本發(fā)明涉及電力系統(tǒng)，尤其涉及一種配電設(shè)備的故障分析方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、配電通信網(wǎng)的告警分析能夠及時(shí)識(shí)別設(shè)備故障并減少停電風(fēng)險(xiǎn)，對(duì)保障電力系統(tǒng)穩(wěn)定運(yùn)行至關(guān)重要，隨著智能電網(wǎng)的快速發(fā)展，基于深度學(xué)習(xí)的告警分析方法逐漸成為研究熱點(diǎn)，為提升故障診斷的精準(zhǔn)性和效率提供了新的可能性。

2、然而，戶外設(shè)備因受地理環(huán)境因素影響，其告警特性表現(xiàn)出顯著的動(dòng)態(tài)性，現(xiàn)有基于深度學(xué)習(xí)的解決方案多傾向于靜態(tài)特征建模，導(dǎo)致模型在動(dòng)態(tài)場景下的適應(yīng)性不足，難以準(zhǔn)確捕捉故障原因與環(huán)境因素之間的復(fù)雜關(guān)聯(lián)，分析結(jié)果往往偏離實(shí)際，在戶外設(shè)備故障原因識(shí)別中面臨準(zhǔn)確率下降的難題，影響配電通信網(wǎng)告警分析的智能化水平以及電力系統(tǒng)的可靠運(yùn)行。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例提供了一種配電設(shè)備的故障分析方法，能夠提高故障原因識(shí)別的準(zhǔn)確率，提高配電通信網(wǎng)告警分析的智能化水平，保障電力系統(tǒng)的可靠運(yùn)行。

2、第一方面，本發(fā)明實(shí)施例提供一種配電設(shè)備的故障分析方法，包括：

3、獲取配電設(shè)備的歷史告警數(shù)據(jù)和地理環(huán)境數(shù)據(jù)，基于所述歷史告警數(shù)據(jù)和所述地理環(huán)境數(shù)據(jù)確定環(huán)境干擾變化趨勢；其中，所述環(huán)境干擾變化趨勢用于表示每一地理環(huán)境因素對(duì)配電設(shè)備告警發(fā)生的動(dòng)態(tài)影響趨勢；

4、根據(jù)所述環(huán)境干擾變化趨勢，采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)所述歷史告警數(shù)據(jù)進(jìn)行特征提取，得到綜合特征表示；

5、采用所述綜合特征表示對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的故障預(yù)測模型；

6、獲取實(shí)時(shí)告警數(shù)據(jù)并輸入至所述故障預(yù)測模型中，輸出初步故障原因；

7、采用長短期記憶網(wǎng)絡(luò)對(duì)所述初步故障原因進(jìn)行時(shí)序分析，得到故障診斷結(jié)果。

8、進(jìn)一步的，所述獲取配電設(shè)備的歷史告警數(shù)據(jù)和地理環(huán)境數(shù)據(jù)，基于所述歷史告警數(shù)據(jù)和所述地理環(huán)境數(shù)據(jù)確定環(huán)境干擾變化趨勢，包括：

9、獲取配電設(shè)備的歷史告警數(shù)據(jù)，以及各傳感器采集到的所述配電設(shè)備所處環(huán)境區(qū)域的地理環(huán)境數(shù)據(jù)；其中，所述地理環(huán)境數(shù)據(jù)包括但不限于環(huán)境溫度數(shù)據(jù)、環(huán)境濕度數(shù)據(jù)、風(fēng)速數(shù)據(jù)和植被覆蓋率；

10、根據(jù)所述地理環(huán)境數(shù)據(jù)，采用隨機(jī)森林算法，計(jì)算所述配電設(shè)備在不同季節(jié)的設(shè)備暴露度分布；

11、基于所述設(shè)備暴露度分布和所述歷史告警數(shù)據(jù)，計(jì)算所述配電設(shè)備的設(shè)備暴露度對(duì)告警頻率的干擾強(qiáng)度；

