(19)國(guó)家知識(shí)產(chǎn)權(quán)局(71)申請(qǐng)人貴州電網(wǎng)有限責(zé)任公司17號(hào)鄧志強(qiáng)簡(jiǎn)蓓李瑤馬莉王庭豪程珉帥雙旭李俊飛李旭馮鑫宇雷廷浩王榮瑋宋朔所(特殊普通合伙)32272通過(guò)采集電網(wǎng)三相線路中的三相電流瞬時(shí)值進(jìn)法對(duì)異常節(jié)點(diǎn)進(jìn)行拓?fù)浞治?，精?zhǔn)識(shí)別停電區(qū)化告警決策；采用離散傅里葉變換高效處理數(shù)基于電流互感器采集電網(wǎng)的三相線路中的三相電流瞬時(shí)值，并基于三相電流基于電流互感器采集電網(wǎng)的三相線路中的三相電流瞬時(shí)值，并基于三相電流瞬時(shí)值進(jìn)行電流不平街感知，得到電網(wǎng)的電流感知結(jié)果基于電流感知結(jié)果采集電網(wǎng)中多個(gè)節(jié)點(diǎn)的多維度運(yùn)行數(shù)據(jù)將多維度運(yùn)行數(shù)據(jù)輸入至狀態(tài)預(yù)測(cè)模型中，得到狀態(tài)預(yù)測(cè)模型輸出的各節(jié)點(diǎn)的運(yùn)行狀態(tài)結(jié)果對(duì)于運(yùn)行狀態(tài)結(jié)果為異常的目標(biāo)節(jié)點(diǎn)，基于圖論算法結(jié)合電網(wǎng)圖結(jié)構(gòu)對(duì)目標(biāo)節(jié)點(diǎn)進(jìn)行拓?fù)浞治?，獲得與目標(biāo)節(jié)點(diǎn)關(guān)聯(lián)的停電區(qū)域的識(shí)別結(jié)果基于識(shí)別結(jié)果結(jié)合電網(wǎng)當(dāng)前的多決策融合因素進(jìn)行停電告警感知，獲得電網(wǎng)的停電告警感知結(jié)果21.基于多源數(shù)據(jù)的電網(wǎng)告警感知方法，其特基于電流互感器采集電網(wǎng)的三相線路中的三相電流瞬時(shí)值，并基于三相電流瞬時(shí)值進(jìn)行電流不平衡感知，得到電網(wǎng)電流感知結(jié)果；基于電網(wǎng)電流感知結(jié)果采集電網(wǎng)中多個(gè)節(jié)點(diǎn)的多維度運(yùn)行數(shù)據(jù)；將多維度運(yùn)行數(shù)據(jù)輸入至狀態(tài)預(yù)測(cè)模型中，得到狀態(tài)預(yù)測(cè)模型輸出的節(jié)點(diǎn)運(yùn)行狀態(tài)結(jié)對(duì)于運(yùn)行狀態(tài)結(jié)果為異常的目標(biāo)節(jié)點(diǎn)，基于圖論算法結(jié)合電網(wǎng)圖結(jié)構(gòu)對(duì)目標(biāo)節(jié)點(diǎn)進(jìn)行拓?fù)浞治?，獲得與目標(biāo)節(jié)點(diǎn)關(guān)聯(lián)的停電區(qū)域的識(shí)別結(jié)果；基于識(shí)別結(jié)果結(jié)合電網(wǎng)當(dāng)前的多決策融合因素進(jìn)行停電告警感知，獲得電網(wǎng)的停電告警感知結(jié)果。2.如權(quán)利要求1所述的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法，其特征在于：所述得到電網(wǎng)電流感知結(jié)果包括對(duì)三相電流瞬時(shí)值進(jìn)行離散傅里葉變換，提取在基波下的第一電流幅值和第一相位，以及在各次諧波下的第二電流幅值和第二相位；基于第一電流幅值、第一相位、第二電流幅值以及第二相位，計(jì)算正序電流、負(fù)序電流和零序電流的幅值變化情況以及相位變化情況；基于幅值變化情況和相位變化情況確定電流不平衡度評(píng)估指標(biāo)；基于電流不平衡度評(píng)估指標(biāo)對(duì)電網(wǎng)進(jìn)行電流不平衡感知，得到電網(wǎng)的電流感知結(jié)果。3.如權(quán)利要求2所述的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法，其特征在于：所述多維度運(yùn)4.如權(quán)利要求3所述的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法，其特征在于：所述狀態(tài)預(yù)測(cè)模型基于樣本運(yùn)行數(shù)據(jù)及其對(duì)應(yīng)的狀態(tài)結(jié)果標(biāo)簽訓(xùn)練得到，包括數(shù)據(jù)處理層、深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)層以及貝葉斯網(wǎng)絡(luò)層；所述節(jié)點(diǎn)運(yùn)行狀態(tài)結(jié)果包括將多維度運(yùn)行數(shù)據(jù)輸入至狀態(tài)預(yù)測(cè)模型中，基于數(shù)據(jù)處理層對(duì)多維度運(yùn)行數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，輸出多維度數(shù)據(jù)特征向量；基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)層對(duì)多維度數(shù)據(jù)特征向量進(jìn)行線性預(yù)測(cè)，輸出各個(gè)節(jié)點(diǎn)的第一節(jié)點(diǎn)異常概率；基于貝葉斯網(wǎng)絡(luò)層結(jié)合先驗(yàn)知識(shí)和第一節(jié)點(diǎn)異常概率對(duì)多維度數(shù)據(jù)特征向量進(jìn)行概率推理，輸出節(jié)點(diǎn)的第二節(jié)點(diǎn)異常概率；基于節(jié)點(diǎn)的第一節(jié)點(diǎn)異常概率和第二節(jié)點(diǎn)異常概率進(jìn)行狀態(tài)預(yù)測(cè)，輸出節(jié)點(diǎn)的運(yùn)行狀態(tài)結(jié)果，包括基于節(jié)點(diǎn)的第一節(jié)點(diǎn)異常概率和第二節(jié)點(diǎn)異常概率，確定節(jié)點(diǎn)的最終異常概率值；若最終異常概率值大于等于預(yù)設(shè)概率閾值，則確定節(jié)點(diǎn)運(yùn)行狀態(tài)結(jié)果為異常狀態(tài)；若最終異常概率值小于預(yù)設(shè)概率閾值，則確定節(jié)點(diǎn)運(yùn)行狀態(tài)結(jié)果為正常狀態(tài)；Hn(i)=-n(i)*log(n(i))-(1-n(i))*log(13H?(i)=-b(i)*log(b(i))-(1-b(i))*log其中，au(i)表示第i節(jié)點(diǎn)的最終異常概率值，Y(i)表示第i節(jié)點(diǎn)的信息熵關(guān)聯(lián)程度，n(i)表示第i節(jié)點(diǎn)的第一節(jié)點(diǎn)異常概率，b(i)表示第i節(jié)點(diǎn)的第二節(jié)點(diǎn)異常概率，Hn(i)表示第i節(jié)點(diǎn)的第一節(jié)點(diǎn)異常概率的信息熵，H?(i)表示第節(jié)點(diǎn)的第二節(jié)點(diǎn)異常概率的信息熵。5.如權(quán)利要求4所述的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法，其特征在于：所述基于圖論算法結(jié)合電網(wǎng)圖結(jié)構(gòu)對(duì)目標(biāo)節(jié)點(diǎn)進(jìn)行拓?fù)浞治霭ㄒ阅繕?biāo)節(jié)點(diǎn)為起始節(jié)點(diǎn)在電網(wǎng)圖結(jié)構(gòu)中進(jìn)行搜索，獲得遍歷過(guò)的當(dāng)前搜索節(jié)以及當(dāng)前搜索節(jié)的節(jié)點(diǎn)深度；在節(jié)點(diǎn)深度小于等于預(yù)設(shè)深度閾值時(shí)，基于深度優(yōu)先搜索函數(shù)對(duì)當(dāng)前搜索節(jié)點(diǎn)進(jìn)行深度優(yōu)先搜索，獲得第一停電邊；直至當(dāng)節(jié)點(diǎn)深度大于預(yù)設(shè)深度閾值時(shí)，基于廣度優(yōu)先搜索函數(shù)對(duì)當(dāng)前搜索節(jié)點(diǎn)進(jìn)行廣度優(yōu)先搜索，直至遍歷完電網(wǎng)圖結(jié)構(gòu)中所有的節(jié)點(diǎn)，得到第二停電邊；基于第一停電邊和第二停電邊將對(duì)應(yīng)的節(jié)點(diǎn)連接，并將連接得到的連通分量確定為與目標(biāo)節(jié)點(diǎn)關(guān)聯(lián)的停電區(qū)域的識(shí)別結(jié)果；所述電網(wǎng)圖結(jié)構(gòu)包括電網(wǎng)各設(shè)備及節(jié)點(diǎn)為頂點(diǎn)，線路連接關(guān)系為邊構(gòu)建的圖結(jié)構(gòu)。深度優(yōu)先搜索函數(shù)的執(zhí)行過(guò)程表示為：標(biāo)記當(dāng)前搜索節(jié)點(diǎn)v為已訪問(wèn)；遍歷當(dāng)前搜索節(jié)點(diǎn)V的鄰接表adj(v)中的相鄰節(jié)點(diǎn)U1;若節(jié)點(diǎn)U1的Status[u?]==1,且節(jié)點(diǎn)U1不是目標(biāo)節(jié)點(diǎn)targeti,則遞歸調(diào)用深度優(yōu)先搜索函數(shù)DFS(u?,depth+1);Status[u?]表示節(jié)點(diǎn)U1的運(yùn)行狀態(tài)，Status[u?]==1表示節(jié)點(diǎn)U1的運(yùn)行狀態(tài)為異常，Status[u?]==0表示節(jié)點(diǎn)U?的運(yùn)行狀態(tài)為正常；對(duì)于運(yùn)行狀態(tài)正常的節(jié)點(diǎn)U?,計(jì)算當(dāng)前搜索節(jié)點(diǎn)v與節(jié)點(diǎn)U1之間的第一關(guān)聯(lián)度其中，power(v)表示節(jié)點(diǎn)V的功率值，power(u?)表示節(jié)點(diǎn)U?的功率值；Status[v]表示節(jié)點(diǎn)v的運(yùn)行狀態(tài)；若第一關(guān)聯(lián)度association(v,u?)大于第一預(yù)設(shè)閾值，則將邊(v,u?)標(biāo)記為第一停電邊，并遞歸調(diào)用DFS(u,depth+1);廣度優(yōu)先搜索函數(shù)的執(zhí)行過(guò)程表示為：初始化隊(duì)列Q,并將當(dāng)前搜索節(jié)點(diǎn)V加入隊(duì)列Q;對(duì)于隊(duì)列Q中的頭部節(jié)點(diǎn)U2,遍歷頭部節(jié)點(diǎn)U2的鄰接表adj(u?)中的相鄰節(jié)點(diǎn)W;若節(jié)點(diǎn)W的Status[w]==1,且節(jié)點(diǎn)W不是目標(biāo)節(jié)點(diǎn)targeti,則遞歸調(diào)用廣度優(yōu)先搜索4若作為目標(biāo)節(jié)點(diǎn)，則計(jì)算頭部節(jié)點(diǎn)U2與節(jié)點(diǎn)w之間的第二關(guān)聯(lián)度association(u?,W),表其中，temperature(u?)