本發(fā)明涉及電力系統(tǒng)管理，具體是指一種基于機(jī)器學(xué)習(xí)的配電系統(tǒng)智能管理方法。

背景技術(shù)：

1、配電系統(tǒng)智能管理方法是指利用先進(jìn)的技術(shù)手段、算法和信息技術(shù)，對(duì)電力配電系統(tǒng)進(jìn)行實(shí)時(shí)監(jiān)測(cè)、分析和優(yōu)化管理的一系列方法和流程。其目的是提高配電系統(tǒng)的運(yùn)行效率、可靠性和安全性，同時(shí)降低維護(hù)成本和事故風(fēng)險(xiǎn)。但是一般配電系統(tǒng)智能管理方法存在對(duì)不同設(shè)備和狀態(tài)的泛化能力弱，進(jìn)而導(dǎo)致對(duì)配電系統(tǒng)設(shè)備狀態(tài)的預(yù)測(cè)準(zhǔn)確性低的問(wèn)題；一般配電系統(tǒng)智能管理方法存在對(duì)關(guān)鍵異常特征關(guān)注少，對(duì)配電系統(tǒng)重要異常點(diǎn)捕捉能力差，進(jìn)而導(dǎo)致異常監(jiān)測(cè)的準(zhǔn)確性差和監(jiān)測(cè)效率低的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述情況，為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種基于機(jī)器學(xué)習(xí)的配電系統(tǒng)智能管理方法，針對(duì)一般配電系統(tǒng)智能管理方法存在對(duì)不同設(shè)備和狀態(tài)的泛化能力弱，進(jìn)而導(dǎo)致對(duì)配電系統(tǒng)設(shè)備狀態(tài)的預(yù)測(cè)準(zhǔn)確性低的問(wèn)題，本方案引入特征優(yōu)化和偏差優(yōu)化層，增強(qiáng)對(duì)特征獨(dú)立性和相關(guān)性的捕捉，提高處理多樣化設(shè)備和不可預(yù)知的運(yùn)行環(huán)境的能力，進(jìn)而提高對(duì)配電系統(tǒng)設(shè)備狀態(tài)的預(yù)測(cè)準(zhǔn)確性，加強(qiáng)對(duì)配電系統(tǒng)的管理；針對(duì)一般配電系統(tǒng)智能管理方法存在對(duì)關(guān)鍵異常特征關(guān)注少，對(duì)配電系統(tǒng)重要異常點(diǎn)捕捉能力差，進(jìn)而導(dǎo)致異常監(jiān)測(cè)的準(zhǔn)確性差和監(jiān)測(cè)效率低的問(wèn)題，本方案通過(guò)考慮誤差、置信度權(quán)重和變化率，設(shè)計(jì)異常監(jiān)測(cè)損失函數(shù)，捕捉重要異常點(diǎn)，并更加注重關(guān)鍵異常特征，進(jìn)而提高異常監(jiān)測(cè)的準(zhǔn)確性；通過(guò)設(shè)計(jì)動(dòng)態(tài)學(xué)習(xí)率調(diào)整，應(yīng)對(duì)配電系統(tǒng)不平衡數(shù)據(jù)，進(jìn)行實(shí)現(xiàn)快速收斂，提高配電系統(tǒng)智能管理的效率，促進(jìn)配電系統(tǒng)的穩(wěn)定運(yùn)行與管理。

2、本發(fā)明采取的技術(shù)方案如下：本發(fā)明提供的一種基于機(jī)器學(xué)習(xí)的配電系統(tǒng)智能管理方法，該方法包括以下步驟：

3、步驟s1：數(shù)據(jù)采集；

4、步驟s2：數(shù)據(jù)預(yù)處理；

5、步驟s3：建立配電系統(tǒng)異常監(jiān)測(cè)模型；

6、步驟s4：配電系統(tǒng)智能管理。

7、進(jìn)一步地，在步驟s1中，所述數(shù)據(jù)采集是采集歷史配電系統(tǒng)管理數(shù)據(jù)；所述歷史配電系統(tǒng)管理數(shù)據(jù)包括電壓、電流、有功功率、無(wú)功功率、負(fù)載、運(yùn)行時(shí)間、電網(wǎng)頻率、氣象條件和設(shè)備狀態(tài)；所述設(shè)備狀態(tài)包括運(yùn)行正常、輕度異常、中度異常和嚴(yán)重異常；將設(shè)備狀態(tài)作為數(shù)據(jù)標(biāo)簽。

