一种配电主设备分布式状态传感器可靠性评估方法及系统技术方案

一种配电主设备分布式状态传感器可靠性评估方法及系统，利用基于自注意力机制的时空图卷积神经网络SASTGCN模型，自主提取数据的时空分布特征，建立分布式状态传感器数据与评估值之间的非线性关系，很好的应对可靠性评估存在的非线性、不确定等问题。本发明专利技术克服了之前可靠性评估方法中不确定性因素和人的主观因素对评估结果影响较大、计算复杂度高、相关分析和灵敏度分析不够准确等局限性。使用该方法能够准确地捕捉传感器数据中的时空特征，很好地模拟传感器数据与评估值间的复杂映射，建立评估值与传感器数据之间的非线性关系，具有较高的评估精度，在工程上具有较高的实用价值。

【技术实现步骤摘要】
一种配电主设备分布式状态传感器可靠性评估方法及系统
本专利技术属于配电网可靠性自感知
，涉及一种配电主设备分布式状态传感器可靠性评估方法及系统。
技术介绍
配电网作为连接输电与用户的关键环节，其安全可靠运行对电力系统稳定以及用户体验的重要性不言而喻。在配电网上应用自感知技术，在配电主设备上安装分布式传感装置，是对配电网的运行情况进行全面采集，监测设备状态，实现全生命周期的设备管理的一个重要举措，有利于提高电力系统稳定性和用户体验感。但是一旦传感器装置发生故障，则会对电网安全运行造成严重威胁。目前还没有一个统一标准全面评估传感器装置可靠性。由于可靠性评估具有非线性、不确定等特点，传统的可靠性评估方法都有一定的局限性，计算复杂度高，相关分析和灵敏度分析不够准确，不确定性因素和人的主观因素对评估结果影响较大。目前，已有的可靠性评估方法可以分为以下两类：一、采用层次分析法及其改进方法。使用这些方法，不确定性因素和人的主观因素对评估结果影响较大，评估精度不高。二、采用机器学习的方法进行可靠性评估，如马尔可夫模型、贝叶斯网络、决策树和本文档来自技高网...

【技术保护点】
1.一种配电主设备分布式状态传感器可靠性评估方法，其特征在于，所述评估方法包括以下步骤：/n步骤1：建立待评估的配电主设备分布式状态传感器可靠性评估指标体系，所述指标体系包括4个一级指标，以及各一级指标所属的对应二级指标；/n步骤2：采集与步骤1指标体系中每个二级指标相对应的配电主设备分布式状态传感器数据，每一个传感器数据向量的维度与指标体系中二级指标的数量相等；/n步骤3：将步骤2采集的传感器数据进行归一化处理，并且分别作为样本数据，并将样本数据分为训练样本、测试样本和评估样本；/n步骤4：采用SASTGCN模型，对步骤3所得到的分布式状态传感器数据中的训练样本进行学习，输出为评估值，/n其...

【技术特征摘要】
1.一种配电主设备分布式状态传感器可靠性评估方法，其特征在于，所述评估方法包括以下步骤：
步骤1：建立待评估的配电主设备分布式状态传感器可靠性评估指标体系，所述指标体系包括4个一级指标，以及各一级指标所属的对应二级指标；
步骤2：采集与步骤1指标体系中每个二级指标相对应的配电主设备分布式状态传感器数据，每一个传感器数据向量的维度与指标体系中二级指标的数量相等；
步骤3：将步骤2采集的传感器数据进行归一化处理，并且分别作为样本数据，并将样本数据分为训练样本、测试样本和评估样本；
步骤4：采用SASTGCN模型，对步骤3所得到的分布式状态传感器数据中的训练样本进行学习，输出为评估值，
其中，SASTGCN为自注意力机制的时空图卷积神经网络；
步骤5：将步骤3中训练样本输入步骤4确定的SASTGCN模型，对SASTGCN模型进行训练，输出评估值，目标函数为
其中，yi为训练样本数据，y期待值为训练样本数据期待值，i为训练样本数据的指标，n为训练样本数据总数目；
步骤6：将步骤3中测试样本输入到步骤5中完成训练的SASTGCN模型进行测试，输出为评估值；
步骤7：对步骤6所得的SASTGCN模型测试结果进行评估，将步骤3中归一化处理后的评估样本的传感器数据作为该评估模型可靠性的测试数据，当测试可靠性的均方差大于设定阈值时，则将SASTGCN模型重新返回步骤5进行训练，当测试可靠性的均方差小于设定阈值时，停止训练，训练结束后的SASTGCN模型作为传感器可靠性评估模型。