表示節(jié)點(diǎn)U2的溫度值，temperature(w)表示節(jié)點(diǎn)W的溫度值，φ(u?)表示節(jié)點(diǎn)U2的相位值，φ(w)表示節(jié)點(diǎn)W的相位值；若第二關(guān)聯(lián)度association(u?,w)大于第二預(yù)設(shè)閾值，則將邊(u?,W)標(biāo)記為第二停電邊。7.如權(quán)利要求6所述的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法，其特征在于：所述多決策融合因素包括通信鏈路狀態(tài)、相鄰區(qū)域歷史停電規(guī)律和當(dāng)前氣象數(shù)據(jù)；基于識(shí)別結(jié)果結(jié)合電網(wǎng)當(dāng)前的多決策融合因素進(jìn)行停電告警感知，獲得電網(wǎng)的停電告警感知結(jié)果，包括將電網(wǎng)當(dāng)前的通信鏈路狀態(tài)、相鄰區(qū)域歷史停電規(guī)律和當(dāng)前氣象數(shù)據(jù)進(jìn)行量化處理，得到通信狀態(tài)量化值、停電時(shí)間集中度和氣象量化值；基于通信狀態(tài)量化值、停電時(shí)間集中度和氣象量化值以及識(shí)別結(jié)果中停電區(qū)域涉及到的節(jié)點(diǎn)數(shù)量，確定停電告警發(fā)生概率；若停電告警發(fā)生概率大于預(yù)設(shè)告警閾值，則確定電網(wǎng)的停電告警感知結(jié)果為發(fā)出停電告警；其中，發(fā)出的停電告警中的告警信息包括區(qū)域詳細(xì)范圍、停電時(shí)長(zhǎng)、停電原因以及告警級(jí)別。8.一種基于多源數(shù)據(jù)的電網(wǎng)告警感知系統(tǒng)，應(yīng)用如權(quán)利要求1~7任一項(xiàng)所述的基于多數(shù)據(jù)采集單元、狀態(tài)預(yù)測(cè)單元、拓?fù)浞治鰡卧约巴ｋ姼婢兄獑卧?；所述電網(wǎng)告警感知中臺(tái)，與電流不平衡感知單元、數(shù)據(jù)采集單元、狀態(tài)預(yù)測(cè)單元、拓?fù)浞治鰡卧屯ｋ姼婢兄獑卧B接，對(duì)各個(gè)單元進(jìn)行管理；所述電流不平衡感知單元，用于基于電流互感器采集電網(wǎng)的三相線路中的三相電流瞬時(shí)值，并基于三相電流瞬時(shí)值進(jìn)行電流不平衡感知，得到電網(wǎng)的電流感知結(jié)果；所述數(shù)據(jù)采集單元，基于電流感知結(jié)果采集電網(wǎng)中多個(gè)節(jié)點(diǎn)的多維度運(yùn)行數(shù)據(jù)，包括所述狀態(tài)預(yù)測(cè)單元，基于將多維度運(yùn)行數(shù)據(jù)輸入至狀態(tài)預(yù)測(cè)模型中，得到狀態(tài)預(yù)測(cè)模型輸出的各節(jié)點(diǎn)的運(yùn)行狀態(tài)結(jié)果；狀態(tài)預(yù)測(cè)模型基于樣本運(yùn)行數(shù)據(jù)及對(duì)應(yīng)的狀態(tài)結(jié)果標(biāo)簽所述拓?fù)浞治鰡卧糜趯?duì)于運(yùn)行狀態(tài)結(jié)果為異常的目標(biāo)節(jié)點(diǎn)，基于圖論算法結(jié)合電網(wǎng)圖結(jié)構(gòu)對(duì)目標(biāo)節(jié)點(diǎn)進(jìn)行拓?fù)浞治觯@得與目標(biāo)節(jié)點(diǎn)關(guān)聯(lián)的停電區(qū)域的識(shí)別結(jié)果；電網(wǎng)圖結(jié)構(gòu)以電網(wǎng)各設(shè)備及節(jié)點(diǎn)為頂點(diǎn)，線路連接關(guān)系為邊構(gòu)建的圖結(jié)構(gòu)；所述停電告警感知單元，用于基于識(shí)別結(jié)果結(jié)合電網(wǎng)當(dāng)前的多決策融合因素進(jìn)行停電告警感知，獲得電網(wǎng)的停電告警感知結(jié)果。9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法的步驟。10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序5CN120222638A權(quán)利要求書(shū)4/4頁(yè)被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法的步驟。6基于多源數(shù)據(jù)的電網(wǎng)告警感知方法及系統(tǒng)技術(shù)領(lǐng)域[0001]本發(fā)明涉及數(shù)據(jù)處理與預(yù)測(cè)技術(shù)領(lǐng)域，尤其涉及基于多源數(shù)據(jù)的電網(wǎng)告警感知方法及系統(tǒng)。背景技術(shù)[0002]隨著現(xiàn)代電力系統(tǒng)規(guī)模的不斷擴(kuò)大以及電網(wǎng)運(yùn)行復(fù)雜程度的日益增加，電網(wǎng)停電告警感知是保障供電可靠性以及快速響應(yīng)故障的關(guān)鍵環(huán)節(jié)。[0003]目前電網(wǎng)停電告警感知主要是基于傳統(tǒng)閾值的判斷方法，基于傳統(tǒng)閾值的判斷方法通常是在電網(wǎng)的關(guān)鍵監(jiān)測(cè)節(jié)點(diǎn)設(shè)定電壓、電流等電氣參數(shù)的閾值。當(dāng)監(jiān)測(cè)到的實(shí)際參數(shù)值超出預(yù)設(shè)的正常閾值范圍時(shí)，判定為可能出現(xiàn)停電情況并發(fā)出告警。