一种基于多维算法分析的电网监测管理方法及系统

技术领域

本发明涉及智慧电网领域，具体涉及一种基于多维算法分析的电网监测管理方法及系统。

背景技术

电网是国民经济和社会发展的基石，其安全稳定运行至关重要。电网监测管理通过部署在电网的各种传感器和监测设备，实时监测电网运行状态和设备运行参数，并据此生成控制指令，保证电网安全经济运行。然而，现有电网监测管理系统存在监测精度较低、监测结果准确性和可靠性较差的问题，难以满足保障电网稳定运行的需求。

发明内容

本申请通过提供了一种基于多维算法分析的电网监测管理方法及系统，旨在解决现有技术中电网监测管理精度低，监测结果的准确性和可靠性低的技术问题。

鉴于上述问题，本申请提供了一种基于多维算法分析的电网监测管理方法及系统。

本申请公开的第一个方面，提供了一种基于多维算法分析的电网监测管理方法，该方法包括：利用电网监测管理系统的数据传输接口获得电网监测数据，电网监测数据通过预设电网传感器、监测器对电网设备、运行参数监测获取；将数据传输接口与数据识别模块连接，对电网监测数据进行数据来源识别、参数类型识别，并根据数据识别结果对电网监测数据进行标识；建立数据识别模块与数字孪生模块连接，将标识处理后的电网监测数据输入数字孪生模块中建立孪生模拟电网；设定电网监测目标，基于电网监测目标对电网历史数据进行拟合处理，构建多维算法库，并建立多维算法-监测数据-监测目标的映射关系，其中，电网监测目标包括目标激活因子，基于多维算法库、多维算法-监测数据-监测目标的映射关系、目标激活因子，构建分布算法处理模块，分布算法处理模块包括多个算法子模块，且各算法子模块具有一目标激活因子；基于多维算法-监测数据-监测目标的映射关系，对孪生模拟电网进行仿真判别，当判别结果包含目标激活因子时，调用对应的算法子模块进行电网监测数据运算，根据监测数据运算结果生产电网控制信息反馈至控制中心。

本申请公开的另一个方面，提供了一种基于多维算法分析的电网监测管理系统，该系统包括：监测数据获取模块，用于利用电网监测管理系统的数据传输接口获得电网监测数据，电网监测数据通过预设电网传感器、监测器对电网设备、运行参数监测获取；监测数据标识模块，用于将数据传输接口与数据识别模块连接，对电网监测数据进行数据来源识别、参数类型识别，并根据数据识别结果对电网监测数据进行标识；孪生电网建立模块，用于建立数据识别模块与数字孪生模块连接，将标识处理后的电网监测数据输入数字孪生模块中建立孪生模拟电网；多维算法库构建模块，用于设定电网监测目标，基于电网监测目标对电网历史数据进行拟合处理，构建多维算法库，并建立多维算法-监测数据-监测目标的映射关系，其中，电网监测目标包括目标激活因子，基于多维算法库、多维算法-监测数据-监测目标的映射关系、目标激活因子，构建分布算法处理模块，分布算法处理模块包括多个算法子模块，且各算法子模块具有一目标激活因子；监测数据运算模块，用于基于多维算法-监测数据-监测目标的映射关系，对孪生模拟电网进行仿真判别，当判别结果包含目标激活因子时，调用对应的算法子模块进行电网监测数据运算，根据监测数据运算结果生产电网控制信息反馈至控制中心。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了利用电网监测管理系统的数据传输接口获得电网监测数据；通过数据识别模块准确识别电网监测数据的来源和参数类型，提高数据处理的准确性和可靠性；建立孪生模拟电网，实现对电网系统的精确建模，为后续的监测和分析提供基础；通过建立多维算法库和分布算法处理模块，对历史数据进行拟合处理，提取电网的重要特征和变量，实现多维算法与监测数据、监测目标之间的映射关系，从而提高监测结果的准确性和实时性；根据监测数据运算结果生成电网控制信息，并反馈至控制中心，实现对电网的实时控制和优化的技术方案，解决了现有技术中电网监测管理精度低，监测结果的准确性和可靠性低的技术问题，达到了提高电网监测管理精度，提高监测结果准确性和可靠性，保障电网稳定运行的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了一种基于多维算法分析的电网监测管理方法可能的流程示意图；