12、采用聚類算法，將所述環(huán)境區(qū)域按照地理坐標(biāo)和所述干擾強(qiáng)度進(jìn)行劃分，劃分為高影響區(qū)域、中影響區(qū)域和低影響區(qū)域；

13、計(jì)算每一影響區(qū)域預(yù)設(shè)時(shí)間段內(nèi)的環(huán)境干擾變化趨勢；其中，所述環(huán)境干擾變化趨勢用于表示地理環(huán)境因素對(duì)配電設(shè)備告警發(fā)生的動(dòng)態(tài)影響趨勢。

14、進(jìn)一步的，所述根據(jù)所述環(huán)境干擾變化趨勢，采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)所述歷史告警數(shù)據(jù)進(jìn)行特征提取，得到綜合特征表示，包括：

15、利用卷積神經(jīng)網(wǎng)絡(luò)，對(duì)所述歷史告警數(shù)據(jù)進(jìn)行特征提取，得到特征圖；

16、基于所述歷史告警數(shù)據(jù)和所述特征圖，采用注意力機(jī)制，計(jì)算不同地理環(huán)境因素對(duì)告警的影響權(quán)重；

17、根據(jù)所述影響權(quán)重對(duì)所述特征圖進(jìn)行加權(quán)融合，得到加權(quán)融合后的綜合特征表示。

18、進(jìn)一步的，所述利用卷積神經(jīng)網(wǎng)絡(luò)，對(duì)所述歷史告警數(shù)據(jù)進(jìn)行特征提取，得到特征圖，包括：

19、利用卷積神經(jīng)網(wǎng)絡(luò)，將所述歷史告警數(shù)據(jù)按照時(shí)間維度和空間維度組織成特征表達(dá)矩陣；其中，所述特征表達(dá)矩陣的矩陣元素值為特定時(shí)間段內(nèi)在特定地理位置上的告警次數(shù)；

20、根據(jù)所述特征表達(dá)矩陣和所述地理環(huán)境數(shù)據(jù)，分析得到告警頻次和地理環(huán)境的相關(guān)關(guān)系；

21、根據(jù)所述相關(guān)關(guān)系調(diào)整所述卷積神經(jīng)網(wǎng)絡(luò)的卷積核尺寸，使用調(diào)整后的卷積神經(jīng)網(wǎng)絡(luò)對(duì)所述特征表達(dá)矩陣進(jìn)行處理，得到調(diào)整后的特征圖。

22、進(jìn)一步的，所述采用所述綜合特征表示對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的故障預(yù)測模型，包括：

23、將所述特征表示輸入至卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，得到歷史告警的第一概率分布；其中，所述第一概率分布為歷史告警每一故障類型的故障概率；

24、當(dāng)某一故障類型的故障概率大于預(yù)設(shè)的故障概率閾值時(shí)，基于所述環(huán)境干擾變化趨勢更新所述卷積神經(jīng)網(wǎng)絡(luò)的模型參數(shù)，得到故障預(yù)測模型。

25、進(jìn)一步的，所述獲取實(shí)時(shí)告警數(shù)據(jù)并輸入至所述故障預(yù)測模型中，輸出初步故障原因，包括：

26、獲取配電設(shè)備的實(shí)時(shí)告警數(shù)據(jù)和地理環(huán)境數(shù)據(jù)，并輸入至所述故障預(yù)測模型中，輸出告警對(duì)應(yīng)的第二概率分布；其中，所述第二概率分布為所述故障預(yù)測模型預(yù)測的實(shí)時(shí)告警的每一故障類型的故障概率；

27、確定所述第二概率分布中每一故障類型對(duì)應(yīng)的維護(hù)難度指數(shù)和故障驅(qū)動(dòng)因素；其中，所述故障驅(qū)動(dòng)因素為導(dǎo)致所述配電設(shè)備發(fā)生告警的主要驅(qū)動(dòng)因素；

