基于人工智能的供电系统故障预警方法及系统技术方案

本申请实施例提供一种基于人工智能的供电系统故障预警方法及系统，通过从前一轮样例供电系统运行数据序列中获取当前时间依赖样例数据序列，有效地利用了历史数据，使得故障预测更具准确性和可靠性。其次，通过结合当前增加样例数据序列和当前时间依赖样例数据序列，能够实时地更新和优化供电系统故障预测网络的模型参数，从而提高故障预测的灵敏度和适应性。最后，该方法能够将完成网络学习的当前供电系统故障预测网络作为目标供电系统故障预测网络，快速准确地对任意输入的供电系统运行数据进行故障预测，及时发现潜在的供电系统故障，为运维人员提供有效的故障预警，大大降低了供电系统的故障风险，提高了系统的稳定性和可靠性。

【技术实现步骤摘要】

本申请涉及电力系统，具体而言，涉及一种基于人工智能的供电系统故障预警方法及系统。

技术介绍

1、随着现代电力系统和供电网络的日益复杂，供电系统的安全性和稳定性变得尤为重要。任何供电故障都可能导致重大的经济损失和社会影响。因此，开发一种能够准确预测和及时预警供电系统故障的方法成为行业迫切的需求。

2、传统的供电系统故障检测和预警方法通常依赖于定期的设备检查、人工巡视以及简单的阈值报警系统。然而，这些方法往往反应迟钝，无法及时发现潜在的故障，且容易受到人为因素和环境噪声的影响，导致误报或漏报。

技术实现思路

1、有鉴于此，本申请的目的在于提供一种基于人工智能的供电系统故障预警方法及系统。

2、结合本申请的第一方面，提供一种基于人工智能的供电系统故障预警方法，应用于基于人工智能的供电系统故障预警系统，所述方法包括：

3、从供电系统故障预测网络的前一个网络学习阶段调用的前一轮样例供电系统运行数据序列中获取当前时间依赖样例数据序列，所述前一轮样例供电系统运行数据序列包括前一轮增加样例本文档来自技高网...

【技术保护点】

1.一种基于人工智能的供电系统故障预警方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于人工智能的供电系统故障预警方法，其特征在于，所述当前时间依赖样例数据序列相对于所述前一轮时间依赖样例数据序列保持序列容量不变。

3.根据权利要求1或2所述的基于人工智能的供电系统故障预警方法，其特征在于，所述供电系统故障预测网络包括用于处理连续状态分析的供电系统故障预测网络，从供电系统故障预测网络的前一个网络学习阶段调用的前一轮样例供电系统运行数据序列中获取当前供电系统故障预测网络的网络学习操作的当前时间依赖样例数据序列包括：

4.根据权利要求3所述的基...

【技术特征摘要】

1.一种基于人工智能的供电系统故障预警方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于人工智能的供电系统故障预警方法，其特征在于，所述当前时间依赖样例数据序列相对于所述前一轮时间依赖样例数据序列保持序列容量不变。

3.根据权利要求1或2所述的基于人工智能的供电系统故障预警方法，其特征在于，所述供电系统故障预测网络包括用于处理连续状态分析的供电系统故障预测网络，从供电系统故障预测网络的前一个网络学习阶段调用的前一轮样例供电系统运行数据序列中获取当前供电系统故障预测网络的网络学习操作的当前时间依赖样例数据序列包括：

4.根据权利要求3所述的基于人工智能的供电系统故障预警方法，其特征在于，基于依据数据点特征分布的特征抽取策略来从所述前一轮样例供电系统运行数据序列中抽取当前供电系统故障预测网络的网络学习操作的当前时间依赖样例数据序列包括：

5.根据权利要求4所述的基于人工智能的供电系统故障预警方法，其特征在于，确定所述前一轮样例供电系统运行数据序列中的各个样例供电系统运行数据的样例数据点分布参数包括：

6.根据权利要求4或5所述的基于人工智能的供电系统故障预警方法，其特征在于，所述前一轮样例供电系统运行数据序列中的各个样例供电系统运行数据的数据点分布评估值...

【专利技术属性】
技术研发人员：方瑶，李莉，
申请(专利权)人：海南泰之恒电力科技有限公司，
类型：发明
国别省市：