电力负控终端运行故障判断方法、系统、电子设备及介质与流程

本发明属于电力工程，涉及运行故障判断方法、系统、电子设备及介质。

背景技术：

1、电力负荷管理系统是推动新型电力系统建设的重要技术，负控终端是电力负荷管理系统的重要组成设备，负控终端通过对社会用电的监测，能够降低用电潜在风险。随着社会用电需求不断增加，负控终端在运行过程中的故障判断是亟需解决的难题。目前的电力负荷管理系统中，负控终端数量较多，数据量通常较大，运行故障诊断方法中通常使用终端采集的多个运行状态量组成故障诊断特征，然后采用模式识阈值判决、层次聚类和智能化训练分类等技术判决模型方法实现故障判决，但现有技术方法未考虑多个特征中的冗余特征剔除，使得后续判决模型训练迭代过程复杂而耗时长，降低了诊断分类效率，导致对负控终端运行过程中的故障判断耗时长、效率低。

技术实现思路

1、为了解决背景技术中所述电力负荷管理系统负控终端运行过程中的故障判断耗时长和效率低的问题，本发明提出了电力负控终端运行故障判断方法、系统、电子设备及介质。

2、本发明的方法包括以下步骤：

3、依据某区域电力负荷管理系统的过往运行数据，统计获取负控终端的运行参数、运行参数的故障典型值以及运行参数的运行标准值；

4、依据负控终端的运行参数、运行参数的故障典型值以及运行参数的运行标准值，计算得到联合特征指标，利用联合特征指标构建负控终端运行的初始故障特征集合；

5、基于粒子群算法，构建初始故障特征集合对应的粒子群集合，基于bp神经网络模型计算粒子群集合中的各个种群的故障评价指数，并更新种群适应度与种群最佳适应度，依据更新的种群适应度与种群最佳适应度以及粒子群算法的结束条件，获取运行故障最佳特征集合；

6、根据运行故障最佳特征集合，采用聚类分析方法对待分析的负控终端的运行故障进行判断。

7、进一步地，所述负控终端的运行参数、运行参数的故障典型值以及运行参数的运行标准值如下：

8、设某区域电力负荷管理系统中有k个负控终端，a≤k≤b，一天内的采样次数为q，c≤q≤d，获取一天内负控终端i采样的运行数据，1≤i≤k，统计负控终端的n个运行参数其中表示负控终端i的第n个运行参数，表示负控终端i第n个运行参数的第q次采样值；获取负控终端运行参数的故障典型值其中表示负控终端n个运行参数的故障典型值，表示第n个运行参数的故障典型值，n＝1,2,...,n；获取负控终端运行参数的运行标准值其中表示负控终端n个运行参数的运行标准值,表示第n个运行参数的运行标准值，n＝1,2,...,n。

9、更进一步地，所述负控终端运行的初始故障特征集合的构建方法为：

10、对于负控终端i的n个运行参数计算负控终端i第n个运行参数与其故障典型值之间的距离

11、

12、计算负控终端i第n个运行参数与其运行标准值之间的距离

13、

14、再计算负控终端i第n个运行参数的联合特征指标

15、

16、最后以为初始故障特征集合fset的元素，得到负控终端运行过程中的初始故障特征集合fset，其中初始故障特征集合fset中含有n个特征元素。

17、更进一步地，所述运行故障最佳特征集合的获取方法为：

18、首先构建初始故障特征集合对应的粒子群集合，设粒子群算法的种群数为g、每个种群的粒子数为初始故障特征集合fset中含有的特征元素个数m、迭代次数为z、初始权值最大值和最小值分别为wmax、wmin；定义第g个种群的第m个粒子为定义第z次迭代的第g个种群的粒子集合为其中g＝1,2,…,g，m＝1,2,…,m，z＝1,2,…,z；第z次迭代中对第g种群的第m个粒子进行随机赋值操作第g个种群所有粒子构成第z次迭代中种群g的粒子集合定义第z次迭代中所有种群的集合为粒子群集合rz，则上述所有种群构成第z次迭代的粒子群集合

