【技术实现步骤摘要】
本专利技术涉及电力系统，具体涉及一种电网多重严重故障智能分析方法与系统、存储介质。
技术介绍
1、电力是经济社会稳定运行的基础保障，关系国计民生、千家万户。电力安全是现代社会经济发展的基石，保障电力系统安全运行是重要的经济任务。交直流大电网耦合特性日益复杂，高比例新能源电网进一步加剧了故障演变过程的复杂性，全球变暖的大背景下极端自然灾害呈频发趋势，引发电网出现超出安全稳定导则设防标准的n-k多重严重故障的风险持续加大。多重严重故障发生后，存在多输电断面潮流越限、失步振荡、甚至系统崩溃的风险，传统方式计算，在n-1、n-2等故障基础上，基于人工经验设置部分严重故障集，但人工设置的故障集无法有效覆盖电网运行特性和外部环境复杂多变条件下对电网安全稳定影响严重的多重严重故障，一旦故障发生，在系统专业紧急校核给出控制要求之前，调度运行人员将陷入“无法可依”的状态，电网运行面临着巨大的安全风险。亟需研究复杂交直流电网多重严重故障报警后的分析方法，在接受报警信号后预测下一次可能出现的故障问题，为调度运行人员提供应急处置决策的信息依据。
技术实现思路
1、本专利技术提供了一种电网多重严重故障智能分析方法与系统、存储介质，通过多融合模型识别不同时间断面中的电网潮流、电网拓扑、设备状态、负荷波动、新能源发电、外部气象、检修计划、停电计划以及故障事件等多种因素，从中提取实体、关系、规则和事件，构建基于历史故障时序的多重严重故障规则图谱。当接收故障信息时，严重故障推理机制模型对多个时序故障进行深入分析，预
2、本专利技术解决上述技术问题的方案如下：一种电网多重严重故障智能分析方法，包括以下步骤：
3、通过预先训练的多重严重故障演化特征自动识别模型，以固定的时间间隔提取历史断面中实体的状态和属性，以及实体之间的连接方式和组织结构，并从中筛查发生故障时刻的实体信息，将发生故障时刻的实体信息进行整合，建立多重严重故障推理模型；所述多重严重故障演化特征自动识别模型的训练样本源于电网历史运行过程中的多维度数据；
4、基于预训练语言模型，联合神经网络，形成多重严重故障智能分析模型；
5、多重严重故障智能分析模型接收电网运行故障时刻的故障特征文本，并融合多重严重故障推理模型中的实体信息，输出此故障时刻的概率故障事件，通过多重严重故障推理模型依据此故障时刻的概率故障事件分析演化特征，预测下一次故障发生信息。
6、优选的，所述方法还包括：收集电网历史运行过程中的多维度数据，基于所述多维度数据对多重神经网络融合模型进行训练，形成多重严重故障演化特征自动识别模型。
7、优选的，所述收集电网历史运行过程中的多维度数据，基于所述多维度数据对多重神经网络融合模型进行训练，形成多重严重故障演化特征自动识别模型，具体包括：
8、收集电网历史运行过程中不同时序的电网潮流、电网拓扑、设备状态、负荷波动、新能源发电、外部气象、检修计划、停电计划和故障事件相关数据，整合为多重严重故障演化特征数据集；
9、对多重严重故障演化特征数据集进行预处理并进行标注，通过重严重故障演化特征数据集对ernie-bigru-attention-crf模型进行训练，形成多重严重故障演化特征自动识别模型。
10、优选的，所述对多重严重故障演化特征数据集进行预处理并进行标注，这些步骤的主要目标是提高文本数据的质量和一致性，以便更好地利用多重严重故障演化特征数据中的有效信息，具体包括：
11、对原有文本数据集进行拆分，并按段落截取，以防止文本过长；对文本进行查重处理，以避免重复数据的产生；统一处理文本中的数字和序号，使文本数据集更加规范。
12、对经过预处理的数据使用bio的自然语言标注模式进行数据标注，bio标注模式设定规则如下：
13、数据集中的文本句子以“l”标注，文本的长度设为“n”，将文本按照字符进行拆分，则每一个字符都会映射为一个向量表示，则该文本标注为l＝{w_1,w_2,...,w_n}；
14、数据集中的实体开始的位置以“b”标注；
15、数据集中的实体除开始位置外任意词以“i”标注
16、数据集中的非实体类型以“o”标注。
17、优选的，所述ernie-bigru-attention-crf模型包括ernie嵌入层、bigru层、attention层以及crf层，所述通过重严重故障演化特征数据集对ernie-bigru-attention-crf模型进行训练，形成多重严重故障演化特征自动识别模型，包括：
18、将文本数据句子信息向量编码输入至ernie嵌入层，对输入文本进行预训练，从而生成特征向量，提取句子、词语、实体间的信息。
19、特征向量送入bigru层中进行双向训练，捕捉各个词语之间关系特征，生成每个时间步的隐藏状态向量并输入至attention层；
20、attention层将bigru层的隐藏状态向量转换为一个加权的上下文向量并输入至crf层；
21、crf层通过上下文向量预测序列的标签，同时考虑标签之间的约束关系，输出特征数据集的最终实体标签序列。
