[发明专利]一种基于风险态势的预警方法及系统

权利要求书

1.一种基于风险态势的预警方法，其特征在于，所述方法包括以下步骤：

步骤1、构建网络拓扑结构，其中包含测点数据、接口机、单向隔离装置、核心交换机、二级交换机、多个内网客户机，其中核心交换机包含关系数据库服务器和计算服务器；

步骤2、通过信息采集设备的数据接口获取真实场景中的信息数据，建立多种变量信息数据库；

步骤3、读取存储信息并利用神经网络及公式推导分析数据关联性；

步骤4、通过可视化界面，显示风险态势，预警及故障状态。

2.根据权利要求1所述的一种基于风险态势的预警方法，其特征在于，所述步骤1进一步为：

网络构建过程中，采用两层网络结构，即核心层和接入层，并采用千兆以太网交换技术，通过星型连接；其中核心层用于提供网络数据包的快速转发和骨干节点之间的互连，接入层用于完成客户端用户流量的汇聚。

3.根据权利要求1所述的一种基于风险态势的预警方法，其特征在于，所述步骤2进一步为：

多种变量数据库中的信息含有存储设备档案信息的设备状态、实时值、设备自身参数资料、历史曲线、历史故障信息，输电线路和塔杆模型信息的模型名称、模型编号、所属设备、设备类型、关联变量、测点；

变量数据库的信息来源于架设的信息采集设备，其中所述信息采集设备包含气象数据传感器、GPS/北斗定位、微震传感器；涉及到的数据接入方式为标准的网络传输协议TCP/IP协议、针对不同硬件设备和仪器仪表设备的MODBUS协议、OPC协议、UDP协议；离散数据通过实时数据采集工具系统DataClient进行实时、动态的数据引援，其客户端通过Modbus和OPC两种协议进行数据传输；

获取到的信息通过基于关系型数据库的实时数据库服务软件PIDB-Real，以符合所采用存储数据库格式的形式，把采集的数据存入通用关系型数据库。

4.根据权利要求1所述的一种基于风险态势的预警方法，其特征在于，所述步骤3进一步为：

利用中间表取数和ETL数据抽取的方式对数据库中的数据进行读取，首先通过读取历史数据参数及当时设备状态的数据集构建有监督学习的神经网络，学习由多重数据到设备实时状态的映射；

其中所述历史数据为前期数据库中所含有的与设备状态相关的信息，并将其构建为网络训练集，所述设备状态为训练标签，作为有监督学习结果的对比参照物；其中训练集作为输入，预警结果作为输出，结合数学公式训练得到神经网络模型中各网络间连接的权值，将所述连接权值带入所述神经网络中得到预警模型；

所述模型训练过程为，建立训练矩阵其中每一列代表一组环境信息，对应训练矩阵，确定输出矩阵Z的期望矩阵，输入态y₁～y₅分别为表示塔杆是否倾斜、输电线是否舞动、地基是否沉降、是否为外力破坏、是否为设别老化；中间态为连接权和求和单元，若中间态的输出记为p，则其可表示为其中w_i为对应感测数据的连接权值是未知量，为偏置是未知量；输出态Z可以表示为Z＝f(p)，Z＝f(·)为神经元输出的激活函数，当输出值不同时，分别表示正常、大风预警、暴雨预警、设备损坏、线路故障、高温预警、低温预警；

训练阶段：设定连接权的初始值，利用初始值训练整个网络，通过设定迭代次数和最小误差控制模型求解连接权值及偏置

完成阶段：通过自主学习得到网络各层间的连接权值及偏置θ，将训练得到的连接权值及偏置带入至神经网络模型中，得到预警模型。

5.根据权利要求1所述的一种基于风险态势的预警方法，其特征在于，所述步骤4进一步为：

利用前端开发编程语言将界面布局的设计以可视化的形式呈现分析处理过的数据，其中，用户端根据界面上呈现的功能模块，通过鼠标单击进行功能操作；其中所述功能模块为健康监控中心、模型库、变量库、模型实例、行业维护、专业维护、设备归类、系统管理。