一种基于大模型的表箱数据处置策略生成方法与流程
本发明属于电力系统运维,尤其涉及一种基于大模型的表箱数据处置策略生成方法。
背景技术:
1、表箱作为配电网末端的关键节点,其运行状态直接决定供电可靠性与用电安全水平。在电网实际运行中,当表箱发生状态参数异常或突发停电事件时,扰动会沿电气连接路径在多个表箱间传播扩散,形成连锁反应,严重时可导致区域供电中断。
2、当前电力运维实践中,表箱异常事件的处理主要依赖运维人员现场经验排查或基于固定阈值的简单报警机制。部分技术方案尝试引入电气拓扑结构分析,通过物理线路连接关系推断故障传播路径;另一些方法采用统计相关性分析,计算不同监测点电压或电流的关联程度以识别异常区域。此外,部分系统实施表箱重要性标签管理,依据用户类型(如医院、政府机构等)配置运维优先级。
3、然而,这些现有技术普遍存在局限性:其一,缺乏基于电压波动时序相关性的动态关联分群能力,无法在扰动发生时实时识别受同一事件影响的表箱群组,导致群组划分与实际扰动传播脱节;其二,根因定位过程未建立扰动传播影响因子的定量分析模型,过度依赖人工经验判断,造成定位结果偏差较大;其三,风险评估环节未能将扰动传播影响因子与表箱重要性标签进行有机融合,对关键表箱的风险预警缺乏针对性;其四,处置策略生成缺乏从综合影响风险到待调控物理量的量化映射机制,且未设置强制约束向量进行策略合规性校验与回滚,使得决策过程难以适应复杂电网场景的动态需求。上述缺陷严重制约了配电网异常事件的响应效率与处置精度。
技术实现思路
1、针对现有技术的不足,本发明提供了一种基于大模型的表箱数据处置策略生成方法,解决了上述问题。
2、为实现以上目的,本发明通过以下技术方案予以实现:一种基于大模型的表箱数据处置策略生成方法,该方法具体包括:
3、采集表箱电压值,根据表箱电压值,确定表箱之间的电压波动皮尔逊相关性系数;
4、根据表箱之间的电压波动皮尔逊相关性系数,确定表箱关联群组集合;
5、基于表箱关联群组集合,捕捉表箱关联群组集合中任一表箱的异常事件,采集表箱关联群组集合中每个表箱在异常事件发生前后电压值和功率值;
6、根据表箱关联群组集合中每个表箱在异常事件发生前后电压值和功率值,解析表箱之间的扰动传播影响因子,并确定根因表箱;
7、采集根因表箱的重要性标签,根据根因表箱的重要性标签和与根因表箱对应的扰动传播影响因子,确定综合影响风险指数;
8、采集根因表箱的当前状态数据,根据综合影响风险指数、与根因表箱对应的扰动传播影响因子和根因表箱的当前状态数据,生成表箱数据处置策略。
9、在上述技术方案的基础上,本发明还提供以下可选技术方案:
10、进一步的技术方案:所述确定表箱之间的电压波动皮尔逊相关性系数,具体包括:
11、采集表箱电压值,并对表箱电压值进行归一化处理,得到表箱电压归一化值;
12、根据表箱电压归一化值,确定表箱之间的电压波动皮尔逊相关性系数。
13、进一步的技术方案:所述确定表箱之间的电压波动皮尔逊相关性系数,采用公式表述为:;
14、上式中,指的是表箱a与表箱b之间的电压波动皮尔逊相关性系数,指的是表箱a在时刻t时的表箱电压归一化值,指的是表箱a在整个时间窗口内的表箱电压归一化均值,指的是表箱b在时刻t时的表箱电压归一化值,指的是表箱b在整个时间窗口内的表箱电压归一化均值,t指的是时刻数量。
15、进一步的技术方案:所述对表箱电压值进行归一化处理的方式为min-max标准化方法。
16、进一步的技术方案:所述确定扰动传播影响因子,采用公式表示为:;
17、上式中,指的是表箱j对表箱i的扰动传播影响因子,指的是在异常事件起始时刻表箱i的电压变化绝对值,指的是在异常事件发生前表箱i的稳态基准电压值,指的是在异常事件起始时刻表箱j的有功功率变化绝对值,指的是稳态基准有功功率值。