图2为本申请实施例提供了一种基于多维算法分析的电网监测管理方法中构建孪生模拟电网可能的流程示意图；

图3为本申请实施例提供了一种基于多维算法分析的电网监测管理方法中进行电网监测数据运算可能的流程示意图；

图4为本申请实施例提供了一种基于多维算法分析的电网监测管理系统可能的结构示意图。

附图标记说明：监测数据获取模块11，监测数据标识模块12，孪生电网建立模块13，多维算法库构建模块14，监测数据运算模块15。

具体实施方式

本申请提供的技术方案总体思路如下：

本申请实施例提供了一种基于多维算法分析的电网监测管理方法及系统。首先，利用电网监测管理系统的数据传输接口获得电网监测数据。其次，通过数据识别模块准确识别电网监测数据的来源和参数类型，从根本上提高了数据处理的准确性和可靠性。再次，建立精确的孪生模拟电网，并利用其为后续的监测和分析提供了准确的基础。接着，通过建立多维算法库和分布算法处理模块，对历史数据进行拟合处理，提取电网的重要特征和变量，实现多维算法与监测数据、监测目标之间的映射关系，从而提高了监测结果的准确性和实时性。最后，根据监测数据运算结果生成电网控制信息，并反馈至控制中心，实现对电网的实时控制和优化。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种基于多维算法分析的电网监测管理方法，该方法应用于电网监测管理系统中，该方法包括：

步骤S100：利用电网监测管理系统的数据传输接口获得电网监测数据，所述电网监测数据通过预设电网传感器、监测器对电网设备、运行参数监测获取；

在本申请实施例中，电网监测管理系统的数据传输接口用于将电网监测管理系统与外部系统或设备相连，以实现对电网监测数据的获取。电网传感器和监测器是预先设置在电网中的检测设备，用于实时监测电网设备信息和运行参数，获取电网监测数据。电网设备是指构成电网的各类设备，如发电机、变压器、开关设备等。运行参数是指电网设备在运行过程中产生的各类参数，如电压、电流、有功功率等。

电网监测管理系统的数据传输接口与电网传感器、监测器等外部设备按标准接口协议相连接，如RS232、RS485、Ethernet等。电网传感器、监测器采集的电网监测数据以标准协议通过连接接口实时上传至电网监测管理系统。电网监测管理系统通过数据传输接口发出获取数据的指令，外部设备接收该指令后将电网监测数据上传至系统，从而获取电网监测数据。

通过电网传感器和监测器监测电网设备和运行参数，获取的信息构成电网监测数据，再通过电网监测管理系统的数据传输接口，从系统中获取该电网监测数据，为后续的数据识别、建立数字孪生电网和算法运算等步骤提供数据支撑。

步骤S200：将所述数据传输接口与数据识别模块连接，对所述电网监测数据进行数据来源识别、参数类型识别，并根据数据识别结果对所述电网监测数据进行标识；

在本申请实施例中，数据识别模块是用于对各类数据进行识别和分类的模块，具有数据来源识别和参数类型识别的功能。数据来源识别是指对数据的产生源进行识别，如电网监测数据来自变电站、母线等。参数类型识别是指对数据中的各个参数进行类型区分，如电压、电流、功率等。

首先，将数据传输接口与数据识别模块连接，即将获得的电网监测数据输入至数据识别模块。随后，数据识别模块对输入的数据进行数据来源识别和参数类型识别，识别结果包括数据的产生设备或系统、包含的具体参数及参数类型等。然后，根据识别结果，对电网监测数据进行标识，即对数据及其中的各个参数进行编码和分类，以便于后续对数据的提取、管理和分析处理。标识结果可以是编码、分类目录等形式。

