本發(fā)明涉及用于自動識別網(wǎng)絡中且特別是電力供應網(wǎng)或電力網(wǎng)（electricpowergrid）中的干擾之間的相似性的方法和裝置。

背景技術(shù)：

電力供應系統(tǒng)也被稱為電力網(wǎng)，其包括諸如發(fā)電機、變壓器、傳輸線之類的多個組件，其甚至易受小的擾動或干擾的影響。這些干擾可以引起廣域振蕩，其可使電力供應系統(tǒng)不穩(wěn)定并且其甚至可以導致電力供應系統(tǒng)內(nèi)的級聯(lián)斷電。分布式能源和可再生能源（特別是可再生能源）要求電力供應網(wǎng)適應于快速改變且有時意外的系統(tǒng)條件。然而，常規(guī)電力供應系統(tǒng)管理依賴于利用基于穩(wěn)態(tài)假設的數(shù)據(jù)模型的離線研究和模擬。在達到預定系統(tǒng)閾值的情況下，可使用來自電力供應網(wǎng)的實時在線數(shù)據(jù)來觸發(fā)警報。電力供應系統(tǒng)的運營商必須基于其經(jīng)驗且可能基于與相鄰電網(wǎng)運營商交換的信息來解釋接收到的數(shù)據(jù)。電力供應系統(tǒng)內(nèi)的干擾的根本原因標識要求對多個時間序列數(shù)據(jù)的耗時分析。

技術(shù)實現(xiàn)要素：

因此，本發(fā)明的目的是提供一種用于自動識別網(wǎng)絡中的干擾之間的相似性的方法和裝置，其允許運營商對觀察到的網(wǎng)絡內(nèi)的干擾的快速且可靠的根本原因標識。

根據(jù)本發(fā)明的第一方面通過包括權(quán)利要求1的特征的方法來實現(xiàn)該目的。

本發(fā)明根據(jù)第一方面提供了一種用于自動識別網(wǎng)絡中的干擾之間的相似性的方法，

方法包括：

提供多個干擾數(shù)據(jù)快照的第一數(shù)據(jù)陣列，所述多個干擾數(shù)據(jù)快照中的每個被響應于在所述網(wǎng)絡中觀察到干擾而記錄和/或模擬，

通過機器學習生成關(guān)于第一數(shù)據(jù)陣列訓練的干擾的數(shù)據(jù)模型，其中經(jīng)訓練的數(shù)據(jù)模型提供每個干擾的本征矢量表示，

如果在所述網(wǎng)絡的操作期間觀察到干擾，則記錄和/或模擬干擾數(shù)據(jù)快照，并且針對記錄和/或模擬的干擾數(shù)據(jù)快照提供相應的第二數(shù)據(jù)陣列，

使用干擾的經(jīng)訓練的數(shù)據(jù)模型從第二數(shù)據(jù)陣列導出觀察到的干擾的本征矢量表示，以及

基于觀察到的干擾的被導出的本征矢量表示且基于通過經(jīng)訓練的數(shù)據(jù)模型提供的多個干擾的本征矢量表示來檢測與觀察到的干擾相似的干擾。

在根據(jù)本發(fā)明的第一方面的方法的可能實施例中，網(wǎng)絡是包括測量能量流參數(shù)的多個相測量單元的電力供應網(wǎng)。

在根據(jù)本發(fā)明的第一方面的方法的可能實施例中，測量到的能量流參數(shù)包括電力供應網(wǎng)的不同相的相電流和相電壓及本地網(wǎng)絡頻率。

在根據(jù)本發(fā)明的第一方面的方法的仍進一步可能實施例中，第一數(shù)據(jù)陣列是四維數(shù)據(jù)陣列，

其中每個條目xi、j、t、k指示相測量單元pmui在時間t針對在所述網(wǎng)絡中觀察到的干擾k的類型j的測量結(jié)果x。

在根據(jù)本發(fā)明的第一方面的方法的仍進一步可能實施例中，基于計算出的在觀察到的干擾的被導出的本征矢量表示與通過經(jīng)訓練的數(shù)據(jù)模型提供的多個干擾的本征矢量表示之間的余弦距離來檢測與觀察到的干擾相似的干擾。

