(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221083813 3.0 (22)申请日 2022.07.17 (71)申请人 无锡格策电气有限公司 地址 214000 江苏省无锡市江阴市金山路 201号创智产业园数码港F座四楼 (72)发明人 卫立　徐金锋　 (74)专利代理 机构 无锡智麦知识产权代理事务 所(普通合伙) 3249 2 专利代理师 谷晓刚 (51)Int.Cl. G06F 30/27(2020.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) H02J 3/00(2006.01)G06F 113/04(2020.01) G06F 119/02(2020.01) (54)发明名称 一种基于大数据分析的电力网络可靠性评 估方法 (57)摘要 本发明提供了一种基于大数据分析的电力 网络可靠性评估 方法， 属于智能电网数据分析领 域。 本发明以电力网络基础运行数据为评价数 据， 并按照运行级别分为网络运行维度、 电力运 行数据、 安全运行数据； 通过采集得到的基础产 生的大数据作为分析对象， 引入深度评估分析模 型， 使得评估采用的信息更多， 挖掘到的特征更 为准确； 针对高维度的电力网络输入数据， 针对 性的改进现有卷积网络， 使得网络更加轻量化， 改进型网络融合BN层以及改进后的残差网络让 训练更加的稳定并防止过拟合、 训练速度更快， 且能获得优于传统评估方法的评估结果。 权利要求书1页 说明书3页 附图1页 CN 115169234 A 2022.10.11 CN 115169234 A 1.一种基于大 数据分析的电力网络可靠性评估方法， 其特 征在于： ； 步骤1， 采集电力网络的多维度运行数据， 包含通信网络数据、 电力运行数据及安全运 行数据； 步骤2数据预处理， 对上述采集的通信网络数据、 电力运行数据及安全运行数据进行归 一化处理； 由于一定时间内数据维度较高， 在归一 化处理后进一 步进行降维； 步骤3深度特征提取及评估模型构建， 分别提取不同可靠性级别下电力网络的多维度 运行数据， 得到带有 可靠性级别标签的n个训练样本； 之后降维后的数据按照维度分别进 行 深度特征提取， 并进行评估 模型的训练； 本申请可靠性级别分为五级； 步骤4实时采集上述多维运行数据， 并进行上述步骤2以及步骤3处理得到待评估深度 特征， 利用步骤3构建的模型进行电力网络可靠性评估； 步骤5， 输出 可靠性评估结果。 2.根据权利要求1所述的基于大数据分析的电力网络可靠性评估方法， 其特征在于： 所 述通信网络数据具体为采集电力网络数据包含速率、 带宽、 吞吐量、 时延、 时延带宽积、 往返 时间RTT和网络利用率； 电力运行数据， 实时采集一定时间内的输电、 各级配电网中电压、 电流数据、 频率数据， 一次设备平均温度、 二次设备平均温度数据； 安全运行数据， 实时采集电力网络 中负荷数据、 输出功率数据、 各级管理系统流量日志 数据、 IP访问量数据。 3.根据权利要求2所述的基于大数据分析的电力网络可靠性评估方法， 其特征在于： 所 述步骤2中采用基于PCA主成分分析进行数据降维， 将 每个维度的数据降低为N*M维； 具体对 归一化后的所有特征进行中心化； 求协方差矩阵C； 求协方差矩阵C的特征值和相对应的特 征向量； 将原 始特征投影到 选取的特 征向量上， 得到降维后的各维度新特 征F1、 F2、 F3 。 4.根据权利要求1所述的基于大数据分析的电力网络可靠性评估方法， 结果包括高可 靠性、 较高可靠性、 一般可靠性、 较低可靠性、 极低可靠性 其中之一。 5.根据权利要求1所述的基于大数据分析的电力网络可靠性评估方法， 其特征在于步 骤4中采用改进型深度特征提取网络结构， 将输入F1、 F2、 F3特征矩阵分别经过第1卷积层、 BN层RELU函数层、 BN层、 输入F1、 F2、 F3特征还通过残差结构越接与BN输出层得到结果进行 融合， 之后经过3层残差结构以及最大池化层的深度特征提取， 最 终将三个输入分支得到的 卷积特征进行全局平均池化融合、 最后经Softmax层进行 可靠性评估结果输出。 