然而，閾值的設(shè)定往往依賴(lài)于經(jīng)驗(yàn)和歷史數(shù)據(jù)的大致統(tǒng)計(jì)，難以適應(yīng)復(fù)雜多變的電網(wǎng)運(yùn)行工況，例如在用電高峰時(shí)段或者特殊的分布式電源接入等情況時(shí)，正常的電氣參數(shù)波動(dòng)就可能誤觸發(fā)告警。發(fā)明內(nèi)容[0004]鑒于上述現(xiàn)有技術(shù)中存在的問(wèn)題，提出了本[0005]因此，本發(fā)明要解決的技術(shù)問(wèn)題是：解決傳統(tǒng)電網(wǎng)停電告警方法依賴(lài)固定閾值導(dǎo)致誤報(bào)率高的問(wèn)題，以及在復(fù)雜電網(wǎng)運(yùn)行工況(如用電高峰、分布式電源接入)下，因缺乏多源數(shù)據(jù)融合和智能化分析能力導(dǎo)致的告警不準(zhǔn)確、實(shí)時(shí)性差、漏報(bào)風(fēng)險(xiǎn)高的問(wèn)題，從而提升電網(wǎng)停電告警的精準(zhǔn)性、可靠性及供電安全性。[0006]為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案，基于多源數(shù)據(jù)的電網(wǎng)告警感知方法，包括：基于電流互感器采集電網(wǎng)的三相線路中的三相電流瞬時(shí)值，并基于三相電流瞬時(shí)值進(jìn)行電流不平衡感知，得到電網(wǎng)電流感知結(jié)果；基于電網(wǎng)電流感知結(jié)果采集電網(wǎng)中多個(gè)節(jié)點(diǎn)的多維度運(yùn)行數(shù)據(jù)；將多維度運(yùn)行數(shù)據(jù)輸入至狀態(tài)預(yù)測(cè)模型中，得到狀態(tài)預(yù)測(cè)模型輸出的節(jié)點(diǎn)運(yùn)行狀態(tài)結(jié)果；對(duì)于運(yùn)行狀態(tài)結(jié)果為異常的目標(biāo)節(jié)點(diǎn)，基于圖論算法結(jié)合電網(wǎng)圖結(jié)構(gòu)對(duì)目標(biāo)節(jié)點(diǎn)進(jìn)行拓?fù)浞治觯@得與目標(biāo)節(jié)點(diǎn)關(guān)聯(lián)的停電區(qū)域的識(shí)別結(jié)果；基于識(shí)別結(jié)果結(jié)合電網(wǎng)當(dāng)前的多決策融合因素進(jìn)行停電告警感知，獲得電網(wǎng)的停電告警感知結(jié)果。[0007]作為本發(fā)明所述的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法的一種優(yōu)選方案，其中：所述得到電網(wǎng)電流感知結(jié)果包括對(duì)三相電流瞬時(shí)值進(jìn)行離散傅里葉變換，提取在基波下的第一電流幅值和第一相位，以及在各次諧波下的第二電流幅值和第二相位；基于第一電流幅值、第一相位、第二電流幅值以及第二相位，計(jì)算正序電流、負(fù)序電流和零序電流的幅值變化情況以及相位變化情況；基于幅值變化情況和相位變化情況確定電流不平衡度評(píng)估指標(biāo)；基于電流不平衡度評(píng)估指標(biāo)對(duì)電網(wǎng)進(jìn)行電流不平衡感知，得到電網(wǎng)的電流感知結(jié)果。[0008]作為本發(fā)明所述的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法的一種優(yōu)選方案，其中：所述多維度運(yùn)行數(shù)據(jù)包括電壓數(shù)據(jù)、電流數(shù)據(jù)、功率數(shù)據(jù)、相位數(shù)據(jù)以及[0009]作為本發(fā)明所述的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法的一種優(yōu)選方案，其中：所7述狀態(tài)預(yù)測(cè)模型基于樣本運(yùn)行數(shù)據(jù)及其對(duì)應(yīng)的狀態(tài)結(jié)果標(biāo)簽訓(xùn)練得到，包括數(shù)據(jù)處理層、所述節(jié)點(diǎn)運(yùn)行狀態(tài)結(jié)果包括將多維度運(yùn)行數(shù)據(jù)輸入至狀基于貝葉斯網(wǎng)絡(luò)層結(jié)合先驗(yàn)知識(shí)和第一節(jié)點(diǎn)異常概率對(duì)多維度數(shù)據(jù)特征向量進(jìn)Hn(i)=-n(i)*log(n(i)-(1-n(i))*log(1H?(i)=-b(i)*log(b(i)-(1-b(i))*log(1其中，all(i)表示第i節(jié)點(diǎn)的最終異常概率值，Y(i)表示第1節(jié)點(diǎn)的信息熵關(guān)聯(lián)程表示第i節(jié)點(diǎn)的第一節(jié)點(diǎn)異常概率的信息熵，H?(i)表示第i節(jié)點(diǎn)的第二節(jié)點(diǎn)異常概率的信述基于圖論算法結(jié)合電網(wǎng)圖結(jié)構(gòu)對(duì)目標(biāo)節(jié)點(diǎn)進(jìn)行拓?fù)浞治霭ㄒ阅繕?biāo)節(jié)點(diǎn)為起始節(jié)點(diǎn)在度小于等于預(yù)設(shè)深度閾值時(shí)，基于深度優(yōu)先搜索函數(shù)對(duì)當(dāng)前搜索節(jié)點(diǎn)進(jìn)行深度優(yōu)先搜索，基于第一停電邊和第二停電邊將對(duì)應(yīng)的節(jié)點(diǎn)連接，并將所述電網(wǎng)圖結(jié)構(gòu)包括電網(wǎng)各設(shè)備及節(jié)點(diǎn)為頂點(diǎn)，線路連接關(guān)系為邊構(gòu)建的圖結(jié)述深度優(yōu)先搜索函數(shù)表示為DFS(v,depth),V表示當(dāng)前搜索節(jié)點(diǎn)，depth表示當(dāng)前搜索節(jié)點(diǎn)8若節(jié)點(diǎn)U?