本發(fā)明屬于電網(wǎng)維修領(lǐng)域，具體是涉及一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)。

背景技術(shù)：

1、配電網(wǎng)是指從輸電網(wǎng)或地區(qū)發(fā)電廠接受電能，通過(guò)配電設(shè)施就地分配或按電壓逐級(jí)分配給各類用戶的電力網(wǎng)。配電網(wǎng)維持的是居民的穩(wěn)定生活、工業(yè)的穩(wěn)定生產(chǎn)等，所以配電網(wǎng)的穩(wěn)定運(yùn)行是民生的基礎(chǔ)，雖然配電網(wǎng)在日常生活中是較為穩(wěn)定的，但是若遇到極端情況，配電網(wǎng)出現(xiàn)故障也是意料之中，所以對(duì)配電網(wǎng)搶修調(diào)度的效率進(jìn)行控制是穩(wěn)定民生的大事。

2、現(xiàn)有配電網(wǎng)搶修調(diào)度系統(tǒng)，雖通過(guò)人工報(bào)修、數(shù)據(jù)分析等手段提升了應(yīng)急效率，卻面臨嚴(yán)峻挑戰(zhàn)：其一，響應(yīng)機(jī)制冗長(zhǎng)，依賴人工逐級(jí)上報(bào)，顯著延緩了故障處理的時(shí)效性；其二，故障定位技術(shù)滯后，精準(zhǔn)度不足，常需人工實(shí)地勘查，成本高昂且效率低下；其三，智能化水平有限，面對(duì)復(fù)雜故障場(chǎng)景，系統(tǒng)缺乏自主分析與決策能力，難以迅速生成高效搶修策略；其四，數(shù)據(jù)共享壁壘高筑，阻礙了跨部門、跨區(qū)域間的信息流通與協(xié)同作戰(zhàn)，限制了搶修效率與資源調(diào)配的最優(yōu)化。因此，本發(fā)明提供一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)，提升配電網(wǎng)搶修調(diào)度的智能化、精準(zhǔn)化及協(xié)同化水平。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)，用于解決傳統(tǒng)配電網(wǎng)搶修調(diào)度系統(tǒng)響應(yīng)機(jī)制冗長(zhǎng)、故障定位技術(shù)滯后，精準(zhǔn)度不足以及智能化水平較低的技術(shù)問(wèn)題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明所采取的技術(shù)方案如下：一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)，所述系統(tǒng)包括：數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)分析模塊、數(shù)據(jù)更新模塊和顯示模塊，所述數(shù)據(jù)采集模塊通過(guò)多參數(shù)傳感器實(shí)時(shí)監(jiān)測(cè)配電網(wǎng)各節(jié)點(diǎn)的多參數(shù)數(shù)據(jù)，所述數(shù)據(jù)采集模塊采集到的多參數(shù)數(shù)據(jù)通過(guò)無(wú)線或有線方式實(shí)時(shí)傳輸?shù)綌?shù)據(jù)預(yù)處理模塊，所述數(shù)據(jù)預(yù)處理模塊對(duì)多參數(shù)數(shù)據(jù)進(jìn)行預(yù)處理，所述預(yù)處理包括清洗與標(biāo)準(zhǔn)化，經(jīng)過(guò)所述預(yù)處理后的多參數(shù)數(shù)據(jù)通過(guò)數(shù)據(jù)分析模塊進(jìn)行模型訓(xùn)練，所述模型包括lstm和rnn，同時(shí)數(shù)據(jù)更新模塊采用adam優(yōu)化算法更新rnn的參數(shù)，數(shù)據(jù)分析模塊實(shí)時(shí)分析多參數(shù)數(shù)據(jù)，模型輸出故障位置的預(yù)測(cè)結(jié)果，從而確定故障的具體位置，通過(guò)顯示模塊顯示，從而完成搶修過(guò)程。

3、進(jìn)一步地，數(shù)據(jù)采集模塊采用標(biāo)準(zhǔn)的api接口與多參數(shù)傳感器監(jiān)測(cè)網(wǎng)絡(luò)連接，并在監(jiān)測(cè)配電網(wǎng)各節(jié)點(diǎn)采用rfid標(biāo)簽標(biāo)識(shí)和追蹤電力設(shè)備，確保在搶修過(guò)程中能夠快速定位。

4、進(jìn)一步地，配電網(wǎng)各節(jié)點(diǎn)的多參數(shù)數(shù)據(jù)包括電壓、電流、溫度、濕度、功率因數(shù)、諧波含量、電磁強(qiáng)度、頻率。

5、進(jìn)一步地，所述清洗為采用標(biāo)準(zhǔn)差法識(shí)別并處理異常值。

6、進(jìn)一步地，所述標(biāo)準(zhǔn)化為通過(guò)改進(jìn)z-score標(biāo)準(zhǔn)化將多參數(shù)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，使得能夠在同一尺度下進(jìn)行比較和分析。

7、進(jìn)一步地，經(jīng)過(guò)標(biāo)準(zhǔn)化的多參數(shù)數(shù)據(jù)進(jìn)行歸一化處理，將多參數(shù)數(shù)據(jù)轉(zhuǎn)換為0到1之間的無(wú)量綱值，獲取最小-最大歸一化公式。

