一种基于拓扑分析的网架风险识别方法及装置与流程

本发明涉及电力自动化领域，尤其涉及一种基于拓扑分析的网架数据分析方法及装置。

背景技术：

1、在电力系统中，供电质量是保障电力设备正常运行和用户用电安全可靠的重要指标之一。随着电力需求的不断增长和电力系统的复杂性，供电质量成为电力行业关注的重要问题。可靠的配网网架是供电稳定的基础，建立完善的网架结构是提升供电质量的重要一环，但是，在目前供电质量运维的过程中，由于网架具有的风险点和薄弱点，以及在线监测具有局限性，网架相关指标和问题库仍靠人工统计分析，规划人员对网架问题收资周期较长，基层工作量较大，配网网架分析信息化水平不高；并且配网网架结构薄弱问题突出，存在着因网架自身缺陷和跳闸等因素而导致的安全风险和电压质量问题。

技术实现思路

1、本发明提供了一种基于拓扑分析的网架风险识别方法及装置，以解决如何根据供电系统中的网架数据进行风险识别的技术问题。

2、为了解决上述技术问题，本发明提供了一种基于拓扑分析的网架风险识别方法，包括：根据预设解析组件获取网架线路数据，对所述网架线路数据进行数据提取和转换，得到第一网架数据；

3、根据所述第一网架数据构建网架风险预测模型；

4、根据预设电网拓扑图获取第二网架数据和网架设备参数，并将所述网架设备参数输入所述网架风险预测模型，得到网架风险预测数据；其中，所述网架设备参数包括电网网架的接线结构和配网设备实时运行数据；

5、根据所述网架风险预测数据对所述第二网架数据进行分析计算，得到网架风险识别结果；

6、通过解析组件获取并转换网架线路数据得到第一网架数据，能够对电网数据进行挖掘和统一标准化，方便后续的分析和计算；根据第一网架数据构建网架风险预测模型，能够预测识别不同风险特征之间的关联规律，预测潜在的网架风险；利用电网拓扑图获取第二网架数据和网架设备参数，并将网架设备参数输入网架风险预测模型，生成网架风险预测数据，可以反映不同设备在网架中的风险程度，有助于了解设备的潜在问题；根据网架风险预测数据对第二网架数据进行分析计算，得到风险识别结果，有助于识别潜在的网架问题，确定存在较高风险的网架设备或网架线路，对网架风险分析和运维管理提供支持。

7、作为优选方案，所述根据预设解析组件获取网架线路数据，对所述网架线路数据进行数据提取和转换，得到第一网架数据，包括：

8、根据cim解析组件获取所述网架线路数据，对所述网架线路数据中的元素、属性和关系信息进行提取后，转换为数据库记录数据和显示图形，根据预设gis图模转换方法，由所述数据库记录数据和所述显示图形形成拓扑图模，根据所述拓扑图模得到所述第一网架数据；

9、通过对网架线路数据的提取、转换并生成拓扑图模，从而得到第一网架数据，有助于更好地理解电网网架的结构组成，为电网规划、运维和决策提供准确的数据支持；同时，通过可视化的拓扑图模，可以提高对电网网架的可视化分析和展示能力，促进决策的科学性和有效性。

10、作为优选方案，所述根据cim解析组件获取所述网架线路数据，对所述网架线路数据中的元素、属性和关系信息进行提取，包括：

11、根据所述cim解析组件，读取线路环网率、平均供电半径、电缆化率、主干线自动化平均分段数、可转供公用线路回数和配网自动化有效覆盖率进行拓扑连接关系提取。

12、作为优选方案，获取馈线单辐射问题数量和公用单一用户辐射线路回数量后，通过计算得到所述线路环网率；

13、获取公线最长供电半径长度和公线数量后，通过计算得到所述平均供电半径；

14、获取公线线路电缆长度与公线线路长度数据后，通过计算得到所述电缆化率；

15、获取线路主干线分段开关数量和公线数量后，通过计算得到所述主干线自动化平均分段数；

16、获取公用线路回数、馈线不可转供问题数量和单辐射线路回数后，通过计算得到所述可转供公用线路回数；

17、获取自动化覆盖公用线路回数、公用线路回数和特殊线路数量后，通过计算得到所述配网自动化有效覆盖率；

18、利用cim解析组件获取网架线路数据，并提取元素、属性和关系信息，能够更好地了解电网的拓扑结构和运行特征，识别潜在的风险点和问题，以采取相应的措施进行改善和优化，为用户提供更稳定和可靠的电力供应。

