【技术实现步骤摘要】
本专利技术涉及电力系统维护，尤其涉及一种电力输电线路异常状态识别方法及系统。
技术介绍
1、电力线路是电力系统的重要组成部分，担负着输送和分配电能的任务，随着电气化的发展，我国电力需求的日益增大，输电线路涵盖范围逐渐扩大，运行环境也呈现多样化。由于输配电系统受到地区气候多变、运行环境复杂和输送电力负荷等因素的影响，容易引发安全风险，因此为减小潜在输电线路系统故障对电力供应安全的影响,需要对故障进行有效的监测与防范。
2、目前，大多数预测技术主要为通过对设备的历史故障进行查询和分析，判断输电线路的设备的故障概率和规律，这需要具有丰富的判断经验以及大量人力对数据进行分析；另一种是基于传感器的故障预测技术，通过在设备中安装传感器，根据传感器所传输的信息来判断输电线路设备的故障状况，但是该技术时效性差，在得知设备出现故障时，不能立即采用应对措施；还有一种通过利用人工智能神经网络和历史电力数据进行预测，容易存在数据偏差，从而导致故障预测精度低，不能准确识别出输电线路异常状态。
技术实现思路
1、为了解决上述技术问题，本专利技术实施例提供了一种电力输电线路异常状态识别方法及系统，实现了对电力传输线路异常状态的识别，提高异常状态识别准确性。
2、本专利技术实施例的第一方面提供了一种电化学储能电站电池管理系统应急通信方法，方法包括：
3、获取目标区域电力输电线路的历史运行参数、历史气象数据和历史日期，其中，历史运行参数包括历史电阻数据、历史电纳数据、历史电导数据
4、对历史运行参数、历史气象数据和历史日期进行标准归一化处理，得到待分析历史运行参数、待分析历史气象数据和待分析历史日期；
5、利用奇异值分解法对待分析历史运行参数和待分析历史气象数据进行提取，得到有效运行参数和有效气象数据；其中，所述有效运行参数和有效气象数据按时间先后顺序排列；
6、分别将所述有效运行参数和有效气象数据进行矩阵转换，得到第一运行矩阵和第一气象矩阵；以及，分别对所述有效运行参数和有效气象数据进行倒置排列后进行矩阵转换，得到第二运行矩阵和第二气象矩阵；
7、分别计算所述第一运行矩阵和第二运行矩阵、以及所述第一气象矩阵和第二气象矩阵中同一列数据向量的欧氏距离作为相似度值，当所述相似度值超过预设相似阈值时，将所述第一运行矩阵和第一气象矩阵中对应列的数据向量进行删除，得到优化运行矩阵和优化气象矩阵，并将所述优化运行矩阵和优化气象矩阵转换为优化运行参数和优化气象数据；
8、将优化运行参数、优化气象数据及待分析历史日期输入预设lstm短期预测模型中进行预测，得到第一预测结果，利用预设识别模型对第一预测结果进行异常状态识别，得到识别结果，根据识别结果确定输电线路调整策略，以使电力人员根据输电线路调整策略对目标区域电力输电线路进行处理。
9、在第一方面的一种可能的实现方式中，对历史运行参数、历史气象数据和历史日期进行标准归一化处理，得到待分析历史运行参数、待分析历史气象数据和待分析历史日期，具体为：
10、对历史运行参数、历史气象数据和历史日期进行异常值筛选处理和缺失值补充处理后，得到预处理运行参数、预处理气象数据和预处理日期；
11、对预处理运行参数、预处理气象数据和预处理日期进行离差标准归一化处理，得到待分析历史运行参数、待分析历史气象数据和待分析历史日期，其中，离差标准归一化处理公式为：
12、。
13、式中，表示待分析历史运行参数、待分析历史气象数据或待分析历史日期，表示第i个预处理运行参数、预处理气象数据或预处理日期，表示预处理运行参数、预处理气象数据或预处理日期的最大值，表示预处理运行参数、预处理气象数据或预处理日期的最小值。
14、在第一方面的一种可能的实现方式中，利用奇异值分解法对待分析历史运行参数和待分析历史气象数据进行提取，得到有效运行参数和有效气象数据，具体为：
15、分别对待分析历史运行参数和待分析历史气象数据进行svd分解，得到运行参数奇异值矩阵和气象数据奇异值矩阵；
16、分别选择运行参数奇异值矩阵和气象数据奇异值矩阵中满足预设条件的奇异值，得到运行参数奇异值和气象数据奇异值；
17、对运行参数奇异值和气象数据奇异值分别进行矩阵乘法计算，得到待分析历史运行参数的有效运行参数和待分析历史气象数据的有效气象数据。
18、在第一方面的一种可能的实现方式中，利用预设识别模型对第一预测结果进行异常状态识别，得到识别结果，具体为：
19、采用卷积层对第一预测结果进行卷积，得到第一特征数据；
20、利用非饱和激活函数对第一特征数据进行非线性处理，得到第二特征数据，再对第二特征数据进行下采样，得到第三特征数据；
21、利用全连接层将第一特征数据、第二特征数据和第三特征数据进行加权融合，得到目标识别结果。
