[发明专利]电网的机器学习

说明书

本申请要求在2010年7月16日提交的No.61/364,988的美国临时申请的权益，该文献在此全篇地援引包含于此。

背景技术

美国能源部“电网2030”战略的主要发现之一是“美洲电力系统——20世纪的最高工程设计成就——是老化的、低效的、拥堵的，无法满足未来能源需求的……”。可靠性将是贯穿之后几十年的作为电网转换的关键课题，并且电网维护将变得比当前更为关键。由NERC作出的2007调查宣布，“老化的基础设施和受限制的新建设”是调查所关注的所有挑战中对电网可靠性的最大挑战。智能电网将带来更多在线的操作和维护——使产业从反应性操作趋向至前摄性（proactive）操作。电力公司保留关于设备和过往故障的历史数据记录，但那些记录一般不会最大程度地用于预测性维护和辅助电网可靠性。

美国城市内的大多数电网(例如东北部和其它成熟城市中的电网)已在最近的120年被逐步地构建。这意味着电气设备(变压器、电缆、接头、终接器以及关联的开关、网络保护器、继电器等)随年龄而变化，例如在曼哈顿至少5％的低电压电缆是在1930年之前安装的，而在纽约市仍在使用少数一部分托马斯·爱迪生时代安装的原始高电压馈电线（feeder）部分。在纽约市存在94000英里的高电压地下配电电缆，其长度足以缠绕地球三周半。波士顿具有3000英里的地下电缆，并且许多其它城市具有相似的大型地下电力系统。

维护新、老构件混合的大型电网比管理新电网(例如已在中国的某些部分敷设的)更为困难。美国电网一般比许多欧洲电网还要老，这些欧洲电网是在二战后更换的，并且比由于自然灾害必须不断补充基础设施的地方(例如日本常有地震，强制补充电力系统)的电网更老。

智能电网将无法整夜地运行。例如，根据布莱托集团的调查，2030年更新电网的成本可高达1.5万亿美元。智能电网的主要构件将(例如在很长的时间段内)与当前电网的主要构件相同，并且新的智能量表必须与现有设备一起工作。向智能电网的转变已被比喻成“对飞行中的波音747更换用旧的部件”。为了构筑未来的智能电网，人们必须考虑目前存在的电网而工作。随着逐渐更换电网部件并增设智能构件，老的构件(包括电缆、开关、传感器等)将仍然需要被维护。此外，老的构件的状态应当规定新的智能开关和传感器的增设的优先级，尤其是在二次网络中。

使智能电网构件有效的关键点在于，给定当前系统，分析在哪里更新最有益。考虑到与医疗专业中的患者的类似性，最初研发和测试了许多机器学习算法的学科和用于智能电网的技术。尽管每个患者由相同种类的构件(类似于馈电线、变压器、检修孔和接头)构成，他们具有不同的穿着和年龄，具有不同的历史压力和遗传因子(类似于不同的过时产品(vintage)、负载、制造商)，由此每个患者必须作为唯一的个体进行治疗。然而，将个体编组入具有相对类似特性的家族、街道和人群(类似于馈电线、网络、辖区())。必须在帮助电网构件(患者)改善其健康的基础上建立智能电网，由此网络(街道)改善其寿命预期，而人群(辖区)更足以支撑地生存。

为了电网可靠性，需要前摄预测性维护程序。也需要利用现有的数据资源，包括不是一开始获得的或为预测目的设计的数据资源(例如维护记录或维护请求)。

发明内容

当前公开的主题事项提供了电网可靠性的前摄预测性维护程序的方法和系统，包括但不仅限于需要处理构件更新的强健、成熟的都市电网(例如新纽约市电网)。例如，本申请的方法和系统，经由机器学习，基于改善的机器学习技术和利用在常见电网管理过程中获得的数据(它不是为预测目的设计的)提供电网中二次构件的前摄预测性维护。

当前公开的主题事项的一个方面提供一种用于对电网中相似构件的经过滤的故障趋势量度集合进行评级的机器学习系统，该系统包括：(a)原始数据组件，用以提供表征电网中的相似构件的原始数据；(b)数据处理器，其可操作地耦合于原始数据组件以经由一种或多种数据处理技术将原始数据转换成更统一的数据；(c)数据库，其可操作地耦合于数据处理器以存储更统一的数据；(d)机器学习引擎，其可操作地耦合至数据库以提供相似构件的故障趋势量度的集合；(e)评估引擎，其可操作地耦合至机器学习引擎以从故障趋势量度的集合中检测和移除不相符的量度并提供经过滤的故障趋势量度的集合；以及(f)决策支持应用，其可操作地耦合至评估引擎并被配置成显示电网中的相似构件的经过滤的故障趋势量度的集合的评级。