本發(fā)明涉及電力系統(tǒng)智能運(yùn)維，特別是一種電力系統(tǒng)的可靠性分析方法及系統(tǒng)。

背景技術(shù)：

1、隨著電力系統(tǒng)規(guī)模不斷擴(kuò)大和新能源并網(wǎng)比例持續(xù)提升，系統(tǒng)結(jié)構(gòu)日益復(fù)雜，各類故障和擾動事件頻發(fā)，給系統(tǒng)的安全穩(wěn)定運(yùn)行帶來嚴(yán)峻挑戰(zhàn)。特別是在大規(guī)模新能源接入背景下，系統(tǒng)的不確定性顯著增加，傳統(tǒng)的靜態(tài)分析方法難以準(zhǔn)確刻畫系統(tǒng)的動態(tài)特性。同時，電力系統(tǒng)組件間存在復(fù)雜的物理耦合關(guān)系，單一故障可能通過多種傳播路徑演化為大面積故障，導(dǎo)致系統(tǒng)穩(wěn)定性受到嚴(yán)重威脅。傳統(tǒng)的電力系統(tǒng)故障分析與處理方法主要依賴專家經(jīng)驗和預(yù)設(shè)規(guī)則，難以應(yīng)對復(fù)雜動態(tài)場景下的故障演化規(guī)律，且缺乏對系統(tǒng)整體狀態(tài)的全局感知能力。這種基于經(jīng)驗的方法在面對新型故障模式時往往表現(xiàn)出較大的局限性，無法及時識別潛在風(fēng)險并采取有效的預(yù)防措施。

2、現(xiàn)有的方法雖在故障診斷和決策支持方面取得一定進(jìn)展，但普遍存在特征提取不充分、時空關(guān)聯(lián)挖掘不深入、風(fēng)險評估與決策優(yōu)化割裂等問題。這些方法往往將故障診斷、風(fēng)險評估和決策優(yōu)化割裂開來，缺乏系統(tǒng)性的整體考慮，難以實(shí)現(xiàn)故障處理全流程的智能化。特別是在面對新型故障模式和復(fù)雜擾動場景時，現(xiàn)有方法難以有效捕捉故障的傳播特性和演化規(guī)律，無法實(shí)現(xiàn)對系統(tǒng)風(fēng)險的準(zhǔn)確評估和及時干預(yù)。此外，現(xiàn)有方法在處理高維度、多尺度的電力系統(tǒng)數(shù)據(jù)時計算效率較低，難以滿足實(shí)時監(jiān)控和快速決策的需求。在電網(wǎng)智能化轉(zhuǎn)型的背景下，亟需開發(fā)新型的智能化方法，以提升系統(tǒng)的故障診斷能力、風(fēng)險評估準(zhǔn)確性和決策優(yōu)化效率。

技術(shù)實(shí)現(xiàn)思路

1、鑒于現(xiàn)有的電力系統(tǒng)的可靠性分析方法中存在的問題，本發(fā)明提出了一種電力系統(tǒng)的可靠性分析方法及系統(tǒng)。

2、因此，本發(fā)明所要解決的問題在于如何解決現(xiàn)有技術(shù)故障特征提取不充分、時空關(guān)聯(lián)挖掘不深入、風(fēng)險評估與決策優(yōu)化割裂等方面的技術(shù)問題。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實(shí)施例提供了一種電力系統(tǒng)的可靠性分析方法，其包括，采集數(shù)據(jù)構(gòu)建電力系統(tǒng)的動態(tài)時空圖譜網(wǎng)絡(luò)，所述時空圖譜網(wǎng)絡(luò)包含組件運(yùn)行狀態(tài)、維護(hù)記錄、故障歷史的時間維度信息，以及物理連接、電氣關(guān)聯(lián)、地理位置的空間維度信息；基于雙通道圖注意力網(wǎng)絡(luò)和門控因果卷積網(wǎng)絡(luò)構(gòu)建的時空特征學(xué)習(xí)框架對所述時空圖譜網(wǎng)絡(luò)進(jìn)行特征提取，通過物理關(guān)聯(lián)與故障特征的自適應(yīng)融合實(shí)現(xiàn)空間域特征提取，利用門控因果卷積和時間注意力捕捉時序演化模式，生成包含完整時空信息的時空融合特征；通過狀態(tài)特征映射網(wǎng)絡(luò)將所述時空融合特征轉(zhuǎn)換為局部風(fēng)險狀態(tài)和全局系統(tǒng)狀態(tài)，計算局部組件風(fēng)險指標(biāo)和系統(tǒng)整體可靠性指標(biāo)，通過風(fēng)險權(quán)重自適應(yīng)融合機(jī)制生成協(xié)同決策策略，實(shí)現(xiàn)對電力系統(tǒng)的可靠性分析。

