本發明涉及配電網檢修維護技術領域，尤其涉及一種配電網智能診斷系統。

背景技術：

改革開放幾十年以來，國民經濟得到快速的發展，電網鋪設范圍及規模都得到大力提升，與此同時用戶對供電可靠性的要求也逐步提高，傳統的周期巡視檢修模式面臨檢修人員短缺、停電時間長、供電可靠性低、“陪試陪檢”現象普遍、檢修成本高、費時、費力、受偶然性因素影響較大、檢修工作被動執行等眾多問題。傳統的周期巡視檢修模式已經不能適應電網發展的要求，狀態檢修是解決上述問題的重要手段。

狀態檢修方式以設備當前的實際工作狀況為依據，它通過先進的狀態監測和診斷手段、可靠性評價手段以及壽命預測手段，判斷設備的狀態，識別故障的早期征兆，對故障部位其及嚴重程度、故障趨勢做出判斷，并根據分析診斷結果，在設備性能下降到一定程度或故障將要發生之前主動實施維修。它為電氣設備安全、穩定、長周期、全性能、優質運行提供了可靠的技術和管理保障。

狀態檢修方式存在的諸多優點，很多地區已經開始了配網設備狀態檢修的研究與試驗，并建立了相應的系統。但由于缺少整體的規劃設計、建設及驗收的標準或規范，所面對的配網現實水平也各有差異，目前還沒有可以普遍適用的設備監視、狀態評估和檢修決策技術方案。

由于狀態檢修方式以設備當前的實際工作狀況為依據，現有技術多是通過監視設備掌握供電設備的工作狀況信息，而監視設備本身就是一大問題隱患，由于受溫濕度、強磁場等環境因素的影響，監控設備極易發生故障，導致影響狀態檢修的結果，同時會增加檢修人員的工作負擔，故不能單純依靠監視設備、傳統的周期巡視檢修模式不能立刻完全放棄。

技術實現要素：

本發明研制一種配電網智能診斷系統，該系統運用智能評估、機器學習、互聯網、數據庫等先進技術，對配網各種設備進行實時監測和評估，根據評估結果，實時報告可能的隱患點，提醒工作人員開展針對性的巡視檢修工作，提高巡視檢修工作的主動性，并能生成巡視檢修計劃，以及對應的檢修用材料表和檢修工具清單，指導各單位開展檢修工作，充分利用人工智能，幫助人們提高巡視檢修效率和質量。

本發明解決技術問題的技術方案為：一種配電網智能診斷系統，包括以下功能模塊，

設備狀態信息采集模塊：通過日常周期巡視檢修獲得各種配網設備的狀態信息，同時將現有DMS、SCADA、故障報修系統、停電管理系統、配電GIS、營銷系統中的設備狀態信息抽取，結合配電網周圍環境信息形成完整的設備狀態信息數據；

設備狀態信息ETL(Extract、Transformation、Loading，數據抽取、轉換和加載)模塊：將設備狀態信息數據進行篩選和加工，形成統一的數據庫對象，建立通用的數據模型，形成設備狀態評估模塊可以使用的數據；

智能設備狀態評估模塊：根據配電網設備的各種狀態信息，分析數據特征，對設備狀態進行定級，并隨著時間推移結合新的設備狀態信息對設備狀態進行推演；智能設備狀態評估模塊包括工作區、模式匹配器、算法調度模塊、算法執行模塊，工作區從設備總線獲得設備狀態數據，并將設備狀態數據傳入模式匹配器；模式匹配器分析設備狀態數據特征，結合知識庫和算法調度規則，自動匹配診斷方式和診斷算法；算法調度模塊管理評估算法的執行時間、周期等調度信息；算法執行模塊按調度要求對待評估設備執行算法，返回執行結果給工作區，返回執行結果傳入設備狀態管理模塊中進行處理；

