一种变电站设备异常及事故处理方法技术

本发明专利技术公开了一种变电站设备异常及事故处理方法，包括，基于变电站现场设备的异常及事故信息和处理规范构建数据库；基于机器学习构建信息处理模型，利用所述模型将所述数据库的设备故障信息和处理规范进行关联和分类；结合蓝牙协议转换器将关联分类后的所述信息和处理规范传送至所述数据库中；当变电站设备异常时，运维人员利用移动终端检索所述数据库，获得匹配对应的所述处理规范，完成设备异常及事故的分析检查处理。本发明专利技术通过机器学习加快了对数据的分类和关联，通过对信息检索和确认，快速找到了设备异常及事故的来源、处理方法的流程指引，指引现场人员正确判断信息的性质，提供现场异常及事故正确处理的方法和流程。

【技术实现步骤摘要】
一种变电站设备异常及事故处理方法
本专利技术涉及机器学习的
，尤其涉及一种变电站设备异常及事故处理方法。
技术介绍
随着用电需求不断增加，变电站的数量也在不断地增加，且变电巡维中心管辖的变电站较多，有的多达十几座，各变电站的一、二次设备有多种不同的型号，有常规综合自动化变电站、数字化变电站设备的不同，有常规敞开式设备、金属铠装密封开关柜设备、GIS设备、HGIS设备的不同等等。巡维中心的运维人员很难对所有的变电站一、二次设备均做到完全熟悉和掌握，当变电站现场设备出现异常或告警时，现场处理人员如果技能水平不够或对现场设备不熟悉，不能及时正确的处理异常及事故，可能造成设备缺陷扩大、或造成对用户延迟送电、甚至造成安全事故。目前很多电力企业在建设集中式远程图像监控系统，但还没有一个基于变电站现场设备的异常及事故处理流程数据库，从而无法指引现场运维人员正确完成设备异常及事故的分析检查处理。
技术实现思路
本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。鉴于上述现有存在的问题，提出了本专利技术。因此，本专利技术解决的技术问题是：提出一种变电站设备异常及事故处理方法，使运维人员能够及时的发现设备问题并解决。为解决上述技术问题，本专利技术提供如下技术方案：包括，基于变电站现场设备的异常及事故信息和处理规范构建数据库；基于机器学习构建信息处理模型，利用所述模型将所述数据库的设备故障信息和处理规范进行关联和分类；结合蓝牙协议转换器将关联分类后的所述信息和处理规范传送至所述数据库中；当变电站设备异常时，运维人员利用移动终端检索所述数据库，获得匹配对应的所述处理规范，完成设备异常及事故的分析检查处理。作为本专利技术所述的一种变电站设备异常及事故处理方法的一种优选方案，其中：所述异常及事故信息包括，巡维中心所辖变电站典型的、重要的、多发的设备异常及事故报警监控信息；变电站一、二次设备现场告警、故障信息；现场一、二次设备所对应的异常及故障原因、检查方法。作为本专利技术所述的一种变电站设备异常及事故处理方法的一种优选方案，其中：所述检查方法包括，当空气断路器、设备保险丝及开关把手发生故障时，所述运维人员能够直观看到、听到、或通过万用表测量电源是否正常；检修人员通过查看设备历史故障信息及设备故障处理流程，检测回路通断，利用参数判断一、二次元件是否运行正常。作为本专利技术所述的一种变电站设备异常及事故处理方法的一种优选方案，其中：所述构建信息处理模型包括，将所述设备故障信息和处理规范作为训练集，并将所述训练集分为训练集X和训练集Y；以所述训练集X作为树的根节点，找出变异量最大的属性变量作为高层分割标准；通过对所述训练集X的学习训练构建一颗初始决策树；通过所述训练集Y对所述初始决策树进行剪枝操作；通过递归来构建一棵稳定的决策树，根据预测结果的正确率及满足条件，若符合要求，则完成分类操作，若不符合要求，则对决策树进行分支或剪枝。作为本专利技术所述的一种变电站设备异常及事故处理方法的一种优选方案，其中：还包括，当分类操作完成后构建FP树：第一遍扫描分类后的数据，对所有元素1项集出现的次数进行计数，记录所有的1项频繁集出现的次数，并按照次数降序排列；第二遍扫描所述分类后的数据，利用所述FP树挖掘频繁项集。作为本专利技术所述的一种变电站设备异常及事故处理方法的一种优选方案，其中：所述递归包括，当程序遍历所有划分所述训练集的属性，或者每个分支下的所有实例都具有相同的分类时，若所述所有实例具有所述相同的分类，则得到一个叶子节点或者终止块，任何到达所述叶子节点的数据必然属于所述叶子节点的分类。作为本专利技术所述的一种变电站设备异常及事故处理方法的一种优选方案，其中：所述剪枝包括，通过极小化决策树整体的损失函数来实现，从已经生成的树上裁掉一些子树或叶子节点，并将其根节点或父节点作为新的叶子节点。作为本专利技术所述的一种变电站设备异常及事故处理方法的一种优选方案，其中：所述损失函数包括，决策树学习的损失函数定义为：其中，T表示所述子树的叶子节点，Ht(T)表示第t个叶子的熵，Rt表示该叶子所含的训练样例的个数，β为惩罚系数。作为本专利技术所述的一种变电站设备异常及事故处理方法的一种优选方案，其中：所述叶子的熵包括，其中，Rtk为类Rt的样本个数；所述叶子的熵越大，随机变量的不确定性就越大。作为本专利技术所述的一种变电站设备异常及事故处理方法的一种优选方案，其中：所述蓝牙协议转换器包括，提前编写蓝牙运行体并安装至所述蓝牙协议转换器内；所述蓝牙协议转换器接收待处理的数据并通知所述蓝牙运行体向所述数据库发送传输数据请求；所述蓝牙运行体将接收的所述数据上传到所述数据库中，发送心跳包，判断网络通信是否正常并接收所述关联分类后的信息和处理规范。本专利技术的有益效果：通过对信息检索和确认，快速找到设备异常及事故的来源、原因、处理方法的流程指引，指引现场人员正确判断信息的性质，提供现场异常及事故正确处理的方法和流程。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：图1为本专利技术第一个实施例所述的一种变电站设备异常及事故处理方法的流程示意图；图2为本专利技术第一个实施例所述的一种变电站设备异常及事故处理方法的信息处理模型；图3为本专利技术第二个实施例所述的对比测试的决策树训练的测试结果；图4为本专利技术第二个实施例所述的对比测试的一个条件模式基的频繁项集；图5为本专利技术第二个实施例所述的对比测试的多个条件模式基的频繁项集；图6为本专利技术第一个实施例所述的对比测试的FP树第二次扫描结果。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本专利技术的具体实施方式做详细的说明，显然所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术的保护的范围。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是本专利技术还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施例的限制。其次，此处所称的“一个实施例”或“实施例”是指可包含于本专利技术至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。本专利技术结合示意图进行详细描述，在详述本本文档来自技高网...

