本發(fā)明涉及一種一種面向低碳園區(qū)的配電設(shè)施狀態(tài)評(píng)估方法。

背景技術(shù)：

1、低碳園區(qū)建設(shè)已成為當(dāng)前能源領(lǐng)域的熱點(diǎn)話題。低碳園區(qū)以其綠色、環(huán)保、節(jié)能的特點(diǎn)，成為推動(dòng)城市可持續(xù)發(fā)展的重要引擎。配電設(shè)施作為低碳園區(qū)能源系統(tǒng)的核心組成部分，其安全、高效運(yùn)行狀態(tài)對(duì)園區(qū)整體能源消耗和環(huán)境影響具有至關(guān)重要的作用。

2、智能電網(wǎng)和配電設(shè)施數(shù)字化的發(fā)展，配電設(shè)施的自動(dòng)化水平和管理要求不斷提高，這給設(shè)備的維護(hù)管理工作帶來了巨大的挑戰(zhàn)。目前，傳統(tǒng)的配電設(shè)施狀態(tài)評(píng)估方法在整體上制定相關(guān)指標(biāo)，缺乏針對(duì)區(qū)域和個(gè)別設(shè)備的靈活分析方法。同時(shí)在融合不同設(shè)備間運(yùn)行狀態(tài)信息以及環(huán)境信息等多源異構(gòu)信息方面，存在信息孤島問題，導(dǎo)致不同設(shè)備之間的信息無(wú)法有效共享和整合，對(duì)配電設(shè)施運(yùn)行狀態(tài)的評(píng)估準(zhǔn)確率不高。

3、cn116050890a中公開了一種低碳園區(qū)漸進(jìn)式規(guī)劃的綜合評(píng)估體系構(gòu)建方法，包括：設(shè)計(jì)低碳園區(qū)漸進(jìn)式規(guī)劃的綜合評(píng)估體系主體架構(gòu)，即目標(biāo)層、屬性層、方案層三層架構(gòu)，確定總目標(biāo)為低碳園區(qū)建設(shè)水平。本發(fā)明對(duì)零碳園區(qū)漸進(jìn)式規(guī)劃的綜合評(píng)估體系的構(gòu)建，在零碳園區(qū)漸進(jìn)規(guī)劃的發(fā)展戰(zhàn)略角度，涵蓋了以下因素：緊密度，緊密結(jié)合零碳園區(qū)建設(shè)所需具備的幾大特征；全面性，盡可能涵蓋零碳園區(qū)建設(shè)所涉及的各個(gè)方面；可獲取性，盡可能使得所設(shè)計(jì)指標(biāo)下的數(shù)據(jù)是可獲取的，便于進(jìn)行量化分析；前瞻性，零碳園區(qū)建設(shè)處于摸索期，建設(shè)模式，建設(shè)內(nèi)容都無(wú)統(tǒng)一標(biāo)準(zhǔn)，因此指標(biāo)設(shè)計(jì)盡可能考慮未來可能發(fā)展的情況。該方法存在以下不足：指標(biāo)體系更側(cè)重于園區(qū)整體的供電水平、電能結(jié)構(gòu)和用電水平，缺少對(duì)單個(gè)配電設(shè)施運(yùn)行狀態(tài)的詳細(xì)評(píng)估，未考慮環(huán)境因素的復(fù)雜變化。同時(shí)指標(biāo)體系的權(quán)重分配方法不明確，缺少定量分析方法。cn109685340a公開提供了一種配電設(shè)備健康狀態(tài)評(píng)估方法及系統(tǒng)。包括：采用多級(jí)模糊綜合評(píng)判法建立配電設(shè)備狀態(tài)評(píng)判模型；運(yùn)用層次分析法分析配電設(shè)備狀態(tài)評(píng)判模型中配電設(shè)備各部位缺陷嚴(yán)重度，建立配電設(shè)備各部位評(píng)價(jià)矩陣，確定出各個(gè)評(píng)價(jià)指標(biāo)的權(quán)重；利用模糊評(píng)價(jià)法以及各個(gè)評(píng)價(jià)指標(biāo)的權(quán)重對(duì)配電設(shè)備各部位評(píng)價(jià)矩陣分析，通過加權(quán)隸屬度原則得到配電設(shè)備綜合初始得分；構(gòu)建配電設(shè)備狀態(tài)評(píng)估模型的辨識(shí)框架，確定出缺陷嚴(yán)重度的權(quán)重；對(duì)配電設(shè)備綜合初始得分和缺陷嚴(yán)重度的權(quán)重進(jìn)行加權(quán)計(jì)算，得出配電設(shè)備健康狀態(tài)評(píng)估的綜合得分值。該方法存在以下不足：評(píng)估方法單一，未能充分利用多種數(shù)據(jù)分析技術(shù)；層次分析法用于權(quán)重設(shè)定存在主觀性較強(qiáng)依賴專家經(jīng)驗(yàn)的問題；模糊綜合評(píng)判法依賴于隸屬度函數(shù)的選擇和權(quán)重分配，需要人工設(shè)定，未能準(zhǔn)確地反映配電設(shè)備的實(shí)際狀態(tài)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提出了一種面向低碳園區(qū)的配電設(shè)施狀態(tài)評(píng)估方法，通過收集低碳園區(qū)內(nèi)各種設(shè)施運(yùn)行狀態(tài)數(shù)據(jù)，利用ahp-熵權(quán)法進(jìn)行配電設(shè)施指標(biāo)體系建構(gòu)，bitcn-se對(duì)配電設(shè)施運(yùn)行狀態(tài)評(píng)估，為指標(biāo)體系建構(gòu)與運(yùn)行狀態(tài)準(zhǔn)確評(píng)估提供強(qiáng)有力的數(shù)據(jù)支撐，為配電設(shè)施運(yùn)行狀態(tài)評(píng)估和優(yōu)化提供可靠的決策支持，確保配電設(shè)施的安全穩(wěn)定運(yùn)行。

