本发明属于故障诊断，具体涉及基于人工智能的电力系统故障快速诊断系统。
背景技术：
1、在智能电网中，对早期故障的位置进行诊断是维持供电可靠性、进行故障分析的重要手段。电网一旦发生故障，会在分布式系统中迅速传播，并可能引起系统的二次故障。现代社会的发展对电力系统在提高供电可靠性提出了更高的要求。但受限于电力系统中的节点种类繁多、功能各异，导致电力系统节点运行产生的数据庞大且复杂，在庞大的数据中确认发生故障的数据的工作量是十分庞大的，并且十分容易发生确认。
2、目前，故障检测与诊断在智能电网中得到了广泛地应用。一种方法是利用相量测量单元(pmu)的信息检测智能电网的故障位置。pmu从全球定位系统卫星接收同步信号，并确定变电站的电压和电流相量。由于pmu的测量成本相对较高，因此实际的应用中，通常只使用较少的pmu，然后利用欧姆公式计算其他电网的电压。另一种则是基于人工神经网络、模糊逻辑、模糊petri网、支持向量机、决策树等方式的智能检测方法，通过将节点运行产生的数据作为训练样本训练人工智能模型。由于节点运行产生的数据是大量没有标注的数据集，导致训练的模型的故障诊断的准确性不甚理想。
3、因此，有必要提出基于人工智能的电力系统故障快速诊断系统，以至少部分地解决现有技术中存在的问题。
4、本背景技术所公开的上述信息仅仅用于增加对本发明背景技术的理解，因此，其可能包括不构成本领域普通技术人员已知的现有技术。
技术实现思路
1、本发明的目的在于提供基于人工智能的电力系统故障快速诊断系统，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、基于人工智能的电力系统故障快速诊断系统，包括：状态监测模块、故障诊断模块、数据管理模块、决策响应模块、系统配置模块，所述状态监测模块负责收集电力系统的实时数据，确保数据的准确性和实时性，所述故障诊断模块用于分析实时数据从中提取出故障信息，并确定故障的时间和位置，所述数据管理模块负责实时数据的接收和存储，并对数据进行信息融合，所述决策响应模块用于根据故障信息提供故障处理建议或自动执行预设的应急措施，所述系统配置模块负责管理和设置系统的各种参数和选项，以确保系统按预期运行。
4、优选的，所述数据管理模块通过数据接口传输获取的电力系统数据，采用多线程并行实现数据接收、拆分、整理和存储的并行运行，以减少拆分和整理造成的时间延时对数据完整性和稳定性的影响。
5、采集参数数据库包括数据接口接收的实时数据和历史存放数据，输入知识数据库包含电力系统中柴油机、发电机、电网、负载等常规的报警极限参数、示功图特征判据、故障诊断专家数据、用户设定参数，以及可能出现的故障映射关系。2个数据库一起构成大数据分析的数据库基础，运行时根据需要，由专人在权限允许的条件下增加、修改和删除知识。
6、优选的，所述故障诊断模块基于实时监测数据分别通过基于msr指标故障时刻确定和基于pmu数据相关性分析的故障区域定位，来得到实际的故障时刻和故障区域，对检测到的异常进行分类，并以此确定故障的影响范围。
7、优选的，所述状态监测模块实时监测检测设备测量的数据，并将其与采集的电力系统固有数据一起传输至数据管理模块，同时使用历史故障数据对容易发生故障的位置进行重点观测，并将实时状态参数显示的终端界面上。
8、优选的，所述状态监测模块利用获取的监测数据生成各设备的状态参数趋势图，结合数据管理模块对数据的处理以可视化的方式向工作人员进行展示，同时状态监测模块会根据故障诊断模块的分析结果发送报警与提示信息。
9、优选的，所述数据管理模块在接收到故障诊断模块的分析结果后，利用owa算子将两种诊断信息进行融合，并将其与故障时间窗内的数据进行整合，然后通过数据接口发送给决策响应模块。
10、故障时间窗是根据确定的故障时刻和故障位置，以预设的时间跨度提取该故障位置及其周围设备的已知数据，将其和故障时刻和故障位置的数据整合在一起，用作后续确定执行建议和应急措施的数据基础。
11、基于owa算子的诊断信息融合：owa算子可以被认为是从维度为n的空间到维度为1的空间的映射，由f:rn→r表示，关联的权重向量w＝[ω1,ω2,...,ωn]t服从如下关系：
12、
13、
14、式中，bk表示a1,…,an中的第k个最大值，样本k可以为其中为第k个采样时间内第g个数据源的信息，bk为样本的最优结果，利用以下准则求出加权向量w：
15、
16、优选的，所述决策响应模块采用数据挖掘技术以故障诊断模块的分析结果为核心，结合故障时间窗内的数据进行分析，确定符合当前故障类型的处理建议通过通信接口提供给工作人员，自动执行应急措施以实现快速响应。
