本發(fā)明涉及配網(wǎng)單線圖監(jiān)管，具體涉及基于人工智能的配網(wǎng)單線圖智能分析優(yōu)化方法。

背景技術(shù)：

1、配網(wǎng)單線圖是一種電力系統(tǒng)圖示方法，它用簡(jiǎn)單的線條和符號(hào)表示電力系統(tǒng)的主接線方式；這種圖通常用于描述一個(gè)配電網(wǎng)絡(luò)的電氣連接情況，包括電源、變壓器、開關(guān)設(shè)備、線路以及負(fù)荷等主要電氣元件的連接關(guān)系。

2、現(xiàn)有的配網(wǎng)圖模管理系統(tǒng)在運(yùn)行時(shí)存在一定的缺陷，現(xiàn)有存在的圖物不一致、設(shè)備狀態(tài)存疑、圖形繪制不合理、設(shè)備名稱缺失、設(shè)備名稱不規(guī)范等問題，還是停留在單一的監(jiān)測(cè)統(tǒng)計(jì)上，不能從不同的維度對(duì)配網(wǎng)單線圖實(shí)施多樣性的質(zhì)量監(jiān)管，并根據(jù)質(zhì)量監(jiān)管結(jié)果自適應(yīng)的對(duì)配網(wǎng)單線圖進(jìn)行優(yōu)化管理，導(dǎo)致配網(wǎng)單線圖自主監(jiān)管分析以及自主優(yōu)化管理效果不佳。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供基于人工智能的配網(wǎng)單線圖智能分析優(yōu)化方法，用于解決現(xiàn)有方案中配網(wǎng)單線圖自主監(jiān)管分析以及自主優(yōu)化管理效果不佳的技術(shù)問題。

2、本發(fā)明的目的可以通過以下技術(shù)方案實(shí)現(xiàn)：

3、基于人工智能的配網(wǎng)單線圖智能分析優(yōu)化方法，包括：

4、對(duì)配網(wǎng)單線圖工作中不同維度出現(xiàn)的異常進(jìn)行監(jiān)測(cè)統(tǒng)計(jì)以及數(shù)字化處理，得到對(duì)應(yīng)的異常主動(dòng)處理序列和異常被動(dòng)處理序列，并分別對(duì)異常主動(dòng)處理序列和異常被動(dòng)處理序列進(jìn)行數(shù)據(jù)處理，得到所屬監(jiān)測(cè)周期對(duì)應(yīng)的異常影響處理序列；

5、將基礎(chǔ)周期內(nèi)配網(wǎng)單線圖處理獲取的異常影響處理序列進(jìn)行整合計(jì)算確定對(duì)應(yīng)的異常整體影響，根據(jù)分析獲取的異常整體影響自適應(yīng)的對(duì)應(yīng)配網(wǎng)單線圖進(jìn)行主動(dòng)優(yōu)化管理以及后續(xù)的基礎(chǔ)周期自適應(yīng)動(dòng)態(tài)管理。

6、優(yōu)選地，在監(jiān)測(cè)周期內(nèi)，統(tǒng)計(jì)配網(wǎng)單線圖工作中主動(dòng)運(yùn)維發(fā)現(xiàn)的所有第一異常和對(duì)應(yīng)的第一異常目標(biāo)，以及被動(dòng)運(yùn)維發(fā)現(xiàn)的所有第二異常和對(duì)應(yīng)的第二異常目標(biāo)；

7、分別對(duì)所有第一異常以及第二異常進(jìn)行數(shù)字化處理獲取對(duì)應(yīng)的第一異常影響因子和第二異常影響因子；

8、將第一異常和第一異常影響因子、第二異常和第二異常影響因子分別排序組合，得到對(duì)應(yīng)的第一異常子序列和第二異常子序列；

9、將所有的第一異常子序列、第二異常子序列分別進(jìn)行排序組合，得到對(duì)應(yīng)的異常主動(dòng)處理序列和異常被動(dòng)處理序列。