【技术保护点】
1.一种变电站设备异常及事故处理方法，其特征在于：包括，/n基于变电站现场设备的异常及事故信息和处理规范构建数据库；/n基于机器学习构建信息处理模型，利用所述模型将所述数据库的设备故障信息和处理规范进行关联和分类；/n结合蓝牙协议转换器将关联分类后的所述信息和处理规范传送至所述数据库中；/n当变电站设备异常时，运维人员利用移动终端检索所述数据库，获得匹配对应的所述处理规范，完成设备异常及事故的分析检查处理。/n

【技术特征摘要】
1.一种变电站设备异常及事故处理方法，其特征在于：包括，
基于变电站现场设备的异常及事故信息和处理规范构建数据库；
基于机器学习构建信息处理模型，利用所述模型将所述数据库的设备故障信息和处理规范进行关联和分类；
结合蓝牙协议转换器将关联分类后的所述信息和处理规范传送至所述数据库中；
当变电站设备异常时，运维人员利用移动终端检索所述数据库，获得匹配对应的所述处理规范，完成设备异常及事故的分析检查处理。


2.如权利要求1所述的变电站设备异常及事故处理方法，其特征在于：所述异常及事故信息包括，
巡维中心所辖变电站典型的、重要的、多发的设备异常及事故报警监控信息；
变电站一、二次设备现场告警、故障信息；
现场一、二次设备所对应的异常及故障原因、检查方法。


3.如权利要求1或2所述的变电站设备异常及事故处理方法，其特征在于：所述检查方法包括，
当空气断路器、设备保险丝及开关把手发生故障时，所述运维人员利用万用表测量电源是否正常；
检修人员查看设备历史故障信息及设备故障处理流程，检测回路通断，利用参数判断一、二次元件是否运行正常。


4.如权利要求3所述的变电站设备异常及事故处理方法，其特征在于：所述构建信息处理模型包括，
将所述设备故障信息和处理规范作为训练集，并将所述训练集分为训练集X和训练集Y；
以所述训练集X作为树的根节点，找出变异量最大的属性变量作为高层分割标准；
通过对所述训练集X的学习训练构建一颗初始决策树；
通过所述训练集Y对所述初始决策树进行剪枝操作；
通过递归来构建一棵稳定的决策树，根据预测结果的正确率及满足条件，若符合要求，则完成分类操作，若不符合要求，则对决策树进行分支或剪枝。


5.如权利要求4所述的变电站设备异常及事故处理方法，其特征...

【专利技术属性】
技术研发人员：郝丽萍，申国华，杨芳林，皮定贵，杜娟，张宏俊，叶露艳，朱平，宋希静，瞿杨全，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：贵州;52