2、本發(fā)明的技術(shù)解決方案是：

3、一種面向低碳園區(qū)的配電設(shè)施運(yùn)行狀態(tài)評(píng)估方法，包括以下步驟：

4、低碳園區(qū)內(nèi)的配電設(shè)施運(yùn)行狀態(tài)數(shù)據(jù)預(yù)處理，所述低碳園區(qū)內(nèi)的配電設(shè)施包括配電變壓器、逆變器、電纜線路、空調(diào)機(jī)組和軸流風(fēng)機(jī)；

5、基于ahp-熵權(quán)法的配電設(shè)施指標(biāo)體系建構(gòu)；

6、基于bitcn-se的配電設(shè)施運(yùn)行狀態(tài)評(píng)估。

7、進(jìn)一步，低碳園區(qū)內(nèi)的配電設(shè)施運(yùn)行狀態(tài)數(shù)據(jù)預(yù)處理包括以下步驟：

8、s1.1利用配電設(shè)施內(nèi)傳感器收集的運(yùn)行狀態(tài)數(shù)據(jù)，包括報(bào)警信息、設(shè)備狀態(tài)數(shù)據(jù)、故障事件和環(huán)境信息；

9、s1.2異常值處理，異常值包括由極端天氣事件和設(shè)施傳感器故障或損壞造成的離散型異常值，由通信故障和信號(hào)傳輸錯(cuò)誤造成的缺失性異常值，利用移動(dòng)平均法移動(dòng)平均線來平滑時(shí)間序列數(shù)據(jù)；

10、s1.3不平衡數(shù)據(jù)集處理，利用smote方法對(duì)于數(shù)據(jù)集中的每個(gè)少數(shù)類樣本，計(jì)算k個(gè)最近鄰樣本的差值，在隨機(jī)選擇其中一個(gè)最近鄰樣本根據(jù)公式生成新樣本，生成新樣本計(jì)算公式如(1)所示：

11、l′＝li+(lj-li)×β??(1)

12、其中，l′為新樣本，li為選中的少數(shù)量樣本，i＝1，2，3，...，n，β為[0，1]之間隨機(jī)數(shù)，lj為鄰近點(diǎn)樣本；

13、s1.4特征數(shù)據(jù)歸一化，結(jié)合設(shè)備的靜態(tài)基礎(chǔ)數(shù)據(jù)，采用min-max范化方法對(duì)原始數(shù)據(jù)進(jìn)行線性變換，將其映射為0和1之間的評(píng)分值，以測(cè)度對(duì)應(yīng)特征指標(biāo)的劣化狀態(tài)，計(jì)算公式如(2)所示：

14、

15、其中，xnew為經(jīng)過歸一化的數(shù)據(jù)，xmax為特征數(shù)據(jù)的最大值，xmin為特征數(shù)據(jù)的最小值；

