CN118534250B 应用人工智能的智慧电网故障监测方法及系统 （中科知道(北京)科技有限公司）

应用人工智能的智慧电网故障监测方法及尤其提供一种应用人工智能的智慧电网故障监2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；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依据所述状态异同分析观点，对所述待处理电力物联传感其中，所述依据所述状态异同分析观点，对所述待处理电力变趋势和所述故障定位传感监测数据的状态跳变趋势匹配且所述待处理电力物联传感监其中，语义细粒等级指的是数据解读的细致程度；不同的语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3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基于所述第一运行状态挖掘分支依据所述电网运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4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根据所述基础电网运行状态向量，对所述故障动态搜索特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依据所述更新变量指示，对所述基础电网运行状态向量进行注依据所述更新后电网运行状态向量在目标注意力通道下的运根据所述特征拼接系数，针对所述基础电网运行状态向量进行状态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确定故障定位传感监测数据、调试后的第一故障判别决策模基于所述第一故障判别决策模型对所述故障定位传感监测数据进行第一电网运行状依据所述第一电网运行状态向量，对所述基础过往故障定位指导向量进基于所述第二故障判别决策模型依据所述优化后的过往故障定位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依据所述状态异同分析观点，对所述第二故障判别决策模型进行5其中，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其中，获取所述故障定位传感监测数据在所述第一语义细粒等级的故障定位认证特述至少一个处理器执行权利要求1_7任一6障判别决策模型已学习到故障定位传感监测数据的过往[0007]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[0009]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监测数据在对应语义细粒等级的过往故障定7[0013]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[0015]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，[0016]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[0018]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[0029]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8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，[0032]根据所述基础电网运行状态向量，对所述故障动态搜索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[0034]根据所述基础电网运行状态向量，对所述故障动态搜索[0040]依据所述更新变量指示，对所述基础电网运行状态向量进行注意力通道更新处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[0045]基于所述第一故障判别决策模型对所述故障定位传感监测数据进行第一电网运[0046]依据所述第一电网运行状态向量，对所述基础过往故障[0048]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9故障定位传感监测数据的优化后的过往故障定[0051]依据所述第一电网运行状态向量，对所述基础过往故障[0057]依据所述故障定位传感监测数据在所述上下游语义细粒等级的第一电网运行状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[0064]图1为本申请实施例所提供的一种应用人工智能的智慧电网故障监测方法的流程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[0069]步骤120、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感监测数据在所述至少一个语义细粒等级的第二电网[0071]步骤140、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[0074]在一个示例性的电力监测场景中，人工智能监测系统从遍布电网的各类传感器能监测系统能够更加敏锐地捕捉到当前