[发明专利]基于知识图谱的连锁故障演化路径溯源和预测方法及装置

说明书

本发明公开了一种基于知识图谱的连锁故障演化路径溯源和预测方法及装置，可以应用于交直流电网连锁故障风险评估与预警系统。该方法结合物理机理和相关性分析方法提取关键特征量，通过机器学习算法自动学习和判断特征事件间的关联关系，通过构建两层级的知识图谱，实现特征事件上、下级关联关系匹配与判断，根据特征事件关联关系判断结果和时序特征，基于深度优先搜索策略识别连锁故障演化路径。该方法引入智能化学习和分析引擎代替调度人员思考和判断，为复杂连锁故障溯源和预判提供了有效的技术支撑。

技术领域

本发明属于电力系统自动化技术领域，具体涉及一种基于知识图谱的连锁故障演化路径溯源和预测方法，还涉及一种基于知识图谱的连锁故障演化路径溯源和预测装置。

背景技术

随着风电、光伏等新能源大量并网，直流跨区输电规模持续增长，电网局部故障的连锁反应演化为全局安全风险特征日趋显著，典型的案例如跨区受端电网发生交流短路故障引发多回直流换相失败，换相失败期间的大功率冲击导致送端交流联络线功率、电压的大幅度波动，进一步引发电网解列、新能源大规模脱网等威胁全局电网安全稳定运行的严重事件。基于电网特征事件，进行连锁事故链溯源分析和超前预测，对阻断连锁故障恶性演化和事故处置具有重要意义。

连锁故障演化路径与电网运行方式、设备的涉网保护等诸多因素密切相关，存在较强的不确定性。调度运行人员对连锁故障演化过程的认知主要来源于离线方式计算分析结论以及调度自动化系统中的事件告警信息。但离线方式计算难以穷尽所有运行场景，将离线知识用于特征事件溯源难以保障结论的准确性。现有的故障诊断或者综合智能告警系统可以通过多源数据整合和专家经验实现单一设备故障的识别，无法判别多个事件之间连锁关联关系。电力系统连锁故障的发生以及事件的演化本质上具有因果关系和时序特征，关键特征事件具有可追溯性和可预测性，这极度依赖于运行经验和知识积累。知识图谱是一种基于图的数据结构，用于描述知识间的关系，具备知识的检索、推理和分析能力，特别适合作为规则知识的推理分析引擎。

发明内容

本发明的目的在于克服现有技术中的不足，提供了一种基于知识图谱的连锁故障演化路径溯源和预测方法，提取事件类、特征事件、特征事件之间关系以及关系属性，形成特征事件演化知识图谱，搜索特征事件演化知识图谱获得连锁故障特征事件溯源和预测路径。

为解决上述技术问题，本发明的技术方案如下。

第一方面，本发明提供了一种基于知识图谱的连锁故障演化路径溯源和预测方法，包括以下过程：

获取连锁故障历史数据，生成连锁故障演化样本数据库；

基于获得的连锁故障演化样本数据库，训练得到特征事件关系模型，所述特征事件关系模型的输入为事件对的关键特征量，输出为事件对之间关系是否成立；

从连锁故障演化样本数据库中，提取事件类、特征事件、特征事件之间关系以及关系属性，形成特征事件演化知识图谱，所述特征事件之间关系是任意特征事件组成事件对输入训练后的特征事件关系模型所获得的；

针对获取的实测特征事件序列，搜索特征事件演化知识图谱，获得连锁故障特征事件溯源和预测路径。

可选的，所述连锁故障历史数据包括按事件发生时序排列的事件序列、事件前后电网运行方式数据、事件引起电网暂态电气量变化信息、故障地点和故障类型。

可选的，所述特征事件关系模型训练的过程包括：

通过物理机理分析从连锁故障演化样本数据库确定训练的事件对集合；

通过数据相关性分析方法提取各事件对集合的关键特征量；

将关键特征量作为输入，事件对之间关系是否成立作为输出，基于支持向量机算法进行训练，获得特征事件关系模型。

可选的，所述提取事件类、特征事件、特征事件之间关系以及关键特征量，形成特征事件演化知识图谱，包括：