8、進(jìn)一步地，所述數(shù)據(jù)分析模塊中l(wèi)stm模型包含一個(gè)細(xì)胞狀態(tài)和一個(gè)隱藏狀態(tài)，細(xì)胞狀態(tài)負(fù)責(zé)存儲(chǔ)和傳遞信息，隱藏狀態(tài)負(fù)責(zé)提取和輸出信息，所述rnn模型包括輸入層、隱藏層、輸出層。

9、進(jìn)一步地，所述數(shù)據(jù)分析模塊進(jìn)行模型訓(xùn)練，所述模型包括lstm和rnn，訓(xùn)練使用訓(xùn)練集數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，通過(guò)前向傳播計(jì)算損失，然后通過(guò)反向傳播和梯度下降更新rnn模型參數(shù)，并在驗(yàn)證集上評(píng)估模型性能，以避免過(guò)擬合，并根據(jù)需要調(diào)整模型結(jié)構(gòu)和超參數(shù)。

10、進(jìn)一步地，所述adam優(yōu)化算法的具體流程如下：

11、(1)初始化：設(shè)置數(shù)據(jù)xi初始學(xué)習(xí)率α、一階矩估計(jì)的指數(shù)衰減率β1、二階矩估計(jì)的指數(shù)衰減率β2以及小數(shù)ε，用于防止在實(shí)現(xiàn)中分母為零；

12、(2)計(jì)算梯度：在每一次迭代中，使用mini-batch梯度下降法計(jì)算損失函數(shù)相對(duì)于每個(gè)參數(shù)的梯度；

13、計(jì)算一階矩和二階矩的估計(jì)：通過(guò)指數(shù)衰減平均方法計(jì)算梯度的一階矩均值和二階矩方差的估計(jì)；

14、(3)修正偏差：由于初始時(shí)動(dòng)量值為零，通過(guò)偏差修正來(lái)調(diào)整一階矩和二階矩的估計(jì)；

15、(4)更新參數(shù)：根據(jù)修正后的一階矩和二階矩估計(jì)以及學(xué)習(xí)率來(lái)更新參數(shù)。

16、進(jìn)一步地，故障的具體位置輸出在所述顯示模塊上，所述顯示模塊包括云平臺(tái)，能夠根據(jù)故障搶修的實(shí)際結(jié)果，收集反饋數(shù)據(jù)，分析預(yù)測(cè)結(jié)果與實(shí)際結(jié)果的差異，評(píng)估模型性能。

17、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：

18、(1)本發(fā)明采用集成深度學(xué)習(xí)算法的故障定位模型，通過(guò)對(duì)歷史故障數(shù)據(jù)與實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)的綜合分析，實(shí)現(xiàn)故障位置的快速、精確定位，減少現(xiàn)場(chǎng)勘查時(shí)間。

19、(2)本發(fā)明調(diào)度系統(tǒng)具備自我學(xué)習(xí)與優(yōu)化能力，通過(guò)不斷積累搶修案例與數(shù)據(jù)，持續(xù)優(yōu)化故障預(yù)測(cè)模型與調(diào)度策略，提升整體智能化水平。

20、(3)本發(fā)明通過(guò)開放的數(shù)據(jù)接口與云平臺(tái)，實(shí)現(xiàn)不同系統(tǒng)間數(shù)據(jù)的無(wú)縫對(duì)接與共享，促進(jìn)跨部門、跨區(qū)域的協(xié)同搶修作業(yè)，提升整體應(yīng)急響應(yīng)能力。

技術(shù)特征：

1.一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)，其特征在于，所述系統(tǒng)包括：數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)分析模塊、數(shù)據(jù)更新模塊和顯示模塊，所述數(shù)據(jù)采集模塊通過(guò)多參數(shù)傳感器實(shí)時(shí)監(jiān)測(cè)配電網(wǎng)各節(jié)點(diǎn)的多參數(shù)數(shù)據(jù)，所述數(shù)據(jù)采集模塊采集到的多參數(shù)數(shù)據(jù)通過(guò)無(wú)線或有線方式實(shí)時(shí)傳輸?shù)綌?shù)據(jù)預(yù)處理模塊，所述數(shù)據(jù)預(yù)處理模塊對(duì)多參數(shù)數(shù)據(jù)進(jìn)行預(yù)處理，所述預(yù)處理包括清洗與標(biāo)準(zhǔn)化，經(jīng)過(guò)所述預(yù)處理后的多參數(shù)數(shù)據(jù)通過(guò)數(shù)據(jù)分析模塊進(jìn)行模型訓(xùn)練，所述模型包括lstm和rnn，同時(shí)數(shù)據(jù)更新模塊采用adam優(yōu)化算法更新rnn的參數(shù)，數(shù)據(jù)分析模塊實(shí)時(shí)分析多參數(shù)數(shù)據(jù)，模型輸出故障位置的預(yù)測(cè)結(jié)果，從而確定故障的具體位置，通過(guò)顯示模塊顯示，從而完成搶修過(guò)程。

