本發(fā)明涉及輸電線路系統(tǒng)故障預(yù)測，尤其涉及基于大數(shù)據(jù)分析的配電系統(tǒng)故障預(yù)測系統(tǒng)及預(yù)測方法。

背景技術(shù)：

1、基于大數(shù)據(jù)分析的配電系統(tǒng)故障預(yù)測系統(tǒng)是一種通過采集、存儲、分析和挖掘配電系統(tǒng)中產(chǎn)生的大量數(shù)據(jù)，提前識別潛在故障風(fēng)險，并預(yù)測故障發(fā)生時間、地點和類型的智能系統(tǒng)。該系統(tǒng)主要依靠大數(shù)據(jù)技術(shù)、人工智能(ai)、機器學(xué)習(xí)(ml)算法和數(shù)據(jù)挖掘方法來實現(xiàn)對配電系統(tǒng)的故障診斷和預(yù)測，旨在提高電力系統(tǒng)的運行可靠性、降低停電時間、減少損失，并實現(xiàn)高效的運維管理。

2、基于大數(shù)據(jù)分析的配電系統(tǒng)故障預(yù)測系統(tǒng)使用預(yù)測方法，主要是為了實現(xiàn)對配電系統(tǒng)故障的早期識別和預(yù)警，從而提高系統(tǒng)的可靠性、減少故障發(fā)生的頻率，并且優(yōu)化資源配置。

3、隨著對配電系統(tǒng)供電可靠性要求提高，基于大數(shù)據(jù)分析的故障預(yù)測方法出現(xiàn)，數(shù)據(jù)采集從配電系統(tǒng)傳感器獲取實時運行數(shù)據(jù)，但傳感器存在精度、穩(wěn)定性及數(shù)據(jù)傳輸完整性問題，影響采集數(shù)據(jù)質(zhì)量，不利于后續(xù)分析，而且異常值判斷準(zhǔn)確性和標(biāo)準(zhǔn)化、歸一化適應(yīng)性方面存在不足，可能干擾后續(xù)特征提取與分析，需優(yōu)化改進(jìn)來提升故障預(yù)測的準(zhǔn)確性和可靠性，可其存在異常值、缺失值及一致性。

技術(shù)實現(xiàn)思路

1、為了彌補以上不足，本發(fā)明提供了基于大數(shù)據(jù)分析的配電系統(tǒng)故障預(yù)測系統(tǒng)及預(yù)測方法，旨在改善現(xiàn)有技術(shù)更多關(guān)注預(yù)測模型本身，而非特征數(shù)據(jù)質(zhì)量，導(dǎo)致預(yù)測結(jié)果可能受無用特征干擾，同時未結(jié)合具體配電系統(tǒng)的運行特點提煉關(guān)鍵特征，缺乏對設(shè)備運行特征和用電規(guī)律的深入挖掘的問題。

2、第一方面，本發(fā)明提供了如下技術(shù)方案，基于大數(shù)據(jù)分析的配電系統(tǒng)故障預(yù)測系統(tǒng)，包括：

3、數(shù)據(jù)采集模塊、數(shù)據(jù)存儲模塊、數(shù)據(jù)預(yù)處理模塊、特征提取模塊、大數(shù)據(jù)分析模塊和故障預(yù)測及通知模塊；

4、所述數(shù)據(jù)采集模塊用于采集配電系統(tǒng)中傳感器的實時運行數(shù)據(jù)；

5、所述數(shù)據(jù)存儲模塊用于通過采用數(shù)據(jù)存儲技術(shù)，對采集到的歷史數(shù)據(jù)和實時數(shù)據(jù)進(jìn)行存儲和管理；

6、所述數(shù)據(jù)預(yù)處理模塊用于對采集到的數(shù)據(jù)進(jìn)行初步處理，用于提高數(shù)據(jù)質(zhì)量和可用性；

7、所述特征提取模塊用于運用數(shù)據(jù)分析和機器學(xué)習(xí)算法，從預(yù)處理后的數(shù)據(jù)中提取與故障相關(guān)的特征。

8、所述大數(shù)據(jù)分析模塊用于對提取的特征通過學(xué)習(xí)技術(shù)，對提取的特征進(jìn)行分析和建模，以挖掘潛在的故障模式和規(guī)律；

9、所述故障預(yù)測及通知模塊用于根據(jù)分析模型的結(jié)果，對未來可能發(fā)生的故障進(jìn)行預(yù)測，當(dāng)預(yù)測到故障時發(fā)送預(yù)警通知，向相關(guān)人員發(fā)送預(yù)警通知。

