本發(fā)明涉及電力信息化，具體是指一種智能化的電力無功補(bǔ)償控制器監(jiān)測方法。

背景技術(shù)：

1、隨著電力系統(tǒng)的快速發(fā)展，無功補(bǔ)償技術(shù)在提升電力系統(tǒng)穩(wěn)定性和提高電能質(zhì)量方面發(fā)揮著重要作用，電力系統(tǒng)的高效穩(wěn)定運(yùn)行要求實(shí)時(shí)、精確的無功補(bǔ)償和電力監(jiān)測，從而智能化的無功補(bǔ)償控制器監(jiān)測方法應(yīng)運(yùn)而生；但是，傳統(tǒng)電力無功補(bǔ)償控制器監(jiān)測方法中存在補(bǔ)償策略單一和無法適應(yīng)多樣化故障場景的問題，從而導(dǎo)致補(bǔ)償方案可能無法有效解決實(shí)際電網(wǎng)需求；現(xiàn)有適用于電力無功補(bǔ)償控制器監(jiān)測模型中激活函數(shù)與損失函數(shù)存在的局限性，導(dǎo)致監(jiān)測結(jié)果不夠精確和對異常類型識(shí)別不清的技術(shù)問題；現(xiàn)有適用于監(jiān)測模型中，存在內(nèi)置參數(shù)設(shè)置不恰當(dāng)?shù)那闆r，從而導(dǎo)致模型監(jiān)測結(jié)果不準(zhǔn)確的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、針對上述情況，為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種智能化的電力無功補(bǔ)償控制器監(jiān)測方法，針對傳統(tǒng)電力無功補(bǔ)償控制器監(jiān)測方法中存在補(bǔ)償策略單一和無法適應(yīng)多樣化故障場景的問題，從而導(dǎo)致補(bǔ)償方案可能無法有效解決實(shí)際電網(wǎng)需求，本方案創(chuàng)新性地提出了智能化補(bǔ)償策略生成與遠(yuǎn)程監(jiān)控調(diào)整機(jī)制，通過對電力系統(tǒng)實(shí)時(shí)監(jiān)測，建立靈活的補(bǔ)償規(guī)則和預(yù)警機(jī)制，能夠根據(jù)不同的異常類型自動(dòng)生成對應(yīng)的補(bǔ)償措施，并支持維護(hù)人員遠(yuǎn)程實(shí)時(shí)調(diào)整，確保應(yīng)對措施的靈活性和有效性，從而有效解決多種場景下電力無功補(bǔ)償控制器的智能監(jiān)測和策略執(zhí)行問題；針對現(xiàn)有適用于電力無功補(bǔ)償控制器監(jiān)測模型中激活函數(shù)與損失函數(shù)存在的局限性，導(dǎo)致監(jiān)測結(jié)果不夠精確和對異常類型識(shí)別不清的技術(shù)問題，本方案創(chuàng)新性地設(shè)計(jì)了動(dòng)態(tài)補(bǔ)償監(jiān)測激活函數(shù)與無功補(bǔ)償監(jiān)測損失函數(shù)，能夠更精準(zhǔn)地識(shí)別監(jiān)測模型輸出與實(shí)際電力監(jiān)測值之間的偏差，并對異常數(shù)據(jù)進(jìn)行細(xì)致處理，實(shí)現(xiàn)了計(jì)算精度與效率的良好平衡，從而顯著提升了模型的魯棒性、準(zhǔn)確性和復(fù)雜場景處理能力，有效解決了監(jiān)測結(jié)果精度不足的問題；針對現(xiàn)有適用于監(jiān)測模型中，存在內(nèi)置參數(shù)設(shè)置不恰當(dāng)?shù)那闆r，從而導(dǎo)致模型監(jiān)測結(jié)果不準(zhǔn)確的技術(shù)問題，本方案通過生存因子進(jìn)行個(gè)體突變和周期性波動(dòng)策略對獲取監(jiān)測模型最優(yōu)參數(shù)的算法進(jìn)行改進(jìn)，從而獲取到最優(yōu)參數(shù)組合，提升監(jiān)測模型結(jié)果準(zhǔn)確性。