8、進(jìn)一步地，在步驟s2中，所述數(shù)據(jù)預(yù)處理是對(duì)采集的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)集劃分；所述數(shù)據(jù)清洗是處理缺失值、重復(fù)值和異常值；所述數(shù)據(jù)轉(zhuǎn)換是將數(shù)據(jù)轉(zhuǎn)換為向量形式，并進(jìn)行歸一化處理；所述數(shù)據(jù)集劃分是將處理后的數(shù)據(jù)劃分為測(cè)試集和訓(xùn)練集。

9、進(jìn)一步地，在步驟s3中，所述建立配電系統(tǒng)異常監(jiān)測(cè)模型具體包括以下步驟：

10、步驟s31：數(shù)據(jù)堆疊；通過(guò)堆疊的方法將輸入分成窗口，每個(gè)窗口包含k個(gè)時(shí)間步的數(shù)據(jù)，生成新的輸入；

11、步驟s32：模型架構(gòu)設(shè)計(jì)；所建立的配電系統(tǒng)異常監(jiān)測(cè)模型包括：因果卷積層，用于提取局部特征，并確保時(shí)間序列的因果關(guān)系；雙向lstm層，使用雙向lstm層來(lái)捕捉時(shí)間序列數(shù)據(jù)中雙向的長(zhǎng)依賴(lài)性特征，處理配電系統(tǒng)中跨多個(gè)時(shí)間步的異常監(jiān)測(cè)任務(wù)；最終，兩個(gè)層的輸出在全連接層中被合并，輸出配電系統(tǒng)的設(shè)備狀態(tài)；表示為：；其中，youtput是模型的最終輸出，用于預(yù)測(cè)配電系統(tǒng)的設(shè)備狀態(tài)；fc是全連接層，產(chǎn)生最終的預(yù)測(cè)結(jié)果；concat是連接操作；ycnn是因果卷積層的輸出；ylstm是雙向lstm層的輸出；

12、步驟s33：特征優(yōu)化；在網(wǎng)絡(luò)結(jié)構(gòu)的每一層中引入偏差優(yōu)化層，增強(qiáng)對(duì)特征獨(dú)立性和相關(guān)性的捕捉，偏差優(yōu)化層表示為：；；其中，是第k層的輸出特征；μk是輸入特征的均值；是輸入特征的方差；αk是尺度調(diào)整參數(shù)；xk是輸入特征；βk是偏移調(diào)整參數(shù)；γk是自適應(yīng)調(diào)節(jié)因子；是逐元素乘積操作；

13、步驟s34：設(shè)計(jì)異常監(jiān)測(cè)損失函數(shù)；定義運(yùn)行異常包括；為捕捉包括電壓突變和電流過(guò)載的異常點(diǎn)，設(shè)計(jì)了異常監(jiān)測(cè)損失函數(shù)，表示為：；；其中，dl是異常監(jiān)測(cè)損失函數(shù)；α1和α2都是權(quán)重參數(shù)，控制損失項(xiàng)的影響；n是時(shí)間步總數(shù)，t是當(dāng)前時(shí)間步；是置信度權(quán)重；是真實(shí)標(biāo)簽；是預(yù)測(cè)標(biāo)簽；是變化率置信度權(quán)重；是真實(shí)標(biāo)簽變化率；是預(yù)測(cè)標(biāo)簽變化率；是時(shí)間加權(quán)因子；β是調(diào)節(jié)參數(shù)；是時(shí)間步t檢測(cè)到的異常數(shù)量；是時(shí)間步t的總數(shù)據(jù)數(shù)量；

14、步驟s35：學(xué)習(xí)率調(diào)整；偏差優(yōu)化層的學(xué)習(xí)率表示為：；；其中，和?分別是更新前和更新后的尺度調(diào)整參數(shù)；??是損失函數(shù)的梯度，是第k層的偏差優(yōu)化層的學(xué)習(xí)率；是初始學(xué)習(xí)率；是t時(shí)間步的梯度，是變化量；

