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：合肥优晟电力科技有限公司

摘要：本发明公开了一种变电站智能防误拓扑分析方法，涉及变电站技术领域，通过对系统预测的电力网络状态数据进行分析，以判断系统是否出现异常，在发现异常时，系统会分析数据存储设备的负载状态，评估设备的工作状态稳定性；并对变电站的历史运行数据进行分析，评估系统对故障事件的识别准确程度；根据设备的工作状态稳定性和系统对故障事件的识别准确程度，评估系统预测结果的准确性，通过对一段时间内防误拓扑分析系统预测结果的准确性进行进一步的分析，并在防误拓扑分析系统出现预测结果异常时进行及时预警，从而提高系统的稳定性和安全性，减少潜在的故障和风险，降低事故和停电的可能性，从而保障电力系统的正常运行。

主权项：1.一种变电站智能防误拓扑分析方法，其特征在于：包括以下步骤：S1：对变电站的实际运行数据进行收集，对防误拓扑分析系统预测的电力网络状态数据进行分析，判断防误拓扑分析系统是否异常；S2：当防误拓扑分析系统出现异常时，对防误拓扑分析系统中数据存储设备的负载状态进行分析，判断数据存储设备中数据存储效率的异常程度，评估数据存储设备工作状态的稳定性；步骤S2具体包括：判断数据存储设备中数据存储效率的异常程度，对数据存储设备的负载状态进行实时监测，对防误拓扑分析系统数据存储设备的负载状态数据进行分析，获取防误拓扑分析系统数据存储设备的数据存储效率偏差指数，评估数据存储设备工作状态的稳定性，则数据存储效率偏差指数的获取方法为：实时监测防误拓扑分析系统数据存储设备的负载状态，收集存储设备的实时负载状态数据，包括读写速度、响应时间、IO操作，将数据以时间序列的形式进行记录；对收集到的实时负载状态数据进行平滑处理，将平滑处理后的负载状态数据建立ARIMA模型，ARIMA模型的具体计算表达式为：式中，是时间点t处的防误拓扑分析系统数据存储设备的预测负载状态数据，W是常数项，和是ARIMA模型的自回归系数和滞后误差系数，p和q分别是自回归项数和滞后误差项数，利用建立的时间序列模型拟合负载状态数据，使用拟合好的时间序列模型对未来一段时间内的负载状态进行预测得到预测值，将预测值与实际观测值进行对比，计算每个时间点的预测偏差，具体的计算表达式为：；式中，为防误拓扑分析系统数据存储设备的实时负载状态数据，K为时间序列长度，为数据存储效率偏差指数；将获取到的防误拓扑分析系统中的数据存储设备的数据存储效率偏差指数与数据存储效率偏差指数参考阈值进行比较，若数据存储效率偏差指数大于等于数据存储效率偏差指数参考阈值，此时生成数据存储设备异常信号；若数据存储效率偏差指数小于数据存储效率偏差指数参考阈值，此时生成数据存储设备正常信号；S3：对变电站的运行状态进行监测分析，对变电站的历史运行数据进行分析，判断防误拓扑分析系统对变电站历史运行过程中故障事件识别的准确程度，评估防误拓扑分析系统识别故障的准确性；步骤S3具体包括：判断防误拓扑分析系统对变电站历史运行过程中故障事件识别的准确程度，获取防误拓扑分析系统对变电站故障事件的识别准确性离群指数，评估防误拓扑分析系统识别故障的准确性，识别准确性离群指数的获取方法为：收集防误拓扑分析系统识别的故障事件数据和变电站的实际故障事件数据，构建一个包含所有识别事件的特征矩阵X，形状为；获取矩阵中到数据点的k个最近点的距离，计算每个识别事件的局部离群因子，表示矩阵中第个事件的第个特征，计算每个点的k-距离，即计算距离点p到第k个最近邻点的距离，以及计算点p的局部可达密度，具体的计算表达式为：；式中，为点p的k个最近邻集合，为p点的局部可达密度，h为点p的邻居点，为点p到点h的可达距离；根据计算得到的p点的局部可达密度计算p点的局部可达因子，即计算准确性离群指数，具体的计算表达式为：；式中，为识别准确性离群指数，为h点的局部可达密度；将获取到的识别准确性离群指数与识别准确性离群指数参考阈值进行比较，若识别准确性离群指数大于等于识别准确性离群指数参考阈值，此时生成故障识别准确性异常信号；若识别准确性离群指数小于识别准确性离群指数参考阈值，此时生成故障识别准确性正常信号；S4：将防误拓扑分析系统中数据存储设备工作状态的稳定性和防误拓扑分析系统识别故障的准确性进行综合分析，评估防误拓扑分析系统预测结果的准确性程度；S5：根据评估结果，将防误拓扑分析系统预测结果的准确性程度划分为准确性预测、可能准确性预测，不准确性预测，并进行相应的处理；S6：当防误拓扑分析系统预测结果为可能准确性预测时，对一段时间内防误拓扑分析系统预测结果的准确性进行进一步的分析，并在防误拓扑分析系统出现预测结果异常时进行及时预警。

全文数据：

权利要求：

百度查询： 合肥优晟电力科技有限公司 一种变电站智能防误拓扑分析方法