一种基于深度学习的配电台区异常预警系统及其方法

本发明涉及异常预警，具体为一种基于深度学习的配电台区异常预警系统及其方法。

背景技术：

1、参考专利名称为：一种配电网的异常故障分析预警系统（专利公开号：cn115171349a，专利公开日：2022-10-11），所述系统包括主站终端、通讯模块、台区终端和检测终端，所述台区终端设置在配电网络的各个台区，并且各个台区的台区终端均通过通讯模块与主站终端建立起通信连接，所述检测终端设置在台区终端上，所述主站终端设有分析模块和预警模块，所述分析模块用于将设备标记的数据进行模板录入并且将录入模板发送预警模块，所述预警模块用于将录入模板发送到绑定台区终端的接收设备中，通过上述系统可以针对配电网的异常问题，进行快速分配到各个台区的工作人员中，进而可以保证配电网的稳定性。

2、基于上述文件的表述，现有的配电台区在产生异常时，往往因未能及时发现异常，以至于产生配电故障或安全事故，而通过异常预警的操作亦只能针对于产生的问题进行反馈，并未能针对于数据处理后进行异常问题的预测操作，同时未能及时的处理或告知就近人员，为此，本发明提供了一种基于深度学习的配电台区异常预警系统及其方法。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于深度学习的配电台区异常预警系统及其方法，解决了现有的配电台区在产生异常时，往往因未能及时发现异常，以至于产生配电故障或安全事故，而通过异常预警的操作亦只能针对于产生的问题进行反馈，并未能针对于数据处理后进行异常问题的预测操作，同时未能及时的处理或告知就近人员的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于深度学习的配电台区异常预警系统，包括：

3、环境因素模块，用于对历史气候下的数据进行输入和保存，以用于对模型进行实际训练操作；

4、配电终端，包含有多个配电台区，且用于实现电压不稳定时的配电分配操作；

5、配电数据存储库，用于将配电台区产生的数据进行存储；

6、异常预警系统，通过将区域的数据采集后经过处理得到异常数据，并将异常数据输入至异常预警训练模型训练优化，基于数据的变化产生指令进行异常预测和预警并反馈给预警处理机组；

7、数据采集与处理模块，实时收集配电台区的运行数据，并对数据进行预处理后提取出异常数据；

8、异常预警训练模型，通过数据输入后经过深度学习完成迭代和优化，得到关于数据预测异常问题的输出指令；

9、异常预测和反馈模块，根据异常问题的输出指令预测发生的异常问题，并基于数据的变化生成多级预警指令进行反馈；

10、预警处理机组，应对于多级预警指令进行实时的预警和处理操作。

11、优选的，所述数据采集与处理模块的操作方式为：

12、a1、通过将配电台区的电压、电流、功率因数的指标数据利用传感器或智能电表进行采集并传输至数据处理模块；

13、a2、利用数据处理模块对数据进行清洗操作，完成对数据的预处理操作；

14、a3、基于a2处理后的数据进行异常数据的提取，与正常预定稳定数值存在差异的即为异常数据并归为异常数据集m。

15、优选的，所述异常预警训练模型的处理操作为：

16、b1、将异常数据集m输入至异常预警训练模型中；

17、b2、经过任一异常数据子集的引入实现异常预警训练模型输出各时段电压数值的变化；

18、b3、且依据电压数值的变化进行转换形成曲线函数，并通过曲线函数进行后续的预测操作；

19、b4、完成预测操作后通过机组完成处理后，会产生用于处理异常问题的修复数据，并将修复数据补入至异常预警训练模型进行优化更新，并应用于实际配电台区。

20、优选的，所述异常预测和反馈模块的具体操作为：

21、c1、依据电压数值的变化为y轴，而时间的顺序变化为x轴，将对应每个时间点的电压数值引入形成坐标曲线并标记为函数f（t，v），t表示为x轴向上时间的变化值，而v表示y轴向上电压数值的变化值；

22、c2、基于坐标曲线插入关于多级预警指令的函数，以此判断出所需进行预警操作的时段和对应的处理方式；

23、c3、依据得到的数据进行预警告知人员或进行自身控制处理操作。

24、优选的，所述c2多级预警指令的函数为：

25、f1=n和f2=l，且n＞l；

26、其中，f1为插入坐标曲线中且与x轴平行的常数函数，且表示函数f1在任一时间段预警预测阈值相同且均为常数n，而n表示为在任一时间段下的电压数值，f2亦为插入坐标曲线中且与x轴平行的常数函数，且表示函数f2在任一时间段预警预测阈值相同且均为常数l，而l表示为在任一时间段下的电压数值，且函数f1和f2同时插入坐标曲线中进行处理，并且n和l的电压数值是通过异常预警训练模型的数据库生成的预测阈值，n为距离最大电压数值相近的预测阈值，l为距离最小电压数值相近的预测阈值。

27、优选的，所述c2中判断出所需进行预警操作的时段和对应的处理方式的步骤为：

28、c21、基于f1=n的函数插入后，并插入数据库中的异常函数最大阈值即y=max（i），且通过f1=n以及y=max（i）对于坐标曲线f（t，v）进行分割操作，即坐标曲线f（t，v）电压数值大于n的开始节点且小于max（i）的开始节点曲线区域为异常的负载预测区域，而电压数值大于max（i）的开始节点的曲线区域为负载异常区域；

29、c22、基于f2=l的函数插入后，并插入数据库中的异常函数最小阈值即y=min（i），且通过f2=l以及y=min（i）对于坐标曲线f（t，v）进行分割操作，即坐标曲线f（t，v）电压数值小于l的结束节点且大于min（i）的结束节点曲线区域为异常的过载预测区域，而电压数值小于min（i）的开始节点的曲线区域为过载异常区域；

30、c23、且满足c21-c22的结果判断时生成处理指令进行传输并操作。

31、优选的，所述c3中针对于异常的负载预测区域进行预警的操作为：

32、d1、通过无线通信信号将预测到的预警问题反馈给预警机组维护人员的手机终端，并通过手机终端语音播报告知人员；

33、d2、并将其他的配电台区情况数据进行共享，实现与过载异常区域的电压输送命令的建立，并在曲线区域趋势继续攀升至负载异常区域通过预警机组实现电压输送的操作，直至电压数值降至n以下。

34、优选的，所述c3中针对于异常的过载预测区域进行预警的操作为：

35、e1、根据无线通信信号将预测到的预警问题反馈机组维护人员的手机终端，并通过手机终端语音播报告知人员；

36、e2、并将其他的配电台区情况数据进行共享，实现与负载异常区域的电压输送命令的建立，并在曲线区域趋势继续下降至过载异常区域通过预警机组实现电压接收的操作，直至电压数值升至l以上。

37、优选的，所述d1和e1中信号传输至维护人员的操作为：

38、g1、首先基于维护人员的手机终端与配电台区的终端进行信息匹配绑定操作，且通过gps完成位置信息的交互；

39、g2、在预警信号产生后，此时通过以配电台区为中心进行圆形的信号扩张操作，根据gps反馈的距离配电台区距离最短的维护人员接收到配电台区输出的预警信号；

40、g3、且维护人员接收到预警信号后点击手机终端完成响应操作。

41、本发明还公开了一种基于深度学习的配电台区异常预警系统的预警方法，具体包括以下步骤：

42、s1、利用传感器或智能电表对配电台区的数据采集，并通过数据采集与处理模块进行处理筛选得到异常数据；

43、s2、建立异常预警训练模型，将异常数据输入至预警训练模型进行训练，基于得到的结果进行预测操作，并对预测到的问题进行提前的预警以及相应的处理；

44、s3、同时告知人员知晓问题，并在需要人员维护赶到配电台区，完成操作后将优化的数据反馈至异常预警训练模型进行优化。

45、本发明提供了一种基于深度学习的配电台区异常预警系统及其方法。与现有技术相比具备以下有益效果：

46、（1）、该基于深度学习的配电台区异常预警系统及其方法，通过设置有异常预警系统，通过将区域的数据采集后经过处理得到异常数据，并将异常数据输入至异常预警训练模型训练优化，基于数据的变化产生指令进行异常预测和预警并反馈给预警处理机组，以此完成对数据接收后的分析，并对数据反馈出的问题进行预测，从而可以提前告知人员知晓异常问题，同时在预测的同时建立处理方式通信，完成预警的同时作出防范准备，提高配电台区的安全性。

47、（2）、该基于深度学习的配电台区异常预警系统及其方法，通过判断出所需进行预警操作的时段和对应的处理方式，引入预测的直线函数与相对应现有异常的阈值函数结合，完成对转换后坐标曲线的分割操作，以此分析得到会产生异常问题的区域，以及根据区域的时间段完成预测预警操作，从而尽量避免异常的产生。

48、（3）、该基于深度学习的配电台区异常预警系统及其方法，通过无线通信信号将预测到的预警问题反馈给预警机组维护人员的手机终端，并通过手机终端语音播报告知人员，在预警信号产生后，此时通过以配电台区为中心进行圆形的信号扩张操作，根据gps反馈的距离配电台区距离最短的维护人员接收到配电台区输出的预警信号，以此预警告知维护人员的同时选择与产生信号配电台区最近的进行处理，以此提高异常预警的效率和缩减后续处理的时间。