一种配电网评估诊断分析方法、装置、设备及存储介质

技术领域

本发明涉及配电网评估诊断领域，具体的是一种在配电网出现故障问题时，评估诊断分析的方法、装置、设备及存储介质。

背景技术

配电网呈现点多面广、变化快、结构复杂的特征，导致其建设管理水平存在不足，问题杂乱，未能有效梳理，且对故障问题缺少系统性的数据分析，不能从源头上提出解决方案，仅靠人为对现有问题进行分析，由于依靠人工排查梳理的评估诊断受到人员素质的影响，对决策实施的必要性和准确性有一定影响，使得运行中暴露的问题不能按轻重缓急有序解决，导致部分问题未及时解决影响设备的安全运行。

随着近年来电网智能设备的普及以及数据分析算法的成熟，人工智能算法辅助诊断分析的实现逐渐成为可能。与传统主观判断、人工巡检方式相比，人工智能充分利用了物联数据，挖掘了数据间隐含的非线性关系，为配电网诊断分析及辅助决策提供了可靠的数据支持与方法支撑，随着配电网诊断分析及辅助决策系统的研发深化应用，将能够帮助巡检人员检测电网故障，保障配电网巡检工作的有序、高效开展。

发明内容

为解决上述背景技术中提到的不足，本发明的目的在于提供一种配电网故障评估诊断分析方法、装置、设备及存储介质，以快速、准确地确定配电网设备故障的处理方案。通过实现配电网故障处理的辅助分析决策，提高配电网故障诊断的准确性，保障配电网智能巡检工作的有序、高效开展，节约资源投入。

本发明的目的可以通过以下技术方案实现：

本发明公开了一种配电网评估诊断分析方法，包括以下步骤：

S1：获取被测配电网设备的被测状态参数，被测状态参数包括配电网设备的年度最大负载率、配变运行年限、供电半径、供电区域、是否故障、缺陷、异常、型号、配变容量；

S2：将被测状态参数输入到预先训练完成的配电网评估诊断模型中，得到输出的被测配电网设备故障的处理方法，配电网评估诊断模型基于决策树算法训练得到。

优选地，配电网评估诊断模型的构建方法包括以下步骤：

(1)获取被观测目标配电网的样本状态参数，并将样本状态参数封装为样本数据保存在训练样本数据库中；

(2)为训练样本数据库设置训练样本条目阈值，当训练样本数据库中新接收的样本数目达到该阈值时，将样本作为配电网评估诊断模型的训练数据；

(3)根据训练样本数据库提供的不同训练数据，根据不同特征进行分类，比较不同分类方法下熵的变化程度，得到最终使得熵最大的分类规则，完成对配电网评估诊断模型的训练；

(4)根据训练数据集，对现有的配电网评估诊断模型参数进行实时的更新，得到可人工修改数据库的配电网评估诊断模型。

优选地，步骤(1)中样本状态参数包括被观测配电网设备的年度最大负载率、配变运行年限、供电半径、供电区域、是否故障、缺陷、异常、型号、配变容量。

优选地，步骤(2)中样本数据可以通过人工方式进行修改，即所述样本数据库中的数据并不是固定不变的。

本发明还公开了一种配电网评估诊断装置包括被测状态参数获取模块和故障处理方案输出模块；

被测状态参数获取模块用于获取被测配电网设备的被测状态参数，被测状态参数包括被测配电网设备的年度最大负载率、配变运行年限、供电半径、供电区域、是否故障、缺陷、异常、型号、配变容量。

故障处理方案输出模块用于将被测配电网状态参数和输入到预先训练完成的配电网评估诊断模型中，得到输出的被测配电网的诊断结果及对应的故障处理方案，配电网评估诊断模型基于决策树模型训练得到。

本发明还公开了一种设备，包括存储器和一个或多个处理器，存储器用于存储至少一个程序数据，程序数据被处理器执行，使得处理器实现上述配电网评估诊断分析方法。

本发明还公开了一种存储介质，存储介质包含计算机可执行指令，计算机可执行指令在由计算机处理器执行时用于执行上述配电网评估诊断分析方法。

本发明的有益效果：

本发明通过基于决策树算法建立配电网故障处理方案决策模型，解决了配电网络对故障问题梳理缺乏统一数据分析、技术人员素质偏差较大、问题轻重缓急区分不明确导致问题无法及时解决的问题。能够保障配电网巡检工作的有序、高效开展。