的Status[u?]==1,且節(jié)點(diǎn)U?不是目標(biāo)節(jié)點(diǎn)targeti,則遞歸調(diào)用深度優(yōu)先搜索函數(shù)DFS(u?,depth+1);Status[u?]表示節(jié)點(diǎn)U1的運(yùn)行狀態(tài)，Status[u?]==1表示節(jié)點(diǎn)U?的運(yùn)行狀態(tài)為異常，Status[u?]==0表示節(jié)點(diǎn)U?的運(yùn)行狀態(tài)為正常；對(duì)于運(yùn)行狀態(tài)正常的節(jié)點(diǎn)U?,計(jì)算當(dāng)前搜索節(jié)點(diǎn)V與節(jié)點(diǎn)U?之間的第一關(guān)聯(lián)度association(v,u?),表示為：其中，power(v)表示節(jié)點(diǎn)v的功率值，power(u?)表示節(jié)點(diǎn)U?的功率值；S表示節(jié)點(diǎn)V的運(yùn)行狀態(tài)；若第一關(guān)聯(lián)度association(v,u?)大于第一預(yù)設(shè)閾值，則將邊(v,u?)標(biāo)記為第一停電廣度優(yōu)先搜索函數(shù)的執(zhí)行過(guò)程表示為：初始化隊(duì)列Q,并將當(dāng)前搜索節(jié)點(diǎn)V加入隊(duì)列Q;對(duì)于隊(duì)列Q中的頭部節(jié)點(diǎn)U2,遍歷頭部節(jié)點(diǎn)U2的鄰接表adj(u?)中的相鄰節(jié)點(diǎn)W;若節(jié)點(diǎn)W的Status[w]==1,且節(jié)點(diǎn)w不是目標(biāo)節(jié)點(diǎn)targeti,則遞歸調(diào)用廣度優(yōu)先搜索函數(shù)；若作為目標(biāo)節(jié)點(diǎn)，則計(jì)算頭部節(jié)點(diǎn)U2與節(jié)點(diǎn)W之間的第二關(guān)聯(lián)度association(u?,W),表示為：值，φ(u?)表示節(jié)點(diǎn)U2的相位值，φ(association(u?,W)大于第二預(yù)設(shè)閾值，則將邊(u?,W)標(biāo)記為第二停電邊。[0012]作為本發(fā)明所述的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法的一種優(yōu)選方案，其中：所述多決策融合因素包括通信鏈路狀態(tài)、相鄰區(qū)域歷史停電規(guī)律和當(dāng)前氣象數(shù)據(jù)；基于識(shí)別結(jié)果結(jié)合電網(wǎng)當(dāng)前的多決策融合因素進(jìn)行停電告警感知，獲得電網(wǎng)的停電告警感知結(jié)果，包括將電網(wǎng)當(dāng)前的通信鏈路狀態(tài)、相鄰區(qū)域歷史停電規(guī)律和當(dāng)前氣象數(shù)據(jù)進(jìn)行量化處理，得到通信狀態(tài)量化值、停電時(shí)間集中度和氣象量化值；基于通信狀態(tài)量化值、停電時(shí)間集中度和氣象量化值以及識(shí)別結(jié)果中停電區(qū)域涉及到的節(jié)點(diǎn)數(shù)量，確定停電告警發(fā)生概率；若停電告警發(fā)生概率大于預(yù)設(shè)告警閾值，則確定電網(wǎng)的停電告警感知結(jié)果為發(fā)出停電告警；其中，發(fā)出的停電告警中的告警信息包括區(qū)域詳細(xì)范圍、停電時(shí)長(zhǎng)、停電原因以及告警級(jí)[0013]本發(fā)明的另外一個(gè)目的是提供基于多源數(shù)據(jù)的電網(wǎng)告警感知系統(tǒng)，通過(guò)三相線路中的三相電流瞬時(shí)值對(duì)電網(wǎng)進(jìn)行電流不平衡感知，在電流感知結(jié)果為電流不平衡的情況下，再對(duì)電網(wǎng)進(jìn)行停電告警感知，避免了在復(fù)雜多變的電網(wǎng)運(yùn)行工況中因電氣參數(shù)的波動(dòng)造成電網(wǎng)的停電告警誤觸發(fā)。進(jìn)一步在進(jìn)行停電告警感知過(guò)程中，結(jié)合狀態(tài)預(yù)測(cè)模型預(yù)測(cè)9各節(jié)點(diǎn)的運(yùn)行狀態(tài)結(jié)果，因此可以在復(fù)雜多變的電網(wǎng)運(yùn)行工況中準(zhǔn)確地識(shí)別出異常節(jié)點(diǎn)，再結(jié)合圖論算法和電網(wǎng)圖結(jié)構(gòu)對(duì)異常的目標(biāo)節(jié)點(diǎn)進(jìn)行拓?fù)浞治?，?zhǔn)確地獲得停電區(qū)域的識(shí)別結(jié)果，提高了電網(wǎng)停電告警感知的準(zhǔn)確性，保障了電網(wǎng)供電可靠性。