通过利用数据识别模块对电网监测数据进行识别，分析其来源、包含的参数及类型，并据此对数据及参数进行标识，为后续选择建模对象和提取输入数据提供依据，为电网监测管理系统有效地组织、管理和利用各类监测数据提供重要支撑。

步骤S300：建立所述数据识别模块与数字孪生模块连接，将标识处理后的所述电网监测数据输入所述数字孪生模块中建立孪生模拟电网；

在本申请实施例中，数字孪生模块是基于数字孪生技术开发的模块，能够根据设备的信息、参数设置和运行数据建立电网的数字孪生模型。孪生模拟电网是在数字孪生模块中利用电网的设备信息、运行参数等建立的电网数字孪生模型。

首先，将数据识别模块与数字孪生模块按标准接口连接，数字孪生模块从数据识别模块获得经标识处理的电网监测数据，并解析电网监测数据，提取电网设备信息、运行参数、负荷数据等。然后，数字孪生模块根据数字孪生建模方法，利用提取的数据构建电网的结构模型，包括设备间的拓扑连接关系，同时将运行参数和负荷数据设置至结构模型中各设备，形成参数模型。接着，数字孪生模块将结构模型和参数模型集成，建立电网的孪生模拟模型，从而获取孪生模拟电网。

通过利用数字孪生技术，根据电网监测数据建立电网的孪生模拟模型。模型包含电网结构、设备参数、负荷运行信息等，用于后续的仿真运算和系统分析，为后续的仿真判断、监测结果运算等步骤提供基础模型，从而有效提高系统分析结果的准确性。

步骤S400：设定电网监测目标，基于所述电网监测目标对电网历史数据进行拟合处理，构建多维算法库，并建立多维算法-监测数据-监测目标的映射关系，其中，所述电网监测目标包括目标激活因子，基于所述多维算法库、多维算法-监测数据-监测目标的映射关系、目标激活因子，构建分布算法处理模块，所述分布算法处理模块包括多个算法子模块，且各算法子模块具有一目标激活因子；

在本申请实施例中，电网监测目标是电网监测管理的目标要求，包括需要预警和监测的故障事件，以及导致这些事件发生的因素，称为目标激活因子。其中目标激活因子也用于激活对算法子模块的调用。

首先，分析电网历史运行事件和故障案例，确定需要预警和监测的事件类型，如短路故障、过电压故障等；对各类型事件进行风险评估，确定要监测的风险事件；对风险事件进行因素分解，确定导致该类事件发生的条件因子，即目标激活因子。目标激活因子包含多个监测参数或设备状态的组合，综合判定目标事件发生的条件。目标事件及对应的目标激活因子构成电网监测目标，指导电网监测管理的重点和方向。

然后，针对不同的目标事件，即监测目标，分析影响监测目标发生改变的监测数据，根据监测数据构建不同维度的算法，即先根据历史监测数据分析电网故障及事件类型，确定可能使用的算法类别，然后根据具体算法要求，对历史数据进行归一化处理，使其适应算法输入，再对不同算法利用训练数据确定算法参数，形成完整算法并输入多维算法库中，使多维算法库包含电网行业常用的各类算法，如阈值判断算法、神经网络算法、决策树算法等，以对应电网管理中的不同类型问题，如故障预测、事件识别等，其中各类算法根据其适用问题类型和数据特点构建而成。

同时，根据监测目标中的故障类型及事件，选择与之匹配的算法模型，同时根据电网监测数据的采集设备、参数种类等选择匹配的数据作为算法的输入，实现多维算法-监测数据-监测目标的映射，其中监测目标和多维算法中的目标激活因子对应，用于快速将监测目标与多维算法进行匹配。

接着，根据电网监测目标中的各监测目标，基于多维算法-监测数据-监测目标的映射，在多维算法库中为各监测目标选择相应的算法模型构建算法子模块，每个算法子模块对应一个目标激活因子，用于激活对算法子模块的调用。当算法子模块被激活时，基于映射关系，算法子模块接收监测目标对应的电网监测数据作为算法模型的输入，将输入数据代入算法模型运算，得到目标事件发生的判断结果，然后将判断结果输出，作为后续电网控制或预警的依据。

