[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

说明书

用于电网故障分析中的AI持续学习的系统、方法和处理器可读存储介质使用历史故障记录数据来生成用于预测故障的原因的故障原因预测模型，并且基于从电网技术人员接收到的附加技术人员数据来修改该故障原因预测模型。本文公开的系统另外接收在电网中已经发生的故障的指示，通过将该故障的该指示应用于该故障原因预测模型来获得该故障的原因的预测，并且使该故障的该预测原因得到补救。

相关专利申请的交叉引用

本申请要求2021年7月27日提交的美国临时专利申请序列第63/226,123号的权益，其全部内容据此以引用方式并入本文。在本申请与以引用方式并入的文档冲突的情况下，以本申请为准。

背景技术

技术领域

本公开涉及由电网操作员使用的故障分析系统。这些操作员通常通过检查由电网中使用的装备或组件(诸如变电站、输电线、智能电子设备或其他电网组件)生成的故障记录来诊断故障的原因。

相关技术描述

通常，电网操作员从连接到电网组件的计算系统或设备接收已经发生故障的指示。然后，操作员手动搜索针对该故障创建的故障记录，并且基于该故障记录中的信息来尝试诊断故障的原因。故障记录可以另外由计算系统分析以确定故障记录的类别或分类。此过程在多个电网和公用事业设施处执行。

每个故障可能导致生成大量记录，其中只有几个记录在诊断故障的原因时有用。因此，即使故障记录被分类，操作员通常仍须通过检查生成的故障记录中的每个故障记录中的信息来手动标识故障的原因。对于运营电网的公用事业设施，每多花一分钟来分析故障，就多停机一分钟，甚至电网中可能出现损伤，并且其他变电站或组件也可能受到起初的“原发”故障的影响，修复成本以及其他成本随之增加。当操作员由于未分析正确的故障记录而错误标识故障的原因时，这些成本可能剧增。

此外，操作员通常无法查看来自其他电网或公用事业设施的数据，也就无法使用该数据来帮助确定故障的原因以便使电网或公用事业设施的停机时间或损坏最小化。另外，由于操作员无法查看来自其他公用事业设施或电网的数据，因此他们必须花费附加的时间来确定故障的原因，而类似故障的原因已经在其他电网或公用事业设施处确定。操作员还可能错误标识此类故障的原因，因为他们没有渠道获取来自其他电网或公用事业设施的数据。操作员还可能不知道故障记录之外的其他数据源，而其他数据源可能对于确定故障的实际原因至关重要。

发明内容

本文描述的实施方案通过生成自动标识在电网中发生的故障的原因的系统解决了以上问题，因此有助于解决技术难题并且改进了用于电网故障分析的技术。另外，本文公开的实施方案能够基于从多个电网或公用事业设施(统称为“电网”)获得的技术人员或操作员数据(统称为“技术人员数据”)来改变所生成的系统。

根据电网故障分析系统的至少一个实施方案，电网故障分析系统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：故障的类别和故障的原因。电网故障分析系统基于该多个历史故障记录来生成故障原因预测模型。电网故障分析系统接收来自一个或多个技术人员的技术人员数据，该技术人员数据包括至少一个附加历史故障的指示和附加历史故障的至少一个原因。电网故障分析系统基于技术人员数据来修改故障原因预测模型。电网故障分析系统接收在电网中已经发生的故障的指示，该指示包括与故障相关联的故障记录，该故障记录由该多个变电站中的变电站生成。电网故障分析系统通过将故障的指示应用于经修改的故障原因预测模型来获得故障的原因的预测，并且基于故障的原因的预测来使故障的预测原因得到补救。

在一些实施方案中，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。

在一些实施方案中，技术人员数据包括指示与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附加历史故障发生之后该一件或多件装备中的至少一件装备是否得到修复的数据。