附图说明

下面结合附图对本发明作进一步的说明；

图1是本发明实施例一提供的一种配电网评估诊断分析方法的流程图；

图2是本发明实施例二提供的一种配电网评估诊断分析方法的流程图；

图3是本发明实施例三提供的一种配电网评估诊断分析方法的流程图；

图4是本发明实施例三提供的一种模拟配电网评估诊断分析的具体实例示意图；

图5是本发明实施例四提供的一种配电网评估诊断分析装置的示意图；

图6是本发明实施例五提供的一种设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系，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组件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。

实施例一

图1是本发明实施例一提供的一种配电网评估诊断分析方法的流程图，本实施例可适用于对目标资源进行故障处理方案决策的情况，该方法可以由配电网评估诊断分析装置来执行，该装置可采用软件和/或硬件的方式实现，该装置可以配置于终端设备中。具体包括如下步骤：

S110、获取被测目标的被测状态参数。

其中，示例性的，目标资源可以是硬件设备，如超声设备，也可以是能源材料，如钢材，还可以是食品类，如牛奶。

决策树是一种典型的机器学习分类模型，模型对对象属性与对象值之间建立了一种映射关系，因此可以直接处理非数值类的输入。决策树基于信息学理论来度量系统的凌乱程度，例如ID3算法采用信息增益，C4.5算法采用信息增益率来进行衡量，从而使得预测分类具有较好的效果。在本实施例中，模型的输入数据为所述被观测配电网设备的年度最大负载率、配变运行年限、供电半径、供电区域、是否故障、缺陷、异常、型号、配变容量，输出层输出数据为所述被观测配电网设备的故障处理方案。

在一个实施例中，可选的，被测状态参数包括年度最大负载率、配变运行年限、供电半径、供电区域、是否故障、缺陷、异常、型号、配变容量。在实际应用中，上述数据由配电网的信息系统所记录。在本实施例中，所记录故障数据对应的处理方案能够手动地写入数据库并进行修改。

S120、将被测状态参输入到训练完成的配电网评估诊断模型中，得到输出的故障处理方案。

在一个实施例中，可选的，配电网评估诊断模型基于决策树算法训练得到。其中，决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。C4.5算法使用信息增益率避免了用信息增益选择属性时偏向选择取值多的属性的问题，并且在构造过程中进行了剪枝，使得树结构不会过分膨胀，对连续数据离散化的处理也符合供电半径等特征的数据特性。通过训练使得树结构对训练数据信息增益率最大，得到对应的分类规则。

本实施例的技术方案，通过基于决策树模型训练配电网评估诊断模型，解决了配电网络对故障因技术人员素质偏差较大导致的问题轻重缓急区分不明确、无法及时解决的问题。为配电网巡检工作提供了基于数据分析的决策手段，保证了配电网巡检及故障处理工作有序、高效地开展。

实施例二

图2是本发明实施例二提供的一种配电网评估诊断分析方法的流程图，本实施例的技术方案是上述实施例的基础上的进一步细化。可选的，所述配电网评估诊断模型基于决策树算法训练得到，包括：获取观测配电网设备的样本状态参数，并将所述样本状态参数输入到配电网评估诊断分析模型中；其中，所述样本状态参数包括被观测配电网设备的年度最大负载率、配变运行年限、供电半径、供电区域、是否故障、缺陷、异常、型号、配变容量；根据实时采集的被观测配电网设备样本状态参数确定样本数据，并将所述样本数据保存在训练数据库中；其中，所述样本数据包括被观测配电网设备的年度最大负载率、配变运行年限、供电半径、供电区域、是否故障、缺陷、异常、型号、配变容量。基于所述训练数据库中的样本数据及预设的训练数据库样本条目阈值，对初始化的模型进行训练得到配电网评估诊断分析模型。

