【技术实现步骤摘要】
一种考虑不平衡样本的特高压换流阀运行状态评估方法
[0001]本专利技术涉及特高压换流阀运行状态评估方法,具体涉及一种考虑不平衡样本的特高压换流阀运行状态评估方法。
技术介绍
[0002]目前,我国电力设备的检修方式正在由定期检修等传统检修方式逐步向状态检修转变。对电力设备进行状态评估,准确判断其所处的运行状态,是实现状态检修的基础与核心内容。特高压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,则可以及时发现异常,降低故障率,提高电网的运行安全。
[0003]最初,换流站运维人员通过在外围观测,能够粗略估计出换流阀的在线运行情况,进而确定检修策略;后来,换流阀的状态评估主要依据国家电网企业标准《高压直流输电换流阀状态评价导则》(以下简称《导则》)进行评分计算。该方法基于换流阀39个状态量的测量结果,采取扣分的方式,依据最终得分判断运行状态。虽然《导则》计及的设备全面,但其中存在着很多相关度过高或重要度过低的特征,这些特征不仅对评估结果几乎无贡献,且大幅增加了数据采集的工作量。此外,《导则》所采用的评分法需要人为进行扣分,导致评估的效率较低。当下,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,这也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,该类方法对历史数据要求较高,需要足量且可靠的故障样本作为支撑。当前国内投运的特高压换流阀可靠性较高,非正常运行状态的样本极少,并且各类别样本分布不均衡,若直接使用人工智能算法进行评估 ...
【技术保护点】
【技术特征摘要】
1.一种考虑不平衡样本的特高压换流阀运行状态评估方法,其特征在于,包括如下步骤:S1:输入换流阀状态数据集;S2:基于特征综合重要度对换流阀状态数据集中的特征状态量进行筛选和排序,选取到最优状态量特征组合;S3:对步骤S2处理后的数据集进行自适应加权过采样,实现数据均衡化;S4:训练LightGBM分类器,获取到LightGBM评估模型;S5:基于步骤S3预处理后的数据集,利用训练好的LightGBM评估模型对换流阀运行状态进行评估。2.根据权利要求1所述的一种考虑不平衡样本的特高压换流阀运行状态评估方法,其特征在于,所述步骤S1中换流阀状态数据集包括晶闸管组件、阀冷却组件、阀避雷器的特征指标。3.根据权利要求2所述的一种考虑不平衡样本的特高压换流阀运行状态评估方法,其特征在于,所述步骤S2中特征状态量的提取方法为:A1:分析晶闸管组件、阀冷却组件、阀避雷器在特高压换流阀工作中承担的作用;A2:对选择的各状态量进行量化;A3:设定四种运行状态等级。4.根据权利要求1所述的一种考虑不平衡样本的特高压换流阀运行状态评估方法,其特征在于,所述步骤S2中特征综合重要度计算方法为:B1:分别用基于距离度量的ReliefF,基于样本分布特性的Fisher Score以及基于特征局部保持能力的Laplacian Score对提取的特征状态量进行重要度排序,依次得到序列I
RF
,I
FS
与I
LS
;B2:采用线性互补融合方法计算综合重要度I:I
i
=I
RF,i
+I
FS,i
+I
LS,i i=1,2,...,39
ꢀꢀꢀꢀꢀꢀ
(1)5.根据权利要求1所述的一种考虑不平衡样本的特高压换流阀运行状态评估方法,其特征在于,所述步骤S3中自适应加权过采样的方法为:C1:对数据集中的少数类样本进行层次聚类,将每个样本划分为单独的子簇,然后不断重复地将其中最近的两个子簇合并,直至满足迭代终止条件;C2:对各少数类子簇分类测试,基于错分率自适应地确定各子簇的最终采样规模;C3:基于各少数类样本与多...
【专利技术属性】
技术研发人员:梅飞,顾佳琪,张家堂,裴鑫,陈子平,
申请(专利权)人:河海大学,
类型:发明
国别省市:
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。