一种继电保护不停电检验结果数据挖掘管理方法及装置制造方法及图纸

本发明专利技术涉及电力系统调度自动化技术领域，公开了一种继电保护不停电检验结果数据挖掘管理方法及装置。本发明专利技术获取继电保护不停电检验结果数据并进行预处理以得到样本数据集；基于样本数据集训练包括两个神经网络的多任务神经网络，得到训练好的设备状态检测模型；训练时以告警量和压板状态对应的样本数据作为一神经网络的输入特征，以模拟量对应的样本数据作为另一神经网络的输入；依据该模型实时预测目标二次设备状态变化，构建相应的目标二次设备状态趋势曲线；对挖掘过程中的数据进行数据库备份、数据清理轮询和数据可视化显示。本发明专利技术能够有效实现对继电保护不停电检验结果数据的挖掘管理，为二次设备运维检修工作提供数据支撑。数据支撑。数据支撑。

【技术实现步骤摘要】
一种继电保护不停电检验结果数据挖掘管理方法及装置


[0001]本专利技术涉及电力系统调度自动化
，尤其涉及一种继电保护不停电检验结果数据挖掘管理方法及装置。

技术介绍

[0002]随着电力系统自动化程度越来越高，继电保护不停电检验结果数据已经能够被采集到保信主站中，但设备的运行信息尚未被充分利用和挖掘。
[0003]如何有效挖掘管理继电保护不停电检验结果数据，以实现对二次设备以及线路运行状态的判断，从而为二次设备运维检修工作提供数据支撑，是急需解决的问题。