在根據(jù)本發(fā)明的第一方面的方法的可能實施例中，通過無監(jiān)督機器學習生成干擾的數(shù)據(jù)模型。

在根據(jù)本發(fā)明的第一方面的方法的進一步可能實施例中，依靠網(wǎng)絡中的干擾之間的經(jīng)識別的相似性來確定至少一個觀察到的干擾的根本原因。

在根據(jù)本發(fā)明的第一方面的方法的進一步可能實施例中，依靠網(wǎng)絡中的干擾之間的經(jīng)識別的相似性來確定至少一個觀察到的干擾的干擾類型。

本發(fā)明根據(jù)第二方面進一步提供了一種包括權(quán)利要求9的特征的用于網(wǎng)絡中的干擾之間的相似性的自動識別的裝置。

本發(fā)明根據(jù)第二方面提供了一種用于網(wǎng)絡中的干擾之間的相似性的自動識別的裝置，

所述裝置包括：

存儲器單元，其用于存儲多個干擾數(shù)據(jù)快照的第一數(shù)據(jù)陣列，所述多個干擾數(shù)據(jù)快照中的每個被響應于在所述網(wǎng)絡中觀察到干擾而記錄和/或模擬，

生成單元，其被適配成通過機器學習生成關(guān)于第一數(shù)據(jù)陣列訓練的干擾的數(shù)據(jù)模型，其中經(jīng)訓練的數(shù)據(jù)模型提供每個干擾的本征矢量表示，

記錄單元，其被適配成如果在所述網(wǎng)絡的操作期間觀察到干擾則記錄和/或模擬干擾數(shù)據(jù)快照，并且被適配成針對記錄和/或模擬的干擾數(shù)據(jù)快照提供相應的第二數(shù)據(jù)陣列，以及

處理單元，其被適配成使用干擾的經(jīng)訓練的數(shù)據(jù)模型從第二數(shù)據(jù)陣列導出觀察到的干擾的本征矢量表示，并且被適配成基于觀察到的干擾的被導出的本征矢量表示且基于通過經(jīng)訓練的數(shù)據(jù)模型提供的多個干擾的本征矢量表示來檢測與觀察到的干擾相似的干擾。

在根據(jù)本發(fā)明的第二方面的裝置的可能實施例中，處理單元被適配成基于計算出的在觀察到的干擾的被導出的本征矢量表示與通過經(jīng)訓練的數(shù)據(jù)模型提供的多個干擾的本征矢量表示之間的余弦距離來檢測與觀察到的干擾相似的干擾。

在根據(jù)本發(fā)明的第二方面的裝置的進一步可能實施例中，處理單元被適配成依靠網(wǎng)絡中的干擾之間的經(jīng)識別的相似性來確定至少一個觀察到的干擾的根本原因。

在根據(jù)本發(fā)明的第二方面的裝置的仍進一步可能實施例中，處理單元被適配成依靠網(wǎng)絡中的干擾之間的經(jīng)識別的相似性來確定至少一個觀察到的干擾的干擾類型。

在根據(jù)本發(fā)明的第二方面的裝置的可能實施例中，存儲器單元被適配成將第一數(shù)據(jù)陣列存儲為四維數(shù)據(jù)陣列，其中每個條目xi、j、t、k指示相測量單元pmui在時間t針對在所述網(wǎng)絡中觀察到的干擾k的測量類型j的測量結(jié)果x。

在根據(jù)本發(fā)明的第二方面的裝置的進一步可能實施例中，網(wǎng)絡是電力供應網(wǎng)，其包括每個被適配成測量能量流參數(shù)的多個相測量單元，所述能量流參數(shù)包括電力供應網(wǎng)的不同相的相電流和相電壓及所述網(wǎng)絡的本地網(wǎng)絡頻率。

本發(fā)明根據(jù)第三方面進一步提供了一種包括權(quán)利要求15的特征的網(wǎng)絡。

本發(fā)明根據(jù)第三方面提供了一種網(wǎng)絡，其包括

相測量單元，其每個被適配成測量能量流參數(shù)，所述能量流參數(shù)包括網(wǎng)絡的不同相的相電流和相電壓及本地網(wǎng)絡頻率，其中所述網(wǎng)絡進一步包括用于網(wǎng)絡中的干擾之間的相似性的自動識別的裝置，

