一种电力变压器缺陷的预测方法及装置制造方法及图纸

本发明专利技术实施例提供了一种电力变压器缺陷的预测方法及装置，该方法包括：获得第一时间段内目标电力变压器的多维数据，并对所述多维数据进行分类降维；预处理分类降维后所获得的多维数据；在已存储的数据库中，查找与所述第一时间段内，预处理后的目标电力变压器运行时的环境气象数据匹配度最高的环境气象数据所对应的第二时间段，并获得所述第二时间段内所有电力变压器缺陷总数量；将所述第二时间段内所有电力变压器缺陷总数量，及预处理所获得的目标电力变压器设备参数数据，输入至电力变压器缺陷预测模型，得到目标电力变压器缺陷的概率值；根据所述概率值，确定出所述目标电力变压器缺陷的预测结果。本方案提高了预测电力变压器缺陷的准确性。

【技术实现步骤摘要】
一种电力变压器缺陷的预测方法及装置
本专利技术涉及电力变压器
，特别是涉及一种电力变压器缺陷的预测方法及装置。
技术介绍
随着电力系统的发展，电力系统中的输变电设备的安全问题越来越受到人们的重视。电力变压器是电力系统中重要的能量枢纽，当电力变压器发生缺陷时，会严重影响到居民的日常生活，并且有可能造成巨大的经济损失。如何在电力变压器发生缺陷之前，预测电力变压器可能发生缺陷，已经成为电网安全领域中急需解决的一个难题。目前，针对电力变压器的缺陷预测方法主要包括两种：第一种，获取多个月份的电力变压器实际缺陷率，根据实际缺陷率进行模式分解及建模，将各个模式的预测值总和作为当月变压器缺陷数量的预测值。第二种，使用电力变压器厂家、型号设备管理信息和设备缺陷信息，建立电力变压器家族性缺陷预警模型，对运行在高风险年限的电力变压器进行预警。可见，上述两种电力变压器的缺陷预测方法都可以预测电力变压器缺陷，但是，第一种方法，是针对电力变压器整体缺陷数量的预测，不适用于针对个别电力变压器的缺陷进行预测；而第二种方法，从电力变压器家族性的缺陷产生原因预测电力变压器的缺陷，具有局限性。可见，现有技术没有针对本文档来自技高网...

【技术保护点】
一种电力变压器缺陷的预测方法，其特征在于，包括：获得第一时间段内目标电力变压器的多维数据，并对所述多维数据进行分类降维；所述多维数据包括：目标电力变压器设备参数数据及目标电力变压器运行时的环境气象数据；所述第一时间段为当前时刻之前第一预设时长的时间区间；预处理分类降维后所获得的多维数据；在已存储的数据库中，查找与所述第一时间段内，预处理后的目标电力变压器运行时的环境气象数据匹配度最高的环境气象数据所对应的第二时间段，并获得所述第二时间段内所有电力变压器缺陷总数量；将所述第二时间段内所有电力变压器缺陷总数量，及预处理所获得的目标电力变压器设备参数数据，输入至电力变压器缺陷预测模型，得到目标电力变...

【技术特征摘要】
1.一种电力变压器缺陷的预测方法，其特征在于，包括：获得第一时间段内目标电力变压器的多维数据，并对所述多维数据进行分类降维；所述多维数据包括：目标电力变压器设备参数数据及目标电力变压器运行时的环境气象数据；所述第一时间段为当前时刻之前第一预设时长的时间区间；预处理分类降维后所获得的多维数据；在已存储的数据库中，查找与所述第一时间段内，预处理后的目标电力变压器运行时的环境气象数据匹配度最高的环境气象数据所对应的第二时间段，并获得所述第二时间段内所有电力变压器缺陷总数量；将所述第二时间段内所有电力变压器缺陷总数量，及预处理所获得的目标电力变压器设备参数数据，输入至电力变压器缺陷预测模型，得到目标电力变压器缺陷的概率值；所述电力变压器缺陷预测模型为：预先根据多个采样时刻中的每个采样时刻对应的一个电力变压器设备参数数据、一个电力变压器缺陷状态值及每个采样时刻之前第二预设时长的时间区间内电力变压器缺陷总数量，进行训练获得的，每个采样时刻分别对应不同的电力变压器；根据所述概率值，确定出所述目标电力变压器缺陷的预测结果。2.根据权利要求1所述的方法，其特征在于，所述对所述多维数据进行分类降维，包括：按照所述多维数据随时间变化的特性，将所述多维数据分类为实时电力数据和非实时电力数据；其中，所述目标电力变压器运行时的环境气象数据为所述实时电力数据，所述电力变压器设备参数数据为所述非实时电力数据；采用特征选择法，对所述目标电力变压器运行时的环境气象数据及所述目标电力变压器设备参数数据进行降维。3.根据权利要求2所述的方法，其特征在于，所述采用特征选择法，对所述目标电力变压器运行时的环境气象数据及所述目标电力变压器设备参数数据进行降维，包括：针对所述目标电力变压器设备参数数据，采用第一特征选择法，获得每两个参数数据之间的线性相关性；所述第一特征选择法包括：线性相关系数法、直接观察数据重复方法；针对所述目标电力变压器运行时的环境气象数据，采用第二特征选择法，获得每两个环境气象数据之间的线性相关性；所述第二特征选择法包括：矩阵散点图法、线性相关系数法；其中，所述特征选择法包括：第一特征选择法及第二特征选择法；针对目标电力变压器多维数据中，具有线性相关性的每两个参数数据及具有线性相关性的每两个环境气象数据，删除所述每两个参数数据中的任一参数数据，及删除所述每两个环境气象数据中的任一环境气象数据。4.根据权利要求1所述的方法，其特征在于，所述预处理分类降维后所获得的多维数据，包括：采用最近邻算法，填补所述分类降维后所获得的多维数据，得到填补后的多维数据，其中，所述最近邻算法包括缺失值填补法；采用聚类法，将所述填补后的多维数据进行聚类，并确定每类的聚类中心，删除与所述聚类中心的距离大于预设距离的多维数据，其中，所述聚类法包括基于划分的聚类法。5.根据权利要求1所述的方法，其特征在于，所述在已存储的数据库中，查找与所述第一时间段内，预处理后的目标电力变压器运行时的环境气象数据匹配度最高的环境气象数据所对应的第二时间段，并获得所述第二时间段内所有电力变压器缺陷总数量，包括：在已存储的数据库中，采用动态时间规整法，获得与所述第一时间段内，预处...

【专利技术属性】
技术研发人员：闫丹凤，上官娜娜，韩昫，吴斌，林荣恒，赵耀，邹华，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11