【技术实现步骤摘要】
本专利技术涉及电力故障处置，具体为一种基于保电平台故障处置智能决策方法及系统。
技术介绍
1、随着电力系统规模的扩大，故障事件的频率增加，传统的人工故障判断和处理决策方法难以及时应对电力系统中频繁发生的故障，影响了电力系统的供电可靠性。虚拟调度平台被用于电力系统的运行中，以实现故障的实时检测和提供故障处理决策建议，旨在提高故障判断和处理决策制定的效率。然而，现有的虚拟调度平台在处理复杂或非标准化故障时，往往不能提供适配当前故障情况的决策建议，可能导致连锁反应和其他故障事件的发生，从而影响电力系统的安全性。
2、传统方法在处理复杂或非标准化故障时缺乏灵活性和适应性，无法充分预测和反映故障事件间的关系和连锁反应，故障处理决策建议可能不适配当前故障情况，导致其他故障的发生，缺乏对故障事件全局视角的分析，无法有效评估和优化处理决策。
3、因此亟需一种基于保电平台故障处置智能决策方法，解决现有电力系统故障处理方法的局限性，在处理复杂或非标准化故障时的不足。更全面地分析和评估不同故障事件的处理效果，选择更适配当前故障情况的处理决策，从而提高电力系统的安全性和故障处理效率。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：现有的电力系统故障处理方法缺乏灵活性和准确性，以及如何实现基于数据驱动的故障处理决策的优化问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种基于保电平台故障处置智能决策
4、作为本专利技术所述的基于保电平台故障处置智能决策方法的一种优选方案，其中：所述发生故障事件的设备是当识别出特定的故障类型后，分析与类型故障相关的典型设备特性，若判断为过载故障，关注电流超标的设备；若判断为短路故障，检查电压异常下降的区域；若判断为设备老化，关注历史数据中表现出性能下降的设备；利用电力系统的网络拓扑结构信息，对从特性分析中识别的设备或区域，使用电力网络模型分析故障信号的传播路径，并结合故障类型和分析结果，识别故障源头的设备或线路；在完成网络拓扑的定位分析后，应用k-均值聚类对受故障影响的设备或线路的数据进行分组，识别相似模式，分析受影响的设备或线路在故障发生时的行为，识别出在故障事件中表现出相似异常行为的设备群体，使用apriori算法发现故障类型与设备或线路间的关联性，分析历史故障数据，寻找故障事件和设备特性之间的潜在关系，将k-均值聚类和apriori算法的结果与网络拓扑定位分析结果进行对比，确定发生故障事件的设备。
5、所述故障识别模型表示为：
6、
7、其中，表示故障评分，分别表示权重因子，表示自然对数的底数表示模型参数，用于调整电流特征变换的灵敏度，表示电流值，ln表示自然对数函数，表示模型参数，用于调整电压特征变换的灵敏度，表示电压值，表示模型参数，用于调整频率特征变换的灵敏度，表示频率值，表示模型参数，用于调整温度特征变换的灵敏度，表示正弦函数，表示温度值。
8、作为本专利技术所述的基于保电平台故障处置智能决策方法的一种优选方案，其中：所述匹配待选择处理决策包括对故障类型和故障位置进行分析，确定故障的关键特征，根据故障特征从电力系统的故障处理数据库中匹配处理方案进行故障处理，记录故障事件的故障类型、发生时间、影响范围、受影响的设备类型、实施的处理措施信息，将故障事件按类型、原因、影响范围因素进行分类，对每个故障事件所采取的处理决策进行记录，并关联到对应的故障事件，分析每个故障事件处理决策效果，所述处理决策效果包括故障恢复的速度和效率、是否有重复故障。
9、作为本专利技术所述的基于保电平台故障处置智能决策方法的一种优选方案，其中：所述构建故障事件的事件图谱包括构建事件图谱模型，每个故障事件都作为一个节点，节点包含故障的类型、位置、受影响的设备类型信息以及历史故障事件的处理决策和处理结果，对于图谱中的每个故障事件节点，构建规程数据，记录故障处理的标准程序和步骤以及处理结果，分析故障事件之间的因果关系、时间序列关系和影响范围，并映射为图谱中的边，识别故障模式、关键节点和潜在的风险点，考虑历史故障事件的处理决策和结果，分析处理措施对系统的影响，优化未来的故障处理策略。
10、作为本专利技术所述的基于保电平台故障处置智能决策方法的一种优选方案，其中：所述根据评估结果以及调度资源信息选择当前发生的故障事件的处理决策包括通过图神经网络模型对事件图谱分析，识别故障事件的类型、具体位置和受影响的设备类型以及故障事件间的相互影响和传播路径；应用社区检测算法在事件图谱中识别故障模式和关键节点；结合图神经网络和社区检测算法获得的特征，使用支持向量机模型对故障事件进行深度学习分类；对分类后的故障事件进行时间序列分析，使用arma模型评估故障的影响；利用apriori算法，评估历史上针对不同类别故障的处理决策和结果；根据前面的分析结果，使用强化学习算法优化故障处理策略。
11、作为本专利技术所述的基于保电平台故障处置智能决策方法的一种优选方案，其中：所述使用强化学习算法优化故障处理策略包括定义状态空间，表示为：
12、
13、其中，表示故障类型，表示故障位置，表示受影响的设备类型，表示资源状态。
14、构建行动空间，所述行动空间包括派遣维修团队，调配备件，调整运行模式，定义故障处理时可以采取的所有行动选项。
15、设计奖励函数，表示为：
16、
17、其中，表示处理时间，表示总成本，表示平衡因子。
18、应用深度q网络学习最优行动策略，使用dqn模型学习在特定状态下采取的最优行动。
19、所述dqn模型表示为：
20、
21、其中，表示在状态下采取行动的最优预期奖励，表示寻找使期望奖励最大化的策略，表示故障处理策略本文档来自技高网...
