基于机器学习的智能电网信息系统高可用性评测模型分析与研究

发布时间：2020-05-17 09:19

【摘要】：随着时代的发展,现代化的办公和企业自动化运作都离不开信息系统,信息系统对一个企业来说变得至关重要。不仅仅是对于互联网企业,传统企业也在尽可能地把传统业务都转移到信息化的平台上去。信息化平台的高度自动化的运作,极大地加快了传统企业的传统业务运作,同时也节约了很多人力成本。大量业务被转移到信息化平台上,那么维护信息系统的稳定就是一个至关重要的课题。高可用性是度量系统稳定性的一个重要指标,它代表着系统能够正常运转的时间比例。而随着电网企业体系的不断增大,内部的信息系统的复杂程度也在随着逐步增大,越复杂的系统,各组件之间可能产生的故障就越多,这也就给维护整个系统的可用性带来了巨大的挑战。而要维护可用性,首先要能够准确地计算可用性,所以电网公司迫切地需要一个能对整个系统的可用性进行准确评估的模型。本文对于可用性评估模型分为两个部分,一部分是单一组件的可用性评估。针对单一组件的可用性评估,本文创新地提出了一种基于误差逆传播神经网络的故障率估计算法,通过对历史故障数据的学习,可以得出单一组件的故障率函数对单一组件实时的运行状态以及连续运行时间之间的关系。相比于传统算法只能得到故障率函数对于运行时间的关系,本文提出的故障率函数不仅仅可以得到故障率函数对于运行时间的关系,而且引入了实时运行时的各种参数。对于未标定故障率样本的标定,创新地提出了通过其时间序列的故障率标定方法。在训练误差逆传播神经网络的过程中,引入了动量法进行学习率的动态修正,结合了模拟退火的方法实现了算法过拟合的避免。实验证明,由于引入了更多的学习变量,获取的故障率函数在测试集上的拟合程度相比于传统的故障率函数精度更高。另一部分是基于系统网络结构的可用性评估。针对系统网络可用性评估,本文创新地提出了一种集合不相交最小路径集以及蒙特卡罗模拟的系统可用性评估算法。论文对于一个复杂的系统网络使用生成搜索树的算法遍历整个路径,得出起始点和最终点的最小路集,然后提出了一种不相交最小路集算法,将相交的路集分解称为不相交的路集,使得他们的之间的概率独立,然后结合了蒙特卡罗模拟算法,基于分解后的不相交路集,计算整个网络的可用性。实验证明,使用结合不相交最小路集以及蒙特卡罗模拟的系统可用性评估算法,相比于传统的基于马尔科夫转移矩阵的网络可用性算法,本方法的速度较高,并且不受网络的结构限制,适用范围高。
【图文】：

智能,美国,电网

研究背景及意义电网智能化是现在电网企业的发展方向，信息化技术正以前所未有的深度和网企业的传统业务，办公管理等高速融合，信息系统已经成为电网企业至关重神经”，在其背后维护整个电网企业的正常运转。美国、欧洲、我国都相继提智能电网的发展计划。2001 年，EPRI(美国电力研究协会) 开始了名为“Intel电网) 研究；2003 年美国总统小布什提出要求美国能源部 (DOE) 着力发展电，随后 DOE 发布“Grid 2030”计划；2009 年美国总统奥巴马已经将发展智能为美国国家战略。与此同时，欧洲也于 2005 年成立“智能电网欧洲技术论坛远期计划并发表相关研究议程与报告。我国华东电网于 2007 年规划了 2000 年的智能电网发展三步走计划；2009 年国家电网公布了“智能电网计划”；2电网公司发布“智能电网战略与规划”。由此可见，发展智能电网全世界电网同发展方向，而信息系统作为其“中枢神经”，，维护智能电网信息系统的可用关重要。

系统结构图,电网信息,系统结构图

长度可以成为故障时间间隔 TTF(time to failure), 那么就可以用这个故障时间计这个状态下的 MTTF(mean time to failure), 然后通过 MTTF 和故障率之间的出当前状态下的故障率。于是就能将计算出来的故障率标定为训练集的输出，有监督的学习，输入到误差逆传播神经网络中去。从而获得相关参数以及故障对于故障率的关系。2 系统整体的高可用评估模型的优化本文的另一个主要研究内容是对于系统整体的高可用评估模型的优化。由前面差逆传播神经网络建立的单一组件的高可用模型，我们可以得到每个单一组障率函数。但是不同组件之间的逻辑关键非常复杂，网络复杂程度是由系统来智能电网信息系统的涉及面非常之广，从最低级别的变电站，到区电力所、市省公司、最后汇总到整个电网总公司，其网络程度的复杂度非常高，那么对于的网络，同时还要满足实时监测的要求，那么就需要提供一种高效的系统可用型，综合每个单一组件的故障率函数，模拟出整个智能电网信息系统的使用计算出系统的可用性。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP181;TM76

【相似文献】