本申請(qǐng)涉及數(shù)據(jù)處理，尤其涉及一種電力系統(tǒng)的運(yùn)行狀態(tài)異常檢測(cè)方法及相關(guān)設(shè)備。

背景技術(shù)：

1、在現(xiàn)代電力系統(tǒng)中，隨著分布式能源的普及和用電需求的波動(dòng)性增強(qiáng)，電力系統(tǒng)的運(yùn)行狀態(tài)感知與風(fēng)險(xiǎn)評(píng)估成為了維護(hù)電網(wǎng)穩(wěn)定性的關(guān)鍵環(huán)節(jié)?，F(xiàn)有技術(shù)方案中，針對(duì)配網(wǎng)運(yùn)行狀態(tài)感知，以捕捉主動(dòng)電力系統(tǒng)運(yùn)行態(tài)勢(shì)變化，主要依賴兩大類時(shí)序預(yù)測(cè)方法。第一類基于數(shù)學(xué)工具與統(tǒng)計(jì)分析，如卡爾曼濾波、自回歸(ar)和自回歸移動(dòng)平均(arma)模型，它們擅長(zhǎng)處理線性及靜態(tài)時(shí)間序列，但對(duì)復(fù)雜動(dòng)態(tài)系統(tǒng)預(yù)測(cè)結(jié)果的準(zhǔn)確性有限。第二類則依托于人工智能算法，如極限學(xué)習(xí)機(jī)(elm)、支持向量機(jī)(svm)及各類神經(jīng)網(wǎng)絡(luò)，尤其是傳統(tǒng)的長(zhǎng)短期記憶網(wǎng)絡(luò)(lstm)，后者因具備優(yōu)秀的自學(xué)習(xí)能力和非線性映射特性，在電力行業(yè)的時(shí)間序列預(yù)測(cè)中表現(xiàn)突出，成為當(dāng)前應(yīng)用廣泛的模型之一。然而，盡管這些方法在一定程度上提升了預(yù)測(cè)精度，但在面對(duì)極端條件或數(shù)據(jù)稀疏情形時(shí)，其性能仍有待提升，且如何有效整合多元信息，實(shí)現(xiàn)更精準(zhǔn)的態(tài)勢(shì)感知與風(fēng)險(xiǎn)評(píng)估，仍是亟待解決的關(guān)鍵問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本申請(qǐng)的目的在于提出一種電力系統(tǒng)的運(yùn)行狀態(tài)異常檢測(cè)方法及相關(guān)設(shè)備，以克服現(xiàn)有技術(shù)中全部或部分不足。

2、基于上述目的，本申請(qǐng)?zhí)峁┝艘环N電力系統(tǒng)的運(yùn)行狀態(tài)異常檢測(cè)方法，包括：獲取電力系統(tǒng)中的電力數(shù)據(jù)；將所述電力數(shù)據(jù)輸入至經(jīng)過(guò)預(yù)先訓(xùn)練的長(zhǎng)短期記憶網(wǎng)絡(luò)模型，通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型的門控機(jī)制對(duì)所述電力數(shù)據(jù)進(jìn)行特征提取，得到原始特征；通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型的多頭注意力機(jī)制對(duì)所述原始特征進(jìn)行特征提取，得到目標(biāo)電力特征；基于所述目標(biāo)電力特征，通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型輸出所述電力數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)數(shù)據(jù)；基于所述預(yù)測(cè)數(shù)據(jù)，確定所述預(yù)測(cè)數(shù)據(jù)對(duì)應(yīng)的承受值，響應(yīng)于確定所述承受值滿足預(yù)定條件，確定所述電力系統(tǒng)在未來(lái)時(shí)間段處于異常運(yùn)行狀態(tài)。