19、作为优选方案，所述根据所述第一网架数据构建网架风险预测模型，包括：

20、对所述第一网架数据进行数据清洗、异常值处理和缺失值填充，得到网架数据训练集，并提取所述第一网架数据的数据关键特征后，根据所述网架数据训练集和所述数据关键特征建立深度学习网络模型，得到所述网架风险预测模型；其中，所述关键特征包括网架设备运行状态、负载情况、网架电流和电压信息；

21、利用第一网架数据构建网架风险预测模型，能够提升对电网风险的预测能力，能够从大量的网架数据中筛选出对网架风险具有重要影响的特征，减少数据的维度和复杂性，并预测潜在的网架风险，有助于及时发现和解决潜在的网架问题。

22、作为优选方案，所述将所述网架设备参数输入所述网架风险预测模型，得到网架风险预测数据；其中，所述网架设备参数包括电网网架的接线结构和配网设备实时运行数据，包括：

23、将所述网架设备参数输入所述网架风险预测模型，根据预设网架风险指标对所述网架设备参数进行分析计算，得到所述网架风险预测数据；其中，所述配网设备实时运行数据包括主干线数据、联络开关数据、线路类型数据、多电源用户配电房数据、接线模式数据、线路可转供数据和自动化分段开关数据；

24、通过对所述网架设备参数进行具体定义，能够实现更全面的数据收集结果，能够得到电网网架的接线结构和设备实时运行数据，为后续的分析和计算提供基础数据，有助于识别潜在的风险点和问题。

25、作为优选方案，所述根据所述风险预测数据对所述第二网架数据进行分析计算，得到网架风险识别结果，包括：

26、根据所述风险预测数据对所述第二网架数据进行电气计算，得到网架线路的指标数据后，根据gis技术将所述指标数据转换为指标拓扑图模，并根据cim解析组件对所述指标拓扑图模进行分析，得到网架风险问题情况和网架风险所在位置。

27、作为优选方案，在得到所述网架风险问题情况和所述网架风险所在位置后，根据单线图和延布图截图与gis技术配合，展示出现风险问题的具体位置。

28、作为优选方案，根据单线图和延布图截图与gis技术配合，展示网架分段详情数据、分支数据和供电半径最远的变压器数据。

29、利用风险预测数据对第一网架数据进行分析计算，得到风险识别结果，对所述风险识别结果进行直观展示，以能够根据风险识别结果进行主动运维，降低电网运行风险，提高电网的可靠性、安全性和可持续性；同时，通过预测模型的应用，可以优化电网维护和运维策略，提高资源利用效率和经济效益。

30、相应的，本发明还提供了一种基于拓扑分析的网架风险识别装置，包括：第一数据获取模块、模型构建模块、风险数据获取模块和风险识别模块；

31、其中，所述第一数据获取模块用于根据预设解析组件获取网架线路数据，对所述网架线路数据进行数据提取和转换，得到第一网架数据；

32、所述模型构建模块用于根据所述第一网架数据构建网架风险预测模型；

33、所述风险数据获取模块用于根据预设电网拓扑图获取第二网架数据和网架设备参数，并将所述网架设备参数输入所述网架风险预测模型，得到网架风险预测数据；其中，所述网架设备参数包括电网网架的接线结构和配网设备实时运行数据；

34、所述风险识别模块用于根据所述网架风险预测数据对所述第二网架数据进行分析计算，得到网架风险识别结果；

35、所述基于拓扑分析的网架风险识别装置通过解析组件获取并转换网架线路数据得到第一网架数据，能够对电网数据进行挖掘和统一标准化，方便后续的分析和计算；根据第一网架数据构建网架风险预测模型，能够预测识别不同风险特征之间的关联规律，预测潜在的网架风险；利用电网拓扑图获取第二网架数据和网架设备参数，并将网架设备参数输入网架风险预测模型，生成网架风险预测数据，可以反映不同设备在网架中的风险程度，有助于了解设备的潜在问题；根据网架风险预测数据对第二网架数据进行分析计算，得到风险识别结果，有助于识别潜在的网架问题，确定存在较高风险的网架设备或网架线路，对网架风险分析和运维管理提供支持。

36、作为优选方案，所述第一数据获取模块用于根据预设解析组件获取网架线路数据，对所述网架线路数据进行数据提取和转换，得到第一网架数据，包括：

37、所述第一数据获取模块根据cim解析组件获取所述网架线路数据，对所述网架线路数据中的元素、属性和关系信息进行提取后，转换为数据库记录数据和显示图形，根据预设gis图模转换方法，由所述数据库记录数据和所述显示图形形成拓扑图模，根据所述拓扑图模得到所述第一网架数据；

