基于自编码器的电力设备状态数据特征选优方法及系统技术方案

本发明专利技术公开了一种基于自编码器的电力设备状态数据特征选优方法，其包括：(1)采集电力设备的状态数据，并对其进行预处理以作为样本数据；(2)构建自编码器，输入样本数据以对自编码器进行训练，提取自编码器的隐层输出作为样本数据的特征量；(3)对特征量进行降维并进行聚类，经过聚类的特征量分别表征不同的电力设备缺陷类别；(4)分别计算表征电力设备相同缺陷类别的特征量的类内距离和表征电力设备不同缺陷类别的特征量的类间距离；基于类内距离和类间距离，调整自编码器的隐层输出的特征量的数量，循环进行步骤(2)至步骤(4)，直到类内距离与类间距离均达到预设的阈值。此外，本发明专利技术还公开了一种电力设备状态数据特征选优系统。

The method and system of state data feature optimization of power equipment based on self encoder

【技术实现步骤摘要】
基于自编码器的电力设备状态数据特征选优方法及系统
本专利技术涉及电力系统中的选优方法及系统，尤其涉及一种电力设备数据的选优方法及系统。
技术介绍
局部放电带电检测技术不断发展，通过局部放电带电检测技术可以得到电力设备的局部放电数据，从而分析设备的运行状态。而为了准确、全面分析电力设备的局部放电情况，需要输入能够表征设备局部放电特性的特征量，在降低模型复杂度的同时，提升系统性能，因此，如何对电力设备状态数据进行特征选优成为现有技术中急迫需要解决的问题。在现有技术中，对于电力设备状态数据进行特征选优时，主要采用人工提取或是基于统计方法的简单机器提取，但上述方法具有一定局限性，无法自主进行。基于此，期望获得一种电力设备状态数据特征选优方法，其可以基于大数据进行深度学习的数据分析，从而实现对电力设备状态数据特征的选优。
技术实现思路
本专利技术的目的之一是提供一种基于自编码器的电力设备状态数据特征选优方法，该电力设备状态数据特征选优方法可以深度学习自主对数据进行分析整理，完成对电力设备状态数据特征的选优。根据上述专利技术目的，本专利技术提出一种基于自编码器的电力设备状态数据特征选优方法，其包括：(1)采集电力设备的状态数据，并对状态数据进行预处理，以作为样本数据；(2)构建自编码器，输入样本数据以对自编码器进行训练，提取自编码器的隐层输出作为样本数据的特征量；(3)对特征量进行降维，并根据降维后的特征量进行聚类，经过聚类的特征量分别表征不同的电力设备缺陷类别；(4)分别计算表征电力设备相同缺陷类别的特征量的类内距离和表征电力设备不同缺陷类别的特征量的类间距离；基于类内距离和类间距离，调整自编码器的隐层输出的特征量的数量，循环进行步骤(2)至步骤(4)，直到类内距离与类间距离均达到预设的阈值。在本专利技术所述的基于自编码器的电力设备状态数据特征选优方法中，本案本案专利技术人利用自编码器以作为一种无监督自主学习的神经网络，其可以从大量的数据尤其是无标签的数据中，自主学习，并利用自身的编码器实现数据压缩，再随后通过自身的解码器实现解压缩，从而实现了自主的电力设备状态数据特征的选优。在本专利技术所述的技术方案中，通过采集电力设备的状态数据，并对这些状态数据进行预处理，随后利用自编码器对状态数据进行训练，训练时，提取自编码器的隐层输出作为样本数据的特征量，随后通过步骤(3)以及步骤(4)获得不同的特征量的聚类情况，修改自编码器隐层的特征量维度，以提高自编码器的学习性能和效果，循环进行步骤(2)至步骤(4)，直到类内距离与类间距离均达到预设的阈值。通过本专利技术所述的电力设备状态数据特征选优方法可以基于大数据平台进行深度学习，自主获取电力设备状态数据特征，避免了传统的人工进行特征提取的不便，并且相较于现有技术中的基于统计方法的简单机器提取更为直观有效。此外，本专利技术所述的电力设备状态数据特征选优方法可以考虑不同缺陷类型数据的类内相似性以及类间相似性，使得最终的结果更为准确，鲁棒性和有效性更佳。另外，本专利技术所述的电力设备状态数据特征选优方法可以作为后续的诊断系统数据的基础，非常适合用于工程的实际应用中。进一步地，在本专利技术所述的基于自编码器的电力设备状态数据特征选优方法中，电力设备的状态数据包括电力设备的局部放电数据。进一步地，在本专利技术所述的基于自编码器的电力设备状态数据特征选优方法中，局部放电数据至少包括PRPS图谱数据。进一步地，在本专利技术所述的基于自编码器的电力设备状态数据特征选优方法中，在步骤(1)中，预处理包括线性归一化处理。进一步地，在本专利技术所述的基于自编码器的电力设备状态数据特征选优方法中，在步骤(2)中，先将输入自编码器的样本数据增加噪声，然后再输入自编码器中以对自编码器进行训练。进一步地，在本专利技术所述的基于自编码器的电力设备状态数据特征选优方法中，在步骤(2)中，当采用样本数据以对自编码器进行训练时，使用梯度下降法进行微调，通过最小化误差对自编码器进行优化。进一步地，在本专利技术所述的基于自编码器的电力设备状态数据特征选优方法中，在步骤(3)中，采用t-SNE对所述特征量进行降维，并进行可视化。进一步地，在本专利技术所述的基于自编码器的电力设备状态数据特征选优方法中，在步骤(4)中，基于下述公式计算类内距离与类间距离：式中，Sb为表征电力设备不同缺陷类别的特征量的类间散度矩阵；Sw为表征电力设备相同缺陷类别的特征量的类内散度矩阵；μ表示所有特征量的均值向量，μj表示第j类特征量的均值向量，Nj表示第j类特征量的个数；k表示类别总数；Xj表示第j类的特征量集合；Swj表示第j类的类内散度矩阵；T表示转置运算；x表示特征量集合。进一步地，在本专利技术所述的基于自编码器的电力设备状态数据特征选优方法中，电力设备的缺陷类别至少包括悬浮放电、绝缘类放电、尖端电晕和微粒放电。相应地，本专利技术的另一目的在于提供一种基于自编码器的电力设备状态数据特征选优系统，该电力设备状态数据特征选优系统可以实现对电力设备状态数据特征的自主选优。根据上述专利技术目的，本专利技术还提出一种基于自编码器的电力设备状态数据特征选优系统，其实施上述的电力设备状态数据特征选优方法。本专利技术所述的基于自编码器的电力设备状态数据特征选优方法及系统具有如下所述的优点以及有益效果：通过本专利技术所述的电力设备状态数据特征选优方法可以基于大数据平台进行深度学习，自主获取电力设备状态数据特征，避免了传统的人工进行特征提取的不便，并且相较于现有技术中的基于统计方法的简单机器提取更为直观有效。此外，本专利技术所述的电力设备状态数据特征选优方法可以考虑不同缺陷类型数据的类内相似性以及类间相似性，使得最终的结果更为准确，鲁棒性和有效性更佳。另外，本专利技术所述的电力设备状态数据特征选优方法可以作为后续的诊断系统数据的基础，非常适合用于工程的实际应用中。本专利技术所述的电力设备状态数据特征选优系统也同样具有上述的优点以及有益效果。附图说明图1为本专利技术所述的基于自编码器的电力设备状态数据特征选优方法在一些实施方式中的流程示意图。图2为本专利技术所述的基于自编码器的电力设备状态数据特征选优系统的在一些实施方式中的原理示意图。具体实施方式下面将结合说明书附图和具体的实施例对本专利技术所述的基于自编码器的电力设备状态数据特征选优方法及系统做进一步的解释和说明，然而该解释和说明并不对本专利技术的技术方案构成不当限定。图1为本专利技术所述的基于自编码器的电力设备状态数据特征选优方法的在一些实施方式中的流程示意图。如图1所示，在本实施方式中，基于自编码器的电力设备状态数据特征选优方法包括：(1)采集电力设备的状态数据，并对状态数据进行预处理，以作为样本数据；(2)构建自编码器，输入样本数据以对自编码器进行训练，提取自编码器的隐层输出作为样本数据的特征量；(本文档来自技高网...

