【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及電力故障預(yù)警，尤其涉及一種基于ai大模型的電力故障預(yù)警方法及系統(tǒng)。
技術(shù)介紹
1、隨著計(jì)算機(jī)硬件的不斷進(jìn)步，特別是圖形處理器(graphics?processing?unit，gpu)的廣泛應(yīng)用，計(jì)算能力大幅提升，使得能夠處理大規(guī)模模型的訓(xùn)練和推理成為可能。其次，隨著數(shù)據(jù)的不斷積累和算法的不斷改進(jìn)，研究人員發(fā)現(xiàn)使用更大的模型可以獲得更好的性能和效果，從而推動(dòng)了大模型的發(fā)展。人工智能(artificial?intelligence，ai)大模型是具有巨大參數(shù)規(guī)模的模型。這些模型通過機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的技術(shù)來學(xué)習(xí)和理解龐大的數(shù)據(jù)量。ai大模型的發(fā)展推動(dòng)了人工智能領(lǐng)域的快速發(fā)展，并在各個(gè)領(lǐng)域中展現(xiàn)出驚人的應(yīng)用潛力。
2、現(xiàn)有的電力故障預(yù)警系統(tǒng)是一種用于監(jiān)測、檢測和預(yù)警電力系統(tǒng)故障的系統(tǒng)。它通過利用傳感器、監(jiān)控設(shè)備、數(shù)據(jù)采集、處理系統(tǒng)和預(yù)警機(jī)制來實(shí)現(xiàn)對(duì)電力系統(tǒng)狀態(tài)的實(shí)時(shí)監(jiān)測和分析，從而及時(shí)發(fā)現(xiàn)可能導(dǎo)致故障的異常情況，并提前預(yù)警，以便采取相應(yīng)的措施來避免或減輕可能的故障影響。
3、例如公開號(hào)為：cn117214626a公開申請(qǐng)的電力設(shè)備故障預(yù)警方法，包括獲取由緊貼著繞電力設(shè)備的表面中軸線一周的拉力檢測帶采集的預(yù)定時(shí)間段內(nèi)多個(gè)預(yù)定時(shí)間點(diǎn)的拉力值；對(duì)多個(gè)預(yù)定時(shí)間點(diǎn)的拉力值進(jìn)行多尺度特征提取以得到第一尺度拉力值時(shí)序特征向量和第二尺度拉力值時(shí)序特征向量；以及基于第一尺度拉力值時(shí)序特征向量和第二尺度拉力值時(shí)序特征向量，確定是否產(chǎn)生預(yù)警提示。
4、例如公告號(hào)為：cn116660688b公告的遠(yuǎn)程型電力
5、但本申請(qǐng)?jiān)趯?shí)現(xiàn)本申請(qǐng)實(shí)施例中專利技術(shù)技術(shù)方案的過程中，發(fā)現(xiàn)上述技術(shù)至少存在如下技術(shù)問題：
6、現(xiàn)有技術(shù)中，電力設(shè)備故障預(yù)警主要是到對(duì)應(yīng)的測點(diǎn)設(shè)置上下限來解決設(shè)備的告警情況，對(duì)應(yīng)的測點(diǎn)設(shè)置上下限來解決設(shè)備的告警情況的技術(shù)手段往往通過算法實(shí)現(xiàn)，而應(yīng)用于現(xiàn)有電力設(shè)備故障預(yù)警中的算法代碼程序量大，且應(yīng)用結(jié)構(gòu)相對(duì)復(fù)雜，存在電力故障預(yù)警效率低的問題。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)實(shí)施例通過提供一種基于ai大模型的電力故障預(yù)警方法及系統(tǒng)，解決了現(xiàn)有技術(shù)中電力故障預(yù)警效率低的問題，實(shí)現(xiàn)了電力故障預(yù)警效率的提高。
2、本申請(qǐng)實(shí)施例提供了一種基于ai大模型的電力故障預(yù)警方法，包括以下步驟：s1，對(duì)收集的待預(yù)警電力系統(tǒng)預(yù)設(shè)電力傳感器上的歷史電力系統(tǒng)數(shù)據(jù)進(jìn)行特征提取得到對(duì)應(yīng)的歷史電力系統(tǒng)特征數(shù)據(jù)，并根據(jù)提取的歷史電力系統(tǒng)特征數(shù)據(jù)構(gòu)建待評(píng)估電力故障預(yù)警模型；s2，對(duì)構(gòu)建的待評(píng)估電力故障預(yù)警模型進(jìn)行模型評(píng)估得到第一評(píng)估結(jié)果，并將第一評(píng)估結(jié)果與電力故障預(yù)警評(píng)估指標(biāo)進(jìn)行比較，若滿足電力故障預(yù)警評(píng)估指標(biāo)，則將對(duì)應(yīng)的模型記為第一電力故障預(yù)警模型，否則重新構(gòu)建模型，所述第一評(píng)估結(jié)果用于評(píng)估待評(píng)估電力故障預(yù)警模型的模型準(zhǔn)確程度和預(yù)警能力，所述第一電力故障預(yù)警模型用于對(duì)待預(yù)警電力系統(tǒng)進(jìn)行電力故障預(yù)警；s3，實(shí)時(shí)采集預(yù)設(shè)時(shí)間間隔內(nèi)待預(yù)警電力系統(tǒng)的初始電力系統(tǒng)數(shù)據(jù)，并對(duì)初始電力系統(tǒng)數(shù)據(jù)進(jìn)行預(yù)處理得到電力系統(tǒng)數(shù)據(jù)，所述預(yù)處理用于去除初始電力系統(tǒng)數(shù)據(jù)的數(shù)據(jù)缺失和數(shù)據(jù)異常情況；s4，結(jié)合第一電力故障預(yù)警模型對(duì)獲取的電力系統(tǒng)數(shù)據(jù)進(jìn)行電力故障預(yù)警得到預(yù)警結(jié)果，并根據(jù)預(yù)警結(jié)果對(duì)待預(yù)警電力系統(tǒng)的故障位置進(jìn)行定位同時(shí)將定位結(jié)果可視化。
3、進(jìn)一步的，所述待評(píng)估電力故障預(yù)警模型的具體構(gòu)建過程如下：步驟一，構(gòu)建特征數(shù)據(jù)集，所述特征數(shù)據(jù)集為歷史電力系統(tǒng)特征數(shù)據(jù)的集合，并按照預(yù)設(shè)比例將特征數(shù)據(jù)集劃分為訓(xùn)練特征數(shù)據(jù)集和驗(yàn)證特征數(shù)據(jù)集；步驟二，獲取訓(xùn)練機(jī)器模型，所述訓(xùn)練機(jī)器模型為使用訓(xùn)練特征數(shù)據(jù)集對(duì)預(yù)設(shè)機(jī)器學(xué)習(xí)模型進(jìn)行模型訓(xùn)練得到的已收斂模型，所述預(yù)設(shè)機(jī)器學(xué)習(xí)模型為根據(jù)歷史電力系統(tǒng)特征數(shù)據(jù)的特點(diǎn)選擇的模型；步驟三，獲取驗(yàn)證機(jī)器模型，所述驗(yàn)證機(jī)器模型為使用驗(yàn)證特征數(shù)據(jù)集對(duì)訓(xùn)練機(jī)器模型進(jìn)行模型驗(yàn)證得到的模型。
4、進(jìn)一步的，所述待評(píng)估電力故障預(yù)警模型的模型準(zhǔn)確程度的具體評(píng)估方法如下：獲取待評(píng)估電力故障預(yù)警模型的性能評(píng)估參數(shù)，所述性能評(píng)估參數(shù)包括準(zhǔn)確度、精確度和召回率；根據(jù)獲取的性能評(píng)估參數(shù)并結(jié)合對(duì)應(yīng)數(shù)據(jù)對(duì)準(zhǔn)確程度評(píng)估指數(shù)的影響程度獲取待評(píng)估電力故障預(yù)警模型的準(zhǔn)確程度評(píng)估指數(shù)，所述準(zhǔn)確程度評(píng)估指數(shù)用于描述待評(píng)估電力故障預(yù)警模型的模型準(zhǔn)確程度。