38、所述第一数据获取模块通过对网架线路数据的提取、转换并生成拓扑图模，从而得到第一网架数据，有助于更好地理解电网网架的结构组成，为电网规划、运维和决策提供准确的数据支持；同时，通过可视化的拓扑图模，可以提高对电网网架的可视化分析和展示能力，促进决策的科学性和有效性。

39、作为优选方案，所述第一数据获取模块根据cim解析组件获取所述网架线路数据，对所述网架线路数据中的元素、属性和关系信息进行提取，包括：

40、所述第一数据获取模块根据所述cim解析组件，读取线路环网率、平均供电半径、电缆化率、主干线自动化平均分段数、可转供公用线路回数和配网自动化有效覆盖率进行拓扑连接关系提取。

41、作为优选方案，所述第一数据获取模块获取馈线单辐射问题数量和公用单一用户辐射线路回数量后，通过计算得到所述线路环网率；

42、所述第一数据获取模块获取公线最长供电半径长度和公线数量后，通过计算得到所述平均供电半径；

43、所述第一数据获取模块获取公线线路电缆长度与公线线路长度数据后，通过计算得到所述电缆化率；

44、所述第一数据获取模块获取线路主干线分段开关数量和公线数量后，通过计算得到所述主干线自动化平均分段数；

45、所述第一数据获取模块获取公用线路回数、馈线不可转供问题数量和单辐射线路回数后，通过计算得到所述可转供公用线路回数；

46、所述第一数据获取模块获取自动化覆盖公用线路回数、公用线路回数和特殊线路数量后，通过计算得到所述配网自动化有效覆盖率；

47、所述第一数据获取模块利用cim解析组件获取网架线路数据，并提取元素、属性和关系信息，能够更好地了解电网的拓扑结构和运行特征，识别潜在的风险点和问题，以采取相应的措施进行改善和优化，为用户提供更稳定和可靠的电力供应。

48、作为优选方案，所述模型构建模块用于根据所述第一网架数据构建网架风险预测模型，包括：

49、所述模型构建模块对所述第一网架数据进行数据清洗、异常值处理和缺失值填充，得到网架数据训练集，并提取所述第一网架数据的数据关键特征后，根据所述网架数据训练集和所述数据关键特征建立深度学习网络模型，得到所述网架风险预测模型；其中，所述关键特征包括网架设备运行状态、负载情况、网架电流和电压信息；

50、所述模型构建模块利用第一网架数据构建网架风险预测模型，能够提升对电网风险的预测能力，能够从大量的网架数据中筛选出对网架风险具有重要影响的特征，减少数据的维度和复杂性，并预测潜在的网架风险，有助于及时发现和解决潜在的网架问题。

51、作为优选方案，所述风险数据获取模块用于将所述网架设备参数输入所述网架风险预测模型，得到网架风险预测数据；其中，所述网架设备参数包括电网网架的接线结构和配网设备实时运行数据，包括：

52、所述风险数据获取模块将所述网架设备参数输入所述网架风险预测模型，根据预设网架风险指标对所述网架设备参数进行分析计算，得到所述网架风险预测数据；其中，所述配网设备实时运行数据包括主干线数据、联络开关数据、线路类型数据、多电源用户配电房数据、接线模式数据、线路可转供数据和自动化分段开关数据；

53、所述风险数据获取模块通过对所述网架设备参数进行具体定义，能够实现更全面的数据收集结果，能够得到电网网架的接线结构和设备实时运行数据，为后续的分析和计算提供基础数据，有助于识别潜在的风险点和问题。

54、作为优选方案，所述风险识别模块用于根据所述风险预测数据对所述第二网架数据进行分析计算，得到网架风险识别结果，包括：

55、所述风险识别模块根据所述风险预测数据对所述第二网架数据进行电气计算，得到网架线路的指标数据后，根据gis技术将所述指标数据转换为指标拓扑图模，并根据cim解析组件对所述指标拓扑图模进行分析，得到所述网架线路的风险问题情况和风险所在位置。

56、作为优选方案，所述风险识别模块在得到所述网架风险问题情况和所述网架风险所在位置后，根据单线图和延布图截图与gis技术配合，展示出现风险问题的具体位置。

57、作为优选方案，所述风险识别模块根据单线图和延布图截图与gis技术配合，展示网架分段详情数据、分支数据和供电半径最远的变压器数据。

58、所述风险识别模块利用风险预测数据对第一网架数据进行分析计算，得到风险识别结果，对所述风险识别结果进行直观展示，以能够根据风险识别结果进行主动运维，能够降低电网运行风险，提高电网的可靠性、安全性和可持续性；同时，通过预测模型的应用，可以优化电网维护和运维策略，提高资源利用效率和经济效益。