配电自动化终端运行状态评价与故障诊断方法技术

本发明专利技术涉及一种配电自动化终端运行状态评价与故障诊断方法，对终端所采集的配电网实时与历史运行数据以及终端设备运维检修过程中记录的设备故障或缺陷信息进行综合分析，抽取特征数据，并利用设备故障检修记录信息对历史特征数据进行标签化，建立训练与检验样本数据集，基于机器学习算法建立终端运行状态评价模型，对配电自动化终端设备的运行状态评价与故障类型诊断。本发明专利技术基于机器学习算法建立终端运行状态评价模型，实现对配电自动化终端设备的运行状态评价与故障诊断，对于提升配电自动化终端设备的运维管理水平具有重要的现实意义；本发明专利技术解决了普通指标评价模型合理性难以保证的问题，提升终端状态评价与故障诊断的准确性。

【技术实现步骤摘要】
配电自动化终端运行状态评价与故障诊断方法
本专利技术属于配电自动化系统运营维护
，具体涉及一种基于机器学习的配电自动化终端运行状态评价与故障诊断方法。
技术介绍
配电自动化系统的广泛应用对提高配电网供电可靠性提供了强力保障，作为配电自动化的骨架与支撑，配电自动化终端的正常运行至关重要。只有配电自动化终端正常在线运行，才能实现对配电网络的数据采集与分析，从而实现配电网运行监控、故障自动隔离、设备遥控操作等功能，最终达到减少停电时间，提高配电网供电可靠性的目的。配电自动化终端安装分散，运行环境较恶劣，故障率较高。随着配电自动化建设在各地全面铺开，配电自动化终端数量快速增长，覆盖区域急剧扩大。但是，目前配电自动化终端的运维仍普遍停留在较初级的阶段，定期巡检结合故障时运维人员直接到现场开展维护和维修操作。传统的计划巡检运维模式效率低下，难以满足配电自动化运维管控的需要，迫切需要由计划巡检模式向状态检修模式转变，根据终端设备的运行状态安排检修运维工作。这就需要对配电自动化终端设备的运行状态进行准确有效的监测、诊断与评价。当前，由于技术条件所限，配电自动化主站对终端本身运行状态的监测功能较弱，大部分终端设备没有采集并上送设备本身的运行状态信息，主要依靠监测与终端设备的通信状态来判断设备运行状态，难以直接、及时地反映配电终端运行情况。有些设备状态评价系统采用指标评价法对配电终端的运行状态进行评价，设计一套配电自动化终端运行状态评价指标体系(包括一组指标分量与权重)，根据设备运行信息、设备运维记录等相关信息计算出一组指标以表示设备的状态。这种方法存在以下问题：1、指标体系的合理性难以保证，指标体系中应该包含哪些指标分量以及各分量权重的设置往往是设计者根据经验主观选择，缺乏充分的依据和数据支撑。状态评价指标得分难以准确反映设备的运行状态。2、部分指标计算来源数据依赖于人工采集与录入，数据的准确性与时效性难以保证。3、状态评价得分难以反映设备故障类型。4、评价结果缺乏检验，评价模型也难以持续优化。
技术实现思路
本专利技术提出了一种基于机器学习的配电自动化终端运行状态评价与故障自动诊断方法，通过对终端所采集的配电网实时与历史运行数据以及终端设备运维检修过程中记录的设备故障或缺陷信息进行综合分析，抽取特征数据，并利用设备故障检修记录信息对历史特征数据进行标签化，建立训练与检验样本数据集，基于机器学习算法建立终端运行状态评价模型，实现对配电自动化终端设备的运行状态评价与故障类型诊断，为基于设备状态的运维检修提供依据。此种方法解决了普通指标评价模型合理性难以保证的问题，既可以综合评价设备的运行状态，也可以对故障类型进行诊断。另外，能够利用实际设备故障信息对评价结果进行校验与持续学习，实现对评价模型的持续修正与优化，不断提升状态评价与故障诊断的准确性。