基于可视化神经网络数据挖掘技术的电力故障预测方法技术

本发明专利技术公开了基于可视化神经网络数据挖掘技术的电力故障预测方法，涉及电力大数据的电力故障预测方法领域，现提出如下方案，包括以下步骤：S1：电力故障监测处理：通过电力监控设备对电力运行时的温度、烟雾、漏电、变电、配电以及调度情况进行实时的监控处理；S2：电力数据分析处理：通过电力数据分析设备对电力监控设备实时监控采集的电力数据信息进行异常分析处理；本发明专利技术通过电力监控设备对电力运行时的温度、烟雾、漏电、变电、配电以及调度情况进行实时的监控处理，同时通过故障风险排查处理对通过电力数据分析处理后的异常电力数据信息进行故障风险排查，有效的避免电力电路事故的发生。故的发生。故的发生。

【技术实现步骤摘要】
基于可视化神经网络数据挖掘技术的电力故障预测方法


[0001]本专利技术涉及电力大数据的电力故障预测方法，尤其涉及基于可视化神经网络数据挖掘技术的电力故障预测方法。

技术介绍

[0002]在电力发电、输配电过程中，会产生大量数据，成为电力大数据，这些数据包含有电力系统的各种信息，对电力系统运行、调度、维护、故障诊断、预测都十分重要，目前，电力大数据的收集、分析和使用十分有限，大都处于人工处理或用简单软件分析处理的阶段，耗费大量人力物力，使用繁琐，效率非常低下，效果不明显，同时，电力故障带来的危害十分巨大，而电力故障预测技术很不完善，把电力大数据方便的用于电力故障预测对理论分析与实际应用都具有重要意义，为此，我们提出了基于可视化神经网络数据挖掘技术的电力故障预测方法。