2、本發(fā)明采取的技術(shù)方案如下：本發(fā)明提供的一種智能化的電力無功補(bǔ)償控制器監(jiān)測方法，該方法包括以下步驟：

3、步驟s1：數(shù)據(jù)采集；

4、步驟s2：數(shù)據(jù)預(yù)處理；

5、步驟s3：電力無功補(bǔ)償控制器實(shí)時(shí)監(jiān)測；

6、步驟s4：超參數(shù)優(yōu)化；

7、步驟s5：智能化預(yù)警。

8、進(jìn)一步地，在步驟s1中，所述數(shù)據(jù)采集，具體為從電力系統(tǒng)中，通過采集得到控制器監(jiān)測原始數(shù)據(jù)；

9、所述控制器監(jiān)測原始數(shù)據(jù)包括歷史監(jiān)測數(shù)據(jù)和實(shí)時(shí)監(jiān)測數(shù)據(jù)；所述歷史監(jiān)測數(shù)據(jù)和實(shí)時(shí)監(jiān)測數(shù)據(jù)都包括電壓數(shù)據(jù)、電流數(shù)據(jù)、功率因數(shù)數(shù)據(jù)、有功功率數(shù)據(jù)、無功功率數(shù)據(jù)和諧波數(shù)據(jù)；所述歷史監(jiān)測數(shù)據(jù)還包括電力無功補(bǔ)償控制器監(jiān)測異常類型和異常類型對應(yīng)實(shí)施的補(bǔ)償處理措施數(shù)據(jù)；將所述電力無功補(bǔ)償控制器監(jiān)測異常類型和監(jiān)測正常作為數(shù)據(jù)標(biāo)簽。

10、進(jìn)一步地，在步驟s2中，所述數(shù)據(jù)預(yù)處理，用于對控制器監(jiān)測原始數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、標(biāo)準(zhǔn)化處理和特征選擇，得到控制器監(jiān)測初步數(shù)據(jù)；所述數(shù)據(jù)清洗是處理缺失值、異常值和重復(fù)值；所述標(biāo)準(zhǔn)化處理是基于最大最小歸一化方法對數(shù)據(jù)標(biāo)準(zhǔn)化處理；所述特征選擇是運(yùn)用相關(guān)性分析方法，從控制器監(jiān)測原始數(shù)據(jù)中篩選出對無功補(bǔ)償控制相關(guān)特征。

11、進(jìn)一步地，在步驟s3中，所述電力無功補(bǔ)償控制器實(shí)時(shí)監(jiān)測，具體為通過建立控制器實(shí)時(shí)監(jiān)測模型并對監(jiān)測模型進(jìn)行歷史數(shù)據(jù)訓(xùn)練，將所述控制器監(jiān)測初步數(shù)據(jù)中實(shí)時(shí)監(jiān)測數(shù)據(jù)作為訓(xùn)練后的監(jiān)測模型的輸入數(shù)據(jù)，得到電力無功補(bǔ)償控制器實(shí)時(shí)監(jiān)測結(jié)果；包括以下步驟：