5、作為本發(fā)明所述電力系統(tǒng)的可靠性分析方法的一種優(yōu)選方案，其中：采集電力系統(tǒng)運(yùn)行數(shù)據(jù)，包括組件運(yùn)行參數(shù)、歷史故障數(shù)據(jù)及地理位置信息，將采集的數(shù)據(jù)存入時空數(shù)據(jù)庫；其中，所述組件運(yùn)行參數(shù)包括電壓值、電流值、有功功率、無功功率以及功率因數(shù)；所述歷史故障數(shù)據(jù)包括故障發(fā)生時刻、故障類型、故障持續(xù)時間及故障恢復(fù)時間；所述地理位置信息包括組件的經(jīng)度、緯度及海拔高度坐標(biāo)。

6、作為本發(fā)明所述電力系統(tǒng)的可靠性分析方法的一種優(yōu)選方案，其中：基于所述組件運(yùn)行參數(shù)建立組件節(jié)點(diǎn)，以組件節(jié)點(diǎn)為基礎(chǔ)生成組件關(guān)聯(lián)矩陣，關(guān)聯(lián)矩陣的行列對應(yīng)不同組件節(jié)點(diǎn)，矩陣元素表征組件與組件間的物理連接強(qiáng)度，表示為：

7、，

8、其中，、、為權(quán)重系數(shù)，和分別為組件和的有功功率，和分別為組件和的無功功率，和分別為系統(tǒng)中有功功率和無功功率的最大值，和分別為組件和的功率因數(shù)，通過比較相鄰組件的功率參數(shù)差異評估其物理連接程度；

9、基于所述歷史故障數(shù)據(jù)按照時間序列劃分為多個時間窗口，每個時間窗口的長度為，計算每個時間窗口內(nèi)組件節(jié)點(diǎn)的故障特征向量，表示為：

10、，

11、，

12、，

13、，

14、，

15、其中，為故障頻次即單位時間內(nèi)故障發(fā)生次數(shù)，為故障總次數(shù)，為時間窗口的長度，為平均修復(fù)時間，為第次故障的修復(fù)時間，為故障持續(xù)時間，為第次故障的持續(xù)時間，為故障影響范圍指數(shù)，為第次故障影響的組件數(shù)量，為故障類型權(quán)重系數(shù)；通過故障特征向量反映組件的可靠性狀態(tài)；

16、基于所述地理位置信息計算組件節(jié)點(diǎn)間的空間距離矩陣，將空間距離矩陣與組件關(guān)聯(lián)矩陣進(jìn)行加權(quán)融合，得到時空關(guān)聯(lián)張量，融合公式表示為：

17、，

18、，

19、其中，表示節(jié)點(diǎn)和節(jié)點(diǎn)之間的時空相關(guān)性強(qiáng)度，和為融合權(quán)重，為距離特征尺度；表示節(jié)點(diǎn)和節(jié)點(diǎn)之間的相關(guān)系數(shù)；為組件與間的歐氏距離；和分別為組件和的三維坐標(biāo)。

20、作為本發(fā)明所述電力系統(tǒng)的可靠性分析方法的一種優(yōu)選方案，其中：對所述時空關(guān)聯(lián)張量進(jìn)行特征分解，提取前個主特征向量，表示為：

21、，

22、，

23、其中，表示提取的主特征向量矩陣，表示第個特征向量，為保留的特征向量個數(shù)，表示特征值的總數(shù)，表示第個特征值，表示預(yù)設(shè)的累計貢獻(xiàn)率閾值；將主特征向量與故障特征向量組合形成圖譜特征矩陣，表示為：

24、，

25、其中，表示矩陣橫向拼接操作，圖譜特征矩陣包含時空關(guān)聯(lián)特征和故障特征的完整信息；采用滑動時間窗口機(jī)制對圖譜特征矩陣進(jìn)行更新，通過滑動時間窗口的步長控制圖譜更新頻率，更新后的圖譜特征矩陣表示為：