6.根据权利要求5所述的基于大数据分析的电力网络可靠性评估方法， 其特征在于训 练中损失函数采用交叉熵损失。 7.根据权利要求5所述的基于大数据分析的电力网络可靠性评估方法， 其特征在于训 练样本数量 n为1000。 8.一种计算机设备， 其特征在于， 包括处理器和存储器， 所述存储器存储有能够被所述 处理器执行的计算机可执行指 令， 所述处理器执行所述计算机可执行指令以实现权利要求 1至7任一项所述的方法。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机可 执行指令， 所述计算机可执行指令在被处理器调用和执行时， 计算机可执行指令促使处理 器实现权利要求1至7任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 115169234 A 2一种基于大数据分析的电力网 络可靠性评估方 法 技术领域 [0001]本发明属于智能电网数据分析领域， 具体涉及一种基于大数据分析的电力网络可 靠性评估方法。 背景技术 [0002]随着我国社会经济发展与生活水平提高， 人们对电能需求量也在日益增多， 所以 电网数据可谓 “海量”。 进行电力网络的可靠性评估的前提是采集好相关电网数据， 但由于 电网数据的 “海量”特征， 所以数据采集工作量 非常庞大、 工作难度非常高， 很难实现对数据 的全面、 高效采集。 不过， 随着大数据在电网可靠性评估中的应用， 这一问题迎刃而解。 数据 采集是大数据的最关键技术之一， 利用大数据可以有效保障数据采集的完整性、 数据埋点 的规范性与准确性以及数据上报的实时性， 从而减少错 误发生率。 [0003]虽然通过大数据平台能够实现对 “海量”电网数据的有效分析， 但由于海量数据中 包括很多无用数据， 所以在开展数据分析工作前先要对数据进行有效的建模， 并找到数据 之间的准确规律， 然后再利用数据网来进 行数据分析和预算， 以保证分析和预测的准确性。 但现有技术不论是从评价指标以及数据分析准确性上都存在很大不 足。 在实际智能电网通 信网的运行中， 可靠性指标与可靠性准则之间、 以及可靠性准则与可靠性度量之间的关系 大部分为非线性。 传统层次分析方法分析线性关系， 导致可靠性评估与实际结果偏差较大。 且经过指标计算后数据会因为指标评价方式严重失真， 且可靠性评估做不到实时性。 发明内容 [0004]本发明的目的在于解决上述现有技术中存在的难题， 提供一种基于大数据分析的 电力网络可靠性评估方法， 具体包 含如下步骤： [0005]步骤1， 采集电力网络 的多维度运行数据， 包含通信网络数据、 电力运行数据及安 全运行数据； [0006]其中， 通信网络数据具体为采集电力网络数据 包含速率、 带宽、 吞吐量、 时延、 时延 带宽积、 往返时间RT T和网络利用率； [0007]电力运行数据， 实时采集一定时间内的输电、 各级配电网中电压、 电流数据、 频率 数据， 一次设备平均温度、 二次设备平均温度数据； [0008]安全运行数据， 实时采集电力网络中负荷数据、 输出功率数据、 各级管理系统流量 日志数据、 IP访问量数据。 [0009]步骤2数据预处理， 对上述采集的通信网络数据、 电力运行数据及安全运行数据进 行归一化处理； 由于一定时间内数据维度较高， 在 归一化处理后进一步进 行降维； 本申请具 体采用基于PCA主成分分析进行数据降维， 将每个维度的数据降低为N*M维； 具体对归一化 后的所有 特征进行中心化； 求协方差矩阵C； 求协方差矩阵C的特征值和相对应的特征向量； 将原始特征投影到 选取的特 征向量上， 得到降维后的各维度新特 征F1、 F2、 F3； [0010]步骤3深度特 征提取及评估 模型构建说　明　书 1/3 页 3 CN 115169234 A 3