[发明专利]基于GA-BP神经网络的配电网故障大数据分析方法和系统

说明书

本申请提供本发明公开了一种基于GA—BP神经网络的配电网故障大数据分析方法和系统，从而提升配网线路风险评估模型的稳定性，并将该基于GA—BP神经网络的配电网故障大数据分析方法通过基于GA—BP神经网络的配电网故障大数据分析系统实现。其中，方法包括提取配电线路故障原因因子，筛选对故障次数存在显著影响的故障关键因子，获取各故障线路主成分的风险值得分，故障线路风险值计算模型和对线路单元的风险值进行预测评估；配电网线路风险预测评估系统包括数据输入模块、数据中转模块、输出显示模块、原因因子采集模块、关键因子筛选模块、主成分分析模块、线路风险值分析模块和风险预测评估模块。

技术领域

本发明涉及配电网线路风险预测评估技术领域，具体涉及一种基于GA-BP神经网络的配电网故障大数据分析方法和系统。

背景技术

随着我国经济的高速发展，社会生活每个方面对电能的依赖程度都在不断加深。配电网直接面向广大普通用户，其运行的稳定性、可靠性对生产生活而言至关重要。配网建设的加速升级，运维工作呈现要求高、难度大的特点。传统的凭经验进行运维检修以及工程针对性改造无法科学指导运维工作，更无法对线路状态进行全面了解。国内电力领域一直以来都采用方案检修模式进行电力装置的维护管理，整体来看属于事后维护体系，一旦开启检修工作，就会有很长时间无法供能，对社会生活造成严重影响。传统配电网运维由于其工作模式和技术手段上的局限性，主要存在以下几个问题：一是相关人员工作繁重，配网线路巡视存在人员少、线路长、任务重的问题；二是农村配网线路投入产出比低；三是配网线路故障排查采用地毯式搜寻，没有重点，在寻找故障点上消耗大量抢修时间。传统配电网运维已不能满足现阶段要求，在大数据时代背景下，如何利用现有配电网中的海量数据，通过数据分析，提取配网线路故障的关键影响因素、构建合理的线路故障风险预测模型，为后续线路检修工作进行指导，提升配网运维工作效率就显得尤为重要。

在中国专利申请公开说明书，CN110889587A中公开了一种配电网线路风险评估方法。该方法采用以下5个步骤实现对配电线路进行风险评估：步骤1，将配电网线路划分为若干线路单元，采集配电网线路的历史故障数据，并对所述故障数据进行预处理得到引起线路单元故障的原因因子；步骤2，以线路单元发生故障的次数为因变量，以引起线路单元故障的原因因子作为自变量，采用逐步回归法筛选出对故障次数存在显著影响的故障关键因子；步骤3，对所述故障关键因子进行标准化处理获得标准化特征数据，通过主成分分析法计算各线路单元主成分的PCA得分；步骤4，采用EMLR算法对各线路单元主成分的PCA得分数据集进行回归分析，得到风险值计算模型；步骤5，利用所述风险值计算模型计算各线路单元的风险值，并将所各线路单元的风险值数据集作为BP神经网络训练数据集进行训练的得到各线路单元的风险值的神经网络计算模型；将测试数据导入所述神经网络计算模型实现对线路单元的风险值进行预测评估。

该发明公开了从故障数据收集整理到对配网线路风险进行分析的整套工作流程，但是该发明仅只是使用传统的BP神经网络来训练得到各线路风险值，得到的训练模型不太稳定，且该发明缺少对数据相关性的定量分析以及对结果数据的可靠性分析，同时缺少一套配电网线风险分析系统作为配电网线风险分析方法的执行载体。

发明内容

本发明所要解决的技术问题是提供一种基于GA—BP神经网络的配电网故障大数据分析方法，从而提升配网线路风险评估模型的稳定性，并将该基于GA—BP神经网络的配电网故障大数据分析方法通过基于GA—BP神经网络的配电网故障大数据分析系统实现。

本发明提供1.一种基于GA—BP神经网络的配电网故障大数据分析方法，其特征在于，所述方法包括如下步骤：

步骤1：采集配电网线路的故障数据，对故障数据进行分析，获取导致线路故障的原因因子；

步骤2：以所述原因因子为自变量，以发生线路故障的次数为因变量，采用标准化逐步回归方法，从所述原因因子中筛选出导致线路故障的关键因子；

步骤3：对所述关键因子的数据进行归一化处理，得到归一化特征数据；