一种配电网的监控方法、装置及系统制造方法及图纸

本发明专利技术实施例提供一种配电网的监控方法、装置及系统，涉及配电及物联网领域，该监控方法包括：实时获取配电网中的状态信息，所述状态信息为状态视频向量、状态图像向量和状态文本向量中的至少一种；将所述状态信息作为粒子带入PSO粒子群算法中，以确定粒子最优参数；将所述粒子最优参数带入BiLSTM模型得到关键特征集；结合AM算法和所述BiLSTM模型，确定所述关键特征集中的不同特征的注意程度；根据所述特征的注意程度监控所述配电网中的故障。该监控方法提高了配电网监控故障定位的精度和收敛时间，实现了配电终端设备故障的流程化管控，降低了终端设备的运行风险。降低了终端设备的运行风险。降低了终端设备的运行风险。

【技术实现步骤摘要】
一种配电网的监控方法、装置及系统


[0001]本专利技术涉及配电及物联网领域，具体地涉及一种配电网的监控方法、装置及系统。

技术介绍

[0002]随着配电物联网的发展，台区智能终端作为低压配电物联网的边缘计算节点，主要部署在低压配电变压器附近，其融合网络、计算、存储和应用核心能力，就近提供边缘智能服务，实现低压台区数据的价值流动、异构数据的模型化及其业务应用，以及云边端各环节的协作。
[0003]面向精益运维和综合能源管理，摄像头、智能巡检机器人等新型运维装置大量使用，视频图像中蕴含着丰富的电力设备健康状况，但由于智能化技术水平限制，运行过程中产生的大量视频图像等数据未进行深度挖掘，尚未实现与配电物联网监控体系的深度集成融合，急需人工智能技术进行支撑。