10、較佳的，所述數(shù)據(jù)采集模塊包括數(shù)據(jù)收集單元、數(shù)據(jù)傳輸單元和數(shù)據(jù)校驗單元，所述數(shù)據(jù)收集單元用于負(fù)責(zé)從傳感器收集實時運行數(shù)據(jù)，所述數(shù)據(jù)傳輸單元用于將收集到的數(shù)據(jù)傳輸至數(shù)據(jù)存儲模塊，所述數(shù)據(jù)校驗單元用于對采集到的數(shù)據(jù)進(jìn)行初步校驗，初步校驗用于檢測數(shù)據(jù)的完整性和準(zhǔn)確性。所述傳感器包括智能電表和監(jiān)測設(shè)備，所述運行數(shù)據(jù)包括：電壓、電流、功率、溫度、濕度、現(xiàn)場設(shè)備的長期電壓穩(wěn)定性數(shù)據(jù)以及車間之間的多臺變壓器的協(xié)同運行特征和指揮部用電的周期性數(shù)據(jù)，所述多臺變壓器的協(xié)同運行特征包括負(fù)載分配特征、運行狀態(tài)的相關(guān)性、故障傳遞特征、效率協(xié)同特征、備用與主用切換特性、調(diào)度和切換特征和時間序列特征，所述現(xiàn)場設(shè)備的長期電壓穩(wěn)定性數(shù)據(jù)包括電壓波動幅度、電壓變化率、電壓偏差、電壓異常率、電壓波動頻率、電壓長期趨勢特征和電壓穩(wěn)定性系數(shù)，所述指揮部用電的周期性數(shù)據(jù)包括日周期用電模式、周周期用電模式、月周期用電模式、節(jié)假日用電特征、周期性負(fù)荷波動特征、任務(wù)驅(qū)動的用電模式和用電負(fù)荷預(yù)測數(shù)據(jù)。

11、較佳的，所述數(shù)據(jù)存儲模塊包括數(shù)據(jù)存儲單元、數(shù)據(jù)管理單元和數(shù)據(jù)訪問單元，所述數(shù)據(jù)存儲單元用于使用數(shù)據(jù)存儲技術(shù)對歷史數(shù)據(jù)和實時數(shù)據(jù)進(jìn)行存儲，所述數(shù)據(jù)存儲技術(shù)包括分布式數(shù)據(jù)庫或數(shù)據(jù)倉庫，所述數(shù)據(jù)管理單元用于對存儲的數(shù)據(jù)進(jìn)行分類、索引和備份管理，所述數(shù)據(jù)訪問單元用于提供數(shù)據(jù)訪問接口，用于供其他模塊連接調(diào)用存儲的數(shù)據(jù)。

12、較佳的，所述數(shù)據(jù)預(yù)處理模塊包括數(shù)據(jù)清洗單元、數(shù)據(jù)篩選單元和數(shù)據(jù)優(yōu)化單元，所述數(shù)據(jù)清洗單元用于清理數(shù)據(jù)中的異常值和錯誤數(shù)據(jù)，所述數(shù)據(jù)篩選單元用于按照設(shè)定的規(guī)則篩選出有用的數(shù)據(jù)，所述數(shù)據(jù)優(yōu)化單元用于對篩選后的數(shù)據(jù)進(jìn)行初步處理，所述初步處理包括清洗、篩選、去噪和歸一化處理。

13、較佳的，所述特征提取模塊包括特征分析單元、特征計算單元和特征評估單元，所述特征分析單元用于運用數(shù)據(jù)分析方法確定與故障相關(guān)的特征類型，所述特征包括電壓波動特征、電流諧波特征和功率因數(shù)變化特征，所述特征計算單元用于通過算法計算從而提取這些特征，所述特征評估單元用于評估提取的特征的有效性和相關(guān)性。

14、較佳的，所述大數(shù)據(jù)分析模塊包括模型訓(xùn)練單元、模型評估單元和模型調(diào)整單元，所述模型訓(xùn)練單元用于運用學(xué)習(xí)技術(shù)進(jìn)行模型訓(xùn)練，所述學(xué)習(xí)技術(shù)包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和隨機森林，所述模型評估單元用于對訓(xùn)練好的模型進(jìn)行功能性方面的評估，所述功能性包括模型的準(zhǔn)確性和泛化能力，所述模型調(diào)整單元用于根據(jù)評估結(jié)果對模型進(jìn)行參數(shù)調(diào)整以及改進(jìn)。

