一种电力信息系统运行安全管理监控方法与流程

本发明涉及电力信息系统及网络安全综合监测领域，具体涉及一种电力信息系统运行安全管理监控方法。

背景技术：

1、随着电力系统和电网技术的快速发展，网络通信、人工智能等技术的广泛应用，电力系统已经成为我国电网建设中至关重要之处，而在电力系统中拥有着诸多电气设备，任意一个设备出现问题，将会对电力系统的安全稳定运行带来影响，因此应当对电力信息系统进行网络安全综合监测以及故障诊断，并及时的制定合理的应对措施。电力设备在运行中由于会受到各种因素影响，会出现老化等多种故障问题，而在实际环境中，很难通过电力信息系统直接获取故障点等信息，因此需要自动化的对电力系统进行综合监测至关重要，具有重大意义。

2、电力信息系统的安全管理监控方法分为在线安全综合监测、离线安全综合监测、无人检修监测，现有的监测方法通过数据融合和聚类分析可以实现电力系统状态参数特征监测，但是由于电力系统的状态参数规模庞大，所以在监测的过程中会受到较多因素的影响，导致最终结果精确度有所不足。

3、因此研究基于hht算法的电力系统网络安全综合监测方法，使用希尔伯特谱特征分析模型和卷积图谱解析方法，对电力系统参数信息进行融合和特征匹配，通过功率谱密度重组和输出阻抗调度的方法实现对电力系统的信息融合处理，结合hht方法实现了电力信息系统的安全管理监控方法，保证了电力系统运行的稳定。

技术实现思路

1、本发明的目的在于提供一种电力信息系统运行安全管理监控方法，不仅能够帮助电力部门提高对电网系统的安全控制能力，促进电力系统行业发展，加强电网的建设并合理安排电网结构，在节约系统的通讯与维护管理资源的同时，为电力系统提供更多的效益，更能保证电力设备的使用寿命，增加电力运行的稳定性。

2、本发明解决上述技术问题的技术方案如下：

3、本发明提供一种电力信息系统运行安全管理监控方法，包括如下步骤：

4、(1)构建状态参数信息的希尔伯特谱特征分析模型；

5、(2)基于状态参数信息分布结构模型，分析系统状态参数信息的希尔伯特谱特征，建立系统稳态特征分析模型；

6、(3)以希尔伯特卷积图谱解析方法为基础，提取电力系统状态参数信息的输出功率及电压的模糊图谱关联特征集；

7、(4)使用hht模型进行状态监测；

8、(5)采用仿真测试方法进行验证安全监测的应用性能。

9、优选，所述步骤(1)包括：

10、通过使用希尔伯特卷积图谱解析方法对电力系统的状态参数进行融合和特征匹配，使a为系统监测的内频数特征参数，σt为采样时延，f(x,t)为信息采集频率，d(t)为状态信息分布的时间间隔，为系统状态参数信息的深度融合特征量，从而系统状态参数信息的时间序列分布结构模型为：

11、

12、在模糊信息的结构映射中引入联合时间序列进行分析，使λ为大数据随机融合的特征量，u为状态参数信息常数，ps(si)为电力系统状态参数信息的模糊类特征参数，从而得电力系统状态参数信息hht模型为：

13、

14、其中电力系统状态参数信息的模糊类特征参数ps(si)：

15、

16、使用块匹配技术结合分布式电力系统的状态管理，使l为聚类相关性系数，vt为状态参数信息融合的阶数，ρ、h分别为自适应加权系数和系统状态时域，从而的联合特征聚类模型为：

17、

18、结合运维状态管理和系统状态时域控制分析，进而对电力系统的运维状态特征进行重组，而后对其信息进行融合处理，使ai、k(x,xi)为系统运行状态特征量和在参数时间内的状态变化特征量，从而得到电力系统状态参数信息分布结构模型：