10、優(yōu)選地，將獲取的第一異常以及第二異常輸入至異常影響數(shù)據(jù)庫(kù)中進(jìn)行遍歷匹配獲取所屬異常對(duì)應(yīng)的異常影響因子；異常影響數(shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)有若干樣本異常及其對(duì)應(yīng)的異常影響因子。

11、優(yōu)選地，將異常主動(dòng)處理序列和異常被動(dòng)處理序列分別通過異常影響公式計(jì)算獲取對(duì)應(yīng)的異常主動(dòng)影響系數(shù)和異常被動(dòng)影響系數(shù)；

12、將計(jì)算獲取的異常主動(dòng)影響系數(shù)和異常被動(dòng)影響系數(shù)進(jìn)行排序組合，得到所屬監(jiān)測(cè)周期對(duì)應(yīng)的異常影響處理序列。

13、優(yōu)選地，異常影響公式的表達(dá)式為式中，k＝1，2；yyk為yy1和yy2，分別為異常主動(dòng)影響系數(shù)和異常被動(dòng)影響系數(shù)；yxik為yxi?1和yxi2，分別為異常主動(dòng)處理序列中不同的第一異常影響因子和異常被動(dòng)處理序列中不同的第二異常影響因子；nk為n1和n2，分別為異常主動(dòng)處理序列中第一異常影響因子總數(shù)和異常被動(dòng)處理序列中第二異常影響因子總數(shù)；αk為α1和α2，分別為異常主動(dòng)處理修正因子和異常被動(dòng)處理修正因子；a為標(biāo)準(zhǔn)異常影響值。

14、優(yōu)選地，獲取異常影響處理序列中的異常主動(dòng)影響系數(shù)yy1和異常被動(dòng)影響系數(shù)yy2，并通過異常影響整合識(shí)別分段函數(shù)進(jìn)行數(shù)據(jù)分析確定基礎(chǔ)周期內(nèi)配網(wǎng)單線圖對(duì)應(yīng)的異常整體影響標(biāo)識(shí)；

15、其中，異常影響整合識(shí)別分段函數(shù)的表達(dá)式為式中，ω為基礎(chǔ)周期內(nèi)配網(wǎng)單線圖對(duì)應(yīng)的異常整體影響標(biāo)識(shí)；β為異常類型權(quán)重系數(shù)；b為異常整體影響標(biāo)準(zhǔn)值；

16、異常整體影響標(biāo)識(shí)包含0或1的數(shù)值，分別表示基礎(chǔ)周期內(nèi)配網(wǎng)單線圖對(duì)應(yīng)的異常整體影響正常或異常；

17、根據(jù)數(shù)值為1的異常整體影響標(biāo)識(shí)來對(duì)該配網(wǎng)單線圖立即實(shí)施針對(duì)性的升級(jí)優(yōu)化管理。

18、優(yōu)選地，根據(jù)數(shù)值為0的異常整體影響標(biāo)識(shí)實(shí)施異常整體影響正常的有效性核驗(yàn)，并通過影響正常核驗(yàn)公式計(jì)算獲取該配網(wǎng)單線圖在不同基礎(chǔ)周期內(nèi)對(duì)應(yīng)的異常影響核驗(yàn)標(biāo)識(shí)hb；影響正常核驗(yàn)公式的表達(dá)式為式中，yy1′、yy2′為上一基礎(chǔ)周期對(duì)應(yīng)的異常主動(dòng)影響系數(shù)和異常被動(dòng)影響系數(shù)；c為異常影響核驗(yàn)標(biāo)準(zhǔn)值。

19、優(yōu)選地，若異常影響核驗(yàn)標(biāo)識(shí)不大于0，則提示異常影響核驗(yàn)正常以及維持現(xiàn)有的基礎(chǔ)周期來進(jìn)行下一周期配網(wǎng)單線圖的監(jiān)管分析；