2.根據(jù)權(quán)利要求1所述的一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)，其特征在于，數(shù)據(jù)采集模塊采用標(biāo)準(zhǔn)的api接口與多參數(shù)傳感器監(jiān)測(cè)網(wǎng)絡(luò)連接，并在監(jiān)測(cè)配電網(wǎng)各節(jié)點(diǎn)采用rfid標(biāo)簽標(biāo)識(shí)和追蹤電力設(shè)備，確保在搶修過(guò)程中能夠快速定位。

3.根據(jù)權(quán)利要求1所述的一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)，其特征在于，配電網(wǎng)各節(jié)點(diǎn)的多參數(shù)數(shù)據(jù)包括電壓、電流、溫度、濕度、功率因數(shù)、諧波含量、電磁強(qiáng)度、頻率。

4.根據(jù)權(quán)利要求3所述的一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)，其特征在于，所述清洗為采用標(biāo)準(zhǔn)差法識(shí)別并處理異常值。

5.根據(jù)權(quán)利要求4所述的一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)，其特征在于，所述標(biāo)準(zhǔn)化為通過(guò)改進(jìn)z-score標(biāo)準(zhǔn)化將多參數(shù)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，使得能夠在同一尺度下進(jìn)行比較和分析。

6.根據(jù)權(quán)利要求5所述的一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)，其特征在于，經(jīng)過(guò)標(biāo)準(zhǔn)化的多參數(shù)數(shù)據(jù)進(jìn)行歸一化處理，將多參數(shù)數(shù)據(jù)轉(zhuǎn)換為0到1之間的無(wú)量綱值，獲取最小-最大歸一化公式。

7.根據(jù)權(quán)利要求1所述的一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)，其特征在于，所述數(shù)據(jù)分析模塊中l(wèi)stm模型含一個(gè)細(xì)胞狀態(tài)和一個(gè)隱藏狀態(tài)，細(xì)胞狀態(tài)負(fù)責(zé)存儲(chǔ)和傳遞信息，隱藏狀態(tài)負(fù)責(zé)提取和輸出信息，所述rnn包括輸入層、隱藏層、輸出層。

8.根據(jù)權(quán)利要求7所述的一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)，其特征在于，所述數(shù)據(jù)分析模塊進(jìn)行模型訓(xùn)練，所述模型包括lstm和rnn，訓(xùn)練使用訓(xùn)練集數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，通過(guò)前向傳播計(jì)算損失，然后通過(guò)反向傳播和梯度下降更新rnn模型參數(shù)，并在驗(yàn)證集上評(píng)估模型性能，以避免過(guò)擬合，并根據(jù)需要調(diào)整模型結(jié)構(gòu)和超參數(shù)。

9.根據(jù)權(quán)利要求1所述的一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)，其特征在于，所述adam優(yōu)化算法的具體流程如下：

10.根據(jù)權(quán)利要求8所述的一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)，其特征在于，故障的具體位置輸出在所述顯示模塊上，所述顯示模塊包括云平臺(tái)，能夠根據(jù)故障搶修的實(shí)際結(jié)果，收集反饋數(shù)據(jù)，分析預(yù)測(cè)結(jié)果與實(shí)際結(jié)果的差異，評(píng)估模型性能。

技術(shù)總結(jié)
本發(fā)明屬于電網(wǎng)維修領(lǐng)域，具體是涉及一種智能配電網(wǎng)搶修調(diào)度系統(tǒng)；由數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)分析模塊、數(shù)據(jù)更新模塊、顯示模塊組成，所述數(shù)據(jù)采集模塊通過(guò)多參數(shù)傳感器實(shí)時(shí)監(jiān)測(cè)配電網(wǎng)各節(jié)點(diǎn)的多參數(shù)數(shù)據(jù)，所述數(shù)據(jù)采集模塊采集到的數(shù)據(jù)通過(guò)無(wú)線或有線方式實(shí)時(shí)傳輸?shù)綌?shù)據(jù)預(yù)處理模塊，所述數(shù)據(jù)預(yù)處理模塊對(duì)多參數(shù)數(shù)據(jù)進(jìn)行清洗與標(biāo)準(zhǔn)化，通過(guò)預(yù)處理后的多參數(shù)數(shù)據(jù)通過(guò)數(shù)據(jù)分析模塊進(jìn)行模型訓(xùn)練，所述模型包括LSTM和RNN，同時(shí)數(shù)據(jù)更新模塊采用Adam優(yōu)化算法更新數(shù)據(jù)分析模型RNN的參數(shù)，數(shù)據(jù)分析模塊輸出故障的具體位置，通過(guò)顯示模塊顯示，從而完成搶修過(guò)程。

技術(shù)研發(fā)人員：劉延鵬,劉鵬杰,李景玉,梁秀萍,王穎穎,岳凱,趙明偉,李敬芝,李鵬斐,胡天煜,劉頌洋,李松泰
受保護(hù)的技術(shù)使用者：國(guó)網(wǎng)河南省電力公司鞏義市供電公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26