本专利技术所采用的技术方案如下：配电自动化终端运行状态评价与故障诊断方法，包括以下步骤：步骤1、从配电自动化主站系统和生产管理系统接入进行终端运行状态评价与故障诊断所需要的存量数据，并进行预处理；步骤2、通过对前一步骤接入的数据进行综合分析，提取特征数据、并进行归一化处理，为建立机器学习训练与检验样本提供支持；步骤3、抽取每个终端的故障特征数据，对故障特征数据进行去量纲、归一化处理后，再利用终端缺陷及运维检修记录信息进行对故障特征数据进行标签化，构建故障样本数据集；步骤4、模型训练与评估：采用逻辑回归机器学习算法，利用训练样本集对终端设备状态诊断模型进行训练，并采用检验样本集对训练产生的模型进行评估，根据评估结果调整相关参数，直至识别准确度达到设定的目标，将训练得到的状态评价模型部署为在线服务模型；步骤5、利用在线服务模型，进行配电终端运行状态评价与故障判断。优选地，步骤1中从配电自动化主站系统接入模型数据、遥测实时及历史数据、遥信变位、遥控记录，从生产管理系统接入终端设备的台账信息、设备缺陷及运维检修记录，以设备资产编码为基准将来自两个系统的数据进行匹配。优选地，步骤2所述的提取特征数据、并进行归一化处理的具体步骤如下：S2.1、提取通信网络故障特征；S2.2、提取持续离线故障特征；S2.3、提取频繁掉线特征；S2.4、提取遥测采集故障特征；S2.5、提取遥信采集故障特征；S2.6、提取遥控失灵故障特征；S2.7、根据终端设备台账信息中的投运时间，提取终端的投运时长特征；S2.8、提取历史故障次数特征：通过对终端运维检修记录进行统计分析，计算每个终端截止到统计时的曾经发生过的故障次数；S2.9、提取家族性设备故障概率特征；S2.10、对提取的故障特征进行归一化处理。优选地，步骤3所述的构建故障样本数据集的具体步骤如下：S3.1、构建输入向量集；S3.2、基于终端缺陷及运维检修记录信息对输入样本进行标签化；S3.3、故障样本数据集分组。优选地，步骤5所述的进行配电终端运行状态评价与故障判断的具体步骤如下：S5.1从配电自动化主站系统接入进行终端运行状态评价与故障诊断所需要的增量数据；S5.2按照步骤2所述的特征提取方法，提取相关的各种特征数据；S5.3按照步骤3所述的故障样本数据集构建方法，利用S5.2所得到的特征数据构建故障样本数据集；S5.4将上述步骤得到的故障样本数据集输入到在线服务模型，得到的输出结果即为终端设备状态评价与故障判断结果；S5.5从生产管理系统接入产生的配电终端设备缺陷与运维记录增量数据，对配电终端运行状态评价与故障判断结果进行检验，根据检验结果对在线服务模型进行修正优化。本专利技术的有益效果：1)本专利技术通过对终端所采集的配电网实时与历史运行数据、以及终端设备运维检修过程中记录的设备故障或缺陷信息进行综合分析，抽取特征数据，并利用设备故障检修记录信息对历史特征数据进行标签化建立训练与检验样本数据集，基于机器学习算法建立终端运行状态评价模型，实现对配电自动化终端设备的运行状态评价与故障诊断，对于提升配电自动化终端设备的运维管理水平具有重要的现实意义。2)本专利技术解决了普通指标评价模型合理性难以保证的问题，既可以综合评价终端的运行状态，也可以对故障类型进行诊断。3)本专利技术能够利用实际终端设备故障信息对评价结果进行校验与持续学习，实现对评价模型的持续修正与优化，不断提升终端状态评价与故障诊断的准确性。附图说明图1是本专利技术的总体架构的示意图；图2是特征数据提取与处理过程的示意图。具体实施方式下面结合附图，具体说明实现本专利技术的实施方式。如图1所示，是本专利技术的总体架构的示意图。配电自动化终端运行状态评价与故障诊断方法，包括以下步骤：步骤1、从配电自动化主站系统(DMS)和生产管理系统(PMS)接入进行终端运行状态评价与故障诊断所需要的存量数据，并进行预处理。从配电自动化主站系统接入模型数据、遥测实时及历史数据、遥信变位、遥控记录，从生产管理系统接入终端设备的台账信息、设备缺陷及运维检修记录等信息，以设备资产编码为基准将来自两个系统的数据进行匹配。步骤2、通过对前一步骤接入的数据进行综合分析，提取特征数据、并进行归一化处理，为建立机器学习训练与检验样本提供支持。如图2所示，是特征数据提取与处理过程的示意图，具体的步骤和方法如下：S2.1、提取通信网络故障特征，具体步骤如下：S本文档来自技高网...

