基于多源异构数据融合的配电网停电范围识别方法与流程

所属的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的基于多源异构数据融合的配电网停电范围识别设备、计算机可读存储介质的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的模块、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件模块、方法步骤对应的程序可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

背景技术：

1、随着社会的发展和科技的进步，人们对电能的需求日益增长，电力供应的安全性和稳定性也变得越来越重要。然而，由于各种原因，配电网有时会发生停电现象。在这种情况下，准确识别和定位停电范围对于及时恢复电力供应以及防止更大规模的停电事故具有重要意义。

2、传统的方法通常依赖于人工现场检查和报告，这种方法效率低下且易出错。此外，当停电区域较大或分散时，这种手动识别方法将变得非常困难。

3、近年来，随着信息技术的发展，许多现代方法被用来识别和定位停电范围。这些方法通常涉及使用传感器和数据采集设备监控电网的状态，然后使用计算机算法对收集到的数据进行处理和分析，从而确定受影响的区域。例如“cn113722311a_一种配电网停电范围定位方法、系统、设备及介质”。

4、尽管有许多现有方法可用于识别和定位停电范围，但它们的精确度和可靠性仍有待提高。基于此，本发明提出一种基于多源异构数据融合的配电网停电范围识别方法，可以快速且准确的确定配电网的停电范围。

技术实现思路

1、为了解决现有技术中的上述问题，即现有的停电范围识别方法识别精度以及效率较低的问题，本发明的第一方面，提供了一种基于多源异构数据融合的配电网停电范围识别方法，包括：

2、步骤s10，采集多源异构数据，作为输入数据；所述多源异构数据包括配电网时间序列数据、配电网数据与用户侧网络设备数据相结合的数据、天气数据、负荷数据；所述配电网时间序列数据包括不同时间配电网各个节点的电流、电压、功率；所述用户侧网络设备数据包括网络设备的握手数据、心跳数据；用户侧网络设备包括机顶盒、路由器；

3、步骤s20，对所述输入数据进行预处理，得到预处理数据；

4、步骤s30，将所述预处理数据输入训练好的多源数据融合模型，得到配电网停电范围的预测结果；所述预测结果包括节点停电概率；

5、步骤s40，将所述预测结果与预构建的配电网拓扑结构模型匹配，得到配电网的停电范围的识别结果；

6、其中，所述多源数据融合模型基于多输入的神经网络构建。

7、在一些优选的实施例中，所述预处理包括数据清洗、归一化。

8、在一些优选的实施例中，所述神经网络包括输入层、隐藏层、输出层；

9、所述隐藏层的处理过程为：通过激活函数对融合数据进行激活处理；

10、所述输入数据中不同类的子数据与其对应的权重参数相乘后并相加，将相加后的数据与偏置项求和，作为融合数据。

11、在一些优选的实施例中，将所述预测结果与预构建的配电网拓扑结构模型匹配，得到配电网的停电范围的识别结果，其方法为：

12、根据所述预测结果，获取配电网中不同节点的停电概率；

13、基于所述停电概率，结合所述预构建的配电网拓扑结构模型，确定受影响的节点及其相邻节点；根据所述受影响的节点及其相邻节点的负荷分布和/或有功功率和/或有功功率、无功功率，确定配电网的停电范围；

14、其中，根据所述受影响的节点及其相邻节点的负荷分布和/或有功功率和/或有功功率、无功功率，确定配电网的停电范围为：

15、在扩大停电范围的过程中，如果受影响节点的负荷分布超出了其容量限制或导致其他节点的负荷超载，停电范围将停止扩大；

16、和/或

17、当所述有功功率超出节点的容量限制或电压超出合理范围时，可以将该节点标记为受影响的节点，并停止扩大停电范围；

18、和/或

19、当所述有功功率或无功功率超出设定阈值、或节点的有功功率和无功功率变化趋于稳定，即节点的有功功率和无功功率变化处于设定变化范围内时，停止扩大停电范围。

20、在一些优选的实施例中，所述配电网拓扑结构模型中每个节点的负荷分布，其获取方法为：

21、负荷分布＝(负荷值-最小负荷)/(最大负荷-最小负荷)

22、或

23、

24、

25、其中，阻抗比例是考虑节点之间的电网拓扑关系和线路的阻抗参数。

26、在一些优选的实施例中，所述有功功率，其计算方法为：

27、pi＝vi×ii×cos(θi)

28、其中，pi是节点i的有功功率，vi是节点i的电压，ii是节点i的电流，θi是节点i的功率因数角。

29、在一些优选的实施例中，所述有功功率，其计算方法为：

30、

31、其中，pi是节点i的有功功率，vi是节点i的电压，ii是节点i的电流，θi是节点i的功率因数角，vj是节点j的电压，yij是节点i和j之间的导纳，θij是节点i和j之间的相角差，φij是节点i和j之间的导纳相角。

32、在一些优选的实施例中，同时计算有功功率、无功功率，其方法为：

33、

34、

35、si＝pi+jqi

36、其中，pi是节点i的有功功率，qi是节点i的无功功率，vi是节点i的电压，θi是节点i的相角，gik和bik是节点i和k之间的导纳和电纳，n是相邻节点的数量。

37、在一些优选的实施例中，步骤s40之后还包括故障类型识别、通知与处理；

38、故障类型识别：基于所述配电网的停电范围的识别结果，获取停电范围内不同节点的特性与配电网的运行数据，获取不同节点的故障类型；所述特性包括节点的电压、电流；所述故障类型包括短路故障、过载故障；

39、通知与处理：根据所述配电网的停电范围的识别结果，及时向相关部门和用户发送停电通知。

40、本发明的第二方面，提出了一种基于多源异构数据融合的配电网停电范围识别系统，该系统包括：

41、数据采集模块，配置为采集多源异构数据，作为输入数据；所述多源异构数据包括配电网时间序列数据、配电网数据与用户侧网络设备数据相结合的数据、天气数据、负荷数据；所述配电网时间序列数据包括不同时间配电网各个节点的电流、电压、功率；所述用户侧网络设备数据包括网络设备的握手数据、心跳数据；用户侧网络设备包括机顶盒、路由器；

42、预处理模块，配置为对所述输入数据进行预处理，得到预处理数据；

43、范围预测模块，配置为将所述预处理数据输入训练好的多源数据融合模型，得到配电网停电范围的预测结果；所述预测结果包括节点停电概率；

44、匹配模块，配置为将所述预测结果与预构建的配电网拓扑结构模型匹配，得到配电网的停电范围的识别结果。

45、本发明的有益效果：

46、本发明提高了停电范围识别精度以及效率。

47、1)本发明通过多输入的神经网络进行数据的融合，使用多源数据来更新神经网络的参数，以使模型能够更好地利用多种数据源的信息。这样的多输入神经网络结构可以帮助模型更好地处理多源数据融合的问题，提高停电范围识别的效果。

48、2)传统的停电范围识别方法中，通常使用深度优先搜索或广度优先搜索算法来逐步扩大停电范围。然而，这些方法可能会导致不必要的扩大，因为它们仅考虑拓扑结构而忽略了节点的电压和负荷情况；本技术考虑节点的有功功率和电压以及负荷分布，当有功功率超出节点的容量限制或电压超出合理范围时，可以将该节点标记为受影响的节点，并停止扩大停电范围。保证系统的稳定运行和可靠性，避免对其他节点造成进一步的影响和损害。