一种基于机器学习算法模型的配电网设备故障研判方法技术

本发明专利技术涉及配电网络故障技术领域，具体涉及一种基于机器学习算法模型的配电网设备故障研判方法，通过获取故障点的供电变压器信息，其具体到变压器的编码和类型；通过分析通用信息模型，建立电网设备拓扑模型；通过拓扑模型分析配电设备的故障信息；分析通用信息拓扑模型获取的故障信息，获取报修表计；将报修表计上传外部终端；实现配电网故障的全类型决策、全信息监测、全在线管控、全流程控制，进一步提高了配电网故障的处理效率和管控力度。步提高了配电网故障的处理效率和管控力度。步提高了配电网故障的处理效率和管控力度。

【技术实现步骤摘要】
一种基于机器学习算法模型的配电网设备故障研判方法


[0001]本专利技术涉及配电网络故障
，尤其涉及一种基于机器学习算法模型的配电网设备故障研判方法。

技术介绍

[0002]目前电力系统是一个庞大而复杂的系统，要想获得完备的知识库比较困难，在存在大量故障信息的情况下，目前是将故障信息传输至终端，终端通过人工分析故障信号，从而得到故障情况信息，但配电网设备的数量总多，只是依靠人工判别故障情况，会造成故障情况堆积，导致配电网设备的处理效率低。