22、严重故障演化特征自动识别模型通过结合ernie的预训练能力、bigru的双向上下文捕捉、attention的聚焦机制和crf的标签关系约束，提高了文本中实体识别的准确性和鲁棒性。
23、优选的，所述通过预先训练的多重严重故障演化特征自动识别模型，以固定的时间间隔提取历史断面中实体的状态和属性，以及实体之间的连接方式和组织结构，并从中筛查发生故障时刻的实体信息，将发生故障时刻的实体信息进行整合，建立多重严重故障推理模型，具体包括；
24、以不同时刻的历史断面为单位，以固定的时间间隔提取历史断面中对应时刻的电网潮流、电网拓扑、设备状态、负荷波动、新能源发电、外部气象、检修计划、停电计划和故障事件类数据；
25、通过多重严重故障演化特征自动识别模型，提取该时刻的电压、有功功率、无功功率、电流、档位控制角、设备状态、气象条件、设备之间的连接方式及其组织结构等实体信息，将标准化的多重严重故障实体以“头实体-关系-尾实体”的三元组形式连接并存储于neo4j数据库中形成知识图谱；
26、对于电网检修计划、停电计划、电网事件类文本数据，采用bm25信息检索的算法来找到与所述电网检修计划、停电计划、电网事件类文本数据最匹配的实体进行实体链接，最终形成多重严重故障推理模型。
27、优选的，通过对于电网检修计划、停电计划、电网事件类文本数据，采用bm25信息检索的算法来找到与所述电网检修计划、停电计划、电网事件类文本数据最匹配的实体进行实体链接，最终形成知识图谱，具体包括：
28、bm25(best matching 25)信息检索的算法计算实体和文本之间的相似程度，从而使文本进行实体链接，其公式为：
2本文档来自技高网...
【技术保护点】
1.一种电网多重严重故障智能分析方法，其特征在于，包括：
2.根据权利要求1所述一种电网多重严重故障智能分析方法，其特征在于，所述方法还包括：收集电网历史运行过程中的多维度数据，基于所述多维度数据对多重神经网络融合模型进行训练，形成多重严重故障演化特征自动识别模型。
3.根据权利要求2所述一种电网多重严重故障智能分析方法，其特征在于，所述收集电网历史运行过程中的多维度数据，基于所述多维度数据对多重神经网络融合模型进行训练，形成多重严重故障演化特征自动识别模型，具体包括：
4.根据权利要求1所述一种电网多重严重故障智能分析方法，其特征在于，所述通过预先训练的多重严重故障演化特征自动识别模型，以固定的时间间隔提取历史断面中实体的状态和属性，以及实体之间的连接方式和组织结构，并从中筛查发生故障时刻的实体信息，将发生故障时刻的实体信息进行整合，建立多重严重故障推理模型，具体包括；
5.根据权利要求1所述一种电网多重严重故障智能分析方法，其特征在于，所述多重严重故障智能分析模型，包括输入层、融合层、特征提取层、BiLSTM层及输出层；
...【技术特征摘要】
1.一种电网多重严重故障智能分析方法，其特征在于，包括：
2.根据权利要求1所述一种电网多重严重故障智能分析方法，其特征在于，所述方法还包括：收集电网历史运行过程中的多维度数据，基于所述多维度数据对多重神经网络融合模型进行训练，形成多重严重故障演化特征自动识别模型。
3.根据权利要求2所述一种电网多重严重故障智能分析方法，其特征在于，所述收集电网历史运行过程中的多维度数据，基于所述多维度数据对多重神经网络融合模型进行训练，形成多重严重故障演化特征自动识别模型，具体包括：
4.根据权利要求1所述一种电网多重严重故障智能分析方法，其特征在于，所述通过预先训练的多重严重故障演化特征自动识别模型，以固定的时间间隔提取历史断面中实体的状态和属性，以及实体之间的连接方式和组织结构，并从中筛查发生故障时刻的实体信息，将发生故障时刻的实体信息进行整合，建立多重严重故障推理模型，具体包括；
5.根据权利要求1所述一种电网多重严重故障智能分析方法，其特征在于，所述多重严重故障智能分析模型，包括输入层、融合层、特征提取层、bilstm层及输出层；
6.根据权利要求5所述一种电网多重严重故障智能分析方法，其特征在于，所述多重严重故障智能分析模型接收电网运行故障时刻的故障特征文本，并融合多重严重故障推理模型中的实体信息，输出此故障时刻的故障事件，通过多重严重故障推理模型依据此故障时刻的概率故障事件分析演化特征，预测下一次故障发生信息，包括；
7.一种电网多重严重故障智能分析系统，其特征在于，包括：
8.根据权利要求7所述一种电网多重严重故障智能分析系统，其特征在于，所述系统还包括多重严重故障演化特征自动识别模型构建模块，所述多重严重故障演化特征自动识别模型构建模块用于收集电网历史运...
【专利技术属性】
技术研发人员：葛睿，汪旸，张越，齐世雄，董向明，胡加伟，单连飞，单铭琦，曾令康，李昊宇，姜涛，乔咏田，王宇，安卓阳，
申请(专利权)人：国家电网有限公司华中分部，
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。