本發(fā)明涉及配電網(wǎng)故障識(shí)別，尤其涉及一種多源停電信息融合方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、在現(xiàn)代電力系統(tǒng)和智能電網(wǎng)中，為了確保電網(wǎng)的穩(wěn)定和安全運(yùn)行，通常會(huì)部署多種監(jiān)測(cè)、傳感、通信和分析設(shè)備，當(dāng)電網(wǎng)中發(fā)生停電或其他故障時(shí)，這些設(shè)備和系統(tǒng)會(huì)產(chǎn)生大量的報(bào)警信息和數(shù)據(jù)。由于這些不同來(lái)源的信息可能存在差異或沖突，因此需要進(jìn)行信息融合，已提供更準(zhǔn)確、全面的停電或故障診斷，多源信息融合在現(xiàn)代電力中越來(lái)越受到關(guān)注。

2、信息融合的基本原理是合理地分配和使用多個(gè)信息源提供的信息，依據(jù)特定規(guī)則處理多個(gè)信息源間的互補(bǔ)及冗余信息，以減少信息的模糊性，得出對(duì)被測(cè)對(duì)象具有一致性解釋的融合結(jié)果，能夠提高系統(tǒng)的容錯(cuò)能力及可靠性，使融合系統(tǒng)比其各個(gè)子系統(tǒng)的性能更優(yōu)越。在多傳感器信息系統(tǒng)中，采用信息融合技術(shù)在解決探測(cè)、跟蹤和識(shí)別等問(wèn)題具有的優(yōu)越性主要體現(xiàn)在能夠增加系統(tǒng)的生存能力、擴(kuò)展時(shí)間-空間覆蓋范圍、降低事件結(jié)果的不確定性、提高系統(tǒng)決策的正確性等方面。目前主要對(duì)多信息的融合方式、系統(tǒng)結(jié)構(gòu)、系統(tǒng)中信息表示與轉(zhuǎn)換進(jìn)行一系列研究。信息融合主要有串行、并行和混合融合的結(jié)構(gòu)形式，由每個(gè)傳感器形成信息采集單元。按照數(shù)據(jù)處理的層次又可分為數(shù)據(jù)層、特征層、決策層信息融合。

3、目前信息融合技術(shù)算法主要有：將與目標(biāo)具有關(guān)聯(lián)性的信息劃分不同集合運(yùn)用信息相關(guān)性定量分析的方法，如最鄰近法則、最優(yōu)差別、聯(lián)合統(tǒng)計(jì)關(guān)聯(lián)等；對(duì)多傳感器數(shù)據(jù)運(yùn)用估計(jì)理論的方法，如多尺度估計(jì)、最大似然估計(jì)法、卡爾曼濾波、加權(quán)最小二乘法等；采用識(shí)別技術(shù)對(duì)觀測(cè)數(shù)據(jù)進(jìn)行匹配的方法，如專(zhuān)家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模板法等；利用概率區(qū)間和確定區(qū)間來(lái)決定多元假設(shè)似然性的d-s證據(jù)推理算法；建立在牢固數(shù)學(xué)基礎(chǔ)之上利用先驗(yàn)概率，求被測(cè)對(duì)象發(fā)生概率的貝葉斯推理技術(shù)；以及應(yīng)用廣義集合理論在指定集合中確定事件數(shù)目，可用于不確定事件決策分析的模糊集理論等。每種算法都有一定的局限性和優(yōu)越性，比如貝葉斯算法需要的先驗(yàn)概率往往是不確知的，且多變量時(shí)復(fù)雜性呈指數(shù)增加；神經(jīng)網(wǎng)絡(luò)需要大量訓(xùn)練樣本以保證結(jié)果準(zhǔn)確性，且不具有很強(qiáng)的數(shù)學(xué)解釋?zhuān)粚?zhuān)家系統(tǒng)需要針對(duì)各種結(jié)果健全完整的專(zhuān)家?guī)斓取?/p>

4、dempster-shafer理論(d-s理論)，也被稱(chēng)為證據(jù)理論，是一種處理不確定性和推理的數(shù)學(xué)框架。d-s理論提供了一種超越傳統(tǒng)概率論的方法，用于合成和分析來(lái)自多個(gè)源的不確定證據(jù)。它在多種領(lǐng)域，如人工智能、統(tǒng)計(jì)學(xué)、決策分析和工程中都有應(yīng)用。d-s理論的核心概念包括：基本概率分配、信任函數(shù)、似然函數(shù)、dempster組合規(guī)則。d-s理論的一個(gè)主要優(yōu)點(diǎn)是它提供了一種靈活的方法來(lái)處理不確定性和模糊信息，特別是在證據(jù)不完全或來(lái)源多樣時(shí)。然而，它的計(jì)算復(fù)雜性和對(duì)沖突證據(jù)的處理有時(shí)也是挑戰(zhàn)。

