[发明专利]一种基于大数据的管道智能预警方法和系统

说明书

一种基于大数据的管道智能预警方法和系统，包括如下步骤：1)获取数据按照不同场景进行分类，该场景分类至少包括大型保电、常规管道运维施工、地面机械施工、管道内线缆盗割、海缆和动物啮咬，将每个类的数据组都分为训练数据和测试数据；2)搭建混合高斯模型，使用期望值极大算法估计混合高斯模型的参数；3)将每个类的训练数据同时输入混合高斯模型进行训练；4)将每个类的测试数据同时输入训练好的混合高斯模型进行测试；5)采用测试通过的混合高斯模型进行场景识别。本发明有利于实现电力管道分场景运维的精细化管理目的。

技术领域

本发明涉及管道预警领域，特别是指一种基于大数据的管道智能预警方法和系统。

背景技术

随着社会生产力的不断变革，工业自动化、电子信息化的高速发展，生产力的发展已经离不开电力供应，为了确保电力供应的安全可靠，需要高度重视电网运行安全，电力安全事故虽然可能不直接表现为重大人员伤亡或者经济损失，但会对国民经济、社会稳定和人民生活造成较大影响，波及面广，事故后果影响大。

在电力生产或电网运行过程中，各种不安全因素的分析和判断会间接性影响电力系统安全稳定运行或影响电力正常供应，为了控制和避免各种风险，需要采取各种措施来避免以上因素的发生，需要对供电负荷、设备故障、供电用户进行综合分析，来辅助电网管理人员保证供电安全正常稳定运行。

目前管理和电网安全运行的分析还处在手工判断和分析阶段，包括输变电设备承载用户比例等，该工作人工手动梳理周期长，效率低，无法实现对电力安全事故的预防预警，基本上处于事后统计分析。也有采用光纤传感技术，检测的是时间、地点、事件类型的离散数据集，对管道运维人员提供的决策依据直观度不足。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种基于大数据的管道智能预警方法和系统，根据数据结合混合高斯模型准确预测场景模式，有利于实现电力管道分场景运维的精细化管理目的。

本发明采用如下技术方案：

一种基于大数据的管道智能预警方法，其特征在于，包括如下步骤：

1)获取数据按照不同场景进行分类，该场景分类至少包括大型保电、常规管道运维施工、地面机械施工、管道内线缆盗割、海缆和动物啮咬，将每个类的数据组都分为训练数据和测试数据；

2)搭建混合高斯模型，使用期望值极大算法估计混合高斯模型的参数；

3)将每个类的训练数据同时输入混合高斯模型进行训练；

4)将每个类的测试数据同时输入训练好的混合高斯模型进行测试；

5)采用测试通过的混合高斯模型进行场景识别。

优选的，步骤1)中，每个类的数据组至少包含时间、位置、单一事件类型三个元素。

优选的，步骤2)中，所述混合高斯模型为多个单高斯模型的线性组合，单高斯模型的个数和场景分类数量相同，每一个单高斯模型为一个聚类，则混合高斯模型可用下式表示：

其中，X为随机变量,是混合高斯模型中的第k个聚类，Π_k为混合系数是每个单高斯模型的权重，满足Π_k0,μ_k为均值、为方差，K为聚类总个数。

优选的，步骤2)中使用期望值极大算法估计混合高斯模型的参数，具体包括如下：

2.1)将混合高斯模型的表达式带入取对数后的似然函数，如下：

x_n表示数据，N表示数据个数；

2.2)假定数据x_n，则其属于第k个聚类的概率为：