19、

20、进一步优选，所述步骤(2)包括：

21、使希尔伯特谱特征匹配系数为ta、ah(vth)，vth为电力系统的有效数据检测阈值，取1或-1，并根据电力系统状态参数信息的训练结果，得到数据离散样本特征聚类参数τw(vth)：

22、

23、基于上述聚类结果，采用特征映射寻优方法，使vij、σj为数据检测值和状态参数信息融合得到的综合权重，pi、wj为参数信息分布结构和系统状态信息谱，从而得到电力系统的运行状态特征融合模型：

24、

25、上述参数信息分布结构的谱密度特征分量pij为：

26、

27、其中，为随机概率密度，根据综合评价的决策方法，建立电力系统状态参数信息的融合模型，使ri为状态信息的模糊度频移，θi为尺度信息，得到电力系统状态参数信息的hht解析模型为:

28、

29、采用联合自相关映射，得到分布式电力系统状态参数信息调度的采样时间间隔，根据模糊融合体系，采用hht变换，使blocki为任意分块，得到模糊特征匹配函数m为：

30、

31、最终根据模糊特征匹配函数，结合电力系统的状态特征信息，使fg、bki、为抗阻、抗阻系数和功率谱调节系数，从而得到电力系统稳定特征分析模型为：

32、

33、进一步优选，所述步骤(3)包括：

34、使和b为相位偏移和输出电流增益，从而得到状态参数的特征分类属性判别函数u为：

35、

36、通过多模态的参数分析，使x(k)、i(n)为时间采样序列和参数信息融合的特征干扰分量，从而得到电力系统状态监测的联合互信息函数：

37、

38、依据系统的状态参数采用，得到输出的联合概率密度特征为z＝{z1,z2,z3}，从而得到电力系统状态参数信息的模糊特征提取输出h[f]为：

39、

40、其中，xk为电力系统状态参数信息的访问比特率。结合hht算法，使为电力系统状态参数信息分布集的时态区间和电力系统的特征采样频率，|ps-pe|为存储状态特性，从而得到模式识别函数为：

41、

42、进一步优选，所述步骤(4)包括：

43、使di和da分别为电力系统状态空间谱密度和电力系统的输出联合关联状态特征监测时间序列，db为电力系统状态采样的时间延迟，e为数据分布的有向图，通过hht算法，得到电力系统状态参数信息分布的模态函数为:

44、

45、通过功率谱密度重组和输出阻抗增益调度的方法，在hht模型中实现数据信息融合，结合安全监测方法，得到电力系统状态参数状态特征监测的收敛性控制函数为:

46、

47、其中，和为电力系统状态参数状态特征监测的信息传输速率和电力系统状态参数信息传输的窗口宽度。

48、进一步优选，所述步骤(5)中，在系统的子系统节点和边界点设置pmu，并进行20次采样，设定hht模型学习效率为0.34，设定14个状态监测节点，并获取监测输出误差。

49、本发明提供的电力信息系统运行安全管理监控方法，不仅能够帮助电力部门提高对电网系统的安全控制能力，促进电力系统行业发展，加强电网的建设并合理安排电网结构，在节约系统的通讯与维护管理资源的同时，为电力系统提供更多的效益，更能保证电力设备的使用寿命，增加电力运行的稳定性。为了得到效果更好的电力信息系统安全管理监控的结果，本发明提出了一种电力信息系统运行安全管理监控方法。首先构建状态参数信息的希尔伯特谱特征分析模型；其次基于状态参数信息分布结构模型，分析系统状态参数信息的希尔伯特谱特征，建立系统稳态特征分析模型；然后以希尔伯特卷积图谱解析方法为基础，提取电力系统状态参数信息的输出功率及电压的模糊图谱关联特征集；使用hht模型进行状态监测；采用仿真测试方法进行验证安全监测的应用性能。实验结果表明基于hht算法的电力系统状态监测方法的最终效果更优，具有更高的可行性和实用性。