5、公開(kāi)于該背景技術(shù)部分的信息僅僅旨在加深對(duì)本發(fā)明的總體背景技術(shù)的理解，而不應(yīng)當(dāng)被視為承認(rèn)或以任何形式暗示該信息構(gòu)成已為本領(lǐng)域技術(shù)人員所公知的現(xiàn)有技術(shù)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種多源停電信息融合方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，從而有效解決背景技術(shù)中的問(wèn)題。

2、為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案是：一種多源停電信息融合方法，包括如下步驟：

3、采集停電信息，并提取出停電特征信息作為證據(jù)源；

4、計(jì)算出各個(gè)所述證據(jù)源的概率分布函數(shù)值，并生成具有二元屬性的故障表；

5、通過(guò)所述故障表計(jì)算同證據(jù)源間的沖突系數(shù)和沖突距離，得到證據(jù)源間的沖突距離矩陣；

6、通過(guò)設(shè)定的沖突距離閾值判斷所述沖突距離矩陣中的非對(duì)角線元素是否滿足分類(lèi)條件，并進(jìn)行分類(lèi)，形成證據(jù)源分類(lèi)；

7、使用改進(jìn)d-s融合規(guī)則對(duì)所述證據(jù)源分類(lèi)中的證據(jù)源進(jìn)行融合，得到融合結(jié)果。

8、進(jìn)一步地，所述提取出停電特征信息作為證據(jù)源前，還包括對(duì)采集到的信息進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)準(zhǔn)化和時(shí)間同步。

9、進(jìn)一步地，所述計(jì)算出各個(gè)所述證據(jù)源的概率分布函數(shù)值，并生成具有二元屬性的故障表，包括如下步驟：

10、記提取出的h個(gè)證據(jù)源判斷發(fā)生停電可能性的概率閾值α1，α2，…，αh；

11、當(dāng)?shù)趇個(gè)證據(jù)源的基本概率mi≥αi時(shí)，則令故障表中第i個(gè)證據(jù)處的值fti＝1；反之，令fti＝0；

12、獲得具有二元屬性的故障表ft。

13、進(jìn)一步地，所述計(jì)算同證據(jù)源間的沖突系數(shù)和沖突距離jij，包括：

14、以?xún)蓚€(gè)證據(jù)源s1和s2為例，其基本概率分配函數(shù)分別為m1和m2，在同一識(shí)別框架中共有y個(gè)可疑造成停電的元件和n個(gè)停電命題，概率閾值為α1、α2，得到兩證據(jù)源的故障表為ft；

15、第n個(gè)停電命題在表ft中的值記為an和bn，由這些值組成的核a和b分別表示為a＝{a1,..,an,…,an}和b＝{b1,…,bn,…,bn}；

16、兩個(gè)證據(jù)源間的jousselm距離計(jì)算公式表達(dá)為：

17、

18、d12＝[d1…dn…dn]t；

19、式中，dn為沖突系數(shù)，d12分表示兩個(gè)證據(jù)源s1和s2的沖突系數(shù)矩陣，并對(duì)系數(shù)為0項(xiàng)進(jìn)行修改即若dn＝0，則令dn＝1/2y，以避免不同證據(jù)源的沖突距離為0，其中y為可疑造成停電的元件的數(shù)量。

20、進(jìn)一步地，所述證據(jù)源間的沖突距離矩陣為：

21、面對(duì)h個(gè)證據(jù)源時(shí)，計(jì)算證據(jù)源i與證據(jù)源j的沖突系數(shù)矩陣dij，得到證據(jù)源間的沖突距離矩陣j：

22、

23、式中，矩陣j中元素jij表示證據(jù)源i與證據(jù)源j間的沖突距離，沖突距離jij根據(jù)沖突系數(shù)矩陣dij中的沖突系數(shù)dn轉(zhuǎn)化而來(lái)，距離為范圍為[0,1]，0表示兩者完全一致，距離為1表示兩者完全沖突。

24、進(jìn)一步地，得到所述證據(jù)源間的沖突距離矩陣后，還包括：

25、計(jì)算任意兩證據(jù)源i和j之間的相似性sij＝1-jij，生成相似距離矩陣s，證據(jù)源i與其他證據(jù)源的相似距離之和減一表示多證據(jù)源系統(tǒng)對(duì)證據(jù)源i的支持程度sup(i)：