裝置包括

存儲器單元，其用于存儲多個干擾數(shù)據(jù)快照的第一數(shù)據(jù)陣列，所述多個干擾數(shù)據(jù)快照中的每個被響應于在所述網(wǎng)絡中觀察到干擾而記錄和/或模擬，

生成單元，其被適配成通過機器學習生成關(guān)于第一數(shù)據(jù)陣列訓練的干擾的數(shù)據(jù)模型，其中經(jīng)訓練的數(shù)據(jù)模型提供每個干擾的本征矢量表示，

記錄單元，其被適配成如果在所述網(wǎng)絡的操作期間觀察到干擾則記錄干擾數(shù)據(jù)快照，并且被適配成針對記錄的干擾數(shù)據(jù)快照提供相應的第二數(shù)據(jù)陣列，以及

處理單元，其被適配成使用干擾的經(jīng)訓練的數(shù)據(jù)模型從第二數(shù)據(jù)陣列導出觀察到的干擾的本征矢量表示，并且被適配成基于觀察到的干擾的被導出的本征矢量表示且基于通過經(jīng)訓練的數(shù)據(jù)模型提供的多個干擾的本征矢量表示來檢測與觀察到的干擾相似的干擾。

附圖說明

在下文中，參考附圖來較詳細地描述本發(fā)明的不同方面的可能實施例。

圖1示出了根據(jù)本發(fā)明的一方面的用于自動識別網(wǎng)絡中的干擾之間的相似性的裝置的可能示例性實施例的框圖；

圖2示出了根據(jù)本發(fā)明的進一步方面的用于自動識別網(wǎng)絡中的干擾之間的相似性的方法的可能示例性實施例的流程圖；

圖3示出了根據(jù)本發(fā)明的進一步方面的網(wǎng)絡的可能示例性實施例的示意圖。

具體實施方式

如可以在圖1中看到的那樣，可將用于自動識別網(wǎng)絡中的干擾之間的相似性的裝置1鏈接到相應的網(wǎng)絡2。在可能實施例中，網(wǎng)絡2是諸如圖3中圖示的電力供應網(wǎng)，包括測量能量流參數(shù)的多個相測量單元（phasemeasurementunit）pmu。在如圖1中示出的實施例中，裝置1包括存儲器單元3，其存儲多個干擾數(shù)據(jù)快照的第一數(shù)據(jù)陣列da1，所述多個干擾數(shù)據(jù)快照中的每個被響應于在網(wǎng)絡2中觀察到干擾或擾動而記錄。在可能實施例中，還可以模擬數(shù)據(jù)快照。在可能實施例中，存儲器單元3將四維數(shù)據(jù)陣列存儲為第一數(shù)據(jù)陣列，其中每個條目xi、j、t、k指示相測量單元pmui在時間t處針對在網(wǎng)絡2中觀察到的干擾k的測量類型j的測量結(jié)果x。

裝置1進一步包括生成單元4，其被適配成通過機器學習生成關(guān)于從存儲器單元3讀取的第一數(shù)據(jù)陣列da1訓練的干擾的數(shù)據(jù)模型。由生成單元4生成的經(jīng)訓練的數(shù)據(jù)模型提供每個干擾的本征矢量表示。在優(yōu)選實施例中，通過無監(jiān)督機器學習生成干擾的數(shù)據(jù)模型。

