一种面向低碳园区的配电设施状态评估方法与流程

本发明涉及一种一种面向低碳园区的配电设施状态评估方法。

背景技术：

1、低碳园区建设已成为当前能源领域的热点话题。低碳园区以其绿色、环保、节能的特点，成为推动城市可持续发展的重要引擎。配电设施作为低碳园区能源系统的核心组成部分，其安全、高效运行状态对园区整体能源消耗和环境影响具有至关重要的作用。

2、智能电网和配电设施数字化的发展，配电设施的自动化水平和管理要求不断提高，这给设备的维护管理工作带来了巨大的挑战。目前，传统的配电设施状态评估方法在整体上制定相关指标，缺乏针对区域和个别设备的灵活分析方法。同时在融合不同设备间运行状态信息以及环境信息等多源异构信息方面，存在信息孤岛问题，导致不同设备之间的信息无法有效共享和整合，对配电设施运行状态的评估准确率不高。

3、cn116050890a中公开了一种低碳园区渐进式规划的综合评估体系构建方法，包括：设计低碳园区渐进式规划的综合评估体系主体架构，即目标层、属性层、方案层三层架构，确定总目标为低碳园区建设水平。本发明对零碳园区渐进式规划的综合评估体系的构建，在零碳园区渐进规划的发展战略角度，涵盖了以下因素：紧密度，紧密结合零碳园区建设所需具备的几大特征；全面性，尽可能涵盖零碳园区建设所涉及的各个方面；可获取性，尽可能使得所设计指标下的数据是可获取的，便于进行量化分析；前瞻性，零碳园区建设处于摸索期，建设模式，建设内容都无统一标准，因此指标设计尽可能考虑未来可能发展的情况。该方法存在以下不足：指标体系更侧重于园区整体的供电水平、电能结构和用电水平，缺少对单个配电设施运行状态的详细评估，未考虑环境因素的复杂变化。同时指标体系的权重分配方法不明确，缺少定量分析方法。cn109685340a公开提供了一种配电设备健康状态评估方法及系统。包括：采用多级模糊综合评判法建立配电设备状态评判模型；运用层次分析法分析配电设备状态评判模型中配电设备各部位缺陷严重度，建立配电设备各部位评价矩阵，确定出各个评价指标的权重；利用模糊评价法以及各个评价指标的权重对配电设备各部位评价矩阵分析，通过加权隶属度原则得到配电设备综合初始得分；构建配电设备状态评估模型的辨识框架，确定出缺陷严重度的权重；对配电设备综合初始得分和缺陷严重度的权重进行加权计算，得出配电设备健康状态评估的综合得分值。该方法存在以下不足：评估方法单一，未能充分利用多种数据分析技术；层次分析法用于权重设定存在主观性较强依赖专家经验的问题；模糊综合评判法依赖于隶属度函数的选择和权重分配，需要人工设定，未能准确地反映配电设备的实际状态。

技术实现思路

1、本发明提出了一种面向低碳园区的配电设施状态评估方法，通过收集低碳园区内各种设施运行状态数据，利用ahp-熵权法进行配电设施指标体系建构，bitcn-se对配电设施运行状态评估，为指标体系建构与运行状态准确评估提供强有力的数据支撑，为配电设施运行状态评估和优化提供可靠的决策支持，确保配电设施的安全稳定运行。

2、本发明的技术解决方案是：

3、一种面向低碳园区的配电设施运行状态评估方法，包括以下步骤：

4、低碳园区内的配电设施运行状态数据预处理，所述低碳园区内的配电设施包括配电变压器、逆变器、电缆线路、空调机组和轴流风机；

5、基于ahp-熵权法的配电设施指标体系建构；

6、基于bitcn-se的配电设施运行状态评估。

7、进一步，低碳园区内的配电设施运行状态数据预处理包括以下步骤：

8、s1.1利用配电设施内传感器收集的运行状态数据，包括报警信息、设备状态数据、故障事件和环境信息；

9、s1.2异常值处理，异常值包括由极端天气事件和设施传感器故障或损坏造成的离散型异常值，由通信故障和信号传输错误造成的缺失性异常值，利用移动平均法移动平均线来平滑时间序列数据；