26、

27、對(duì)各證據(jù)源的支持程度進(jìn)行歸一化到概率空間，得到證據(jù)源i在多證據(jù)源系統(tǒng)的可信度crd(i)：

28、

29、進(jìn)一步地，所述通過(guò)設(shè)定的沖突距離閾值判斷所述沖突距離矩陣中的非對(duì)角線元素是否滿足分類(lèi)條件，并進(jìn)行分類(lèi)，包括如下步驟：

30、s1：若max(jij)≤jα，則表示證據(jù)間不存在強(qiáng)沖突，無(wú)需進(jìn)行分類(lèi)劃分；若max(jij)>jα，則需要進(jìn)一步劃分，其中jij表示證據(jù)源i與證據(jù)源j間的沖突距離，jα表示設(shè)定的沖突距離閾值；

31、s2：找出距離矩陣j中非對(duì)角元素的最小值jij，i≠j，由證據(jù)源i與證據(jù)源j形成證據(jù)分類(lèi)g，并替換i和j；

32、s3：求證據(jù)源i和證據(jù)源j與其他證據(jù)距離的最大值，構(gòu)成證據(jù)分類(lèi)g與其他證據(jù)間的距離，即jgf＝max(jif,jjf)，更新距離矩陣j；

33、s4：若更新的距離矩陣j非對(duì)角元素的最小值不大于閾值jα，則重復(fù)步驟s1和s2直至min(jij)>jα為止，證據(jù)源分類(lèi)完成。

34、進(jìn)一步地，所述使用改進(jìn)d-s融合規(guī)則對(duì)所述證據(jù)源分類(lèi)中的證據(jù)源進(jìn)行融合，包括如下步驟：

35、證據(jù)分類(lèi)的權(quán)重取決于分類(lèi)內(nèi)部各證據(jù)源的可信度crd(i)，則可知分類(lèi)gk的權(quán)重wk為：

36、wk＝crd(1)+crd(2)+…+crd(e)；

37、得到基于分類(lèi)的d-s證據(jù)理論改進(jìn)加權(quán)融合規(guī)則為：

38、

39、式中，式(1)表示分別對(duì)形成的分類(lèi)gk中的e個(gè)證據(jù)源進(jìn)行融合，得到分類(lèi)的融合結(jié)果；式(2)表示對(duì)g個(gè)證據(jù)分類(lèi)進(jìn)行加權(quán)融合，得到最終的融合結(jié)果。

40、本發(fā)明還包括一種多源停電信息融合裝置，使用如上述的方法，包括：

41、采集單元，用于采集停電信息，并提取出停電特征信息作為證據(jù)源；

42、概率分布單元，用于計(jì)算出各個(gè)所述證據(jù)源的概率分布函數(shù)值，并生成具有二元屬性的故障表；

43、沖突距離矩陣單元，用于通過(guò)所述故障表計(jì)算同證據(jù)源間的沖突系數(shù)和沖突距離，得到證據(jù)源間的沖突距離矩陣；

44、分類(lèi)單元，用于通過(guò)設(shè)定的沖突距離閾值判斷所述沖突距離矩陣中的非對(duì)角線元素是否滿足分類(lèi)條件，并進(jìn)行分類(lèi)，形成證據(jù)源分類(lèi)；

45、融合單元，用于使用改進(jìn)d-s融合規(guī)則對(duì)所述證據(jù)源分類(lèi)中的證據(jù)源進(jìn)行融合，得到融合結(jié)果。

46、本發(fā)明還包括一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)，實(shí)現(xiàn)如上述的方法。

47、本發(fā)明還包括一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述的方法。

48、本發(fā)明的有益效果為：本發(fā)明中在利用d-s證據(jù)理論進(jìn)行融合時(shí)，加入了多證據(jù)分類(lèi)流程，大大降低了不同證據(jù)源之間產(chǎn)生的沖突，使得融合結(jié)果更加準(zhǔn)確。通過(guò)d-s證據(jù)理論融合算法適于解決問(wèn)題的未知性與不確定性，不需要預(yù)先獲取各個(gè)停電模式下的訓(xùn)練樣本，在解主觀不確定性判斷的多屬性診斷問(wèn)題上具有獨(dú)特的優(yōu)勢(shì)。考慮傳統(tǒng)組合規(guī)則沖突系數(shù)代表所有證據(jù)源間的整體沖突情況，并不能反映出各個(gè)證據(jù)源間的沖突程度，會(huì)使得融合結(jié)果出現(xiàn)與常理相悖的現(xiàn)象，提出通過(guò)度量證據(jù)間的沖突系數(shù)和沖突距離，以保證證據(jù)間沖突時(shí)不影響融合結(jié)果的準(zhǔn)確性，融合方法有效提高后續(xù)決策的可靠性，有助于精準(zhǔn)地識(shí)別停電原因。