一种适用于电网故障预案信息的检测提取方法与流程

1.本发明涉及电网故障预案信息提取的技术领域，尤其涉及一种适用于电网故障预案信息的检测提取方法。


背景技术：

2.随着我国能源结构的转型、分布式电源的快速发展和特高压交直流大容量输电线路的投运，电网的结构形态和系统特性日趋复杂，使得电网调控业务的难度和复杂度大幅增加；尤其是在电网故障情况下，为保证快速、安全恢复线路供电，维持电网负荷的安全稳定运行，对电网故障维护系统提出了更高的要求。
3.而电网故障预案作为调度员进行故障处置操作的重要参考依据，目前仍需手动查阅，由人工对照调度自动化系统中的实时数据进行故障的处置，智能化水平较低，当发生特高压直流大功率失去、极端自然灾害造成的设备相继故障跳闸时，告警繁多、信息分散、操作不便等问题十分突出，增加了调度故障处置难度及压力。
4.针对于电网故障预案信息进行相应的有效检测则会大大提高维护人员对电网故障预案的协调调度，当面对突发情况或信息分散时能够减小调度故障处置的难度和压力。


技术实现要素：

5.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
6.鉴于上述现有存在的问题，提出了本发明。
7.因此，本发明提供了一种适用于电网故障预案信息的检测提取方法，能够解决当前电网故障预案无法为维护人员提供较好的调度反馈造成调度处置难度较大的问题。
8.为解决上述技术问题，本发明提供如下技术方案：包括，预处理采集的电网故障预案信息，形成样本数据集；基于随机森林算法构建检测提取模型，对所述样本数据集进行信息检测的特征提取；验证提取的特征，若满足输出要求，则将最终得到的特征进行数值转化输出，得到检测值。
9.作为本发明所述的适用于电网故障预案信息的检测提取方法的一种优选方案，其中：所述预处理包括，对所述电网故障预案信息进行清洗、候选框标记、特征筛选和归一化处理，得到特征标签；对所述特征标签进行队列排序，生成所述样本数据集。
10.作为本发明所述的适用于电网故障预案信息的检测提取方法的一种优选方案，其中：所述样本数据集包括，训练集、测试集和验证集；从所述样本数据集中划分50％的样本数据作为所述训练集；将剩余的50％的所述样本数据集再划分25％作为所述测试集；最终剩下的25％的所述样本数据集作为所述验证集。
11.作为本发明所述的适用于电网故障预案信息的检测提取方法的一种优选方案，其中：构建所述检测提取模型包括，
[0012][0013]
其中，x＝{x1；x2；
…
；x
14
}：所述样本数据集特性向量组成的电网故障预案信息特性矩阵，y：电网故障预案信息的提取特性向量和空间信息，σ：核宽度，反应了分布、范围特性。
[0014]
作为本发明所述的适用于电网故障预案信息的检测提取方法的一种优选方案，其中：所述检测提取模型需进行训练，包括，初始化惩罚参数c和所述σ，利用所述训练集和所述测试集对所述检测提取模型的目标函数进行训练和测试；设定精度要求，若所述目标函数精度未达到要求，则根据误差对所述c和所述σ进行赋值优化，直到测试数据精度达到所述精度要求；设定阈值并输出训练完成的所述目标函数，将其作为所述检测提取模型。
[0015]
作为本发明所述的适用于电网故障预案信息的检测提取方法的一种优选方案，其中：所述特征提取包括，关键字、关键词、字母、语义的提取。
[0016]
作为本发明所述的适用于电网故障预案信息的检测提取方法的一种优选方案，其中：所述验证包括，将所述验证集导入所述检测提取模型中进行校验，若输出的校验结果满足输出要求，则所述检测提取模型可应用，否则重新进行精度训练。
[0017]
作为本发明所述的适用于电网故障预案信息的检测提取方法的一种优选方案，其中：得到所述检测值包括，
[0018]dn
＝u
tcnu[0019]
其中,cn为噪声协方差矩阵，dn为所述cn的特征值按照降序排列的对角矩阵，即矩阵值作为所述检测值，u为由特征向量组成的正交矩阵，t为特征向量，u
t
为特征向量的全矩阵。
[0020]
本发明的有益效果：本发明能够解决电网故障预案信息进行相应的有效检测则影响维护人员对电网故障预案的协调调度，当面对突发情况或信息分散时能够减小调度故障处置的难度和压力。
附图说明
[0021]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0022]
图1为本发明一个实施例所述的适用于电网故障预案信息的检测提取方法的流程示意图；
[0023]
图2为本发明一个实施例所述的适用于电网故障预案信息的检测提取方法的模型训练部分运行代码示意图。
具体实施方式
[0024]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下
所获得的所有其他实施例，都应当属于本发明的保护的范围。