26、，

27、其中，表示當(dāng)前時刻的全局狀態(tài)表示向量，為平滑因子，取值范圍為[0,1]，為時間間隔，為新時間窗口計算得到的特征矩陣。

28、作為本發(fā)明所述電力系統(tǒng)的可靠性分析方法的一種優(yōu)選方案，其中：基于所述時空關(guān)聯(lián)特征和故障特征構(gòu)建雙通道圖注意力層進(jìn)行特征提??；第一通道為時空關(guān)聯(lián)通道處理時空關(guān)聯(lián)張量中的物理關(guān)聯(lián)特征，第二通道為故障特征通道處理故障特征向量中的故障信息；所述時空關(guān)聯(lián)通道的注意力系數(shù)表示為：

29、，

30、其中，表示時空關(guān)聯(lián)通道的注意力系數(shù)，表示當(dāng)前中心節(jié)點(diǎn)的時空關(guān)聯(lián)特征，為鄰居節(jié)點(diǎn)的時空關(guān)聯(lián)特征；為特征變換矩陣；表示節(jié)點(diǎn)的鄰域節(jié)點(diǎn)集合；表示帶泄漏的整流線性激活函數(shù)，表示節(jié)點(diǎn)的所有鄰居節(jié)點(diǎn)的時空關(guān)聯(lián)特征；所述故障特征通道的注意力系數(shù)表示為：

31、，

32、其中，表示故障特征通道的注意力系數(shù)，當(dāng)前中心節(jié)點(diǎn)的故障特征向量，為鄰居節(jié)點(diǎn)的故障特征向量；為特征變換矩陣，表示節(jié)點(diǎn)的所有鄰居節(jié)點(diǎn)的故障特征向量；通過可學(xué)習(xí)的融合系數(shù)動態(tài)調(diào)節(jié)兩類信息的重要性，表示為：

33、，

34、其中，和為自適應(yīng)學(xué)習(xí)的融合系數(shù)，表示sigmoid激活函數(shù)，為最終的組合注意力權(quán)重，表示節(jié)點(diǎn)對節(jié)點(diǎn)的綜合關(guān)注程度；基于所述組合注意力權(quán)重，對節(jié)點(diǎn)特征進(jìn)行加權(quán)聚合運(yùn)算，生成考慮空間關(guān)聯(lián)性的增強(qiáng)特征，表示為：

35、，

36、其中，為時空關(guān)聯(lián)特征的變換矩陣，為故障特征的變換矩陣，為空間域增強(qiáng)特征矩陣，為時空關(guān)聯(lián)特征向量，表示節(jié)點(diǎn)的時空關(guān)聯(lián)特征；為故障特征向量，表示節(jié)點(diǎn)的故障相關(guān)信息。

37、作為本發(fā)明所述電力系統(tǒng)的可靠性分析方法的一種優(yōu)選方案，其中：基于所述增強(qiáng)特征，在圖譜特征矩陣確定的時間窗口內(nèi)，構(gòu)建基于門控機(jī)制的因果卷積層，獲取時序特征，表示為：

38、，

39、門控單元計算表示為：

40、，

41、其中，為因果卷積核大小，為門控單元參數(shù)，為第個位置的卷積核參數(shù)，為門控單元的權(quán)重矩陣，為門控單元的偏置項，表示當(dāng)前時刻的狀態(tài)特征向量，為時間步的狀態(tài)特征向量，為時間步的時序卷積特征；基于所述時序卷積特征，計算時間域注意力分?jǐn)?shù)，識別關(guān)鍵時序模式，表示為：

42、，

43、其中，為時間注意力參數(shù)矩陣，表示時間注意力參數(shù)矩陣的轉(zhuǎn)置矩陣，為時間窗口長度內(nèi)的時序長度；表示在時間步時的卷積特征；為時間步的注意力權(quán)重；將時間域注意力權(quán)重與時序卷積特征進(jìn)行加權(quán)組合，生成時空融合特征，表示為：

44、，

45、其中，表示系統(tǒng)狀態(tài)的時空融合特征表示，包含完整的時空信息，表示時間步的注意力權(quán)重，表示時間步的時序卷積特征。

46、作為本發(fā)明所述電力系統(tǒng)的可靠性分析方法的一種優(yōu)選方案，其中：對所述時空融合特征進(jìn)行雙重映射形成雙重狀態(tài)表示，分別為針對局部組件狀態(tài)的風(fēng)險狀態(tài)表示向量和刻畫系統(tǒng)整體運(yùn)行狀況的全局狀態(tài)表示向量，表示為：

47、，

48、，

49、其中，表示風(fēng)險狀態(tài)表示向量，描述局部組件狀態(tài)，表示全局狀態(tài)表示向量，描述系統(tǒng)整體狀態(tài)，表示映射權(quán)重矩陣，表示偏置向量；

