一种基于AI技术的电网异常检测方法

技术领域

本发明涉及电网检测领域，尤其涉及一种基于AI技术的电网异常检测方法。

背景技术

电力系统在正常运行中，会因受到内部或外部的扰动而出现异常。电力系统针对异常情况的处理流程可分为检测、定位、识别以及异常处理四个环节。若能快速、灵敏的检测出电网异常，或在电网质量指标超限之前准确做出判断，就能及时做出预案和计划，可为后续异常的定位、种类识别和处理赢得更多的反应时间，避免小扰动发展成大扰动，减轻甚至避免扰动异常对电力系统造成的影响。因此，异常的快速检测算法研究是电网异常检测的发展方向；

而现有的检测方法一般采用的是基于历史数据直接训练的网络模型，对电网运行进行检测，这种模型检测仅仅考虑了单一的数据统计规律，而并未深入内在的数据联系，导致检测的精度不高，经常出现错误检测，影响检测质量。

发明内容

为了解决上述问题，本发明的目的在于提供，可以更全面地分析设备的运行状态和性能，并为运维人员提供更准确的异常检测和决策支持。

为实现上述目的，本发明采用以下技术方案：

一种基于AI技术的电网异常检测方法，包括以下步骤：

步骤S1：通过整合和建立电网相关的知识，形成一个结构化的电网知识图谱，包括电网拓扑结构、设备信息、运行规则以及知识关联；

步骤S2:获取电网历史运行数据，并预处理；

步骤S3:根据预处理后的电网历史运行数据，进行特征提取，并将这些特征与电网知识图谱进行关联；

步骤S4:采用图卷积网络，基于提取的特征进行训练，在训练过程中结合电网知识图谱中的信息，引入相关的知识和规则，得到电网异常检测模型；

步骤S5:基于电网异常检测模型对实时监测数据进行检测，判断当前电网是属于正常运行还是异常状态；

步骤S6:如果检测到异常情况，基于知识图谱获取决策支持，并发送警报通知以及决策支持给相关人员。

进一步的，所述电网知识图谱具体如下：

电网拓扑结构：

节点：变电站、发电站、负荷中心；

边：变电站之间的连接线路、发电站与变电站之间的连接线路、负荷中心与变电站之间的连接线路；

所述设备信息包括变电站设备信息，发电站设备信息以及负荷设备信息；

所述运行规则包括线路的额定容量、线路允许的最大负荷，设备的开关状态、设备的温度、设备的湿度、电网的运行模式以及电网的调度策略；

所述知识关联根据实际电网运行情况获取，用于描述各节点的关系以及运行状态。

进一步的，所述步骤S2具体为：

从电网中采集电流和电压数据，对采集到的数据进行预处理，包括数据清洗、去噪、补全缺失值；

对预处理后的电流和电压数据采用傅里叶变换进行频率分析，并提取频率分布特征。

进一步的，所述步骤S4具体为：

步骤S41:使用图卷积网络对提取的特征进行训练；

步骤S42:将设备的频率分布特征作为输入特征，将设备之间的关系图作为输入图结构；

步骤S43:在训练过程中，结合知识图谱中的信息，引入领域知识和规则，通过将知识图谱中的节点和边的信息与图卷积网络的输入特征进行融合。

进一步的，所述步骤S5具体为：

设获取的实时电流和电压的频率分布特征数据，表示为X＝[x1,x2,..xi.,xn]，其中xi是一个特征向量；知识图谱表示为G＝(V,E)，其中V是节点集合，E是边集合；知识图谱中的节点特征表示为Y＝[y1,y2,.yi..,yn]，其中hi是一个节点特征向量；

将实时监测数据X与节点特征H进行组合，表示为Z＝αX+(1-α)Y

其中，Z＝[z1,z2,...,zi...zn]表示融合后的特征；

将融合后的特征Z作为电网异常检测模型的输入，同时考虑图结构中的邻居节点和边的信息；

使用电网异常检测模型对融合后的特征Z进行图卷积操作，得到节点的隐藏表示，表示为H＝[h1,h2,..hi.,hn]；

其中hi＝σ(∑(j∈N(i))(W*h_j)/√(d_i*d_j)*[αX+(1-α)Y])

其中，h_i表示节点i的隐藏表示，σ表示激活函数，N(i)表示节点i的邻居节点集合，W表示可学习的权重矩阵，d_i和d_j分别表示节点i和节点j的度；

将H作为输入，通过全连接层进行预测和分类，得到预测结果。

进一步的，所述步骤S6具体为：

根据模型的预测结果，结合知识图谱中的关联信息，解释和分析检测结果根据知识图谱中的连接关系和节点信息，推断异常的原因和可能的影响，并将警报通知以及异常的原因和可能的影响发送给相关人员。

