一种具备可解释性的晶闸管换流阀运行状态评估方法技术

本发明专利技术公开一种具备可解释性的晶闸管换流阀运行状态评估方法，包括如下步骤：确定状态量与状态等级，输入换流阀运行状态数据集；训练CatBoost分类器，以全局准确率、召回率对结果进行评价；对换流阀运行状态进行实时评估，基于SHAP归因分析法解释评估模型的结果。本发明专利技术在对特高压直流输电晶闸管换流阀状态评估方面具有较高的准确率，算法简单易于实现，且能够解释评估模型的运算逻辑与真实推理过程，找出影响评估结果的关键因素，在一定程度上能帮助工程人员正确判断换流阀的运行状态，为检修决策的制定提供针对性的理论指导，应用价值和前景巨大。应用价值和前景巨大。应用价值和前景巨大。

【技术实现步骤摘要】
一种具备可解释性的晶闸管换流阀运行状态评估方法


[0001]本专利技术涉及晶闸管换流阀领域，具体的是一种具备可解释性的晶闸管换流阀运行状态评估方法。

技术介绍

[0002]电力设备的良好运行状态是电力系统安全稳定运行的基础，设备故障引发的停电事故会严重影响电网的稳定运行与巨大的经济损失。因此，对于运行在复杂工况与恶劣环境中的设备，全面、及时、准确地对设备运行状态进行监测与分析是保障其安全稳定运行的重要措施。晶闸管换流阀作为特高压直流输电的核心设备，起着整流、逆变、开关等关键作用，若能对其进行准确的运行状态评估并提供可被理解的解释方案，则可以及时发现异常部件，降低故障率，提高电网的运行安全。
[0003]近年来，人工智能技术在预测、评估任务中的效率、精度、自学习能力等方面不断发展，这为换流阀的运维检修提供了一种全新的技术手段与研究思路。不过，现有的人工智能评估方法不能很好地表达输入特征对评估结果的影响程度，类似“黑箱”的评估模型无法将各指标与评估结果的关联关系直观地呈现在运维人员面前，使得检修策略无法有针对性地被制定，进而会对事故的分析效率以及换流阀的故障率产生影响。

技术实现思路

[0004]为解决上述
技术介绍
中提到的不足，本专利技术的目的在于提供一种具备可解释性的晶闸管换流阀运行状态评估方法，本专利技术以有效避免传统方法中主观性强、可解释性不足等问题，在对晶闸管换流阀状态评估方面具有更高的准确率与更快的速度，算法简单易于实现，且能够解释评估模型的运算逻辑，找出影响评估结果的关键因素，在一定程度上帮助工程人员正确判断换流阀的运行状态等级，为晶闸管换流阀的检修决策提供针对性的理论指导，应用价值和前景巨大。
[0005]本专利技术的目的可以通过以下技术方案实现：
[0006]一种具备可解释性的晶闸管换流阀运行状态评估方法，包括以下步骤：
[0007]S1：确定晶闸管换流阀状态量与状态等级，获取换流阀运行状态数据集，将数据集分为训练集与测试集；
[0008]S2：以训练集训练CatBoost分类器并得到模型，通过模型对测试集内的数据进行评估，以全局准确率、召回率对评估结果进行评价；
[0009]S3：对换流阀运行状态进行实时评估，基于SHAP解释模型的输出结果。
[0010]进一步地，所述S1中状态量是基于《高压直流输电换流阀状态评价导则》，计及温度、相对湿度对换流阀运行的影响，共计选择41个表征运行状态的状态量，并对无明确数值的状态量量化至[0,1]；0表示积极状态，1表示负面状态，将数据进行标准化：
[0011][0012]式中：α为标准化前的数据，α
*
为与标准化后的数据，A为α所在的序列集合。
[0013]进一步地，所述S2具体为：
[0014]S21、选定需要寻优的三个参数：基分类器数目、最大深度、学习率，并设定各参数网格搜索的范围；
[0015]S22、逐个对CatBoost的参数进行网格搜索，结合K
‑
fold交叉验证法，将K个实验的准确率进行平均作为此模型下的性能指标；
[0016]S23、对测试集数据进行评估，采用全局准确率与召回率评价模型的输出结果。
[0017]进一步地，所述CatBoost算法的具体步骤如下：
[0018]S221、对于训练集X中的每一个样本x
i
，CatBoost都会利用除它之外的全部样本训练并得到模型M
i
；
[0019]S222、利用模型M
i
计算样本x
i
的梯度估计，并重新对x
i
进行打分，形成一个基学习器；
[0020]S223、对基学习器进行加权处理，得到最终的强学习器。
[0021]进一步地，所述SHAP方法是用一个加性模型g(x)来拟合训练好的分类器f(x)，如式(2)所示：
[0022][0023]其中：n为特征数量；φ0为模型的预测基准值，即所有样本状态等级的均值；φ
i
为模型的SHAP值；
[0024]模型对每个样本都产生一个预测值，SHAP值是样本中每个特征所分配到的数值，其计算公式如下：
[0025][0026]式中：即不包含x
i
的特征子集；|S|代表集合S的元素个数；f
x
(S∪{x
i
})与f
x
(S)分别是包含特征x
i
与不包含特征x
i
的模型预测值。
[0027]本专利技术的有益效果：
[0028]1、采用CatBoost树模型进行换流阀状态评估，通过个别重要参数的网格寻优，能够得到准确率高、速度快的状态评估模型；
[0029]2、通过SHAP进行可解释性分析，能够从全局角度直观展现各状态量的重要程度及其与评估结果的正负关系，从个体角度明确找出影响各等级样本的关键因素，从而提升评估结果的可信度；
[0030]3、基于评估结果，可以及时反映故障原因，帮助工程人员快速且正确地判断晶闸管换流阀的运行状态，发现安全隐患，为制定换流阀检修决策提供针对性的理论指导，应用价值和前景巨大。
附图说明
[0031]下面结合附图对本专利技术作进一步的说明。
[0032]图1为本专利技术的流程示意图；
[0033]图2为本专利技术换流阀状态评估结果的解释框架；
[0034]图3为本专利技术评估结果的混淆矩阵；
[0035]图4为本专利技术各特征的SHAP值全局分布；
[0036]图5为本专利技术特征s3的依赖图；
[0037]图6为本专利技术特征s
10
的依赖图；
[0038]图7为本专利技术某样本a的预测结果；
[0039]图8为本专利技术某样本b的预测结果。
具体实施方式
[0040]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0041]一种具备可解释性的晶闸管换流阀运行状态评估方法，如图1所示，其包括以下步骤：
[0042]步骤一，确定状态量与状态等级，输入换流阀运行状态数据集。
[0043]晶闸管换流阀主要由晶闸管组件、阀冷却组件以及阀避雷器三部分组成，各部件之间相互独立，每个部件都包含了原始资料、运行资料、检修试验资料等。本实施例基于《高压直流输电换流阀状态评价导则》，计及温度、相对湿度对换流阀运行的影响，共计选择41个表征运行状态的状态量，并对无明确数值的状态量量化至[0,1]。其中，0表示积极状态，有利于换流阀的稳定运行；1表示负面状态，不利于换流阀的正常运行。然后将数据进行标准化，计算方式见式(1)。
[0044][0045]式中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具备可解释性的晶闸管换流阀运行状态评估方法，其特征在于，包括以下步骤：S1：确定晶闸管换流阀状态量与状态等级，获取换流阀运行状态数据集，将数据集分为训练集与测试集；S2：以训练集训练CatBoost分类器并得到模型，通过模型对测试集内的数据进行评估，以全局准确率、召回率对评估结果进行评价；S3：对换流阀运行状态进行实时评估，基于SHAP解释模型的输出结果。2.根据权利要求1所述的一种具备可解释性的晶闸管换流阀运行状态评估方法，其特征在于，所述S1中状态量是基于《高压直流输电换流阀状态评价导则》，计及温度、相对湿度对换流阀运行的影响，共计选择41个表征运行状态的状态量，并对无明确数值的状态量量化至[0,1]；0表示积极状态，1表示负面状态，将数据进行标准化：式中：α为标准化前的数据，α
*
为与标准化后的数据，A为α所在的序列集合。3.根据权利要求1所述的一种具备可解释性的晶闸管换流阀运行状态评估方法，其特征在于，所述S2具体为：S21、选定需要寻优的三个参数：基分类器数目、最大深度、学习率，并设定各参数网格搜索的范围；S22、逐个对CatBoost的参数进行网格搜索，结合K
‑
fold交叉验证法，将K个实验的准确率进行平均作为此模型下的性能指标；S23、对测试集数据进行评估，采用全局准确率与召回率评价模型的输出结果。4.根据...

【专利技术属性】
技术研发人员：郑建勇，李轩，梅飞，沙浩源，解洋，高昂，郭梦蕾，
申请(专利权)人：东南大学，
类型：发明
国别省市：