17、优选的，所述系统配置模块通过labsql工具包以microsoft ado技术以及sql语言实现各模块对数据库的访问，为工作人员提供易于操作的界面并自动生成故障诊断报告，工作人员可以修改系统配置信息实现对预设应急措施进行调整和增删。
18、一种电力装置，所述电力装置包括终端设备和多个节点设备；其中，所述终端设备包括存储器和处理器；所述存储器与所述处理器连接，用于存储程序；所述处理器用于通过运行所述存储器中存储的程序，实现如上述所述的故障快速诊断系统。
19、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述所述的故障快速诊断系统。
20、与现有技术相比，本发明的有益效果是：
21、本发明通过对所获得的电力系统各项数据进行分析整合，然后使用该数据进行计算分别确定故障时刻和故障位置，利用基于owa的融合将两种诊断信息合为一体，这样可以有效地结合不同的诊断信息，并提前诊断出故障具体情况，之后利用故障所在区域的数据进行挖掘，向工作人员提供适合的应对建议，以及自动执行应急措施，这样能够降低故障对电力系统造成的影响，并避免电力系统故障范围的扩大。
22、上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
1.基于人工智能的电力系统故障快速诊断系统，包括：状态监测模块、故障诊断模块、数据管理模块、决策响应模块、系统配置模块，其特征在于，所述状态监测模块负责收集电力系统的实时数据，确保数据的准确性和实时性，所述故障诊断模块用于分析实时数据从中提取出故障信息，并确定故障的时间和位置，所述数据管理模块负责实时数据的接收和存储，并对数据进行信息融合，所述决策响应模块用于根据故障信息提供故障处理建议或自动执行预设的应急措施，所述系统配置模块负责管理和设置系统的各种参数和选项，以确保系统按预期运行。
2.根据权利要求1所述的基于人工智能的电力系统故障快速诊断系统，其特征在于：所述数据管理模块通过数据接口传输获取的电力系统数据，采用多线程并行实现数据接收、拆分、整理和存储的并行运行，以减少拆分和整理造成的时间延时对数据完整性和稳定性的影响。
3.根据权利要求2所述的基于人工智能的电力系统故障快速诊断系统，其特征在于：所述故障诊断模块基于实时监测数据分别通过基于msr指标故障时刻确定和基于pmu数据相关性分析的故障区域定位，来得到实际的故障时刻和故障区域，对检测到的异常进行分类，并以此确定故障的影响范围。
4.根据权利要求3所述的基于人工智能的电力系统故障快速诊断系统，其特征在于：所述状态监测模块实时监测检测设备测量的数据，并将其与采集的电力系统固有数据一起传输至数据管理模块，同时使用历史故障数据对容易发生故障的位置进行重点观测，并将实时状态参数显示的终端界面上。
5.根据权利要求4所述的基于人工智能的电力系统故障快速诊断系统，其特征在于：所述状态监测模块利用获取的监测数据生成各设备的状态参数趋势图，结合数据管理模块对数据的处理以可视化的方式向工作人员进行展示，同时状态监测模块会根据故障诊断模块的分析结果发送报警与提示信息。
6.根据权利要求5所述的基于人工智能的电力系统故障快速诊断系统，其特征在于：所述数据管理模块在接收到故障诊断模块的分析结果后，利用owa算子将两种诊断信息进行融合，并将其与故障时间窗内的数据进行整合，然后通过数据接口发送给决策响应模块。
7.根据权利要求6所述的基于人工智能的电力系统故障快速诊断系统，其特征在于：所述决策响应模块采用数据挖掘技术以故障诊断模块的分析结果为核心，结合故障时间窗内的数据进行分析，确定符合当前故障类型的处理建议通过通信接口提供给工作人员，自动执行应急措施以实现快速响应。
8.根据权利要求7所述的基于人工智能的电力系统故障快速诊断系统，其特征在于：所述系统配置模块通过labsql工具包以microsoft ado技术以及sql语言实现各模块对数据库的访问，为工作人员提供易于操作的界面并自动生成故障诊断报告，工作人员可以修改系统配置信息实现对预设应急措施进行调整和增删。
9.一种电力装置，其特征在于，所述电力装置包括终端设备和多个节点设备；其中，所述终端设备包括存储器和处理器；所述存储器与所述处理器连接，用于存储程序；所述处理器用于通过运行所述存储器中存储的程序，实现如权利要求1-8所述的故障快速诊断系统。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1-8所述的故障快速诊断系统。