20、若異常影響核驗(yàn)標(biāo)識(shí)大于0，則提示異常影響核驗(yàn)異常以及縮短現(xiàn)有的基礎(chǔ)周期來進(jìn)行下一周期配網(wǎng)單線圖的監(jiān)管分析。

21、相比于現(xiàn)有方案，本發(fā)明實(shí)現(xiàn)的有益效果：

22、本發(fā)明通過從不同的維度來對(duì)基礎(chǔ)周期內(nèi)配網(wǎng)單線圖出現(xiàn)的不同局部異常數(shù)據(jù)進(jìn)行處理以及計(jì)算，既可以對(duì)不同維度出現(xiàn)的局部異常影響進(jìn)行數(shù)字化表示，又可以為后續(xù)異常配網(wǎng)單線圖在基礎(chǔ)周期內(nèi)的異常整體影響拓展分析提供可靠的數(shù)據(jù)支持，提高了配網(wǎng)單線圖不同維度異常監(jiān)測(cè)數(shù)據(jù)處理分析以及拓展整合分析的整體效果。

23、本發(fā)明通過將前期不同維度的異常監(jiān)測(cè)分析數(shù)據(jù)進(jìn)行整合計(jì)算獲取基礎(chǔ)周期內(nèi)配網(wǎng)單線圖對(duì)應(yīng)的異常整體影響標(biāo)識(shí)，通過對(duì)異常整體影響標(biāo)識(shí)進(jìn)行分析確定對(duì)應(yīng)的異常整體影響，并對(duì)異常整體影響正常的狀態(tài)進(jìn)行追溯評(píng)估，進(jìn)而可以對(duì)異常整體影響正常的狀態(tài)進(jìn)行細(xì)化以及分類管理，提高了配網(wǎng)單線圖自主監(jiān)管分析效果以及自主優(yōu)化管理效果。

技術(shù)特征：

1.基于人工智能的配網(wǎng)單線圖智能分析優(yōu)化方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于人工智能的配網(wǎng)單線圖智能分析優(yōu)化方法，其特征在于，在監(jiān)測(cè)周期內(nèi)，統(tǒng)計(jì)配網(wǎng)單線圖工作中主動(dòng)運(yùn)維發(fā)現(xiàn)的所有第一異常和對(duì)應(yīng)的第一異常目標(biāo)，以及被動(dòng)運(yùn)維發(fā)現(xiàn)的所有第二異常和對(duì)應(yīng)的第二異常目標(biāo)；

3.根據(jù)權(quán)利要求2所述的基于人工智能的配網(wǎng)單線圖智能分析優(yōu)化方法，其特征在于，將獲取的第一異常以及第二異常輸入至異常影響數(shù)據(jù)庫(kù)中進(jìn)行遍歷匹配獲取所屬異常對(duì)應(yīng)的異常影響因子；異常影響數(shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)有若干樣本異常及其對(duì)應(yīng)的異常影響因子。

4.根據(jù)權(quán)利要求2所述的基于人工智能的配網(wǎng)單線圖智能分析優(yōu)化方法，其特征在于，將異常主動(dòng)處理序列和異常被動(dòng)處理序列分別通過異常影響公式計(jì)算獲取對(duì)應(yīng)的異常主動(dòng)影響系數(shù)和異常被動(dòng)影響系數(shù)；

5.根據(jù)權(quán)利要求4所述的基于人工智能的配網(wǎng)單線圖智能分析優(yōu)化方法，其特征在于，異常影響公式的表達(dá)式為式中，k＝1，2；yyk為yy1和yy2，分別為異常主動(dòng)影響系數(shù)和異常被動(dòng)影響系數(shù)；yxik為yxi?1和yxi2，分別為異常主動(dòng)處理序列中不同的第一異常影響因子和異常被動(dòng)處理序列中不同的第二異常影響因子；nk為n1和n2，分別為異常主動(dòng)處理序列中第一異常影響因子總數(shù)和異常被動(dòng)處理序列中第二異常影響因子總數(shù)；αk為α1和α2，分別為異常主動(dòng)處理修正因子和異常被動(dòng)處理修正因子；a為標(biāo)準(zhǔn)異常影響值。

