(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211118525.6 (22)申请日 2022.09.13 (71)申请人 国网江苏省电力有限公司 地址 210008 江苏省南京市 鼓楼区上海路 215号 申请人 国网江苏省电力有限公司连云港供 电分公司 　 天赋智能科技研究院 （南京） 有限公 司 (72)发明人 高骞　杨俊义　洪宇　赵贺　 薛雨禾　金诚　王炜　熊蕴　陈辉　 李明久　 (74)专利代理 机构 北京鼎德宝 专利代理事务所 (特殊普通 合伙) 11823 专利代理师 程宝(51)Int.Cl. G06Q 50/06(2012.01) G06K 9/62(2022.01) H02J 3/00(2006.01) G01R 19/00(2006.01) G01R 31/58(2020.01) (54)发明名称 基于统计学的电网GIS拓扑异常数据智能辨 识治理方法 (57)摘要 本发明公开了基于统计学的电网GIS拓扑异 常数据智能辨识治理方法， 包括以下步骤： 步骤 一： 按照电压等级， 对不同设备类型(馈线、 支线、 导线段、 电缆段)的GIS拓 扑原始数据进行结构化 对象模型解析存储， 找出拓扑数据结构化错误； 步骤二： 1、 按照电压等级、 设备类型分类， 对设备 结构化对象模 型数据进行统计计算， 计算设备拓 扑路径总长度La； 2、 根据生产运行经验计算供电 线路线损和电压压降指标， 按照电压等级、 设备 类型分类， 设定各电压等级、 设备类型的设备供 电路径长度合理区间上限经验值Lth0， 对于一条 包含成百上千坐标点的电网设备拓扑异常数据 辨识能够精确到具体的坐标点， 从而能够更加精 确的得出， 进 而增加了对异常数据的处 理效率。 权利要求书2页 说明书7页 附图2页 CN 115496623 A 2022.12.20 CN 115496623 A 1.基于统计学的电网GIS拓扑异常数据智能辨识治理方法， 其特征在于， 包括以下步 骤： 步骤一： 按照电压等级， 对不同设备类型(馈线、 支线、 导线段、 电缆段)的GIS拓扑原始 数据进行 结构化对象模型解析存 储， 找出拓扑 数据结构化 错误； 步骤二： 1、 按照电压等级、 设备类型分类， 对设备结构化对象模型数据进行统计计算， 计算设备拓扑路径总长度La； 2、 根据生产运行经验计算供电线路线损和电压压降指标， 按照电压等级、 设备类型分 类， 设定各电压等级、 设备类型的设备 供电路径长度合理区间上限经验值 Lth0； 3、 对单一设备类型的全量设备拓扑路径总长度进行高斯分布参数计算， 找出N( μ， σ 2) 分布的位置参数 μ、 尺度参数为σ， 取位置参数 μ右侧i*σ 处的设备拓扑路径总长度值 Lr(iσ )； 4、 对当前设备类型设备拓扑路径总长度值L a超过Lth0或Lr(iσ )的计算异常置信度评分 S1； 步骤三： 1、 按照设备维度进行设备拓扑原始坐标中心O0(x， y)和坐标偏离原始半径R0 计算， 计算方法采用多次迭代逼近的方法计算 坐标偏离原 始半径R0； 2、 按照设备维度进行设备拓扑坐标中心O0(x， y)和坐标半径R0计算； 3、 剔除坐标半径R0等于0的无效数据后， 按照设备维度进行设备坐标半径R0的高斯分 布参数计算， 找出N( μ， σ 2)分布的位置参数μ1、 尺度参数σ 1， 找出位置参数μ1右侧偏差i*σ 1 处的位置点Dr(iσ 1)； 4、 按照设备维度进行设备拓扑修正坐标中心O1(x， y)和坐标偏离修正 中心半径 R1的计 算； 5、 剔除坐标半径R1等于0的无效数据后， 按照设备维度进行设备坐标半径R1的高斯分 布参数计算， 找出N( μ， σ 2)分布的位置参数 μ2、 尺度参数σ 2， 找出当前设备分类的位置参数 μ 2右侧偏差i*σ 2处的位置点Dr(iσ 2)； 6、 找出当前设备分类下的所有R 1>Dr(iσ 2)的设备清单， 进行飞线可疑度打 分S2； 7、 对设备飞线或异常置信度得分S进行计算； 8、 对设备置信度得分超出预设定Smax参数的设备， 标识为GIS飞线或异常拓扑， S max值 不小于1； 9、 对标识为GIS飞线或异常拓扑的设备， 再对其所有拓扑坐标点进行置信度评分Sp， Sp ＝坐标偏 离当前设备O1(x， y)的距离/Dr(iσ 2)， 对于置信度超 过预设定偏 离距离Spmax值的 点， 均记录为可疑异常坐标， Spmax值 不小于1； 步骤四： 重复步骤三， 对各地区测试样本、 Smax、 Spmax、 a、 b、 i等参数进行有监督的步长 训练调整， 得到适 合当前地区数据的最佳系统辨识参数值。 2.根据权利要求1所述的基于统计学的电网GIS拓扑异常数据智能辨识治理方法， 其特 征在于， 其中异常置信度评分S1的计算公式为： S1＝α*(La ‑Lr(iσ ))/Lr(iσ )+γ*( ‑Lth0)/ Lth0， 其中α >0， γ>0， i取值 为2‑4。 3.根据权利要求2所述的基于统计学的电网GIS拓扑异常数据智能辨识治理方法， 其特 征在于， 其中飞线可疑度打 分S2的计算公式为： S2＝R 1/Dr(iσ 2)。 4.根据权利要求3所述的基于统计学的电网GIS拓扑异常数据智能辨识治理方法， 其特 征在于， S计算公式为： S＝S1*a+S2*b， 其中 a>＝0， b>＝0 。权　利　要　求　书 1/2 页 2 CN 115496623 A 25.根据权利要求4所述的基于统计学的电网GIS拓扑异常数据智能辨识治理方法， 其特 征在于， 采用多次迭代逼近的方法计算 坐标偏离原 始半径R0的计算 步骤如下 所述： 第一步： 对于当前设备， 计算 第二步： 对于当前设备， 计算 第三步： 取 为起始计算中心点， 开始对其进行球面GIS中心位置迭代修 正； 第四步： 依次计算 GIS拓扑所有坐标与 的距离， 距离最远的点记为 最 远距离记为 第五步： 取 与 2点直线段之间距离 长度为 的点作 为新的中心点 依次计算GIS拓扑所有坐标与 的距离， 距离最 远的点记为 最远距离记为 第六步， 若新的 比上一次迭代的最大距离R0值大， 则停止迭代， 取上次迭代的中心点 值和最大距离值分别作为 最终的O0(x， y)和R0， 并退 出当前迭代， 否则重复第五步。 6.根据权利要求5所述的基于统计学的电网GIS拓扑异常数据智能辨识治理方法， 其特 征在于， β 取值 为50‑100。 7.根据权利要求6所述的基于统计学的电网GIS拓扑异常数据智能辨识治理方法， 其特 征在于， 拓扑修 正坐标中心O1(x， y)和坐标偏离修 正中心半径R 1的计算步骤如下 所述： 第一步： 剔除当前设备中所有距离原始坐标中心O0(x， y)的长度超过Dr(iσ 1)的坐标 点， 并重复原计算始半径R0， 记为O1(x， y)； 第二步： 计算当前设备的所有GIS与设备拓扑修正坐标中心O1(x， y)的距离， 距离最长 的值记为 坐标偏离修 正中心半径R 1。权　利　要　求　书 2/2 页 3 CN 115496623 A 3