【技術實現步驟摘要】
本專利技術涉及電力系統，特別是一種配電網線損異常識別方法及系統。
技術介紹
1、電力系統是現代社會不可或缺的重要基礎設施之。近年來，隨著智能電網技術的發展，電力系統的數據采集、處理與分析能力得到了顯著提升，這對配電網線損異常識別提出了更高的要求。傳統的線損異常識別方法主要依賴人工經驗和簡單的統計分析，這種方法不僅效率低下，而且容易遺漏潛在的問題。隨著大數據和人工智能技術的進步，基于數據驅動的方法逐漸成為研究熱點。
2、現有的線損預測模型大多基于單一的數據源，忽略了不同數據之間的相互作用，從而降低了預測的準確性。此外，現有的線損異常檢測方法往往缺乏對實際線損值與歷史線損數據之間的時間尺度匹配，導致在進行異常檢測時容易產生誤報或漏報。
技術實現思路
1、鑒于上述現有存在的問題，提出了本專利技術。
2、因此，本專利技術提供了一種配電網線損異常識別方法及系統解決現有配電網線損異常識別方法中數據融合不足及模型預測準確性低問題。
3、為解決上述技術問題，本專利技術提供如下技術方案：
4、第一方面，本專利技術實施例提供了一種配電網線損異常識別方法，其包括，
5、采集歷史數據、氣象數據和地理位置信息，并進行預處理；
6、將預處理后的數據進行特征提取，并將提取的特征進行融合，形成綜合特征向量；
7、基于綜合特征向量建立配電網的拓撲結構圖，使用圖神經網絡分析配電網的拓撲結構，得到電網分析結果；
8、基于歷史
9、根據電網分析結果構建線損預測模型，輸出線損預測結果，將線損預測結果與歷史線損數據進行計算，得到實際線損值；
10、實際線損值超過線損閾值監控系統會立即采取措施。
11、作為本專利技術所述配電網線損異常識別方法的一種優選方案，其中：所述歷史數據包括歷史監控運行數據、用戶的用電數據、配電自動化系統數據；
12、所述氣象數據包括溫度、濕度、風速；
13、所述地理位置信息包括配電網中各設備的位置信息；
14、對采集到的數據進行預處理包括數據清洗、填補缺失值、統一數據格式和歸一化處理。
15、作為本專利技術所述配電網線損異常識別方法的一種優選方案，其中：從預處理后的數據中提取關于線損的特征；
16、將線損的特征進行融合，得到融合后的特征向量；
17、通過非線性轉換將融合后的特征向量轉化為綜合特征向量。
18、作為本專利技術所述配電網線損異常識別方法的一種優選方案，其中：基于綜合特征向量建立配電網的拓撲結構圖，具體步驟如下，
19、系統接收綜合特征向量；
20、基于設備之間的連接關系建立包含節點、邊、屬性、分區的拓撲結構圖，；
21、定義圖神經網絡的傳播層，每個節點從其鄰居節點接收信息，并將這些信息與其自身的特征進行融合；
22、通過多次迭代傳播層的操作，逐步更新每個節點的隱藏狀態；
23、重復傳播層的操作，得到最終隱藏狀態；
24、基于最終隱藏狀態進行全局池化，獲得全局特征向量；
25、對全局特征向量進行非線性變換，得到電網分析結果。
26、作為本專利技術所述配電網線損異常識別方法的一種優選方案，其中：根據歷史線損數據，通過統計分析確定線損閾值；
27、使用拉普拉斯核函數對電網分析結果進行特征加權；
28、基于特征加權后的結果輸出線損預測結果。
29、作為本專利技術所述配電網線損異常識別方法的一種優選方案，其中：確定歷史線損數據和線損預測結果的時間分辨率，將歷史線損數據與線損預測結果在時間軸對齊；
30、計算線損預測結果與歷史線損數據的差值。
31、作為本專利技術所述配電網線損異常識別方法的一種優選方案，其中：基于實際線損值與線損閾值進行比較；
32、當實際線損值超過線損閾值，監控系統則會發出警報；
33、監控系統將結合設備狀態、歷史運行數據、氣象數據，分析導致異常的原因和異常區域，并發送至所有運維人員；
34、系統記錄每次異常事件的時間、地點、差值大小以及導致異常的原因，并根據記錄的數據分析共性問題，提出改進措施。
35、第二方面，本專利技術提供了一種配電網線損異常識別系統，包括，
36、數據采集與預處理模塊，采集歷史數據、氣象數據和地理位置信息，并進行數據清洗、填補缺失值、統一數據格式和歸一化處理；
37、特征提取與融合模塊，從預處理后的數據中提取與線損相關的特征，并將這些特征進行融合，形成一個綜合特征向量；
