一种电力通信故障诊断方法及系统与流程

1.本发明涉及电力通信故障技术领域，具体涉及一种电力通信故障诊断方法及系统。


背景技术：

2.电力通信是电网正常系统安全、稳定运行的重要保证，电力通信在协调电力系统发、送、变、配、用电等组合部分的联合及保证电网安全、稳定、经济、可靠运行方面发挥着重要作用，因此，电网对电力通信有很高的要求，必须具有高度的可靠性和灵活性。然而每天都会产生由于电力通信故障带来的告警信息，这些告警信息要求电力通信调度员必须在最短的时间内，正确地判断出网络故障所在的位置、类型和引起故障的原因，然后及时地采取相应的解决措施。由于电力通信故障发生的原因层次结构复杂，电力通信调度人员在对电力通信故障诊断时，存在故障诊断效率低，诊断结果不准确的问题。


技术实现要素：

3.针对现有技术存在的问题，本发明提供一种电力通信故障诊断方法及系统，能够及时判断故障位置和原因，及时给出诊断结果和应对措施，提高了电力通信故障诊断效率。
4.本发明的技术方案如下：
5.在本发明的第一方面提供了一种电力通信故障诊断方法，包括以下步骤：
6.获取历史数据库中电力通信故障信息的历史数据；
7.构建电力通信故障预测模型，所述电力通信故障预测模型根据电力通信故障信息的历史数据训练得到；
8.根据当前告警信息得到故障位置和故障基本信息；
9.将故障位置和故障基本信息输入电力通信故障预测模型中，得到故障诊断结果。
10.进一步地，所述电力通信故障信息的历史数据包括故障位置、故障基本信息和故障诊断结果。
11.进一步地，所述电力通信故障预测模型的训练过程为：
12.对获得的电力通信故障信息的历史数据使用numpy数据处理包进行存放，作为神经网络的输入数据集；
13.神经网络通过前向卷积运算对数据集进行特征提取，在前馈运算过程中动态迭代更新卷积核参数，直至满足约束条件，保存为模型参数文件。
14.进一步地，所述约束条件为：实际故障诊断结果与电力通信故障预测模型故障诊断结果的稳态阈值满足误差要求，所述稳态阈值通过交叉熵运算得到。
15.进一步地，故障位置的确定具体为：提取告警中的网络位置信息，并输出故障网元所关联的网络拓扑结构信息，通过对告警序列进行分析，确认故障位置；所述故障位置包括故障网点和故障站点。
16.进一步地，所述故障基本信息包括故障类型、故障告警信息描述。
17.进一步地，所述故障诊断结果包括故障原因和故障处理方法。
18.在本发明的第二方面提供了一种电力通信故障诊断系统，包括：
19.数据采集模块，被配置为：获取历史数据库中电力通信故障信息的历史数据；
20.模型训练模块，被配置为：构建电力通信故障预测模型，所述电力通信故障预测模型根据电力通信故障信息的历史数据训练得到；
21.信息处理模块，被配置为：根据当前告警信息得到故障位置和故障基本信息；
22.故障诊断模块，被配置为：将故障位置和故障基本信息输入电力通信故障预测模型中，得到故障诊断结果。
23.本发明具有如下技术效果：
24.本发明的电力通信故障诊断方法，利用电力通信故障的历史数据库，构建电力通信故障预测模型并进行训练，对当前的告警信息进行分析和处理，能够得到故障位置和故障基本信息，通过将故障位置和故障基本信息输入到电力通信故障预测模型，可以直接得到故障诊断结果，能够实现电力通信系统故障进行准确地、实时地诊断。
25.本发明基于深度神经网络训练电力通信故障预测模型，通过将处理后的告警信息输入模型即可得到故障诊断结果，避免了由于工作人员经验不足导致的故障判断、分析、定位的准确率低的问题，提高了电力通信故障诊断效率。
附图说明
26.图1为本发明的电力通信故障诊断方法的流程示意图；
27.图2为本发明中的电力通信故障诊断系统的结构示意图。
具体实施方式
28.为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
29.实施例1
30.如图1所示，本实施例提供的一种电力通信故障诊断方法，包括以下步骤：
31.(1)获取历史数据库中电力通信故障信息的历史数据；
32.电力通信系统中的电力通信故障历史数据库是对一定时间内的电力通信系统故障案例记录数据进行整理、关键词提取得到故障案例的电力通信故障信息，电力通信故障信息的历史数据包括故障位置、故障基本信息和故障诊断结果；其中故障位置包括故障网点和故障站点，是对发生故障的位置进行的描述；故障基本信息包括故障类型、故障信息描述。
33.故障类型包括软故障和硬故障，所述软故障为因软件系统运行错误而发生的故障，最常见的有网络错误、程序错误、操作失误、病毒破坏等，所述硬故障为电力设备发生的物理性质损坏，其损坏原因可以分为两个方面，一方面是由于外加环境以及工作人员不合理操作而导致硬件设备出现损坏，另一方面是由于电力设备本身的问题，例如元器件，接触
插件等出现了损坏。
34.故障信息描述为电力通信故障历史数据库中对每一个故障案例的故障现象的描述。故障诊断结果包括故障原因和故障处理方法。
35.电力通信故障历史数据库中包括多个历史故障案例的数据，如：
36.控制回路断线故障：