[0025]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0026]
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0027]
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0028]
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0029]
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0030]
实施例1
[0031]
参照图1，为本发明第一个实施例，提供了一种适用于电网故障预案信息的检测提取方法，包括：
[0032]
s1：预处理采集的电网故障预案信息，形成样本数据集。其中需要说明的是，预处理包括：
[0033]
对电网故障预案信息进行清洗、候选框标记、特征筛选和归一化处理，得到特征标签；
[0034]
对特征标签进行队列排序，生成样本数据集。
[0035]
具体的，样本数据集包括：
[0036]
训练集、测试集和验证集；
[0037]
从样本数据集中划分50％的样本数据作为训练集；
[0038]
将剩余的50％的样本数据集再划分25％作为测试集；
[0039]
最终剩下的25％的样本数据集作为验证集。
[0040]
s2：基于随机森林算法构建检测提取模型，对样本数据集进行信息检测的特征提取。参照图2，本步骤需要说明的是，构建检测提取模型包括：
[0041][0042]
其中，x＝{x1；x2；
…
；x
14
}：样本数据集特性向量组成的电网故障预案信息特性矩阵，y：电网故障预案信息的提取特性向量和空间信息，σ：核宽度，反应了分布、范围特性。
[0043]
进一步的，检测提取模型需进行训练，包括：
[0044]
初始化惩罚参数c和σ，利用训练集和测试集对检测提取模型的目标函数进行训练和测试；
[0045]
设定精度要求，若目标函数精度未达到要求，则根据误差对c和σ进行赋值优化，直到测试数据精度达到精度要求；
[0046]
设定阈值并输出训练完成的目标函数，将其作为检测提取模型；
[0047]
特征提取包括，关键字、关键词、字母、语义的提取。
[0048]
s3：验证提取的特征，若满足输出要求，则将最终得到的特征进行数值转化输出，得到检测值。其中还需要说明的是，验证包括：
[0049]
将验证集导入检测提取模型中进行校验，若输出的校验结果满足输出要求，则检测提取模型可应用，否则重新进行精度训练。
[0050]
具体的，得到检测值包括：
[0051]dn
＝u
tcnu[0052]
其中,cn为噪声协方差矩阵，dn为cn的特征值按照降序排列的对角矩阵，即矩阵值作为检测值，u为由特征向量组成的正交矩阵，t为特征向量，u
t
为特征向量的全矩阵。
[0053]
优选地，本发明能够解决电网故障预案信息进行相应的有效检测则影响维护人员对电网故障预案的协调调度，当面对突发情况或信息分散时能够减小调度故障处置的难度和压力。
[0054]
实施例2
[0055]
本实施例不同于第一个实施例的是，提供了一种适用于电网故障预案信息的检测提取方法的验证说明，具体包括：
[0056]
为了更好地对本发明方法中采用的技术效果加以验证说明，本实施例选择以传统的电网故障预案信息提取方法进行对比测试，以科学论证的手段对比试验结果，以验证本发明方法所具有的真实效果。
[0057]
传统方法无法自适应有效、快速、准确检测提取电网故障预案信息，为验证本发明方法相对于传统方法具有较高的检测提取的准确性和效率，本实施例中将采用传统方法与本发明方法分别对仿真平台的电网故障预案信息进行提取测试对比。
[0058]
测试环境：将样本数据集、传统方法运用的学习策略和本发明方法运行的检测提取模型分别编写代码运行程序并导入仿真平台模拟运行，分别利用传统方法的深度学习运算进行测试并获得测试结果数据，采用本发明方法，则通过检测提取模型进行测试并获得测试结果数据，通过matlb软件实现仿真模拟，根据实验结果获得仿真数据，每种方法各测试100组数据，计算获得每组数据的时间，与仿真模拟输入的实际预测值进行误差对比计算。结果如下表所示。
[0059]
表1：效率对比表。
[0060] 测试前期/s测试中期/s测试后期/s传统方法2.8731.9272.064本发明方法0.6720.7610.810
[0061]
参照表1，能够直观地看出，本发明方法相对于传统方法具有更高的效率，即，验证了本发明方法所具有的真实效果。
[0062]
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。