【技术保护点】
1.一种基于保电平台故障处置智能决策方法，其特征在于，包括：
2.如权利要求1所述的基于保电平台故障处置智能决策方法，其特征在于：所述采集电力数据包括电流、电压、频率和温度；
3.如权利要求2所述的基于保电平台故障处置智能决策方法，其特征在于：所述匹配待选择处理决策包括对故障类型和故障位置进行分析，确定故障的关键特征，根据故障特征从电力系统的故障处理数据库中匹配处理方案进行故障处理，记录故障事件的故障类型、发生时间、影响范围、受影响的设备类型、实施的处理措施信息，将故障事件按类型、原因、影响范围因素进行分类，对每个故障事件所采取的处理决策进行记录，并关联到对应的故障事件，分析每个故障事件处理决策效果，所述处理决策效果包括故障恢复的速度和效率、是否有重复故障。
4.如权利要求3所述的基于保电平台故障处置智能决策方法，其特征在于：所述构建故障事件的事件图谱包括构建事件图谱模型，每个故障事件都作为一个节点，节点包含故障的类型、位置、受影响的设备类型信息以及历史故障事件的处理决策和处理结果，对于图谱中的每个故障事件节点，构建规程数据，记录故障处理的标准
5.如权利要求4所述的基于保电平台故障处置智能决策方法，其特征在于：所述根据评估结果以及调度资源信息选择当前发生的故障事件的处理决策包括通过图神经网络模型对事件图谱分析，识别故障事件的类型、具体位置和受影响的设备类型以及故障事件间的相互影响和传播路径；应用社区检测算法在事件图谱中识别故障模式和关键节点；结合图神经网络和社区检测算法获得的特征，使用支持向量机模型对故障事件进行深度学习分类；对分类后的故障事件进行时间序列分析，使用ARMA模型评估故障的影响；利用Apriori算法，评估历史上针对不同类别故障的处理决策和结果；根据前面的分析结果，使用强化学习算法优化故障处理策略。
6.如权利要求5所述的基于保电平台故障处置智能决策方法，其特征在于：所述使用强化学习算法优化故障处理策略包括定义状态空间，表示为，
7.如权利要求6所述的基于保电平台故障处置智能决策方法，其特征在于：所述优化未来的故障处理策略包括基于强化学习流程的结果调整所述故障识别模型的参数，收集强化学习流程中得到的故障处理数据，所述故障处理数据包括每次处理的成功率、持续时间和资源消耗，将故障处理数据与故障识别模型生成的故障识别结果进行关联分析，使用线性回归分析确定故障识别参数与故障处理效率间的关系，使用线性回归分析结果来确定哪些故障识别参数与故障处理效率最相关，确定需要调整的参数范围和调整的方向，使用梯度下降算法基于分析结果自动调整故障识别模型中的权重因子和灵敏度参数，调整目标是最大化故障处理的成功率和效率，同时最小化资源消耗。
8.一种采用如权利要求1~7任一所述的基于保电平台故障处置智能决策方法的系统，其特征在于，包括：数据采集模块、故障处理模块、事件图谱构建模块、决策评估模块以及决策可视化模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于保电平台故障处置智能决策方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于保电平台故障处置智能决策方法的步骤。
...【技术特征摘要】
1.一种基于保电平台故障处置智能决策方法，其特征在于，包括：
2.如权利要求1所述的基于保电平台故障处置智能决策方法，其特征在于：所述采集电力数据包括电流、电压、频率和温度；
3.如权利要求2所述的基于保电平台故障处置智能决策方法，其特征在于：所述匹配待选择处理决策包括对故障类型和故障位置进行分析，确定故障的关键特征，根据故障特征从电力系统的故障处理数据库中匹配处理方案进行故障处理，记录故障事件的故障类型、发生时间、影响范围、受影响的设备类型、实施的处理措施信息，将故障事件按类型、原因、影响范围因素进行分类，对每个故障事件所采取的处理决策进行记录，并关联到对应的故障事件，分析每个故障事件处理决策效果，所述处理决策效果包括故障恢复的速度和效率、是否有重复故障。
4.如权利要求3所述的基于保电平台故障处置智能决策方法，其特征在于：所述构建故障事件的事件图谱包括构建事件图谱模型，每个故障事件都作为一个节点，节点包含故障的类型、位置、受影响的设备类型信息以及历史故障事件的处理决策和处理结果，对于图谱中的每个故障事件节点，构建规程数据，记录故障处理的标准程序和步骤以及处理结果，分析故障事件之间的因果关系、时间序列关系和影响范围，并映射为图谱中的边，识别故障模式、关键节点和潜在的风险点，考虑历史故障事件的处理决策和结果，分析处理措施对系统的影响，优化未来的故障处理策略。
5.如权利要求4所述的基于保电平台故障处置智能决策方法，其特征在于：所述根据评估结果以及调度资源信息选择当前发生的故障事件的处理决策包括通过图神经网络模型对事件图谱分析，识别故障事件的类型、具体位置和受影响的设备类型以及故障事件间的相互影响和传播路径；应用社区检测算法在事件图谱中识别故障模式和关键节点；结合图神经网络和社区检测算法获...
【专利技术属性】
技术研发人员：黄迪，黄江宁，郑伟彦，朱超越，陈忆瑜，周斌，赵欢伟，苏芳，王瓅，
申请(专利权)人：浙江大有实业有限公司杭州科技发展分公司，
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。