設備狀態管理模塊：根據智能設備狀態評估模塊的信息，判斷配電設備是否需要檢修，并生成檢修計劃；

檢修計劃優化模塊：基于檢修時間和負荷轉移路徑對檢修計劃進行綜合優化；

結果輸出模塊：根據設備狀態評估結果，在頁面上實時動態展示設備狀態，根據檢修計劃，以動畫和文本相結合的方式展示檢修過程，生成與檢修計劃對應的材料表和檢修工具清單。

作為優化，所述配電網智能診斷系統還包括知識庫模塊，知識庫模塊保存智能設備狀態評估模塊的診斷算法配置信息及診斷結果，并在設備診斷過程中通過學習不斷優化診斷算法配置信息。

作為優化，所述環境信息包括地理信息、氣候信息、天氣信息，天氣信息通過網絡自動獲取或定期輸入。

作為優化，所述返回執行結果是指當前設備的狀態級別，包括設備生命周期、故障率、可能的故障點。

作為優化，所述智能設備狀態評估模塊利用算法執行中的診斷算法對配電設備狀態進行診斷，所述診斷算法包括模糊聚類分析算法、層次分析算法或遺傳算法，這些算法分別對不同設備類型和診斷方式對設備進行狀態評估。

作為優化，所述診斷方式包括單一診斷方式和綜合診斷方式，所述單一診斷方式將設備狀態數據與規程、歷史檢修和故障數據、實驗數據、同類設備檢測數據比較，通過知識庫模塊建立配電網主設備狀態的單一診斷規則，并將單一診斷規則保存在專家系統的規則庫中；所述綜合診斷方式是運用人工神經元網絡在故障征兆與故障位置之間建立起數學模型，將診斷特征數據存儲在網絡的權值和閥值里，輸入的故障征兆經過數學模型處理后得到準確的輸出，指導故障定位。

作為優化，所述設備狀態管理模塊包括狀態管理模塊、狀態處理模塊、檢修決策模塊三個子模塊，狀態管理模塊與知識庫模塊通信，維護所有設備的狀態信息；狀態處理模塊根據傳入的設備狀態信息，判斷是否有異常情況及異常情況的持續時間，當達到異常持續時間閥值時確認發生異常；檢修決策模塊根據設備狀態信息和檢修規則判斷是否需要檢修。

作為優化，所述檢修計劃優化模塊包括檢修時間優化模塊和負荷轉移路徑優化模塊，所述檢修時間優化模塊基于遺傳算法給出優化方案，遺傳算法的選擇策略是轉盤式選擇，計算新種群的平均適應值，適應值小于均值的個體得以生存，高于均值的個體以概率生存，所述檢修時間優化模塊采用均勻交叉策略，所述負荷轉移路徑優化模塊基于待恢復樹切割的啟發式搜索算法及前推回代算法給出優化方案，具體思路是：根據線路首末節點確定節點關系，經過多次廣度優先搜索形成層次關系，確定節點計算順序，基于支路電流計算出節點注入電流回推計算各支路電流并前推電壓，最后通過迭代使電壓不平衡不大于收斂判據。

作為優化，所述的知識庫模塊中知識采用產生式規則來表示，知識包括設備狀態、檢測方法、監測結果、專家判斷、狀態數據，并通過自學習自動提取和調整設備故障征兆和判斷設備狀態規則。

本發明的有益效果：

1.系統運用智能評估、機器學習、互聯網、數據庫等先進技術，對配網各種設備進行實時監測和評估，根據評估結果，實時報告可能的隱患點，提醒工作人員開展針對性的巡視檢修工作，提高巡視檢修工作的主動性，并能生成巡視檢修計劃，以及對應的檢修用材料表和檢修工具清單，指導各單位開展檢修工作，充分利用人工智能，幫助人們提高巡視檢修效率和質量。

2.智能設備狀態評估模塊根據最新的設備狀態信息數據生成設備狀態級別，包括設備生命周期、故障率、可能的故障點，結果實時更新，提高了準確率。

3.將地理信息、氣候信息、天氣信息等環境信息融入設備狀態信息，診斷結果與上述對設備有影響的因素結合起來，提高了診斷的準確性。

附圖說明

圖1為本發明一種實施例的結構原理圖。

圖2為本發明一種實施例的軟件結構圖。

具體實施方式

為了更好地理解本發明，下面結合附圖來詳細解釋本發明的實施方式。

圖1、圖2為本發明的一種實施例，如圖1所示，一種配電網智能診斷系統，包括以下功能模塊，

設備狀態信息采集模塊：通過日常周期巡視檢修獲得各種配網設備的狀態信息，同時將現有DMS、SCADA、故障報修系統、停電管理系統、配電GIS、營銷系統中的設備狀態信息抽取，結合配電網周圍環境信息形成完整的設備狀態信息數據；