22、在第一方面的一种可能的实现方式中，预设lstm短期预测模型是通过基于lstm网络模型进行构建并训练得到，具体为：
23、采集多个区域的历史运行参数、历史气象数据和历史日期；
24、对多个区域的历史运行参数、历史气象数据和历史日期进行标准归一化处理，得到待处理历史运行参数、待处理历史气象数据和待处理历史日期；
25、利用奇异值分解法对待处理历史运行参数和待处理历史气象数据进行提取，得到历史目标运行参数和历史目标气象数据，将历史目标运行参数、历史目标气象数据和待处理历史日期进行划分，得到样本数据集和测试数据集；
26、将样本数据集输入构建的预设自适应预测回归模型进行预测，得到预测值，根据预测值和实际值计算得到预测误差，利用预测误差得到损失函数，根据损失函数更新构建的预设自适应预测回归模型的权重，得到更新后的权重，利用更新后的权重和样本数据集继续进行预测，得到更新后的预测值，直到达到迭代次数停止更新，输出最终权重，根据最终权重确定目标预设自适应预测回归模型；
27、将测试数据集对目标预设自适应预测回归模型进行优化，得到自适应预测回归模型。
28、在第一方面的一种可能的实现方式中，预设识别模型是通过利用卷积神经网络模型进行构建并训练得到，具体为：
29、获取多个区域内历史故障数据和历史故障数据对应的历史气象数据和历史日期；
30、对历史故障数据和历史故障数据对应的历史气象数据和历史日期进行筛选处理，得到故障数据集；
31、利用卷积神经网络构建初始预设识别模型，将故障数据集输入预设识别模型中进行识别，以使预设识别模型采用卷积层、非饱和激活函数、下采样层和全连接层对故障数据进行识别，得到目标识别结果；
32、根据目标识别结果和实际识别结果计算得到损失值，根据损失值对初始预设识别模型进行更新，直到损失值达到预设值停止更新，得到预设识别模型。
33、本专利技术实施例的第二方本文档来自技高网...
【技术保护点】
1.一种电力输电线路异常状态识别方法，其特征在于，包括：
2.如权利要求1所述的电力输电线路异常状态识别方法，其特征在于，所述对所述历史运行参数、所述历史气象数据和所述历史日期进行标准归一化处理，得到待分析历史运行参数、待分析历史气象数据和待分析历史日期，具体为：
3.如权利要求1所述的电力输电线路异常状态识别方法，其特征在于，所述利用奇异值分解法对所述待分析历史运行参数和待分析历史气象数据进行提取，得到有效运行参数和有效气象数据，具体为：
4.如权利要求1所述的电力输电线路异常状态识别方法，其特征在于，所述利用预设识别模型对所述第一预测结果进行异常状态识别，得到识别结果，具体为：
5.如权利要求1所述的电力输电线路异常状态识别方法，其特征在于，所述预设LSTM短期预测模型是通过基于LSTM网络模型进行构建并训练得到，具体为：
6.如权利要求1所述的电力输电线路异常状态识别方法，其特征在于，所述预设识别模型是通过利用卷积神经网络模型进行构建并训练得到，具体为：
7.一种电力输电线路异常状态识别系统，其特征在于
8.如权利要求7所述的电力输电线路异常状态识别系统，其特征在于，所述归一化处理模块包括预处理单元和标准归一化单元，
9.如权利要求7所述的电力输电线路异常状态识别系统，其特征在于，所述提取模块包括分解单元、选择单元和计算单元，
10.如权利要求7所述的电力输电线路异常状态识别系统，其特征在于，所述识别模块包括卷积单元、下采样单元和融合单元，
...【技术特征摘要】
1.一种电力输电线路异常状态识别方法，其特征在于，包括：
2.如权利要求1所述的电力输电线路异常状态识别方法，其特征在于，所述对所述历史运行参数、所述历史气象数据和所述历史日期进行标准归一化处理，得到待分析历史运行参数、待分析历史气象数据和待分析历史日期，具体为：
3.如权利要求1所述的电力输电线路异常状态识别方法，其特征在于，所述利用奇异值分解法对所述待分析历史运行参数和待分析历史气象数据进行提取，得到有效运行参数和有效气象数据，具体为：
4.如权利要求1所述的电力输电线路异常状态识别方法，其特征在于，所述利用预设识别模型对所述第一预测结果进行异常状态识别，得到识别结果，具体为：
5.如权利要求1所述的电力输电线路异常状态识别方法，其...
【专利技术属性】
技术研发人员：叶吉超，章寒冰，黄慧，徐永海，胡鑫威，张程翔，丁宁，李乃一，赵汉鹰，季奥颖，王笑棠，吴晓刚，吴新华，潘昭光，汪华，
申请(专利权)人：国网浙江省电力有限公司，
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。