一种基于知识图谱的电力故障影响范围分析方法、装置及电子设备与流程

本发明涉及一种基于知识图谱的电力故障影响范围分析方法、装置及电子设备，属于电网故障影响分析。

背景技术：

1、随着新型电力系统逐步向配电侧和用户侧衍生和供电保障可靠性要求的不断提高，电力大数据分析迎来了新的挑战和机遇。

2、针对调度主网、配电自动化等故障场景，现有研究集中于采用潮流计算方法进行电网故障分析、故障定位和可能引起的连锁故障等方面，而且主要针对主网和配网领域进行研究，缺少用户侧低压配电故障影响范围分析，同时受限于主网、配网和用户侧的电网资产管理和运行模型壁垒，缺少覆盖输配用从500kv到380v全电压等级电网故障分析研究，一旦电力故障引起用户侧连锁故障，这将严重威胁到重要用户负荷的安全运行，对供电保障产生严重影响。

3、针对主网、配网和用户侧全电压等级电网故障分析，电力设备本体运行情况以及电网中相关联的其他电力设备可能对故障分析结果准确性的影响的问题，目前尚未提出有效的解决方案。

技术实现思路

1、目的：为了克服现有技术中存在的不足，本发明提供一种基于知识图谱的电力故障影响范围分析方法、装置及电子设备，引入知识图谱技术进行关联性分析，并在电网潮流的基础上考虑电力设备本体温度、环境温度、环境湿度、运行时长、历史告警数、运维记录数等多维度信息，实现输配用从500kv到380v的全电压等级电力故障影响范围分析。

2、技术方案：为解决上述技术问题，本发明采用的技术方案为：

3、第一方面，一种基于知识图谱的电力故障影响范围分析方法，包括如下步骤：

4、步骤1：分别进行主网模型、配网模型和用户侧配电模型融合，建立统一电力运行模型。

5、步骤2：采用自上而下的方法构建统一电力运行模型的电力知识图谱，形成网状结构的电力知识图谱关系模型。

6、步骤3：建立各类电力设备风险状态评估指标体系，综合考虑专家经验和指标波动情况，计算电力设备风险值。

7、步骤4：根据电力知识图谱关系模型计算关联设备贡献风险值。

8、步骤5：基于电力设备风险值和关联设备贡献风险值计算设备综合风险值。

9、步骤6：结合电网运行潮流筛选设备综合风险值超过阈值的电力设备，确定电力故障影响范围。

10、作为优选方案，所述步骤1，包括如下步骤：

11、步骤1.1：分别将主网模型与pms设备资产模型，配网模型与pms配电设备资产模型和用户侧配电模型与用户配电台账模型采用最小编辑距离算法建立映射关系，得到融合后的主网模型，配网模型和用户侧配电模型。

12、步骤1.2：基于sg-cim规范，在融合后的主网模型中10kv出线点与融合后的配网模型中10kv入线点进行拼接，在融合后的配网模型中配网分界室10kv出线点与融合后的用户侧配电模型中10kv入线点进行拼接，最终建立统一电力运行模型。

13、作为优选方案，所述步骤2，包括如下步骤：

14、步骤2.1：获取统一电力运行模型中本体，根据本体获取本体类型和本体关系。步骤2.2：对关于本体的结构化数据进行知识抽取，得到实体和三元组。

15、步骤2.3：对关于本体的非结构化数据进行知识抽取，得到实体和三元组。步骤2.4：将知识抽取得到的知识进行知识融合，得到实体-关系-实体的三元组，获得实体-关系-实体的三元组后，进行知识表示，形成电力知识图谱关系模型，并存储于neo4j图数据库中。

16、作为优选方案，所述步骤2.1，具体包括如下步骤：

17、步骤2.1.1：确定统一电力运行模型中本体所处的领域、包含的信息、上层应用和使用人员。

18、步骤2.1.2：重用与统一电力运行模型中本体有相同领域的其他本体。

19、步骤2.1.3：针对需求将本体按场景进行局部本体设计，再将局部本体合并成一个完整的本体。

20、步骤2.1.4：列出本体中的重要术语，并根据重要术语得到关心的数据。

21、步骤2.1.5：定义本体中类和类的继承，包括：采用自顶向下的方式从最通用的概念开始，然后通过不断细化的方式添加子概念，并构建类和类的继承。

22、步骤2.1.6：定义本体中属性和关系，包括：定义本体的属性和关系，属性和关系分为两种，一种是值属性，用来描述概念本身的属性，值属性连接着特定的字面值类型。另一种是关系属性，用来描述两个概念之间的关系。

23、步骤2.1.7：定义本体中属性的限制，包括：属性的基数、属性值的类型，以及属性的定义域和值域。

24、步骤2.1.8：根据本体，本体中重要术语、类和类的继承、属性和关系和属性的限制设计出一个初步的本体，电力领域的专家对设计出一个初步的本体进行是否符合实际场景的判断，如果符合，则输出电力知识图谱关系模型的本体，如果不符合，返回步骤2.1.3。

