【技术实现步骤摘要】
基于神经网络的电力维护区域检测方法
[0001]本专利技术涉及电力维护管理领域，更具体地，涉及一种基于神经网络的电力维护区域检测方法。
技术介绍
[0002]在相关技术中，确定电力系统的设备故障的影响范围时，一般是通过人工来分析发生故障的电力设备所影响的范围，分析的效率较低，分析的时间较长。在当前的电力系统中，一般包括厂站和运行线路，其中，厂站一般包括开关、刀闸、母线、变压器、发电机、电容器、负荷线路等设备，厂站之间通过电力运行线路连接关系构成网络拓扑，电力设备之间以开关和闸刀连接关系构成厂站拓扑。在电力系统中的运行线路发生故障时，需要确定故障点的位置，但是当前确定故障位置时，需要人工查看运行线路，查询效率较低，查询时间较长，无法快速定位故障区域，导致处理故障的速度慢，无法快速修复电力系统故障。对于人工处理电力系统故障，在无法快速定位故障区域时，也无法准确定位出发生故障的电力设备影响的用户。
[0003]因此，有必要开发一种基于神经网络的电力维护区域检测方法。
[0004]公开于本专利技术
技术介绍
部分的信息仅...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的电力维护区域检测方法，其特征在于，包括：根据目标用户的电网信息数据，建立电力负荷数据模型；以历史用电大数据为训练样本对改进的BP神经网络模型进行学习训练，建立电网数据模型；检测所述电网数据模型中的各项电力设备是否出现故障；若检测出所述电网数据模型中的某一项或多项电力设备出现故障，确定需要电力维护的用户。2.根据权利要求1所述的基于神经网络的电力维护区域检测方法，其中，所述电网数据模型与所述电力负荷数据模型存在关联关系。3.根据权利要求1所述的基于神经网络的电力维护区域检测方法，其中，以历史用电大数据为训练样本、对改进的BP神经网络模型进行学习训练包括：对所述历史用电大数据进行异常特征的提取，并根据所述异常特征将所述历史用电大数据分成正常数据和异常数据；分别利用所述正常数据和所述异常数据对所述改进的BP神经网络模型进行学习训练，得到所述用电异常数据检测模型；其中，在利用所述异常数据对改进的BP神经网络模型进行学习训练时，利用添加惩罚因子的方式反向训练所述BP神经网络模型。4.根据权利要求1所述的基于神经网络的电力维护区域检测方法，其中，通过以下步骤获得所述的改进的BP神经网络模型：确定输入层节点、隐含层节点和输出层节点、隐含层层数以及激活函数，建立BP神经网络模型；利用加动量项算法调整所述BP网络模型中的网络参数，获得所述改进的BP神经网络模型；所述网络参数包括所述输入层节点、所述隐含层节点和所述输出层节点中各节点的连接权值；其中，调整所述网络参数的步骤包括：在所述BP神经网络模型的误差反向传播过程中，利用连接权值修正量来动态调整所述输入层、所述隐含层和所述输出层节点中...
【专利技术属性】
技术研发人员：张玄，李建超，高邦倩，张庆飞，孙轶，
申请(专利权)人：安徽皖苏电力运检科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。