[发明专利]智能变电站的故障诊断方法、装置、设备和存储介质

说明书

本发明适用于电网安全技术领域，提供了一种智能变电站的故障诊断方法、装置、设备和存储介质，其中，智能变电站的故障诊断方法包括：获取二次系统的实时告警信息；将实时告警信息进行预设处理，得到预处理告警信息；将预设C4.5故障决策树模型中的所有预设分类告警信息集和预处理告警信息对比，得到实时告警信息的子分类告警信息集；基于P‑growth算法，构建子分类告警信息集的关联性规则；基于蚁狮算法，对关联性规则的预设关联指标进行处理，得到实时告警信息的关联指标；根据实时告警信息的关联指标和关联性规则，得到实时告警信息中的根告警信息。采用本发明，可以提高故障诊断的准确率。

技术领域

本发明属于电网安全技术领域，尤其涉及一种智能变电站的故障诊断方法、装置、设备和存储介质。

背景技术

智能变电站是采用先进、可靠、集成和环保的智能设备，自动完成信息采集、测量、控制、保护、计量和检测等基本功能的变电站。智能变电站主要由一次系统和二次系统组成，其中，一次系统是由发电机、输电线路、变压器、断路器等设备组成的系统；二次系统是由测量表计、绝缘监察装置、继电保护和自动装置等设备组成的系统。二次系统作为智能变电站中对一次系统进行监察、测量、控制、保护和调节的辅助系统，在智能变电站中的地位举足轻重。二次系统在运行中如果出现故障，会导致一次系统不能正常运行，从而影响整个电网的安全。

目前，传统的智能变电站的二次系统故障诊断主要根据二次系统显示的告警信息，调度人员依靠工作经验进行故障诊断，缺乏有效的诊断手段，导致二次系统故障分析不准确，诊断准确率较低。

此外，随着人工智能的不断发展，神经网络、支持向量机、关联规则挖掘等算法广泛应用于二次系统故障诊断中，然而，这些算法通常在故障诊断的复杂度上进行优化，虽然降低了故障诊断的复杂程度，但是由于诊断数据较多难以筛选，诊断准确率亦很难提升，诊断准确率较低。

发明内容

有鉴于此，本发明实施例提供了一种智能变电站的故障诊断方法、装置、设备和存储介质，以解决目前故障诊断方法存在的诊断准确率较低的问题。

本发明实施例的第一方面提供了一种智能变电站的故障诊断方法，包括：

获取智能变电站的二次系统的实时告警信息；

将实时告警信息进行预设处理，得到预处理告警信息；

将预设C4.5故障决策树模型中的预设分类告警信息集和预处理告警信息对比，得到实时告警信息的子分类告警信息集；

基于P-growth算法，构建子分类告警信息集的关联性规则；

基于蚁狮算法，对关联性规则的预设关联指标进行处理，得到实时告警信息的关联指标；

根据实时告警信息的关联指标和关联性规则，得到实时告警信息中的根告警信息。

在一种可能的实现方式中，将预设C4.5故障决策树模型中的预设分类告警信息集和预处理告警信息对比，得到实时告警信息的子分类告警信息集，包括：

获取二次系统的历史告警信息，其中，历史告警信息按照预设规则分为训练信息和测试信息；

将训练信息通过C4.5决策树算法进行训练，得到决策树模型；

利用测试信息对决策树模型进行验证和剪枝处理，得到预设C4.5故障决策树模型；其中，预设C4.5故障决策树模型由多个故障类型互不相同的预设分类告警信息集组成；

将预设C4.5故障决策树模型中的所有预设分类告警信息集与预处理告警信息进行对比处理，将匹配度最高的预设分类告警信息集确定为实时告警信息的子分类告警信息集。

在一种可能的实现方式中，将训练信息通过C4.5决策树算法进行训练，得到决策树模型之前，方法还包括：