[发明专利]一种融合人工智能的电网相继故障事件聚合及省地协同共享方法及装置

权利要求书

1.一种融合人工智能的电网相继故障事件聚合及省地协同共享方法，其特征在于：包括如下步骤：

根据相继故障事件的历史故障事件构建人工智能聚合模型的训练样本；

通过训练样本对人工智能聚合模型进行训练，获得训练好的人工智能聚合模型；

获取实时监控信息，对实时监控信息进行分析，获取单一故障事件诊断结果；

将单一故障事件诊断结果与对应的实时监控信息采用枚举方法，获得实际相继发生的多个单一故障事件的有序组合；

再将实际相继发生的多个单一故障事件的有序组合输入训练好的人工智能聚合模型进行计算，得到每种有序组合是否为相继故障的分类结果，按最大组合的原则，确定相继故障事件初步聚合的结果；

基于专家规则对相继故障事件初步聚合的结果进行约束限定，滤除违背专家规则的结果，得到最终的相继故障聚合事件。

2.根据权利要求1所述的一种融合人工智能的电网相继故障事件聚合及省地协同共享方法，其特征在于：还包括：通过省地在线协商实时信息共享平台，将最终的相继故障聚合事件分别推送给相应的省地多级调度机构，并进行存档，利用存档供反演查看。

3.根据权利要求1或2所述的一种融合人工智能的电网相继故障事件聚合及省地协同共享方法，其特征在于：所述根据相继故障事件的历史故障事件构建人工智能聚合模型的训练样本，包括如下步骤：

获取相继故障事件的历史故障事件中所有单一故障事件的底层数据量，并对单一故障事件的底层数据量进行向量化处理，获得单一故障事件对应的输入向量；

对于多个相断故障的单一故障事件对应的输入向量进行纵向按位相加取平均，得到相继故障向量；

对于随机选取相继发生但无相互关联的任意单一故障事件对应的输入向量进行纵向按位相加取平均，得到不是相继故障向量；

将相继故障向量作为正样本，不是相继故障向量作为负样本，不断扩充正样本，负样本，将扩充后的正样本与负样本作为人工智能聚合模型的训练样本。

4.根据权利要求1或2所述的一种融合人工智能的电网相继故障事件聚合及省地协同共享方法，其特征在于：所述获取相继故障事件的历史故障事件中所有单一故障事件的底层数据量，并对单一故障事件的底层数据量进行向量化处理，获得单一故障事件对应的输入向量，包括如下步骤：

对于保护动作信号，枚举所有保护类型15类，发生动作的保护类型对应值设定为1，未发生动作或者没有配置的保护类型对应值设定为0，形成1x15的向量A；

对于开关动作信息，构建1x10的向量B，第一位的取值为发生动作设为1，未发生动作设为0，后九位为动作时刻的时间戳向量；

对于单个故障事件的诊断结果，构建1x8的向量C，第1-2位为故障类型编号，第3-4位为故障区域编号，第5-6位为开关误动拒动类型编号，第7-8位为保护误动拒动类型编号；

对于电网电气量，构建1x42的向量，第1-16位为故障点电流值的二进制表示，单位为安培，第17-32位为电压值的二进制表示，单位为伏特，第33-42位为电压与电流的相位角的二进制表示，单位为度；将A，B，C，D四个向量顺序拼接构成1x75的向量E；

将向量A、向量B、向量C和向量E组成单一故障事件对应的输入向量。

5.根据权利要求1或2所述的一种融合人工智能的电网相继故障事件聚合及省地协同共享方法，其特征在于：所述通过训练样本对人工智能聚合模型进行训练，获得训练好的人工智能聚合模型，包括如下步骤：

通过随机有放回的方式分批取出训练样本，利用反向传播算法训练人工智能聚合模型，拟合迭代使输出结果与样本标签趋于一致后，获得训练好的人工智能聚合模型。

6.根据权利要求1或2所述的一种融合人工智能的电网相继故障事件聚合及省地协同共享方法，其特征在于：所述实时监控信息包括：保护动作信号、开关动作信息和电网电气量。