一种设备灾害事故预测方法技术

本发明专利技术公开了一种设备灾害事故预测方法，其包括步骤：(1)采集自然灾害下输电线路事故发生的历史案例；(2)构建电网自然灾害知识图谱的本体模型；(3)基于历史案例和本体模型构建历史电网自然灾害知识图谱；(4)采用自注意网络双向编译表示模型得到历史电网自然灾害知识图谱中每个实体的低维嵌入化向量表示，其中每一个历史案例中的所有实体的低维嵌入化向量表示组成该历史案例的特征矩阵；(5)构建图卷积神经网络，以每个历史案例的特征矩阵作为图卷积神经网络的输入对其进行训练以得到事故概率预测模型的模型参数；(6)进行预测时，将待预测案例的特征矩阵输入经过训练的图卷积神经网络，可得不同事故类型发生概率。可得不同事故类型发生概率。可得不同事故类型发生概率。

【技术实现步骤摘要】
一种设备灾害事故预测方法


[0001]本专利技术涉及一种事故预测方法，尤其涉及一种电网事故概率预测方法。

技术介绍

[0002]众所周知，在电力运输的过程中，电网的安全性能十分重要，安全的电网是确保正常电力运输的基础。
[0003]然而，在实际应用时，电网自然灾害却并不少见。电网自然灾害是由自然条件与电网环境综合作用而产生的，其表示能够对电网造成破坏性影响的现象与过程总称。一方面，自然灾害会影响电网设备的运行环境，导致电力系统事故，威胁电网设备的安全运行；另一方面，自然灾害会对电网及电网设备造成物理结构上的破坏，引起级联故障，导致大面积停电。
[0004]因此，为了在事故发生前采取有力措施，将自然灾害对电网设备的破坏降到最小，采用合适的方法提前预测电网自然灾害输电线路事故的发生概率就显得尤为重要。
[0005]基于此，本专利技术期望获得一种设备灾害事故预测方法，采用这种设备灾害事故预测方法可以快速准确地预测出特定气象、地理、设备条件下输电线路事故的发生概率，进而辅助电力设备运维人员的运维决策。
>
技术实现思路
...

【技术保护点】

【技术特征摘要】
1.一种设备灾害事故预测方法，其特征在于，包括步骤：(1)采集自然灾害下输电线路事故发生的历史案例；(2)构建电网自然灾害知识图谱的本体模型，所述本体模型包括若干类节点；(3)基于所述历史案例和所述本体模型构建图结构储存的历史电网自然灾害知识图谱，所述历史电网自然灾害知识图谱包括若干个实体；(4)采用自注意网络双向编译表示模型得到历史电网自然灾害知识图谱中每个实体的低维嵌入化向量表示，其中每一个历史案例中的所有实体的低维嵌入化向量表示组成该历史案例的特征矩阵；(5)构建图卷积神经网络，以每个历史案例的特征矩阵作为图卷积神经网络的输入对其进行训练以得到事故概率预测模型的模型参数；(6)当进行预测时：基于待预测案例和所述本体模型构建图结构储存的待预测知识图谱；采用所述自注意网络双向编译表示模型得到待预测知识图谱中每个实体的低维嵌入化向量表示，其中待预测案例中的所有实体的低维嵌入化向量表示组成其特征矩阵；将待预测案例的特征矩阵输入经过训练的图卷积神经网络中，得到对不同事故类型发生概率的预测结果。2.如权利要求1所述的设备灾害事故预测方法，其特征在于，所述若干类节点包括：地理类节点、气象类节点和设备类节点，其中每一类节点包括至少一个节点。3.如权利要求1所述的设备灾害事故预测方法，其特征在于，所述实体包括结构化数据对应的实体和非结构化数据对应的实体。4.如权利要求3所述的设备灾害事故预测方法，其特征在于，在所述步骤(4)和步骤(6)中：对于非结构化数据对应的实体，将其字符串中的每个字符输入自注意网络双向编译表示模型，得到对应的字向量表示，对该实体的每个字向量表示求和取平均值，得到该实体的词向量表示，所述词向量表示为该实体对应的所述低维嵌入化向量表示。5.如权利要求3所述的设备灾害事故预测方法，其特征在于，在所述步骤(4)和步骤(6)中：对于结构化数据对应的实体，将其以字符串的方式表示并输入所述自注意网络双向编译表示模型，得到对应的字向量表示，对每个字向量表示求和取平均值，得到该实体的词向量表示，所述词向量表示为该实体对应的所述低维嵌入化向量表示。6.如权利要求3所述的设备灾害事故预测方法，其特征在于，在步骤(4)和步骤(6)中，对同类实体的词向量取平均值，计算得到与其对应的节点，将所有节点的嵌入表达合并为所述特征矩阵。7.如权利要求1
‑
...

【专利技术属性】
技术研发人员：宋辉，陈立帆，盛戈皞，孟祥麟，张钊棋，钱勇，罗林根，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：