买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉翌晟天成科技有限公司

摘要：本发明提出了一种电网灾害分析处理的方法，涉及电网灾害分析处理技术领域，应用于电网灾害触发警报之后，包括以下步骤：获取当前电网灾害的灾害场景数据、电网关键指标数据以及电网拓扑，对灾害场景数据和电网关键指标数据进行格式转换、数据清洗和标准化处理，存储于数据湖中；从数据湖中提取灾害场景数据的指标向量，基于灾害场景识别模型对指标向量进行分析，识别出当前电网灾害的灾害场景类型；基于LSTM模型构建灾害变化预测模型，基于灾害场景类型预测电网关键指标数据的预估变化趋势；结合预估变化趋势、电网拓扑和电网关键指标数据，评估当前电网灾害的灾害场景类型的潜在影响范围以及潜在损失程度；基于电网设备故障知识图谱和贝叶斯电网故障诊断模型，结合灾害场景类型和变化趋势、影响评估结果、潜在影响范围以及潜在损失程度，对电网灾害的故障原因进行分析处理。通过对电网灾害的灾害场景数据和关键指标进行分析处理，能够准确识别当前电网灾害的类型，并基于预测模型实时预估电网关键指标的变化趋势，提高了灾害处理的准确性和实时性。

主权项：1.一种电网灾害分析处理的方法，应用于电网灾害触发警报之后，其特征在于，包括以下步骤：S1，获取当前电网灾害的灾害场景数据、电网关键指标数据以及电网拓扑，对灾害场景数据和电网关键指标数据进行格式转换、数据清洗和标准化处理，存储于数据湖中；S2，从数据湖中提取灾害场景数据的指标向量，基于灾害场景识别模型对指标向量进行分析，识别出当前电网灾害的灾害场景类型；所述灾害场景识别模型由CNN模型、LSTM模型、多模态融合网络和Softmax输出层组合构建，所述CNN模型包括标准卷积层、空洞卷积和U-Net架构，CNN模型对灾害场景数据组进行图像特征提取，得到图像特征；所述LSTM模型为两层LSTM结构，包括1024个神经元，所述LSTM模型对电网关键指标数据集进行时序变化预测，得到时序特征；通过多模态融合网络对图像特征和时序预测进行融合，得到图像时序融合特征；通过Softmax输出层对图像时序融合特征进行分类，得到灾害场景类型；S3，基于LSTM模型构建灾害变化预测模型，基于灾害场景类型预测电网关键指标数据的预估变化趋势；步骤S3包括：所述灾害变化预测模型基于LSTM模型构建，基于灾害场景类型预测电网关键指标数据的预估变化趋势，所述灾害变化预测模型包括： ；其中，为电网关键指标数据的预估变化趋势，为t时刻实际的电网关键指标数据值，为灾害场景类型为的t时刻预测的电网关键指标数据值，为t时刻实际的电网关键指标数据值的标准差，为灾害场景类型为的t时刻预测的电网关键指标数据值的标准差；S4，结合预估变化趋势、电网拓扑和电网关键指标数据，评估当前电网灾害的灾害场景类型的潜在影响范围以及潜在损失程度；步骤S4包括：S41，基于蒙特卡罗算法结合预估变化趋势、电网拓扑和电网关键指标数据构建电网灾害风险模型；S42，根据所述电网灾害风险模型评估当前电网灾害的潜在影响范围以及潜在损失程度；所述电网灾害风险模型包括： ；其中，L为电网灾害风险值，S为灾害场景类型种数，为第s种灾害场景类型对电网灾害风险的影响权重系数，为第s种灾害场景类型的第e个电网关键指标数据，E为第s种灾害场景类型的电网关键指标数据个数，为第s种灾害场景类型对应的电网拓扑系数；S5，基于电网设备故障知识图谱和贝叶斯电网故障诊断模型，结合灾害场景类型和预估变化趋势、潜在影响范围以及潜在损失程度，对电网灾害的故障原因进行分析处理。

全文数据：

权利要求：

百度查询： 武汉翌晟天成科技有限公司 一种电网灾害分析处理的方法及系统