5、進(jìn)一步的，所述預(yù)警能力的具體評(píng)估方法如下：獲取待評(píng)估電力故障預(yù)警模型的本質(zhì)數(shù)據(jù)和數(shù)據(jù)分布分?jǐn)?shù)，所述本質(zhì)數(shù)據(jù)包括數(shù)據(jù)質(zhì)量數(shù)據(jù)、模型復(fù)雜性數(shù)據(jù)和訓(xùn)練數(shù)據(jù)量，所述數(shù)據(jù)分布分?jǐn)?shù)為預(yù)設(shè)專業(yè)人員對(duì)待評(píng)估電力故障預(yù)警模型的預(yù)警能力進(jìn)行評(píng)估的分?jǐn)?shù)；根據(jù)獲取的本質(zhì)數(shù)據(jù)和數(shù)據(jù)分布分?jǐn)?shù)獲取待評(píng)估電力故障預(yù)警模型的預(yù)警能力評(píng)估指數(shù)，所述預(yù)警能力評(píng)估指數(shù)用于描述待評(píng)估電力故障預(yù)警模型的預(yù)警能力。
6、進(jìn)一步的，所述電力故障預(yù)警的具體過程如下：將獲取的待預(yù)警電力系統(tǒng)的電力系統(tǒng)數(shù)據(jù)與參考電力系統(tǒng)數(shù)據(jù)進(jìn)行比較分析并結(jié)合預(yù)警情況分?jǐn)?shù)得到電力故障預(yù)警指數(shù)，所述電力故障預(yù)警指數(shù)用于描述待預(yù)警電力系統(tǒng)的故障程度，所述預(yù)警情況分?jǐn)?shù)為預(yù)設(shè)專業(yè)人員對(duì)待預(yù)警電力系統(tǒng)的預(yù)警分布情況進(jìn)行評(píng)估的分?jǐn)?shù)；將獲取的電力故障預(yù)警指數(shù)與預(yù)設(shè)閾值進(jìn)行比較得到預(yù)警結(jié)果，若滿足對(duì)應(yīng)的預(yù)設(shè)閾值，則表明對(duì)應(yīng)的待預(yù)警電力系統(tǒng)存在電力故障，否則表明對(duì)應(yīng)的待預(yù)警電力系統(tǒng)不存在電力故障。
7、進(jìn)一步的，所述待預(yù)警電力系統(tǒng)的電力故障預(yù)警指數(shù)的具體獲取方法如下：獲取待預(yù)警電力系統(tǒng)的電力系統(tǒng)數(shù)據(jù)和預(yù)警情況分?jǐn)?shù)，所述電力系統(tǒng)數(shù)據(jù)包括電力系統(tǒng)電流、電力系統(tǒng)電壓、電力系統(tǒng)頻率、電力系統(tǒng)阻抗和電力系統(tǒng)負(fù)載；根據(jù)獲取的電力系統(tǒng)數(shù)據(jù)和預(yù)警情況分?jǐn)?shù)并結(jié)合預(yù)警權(quán)重獲取待預(yù)警電力系統(tǒng)的電力故障預(yù)警指數(shù)，所述預(yù)警權(quán)重包括電力系統(tǒng)權(quán)重和預(yù)警情況權(quán)重，所述電力系統(tǒng)權(quán)重表示電力系統(tǒng)數(shù)據(jù)相對(duì)于電力故障預(yù)警指數(shù)的影響程度，所述預(yù)警情況權(quán)重表示預(yù)警情況分?jǐn)?shù)相對(duì)于電力故障預(yù)警指數(shù)的影響程度，所述電力系統(tǒng)權(quán)重包括第一電力系統(tǒng)權(quán)重、第二電力系統(tǒng)權(quán)重、第三電力系統(tǒng)權(quán)重、第四電力系統(tǒng)權(quán)重和第五電力系統(tǒng)權(quán)重。
