配电异常等级分析方法、装置和存储介质与流程

本申请涉及电网，尤其涉及配电异常等级分析方法、装置和存储介质。

背景技术：

1、近年来，随着楼宇建筑内电气设备多元化，电气安全问题越来越多，引发原因除线路短路、漏电、过负荷用电等故障，还包括接触不良、设备老化、违规操作等。上述电气安全问题，极易引起电气火灾、人员伤害、设备损害等问题。面对上述问题，现有的配电异常检测方法是使用故障电弧报警器等装置，对探测点的电流、电压、温度以及接地故障产生的剩余电流等参数进行实时监测，并当参数超过国家标准规范规定的阈值时(例如一级配电箱内的漏电流超过300毫安时)，产生实时报警。

2、然而，现有的配电异常检测方法缺乏异常评判标准，对潜在的异常隐患分析不足，例如一级配电箱内漏电流达到290毫安时，此时潜在隐患其实也很高，但并未达到报警触发条件。而这类情况在现实生活中并不少见，尤其在一些房屋建筑内，隐藏在墙体内的电缆线状态难以直接检查，且存在分布范围宽广、隐患生成具有时间周期性等难点，导致人们在日常生活中，对于未触发的报警阈值的电气参数评判不足。

技术实现思路

1、针对现有技术的不足，本申请提出了一种配电异常等级分析方法、装置和存储介质，解决了现有的配电异常检测方法对配电异常检测缺乏评判标准，对潜在的异常隐患分析不足的问题。

2、为了实现上述目的，本申请技术方案如下：

3、一种配电异常等级分析方法，包括以下步骤s1-s4：

4、s1、采集电气参数：以预设的采样频率采集配电箱若干时间点的电气参数，得到电气参数集。

5、s2、求取电气参数平均值：对电气参数集求平均，得到电气参数平均值。

6、s3、判断异常电气参数：采用支持向量机算法判断电气参数平均值是否存在异常。

7、s4、划分异常等级：若电气参数平均值存在异常，则采用决策树算法根据异常电气参数平均值划分配电箱对应的异常等级。

8、可选地，步骤s2包括以下步骤s21-s23：

9、s21、采用冒泡法对电气参数集进行排序，得到电气参数顺序集。

10、s22、去除电气参数顺序集首尾若干电气参数，得到中间位电气参数集。

11、s23、对中间位电气参数集求平均，得到电气参数平均值。

12、可选地，在步骤s3之前，还包括以下步骤s031-s034：

13、s031、获取分类训练样本集合。

14、分类训练样本集合包含若干分类训练样本。

15、分类训练样本包含配电箱的若干种电气参数。

16、s032、利用支持向量机模型建立电气参数与性能分类结果相映射的待训练性能分类模型。

17、s033、标记每个分类训练样本对应的性能分类参考结果。

18、s034、分别将每个分类训练样本输入至待训练性能分类模型，并以对应的性能分类参考结果作为输出参考，对待训练性能分类模型进行训练，使得待训练性能分类模型的分类超平面最优，得到性能分类模型。

19、可选地，待训练性能分类模型的表达式为：

20、yi＝w*xi+b

21、其中，yi表示第i种电气参数对应的性能分类结果，xi表示第i种电气参数，w表示分类超平面法向量，b表示分类偏差值。

22、可选地，待训练性能分类模型的分类超平面表达式为：

23、

24、其中，d表示分类训练样本中最近样本点到分类超平面的距离，w表示待训练性能分类模型的分类超平面法向量，b表示分类偏差值，xi表示第i种电气参数，n表示电气参数的种类数，||w||表示分类超平面的欧几里德范数。

25、可选地，待训练性能分类模型的约束条件表达式为：

26、

27、s.t.y·(wt·x+b)≥1，i＝1,…,n；

28、其中，||w||表示分类超平面的欧几里德范数，s.t.表示服从运算符，y表示电气参数对应的性能分类结果，x表示电气参数，w表示待训练性能分类模型的分类超平面法向量，b表示分类偏差值，n表示电气参数的种类数。

29、可选地，在步骤s4之前，还包括以下步骤s041-s044：

30、s041、获取异常训练样本集合。

31、异常训练样本集合包含若干异常训练样本。

32、异常训练样本包含配电箱的若干种异常电气参数。

33、s042、利用xgboost模型建立异常电气参数与异常等级相映射的待训练异常分类模型。

34、s043、标记每个异常训练样本对应的异常参考等级。

35、s044、分别将每个异常训练样本输入至待训练异常分类模型，并以对应的异常参考等级作为输出参考，对待训练异常分类模型进行训练，使得待训练异常分类模型的损失函数达到最小，得到异常分类模型。

36、可选地，步骤s044包括以下步骤s0441-s0445：

37、s0441、初始化待训练异常分类模型的弱分类器。

38、s0442、分别将各异常训练样本输入至弱分类器，对回归树进行迭代训练，得到异常训练等级。

39、s0443、计算异常训练等级和异常参考等级之间的残差。

40、s0444、根据所述残差计算回归树的最佳拟合值。

41、s0445、通过最佳拟合值强化弱分类器，得到异常分类模型。

42、基于相同的技术构思，本申请还提供了一种配电异常等级分析装置，包括：

43、获取模块，用于以预设的采样频率采集配电箱若干时间点的电气参数，得到电气参数集。

44、处理模块，用于对电气参数集求平均，得到电气参数平均值；采用支持向量机算法判断电气参数平均值是否存在异常；若电气参数平均值存在异常，则采用决策树算法根据异常电气参数平均值划分配电箱对应的异常等级。

45、基于相同的技术构思，本申请还提供了一种配电异常等级分析存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一所述的配电异常等级分析方法中的步骤。

46、本申请的有益效果：通过求取电气参数的平均值，排除干扰信号和高斯噪声的影响，提高对潜在的异常隐患的识别精度，对不同的异常电气参数设置不同的评判标准，根据异常电气参数得到对应的异常等级，为配电系统检修提供参考，提高配电系统检修的效率和准确度。

技术特征：

1.一种配电异常等级分析方法，其特征在于，包括以下步骤s1-s4：

2.根据权利要求1所述的配电异常等级分析方法，其特征在于，

3.根据权利要求1所述的配电异常等级分析方法，其特征在于，

4.根据权利要求3所述的配电异常等级分析方法，其特征在于，

5.根据权利要求3所述的配电异常等级分析方法，其特征在于，

6.根据权利要求3所述的配电异常等级分析方法，其特征在于，

7.根据权利要求1所述的配电异常等级分析方法，其特征在于，

8.根据权利要求7所述的配电异常等级分析方法，其特征在于，

9.一种配电异常等级分析装置，其特征在于，包括：

10.一种存储有计算机可读指令的存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至8中的任一所述的配电异常等级分析方法中的步骤。

技术总结
本申请公开了配电异常等级分析方法、装置和存储介质，方法包括：采集电气参数、求取电气参数平均值、判断异常电气参数、划分异常等级。通过求取电气参数的平均值，排除干扰信号和高斯噪声的影响，提高对潜在的异常隐患的识别精度，对不同的异常电气参数设置不同的评判标准，根据异常电气参数得到对应的异常等级，为配电系统检修提供参考，提高配电系统检修的效率和准确度。

技术研发人员：蒋丰庚,岑雷扬,邬明亮,王澍,田梁玉,王徽
受保护的技术使用者：国网浙江新兴科技有限公司
技术研发日：
技术公布日：2024/4/17