基于数据挖掘和主成分分析的电力设备状态评估方法技术

本发明专利技术公开了基于数据挖掘和主成分分析的电力设备状态评估方法，包括以下步骤：确定电力设备的待评估参量；对确定的电力设备的待评估参量进行挖掘分析，利用主成分分析方法建立电力设备运行状态的综合评估模型；选择建模数据，求解模型参数，确定预警值，进行实时动态评估。本发明专利技术中该方法通过降维技术建立电力设备状态关键参数体系，减少了计算空间和时间，提高了运算速率和效率；而且在缺乏电力设备的历史故障样本数据的情况下，依然可以针对同类设备的不同个体实现差异化评价。

【技术实现步骤摘要】

本专利技术涉及电力设备状态监控
，具体涉及基于数据挖掘和主成分分析的电力设备状态评估方法。
技术介绍
电力设备的正常运行是电力系统安全稳定的保障，因此对电力设备的状态评价和故障预测显得尤为重要。目前的电力设备状态评价研究中，存在诸多问题：电力设备状态指标量众多，但缺乏综合评价体系，导致指标信息利用不足，状态评价不全面；已有的方法多需要利用设备故障数据，但实际上设备故障案例匮乏；应用阈值法对同类设备进行评价的时候，无法体现设备的个体差异，精度太低等等。随着智能电网建设的快速发展，电网信息系统的逐步改善升级，电力行业也已经步入“大数据时代”，各项数据挖掘技术也已经开始在电力设备的状态评估中应用开来。数据挖掘作为一种多学科综合的产物，综合利用人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，自动分析数据并从中得到潜在隐含的知识，具有较好的应用价值。主成分分析算法是一种利用较为广泛的数据挖掘技术，该算法遵循“方差最小”原则对坐标空间进行旋转，可以在最低程度减少数据信息损失的前提下实现数据的降维压缩，将相关度高的变量转化成彼此独立或者不相关的新变量(即主成分)，形成主成分体系，然后对各个主成分进行加权求和，其中，各个主成分的累加权重由其对应的信息贡献率确定。主成分分析法应用条件很宽松：指标是正向的、标准化的，主成分载荷矩阵简单，主成分正向，主成分与变量显著相关，就可以应用主成分分析综合评价方法进行评价，所以基于主成分分析方法建立的综合评估模型具有较好的普适性；对同类设备的不同个体进行数据分析会得到不同的主成分载荷矩阵，进而得到不同的主成分构成，最终对于不同个体会得到不同的预警值，可以实现同类设备不同个体的差异化评价；主成分分析法的实质是对高维数据的降维和压缩，在对高维多源的电力大数据进行挖掘时具有非常重要的意义，可以大大减少指标变量，节省存储空间和计算时间；同时，因为这种降维和压缩是建立在“原始变量最大方差”基础上的，因而可以把信息损失量降到最低，充分保留原始数据涵盖的关于评价对象的信息，无损于原始数据的“信息价值”，因而具有很高的评价效率和准确性。此外，各个主成分对综合评估值的权重大小是通过分析计算样本数据得到，而非人为设置，因此可以排除评估人的主观干扰，使得评价结果更加客观公正。而且，基于主成分分析的综合评价得到的是关于评价对象的得分值(或称为评估值)，得分的大小直接反映出评价对象的优劣，简单明了，而且便于评估结果的“可视化”。现有的技术中，公开号为CN20120057797的专利申请文件《一种电力设备载流故障在线诊断预警方法》说明书中描述了一种基于主成分分析法进行故障预警的方法，该专利公开的
技术实现思路
存在的技术问题是：第一，该专利中，仅仅利用第1主成分方向上的特征值，遗漏了第二，三，四··等主成分方向上的特征值，第1主成分方向上的特征值仅能表现第一主成分的信息贡献率，并不能全部代表所有分析变量的特征，遗漏了第二，三，四··等主成分含有的原始变量的信息，增大了判断误差。第二，该专利中，选择第1主成分方向上的特征值作为状态评估值，不够全面，仅能反映第一主成分的变化状态。
技术实现思路
为解决现有技术存在的不足，本专利技术公开了基于数据挖掘和主成分分析的电力设备状态评估方法，本专利技术的目的是对反映电力设备状态的在线监测、带电检测、试验测试等大量数据进行挖掘分析，利用主成分分析方法建立了电力设备运行状态的综合评估模型，该模型可以充分挖掘分析现有状态信息，对电力设备健康状态进行个性化和差异化的动态评估。为实现上述目的，本专利技术的具体方案如下：基于数据挖掘和主成分分析的电力设备状态评估方法，包括以下步骤：确定电力设备的待评估参量；对确定的电力设备的待评估参量进行挖掘分析，利用主成分分析方法建立电力设备运行状态的综合评估模型；选择建模数据，求解模型参数，确定预警值，进行实时动态评估。进一步的，所述利用主成分分析方法建立电力设备运行状态的综合评估模型之前需要建立主成分体系。进一步的，所述主成分体系在建立的过程中，需要将电力设备的待评估参量数据标准化，将标准化的数据求解特征值及求解特征向量，由特征向量确定主成分体系的载荷矩阵。进一步的，在确定电力设备的待评估参量时，假设需要进行综合评估的电力设备指标变量有m个：x1,x2,…,xm，共有n个评价对象，记为X＝(xij)n*m。其中xij表示第n个样本的第m个指标变量的值。进一步的，电力设备的待评估参量数据标准化时，为消除数量级引起的数据差别，需要将样本数据X标准化处理为X*。进一步的，将标准化的数据求解特征值及求解特征向量之前需要求取X*变量间的相关系数矩阵R＝X*TX*。进一步的，求解特征值及求解特征向量时，求解相关系数矩阵R的特征值λ1≥λ2≥…≥λm≥0，对应的特征向量β1，β2，...，βm，其中，βj＝(β1j,β2j,…,βnj)'，称为第j主成分载荷，以各个特征向量作为列向量形成的矩阵就是主成分载荷矩阵，表明各个指标变量对主成分的影响程度，由主成分载荷矩阵形成m个新的指标变量，即主成分。进一步的，在得到所有的主成分之后按照“使前p个主成分y1,y2,…,yp的累积贡献率接近于1”的原则确定p的大小，，根据各个主成分的信息贡献率得到最终综合评估值。进一步的，对电力设备状态评估时，选择时间t＝1,2,…,T内的电力设备指标变量作样本数据，就可以得到综合评估值的时间序列，得到初期的L组综合评估值s1,s2,…,sL就对应设备最佳的评估值得分，因此把这L组综合评估值作为“标准值”，将sL+1,sL+2,…,sT均与“标准值”进行比较，超过设定的预警值时即认为设备状态出现异常，发出故障警告。进一步的，将得到的综合评估值时间序列作为初始数据来预测未来的综合评估值，对电力设备的未来状态进行预测。进一步的，根据计算得到的电力设备的综合评估值数据，进行电力设备的潜伏性故障的预判时，首先，选择反向传播神经网络、极限学习机神经网络和最小二乘支持向量机算法作为基本预测算法，利用已知数据训练模型、优化模型参数，获得各自的最优模型；然后，利用这几种优化模型分别进行预测，获得各个最优模型的预测数据；最后，基于“测量误差平方和最小”原则计算几种预测模型的最优组合权系数，利用最优组合权系数对基本预测模型进行线性组合获得最终的综合预测模型。本专利技术的有益效果：本专利技术对反映电力设备状态的在线监测、带电检测、试验测试等大量数据进行挖掘分析，利用主成分分析方法建立了电力设备运行状态的综合评估模型，该模型可以充分挖掘分析现有状态信息，对电力设备健康状态进行个性化和差异化的动态评估。该方法通过降维技术建立电力设备状态关键参数体系，减少了计算空间和时间，提高了运算速率和效率；而且在缺乏电力设备的历史故障样本数据的情况下，依然可以针对同类设备的不同个体实现差异化评价。本申请的专利方法中利用了所有主成分方向上的特征值和大部分的特征向量进行状态评估模型构建，几乎涵盖了原始变量的所有信息，提高了判断准确度。本申请的专利将主成分的所有主成分方向上的特征值作为相应主成分得分的“信息贡献率”，也即权重，进行加权求和，得到的总主成分得分作为综合评估值，进行状态评估，更全面。附图说明图1基于数据挖掘和主成分分析的本文档来自技高网...

