技术特征：
1.一种电力骨干网告警信息解析方法，其特征在于，具体包括：s11提取电力骨干网的告警信息，并将所述告警信息进行数据重构得到重构信息，所述重构信息包括告警级别、告警类型、告警时间、告警原因、告警设备；s12基于所述告警级别、告警类型、告警时间、告警原因、告警设备，送入到基于coa算法优化的lstm
–
gru算法的组合型预测模型之中，确定所述故障的故障原因，所述故障原因包括故障设备、故障级别和故障影响范围，根据所述故障设备、故障级别和故障影响范围，采用层次分析法确定此时的故障因子；s13当所述故障因子大于第一故障阈值时，采用基于libsvm算法的预测模型对所述重构信息进行解析，从而进一步确定所述故障的svm故障原因。s14当所述svm故障原因与所述故障原因不一致时，继续返回步骤s12进行故障原因的确定，直到所述svm故障原因与所述故障原因保持一致时，将所述svm故障原因作为最终的故障原因进行输出。2.如权利要求1所述的电力骨干网告警信息解析方法，其特征在于，所述数据重构是将所述告警信息的格式进行统一化得到重构数据。3.如权利要求1所述的电力骨干网告警信息解析方法，其特征在于，所述coa算法优化目标为，采用coa算法对所述lstm算法的隐含层的神经元个数进行寻优。4.如权利要求1所述的电力骨干网告警信息解析方法，其特征在于，所述故障影响范围包括小区级，区域级，城市级，所述故障级别包括一级故障、二级故障、三级故障。5.如权利要求1所述的电力骨干网告警信息解析方法，其特征在于，所述故障因子的计算公式为：t＝k1t1+k2t2+k3t3其中t1、t2、t3分别为故障设备、故障级别和故障影响范围经过归一化得到的数字，k1、k2、k3分别为t1、t2、t3的权值，所述权值采用专家打分法进行确认。6.如权利要求1所述的电力骨干网告警信息解析方法，其特征在于，所述第一故障阈值根据所述城市级别、供电可靠性要求通过专家打分的形式进行确定。7.如权利要求1所述的电力骨干网告警信息解析方法，其特征在于，还包括第一时间阈值，当所述故障因子大于第一故障阈值且持续时间大于第一时间阈值，此时再采用基于libsvm算法的预测模型对所述重构信息进行解析。8.如权利要求1所述的电力骨干网告警信息解析方法，其特征在于，还包括第二故障阈值，当所述故障因子大于第二故障阈值且持续时间大于第二时间阈值时，此时将所述故障原因作为最终的故障原因进行输出，其中所述第二故障阈值大于第一故障阈值的两倍，且第二时间阈值小于第一时间阈值。9.如权利要求1所述的电力骨干网告警信息解析方法，其特征在于，采用基于libsvm算法的预测模型对所述重构信息进行解析的具体步骤为：s21读取所述重构信息，并将所述重构信息送入到基于libsvm算法的预测模型中；s22基于所述预测模型得到此时的svm故障原因。10.一种电力故障网告警信息解析系统，采用权利要求1-9任意一项所述的一种电力故障网告警信息解析方法，包括：数据采集系统，故障预测系统，故障因子确定系统，故障预测验证系统，模型输出系统；
所述数据采集系统负责提取电力骨干网的告警信息，并将所述告警信息进行数据重构得到重构信息，所述重构信息包括告警级别、告警类型、告警时间、告警原因、告警设备；所述故障预测系统负责基于所述告警级别、告警类型、告警时间、告警原因、告警设备，送入到基于coa算法优化的lstm
–
gru算法的组合型预测模型之中，确定所述故障的故障原因，所述故障原因包括故障设备、故障级别和故障影响范围；所述故障因子确定系统负责根据所述故障设备、故障级别和故障影响范围，采用层次分析法确定此时的故障因子；所述故障预测验证系统负责当所述故障因子大于第一故障阈值时，采用基于libsvm算法的预测模型对所述重构信息进行解析，从而进一步确定所述故障的svm故障原因；所述模型输出系统负责判断所述svm故障原因与所述故障原因是否一致，直到所述svm故障原因与所述故障原因保持一致时，将所述svm故障原因作为最终的故障原因进行输出。
技术总结
本发明提供一种电力骨干网告警信息解析方法与系统，属于信号处理技术领域，具体包括：提取电力骨干网的告警信息，并将所述告警信息进行数据重构得到重构信息，基于所述重构信息，送入到基于COA-LSTM
技术研发人员：李文萃 王春迎 远方 安致嫄 孟慧平 盛磊 吴利杰 张宁宁 杨润华 王慕维
受保护的技术使用者：国家电网有限公司
技术研发日：2022.07.28
技术公布日：2022/10/11