28、計(jì)算所述故障驅(qū)動(dòng)因素對(duì)所述故障類型的貢獻(xiàn)度，根據(jù)所述貢獻(xiàn)度對(duì)所述第二概率分布進(jìn)行調(diào)整；

29、根據(jù)調(diào)整后的第二概率分布得到初步故障原因。

30、進(jìn)一步的，所述采用長短期記憶網(wǎng)絡(luò)對(duì)所述初步故障原因進(jìn)行時(shí)序分析，得到故障診斷結(jié)果，包括：

31、獲取所述實(shí)時(shí)告警發(fā)生前預(yù)設(shè)時(shí)間段內(nèi)的地理環(huán)境數(shù)據(jù)，采用長短期記憶網(wǎng)絡(luò)分析所述地理環(huán)境數(shù)據(jù)，輸出環(huán)境時(shí)序特征；

32、根據(jù)所述環(huán)境時(shí)序特征和所述初步故障原因，得到故障診斷結(jié)果。

33、第二方面，本發(fā)明實(shí)施例提供一種配電設(shè)備的故障分析裝置，包括：

34、數(shù)據(jù)獲取模塊，用于獲取配電設(shè)備的歷史告警數(shù)據(jù)和地理環(huán)境數(shù)據(jù)，基于所述歷史告警數(shù)據(jù)和所述地理環(huán)境數(shù)據(jù)確定環(huán)境干擾變化趨勢；其中，所述環(huán)境干擾變化趨勢用于表示每一地理環(huán)境因素對(duì)配電設(shè)備告警發(fā)生的動(dòng)態(tài)影響趨勢；

35、特征提取模塊，用于根據(jù)所述環(huán)境干擾變化趨勢，采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)所述歷史告警數(shù)據(jù)進(jìn)行特征提取，得到綜合特征表示；

36、模型訓(xùn)練模塊，用于采用所述綜合特征表示對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的故障預(yù)測模型；

37、故障預(yù)測模塊，用于獲取實(shí)時(shí)告警數(shù)據(jù)并輸入至所述故障預(yù)測模型中，輸出初步故障原因；

38、故障診斷模塊，用于采用長短期記憶網(wǎng)絡(luò)對(duì)所述初步故障原因進(jìn)行時(shí)序分析，得到故障診斷結(jié)果。

39、第三方面，本發(fā)明實(shí)施例提供一種電子設(shè)備，包括：

40、存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)程序；

41、處理器，用于執(zhí)行所述計(jì)算機(jī)程序；

42、其中，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述第一方面任一項(xiàng)所述的配電設(shè)備的故障分析方法。

43、第四方面，本發(fā)明實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被執(zhí)行時(shí)實(shí)現(xiàn)上述第一方面任一項(xiàng)所述的配電設(shè)備的故障分析方法。

44、與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例提供的一種配電設(shè)備的故障分析方法，其有益效果在于：獲取配電設(shè)備的歷史告警數(shù)據(jù)和地理環(huán)境數(shù)據(jù)，基于所述歷史告警數(shù)據(jù)和所述地理環(huán)境數(shù)據(jù)確定環(huán)境干擾變化趨勢；其中，所述環(huán)境干擾變化趨勢用于表示每一地理環(huán)境因素對(duì)配電設(shè)備告警發(fā)生的動(dòng)態(tài)影響趨勢；根據(jù)所述環(huán)境干擾變化趨勢，采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)所述歷史告警數(shù)據(jù)進(jìn)行特征提取，得到綜合特征表示；采用所述綜合特征表示對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的故障預(yù)測模型；獲取實(shí)時(shí)告警數(shù)據(jù)并輸入至所述故障預(yù)測模型中，輸出初步故障原因；采用長短期記憶網(wǎng)絡(luò)對(duì)所述初步故障原因進(jìn)行時(shí)序分析，得到故障診斷結(jié)果；本發(fā)明能夠提高故障原因識(shí)別的準(zhǔn)確率，提高配電通信網(wǎng)告警分析的智能化水平，保障電力系統(tǒng)的可靠運(yùn)行。