基于深度学习的电力终端日志故障分析预测方法及系统技术方案

本发明专利技术一种基于深度学习的电力终端日志故障分析预测方法及系统，在某电力终端自检其出现运行状态异常行为则电力终端通过对应网关发送运行状态异常指令；远程控制中心基于运行状态异常指令中的电力终端识别号和电力终端密钥进行合法性校验，校验成功时远程控制中心通过对应网关反馈日志信息上报指令给电力终端，校验失败时不进一步处理；电力终端将此时电力终端日志信息通过对应网关传至远程控制中心；远程控制中心对电力终端日志信息进行预处理，提取预处理后电力终端日志信息中N个特征数据，将电力终端对应N个特征数据输入至训练好的深度学习算法模型中进行电力故障预测以输出显示电力终端具体的电力故障类型并且一级警示。且一级警示。且一级警示。

【技术实现步骤摘要】
基于深度学习的电力终端日志故障分析预测方法及系统


[0001]本专利技术涉及电力终端日志故障分析
，特别是涉及一种基于深度学习的电力终端日志故障分析预测方法及系统。

技术介绍

[0002]随着智能电网的建设与发展，电力系统自动化应用日趋广泛。现有智能电网已经初步完成电力信息采集的自动化，计量系统可以利用集中器实现远程抄表。电力终端可能出现的问题复杂多样，因此如何能够从海量的电力日志中及时发现问题并且排查出问题发生的原因，成为电力企业颇为头疼的一个难题。
[0003]目前有一部分电力终端日志故障分析主要是依靠人工筛查的方式，当现场的电力终端出现故障时，工作人员需要去电力终端现场拷贝相关的日志信息，通过有相关经验的电力专家团队及时有效的排查问题原因，确保电力系统正常运行。但这种方式费时费力，效率很低，人工无法保证在规定时间内发现异常，有时因疏忽可能会导致一些严重后果。另一部分，电力终端实时将电力终端日志信息传输给远程控制中心，远程控制中心对需要对传输来的每个电力终端日志信息都进行处理，从中发现是否有电力终端故障问题，这种实现方式需要处理大批量数据，处理速度慢，耗费内存。

