遙信數(shù)據(jù)設備故障判斷與分類系統(tǒng)及方法
【技術領域】
[0001] 本發(fā)明涉及一種遙信數(shù)據(jù)設備故障判斷與分類系統(tǒng)及方法，尤其是涉及一種基于 BP神經(jīng)網(wǎng)絡的遙信數(shù)據(jù)設備故障判斷與分類系統(tǒng)及方法。
【背景技術】
[0002] 隨著電網(wǎng)自動化的進程，大量原先需要人工檢測和統(tǒng)計的數(shù)據(jù)現(xiàn)已經(jīng)使用遙測和 遙信來完成，但由于傳感器精度等問題，通信數(shù)據(jù)并不能保證一定準確。在大量數(shù)據(jù)實驗之 后，發(fā)現(xiàn)遙信數(shù)據(jù)存在誤報現(xiàn)象，在檢測對象正常的情況下，遙信信號顯示設備故障。這種 現(xiàn)象的存在大大增加了電力檢測和監(jiān)控人員的工作量，浪費人力資源。由于以上情況的存 在，如何在一系列的遙信信號中，準確的定位出真正的故障設備，成為了一項必須解決的問 題。
[0003] 對于遙信信號存在誤報的問題，以往的解決方案是通過大量的數(shù)據(jù)校驗，以及檢 測人員的經(jīng)驗排除一部分顯然是誤報的信號，并對最有可能出現(xiàn)故障的設備進行逐一檢查 來完成的。這樣的方法有以下優(yōu)勢：
[0004] 1、工作人員可以據(jù)經(jīng)驗忽略一部分明顯誤報的信號；
[0005] 2、通過逐一檢查，更換遙信傳感器，可以在很長一段時間內杜絕該設備的誤報情 況。
[0006] 然而，隨著電網(wǎng)規(guī)模的擴大，人力資源開始變得緊張，使用人力過濾成千上萬條遙 信信號成為不可能。電網(wǎng)更加需要一種自動檢測和過濾遙信信號的方法，
[0007] BP (Back Propagation)網(wǎng)絡是 1986 年由 Rumelhart 和 McCelland 為首的科學家 小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡，是目前應用最廣泛的神經(jīng)網(wǎng)絡 模型之一。BP網(wǎng)絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這 種映射關系的數(shù)學方程。它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調整網(wǎng)絡 的權值和閾值，使網(wǎng)絡的誤差平方和最小。BP神經(jīng)網(wǎng)絡模型拓撲結構包括輸入層（input)、 隱層（hidden layer)和輸出層（output layer)。

【發(fā)明內容】

[0008] 當前電網(wǎng)系統(tǒng)中，存在遙信信號不準確的情況，增加了電力檢測盒監(jiān)控人員的工 作量，造成不必要的浪費。針對這種情況，本發(fā)明的在于提供一種基于BP神經(jīng)網(wǎng)絡的遙信 數(shù)據(jù)設備故障判斷與分類系統(tǒng)及方法，通過所述系統(tǒng)和方法可以迅速地根據(jù)一系列遙信信 號判斷出某個設備是否存在故障，并給出一個相對合理的故障類型。
[0009] 為了實現(xiàn)上述目的，本發(fā)明的解決方案是：
[0010] 一種遙信數(shù)據(jù)設備故障判斷與分類系統(tǒng)，包括布局計算子系統(tǒng)和人機交互子系 統(tǒng)，其中，所述布局計算子系統(tǒng)具體包括：
[0011] 電網(wǎng)數(shù)據(jù)庫交互模塊：用于和電網(wǎng)數(shù)據(jù)庫進行交互，從電網(wǎng)數(shù)據(jù)庫獲得電網(wǎng)拓撲 數(shù)據(jù)信息；
[0012] 神經(jīng)網(wǎng)絡訓練模塊：通過從電網(wǎng)數(shù)據(jù)庫交互模塊得到的遙信歷史數(shù)據(jù)，對神經(jīng)網(wǎng) 絡進行訓練的模塊；
[0013] 故障分類器模塊：根據(jù)遙信信號，對存在故障的設備進行初步的故障分類的模 塊；
[0014] 故障信息展示模塊：將最終結果以消息的形式顯示出來的模塊。
[0015] -種基于BP神經(jīng)網(wǎng)絡的遙信數(shù)據(jù)設備故障判斷與分類方法，具體包括以下步驟：
[0016] 1)神經(jīng)網(wǎng)絡訓練步驟：
[0017] 1. 1)從電網(wǎng)數(shù)據(jù)庫取出n組設備故障數(shù)據(jù)，記做N，以及對應的n個真實的設備狀 態(tài)，記做M;
[0018] 1. 2)初始化神經(jīng)網(wǎng)絡連接權值w、節(jié)點閾值0 ;
[0019] 1. 3)設置循環(huán)計數(shù)器i = 0,進行循環(huán)，對神經(jīng)網(wǎng)絡進行訓練：
[0020] 1. 3. 1)判斷，當i小于n時轉到步驟1. 3. 2)，否則轉到步驟1. 4);
[0021] 1. 3. 2)取一個樣本作為輸入，根據(jù)式（1)計算各層的輸出情況，公式（1)為：
【主權項】
1. 一種遙信數(shù)據(jù)設備故障判斷與分類系統(tǒng)，其特征在于：包括布局計算子系統(tǒng)和人機 交互子系統(tǒng)，其中，所述布局計算子系統(tǒng)具體包括： 電網(wǎng)數(shù)據(jù)庫交互模塊：用于和電網(wǎng)數(shù)據(jù)庫進行交互，從電網(wǎng)數(shù)據(jù)庫獲得電網(wǎng)拓撲數(shù)據(jù) 信息； 神經(jīng)網(wǎng)絡訓練模塊：通過從電網(wǎng)數(shù)據(jù)庫交互模塊得到的遙信歷史數(shù)據(jù)，對神經(jīng)網(wǎng)絡進 行訓練的模塊； 故障分類器模塊：根據(jù)遙信信號，對存在故障的設備進行初步的故障分類的模塊； 故障信息展示模塊：將最終結果以消息的形式顯示出來的模塊。
2. -種遙信數(shù)據(jù)設備故障判斷與分類方法，其特征在于具體包括以下步驟： 1) 神經(jīng)網(wǎng)絡訓練步驟： I. 1)從電網(wǎng)數(shù)據(jù)庫取出η組設備故障數(shù)據(jù)，記做N，以及對應的η個真實的設備狀態(tài)， 記做M ; 1.2) 初始化神經(jīng)網(wǎng)絡連接權值w、節(jié)點閾值Θ ; 1. 3)設置循環(huán)計數(shù)器i = 0,進行循環(huán)，對神經(jīng)網(wǎng)絡進行訓練： 1. 3. 1)判斷，當i小于η時轉到步驟1. 3. 2)，否則轉到步驟1. 4); 1. 3. 2)取一個樣本作為輸入，根據(jù)式（1)計算各層的輸出情況，公式（1)為：
其中，Xi?X η是從其他神經(jīng)元傳來的輸入信號，W ij表示從神經(jīng)元j到神經(jīng)元i的連接 權值，Θ表不一個閾值； 1. 3. 3)計算隱層輸出； 1.3.4)計算輸出層輸出； 1. 3. 5)計算誤差d并更新權值和節(jié)點閾值； 1. 3. 6)更新i，i增加 1，返回步驟1. 3. 1); 1. 4)判斷步驟1. 3. 5)誤差d是否小于誤差下限，若是，轉到步驟1. 3)繼續(xù)訓練，反之， 神經(jīng)網(wǎng)絡訓練完成； 2) 故障信號判斷過程： 2. 1)判斷，設備I遙測信號顯示出現(xiàn)故障； 2. 2)將設備I加入待判定列表； 2. 3)從數(shù)據(jù)庫獲取設備I最新的η個信號量，記為N ; 2. 4)將信號數(shù)據(jù)傳入神經(jīng)網(wǎng)絡，判斷當前設備是否存在故障，若是，則將設備加入故障 設備列表，否則，將設備移出待判定列表； 3) 故障設備故障類型判定與輸出： 3. 1)從數(shù)據(jù)庫獲取設備I最新的η個信號量，記為N ; 3. 2)將N輸入到故障分類器進行判斷； 3.3) 將故障結果輸出給監(jiān)控人員。
【專利摘要】本發(fā)明公開一種基于BP神經(jīng)網(wǎng)絡的遙信數(shù)據(jù)設備故障判斷與分類系統(tǒng)及方法，所述遙信數(shù)據(jù)設備故障判斷與分類系統(tǒng)包括故障信息展示模塊、神經(jīng)網(wǎng)絡訓練模塊、故障分類器模塊、電網(wǎng)數(shù)據(jù)庫交互模塊。通過本發(fā)明所述的基于BP神經(jīng)網(wǎng)絡的遙信數(shù)據(jù)設備故障判斷與分類系統(tǒng)和方法可以迅速地根據(jù)一系列遙信信號判斷出某個設備是否存在故障，并給出一個相對合理的故障類型。
【IPC分類】G06K9-62, G06F17-30
【公開號】CN104536970
【申請?zhí)枴緾N201410721313
【發(fā)明人】郭勁松, 黃建楊, 冉進文, 俞苗杰, 俞曉松
【申請人】國家電網(wǎng)公司, 國網(wǎng)浙江省電力公司, 國網(wǎng)浙江省電力公司紹興供電公司, 國網(wǎng)浙江諸暨市供電公司
【公開日】2015年4月22日
【申請日】2014年12月3日