申请/专利权人：国网浙江省电力有限公司嘉兴供电公司;嘉兴市恒光电力建设有限责任公司南湖分公司

申请日：2024-03-26

公开（公告）日：2024-05-31

公开（公告）号：CN118115901A

主分类号：G06V20/17

分类号：G06V20/17;G06V10/20;G06V10/40;G06V10/82;G06V10/80;G06N3/0442;G06V10/75

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.18#实质审查的生效;2024.05.31#公开

摘要：本发明公开一种基于外界异常信息影响的电力故障信息预测方法，包括：步骤1、通过无人机获取时间序列的电力故障数据集；步骤2、通过数据预处理模块对所述电力故障数据集进行预处理；步骤3、通过数据融合模块对所述电力故障数据集进行处理；步骤4、通过改进型长短期记忆神经网络模型对电力故障数据信息进行预测；步骤5、对输入的电力故障数据信息进行预测，输出电力故障信息预测结果，即当预测模型判断有电力故障发生时，生成故障预警信息至可视化模块，当预测模型判断电力系统处于正常运行状态时，生成正常状态信息至可视化模块，本发明通过对外界异常信息的分析，结合深度学习算法，实现了对电力故障信息的精准预测。

主权项：1.一种基于外界异常信息影响的电力故障信息预测方法，其特征在于：包括以下步骤：步骤1、通过无人机获取时间序列的电力故障数据集；其中所述电力故障数据集至少包括绝缘损坏、接地故障、电压过载、电流过载、变压器老化、强降雪灾害、人为操作不当或维修不及时；所述电力故障数据集类型为图片或视频；步骤2、通过数据预处理模块对所述电力故障数据集进行预处理，得到增强的样本集；在本步骤中，所述电力故障数据集预处理包括对收集到的电力故障数据集进行清洗和标准化处理，去除重复、错误和无效的数据；步骤3、通过数据融合模块对所述电力故障数据集进行处理；所述数据融合模块包括数据处理模块、特征提取模块、特征匹配模块和数据更新模块；所述数据处理模块用于格式化输入的数据信息，所述数据处理模块包括调整数据形状、处理序列长度和数据类型转换；所述特征提取模块用于从处理后的数据中提取反映电力故障关键信息的特征；所述特征匹配模块用于匹配输入数据信息与融合的标准数据信息；所述数据更新模块用于更新电力故障数据集；所述数据融合模块中，数据处理模块的输出端连接特征提取模块的输入端，特征提取模块的输出端连接特征匹配模块的输入端，特征匹配模块的输出端连接数据更新模块的输入端；步骤4、通过改进型长短期记忆神经网络模型对电力故障数据信息进行预测，并将预测结果输出至可视化显示模块；步骤5、对输入的电力故障数据信息进行预测，输出电力故障信息预测结果，当预测模型判断有电力故障发生时，生成故障预警信息至可视化模块，其中故障预警信息至少包括故障类型、故障发生时间和故障位置；当预测模型判断电力系统处于正常运行状态时，生成正常状态信息至可视化模块，其中反映正常状态信息至少包括电压示值、电流示值、功率示值或变压器运行状态。

全文数据：

权利要求：

百度查询： 国网浙江省电力有限公司嘉兴供电公司;嘉兴市恒光电力建设有限责任公司南湖分公司 一种基于外界异常信息影响的电力故障信息预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD