【技术实现步骤摘要】
本专利技术涉及一种辅助决策系统，尤其为一种基于智能录波器采集信息的辅助决策系统。
技术介绍
1、随着电力系统的快速发展和智能化技术的广泛应用，变电站中的二次设备在电力系统中的作用越来越重要，二次设备包括继电保护装置、自动控制装置、测量仪表、信号系统等，它们在电力系统中起着监测、控制、保护和调节的作用，然而，随着二次设备的复杂性和多样性的增加，其运维难度也在不断提高，传统的运维方式往往依赖大量的现场人工作业，规范化标准化程度低、作业安全管控难度大，二次设备运维效率低下，难以满足现代电力系统的需求，同时智能变电站信号复杂、不可见的光纤信号传递、运行人员技能水平存在差异，从而导致异常信号的判断和处理不及时，致使变电站电力设备出现故障或损坏，进而影响电力系统的正常运行。
技术实现思路
1、本专利技术的主要目的在于提供一种基于智能录波器采集信息的辅助决策系统，以解决相关技术中提出的二次设备运维效率低下、智能变电站信号复杂、不可见的光纤信号传递、运行人员技能水平存在差异，从而导致异常信号的判断和处理不及时，致使变电站电力设备出现故障或损坏，进而影响电力系统的正常运行的问题。
2、为了实现上述目的，根据本专利技术的一个方面，提供了一种基于智能录波器采集信息的辅助决策系统，包括：
3、数据采集模块：用于通过智能录波器采集电变站二次设备的运行数据；
4、数据处理模块：用于对采集的电变站二次设备的运行数据进行数据清洗；
5、数据检测模块：用于对数据处理模
6、数据决策模块：对因变电站设备故障而检测出的异常数据，自动生成辅助决策，用于指导运行人员现场处理。
7、进一步地，所述数据采集模块通过智能录波器对变电站内的二次设备的各种模拟量和开关两数据进行采集并存储。
8、进一步地，所述数据处理模块对数据采集模块采集的数据进行、整合和转换。
9、进一步地，所述数据检测模块基于关键信息甄别技术训练神经网络模型，通过输入智能录波器采集的数据，利用神经网络模型快速获取关键数据并进行异常检测。
10、进一步地，所述关键信息甄别技术可以帮助工作人员快速准确地获取关键数据，从而更好地了解设备的运行状态和性能，具体来说，关键信息甄别技术实现的具体步骤如下：
11、s1、特征提取：通过对智能录波器采集的数据进行特征提取，提取出与设备运行状态和性能相关的特征信息；
12、s2、分类和聚类：将提取的特征信息进行分类和聚类，将相似的数据归为一类，从而方便后续的处理和分析；
13、s3、异常检测：通过将数据输入神经网络模型，检测出与正常数据不同的异常数据。
14、进一步地，所述神经网络模型基于lstm异常检测算法，lstm模型由输入门、遗忘门、输出门和候选细胞状态组成，对于时间步t，其公式为：
15、(i_t)＝\sigma(w_{ii}x_t+b_{ii}+w_{hi}h_{t-1}+b_{hi}))
16、(f_t)＝\sigma(w_{if}x_t+b_{if}+w_{hf}h_{t-1}+b_{hf}))
17、(g_t)＝
anh(w_{ig}x_t+b_{ig}+w_{hg}h_{t-1}+b_{hg}))
18、(c_t＝ft*c_{t-1}+i_t*g_t)
19、(h_t＝tanh(c_t))
20、其中，(w)和(b)是模型参数，(x_t)是输入向量，(h_t)是隐藏状态，(c_t)是细胞状态，(\sigma)是sigmoid函数，(tanh)是双曲正切函数。
21、进一步地，所述数据决策模块通过人工智能技术对数据检测模块判断为异常的数据进行深度学习和分析。
22、进一步地，所述人工智能技术基于机器学习算法对历史数据进行分析和建模，预测未来可能出现的故障和异常情况，并生成相应的预警信息，机器学习算法中的逻辑回归公式为：
23、p(y＝1x)＝11+e-xwp(y＝1|x)
24、＝\feac{1}{1+e^{-xw}}p(y＝1x)
25、＝1+e-xw1
26、其中，p(y＝1x)p(y＝1|x)p(y＝1x)是当输入为x时，输出为1的概率，w是权重向量，e是自然对数的底数。
27、进一步地，所述数据决策模块基于人工智能技术能够更加准确地对智能录波器采集的变电站二次设备数据进行异常数据识别和故障预测，同时对异常数据进行报警并自动生成辅助决策。
28、与现有技术相比，本专利技术具有以下有益效果：
29、1、该一种基于智能录波器采集信息的辅助决策系统中，通过智能录波器对变电站二次设备进行测试，用于提高设备维修的效率及准确度，缩短维修时间，节省维修费用。
30、2、该一种基于智能录波器采集信息的辅助决策系统中，通过利用关键信息甄别技术快速准确地获取关键数据，从而更好得了解设备的运行状态和性能并检测出与正常数据不同的异常数据，再通过人工智能技术对异常数据进行辅助决策自动生成，降低了运行人员技能水平对运维的影响，再进一步提高了运行人员对二次设备的运维效率，使作业更加规范化、安全化。
本文档来自技高网...【技术保护点】
1.一种基于智能录波器采集信息的辅助决策系统，其特征在于，包括：
2.根据权利要求1所述的基于智能录波器采集信息的辅助决策系统，其特征在于，所述数据采集模块(100)通过智能录波器对变电站内的二次设备的各种模拟量和开关两数据进行采集并存储。
3.根据权利要求1所述的基于智能录波器采集信息的辅助决策系统，其特征在于，所述数据处理模块(200)对数据采集模块(100)采集的数据进行、整合和转换。
4.根据权利要求1所述的基于智能录波器采集信息的辅助决策系统，其特征在于，所述数据检测模块(300)基于关键信息甄别技术训练神经网络模型，通过输入智能录波器采集的数据，利用神经网络模型快速获取关键数据并进行异常检测。
5.根据权利要求4所述的基于智能录波器采集信息的辅助决策系统，其特征在于，所述关键信息甄别技术可以帮助工作人员快速准确地获取关键数据，从而更好地了解设备的运行状态和性能，具体来说，关键信息甄别技术实现的具体步骤如下：
6.根据权利要求5所述的基于智能录波器采集信息的辅助决策系统，其特征在于，所述神经网络模型基于LSTM
7.根据权利要求1所述的基于智能录波器采集信息的辅助决策系统，其特征在于，所述数据决策模块(400)通过人工智能技术对数据检测模块(300)判断为异常的数据进行深度学习和分析。
8.根据权利要求7所述的基于智能录波器采集信息的辅助决策系统，其特征在于，所述人工智能技术基于机器学习算法对历史数据进行分析和建模，预测未来可能出现的故障和异常情况，并生成相应的预警信息，机器学习算法中的逻辑回归公式为：
9.根据权利要求1所述的基于智能录波器采集信息的辅助决策系统，其特征在于，所述数据决策模块(400)基于人工智能技术能够更加准确地对智能录波器采集的变电站二次设备数据进行异常数据识别和故障预测，同时对异常数据进行报警并自动生成辅助决策。
...【技术特征摘要】
1.一种基于智能录波器采集信息的辅助决策系统，其特征在于，包括：
2.根据权利要求1所述的基于智能录波器采集信息的辅助决策系统，其特征在于，所述数据采集模块(100)通过智能录波器对变电站内的二次设备的各种模拟量和开关两数据进行采集并存储。
3.根据权利要求1所述的基于智能录波器采集信息的辅助决策系统，其特征在于，所述数据处理模块(200)对数据采集模块(100)采集的数据进行、整合和转换。
4.根据权利要求1所述的基于智能录波器采集信息的辅助决策系统，其特征在于，所述数据检测模块(300)基于关键信息甄别技术训练神经网络模型，通过输入智能录波器采集的数据，利用神经网络模型快速获取关键数据并进行异常检测。
5.根据权利要求4所述的基于智能录波器采集信息的辅助决策系统，其特征在于，所述关键信息甄别技术可以帮助工作人员快速准确地获取关键数据，从而更好地了解设备的运行状态和性能，具体来说，关键信息甄别技术实现的具体步骤如下：
【专利技术属性】
技术研发人员：宫方建，熊斌，张琼华，吴聪明，苏嘉力，吴银，周江红，李杰，王超，马学军，彭学伟，罗开鹏，李春松，张岩，易佳兵，赵健强，李兴伦，王弢，隋永浩，张平见，田雄，许春晖，普文松，朱蓉，
申请(专利权)人：云南电网有限责任公司红河供电局，
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。