[发明专利]基于大数据的电力故障监测方法、系统及可读存储介质

权利要求书

1.一种基于大数据的电力故障监测方法，其特征在于，包括：

获取电力系统的历史数据，所述历史数据包括故障数据和对应的非故障数据，所述故障数据包括描述电力系统故障的原因和症状，所述非故障数据包括出现电力故障前后的环境数据；

对所述故障的症状的数据作为第一随机变量，对于所述对应的非故障数据作为第二随机变量，对于所述故障的原因作为第三随机变量，对于所述故障相关的三种随机变量进行分散处理，对应的多组取值作为训练样本数据，训练人工智能模型；

根据当前故障的症状的数据为第一随机变量赋值、当前故障发生前后的环境数据为第二随机变量赋值，通过人工智能模型，确定第三随机变量的概率，推断所述当前电力故障的原因。

2.如权利要求1所述的基于大数据的电力故障监测方法，其特征在于，当所述随机变量为结构性数据时，进行分散处理的方法包括：根据所述结构性数据的合理取值范围，将所述结构性数据进行数据分散成多组数据。

3.如权利要求1所述的基于大数据的电力故障监测方法，其特征在于，当所述随机变量为非结构性数据时，进行分散处理的方法包括：利用关键词抽取算法、关系抽取算法、文本分类算法中的一种或几种，对于非结构性数据进行数据抽取，分散形成多组数据。

4.如权利要求1所述的基于大数据的电力故障监测方法，其特征在于，所述环境数据包括故障附近的地理位置、天气环境、人文活动其中的一种或几种数据。

5.如权利要求1所述的基于大数据的电力故障监测方法，其特征在于，还包括：采集故障发生时的故障数据和对应的非故障数据。

6.一种基于大数据的电力故障监测系统，其特征在于，包括：

历史数据获取单元，获取电力系统的历史数据，所述历史数据包括故障数据和对应的非故障数据，所述故障数据包括描述电力系统故障的原因和症状，所述非故障数据包括出现电力故障前后的环境数据；

人工智能训练单元，对所述故障的症状的数据作为第一随机变量，对于所述对应的非故障数据作为第二随机变量，对于所述故障的原因作为第三随机变量，对于所述故障相关的三种随机变量进行分散处理，对应的多组取值作为训练样本数据，训练人工智能模型；

故障原因检测单元，根据当前故障的症状的数据为第一随机变量赋值、当前故障发生前后的环境数据为第二随机变量赋值，通过人工智能模型，确定第三随机变量的概率，推断所述当前电力故障的原因。

7.如权利要求6所述的基于大数据的电力故障监测系统，其特征在于，当所述随机变量为结构性数据时，进行分散处理的方法包括：根据所述结构性数据的合理取值范围，将所述结构性数据进行数据分散成多组数据。

8.如权利要求6所述的基于大数据的电力故障监测系统，其特征在于，当所述随机变量为非结构性数据时，进行分散处理的方法包括：利用关键词抽取算法、关系抽取算法、文本分类算法中的一种或几种，对于非结构性数据进行数据抽取，分散形成多组数据。

9.如权利要求6所述的基于大数据的电力故障监测系统，其特征在于，还包括，实时数据采集单元，采集故障发生时的故障数据和对应的非故障数据。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1～5任一项所述的基于大数据的电力故障监测功能。