50、基于所述雙重狀態(tài)表示分別計算局部組件的風(fēng)險指標(biāo)和系統(tǒng)整體的可靠性指標(biāo)，通過非線性變換將狀態(tài)信息轉(zhuǎn)化為可量化的風(fēng)險度量，表示為：

51、，

52、，

53、其中，表示局部組件風(fēng)險指標(biāo)向量，反映各組件的風(fēng)險水平，表示全局系統(tǒng)可靠性指標(biāo)，表征系統(tǒng)整體可靠性狀態(tài)，為激活函數(shù)，為評估權(quán)重矩陣，表示偏置向量。

54、作為本發(fā)明所述電力系統(tǒng)的可靠性分析方法的一種優(yōu)選方案，其中：基于所述風(fēng)險指標(biāo)和可靠性指標(biāo)構(gòu)建雙層策略網(wǎng)絡(luò)架構(gòu)；所述雙層策略網(wǎng)絡(luò)架構(gòu)包含局部干預(yù)策略網(wǎng)絡(luò)和全局協(xié)調(diào)策略網(wǎng)絡(luò)，分別基于風(fēng)險狀態(tài)表示和全局狀態(tài)表示生成相應(yīng)層次的干預(yù)決策，表示為：

55、，

56、，

57、其中，表示局部策略網(wǎng)絡(luò)，生成組件級別的控制策略，表示全局策略網(wǎng)絡(luò)，生成系統(tǒng)級別的協(xié)調(diào)策略，表示網(wǎng)絡(luò)參數(shù)，表示局部決策網(wǎng)絡(luò)，基于局部節(jié)點(diǎn)特征生成局部控制策略；表示全局決策網(wǎng)絡(luò)，基于全局狀態(tài)表示生成全局控制策略；通過自適應(yīng)權(quán)重計算，將局部干預(yù)策略和全局協(xié)調(diào)策略進(jìn)行動態(tài)融合，形成最終的協(xié)同決策策略，表示為：

58、，

59、，

60、其中，為協(xié)同權(quán)重向量，反映不同層次策略的重要程度，表示融合權(quán)重矩陣，為最終決策策略，表示局部控制策略的權(quán)重系數(shù)，表示全局控制策略的權(quán)重系數(shù)。

61、第二方面，本發(fā)明實(shí)施例提供了一種電力系統(tǒng)的可靠性分析系統(tǒng)，其包括：采集模塊，用于采集數(shù)據(jù)構(gòu)建電力系統(tǒng)的動態(tài)時空圖譜網(wǎng)絡(luò)，包含組件運(yùn)行狀態(tài)、維護(hù)記錄、故障歷史的時間維度信息，以及物理連接、電氣關(guān)聯(lián)、地理位置的空間維度信息；特征提取模塊，基于雙通道圖注意力網(wǎng)絡(luò)和門控因果卷積網(wǎng)絡(luò)構(gòu)建的時空特征學(xué)習(xí)框架對所述時空圖譜網(wǎng)絡(luò)進(jìn)行特征提取，通過物理關(guān)聯(lián)與故障特征的自適應(yīng)融合實(shí)現(xiàn)空間域特征提取，利用門控因果卷積和時間注意力捕捉時序演化模式，生成包含完整時空信息的時空融合特征；分析模塊，通過狀態(tài)特征映射網(wǎng)絡(luò)將所述時空融合特征轉(zhuǎn)換為局部風(fēng)險狀態(tài)和全局系統(tǒng)狀態(tài)，計算局部組件風(fēng)險指標(biāo)和系統(tǒng)整體可靠性指標(biāo)，通過風(fēng)險權(quán)重自適應(yīng)融合機(jī)制生成協(xié)同決策策略，實(shí)現(xiàn)對電力系統(tǒng)的可靠性分析。

62、本發(fā)明有益效果為本發(fā)明通過構(gòu)建多尺度深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)相結(jié)合的系統(tǒng)架構(gòu)，實(shí)現(xiàn)了從數(shù)據(jù)感知、特征提取到風(fēng)險評估、決策優(yōu)化的全流程智能化解決方案。不僅能夠及時發(fā)現(xiàn)和響應(yīng)單一組件故障，還能有效預(yù)防和處理多組件耦合故障和級聯(lián)故障，大幅提升了系統(tǒng)的可靠性和穩(wěn)定性。顯著提高了電力系統(tǒng)的智能化運(yùn)維水平，減少了系統(tǒng)停機(jī)時間和維護(hù)成本，同時通過預(yù)防性維護(hù)和主動優(yōu)化策略，實(shí)現(xiàn)了系統(tǒng)性能的持續(xù)提升。