12、步驟s31：建立控制器實(shí)時(shí)監(jiān)測模型，具體包括以下步驟：

13、步驟s311：初始化模型內(nèi)部結(jié)構(gòu)lm，所用公式如下：

14、；

15、式中，ft表示遺忘門的輸出，xt表示是輸入數(shù)據(jù)，表示是上一時(shí)刻隱藏狀態(tài)，wxf和whf分別表示對應(yīng)遺忘門處理輸入數(shù)據(jù)和處理隱藏狀態(tài)的權(quán)重矩陣，bf表示遺忘門的偏置項(xiàng)參數(shù)，表示sigmoid函數(shù)，it表示輸入門的輸出，wxi和whi分別表示對應(yīng)輸入門處理輸入數(shù)據(jù)和處理隱藏狀態(tài)的權(quán)重矩陣，bi表示輸入門的偏置項(xiàng)參數(shù)，表示新細(xì)胞單元狀態(tài)候選值，wxc和whc分別表示對應(yīng)細(xì)胞單元狀態(tài)處理輸入數(shù)據(jù)和處理隱藏狀態(tài)的權(quán)重矩陣，bc表示細(xì)胞單元狀態(tài)的偏置項(xiàng)參數(shù)，ct表示是當(dāng)前時(shí)刻細(xì)胞單元狀態(tài)，ct-1表示是上一時(shí)刻細(xì)胞單元狀態(tài)，ot表示輸出門的輸出，wxo和who分別表示是對應(yīng)輸出門處理輸入數(shù)據(jù)和處理隱藏狀態(tài)的權(quán)重矩陣，bo表示輸出門的偏置項(xiàng)參數(shù)，ht表示當(dāng)前時(shí)刻的隱藏狀態(tài)，表示是雙曲正切函數(shù)；

16、步驟s312：計(jì)算雙向模型輸出，所用公式如下：

17、；

18、；

19、；

20、式中，h表示結(jié)合了前向和后向lm的隱藏狀態(tài)，表示當(dāng)前時(shí)刻的正向方向隱藏狀態(tài)，表示上一時(shí)刻的正向方向隱藏狀態(tài)，表示當(dāng)前時(shí)刻的反向方向隱藏狀態(tài)，表示下一時(shí)刻的反向方向隱藏狀態(tài)；

21、步驟s313：設(shè)計(jì)動(dòng)態(tài)補(bǔ)償監(jiān)測激活函數(shù)；所用公式如下：

22、；

23、式中，表示動(dòng)態(tài)補(bǔ)償監(jiān)測激活函數(shù)，x表示分配激活函數(shù)的輸入變量，表示調(diào)節(jié)激活函數(shù)形狀的參數(shù)，控制非線性映射的敏感度，表示縮放因子，用于調(diào)整輸出值的幅度，用于將輸入的絕對值進(jìn)行壓縮，表示動(dòng)態(tài)調(diào)整參數(shù)，用于控制激活函數(shù)的非線性響應(yīng)；

24、步驟s314：計(jì)算輸出層預(yù)測值，所用公式如下：

25、；

26、式中，表示監(jiān)測模型的預(yù)測值，表示連接正向狀態(tài)到輸出的權(quán)重矩陣，表示連接反向狀態(tài)到輸出的權(quán)重矩陣，by表示輸出層的偏置項(xiàng)參數(shù)；

27、步驟s315：設(shè)計(jì)無功補(bǔ)償監(jiān)測損失函數(shù)；所用公式如下：

28、；

29、式中，表示無功補(bǔ)償監(jiān)測損失函數(shù)值，n表示用于計(jì)算損失函數(shù)的總樣本個(gè)數(shù)，表示時(shí)間權(quán)重項(xiàng)參數(shù)，用于控制不同時(shí)間點(diǎn)的數(shù)據(jù)對損失的影響，i表示樣本索引，表示當(dāng)前時(shí)間點(diǎn)的真實(shí)值，表示符合函數(shù)，用于檢測真實(shí)值與預(yù)測值的方向，表示異常懲罰系數(shù)，用于檢測到預(yù)測結(jié)果超出特定閾值時(shí)，對異常樣本進(jìn)行額外的懲罰；表示趨勢項(xiàng)權(quán)重系數(shù)，用于調(diào)節(jié)趨勢誤差項(xiàng)在整體損失中的影響，表示趨勢誤差項(xiàng)，用于衡量預(yù)測值和真實(shí)值在一段時(shí)間內(nèi)的趨勢是否一致；

30、步驟s32：控制器實(shí)時(shí)監(jiān)測模型訓(xùn)練，具體為使用所述歷史監(jiān)測數(shù)據(jù)對控制器實(shí)時(shí)監(jiān)測模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的控制器實(shí)時(shí)監(jiān)測模型；

