【技術實現步驟摘要】
本公開涉及電力，具體涉及一種供電調度異常檢測系統及方法。
技術介紹
1、電力系統是由發電廠、送變電線路、供配電所和用電等環節組成的電能生產與消費系統。它的功能是將自然界的一次能源通過發電動力裝置轉化成電能，再經輸電、變電和配電將電能供應到各用戶。為實現這一功能，電力系統在各個環節和不同層次還具有相應的信息與控制系統，對電能的生產過程進行測量、調節、控制、保護、通信和調度，以保證用戶獲得安全、優質的電能。
2、現有技術在電力系統異常檢測與處理方面存在以下缺點：1.依賴人工干預：傳統的電力系統監測和處理往往需要人工干預，對所述電力系統的運營人員的要求較高，容易出現漏檢或誤判情況。2.缺乏智能化：傳統電力系統缺乏智能化技術支持，無法進行數據的深度分析和智能處理，導致處理方案存在局限性和不足。3.數據分析能力不足：傳統異常檢測系統對大量數據的處理能力有限，無法有效挖掘數據中的潛在信息和規律，難以做出準確的預測和決策。4.電力系統反應速度慢：傳統電力系統對異常情況的檢測和響應速度較慢，無法及時發現和處理潛在的問題，影響電力系統的安全性和穩定性。
技術實現思路
1、本公開實施例的目的在于提供一種供電調度異常檢測系統及方法，以至少解決現有技術中存在的電力系統異常檢測與處理智能化水平低、數據分析能力不足，導致異常檢測結果準確性和檢測效率較低，以及電力系統對異常情況的檢測和響應速度較慢，影響電力系統的安全性和穩定性等技術問題。
2、為了解決上述技術問題，本公開的實施例采用了如
3、第一方面，本公開實施例提供一種供電調度異常檢測系統，包括主控終端，以及分別與所述主控終端連接的：
4、數據采集與監測模塊，配置為采集電力系統的參數數據；
5、數據處理與分析模塊，配置為利用深度學習算法對所述參數數據進行處理和分析，識別所述電力系統中可能存在的異常情況；
6、異常檢測與識別模塊，配置為利用數據挖掘技術對所述異常情況進行檢測和識別，判斷所述異常情況的類型和嚴重程度；
7、風險評估與處理建議模塊，配置為根據所述異常情況的檢測結果，對所述電力系統進行風險評估，并提供對應的處理建議。
8、在一些實施例中，所述電力系統的參數數據包括電力負荷數據、電力市場數據、電力質量數據、電網安全評估數據、能源消耗與分析數據中的至少一種。
9、在一些實施例中，所述處理建議包括設備維修方案和/或負荷調整方案。
10、在一些實施例中，所述數據處理與分析模塊包括：
11、稀疏計算模塊，配置為利用稀疏矩陣和稀疏向量的特性對所述參數數據進行計算分析；
12、量化網絡模塊，配置為將網絡權重和激活值量化到低位寬的位數；
13、混合精度計算模塊，配置為在網絡中使用不同精度的數值表示，其中，所述不同精度的數值包括半精度浮點數和單精度浮點數；
14、延遲調度和異步計算模塊，配置為優化計算任務的調度順序和進行異步計算。
15、在一些實施例中，所述混合精度計算模塊以及所述延遲調度和異步計算模塊的優先級高于所述稀疏計算模塊以及所述量化網絡模塊。
16、在一些實施例中，所述異常檢測與識別模塊包括：
17、孤立森林算法模塊，配置為構建隨機分割的樹定位少數的異常點；
18、局部異常因子模塊，配置為利用基于密度的異常檢測算法，以發現相對于所述異常點的鄰近數據點具有不同密度的數據集中的異常數據；
19、集成異常檢測模塊，配置為結合多個異常檢測算法或模型對所述電力系統的異常情況進行檢測和識別；
20、多尺度異常檢測模塊，配置為將不同尺度的數據特征結合，在不同粒度上識別所述電力系統的異常情況。
21、在一些實施例中，所述供電調度異常檢測系統還包括與所述主控終端連接的實時監控與反饋模塊，
22、所述實時監控與反饋模塊配置為實時監控電力系統的運行狀態，并通過可視化界面向所述電力系統的運營人員提供實時反饋，其中，所述實時反饋包括所述電力系統的異常情況和/或所述處理建議。
23、第二方面，本公開實施例提供一種供電調度異常檢測方法，應用于供電調度異常檢測系統，所述供電調度異常檢測系統包括主控終端，以及分別與所述主控終端連接的數據采集與監測模塊、數據處理與分析模塊、異常檢測與識別模塊、風險評估與處理建議模塊，所述方法包括：
24、通過所述數據采集與監測模塊采集電力系統的參數數據；
25、通過所述數據處理與分析模塊利用深度學習算法對所述參數數據進行處理和分析，識別所述電力系統中可能存在的異常情況；
26、通過所述異常檢測與識別模塊利用數據挖掘技術對所述異常情況進行檢測和識別，判斷所述異常情況的類型和嚴重程度；
27、通過所述風險評估與處理建議模塊，根據所述異常情況的檢測結果，對所述電力系統進行風險評估，并提供對應的處理建議。
28、在一些實施例中，所述數據處理與分析模塊包括稀疏計算模塊、量化網絡模塊、混合精度計算模塊以及延遲調度和異步計算模塊，通過所述數據處理與分析模塊利用深度學習算法對所述參數數據進行處理和分析，包括：
