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！

摘要：本发明公开了基于智能分析的配网线路频繁停电研判与根因识别系统，涉及电网故障识别技术领域。本发明与之前的停电预测系统相比，解决了现有停电预测系统大多基于静态分析模型进行停电分析，无法应对电力系统复杂的电力特性和数据来源的问题；引入了针对停电事件的智能根因识别算法，对不同数据源的多种数据进行综合建模分析，结合注意力机制提高对关键数据的关注程度，还结合图神经网络捕捉设备间的拓扑结构和相互影响，能够检测故障发生的位置，还对故障的类型和原因进行分类；同时结合了数据分析和根因识别的结果，系统提供了综合的决策支持；实现了对配网系统实时监控的能力，能够在出现异常或潜在停电风险时立即发出警报。

主权项：1.基于智能分析的配网线路频繁停电研判与根因识别系统，其特征在于，包括：采集处理模块（100）：用于基于数据采集设备对配网线路的运行数据进行收集和预处理；预测识别模块（200）：用于根据采集的数据建立智能根因识别算法，并对停电事件的故障类型和原因进行分析；决策优化模块（300）：用于结合所述预测识别模块（200）的根因识别结果，提供实时的决策支持；可视化模块（400）：用于为用户提供可视化界面；所述预测识别模块（200）包括：根因分析单元（210）：用于基于优化的LSTM网络学习和识别配网线路出现频繁停电的模式和趋势，并与图神经网络相结合，对停电事件的根因进行分析；模型训练单元（220）：利用无标签数据对各模型进行自监督预训练，再进行模型的有监督优化调整；停电预测单元（230）：用于采用Seq2Seq模型框架对配网线路的潜在停电事件及原因进行预测；停电预警单元（240）：用于根据所述停电预测单元（230）的预测结果进行停电预警；所述根因分析单元（210）中的优化的LSTM网络分别搭建短期优化LSTM模型、中期优化LSTM模型和长期优化LSTM模型处理不同时间尺度的特征，并在优化的LSTM网络输出后引入注意力机制进行输出，再将输出值与图神经网络的输出值进行结合，通过全连接层进行最终的根因分类预测；所述优化LSTM模型采用嵌套式网络，将记忆单元优化为LSTM网络，并将遗忘门、输入门与记忆单元进行耦合，具体如下：输入门如下： I t =σωI·[ht-1,xt]+bI其中，It为输入门的激活值；σ为激活函数；ωI为输入门权重；ht-1为上一时刻记忆单元的输出；xt为t时刻记忆单元的输入；bI为输入门的偏置量；遗忘门如下： F t =σωF·[Ct-1,ht-1,xt]+bF其中，Ft为遗忘门的激活值；ωF为遗忘门权重；Ct-1为上一时刻记忆单元的状态；bF为遗忘门的偏置量；输出门如下： O t =σωO·[Ct-1,ht-1,xt]+bO其中，Ot为输出门的激活值；ωO为遗忘门权重；bO为遗忘门的偏置量；记忆单元如下： C t =F t ·C t-1+It·σωC·[ht-1,xt]+bC其中，Ct为t时刻记忆单元的状态；ωC为记忆单元权重；bC为记忆单元的偏置量；其中，所述优化的LSTM网络中的各项权重基于优化的粒子群算法进行寻优获得，所述优化的粒子群算法具体如下： u i,d,j+1 =αu i,d,j +s 1 r 1pi,d-vi,d,j+s2r2gi,d-vi,d,j v i,d,j+1 =v i,d,j +u i,d,j+1 其中，ui,d,j+1为第i个粒子在第d维第j+1次迭代的位置变化率；α为惯性因子；r1、r2为0,1间的随机数；pi,d为第i个粒子vi的个体最优值；gi,d为粒子群的全局最优值；vi,d,j为第i个粒子在第d维第j次迭代的位置；vi,d,j+1为第i个粒子在第d维第j+1次迭代的位置；s1、s2为加速因子。

全文数据：

权利要求：

百度查询： 安徽继远软件有限公司 基于智能分析的配网线路频繁停电研判与根因识别系统