裝置1進一步包括記錄單元5，其被適配成如果在網(wǎng)絡2的操作期間觀察到干擾則記錄干擾數(shù)據(jù)快照pds，并且被適配成針對記錄的干擾數(shù)據(jù)快照提供相應的第二數(shù)據(jù)陣列da2。在可能實施例中，通過四階張量或數(shù)據(jù)陣列da2來表示檢測到的干擾的流式數(shù)據(jù)，所述四階張量或數(shù)據(jù)陣列da2在pmui、測量類型j和時間t的前三個模式內(nèi)具有與張量或第一陣列da1相同的形狀或形式，但具有尺寸1的最后模式，因為張量或第二數(shù)據(jù)陣列da2保持單個干擾k的數(shù)據(jù)。網(wǎng)絡2內(nèi)的干擾k可以是例如對網(wǎng)絡2的穩(wěn)定性有影響的發(fā)電機跳閘或線路跳閘。電力供應網(wǎng)2的相測量單元pmu可以測量能量流參數(shù)。這些能量流參數(shù)在可能實施例中可以包括包含三個相l(xiāng)1、l2、l3的三相電力供應系統(tǒng)的三相電流i1、i2、i3和三相電壓u1、u2、u3以及本地頻率f。相測量單元pmu可以位于網(wǎng)絡2內(nèi)的特定地點處以監(jiān)視整個電力供應網(wǎng)2的狀態(tài)。相測量單元pmu以高分辨率提供測量結(jié)果x，其中可以例如經(jīng)由gps使測量結(jié)果時間同步。在可能實施例中，相測量單元可以以達到每秒120個樣本的報告速率發(fā)送其測量值。為了比較不同位置的測量結(jié)果，在gps時鐘上以小于5秒的準確度來同步相測量單元pmu。用根據(jù)本發(fā)明的方法和裝置，使通過相測量單元pmu檢索的傳入數(shù)據(jù)流與被存儲在數(shù)據(jù)庫中的一組情形相關(guān)是可能的。

如圖1中圖示的那樣，裝置1包括處理單元6，其被適配成使用由生成單元4提供的干擾的經(jīng)訓練的數(shù)據(jù)模型從由所述記錄單元提供的第二數(shù)據(jù)陣列da2導出觀察到的干擾k的本征矢量表示。裝置1的處理單元6被進一步適配成基于計算出的在觀察到的干擾k的被導出的本征矢量表示并基于通過經(jīng)訓練的數(shù)據(jù)模型提供的多個干擾的本征矢量表示來檢測與觀察到的干擾相似的干擾。處理單元6被適配成在可能實施例中基于計算出的在觀察到的干擾k的被導出的本征矢量表示與通過由生成單元4輸出的經(jīng)訓練的數(shù)據(jù)模型tdm提供的多個干擾的本征矢量表示之間的余弦距離來檢測與觀察到的干擾k相似的干擾。

在根據(jù)本發(fā)明的裝置1的進一步可能實施例中，處理單元6被進一步適配成依靠相應的網(wǎng)絡2中的干擾之間的經(jīng)識別的相似性來確定至少一個觀察到的干擾的根本原因。處理單元6被進一步適配成在可能實施例中依靠網(wǎng)絡2中的干擾之間的經(jīng)識別的相似性來確定至少一個觀察到的干擾的干擾類型。

在可能實施例中，用根據(jù)本發(fā)明的方法和裝置，可以在離線階段中挖掘數(shù)據(jù)庫以提取干擾數(shù)據(jù)快照pds。干擾數(shù)據(jù)快照pds包括由網(wǎng)絡2內(nèi)的傳感器提供的傳感器數(shù)據(jù)，其發(fā)生在已在相應的網(wǎng)絡2中觀察到干擾或擾動之后的預定時間段中。在可能實施例中，傳感器包括相測量單元pmu，其每個提供測量到的能量流參數(shù)的傳感器數(shù)據(jù)，所述能量流參數(shù)包括相電流i1、i2、i3和相電壓u1、u2、u3以及相測量單元pmu的相應地點處的本地網(wǎng)絡頻率f。在示例性實施例中，電力供應網(wǎng)2內(nèi)的諸如相測量單元pmu之類的傳感器向裝置1提供七個時間序列傳感器數(shù)據(jù)。如果電力供應網(wǎng)2包括n個相測量單元pmu，則獲得的網(wǎng)絡2的干擾數(shù)據(jù)快照包括7×n個時間序列數(shù)據(jù)。干擾數(shù)據(jù)快照pds是在已觀察到此類擾動或干擾之后的預定時間內(nèi)的整個網(wǎng)絡2的快照，包括用于不同網(wǎng)絡參數(shù)的時間序列傳感器數(shù)據(jù)。在可能實施例中，數(shù)據(jù)快照可以包括始于網(wǎng)絡2內(nèi)的過去的擾動的開始的若干秒的時間段內(nèi)的傳感器數(shù)據(jù)或時間序列數(shù)據(jù)。針對多組擾動或干擾的這些數(shù)據(jù)快照的收集可以由領(lǐng)域?qū)＜翌A先標記并且可以被組織在形成第一數(shù)據(jù)陣列da1的四階張量中。標記可以指示干擾已發(fā)生在哪里和其是什么種類的擾動，例如“土耳其中的發(fā)電機跳閘”。使用該四階張量或數(shù)據(jù)陣列，在可能實施例中，可以執(zhí)行被稱為張量分解（tensorfactorization）（parafac）的機器學習技術(shù)，其可以在在線階段中用作預先訓練的數(shù)據(jù)模型。該數(shù)據(jù)模型的結(jié)果是干擾的本征表示，其以數(shù)值矢量形式描述每個干擾的特性。