16、s1.5經(jīng)過s1.4歸一化完成數(shù)據(jù)集預(yù)處理，參考配網(wǎng)設(shè)備狀態(tài)評(píng)價(jià)導(dǎo)則將配電設(shè)施的運(yùn)行狀態(tài)劃分為“正?！?、“可疑”、“異?！薄ⅰ拔ｋU(xiǎn)”4種情況，使得能夠準(zhǔn)確判斷設(shè)備的狀態(tài)；

17、進(jìn)一步，基于ahp-熵權(quán)法的配電設(shè)施指標(biāo)體系建構(gòu)過程，包括：

18、s2.1根據(jù)所述低碳園區(qū)內(nèi)的配電設(shè)施，結(jié)合配電網(wǎng)整體運(yùn)行狀態(tài)主要受配電變壓器、逆變器、電纜線路、空調(diào)機(jī)組、軸流風(fēng)機(jī)和運(yùn)行環(huán)境6類指標(biāo)影響，構(gòu)建包括1個(gè)目標(biāo)層、6類準(zhǔn)則層、20項(xiàng)指標(biāo)的低碳園區(qū)配電設(shè)施運(yùn)行狀態(tài)評(píng)價(jià)指標(biāo)體系；

19、s2.2配電變壓器指標(biāo)為負(fù)載率、功率因數(shù)、油面溫度、繞組溫度、分相有功、三相電流；逆變器指標(biāo)為日發(fā)電量、額定功率；電纜線路指標(biāo)為線路負(fù)荷、頻率、零序電壓；空調(diào)機(jī)組指標(biāo)為制冷性能系數(shù)、制熱性能系數(shù)，軸流風(fēng)機(jī)指標(biāo)為風(fēng)量、風(fēng)壓、風(fēng)機(jī)功率，環(huán)境指標(biāo)為空氣溫度、濕度、輻照值和氣壓；設(shè)定配電設(shè)施運(yùn)行狀態(tài)具體評(píng)價(jià)因子，共20個(gè)屬性，如公式(3)所示：

20、factor＝{f1，f2，f3，f4，...，f20}??(3)

21、s2.3利用ahp與熵權(quán)法，構(gòu)建包括主觀權(quán)重、客觀權(quán)重和綜合權(quán)重的系統(tǒng)權(quán)重體系；構(gòu)造兩兩判斷矩陣，采用1～9及其倒數(shù)的標(biāo)度方法，收集不同領(lǐng)域m位專家對(duì)n個(gè)配電設(shè)施運(yùn)行狀態(tài)指標(biāo)間重要程度的評(píng)分情況，即得到判斷矩陣smn計(jì)算公式如(4)所示：

22、

23、其中，sij表示i因素相對(duì)比于j因素所得評(píng)分結(jié)果均值；

24、s2.4利用熵權(quán)法對(duì)配電設(shè)施運(yùn)行狀態(tài)進(jìn)一步客觀評(píng)價(jià)，設(shè)指標(biāo)個(gè)數(shù)為m、評(píng)價(jià)對(duì)象個(gè)數(shù)為n，構(gòu)造原始數(shù)據(jù)矩陣b＝(bij)m×n，計(jì)算配電設(shè)施運(yùn)行狀態(tài)各指標(biāo)信息熵ni，計(jì)算公式如(5)-(6)所示：

25、

26、其中，{i＝1，2，3，...，m，j＝1，2，3，...，n}，ni為第i個(gè)指標(biāo)的熵，d＝(lnn)-1，n為評(píng)價(jià)對(duì)象數(shù)量，hij指標(biāo)i在對(duì)象j上的比重；

27、進(jìn)一步，基于bitcn-se的配電設(shè)施運(yùn)行狀態(tài)評(píng)估過程，包括：

28、s3.1bitcn-se網(wǎng)絡(luò)結(jié)構(gòu)包括雙向時(shí)序卷積網(wǎng)絡(luò)和通道注意力機(jī)制，雙向時(shí)序卷積網(wǎng)絡(luò)通過雙向因果卷積和擴(kuò)展卷積捕捉時(shí)序數(shù)據(jù)中的長(zhǎng)短期依賴關(guān)系，并利用殘差連接提高訓(xùn)練穩(wěn)定性，通道注意力機(jī)制則通過全局平均池化和動(dòng)態(tài)通道加權(quán)提升特征表示能力；