【技术保护点】
1.一种基于自编码器的电力设备状态数据特征选优方法，其特征在于，包括：/n(1)采集电力设备的状态数据，并对所述状态数据进行预处理，以作为样本数据；/n(2)构建自编码器，输入所述样本数据以对所述自编码器进行训练，提取所述自编码器的隐层输出作为所述样本数据的特征量；/n(3)对所述特征量进行降维，并根据降维后的特征量进行聚类，经过聚类的特征量分别表征不同的电力设备缺陷类别；/n(4)分别计算表征电力设备相同缺陷类别的特征量的类内距离和表征电力设备不同缺陷类别的特征量的类间距离；/n基于所述类内距离和类间距离，调整自编码器的隐层输出的特征量的数量，循环进行所述步骤(2)至步骤(4)，直到所述类内距离与类间距离均达到预设的阈值。/n

【技术特征摘要】
1.一种基于自编码器的电力设备状态数据特征选优方法，其特征在于，包括：
(1)采集电力设备的状态数据，并对所述状态数据进行预处理，以作为样本数据；
(2)构建自编码器，输入所述样本数据以对所述自编码器进行训练，提取所述自编码器的隐层输出作为所述样本数据的特征量；
(3)对所述特征量进行降维，并根据降维后的特征量进行聚类，经过聚类的特征量分别表征不同的电力设备缺陷类别；
(4)分别计算表征电力设备相同缺陷类别的特征量的类内距离和表征电力设备不同缺陷类别的特征量的类间距离；
基于所述类内距离和类间距离，调整自编码器的隐层输出的特征量的数量，循环进行所述步骤(2)至步骤(4)，直到所述类内距离与类间距离均达到预设的阈值。


2.如权利要求1所述的基于自编码器的电力设备状态数据特征选优方法，其特征在于，所述电力设备的状态数据包括电力设备的局部放电数据。


3.如权利要求2所述的基于自编码器的电力设备状态数据特征选优方法，其特征在于，所述局部放电数据至少包括PRPS图谱数据。


4.如权利要求1所述的基于自编码器的电力设备状态数据特征选优方法，其特征在于，在步骤(1)中，所述预处理包括线性归一化处理。


5.如权利要求1所述的基于自编码器的电力设备状态数据特征选优方法，其特征在于，在步骤(2)中，先将输入自编码器的样本数据增加噪声，然后再输入自编码器中...

【专利技术属性】
技术研发人员：刘广辉，崔国栋，宋辉，张文斌，盛戈皞，王建军，罗林根，王磊，张冬冬，李长红，韩浩，王洋，
申请(专利权)人：国网山东省电力公司枣庄供电公司，上海交通大学，
类型：发明
国别省市：山东;37