在在線階段中，如果檢測到干擾，則提取并記錄干擾數(shù)據(jù)快照pds，其包括來自多個相測量單元pmu的傳入數(shù)據(jù)。還可以在張量（即，針對記錄的干擾數(shù)據(jù)快照的第二數(shù)據(jù)陣列da2）中組織在網(wǎng)絡2的操作期間觀察到的干擾的該單個數(shù)據(jù)快照。給定該張量，利用在離線階段中由生成單元4生成的預先訓練的數(shù)據(jù)模型來導出干擾的本征表示。使用干擾的本征表示和通過關(guān)于第一數(shù)據(jù)陣列da1訓練的數(shù)據(jù)模型提供的多個干擾的多個本征表示，處理單元6可以通過計算出的在在在線階段中觀察到的干擾k的被導出的本征矢量表示與通過經(jīng)訓練的數(shù)據(jù)模型tdm提供的多個干擾的本征矢量表示之間的余弦距離的基礎(chǔ)而在離線數(shù)據(jù)庫或存儲器單元3中檢測相似擾動或干擾。根據(jù)檢測到的相似干擾，處理單元6可以估計在網(wǎng)絡2內(nèi)觀察到的干擾的可能的根本原因和位置。在已提取數(shù)據(jù)快照之后，甚至針對包括數(shù)千個相測量單元pmu的非常大的電力供應網(wǎng)，也可以自動地在數(shù)秒內(nèi)實現(xiàn)相似干擾的檢測。用根據(jù)本發(fā)明的方法和裝置，利用張量中的數(shù)據(jù)的自然多維性是可能的，其允許考慮隨時間推移從電力供應網(wǎng)2內(nèi)的多個相測量單元pmu接收到的測量結(jié)果之間的多維相關(guān)性和依賴性。用本方法和裝置，使用在先的張量分解作為數(shù)據(jù)模型來將觀察到的數(shù)據(jù)投射在同一本征數(shù)據(jù)空間中以提供相似性檢測。本方法在優(yōu)選實施例中被完全無監(jiān)督地執(zhí)行。可獨立于相應系統(tǒng)、在時間上的任何點處完成離線階段中的耗時處理。在在線階段中，可以在幾秒內(nèi)執(zhí)行檢測相似性，導致近實時的響應。進一步地，對網(wǎng)絡2內(nèi)的相似干擾的檢測可以闡明遭遇的干擾的根本原因和/或位置。用根據(jù)本發(fā)明的方法和裝置，可以將關(guān)于過去的擾動或干擾的經(jīng)驗和知識直接地傳遞到被監(jiān)視的網(wǎng)絡2內(nèi)的當前觀察到的擾動或干擾。

圖2示出了根據(jù)本發(fā)明的方面的用于自動識別網(wǎng)絡中的干擾之間的相似性的方法的可能示例性實施例的流程圖。

在第一步驟s1中，提供了多個干擾數(shù)據(jù)快照pds的第一數(shù)據(jù)陣列da1，其中響應于在網(wǎng)絡2內(nèi)觀察到干擾k而記錄每個數(shù)據(jù)快照。網(wǎng)絡2可以是包括測量能量流參數(shù)的多個相測量單元pmu的電力供應網(wǎng)。

在進一步步驟s2中，通過機器學習生成干擾的數(shù)據(jù)模型并關(guān)于第一數(shù)據(jù)陣列da1對其進行訓練，其中經(jīng)訓練的數(shù)據(jù)模型tdm提供多個干擾中的每個的本征矢量表示。

