基于神经网络的电力维护区域检测方法技术

本申请公开了一种基于神经网络的电力维护区域检测方法，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；检测电网数据模型中的各项电力设备是否出现故障；若检测出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。本发明专利技术解决了相关技术中处理电力系统故障时，定位故障用户效率较低的技术问题。率较低的技术问题。率较低的技术问题。

【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
部分的信息仅仅旨在加深对本专利技术的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

[0005]本专利技术提出了一种基于神经网络的电力维护区域检测方法，解决相关技术中处理电力系统故障时，定位故障用户效率较低的技术问题。
[0006]本公开实施例提供了一种基于神经网络的电力维护区域检测方法，包括：
[0007]根据目标用户的电网信息数据，建立电力负荷数据模型；
[0008]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；
[0009]检测所述电网数据模型中的各项电力设备是否出现故障；
[0010]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。
[0011]优选地，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。
[0012]优选地，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：
[0013]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；
[0014]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。
[0015]优选地，通过以下步骤获得所述的改进的BP神经网络模型：
[0016]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；
[0017]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；
[0018]其中，调整所述网络参数的步骤包括：
[0019]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各节点的连接权值。
[0020]优选地，根据所述电网数据模型与所述电力负荷数据模型的关联关系，确定所述需要电力维护的用户。
[0021]优选地，所述需要电力维护的用户为出现故障的电力设备对应的用户。
[0022]优选地，确定所述需要电力维护的用户包括：
[0023]获取出现故障的电力设备在所述电网数据模型中对应的故障位置；
[0024]根据出现故障的所述电力设备在所述电网数据模型中对应的故障位置，查询所述电网数据模型中与出现故障的所述电力设备对应的电力运行线路；
[0025]根据出现故障的所述电力设备对应的电力运行线路，确定出与所述电力运行线路相关联的目标用户；
[0026]将与所述电力运行线路相关联的目标用户作为所述需要电力维护的用户。
[0027]优选地，获取出现故障的电力设备在所述电网数据模型中对应的故障位置包括：
[0028]检测多个所述电力设备，得到与每个所述电力设备对应的检测信号，其中，在所述检测信号中包括检测到出现故障的电力设备的信号和未出现故障的其它电力设备的信号；
[0029]分别接收所述检测信号；
[0030]分析所述检测信号，确定出现故障的电力设备在所述电网数据模型中的故障位置。
[0031]优选地，分析所述检测信号包括：
[0032]将每个所述检测信号与标准设备信号进行比较，其中，所述标准设备信号为预设每个所述电力设备的标准运行信号；
[0033]根据比较结果，提取所述检测信号中的故障信号，其中，所述故障信号为检测到电力设备出现故障时发出的信号。
[0034]本专利技术的方法具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本专利技术的特定原理。
附图说明
[0035]通过结合附图对本专利技术示例性实施例进行更详细的描述，本专利技术的上述以及其它目的、特征和优势将变得更加明显，其中，在本专利技术示例性实施例中，相同的参考标号通常代表相同部件。
[0036]图1示出了根据本专利技术的一个实施例的基于神经网络的电力维护区域检测方法的步骤的流程图。
具体实施方式
[0037]下面将更详细地描述本专利技术的优选实施方式。虽然以下描述了本专利技术的优选实施方式，然而应该理解，可以以各种形式实现本专利技术而不应被这里阐述的实施方式所限制。
[0038]为便于理解本专利技术实施例的方案及其效果，以下给出一个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本专利技术，其任何具体细节并非意在以任何方式限制本专利技术。
[0039]实施例1
[0040]图1示出了根据本专利技术的一个实施例的基于神经网络的电力维护区域检测方法的步骤的流程图。
[0041]如图1所示，该基于神经网络的电力维护区域检测方法包括：步骤101，根据目标用户的电网信息数据，建立电力负荷数据模型；步骤102，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；步骤103，检测电网数据模型中的各项电力设备是否出现故障；步骤104，若检测出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。
[0042]在一个示例中，电网数据模型与电力负荷数据模型存在关联关系。
[0043]在一个示例中，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：
[0044]对历史用电大数据进行异常特征的提取，并根据异常特征将历史用电大数据分成正常数据和异常数据；
[0045]分别利用正常数据和异常数据对改进本文档来自技高网...

【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：