System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及智慧电网和人工智能,尤其涉及一种应用人工智能的智慧电网故障监测方法及系统。
技术介绍
1、随着电力物联网技术的快速发展和智能电网建设的不断深入,电力系统中布置了大量的传感器和监测设备,用于实时采集电网的运行状态数据。这些数据对于电力系统的稳定运行和故障预警具有重要意义。然而,如何有效地利用这些数据,准确识别电网的故障状态,并及时进行预警,一直是电力行业面临的技术挑战。
2、在传统的电力系统中,故障判别主要依赖于人工经验和简单的阈值判断,这种方法虽然简单,但精度和效率都较低,无法满足现代智能电网对故障预警的高精度和高时效性要求。
技术实现思路
1、为了改善上述问题,本申请提供了一种应用人工智能的智慧电网故障监测方法及系统。
2、本申请实施例提供一种应用人工智能的智慧电网故障监测方法,应用于人工智能监测系统,所述方法包括:
3、获取待处理电力物联传感监测数据,并确定用于对所述待处理电力物联传感监测数据进行故障识别的第一故障判别决策模型与第二故障判别决策模型,其中,所述第二故障判别决策模型已学习到故障定位传感监测数据的过往故障定位指导向量;
4、基于所述第一故障判别决策模型对所述待处理电力物联传感监测数据进行第一电网运行状态挖掘,得到所述待处理电力物联传感监测数据在至少一个语义细粒等级的第一电网运行状态向量;
5、基于所述第二故障判别决策模型依据所述过往故障定位指导向量,对所述待处理电力物联传感监测数据进行第二电网运行
6、对相同语义细粒等级的所述第一电网运行状态向量与所述第二电网运行状态向量进行状态一致性分析,得到状态异同分析观点;
7、依据所述状态异同分析观点,对所述待处理电力物联传感监测数据进行故障点定位预警。
8、在一些技术方案中,所述第二故障判别决策模型包括至少一个语义细粒等级的运行状态挖掘分支,每个所述语义细粒等级的运行状态挖掘分支已学习到所述故障定位传感监测数据在对应语义细粒等级的过往故障定位指导向量;
9、基于所述第二故障判别决策模型依据所述过往故障定位指导向量,对所述待处理电力物联传感监测数据进行第二电网运行状态挖掘,得到所述待处理电力物联传感监测数据在所述至少一个语义细粒等级的第二电网运行状态向量,包括:
10、通过各个语义细粒等级的运行状态挖掘分支依据对应语义细粒等级的过往故障定位指导向量,对所述待处理电力物联传感监测数据进行第二电网运行状态挖掘,得到所述待处理电力物联传感监测数据在所述至少一个语义细粒等级的第二电网运行状态向量。
11、在一些技术方案中,所述第二故障判别决策模型包括第一语义细粒等级的第一运行状态挖掘分支,所述第一运行状态挖掘分支已学习到所述故障定位传感监测数据在所述第一语义细粒等级的过往故障定位指导向量;
12、通过各个语义细粒等级的运行状态挖掘分支依据对应语义细粒等级的过往故障定位指导向量,对所述待处理电力物联传感监测数据进行第二电网运行状态挖掘,得到所述待处理电力物联传感监测数据在所述至少一个语义细粒等级的第二电网运行状态向量,包括:
13、获取所述待处理电力物联传感监测数据在所述第一语义细粒等级的潜在故障搜索特征;
14、依据所述潜在故障搜索特征,在所述第一语义细粒等级的过往故障定位指导向量进行潜在故障搜索,得到潜在故障搜索标签;
15、基于所述第一运行状态挖掘分支依据所述潜在故障搜索标签进行第二电网运行状态挖掘,得到所述待处理电力物联传感监测数据在所述第一语义细粒等级的第二电网运行状态向量。
16、在一些技术方案中,所述第一语义细粒等级的过往故障定位指导向量包括过往故障定位标识向量、以及与所述过往故障定位标识向量关联的过往故障定位属性向量;
17、依据所述潜在故障搜索特征,在所述第一语义细粒等级的过往故障定位指导向量进行潜在故障搜索,得到潜在故障搜索标签,包括:
18、确定所述潜在故障搜索特征与所述过往故障定位标识向量之间的特征共性值;
19、根据所述特征共性值,确定所述潜在故障搜索特征的搜索置信度;
20、依据所述搜索置信度,对所述过往故障定位属性向量进行特征拼接操作,得到完成特征拼接的潜在故障搜索标签。
21、在一些技术方案中,获取所述待处理电力物联传感监测数据在所述第一语义细粒等级的潜在故障搜索特征,包括:
22、对所述第一电网运行状态向量进行语义细粒等级更新处理,得到更新后电网运行状态向量,其中,所述更新后电网运行状态向量具有至少一个注意力通道;
23、在目标注意力通道下对所述更新后电网运行状态向量进行状态向量集成,得到电网运行状态集成向量;
24、基于所述第一运行状态挖掘分支依据所述电网运行状态集成向量,生成所述待处理电力物联传感监测数据在所述第一语义细粒等级的潜在故障搜索特征。
25、在一些技术方案中,所述第二故障判别决策模型包括第二语义细粒等级的第二运行状态挖掘分支,所述第二运行状态挖掘分支已学习到所述故障定位传感监测数据在所述第二语义细粒等级的过往故障定位指导向量;