15、較佳的，所述故障預(yù)測及通知模塊包括故障分析單元、故障定位預(yù)測單元、通知生成單元和通知發(fā)送單元，所述故障分析單元用于根據(jù)分析模型的結(jié)果，分析出現(xiàn)的故障類型，所述故障定位預(yù)測單元用于確定故障發(fā)生的具體位置和故障發(fā)生的大致時間，所述通知生成單元用于檢測到故障時，生成相應(yīng)的預(yù)警通知內(nèi)容，所述通知發(fā)送單元用于將預(yù)測內(nèi)容發(fā)送給相關(guān)人員進(jìn)行預(yù)警通知，通過短信、郵件、系統(tǒng)彈窗等方式發(fā)送預(yù)警通知，所述預(yù)測內(nèi)容包括故障類型、故障位置和故障發(fā)生時間，所述發(fā)送預(yù)警通知的方式包括短信、郵件、系統(tǒng)彈窗。

16、第二方面，本發(fā)明提供以下技術(shù)方案，基于大數(shù)據(jù)分析的配電系統(tǒng)故障預(yù)測方法，包括以下步驟：

17、s1、先進(jìn)行數(shù)據(jù)采集與整合通過實時采集來自配電系統(tǒng)中現(xiàn)場設(shè)備的參數(shù)，其中現(xiàn)場設(shè)備包括雙回進(jìn)線、110kv降壓站、各車間變壓器、指揮部變壓器和外協(xié)，現(xiàn)場設(shè)備的參數(shù)包括各配電間和配電柜的多個監(jiān)測點的電氣參數(shù)、設(shè)備狀態(tài)和環(huán)境數(shù)據(jù)，并將其整合為統(tǒng)一的數(shù)據(jù)集；

18、s2、然后再進(jìn)行數(shù)據(jù)預(yù)處理，先清理異常值和缺失值，對來自不同設(shè)備和位置的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和歸一化處理，使其具有可比性和一致性，減少因車間差異、設(shè)備不同帶來的數(shù)據(jù)誤差；

19、s3、特征提取工程，先將領(lǐng)域知識和數(shù)據(jù)進(jìn)行分析，提取整個配電系統(tǒng)狀態(tài)和故障趨勢的特征，配電系統(tǒng)狀態(tài)和故障趨勢的特征包括現(xiàn)場設(shè)備的長期電壓穩(wěn)定性特征以及車間之間的多臺變壓器的協(xié)同運行特征和指揮部用電的周期性特征；

20、s4、提取特征后建立大數(shù)據(jù)分析模型，使用學(xué)習(xí)技術(shù)對涵蓋整個系統(tǒng)的特征數(shù)據(jù)進(jìn)行訓(xùn)練，并根據(jù)評估結(jié)果對模型進(jìn)行參數(shù)調(diào)整以及改進(jìn)；

21、s5、通過模型評估與優(yōu)化通過交叉驗證，評估模型在預(yù)測車間、指揮部和外協(xié)故障不同位置的準(zhǔn)確性，根據(jù)評估結(jié)果調(diào)整模型的參數(shù)，用于提高模型性能；

22、s6、實時監(jiān)測與預(yù)測利用實時采集的來自整個配電系統(tǒng)的數(shù)據(jù)輸入訓(xùn)練好的模型，進(jìn)行實時的故障預(yù)測，不斷更新包括各車間、指揮部額外協(xié)位置的預(yù)測結(jié)果；

23、s7、故障預(yù)警與決策支持當(dāng)預(yù)測到某一具體位置的故障風(fēng)險超過設(shè)定閾值時，及時發(fā)出預(yù)警信號，并提供故障發(fā)生的位置、時間和類型的詳細(xì)信息，為運維人員針對該位置制定維修策略提供決策支持。

24、第三方面，該發(fā)明提供以下技術(shù)方案，一種計算機設(shè)備，包括存儲器、處理器以及存儲在所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實現(xiàn)上述的基于大數(shù)據(jù)分析的配電系統(tǒng)故障預(yù)測方法。

25、第四方面，本發(fā)明提供以下技術(shù)方案，一種可讀存儲介質(zhì)，所述可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的基于大數(shù)據(jù)分析的配電系統(tǒng)故障預(yù)測方法。