37.故障原因：保护装置的控制电源消失，或者操作机构出现异常状况，对于主变高压侧弹簧操作机构还包括储能机构未能正常储能。
38.故障信息描述：控制回路断线属于告警类信号，辅助柜辅助柜警铃响。出现该现象的保护装置面板“告警”灯亮，装置液晶显示屏显示“开关量输入异常”。微机告警显示器自动弹出，其中红色的文字显示告警总信号发生，蓝色的文字显示控制回路断线发生的时间和具体线路。
39.故障处理方法：检查保护装置的控制电源、操作机构。对于主变高压侧要检查弹簧操作机构、储能机构。
40.电压回路断线pt断线故障：
41.故障原因：电压互感器(pt)一次、二次熔丝熔断。
42.故障现象描述：电压回路断线(pt断线)属于告警类信号，辅助柜辅助柜警铃响。出现pt断线的那段母线投入电压回路断线告警保护的装置“告警”灯亮，装置液晶显示屏显示“电压回路断线”。微机告警显示器自动弹出，其中红色的文字显示告警总信号发生，蓝色的文字显示电压回路断线发生的时间。
43.故障处理方法：检查pt的一次、二次熔丝。
44.(2)构建电力通信故障预测模型，所述电力通信故障预测模型根据电力通信故障信息的历史数据训练得到；
45.本实施例中，基于深度学习的方法，利用计算机的强大计算能力和神经网络的“黑盒”特性，通过电力通信系统中的电力通信故障历史数据库中的故障案例数据对电力通信故障模型进行训练。
46.所述电力通信故障预测模型的训练过程为：
47.对获得的电力通信故障信息的历史数据使用numpy数据处理包进行存放，作为神经网络的输入数据集；
48.神经网络通过前向卷积运算对数据集进行特征提取，在前馈运算过程中动态迭代更新卷积核参数，直至满足约束条件，保存为模型参数文件，提取的特征信息为历史数据中的故障位置、故障基本信息和故障诊断结果。
49.所述约束条件为：实际故障诊断结果与电力通信故障预测模型故障诊断结果的稳态阈值满足误差要求，所述稳态阈值通过交叉熵运算得到。
50.(3)根据当前告警信息得到故障位置和故障基本信息；
51.故障位置的确定具体为：提取告警中的网络位置信息，并输出故障网元所关联的网络拓扑结构信息，通过对告警序列进行分析，确认故障位置；所述故障位置包括故障网点和故障站点。
52.故障基本信息根据故障告警信息得到，包括故障类型、故障信息描述，包括以下步骤：
53.根据电力系统通信网络结构及告警的特点，对告警信息进行表示，能够将一个告警进行唯一标识，并便于神经网络模块抽取其中的特征信息，适用于电力通信故障预测模型输入的要求。
54.为了使告警数据能够适合电力通信故障预测模型的故障诊断需要，以时间窗方式划分告警数据，首先读入数据库中的告警记录，获得第一条记录的告警发生时间，作为窗口开始时间，然后由开始时间加上窗口大小得到窗口终止时间。然后逐次将接下来读入的记录中，时间不晚于终止时间的记录都保存下来。如果一条记录的开始时间晚于终止时间，则停止记录。由此得到一个告警时间窗的数据。
55.采用将上述时间窗开始时间加上滑动步长得到新的开始时间，再加上窗口大小得到新的终止时间，然后将读取记录的指针移动到与新的开始时间最接近的记录开始读入，时间窗按照滑动步长大小进行滑动来获取告警数据。对于滑动步长的选取原则，依据采样定理，滑动步长的选取应小于时间窗口的一半，这样能够保证所选取告警之间关联规则的完整性。
56.(4)将故障位置和故障基本信息输入电力通信故障预测模型中，得到故障诊断结果；
57.所述故障诊断结果包括故障原因和故障处理方法。
58.本实施例的电力通信故障诊断方法，利用电力通信故障的历史数据库，构建电力通信故障预测模型并进行训练，对当前的告警信息进行分析和处理，能够得到故障位置和故障基本信息，通过将故障位置和故障基本信息输入到电力通信故障预测模型，可以直接得到故障诊断结果，能够实现电力通信系统故障进行准确地、实时地诊断。
59.实施例2
60.一种电力通信故障诊断系统，包括：
61.数据采集模块，被配置为：获取历史数据库中电力通信故障信息的历史数据；
62.模型训练模块，被配置为：构建电力通信故障预测模型，所述电力通信故障预测模型根据电力通信故障信息的历史数据得到；
63.信息处理模块，被配置为：根据当前告警信息得到故障位置和故障基本信息；
64.故障诊断模块，被配置为：将故障位置和故障基本信息输入电力通信故障预测模型中，得到故障诊断结果。
65.实施例3
66.一种计算机装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述实施例1所述的方法的步骤。
67.实施例4
68.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时执行实施例1所述的方法的步骤。
69.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
70.以上所述的实施例对本发明的技术方案进行了详细说明，应理解的是以上所述仅
为本发明的具体实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充或类似方式替代等，均应包含在本发明的保护范围之内。