38、拓撲結構與分析模塊，基于綜合特征向量建立配電網的拓撲結構圖，并使用圖神經網絡分析配電網的拓撲結構，得到電網分析結果；
39、線損閾值設置模塊，根據歷史線損數據通過統計分析確定線損閾值；
40、線損預測與對比模塊，根據電網分析結果構建線損預測模型，輸出線損預測結果，并將預測結果與歷史線損數據進行計算，得到實際線損值；
41、異常檢測與響應模塊，當實際線損值超過線損閾值時，監控系統會立即采取措施，通知運維人員并對異常情況進行記錄和顯示。
42、第三方面，本專利技術實施例提供了一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其中：所述計算機程序被處理器執行時實現如本專利技術第一方面所述的配電網線損異常識別方法的任一步驟。
43、第四方面，本專利技術實施例提供了一種計算機可讀存儲介質，其上存儲有計算機程序，其中：所述計算機程序被處理器執行時實現如本專利技術第一方面所述的配電網線損異常識別方法的任一步驟。
44、本專利技術有益效果為：通過從預處理后的數據中提取關于線損的特征，并將這些特征進行融合，形成綜合特征向量，實現了對多源數據特征的有效提取和綜合，增強了特征的代表性。這一步驟利用非線性轉換將融合后的特征向量轉化為綜合特征向量，增強了模型的非線性擬合能力，提高了特征的區分度和模型的泛化能力；并通過基于綜合特征向量建立配電網的拓撲結構圖，使用圖神經網絡分析配電網的拓撲結構，得到了電網分析結果。這一步驟利用圖神經網絡的強大表征能力，有效地捕捉了電網中設備之間的復雜關系及其動態變化，提高了線損異常檢測的靈敏度和準確度。
本文檔來自技高網...【技術保護點】
1.一種配電網線損異常識別方法，其特征在于：包括，
2.如權利要求1所述的配電網線損異常識別方法，其特征在于：采集歷史數據、氣象數據和地理位置信息，并進行預處理，包括如下步驟，
3.如權利要求2所述的配電網線損異常識別方法，其特征在于：將預處理后的數據進行特征提取，并將提取的特征進行融合，形成綜合特征向量，包括如下步驟，
4.如權利要求3所述的配電網線損異常識別方法，其特征在于：基于綜合特征向量建立配電網的拓撲結構圖，具體步驟如下，
5.如權利要求4所述的配電網線損異常識別方法，其特征在于：基于歷史線損數據設立線損閾值，根據電網分析結果構建線損預測模型，輸出線損預測結果，包括如下步驟，
6.如權利要求5所述的配電網線損異常識別方法，其特征在于：確定歷史線損數據和線損預測結果的時間分辨率，將歷史線損數據與線損預測結果在時間軸對齊；
7.如權利要求6所述的配電網線損異常識別方法，其特征在于：實際線損值超過線損閾值監控系統會立即采取措施，包括如下步驟，
8.一種配電網線損異常識別系統，基于權利要求1～7
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于：所述處理器執行所述計算機程序時實現權利要求1～7任一所述的配電網線損異常識別方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現權利要求1～7任一所述的配電網線損異常識別方法的步驟。
...【技術特征摘要】
1.一種配電網線損異常識別方法，其特征在于：包括，
2.如權利要求1所述的配電網線損異常識別方法，其特征在于：采集歷史數據、氣象數據和地理位置信息，并進行預處理，包括如下步驟，
3.如權利要求2所述的配電網線損異常識別方法，其特征在于：將預處理后的數據進行特征提取，并將提取的特征進行融合，形成綜合特征向量，包括如下步驟，
4.如權利要求3所述的配電網線損異常識別方法，其特征在于：基于綜合特征向量建立配電網的拓撲結構圖，具體步驟如下，
5.如權利要求4所述的配電網線損異常識別方法，其特征在于：基于歷史線損數據設立線損閾值，根據電網分析結果構建線損預測模型，輸出線損預測結果，包括如下步驟，
6.如權利要求5所述的配電網線損異常識別方...
【專利技術屬性】
技術研發人員：鮑薇，王爽，段勝杰，段貝莉，鄭玉惠，朱慧娣，張慧，孟溪，熊一，郭巖巖，楊亞男，文洋，景晨陽，李林蔚，蘇藝，朱帆，
申請(專利權)人：國網河南省電力公司鄭州供電公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。