一种基于集成学习的配电站运行状态评估方法及系统与流程

本发明属于配电站监测，尤其涉及一种基于集成学习的配电站运行状态评估方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、配电站是电力系统中的一个设施，位于输电网和配电网之间，主要功能是调节电流的电压级别。配电站通过变压器将高压输电线路传输过来的电压转换为适合配电网的电压，同时通过开关和保护装置控制电流的流向和分配。一个配电站可以为周围较大范围的配电网提供电力，通常是长时间工作，持续提供电力支持，一旦配电站出现故障暂停运行就会增加周围其他配电站的工作负担，或者影响配电网的正常配送电力。因此，对配电站内整体的运行情况进行及时的状态评估，以保证配电站安全、可靠的持续工作是非常有必要的。

3、目前，对于配电站运行情况监测或评估的方法存在以下问题：仅对某一种故障进行检测，缺乏对配电站整体运行状态的评估；评估指标的单一化不能够充分找到所有配电站运行异常的方面，使得评估的准确率不高。

技术实现思路

1、为克服上述现有技术的不足，本发明提出了一种基于集成学习的配电站运行状态评估方法及系统，通过多模态融合的基于集成学习的配电站运行状态评估模型，实现对配电站运行状态的全面、准确评估。

2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

3、第一方面，公开了一种基于集成学习的配电站运行状态评估方法，包括：

4、采集配电站历史运行的定性数据与定量数据；

5、预处理所采集的定性数据和定量数据，得到时段图像特征、时段音频特征和变压器的工作时序特征；

6、构建配电站运行状态评估模型，利用时段图像特征、时段音频特征和变压器的工作时序特征训练评估模型；

7、获取配电站当前运行的定性数据和定量数据，对预处理后的时段图像特征、时段音频特征和变压器时序特征输入所述配电站运行状态评估模型进行集成评估，获得所述配电站当前的运行状态；

8、其中，配电站运行状态评估模型包括：构建配电站图像模态评估子模型，对时段图像特征进行分析和特征提取，获得所述图像模态评估子模型的第一特征向量；构建配电站声音模态评估子模型，对时段音频特征进行分析和特征提取，获得所述声音模态评估子模型的第二特征向量；构建变压器时序评估子模型，对变压器的工作时序特征进行分析和特征提取，获得所述变压器时序评估子模型的第三特征向量；构建模态集成子模型，将配电站图像模态评估子模型、配电站声音模态评估子模型和变压器时序评估子模型的输出采用加权集成的方式进行融合，获得配电站的运行状态；

9、进一步的，所述定性数据为配电站内部监控数据，具体包括：监控视频和监控音频；

10、所述定量数据为配电站内各个变压器的工作数据，包括：各个变压器的输入电压、输出电压、输入电流、输出电流和设备温度；

11、进一步的，所述配电站图像模态评估子模型，由暗光增强单元和特征提取单元依次连接组成；

12、所述配电站声音模态评估子模型由输入层、三个残差卷积块、全连接层组成；

13、所述变压器时序评估子模型，以lstm网络模型为基础，对变压器工作时序特征进行分析和特征提取；

14、进一步的，所述运行状态包括：正常，注意，异常，严重。

15、第二方面，公开了一种基于集成学习的配电站运行状态评估系统，包括：

16、采集模块，其被配置为：采集配电站历史运行的定性数据与定量数据；

17、预处理模块，其被配置为：预处理所采集的定性数据和定量数据，得到时段图像特征、时段音频特征和变压器的工作时序特征；

18、模型构建模块，其被配置为：构建配电站运行状态评估模型，利用时段图像特征、时段音频特征和变压器的工作时序特征训练评估模型；

19、状态评估模块，其被配置为：获取配电站当前运行的定性数据和定量数据，对预处理后的时段图像特征、时段音频特征和变压器时序特征输入所述配电站运行状态评估模型进行集成评估，获得所述配电站当前的运行状态；

