百亿参数大模型驱动的电能表运行状态评价方法及系统与流程

摘要: 本发明涉及电力计量智能分析,具体涉及百亿参数大模型驱动的电能表运行状态评价方法及系统。背景技术:1、电能表是电力贸易结算的法定计量器具,其运行状态直接关系到计量...
百亿参数大模型驱动的电能表运行状态评价方法及系统与流程

本发明涉及电力计量智能分析,具体涉及百亿参数大模型驱动的电能表运行状态评价方法及系统。

背景技术:

1、电能表是电力贸易结算的法定计量器具,其运行状态直接关系到计量公平与供电企业的经营效益。在台区计量体系中,一个总表与其下若干分表构成树形供电拓扑,总表计量整个台区的供入电量,各分表分别计量各用户的用电量。对台区内电能表运行状态进行准确评价,是计量精益化管理的核心环节。电能表运行状态智能评价是一个复杂的数据分析场景,所涉及的运行数据多达数十种,包括电压数据、电流数据、功率数据、表码数据与功率因数数据等,且评价规则复杂多变,传统的分析方法对评价复杂性的适配性受到限制。

2、公开号为cn106405475a的中国专利申请,公开了一种电能表异常诊断方法,该方法通过现场检测和电能信息采集系统获取电表数据与事件数据,经筛选后送入电量异常诊断、电压电流异常诊断、异常用电诊断、负荷异常诊断、时钟异常诊断与接线异常诊断共六类智能诊断分析模型,每一类诊断模型包含若干个设置有独立阈值的智能诊断主题,并在两个诊断主题同时发生时建立关联度模型以输出进一步诊断结果。然而,该方法对每一只电能表均按其自身的多维数据独立进行阈值判定,并未利用台区树形供电拓扑中总表与各分表之间的能量守恒关系,因而在某一分表的多维数据缺失或异常时,缺乏可替代的判据来源,无法对该分表的运行状态做出可信评价,且其依赖人工设定与维护的阈值规则面对数十种数据时维护负担沉重。

3、公告号为cn106992517b的中国专利申请,公开了一种电力线损分析方法、装置和系统,该方法通过采集终端获取目标区域内的电力数据集,依据电力网络的拓扑关系与元器件参数确定理论线损,再依据电力数据集与电力网络模型计算实际线损,并依据理论线损与实际线损生成线损分析报告。然而,该方法将总表电量与各分表电量之间的能量守恒残差作为单一的线损标量进行整体分析并予以归因消除,丢失了该残差在树形供电拓扑各支路上的分布结构信息,因而无法从残差中分离出单只电能表的工作误差,更无法在分表数据缺失时依据拓扑约束反演出缺失分表的运行状态,最终仍需退化为依赖人工经验的判定方式。

4、由此可见,现有技术普遍将台区能量守恒残差视为需要整体消除的标量损耗,并默认对单只电能表运行状态的评价必须依赖该表自身完整的多维计量数据,这一认知导致了一个尚未解决的核心瓶颈:当台区内部分分表的计量数据缺失或异常时,无法仅依据台区树形供电拓扑的能量守恒关系对单只电能表的运行状态做出可信评价。如何克服上述瓶颈,是本领域亟待解决的技术问题。

技术实现思路

1、针对现有技术中电能表运行状态评价领域存在的、在台区部分分表计量数据缺失或异常时无法仅依据树形供电拓扑的能量守恒关系对单只电能表运行状态做出可信评价的核心瓶颈,本发明提供百亿参数大模型驱动的电能表运行状态评价方法及系统,通过将台区能量守恒残差从需消除的线损标量反转为编码各分表工作误差的拓扑结构信号并由百亿参数大模型在能量守恒约束下从残差结构反演单表工作误差,在分表数据不完整的约束条件前提下,从树形供电拓扑能量守恒的原理层面上实现对单只电能表运行状态的可信评价。

2、本发明的技术方案为:百亿参数大模型驱动的电能表运行状态评价方法,包括以下步骤:采集台区内各电能表的多维运行状态数据并进行清洗,得到清洗后状态数据,所述多维运行状态数据包括电压数据、电流数据、功率数据、表码数据和功率因数数据;依据所述台区内总表与各分表之间的树形供电拓扑,按所述清洗后状态数据中的表码数据构建能量守恒残差,并将所述能量守恒残差在所述树形供电拓扑的各支路上展开为残差结构向量;将所述清洗后状态数据与所述残差结构向量封装为评价输入,输入参数规模为百亿量级的大模型,由所述大模型在能量守恒约束下从所述残差结构向量反演所述台区内各电能表的工作误差,得到各电能表的运行状态评价结果;当所述各分表中存在数据缺失或异常的目标分表时,由所述大模型基于所述树形供电拓扑确定的可辨识子空间,对所述目标分表的工作误差进行约束求解,补全所述目标分表的运行状态评价结果;依据各电能表的所述运行状态评价结果生成结构化评价报告,并将所述结构化评价报告输出至电能表状态评价平台。

