一种基于深度置信网络的设备异常辨识与处置方法与系统技术方案

本发明专利技术公开了一种基于深度置信网络的设备异常辨识与处置方法与系统，通过提取并建立电力设备监控信号特征参数库，引入深度置信网络技术设计面向电力信号系统的高效分类器，对电力设备监控信号进行准确的分类识别，提高监控信号分类的准确性，从而提高设备异常识别的准确性。针对各类设备异常处置方案进行信息特征提取，根据处置对象信息、处置行为特征以及处置方法的逻辑关系构建设备处置预案规则库，提高设备异常处置方案制定效率，从而提高设备异常处置效率，提高监控人员监控与处置效率，避免因漏监信号造成设备长期带病运行，提高电网安全运行水平。网安全运行水平。网安全运行水平。

【技术实现步骤摘要】
一种基于深度置信网络的设备异常辨识与处置方法与系统


[0001]本专利技术涉及电力系统
，具体为一种基于深度置信网络的设备异常辨识与处置方法与系统。

技术介绍

[0002]在电力系统自动化领域中，信号是电力设备运行状态监控的主要手段，是监控人员判定设备状况和故障原因、制定现场处置方案的主要参考依据，随着变电站规模与数据采集技术的发展，电力监控系统采集监控信号规模急速增长，尤其是电网异常或设备故障情况下，海量监控信息涌入监控系统，对电力监控与异常处置带来较大挑战。
[0003]传统的电力监控手段主要存在三个问题，一是电力系统监控信号是一种离散信号系统，为反映不同类型、不同粒度的设备异常，各信号间的关系需要监控人员自己分析，大规模监控信号接入后，对监控人员日常监视带来较大挑战，容易造成误监漏监的情况，不利于及时分析发现设备异常；二是发生电网事故时，监控系统会接收到海量监控信号，人工判断方式无法准确判定故障原因，延长了故障恢复时间；三是设备类型与型号众多，各类异常处置原则与方案较多，依赖监控人员经验开展异常处置效率低下。