本实施例的具体实施步骤包括：

S210、获取目标配电网设备的样本状态参数，并对初始的配电网评估诊断模型的部分参数进行随机初始化。

S220、根据获取的样本状态参数封装成样本数据，并将样本数据保存在训练样本数据库中。

在一个实施例中，可选的，样本状态参数包括被观测配电网设备的年度最大负载率、配变运行年限、供电半径、供电区域、是否故障、缺陷、异常、型号、配变容量。

在一个实施例中，样本数据应当由配电网管理端设备相关的信息中心中获得，优选地，包括历史数据及实时数据。

S230、根据训练样本数据库所确定的训练集，对现有的初始化模型进行训练得到配电网评估诊断模型。

其中，示例性的，为训练样本数据库设置初始化的训练样本条目阈值，该阈值可以是50条或100条。具体地，当数据库中新接收的样本条目达到该阈值时，以所述新样本条目生成训练集，对现有的配电网评估诊断模型进行训练，使得配电网评估诊断模型能够实时更新参数，在接收观测样本状态参数时能够输出与观测样本对应的故障解决方案。可选地，数据库中的数据可以人工地进行修改。

在一个实施例中，具体地，根据从训练样本数据库接收到的训练数据集，选择不同的特征进行分类，计算分类后的信息增益率，具体地，信息增益率的计算可以由下式得到：

其中，分子部分为信息增益，分母部分为分裂信息度量，具体地，其计算方式如下：

根据上述规则递归地构造决策树，可完成配电网评估诊断模型的训练。

S240、获取被观测配电网设备的被测状态参数；

S250、将被测状态参数输入到预先训练完成的配电网评估诊断模型中，得到输出被观测配电网诊断结果及故障处理方案。

本实施例的技术方案，通过采用历史设备故障处理数据对基于决策树的配电网故障处理方案决策模型进行训练，解决了目前配电网中故障处理问题过多依赖于技术人员素质、无法及时解决的问题，加快了配电网故障处理的速度和准确性，同时能够节约部分人力资源的投入。

实施例三

图3是本发明实施例三提供的一种配电网评估诊断分析方法的流程图，本实施例的技术方案是上述实施例的基础上的进一步细化。其中，所述资源对象包括与所述初始配电网评估诊断模型对应的资源对象；所述资源对象参数包括年度最大负载率、配变运行年限、供电半径、供电区域、是否故障、缺陷、异常、型号、配变容量。

本实施例的具体实施步骤包括：

S310、通过配电网终端采集装置获取目标资源的样本状态参数，并对初始的配电网评估诊断模型进行初始化；

S320、根据获取的目标资源样本数据，将样本数据保存在训练样本数据库中；

S330、根据预设数据库样本条目，基于训练样本数据库中存储的最近样本数据集确定配电网评估诊断模型的训练数据集；

S340、根据配电网评估诊断模型的训练数据集，通过根据不同特征分类得到的熵变化对特征进行排序，直到最终获得熵最大的分类规则，改规则则对应模型的参数，规则生成的过程就是配电网评估诊断模型的训练过程；

即根据样本数据库提供的不同训练数据，每次均随机初始化部分参数，然后根据训练数据进行特征评分，生成决策树结构，完成对配电网评估诊断模型的训练；

S350、获取目标配电网设备的被测状态参数。

具体地，目标配电网设备的被测状态参数可以是人为地设定。因为此时的配电网评估诊断模型已经经过了训练，可以对被观测配电网设备的假想状态参数进行计算。

S360、将被测状态参数输入到预先训练完成的配电网评估诊断模型中，得到输出的被观测配电网的诊断结果及故障处理方案。

图4是本发明实施例三提供的一种配电网评估诊断模型的训练结果示意图。图中树的每一个叶子节点表示一项故障处理方案，方案的具体内容如表1所示，具体地，配电网故障的处理方案被分为五类。

图中的每一个非叶子节点代表一项分类规则，当输入一个新的被观测配电网设备的样本参数时，根据样本参数中特征的内容从树根出发向下推进，直至到达叶子节点，此时通过诊断结果输出模块给出被观测配电网的诊断及过及相应的故障解决方案。