29、通過所述稀疏計算模塊利用稀疏矩陣和稀疏向量的特性對所述參數數據進行計算分析；
30、通過所述量化網絡模塊將網絡權重和激活值量化到低位寬的位數；
31、通過所述混合精度計算模塊，在網絡中使用不同精度的數值表示，其中，所述不同精度的數值包括半精度浮點數和單精度浮點數；
32、通過所述延遲調度和異步計算模塊優化計算任務的調度順序和進行異步計算。
33、在一些實施例中，所述異常檢測與識別模塊包括孤立森林算法模塊、局部異常因子模塊、集成異常檢測模塊以及多尺度異常檢測模塊，通過所述異常檢測與識別模塊利用數據挖掘技術對所述異常情況進行檢測和識別，判斷所述異常情況的類型和嚴重程度，包括：
34、通過所述孤立森林算法模塊構建隨機分割的樹定位少數的異常點，以用于高維數據和大規模數據集；
35、通過所述局部異常因子模塊，利用基于密度的異常檢測算法，以發現相對于所述異常點的鄰近數據點具有不同密度的數據集中的異常數據；
36、通過所述集成異常檢測模塊，結合多個異常檢測算法或模型對所述電力系統的異常情況進行檢測和識別；
37、通過所述多尺度異常檢測模塊，將不同尺度的數據特征結合，在不同粒度上識別所述電力系統的異常情況。
38、第三方面，本公開實施例提供一種電子設備，至少包括存儲器和處理器，所述存儲器上存儲有計算機程序，所述處理器在執行所述存儲器上的計算機程序時實現上述的供電調度異常檢測方法。
39、第四方面，本公開實施例提供一種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上述的供電調度異常檢測方法。
40、本公本文檔來自技高網...
【技術保護點】
1.一種供電調度異常檢測系統，其特征在于，包括主控終端，以及分別與所述主控終端連接的：
2.根據權利要求1所述的供電調度異常檢測系統，其特征在于，所述電力系統的參數數據包括電力負荷數據、電力市場數據、電力質量數據、電網安全評估數據、能源消耗與分析數據中的至少一種。
3.根據權利要求2所述的供電調度異常檢測系統，其特征在于，所述處理建議包括設備維修方案和/或負荷調整方案。
4.根據權利要求1所述的供電調度異常檢測系統，其特征在于，所述數據處理與分析模塊包括：
5.根據權利要求4所述的供電調度異常檢測系統，其特征在于，所述混合精度計算模塊以及所述延遲調度和異步計算模塊的優先級高于所述稀疏計算模塊以及所述量化網絡模塊。
6.根據權利要求1所述的供電調度異常檢測系統，其特征在于，所述異常檢測與識別模塊包括：
7.根據權利要求1所述的供電調度異常檢測系統，其特征在于，所述供電調度異常檢測系統還包括與所述主控終端連接的實時監控與反饋模塊，
8.一種供電調度異常檢測方法，其特征在于，應用于供電調度異常檢測系統，
9.根據權利要求8所述的供電調度異常檢測方法，其特征在于，所述數據處理與分析模塊包括稀疏計算模塊、量化網絡模塊、混合精度計算模塊以及延遲調度和異步計算模塊，通過所述數據處理與分析模塊利用深度學習算法對所述參數數據進行處理和分析，包括：
10.根據權利要求8所述的供電調度異常檢測方法，其特征在于，所述異常檢測與識別模塊包括孤立森林算法模塊、局部異常因子模塊、集成異常檢測模塊以及多尺度異常檢測模塊，通過所述異常檢測與識別模塊利用數據挖掘技術對所述異常情況進行檢測和識別，判斷所述異常情況的類型和嚴重程度，包括：
...【技術特征摘要】
1.一種供電調度異常檢測系統，其特征在于，包括主控終端，以及分別與所述主控終端連接的：
2.根據權利要求1所述的供電調度異常檢測系統，其特征在于，所述電力系統的參數數據包括電力負荷數據、電力市場數據、電力質量數據、電網安全評估數據、能源消耗與分析數據中的至少一種。
3.根據權利要求2所述的供電調度異常檢測系統，其特征在于，所述處理建議包括設備維修方案和/或負荷調整方案。
4.根據權利要求1所述的供電調度異常檢測系統，其特征在于，所述數據處理與分析模塊包括：
5.根據權利要求4所述的供電調度異常檢測系統，其特征在于，所述混合精度計算模塊以及所述延遲調度和異步計算模塊的優先級高于所述稀疏計算模塊以及所述量化網絡模塊。
6.根據權利要求1所述的供電調度異常檢測系統，其特征在于，所述異常檢測與識別模塊包括：
7.根據權利要求1所述的供電調度異常檢測系統，其特征在于，所述供電...
【專利技術屬性】
技術研發人員：白一鳴，梁少明，阮大兵，彭鎮華，林雄鋒，彭石豐，周桂，阮志杰，郭倍源，張炳盛，劉鑫勝，王淞平，陳坤明，曾祥鴻，傅京壇，古俊賢，李泓銳，馬曉東，史小靖，吳敏熙，徐博，張瑩，
申請(專利權)人：廣東電網有限責任公司中山供電局，
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。