一种基于人工智能的电力系统故障预测方法及装置制造方法及图纸

本发明专利技术公开了一种基于人工智能的电力系统故障预测方法及系统，其中基于人工智能的电力系统故障预测方法包括：实时采集电力系统的空间数据和时间序列数据；根据电力设备间的连接关系和距离构建无向图，通过图卷积神经网络从无向图中进行空间特征提取；将时间序列数据输入至时序卷积神经网络中，获得时间序列特征；将空间特征与时间序列特征进行融合，获得时空特征；利用时空特征构建故障预测模型，并对故障预测模型进行训练；将电力系统数据输入至训练好的故障预测模型中，获得电力系统故障预测结果；本发明专利技术能够准确快速地对电力系统的故障进行预测，及时发现故障风险，有效提高电力系统的运行安全性。

【技术实现步骤摘要】

本专利技术涉及电力系统安全的，尤其涉及一种基于人工智能的电力系统故障预测方法及装置。

技术介绍

1、随着我国社会经济的不断发展，能源消耗量也在与日俱增。由于我国幅员辽阔并且人口密度大，电力系统的持续安全运行面临着不小的挑战。

2、我国电力系统几乎遍及人民群众工作生活所在的每一处，若出现电力系统的故障，不光会影响人民群众的正常生活，更会直接造成众多企业和单位的经济损失。可以说，电力系统的安全直接关系着人民群众的生命财产安全，是不容回避的一个重大课题。

3、现有的故障预测方法主要基于统计分析、数学建模和规则推理等技术，如支持向量机(support vector machine,svm)、逻辑回归(logistic regression)和人工神经网络(artificial neural network,ann)等，这些方法通过分析历史数据中的特征来预测故障的发生概率或状态，然后根据预测结果进行故障处理。然而这些方法大多只考虑了特征的时序关系或空间关系，忽视了时空特征的融合，且对非线性关系的建模能力有限，无法充分利用大规模数据和复杂特征之本文档来自技高网...

【技术保护点】

1.一种基于人工智能的电力系统故障预测方法，其特征在于，包括：

2.如权利要求1所述的基于人工智能的电力系统故障预测方法，其特征在于，所述无向图包括：

3.如权利要求2所述的基于人工智能的电力系统故障预测方法，其特征在于，所述图卷积神经网络包括邻居聚合层、图卷积层、堆叠层和输出层；

4.如权利要求2或3所述的基于人工智能的电力系统故障预测方法，其特征在于，所述时序卷积神经网络包括输入层、一维卷积层、残差堆叠层、输出层；

5.如权利要求4所述的基于人工智能的电力系统故障预测方法，其特征在于，所述时空特征包括：

6.如权利要求5所述...

【技术特征摘要】

1.一种基于人工智能的电力系统故障预测方法，其特征在于，包括：

2.如权利要求1所述的基于人工智能的电力系统故障预测方法，其特征在于，所述无向图包括：

3.如权利要求2所述的基于人工智能的电力系统故障预测方法，其特征在于，所述图卷积神经网络包括邻居聚合层、图卷积层、堆叠层和输出层；

4.如权利要求2或3所述的基于人工智能的电力系统故障预测方法，其特征在于，所述时序卷积神经网络包括输入层、一维卷积层、残差堆叠层、输出层；

5.如权利要求4所述的基于人工智能的电力系统故障预测方法，其特征在于，所述时空特征包括...

【专利技术属性】
技术研发人员：石多侠，闫自豪，王旭，
申请(专利权)人：江苏优亿诺智能科技有限公司，
类型：发明
国别省市：