[发明专利]一种电网调度后评估异常指标溯因推理方法、系统、装置及存储介质

说明书

本发明公开了一种电网调度后评估异常指标溯因推理方法、系统、装置及存储介质，其方法包括：获取电网运行过程中的时序数据，根据时序数据提取异常指标以及各个关联因素；计算异常指标与各个关联因素的关联度，获取强相关因素；计算异常指标与各个关联因素的因果关系，获取强因果因素；基于强相关因素、强因果因素以及异常指标构建贝叶斯网络；对贝叶斯网络进行参数学习，并基于参数学习后的贝叶斯网络进行异常指标的溯因推理。本发明能够解决异常指标主导因素分析的关键技术问题。

技术领域

本发明涉及一种电网调度后评估异常指标溯因推理方法、系统、装置及存储介质，属于电力系统自动化技术领域。

背景技术

电网运行指标是科学评估电网安全高效运行、指导电网趋优运营的重要载体，是有效提升电网运行精益化水平的技术手段。目前电网运行评价指标开展了较多研究，但是对于电网运行指标的变化规律、异常指标的定位及原因分析，缺乏自动化、智能化的评估手段，往往需要运行人员结合大量历史数据及人工经验进行手动分析，工作量大、效率不高，不能完全适应电网精益化运行需要。尤其表现在电网运行过程产生海量数据，评价指标仅从不同的侧面考虑，缺乏关联性分析，异常指标的产生原因难以准确定位。

电力系统具有发电用电实时平衡、实时运行不停止、事故发生具有扩散性等特点，其导致电力系统运行过程中产生的海量、增长迅速和类型多样的数据，现有的实时指标评价体系均是从电网的某一个或者一类运行指标进行研究，各项指标对应的支撑应用相对独立，但由于电网的复杂性，这些运行指标并不能完全覆盖电网中的各类风险情况，需要采用大数据挖掘技术，对海量调控系统数据进行提取、分析、处理，分析不同指标间的关联关系，推理并追溯异常指标出现背后的深层原因，为电网调度员提供电网在不同状态下的最优决策，提高供电的可靠性。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种电网调度后评估异常指标溯因推理方法、系统、装置及存储介质，能够通过构建贝叶斯网络找出指标异常的主要原因，具有很强的实用性和灵活性。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种电网调度后评估异常指标溯因推理方法，包括：

获取电网运行过程中的时序数据，根据时序数据提取异常指标以及各个关联因素；

计算异常指标与各个关联因素的关联度，获取强相关因素；

计算异常指标与各个关联因素的因果关系，获取强因果因素；

基于强相关因素、强因果因素以及异常指标构建贝叶斯网络；

对贝叶斯网络进行参数学习，并基于参数学习后的贝叶斯网络进行异常指标的溯因推理。

其中，所述异常指标为时序数据偏离正常时间序列分布曲线的指标。

可选的，所述时序数据包括电网设备参数数据、电网运行参数数据、电网节点发电和负荷参数数据以及环境参数数据。

可选的，所述计算异常指标与各个关联因素的关联度，获取强相关因素包括：

构建异常指标和各个关联因素的数据集：

式中，x₀为异常指标对应的时序数据，x_i(i＝1,2,…n)为各个关联因素对应的时序数据，x_n(N)为第n个关联因素第N个时序数据；

根据数据集求取异常指标x₀与第i个关联因素的差值矩阵序列：

Δ_0i(l)＝|x₀(l)-x_i(l)|，l＝1,2,…,N；i＝1,2,…,n