母线接线类型辨识方法、系统、存储介质及计算设备与流程

1.本发明涉及一种母线接线类型辨识方法、系统、存储介质及计算设备，属于领域。


背景技术：

2.近年来随着电力系统的不断发展与进步，电网安全监控受到广泛关注。电网运行人员主要采用图形化界面方式进行监控、管理，然而目前电力接线图主要采用人工手段进行绘制，这种绘制方式会给电力建设和运行维护带来额外的工作负担，进而影响电力运维人员的工作效率，因此利用模型自动识别技术实现电力接线图的自动绘制成为了电力技术领域的重点研究方向。
3.在电力接线图自动绘制过程中，可根据iec61970协议解析公共信息模型cim(common information model)文件获取图中电力设备的模型信息和拓扑连接情况。由于电力网络拓扑结构的复杂性，在电力接线图自动绘制之前需对电力设备的连接方式进行辨识，其中母线作为电力接线图中的主要设备之一，在不同的电气接线图中存在着不同的接线类型。
4.目前现有母线接线类型辨识方法通过人工设置的策略进行识别，难以充分挖掘不同母线接线方式间的内在规律，辨识过程并未充分利用设备的模型信息，辨识结果的准确性较差。


技术实现要素：

5.本发明提供了一种母线接线类型辨识方法、系统、存储介质及计算设备，解决了现有辨识方法的辨识结果准确性较差的问题。
6.为了解决上述技术问题，本发明所采用的技术方案是：
7.母线接线类型辨识方法，包括，
8.解析待识别cim文件，获取待识别cim文件中的母线组；
9.将母线组的特征输入预先训练的基于随机森林算法的母线接线类型分类模型，辨识出母线组中母线的接线类型。
10.训练基于随机森林算法的母线接线类型分类模型，具体过程为，
11.收集并解析历史厂站的cim文件，构建训练样本集；
12.采用训练样本集，训练基于随机森林算法的母线接线类型分类模型。
13.收集并解析历史厂站的cim文件，构建训练样本集，具体过程为，
14.收集并解析历史厂站的cim文件，获取cim文件中各设备之间的拓扑关系；
15.根据拓扑关系，将连接相同负荷的母线归至同一个母线组中；
16.获取母线组的特征；
17.将母线组的特征以及该母线组中母线的接线类型作为样本，构建训练样本集；其中，同一母线组中所有母线接线类型一致。
18.获取母线组的特征，具体过程为，
19.获取每条母线到母线组其他母线的路径；其中，路径中保存有非刀闸节点；
20.根据路径中的节点，对路径进行分类，获取母线组中各类路径的数量，将母线组中各类路径的数量作为该母线组的特征。
21.路径的种类包括多设备路径、混合路径、单设备路径和虚路径；
22.其中，若路径中包含多个设备节点，则该路径为多设备路径；
23.若路径中存在一个设备节点和连接点，则该路径为混合路径；
24.若路径中只存在一个设备节点，则该路径为单设备路径；
25.若路径中不存在设备节点，则该路径为虚路径。
26.对拓扑关系进行清洗，根据清洗后的拓扑关系，将连接相同负荷的母线归至同一个母线组中。
27.还包括根据设备的模型信息对辨识出母线接线类型进行反向校核和验证；其中，设备为厂站内与母线组相关联的进出线间隔中的设备。
28.母线接线类型辨识系统，包括，
29.母线组获取模块：解析待识别cim文件，获取待识别cim文件中的母线组；
30.辨识模块：将母线组的特征输入预先训练的基于随机森林算法的母线接线类型分类模型，辨识出母线组中母线的接线类型。
31.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行母线接线类型辨识方法。
32.一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行母线接线类型辨识方法的指令。
33.本发明所达到的有益效果：1、本发明采用基于随机森林算法的母线接线类型分类模型进行母线接线类型辨识，相较于传统的方法提高了辨识的准确性和效率；2、本发明采用设备的模型信息对辨识出母线接线类型进行反向校核和验证，进一步提高了辨识的准确性；3、本发明将母线组中各类路径的数量作为母线组特征，能够充分反映不同接线方式下母线组的特点，增加了辨识过程的可信性。
附图说明
34.图1为本发明方法的流程图；
35.图2位一个具体的电气连接图。
具体实施方式
36.下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
37.如图1所示，母线接线类型辨识方法，包括以下步骤：
38.步骤1，解析待识别cim文件，获取待识别cim文件中的母线组；其中，母线组中的母线为典型母线；
39.步骤2，将母线组的特征输入预先训练的基于随机森林算法的母线接线类型分类模型，辨识出母线组中母线的接线类型。
40.上述方法采用基于随机森林算法的母线接线类型分类模型进行母线接线类型辨识，相较于传统的方法提高了辨识的准确性和效率。
41.上述步骤1中，通过解析待识别cim文件，可获得cim文件中各设备之间的拓扑关系，然后对拓扑关系进行清洗，对非典型接线母线及其连接的设备进行过滤，将连接相同负荷的母线归至同一个母线组中。
42.基于随机森林算法的母线接线类型分类模型结构为现有的结构，该模型需要事先进行训练，在辨识时，只需调用该模型即可。
43.训练基于随机森林算法的母线接线类型分类模型，具体过程如下：
44.21)收集并解析历史厂站的cim文件，构建训练样本集；
45.具体过程为：
46.1)收集并解析历史厂站的cim文件(500份)，获取cim文件中各设备之间的拓扑关系；
47.2)对拓扑关系进行清洗，即非典型接线母线及其连接的设备进行过滤，根据清洗后的拓扑关系，将连接相同负荷的母线归至同一个母线组中；
48.3)获取母线组的特征；