26、通过各个语义细粒等级的运行状态挖掘分支依据对应语义细粒等级的过往故障定位指导向量,对所述待处理电力物联传感监测数据进行第二电网运行状态挖掘,得到所述待处理电力物联传感监测数据在所述至少一个语义细粒等级的第二电网运行状态向量,包括:
27、基于所述第二运行状态挖掘分支,生成所述待处理电力物联传感监测数据在所述第二语义细粒等级的基础电网运行状态向量;
28、依据所述过往故障定位指导向量,生成所述基础电网运行状态向量在所述第二语义细粒等级的故障动态搜索特征;
29、根据所述基础电网运行状态向量,对所述故障动态搜索特征进行特征拼接操作,以生成所述待处理电力物联传感监测数据在所述第二语义细粒等级的第二电网运行状态向量。
30、在一些技术方案中,所述故障动态搜索特征包括至少一个故障动态搜索子向量;
31、根据所述基础电网运行状态向量,对所述故障动态搜索特征进行特征拼接操作,包括:
32、确定所述基础电网运行状态向量与所述故障动态搜索子向量之间的特征共性值;
33、根据所述特征共性值,确定所述故障动态搜索子向量的特征拼接系数;
34、根据所述特征拼接系数,对所述故障动态搜索子向量进行特征拼接操作。
35、在一些技术方案中,所述第二语义细粒等级的过往故障定位指导向量包括注意力通道更新所对应的更新变量指示;
36、依据所述过往故障定位指导向量,生成所述基础电网运行状态向量在所述第二语义细粒等级的故障动态搜索特征,包括:
37、依据所述更新变量指示,对所述基础电网运本文档来自技高网...
【技术保护点】
1.一种应用人工智能的智慧电网故障监测方法,其特征在于,应用于人工智能监测系统,所述方法包括:
2.如权利要求1所述的应用人工智能的智慧电网故障监测方法,其特征在于,所述第二故障判别决策模型包括至少一个语义细粒等级的运行状态挖掘分支,每个所述语义细粒等级的运行状态挖掘分支已学习到所述故障定位传感监测数据在对应语义细粒等级的过往故障定位指导向量;
3.如权利要求2所述的应用人工智能的智慧电网故障监测方法,其特征在于,所述第二故障判别决策模型包括第一语义细粒等级的第一运行状态挖掘分支,所述第一运行状态挖掘分支已学习到所述故障定位传感监测数据在所述第一语义细粒等级的过往故障定位指导向量;
4.如权利要求3所述的应用人工智能的智慧电网故障监测方法,其特征在于,所述第一语义细粒等级的过往故障定位指导向量包括过往故障定位标识向量、以及与所述过往故障定位标识向量关联的过往故障定位属性向量;
5.如权利要求3所述的应用人工智能的智慧电网故障监测方法,其特征在于,获取所述待处理电力物联传感监测数据在所述第一语义细粒等级的潜在故障搜索特征,包括:
>6.如权利要求2所述的应用人工智能的智慧电网故障监测方法,其特征在于,所述第二故障判别决策模型包括第二语义细粒等级的第二运行状态挖掘分支,所述第二运行状态挖掘分支已学习到所述故障定位传感监测数据在所述第二语义细粒等级的过往故障定位指导向量;
7.如权利要求6所述的应用人工智能的智慧电网故障监测方法,其特征在于,所述故障动态搜索特征包括至少一个故障动态搜索子向量;
8.如权利要求6所述的应用人工智能的智慧电网故障监测方法,其特征在于,所述第二语义细粒等级的过往故障定位指导向量包括注意力通道更新所对应的更新变量指示;
9.如权利要求1所述的应用人工智能的智慧电网故障监测方法,其特征在于,所述方法还包括:
10.一种人工智能监测系统,其特征在于,包括至少一个处理器和存储器;所述存储器存储计算机执行指令;所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行权利要求1-9任一项所述的方法。
...【技术特征摘要】
1.一种应用人工智能的智慧电网故障监测方法,其特征在于,应用于人工智能监测系统,所述方法包括:
2.如权利要求1所述的应用人工智能的智慧电网故障监测方法,其特征在于,所述第二故障判别决策模型包括至少一个语义细粒等级的运行状态挖掘分支,每个所述语义细粒等级的运行状态挖掘分支已学习到所述故障定位传感监测数据在对应语义细粒等级的过往故障定位指导向量;
3.如权利要求2所述的应用人工智能的智慧电网故障监测方法,其特征在于,所述第二故障判别决策模型包括第一语义细粒等级的第一运行状态挖掘分支,所述第一运行状态挖掘分支已学习到所述故障定位传感监测数据在所述第一语义细粒等级的过往故障定位指导向量;
4.如权利要求3所述的应用人工智能的智慧电网故障监测方法,其特征在于,所述第一语义细粒等级的过往故障定位指导向量包括过往故障定位标识向量、以及与所述过往故障定位标识向量关联的过往故障定位属性向量;
5.如权利要求3所述的应用人工智能的智慧电网故障监测方法,其特征在于,获取所述待处理电力物联传感监...
【专利技术属性】
技术研发人员:马秀丽,刘沫非,孙嘉泽,刘程紫贺,郭未鹥,郭涵润,杨焱喆,岳翦伯,杨翌慈,杨洹僖,
申请(专利权)人:北京伯仲汇智科技有限公司,
类型:发明
国别省市:
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。