31、步驟s33：電力無功補(bǔ)償實(shí)時(shí)監(jiān)測，具體是將所述實(shí)時(shí)監(jiān)測數(shù)據(jù)作為訓(xùn)練后的控制器實(shí)時(shí)監(jiān)測模型輸入數(shù)據(jù)，得到電力無功補(bǔ)償控制器實(shí)時(shí)監(jiān)測結(jié)果。

32、進(jìn)一步地，在步驟s4中，所述超參數(shù)優(yōu)化具體包括以下步驟：

33、步驟s41：初始化參數(shù)，具體為通過構(gòu)建算法初始參數(shù)；所述算法初始參數(shù)，包括種群大小n、搜索空間的維度d和最大迭代次數(shù)t；

34、步驟s42：初始化種群，具體為所有搜索個(gè)體在可行的搜索空間內(nèi)隨機(jī)初始化；所用公式如下：

35、；

36、；

37、；

38、式中，表示第i個(gè)體第j維度的位置，r表示介于范圍內(nèi)均勻分布的隨機(jī)數(shù)，和分別表示維度j的搜索下限和上限；

39、步驟s43：種群劃分，計(jì)算種群中個(gè)體適應(yīng)度值fi；將基于個(gè)體位置建立的控制器實(shí)時(shí)監(jiān)測模型性能作為個(gè)體的適應(yīng)度值；

40、步驟s44：設(shè)計(jì)生存因子，所用公式如下：

41、；

42、式中，表示種群個(gè)體生存因子，e表示自然底數(shù)，表示動(dòng)態(tài)參數(shù)，用于控制生存因子的增長速率，表示當(dāng)前迭代次數(shù)；

43、步驟s45：個(gè)體生存階段，具體為利用周期性波動(dòng)策略進(jìn)行個(gè)體位置調(diào)整，所用公式如下：

44、；

45、式中，表示在第t+1代群體中第i個(gè)體的第j維度位置，表示在第t代群體中第i個(gè)體的第j維度位置，和表示介于范圍內(nèi)均勻分布的隨機(jī)數(shù)，表示介于范圍內(nèi)均勻分布的隨機(jī)數(shù)，表示當(dāng)前全局最佳個(gè)體位置，表示當(dāng)前全局最佳適應(yīng)度值；

46、步驟s46：逃離被捕階段，所用公式如下：

47、；

48、；

49、式中，表示在第t+1代群體中第i個(gè)體的第j維度逃離位置，和表示介于范圍內(nèi)均勻分布的隨機(jī)數(shù)，表示適應(yīng)度函數(shù)；

50、步驟s47：個(gè)體突變階段，具體為通過生存因子進(jìn)行個(gè)體突變，所用公式如下：

51、；

52、步驟s48：搜索判定，具體為通過構(gòu)建搜索終止條件，進(jìn)行最優(yōu)個(gè)體位置的搜索判定，得到最優(yōu)個(gè)體位置數(shù)據(jù)設(shè)置；

53、所述搜索終止條件，包括閾值終止和迭代終止；

54、所述閾值終止，具體為設(shè)置適應(yīng)度閾值，當(dāng)所述個(gè)體適應(yīng)度值fi高于適應(yīng)度閾值時(shí)，超參數(shù)搜索完成；

55、所述迭代終止，具體指達(dá)到最大迭代次數(shù)時(shí)，終止迭代并獲得最優(yōu)個(gè)體位置；

56、所述最優(yōu)個(gè)體位置，包括控制器實(shí)時(shí)監(jiān)測模型參數(shù)。

57、進(jìn)一步地，在步驟s5中，所述智能化預(yù)警具體為根據(jù)控制器實(shí)時(shí)監(jiān)測模型輸出結(jié)果向維護(hù)人員進(jìn)行提醒；包括以下步驟：