【技术保护点】
1.配电自动化终端运行状态评价与故障诊断方法，其特征在于，对终端所采集的配电网实时与历史运行数据以及终端设备运维检修过程中记录的设备故障或缺陷信息进行综合分析，抽取特征数据，并利用设备故障检修记录信息对历史特征数据进行标签化，建立训练与检验样本数据集，基于机器学习算法建立终端运行状态评价模型，对配电自动化终端设备的运行状态评价与故障类型诊断。

【技术特征摘要】
1.配电自动化终端运行状态评价与故障诊断方法，其特征在于，对终端所采集的配电网实时与历史运行数据以及终端设备运维检修过程中记录的设备故障或缺陷信息进行综合分析，抽取特征数据，并利用设备故障检修记录信息对历史特征数据进行标签化，建立训练与检验样本数据集，基于机器学习算法建立终端运行状态评价模型，对配电自动化终端设备的运行状态评价与故障类型诊断。2.根据权利要求1所述的配电自动化终端运行状态评价与故障诊断方法，其特征在于，具体包括以下步骤：步骤1、从配电自动化主站系统和生产管理系统接入进行终端运行状态评价与故障诊断所需要的存量数据，并进行预处理；步骤2、通过对前一步骤接入的数据进行综合分析，提取特征数据、并进行归一化处理，为建立机器学习训练与检验样本提供支持；步骤3、抽取每个终端的故障特征数据，对故障特征数据进行去量纲、归一化处理后，再利用终端缺陷及运维检修记录信息进行对故障特征数据进行标签化，构建故障样本数据集；步骤4、模型训练与评估：采用逻辑回归机器学习算法，利用训练样本集对终端设备状态诊断模型进行训练，并采用检验样本集对训练产生的模型进行评估，根据评估结果调整相关参数，直至识别准确度达到设定的目标，将训练得到的状态评价模型部署为在线服务模型；步骤5、利用在线服务模型，进行配电终端运行状态评价与故障判断。3.根据权利要求2所述的配电自动化终端运行状态评价与故障诊断方法，其特征在于，步骤1中从配电自动化主站系统接入模型数据、遥测实时及历史数据、遥信变位、遥控记录，从生产管理系统接入终端设备的台账信息、设备缺陷及运维检修记录，以设备资产编码为基准将来自两个系统的数据进行匹配。4.根据权利要求2所述的配电自动化终端运行状态评价与故障诊断方法，其特征在于，步骤2所述的提取特征数据、并进行归一化处理的具体步骤如下：S2.1、提取通信网络故障特征；S2.2、提取持续离线故障特征；S2.3、提取频繁掉线特征；S2.4、提取遥测采集故障特征；S2.5、提取遥信采集故障特征；S2.6、提取遥控失灵故障特征；S2.7、根据终端设备台账信息中的投运时间，提取终端的投运时长特征；S2.8、提取历史故障次数特征：通过对终端运维检修记录进行统计分析，计算每个终端截止到统计时的曾经发生过的故障次数；S2.9、提取家族性设备故障概率特征；S2.10、对提取的故障特征进行归一化处理。5.根据权利要求4所述的配电自动化终端运行状态评价与故障诊断方法，其特征在于，步骤S2.1所述的提取通信网络故障特征，具体步骤如下：S2.1.1、读取接入的通信状态信息；S2.1.2、对终端进行掉线检测；S2.1.3、对通信状态信息和历史记录进行分析，当读取到终端掉线信息时，按照设定的判定规则判断是否发生了批量终端掉线，如果是、转下一步，如果否、则认为是独立终端掉线事件、提取通信网络故障特征流程结束；S2.1.4、对同批掉线的终端是否有共同的通信网络特征进行分析，若有共同的通信网络特征的掉线终端数量超过设定的判定条件，则认为这些终端掉线是由通信网络故障引起，则生成通信网络故障告警、并提取通信网络故障特征；若有共同的通信网络特征的掉线终端数量达不到设定的判定条件，则认为是独立终端掉线事件；步骤S2.2所述的提取持续离线故障特征，具体步骤如下：S2.2.1、对识别出的每一条独立终端掉线事件信息进行分析，统计终端离线所持续的时间；S2.2.2、判断每条独立终端离线事件所持续的时间是否大于设定值，如果是、则认为该终端状态为持续离线，并生成终端持续离线事件，然后继续处理下一条；如果否、则认为不是持续离线，结束该条终端离线事件的处理；步骤S2.3所述的提取频繁掉线特征，具体步骤如下：S2.3.1、对识别出的独立终端掉线事件信息进行分析，对每台掉线终端的24小时内上下线次数进行统计；S2.3.2、判断某终端的24小时内上下线频度是否达到了设定值，如果是、则认为该终端发生频繁掉线，如果否、则认为不是终端频繁掉线，结束该条事件的处理；S2.3.3、对频繁掉线的终端进一步统计其频繁掉线状态持续的时间，判断频繁掉线状态持续的时间是...

【专利技术属性】
技术研发人员：张永庆，孙绪江，王建功，林国春，张东院，侯培彬，辛德全，李莹，
申请(专利权)人：积成电子股份有限公司，
类型：发明
国别省市：山东,37