一种变电站监控信息表智能分析与校核方法与流程

本发明涉及电力系统自动化，尤其涉及一种变电站监控信息表智能分析与校核方法。

背景技术：

1、变电站监控信息表是调度自动化系统与变电站自动化系统之间数据交互的基础文件，记录了遥测、遥信、遥控、遥调等信号条目的名称、点号、遥测系数等关键参数。监控信息表的准确性直接影响调度主站对变电站运行状态的监视和控制可靠性。现有监控信息表的校核工作主要依赖人工逐项比对，校核效率低、易遗漏，且对隐性错误（如遥测系数偏差、信号命名不规范等）难以有效识别。

2、现有监控信息表校核方法通常采用固定规则模板进行名称格式检查，未建立基于历史样本统计学习的命名规范性评估模型。当信号条目名称中存在非常规组合或段位错位时，固定规则模板无法根据历史样本中词条的转移概率分布进行异常判定，命名异常检出率不足。

3、现有监控信息表校核方法未考虑不同设备类型和电压等级下信号配置的差异性，采用统一的信号配置清单进行比对，导致部分设备类型特有的应配信号被误判为缺失，或部分低频配置信号被误判为冗余，配置异常误报率较高。

4、现有监控信息表校核方法对遥测系数的校核通常采用理论计算或人工经验比对方式，未利用同一间隔内电流遥测、电压遥测及有功遥测之间的电气约束关系进行系数反演验证。当遥测系数存在系统性偏差时，现有方法难以通过单一遥测值识别，且未建立基于开关遥信分闸位置时段的联动复核机制，系数异常漏检风险较大。

5、现有监控信息表校核方法缺乏基准样本的动态筛选和迭代更新机制，未从历史监控信息表中筛选完整性评分和一致性评分均达标的样本作为基准，也未将经人工复核确认无误的信息表样本自动并入基准样本集以更新校核判据，基准样本的代表性和时效性难以保障。

技术实现思路

1、鉴于此，本发明实施例提供了一种变电站监控信息表智能分析与校核方法，

2、包括如下步骤：

3、s1、获取待校核变电站监控信息表及历史监控信息表样本，对各信息表中的信号条目进行分词处理与命名实体识别，提取各信号条目的信息要素，所述信息要素包括所属间隔、设备名称、电压等级、信号类型、点号及遥测系数；

4、将各信号条目按信息要素归一化为结构化记录；

5、s2、计算各历史监控信息表样本的完整性评分与一致性评分，所述一致性评分由样本内各信号条目的段位组合在全部历史监控信息表样本中的出现频率确定；

6、根据完整性评分与一致性评分从各历史监控信息表样本中筛选基准样本，构成基准样本集；

7、s3、对基准样本集中信号条目的名称按段位切分，统计相邻段位上词条的转移概率，得到名称段位序列的转移概率矩阵；

8、按设备类型与电压等级对基准样本集中的信号条目聚类，统计各聚类簇内各信号类型的配置频率，根据配置频率确定各类设备的应配信号集；

9、s4、根据转移概率矩阵计算待校核变电站监控信息表中各信号条目名称的序列概率，判定命名异常的信号条目；

10、将待校核变电站监控信息表中各设备的信号条目与对应设备类型的应配信号集比对，检测缺失信号、冗余信号以及信号序列中的错行段；

11、根据应配信号集确定同一间隔内的电流遥测、电压遥测及有功遥测，利用有功遥测值、电压遥测值与电流遥测值之间的电气约束关系反演遥测系数，将反演的遥测系数与待校核变电站监控信息表中填写的遥测系数比对，判定系数异常并以反演的遥测系数修正；

12、s5、提取完成系数修正的间隔中开关遥信为分闸位置的时段，根据该时段内电流遥测换算值与零值区间的比对结果对系数修正进行联动复核，所述零值区间根据基准样本集中开关遥信为分闸位置的时段内电流遥测换算值的统计分布确定；

