一种基于实时量测数据的频停监测和预警抢修方法与流程

本发明属于配电网频停监测和预警抢修方法，尤其涉及一种基于实时量测数据的频停监测和预警抢修方法。

背景技术：

1、根据国家电网有限公司关于制定的重点任务要求，各供配电公司应当全面推广“网格化”主动抢修，充分发挥供电服务指挥平台作用，优化调动抢修服务资源，让客户快速复电。目前，国内主要供电区域的hplc台区终端已经实现了较大范围的覆盖，但因为供电区域大，用户基数多，低压电表数量庞大等原因，限制了hplc台区频繁停电主动上报能力的有效覆盖度，加上通信环境复杂等因素，当前低压用户频繁停电存在大量漏报、误报(信号抖动、营销换表等)的情况，各省供电公司供服系统虽建设了频繁停电研判的相关功能，并实现了主动抢修派单的整体流程，但目前日推送工单量较少，与实际报修等来源低压居民频繁停电数量差距较大，且存在准确率不高的情况，导致相关模块尚且难以进行推广应用，目前实际低压抢修工作的依据来源仍以95598等热线为主，因此对频繁停电的感知能力信息化存在十分迫切需求。

技术实现思路

1、本发明的目的在于，基于实际状况，为满足供配电系统对频繁停电数据的收集、研判以及抢修复电工作的需求，充分利用现有gis系统完善的实时量测数据收集系统，提供一种能够提升低压抢修工作的全面性和效率，为抢修工作提供更加准确和及时的决策支持的基于实时量测数据的频停监测和预警抢修方法。

2、为实现上述目的，本发明采用如下技术方案。

3、一种基于实时量测数据的频停监测和预警抢修方法，包括如下步骤：

4、步骤一、建立多源数据融合处理机制，对多源数据进行标准化融合处理，利用多源数据进行融合互校；包括：

5、获取配电网频繁停电信息实时数据，对数据进行标准化处理，基于配电网数据时序特征对配电网数据的特征进行提取和分析，对多源数据进行校验；

6、步骤二、基于多源实时量测数据进行频繁停电范围分析，包括：

7、基于数据中心接收来自配电自动化系统或用电信息采集系统的配电网故障数据；根据不同的故障数据调用相应的故障定位算法进行定位；配网故障定位后进行频繁停电范围分析；

8、步骤三、频繁停电规划作业与现有作业匹配规划，包括：

9、利用pms系统的已知计划检修工作形成计划信息池，将频繁停电数据与计划信息池数据进行匹配，从而判定是否为已知计划，若为已知计划，不派发工单；若非已知频繁停电，则进入步骤四；

10、步骤四：基于实时信号对复位数据进行研判，包括：

11、应用复电监测过滤主动抢修数据，获取短时失电信号，在5分钟内，针对此部分信号进行监测，判断是否短时复电数据，若为短时复电数据，不予推送主动工单；若非短时频繁停电数据，进入步骤五；

12、步骤五：基于研判结果和实时数据进行抢修工单推送，包括：

13、应用实时信息验证过滤主动抢修数据；针对失电信号进行数据验证，以验证后的研判结果为依据，分析是否真实频繁停电数据，若非真实频繁停电数据，不予推送主动工单；若为真实频繁停电数据，推送主动工单，进入步骤六；

14、步骤六：完成抢修以及归档作业，包括：

15、生成配抢平台主动抢修工单，将自动推送至抢修过程管控的“已受理”模块，由供服坐席人工指派抢修队进行派单操作，并由抢修队通过接单、回单、归档流程进行处理。

16、对前述基于实时量测数据的频停监测和预警抢修方法的进一步改进或者具体实施方式，所述步骤一还包括如下步骤：所述步骤一具体包括：

17、a1、根据预设配电网数据标准规范，将相应多源数据的数据规格、量纲以及数据类型和数据量级等属性进行变换整合得到基础数据，并利用云平台融合服务组件进行预处理；

18、a2、对于预处理得到的数据，根据主要数据的数据结构特点，选取合适的特征提取模型进行特征提取融合；

19、a3、利用重构模型对异常数据进行重构并分析其与原始数据的差异，以校验数据是否正常。

20、对前述基于实时量测数据的频停监测和预警抢修方法的进一步改进或者具体实施方式，所述步骤a2中特征提取融合包括：基于动态图注意力网络模型结合数据的结构关系获取数据结构特征属性；基于全连接网络建立时序特征机器学习网络获取数据时序特征属性；基于特征拼接和位置编码创建融合特征获取融合特征属性。

21、对前述基于实时量测数据的频停监测和预警抢修方法的进一步改进或者具体实施方式，所述步骤a2中特征提取融合具体包括：

22、a21、基于动态图注意力网络模型结合数据的结构关系获取数据结构特征属性，具体而言：对原始数据进行向量化表达，基于数据的依赖关系建立包含所有数据的网络结构模型，其中各数据变量构成空间模型中的各个节点，基于动态图注意力网络模型创建嵌入层来学习数据结构特征；

