一种预测电力设备缺陷的方法和系统技术方案
【技术实现步骤摘要】
一种预测电力设备缺陷的方法和系统
本专利技术涉及电力设备管理
，尤其涉及一种预测电力设备缺陷的方法和系统。
技术介绍
健康的电力设备是保证电网正常运行及提高电网供电可靠性的基础。在实际运行中，有些电力设备虽然能继续使用，但其运行状态发生异常或存在隐患，将会导致设备寿命减短，影响人身、设备和电网的安全，从而出现电能质量下降等不利情况。综上，上述电力设备的异常或隐患均统称为缺陷。因此，对于电力设备中的各类缺陷，需要尽早发现、及时消除，避免缺陷发展为故障，造成电网停电等恶劣状况出现。目前，对电力设备缺陷的分析方法主要包括：对电力设备的缺陷数量、缺陷消缺率和消缺及时率的统计，并根据上述统计的缺陷数量、缺陷消缺率和消缺及时率对电力设备总体缺陷率进行预测。该分析预测法虽然能够在一定程度上掌握设备缺陷的发生与发展状况，但是缺点在于：信息还不够精确，无法有效指导设备巡视工作的开展。比如，总体缺陷率的预测结果是未来某批电力设备中可能发生缺陷的设备数量占总数量的比例，但在实际生产中，并不能有效的指导设备运维人员的工作。
技术实现思路
本专利技术实施例所要解决的技术问题在于，提供一种预测电力设备缺陷的方法和系统，可精确预测出电力设备可能发生的缺陷，帮助电力设备运维人员有针对性的进行重点巡视和维护，减少了电力设备运维人员的劳动量，提高了电力设备缺陷分析对实际生产工作的指导效果。为了解决上述技术问题，本专利技术实施例提供了一种预测电力设备缺陷的方法，其在N个同一类的电力设备上实现，所述方法包括：步骤a、提取一时间段中所述N个电力设备的历史数据，根据所述历史数据统计得到满足预定条件...
【技术保护点】
一种预测电力设备缺陷的方法，其特征在于，其在N个同一类的电力设备上实现，所述方法包括：a、提取一时间段中所述N个电力设备的历史数据，根据所述历史数据统计得到满足预定条件的K个缺陷类别，并将所述得到的K个缺陷类别均作为缺陷分析变量；其中，K、N均为正整数；b、在所述历史数据中，针对每一缺陷分析变量均累加出所述N个电力设备在同一缺陷分析变量下的持续时间，并累加K个所述N个电力设备在同一缺陷分析变量下的持续时间而获得总持续时间，且根据所述累加出的总持续时间及所述累加出的每一缺陷分析变量对应的持续时间，确定每一缺陷状态变量的初始概率，进一步由所述K个初始概率组合成向量P(0)；c、获取所述K个缺陷分析变量分别在所述历史数据中出现的总次数，并将所述时间段均分成M个时间片，依序确定相邻时间片之间所述N个电力设备对应于K*K种缺陷分析变量转换方式的次数，并根据所述获取的K个缺陷分析变量出现的总次数及K*K种缺陷分析变量转换方式的次数，确定所述K*K种缺陷分析变量转换方式分别对应的转换概率，进一步由所述K*K个转换概率组合成矩阵P；其中，M为正整数；d、根据公式P(1)＝P(0)*P，确定P(1)中的...
【技术特征摘要】
1.一种预测电力设备缺陷的方法，其特征在于，其在N个同一类的电力设备上实现，所述方法包括：步骤a、提取一时间段中所述N个电力设备的历史数据，根据所述历史数据统计得到满足预定条件的K个缺陷类别，并将所述得到的K个缺陷类别均作为缺陷分析变量；其中，K、N均为正整数；步骤b、在所述历史数据中，针对每一缺陷分析变量均累加出所述N个电力设备在同一缺陷分析变量下的持续时间，并累加K个所述N个电力设备在同一缺陷分析变量下的持续时间而获得总持续时间，且根据所述累加出的总持续时间及所述累加出的每一缺陷分析变量对应的持续时间，确定每一缺陷状态变量的初始概率，进一步由所述K个初始概率组合成向量P(0)；步骤c、获取所述K个缺陷分析变量分别在所述历史数据中出现的总次数，并将所述时间段均分成M个时间片，依序确定相邻时间片之间所述N个电力设备对应于K*K种缺陷分析变量转换方式的次数，并根据所述获取的K个缺陷分析变量出现的总次数及K*K种缺陷分析变量转换方式的次数，确定所述K*K种缺陷分析变量转换方式分别对应的转换概率，进一步由所述K*K个转换概率组合成矩阵P；其中，M为正整数；步骤d、根据公式P(1)＝P(0)*P，确定P(1)中的最大值，并将所述确定的最大值对应的缺陷类别作为新电力设备投入使用前的预测缺陷。2.