3、进一步地,将所述能量守恒残差在所述树形供电拓扑的各支路上展开为残差结构向量时,依据所述树形供电拓扑构建拓扑关联矩阵,将所述能量守恒残差在所述拓扑关联矩阵的列空间上投影,得到各支路对应的残差分量。进一步地,在构建所述拓扑关联矩阵之前,依据各电能表的所述表码数据的单调递增约束与所述能量守恒残差的最小化对户变归属关系进行在线拓扑校准,并对各电能表的所述多维运行状态数据按采集时标进行时标对齐。进一步地,对所述目标分表的工作误差进行约束求解时,将所述目标分表的工作误差作为隐变量,由所述拓扑关联矩阵中所述目标分表所属父节点的电量平衡方程构成约束方程组,确定所述隐变量在所述约束方程组下的可辨识子空间,并将所述大模型输出的工作误差先验投影至所述可辨识子空间。进一步地,对各支路的所述残差分量进行时频分解,将低频持续分量判定为误差漂移分量、将宽频暂态分量判定为负荷突变分量,并建立所述误差漂移分量与温度数据、运行时长和量程占用率之间的因果退化图作为能量守恒约束施加于反演过程。

4、本发明还提供百亿参数大模型驱动的电能表运行状态评价系统,包括:数据采集清洗模块,用于采集台区内各电能表的多维运行状态数据并进行清洗;残差构建模块,用于依据所述台区内总表与各分表之间的树形供电拓扑构建能量守恒残差并展开为残差结构向量;大模型评价模块,用于将清洗后状态数据与残差结构向量封装为评价输入,由参数规模为百亿量级的大模型在能量守恒约束下从残差结构向量反演各电能表的工作误差;缺失补偿模块,用于当存在数据缺失或异常的目标分表时由所述大模型基于可辨识子空间对所述目标分表的工作误差进行约束求解;报告输出模块,用于依据运行状态评价结果生成结构化评价报告并输出至电能表状态评价平台。

5、本发明的有益效果在于:

6、其一,本发明将台区能量守恒残差展开为残差结构向量,并由大模型从残差结构向量反演各电能表的工作误差,从而仅由台区总表与各分表的表码数据即可获得单只电能表的工作误差,而无需对每只电能表施加独立阈值判据。其机理在于,在树形供电拓扑中能量守恒约束对每一个父节点形成一个独立的电量平衡方程,各分表的工作误差按其在拓扑中的电气位置加权叠加构成残差,残差在拓扑关联矩阵列空间上的投影系数与各分表的工作误差一一对应,因而残差的分布结构本身即编码了各分表的工作误差指纹。与将残差作为线损标量整体消除相比,本发明保留并利用了残差的拓扑结构信息,使单表工作误差从不可观测变为可辨识。

7、其二,本发明在分表数据缺失或异常时,由大模型基于树形供电拓扑确定的可辨识子空间对目标分表的工作误差进行约束求解,从而在数据不完整的情况下仍能输出可信的评价结果。其机理在于,缺失分表的工作误差对应约束方程组中的隐变量,相邻已知节点的电量平衡方程将该隐变量约束在一个可辨识子空间内,可辨识子空间内的分量由能量守恒约束唯一确定、其零空间分量由大模型先验补全,二者结合既保证了物理一致性又填补了不可辨识方向。与在分表数据缺失时缺乏可替代判据相比,本发明利用拓扑能量守恒提供了缺失数据之外的独立判据来源。

8、其三,本发明的残差结构反演与缺失子空间补偿之间产生显著的协同效应,二者组合所达到的评价可信度高于各自单独作用之和。其机理在于,残差结构向量为缺失补偿提供了携带拓扑位置信息的输入,使可辨识子空间的约束方程组得以建立;而缺失补偿反过来填补了残差结构中因数据缺失而产生的空缺支路,使残差结构向量得以完整,从而保证大模型对未缺失分表的反演不被缺失支路的空缺所干扰。正是这种相互支撑使评价采纳率得以持续提升至高于90%的水平,单一手段无法达到该效果。