設備狀態信息ETL(Extract、Transformation、Loading，數據抽取、轉換和加載)模塊：將設備狀態信息數據進行篩選和加工，形成統一的數據庫對象，建立通用的數據模型，形成設備狀態評估模塊可以使用的數據；

智能設備狀態評估模塊：根據配電網設備的各種狀態信息，分析數據特征，對設備狀態進行定級，并隨著時間推移結合新的設備狀態信息對設備狀態進行推演；智能設備狀態評估模塊包括工作區、模式匹配器、算法調度模塊、算法執行模塊，工作區從設備總線獲得設備狀態數據，并將設備狀態數據傳入模式匹配器；模式匹配器分析設備狀態數據特征，結合知識庫和算法調度規則，自動匹配診斷方式和診斷算法；算法調度模塊管理評估算法的執行時間、周期等調度信息；算法執行模塊按調度要求對待評估設備執行算法，返回執行結果給工作區，返回執行結果傳入設備狀態管理模塊中進行處理；

設備狀態管理模塊：根據智能設備狀態評估模塊的信息，判斷配電設備是否需要檢修，并生成檢修計劃；

檢修計劃優化模塊：從經濟、管理等多方面考慮，結合遺傳算法，基于檢修時間和負荷轉移路徑對檢修計劃進行綜合優化

結果輸出模塊：根據設備狀態評估結果，在頁面上實時動態展示設備狀態，根據檢修計劃，以動畫和文本相結合的方式展示檢修過程，生成與檢修計劃對應的材料表和檢修工具清單。

所述配電網智能診斷系統還包括知識庫模塊，知識庫模塊保存智能設備狀態評估模塊的診斷算法配置信息及診斷結果，并在設備診斷過程中通過學習不斷優化診斷算法配置信息。

所述環境信息包括地理信息、氣候信息、天氣信息，天氣信息通過網絡自動獲取或定期輸入。

所述返回執行結果是指當前設備的狀態級別，包括設備生命周期、故障率、可能的故障點。

所述智能設備狀態評估模塊利用算法執行中的診斷算法對配電設備狀態進行診斷，所述診斷算法包括模糊聚類分析算法、層次分析算法或遺傳算法，這些算法分別對不同設備類型和診斷方式對設備進行狀態評估。

所述診斷方式包括單一診斷方式和綜合診斷方式，所述單一診斷方式將設備狀態數據與規程、歷史檢修和故障數據、實驗數據、同類設備檢測數據比較，通過知識庫模塊建立配電網主設備狀態的單一診斷規則，并將單一診斷規則保存在專家系統的規則庫中；所述綜合診斷方式是運用人工神經元網絡在故障征兆與故障位置之間建立起數學模型，將診斷特征數據存儲在網絡的權值和閥值里，輸入的故障征兆經過數學模型處理后得到準確的輸出，指導故障定位。

所述設備狀態管理模塊包括狀態管理模塊、狀態處理模塊、檢修決策模塊三個子模塊，狀態管理模塊與知識庫模塊通信，維護所有設備的狀態信息；狀態處理模塊根據傳入的設備狀態信息，判斷是否有異常情況及異常情況的持續時間，當達到異常持續時間閥值時確認發生異常；檢修決策模塊根據設備狀態信息和檢修規則判斷是否需要檢修。

所述檢修計劃優化模塊包括檢修時間優化模塊和負荷轉移路徑優化模塊，所述檢修時間優化模塊基于遺傳算法給出優化方案，遺傳算法的選擇策略是轉盤式選擇，計算新種群的平均適應值，適應值小于均值的個體得以生存，高于均值的個體以概率生存，所述檢修時間優化模塊采用均勻交叉策略，所述負荷轉移路徑優化模塊基于待恢復樹切割的啟發式搜索算法及前推回代算法給出優化方案，具體思路是：根據線路首末節點確定節點關系，經過多次廣度優先搜索形成層次關系，確定節點計算順序，基于支路電流計算出節點注入電流回推計算各支路電流并前推電壓，最后通過迭代使電壓不平衡不大于收斂判據。

