[发明专利]用于电网故障分析中的AI持续学习的系统和方法

权利要求书

1.一种用于电网故障分析中的人工智能(AI)持续学习的系统，所述系统包括：

至少一个处理器；和

至少一个存储器，所述至少一个存储器耦接到所述至少一个处理器，所述至少一个存储器具有存储在其上的计算机可执行指令，所述计算机可执行指令在由所述至少一个处理器执行时使所述系统：

以电子方式接收包括多个变电站的电网中的多个历史故障记录，每个历史故障记录包括：

故障的类别；和

所述故障的原因；

基于所述多个历史故障记录以电子方式生成故障原因预测模型；

以电子方式接收来自一个或多个技术人员的技术人员数据，所述技术人员数据包括至少一个附加历史故障的指示和所述附加历史故障的至少一个原因；

基于所述技术人员数据以电子方式修改所述故障原因预测模型；

以电子方式接收在所述电网中已经发生的故障的指示，所述指示包括与所述故障相关联的故障记录，所述故障记录由所述多个变电站中的变电站生成；

通过将所述故障的所述指示应用于所述经修改的故障原因预测模型，以电子方式获得所述故障的所述原因的预测；以及

基于所述故障的所述原因的所述预测以电子方式使所述故障的所述预测原因得到补救。

2.根据权利要求1所述的系统，其中所述故障原因预测模型包括以下中的一者或多者：

机器学习模型；和/或

基于规则的模型。

3.根据权利要求1所述的系统，其中所述技术人员数据还包括：

指示与所述附加历史故障相关联的一件或多件装备的状态的数据；和

指示在所述附加历史故障发生之后所述一件或多件装备中的至少一件装备是否得到修复的数据。

4.根据权利要求1所述的系统，其中为了以电子方式修改所述故障原因预测模型，所述计算机可执行指令进一步使所述系统：

以电子方式确定是否已经接收到来自所述一个或多个技术人员的预先确定的技术人员数据量；以及

基于确定已经接收到所述预先确定的技术人员数据量，基于所述技术人员数据以电子方式修改所述故障原因预测模型。

5.根据权利要求1所述的系统，其中所述故障原因预测模型包括至少一个机器学习模型和至少一个基于规则的模型，并且为了以电子方式修改所述故障原因预测模型，所述计算机可执行指令进一步使所述系统：

基于所述技术人员数据以电子方式修改由所述故障原因预测模型使用的一个或多个权重，以将从所述至少一个机器学习模型获得的第一预测与从所述至少一个基于规则的模型获得的第二预测组合。

6.根据权利要求1所述的系统，其中所述计算机可执行指令进一步使所述系统：

以电子方式标识采用所述故障原因预测模型的多个电网；以及

以电子方式部署所述经修改的故障原因预测模型到所述多个电网中的每个电网。

7.根据权利要求1所述的系统，其中所述计算机可执行指令进一步使所述系统：

以电子方式接收所述故障的所述预测原因是否正确的指示；以及

基于所述故障的所述预测原因是否正确的所述指示以电子方式修改所述故障原因预测模型。

8.根据权利要求1所述的系统，其中所述计算机可执行指令进一步使所述系统：

至少基于所述故障记录和所述故障的所述原因的所述预测以电子方式标识与所述故障记录相关的一个或多个附加故障记录，所述附加故障记录由所述多个变电站中的至少一个其他变电站生成，其中所述至少一个其他变电站是与生成所述第一故障记录的所述变电站不同的变电站；以及

至少基于所述附加故障记录以电子方式修改所述故障原因预测模型，以标识与故障相关的附加故障记录。