一种微网的环境测试方法和装置与流程

本发明涉及人工智能领域，特别涉及一种微网的环境测试方法和装置。

背景技术：

1、微网是指由多个分布式能源资源(如太阳能、风能、储能等)和用户(如家庭、企业、社区等)组成的小型电力系统。这些分布式能源资源可以相互连接，通过智能控制和管理实现能源的协同生产、分配和利用。微网通常能够自主运行，也可以与传统电网连接，实现双向能量流动。

2、微网系统通常由多个分布式能源资源和用户组成，涉及的参数和变量较多，测试过程较为复杂。环境测试需要考虑不同环境条件下的各种参数变化，涉及的数据量大，现有技术没有对微网系统发生故障进行预测的技术方案。

技术实现思路

1、本发明的主要目的为提供一种微网的环境测试方法和装置，旨在解决目前没有对微网系统发生故障进行预测的技术方案的问题。

2、本发明提供了一种微网的环境测试方法，包括：

3、获取多个微网系统运行时的微网系统参数集；其中，所述微网系统参数集包括t组微网系统参数，且至少一组微网系统参数集为发生故障前的微网系统参数；

4、根据预设公式we+j＝wk+j+e×[we+j-1-wk+j-1]±b获取变化参数，其中，e表示变化参数，wh表示微网系统参数集中的第h组微网系统参数，b表示预设的误差范围；

5、计算每组微网系统参数的中间参数集

6、bi＝[(wt，t-1)，(wt，t-2)，...，(wt，g)...，(wt，1)}，其中t表示第t个时间点，bi表示第i个微网系统对应的中间参数集，(wt，g)表示第t个时间点与第g个时间点之间微网系统参数的变化率，t、g、i属于正整数，且t＞g；

7、判断各个中间参数集对应的微网系统参数，是否为发生故障前的微网系统参数；

8、根据判断结果给所述中间参数集赋予对应的微网系统数据标签，得到目标参数集；所述微网系统数据标签为故障或者无故障；

9、将各组所述目标参数集输入至预设的预设的神经网络模型中，得到微网系统故障预测模型；

10、通过预设的传感器获取目标微网系统距离当前时间点前t个时间点的微网系统参数集，组成待测试数据集；

11、计算所述待测试数据集的中间数据集；其中，计算所述中间数据集的方式与计算中间参数集的方式相同；

12、将所述中间数据集输入至所述微网系统故障预测模型中，得到所述目标微网系统的目标数据标签；

13、基于所述目标数据标签判断所述目标微网系统是否存在故障。

14、进一步地，所述将各组所述目标参数集输入至预设的预设的神经网络模型中，得到微网系统故障预测模型的步骤，包括：

15、选取指定数量的多组微网系统参数集作为第一数据集；其中一组所述微网系统参数集包括微网系统参数以及对应的微网系统数据标签构成；根据预设比例将所述第一数据集划分为第二数据集和第三数据集；

16、将所述第二数据集输入预设的神经网络模型中，以对应的微网系统参数作为预设的神经网络模型的输入，以对应的微网系统数据标签作为输出进行训练，从而得到暂时微网系统故障检测模型；

17、利用所述第三数据集对所述暂时微网系统故障检测模型进行验证，以得到验证结果；

18、若验证结果为验证通过，则将所述暂时微网系统故障检测模型记为微网系统故障预测模型。

19、进一步地，所述基于所述目标数据标签判断所述目标微网系统是否存在故障的步骤之后，还包括：

20、若基于所述目标数据标签的判断结果为所述目标微网系统存在故障，则根据预设的相似度计算方法，计算所述待测试数据集与微网系统数据标签为故障的微网系统参数集的相似度；

21、根据相似度大小选取目标微网系统参数集；

22、获取所述目标微网系统参数集的故障类型；

23、根据故障类型采取对所述目标微网系统的处理方式。

24、进一步地，所述基于所述目标数据标签判断所述目标微网系统是否存在故障的步骤之后，还包括：

25、若基于所述目标数据标签的判断结果为所述目标微网系统存在故障，则预设的电路系统对用户进行供电；

26、通过预设的传感器获取替换后t个时间点的系统参数集，组成第四数据集；

27、计算所述第四数据集的中间第四数据集；其中，计算所述中间第四数据集的方式与计算中间参数集的方式相同；

28、将所述中间第四数据集输入至所述微网系统故障预测模型中，得到目标数据标签；

29、若目标数据标签为无故障，则确定为所述目标微网系统故障。

30、进一步地，所述获取多个微网系统运行时的微网系统参数集的步骤，包括：

31、确定待测的目标微网系统的产品类型和使用类型；

32、根据所述产品类型和使用类型找取相似或者相近的多个其他微网系统；

33、获取所述其他微网系统参数所在的数据库；

34、通过预设的爬虫脚本从中获取微网系统参数集。

35、本发明还提供了一种微网的环境测试装置，包括：

36、第一获取模块，用于获取多个微网系统运行时的微网系统参数集；其中，所述微网系统参数集包括t组微网系统参数，且至少一组微网系统参数集为发生故障前的微网系统参数；