2.根据权利要求1所述的一种配电主设备分布式状态传感器可靠性评估方法，其特征在于，
所述步骤1中，所述配电主设备分布式状态传感器可靠性评估指标体系包括4个一级指标，分别为技术评估指标、装置性效评估指标、安全性评估指标和装置运行情况评估指标。


3.根据权利要求2所述的一种配电主设备分布式状态传感器可靠性评估方法，其特征在于，
配电主设备分布式状态传感器可靠性评估指标体系包括61个二级指标；
技术评估指标所属的二级指标包括设备占空比、节点冗余度、采样频率；
装置能效评估指标所属的二级指标包括发送数据包能耗、功率因数、绕组温升；
安全性评估指标所属的二级指标包括漂移偏差故障、信号传输中断概率；
装置运行情况评估指标所属的二级指标包括端到端时延、节点连通概率。


4.根据权利要求1所述的一种配电主设备分布式状态传感器可靠性评估方法，其特征在于，
所述步骤3中，样本数据所分成的训练样本、测试样本和评估样本之间的比例为3：1：1。


5.根据权利要求4所述的一种配电主设备分布式状态传感器可靠性评估方法，其特征在于，
训练样本数据批量大小设置为64。


6.根据权利要求1所述的一种配电主设备分布式状态传感器可靠性评估方法，其特征在于，
所述步骤4中，所述SASTGCN模型包括时空自注意力模块和时空卷积模块，
所述时空自注意力模块使用自注意力机制自适应地捕捉空间和时间维度中传感器数据的内部关联性，内部关联性是指标所对应的传感器数据与最终的评估值之间的关联，使网络将注意力集中在与评估值关联设定范围内的指标对应的传感器数据；
所述时空卷积模块使用图卷积来捕捉传感器数据中的空间特征和标准卷积来描述时间特征；
所述空间特征是传感器数据之间的非线性关联，空间特征是通过SASTGCN训练学习获取；
所述时间特征是传感器数据的周期性变化规律，时间特征是通过SASTGCN训练学习获取。


7.根据权利要求6所述的一种配电主设备分布式状态传感器可靠性评估方法，其特征在于，
所述内部关联性的取值范围为0～1。


8.根据权利要求6所述的一种配电主设备分布式状态传感器可靠性评估方法，其特征在于，
所述关联设定范围为0.5～1。


9.根据权利要求1所述的一种配电主设备分布式状态传感器可靠性评估方法，其特征在于，
所述步骤4中，基于神经网络Pytorch框架实现SASTGCN模型，并测试第K项切比雪夫多项式。


10.根据权利要求9所述的一种配电主设备分布式状态传感器可靠性评估方法，其特征在于，
当K＝3时，沿时间维的卷积核大小为3，所有的图卷积层都使用大小为64的卷积核，所有时间维卷积层使用大小为64的卷积核，通过控制时间维卷积的步长调整数据的时间跨度，采用均方误差MSE作为损失函数，通过反向传播使其最小化。


11.根据权利要求1所述的一种配电主设备分布式状态传感器可靠性评估方法，其特征在于，
所述步骤5对SASTGCN模型进行训练包括的步骤为：
步骤5.1：将传感器数据定义为无向图G＝(V,E,A)，其中，其中V为|V|＝N个节点的集合；E是一组边，表示节点之间的连通性；A∈RN×N表示图G的邻接矩阵，RN×N为N行N列的方矩阵；
步骤5.2：设在图G上的每个节点检测到F个采样频率一致的时间序列数据，即每个节点在每个时间戳都会产生一个长度为F的特征向量，模型输入为X∈RN×F×T,输出为Y∈RT，其中N为节点个数，F为节点的特征向量的长度，T为输入的T个时间步，Y为输出的评估值；
步骤5.3：将训练样本输入到SASTGCN模型，网络中的时空自注意力模块使用自注意力机制自适应地捕捉时间和空间维度中节点之间的关联性，使网络将注意力集中在与评估值关联范围...

【专利技术属性】
技术研发人员：李立生，由新红，李帅，刘明林，左新斌，张鹏平，王峰，刘洋，刘合金，黄敏，张世栋，孙勇，张林利，邵志敏，
申请(专利权)人：国网山东省电力公司电力科学研究院，国家电网有限公司，
类型：发明
国别省市：山东;37