技术实现思路

[0004]本专利技术的目的在于提供一种基于深度置信网络的设备异常辨识与处置方法与系统，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于深度置信网络的设备异常辨识与处置方法，包括以下步骤：
[0007]构建电力设备典型监控对象库；
[0008]将典型电力设备监控信号组成监控信号数据集，构建基于词向量模型改进的深度置信网络分析模型，通过该深度置信网络分析模型对实时采集的电力设备监控信号进行分类，建立监控信号与典型监控对象库的关联关系；
[0009]基于典型监控对象构建电力设备异常研判规则库；
[0010]实时监视电力设备监控信号，根据监控信号与典型监控对象的映射关系、电力设备异常研判规则识别出电力设备异常状态，生成电力设备异常告警事件；
[0011]对设备异常处置过程进行信息特征提取，根据处置对象信息、处置行为特征以及处置方法的逻辑关系构建设备处置预案规则库；
[0012]监视到电力设备异常事件后，结合设备类型、设备异常事件中包含的典型特征信号检索出典型信号对应的处置规则，根据特征信号之间的关联关系，利用网络推理方法过滤掉无效处置规则，按照处置顺序生成处置方案。
[0013]优选的，对电力设备的典型监控信息进行特征提取，根据典型监控信息的监视对象及其反映的行为特征，将典型监控信息归一化为运行特征，从而构建电力设备典型监控对象库。
[0014]优选的，所述运行特征包括设备越限、重过载、操作控制、检修调试、动作复归。
[0015]优选的，典型电力设备监控信号按照不同类型变电站、综自厂商和设备类型条件筛选组成监控信号数据集。
[0016]优选的，将监控信号数据集进行分词处理，选出关键特征词，基于循环神经网络建立词向量模型；在深度置信网络模型中融合深度玻尔兹曼机模型，并结合词向量模型获得监控信号在典型监控对象库中的典型分类，从而建立监控信号与典型监控对象的关联关系。
[0017]优选的，词向量模型作为文本表示型，用信息还原度较高的2层深度置信网络模型对监控信号文本内容进行初降维，得到去噪且完整度较高的结果，由3层深度玻尔兹曼机模型抽取高层特征，最终得到文本的表示型，获得监控信号的典型分类。
[0018]优选的，改进的TF
‑
IDF算法筛选出前40的单词作为词向量模型的关键特征词。
[0019]优选的，归纳总结典型电力监控对象与设备异常之间的关系，采用逻辑表达式与电力专用异常研判逻辑相结合的方式构建电力设备异常研判规则库。
[0020]一种基于深度置信网络的设备异常辨识与处置系统，包括：
[0021]信号知识库，将监控信号的各种信息固化存储；
[0022]推理规则库，将监控信号的运行特征、行为特征之间的逻辑关系与故障异常的逻辑关系进行拆解并固化存储；
[0023]处置规则库，用于建立异常监控信号与处置预案的关联关系；
[0024]异常信号智能辨识库，通过信号知识库和推理规则库加载监控信号辨识规则；
[0025]处置辅助决策库，根据监控信号产生原因自动提取信号发生前后的关联量测运行数据，并根据处置规则库生成处置预案；
[0026]异常信号监视与查询库，用于实时接收并展示异常告警信号，用于提供监控信号搜索工具；
[0027]缺陷管理模块，根据异常信号自动提取关联设备的缺陷信息。
[0028]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种基于深度置信网络的设备异常辨识与处置方法。
[0029]与现有技术相比，本专利技术的有益效果是：
[0030]本专利技术提出了一种基于深度置信网络的设备异常辨识与处置方法，并以此方法构建了一种基于深度置信网络的设备异常辨识与处置系统。
[0031]重点解决设备异常告警事件合成的准确性问题，通过提取并建立电力设备监控信号特征参数库，引入深度置信网络技术设计面向电力信号系统的高效分类器，对电力设备监控信号进行准确的分类识别，提高监控信号分类的准确性，从而提高设备异常识别的准确性。
[0032]其次，针对各类设备异常处置方案进行信息特征提取，根据处置对象信息、处置行为特征以及处置方法的逻辑关系构建设备处置预案规则库，提高设备异常处置方案制定效率，从而提高设备异常处置效率；
[0033]最后，实现设备异常智能监控、信号快速检索、智能处置、缺陷智能提取，提高监控人员监控与处置效率，避免因漏监信号造成设备长期带病运行，提高电网安全运行水平。
附图说明
[0034]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0035]图1为本专利技术设备异常信号智能辨识与处理系统架构图；
[0036]图2为本专利技术设备异常信号智能辨识与处理流程图；
[0037]图3为本专利技术设备处置预案规则库；
[0038]图4为本专利技术一种监控信号处理措施案例示意图。
具体实施方式
[0039]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作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0040]由于变电站建设时间、承建厂商、采用设备型号以及管理要求不同，变电站内设备监控信号命名的规范性参差不齐，同类设备的相同信号命名千差万别，导致设备异常推理研判准确度不高，本专利技术在设备异常研判开始前增加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度置信网络的设备异常辨识与处置方法，其特征在于：包括以下步骤：构建电力设备典型监控对象库；将典型电力设备监控信号组成监控信号数据集，构建基于词向量模型改进的深度置信网络分析模型，通过该深度置信网络分析模型对实时采集的电力设备监控信号进行分类，建立监控信号与典型监控对象库的关联关系；基于典型监控对象构建电力设备异常研判规则库；实时监视电力设备监控信号，根据监控信号与典型监控对象的映射关系、电力设备异常研判规则识别出电力设备异常状态，生成电力设备异常告警事件；对设备异常处置过程进行信息特征提取，根据处置对象信息、处置行为特征以及处置方法的逻辑关系构建设备处置预案规则库；监视到电力设备异常事件后，结合设备类型、设备异常事件中包含的典型特征信号检索出典型信号对应的处置规则，根据特征信号之间的关联关系，利用网络推理方法过滤掉无效处置规则，按照处置顺序生成处置方案。2.根据权利要求1所述的一种基于深度置信网络的设备异常辨识与处置方法，其特征在于：对电力设备的典型监控信息进行特征提取，根据典型监控信息的监视对象及其反映的行为特征，将典型监控信息归一化为运行特征，从而构建电力设备典型监控对象库。3.根据权利要求2所述的一种基于深度置信网络的设备异常辨识与处置方法，其特征在于：所述运行特征包括设备越限、重过载、操作控制、检修调试、动作复归。4.根据权利要求1所述的一种基于深度置信网络的设备异常辨识与处置方法，其特征在于：典型电力设备监控信号按照不同类型变电站、综自厂商和设备类型条件筛选组成监控信号数据集。5.根据权利要求1所述的一种基于深度置信网络的设备异常辨识与处置方法，其特征在于：将监控信号数据集进行分词处理，选出关键特征词，基于循环神经网络建立词向量模型；在深度置信网络模型中融合深度玻尔兹曼机模型，并结...

【专利技术属性】
技术研发人员：林秋燕，黄建清，钟跃，徐燕萍，杨广文，朱云晶，黄桂兰，袁义军，夏良，李周茜，黄梦婷，俞慧珍，连晖，陈群伟，郑凌铭，
申请(专利权)人：国网福建省电力有限公司，
类型：发明
国别省市：