CN119090490B 基于人工智能的电力配电网自动化运维方法及系统 （鄂尔多斯市泛胜数据技术有限公司）

司US2011087517A1,2011.04.14基于人工智能的电力配电网自动化运维方本发明提供一种基于人工智能的电力配电优执行计划通过安全加密通道分别下发至自动2通过分布式传感器网络实时采集电力配电网的运行数据，将采集的运行智能运维代理通过对数字孪生模型进行实时监测和分析将最优执行计划通过安全加密通道分别下发至自动化设备和维修人基于所构建的混合电力配电网数字孪生模型，设计多智将配电网拓扑结构表示为时变图，所述时变图包括固定的节点集构建多层图注意力网络，每层图注意力网络包括多个基于初步子区域划分结果，引入基于电气距离和负载平衡的评针对每个子区域分配智能运维子代理，所述智能运维子代理采用分层强化学习算法，所述底层子代理负责局部执行，其状态空间包含子区域内所有设备的实时运行参数、3基于初步子区域划分结果构建子区域间的加权邻接图，计算所述加权邻接图的归一化拉普拉斯矩阵，并求识别子区域间的边界节点，构建边界节点影响评估模型，将配电网划分为多个重叠的局部区域，每个局部区域分配给利用自然语言处理技术从历史故障诊断报告、维修记录和专家经验中提取关键信息，通过增量学习框架将新的故障诊断报告和处理经验整合到所述知识图谱进行动态更新，将接收到的故障诊断报告映射到所述更新后的知识图谱中的实体和关使用关系图卷积网络对映射后的知识图谱进行表示学习，得到图谱实体的向量表示，构建基于变换器架构的序列生成模型，包括多层自注意力码器将故障诊断报告和系统状态编码为上下文向量序在解码器中采用带有复制机制的指针生成网络，通过注意4使用基于转换器架构的生成预训练模型处理所述全过使用基于双向编码器表示的命名实体识别模型从所述历史运维记录中识别设备名称、应用关联规则挖掘算法处理所提取的目标信息，挖掘设备状态评估所述初步预防性维护规则的有效性，筛选出可信度高于预设收集并分析设备历史运行数据输入预先训练的设备寿命根据所述最终预防性维护规则集和所述寿命预测报告，制定初步预到最终预防性维护计划。收集设备历史运行数据并进行预处理，所述历史运行数据包含多个采用多任务学习框架，使用自适应矩估计优化器和余弦退火策略调整学习基于所述预期剩余使用寿命，生成寿命预测趋势图，并基于所述预期6.一种基于人工智能的电力配电网自动化运维系统，用于实现前述权利要求1_5中任第一单元，用于通过分布式传感器网络实时采集电力配电5第二单元，用于智能运维代理通过对数字孪生模型进行实时第三单元，用于将最优执行计划通过安全加密通道分其中，所述处理器被配置为调用所述存储器存储的指令，以执行序指令被处理器执行时实现权利要求1至56至云端数据中心，利用多模态深度学习框架对历史运行数据和实时运行数据进行融合分[0008]将最优执行计划通过安全加密通道分别下发至自动化设备和维修人员的移动终7[0019]基于初步子区域划分结果构建子区域间的加权邻接图，其中图的节点表示子区8[0036]使用基于双向编码器表示的命名实体识别模型从所述历史运维记录中识别设备[0040]根据所述最终预防性维护规则集和所述寿命预测报告，制定初步预防性维护计9[0060]在本实施例中，通过分布式传感器网络和云端数据中心[0065]图1为本发明实施例基于人工智能的电力配电网自动化运维方法的流程示意图，[0066]S101.通过分布式传感器网[0092]基于初步子区域划分结果构建子区域间的加权邻接图，其中图的节点表示子区聚类数量，例如可以采用自适应K_means算法，根据数据分布特征自动确定最佳的聚类数制，用于计算节点间交换边界节点信息和局部优化结果。具体地，可以采用工作量证明最终输出动态评价指标函数值最小的全局子区域划分方案数量等。分布式计算可以部署20个计算节点，每个节点负责约100个配电网节点的局部优[0106]S102.智能运维代理通过对数字孪生模型虑馈线上下游设备的关联性；系统级诊断从整个配电网的角度分析故障影响范围和根源。[0110]基于故障处理方案，智能运维代理进一步结合实时路况信息和维修人员位置信提到"主变压器温度异常升高"，就可以将其映射到图谱中的"变压器过热"故障类型节点。以根据具体情况选择从输入复制信息或从预定义词[0130]S103.将最优执行计划通过安全加密通道分别下发至自动化设备和维修人员的移[0131]智能运维代理通过安全加密通道将最优执行计划分别下发至自动化设备和维修[0138]使用基于双向编码器表示的命名实体识别模型从所述历史运维记录中识别设备[0142]根据所述最终预防性维护规则集和所述寿命预测报告，制定初步预防性维护计况的解作为最终计划。