[发明专利]一种监控电力二次系统运行状态的建模方法及装置

权利要求书

1.一种监控电力二次系统运行状态的建模方法，其特征在于，该方法包括：

提取预先得到的训练数据集中的第一训练数据，从所述训练数据集对应的初始神经网络模型中，计算所述第一训练数据对应的第一训练向量分别与所述初始神经网络模型中每一初始神经元的权重向量的欧几里得距离；

获取最小欧几里得距离对应的第一初始神经元，基于所述第一训练向量，更新所述初始神经网络模型中与所述第一初始神经元相邻的各初始神经元的权重向量；

若所述第一训练数据不为所述训练数据集的最后一个训练数据，提取第二训练数据对应的第二训练向量，计算所述第二训练向量与更新的初始神经网络模型中每一初始神经元的权重向量的欧几里得距离，直至所述训练数据集的所有训练数据被提取完毕，得到训练神经元模型；

针对所述训练神经元模型中的每一神经元，计算该神经元的邻接区域值；

如果计算的该神经元的邻接区域值小于预设的邻接阈值，标记该神经元为正常状态，否则，标记该神经元为异常状态，得到监控电力二次系统运行状态的神经网络预测模型。

2.如权利要求1所述的方法，其特征在于，所述基于所述第一训练向量，更新所述初始神经网络模型中与所述第一初始神经元相邻的各初始神经元的权重向量，包括：

针对与所述第一初始神经元相邻的每一第二初始神经元，基于所述第一训练向量，更新所述第二初始神经元的权重向量。

3.如权利要求2所述的方法，其特征在于，所述基于所述第一训练向量，更新所述第二初始神经元的权重向量，包括：

计算所述第一训练向量与所述第二初始神经元的权重向量的差值；

计算所述差值与预先设置的相邻神经元距离函数值以及预先设置的学习系数的乘积，得到相邻神经元修正值；

计算所述相邻神经元修正值与所述第二初始神经元的权重向量的和值，得到更新的与所述第一初始神经元相邻的第二初始神经元的权重向量。

4.如权利要求1所述的方法，其特征在于，所述神经元的邻接区域值为所述神经元分别到所述神经元的上、下、左、右位置对应的神经元的曼哈顿距离之和。

5.如权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：

获取实时采集的数据，依据所述实时采集的数据对应的神经网络预测模型，提取所述实时采集的数据的待监控向量；

计算所述待监控向量分别与所述对应的神经网络预测模型中每一神经元的权重向量的欧几里得距离；

获取最小欧几里得距离对应的神经元，若获取的神经元的标记为正常状态，确认所述实时采集的数据对应的设备运行正常，若获取的神经元的标记为异常状态，确认所述实时采集的数据对应的设备运行异常。

6.如权利要求1至4任一项所述的方法，其特征在于，所述电力二次系统中的每一类型的设备对应一训练数据集，所述训练向量的维数与所述初始神经元的权重向量的维数相同，所述训练向量的参数与所述权重向量的参数相同。

7.一种监控电力二次系统运行状态的建模装置，其特征在于，该装置包括：

距离计算模块，用于提取预先得到的训练数据集中的第一训练数据，从所述训练数据集对应的初始神经网络模型中，计算所述第一训练数据对应的第一训练向量分别与所述初始神经网络模型中每一初始神经元的权重向量的欧几里得距离；

权重向量更新模块，用于获取最小欧几里得距离对应的第一初始神经元，基于所述第一训练向量，更新所述初始神经网络模型中与所述第一初始神经元相邻的各初始神经元的权重向量；

模型训练模块，若所述第一训练数据不为所述训练数据集的最后一个训练数据，提取第二训练数据对应的第二训练向量，计算所述第二训练向量与更新的初始神经网络模型中每一初始神经元的权重向量的欧几里得距离，直至所述训练数据集的所有训练数据被提取完毕，得到训练神经元模型；

邻接区域值计算模块，用于针对所述训练神经元模型中的每一神经元，计算该神经元的邻接区域值；

模型构建模块，如果计算的该神经元的邻接区域值小于预设的邻接阈值，标记该神经元为正常状态，否则，标记该神经元为异常状态，得到监控电力二次系统运行状态的神经网络预测模型。