18、进一步的技术方案:所述根据扰动传播影响因子,确定根因表箱,采用公式表示为:;
19、上式中,指的是根因表箱,指的是表箱j对表箱i的扰动传播影响因子,指的是表箱关联群组集合。
20、进一步的技术方案:所述确定综合影响风险指数,采用公式表示为:;
21、上式中,指的是综合影响风险指数,指的是与根因表箱对应的扰动传播影响因子,指的是根因表箱的重要性标签的映射值,均为权重系数,且。
22、进一步的技术方案:所述生成表箱数据处置策略,具体包括:
23、采集根因表箱的当前状态数据,根据综合影响风险指数、与根因表箱对应的扰动传播影响因子和根因表箱的当前状态数据,确定根因表箱的待调控物理量;
24、根据根因表箱的待调控物理量,生成表箱数据处置策略。
25、进一步的技术方案:所述确定根因表箱的待调控物理量,采用公式表示为:;
26、上式中,指的是根因表箱的待调控物理量,指的是综合调节效率系数,指的是综合影响风险指数,指的是与待调控物理量对应的根因表箱的当前状态数据,指的是根因表箱对应的扰动传播影响因子,n指的是表箱关联群组集合中表箱的数量。
27、进一步的技术方案:所述根据根因表箱的待调控物理量,生成表箱数据处置策略,其限制条件为:根因表箱的待调控物理量不得违反根因表箱的强制约束向量,否则进行策略回滚;其中,强制约束向量的确定方式为:根据根因表箱所在的表箱关联群组集合中所有表箱的重要性标签进行确定。
28、本发明提供了一种基于大模型的表箱数据处置策略生成方法,与现有技术相比具备以下有益效果:
29、本发明通过动态划分表箱关联群组、定量解析扰动传播影响因子、融合重要性标签的风险评估及强制约束向量校验机制,实现了电网异常事件的精准定位与科学处置,同时还实现了表箱关联群组的动态划分、扰动传播影响因子的定量解析、根因表箱的精准定位以及基于综合影响风险指数的科学处置策略生成,有效提升了电网异常事件的响应效率与处置精度,进而实现了表箱异常处置的全链路智能化决策。
1.一种基于大模型的表箱数据处置策略生成方法,其特征在于,该方法具体包括:
2.根据权利要求1所述的基于大模型的表箱数据处置策略生成方法,其特征在于,所述确定表箱之间的电压波动皮尔逊相关性系数,具体包括:
3.根据权利要求2所述的基于大模型的表箱数据处置策略生成方法,其特征在于,所述确定表箱之间的电压波动皮尔逊相关性系数,采用公式表述为:;
4.根据权利要求2所述的基于大模型的表箱数据处置策略生成方法,其特征在于,所述对表箱电压值进行归一化处理的方式为min-max标准化方法。
5.根据权利要求1所述的基于大模型的表箱数据处置策略生成方法,其特征在于,所述确定扰动传播影响因子,采用公式表示为:;
6.根据权利要求1所述的基于大模型的表箱数据处置策略生成方法,其特征在于,所述根据扰动传播影响因子,确定根因表箱,采用公式表示为:;
7.根据权利要求1所述的基于大模型的表箱数据处置策略生成方法,其特征在于,所述确定综合影响风险指数,采用公式表示为:;
8.根据权利要求1所述的基于大模型的表箱数据处置策略生成方法,其特征在于,所述生成表箱数据处置策略,具体包括:
9.根据权利要求8所述的基于大模型的表箱数据处置策略生成方法,其特征在于,所述确定根因表箱的待调控物理量,采用公式表示为:;
10.根据权利要求8所述的基于大模型的表箱数据处置策略生成方法,其特征在于,所述根据根因表箱的待调控物理量,生成表箱数据处置策略,其限制条件为:根因表箱的待调控物理量不得违反根因表箱的强制约束向量,否则进行策略回滚;其中,强制约束向量的确定方式为:根据根因表箱所在的表箱关联群组集合中所有表箱的重要性标签进行确定。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com