所述的知識庫模塊中知識采用產生式規則來表示，知識包括設備狀態、檢測方法、監測結果、專家判斷、狀態數據，并通過自學習自動提取和調整設備故障征兆和判斷設備狀態規則。

如圖2所示，智能設備狀態評估模塊包括工作區、模式匹配器、算法調度模塊、算法執行模塊，工作區從設備總線獲得設備狀態數據，并將設備狀態數據傳入模式匹配器；模式匹配器分析設備狀態數據特征，結合知識庫和算法調度規則，自動匹配診斷方式和診斷算法；算法調度模塊管理評估算法的執行時間、周期等調度信息；算法執行模塊按調度要求對待評估設備執行算法，返回執行結果給工作區，返回執行結果傳入設備狀態管理模塊中進行處理。

設備狀態管理模塊包括狀態管理、狀態處理、檢修決策三個子模塊。狀態管理模塊與數據庫通信，維護所有設備的狀態信息；狀態處理模塊根據傳入的設備狀態信息，判斷是否有異常情況及異常情況的持續時間，當達到異常持續時間閥值時確認發生異常；檢修決策根據設備狀態信息和檢修規則判斷是否需要檢修。

檢修計劃優化模塊包括檢修時間優化和負荷轉移路徑優化，檢修時間優化基于遺傳算法給出優化方案，負荷轉移路徑優化基于待恢復樹切割的啟發式搜索算法及前推回代算法給出優化方案，在此基礎上綜合兩種優化方案，返回最優的優化方案。

本發明為了實現對配網設備狀態的評估和檢修計劃的優化，采用多種方式和渠道采集設備狀態信息，抽取出統一的數據對象，建設了智能設備狀態評估模型和專家知識庫，根據設備狀態信息和知識庫，分析診斷設備狀態，并基于檢修時間和負荷路徑轉移對檢修計劃進行優化，能夠實現設備檢修方案的綜合優化，為配網系統的穩定運行提供技術支撐，提高配網系統的運維水平和工作效率。

本發明針對配網設備故障早期特征抽取、設備狀態評估模型建立、設備狀態檢修算法優化等難點，設計了基于專家系統與人工神經元網絡的設備狀態評估模型，對配網設備狀態進行實時監測評估，通過檢修時間優化和負荷轉移路徑優化相結合的方法實現對檢修計劃的優化。同時在數據模型抽取、知識庫自動更新等方面采用技術手段進行了實現。

針對某一故障問題，根據設備狀態信息數據，通過主成分分析提取出一組該故障的早期狀態數據，在算法執行模塊中采用K-means算法對該組數據進行聚類分析，給出該故障問題的早期特征和特征狀態數據。

單一診斷將設備狀態數據與規程、歷史檢修和故障數據、實驗數據、同類設備檢測數據比較，并考慮當前系統的運行狀況，通過專家系統建立配電網主設備狀態的單一診斷規則，并將這些知識保存在專家系統的規則庫中。綜合診斷是運用人工神經元網絡在故障征兆與故障位置之間建立起數學模型，將綜合診斷知識存儲在網絡的權值和閥值里。采用BP網絡進行建模。輸入的故障征兆經過模型的處理后得到準確的輸出，指導故障定位。

基于遺傳算法給出檢修時間優化方案，基于待恢復樹切割的啟發式搜索算法及前推回代算法給出負荷轉移路徑優化方案，在此基礎上綜合兩種優化方案，給出最優的檢修方案，為檢修人員合理安排檢修工作提供依據。

上述雖然結合附圖對發明的具體實施方式進行了描述，但并非對本發明保護范圍的限制，在本發明的技術方案的基礎上，本領域技術人員不需要付出創造性勞動即可做出的各種修改或變形仍在本發明的保護范圍以內。