技术实现思路

[0004]本专利技术实施例的目的是提供一种配电网的监控方法、装置及系统，该监控方法提高了配电网监控故障定位的精度和收敛时间，实现了配电终端设备故障的流程化管控，降低了终端设备的运行风险。
[0005]为了实现上述目的，本专利技术实施例提供一种配电网的监控方法，其特征在于，该监控方法包括：实时获取配电网中的状态信息，所述状态信息为状态视频向量、状态图像向量和状态文本向量中的至少一种；将所述状态信息作为粒子带入PSO粒子群算法中，以确定粒子最优参数；将所述粒子最优参数带入BiLSTM模型得到关键特征集；结合AM算法和所述BiLSTM模型，确定所述关键特征集中的不同特征的注意程度；根据所述特征的注意程度监控所述配电网中的故障。
[0006]可选的，所述PSO粒子群算法为动态调节学习因子：其中，为每个粒子与当前全局最优位置之间的距离，和为改进的学习因子，为学习因子的最大值，为学习因子的最小值，为粒子与全局最优位置的距离最大值，为迭代次数，为最大迭代次数，为迭代ｔ次后粒子所在的位置，j为搜索空间的维数，为全局最优位置的ｊ维值。
[0007]可选的，所述将所述粒子最优参数带入BiLSTM模型得到关键特征集包括：将所述
粒子最优参数作为输入向量带入BiLSTM模型得到关键特征集，所述BiLSTM模型为：其中，为遗忘门，为记忆门，为当前记忆状态，为上一时刻记忆状态，为临时记忆状态，为激活函数，为权重矩阵，为此刻的输入向量，m为输入向量的维度，n为隐含层单元的个数，为上一时刻的隐藏状态，为输出门，为偏置向量，为当前的隐藏状态，所述隐藏状态的集合为关键特征集。
[0008]可选的，所述BiLSTM模型通过所述记忆门对当前记忆状态进行简化。
[0009]可选的，所述结合AM算法和所述BiLSTM模型，确定所述关键特征集中的不同特征的注意程度，包括：通过以下公式确定所述关键特征集中的不同特征的注意程度：其中，为特征表达注意力权重，为BiLSTM模型输出的隐藏状态，为概率向量，为加权值，所述加权值为关键特征集中的不同特征的注意程度。
[0010]可选的，所述根据所述特征的注意程度监控所述配电网中的故障包括：当所述特征的注意程度小于故障阈值范围，则所述配电网关闭对所述特征对应的状态信息的监控；当所述特征的注意程度不小于故障阈值范围，则所述配电网开启对所述特征对应的状态信息的监控，并启动故障报警。
[0011]另一方面，本专利技术提供一种配电网的监控装置，该监控装置包括：获取单元，用于获取配电网中的状态信息，所述状态信息为状态视频向量、状态图像向量和状态文本向量中的至少一种；优化单元，所述状态信息作为粒子带入PSO粒子群算法中，以确定粒子最优参数；第一处理单元，用于将所述粒子最优参数带入BiLSTM模型得到关键特征集；第二处理单元，用于结合AM算法和所述BiLSTM模型，以确定所述关键特征集中的不同特征的注意程
度；管理单元，用于根据所述注意程度监控所述配电网中的故障。
[0012]可选的，所述PSO粒子群算法为动态调节学习因子：其中，为每个粒子与当前全局最优位置之间的距离，和为改进的学习因子，为学习因子的最大值，为学习因子的最小值，为粒子与全局最优位置的距离最大值，为迭代次数，为最大迭代次数，为迭代ｔ次后粒子所在的位置，j为搜索空间的维数，为全局最优位置的ｊ维值。
[0013]可选的，所述将所述粒子最优参数带入BiLSTM模型得到关键特征集包括：将所述粒子最优参数作为输入向量带入BiLSTM模型得到关键特征集，所述BiLSTM模型为：其中，为遗忘门，为记忆门，为当前记忆状态，为上一时刻记忆状态，为临时记忆状态，为激活函数，为权重矩阵，为此刻的输入向量，m为输入向量的维度，n为隐含层单元的个数，为上一时刻的隐藏状态，为输出门，为偏置向量，为当前的隐藏状态，所述隐藏状态的集合为关键特征集。
[0014]可选的，所述BiLSTM模型通过所述记忆门对当前记忆状态进行简化。
[0015]可选的，所述结合AM算法和所述BiLSTM模型，确定所述关键特征集中的不同特征的注意程度，包括：通过以下公式确定所述关键特征集中的不同特征的注意程度：
其中，为特征表达注意力权重，为BiLSTM模型输出的隐藏状态，为概率向量，为加权值，所述加权值为关键特征集中的不同特征的注意程度。
[0016]可选的，当所述特征的注意程度小于故障阈值范围，则所述配电网关闭对所述特征对应的状态信息的监控；当所述特征的注意程度不小于故障阈值范围，则所述配电网开启对所述特征对应的状态信息的监控，并启动故障报警。
[0017]另一方面，本专利技术还提供一种配电网的监控系统，该监控系统包括上述所述的配电网的监控装置及至少一个终端，所述监控装置用于监控所述终端。
[0018]本专利技术的一种配电网的监控方法包括：实时获取配电网中的状态信息，所述状态信息为状态视频向量、状态图像向量和状态文本向量中的至少一种；将所述状态信息作为粒子带入PSO粒子群算法中，用于确定粒子最优参数；将所述粒子最优参数带入BiLSTM模型得到关键特征集；结合AM算法和所述BiLSTM模型，用于确定所述关键特征集中的不同特征的注意程度；根据所述特征的注意程度监控所述配电网中的故障。该监控方法提高了配电网监控故障定位的精度和收敛时间，实现了配电终端设备故障的流程化管控，降低了终端设备的运行风险。
[0019]本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0020]附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：图1是本专利技术的一种配电网的监控方法流程示意图；图2是本专利技术的IPSO
‑
IBiLSTM
‑
AM构造的流程示意图；图3是本专利技术的IBiLSTM
‑
AM算法分层示意图。
具体实施方式
[0021]以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电网的监控方法，其特征在于，该监控方法包括：实时获取配电网中的状态信息，所述状态信息为状态视频向量、状态图像向量和状态文本向量中的至少一种；将所述状态信息作为粒子带入PSO粒子群算法中，以确定粒子最优参数；将所述粒子最优参数带入BiLSTM模型得到关键特征集；结合AM算法和所述BiLSTM模型，确定所述关键特征集中的不同特征的注意程度；根据所述特征的注意程度监控所述配电网中的故障。2.根据权利要求1所述的监控方法，其特征在于，所述PSO粒子群算法为动态调节学习因子：其中，为每个粒子与当前全局最优位置之间的距离，和为改进的学习因子，为学习因子的最大值，为学习因子的最小值，为粒子与全局最优位置的距离最大值，为迭代次数，为最大迭代次数，为迭代ｔ次后粒子所在的位置，j为搜索空间的维数，为全局最优位置的ｊ维值。3.根据权利要求1所述的监控方法，其特征在于，所述将所述粒子最优参数带入BiLSTM模型得到关键特征集包括：将所述粒子最优参数作为输入向量带入BiLSTM模型得到关键特征集，所述BiLSTM模型为：其中，为遗忘门，为记忆门，
为当前记忆状态，为上一时刻记忆状态，为临时记忆状态，为激活函数，为权重矩阵，为此刻的输入向量，m为输入向量的维度，n为隐含层单元的个数，为上一时刻的隐藏状态，为输出门，为偏置向量，为当前的隐藏状态，所述隐藏状态的集合为关键特征集。4.根据权利要求3所述的监控方法，其特征在于，所述BiLSTM模型通过所述记忆门对当前记忆状态进行简化。5.根据权利要求1所述的监控方法，其特征在于，所述结合AM算法和所述BiLSTM模型，确定所述关键特征集中的不同特征的注意程度，包括：通过以下公式确定所述关键特征集中的不同特征的注意程度：其中，为特征表达注意力权重，为BiLSTM模型输出的隐藏状态，为概率向量，为加权值，所述加权值为关键特征集中的不同特征的注意程度。6.根据权利要求1或5所述的监控方法，其特征在于，所述根据所述特征的注意程度监控所述配电网中的故障包括：当所述特征的注意程度小于故障阈值范围，则所述配电网关闭对所述特征对应的状态信息的监控；当所述特征的注意程度不小于故障阈值范围，则所述配电网开启对所述特征对应的状态信息的监控，并启动故障报警。7.一种配电网的监控装置，其特征在于，该监控装置包括：获取单元，用于获取配电网中的状态信息，所述状态信息为状态视频向量、状态图像向量和...

【专利技术属性】
技术研发人员：霍超，苑佳楠，尹志斌，白晖峰，郑利斌，甄岩，张港红，高建，杨双双，谢凡，罗安琴，
申请(专利权)人：北京智芯微电子科技有限公司，
类型：发明
国别省市：