37、第二获取模块，用于根据预设公式we+j＝wk+j+e×[we+j-1-wk+j-1]±b获取变化参数，其中，e表示变化参数，wh表示微网系统参数集中的第h组微网系统参数，b表示预设的误差范围；

38、第一计算模块，用于计算每组微网系统参数的中间参数集bi＝[(wt，t-1)，(wt，t-2)，...，(wt，g)...，(wt，1)}，其中t表示第t个时间点，bi表示第i个微网系统对应的中间参数集，(wt，g)表示第t个时间点与第g个时间点之间微网系统参数的变化率，t、g、i属于正整数，且t＞g；

39、第一判断模块，用于判断各个中间参数集对应的微网系统参数，是否为发生故障前的微网系统参数；

40、赋予模块，用于根据判断结果给所述中间参数集赋予对应的微网系统数据标签，得到目标参数集；所述微网系统数据标签为故障或者无故障；

41、第一输入模块，用于将各组所述目标参数集输入至预设的预设的神经网络模型中，得到微网系统故障预测模型；

42、第三获取模块，用于通过预设的传感器获取目标微网系统距离当前时间点前t个时间点的微网系统参数集，组成待测试数据集；

43、第二计算模块，用于计算所述待测试数据集的中间数据集；其中，计算所述中间数据集的方式与计算中间参数集的方式相同；

44、第二输入模块，用于将所述中间数据集输入至所述微网系统故障预测模型中，得到所述目标微网系统的目标数据标签；

45、第二判断模块，用于基于所述目标数据标签判断所述目标微网系统是否存在故障。

46、进一步地，所述第一输入模块，包括：

47、微网系统参数集选取子模块，用于选取指定数量的多组微网系统参数集作为第一数据集；其中一组所述微网系统参数集包括微网系统参数以及对应的微网系统数据标签构成；根据预设比例将所述第一数据集划分为第二数据集和第三数据集；

48、第二数据集输入子模块，用于将所述第二数据集输入预设的神经网络模型中，以对应的微网系统参数作为预设的神经网络模型的输入，以对应的微网系统数据标签作为输出进行训练，从而得到暂时微网系统故障检测模型；

49、验证子模块，用于利用所述第三数据集对所述暂时微网系统故障检测模型进行验证，以得到验证结果；

50、标记子模块，用于若验证结果为验证通过，则将所述暂时微网系统故障检测模型记为微网系统故障预测模型。

51、进一步地，所述微网的环境测试装置，还包括：

52、相似度计算模块，用于若基于所述目标数据标签的判断结果为所述目标微网系统存在故障，则根据预设的相似度计算方法，计算所述待测试数据集与微网系统数据标签为故障的微网系统参数集的相似度；

53、目标微网系统参数集选取模块，用于根据相似度大小选取目标微网系统参数集；

54、故障类型获取模块，用于获取所述目标微网系统参数集的故障类型；

55、处理方式采取模块，用于根据故障类型采取对所述目标微网系统的处理方式。

56、进一步地，所述微网的环境测试装置，还包括：

57、替换模块，用于若基于所述目标数据标签的判断结果为所述目标微网系统存在故障，则预设的电路系统对用户进行供电；

58、第四数据集获取模块，用于通过预设的传感器获取替换后t个时间点的系统参数集，组成第四数据集；

59、中间第四数据集计算模块，用于计算所述第四数据集的中间第四数据集；其中，计算所述中间第四数据集的方式与计算中间参数集的方式相同；

60、中间第四数据集输入模块，用于将所述中间第四数据集输入至所述微网系统故障预测模型中，得到目标数据标签；

61、目标微网系统故障确定模块，用于若目标数据标签为无故障，则确定为所述目标微网系统故障。

62、进一步地，所述第一获取模块，包括：

63、类型确定子模块，用于确定待测的目标微网系统的产品类型和使用类型；

64、其他微网系统找取子模块，用于根据所述产品类型和使用类型找取相似或者相近的多个其他微网系统；

65、数据库获取子模块，用于获取所述其他微网系统参数所在的数据库；

66、微网系统参数集获取子模块，用于通过预设的爬虫脚本从中获取微网系统参数集。

67、本发明的有益效果：通过获取多个微网系统运行时的微网系统参数集，以对应的中间参数，并根据是否为发生故障前的微网系统参数赋予对应的数据标签，并基于数据集训练得到微网系统故障预测模型，通过神经网络模型判断目标微网系统是否故障，从而实现了对微网系统是否故障的预测，提高了在微网系统发生故障前就可以预测微网系统是否发生了故障，进而降低了微网系统故障发生的概率。