29、s3.2bitcn由雙向殘差模塊組成，殘差模塊包括因果卷積、膨脹卷積、殘差連接、線性整流函數(shù)relu和dropout層；

30、s3.3se注意力機(jī)制包括部分壓縮和激勵(lì)，壓縮步驟為空間維度全局池化層，激勵(lì)步驟為全連接層，最后為relu激活函數(shù)和sigmoid函數(shù)；

31、s3.4se注意力機(jī)制完成壓縮和激勵(lì)操作，將激勵(lì)操作得到的調(diào)制權(quán)重s應(yīng)用到原始特征x上，特征重校準(zhǔn)步驟計(jì)算公式如(7)所示：

32、

33、其中，為重校準(zhǔn)后的時(shí)間序列特征表示，其維度與原始特征x相同，sc是對(duì)應(yīng)通道c的調(diào)制權(quán)重，fc表示特定通道c的所有特征值的集合；

34、s3.5通過se注意力機(jī)制與bitcn融合，經(jīng)過se特征重校準(zhǔn)的向量輸入到softmax分類器中，完成配電設(shè)施運(yùn)行狀態(tài)評(píng)估；

35、進(jìn)一步，構(gòu)造兩兩判斷矩陣后計(jì)算兩兩判斷矩陣的歸一化向量t，歸一化向量t在第i行第j列向量表示為tij，計(jì)算公式如(8)所示：

36、

37、其中，表示兩兩判斷矩陣元素sij所在列的所有元素之和，進(jìn)一步得到歸一化向量t計(jì)算公式如(9)所示：

38、

39、計(jì)算配電設(shè)施指標(biāo)主觀權(quán)重向量ri，計(jì)算公式如(10)所示：

40、

41、其中，表示歸一化向量矩陣元素tij所在列的和；

42、進(jìn)一步，計(jì)算配電設(shè)施運(yùn)行狀態(tài)各指標(biāo)信息熵ni后，計(jì)算配電設(shè)施運(yùn)行狀態(tài)各指標(biāo)權(quán)重pi，計(jì)算公式如(12)所示：

43、

44、其中，pi為第i個(gè)指標(biāo)的熵權(quán)，ni為第i個(gè)運(yùn)行狀態(tài)指標(biāo)的熵，m為配電設(shè)施指標(biāo)個(gè)數(shù)，{i＝1，2，3，...，m}；

45、進(jìn)一步，計(jì)算配電設(shè)施運(yùn)行狀態(tài)各指標(biāo)權(quán)重pi后，進(jìn)行組合權(quán)重求取，將ahp方法計(jì)算的狀態(tài)評(píng)價(jià)體系的主觀權(quán)重ri，以及熵權(quán)法得到的客觀權(quán)重pi結(jié)合，采用ahp-熵權(quán)法確定評(píng)價(jià)指標(biāo)的綜合權(quán)重為wi，wi為第i項(xiàng)指標(biāo)組合權(quán)重，組合權(quán)重計(jì)算公式如(13)-(15)所示：

46、ri＝{v1，v2，v3，…，vi}??(13)

47、pi＝{p1，p2，p3，...，pi}??(14)

48、

49、進(jìn)一步，s3.2中在每個(gè)殘差塊中，通過雙向因果膨脹卷積進(jìn)行卷積操作，加入relu作為非線性激活函數(shù)，減少模型的參數(shù)量達(dá)到稀疏激活作用，再利用dropout有效解決模型過擬合問題；因果卷積計(jì)算公式如(16)所示，膨脹卷積計(jì)算公式如(17)所示；

50、

51、其中，c(x)表示函數(shù)的概率密度函數(shù)，t表示延遲的時(shí)間，xt表示t時(shí)刻x值；g(j)為輸出序列，j為序列中第j個(gè)元素，m(l)為長(zhǎng)度為1的過濾器，l為過濾器大小，h為膨脹系數(shù)；

52、進(jìn)一步，計(jì)算重校準(zhǔn)后的時(shí)間序列特征后，將bitcn輸出的多維度數(shù)值向量作為se注意力機(jī)制的輸入x∈rh′×w′×c′，x映射到特征映射f∈rh×w×c，h，w，c分別表示輸入的時(shí)間序列長(zhǎng)度、維度和通道數(shù)，使用v＝[v1，v2，...，vc，]表示學(xué)習(xí)到的濾波器核集合，其中vc表示第c個(gè)濾波器參數(shù)，輸出為f＝[f1，f2，...，fc]，*表示卷積操作，是一個(gè)二維空間核，壓縮和激勵(lì)步驟計(jì)算公式如(18)、(19)所示：