如权利要求1所述的方法，其特征在于，所述方法进一步包括：获取一已投入使用电力设备当前发生的缺陷，并依据所述当前缺陷的类别在所述矩阵P中查找到对应于K种转换方式中的最大值，且将所述查找到的最大值对应的缺陷类别作为所述当前发生缺陷的电力设备的下一预测缺陷。3.如权利要求1所述的方法，其特征在于，所述步骤a的具体步骤包括：提取一时间段中所述N个电力设备的历史数据，并确定所述历史数据中每一缺陷发生的总次数；将每一缺陷发生的总次数由大至小依序排列，筛选出前K-1个总次数大的缺陷，并将所述K-1个缺陷对应的类别和未发生缺陷的类别作为满足条件的K个缺陷类别且进一步设置为缺陷分析变量。4.如权利要求1所述的方法，其特征在于，所述步骤b的具体步骤包括：在所述历史数据中，获取所述N个电力设备对应每一缺陷分析变量的持续发生时间，筛选出同一缺陷分析变量下所述N个电力设备的持续时间并进行累加，得到K个缺陷分析变量分别对应的持续时间；累加所述得到的K个缺陷分析变量分别对应的持续时间，获得总持续时间；将所述得到的K个缺陷分析变量分别对应的持续时间均与所述获得的总持续时间相除，得到K个缺陷分析变量分别对应的初始概率，并将所述K个初始概率组合成向量P(0)。5.如权利要求1所述的方法，其特征在于，所述步骤c的具体步骤包括：获取所述K个缺陷分析变量分别在所述历史数据中出现的总次数；对所述K个缺陷分析变量进行两两映射，得到K*K种缺陷分析变量转换方式；将所述时间段均分成M个时间片，依时间从小到大排序，确定相邻时间片之间所述N个电力设备对应于K*K种缺陷分析变量转换方式的次数；将每一种缺陷分析变量转换方式的次数均作为分子，并确定每一分子中主映射对应的缺陷分析变量，且筛选出所述每一分子中主映射对应的缺陷分析变量出现的总次数作为相应的分母，得到所述K*K种缺陷分析变量转换方式分别对应的转换概率，进一步将所述K*K个转换概率组合成矩阵P。6.如权利要求1至5中任一项所述的方法，其特征在于，所述电力设备为变压器，所述缺陷分析变量包括未发生缺陷、渗漏油、冷却系统故障、仪表故障、操作机构异常和外部机械损坏。7.一种预测电力设备缺陷的方法，其特征在于，其在N个同一类的电力设备上实现，所述方法包括：步骤S1、提取一时间段中所述N个电力设备的历史数据，根据所述历史数据统计得到满足预定条件的K个缺陷类别，并将所述得到的K个缺陷类别均作为缺陷分析变量；其中，K、N均为正整数；步骤S2、获取所述K个缺陷分析变量分别在所述历史数据中出现的总次数，并将所述时间段均分成M个时间片，依序确定相邻时间片之间所述N个电力设备对应于K*K种缺陷分析变量转换方式的次数，并根据所述获取的K个缺陷分析变量出现的总次数及K*K种缺陷分析变量转换方式的次数，确定所述K*K种缺陷分析变量转换方式分别对应的转换概率，进一步由所述K*K个转换概率组合成矩阵P；其中，M为正整数；步骤S3、获取一已投入使用电力设备当前发生的缺陷，并依据所述当前缺陷的类别在所述矩阵P中查找到对应于K种转换方式中的最大值，且将所述查找到的最大值对应的缺陷类别作为所述当前发生缺陷的电力设备的下一预测缺陷。8.如权利要求7所述的方法，其特征在于，所述步骤S1的具体步骤包括：提取一时间段中所述N个电力设备的历史数据，并确定所述历史数据中每一缺陷发生的总次数；将每一缺陷发生的总次数由大至小依序排列，筛选出前K-1个总次数大的缺陷，并将所述K-1个缺陷对应的类别和未发生缺陷的类别作为满足条件的K个缺陷类别且进一步设置为缺陷分析变量。9.如权利要求7所述的方法，其特征在于，所述步骤S2的具体步骤包括：获取所述K个缺陷分析变量分别在所述历史数据中出现的总次数；对所述K个缺陷分析变量进行两两映射，得到K*K种缺陷分析变量转换方式；将所述时间段均分成M个时间片，依时间从小到大排序，确定相邻时间片之间所述N个电力设备对应于K*K种缺陷分析变量转换方式的次数；将每一种缺陷分析变量转换...
【专利技术属性】
技术研发人员：黄荣辉，吕启深，李勋，黄炜昭，林火华，胡子珩，姚森敬，章彬，李林发，邓世聪，伍国兴，张林，邓琨，刘典安，许德成，
申请(专利权)人：深圳供电局有限公司，深圳市康拓普信息技术有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。