技术特征：
1.一种电力通信故障诊断方法，其特征在于，包括以下步骤：获取历史数据库中电力通信故障信息的历史数据；构建电力通信故障预测模型，所述电力通信故障预测模型根据电力通信故障信息的历史数据训练得到；根据当前告警信息得到故障位置和故障基本信息；将故障位置和故障基本信息输入电力通信故障预测模型中，得到故障诊断结果。2.如权利要求1所述电力通信故障诊断方法，其特征在于，所述电力通信故障信息的历史数据包括故障位置、故障基本信息和故障诊断结果。3.如权利要求1所述电力通信故障诊断方法，其特征在于，所述电力通信故障预测模型的训练过程为：对获得的电力通信故障信息的历史数据使用numpy数据处理包进行存放，作为神经网络的输入数据集；神经网络通过前向卷积运算对数据集进行特征提取，在前馈运算过程中动态迭代更新卷积核参数，直至满足约束调件，保存为模型参数文件。4.如权利要求3所述电力通信故障诊断方法，其特征在于，所述约束条件为：实际故障诊断结果与电力通信故障预测模型故障诊断结果的稳态阈值满足误差要求，所述稳态阈值通过交叉熵运算得到。5.如权利要求1所述电力通信故障诊断方法，其特征在于，故障位置的确定具体为：提取告警中的网络位置信息，并输出故障网元所关联的网络拓扑结构信息，通过对告警序列进行分析，确认故障位置；所述故障位置包括故障网点和故障站点。6.如权利要求1或2所述电力通信故障诊断方法，其特征在于，所述故障基本信息包括故障类型、故障信息描述。7.如权利要求1所述电力通信故障诊断方法，其特征在于，所述故障诊断结果包括故障原因和故障处理方法。8.一种电力通信故障诊断系统，其特征在于，包括：数据采集模块，被配置为：获取历史数据库中电力通信故障信息的历史数据；模型训练模块，被配置为：构建电力通信故障预测模型，所述电力通信故障预测模型根据电力通信故障信息的历史数据训练得到；信息处理模块，被配置为：根据当前告警信息得到故障位置和故障基本信息；故障诊断模块，被配置为：将故障位置和故障基本信息输入电力通信故障预测模型中，得到故障诊断结果。9.一种计算机装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时执行上述权利要求1-7任一所述的方法的步骤。

技术总结
本发明公开一种电力通信故障诊断方法及系统，包括以下步骤：获取历史数据库中电力通信故障信息的历史数据；构建电力通信故障预测模型，所述电力通信故障预测模型根据电力通信故障信息的历史数据训练得到；根据当前告警信息得到故障位置和故障基本信息；将故障位置和故障基本信息输入电力通信故障预测模型中，得到故障诊断结果；本发明的电力通信故障诊断方法，利用电力通信故障的历史数据库，构建电力通信故障预测模型并进行训练，对当前的告警信息进行分析和处理，能够得到故障位置和故障基本信息，通过将故障位置和故障基本信息输入到电力通信故障预测模型，可以直接得到故障诊断结果，能够实现对电力通信系统故障进行准确地、实时地诊断。实时地诊断。实时地诊断。


技术研发人员：魏传祺 李冰 李明 孔德强 苏纯宝 李晓雷 焦健
受保护的技术使用者：国网山东省电力公司济宁供电公司 国家电网有限公司
技术研发日：2023.03.08
技术公布日：2023/7/25