20、其中，配电站运行状态评估模型，包括：构建配电站图像模态评估子模型，对时段图像特征进行分析和特征提取，获得所述图像模态评估子模型的第一特征向量；构建配电站声音模态评估子模型，对时段音频特征进行分析和特征提取，获得所述声音模态评估子模型的第二特征向量；构建变压器时序评估子模型，对变压器的工作时序特征进行分析和特征提取，获得所述变压器时序评估子模型的第三特征向量；构建模态集成子模型，将配电站图像模态评估子模型、配电站声音模态评估子模型和变压器时序评估子模型的输出采用加权集成的方式进行融合，获得配电站的运行状态。

21、第三方面，公开了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述基于集成学习的配电站运行状态评估方法的步骤。

22、第四方面，公开了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述基于集成学习的配电站运行状态评估方法的步骤。

23、与现有技术相比，本发明的有益效果为：

24、本发明提供了一种基于集成学习的配电站运行状态评估方法及系统，提出多模态融合集成学习的方法，全面、准确的评估配电站运行状态；图像特征表征配电站内电气设备外观异常，声音特征弥补外观无法显示的内部零件故障，设备工作数据为评估提供直接准确的指标，三者结合实现准确评估。

25、本发明提供了暗光增强单元，基于暗光特征注意机制将监控图像中光线较暗的变压器的细节特征进行增强处理，提高监控图像的质量，从而准确提取设备外观的细微异常。

26、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种基于集成学习的配电站运行状态评估方法，其特征在于，包括：

2.如权利要求1所述的一种基于集成学习的配电站运行状态评估方法，其特征在于，所述定性数据为配电站内部监控数据，具体包括：监控视频和监控音频；

3.如权利要求1所述的一种基于集成学习的配电站运行状态评估方法，其特征在于，所述预处理所采集的定性数据和定量数据，具体的，监控视频被划分为时间段内每一帧监控图像的三维堆叠，生成时段图像特征；划分时间段内的监控音频，采用小波包变换算法，依次经过小波包分解、小波包重构、能量计算以及将各频段的能量归一化生成时段音频特征；各个变压器在时间段内的输入、输出电压和输入、输出电流的定量数据拼接为一维向量，生成变压器的工作时序特征。

4.如权利要求1所述的一种基于集成学习的配电站运行状态评估方法，其特征在于，构建配电站图像模态评估子模型，对时段图像特征进行分析和特征提取，获得所述图像模态评估子模型的第一特征向量，具体为：

5.如权利要求1所述的一种基于集成学习的配电站运行状态评估方法，其特征在于，所述配电站声音模态评估子模型由输入层、三个残差卷积块和全连接层组成，每个残差卷积块为具体为依次连接的卷积层5、relu激活层和卷积层6，卷积层5的输入与卷积层6的输出的加权求和后经过relu激活层，全连接层2输出第二特征向量。

6.如权利要求1所述的一种基于集成学习的配电站运行状态评估方法，其特征在于，所述变压器时序评估子模型，以lstm网络模型为基础，对变压器工作时序特征进行分析和特征提取，生成第三特征向量。

7.如权利要求1所述的一种基于集成学习的配电站运行状态评估方法，其特征在于，所述模态集成子模型由集成融合层、卷积层7、relu激活层、全连接层3、全连接层4、softmax层和输出层连接而成，集成融合层的输入为第一特征向量、第二特征向量和第三特征向量，集成融合层的表达式为：

8.一种基于集成学习的配电站运行状态评估系统，其特征在于，包括：

9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的基于集成学习的配电站运行状态评估方法。

10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的基于集成学习的配电站运行状态评估方法。

技术总结本发明提出了一种基于集成学习的配电站运行状态评估方法及系统，属于配电站监测技术领域，包括：采集配电站的定性数据与定量数据；预处理所采集的定性数据和定量数据；构建配电站运行状态评估模型，包括：构建配电站图像模态评估子模型，构建配电站声音模态评估子模型，构建变压器时序评估子模型，构建模态集成子模型；获取配电站当前运行的定性数据和定量数据，对预处理后的时段图像特征、时段音频特征和变压器时序特征进行集成评估，获得所述配电站的运行状态。通过暗光增强单元提高图像质量，多模态融合准确评估配电站运行状态。技术研发人员：姚素刚,冯磊,马永明,宋伟,邱峰,朱彬彬,张沛兵,戴莉,吕可可,屈然受保护的技术使用者：国网山东省电力公司微山县供电公司技术研发日：技术公布日：2024/9/26