在進一步步驟s3中，如果在網(wǎng)絡2的操作期間觀察到干擾k，則記錄干擾數(shù)據(jù)快照pds，并且針對記錄的干擾數(shù)據(jù)快照pds提供相應的第二數(shù)據(jù)陣列da2。

在進一步步驟s4中，使用干擾的經(jīng)訓練的數(shù)據(jù)模型tdm從第二數(shù)據(jù)陣列da2導出觀察到的干擾的本征矢量表示。

最后，在步驟s5中，基于觀察到的干擾的被導出的本征矢量表示且基于通過經(jīng)訓練的數(shù)據(jù)模型tdm提供的多個干擾的本征矢量表示來檢測與觀察到的干擾k相似的干擾。在可能實施例中，基于計算出的在觀察到的干擾k的被導出的本征矢量表示與通過經(jīng)訓練的數(shù)據(jù)模型tdm提供的多個干擾的本征矢量表示之間的余弦距離來檢測與觀察到的干擾相似的干擾。進一步地，在可能實施例中，依靠網(wǎng)絡2中的干擾之間的經(jīng)識別的相似性，可以自動地確定至少一個觀察到的干擾的根本原因。此外，在進一步可能實施例中，依靠網(wǎng)絡2中的干擾之間的經(jīng)識別的相似性，可以在步驟s5中自動地確定至少一個觀察到的干擾的干擾類型。

圖3示出了根據(jù)本發(fā)明的進一步方面的網(wǎng)絡2的示例性實施例。網(wǎng)絡2是電力供應網(wǎng)2，其包括每個被適配成測量能量流參數(shù)的多個相測量單元pmu，所述能量流參數(shù)包括三相電力供應網(wǎng)的不同相l(xiāng)1、l2、l3的相電流i1、i2、i3和相電壓u1、u2、u3以及相測量單元pmu的相應地點處的本地網(wǎng)絡頻率f。網(wǎng)絡2包括至少一個網(wǎng)絡控制器或裝置，用于如圖1中圖示的電力供應網(wǎng)2中的干擾之間的相似性的自動識別。如圖3中所示，電力供應網(wǎng)2在圖示的實施例中包括通過發(fā)電廠符號表示的電力供應發(fā)電機。其可以是具有觀察到的跳閘和不具有觀察到的跳閘的電力供應發(fā)電機。在圖3中示出的電力供應網(wǎng)2中，電力供應網(wǎng)包括12個電力供應發(fā)電機g1至g12，其中三個發(fā)電機g4、g7和g9提供執(zhí)行電力供應網(wǎng)2內(nèi)的干擾的發(fā)電機跳閘。在圖3中圖示的網(wǎng)絡中，節(jié)點表示其中pmu測量的針對干擾的數(shù)據(jù)可用的變電站。為了識別新遭遇的干擾的位置和時間，使用區(qū)域數(shù)據(jù)來識別觀察到的干擾中的相似性。在圖3中示出的示例性電力供應網(wǎng)2中，存在發(fā)電廠或電力供應發(fā)電機的三個不同集群。用根據(jù)本發(fā)明的方法和裝置，向不同的集群分配將來的干擾或發(fā)電機跳閘是可能的?？梢詫⑵鋺糜陔娏獋鬏斁€的線路跳閘，其中最相似的線路跳閘或干擾可以提供新觀察到的線路跳閘最可能發(fā)生在電力供應網(wǎng)2內(nèi)的哪里的暗示。用根據(jù)本發(fā)明的方法和裝置，提供干擾的離線數(shù)據(jù)庫是可能的，其覆蓋所監(jiān)視的子網(wǎng)內(nèi)和外部的感興趣區(qū)域中的各種類型的干擾，例如針對線路和發(fā)電機跳閘。用該離線數(shù)據(jù)庫，將新觀察到的干擾分配給被存儲在離線數(shù)據(jù)庫中的最相似的干擾是可能的。用根據(jù)本發(fā)明的方法和裝置，通過使用張量分解來識別干擾之間的相似性和流式傳輸?shù)母叻直媛蕚鬏斁W(wǎng)數(shù)據(jù)是可能的。