运维人员故障定位结果并及时发出故障报警信号。将推理机结合DNN正方向训练的结果得出的结论通过人机接口反馈给运维人员，通过故障定位和故障告警明确故障位置。如图1所示，基于双向深度神经网络和故障树的电网信息系本文档来自技高网...

【技术保护点】
1.一种基于双向深度神经网络的电网信息系统故障定位系统，其特征在于，包括故障监控模块、推理机、数据库、深度学习模块；所述数据库包括专家知识库、特征数据库和位置数据库，所述专家知识库存储故障特征和故障位置之间的对应关系，所述位置数据库存储历史故障的故障树分析得到的故障位置，所述特征数据库存储历史故障的故障树分析得到的故障特征；所述深度学习模块对历史故障的故障树分析得到的故障位置和故障特征进行深度神经网络正反向训练，得到故障特征和故障位置之间的对应关系；所述故障监控模块用于进行电网信息系统实时故障监控，得到信息系统故障的故障特征；所述推理机根据故障特征和故障位置之间的对应关系和信息系统故障的故障特征，推理得出故障定位结果。

【技术特征摘要】
1.一种基于双向深度神经网络的电网信息系统故障定位系统，其特征在于，包括故障监控模块、推理机、数据库、深度学习模块；所述数据库包括专家知识库、特征数据库和位置数据库，所述专家知识库存储故障特征和故障位置之间的对应关系，所述位置数据库存储历史故障的故障树分析得到的故障位置，所述特征数据库存储历史故障的故障树分析得到的故障特征；所述深度学习模块对历史故障的故障树分析得到的故障位置和故障特征进行深度神经网络正反向训练，得到故障特征和故障位置之间的对应关系；所述故障监控模块用于进行电网信息系统实时故障监控，得到信息系统故障的故障特征；所述推理机根据故障特征和故障位置之间的对应关系和信息系统故障的故障特征，推理得出故障定位结果。2.根据权利要求1所述的基于双向深度神经网络的电网信息系统故障定位系统，其特征在于，所述故障定位系统还包括人机接口模块，将故障定位结果及时反馈给运维人员，并发出故障报警信号。3.一种基于双向深度神经网络的电网信息系统故障定位方法，其特征在于，包括步骤：(1)进行电网信息系统历史事故的故障树分析，将故障树分析得到的故障位置存储于位置数据库，故障特征存储于特征数据库；(2)对故障树分析结果进行双向深度神经网络训练，得到故障特征和故障位置之间的对应关系；(3)进行电网信息系统故障监控，得到信息系统故障的故障特征；(4)根据故障特征和故障位置之间的...

【专利技术属性】
技术研发人员：杨波，张磊，卫祥，魏军，李策，王华，苏蕊，罗发政，王亚婷，
申请(专利权)人：国网甘肃省电力公司信息通信公司，国网甘肃省电力公司，国家电网有限公司，
类型：发明
国别省市：甘肃,62