【技术实现步骤摘要】
本专利技术属于城市配电网韧性，具体涉及一种城市配电网韧性无人智能化感知与预警方法。
技术介绍
1、近年来，台风、暴雨、冰灾等自然灾害导致的电力系统大规模停电事件频发，给电力系统安全稳定运行带来了巨大的挑战和威胁；这类灾难发生的概率虽小，但其造成的社会经济损失却可能极为巨大；为了衡量系统应对小概率、大影响事件的安全性能，人们提出了“韧性(resilience)”的概念，用以评估电力系统在灾害扰动过程中吸收扰动、抵御灾害、恢复运行并自我学习的能力。韧性一般被定义为系统应对外部冲击时能够尽快返回到冲击前的状态并能够更好抵御未来灾害事件的能力；具体到电力系统中，韧性是指电网遭受重大灾害的情况下，是否可以减少故障过程损失，并尽快恢复到正常供电状态的能力。
2、为了解决在电网韧性评估中遇到的难题，即提高电网感知能力和在遇到灾害所发出预警的准确性的难题。作为智能化的代表，人工智能方法和能源领域的联系日渐紧密，而深度学习算法作为人工智能的重要部分能够有效解决大部分传统方法稳定性和泛化性有限的问题。从电网拓扑、电网运行状况以及灾害情况时间数据中发现电网韧性异常，若从深度学习任务角度来看就是从时间序列中检测异常时间点，这对于保障安全、避免经济损失具有十分重要的意义。但是异常通常很罕见，并且被大量的正常点所隐藏，这使得数据标记困难且昂贵。另外，使用深度学习对于电网数据进行智能感知分析通常是进行单模态感知预测，如何将多维度的数据进行融合并进行准确预测是一项技术难题。
3、transformer是近年来非常优秀的深度学习结构，在t
技术实现思路
1、本专利技术的目的是提供一种城市配电网韧性无人智能化感知与预警方法，通过对于配电网韧性相关的各种参量进行融合重建判定，能够实时无人监测电网韧性是否存在异常，从而及时通知管理员进行预警，对于保障安全、避免经济损失具有十分重要的意义。
2、本专利技术的技术方案是：一种城市配电网韧性无人智能化感知与预警方法，读取配电网多维指标，进行规范化处理后，通过变分编码网络进行数据表征、均衡器进行表征压缩，再由生成网络进行序列重建，根据重建结果结合设定的阈值判断电网韧性是否存在异常，实现电网韧性异常预警，包括以下步骤：
3、s1，对影响电网韧性的参量进行采集并合并为多维时间序列：在电网拓扑维度，获取电网设备健康参数与设备故障率；在电网运行状况维度，获取电网线路负载率、器件故障率；在灾害维度，获取风场数据并量化为时间序列，综合三个维度将所述5个指标组合为多维时间序列：
4、s2，建立变分-生成网络，在变分-生成网络中加入transformer模块，将多维时间序列输入变分-生成网络的变分编码网络，进行运算获得多维时间序列的数据表征；
5、s3，将数据表征输入均衡器，在保留时间序列语义特征的同时，对时间序列进行压缩；
6、s4，将均衡器输出的数据表征输入变分-生成网络的生成解码网络生成重建输出；
7、s5，设定分数机制对重建后的电网韧性多维信号时间序列进行打分判定，若是分数超过设定阈值，便判定电网韧性出现异常，发出预警，通知对影响电网韧性相关设备的情况进行查验。
8、进一步的，变分-生成网络的变分编码网络具体为：
9、首先，对多维时间序列x＝{x1,...,xt}加入位置编码pe，位置编码的计算方式如下：
10、
11、
12、其中t为序列长度，pos＝1,…,t,j＝0,...,dx/2,dx是输入序列的维度数；
13、记加入位置编码后的输入为x'，接着输入n个编码块进行运算，编码块在多头自注意力机制中先加入一维卷积增强对于局部信息的关注，计算方式如下：
14、xi＝conv1d(x')
15、通过一维卷积后，采用空间缩减多头注意力，记多空间缩减多头注意力头的数量为h，其对每次输入的k与v进行空间缩减sr操作,计算方式如下：
16、srmultihead(q,k,v)＝concat(h1,...,hh)
17、hl＝attention(ql,sr(kl),sr(vl))
18、其中concat()表示合并矩阵，l＝0,…,h，首先计算出注意力参数矩阵：
19、
20、再利用一个激活函数进行归一化操作，并除以m为输入向量的维度：
21、
22、乘上v矩阵得到注意力分数：