技术实现思路

[0004]本专利技术针对现有技术存在的问题和不足，提供一种基于深度学习的电力终端日志故障分析预测方法及系统。
[0005]本专利技术是通过下述技术方案来解决上述技术问题的：本专利技术提供一种基于深度学习的电力终端日志故障分析预测方法，其特点在于，其包括以下步骤：S1、设定区域内各个电力终端自检其是否出现运行状态异常行为，若该些电力终端中某一电力终端自检其出现运行状态异常行为则进入步骤S2，若该电力终端自检其未出现运行状态异常行为则重复执行步骤S1；S2、该电力终端通过对应的网关发送一运行状态异常指令至远程控制中心，该运行状态异常指令包括异常时间戳、运行状态异常标识、电力终端识别号、电力终端密钥、网关识别号，该电力终端与网关的对应关系为一一对应关系或多对一对应关系；S3、该远程控制中心基于该运行状态异常指令中的电力终端识别号和电力终端密钥进行合法性校验，在校验成功时进入步骤S4，在校验失败时进入步骤S5；S4、该远程控制中心通过对应网关反馈一日志信息上报指令给该电力终端，进入步骤S6，该日志信息上报指令包括异常时间戳、日志信息上报标识、电力终端识别号；S5、该远程控制中心不再进行进一步处理；S6、该电力终端将异常时间戳节点形成的电力终端日志信息通过对应网关传输至远程控制中心；
S7、该远程控制中心对该电力终端日志信息进行预处理以获得预处理后的电力终端日志信息；S8、该远程控制中心按照预设提取规则提取预处理后的电力终端日志信息中的关键数据，以获得N个特征数据，N为正整数；S9、该远程控制中心将该电力终端对应的N个特征数据输入至对应训练好的深度学习算法模型中进行电力故障预测以输出该电力终端具体的电力故障类型，该电力故障类型为线路故障、变压器故障、母线故障或其他故障；S10、该远程控制中心显示该电力终端具体的电力故障类型并进行一级报警提示；S11、该远程控制中心统计并显示设定时间段内该电力终端出现每一种电力故障类型的次数，当该电力终端的某一电力故障类型的次数达到设定次数时进行二级报警提示并通知相关责任人员。
[0006]较佳地，在步骤S1之前包括以下步骤：该些电力终端中某一电力终端自检其出现运行状态异常行为时直接将异常时间戳节点形成的电力终端日志信息通过对应网关传输至远程控制中心；该远程控制中心对此电力终端日志信息进行预处理以获得预处理后的电力终端日志信息；该远程控制中心按照预设提取规则提取预处理后的电力终端日志信息中的关键数据，以获得N个特征数据；该远程控制中心显示N个特征数据以供工作人员基于N个特征数据标注出此电力终端的电力故障类型，N个特征数据和对应的电力故障类型作为一组，基于此操作获得多组训练样本；该远程控制中心将多组训练样板输入至深度学习算法模型中进行训练以获得训练好的深度学习算法模型，其中每个N个特征数据作为模型输入，每个电力故障类型作为模型输出。
[0007]本专利技术还提供一种基于深度学习的电力终端日志故障分析预测系统，其特点在于，其包括多个电力终端、多个网关和远程控制中心，电力终端与网关的对应关系为一一对应关系或多对一对应关系；设定区域内各个电力终端用于自检其是否出现运行状态异常行为，在该些电力终端中某一电力终端自检其出现运行状态异常行为则该电力终端通过对应的网关发送一运行状态异常指令至远程控制中心，若该电力终端自检其未出现运行状态异常行为则重复执行此操作，该运行状态异常指令包括异常时间戳、运行状态异常标识、电力终端识别号、电力终端密钥、网关识别号；该远程控制中心用于基于该运行状态异常指令中的电力终端识别号和电力终端密钥进行合法性校验，在校验成功时该远程控制中心通过对应网关反馈一日志信息上报指令给该电力终端，在校验失败时该远程控制中心不再进行进一步处理，该日志信息上报指令包括异常时间戳、日志信息上报标识、电力终端识别号；该电力终端用于将异常时间戳节点形成的电力终端日志信息通过对应网关传输至远程控制中心；该远程控制中心用于对该电力终端日志信息进行预处理以获得预处理后的电力
终端日志信息；该远程控制中心用于按照预设提取规则提取预处理后的电力终端日志信息中的关键数据，以获得N个特征数据，N为正整数；该远程控制中心用于将该电力终端对应的N个特征数据输入至对应训练好的深度学习算法模型中进行电力故障预测以输出该电力终端具体的电力故障类型，该电力故障类型为线路故障、变压器故障、母线故障或其他故障；该远程控制中心用于显示该电力终端具体的电力故障类型并进行一级报警提示；该远程控制中心用于统计并显示设定时间段内该电力终端出现每一种电力故障类型的次数，当该电力终端的某一电力故障类型的次数达到设定次数时进行二级报警提示并通知相关责任人员。
[0008]较佳地，该些电力终端中某一电力终端用于自检其出现运行状态异常行为时直接将异常时间戳节点形成的电力终端日志信息通过对应网关传输至远程控制中心；该远程控制中心用于对此电力终端日志信息进行预处理以获得预处理后的电力终端日志信息；该远程控制中心用于按照预设提取规则提取预处理后的电力终端日志信息中的关键数据，以获得N个特征数据；该远程控制中心用于显示N个特征数据以供工作人员基于N个特征数据标注出此电力终端的电力故障类型，N个特征数据和对应的电力故障类型作为一组，基于此操作获得多组训练样本，；该远程控制中心用于将多组训练样板输入至深度学习算法模型中进行训练以获得训练好的深度学习算法模型，其中每个N个特征数据作为模型输入，每个电力故障类型作为模型输出。
[0009]本专利技术的积极进步效果：本专利技术只在电力终端自检其出现运行状态异常行为时，才将电力终端日志信息传输给远程控制中心，远程控制中心对电力终端日志信息进行预处理，然后从中提取出N个特征数据，将电力终端对应的N个特征数据输入至对应训练好的深度学习算法模型中进行电力故障预测以输出电力终端具体的电力故障类型，本专利技术的预测方式准确性高，处理速本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的电力终端日志故障分析预测方法，其特征在于，其包括以下步骤：S1、设定区域内各个电力终端自检其是否出现运行状态异常行为，若该些电力终端中某一电力终端自检其出现运行状态异常行为则进入步骤S2，若该电力终端自检其未出现运行状态异常行为则重复执行步骤S1；S2、该电力终端通过对应的网关发送一运行状态异常指令至远程控制中心，该运行状态异常指令包括异常时间戳、运行状态异常标识、电力终端识别号、电力终端密钥、网关识别号，该电力终端与网关的对应关系为一一对应关系或多对一对应关系；S3、该远程控制中心基于该运行状态异常指令中的电力终端识别号和电力终端密钥进行合法性校验，在校验成功时进入步骤S4，在校验失败时进入步骤S5；S4、该远程控制中心通过对应网关反馈一日志信息上报指令给该电力终端，进入步骤S6，该日志信息上报指令包括异常时间戳、日志信息上报标识、电力终端识别号；S5、该远程控制中心不再进行进一步处理；S6、该电力终端将异常时间戳节点形成的电力终端日志信息通过对应网关传输至远程控制中心；S7、该远程控制中心对该电力终端日志信息进行预处理以获得预处理后的电力终端日志信息；S8、该远程控制中心按照预设提取规则提取预处理后的电力终端日志信息中的关键数据，以获得N个特征数据，N为正整数；S9、该远程控制中心将该电力终端对应的N个特征数据输入至对应训练好的深度学习算法模型中进行电力故障预测以输出该电力终端具体的电力故障类型，该电力故障类型为线路故障、变压器故障、母线故障或其他故障；S10、该远程控制中心显示该电力终端具体的电力故障类型并进行一级报警提示；S11、该远程控制中心统计并显示设定时间段内该电力终端出现每一种电力故障类型的次数，当该电力终端的某一电力故障类型的次数达到设定次数时进行二级报警提示并通知相关责任人员。2.根据权利要求1所述的电力终端日志故障分析预测方法，其特征在于，在步骤S1之前包括以下步骤：该些电力终端中某一电力终端自检其出现运行状态异常行为时直接将异常时间戳节点形成的电力终端日志信息通过对应网关传输至远程控制中心；该远程控制中心对此电力终端日志信息进行预处理以获得预处理后的电力终端日志信息；该远程控制中心按照预设提取规则提取预处理后的电力终端日志信息中的关键数据，以获得N个特征数据；该远程控制中心显示N个特征数据以供工作人员基于N个特征数据标注出此电力终端的电力故障类型，N个特征数据和对应的电力故障类型作为一组，基于此操作获得多组训练样本；该远程控制中心将多组训练样板输入至深度学习算法模型中进行训练以获得训练好的深度学习算法模型，其中每个N个特征数据作为模型输入，每个电...

【专利技术属性】
技术研发人员：舒彧，纪元，吴方权，柳林均，欧阳静，甘润东，卫薇，汤成佳，冯光路，钟方红，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：