【技术保护点】
基于数据挖掘和主成分分析的电力设备状态评估方法，其特征是，包括以下步骤：确定电力设备的待评估参量；对确定的电力设备的待评估参量进行挖掘分析，利用主成分分析方法建立电力设备运行状态的综合评估模型；选择建模数据，求解模型参数，确定预警值，进行实时动态评估。

【技术特征摘要】
1.基于数据挖掘和主成分分析的电力设备状态评估方法，其特征是，包括以下步骤：确定电力设备的待评估参量；对确定的电力设备的待评估参量进行挖掘分析，利用主成分分析方法建立电力设备运行状态的综合评估模型；选择建模数据，求解模型参数，确定预警值，进行实时动态评估。2.如权利要求1所述的基于数据挖掘和主成分分析的电力设备状态评估方法，其特征是，所述利用主成分分析方法建立电力设备运行状态的综合评估模型之前需要建立主成分体系。3.如权利要求1所述的基于数据挖掘和主成分分析的电力设备状态评估方法，其特征是，所述主成分体系在建立的过程中，需要将电力设备的待评估参量数据标准化，将标准化的数据求解特征值及求解特征向量，由特征向量确定主成分体系的载荷矩阵。4.如权利要求1所述的基于数据挖掘和主成分分析的电力设备状态评估方法，其特征是，在确定电力设备的待评估参量时，假设需要进行综合评估的电力设备指标变量有m个，：x1,x2,…,xm，共有n个评价对象，记为X＝(xij)n*m其中xij表示第n个样本的第m个指标变量的值。5.如权利要求1所述的基于数据挖掘和主成分分析的电力设备状态评估方法，其特征是，电力设备的待评估参量数据标准化时，为消除数量级引起的数据差别，需要将样本数据X标准化处理为X*。6.如权利要求1所述的基于数据挖掘和主成分分析的电力设备状态评估方法，其特征是，将标准化的数据求解特征值及求解特征向量之前需要求取X*变量间的相关系数矩阵R＝X*TX*。7.如权利要求1所述的基于数据挖掘和主成分分析的电力设备状态评估方法，其特征是，求解特征值及求解特征向量时，求解相关系数矩阵R的特征值λ1≥λ2≥…≥λm≥0，对应的特征向量β1，β2，···，...

【专利技术属性】
技术研发人员：张方正，苏建军，赵岩，孟瑜，李勇，周大洲，杨祎，郭志红，陈玉峰，辜超，盛戈皞，李华东，杜修明，周加斌，郑建，马艳，林颖，耿玉杰，白德盟，侯慧娟，贾京苇，朱庆东，任敬国，
申请(专利权)人：国网山东省电力公司，国网山东省电力公司电力科学研究院，上海交通大学，国家电网公司，
类型：发明
国别省市：山东;37