(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210973579.4 (22)申请日 2022.08.15 (71)申请人 云南电网有限责任公司玉 溪供电局 地址 653199 云南省玉 溪市红塔区红塔大 道42号 (72)发明人 党军朋　王刚　飞宏顺　黄柯然　 金国浩　李建国　王诗漪　陈世红　 潘洁　马瑛　李青芸　 (74)专利代理 机构 昆明合众智 信知识产权事务 所 53113 专利代理师 朱玉丹 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/02(2006.01)G06N 5/04(2006.01) G06Q 10/00(2012.01) G06Q 50/06(2012.01) (54)发明名称 基于深度学习的电网监控信息事件化智能 辨识方法 (57)摘要 本发明涉及电网维管监控技术领域， 具体地 说， 涉及基于深度学习的电网监控信息事件化智 能辨识方法。 包括： 构建电网告警事件特征库； 基 于特征库的快速辨识； 告警事件多维度关联分 析； 深度学习技术应用； 告警事件实时智能排序。 本发明设计基于历史电网告警事件 特征库， 对事 件相关告警信息采用深度学习， 结合数据关联规 则算法、 推理算法等智能化的手段进行知识推 理， 可以从海量告警信息中及时、 准确、 自动地辨 识出事件结果， 通过直观可视化展示、 对事件按 轻重缓急进行 实时智能排序， 呈现给调度员精简 有效的告警信息； 可 以有效解决分析事件困难、 监屏压力大、 容易漏监视的问题， 提高监屏效率、 告警信息的重要事件辨识能力以及电网状态实 时掌控能力。 权利要求书2页 说明书7页 附图3页 CN 115358371 A 2022.11.18 CN 115358371 A 1.基于深度学习的电网监控信息事 件化智能辨识方法， 其特 征在于： 包括如下步骤： S1、 构建电网告警事件特征库： 基于知识图谱技术， 通过将涉及监控分析处理的结构 化、 非结构化的多源异构调控信息进 行集成、 挖掘、 关联融合后进 行训练， 形成告警信息、 事 件、 预案为 一体的、 具 备关联性的告警事 件特征库； S2、 基于特征库的快速辨识： 从海量监控信息中智能辨识出需处理的重要信息， 结合设 备缺陷及历史拟合成事 件； S3、 告警事件多维度关联分析： 对零散的告警信息进行关联性分类， 分析之间存在密切 的内在联系， 并直观展示； S4、 深度学习技术应用： 采用深度学习对电网告警事件进行表征学习、 提取特征， 建立 数据模型并用于分析新数据， 以提升分类或预测的准确性； S5、 告警事件实时智能排序： 基于告警事件特征库及事件自动辨识成果， 对临时发生事 件按关注度和待处 理优先顺序进行分级。 2.根据权利要求1所述的基于深度学习的电网监控信息事件化智能辨识方法， 其特征 在于： 所述S1中， 构建电网告警事件 特征库时， 通过引入图划分方法， 将信息按树形结构 “切 图”划分， 并行计算， 从而 可按需动态生 成图形； 其中， 图划分算法主要包括但 不限于几何方 法、 组合方法、 谱方法和多层划分法。 3.根据权利要求1所述的基于深度学习的电网监控信息事件化智能辨识方法， 其特征 在于： 所述S2中， 海量的监控信息包括但不限于 遥信、 遥测、 告警信号。 4.根据权利要求3所述的基于深度学习的电网监控信息事件化智能辨识方法， 其特征 在于： 所述S2中， 基于特征库的快速辨识的核心思路为借助特征库进 行快速辨识， 具体技术 路线为： 通过对告警信息进行信息抽取， 与电网告警事 件特征库中实体、 关系进行 校核； 如果命中特 征库， 将基于此提取 出事件相关告警信息关键特 征， 分析出事件结果； 如果未命中特征库， 将进行采用知识图谱中的知识推理技术， 经过训练强化学习， 进入 特征库， 同时提取 出告警事 件关键信息推送给调度员。 5.根据权利要求4所述的基于深度学习的电网监控信息事件化智能辨识方法， 其特征 在于： 所述S2中， 基于特征库的快速辨识作业采用按时间窗分批进 行辨识的方法； 时间窗的 大小依据运 算效率自动调整， 同时也支持人工 干预调节。 6.根据权利要求1所述的基于深度学习的电网监控信息事件化智能辨识方法， 其特征 在于： 所述S3中， 通过告警事 件多维度关联分析， 可将告警事 件划分为如下八种： 元件级告警， 是因元件 越限或发生故障而发出的告警； 系统级告警， 是相对于元件级 告警时立足于电力系统安全运行的基础上发出的告警； 单一告警， 是单一的元件出现越限或者是单一的元件出现故障， 又或是元件的任意指 标不能达 到要求而发出的告警； 串联告警， 是当电力系统中发生一个电网故障， 该故障会逐步引起其他多个故障， 由此 产生的一系列串联故障而发出的告警； 并发告警， 是两个故障同时发生却没有任何关联， 各自都会引发连锁 的故障， 此时， 由 这两个故障发出的告警信息； 组合告警， 当第一个故障发生后， 引起第二个故障发生， 与此同时， 在离第一个故障发权　利　要　求　书 1/2 页 2 CN 115358371 A 2生较远的地方发生了第三个故障， 这个故障的类型与前两个故障有所不同， 但实质上是 由 初始故障引发的， 此时将三个故障组合在一 起进行告警的方式叫做组合告警； 灵敏度告警， 是反映可控变量和状态变量之间的相互关系， 根据灵敏度系数对系统进 行告警； 梯度告警， 是针对系统的变化给 出逐级的告警。 7.根据权利要求6所述的基于深度学习的电网监控信息事件化智能辨识方法， 其特征 在于： 所述S 3中， 系统级告警包含两方面内容： 第一， 当电网系统受到较大的干扰后， 电网内 的电气量会在较短的时间内发生急剧的变化， 变化速率会远远大于正常水平， 此时系统会 发出告警； 第二， 当电网系统中两个重要的电气表征量之 间的关系发生变化时， 系统也会发 出告警。 8.根据权利要求1所述的基于深度学习的电网监控信息事件化智能辨识方法， 其特征 在于： 所述S4中， 深度学习技 术应用的具体方法包括如下步骤： S4.1、 构建基于Word2vec的监控告 警信息向量化模型： 采用NLP中的Word2vec模型对监 控告警信息进行向量 化建模， 将监控告警信息等文本信息转换为数字信息； S4.2、 对监控告警信息进行向量化建模处理， 包括但不限于： 分词、 去停用词、 平均化处 理； S4.3、 基于卷积神经网络模型的监控告警事件识别： 通过卷积神经网络CNN模型优异的 局部特征提取性能， 挖掘 相邻监控告警信息间的关联性特 征， 从而识别告警事 件的类型。 9.根据权利要求1所述的基于深度学习的电网监控信息事件化智能辨识方法， 其特征 在于： 所述S 5中， 告警事件实时智能排序的主要技术路线为： 基于告警事件特征库及 事件自 动辨识成果， 采用归并排序算法、 优先权调度算法， 对事件影响范围、 影响程度、 发生时间、 事故等级、 风险评估等多方面因素权重值进行综合判断， 实现对临时发生事件按关注度和 待处理优先顺序进行分级， 并实时推送给调度员最 新的任务列表。权　利　要　求　书 2/2 页 3 CN 115358371 A 3