58、步驟s51：監(jiān)測器進(jìn)行實(shí)時(shí)補(bǔ)充，具體為根據(jù)控制器實(shí)時(shí)監(jiān)測模型輸出結(jié)果進(jìn)行判斷，若輸出結(jié)果不是監(jiān)測正常狀態(tài)，則自動(dòng)觸發(fā)智能預(yù)警機(jī)制，提醒維護(hù)人員檢查狀態(tài)；并根據(jù)所述異常類型對應(yīng)實(shí)施的補(bǔ)償處理措施數(shù)據(jù)生成補(bǔ)充策略；所述補(bǔ)充策略包括調(diào)整無功功率補(bǔ)償設(shè)備的參數(shù)、重新配置電網(wǎng)的負(fù)載分配和啟動(dòng)備用電源內(nèi)容；

59、步驟s52：遠(yuǎn)程監(jiān)控與調(diào)整，具體為維護(hù)人員通過手機(jī)遠(yuǎn)程查看當(dāng)前控制器狀態(tài)，根據(jù)模型的輸出結(jié)果結(jié)合實(shí)時(shí)數(shù)據(jù)對自動(dòng)生成的補(bǔ)償策略進(jìn)行人工審查和調(diào)整，確保補(bǔ)充策略的準(zhǔn)確性和有效性。

60、采用上述方案本發(fā)明取得的有益效果如下：

61、（1）針對傳統(tǒng)電力無功補(bǔ)償控制器監(jiān)測方法中存在補(bǔ)償策略單一和無法適應(yīng)多樣化故障場景的問題，從而導(dǎo)致補(bǔ)償方案可能無法有效解決實(shí)際電網(wǎng)需求，本方案創(chuàng)新性地提出了智能化補(bǔ)償策略生成與遠(yuǎn)程監(jiān)控調(diào)整機(jī)制，通過對電力系統(tǒng)實(shí)時(shí)監(jiān)測，建立靈活的補(bǔ)償規(guī)則和預(yù)警機(jī)制，能夠根據(jù)不同的異常類型自動(dòng)生成對應(yīng)的補(bǔ)償措施，并支持維護(hù)人員遠(yuǎn)程實(shí)時(shí)調(diào)整，確保應(yīng)對措施的靈活性和有效性，從而有效解決多種場景下電力無功補(bǔ)償控制器的智能監(jiān)測和策略執(zhí)行問題。

62、（2）針對現(xiàn)有適用于電力無功補(bǔ)償控制器監(jiān)測模型中激活函數(shù)與損失函數(shù)存在的局限性，導(dǎo)致監(jiān)測結(jié)果不夠精確和對異常類型識(shí)別不清的技術(shù)問題，本方案創(chuàng)新性地設(shè)計(jì)了動(dòng)態(tài)補(bǔ)償監(jiān)測激活函數(shù)與無功補(bǔ)償監(jiān)測損失函數(shù)，能夠更精準(zhǔn)地識(shí)別監(jiān)測模型輸出與實(shí)際電力監(jiān)測值之間的偏差，并對異常數(shù)據(jù)進(jìn)行細(xì)致處理，實(shí)現(xiàn)了計(jì)算精度與效率的良好平衡，從而顯著提升了模型的魯棒性、準(zhǔn)確性和復(fù)雜場景處理能力，有效解決了監(jiān)測結(jié)果精度不足的問題。

63、（3）針對現(xiàn)有適用于監(jiān)測模型中，存在內(nèi)置參數(shù)設(shè)置不恰當(dāng)?shù)那闆r，從而導(dǎo)致模型監(jiān)測結(jié)果不準(zhǔn)確的技術(shù)問題，本方案通過生存因子進(jìn)行個(gè)體突變和周期性波動(dòng)策略對獲取監(jiān)測模型最優(yōu)參數(shù)的算法進(jìn)行改進(jìn)，從而獲取到最優(yōu)參數(shù)組合，提升監(jiān)測模型結(jié)果準(zhǔn)確性。