49.这里将母线组中各类路径的数量作为母线组特征，具体获取过程如下：
50.a)以每条母线为起点进行搜索，获取每条母线到母线组其他母线的路径，并将搜索过程中遭遇的非刀闸节点保存至路径中，即路径中保存有非刀闸节点；
51.b)根据路径中的节点，对路径进行分类，获取母线组中各类路径的数量，将母线组中各类路径的数量作为该母线组的特征；
52.路径的种类包括多设备路径、混合路径、单设备路径和虚路径；其中，若路径中包含多个设备节点，则该路径为多设备路径；若路径中存在一个设备节点和连接点，则该路径为混合路径；若路径中只存在一个设备节点，则该路径为单设备路径；若路径中不存在设备节点，则该路径为虚路径；
53.4)将母线组的特征以及该母线组中母线的接线类型作为样本，构建训练样本集；其中，同一母线组中所有母线接线类型一致；
54.因此训练样本集可表示为{x
i
,y
i
}，其中，i＝1,2,3,...,1200，x
i
＝{x
i1
,x
i2
,x
i3
,x
i4
}代表由第i个母线组中多设备路径、混合路径、设备路径以及虚路径的数量组成的行向量，y
i
每个母线组的标签，即母线组中母线的接线类型，由母线组内母线之间的接线类型进行赋值
55.22)采用训练样本集，训练基于随机森林算法的母线接线类型分类模型；
56.将训练样本集利用随机放回抽样生成10份数量相同的子训练集，在每个子训练集中利用cart分类树实现对母线接线类型的分类，最后结合10个cart分类树取得的分类结果实现对母线接线方式的辨识。
57.具体流程如下：
58.a1)对于cart树中某节点的子训练集d，如果样本特征的数量为0或者训练集中的基尼系数小于阈值，则当前节点停止递归；
59.式中，t代表母线典型接线的类别数量，c
i
代表第i类接线方式中的母线数量，|d|
代表子训练集中的样本总量。
60.a2)计算当前节点下现有特征中各特征值的对于d的基尼系数式中，d1和d2分别代表根据特征a中的特征值a将d分成的两部分子集。
61.a3)通过比较各特征的不同特征值对d进行分割后得到的基尼系数，选取基尼系数最小的特征a和特征值a作为分割标准，将d划分为d1和d2两部分。
62.a4)在分割得到的子集中递归进行a1)～a3)最终生成cart分类树。
63.a5)将10棵cart树得到的分类结果进行综合，最终得到基于随机森林算法的母线接线类型分类模型。
64.第n棵cart分类树的分类结果其中，c代表样本最终进入的叶节点中预测样本的总数量，第n棵树的最终分类结果为训练样本在叶节点中概率最大的类别；k棵cart分类树组成的随机森林得到的分类结果
65.训练完母线接线类型分类模型后，即可对其进行使用，在需要辨识时，解析待识别cim文件，获取待识别cim文件中的母线组，将母线组的特征输入母线接线类型分类模型，辨识出母线组中母线的接线类型，最后根据设备的模型信息(如母线和间隔的命名规范)对辨识出母线接线类型进行反向校核和验证，确保辨识的有效性和准确性，并根据母线名称辨识不同母线组中的正母、付母以及旁母；其中，设备为厂站内与母线组相关联的进出线间隔中的设备。
66.附图2是一个具体电气接线图，图中包括两个变压器，共具有三个电压等级。其中，高压侧的两条i、ii母线为3/2接线，中压侧的甲乙母线和丙丁母线均为双母接线，低压侧iii、iv母线均为单母接线。
67.在辨识图中母线接线方式时，首先解析描述该接线图的cim文件，提取图中母线、设备之间的拓扑连接关系，并根据连接关系将高压i、ii母线、甲乙双母接线、丙丁双母接线、iii母线和iv母线划分为5个母线组；
68.之后，以母线组中每一条母线为起点搜索该母线到母线组其他母线的路径，并将搜索过程中遭遇的非刀闸节点保存至路径中，根据路径中的节点信息将其分为多设备路径、混合路径、单设备路径和虚路径四种，提取母线组中四种路径的数量作为特征；
69.接下来，将图中各母线组中提取得到的特征输入至母线接线类型分类模型，并最终辨识出每个母线组中母线的接线方式：高压i、ii母线为3/2接线、甲乙母线为双母接线、丙丁母线为双母接线、iii母线和iv母线均为单母接线；
70.最后，根据电力调度中对母线和间隔的命名规范对识别得到的母线接线方式进行校核和验证，并根据母线的名称确认甲母线和丙母线分别为双母接线中的主母线、乙母线和丁母线分别为双母接线中的付母线。
71.所有的母线接线方式辨识好之后，可以此为基础开展电气接线图的自动绘制过程，提高电力运维的工作效率。
72.母线接线类型辨识系统，包括：
73.母线组获取模块：解析待识别cim文件，获取待识别cim文件中的母线组；
74.辨识模块：将母线组的特征输入预先训练的基于随机森林算法的母线接线类型分类模型，辨识出母线组中母线的接线类型。
75.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行母线接线类型辨识方法。
76.一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行母线接线类型辨识方法的指令。
77.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
78.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
79.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
80.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
81.以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。