15、步驟s36：模型判定；模型選用基于訓(xùn)練集訓(xùn)練配電系統(tǒng)異常監(jiān)測(cè)模型，當(dāng)模型對(duì)損失收斂時(shí)，配電系統(tǒng)異常監(jiān)測(cè)模型訓(xùn)練完成；預(yù)先設(shè)定預(yù)測(cè)界限，當(dāng)訓(xùn)練完成的配電系統(tǒng)異常監(jiān)測(cè)模型對(duì)測(cè)試集的預(yù)測(cè)正確率高于預(yù)測(cè)界限，配電系統(tǒng)異常監(jiān)測(cè)模型建立完成；若達(dá)到最大訓(xùn)練次數(shù)或訓(xùn)練完成的配電系統(tǒng)異常監(jiān)測(cè)模型對(duì)測(cè)試集的預(yù)測(cè)量不高于預(yù)測(cè)界限，則基于粒子群搜索算法優(yōu)化模型初始參數(shù)，并重新劃分?jǐn)?shù)據(jù)集訓(xùn)練配電系統(tǒng)異常監(jiān)測(cè)模型。

16、進(jìn)一步地，在步驟s4中，所述配電系統(tǒng)智能管理是基于建立完成的配電系統(tǒng)異常監(jiān)測(cè)模型，實(shí)時(shí)采集電壓、電流、有功功率、無(wú)功功率、負(fù)載和運(yùn)行時(shí)間，經(jīng)預(yù)處理后輸入至配電系統(tǒng)異常監(jiān)測(cè)模型中，當(dāng)模型輸出設(shè)備狀態(tài)屬于運(yùn)行異常時(shí)，給予預(yù)警處理，并通知管理人員。

17、采用上述方案本發(fā)明取得的有益效果如下：

18、（1）針對(duì)一般配電系統(tǒng)智能管理方法存在對(duì)不同設(shè)備和狀態(tài)的泛化能力弱，進(jìn)而導(dǎo)致對(duì)配電系統(tǒng)設(shè)備狀態(tài)的預(yù)測(cè)準(zhǔn)確性低的問(wèn)題，本方案引入特征優(yōu)化和偏差優(yōu)化層，增強(qiáng)對(duì)特征獨(dú)立性和相關(guān)性的捕捉，提高處理多樣化設(shè)備和不可預(yù)知的運(yùn)行環(huán)境的能力，進(jìn)而提高對(duì)配電系統(tǒng)設(shè)備狀態(tài)的預(yù)測(cè)準(zhǔn)確性，加強(qiáng)對(duì)配電系統(tǒng)的管理。

19、（2）針對(duì)一般配電系統(tǒng)智能管理方法存在對(duì)關(guān)鍵異常特征關(guān)注少，對(duì)配電系統(tǒng)重要異常點(diǎn)捕捉能力差，進(jìn)而導(dǎo)致異常監(jiān)測(cè)的準(zhǔn)確性差和監(jiān)測(cè)效率低的問(wèn)題，本方案通過(guò)考慮誤差、置信度權(quán)重和變化率，設(shè)計(jì)異常監(jiān)測(cè)損失函數(shù)，捕捉重要異常點(diǎn)，并更加注重關(guān)鍵異常特征，進(jìn)而提高異常監(jiān)測(cè)的準(zhǔn)確性；通過(guò)設(shè)計(jì)動(dòng)態(tài)學(xué)習(xí)率調(diào)整，應(yīng)對(duì)配電系統(tǒng)不平衡數(shù)據(jù)，進(jìn)行實(shí)現(xiàn)快速收斂，提高配電系統(tǒng)智能管理的效率，促進(jìn)配電系統(tǒng)的穩(wěn)定運(yùn)行與管理。

技術(shù)特征：

1.一種基于機(jī)器學(xué)習(xí)的配電系統(tǒng)智能管理方法，其特征在于：該方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)的配電系統(tǒng)智能管理方法，其特征在于：在步驟s3中，所述建立配電系統(tǒng)異常監(jiān)測(cè)模型還包括以下步驟：

