[发明专利]移动终端智能调控方法

说明书

本发明涉及一种移动终端智能调控方法，本发明解决现有技术的问题，其技术方案要点是：配合服务器和移动终端使用，所述服务器通过安全扫描和登陆验证步骤后与移动终端通信连接，所述服务器通过外网通信方式与移动终端通信连接，包括初始化步骤、采集现场数据进行的故障数据自计算、使用故障数据自计算结果进行的神经网络训练步骤和采用训练后神经网络进行的故障智能提示步骤。本发明采用了一种巧妙的方式实现了大数据的来源，就是充分利用个人能力测试的机会，通过人工确定的方式，一边训练能力，一边确定用于神经网络训练的参数，通过此方法，获得大量可用的相对准确的数据以提供故障解决方案。

技术领域

本发明涉及了一种适用于电网系统的智能调控方法，特别是涉及了一种适用于电网系统的移动终端智能调控方法。

背景技术

近年来，人工智能、云计算等技术日渐成熟，将人工智能、云计算与电网调控业务相结合是电网调控业务发展的必然趋势，对于推进调控业务智能化具有重要的意义，也为智能调度打下坚实的基础。随着电网规模逐步扩大，以及海量电网运行数据的积累，电网运行数据无法直观显示，需要在空间上将各级调度机构管辖的设备全模型一体化展示，时间尺度上，反演电网网架结构变化及电网历史断面运行数据，以及电网发展远景规划，通过对电网设备信息进行智能监视，对设备异常信息、故障信息等进行智能分析并提醒，提高工作效率，引入移动APP技术，增强业务操作协同性，关键信息获取更加及时，减少重要流程的审批时长，辅助提升技术学习管控及应用。

针对上述技术问题，现有的解决方案有如下几种：如中国专利申请号为201610613748.8公开的一种基于卷积神经网络的输电线路区内外故障判断及故障选相方法；基于卷积神经网络的输电线路区内外故障判断及故障选相方法，首先根据双端供电系统原理图搭建仿真模型，得到训练样本的输入，将故障类型和区内外故障作为训练样本的输出，同理生成测试样本。其次，列出网络结构，通过测试样本的错误率，得到最佳网络结构。最后，在每次故障之后，获取故障电流，输入到训练好的网络中，即可判断是否区内故障并进行故障选相，无需再次训练。该方法对卷积神经网络输出进行了改进，用同一网络同时解决了区内外故障判断和故障选相两类非独立分类问题，实现了两种非独立分类问题的权值共享。对采样率要求低，无需计算各种整定值，不受系统频率、故障位置、负荷电流、过渡电阻等因素的影响，结果准确可靠。又或者是中国专利申请号为201911373921.1公开的一种输电线路故障类型识别方法和系统，利用输电线路故障仿真模型生成目标线路各类型的故障时序数据，对故障时序数据进行处理，产生面向卷积神经网络CNN的目标域数据样本；利用目标域数据样本对预训练模型进行卷积核迁移训练，形成目标域模型；采用目标域模型对目标线路的故障类型进行识别。本方法能够实现利用少量数据对深度模型进行迁移，生成适用于目标线路的深度学习模型，避免了针对各个线路单独训练深度学习模型，提高了深度学习模型的泛化能力。就目前而言，以卷积神经网络为代表的智能AI故障判断、智能调度已经有了较为成熟的应用，但是在神经网络运行的过程中，还需要解决一个问题，就是在多变的供电要求电路配置用电情况下，大数据的获取来源较少，由于训练数据的缺少，会导致最终结果的误差较大，因此，如果有可获得稳定而准确的大数据来源的、适用于电网系统的移动终端智能调控方法，能够大大提高智能调控的有效性。

发明内容

针对上述技术方案还是存在多变的供电要求电路配置用电情况下，大数据的获取来源较少，由于训练数据的缺少，会出现最终结果误差较大的问题，本发明提供了一种能够获得稳定而准确的大数据来源的适用于电网系统的移动终端智能调控方法。

本发明解决其技术问题所采用的技术方案是：一种移动终端智能调控方法，配合服务器和移动终端使用，所述服务器通过安全扫描和登陆验证步骤后通过外网通信方式与移动终端通信连接，包括初始化步骤、采集现场数据进行的故障数据自计算、使用故障数据自计算结果进行的神经网络训练步骤和采用训练后神经网络进行的故障智能提示步骤；

所述初始化步骤：