6.根據(jù)權(quán)利要求4所述的基于人工智能的配網(wǎng)單線圖智能分析優(yōu)化方法，其特征在于，獲取異常影響處理序列中的異常主動(dòng)影響系數(shù)yy1和異常被動(dòng)影響系數(shù)yy2，并通過異常影響整合識(shí)別分段函數(shù)進(jìn)行數(shù)據(jù)分析確定基礎(chǔ)周期內(nèi)配網(wǎng)單線圖對(duì)應(yīng)的異常整體影響標(biāo)識(shí)；

7.根據(jù)權(quán)利要求6所述的基于人工智能的配網(wǎng)單線圖智能分析優(yōu)化方法，其特征在于，根據(jù)數(shù)值為0的異常整體影響標(biāo)識(shí)實(shí)施異常整體影響正常的有效性核驗(yàn)，并通過影響正常核驗(yàn)公式計(jì)算獲取該配網(wǎng)單線圖在不同基礎(chǔ)周期內(nèi)對(duì)應(yīng)的異常影響核驗(yàn)標(biāo)識(shí)hb；影響正常核驗(yàn)公式的表達(dá)式為式中，yy1′、yy2′為上一基礎(chǔ)周期對(duì)應(yīng)的異常主動(dòng)影響系數(shù)和異常被動(dòng)影響系數(shù)；c為異常影響核驗(yàn)標(biāo)準(zhǔn)值。

8.根據(jù)權(quán)利要求7所述的基于人工智能的配網(wǎng)單線圖智能分析優(yōu)化方法，其特征在于，若異常影響核驗(yàn)標(biāo)識(shí)不大于0，則提示異常影響核驗(yàn)正常以及維持現(xiàn)有的基礎(chǔ)周期來進(jìn)行下一周期配網(wǎng)單線圖的監(jiān)管分析；

技術(shù)總結(jié)
本發(fā)明公開了基于人工智能的配網(wǎng)單線圖智能分析優(yōu)化方法，屬于配網(wǎng)單線圖監(jiān)管技術(shù)領(lǐng)域；用于解決現(xiàn)有方案中配網(wǎng)單線圖自主監(jiān)管分析以及自主優(yōu)化管理效果不佳的技術(shù)問題；從不同的維度來對(duì)基礎(chǔ)周期內(nèi)配網(wǎng)單線圖出現(xiàn)的不同局部異常數(shù)據(jù)進(jìn)行處理以及計(jì)算，可以對(duì)不同維度出現(xiàn)的局部異常影響進(jìn)行數(shù)字化表示，又可以為后續(xù)異常配網(wǎng)單線圖在基礎(chǔ)周期內(nèi)的異常整體影響拓展分析提供可靠的數(shù)據(jù)支持；將前期不同維度的異常監(jiān)測(cè)分析數(shù)據(jù)進(jìn)行整合計(jì)算獲取基礎(chǔ)周期內(nèi)配網(wǎng)單線圖對(duì)應(yīng)的異常整體影響標(biāo)識(shí)，對(duì)異常整體影響標(biāo)識(shí)進(jìn)行分析確定對(duì)應(yīng)的異常整體影響，并對(duì)異常整體影響正常的狀態(tài)進(jìn)行追溯評(píng)估，進(jìn)而可以對(duì)異常整體影響正常的狀態(tài)進(jìn)行細(xì)化以及分類管理。

技術(shù)研發(fā)人員：沈新村,王璨,王松,馬金輝,陳偉,陸曉坤,駱燕,胡建忠
受保護(hù)的技術(shù)使用者：國(guó)網(wǎng)安徽省電力有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2