3、可選地，所述門控機(jī)制包括遺忘門機(jī)制、輸入門機(jī)制和輸出門機(jī)制；所述通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型的門控機(jī)制對(duì)所述電力數(shù)據(jù)進(jìn)行特征提取，得到原始特征，包括：通過(guò)所述遺忘門機(jī)制提取所述電力數(shù)據(jù)對(duì)應(yīng)的第一子特征；通過(guò)所述輸入門機(jī)制提取所述電力數(shù)據(jù)對(duì)應(yīng)的第二子特征；基于所述第一子特征和所述第二子特征，通過(guò)所述輸出門機(jī)制確定所述原始特征。

4、可選地，所述通過(guò)所述遺忘門機(jī)制提取所述電力數(shù)據(jù)對(duì)應(yīng)的第一子特征，包括：通過(guò)以下公式提取所述電力數(shù)據(jù)對(duì)應(yīng)的第一子特征：其中，ft為所述第一子特征，σ1為第一sigmoid激活函數(shù)，wft為所述遺忘門機(jī)制對(duì)應(yīng)的神經(jīng)元權(quán)重，為第t-1層的第一狀態(tài)矩陣，xt為第t層的待處理的電力數(shù)據(jù)，ct-1為第t-1層的更新特征，bft為所述遺忘門機(jī)制對(duì)應(yīng)的神經(jīng)元偏置。

5、可選地，所述通過(guò)所述輸入門機(jī)制提取所述電力數(shù)據(jù)對(duì)應(yīng)的第二子特征，包括：通過(guò)以下公式提取所述電力數(shù)據(jù)對(duì)應(yīng)的第二子特征：其中，gt為所述第二子特征，σ2為第二sigmoid激活函數(shù)，bg為所述輸入門機(jī)制對(duì)應(yīng)的偏移量，wg為所述輸入門機(jī)制對(duì)應(yīng)的神經(jīng)元權(quán)重，為第t-1層的第二狀態(tài)矩陣，xt為第t層的待處理的電力數(shù)據(jù)。

6、可選地，所述基于所述第一子特征和所述第二子特征，通過(guò)所述輸出門機(jī)制確定所述原始特征，包括：通過(guò)以下公式確定所述原始特征：其中，ot為所述原始特征，σ3為第三sigmoid激活函數(shù)，woc為所述輸出門機(jī)制對(duì)應(yīng)的神經(jīng)元權(quán)重，為第t-1層的第三狀態(tài)矩陣，xt為第t層的待處理的電力數(shù)據(jù)，boc為所述輸出門機(jī)制對(duì)應(yīng)的偏移量，ct-1為第t-1層的更新特征，ft為所述第一子特征，ct0為預(yù)定義值，gt為所述第二子特征。

7、可選地，所述通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型的多頭注意力機(jī)制對(duì)所述原始特征進(jìn)行特征提取，得到目標(biāo)電力特征，包括：通過(guò)以下公式確定所述目標(biāo)電力特征：其中，bj為所述目標(biāo)電力特征，w(q)為查詢矩陣，ct為第t層的更新特征，w(k)為鍵矩陣，w(v)為值矩陣，dq,k為鍵向量的維度，ot為所述原始特征。

8、可選地，所述預(yù)測(cè)數(shù)據(jù)包括預(yù)測(cè)電壓數(shù)據(jù)和預(yù)測(cè)電流數(shù)據(jù)，所述承受值包括所述預(yù)測(cè)電壓數(shù)據(jù)對(duì)應(yīng)的電壓承受值和所述預(yù)測(cè)電流數(shù)據(jù)對(duì)應(yīng)的電流承受值；所述基于所述預(yù)測(cè)數(shù)據(jù)，確定所述預(yù)測(cè)數(shù)據(jù)對(duì)應(yīng)的承受值，響應(yīng)于確定所述承受值滿足預(yù)定條件，確定所述電力系統(tǒng)在未來(lái)時(shí)間段處于異常運(yùn)行狀態(tài)，包括：基于所述預(yù)測(cè)電壓數(shù)據(jù)，通過(guò)以下公式確定所述電壓承受值：其中，為所述電壓承受值，為待預(yù)測(cè)節(jié)點(diǎn)i在未來(lái)s時(shí)刻的預(yù)測(cè)電壓數(shù)據(jù)，為第i個(gè)節(jié)點(diǎn)電壓的上下限的均值；基于所述預(yù)測(cè)電流數(shù)據(jù)，通過(guò)以下公式確定所述電流承受值：其中，eii,s為所述電流承受值，il,s未來(lái)s時(shí)刻第l條待預(yù)測(cè)支路的預(yù)測(cè)電流數(shù)據(jù)，il,n為第l條線路的額定電流；響應(yīng)于確定所述電壓承受值大于預(yù)定電壓值，且所述電流承受值大于預(yù)定電流值，確定所述電力系統(tǒng)在所述未來(lái)時(shí)間段處于所述異常運(yùn)行狀態(tài)。