[0014]為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：基于多源數(shù)據(jù)的電網(wǎng)告警感知分析單元以及停電告警感知單元；所述電網(wǎng)告警感知中臺(tái)，與電流不平衡感知單元、數(shù)據(jù)采集單元、狀態(tài)預(yù)測(cè)單元、拓?fù)浞治鰡卧屯ｋ姼婢兄獑卧B接，對(duì)各個(gè)單元進(jìn)行管理；所述電流不平衡感知單元，用于基于電流互感器采集電網(wǎng)的三相線路中的三相電流瞬時(shí)值，并基于三相電流瞬時(shí)值進(jìn)行電流不平衡感知，得到電網(wǎng)的電流感知結(jié)果；所述數(shù)據(jù)采集單元，基于電流感知結(jié)果采集電網(wǎng)中多個(gè)節(jié)點(diǎn)的多維度運(yùn)行數(shù)據(jù)，所述狀態(tài)預(yù)測(cè)單元，基于將多維度運(yùn)行數(shù)據(jù)輸入至狀態(tài)預(yù)測(cè)模型中，得到狀態(tài)預(yù)測(cè)模型輸出的各節(jié)點(diǎn)的運(yùn)行狀態(tài)結(jié)果；狀態(tài)預(yù)測(cè)模型基于樣本運(yùn)行數(shù)據(jù)及對(duì)應(yīng)的狀態(tài)結(jié)果標(biāo)簽訓(xùn)練得到；所述拓?fù)浞治鰡卧糜趯?duì)于運(yùn)行狀態(tài)結(jié)果為異常的目標(biāo)節(jié)點(diǎn)，基于圖論算法結(jié)合電網(wǎng)圖結(jié)構(gòu)對(duì)目標(biāo)節(jié)點(diǎn)進(jìn)行拓?fù)浞治?，獲得與目標(biāo)節(jié)點(diǎn)關(guān)聯(lián)的停電區(qū)域的識(shí)別結(jié)果；電網(wǎng)圖結(jié)構(gòu)以電網(wǎng)各設(shè)備及節(jié)點(diǎn)為頂點(diǎn)，線路連接關(guān)系為邊構(gòu)建的圖結(jié)構(gòu)；所述停電告警感知單元，用于基于識(shí)別結(jié)果結(jié)合電網(wǎng)當(dāng)前的多決策融合因素進(jìn)行停電告警感知，獲得電網(wǎng)的停電告警感知結(jié)果。[0015]一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上所述的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法的步驟。[0016]一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法的步驟。[0017]本發(fā)明的有益效果：本發(fā)明通過(guò)融合多源數(shù)據(jù)與智能化模型，結(jié)合圖論算法對(duì)電網(wǎng)異常節(jié)點(diǎn)進(jìn)行精準(zhǔn)拓?fù)浞治?，顯著提升了停電告警的準(zhǔn)確性，避免了傳統(tǒng)閾值法因參數(shù)波動(dòng)導(dǎo)致的誤報(bào)。系統(tǒng)利用離散傅里葉變換高效處理數(shù)據(jù)，實(shí)時(shí)集成通信狀態(tài)、歷史停電規(guī)律及氣象因素等多維度決策信息，動(dòng)態(tài)評(píng)估停電風(fēng)險(xiǎn)，支持智能化告警決策。通過(guò)多源協(xié)同分析與動(dòng)態(tài)適應(yīng)能力，有效減少漏報(bào)和誤報(bào)，增強(qiáng)電網(wǎng)供電可靠性與安全穩(wěn)定性，為復(fù)雜電網(wǎng)工況提供了高效、精準(zhǔn)的告警解決方案。附圖說(shuō)明[0018]為了更清楚地說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其它的附圖。[0019]圖1為本發(fā)明一個(gè)實(shí)施例提供的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法的流程示意[0020]圖2為本發(fā)明一個(gè)實(shí)施例提供的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法的系統(tǒng)結(jié)構(gòu)[0021]圖3為本發(fā)明一個(gè)實(shí)施例提供的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法的電子設(shè)備實(shí)施圖。[0022]圖4為本發(fā)明一個(gè)實(shí)施例提供的基于多源數(shù)據(jù)的電網(wǎng)告警感知方法的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)實(shí)施圖。具體實(shí)施方式[0024]為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合說(shuō)明書(shū)附圖對(duì)本發(fā)明的具體實(shí)施方式做詳細(xì)的說(shuō)明，顯然所描述的實(shí)施例是本發(fā)明的一部分實(shí)施例，而不是全部實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明的保護(hù)的范圍。[0025]實(shí)施例1,參照?qǐng)D1,為本發(fā)明的一個(gè)實(shí)施例，該實(shí)施例提供了基于多源數(shù)據(jù)的電網(wǎng)S1:基于電流互感器采集電網(wǎng)的三相線路中的三相電流瞬時(shí)值，并基于三相電流瞬時(shí)值進(jìn)行電流不平衡感知，得到電網(wǎng)電流感知結(jié)果。[0026]應(yīng)當(dāng)說(shuō)明的是，如圖1中S1所示，基于電流互感器采集電網(wǎng)的三相線路中的三相電流瞬時(shí)值，并基于三相電流瞬時(shí)值進(jìn)行電流不平衡感知，得到電網(wǎng)的電流感知結(jié)果；通過(guò)電流互感器采集電網(wǎng)的三相線路中的三相電流瞬時(shí)值，并對(duì)三相電流瞬時(shí)值進(jìn)行離散傅里葉變換，根據(jù)離散傅里葉變換結(jié)果進(jìn)行電流不平衡感知，得到電網(wǎng)的電流感知結(jié)果。