[发明专利]一种应用于继电保护培训的成套教学装置的开发方法

权利要求书

1.一种应用于继电保护培训的成套教学装置的开发方法，成套教学装置包括主流继电保护装置和继电保护测试仪，其特征在于，所述方法包括：

第一步，建设电力大数据存储和计算平台，所述电力大数据存储和计算平台用于抽取和存储多种结构与非结构化的电网模型数据、电网运行数据、培训操作和运行告警数据，并采用Hadoop技术构建高性能分布式计算和存储集群；

第二步，建设电网运行方式的模式库，运用滤波算法和特征提取方法，通过关联分析、假设检验、回归分析的技术手段，基于大数据分析平台计算描述电网运行模型参数的通用指标与区分模型对象差异的关键指标，筛选影响电网运行特征模型构建的因素，从而建立通用、标准化的电网运行方式模式库；

第三步，形成基于机器学习的培训操作决策树，运用机器学习技术和开源通用机器学习库，对各类电网运行模式下的历史培训操作记录进行学习和训练，以培训操作对象、操作影响对象和操作次序分析培训操作的结果和影响，提出培训操作特征量和电网运行模式状态关联规则提取算法，进行综合分析计算和机器学习，形成培训操作正向决策树；

第四步，实现实时培训操作校验和防误，将机器学习中的关联规则分析和决策树分析引入到继电保护装置在线培训操作中，并建立智能决策和分析系统；

其中，实现实时培训操作校验和防误的过程中，使用人工神经元网络推导和判断当前电网的运行模型，根据决策树对培训操作指令进行实时分析，实时评估和预测操作的合理性以及对电网运行的影响。

2.根据权利要求1所述的应用于继电保护培训的成套教学装置的开发方法，其特征在于，在第一步中，所述电力大数据存储和计算平台提供基于map-reduce的多机多核并行计算框架，为电网运行模式识别计算和电网操作决策树的机器学习提供基础的并行计算引擎。

3.根据权利要求2所述的应用于继电保护培训的成套教学装置的开发方法，其特征在于，在map-reduce的mapper阶段，按照预设分片分别读取增量源数据和增量目的数据，对每一个增量源数据和/或每一个增量目的数据进行清洗转换，将增量源数据和增量目的数据分别映射为相应的key/value结构，写入map-reduce的context，其中key为增量源或增量目的各自的唯一标识符序列化后的数据；在map-reduce的reducer阶段，从context中接收每一对key/value结构归约后生成的key/values结构，根据key/values结构的类型判断需进行的同步操作。

4.根据权利要求1所述的应用于继电保护培训的成套教学装置的开发方法，其特征在于，在第二步中，采用基于Kalman滤波算法的电网信息观测方法，通过电网信息观测系统在分布式电源并网点采集三相电压信号测量值，建立电网系统状态空间模型，对三相电压信号经坐标变换，对kalman滤波算法中状态变量赋予初值；将两相信号输入kalman滤波器进行计算、分离，对电网同步信息进行预测和校正，在预测环节，根据系统模型，由电网系统之前的状态估计得到电网系统当前的状态估计；在校正环节，通过实测数据，根据协方差矩阵对当前状态估计修正，得到更加精确的当前状态值。

5.根据权利要求4所述的应用于继电保护培训的成套教学装置的开发方法，其特征在于，在电网信息观测的过程中，通过卡尔曼滤波器将其输出值输入给三相锁频环，由三相锁频环提取基波频率，并反馈给Kalman滤波器，并进行下一时刻电压的信息观测。

6.根据权利要求1所述的应用于继电保护培训的成套教学装置的开发方法，其特征在于，在第三步中，在形成基于机器学习的培训操作决策树时，运用TensorFlow、Caffe的机器学习技术和开源通用机器学习库进行培训。

7.根据权利要求1所述的应用于继电保护培训的成套教学装置的开发方法，其特征在于，在第三步中，形成基于机器学习的培训操作决策树时，提取的所述培训操作特征量，包括培训操作对象、操作影响对象、操作次序的特征，将行向量形式的操作特征转换为操作特征矩阵，将定制培训特征表示为行向量形式，将行向量形式的定制培训特征转换为定制培训特征矩阵，将特征矩阵作为输入，并利用模型预测继电保护培训成果。