9、基于同一發(fā)明構(gòu)思，本申請(qǐng)還提供了一種電力系統(tǒng)的運(yùn)行狀態(tài)異常檢測(cè)裝置，包括：獲取模塊，被配置為獲取電力系統(tǒng)中的電力數(shù)據(jù)；第一特征提取模塊，被配置為將所述電力數(shù)據(jù)輸入至經(jīng)過(guò)預(yù)先訓(xùn)練的長(zhǎng)短期記憶網(wǎng)絡(luò)模型，通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型的門控機(jī)制對(duì)所述電力數(shù)據(jù)進(jìn)行特征提取，得到原始特征；第二特征提取模塊，被配置為通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型的多頭注意力機(jī)制對(duì)所述原始特征進(jìn)行特征提取，得到目標(biāo)電力特征；輸出模塊，被配置為基于所述目標(biāo)電力特征，通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型輸出所述電力數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)數(shù)據(jù)；確定模塊，被配置為基于所述預(yù)測(cè)數(shù)據(jù)，確定所述預(yù)測(cè)數(shù)據(jù)對(duì)應(yīng)的承受值，響應(yīng)于確定所述承受值滿足預(yù)定條件，確定所述電力系統(tǒng)在未來(lái)時(shí)間段處于異常運(yùn)行狀態(tài)。

10、基于同一發(fā)明構(gòu)思，本申請(qǐng)還提供了一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可由所述處理器執(zhí)行的計(jì)算機(jī)程序，所述處理器在執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上所述的方法。

11、基于同一發(fā)明構(gòu)思，本申請(qǐng)還提供了一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令用于使計(jì)算機(jī)執(zhí)行如上所述的方法。

12、從上面所述可以看出，本申請(qǐng)?zhí)峁┑碾娏ο到y(tǒng)的運(yùn)行狀態(tài)異常檢測(cè)方法及相關(guān)設(shè)備，所述方法包括獲取電力系統(tǒng)中的電力數(shù)據(jù)。將所述電力數(shù)據(jù)輸入至經(jīng)過(guò)預(yù)先訓(xùn)練的長(zhǎng)短期記憶網(wǎng)絡(luò)模型，通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型的門控機(jī)制對(duì)所述電力數(shù)據(jù)進(jìn)行特征提取，得到原始特征，達(dá)到初步準(zhǔn)確確定電力數(shù)據(jù)對(duì)應(yīng)的特征的目的。通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型的多頭注意力機(jī)制對(duì)所述原始特征進(jìn)行特征提取，得到目標(biāo)電力特征，達(dá)到準(zhǔn)確確定電力數(shù)據(jù)對(duì)應(yīng)的重要特征的目的?；谒瞿繕?biāo)電力特征，通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型輸出所述電力數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)數(shù)據(jù)，提高了預(yù)測(cè)數(shù)據(jù)的精度。基于所述預(yù)測(cè)數(shù)據(jù)，確定所述預(yù)測(cè)數(shù)據(jù)對(duì)應(yīng)的承受值，響應(yīng)于確定所述承受值滿足預(yù)定條件，確定所述電力系統(tǒng)在未來(lái)時(shí)間段處于異常運(yùn)行狀態(tài)，能夠及時(shí)采取措施預(yù)防或減少潛在的電力故障，保障電力系統(tǒng)的穩(wěn)定運(yùn)行，從而確保電力供應(yīng)的連續(xù)性和安全性。