10、s1.3不平衡数据集处理，利用smote方法对于数据集中的每个少数类样本，计算k个最近邻样本的差值，在随机选择其中一个最近邻样本根据公式生成新样本，生成新样本计算公式如(1)所示：

11、l′＝li+(lj-li)×β  (1)

12、其中，l′为新样本，li为选中的少数量样本，i＝1，2，3，...，n，β为[0，1]之间随机数，lj为邻近点样本；

13、s1.4特征数据归一化，结合设备的静态基础数据，采用min-max范化方法对原始数据进行线性变换，将其映射为0和1之间的评分值，以测度对应特征指标的劣化状态，计算公式如(2)所示：

14、

15、其中，xnew为经过归一化的数据，xmax为特征数据的最大值，xmin为特征数据的最小值；

16、s1.5经过s1.4归一化完成数据集预处理，参考配网设备状态评价导则将配电设施的运行状态划分为“正常”、“可疑”、“异常”、“危险”4种情况，使得能够准确判断设备的状态；

17、进一步，基于ahp-熵权法的配电设施指标体系建构过程，包括：

18、s2.1根据所述低碳园区内的配电设施，结合配电网整体运行状态主要受配电变压器、逆变器、电缆线路、空调机组、轴流风机和运行环境6类指标影响，构建包括1个目标层、6类准则层、20项指标的低碳园区配电设施运行状态评价指标体系；

19、s2.2配电变压器指标为负载率、功率因数、油面温度、绕组温度、分相有功、三相电流；逆变器指标为日发电量、额定功率；电缆线路指标为线路负荷、频率、零序电压；空调机组指标为制冷性能系数、制热性能系数，轴流风机指标为风量、风压、风机功率，环境指标为空气温度、湿度、辐照值和气压；设定配电设施运行状态具体评价因子，共20个属性，如公式(3)所示：

20、factor＝{f1，f2，f3，f4，...，f20}  (3)

21、s2.3利用ahp与熵权法，构建包括主观权重、客观权重和综合权重的系统权重体系；构造两两判断矩阵，采用1～9及其倒数的标度方法，收集不同领域m位专家对n个配电设施运行状态指标间重要程度的评分情况，即得到判断矩阵smn计算公式如(4)所示：

22、

23、其中，sij表示i因素相对比于j因素所得评分结果均值；

24、s2.4利用熵权法对配电设施运行状态进一步客观评价，设指标个数为m、评价对象个数为n，构造原始数据矩阵b＝(bij)m×n，计算配电设施运行状态各指标信息熵ni，计算公式如(5)-(6)所示：

25、

26、其中，{i＝1，2，3，...，m，j＝1，2，3，...，n}，ni为第i个指标的熵，d＝(lnn)-1，n为评价对象数量，hij指标i在对象j上的比重；

27、进一步，基于bitcn-se的配电设施运行状态评估过程，包括：

28、s3.1bitcn-se网络结构包括双向时序卷积网络和通道注意力机制，双向时序卷积网络通过双向因果卷积和扩展卷积捕捉时序数据中的长短期依赖关系，并利用残差连接提高训练稳定性，通道注意力机制则通过全局平均池化和动态通道加权提升特征表示能力；