表1配电网故障的处理方案

在本具体实例中，将训练样本数据库的样本条目阈值设为100，即当新加入样本数据库的样本数达到该阈值时，对配电网评估诊断模型的参数进行以此更新。且数据库中的数据随时可以人工地进行更改。根据训练集的大小不同，决策树的效果也不同，测试集准确率如表2所示：

表2不同大小数据集的影响

在本示例中，模型在测试集上的最高准确率达到了97.1％。

本实施例的技术方案，基于历史收集的故障处理对配电网评估诊断模型进行了训练，解决了目前配电网中故障处理问题过多依赖于技术人员素质、无法及时解决的问题，利用了大量的现有历史故障数据，提高了配电网评估诊断及决策的的效率，能够减少对应的人力投入，提高资源利用效率。

实施例四

图5是本发明实施例四提供的一种配电网评估诊断装置的示意图。本实施例可适用对观测配电网设备评估诊断分析的情况，该装置可采用软件和/或硬件的方式实现，该装置可以配置于终端设备中。该配电网评估诊断分析装置包括：被测配电网络状态参数获取模块410和故障处理方案输出模块420。

其中，被测配电网络状态参数获取模块410，用于获取配电网的被测状态参数，其中，被测节点参数包括在观测状态下该配电网设备的年度最大负载率、配变运行年限、供电半径、供电区域、是否故障、缺陷、异常、型号、配变容量；

诊断结果及处理方案输出模块420，用于将被测状态参数输入到预先训练完成的配电网评估诊断模型中，得到输出的被观测配电网的评估结果及故障处理方案。其中，配电网评估诊断模型基于决策树模型训练得到。

本实施例的技术方案，通过基于决策树模型训练配电网评估诊断模型，解决了配电网络对故障因技术人员素质偏差较大导致的问题轻重缓急区分不明确、无法及时解决的问题。在上述技术方案的基础上，可选的，目标设备为配电网络中的设备，网络节点的被测状态参数为年度最大负载率、配变运行年限、供电半径、供电区域、是否故障、缺陷、异常、型号、配变容量。

在上述技术方案的基础上，可选地，装置还包括配电网评估诊断模型训练模块，配电网评估诊断模型训练模块包括：

样本状态参数获取单元，用于获取目标节点的样本状态参数，并将样本状态参数输入到配电网评估诊断模型中；

样本保存单元，用于将样本状态参数获取单元获取的实际样本数据进行封装，并将样本数据保存在训练数据样本数据库中；其中，样本数据包括被观测配电网设备。

配电网评估诊断模型训练单元，用于根据预设训练数据条目数，基于训练样本数据库中存储的对应条目数的样本数据确定配电网评估诊断模型的内部参数。

本发明实施例所提供的配电网评估诊断分析装置可以用于执行本发明实施例所提供的配电网评估诊断分析方法，具备执行方法相应的功能和有益效果。

值得注意的是，上述配电网评估诊断分析装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

实施例五

图6是本发明实施例五提供的一种设备的结构示意图，本发明实施例为本发明上述实施例的配电网评估诊断分析的实现提供服务，可配置上述实施例中的配电网评估诊断分析装置。图6示出了适于用来实现本发明实施方式的示例性设备12的框图。图6显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM30)和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图6所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序数据，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的配电网评估诊断分析方法。

通过上述设备，解决了目前配电网中故障处理问题过多依赖于技术人员素质、无法及时解决的问题，加快了配电网故障处理的速度和准确性，同时能够节约部分人力资源的投入，使得资源的利用效率与收益最大化。

实施例六

本发明实施例六还提供了一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种配电网评估诊断分析方法，该方法包括：

获取被观测配电网的被测状态参数，其中，被测状态参数包括各设备的年度最大负载率、配变运行年限、供电半径、供电区域、是否故障、缺陷、异常、型号、配变容量。

将被测状态参数输入实时训练完成的配电网评估诊断模型中，得到输出的诊断结果及对应的故障处理方案，其中，配电网评估诊断模型基于决策树模型训练得到。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作，还可以执行本发明任意实施例所提供的配电网评估诊断分析方法中的相关操作。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。