System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本申請涉及電力自動化,特別是涉及一種故障預案確定方法、裝置、計算機設備及存儲介質。
技術介紹
1、隨著新型電力系統的大規模接入和調度自動化系統規模的擴大,電力自動化系統的運維要求不斷提高。在日常運維監視中,電力自動化系統需要覆蓋大量系統和設備,自動化運維人員需要實時關注大量且復雜的數據。當電力自動化系統發生故障時,調度人員需要從龐大的應急預案中查找相關問題,并從中篩選出最合適的解決措施。這導致了故障處理速度較慢,影響電力系統的穩定運行。
技術實現思路
1、基于此,有必要針對上述技術問題,提供一種能夠提高電力系統穩定性的故障預案確定方法、裝置、計算機設備及存儲介質。
2、第一方面,本申請提供了一種故障預案確定方法,其特征在于,方法包括:
3、獲取電力系統的故障現象數據;
4、將故障現象數據輸入預先構建的預案匹配模型中進行匹配處理,得到目標故障預案;預案匹配模型是歷史時段的故障現象和故障預案訓練得到的。
5、在其中一個實施例中,上述預案匹配模型包括特征提取層和分類層;將故障現象數據輸入預先構建的預案匹配模型中進行匹配處理,包括:
6、將故障現象數據輸入特征提取層進行特征提取處理,得到特征數據;
7、將特征數據輸入分類層進行分類處理,得到目標故障預案。
8、在其中一個實施例中,上述預案匹配模型的訓練過程包括:
9、獲取故障現象樣本和故障預案樣本;
10、將故障現象樣本和故障預案樣本
11、若根據預測結果確定的匹配準確率未達到準確率閾值,則對預訓練模型中的參數進行調整處理,直至匹配準確率達到準確率閾值結束調整得到預案匹配模型。
12、在其中一個實施例中,上述對預訓練模型中的參數進行調整處理,包括:
13、對特征提取層的原參數進行提取處理,得到提取參數;
14、將提取參數輸入微調模型中進行低秩微調處理,得到更新參數;
15、將更新參數和原參數進行合并處理,得到調整后的模型參數。
16、在其中一個實施例中,上述微調模型包括降維層和升維層,將提取參數輸入微調模型中進行低秩微調處理,得到更新參數,包括:
17、將提取參數輸入降維層進行降維處理,得到降維向量;
18、將獲取的秩和降維向量輸入升維層進行升維處理,得到更新參數。
19、在其中一個實施例中,上述目標故障預案包括預防預警、封閉管理和區域管控中的至少一種;上述方法還包括:將目標故障預案發到后臺人員的終端。
20、在其中一個實施例中,上述方法還包括:從終端獲取實際采取措施,根據實際采取措施重訓練預案匹配模型。
21、第二方面,本申請還提供了一種故障預案確定裝置,裝置包括:
22、數據獲取模塊,用于獲取電力系統的故障現象數據;
23、預案匹配模塊,將故障現象數據輸入預先構建的預案匹配模型中進行匹配處理,得到目標故障預案;預案匹配模型是歷史時段的故障現象和故障預案訓練得到的。
24、第三方面,本申請還提供了一種計算機設備。該計算機設備包括存儲器和處理器,存儲器存儲有計算機程序,處理器執行計算機程序時實現以下步驟:
25、獲取電力系統的故障現象數據;
26、將故障現象數據輸入預先構建的預案匹配模型中進行匹配處理,得到目標故障預案;預案匹配模型是歷史時段的故障現象和故障預案訓練得到的。
27、第四方面,本申請還提供了一種計算機可讀存儲介質。該計算機可讀存儲介質,其上存儲有計算機程序,計算機程序被處理器執行時實現以下步驟:
28、獲取電力系統的故障現象數據;
29、將故障現象數據輸入預先構建的預案匹配模型中進行匹配處理,得到目標故障預案;預案匹配模型是歷史時段的故障現象和故障預案訓練得到的。
30、第五方面,本申請還提供了一種計算機程序產品。該計算機程序產品,包括計算機程序,該計算機程序被處理器執行時實現以下步驟:
31、獲取電力系統的故障現象數據;
32、將故障現象數據輸入預先構建的預案匹配模型中進行匹配處理,得到目標故障預案;預案匹配模型是歷史時段的故障現象和故障預案訓練得到的。
33、上述故障預案確定方法、裝置、計算機設備及存儲介質,終端獲取電力系統的故障現象數據;將故障現象數據輸入歷史時段的故障現象和故障預案訓練得到的預案匹配模型中進行匹配處理,得到目標故障預案。本申請基于預案匹配模型的復雜語義處理和自然語言生成能力,提高電力自動化系統故障預案匹配的準確性和解釋能力,從而可以實現電力調度自動化系統的故障現象與故障預案的自動匹配,提高調度人員處理故障的速度。
本文檔來自技高網...【技術保護點】
1.一種故障預案確定方法,其特征在于,所述方法包括:
2.根據權利要求1所述的方法,其特征在于,所述預案匹配模型包括特征提取層和分類層;所述將所述故障現象數據輸入預先構建的預案匹配模型中進行匹配處理,包括:
3.根據權利要求2所述的方法,其特征在于,所述預案匹配模型的訓練過程包括:
4.根據權利要求3所述的方法,其特征在于,所述對所述預訓練模型中的參數進行調整處理,包括:
5.根據權利要求4所述的方法,其特征在于,所述微調模型包括降維層和升維層,所述將所述提取參數輸入微調模型中進行低秩微調處理,得到更新參數,包括:
6.根據權利要求5所述的方法,其特征在于,所述目標故障預案包括預防預警、封閉管理和區域管控中的至少一種;所述方法還包括:將所述目標故障預案發到后臺人員的終端。
7.根據權利要求1-6任一項所述的方法,其特征在于,所述方法還包括:從所述終端獲取實際采取措施,根據所述實際采取措施重訓練所述預案匹配模型。
8.一種故障預案確定裝置,其特征在于,所述裝置包括:
9.一種計算機設備,
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至7中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種故障預案確定方法,其特征在于,所述方法包括:
2.根據權利要求1所述的方法,其特征在于,所述預案匹配模型包括特征提取層和分類層;所述將所述故障現象數據輸入預先構建的預案匹配模型中進行匹配處理,包括:
3.根據權利要求2所述的方法,其特征在于,所述預案匹配模型的訓練過程包括:
4.根據權利要求3所述的方法,其特征在于,所述對所述預訓練模型中的參數進行調整處理,包括:
5.根據權利要求4所述的方法,其特征在于,所述微調模型包括降維層和升維層,所述將所述提取參數輸入微調模型中進行低秩微調處理,得到更新參數,包括:
6.根據權利要求5所述的方法,其特征在于,所述目標故障預案...
【專利技術屬性】
技術研發人員:尹超,王冬,張宗包,柳樂怡,于洋洋,李浩然,寧永騫,張蕾,佘伊倫,舒鈺成,
申請(專利權)人:深圳供電局有限公司,
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。