26、本發(fā)明具有如下有益效果：

27、1、本發(fā)明中，數(shù)據(jù)采集模塊從配電系統(tǒng)中的傳感器收集實時運行數(shù)據(jù)，所述傳感器包括智能電表和監(jiān)測設(shè)備，所述運行數(shù)據(jù)包括：電壓、電流、功率、溫度、濕度、現(xiàn)場設(shè)備的長期電壓穩(wěn)定性數(shù)據(jù)以及車間之間的多臺變壓器的協(xié)同運行特征和指揮部用電的周期性數(shù)據(jù)，所述現(xiàn)場設(shè)備的長期電壓穩(wěn)定性數(shù)據(jù)包括電壓波動幅度、電壓變化率、電壓偏差、電壓異常率、電壓波動頻率、電壓長期趨勢特征和電壓穩(wěn)定性系數(shù)，所述指揮部用電的周期性數(shù)據(jù)包括日周期用電模式、周周期用電模式、月周期用電模式、節(jié)假日用電特征、周期性負(fù)荷波動特征、任務(wù)驅(qū)動的用電模式和用電負(fù)荷預(yù)測數(shù)據(jù)；本發(fā)明提供對現(xiàn)場設(shè)備的長期電壓穩(wěn)定性數(shù)據(jù)以及車間之間的多臺變壓器的協(xié)同運行數(shù)據(jù)和指揮部用電的周期性數(shù)據(jù)等大數(shù)據(jù)的使用，能夠具有的技術(shù)效果為：可以精準(zhǔn)甄別設(shè)備運行狀態(tài)中與故障相關(guān)的關(guān)鍵特征，避免無用特征對預(yù)測模型的干擾，以及優(yōu)化特征數(shù)據(jù)的輸入質(zhì)量，為模型訓(xùn)練提供高價值數(shù)據(jù)支持，降低預(yù)測誤差的效果；

28、2、本發(fā)明中，數(shù)據(jù)預(yù)處理模塊基于采集到的數(shù)據(jù)進(jìn)行清理異常值、缺失值以及標(biāo)準(zhǔn)化、歸一化等處理操作，避免了原始數(shù)據(jù)中存在的錯誤、不一致問題，讓后續(xù)的特征提取、大數(shù)據(jù)分析等環(huán)節(jié)能基于可靠的數(shù)據(jù)基礎(chǔ)順利開展，有效提升了整個故障預(yù)測流程的準(zhǔn)確性的效果。

29、3、本發(fā)明中，大數(shù)據(jù)分析模塊生成的分析模型以及得出的相關(guān)結(jié)果，通過故障預(yù)測及通知模塊根據(jù)這些結(jié)果來對未來可能發(fā)生的故障進(jìn)行預(yù)測，一旦預(yù)測到故障風(fēng)險超過設(shè)定閾值，便會及時生成詳細(xì)的預(yù)警通知內(nèi)容，并通過短信、郵件、系統(tǒng)彈窗等多種方式發(fā)送給相關(guān)人員，確保運維人員能第一時間知曉潛在故障情況，提前做好應(yīng)對準(zhǔn)備，保障配電系統(tǒng)可以及時得到維護(hù)，最大限度減少故障帶來的不良影響，保障系統(tǒng)穩(wěn)定運行的效果。

30、4、本發(fā)明中，特征提取模塊提取出的與故障相關(guān)的特征，通過大數(shù)據(jù)分析模塊依據(jù)這些特征運用學(xué)習(xí)技術(shù)進(jìn)行分析和建模，使得模型能夠聚焦于關(guān)鍵的故障特征進(jìn)行學(xué)習(xí)訓(xùn)練，挖掘出潛在的故障模式和規(guī)律，將特征數(shù)據(jù)轉(zhuǎn)化為對故障預(yù)測有實際指導(dǎo)意義的分析模型，從而讓故障預(yù)測具備了科學(xué)、合理的依據(jù)，增強了整個系統(tǒng)預(yù)測故障的能力。

31、5、本發(fā)明中，通過對長期電壓穩(wěn)定性、協(xié)同運行特征和用電周期性數(shù)據(jù)的深入挖掘與分析，解決了現(xiàn)有技術(shù)中未能有效利用高質(zhì)量特征數(shù)據(jù)、無法結(jié)合配電系統(tǒng)具體特點的問題，大幅提升了故障預(yù)測的精度、效率和實際應(yīng)用效果。