步骤S500：基于所述多维算法-监测数据-监测目标的映射关系，对所述孪生模拟电网进行仿真判别，当判别结果包含目标激活因子时，调用对应的算法子模块进行电网监测数据运算，根据监测数据运算结果生产电网控制信息反馈至控制中心。

在本申请实施例中，电网控制信息是根据算法子模块的运算结果产生的报警信息或设备控制信号等。控制中心是电网监测管理系统的控制输出端。

首先，基于建立的多维算法-监测数据-监测目标的映射关系，选择与当前电网监测数据和管理目标匹配的算法模型。然后，利用选取的算法模型对孪生模拟电网进行仿真运算，模拟电网运行状态。如果仿真运算结果达到某目标激活因子，表明对应的目标事件可能发生。此时调用与该因子对应的算法子模块，输入实时监测的数据进行运算判断，输出算法子模块的运算结果，为后续产生电网控制信息提供依据。产生的控制信息发送至电网监测管理系统的控制输出端，实施对实际电网的控制或报警，实现对电网监测的闭环管理。

进一步的，如图2所示，本申请实施例还包括：

步骤S210：对目标电网进行设备基础信息、设备设置信息、运行负载参数采集，建立数据图谱结构，其中，所述数据图谱结构中连接节点为设备基础信息，每个连接节点具有设备来源数据及参数类型标识信息；

步骤S220：基于数字孪生技术结合所述数据图谱结构，搭建所述数字孪生模块；

步骤S230：利用所述电网监测数据中的标识信息与所述数据图谱结构中的标识信息进行匹配，将匹配成功的电网监测数据进行实时导入，构建所述孪生模拟电网。

在一种可行的实施例中，目标电网是需要建立数字孪生模型的实际电网。设备基础信息包括设备型号、数量、运行状态等信息。设备设置信息是指设备运行的参数设置。运行负载参数是设备在不同负荷条件下的运行参数。数据图谱结构是根据目标电网的设备信息、参数设置等构建的电网数据拓扑框架。连接节点代表设备基础信息，并包含设备来源数据和参数类型标识。数据图谱结构描述了电网设备之间的关系以及设备产生的数据来源和类型。

首先，根据目标电网的设备清单，收集每类设备的技术指标、数量及所处位置等基础信息；同时，考察各类设备的运行状态和布置，确认设备清单的准确性以及设备间的物理连接关系；然后，依据不同运行状态，测试测量各类设备的运行参数，建立状态参数对应关系；随后，根据设备之间的物理连接关系，抽象为逻辑的连接拓扑结构，在逻辑拓扑结构中，每个设备作为一个连接节点。连接节点包含设备的唯一标识、设备类型、规格参数等基础信息，还包含节点产生的数据来源信息，例如该设备连接的测量设备或系统，还包含所产生数据的参数类型信息，方便后续对监测数据进行分类和标识。连接节点之间的连接关系反映目标电网的拓扑结构，不同层次网络使用不同的连接节点和连接进行表示，实现数据图谱结构的构建。

接着，根据数字孪生模型的需求，从数据图谱中提取相关的数据，对从数据图谱中提取的数据进行预处理，包括数据清洗、缺失值处理、异常值检测和特征工程等步骤。然后，基于提取和预处理的数据，构建数字孪生模型。将模型的输入和输出与数据图谱中的实体和属性进行对应，以实现数字孪生模型的输入和输出数据的获取和存储。接下来，从电网监测数据中提取标识信息，例如设备ID、时间戳等，用于与数据图谱结构中的实体进行匹配。继而，将提取的电网监测数据的标识信息与数据图谱结构中的标识信息进行匹配。随后，将匹配成功的电网监测数据实时导入到孪生模拟电网中。利用导入的电网监测数据以及数据图谱结构中的其他相关数据，构建孪生模拟电网，用于实时模拟电网运行状态、预测电网行为、进行优化决策等。