技术实现思路

[0003]本专利技术的目的在于提供一种基于机器学习算法模型的配电网设备故障研判方法，旨在解决现有技术中将故障信息传输至终端，终端通过人工分析故障信号，从而得到故障情况信息，但配电网设备的数量总多，只是依靠人工判别故障情况，会造成故障情况堆积，导致配电网设备的处理效率低的技术问题。
[0004]为实现上述目的，本专利技术采用的一种基于机器学习算法模型的配电网设备故障研判方法，包括如下步骤，
[0005]获取故障点的供电变压器信息，其具体到变压器的编码和类型；
[0006]通过分析通用信息模型，建立电网设备拓扑模型；
[0007]通过拓扑模型分析配电设备的故障信息；
[0008]分析通用信息拓扑模型获取的故障信息，获取报修表计；
[0009]将报修表计上传外部终端。
[0010]其中，在“获取故障点的供电变压器信息，其具体到变压器的编码和类型”中，所述方法还包括，
[0011]通过实时检测供电传输情况，接收到供电变压信息，获取故障点的攻牙变电器名称信息和变压器唯一编码。
[0012]其中，在“通过分析通用信息模型，建立电网设备拓扑模型”中，所述方法还包括，
[0013]建立空的符号信息库，存储每个符号的描述信息；
[0014]建立空的复合图元表，存储对符号中每个基本图元的描述；
[0015]建立孔的设备模型符号表，存储设备模型与各符号的关系；
[0016]对照图元规范将每个设备符号中各个基本图元进行逐一绘制，建立电网设备拓扑模型。
[0017]其中，在“通过拓扑模型分析配电设备的故障信息”中，所述方法还包括，分析配电网设备故障时跳闸点；
[0018]确定配电网设备故障区间的定位；
[0019]获取当前配电网停电的范围；
[0020]根据故障区间分析实时供电拓扑。
[0021]其中，在“根据故障区间分析实时供电拓扑”中，所述方法还包括，
[0022]根据故障区间分析实时供电拓扑，包括停电设备名称和设备唯一编码。
[0023]其中，在“分析通用信息拓扑模型获取的故障信息，获取报修表计”中，所述方法还包括，
[0024]分析通用信息拓扑模型获取的故障信息；
[0025]获取报修用户的表计；
[0026]获取与报修用户同组用户的表计；
[0027]获取与报修用户临组用户的表计；
[0028]获取报修用户供电变压器的表计。
[0029]其中，在“将报修表计上传外部终端”中，所述方法还包括，
[0030]配电网设备在故障抢修进行现场工作内容的记录；
[0031]旋转具体的安全措施信息；
[0032]根据隔离及转供辅助决策方法智能生产送点指令。
[0033]其中，在“根据隔离及转供辅助决策方法智能生产送点指令”后，所述方法还包括，
[0034]在整个故障处理结束后，配电网设备针对本次故障生成完整的事后分析。
[0035]其中，在“在整个故障处理结束后，配电网设备针对本次故障生成完整的事后分析”后，所述方法还包括
[0036]所述事后分析包括故障简报、故障处理耗时情况和研判评价信息。
[0037]本专利技术的一种基于机器学习算法模型的配电网设备故障研判方法，通过获取故障点的供电变压器信息，其具体到变压器的编码和类型；通过分析通用信息模型，建立电网设备拓扑模型；通过拓扑模型分析配电设备的故障信息；分析通用信息拓扑模型获取的故障信息，获取报修表计；将报修表计上传外部终端；实现配电网故障的全类型决策、全信息监测、全在线管控、全流程控制，进一步提高了配电网故障的处理效率和管控力度。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1是本专利技术的基于机器学习算法模型的配电网设备故障研判方法的流程图。
[0040]图2是本专利技术的通过分析通用信息模型，建立电网设备拓扑模型的流程图。
[0041]图3是本专利技术的通过拓扑模型分析配电设备的故障信息的流程图。
[0042]图4是本专利技术的分析通用信息拓扑模型获取的故障信息，获取报修表计的流程图。
[0043]图5是本专利技术的将报修表计上传外部终端的流程图。
具体实施方式
[0044]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附
图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0045]在本专利技术的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，在本专利技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0046]请参阅图1至图5，本专利技术提供了一种基于机器学习算法模型的配电网设备故障研判方法，包括如下步骤，
[0047]S101：获取故障点的供电变压器信息，其具体到变压器的编码和类型，通过实时检测供电传输情况，接收到供电变压信息，获取故障点的攻牙变电器名称信息和变压器唯一编码；
[0048]S102：通过分析通用信息模型，建立电网设备拓扑模型；
[0049]S1021：建立空的符号信息库，存储每个符号的描述信息；
[0050]S1022：建立空的复合图元表，存储对符号中每个基本图元的描述；
[0051]S1023：建立孔的设备模型符号表，存储设备模型与各符号的关系；
[0052]S1024：对照图元规范将每个设备符号中各个基本图元进行逐一绘制，建立电网设备拓扑模型；
[0053]在本实施方式中，遵循国家电网公司图元规范的基础上，提出了一个包含电网设备拓扑连接信息的矢量图元符号模型，并相应提出将符号本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习算法模型的配电网设备故障研判方法，其特征在于，包括如下步骤，获取故障点的供电变压器信息，其具体到变压器的编码和类型；通过分析通用信息模型，建立电网设备拓扑模型；通过拓扑模型分析配电设备的故障信息；分析通用信息拓扑模型获取的故障信息，获取报修表计；将报修表计上传外部终端。2.如权利要求1所述的基于机器学习算法模型的配电网设备故障研判方法，其特征在于，在“获取故障点的供电变压器信息，其具体到变压器的编码和类型”中，所述方法还包括，通过实时检测供电传输情况，接收到供电变压信息，获取故障点的攻牙变电器名称信息和变压器唯一编码。3.如权利要求1所述的基于机器学习算法模型的配电网设备故障研判方法，其特征在于，在“通过分析通用信息模型，建立电网设备拓扑模型”中，所述方法还包括，建立空的符号信息库，存储每个符号的描述信息；建立空的复合图元表，存储对符号中每个基本图元的描述；建立孔的设备模型符号表，存储设备模型与各符号的关系；对照图元规范将每个设备符号中各个基本图元进行逐一绘制，建立电网设备拓扑模型。4.如权利要求1所述的基于机器学习算法模型的配电网设备故障研判方法，其特征在于，在“通过拓扑模型分析配电设备的故障信息”中，所述方法还包括，分析配电网设备故障时跳闸点；确定配电网设备故障区间的定位；获取当前配电网停电的范围；根据故障区间分析实时供电拓扑。5.如权利要求...

【专利技术属性】
技术研发人员：何玉鹏，冯晓群，朱林，何锐，张金鹏，张仁和，岳文泰，唐婷，祁升龙，杨安家，张少敏，李辉，李心可，
申请(专利权)人：国网宁夏电力有限公司电力科学研究院国网宁夏电力有限公司中卫供电公司国网宁夏电力有限公司银川供电公司，
类型：发明
国别省市：