19、然后构建基于故障契合度最优的bp神经网络模型，定义负控终端i的实际某类故障评价指数为ci，定义第g个种群中负控终端i的某类故障评价指数为对于第g个种群，将其中粒子取值为1对应的特征作为bp神经网络模型中的输入变量，根据bp神经网络模型训练获取负控终端i的某类故障评价指数按照公式计算故障契合度θ作为训练的预测误差，设δ为迭代收敛阈值，当满足θ≤δ时训练结束，依次获取所有种群对应负控终端的某类故障评价指数进入更新种群适应度与种群最佳适应度；若不满足，则继续训练；

20、设当前粒子群算法迭代次数为第z次，定义第m个种群平均故障评价指数偏差为ζm，定义第z次迭代中种群最佳适应度为ζf；依据故障评价指数，计算第m个种群的平均故障评价指数偏差ζm，公式为：

21、

22、将第m个种群的平均故障评价指数偏差ζm作为第m个种群的适应度，选择平均故障评价指数偏差最小的值作为第z次迭代中的种群最佳适应度ζf，更新种群适应度与种群最佳适应度；

23、设当前粒子群算法迭代次数为第z次，若不满足算法结束条件z＞z,则更新迭代次数z＝z+1，计算粒子群的惯性权重wz，然后依据粒子群的惯性权重wz更新所有种群中的粒子并整数化，返回再次计算获取负控终端的各个粒子群种群的平均故障评价指数；所述粒子群的惯性权重wz的计算公式为：

24、

25、其中，wmax和wmin分别为初始权值最大值和最小值，ζf为第z次迭代中的种群最佳适应度，ζavg为第z次迭代中所有种群的平均故障评价指数偏差的平均值，ζmin为第z次迭代中所有种群的平均故障评价指数偏差的最小值；

26、若满足算法结束条件z＞z,则以第z次迭代的种群最佳适应度所对应种群作为最佳种群，选择种群中粒子取值为1所对应的特征作为最佳特征集合fset_best，转至下一步进行运行故障判断。

27、本发明还提出了电力负控终端运行故障判断系统，包括参数获取模块、初始故障特征集合构建模块、运行故障最佳特征集合获取模块和运行故障判断模块。

28、所述参数获取模块，用于依据某区域电力负荷管理系统的过往运行数据，统计获取负控终端的运行参数、运行参数的故障典型值以及运行参数的运行标准值。

29、所述初始故障特征集合构建模块，用于依据负控终端的运行参数、运行参数的故障典型值以及运行参数的运行标准值，计算得到联合特征指标，利用联合特征指标构建负控终端运行的初始故障特征集合。

30、所述运行故障最佳特征集合获取模块，用于基于粒子群算法，构建初始故障特征集合对应的粒子群集合，基于bp神经网络模型计算粒子群集合中的各个种群的故障评价指数，并更新种群适应度与种群最佳适应度，依据更新的种群适应度与种群最佳适应度以及粒子群算法的结束条件，获取运行故障最佳特征集合。

31、所述运行故障判断模块，用于根据运行故障最佳特征集合，采用聚类分析方法对待分析的负控终端的运行故障进行判断。

32、本发明还提出了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而实现上述所述的电力负控终端运行故障判断方法。

33、本发明还提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的电力负控终端运行故障判断方法。

34、本发明与现有技术相比，依据电力负荷管理系统的过往运行数据，统计获取负控终端的运行参数、运行参数的故障典型值以及运行参数的运行标准值，基于联合特征指标构建负控终端运行的初始故障特征集合，基于粒子群算法与bp神经网络模型混合优化，获取负控终端的运行故障最佳特征集合，根据运行故障最佳特征集合采用聚类分析方法实现对负控终端的运行故障判断。本发明通过粒子群算法与神经网络模型操作选取了最佳特征集合，有效地减少了负控终端运行过程中故障判断所需的数据特征规模，有效地减少了负控终端运行过程中故障判断所需的数据与特征，减少了负控终端运行故障判断所需的时间，提高了负控终端运行故障判断的效率。