进一步的，本申请实施例还包括：

步骤S410：调取电网事故案例集，其中，所述电网事故案例集包括目标电网案例集、同属性电网案例集；

步骤S420：对所述电网事故案例集进行聚类，构建事故案例集群；

步骤S430：分别对各所述事故案例集群进行风险等级评估，确定事故风险等级，并对各事故案例进行事故因子分解，建立案例分解列表，所述案例分解列表包括事故风险等级；

步骤S440：根据所述案例分解列表，确定目标电网事故事件、事故因子，获得所述电网监测目标。

在一种可行的实施例中，电网事故案例集是电网历史运行中产生的事故案例汇总，包括目标电网的案例和同类型电网的案例。事故案例集群是通过对电网事故案例集进行聚类分析得到的案例分类集合。事故风险等级评估是根据案例属性评估其对电网安全稳定的影响程度。案例分解列表是对各案例集群中案例进行深入分析，以确定导致案例事件的具体因素，列表包括碰到的风险等级。目标电网事故事件是需要监测和预警的事件类型。事故因子是导致目标事件发生的条件因素，也称激活因子。电网监测目标包括需要监测的目标事件和对应的事故因子。

首先，收集目标电网和同属性电网过去运行期间发生的各类故障事件案例，形成原始案例集；对原始案例集进行清洗，剔除不完整或错误信息的案例；对清洗后的案例集进行分类和编码，方便后续管理和调用；案例集分类根据事件类型、发生位置、时间等属性进行分类，作为电网事故案例集。然后，对案例集中的每个案例确定其属性参数，如事件类型、设备参数、负荷条件等；根据各案例的事故类型进行聚类分析，将属性相近的案例划分到同一个集群，构成事故案例集群。随后，基于风险评估体系对每个事故案例集群进行风险等级评估，确定其风险程度，例如根据事故发生频率、潜在影响和可能性等因素进行综合评估；然后，根据风险等级评估的结果，确定每个事故案例集群的事故风险等级，例如根据评估结果的不同范围或分级标准来确定不同的风险等级，如高、中、低风险等级。同时，对每个事故案例进行事故因子分解，找出导致事故发生的各个因素。将事故风险等级和事故因子等信息记录在案例分解列表中，其中列表包括每个事故案例的风险等级、事故因子的描述和相关信息。

随后，对于目标电网，根据建立的案例分解列表，查看记录的事故风险等级、事故因子等信息。然后，通过对目标电网监测管理需求的分析，找出在目标电网中可能发生的事故事件，确定目标电网事故事件。同时，确定导致事故发生的各个因素，如电网设备故障、人为操作失误、天气条件等，确定事故因子。根据确定的目标电网事故事件和事故因子，获得所需进行电网监测管理目标，为需要加强监测和管理的电网设备、关键节点或区域等，从而有针对性地进行电网监测和管理，以减少事故的发生和风险的产生。

进一步的，本申请实施例还包括：

步骤S450：基于所述事故案例集群进行事故分析类型分析，确定数据运算类型；

步骤S460：设定电网算法库，利用所述数据运算类型与所述电网算法库进行匹配，确定匹配算法库；

步骤S470：根据所述电网历史数据进行拟合，确定数据事故拟合关系；

步骤S480：利用所述数据事故拟合关系与所述匹配算法库进行关系拟合，得到事故-算法匹配关系，构建所述多维算法库。

在一种优化的实施方式中，首先，对事故案例集群进行分析，根据事故的性质和特点，将其分类为不同的事故分析类型，如故障分析、预测分析、判别分析等。接下来，根据每个事故分析类型，确定相应的数据运算类型，即用于处理和分析事故数据的具体方法或技术。随后，设定电网算法库，该库包含了电网行业内各种常用的算法，例如阈值判断、神经网络、决策树等。然后通过对算法库中每种算法与数据运算类型的比较和匹配，将前一步确定的数据运算类型与电网算法库进行匹配，找出与数据运算类型相匹配的算法，最终确定匹配算法库，其中包含了适用于数据运算类型的各种算法。