25、作为优选方案，所述步骤2.2，包括如下步骤：

26、本体的电力数据分布在多个系统中，针对各个电力子系统的数据库设计文档，梳理出数据之间的关系，从数据库中抽取出需要的结构化数据。

27、对于结构化数据，采用基于映射规则的知识抽取方法，从多个数据源中抽取所需要的实体和三元组。

28、作为优选方案，所述步骤2.3，包括如下步骤：

29、非结构化数据包括故障预案和故障简报，结合电力领域数据的特点，采用深度学习的方式从故障预案和故障简报中抽取出相应的故障知识，故障知识中涉及到的电力设备与知识库中的相关节点进行关联，再一起合并到知识库中。

30、作为优选方案，所述步骤3，包括如下步骤：

31、步骤3.1：构建电力设备风险状态评估指标体系，所述电力设备风险状态评估指标体系包括：电流、电压、负载率、本体温度、环境温度、环境湿度、运行时长、历史告警数、运维记录数。

32、步骤3.2：计算电力设备i的指标x的偏离程度计算公式如下：

33、

34、其中，xi为电力设备i的指标x，low为指标x的偏离下限值；high指标x的偏离上限值。

35、步骤3.2：计算电力设备风险值scorei，计算方法如下：

36、

37、其中，scorei为电力设备i的电力设备风险值，为电力设备i指标x的偏离程度；ωx为电力设备i指标x的权重，x为指标的数量。

38、作为优选方案，所述步骤4，包括如下步骤：

39、步骤4.1：获取电力知识图谱关系模型中电力设备连接关系的有向图，并用邻接矩阵表示，其中，n个连接电力设备的邻接矩阵m为：

40、m＝(mij)n×n

41、其中，mij为有向图中电力设备j指向电力设备i的边的数目。

42、步骤4.2：根据邻接矩阵m，获取电力设备i的出度di，计算公式如下：

43、

44、其中，mik为邻接矩阵m中第i行第k列元素。

45、步骤4.3：计算电力设备i的关联设备贡献风险值sconni，计算公式如下：

46、

47、其中，scoren为电力设备n的电力设备风险值。

48、作为优选方案，所述设备综合风险值vari，计算公式如下：

49、

50、进一步的，所述步骤6：包括如下步骤：

51、步骤6.1：计算有连接关系的电力设备连接线路实时有功功率。

52、步骤6.2：在设备综合风险值大于阈值的电力设备中剔除连接线路实时有功功率为0的电力设备，剩余电力设备则为电力故障影响范围。

53、第二方面，一种基于知识图谱的电力故障影响范围分析装置，包括如下模块：

54、电力运行模型构建模块：用于分别进行主网模型、配网模型和用户侧配电模型融合，建立统一电力运行模型。

55、电力知识图谱构建模块：用于采用自上而下的方法构建统一电力运行模型的电力知识图谱，形成网状结构的电力知识图谱关系模型。

56、电力设备风险值计算模块：用于建立各类电力设备风险状态评估指标体系，综合考虑专家经验和指标波动情况，计算电力设备风险值。

57、关联设备贡献风险值计算模块：根据电力知识图谱关系模型计算关联设备贡献风险值。

58、设备综合风险值计算模块：用于基于电力设备风险值和关联设备贡献风险值计算设备综合风险值。

59、电力故障影响范围确定模块：用于结合电网运行潮流筛选设备综合风险值超过阈值的电力设备，确定电力故障影响范围。

60、第三方面，一种电子设备，包括：处理器和存储器；所述处理器与所述存储器连接；所述存储器用于存储程序指令。

61、所述处理器，用于通过调用所述存储器中存储的所述程序指令，以执行第一方面所述的基于知识图谱的电力故障影响范围分析方法。

62、有益效果：本发明提供的一种基于知识图谱的电力故障影响范围分析方法、装置及电子设备，本发明建立500kv-380v统一电力运行模型，采用知识图谱构建电力设备连接关系，同时考虑电力设备连接关系、电力指标波动、电网实时运行潮流联合判定电力故障影响范围，提高了故障影响范围判定的准确性和可靠性。与现有技术相比，本发明具有如下有益效果：

63、(1)、将主网、配网和用户侧配电模型进行融合，实现发输配用从500kv到380v全电压等级的电网运行模型分析，打破不同电网模型之间的隔阂。

64、(2)、在电力设备风险计算时从电网潮流基础上进一步融合电力设备本体温度、环境温度、环境湿度、运行时长、历史告警数、运维记录数等多维度信息，提高了故障分析的准确性和可靠性。

65、(3)、采用知识图谱技术，综合考虑电力设备本身可相关联设备可能带来的附加影响，同时考虑电网实时潮流，提高影响范围边界定位准确性，避免了故障影响范围漏判和误判。