[0027]進(jìn)一步的，得到電網(wǎng)電流感知結(jié)果包括對(duì)三相電流瞬時(shí)值進(jìn)行離散傅里葉變換，提取在基波下的第一電流幅值和第一相位，以及在各次諧波下的第二電流幅值和第二相位；采集到的三相電流瞬時(shí)值序列分別為表示采樣點(diǎn)數(shù)，離散傅里葉變換(DFT)表示為：Ia[k],Ib[k],Ic[k];基波頻率f對(duì)應(yīng)的值為(ko=(Nfo)/fs,fs為采樣頻率);提取到的第一電流幅值A(chǔ)?a,A?b,A?c和第一相位41a,φ1b,1c分別為基波頻率處離散傅里葉變換結(jié)果的幅值A(chǔ)?和相位91i,即：A?i=II;[ko]l=√Re(Iiφ1i=∠Ii[ko]=arctan[Re(Ii[ko])/Im(Ii[k中，諧波次數(shù)為h,對(duì)應(yīng)的值為k=(Nhfo)/fs;提取到的第二電流幅值A(chǔ)hi和第二相位⑨hi表示為：在正序分量中，三相的相量關(guān)系為A相領(lǐng)先B相120℃,B相領(lǐng)先C相120℃,因此，在負(fù)序分量中，三相的相量關(guān)系為A相落后B相120℃,B相落后C相120℃,因此，∑h=2{(1+1+1)Ia[kn]+(1+1+1)Ib[kn]+(1+1對(duì)于正序電流I+的幅值變化情況為A+=|i+I,正序電流I+的相位變化情況為4+=∠i+;對(duì)于負(fù)序電流i_的幅值變化情況為A_=|i_|,負(fù)序電流i_的相位變化情況為φ-=∠i_;對(duì)于零序電流I?的幅值變化情況為Ao=|i?I,零序電流I?的相位變化情況為況A+、A_和Ao,以及相位變化情況+、φ-和4o,確定電流不平衡度評(píng)估指標(biāo)Uele,表示為：電流不平衡度評(píng)估指標(biāo)小于等于預(yù)設(shè)閾值Uth,則確定電網(wǎng)的電流感知結(jié)果為處于電流平[0031]S3:將多維度運(yùn)行數(shù)據(jù)輸入至狀態(tài)預(yù)測(cè)模型中，得到狀態(tài)預(yù)測(cè)模型輸出的節(jié)點(diǎn)運(yùn)[0033]進(jìn)一步的，狀態(tài)預(yù)測(cè)模型基于樣本運(yùn)行數(shù)據(jù)及其對(duì)應(yīng)的狀態(tài)結(jié)果標(biāo)簽訓(xùn)練得率數(shù)據(jù)為P,相位數(shù)據(jù)為φi,設(shè)備溫度數(shù)據(jù)為T(mén)i;對(duì)于電壓數(shù)據(jù)Vi,標(biāo)準(zhǔn)化公式vnorm表示入層的神經(jīng)元數(shù)量Nin=5,對(duì)應(yīng)5種類(lèi)型數(shù)分別為n?,n2,…,n,輸出層神經(jīng)元數(shù)量對(duì)于第L(l=1,2,.…L)個(gè)隱藏層的神經(jīng)元輸出y}(j=1,2,…,ni)與第l-1個(gè)隱藏層的神經(jīng)元輸出y-1(n=1,2,.…,n?-1)的關(guān)系表示為：其中，wij表示第l-1個(gè)隱藏層的第i個(gè)神經(jīng)元到第1個(gè)隱藏層的第j個(gè)神經(jīng)元的權(quán)基于貝葉斯網(wǎng)絡(luò)層結(jié)合先驗(yàn)知識(shí)和第一節(jié)點(diǎn)異常概率對(duì)多維度數(shù)據(jù)特征向量進(jìn)過(guò)神經(jīng)網(wǎng)絡(luò)N?以節(jié)點(diǎn)A和節(jié)點(diǎn)B為輸入預(yù)測(cè)節(jié)點(diǎn)C的均值Hc|A,B,通過(guò)神經(jīng)網(wǎng)絡(luò)N?預(yù)測(cè)節(jié)點(diǎn)根據(jù)第一節(jié)點(diǎn)異常概率利用貝葉斯網(wǎng)絡(luò)進(jìn)行概率推理，計(jì)算節(jié)點(diǎn)i處于異常狀態(tài)的第二節(jié)點(diǎn)異常概率b(i)=P(i=abnormal根據(jù)貝葉斯網(wǎng)絡(luò)的聯(lián)合概率分布公式P(i?,i2,…,im)=kP(ik|Pa(ik)),其中，Pa(ik)表示節(jié)點(diǎn)ik的父節(jié)點(diǎn)集合，通過(guò)變量消去法或聯(lián)合樹(shù)算法進(jìn)行推理，基于圖的層次條件概率，通過(guò)信息傳遞和融合得到節(jié)點(diǎn)i處于異常狀態(tài)的第二節(jié)點(diǎn)異常概率b(i)=P(i=abnormalln(i));Hn(i)=-n(i)*log(n(i)-(1-n(i))*log(1Hb(i)=-b(i)*logb(i)-(1-b(i))*log(1根據(jù)各個(gè)節(jié)點(diǎn)的第一節(jié)點(diǎn)異常概率和第二節(jié)點(diǎn)異常概率的信息熵和第二節(jié)點(diǎn)異常概率的信息熵，計(jì)算各個(gè)節(jié)點(diǎn)的信息熵之間的信息熵關(guān)聯(lián)程度，若確定最終異常概率值大于等于預(yù)設(shè)概率閾值，則確[0034]S4:對(duì)于運(yùn)行狀態(tài)結(jié)果為異常的目標(biāo)節(jié)點(diǎn)，基于圖論算法結(jié)合電網(wǎng)圖結(jié)構(gòu)對(duì)目標(biāo)以鄰接表表示電網(wǎng)圖結(jié)構(gòu)G=(V,E),其中，V表示頂點(diǎn)集合(即電網(wǎng)各設(shè)備及節(jié)對(duì)于每個(gè)頂點(diǎn)v∈V,以鏈表adj(v)存儲(chǔ)與頂點(diǎn)V相鄰的頂點(diǎn)；每個(gè)節(jié)點(diǎn)的運(yùn)行狀從異常的目標(biāo)節(jié)點(diǎn)target;開(kāi)始調(diào)用深度優(yōu)先搜先搜索，獲得目標(biāo)節(jié)點(diǎn)targeti搜索過(guò)程中的當(dāng)前搜索節(jié)v以及當(dāng)前搜索節(jié)V的節(jié)點(diǎn)深度遍歷當(dāng)前搜索節(jié)點(diǎn)V的鄰接表adj(v)中的每個(gè)相鄰節(jié)點(diǎn)U1;對(duì)于運(yùn)行狀態(tài)正常的節(jié)點(diǎn)U1,則計(jì)算當(dāng)前搜索節(jié)點(diǎn)V與節(jié)點(diǎn)U1之間的第一關(guān)聯(lián)度點(diǎn)V的運(yùn)行狀態(tài)；設(shè)定，如第一預(yù)設(shè)閾值為0.6,則將邊(v,u?)