买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网信通亿力科技有限责任公司

摘要：本发明涉及一种基于量测数据的配网设备诊断分析方法，包括以下步骤：S1:从配网系统中收集综合数据，并预处理；S2:基于预处理后配网GIS数据，构建设备拓扑关系图，并使用图论算法，分析设备之间的连接关系和路径，获取设备拓扑关系数据；S3:基于挖掘算法，分析设备拓扑关系数据与历史设备状态数据和故障事件数据的关联性特征，并构建训练数据集；S4:构建设备异常检测模型，并训练；S5:获取实时设备状态数据，并基于设备异常检测模型进行检测，获取异常设备；S6:基于异常设备和故障类型，进行可视化，在设备拓扑关系图中显示，并基于关联模型预测其他设备故障的概率。本发明有效提高配电网设备的监测和运行管理，进一步保障配电网的安全稳定运行。

主权项：1.一种基于量测数据的配网设备诊断分析方法，其特征在于，包括以下步骤：S1:从配网系统中收集综合数据，包括实时监控数据、历史设备状态数据和故障事件数据和GIS数据，并预处理；S2:基于预处理后配网GIS数据构建设备拓扑关系图，所述预处理后配网GIS数据包括线路、变压器和开关设备的位置和连接关系，并使用图论算法，分析设备之间的连接关系和路径，获取设备拓扑关系数据；S3:基于挖掘算法，分析设备拓扑关系数据与历史设备状态数据和故障事件数据的关联性特征，并构建训练数据集；S4:基于深度学习模型，构建设备异常检测模型，并基于训练数据集训练；所述设备异常检测模型基于变分自编码器VAE构建，具体如下：将训练数据集作为输入数据，所述VAE使用多层神经网络结构作为编码器，输入数据x经过编码器转换为潜在空间的均值向量μ和方差向量σ； ； ； ；其中，h是提取的特征；Wenc为编码器的权重矩阵，用于将输入数据映射到特征空间；benc为编码器的偏置项，用于偏移特征空间中的数据；Wμ为编码器输出均值向量的权重矩阵；bμ为编码器输出均值向量的偏置项；Wσ为编码器输出方差向量的权重矩阵；bσ为编码器输出方差向量的偏置项；ReLU为激活函数；所述VAE使用多层神经网络结构作为解码器，将潜在空间的采样值重构为输入数据; ； ；其中，z是潜在变量，是解码器的特征，是重构的输入数据；Wdec为解码器的权重矩阵，用于将潜在变量映射回特征空间；bdec为解码器的偏置项，用于偏移特征空间中的数据；Wout为解码器输出层的权重矩阵，用于重构数据；bout为解码器输出层的偏置项；结合重构误差和潜在空间的分布损失构建总体损失： ； ； ；其中，是重构误差；N是样本数量，是第个样本的原始数据；是第个样本的重构数据；表示欧氏距离的平方；为潜在空间的分布损失，J是潜在的空间的维度，和分别是第维的均值和方差；β是用于平衡重构误差和潜在空间的分布损失的超参数；使用随机梯度下降最小化损失函数，迭代训练模型，调整模型参数以最大化变分下界： ；其中，是第t次迭代的模型参数，是学习率，是损失函数关于参数的梯度；S5:获取实时设备状态数据，并基于设备异常检测模型进行检测，获取异常设备；S6:基于异常设备和故障类型，进行可视化，在设备拓扑关系图中显示，并基于关联模型预测其他设备故障的概率。

全文数据：

权利要求：

百度查询： 国网信通亿力科技有限责任公司 一种基于量测数据的配网设备诊断分析方法