(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 202210898261.4 (22)申请日 2022.07.28 (71)申请人 北京国网信通埃森哲信息技 术有限 公司 地址 100089 北京市海淀区高里掌 路1号院 1号楼2层202-04 申请人 国网信息通信产业 集团有限公司 　 国网思极数字科技 （北京） 有限公司 (72)发明人 许中平　赵峰　郭翔　李守超　 刘亚庆　吴耀军　张钊源　吕建兵　 张韬　陈颖　常天渤　郑晓洋　 李祺豪　孟德建　 (74)专利代理 机构 北京沃知思真知识产权代理 有限公司 1 1942 专利代理师 尹得银(51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/00(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种基于AI分析的特高压直流保护动作行 为评价方法 (57)摘要 本发明涉及电力系统技术领域， 具体涉及一 种基于AI分析的特高压直流保护动作行为评价 方法； 本发明基于AI分析从历史特高压数据内获 取训练样 本， 并将训练样本划分为训练集和测试 集， 通过训练集对训练模型进行训练， 然后由测 试集对训练模 型进行测试， 将测试结果与实际结 果进行对比， 获得正确预测率， 并将正确预测率 与设定的阈值进行对比， 确定所训练的训练模型 能够满足使用精需求， 再由训练模 型输出行为评 价结果， 所提供的方法， 具有速度快、 误差率可控 的效果， 能够应用在大规模的动作行为分析 上。 权利要求书1页 说明书3页 附图1页 CN 115221968 A 2022.10.21 CN 115221968 A 1.一种基于AI分析的特高压直 流保护动作行为评价方法， 其特 征在于， 包括以下步骤： (1)获取历史特高压数据， 将基于AI分析从历史特高压数据内获取训练样本； (2)将训练样本分为训练集和测试集， 并将训练集作为训练模型的输入， 对训练样本进 行训练， 输出 行为评价结果； (3)将测试集作为训练模型的输入， 将输出的评价结果与历史数据结果进行对比， 获取 正确预测率， 并将正确预测率与设定阈值进行对比， 完成对训练模型的训练； (4)获取待分析的特高压数据， 并基于AI分析获得训练模型的输入样本， 输入训练模 型， 由训练模型输出 行为评价结果。 2.根据权利要求1所述的一种基于AI分析的特高压直流保护动作行为评价方法， 其特 征在于， 在步骤(1)中， 所述的训练样本是由将整流侧正负极线路的电压电流值、 逆变侧正 负极线路的电压电流 值以及保护动作情况构成的特 征向量。 3.根据权利要求1所述的一种基于AI分析的特高压直流保护动作行为评价方法， 其特 征在于， 在步骤(2)中， 所述的训练样本中练集和 测试集的占比为5:2。 4.根据权利要求1所述的一种基于AI分析的特高压直流保护动作行为评价方法， 其特 征在于， 在步骤(2)中， 所述的行为评价结果包括区内故障和区外故障。 5.根据权利要求4所述的一种基于AI分析的特高压直流保护动作行为评价方法， 其特 征在于， 在区内故障情况下， 若保护动作， 则判断为区内故障保护正确动作， 否则判断为区 内故障保护拒动。 6.根据权利要求4所述的一种基于AI分析的特高压直流保护动作行为评价方法， 其特 征在于， 在区外故障情况下， 若保护不动作则判断为区外故障保护正确不动作， 否则判断为 区外故障误动。 7.根据权利要求1所述的一种基于AI分析的特高压直流保护动作行为评价方法， 其特 征在于， 在步骤(2)中， 所述的训练模型为神经网络模型。 8.根据权利要求1所述的一种基于AI分析的特高压直流保护动作行为评价方法， 其特 征在于， 在步骤(3)中， 若正确预测率不大于设定阈值， 则完成对训练模型的训练， 否则， 重 复步骤(1) ‑步骤(3)， 至 完成对训练模型的训练。权　利　要　求　书 1/1 页 2 CN 115221968 A 2一种基于AI分析的特高压直流保护动作行为评价 方法 技术领域 [0001]本发明涉及电力系统技术领域， 具体涉及一种基于AI分析的特高压直流保护动作 行为评价方法。 背景技术 [0002]人工智能(Artificial  Intelligence)， 英文缩写为A I。 它是研究、 开 发用于模拟、 延伸和扩展人的智能的理论、 方法、 技 术及应用系统的一门新的技 术科学。 [0003]人工智能是计算机科学的一个分支， 它企图了解智能的实质， 并生产出一种新的 能以人类智能相似的方式做出反应的智能机器， 该领域的研究包括机器人、 语言识别、 图像 识别、 自然语言处理和专家系统等。 人工智能从诞生以来， 理论和技术日益成熟， 应用领域 也不断扩大。 [0004]特高压直流输电具有输送容量大、 功率容易调节等优点， 然而特高压直流线路传 输距离较远， 工作 环境复杂， 容易 发生故障， 相关数据 表明我国特高压直流输电系统中线路 故障占比高达50％以上。 因现有的直流输电线路继电保护体系存在理论不完备、 原理单一、 可靠性差等问题， 线路保护正确动作率不高， 影响电力系统的安全性、 可靠性。 因此， 研究特 高压直流线路保护动作评价， 可以帮助运行人员快速处理故障， 防止故障范围进一步扩大， 对于提高电力系统的安全稳定运行 具有重要作用。 [0005]现有的保护动作评价主要借助故障录波数据等信息， 通过重绘故障时电压电流 (模拟量)及保护动作(开关量)的波形， 将模拟量和开关量的波形图结合起来进行人工分 析。 人工评价结果的正确性与专家的经验直接相关。 专家需要 大量的实际案例积累经验， 而 实际现场直流故障实际案例不多， 很难依靠实际案例来迅速提高评价专家的经验和能力。 当系统发生复杂故障或继电保护出现误动或拒动等时， 经验不足的人员难以准确评价继电 保护动作。 [0006]综上所述， 研发一种基于AI分析的特高压直流保护动作行为评价方法， 仍是电力 系统技术领域中急需解决的关键问题。 发明内容 [0007]本发明为了解决上述问题， 本发明提供了一种基于AI分析的特高压直流保护动作 行为评价方法， 本发明所提供 的方法， 具有速度快、 误差率可控的效果， 能够应用在大规模 的动作行为分析 上。 [0008]为实现上述目的， 本发明提供了如下技 术方案： [0009]本发明提供了一种基于AI分析的特高压直流保护动作行为评价方法， 包括以下步 骤： [0010](1)获取历史特高压数据， 将基于AI分析从历史特高压数据内获取训练样本； [0011](2)将训练样本分为训练集和测试集， 并将训练集作为训练模型的输入， 对训练样 本进行训练， 输出 行为评价结果；说　明　书 1/3 页 3 CN 115221968 A 3