接着，对这些历史数据进行分析和处理，通过使用统计学方法、回归分析等拟合分析方法找到数据事故的拟合关系，确定数据事故拟合关系。继而，利用确定的数据事故拟合关系和匹配算法库进行关系拟合分析，通过对拟合关系和算法库中每种算法进行比较和匹配，将数据事故拟合关系与匹配算法库进行匹配和组合，找到与数据事故拟合关系相适应的算法，得到事故-算法的匹配关系，随后根据事故-算法的匹配关系，构建多维算法库，其中包含了根据事故特征和算法类型匹配得到的各种算法，为电网事故分析和处理提供多种选择和方法。

进一步的，本申请实施例还包括：

步骤S491：根据所述事故案例集群进行各集群案例分析，确定事故源起节点；

步骤S492：基于所述事故源起节点进行事故案例聚类分析，确定各事故因子的关联性；

步骤S493：根据所述事故因子的关联性，确定激活因子，其中所述激活因子包括一个因子或多个因子的组合；

步骤S494：基于所述激活因子，对各事故案例进行等级划分，确定激活因子等级，建立激活因子-等级阈值关系；

步骤S495：基于所述事故-算法匹配关系、激活因子-等级阈值关系，确定各算法的目标激活因子。

在一种可行的实施方式中，首先，对每个案例进行分析，根据分析结果，确定事故源起节点，即导致事故发生的具体来源。其次，基于事故源起节点，使用聚类算法，如K均值聚类或层次聚类等，将事故案例进行聚类分析。在聚类过程中，根据事故案例之间的相似性和相关性，确定各事故因子的关联性。然后，根据确定的事故因子关联性，选取具有较高关联性的因子作为激活因子，该激活因子可以是单个因子，也可以是多个因子的组合。接着，基于激活因子，根据激活因子的异常幅度或组合异常波动的大小，对每个事故案例进行等级划分。建立激活因子与等级之间的阈值关系，即确定不同等级的划分标准。随后，根据事故与算法的匹配关系，确定每个算法与对应的激活因子；根据激活因子与等级阈值关系，选择对应的算法来进行计算。实现根据不同的激活条件，选择相应的算法进行事故分析和处理。

进一步的，如图3所示，本申请实施例还包括：

步骤S510：对所述孪生模拟电网进行仿真判别，确定异常数据；

步骤S520：基于所述异常数据与目标激活因子进行匹配；

步骤S530：当异常数据与目标激活因子中的任一项匹配成功时，则基于所述目标激活因子调用所述算法子模块对异常节点进行电网监测数据运算；

步骤S540：当匹配为多个算法子模块时，选择空闲算法子模块或者算法负载最小的算法子模块进行电网监测数据运算。

在一种可行的实施方式中，首先，使用孪生模拟电网进行仿真计算，模拟真实电网的运行情况；然后，对仿真结果进行判别，通过与正常情况下的数据进行比较，识别出与预期不符的异常数据。随后，使用相关性分析、特征选择等方法，将异常数据与目标激活因子进行匹配，确定哪些因子与异常数据相关联。

当异常数据与目标激活因子中的任一项匹配成功时，即找到与异常数据相关联的因子时，基于目标激活因子调用算法子模块。算法子模块是一个独立的模块，用于对异常节点的电网监测数据进行运算和处理。调用算法子模块时，将异常节点的电网监测数据作为输入，并根据目标激活因子来选择相应的算法子模块。当匹配到多个算法子模块时，即存在多个可用的算法来处理异常节点的电网监测数据时，首先，检查是否有空闲的算法子模块，如果有，则选择其中一个空闲的算法子模块进行电网监测数据运算。如果没有空闲算法子模块，则选择算法负载最小的算法子模块进行运算，以保证系统负载的均衡和资源的合理利用。