技术实现思路

[0003]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的基于可视化神经网络数据挖掘技术的电力故障预测方法。
[0004]为了实现上述目的，本专利技术采用了如下技术方案：
[0005]基于可视化神经网络数据挖掘技术的电力故障预测方法，包括以下步骤：
[0006]S1：电力故障监测处理：通过电力监控设备对电力运行时的温度、烟雾、漏电、变电、配电以及调度情况进行实时的监控处理；
[0007]S2：电力数据分析处理：通过电力数据分析设备对电力监控设备实时监控采集的电力数据信息进行异常分析处理，通过对电力数据的分析可以快速查找电力电路的故障所在；
[0008]S3：故障风险排查处理：对通过电力数据分析处理后的异常电力数据信息进行故障风险排查，通过对故障风险的排查有效的避免电力事故的发生；
[0009]S4：断电排查处理：通过电力断路设备断开电力电路中潜在故障支路中的任意一个异常故障支路；
[0010]S5：电路检修处理：对断电后的潜在故障支路进行异常数据检修维护处理。
[0011]进一步地，所述S1电力故障监测处理中的电力监测设备温度传感器、烟雾传感器和漏电监测器；
[0012]所述温度传感器用于对电力电路运行时产生的温度进行实时监测和采集，通过温度的变化得知电力电路的变化情况；
[0013]所述烟雾传感器用于对电力电路运行时产生的烟雾进行浓度监测和采集，通过对烟雾浓度进行实时监测有效的避免了电力电路在高温情况下造成自燃的风险；
[0014]所述漏电监测器用于对电力电路的漏电情况进行实时监测和采集，通过对电力电路进行漏电监测避免发生触电风险。
[0015]进一步地，所述S2电力数据分析处理中的数据分析设备包括电力数据采集模块、电力数据归类模块和电力分析模块；
[0016]所述电力数据采集模块用于对电力电路的温度、烟雾和漏电数据情况进行实时采集，同时将采集的电力数据信息发送给电力数据归类模块；
[0017]所述电力数据归类模块用于对电力数据采集模块采集的电力数据信息进行自动分类统一收集形成数据表，并将分类后的电力数据信息发送给电力分析模块；
[0018]所述电力分析模块用于对分类收集后的电力数据信息进行快速分析对比。
[0019]进一步地，所述S3故障风险排查处理通过过负荷严重度βik(m)计算故障风险系数状况，所述过负荷严重度βik(m)计算过程如下：其中，λ
ki
为上下级支路间的状态转移因子，则状态转移因子矩阵为：上式中每列元素表示上级支路i发生故障切除后，与每个下级支路k间的潮流转移因子，具体计算公式为：其中E为上级支路i停运后潮流转移等值网络的支路导纳矩阵，B为潮流转移等值网络的关联矩阵，Δ为潮流转移等值网络的节点导纳矩阵En的行列式，E
n
＝BEBT，Δ
em
为En中第e行、第m列元素的代数余子式，Δ
fm
为E
n
中第f行、第m列元素的代数余子式，e和f均为上级支路i的两端节点编号，Δ
gm
为En中第g行、第m列元素的代数余子式，Δ
hm
为En中第h行、第m列元素的代数余子式，g和h均为下级支路k的两端节点编号。
[0020]进一步地，所述S4断电保护处理中的电力断路设备包括多个断路器。
[0021]进一步地，所述S5电路检修处理通过对温度异常区域的电路进行降温并进行标记，同时对烟雾浓度较大的区域进行排烟和进行标记，通过人工进行快速检修更换。
[0022]进一步地，所述断路器断开电力电路中潜在故障支路中的任意一个异常故障支路，判断断开支路是否对下级支路造成影响，若下级支路过载，断开下级支路，回到上一步，否则进行下一步，计算上下级支路间的状态转移概率，将支路运行时间引入状态转移概率中，得到随时间变化的动态状态转移概率，通过动态状态转移概率得到下级支路故障概率，并对每个下级支路故障概率进行对比，将概率较大的支路作为下级潜在故障支路，依次断开每条下级潜在故障支路，重复步骤上述步骤，直至故障传播至整个系统，记录每条故障传播路径并计算每条路径的故障概率，重复上述过程，直到将系统中所有潜在故障支路全部预测结束，则可获得整个系统的多条故障传播路径。
[0023]本专利技术通过电力监控设备对电力运行时的温度、烟雾、漏电、变电、配电以及调度情况进行实时的监控处理，同时通过故障风险排查处理对通过电力数据分析处理后的异常
电力数据信息进行故障风险排查，有效的避免电力电路事故的发生。
附图说明
[0024]图1为本专利技术提出的基于可视化神经网络数据挖掘技术的电力故障预测方法的步骤框图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”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。
[0027]此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。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。此外，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于可视化神经网络数据挖掘技术的电力故障预测方法，其特征在于，包括以下步骤：S1：电力故障监测处理：通过电力监控设备对电力运行时的温度、烟雾、漏电、变电、配电以及调度情况进行实时的监控处理；S2：电力数据分析处理：通过电力数据分析设备对电力监控设备实时监控采集的电力数据信息进行异常分析处理；S3：故障风险排查处理：对通过电力数据分析处理后的异常电力数据信息进行故障风险排查；S4：断电排查处理：通过电力断路设备断开电力电路中潜在故障支路中的任意一个异常故障支路；S5：电路检修处理：对断电后的潜在故障支路进行异常数据检修维护处理。2.根据权利要求1所述的基于可视化神经网络数据挖掘技术的电力故障预测方法，其特征在于，所述S1电力故障监测处理中的电力监测设备温度传感器、烟雾传感器和漏电监测器；所述温度传感器用于对电力电路运行时产生的温度进行实时监测和采集；所述烟雾传感器用于对电力电路运行时产生的烟雾进行浓度监测和采集；所述漏电监测器用于对电力电路的漏电情况进行实时监测和采集。3.根据权利要求1所述的基于可视化神经网络数据挖掘技术的电力故障预测方法，其特征在于，所述S2电力数据分析处理中的数据分析设备包括电力数据采集模块、电力数据归类模块和电力分析模块；所述电力数据采集模块用于对电力电路的温度、烟雾和漏电数据情况进行实时采集，同时将采集的电力数据信息发送给电力数据归类模块；所述电力数据归类模块用于对电力数据采集模块采集的电力数据信息进行自动分类统一收集形成数据表，并将分类后的电力数据...

【专利技术属性】
技术研发人员：何艺，陶镇威，张希翔，蒙琦，陈羿宇，农惠清，艾徐华，陈昭利，时岩岩，董贇，银源，韦国惠，李捷，庞奇华，古哲德，唐佳誉，
申请(专利权)人：广西电网有限责任公司，
类型：发明
国别省市：