本发明具有如下有益效果：

本发明异常检测模型在训练过程中结合知识图谱中的信息，引入领域知识和规则，通过将知识图谱中的节点和边的信息与GCN的输入特征进行融合，提高模型的准确性和解释性；本发明方法可以更全面地分析设备的运行状态和性能，并为运维人员提供更准确的异常检测和决策支持。

附图说明

图1为本发明方法流程图。

具体实施方式

以下结合附图和具体实施例对本发明做进一步详细说明：

在本实施例中，参考图1，一种基于AI技术的电网异常检测方法，包括以下步骤：

步骤S1：通过整合和建立电网相关的知识，形成一个结构化的电网知识图谱，包括电网拓扑结构、设备信息、运行规则以及知识关联；

步骤S2:获取电网历史运行数据，并预处理；

步骤S3:根据预处理后的电网历史运行数据，进行特征提取，并将这些特征与电网知识图谱进行关联；

步骤S4:采用图卷积网络，基于提取的特征进行训练，在训练过程中结合电网知识图谱中的信息，引入相关的知识和规则，得到电网异常检测模型；

步骤S5:基于电网异常检测模型对实时监测数据进行检测，判断当前电网是属于正常运行还是异常状态；

步骤S6:如果检测到异常情况，基于知识图谱获取决策支持，并发送警报通知以及决策支持给相关人员。

在本实施例中，所述电网知识图谱具体如下：

电网拓扑结构：

节点：变电站、发电站、负荷中心；

边：变电站之间的连接线路、发电站与变电站之间的连接线路、负荷中心与变电站之间的连接线路；

所述设备信息包括变电站设备信息，发电站设备信息以及负荷设备信息；

所述运行规则包括线路的额定容量、线路允许的最大负荷，设备的开关状态、设备的温度、设备的湿度、电网的运行模式以及电网的调度策略；

所述知识关联根据实际电网运行情况获取，用于描述各节点的关系以及运行状态，在本实施例中，知识关联包括：

变电站A与变电站B之间的连接线路L1的容量为1000MVA；

变电站A拥有两台额定容量为500MVA的变压器T1和T2；

变电站B拥有一台额定容量为300MVA的变压器T3；

变电站A与变电站B之间的连接线路L1上安装了一台断路器B1和一台隔离开关S1。

在本实施例中，所述步骤S2具体为：

从电网中采集电流和电压数据，对采集到的数据进行预处理，包括数据清洗、去噪、补全缺失值；

对预处理后的电流和电压数据采用傅里叶变换进行频率分析，并提取频率分布特征。

在本实施例中，所述步骤S4具体为：

步骤S41:使用图卷积网络对提取的特征进行训练；

步骤S42:将设备的频率分布特征作为输入特征，将设备之间的关系图作为输入图结构；

步骤S43:在训练过程中，结合知识图谱中的信息，引入领域知识和规则，通过将知识图谱中的节点和边的信息与图卷积网络的输入特征进行融合。

在本实施例中，所述步骤S5具体为：

设获取的实时电流和电压的频率分布特征数据，表示为X＝[x1,x2,..xi.,xn]，其中xi是一个特征向量；知识图谱表示为G＝(V,E)，其中V是节点集合，E是边集合；知识图谱中的节点特征表示为Y＝[y1,y2,.yi..,yn]，其中hi是一个节点特征向量；

将实时监测数据X与节点特征H进行组合，表示为Z＝αX+(1-α)Y

其中，Z＝[z1,z2,...,zi...zn]表示融合后的特征；

将融合后的特征Z作为电网异常检测模型的输入，同时考虑图结构中的邻居节点和边的信息；

使用电网异常检测模型对融合后的特征Z进行图卷积操作，得到节点的隐藏表示，表示为H＝[h1,h2,..hi.,hn]；

其中hi＝σ(∑(j∈N(i))(W*h_j)/√(d_i*d_j)*[αX+(1-α)Y])

其中，h_i表示节点i的隐藏表示，σ表示激活函数，N(i)表示节点i的邻居节点集合，W表示可学习的权重矩阵，d_i和d_j分别表示节点i和节点j的度；

将H作为输入，通过全连接层进行预测和分类，得到预测结果。

在本实施例中，所述步骤S6具体为：

根据模型的预测结果，结合知识图谱中的关联信息，解释和分析检测结果根据知识图谱中的连接关系和节点信息，推断异常的原因和可能的影响，并将警报通知以及异常的原因和可能的影响发送给相关人员。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请实施例的方法、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。

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。

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。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。