进一步的，本申请实施例还包括：

步骤S551：当所述异常数据匹配目标激活因子的风险等级达到预设阈值时，基于所述孪生模拟电网，确定关联设备节点；

步骤S552：根据所述关联设备节点，调用关联节点的算法子模块；

步骤S553：利用目标激活因子对应的算法子模块、关联节点的算法子模块进行分布计算，确定各节点的电网运算结果；

步骤S554：基于各节点的电网关系、所述各节点的电网运算结果进行电网故障评估，并基于所述电网故障评估进行电网控制管理。

在一种优选的实施方式中，当异常数据匹配目标激活因子的风险等级达到预设阈值时，表示异常数据所对应的风险已经达到一定程度。此时，基于孪生模拟电网，通过对异常数据和孪生模拟电网中的设备节点进行关联分析，确定与异常数据相关联的设备节点。然后，根据关联设备节点，即与异常数据相关联的设备节点，调用关联设备节点相应的算法子模块，用于对关联设备节点进行分析和计算。

接着，通过将目标激活因子对应的算法子模块对异常节点进行计算，将关联节点的算法子模块应用于关联节点进行计算，实现对电网监测数据的分布计算。分布计算是指将计算任务分配给不同的算法子模块，以实现并行计算和提高计算效率。随后，基于各节点的电网关系和各节点的电网运算结果，通过对各节点的运算结果进行综合分析和评估，考虑电网中的故障情况和安全性要求，来确定电网的故障状况和风险，进行电网故障评估。最后，基于电网故障评估结果，进行电网控制管理，采取相应的措施来修复故障、保障电网的正常运行。

综上所述，本申请实施例所提供的一种基于多维算法分析的电网监测管理方法具有如下技术效果：

利用电网监测管理系统的数据传输接口获得电网监测数据，电网监测数据通过预设电网传感器、监测器对电网设备、运行参数监测获取，为保障电网稳定运行提供数据基础。将数据传输接口与数据识别模块连接，对电网监测数据进行数据来源识别、参数类型识别，并根据数据识别结果对电网监测数据进行标识，通过对数据进行准确识别，提高数据处理的准确性和可靠性。建立数据识别模块与数字孪生模块连接，将标识处理后的电网监测数据输入数字孪生模块中建立孪生模拟电网，借助数字孪生模块，更好地理解电网的运行状态，并进行准确的监测和分析。设定电网监测目标，基于电网监测目标对电网历史数据进行拟合处理，构建多维算法库，并建立多维算法-监测数据-监测目标的映射关系，其中，电网监测目标包括目标激活因子，基于多维算法库、多维算法-监测数据-监测目标的映射关系、目标激活因子，构建分布算法处理模块，分布算法处理模块包括多个算法子模块，且各算法子模块具有一目标激活因子，提高监测结果的准确性和实时性，从而更好地理解电网的运行状态和做出准确的判断，提高电网监测管理精度。基于多维算法-监测数据-监测目标的映射关系，对孪生模拟电网进行仿真判别，当判别结果包含目标激活因子时，调用对应的算法子模块进行电网监测数据运算，根据监测数据运算结果生产电网控制信息反馈至控制中心，根据监测数据运算结果生成电网控制信息，并反馈至控制中心，提高监测结果准确性和可靠性。通过实时控制和反馈，可以对电网进行实时的控制和优化，保障电网的稳定运行。

实施例二

基于与前述实施例中一种基于多维算法分析的电网监测管理方法相同的发明构思，如图4所示，本申请实施例提供了一种基于多维算法分析的电网监测管理系统，该系统包括：

监测数据获取模块11，用于利用电网监测管理系统的数据传输接口获得电网监测数据，所述电网监测数据通过预设电网传感器、监测器对电网设备、运行参数监测获取；

监测数据标识模块12，用于将所述数据传输接口与数据识别模块连接，对所述电网监测数据进行数据来源识别、参数类型识别，并根据数据识别结果对所述电网监测数据进行标识；

孪生电网建立模块13，用于建立所述数据识别模块与数字孪生模块连接，将标识处理后的所述电网监测数据输入所述数字孪生模块中建立孪生模拟电网；

多维算法库构建模块14，用于设定电网监测目标，基于所述电网监测目标对电网历史数据进行拟合处理，构建多维算法库，并建立多维算法-监测数据-监测目标的映射关系，其中，所述电网监测目标包括目标激活因子，基于所述多维算法库、多维算法-监测数据-监测目标的映射关系、目标激活因子，构建分布算法处理模块，所述分布算法处理模块包括多个算法子模块，且各算法子模块具有一目标激活因子；

