摘要
本发明公开了一种基于大数据分析的故障识别及处理方法,涉及故障识别技术领域,解决了现有技术中故障识别仅仅停留在得出识别结果的阶段,缺乏对识别结果的进一步分析和处理,使得管理人员在决策时缺乏基于故障出发的数据参考的问题。本发明采集各采集点的电力数据和气象数据;然后利用故障识别模型进行故障识别并记录识别出故障的采集点的地理位置并发出告警信号;进而基于周期内各采集点的故障发生次数进行排序,得出故障常发位置;最后以建站成本和距离差为影响因素建立目标函数,以最小化目标函数为目标求解即可得出建站策略。本发明可以为电网的维护和优化提供科学依据,帮助管理人员做出更加合理的决策,提升电网管理的效率和效果。
技术关键词
站点
数据
训练神经网络模型
故障识别技术
气象
梯度下降算法
深度神经网络
电网管理
配置工具
频域特征
电力
统计特征
特征选择
策略
建筑
决策
天气
训练集