原始名称记载: 国网冀北电力有限公司智能配电网中心

本发明提供基于人工智能的配电网故障自愈控制方法，涉及电力系统智能化控制领域，特别是配电网故障自愈技术，包括获取配电网实时运行状态数据，提取特征建立故障预测规则库，实时监测故障并确定位置，基于图论算法构建拓扑结构，计算可选重构路径的负载转移容量，采用改进粒子群算法求解多目标优化函数，得到最优重构方案，生成控制指令序列隔离故障区域并恢复非故障区域供电。本发明提高了配电网故障处理的智能化水平，缩短故障恢复时间，提升供电可靠性。

本发明提供配电网拓扑结构自动识别与优化重构方法及系统，涉及电力系统技术领域，包括获取配电网信息生成初始拓扑图；设置异构传感节点形成感知域，边缘计算单元识别拓扑关联关系；生成全局拓扑特征矩阵；提取动态响应特性和负荷特征，计算关联强度；建立贝叶斯网络分析因果关系，计算干预效应值并生成候选重构方案。本发明实现了配电网拓扑结构的准确识别和智能重构，提高系统可靠性和运行效率。

本发明提供一种基于深度学习的配电设备故障预测系统及方法，涉及智能故障预测技术领域，通过条件深度生成网络基于多模态运行数据生成故障样本，利用孪生模型对故障样本进行物理验证，进而得到生成式物理校验的约束训练集；采用非对称深度重构网络分别对约束训练集中的故障样本和正常样本进行差异化重构，得到正负重构误差矩阵；依据孪生模型推演出配电设备的趋势特征向量，基于趋势特征向量对正负重构误差矩阵进行趋势感知和自适应校准，进而得到故障预警信号；对故障预警信号进行反馈推演，进而基于反馈推演结果进行配电设备的自适应闭环预测，本发明可实现配电设备的生成式物理校验和趋势感知，以提升配电设备故障预警的准确性。