一种智能化电力故障自诊断与修复方法及系统技术方案

本发明专利技术公开了一种智能化电力故障自诊断与修复方法及系统，涉及电力系统智能故障诊断技术领域，包括通过采集电压、电流、频率等运行数据并进行预处理，利用多层自组织映射神经网络实现分层故障识别；结合爬山算法优化修复动作，强化学习选择最优路径；系统采用并行架构，根据诊断置信度动态调度修复优先级；引入聚类算法检测异常并触发SOM在线更新，最终通过动作序列完成故障闭环修复。本发明专利技术提供的智能化电力故障自诊断与修复方法采用Q‑learning模型对故障修复路径进行长期回报建模，实现了系统在运行中对修复动作序列进行动态优化与策略更新，适应复杂状态转移场景。

【技术实现步骤摘要】

本专利技术涉及电力系统智能故障诊断，具体为一种智能化电力故障自诊断与修复方法及系统。

技术介绍

1、随着智能电网与自动化配电系统的发展，电力系统运行监控从传统的人工巡检逐步过渡至以传感器、远程终端、在线监测系统为核心的数字化故障诊断机制。在此过程中，自组织映射神经网络(som)、聚类算法、强化学习等人工智能方法被逐步引入电力领域，用于实现故障识别、告警预测与策略调度等任务。现有研究表明，基于大数据与智能学习机制的电网自诊断方法在应对简单单点故障时具有一定适应性，但对于复杂多维、多阶段的系统性异常识别与响应仍存在显著挑战。因此，电力系统智能化故障处理已成为当前智能配电网研究与工程实施的核心技术方向之一。

2、尽管当前部分研究和产品已将som网络或强化学习方法初步引入电力故障分析，但这些技术在实际系统中仍存在较大局限性。首先，现有方法通常依赖单层som模型，其对多粒度、多级别故障特征的分层建模能力有限，难以有效区分局部设备异常与系统级波动之间的差异，导致识别精度不足。其次，在故障修复路径生成方面，传统的基于规则或静态优化算法未能充分利用系统状态动态本文档来自技高网...

【技术保护点】

1.一种智能化电力故障自诊断与修复方法，其特征在于，包括：

2.如权利要求1所述的智能化电力故障自诊断与修复方法，其特征在于：所述对实时运行数据进行去噪与归一化的预处理包括应用滑动窗口滤波器进行去噪处理，滤波器为带通滤波器；

3.如权利要求2所述的智能化电力故障自诊断与修复方法，其特征在于：所述自组织映射神经网络包括三层结构，分别为底层SOM网络、中层SOM网络与顶层SOM网络，且每一层神经网络的训练采用带有正则化约束的误差函数；

4.如权利要求3所述的智能化电力故障自诊断与修复方法，其特征在于：所述爬山算法用于对修复动作集合进行评分优化，评分函数由三...

【技术特征摘要】

1.一种智能化电力故障自诊断与修复方法，其特征在于，包括：

2.如权利要求1所述的智能化电力故障自诊断与修复方法，其特征在于：所述对实时运行数据进行去噪与归一化的预处理包括应用滑动窗口滤波器进行去噪处理，滤波器为带通滤波器；

3.如权利要求2所述的智能化电力故障自诊断与修复方法，其特征在于：所述自组织映射神经网络包括三层结构，分别为底层som网络、中层som网络与顶层som网络，且每一层神经网络的训练采用带有正则化约束的误差函数；

4.如权利要求3所述的智能化电力故障自诊断与修复方法，其特征在于：所述爬山算法用于对修复动作集合进行评分优化，评分函数由三项构成，包括：

5.如权利要求4所述的智能化电力故障自诊断与修复方法，其特征在于：所述依据状态-动作价值函数选出最优修复动作包括强化学习模型基于q-learning方法进行修复路径选择，将评分优化后的动作作为候选动作集合，依次输入q-learning策略更新模块，对当前状态下每一动作进行价值更新；

6.如权利要求5所述的智能化电...

【专利技术属性】
技术研发人员：李斯琦，吴方权，李雄，汤成佳，刘亦驰，纪元，白雪，胡骏涵，熊纬绮，于大勇，周玲，舒彧，钱俊凤，马艳洁，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：