基于机器学习与大数据分析的电容器故障预测方法技术

本发明专利技术提供的一种基于机器学习与大数据分析的电容器故障预测方法，包括如下步骤：S1.获取电容器的历史数据，并通过Hadoop集群算法将电容器的历史数据存储在分布式服务器中；S2.对电容器的历史数据进行预处理，然后将预处理后的电容器的历史数据进行特征量提取；S3.对提取的特征量进行归一化处理；S4.将归一化处理后的特征量输入到深层神经网络中进行指导性训练，并对电容器故障进行预测；能够对电容器的故障进行准确预测，从而利于电力系统的稳定运行。

Capacitor Fault Prediction Method Based on Machine Learning and Large Data Analysis

The invention provides a capacitor fault prediction method based on machine learning and large data analysis, which includes the following steps: S1. Capturing the historical data of capacitors, and storing the historical data of capacitors in distributed servers through Hadoop clustering algorithm; S2. Preprocessing the historical data of capacitors, and then characterizing the historical data of capacitors after preprocessing. Extraction; S3. Normalize the extracted feature; S4. Input the normalized feature into the deep neural network for guiding training, and predict the capacitor fault; It can accurately predict the capacitor fault, thus conducive to the stable operation of the power system.

【技术实现步骤摘要】
基于机器学习与大数据分析的电容器故障预测方法
本专利技术设计电力设备故障分析领域，尤其涉及一种基于机器学习与大数据分析的电容器故障预测方法。
技术介绍
电容器组在电力系统中是最常用的改善功率因数的方法。电容器组的运行经济且可靠，故障率低。安装电容器可以补偿无功功率，满足感性负载的需求，从而提高电气系统的功率因数。但是电力系统的运行状况可能会影响电容器的正常运行，并造成电容器的故障。常规的电容器故障的预测方法有如下三种：1.通过监测电容器内部的局部放电，来判断放电的严重程度，从而分析并预测绝缘劣化的状况和其发展趋势；2.通过电容器的极间绝缘检测技术，对电容器做耐压实验，但这种方法是一种离线实验，不能及时有效的发现电容器运行时的状态变化，具有很大的局限性；3.监测电容器内部的温度变化，考察电容器在不同工作状况下的温度变化，建立电容器工况和温度变化的模型，从而能够预测电容器的故障发生；上述几种方式没有对电容器故障的历史数据进行充分的利用，也没有对影响电容器故障的参数进行综合的考虑，这几个参数包括电力电容器故障的地理信息，设备厂商，运行状况，故障原因，寿命以及检测方法等，因此，现有技术无法准本文档来自技高网...

【技术保护点】
1.一种基于机器学习与大数据分析的电容器故障预测方法，其特征在于：包括如下步骤：S1.获取电容器的历史数据，并通过Hadoop集群算法将电容器的历史数据存储在分布式服务器中；S2.对电容器的历史数据进行预处理，然后将预处理后的电容器的历史数据进行特征量提取；S3.对提取的特征量进行归一化处理；S4.将归一化处理后的特征量输入到深层神经网络中进行指导性训练，并对电容器故障进行预测。

【技术特征摘要】
1.一种基于机器学习与大数据分析的电容器故障预测方法，其特征在于：包括如下步骤：S1.获取电容器的历史数据，并通过Hadoop集群算法将电容器的历史数据存储在分布式服务器中；S2.对电容器的历史数据进行预处理，然后将预处理后的电容器的历史数据进行特征量提取；S3.对提取的特征量进行归一化处理；S4.将归一化处理后的特征量输入到深层神经网络中进行指导性训练，并对电容器故障进行预测。2.根据权利要求1所述基于机器学习与大数据分析的电容器故障预测方法，其特征在于：步骤S2中，对电容器的历史数据进行预处理如下：S21.Hadoop框架中的Mapper首先将输入数据分解为具有相同数据大小的N个块，然后将其分别储存在Hadoop集群中；S22.Hadoop集群的主节点将寻找M个空闲工作节点并将N个数据块的工作任务分配给他们，当Mapper的分类任务完成后，会产生中间输出结果；S23.执行Mapper任务的工作节点解析数据块并发送给用户定义的Mapper函数每对(Key，Value)作为输入，Mapper函数处理后的中间输出结果也以(Key，Value)对的形式，并由执行它们的工作节点提供内存空间进行存储，Mapper工作任务完成；S24.主服务器寻找相应数量的空闲节点作为Reducer，并向它们通知上述Mapper任务完成后的存储位置，Redu...

【专利技术属性】
技术研发人员：汪力，沈红莲，赵凯，陈静，刘晓瑜，
申请(专利权)人：国家电网有限公司，国网重庆市电力公司检修分公司，
类型：发明
国别省市：北京,11