標(biāo)記為第一停電邊，即blackout[v][u?]=1,blackout[u?][v]=1,并遞歸的執(zhí)行過(guò)程表示為：當(dāng)隊(duì)列Q不為空時(shí)，取出隊(duì)列Q中的頭部節(jié)點(diǎn)U2;對(duì)于隊(duì)列Q中的頭部節(jié)點(diǎn)U2,遍歷頭部節(jié)若節(jié)點(diǎn)W的Status[w]==1,且節(jié)點(diǎn)W不是目標(biāo)節(jié)點(diǎn)targeti,則繼續(xù)遞歸調(diào)用廣度對(duì)于運(yùn)行狀態(tài)正常的節(jié)點(diǎn)W,則計(jì)算頭部節(jié)點(diǎn)U2與節(jié)點(diǎn)W之間的第二關(guān)聯(lián)度其中，temperature(u?)和temperature(w)分別是節(jié)點(diǎn)U2和節(jié)點(diǎn)W的溫度值，若第二關(guān)聯(lián)度association(u?,W)大于第二預(yù)設(shè)閾值，其中，第二預(yù)設(shè)閾值根據(jù)實(shí)標(biāo)記為第二停電邊，即blackout[u?][w]=1,blackout[w][u?]=1,并將節(jié)點(diǎn)W加入隊(duì)列Q;基于第一停電邊和第二停電邊將對(duì)應(yīng)的節(jié)點(diǎn)連接，并將為與目標(biāo)節(jié)點(diǎn)關(guān)聯(lián)的停電區(qū)域；遍歷blackout數(shù)組，對(duì)于所有第一停電邊和第二停電邊，blackout[i][j]=1,blackout[j][i]=1的邊，將其兩個(gè)節(jié)點(diǎn)i和節(jié)點(diǎn)劃分為不同的連通分量，每個(gè)連通分量即為一個(gè)可能與目標(biāo)節(jié)點(diǎn)關(guān)聯(lián)的停電區(qū)域；計(jì)算節(jié)點(diǎn)i的停電影響值點(diǎn)通過(guò)停電邊相連的節(jié)點(diǎn)聚類(lèi)為一個(gè)停電區(qū)域；如果兩個(gè)不同聚類(lèi)的節(jié)點(diǎn)之間存在停電中的節(jié)點(diǎn)集合以及它們之間的停電邊構(gòu)成了[0037]S5:基于識(shí)別結(jié)果結(jié)合電網(wǎng)當(dāng)前的多決策融合因素進(jìn)行停電告警感知，獲得電網(wǎng)(RSSI)衡量；RSSI是衡量接收信號(hào)功率的指標(biāo)，單位狀態(tài)量化值Sc=0;對(duì)于電網(wǎng)當(dāng)前的相鄰區(qū)域歷史停電規(guī)律的量化處理，收集定氣象量化值PM,表示為：明的是，該基于多源數(shù)據(jù)的電網(wǎng)告警感知方法的系統(tǒng)的技術(shù)方案與上述的基于多源電網(wǎng)告警感知方法的技術(shù)方案屬于同一構(gòu)思，本實(shí)施例中基于多源數(shù)據(jù)的電網(wǎng)告警感知系的技術(shù)方案的描述。元、拓?fù)浞治鰡卧约巴ｋ姼婢兄獑卧凰鲭娋W(wǎng)告警感知中臺(tái)，與電流不平衡感知單元、數(shù)據(jù)采集單元、狀態(tài)預(yù)測(cè)單元、拓?fù)浞治鰡卧屯ｋ姼婢兄獑卧B接，對(duì)各個(gè)單元進(jìn)行管理；所述電流不平衡感知單元，用于基于電流互感器采集電網(wǎng)的三相線路中的三相電流瞬時(shí)值，并基于三相電流瞬時(shí)值進(jìn)行電流不平衡感知，得到電網(wǎng)的電流感知結(jié)果；所述數(shù)據(jù)采集單元，基于電流感知結(jié)果采集電網(wǎng)中多個(gè)節(jié)點(diǎn)的多維度運(yùn)行數(shù)據(jù)，所述狀態(tài)預(yù)測(cè)單元，基于將多維度運(yùn)行數(shù)據(jù)輸入至狀態(tài)預(yù)測(cè)模型中，得到狀態(tài)預(yù)測(cè)模型輸出的各節(jié)點(diǎn)的運(yùn)行狀態(tài)結(jié)果；狀態(tài)預(yù)測(cè)模型基于樣本運(yùn)行數(shù)據(jù)及對(duì)應(yīng)的狀態(tài)結(jié)果標(biāo)簽訓(xùn)練得到；所述拓?fù)浞治鰡卧糜趯?duì)于運(yùn)行狀態(tài)結(jié)果為異常的目標(biāo)節(jié)點(diǎn)，基于圖論算法結(jié)合電網(wǎng)圖結(jié)構(gòu)對(duì)目標(biāo)節(jié)點(diǎn)進(jìn)行拓?fù)浞治觯@得與目標(biāo)節(jié)點(diǎn)關(guān)聯(lián)的停電區(qū)域的識(shí)別結(jié)果；電網(wǎng)圖結(jié)構(gòu)以電網(wǎng)各設(shè)備及節(jié)點(diǎn)為頂點(diǎn)，線路連接關(guān)系為邊構(gòu)建的圖結(jié)構(gòu)；所述停電告警感知單元，用于基于識(shí)