8、進(jìn)一步的，所述故障位置的具體定位步驟如下：根據(jù)預(yù)警結(jié)果并結(jié)合異常檢測方法對(duì)待預(yù)警電力系統(tǒng)進(jìn)行異常數(shù)據(jù)點(diǎn)檢測得到異常數(shù)據(jù)點(diǎn)，所述異常檢測方法用于檢測待預(yù)警電力系統(tǒng)的異常數(shù)據(jù)點(diǎn)；利用電力故障預(yù)警模型分析得到的異常數(shù)據(jù)點(diǎn)是否為故障位置，若為故障位置，則創(chuàng)建實(shí)時(shí)監(jiān)控界面，否本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于AI大模型的電力故障預(yù)警方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述一種基于AI大模型的電力故障預(yù)警方法，其特征在于，所述待評(píng)估電力故障預(yù)警模型的具體構(gòu)建過程如下：
3.如權(quán)利要求1所述一種基于AI大模型的電力故障預(yù)警方法，其特征在于，所述待評(píng)估電力故障預(yù)警模型的模型準(zhǔn)確程度的具體評(píng)估方法如下：
4.如權(quán)利要求1所述一種基于AI大模型的電力故障預(yù)警方法，其特征在于，所述預(yù)警能力的具體評(píng)估方法如下：
5.如權(quán)利要求1所述一種基于AI大模型的電力故障預(yù)警方法，其特征在于，所述電力故障預(yù)警的具體過程如下：
6.如權(quán)利要求5所述一種基于AI大模型的電力故障預(yù)警方法，其特征在于，所述待預(yù)警電力系統(tǒng)的電力故障預(yù)警指數(shù)的具體獲取方法如下：
7.如權(quán)利要求5所述一種基于AI大模型的電力故障預(yù)警方法，其特征在于，所述故障位置的具體定位步驟如下：
8.如權(quán)利要求4所述一種基于AI大模型的電力故障預(yù)警方法，其特征在于，所述預(yù)警能力評(píng)估指數(shù)采用以下公式計(jì)算：
9.如權(quán)利要求6所述一種基于
10.一種基于AI大模型的電力故障預(yù)警系統(tǒng)，其特征在于，包括：模型構(gòu)建模塊、模型評(píng)估模塊、數(shù)據(jù)采集模塊和故障預(yù)警模塊；
...【技術(shù)特征摘要】
1.一種基于ai大模型的電力故障預(yù)警方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述一種基于ai大模型的電力故障預(yù)警方法，其特征在于，所述待評(píng)估電力故障預(yù)警模型的具體構(gòu)建過程如下：
3.如權(quán)利要求1所述一種基于ai大模型的電力故障預(yù)警方法，其特征在于，所述待評(píng)估電力故障預(yù)警模型的模型準(zhǔn)確程度的具體評(píng)估方法如下：
4.如權(quán)利要求1所述一種基于ai大模型的電力故障預(yù)警方法，其特征在于，所述預(yù)警能力的具體評(píng)估方法如下：
5.如權(quán)利要求1所述一種基于ai大模型的電力故障預(yù)警方法，其特征在于，所述電力故障預(yù)警的具體過程如下：
6.如權(quán)利要求5...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：俞琳，徐志強(qiáng)，劉優(yōu)丹，楊軍益，
申請(qǐng)(專利權(quán))人：龍坤無錫智慧科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。