【技术实现步骤摘要】
基于动态闭环知识管理的变电设备缺陷预警方法及系统
本公开属于变电设备缺陷预警领域，尤其涉及一种基于动态闭环知识管理的变电设备缺陷预警方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。电力物联网技术的发展提高了电网各个环节信息感知的深度和广度，数据多源且异构。但存于云平台的数据由于数据采集和传输过程中存在数据丢失和错误，数据质量不高。而本地数据由于专业划分又分散于各业务应用系统，造成了数据信息的“隔离”。管理上的约束又导致数据由下向上传递过程中数据的扭曲。上述问题制约了人工智能技术在设备状态评价和故障诊断中的应用。专利技术人发现，由于运维数据质量不高、信息隔离以及数据扭曲造成各级运维决策人员掌握的信息不完全，由于不完全信息导致运维决策所需的特征量和信息模型结构存在不确定问题，进而影响变电设备缺陷预警的准确性。
技术实现思路
为了解决电力设备运维数据质量不高、信息隔离以及数据扭曲等制约变电设备运维从事后分析到事前预防转变，从而影响变电设备缺陷预警的准确性的问题，本公开提供一种基于动态闭环知识管理的变电设备缺陷预警方法及系统，其...
【技术保护点】
1.一种基于动态闭环知识管理的变电设备缺陷预警方法，其特征在于，包括：计算区域内缺陷样本数据的缺陷率及缺陷率‑特征因素之间的相关系数，按照相关系数的大小排序，得到缺陷率和特征因素之间相关性强弱的相关系数序列；其中，缺陷率等于不同特征因素组合下出现缺陷的频率与缺陷样本数据总量的比值；组合区域内的相关系数序列与缺陷样本数据的缺陷率，构成区域级分析层知识库，并上传至云端智能分析层；由云端智能分析层汇总所有区域级分析层知识库上传的数据，在考虑各区域级权重的情况下，计算不同特征因素组合下的设备缺陷率及缺陷率‑特征因素之间的相关系数，并从大到小依次排列，形成云端智能分析层运维知识库；按...
【技术特征摘要】
1.一种基于动态闭环知识管理的变电设备缺陷预警方法，其特征在于，包括：计算区域内缺陷样本数据的缺陷率及缺陷率-特征因素之间的相关系数，按照相关系数的大小排序，得到缺陷率和特征因素之间相关性强弱的相关系数序列；其中，缺陷率等于不同特征因素组合下出现缺陷的频率与缺陷样本数据总量的比值；组合区域内的相关系数序列与缺陷样本数据的缺陷率，构成区域级分析层知识库，并上传至云端智能分析层；由云端智能分析层汇总所有区域级分析层知识库上传的数据，在考虑各区域级权重的情况下，计算不同特征因素组合下的设备缺陷率及缺陷率-特征因素之间的相关系数，并从大到小依次排列，形成云端智能分析层运维知识库；按照缺陷率-特征因素之间的相关系数大小对应的特征因素顺序，形成现场运维巡视预警排查清单。2.如权利要求1所述的基于动态闭环知识管理的变电设备缺陷预警方法，其特征在于，区域级分析层和云端智能分析层这两层知识库架构，采用模型统一、分块统计和动态排序算法，共同构建出运维知识库。3.如权利要求1所述的基于动态闭环知识管理的变电设备缺陷预警方法，其特征在于，云端智能分析层运维知识库为：Dr＝∑Drk×wk；其中，Dr为云端智能分析层运维知识库，Drk为第k个区域级分析层知识库；wk为第k个区域级的权重。4.如权利要求1所述的基于动态闭环知识管理的变电设备缺陷预警方法，其特征在于，该方法还包括：将现场运维巡视排查得到的缺陷数据累计至相应区域内的缺陷样本数据中，以更新区域级分析层知识库。5.如权利要求1所述的基于动态闭环知识管理的变电设备缺陷预警方法，其特征在于，所述特征因素包括：有站/线路、设备类型、缺陷部位、生产厂家、设备型号、投运年限、缺陷类型、缺陷严重程度、温湿度、气象、季节和检测数据。6.一种基于动态闭环知识管理的变电设备缺陷预警系统，其特征在于，包括：缺陷率及相关系数计算模块，其用于计算区域内缺陷样本数据的缺陷率及缺陷率...
【专利技术属性】
技术研发人员：彭红霞，王智杰，闫冬，李继攀，刘相兴，贾斌，牛硕丰，李永生，李建福，陈晓东，崔荣花，牛东涛，王飒，徐婉舒，李鑫，唐玉奇，程絮，颜晓婷，闫静静，
申请(专利权)人：国网山东省电力公司菏泽供电公司，国家电网有限公司，
类型：发明
国别省市：山东,37
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。