数据中可能隐藏的[0092]第一电网运行状态向量是第一故障判别决策模型在对待处理电力物联传感监测处理电力物联传感监测数据进行深入的分析[0099]而第二电网运行状态向量是在第二电网运行状态挖掘过程中生成的一种数据表个向量是后续状态一致性分析和故障预警的第二故障判别决策模型和过往故障定位指导向量对待处理电力物联传感监测数据进行深[0105]在步骤140中，状态一致性分析用于评估两个或多个数据源在描述同一对象或人分析模型(如第一故障判别决策模型和第二故障判别决策模型)得出的电网运行状态向量[0108]在步骤140中，人工智能监测系统首先会选取相同语义细粒等级的第一电网运行通过状态一致性分析揭示了第一电网运行状态向量和第二电网运行状态向量之间的相似[0121]第一电网运行状态向量是通过第一故障判别决策模型对当前电力物联传感监测障判别决策模型，本申请实施例为后续的电网状态分析和故障预警提供了坚实的数据基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运行状态挖掘分支通过结合第一语义细粒等级的潜在故障搜索特征和过往故障定位指导标识了每一种故障类型。而过往故障定位属性向量则提供了关于这些故障的更详细的信[0147]人工智能监测系统会根据这个特征共性值来确定潜在故障搜索特征的搜索置信度。搜索置信度实际上是一个衡量人工智能监测系统对当前潜在故障判断准确性的指标。搜索方法不仅提高了故障识别的精度，还增强了人工智能监测系统对未知故障的应对能理。语义细粒等级更新处理的目的是为了让第一电网运行状态向量的表达更加精确和细力通道下对更新后的电网运行状态向量进行状态向量集成。这一步相当于是在对向量进行得与潜在故障相关的特征得到了强化和凸显。[0162]一旦生成了故障动态搜索特征，人工智能监测系统会根据基础电网运行状态向向量与每一个故障动态搜索子向量之间的特征共性值。特征共性值实际上是一个量化指对所述基础电网运行状态向量进行注意力通道更新处理，得到更新后电网运行状态向量，定位指导向量；基于所述第二故障判别决策模型依据所述优化后的过往故障定位指导向障定位传感监测数据的优化后的过往故障定第二故障判别决策模型虽然已经学习了故障定位传感监测数据的基础过往故障定位指导[0187]又例如，人工智能监测系统所依赖的第二故障判别决策特别是第二故障判别决策模型包含了一个针对第一语义细粒等级的第一运行状态挖掘分所述故障定位传感监测数据在所述第一语义细粒等级的故障定联传感监测数据的状态跳变趋势和所述故障定位传感监测数据的状态跳变趋势匹配且所述待处理电力物联传感监测数据的异常传感监测节点和所述故障定位传感监测数据的异中的异常传感监测节点是否与故障定位数据中的[0205]如果待处理电力物联传感监测数据的状态跳变趋势与故障定位传感监测数据的统能够高效地分析待处理电力物联传感监测数据，并通过与故障定位传感监测数据的对定所述待处理电力物联传感监测数据的状态跳变趋势和所述故障定位传感监测数据的状处理电力物联传感监测数据的异常传感监测节点和所述故障定位传感监测数据的异常传变趋势和所述故障定位传感监测数据的状态跳变趋势匹配且所述待处理电力物联传感监传感监测节点与故障定位传感监测数据中的异常传感监测节点会进入下一步，即根据这些匹配的信息来确定待处理电力物联传感监测数据中的物联网述变量包括所述故障定位传感监测数据中的每个第二传感监测字段的第四状态跳变描述传感监测数据的第一状态跳变描述变量以及获取故障定位传感监测数据的第二状态跳变个第一传感监测字段的第三状态跳变描述变量和所述每个第一传感监测字段对应的第二个第一传感监测字段都与一个第二传感监测力物联传感监测数据和故障定位传感监测数据被转换成第一传感监测文本和第二传感监量。第三状态跳变描述变量和第四状态跳变描述变量反映了数据在时间序列上的变化特位传感监测数据进行深入的分析，从而为后续的故障定位和预防措施提供准确的数据支态跳变描述变量与所述每个第一传感监测字段对应的第二传感监测字段的第四状态跳变配权重作为所述第一状态跳变描述变量与所述第二状态跳变描述变量之间的第一匹配权布包括所述待处理电力物联传感监测数据中的每个待处理传感监测数据单元的第三状态第三状态偏移分布与所述每个待处理传感监测数据单元对应的故障定位传感监测数据单权重的全局匹配权重作为所述第一状态偏移分布与所述第二状态偏移分布之间的第二匹[0224]同样地，在确定第一状态偏移分布与第二状态偏移分布测数据单元相对应的故障定位传感监测数据单元的第四[0225]通过计算每个待处理传感监测数据单元的第三状态偏移分布与其对应的故障定据分析方法对于提高电力系统的稳定性和安全性具监测数据的状态跳变趋势进行深入分析。为了更精确地描述这两种数据的状态跳变情况，人工智能监测系统会特别关注数据中的峰值跳[0234]最后，人工智能监测系统会判断这个第一匹配权重是否大于预设的第一设定门监测数据的状态跳变趋势是匹配的，进而表征两种数据在状态变化上呈现出相似的规律，[0235]如此设计，人工智能监测系统能够更准确地把握电力物[0236]进一步地，图2为本申请实施例提供的一种人工智能监测系统200的结构示意[0240]可选地，该人工智能监测系统200可以实现本申请实施例的各个方法中存储引擎或存储引擎中的部件(如处理模块)或者部署有存储引擎的设备对应的相应流程，为了简件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DigitalSignal步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常