技术实现思路

[0004]本专利技术提供了一种继电保护不停电检验结果数据挖掘管理方法及装置，解决了如何有效实现对继电保护不停电检验结果数据的挖掘管理的技术问题。
[0005]本专利技术第一方面提供一种继电保护不停电检验结果数据挖掘管理方法，包括：
[0006]从保信主站中获取继电保护不停电检验结果数据；所述继电保护不停电检验结果数据包括继电保护设备对应的告警量、压板状态和模拟量；
[0007]对所述继电保护不停电检验结果数据进行预处理以得到样本数据集；
[0008]基于所述样本数据集训练多任务神经网络，得到训练好的设备状态检测模型；所述多任务神经网络包括第一神经网络和第二神经网络，训练时以告警量和压板状态对应的样本数据作为所述第一神经网络的输入特征，以模拟量对应的样本数据作为所述第二神经网络的输入；
[0009]依据训练好的设备状态检测模型实时预测目标二次设备状态变化，根据预测结果构建相应的目标二次设备状态趋势曲线；
[0010]对挖掘过程中的数据进行数据库备份、数据清理轮询和数据可视化显示；所述挖掘过程中的数据包括所述继电保护不停电检验结果数据和所述目标二次设备状态趋势曲线。
[0011]根据本专利技术第一方面的一种能够实现的方式，所述对所述继电保护不停电检验结果数据进行预处理以得到样本数据集，包括：
[0012]对所述继电保护不停电检验结果数据进行格式标准化处理；
[0013]对得到的格式标准化处理后数据中的离群值和空值进行清洗；
[0014]对得到的清洗后数据进行降维，以得到样本数据。
[0015]根据本专利技术第一方面的一种能够实现的方式，所述对得到的清洗后数据进行降维，包括：
[0016]对所述清洗后数据进行去中心化处理，得到去中心化后数据；
[0017]采用FastICA算法对所述去中心化后数据进行降维。
[0018]根据本专利技术第一方面的一种能够实现的方式，所述基于所述样本数据集训练多任
务神经网络，包括：
[0019]根据输入特征对设备状态的反映程度设置所述第一神经网络和所述第二神经网络的损失值权重；
[0020]根据所述损失值权重设置所述多任务神经网络的损失函数为：
[0021]loss
all
＝w1loss1+w2loss2[0022]式中，loss
all
表示所述多任务神经网络的损失函数，loss1为所述第一神经网络的损失值，w1为所述第一神经网络的损失值权重，loss2为所述第二神经网络的损失值，w2为所述第二神经网络的损失值权重。
[0023]根据本专利技术第一方面的一种能够实现的方式，所述基于所述样本数据集训练多任务神经网络，还包括：
[0024]构建所述第一神经网络和/或所述第二神经网络为卷积长短时记忆神经网络。
[0025]根据本专利技术第一方面的一种能够实现的方式，所述方法还包括：
[0026]对实时的继电保护不停电检验结果数据进行异常检测，根据得到的异常检测结果构建相应目标二次设备的异常数据累计数量与时间的对应关系曲线；
[0027]根据所述对应关系曲线和所述目标二次设备状态趋势曲线确定各时间点对应的二次设备风险概率，进而生成对应的二次设备风险概率趋势曲线。
[0028]根据本专利技术第一方面的一种能够实现的方式，所述对挖掘过程中的数据进行数据库备份、数据清理轮询和数据可视化显示，包括：
[0029]对挖掘过程中的数据进行数据库备份，当数据存储时长超过预置存储时间阈值或存储内存占到预置内存上限时，向预置用户终端发送用于提示对相应数据进行设备外备份的信息；
[0030]若检测到所述相应数据已进行设备外备份，将所述相应数据从对应数据库中删除。
[0031]本专利技术第二方面提供一种继电保护不停电检验结果数据挖掘管理装置，包括：
[0032]获取模块，用于从保信主站中获取继电保护不停电检验结果数据；所述继电保护不停电检验结果数据包括继电保护设备对应的告警量、压板状态和模拟量；
[0033]预处理模块，用于对所述继电保护不停电检验结果数据进行预处理以得到样本数据集；
[0034]训练模块，用于基于所述样本数据集训练多任务神经网络，得到训练好的设备状态检测模型；所述多任务神经网络包括第一神经网络和第二神经网络，训练时以告警量和压板状态对应的样本数据作为所述第一神经网络的输入特征，以模拟量对应的样本数据作为所述第二神经网络的输入；
[0035]预测模块，用于依据训练好的设备状态检测模型实时预测目标二次设备状态变化，根据预测结果构建相应的目标二次设备状态趋势曲线；
[0036]管理模块，用于对挖掘过程中的数据进行数据库备份、数据清理轮询和数据可视化显示；所述挖掘过程中的数据包括所述继电保护不停电检验结果数据和所述目标二次设备状态趋势曲线。
[0037]根据本专利技术第二方面的一种能够实现的方式，所述预处理模块包括：
[0038]标准化处理单元，用于对所述继电保护不停电检验结果数据进行格式标准化处
理；
[0039]异常数据清洗单元，用于对得到的格式标准化处理后数据中的离群值和空值进行清洗；
[0040]降维处单元，用于对得到的清洗后数据进行降维，以得到样本数据。
[0041]根据本专利技术第二方面的一种能够实现的方式，所述降维处理单元包括：
[0042]去中心化处理子单元，用于对所述清洗后数据进行去中心化处理，得到去中心化后数据；
[0043]降维处理子单元，用于采用FastICA算法对所述去中心化后数据进行降维。
[0044]根据本专利技术第二方面的一种能够实现的方式，所述训练模块包括：
[0045]权重设置单元，用于根据输入特征对设备状态的反映程度设置所述第一神经网络和所述第二神经网络的损失值权重；
[0046]损失函数设置单元，用于根据所述损失值权重设置所述多任务神经网络的损失函数为：
[0047]loss
all
＝w1loss1+w2loss2[0048]式中，loss
all
表示所述多任务神经网络的损失函数，loss1为所述第一神经网络的损失值，w1为所述第一神经网络的损失值权重，loss2为所述第二神经网络的损失值，w2为所述第二神经网络的损失值权重。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种继电保护不停电检验结果数据挖掘管理方法，其特征在于，包括：从保信主站中获取继电保护不停电检验结果数据；所述继电保护不停电检验结果数据包括继电保护设备对应的告警量、压板状态和模拟量；对所述继电保护不停电检验结果数据进行预处理以得到样本数据集；基于所述样本数据集训练多任务神经网络，得到训练好的设备状态检测模型；所述多任务神经网络包括第一神经网络和第二神经网络，训练时以告警量和压板状态对应的样本数据作为所述第一神经网络的输入特征，以模拟量对应的样本数据作为所述第二神经网络的输入；依据训练好的设备状态检测模型实时预测目标二次设备状态变化，根据预测结果构建相应的目标二次设备状态趋势曲线；对挖掘过程中的数据进行数据库备份、数据清理轮询和数据可视化显示；所述挖掘过程中的数据包括所述继电保护不停电检验结果数据和所述目标二次设备状态趋势曲线。2.根据权利要求1所述的继电保护不停电检验结果数据挖掘管理方法，其特征在于，所述对所述继电保护不停电检验结果数据进行预处理以得到样本数据集，包括：对所述继电保护不停电检验结果数据进行格式标准化处理；对得到的格式标准化处理后数据中的离群值和空值进行清洗；对得到的清洗后数据进行降维，以得到样本数据。3.根据权利要求2所述的继电保护不停电检验结果数据挖掘管理方法，其特征在于，所述对得到的清洗后数据进行降维，包括：对所述清洗后数据进行去中心化处理，得到去中心化后数据；采用FastICA算法对所述去中心化后数据进行降维。4.根据权利要求1所述的继电保护不停电检验结果数据挖掘管理方法，其特征在于，所述基于所述样本数据集训练多任务神经网络，包括：根据输入特征对设备状态的反映程度设置所述第一神经网络和所述第二神经网络的损失值权重；根据所述损失值权重设置所述多任务神经网络的损失函数为：loss
all
＝w1loss1+w2loss2式中，loss
all
表示所述多任务神经网络的损失函数，loss1为所述第一神经网络的损失值，w1为所述第一神经网络的损失值权重，loss2为所述第二神经网络的损失值，w2为所述第二神经网络的损失值权重。5.根据权利要求4所述的继电保护不停电检验结果数据挖掘管理方法，其特征在于，所述基于所述样本数据集训练多任务神经网络，还包括：构建所述第一神经网络和/或所述第二神经网络为卷积长短时记忆神经网络。6....

【专利技术属性】
技术研发人员：黄国平，区伟潮，陈锦荣，严司玮，刘秀甫，廖华兴，王跃强，陈杰云，卢颖，霍楚妍，刘秋英，李秋如，
申请(专利权)人：广东电网有限责任公司佛山供电局，
类型：发明
国别省市：