23、hl＝sr(vl)a'l
24、其中，空间缩减操作sr如下所示：
25、sr(x)＝norm(wsreshape(x,ri))
26、其中，x表示空间缩减操作的输入，ri表示在这一次空间缩减操作的减少率，reshape()表示将输入x缩减ri倍的操作，norm()表示层标准化；
27、将运算后的结果与原先的输入相加，经过层标准化后输出进入前馈层，并再进行一次相加标准化计算，如下：
28、
29、
30、其中，layernorm()为层标准化操作，feedforward()为前馈操作，得到变分编码网络的中间输出et＝{e1,…,et}，再输入线性层和激活层进行计算变分编码网络的分布输出：
31、
32、其中n()表示正态分布，均值与方差的计算方式如下：
33、μ(zt-1)＝(1-gt)⊙(wzt-1+b)+gtht
34、σ2(zt-1)＝softplus(wrelu(ht)+b)
35、其中w为权重矩阵，⊙表示矩阵对应位置相乘，relu为线性整流函数，softplus是一种激活函数，gt,ht如下：
36、gt＝mlp(zt-1,relu,sigmoid)
37、ht＝mlp(zt-1,relu)
38、mlp为多层感知机，gt即为zt-1通过relu函数与sigmoid函数后的结果，ht为通过relu函数后的结果；
39、最后根据均值与方差得到变分编码网络得分布输出vt＝{v1,...,vt}，完成变分编码网络的数据表征。
40、进一步的，s3的均衡器实现为：将变分编码网络输出vt输入均衡器，
41、zt＝meanpooling(softplus(conv1d(vt)))
42、其中，conv1d代表一维卷积，softplus表示激活函数，meanpooling表示平均池化，尺寸为3，步长为2，经过均衡器后的输出为zt＝{z1,...本文档来自技高网...
【技术保护点】
1.一种城市配电网韧性无人智能化感知与预警方法，其特征是读取配电网多维指标，进行规范化处理后，通过变分编码网络进行数据表征、均衡器进行表征压缩，再由生成网络进行序列重建，根据重建结果结合设定的阈值判断电网韧性是否存在异常，实现电网韧性异常预警，包括以下步骤：
2.根据权利要求1所述的一种城市配电网韧性无人智能化感知与预警方法，其特征是变分-生成网络的变分编码网络具体为：
3.根据权利要求1或2所述的一种城市配电网韧性无人智能化感知与预警方法，其特征是S3的均衡器实现为：将变分编码网络输出Vt输入均衡器，
4.根据权利要求1或2所述的一种城市配电网韧性无人智能化感知与预警方法，其特征是S4中生成解码网络的重建输出为：
5.根据权利要求3所述的一种城市配电网韧性无人智能化感知与预警方法，其特征是S4中生成解码网络的重建输出为：
6.根据权利要求1所述的一种城市配电网韧性无人智能化感知与预警方法，其特征是S5中打分公式如下：
7.一种电子设备，其特征是所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令或
8.一种计算机可读存储介质，其特征是所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-6任意一项所述的城市配电网韧性无人智能化感知与预警方法。
...【技术特征摘要】
1.一种城市配电网韧性无人智能化感知与预警方法，其特征是读取配电网多维指标，进行规范化处理后，通过变分编码网络进行数据表征、均衡器进行表征压缩，再由生成网络进行序列重建，根据重建结果结合设定的阈值判断电网韧性是否存在异常，实现电网韧性异常预警，包括以下步骤：
2.根据权利要求1所述的一种城市配电网韧性无人智能化感知与预警方法，其特征是变分-生成网络的变分编码网络具体为：
3.根据权利要求1或2所述的一种城市配电网韧性无人智能化感知与预警方法，其特征是s3的均衡器实现为：将变分编码网络输出vt输入均衡器，
4.根据权利要求1或2所述的一种城市配电网韧性无人智能化感知与预警方法，其特征是s4中生成解码网络的重建输出为：
5.根据权利要求3所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。