53、

54、s＝eexc(z，w)＝σ(w2δ(w1z))??(19)

55、其中，zc∈rc通過空間維度h×w壓縮f生成包含所有通道的全局統(tǒng)計(jì)信息，egp(fc)為通道c的全局統(tǒng)計(jì)量，fc(i，j)為通道c上第i個(gè)高度和第j個(gè)寬度；s為權(quán)重向量包含每個(gè)通道的調(diào)制權(quán)重，eexc(z，w)為激勵(lì)操作函數(shù)，δ為relu函數(shù)，σ為sigmoid激活函數(shù)，w表示激勵(lì)操作中全連接層的權(quán)重矩陣，由兩個(gè)權(quán)重矩陣w1和w2組成，w1將通道描述符z映射到一個(gè)較低維度的空間，w2將其映射回原始的通道數(shù)。

56、本發(fā)明的有益效果是：

57、1.配電設(shè)施運(yùn)行狀態(tài)數(shù)據(jù)特征分析和預(yù)處理，獲取配電設(shè)施運(yùn)行狀態(tài)數(shù)據(jù)，利用移動(dòng)平均線和smote方法，提高少數(shù)類樣本的數(shù)量，形成完整配電設(shè)施運(yùn)行狀態(tài)數(shù)據(jù)集，按照常規(guī)配電設(shè)施運(yùn)行狀態(tài)劃分主要故障類型及其對(duì)應(yīng)的危害性分級(jí)，為指標(biāo)體系建構(gòu)與運(yùn)行狀態(tài)準(zhǔn)確評(píng)估提供強(qiáng)有力的數(shù)據(jù)支撐。

58、2.基于ahp-熵權(quán)法的配電設(shè)施指標(biāo)體系建構(gòu)，確定配電設(shè)施運(yùn)行狀態(tài)評(píng)價(jià)目標(biāo)和層次結(jié)構(gòu)，通過ahp-熵權(quán)法計(jì)算組合權(quán)重，完成計(jì)算指標(biāo)數(shù)據(jù)以及賦予指標(biāo)組合權(quán)重，進(jìn)一步提高權(quán)重計(jì)算的客觀性和準(zhǔn)確性；將得到的權(quán)重與原始指標(biāo)數(shù)據(jù)相乘，能夠全面反映專家經(jīng)驗(yàn)及業(yè)務(wù)知識(shí)對(duì)配電設(shè)施各項(xiàng)指標(biāo)重要性的認(rèn)識(shí)，建立起一個(gè)完整、準(zhǔn)確的指標(biāo)體系，為配電設(shè)施運(yùn)行狀態(tài)評(píng)估和優(yōu)化提供可靠的決策支持。

59、3.基于bitcn-se的配電設(shè)施運(yùn)行狀態(tài)評(píng)估方法，使用雙向時(shí)空卷積網(wǎng)絡(luò)構(gòu)建適用于該配電設(shè)施運(yùn)行狀態(tài)時(shí)間序列數(shù)據(jù)集的深度學(xué)習(xí)模型，通過bitcn網(wǎng)絡(luò)考慮時(shí)間序列數(shù)據(jù)的過去和未來信息，優(yōu)化配電設(shè)施的運(yùn)行狀態(tài)，使得模型更易理解配電設(shè)施的歷史運(yùn)行情況和預(yù)測(cè)未來狀態(tài)，有效地融合來自不同時(shí)間點(diǎn)的特征，提供更全面的狀態(tài)評(píng)估；進(jìn)一步融合se注意力機(jī)制用于重新調(diào)整每個(gè)通道的重要性權(quán)重，聚焦于設(shè)備狀態(tài)關(guān)鍵指標(biāo)的特征信息，提高了配電設(shè)施運(yùn)行狀態(tài)評(píng)估準(zhǔn)確率，可及時(shí)發(fā)現(xiàn)設(shè)備的潛在故障和效率低下的問題，減少能源浪費(fèi)，確保配電設(shè)施的安全穩(wěn)定運(yùn)行，有助于園區(qū)的低碳發(fā)展。