13、汇总命名异常、配置异常与系数异常的判定结果、系数修正记录及联动复核结论，输出校核结果。

14、本发明实施例提供的技术方案带来的有益效果至少包括：

15、本发明通过获取待校核变电站监控信息表及历史监控信息表样本，对各信息表中的信号条目进行分词处理与命名实体识别，提取包括所属间隔、设备名称、电压等级、信号类型、点号及遥测系数的信息要素，将各信号条目按信息要素归一化为结构化记录，解决了现有技术中监控信息表校核依赖人工逐项比对、效率低且易遗漏的技术问题，达到了实现监控信息表结构化解析与自动化处理、提升校核效率的技术效果。

16、本发明通过计算各历史监控信息表样本的完整性评分与一致性评分，完整性评分由信息要素全部非空的信号条目数与信号条目总数的比值确定，一致性评分由样本内各信号条目的段位组合在全部历史样本中的出现频率确定，根据两类评分的上四分位数筛选基准样本构成基准样本集，解决了现有技术中未建立基于历史样本统计学习的基准样本筛选机制、基准样本代表性不足的技术问题，达到了通过完整性评分和一致性评分双重筛选获取高质量基准样本、提升后续校核准确性的技术效果。

17、本发明通过对基准样本集中信号条目的名称按段位切分，统计相邻段位上词条的转移概率得到转移概率矩阵，按设备类型与电压等级聚类统计各信号类型的配置频率并确定应配信号集，根据转移概率矩阵计算待校核信息表中各信号条目名称的序列概率，将序列概率低于概率阈值的信号条目判定为命名异常，解决了现有技术中采用固定规则模板进行名称格式检查、无法根据历史样本词条转移概率分布进行异常判定的技术问题，达到了基于历史样本统计学习建立命名规范性评估模型、提升命名异常检出率的技术效果。

18、本发明通过将待校核信息表中各设备的信号条目与对应设备类型的应配信号集比对，检测缺失信号、冗余信号以及信号序列中的错行段，利用有功遥测值、电压遥测值与电流遥测值之间的电气约束关系反演遥测系数，将反演的遥测系数与待校核信息表中填写的遥测系数比对判定系数异常并以反演值修正，解决了现有技术中未考虑设备类型和电压等级差异性导致配置异常误报率较高、未利用电气约束关系进行系数反演验证的技术问题，达到了实现基于设备类型自适应的应配信号检测和基于电气约束的遥测系数反演校核、提升配置异常和系数异常检出准确性的技术效果。

1.一种变电站监控信息表智能分析与校核方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的变电站监控信息表智能分析与校核方法，其特征在于，步骤s1具体为：

3.根据权利要求2所述的变电站监控信息表智能分析与校核方法，其特征在于，步骤s2中，所述完整性评分记为c，按下式计算：

4.根据权利要求3所述的变电站监控信息表智能分析与校核方法，其特征在于，步骤s3中，所述转移概率矩阵的获得方式为：

5.根据权利要求4所述的变电站监控信息表智能分析与校核方法，其特征在于，步骤s4中，所述序列概率按下式计算：

6.根据权利要求3所述的变电站监控信息表智能分析与校核方法，其特征在于，步骤s3中，所述应配信号集的确定方式为：

7.根据权利要求6所述的变电站监控信息表智能分析与校核方法，其特征在于，步骤s4中，所述检测缺失信号、冗余信号以及信号序列中的错行段具体为：

8.根据权利要求7所述的变电站监控信息表智能分析与校核方法，其特征在于，步骤s4中，所述遥测系数的反演与修正具体为：

9.根据权利要求8所述的变电站监控信息表智能分析与校核方法，其特征在于，步骤s5中，所述零值区间按下式确定：

10.根据权利要求9所述的变电站监控信息表智能分析与校核方法，其特征在于，步骤s5中，所述输出校核结果具体为：