23、a22、基于全连接网络建立时序特征机器学习网络获取数据时序特征属性，具体而言：结合数据的时序关系，根据配电网供配电周期确定合适的时间窗，对于该时间窗内连续采集得到的数据{x1,x2......xw}，通过全连接网络q将数据x1转换为因向量qx＝wqx1+q，同时将其他数据xi,i∈2～w通过全连接网络p转换为解向量pi＝wpxj+p，通过机器学习优化网络，利用激活函数得到数据x1与数据xi的注意力权重：通过加权聚合得到考虑时间尺度下数据xi对数据x1的影响力的融合表达得到数据{x1,x2......xw}考虑时序特征表达{x1',x'2......x'w}；

24、a23、基于特征拼接和位置编码创建融合特征获取融合特征属性，具体而言：建立位置编码网络，通过位置嵌入将数据的结构特征参数进行向量表达形成结构特征向量，将时序特征表达为时序特征向量形式，将结构特征向量与时序特征向量进行拼接聚合得到全属性特征。

25、对前述基于实时量测数据的频停监测和预警抢修方法的进一步改进或者具体实施方式，所述步骤a2还包括：利用若干层感知机网络模型对嵌入得到的初始结构特征进行降维处理的步骤。

26、对前述基于实时量测数据的频停监测和预警抢修方法的进一步改进或者具体实施方式，所述步骤a3具体包括：

27、a31、创建变分自编码网络模型(vae)，利用历史数据对应的全属性特征对变分自编码网络模型进行训练，提取正常数据的真实数据特征；

28、a32、将利用训练得到的自编码网络模型(vae)对实时数据的全属性特征进行偏差验证，筛选异常数据。

29、对前述基于实时量测数据的频停监测和预警抢修方法的进一步改进或者具体实施方式，自编码网络模型的输入为拼接聚合得到全属性特征构成的向量集，通过自编码网络模型的编码器对输入进行拟合以使其具有正态分布的均值和方差，之后通过机器学习筛选合适的采样参数对前述正态分布的拟合数据进行采样，得到编码数据，通过自编码网络模型的解码器对编码数据进行解码，得到重构的向量集，即为真实数据特征表达。

30、对前述基于实时量测数据的频停监测和预警抢修方法的进一步改进或者具体实施方式，所述步骤二具体包括：

31、b1、将收集得到的实时配电故障数据基于步骤一进行数据特征的提取融合以及异常数据筛选，确定异常数据，通过实地排查或数据处理的方式进行异常数据修复或剔除，得到有效配电网故障数据；

32、b2、对有效配电网故障数据进行提取分类，根据不同的故障数据调用相应的故障定位算法进行定位，确定故障设备和故障类型；

33、b3、根据配电网频繁停电规范确定拟频繁停电的故障设备，通过故障设备和故障类型信息结合配电网拓扑模型进行搜索确定频繁停电范围。

34、对前述基于实时量测数据的频停监测和预警抢修方法的进一步改进或者具体实施方式，所述步骤b3具体包括：

35、b31、基于已确定的故障设备和故障类型，结合配电网频繁停电规范确定拟频繁停电的故障设备信息；

36、b32、根据拟频繁停电设备信息结合配电网拓扑模型进行搜索确定频繁停电范围，具体包括：以拟频繁停电的用电设备为搜索原点在配电网拓扑模型中进行单线搜索，获取向该用电设备进行供电的电源节点以及搜索路径中的所有配电变压器；以拟频繁停电的电源设备为搜索原点在配电网拓扑模型没平行中进行多线搜索，获取所有遇到的变压器。

37、对前述基于实时量测数据的频停监测和预警抢修方法的进一步改进或者具体实施方式，所述单线搜索包括：对于搜索路径上的母线，比较母线电压与配属变电站电压等级是否一致，若一致则继续搜索直至搜索到任意配电变压器，若不一致则停止搜索同时将母线前级设备是为电源节点；对于搜索路径上的断路设备，检索其是否是基于配电网频繁停电规范中确定的闭合设备，若是则继续搜索直至搜索到任意配电变压器，若不是则停止搜索；

38、所述多线搜索包括：对于搜索路径上的母线，比较母线电压与配属变电站电压等级是否一致，若一致则继续搜索直至搜索到任意配电变压器，若不一致则停止搜索。

39、其有益效果在于：

40、本技术基于实时量测数据的频停监测和预警抢修方法建立了有效的多源数据构建融合互校的配网低压故障综合研判方案，通过局部实地核验显示，其频繁停电事件的综合研判准确性达80％以上，已具有较高的实用化水平，具有良好的推广和发展前景；

41、本技术的方案提升了低压抢修工作的全面性和效率，增强了对单表箱事件的工单管控、故障管理、主动抢修能力，有助于更全面地掌握低压抢修工单数据，为抢修工作提供更加准确和及时的决策支持；本技术的方案充分考虑了当前计划工作内容，有效排除因低压换表等计划工作而产生的无效工单，从而确保主动工单派发的准确性，提高整体运营效率；

42、基于本技术的技术方案，为实现在配电网数据贯通共享，充分利用现有数据中心以及实时量测中心的建设成果提供了有效途径，同时实现低压侧频繁停电信号的采集融合，且可以高效方便的与现有数据管理系统实现数据互通，

43、本技术依托实时量测数据，通过提取和应用数据特征完成多源量测信息的实时规范接入，避免接入渠道混乱、质量参差不齐等问题；通过多源数据融合互校，增强信号数据有效性，为故障研判提供数据底座支撑，同时为计量进一步分析设备异常提供技术支撑。