CN118504939B 一種電網(wǎng)故障保電維修計劃制定方法、裝置、設備及介質 （國網(wǎng)浙江省電力有限公司杭州供電公司）

AT514680A2,2015.02.15一種電網(wǎng)故障保電維修計劃制定方法、裝本發(fā)明公開了一種電網(wǎng)故障保電維修計劃2基于所述歷史故障數(shù)據(jù)和所述維修策略進行故障模擬仿真測試，分別將每一所述響應數(shù)據(jù)輸入到預先構建的關聯(lián)網(wǎng)絡模其中，所述關聯(lián)網(wǎng)絡模型的構建包括：將所述電網(wǎng)中每個節(jié)點視優(yōu)先級排序反映目標故障節(jié)點相對于非目標故障故障的保電維修計劃。基于時間序列預測算法，以及所述故障時間序列數(shù)據(jù)集對時間序3獲取模塊，用于獲取電網(wǎng)中各節(jié)點的歷史故障數(shù)據(jù)，建立與測試模塊，用于基于所述歷史故障數(shù)據(jù)和所述維修策略預測模塊，用于分別將每一所述響應數(shù)據(jù)輸入到預先構建的關聯(lián)網(wǎng)絡模型中進行預其中，所述關聯(lián)網(wǎng)絡模型的構建包括：將所述電網(wǎng)中每個節(jié)點視排序模塊，用于基于所有所述預測結果，構建所述電網(wǎng)4述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時，被處理器執(zhí)行時實現(xiàn)如權利要求1_7任意一項所述的電網(wǎng)故障保電維修5所述優(yōu)先級排序反映目標故障節(jié)點相對于非目標故障節(jié)點在故障環(huán)[0012]運用時間序列算法分析所述歷史故障數(shù)據(jù)，以識別導致電網(wǎng)重大中斷的故障模6[0021]收集根據(jù)所述維修策略對目標故障節(jié)點進行維修時，非目標故障節(jié)點的響應數(shù)[0032]測試模塊，用于基于所述歷史故障數(shù)據(jù)和所述維修策略7行所述計算機程序時實現(xiàn)如上所述的電網(wǎng)故障保電維修計[0041]圖1是本發(fā)明其中一種實施例中的電網(wǎng)故障保電維修計劃制定方法的流程示意[0042]圖2是本發(fā)明其中一種實施例中的電網(wǎng)故障保電維修計劃制定裝置的結構示意8所述實際故障的保電維修計劃。[0055]運用時間序列算法分析所述歷史故障數(shù)據(jù)，以識別導致電網(wǎng)重大中斷的故障模[0058]對收集到的歷史故障數(shù)據(jù)進行特征工程，提取出能夠反故障特征數(shù)據(jù)集進行訓練，如使用LSTM、GRU等深度學習算法進行時間序列分類，使用9[0072]將故障關聯(lián)知識圖譜與故障預測模型相結合，構建綜合[0073]對故障預測和診斷系統(tǒng)進行持續(xù)的優(yōu)化和更新，采用增量學習或在線學習的方[0075]在建立故障預測模型時，可以使用AutoARIMA算法自動選擇最優(yōu)的ARIMA模型參和因果關系轉化為IF_THEN形式的規(guī)則，如"IF故障A發(fā)生THEN故障B在10分鐘內會以0.9的[0087]在構建關聯(lián)網(wǎng)絡模型時，可以使用互信息和傳遞熵計算和校準，得到群組的標準特征模板，作為后續(xù)類比分析的參考標桿。通過Node2Vec或[0116]對采集到的原始電力時間序列數(shù)據(jù)進行預處理和特征工程，通過滑動窗口分段、(FluctuationAnalysis)等方法對原始時間序列進行離散化和符號化表示，然后采用同尺度下的頻率成分和能量分布特征，并使用奇異譜分析(SSA)等方法對信號進行周期分則在T3時刻節(jié)點C以置信度C出現(xiàn)波動模式P3"的多維時序關聯(lián)規(guī)則，揭示節(jié)點間復雜的動[0120]開發(fā)基于深度學習的時間序列異常檢測算法，通過卷積神經網(wǎng)絡(CNN)或長短期道路ID+方向編碼的復合主鍵來唯一標識一條中斷記錄，道路ID可以用道路的起訖點編號各類因素對任務路線可達性的影響權重，生成面向不同維修任務類型的道路風險預警模順序形成任務執(zhí)行隊列。鍵路徑并繪制任務網(wǎng)絡圖。再用CCPM從關鍵鏈上選擇投入量最大的三類資源作為瓶頸資目緩沖時間，一般取關鍵鏈長度的30%以內。用甘特圖直觀呈現(xiàn)帶資源平衡的優(yōu)化進度計之間的最短傳播路徑，將傳播路徑長度小于設定閾值[0165]測試模塊12，用于基于所述歷史故障數(shù)據(jù)和所述維修策略進行故障模擬仿真測