[发明专利]电力电网故障诊断方法、装置、计算机设备及存储介质

说明书

本申请涉及一种电力电网故障诊断方法、装置、计算机设备及存储介质，其中，方法包括：获取电力电网的故障样本数据；分析故障样本数据，得到不同电力电网运行状态特征与故障特征之间的关联关系；以电力电网运行状态特征与故障特征为离散节点，基于关联关系、并采用马尔可夫毯算法构建无定向贝叶斯网络，得到多个初始贝叶斯网络；通过粒子群算法求解多个初始贝叶斯网络中最优解，获取电力电网的当前运行状态参数，将当前运行状态参数输入至最优贝叶斯网络，得到电力电网故障诊断结果。整个过程中，采用马尔可夫毯算法构建无定向贝叶斯网络，再采用粒子群算法求解多个初始贝叶斯网络中最优解，可以实现高效的电力电网故障诊断。

技术领域

本申请涉及电力电网技术领域，特别是涉及一种电力电网故障诊断方法、装置、计算机设备及存储介质。

背景技术

电力电网在实际运行过程中容易受到不同来源引发的不同类型的故障的影响，例如恶劣的天气条件、植被生长和设备故障等，数据表明有80％的客户用电中断是由电力电网故障引起的。电力中断的持续时间是电力公司最重要的可靠性指标之一，因此快速有效地诊断故障从而最大程度地减少停机时间是非常重要的。

近年来，不同的故障诊断技术被探索和提出用来解决这些挑战，例如有学者提出基于人工神经网络的故障诊断，其具体是通过样本训练，实现对网络参数的自动学习和调整，输入故障信息，输出所诊断的故障类型。

但是这种方法需要基于样本数据对神经网络进行复杂的训练，整个训练过程数据处理量极大，导致训练过程耗时较长。

发明内容

基于此，有必要针对上述技术问题，提供一种高效的电力电网故障诊断方法、装置、计算机设备以及存储介质。

第一方面，本申请提供了一种电力电网故障诊断方法。所述方法包括：

获取电力电网的故障样本数据，所述故障样本数据包括故障特征以及电力电网运行状态特征；

分析所述故障样本数据，得到不同所述电力电网运行状态特征与所述故障特征之间的关联关系；

以所述电力电网运行状态特征与所述故障特征为离散节点，基于所述关联关系、并采用马尔可夫毯算法构建无定向贝叶斯网络，得到多个初始贝叶斯网络；

通过粒子群算法求解所述多个初始贝叶斯网络中最优解，得到最优贝叶斯网络；

获取电力电网的当前运行状态参数，将所述当前运行状态参数输入至所述最优贝叶斯网络，得到电力电网故障诊断结果。

在其中一个实施例中，所述以所述电力电网运行状态特征与所述故障特征为离散节点，基于所述关联关系、并采用马尔可夫毯算法构建无定向贝叶斯网络，得到多个初始贝叶斯网络包括：

以所述电力电网运行状态特征与所述故障特征为离散节点；

基于所述关联关系、并采用马尔可夫毯算法确定每个节点的马尔可夫空白；

根据所述每个节点的马尔可夫空白，构建无定向贝叶斯网络。

在其中一个实施例中，所述通过粒子群算法求解所述多个初始贝叶斯网络中最优解，得到最优贝叶斯网络包括：

从所述故障样本数据中获取测试数据集；

采取所述测试数据集分别对各初始贝叶斯网络进行测试，得到测试结果；

根据预设评分函数以及所述测试结果，得到各所述初始贝叶斯网络的测试评分；

基于所述测试评分，通过粒子群算法求解所述多个初始贝叶斯网络中最优解，得到最优贝叶斯网络。

在其中一个实施例中，所述根据预设评分函数以及所述测试结果，得到各所述初始贝叶斯网络的测试评分包括：

根据BIC（ Bayesian Information Criterions，贝叶斯信息规则）评分函数以及所述测试结果，得到各所述初始贝叶斯网络的测试评分。