29、s3.2bitcn由双向残差模块组成，残差模块包括因果卷积、膨胀卷积、残差连接、线性整流函数relu和dropout层；

30、s3.3se注意力机制包括部分压缩和激励，压缩步骤为空间维度全局池化层，激励步骤为全连接层，最后为relu激活函数和sigmoid函数；

31、s3.4se注意力机制完成压缩和激励操作，将激励操作得到的调制权重s应用到原始特征x上，特征重校准步骤计算公式如(7)所示：

32、

33、其中，为重校准后的时间序列特征表示，其维度与原始特征x相同，sc是对应通道c的调制权重，fc表示特定通道c的所有特征值的集合；

34、s3.5通过se注意力机制与bitcn融合，经过se特征重校准的向量输入到softmax分类器中，完成配电设施运行状态评估；

35、进一步，构造两两判断矩阵后计算两两判断矩阵的归一化向量t，归一化向量t在第i行第j列向量表示为tij，计算公式如(8)所示：

36、

37、其中，表示两两判断矩阵元素sij所在列的所有元素之和，进一步得到归一化向量t计算公式如(9)所示：

38、

39、计算配电设施指标主观权重向量ri，计算公式如(10)所示：

40、

41、其中，表示归一化向量矩阵元素tij所在列的和；

42、进一步，计算配电设施运行状态各指标信息熵ni后，计算配电设施运行状态各指标权重pi，计算公式如(12)所示：

43、

44、其中，pi为第i个指标的熵权，ni为第i个运行状态指标的熵，m为配电设施指标个数，{i＝1，2，3，...，m}；

45、进一步，计算配电设施运行状态各指标权重pi后，进行组合权重求取，将ahp方法计算的状态评价体系的主观权重ri，以及熵权法得到的客观权重pi结合，采用ahp-熵权法确定评价指标的综合权重为wi，wi为第i项指标组合权重，组合权重计算公式如(13)-(15)所示：

46、ri＝{v1，v2，v3，…，vi}  (13)

47、pi＝{p1，p2，p3，...，pi}  (14)

48、

49、进一步，s3.2中在每个残差块中，通过双向因果膨胀卷积进行卷积操作，加入relu作为非线性激活函数，减少模型的参数量达到稀疏激活作用，再利用dropout有效解决模型过拟合问题；因果卷积计算公式如(16)所示，膨胀卷积计算公式如(17)所示；

50、

51、其中，c(x)表示函数的概率密度函数，t表示延迟的时间，xt表示t时刻x值；g(j)为输出序列，j为序列中第j个元素，m(l)为长度为1的过滤器，l为过滤器大小，h为膨胀系数；

52、进一步，计算重校准后的时间序列特征后，将bitcn输出的多维度数值向量作为se注意力机制的输入x∈rh′×w′×c′，x映射到特征映射f∈rh×w×c，h，w，c分别表示输入的时间序列长度、维度和通道数，使用v＝[v1，v2，...，vc，]表示学习到的滤波器核集合，其中vc表示第c个滤波器参数，输出为f＝[f1，f2，...，fc]，*表示卷积操作，是一个二维空间核，压缩和激励步骤计算公式如(18)、(19)所示：

53、

54、s＝eexc(z，w)＝σ(w2δ(w1z))  (19)

55、其中，zc∈rc通过空间维度h×w压缩f生成包含所有通道的全局统计信息，egp(fc)为通道c的全局统计量，fc(i，j)为通道c上第i个高度和第j个宽度；s为权重向量包含每个通道的调制权重，eexc(z，w)为激励操作函数，δ为relu函数，σ为sigmoid激活函数，w表示激励操作中全连接层的权重矩阵，由两个权重矩阵w1和w2组成，w1将通道描述符z映射到一个较低维度的空间，w2将其映射回原始的通道数。

56、本发明的有益效果是：

57、1.配电设施运行状态数据特征分析和预处理，获取配电设施运行状态数据，利用移动平均线和smote方法，提高少数类样本的数量，形成完整配电设施运行状态数据集，按照常规配电设施运行状态划分主要故障类型及其对应的危害性分级，为指标体系建构与运行状态准确评估提供强有力的数据支撑。

58、2.基于ahp-熵权法的配电设施指标体系建构，确定配电设施运行状态评价目标和层次结构，通过ahp-熵权法计算组合权重，完成计算指标数据以及赋予指标组合权重，进一步提高权重计算的客观性和准确性；将得到的权重与原始指标数据相乘，能够全面反映专家经验及业务知识对配电设施各项指标重要性的认识，建立起一个完整、准确的指标体系，为配电设施运行状态评估和优化提供可靠的决策支持。

59、3.基于bitcn-se的配电设施运行状态评估方法，使用双向时空卷积网络构建适用于该配电设施运行状态时间序列数据集的深度学习模型，通过bitcn网络考虑时间序列数据的过去和未来信息，优化配电设施的运行状态，使得模型更易理解配电设施的历史运行情况和预测未来状态，有效地融合来自不同时间点的特征，提供更全面的状态评估；进一步融合se注意力机制用于重新调整每个通道的重要性权重，聚焦于设备状态关键指标的特征信息，提高了配电设施运行状态评估准确率，可及时发现设备的潜在故障和效率低下的问题，减少能源浪费，确保配电设施的安全稳定运行，有助于园区的低碳发展。