监测数据运算模块15，用于基于所述多维算法-监测数据-监测目标的映射关系，对所述孪生模拟电网进行仿真判别，当判别结果包含目标激活因子时，调用对应的算法子模块进行电网监测数据运算，根据监测数据运算结果生产电网控制信息反馈至控制中心。

进一步的，监测数据标识模块12包括以下执行步骤：

对目标电网进行设备基础信息、设备设置信息、运行负载参数采集，建立数据图谱结构，其中，所述数据图谱结构中连接节点为设备基础信息，每个连接节点具有设备来源数据及参数类型标识信息；

基于数字孪生技术结合所述数据图谱结构，搭建所述数字孪生模块；

利用所述电网监测数据中的标识信息与所述数据图谱结构中的标识信息进行匹配，将匹配成功的电网监测数据进行实时导入，构建所述孪生模拟电网。

进一步的，多维算法库构建模块14包括以下执行步骤：

调取电网事故案例集，其中，所述电网事故案例集包括目标电网案例集、同属性电网案例集；

对所述电网事故案例集进行聚类，构建事故案例集群；

分别对各所述事故案例集群进行风险等级评估，确定事故风险等级，并对各事故案例进行事故因子分解，建立案例分解列表，所述案例分解列表包括事故风险等级；

根据所述案例分解列表，确定目标电网事故事件、事故因子，获得所述电网监测目标。

进一步的，多维算法库构建模块14还包括以下执行步骤：

基于所述事故案例集群进行事故分析类型分析，确定数据运算类型；

设定电网算法库，利用所述数据运算类型与所述电网算法库进行匹配，确定匹配算法库；

根据所述电网历史数据进行拟合，确定数据事故拟合关系；

利用所述数据事故拟合关系与所述匹配算法库进行关系拟合，得到事故-算法匹配关系，构建所述多维算法库。

进一步的，多维算法库构建模块14还包括以下执行步骤：

根据所述事故案例集群进行各集群案例分析，确定事故源起节点；

基于所述事故源起节点进行事故案例聚类分析，确定各事故因子的关联性；

根据所述事故因子的关联性，确定激活因子，其中所述激活因子包括一个因子或多个因子的组合；

基于所述激活因子，对各事故案例进行等级划分，确定激活因子等级，建立激活因子-等级阈值关系；

基于所述事故-算法匹配关系、激活因子-等级阈值关系，确定各算法的目标激活因子。

进一步的，监测数据运算模块15包括以下执行步骤：

对所述孪生模拟电网进行仿真判别，确定异常数据；

基于所述异常数据与目标激活因子进行匹配；

当异常数据与目标激活因子中的任一项匹配成功时，则基于所述目标激活因子调用所述算法子模块对异常节点进行电网监测数据运算；

当匹配为多个算法子模块时，选择空闲算法子模块或者算法负载最小的算法子模块进行电网监测数据运算。

进一步的，监测数据运算模块15还包括以下执行步骤：

当所述异常数据匹配目标激活因子的风险等级达到预设阈值时，基于所述孪生模拟电网，确定关联设备节点；

根据所述关联设备节点，调用关联节点的算法子模块；

利用目标激活因子对应的算法子模块、关联节点的算法子模块进行分布计算，确定各节点的电网运算结果；

基于各节点的电网关系、所述各节点的电网运算结果进行电网故障评估，并基于所述电网故障评估进行电网控制管理。

综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。