技術(shù)特征：

1.一種電力系統(tǒng)的運(yùn)行狀態(tài)異常檢測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述門控機(jī)制包括遺忘門機(jī)制、輸入門機(jī)制和輸出門機(jī)制；

3.根據(jù)權(quán)利要求2所述的方法，其數(shù)據(jù)在于，所述通過(guò)所述遺忘門機(jī)制提取所述電力數(shù)據(jù)對(duì)應(yīng)的第一子特征，包括：

4.根據(jù)權(quán)利要求2所述的方法，其數(shù)據(jù)在于，所述通過(guò)所述輸入門機(jī)制提取所述電力數(shù)據(jù)對(duì)應(yīng)的第二子特征，包括：

5.根據(jù)權(quán)利要求2所述的方法，其數(shù)據(jù)在于，所述基于所述第一子特征和所述第二子特征，通過(guò)所述輸出門機(jī)制確定所述原始特征，包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型的多頭注意力機(jī)制對(duì)所述原始特征進(jìn)行特征提取，得到目標(biāo)電力特征，包括：

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)測(cè)數(shù)據(jù)包括預(yù)測(cè)電壓數(shù)據(jù)和預(yù)測(cè)電流數(shù)據(jù)，所述承受值包括所述預(yù)測(cè)電壓數(shù)據(jù)對(duì)應(yīng)的電壓承受值和所述預(yù)測(cè)電流數(shù)據(jù)對(duì)應(yīng)的電流承受值；

8.一種電力系統(tǒng)的運(yùn)行狀態(tài)異常檢測(cè)裝置，其特征在于，包括：

9.一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7任意一項(xiàng)所述的方法。

10.一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，其特征在于，所述計(jì)算機(jī)指令用于使計(jì)算機(jī)執(zhí)行權(quán)利要求1至7任一所述方法。

技術(shù)總結(jié)
本申請(qǐng)?zhí)峁┮环N電力系統(tǒng)的運(yùn)行狀態(tài)異常檢測(cè)方法及相關(guān)設(shè)備，所述方法包括獲取電力系統(tǒng)中的電力數(shù)據(jù)；將所述電力數(shù)據(jù)輸入至經(jīng)過(guò)預(yù)先訓(xùn)練的長(zhǎng)短期記憶網(wǎng)絡(luò)模型，通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型的門控機(jī)制對(duì)所述電力數(shù)據(jù)進(jìn)行特征提取，得到原始特征；通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型的多頭注意力機(jī)制對(duì)所述原始特征進(jìn)行特征提取，得到目標(biāo)電力特征；基于所述目標(biāo)電力特征，通過(guò)所述長(zhǎng)短期記憶網(wǎng)絡(luò)模型輸出所述電力數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)數(shù)據(jù)；基于所述預(yù)測(cè)數(shù)據(jù)，確定所述預(yù)測(cè)數(shù)據(jù)對(duì)應(yīng)的承受值，響應(yīng)于確定所述承受值滿足預(yù)定條件，確定所述電力系統(tǒng)在未來(lái)時(shí)間段處于異常運(yùn)行狀態(tài)，解決了現(xiàn)有技術(shù)中電力系統(tǒng)的運(yùn)行狀態(tài)的異常檢測(cè)并不準(zhǔn)確的技術(shù)問(wèn)題。

技術(shù)研發(fā)人員：李強(qiáng),歐陽(yáng)紅,鄭建寧,趙峰,向輝,趙林林,商峻,邱鎮(zhèn),張洪冰
受保護(hù)的技術(shù)使用者：國(guó)網(wǎng)信息通信產(chǎn)業(yè)集團(tuán)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30