3.根據(jù)權(quán)利要求2所述的一種基于機(jī)器學(xué)習(xí)的配電系統(tǒng)智能管理方法，其特征在于：在步驟s35中，所述學(xué)習(xí)率調(diào)整具體為偏差優(yōu)化層的學(xué)習(xí)率表示為：；；其中，和?分別是更新前和更新后的尺度調(diào)整參數(shù)；??是損失函數(shù)的梯度；是第k層的偏差優(yōu)化層的學(xué)習(xí)率；是初始學(xué)習(xí)率；是t時(shí)間步的梯度，是變化量。

4.根據(jù)權(quán)利要求3所述的一種基于機(jī)器學(xué)習(xí)的配電系統(tǒng)智能管理方法，其特征在于：在步驟s1中，所述歷史配電系統(tǒng)管理數(shù)據(jù)包括電壓、電流、有功功率、無(wú)功功率、負(fù)載、運(yùn)行時(shí)間、電網(wǎng)頻率、氣象條件和設(shè)備狀態(tài)；所述設(shè)備狀態(tài)包括運(yùn)行正常、輕度異常、中度異常和嚴(yán)重異常；將設(shè)備狀態(tài)作為數(shù)據(jù)標(biāo)簽。

5.根據(jù)權(quán)利要求4所述的一種基于機(jī)器學(xué)習(xí)的配電系統(tǒng)智能管理方法，其特征在于：在步驟s4中，所述配電系統(tǒng)智能管理是基于建立完成的配電系統(tǒng)異常監(jiān)測(cè)模型，實(shí)時(shí)采集電壓、電流、有功功率、無(wú)功功率、負(fù)載和運(yùn)行時(shí)間，經(jīng)預(yù)處理后輸入至配電系統(tǒng)異常監(jiān)測(cè)模型中，當(dāng)模型輸出設(shè)備狀態(tài)屬于運(yùn)行異常時(shí)，給予預(yù)警處理，并通知管理人員。

6.根據(jù)權(quán)利要求5所述的一種基于機(jī)器學(xué)習(xí)的配電系統(tǒng)智能管理方法，其特征在于：在步驟s2中，所述數(shù)據(jù)預(yù)處理是對(duì)采集的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)集劃分；所述數(shù)據(jù)清洗是處理缺失值、重復(fù)值和異常值；所述數(shù)據(jù)轉(zhuǎn)換是將數(shù)據(jù)轉(zhuǎn)換為向量形式，并進(jìn)行歸一化處理；所述數(shù)據(jù)集劃分是將處理后的數(shù)據(jù)劃分為測(cè)試集和訓(xùn)練集。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于機(jī)器學(xué)習(xí)的配電系統(tǒng)智能管理方法，方法包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、建立配電系統(tǒng)異常監(jiān)測(cè)模型和配電系統(tǒng)智能管理。本發(fā)明屬于電力系統(tǒng)管理技術(shù)領(lǐng)域，具體是指一種基于機(jī)器學(xué)習(xí)的配電系統(tǒng)智能管理方法，本方案引入特征優(yōu)化和偏差優(yōu)化層，增強(qiáng)對(duì)特征獨(dú)立性和相關(guān)性的捕捉，提高處理多樣化設(shè)備的能力，進(jìn)而提高對(duì)配電系統(tǒng)設(shè)備狀態(tài)的預(yù)測(cè)準(zhǔn)確性，加強(qiáng)對(duì)配電系統(tǒng)的管理；設(shè)計(jì)異常監(jiān)測(cè)損失函數(shù)，捕捉重要異常點(diǎn)，并更加注重關(guān)鍵異常特征，進(jìn)而提高異常監(jiān)測(cè)的準(zhǔn)確性；通過(guò)設(shè)計(jì)動(dòng)態(tài)學(xué)習(xí)率調(diào)整，應(yīng)對(duì)配電系統(tǒng)不平衡數(shù)據(jù)，進(jìn)行實(shí)現(xiàn)快速收斂，提高配電系統(tǒng)智能管理的效率，促進(jìn)配電系統(tǒng)的穩(wěn)定運(yùn)行與管理。

技術(shù)研發(fā)人員：羅偉,羅智勇
受保護(hù)的技術(shù)使用者：北京普瑞斯瑪電氣技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10