【技术实现步骤摘要】
本专利技术涉及深度学习，尤其为基于深度学习的电网实时运行风险辨识及复电管理系统。
技术介绍
1、随着人们对电力的需求日益增长，对电力供应的安全性和稳定性要求不断提高；电网规模不断扩大，结构变得日益复杂，电网形态和运行特性呈现高度耦合特征，各种不确定的风险影响着电网安全稳定运行，实时风险隐患增多,危害因素更加复杂，应对难度提高，故障突发及负荷突变时尤为明显，现有技术中，实时风险及快速复电应对能力不足，缺乏在线的实时风险感知辨识和智能预警，故障突发后，难以充分考虑实时风险的情况下快速选择合理、安全的恢复供电路径。鉴于以上问题，本专利技术提出基于深度学习的电网实时运行风险辨识及复电管理系统以解决上述问题。
技术实现思路
1、本专利技术的主要目的在于提供基于深度学习的电网实时运行风险辨识及复电管理系统，以解决相关技术中提出的问题。
2、为了实现上述目的，根据本专利技术的一个方面，提供了基于深度学习的电网实时运行风险辨识及复电管理系统，包括：
3、数据中心：用于采集电网的多源信息，并对数据进行分类存储；
4、分析处理单元：用于对接收的数据进行预处理、数据融合关联分析；
5、风险辨识单元：用于根据分析的数据，确定风险位置以及原因；
6、管控中心：用于对风险事件产生的影响采取相应的措施。
7、进一步地，所述采集的多源信息包括实时信息和非实时信息，所述实时信息包括电网运行信息、拓扑信息、设备信息和灾害信息；所述非实时信息包括设
8、进一步地，所述分析处理单元中数据融合关联分析能够得到各个数据之间的关联性，从而推断出风险事件带来的连锁反应。
9、进一步地，所述风险辨识单元包括：
10、辨识建模模块，所述辨识建模模块用于依据数据中心的多源数据建立风险识别模型并对多方面的风险以及连锁风险事件进行在线识别；
11、风险源定位模块，所述风险源定位模块用于对风险按发生的位置进行定位；
12、原因识别模块，所述原因识别模块用于结合数据中心的历史记录对风险发生的原因进行分析判断；
13、预警通知模块，所述预警通知模块用于对识别出的风险进行智能语音通知。
14、进一步地，所述辨识建模模块中多方面的风险包括设备灾害、重过载、负荷突变、方式调整以及人为和网络因素。
15、进一步地，所述风险源定位模块依赖于历史故障信息数据的融合以及电网行业专家人员的经验知识判断。
16、进一步地，所述原因识别模块根据风险事件与风险特征和风险类型之间的关联关系，并结合从故障信息历史记录中挖掘出来的经验知识，对风险发生的原因进行分析判断。
17、进一步地，所述管控中心包括：
18、输入模块，所述输入模块用于接收用户输入的指令；
19、监控显示模块，所述监控显示模块用于实时监测电网的运行状态并大屏显示风险事件信息；
20、复电管理模块，所述复电管理模块用于在电网发生电力中断时，采取一系列措施和流程，尽快恢复电力供应。
21、进一步地，所述复电管理模块的具体步骤如下：
22、当电网发生电力中断时，立即发出电力中断通知并将通知传达给客户；
23、根据风险源定位模块进行故障定位和隔离操作；
24、根据原因识别模块判断中断的严重程度和影响范围；
25、根据故障以及故障的连锁故障反应制定相应的电力恢复计划，尽快修复故障；
26、电网恢复后对整个过程进行记录和分析，总结经验和教训。
27、进一步地，所述用户输入的指令包括风险辨识的知识库和规则库、各项风险辨识指标阈值参数的确认和更改指令。
28、与现有技术相比，本专利技术具有以下有益效果：
29、本专利技术会对风险实时感知辨识，基于深度学习能够分析得出故障信息涉及的范围原因以及连锁故障事件并智能预警，故障信息会实时显示在大屏上，再基于历史的故障信息，使得在故障突发后，能够快速选择合理、安全的恢复供电路径。
本文档来自技高网...【技术保护点】
1.基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，所述采集的多源信息包括实时信息和非实时信息，所述实时信息包括电网运行信息、拓扑信息、设备信息和灾害信息；所述非实时信息包括设备运行的固定静态和动态数据、外部环境的信息、设备历史故障信息。
3.根据权利要求1所述的基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，所述分析处理单元(2)中数据融合关联分析能够得到各个数据之间的关联性，从而推断出风险事件带来的连锁反应。
4.根据权利要求1所述的基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，所述风险辨识单元(3)包括：
5.根据权利要求4所述的基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，所述辨识建模模块(31)中多方面的风险包括设备灾害、重过载、负荷突变、方式调整以及人为和网络因素。
6.根据权利要求4所述的基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，所述风
7.根据权利要求4所述的基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，所述原因识别模块(33)根据风险事件与风险特征和风险类型之间的关联关系，并结合从故障信息历史记录中挖掘出来的经验知识，对风险发生的原因进行分析判断。
8.根据权利要求1所述的基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，所述管控中心(4)包括：
9.根据权利要求8所述的基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，所述复电管理模块(43)的具体步骤如下：
10.根据权利要求9所述的基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，所述用户输入的指令包括风险辨识的知识库和规则库、各项风险辨识指标阈值的确认和更改指令。
...【技术特征摘要】
1.基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，所述采集的多源信息包括实时信息和非实时信息，所述实时信息包括电网运行信息、拓扑信息、设备信息和灾害信息；所述非实时信息包括设备运行的固定静态和动态数据、外部环境的信息、设备历史故障信息。
3.根据权利要求1所述的基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，所述分析处理单元(2)中数据融合关联分析能够得到各个数据之间的关联性，从而推断出风险事件带来的连锁反应。
4.根据权利要求1所述的基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，所述风险辨识单元(3)包括：
5.根据权利要求4所述的基于深度学习的电网实时运行风险辨识及复电管理系统，其特征在于，所述辨识建模模块(31)中多方面的风险包括设备灾害、重过载、负荷突变、方式调整以及人为和网络因素。<...
【专利技术属性】
技术研发人员：徐朝兵，王庭豪，马静，杜江，贾洪钢，阙兴黔，王龙海，李玉靖，林小竺，殷思琦，杨帅，覃禹铭，任庭昊，代启璨，郭罕姮，徐润，杨粤，马莉，张耀，张红月，周鑫，罗雪莲，张庭钰，赵峻，王开波，陶用伟，周仲波，包义钊，李刚，蔡馨雅，郝丽萍，杨强，黄岗，梁晶亮，陈本福，杨涵，冉梦东，郑前伟，毛杰，周永毅，杨兵，龚松松，吴昊，娄简，黄曜，
申请(专利权)人：贵州电网有限责任公司遵义供电局，
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。