一种基于电容型设备缺陷数据的设备缺陷时间预测方法技术

本申请提供的一种基于电容型设备缺陷数据的设备缺陷时间预测方法，首先获取电容型设备缺陷数据，通过一系列特征工程的方法更好地处理得到的异常、冗余和缺失数据，通过建立电容型设备缺陷发生时间模型更好地预测缺陷的发生时间，模型可以从大数据中提取有效特征，并且使用这些特征来比较精确地预测电容型设备的缺陷发生时间。本申请提供的基于电容型设备缺陷数据的设备缺陷时间预测方法，具有实现简单，计算速度快，预测精度高，预测鲁棒性好，预测流程系统化的优点，解决了现有技术中单纯考虑试验数据放弃电网公司历年来收集到的电容设备工作和检修数据来进行研究预测可能得出比较片面的结论，不能准确预测设备缺陷时间的问题。

A prediction method of equipment defect time based on defect data of capacitive equipment

【技术实现步骤摘要】
一种基于电容型设备缺陷数据的设备缺陷时间预测方法
本申请涉及电气设备和信息
，尤其涉及一种基于电容型设备缺陷数据的设备缺陷时间预测方法。
技术介绍
电容型设备是采用电容屏蔽绝缘结构的设备。它主要包括电流互感器、电压互感器、电容型管套和耦合便容器等，约占输变电设备总量的40％到50％，是变电站中数量最多的设备。电容型设备的健康运行和电气设备安全对变电站来说至关重要，任何意想不到的故障都可能导致重大事故和非常巨大的经济损失。因此，实现电容型设备的在线检测和预计有十分重要的研究意义。目前关于电容型设备的在线监测研究主要集中在数字化测量发方和在线监测系统的开发方面，研究环境对于电容型设备的影响需要在气候室中进行实验，相对较为复杂，国内外此类研究也比较少。有研究采用大型人工气候室进行了环境因素对电容型设备影响的实验，获得了较为全面、精确的实验数据，提出了一个基于支持向量机(SVM)的主要环节因素对影响的修正模型，并采用了遗传算法优化了模型参数。但是，这种方法需要独立实验室，并且由于各个厂家设备参数性能不是很一致，要对所有类型的设备都本文档来自技高网...

【技术保护点】
1.一种基于电容型设备缺陷数据的设备缺陷时间预测方法，其特征在于，所述方法包括：/n对电容型设备缺陷数据集进行数据清洗处理；/n将经过清洗的数据进行特征变换和编码，得到特征数据；/n对所述特征数据使用自编码器再编码的方法进行降维和去噪，得到再编码特征数据；/n利用得到的再编码数据特征训练多个机器学习模型，使用训练时间和均方根误差对模型优劣程度进行评估，选择最优模型；/n保存所述最优模型，并使用所述最优模型对电容型设备缺陷时间进行预测。/n

【技术特征摘要】
1.一种基于电容型设备缺陷数据的设备缺陷时间预测方法，其特征在于，所述方法包括：
对电容型设备缺陷数据集进行数据清洗处理；
将经过清洗的数据进行特征变换和编码，得到特征数据；
对所述特征数据使用自编码器再编码的方法进行降维和去噪，得到再编码特征数据；
利用得到的再编码数据特征训练多个机器学习模型，使用训练时间和均方根误差对模型优劣程度进行评估，选择最优模型；
保存所述最优模型，并使用所述最优模型对电容型设备缺陷时间进行预测。


2.根据权利要求1所述的基于电容型设备缺陷数据的设备缺陷时间预测方法，其特征在于，所述数据清洗处理包括：对所述数据清洗中的缺失值进行填充，所述填充方法为使用K近邻算法和随机森林算法进行填充。


3.根据权利要求1所述的基于电容型设备缺陷数据的设备缺陷时间预测方法，其特征在于，所述特征变换和编码包括特征分解和交叉。


4.根据权利要求1所述的基于电容型设备缺陷数据的设备缺陷时间预测方法，其特征在于，所述自编码器再编码的方法包括：稀疏自编码器、降噪自编码器和变分自编码器；
所述稀疏编码器选择包括4个全连接层的编码器和4个全连接层的解码器。


5.根据权利要求1所述的基于电容型设备缺陷数据的设备缺陷时间预测方法，其特征在于，所述利...

【专利技术属性】
技术研发人员：彭晶，王科，谭向宇，邓云坤，耿英三，闫静，刘志远，马仪，赵现平，李昊，刘红文，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：云南;53