一种基于AI分析的变电设备状态预测方法技术

本发明专利技术公开了一种基于AI分析的变电设备状态预测方法，属于设备智能维护技术领域，该预测方法具体步骤如下：(1)收集变电设备各项信息以构建预测模型；(2)对变电设备各元件进行分析判断；(3)构建卷积神经网络以对设备进行老化分析；(4)收集各项分析数据以生成修复方案；(5)收集修复信息以对变电设备进行修复分析；本发明专利技术能够有力的支撑电网公司变电检修指挥决策与现场执行效率，提高工作人员工作效率，能够检测未修复完成的漏洞，提高变电设备的修复质量，同时无需维护人员自行编写修复日志，节省维护人员时间。节省维护人员时间。节省维护人员时间。

【技术实现步骤摘要】
一种基于AI分析的变电设备状态预测方法


[0001]本专利技术涉及设备智能维护
，尤其涉及一种基于AI分析的变电设备状态预测方法。

技术介绍

[0002]变电站是电力系统中变换电压、接受和分配电能、控制电力的流向和调整电压的电力设施，它通过其变压器将各级电压的电网联系起来，而在变电站中需要各种组建设备，这些设备类型较多，包含变压器类、开关类、四小器类、无功装置类设备外，还有其他设备及辅助装置，如阻波器、绝缘子、高压套管、导引线、接地装置、二次设备、高压直流设备等。这些设备统称为变电设备，变电设备在电力系统中起着重要的作用，所以在使用过程中，或者在使用前需要对变电设备故障检测，如果变电设备在使用过程中，需要对变电设备再先来进行预测分析，通常是基于变电设备的时间参数故障率以及变电设备健康指数参数故障率来进行分析预测；因此，专利技术出一种基于AI分析的变电设备状态预测方法变得尤为重要；
[0003]经检索，中国专利号CN110930052A公开了一种变电设备故障率预测方法，系统，设备及可读存储介质，该专利技术虽然能够实现变电设备故障率的精确预测，但是无法有力的支撑电网公司变电检修指挥决策与现场执行效率率；此外，现有的基于AI分析的变电设备状态预测方法需要维护人员自行编写修复日志,浪费维护人员时间；为此，我们提出一种基于AI分析的变电设备状态预测方法。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的一种基于AI分析的变电设备状态预测方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种基于AI分析的变电设备状态预测方法，该预测方法具体步骤如下：
[0007](1)收集变电设备各项信息以构建预测模型：各组传感器对变电设备进行检测，并将各组数据传输至AI，AI自行构建预测模型，接收相关数据，并对其进行分类处理，同时将分类完成的各组数据导入预测模型中；
[0008](2)对变电设备各元件进行分析判断：收集变电设备中各元件信息，并将其导入预测模型中，对各元件进行故障预测，并对预测结果进行数据筛选处理；
[0009](3)构建卷积神经网络以对设备进行老化分析：AI自行构建相应卷积神经网络，同时通过卷积神经网络进行权重训练，并通过训练出的权重对预测模型进行更新，同时对变电设备电路老化情况进行分析预测；
[0010](4)收集各项分析数据以生成修复方案：AI接收预测模型生成的各项数据，并从修复数据库中调用对应修复方案构建方案列表，同时将方案列表反馈给工作人员进行选择修复；
[0011](5)收集修复信息以对变电设备进行修复分析：变电设备修复完成，传感器重新收
集变电设备的各项信息，AI对其修复状态进行异常分析，同时自行生成修复日志进行存储。
[0012]进一步地，步骤(1)中所述分类处理具体步骤如下：
[0013]步骤一：将收集到的变电设备相关数据按照设备信息、电流数据、元件信息以及天气信息进行分类；
[0014]步骤二：将分类完成的数据进行数据清洗以及标准化处理，并将处理完成的各组数据导入预测模型，同时构建变电设备对应三维模型。
[0015]进一步地，步骤(2)中所述故障预测具体步骤如下：
[0016]第一步：对将各组元件信息按照首字母a～z进行排列，并按照排列顺序对各元件通过贝叶斯算法进行故障概率计算，其具体算法公式如下：
[0017][0018]其中，P(B
i
)代表元件发生故障的基础概率，P(A|B
i
)代表故障率，P(A|B
j
)代表误报率；
[0019]第二步：依据计算结果，将故障元件在三维模型对应位置进行标记，同时生成故障记录表，并将元件名称、元件位置以及故障原因进行记录；
[0020]第三步：对故障概率可靠度以及历史故障信息完备度进行综合考量，并通过信息融合方法来确定故障分布矩阵，同时对故障记录表中进行筛选，将其误诊数据剔除。
[0021]进一步地，步骤(3)中所述分析预测具体步骤如下：
[0022]S1.1：从云端数据库中提取历史数据，并依据其进行一致性校验，同时构建量化预测算法模型；
[0023]S1.2：将电流信息导入算法模型中，对异常电流数据进行提取，并将其对应的电路位置在三维模型中进行标记；
[0024]S1.2：自行电路信息、电路位置以及老化程度录入故障记录表中。
[0025]进一步地，步骤(4)中所述选择修复具体步骤如下：
[0026]S2.1：工作人员查看方案列表，并选择列表中的修复方案或自行制定修复方案；
[0027]S2.2：AI接收用户选择信息，并将用户选择的修复方案设置为默认方案，若用户自行制定修复方案，则将该修复方案导入方案列表中，并将其设置为默认方案；
[0028]S2.3：AI依据对应修复方案以及故障记录表对变电设备进行故障修复。
[0029]进一步地，步骤(5)中所述异常分析具体步骤如下：
[0030]P1：AI对修复过程进行实时检测，并将其中异常修复信息进行收集，同时对修复完成的变电设备进行检修、运行以及停机操作；
[0031]P2：收集各项操作中的变电设备基本信息，并分析其中是否存在异常运行信息；
[0032]P3：若存在，则将其发生位置进行定位，并将其与异常修复信息反馈给对应区域的维护人员，并提示维护人员及时修理，同时生成修复日志记录修复日期、维护人员姓名以及修复内容。
[0033]相比于现有技术，本专利技术的有益效果在于：
[0034]1、该基于AI分析的变电设备状态预测方法相较于以往人工分析变电设备故障，本专利技术通过AI对变电设备各项基本信息进行收集，并自行构建预测模型以及三维模型，同时对变电设备中故障元件以及老化电路信息进行收集以及记录，同时将误判数据进行剔除，
并从修复数据库中调用对应修复方案构建方案列表，同时将方案列表反馈给工作人员进行选择修复，能够有力的支撑电网公司变电检修指挥决策与现场执行效率，提高工作人员工作效率；
[0035]2、该基于AI分析的变电设备状态预测方法，AI自行对对修复过程进行实时检测，并收集其中异常修复信息，同时对修复完成的变电设备进行检修、运行以及停机操作，并在操作过程中记录变电设备各组基本信息，并分析其中是否存在异常运行信息，若存在，则将其发生位置进行定位，并将其与异常修复信息反馈给对应区域的维护人员，并提示维护人员及时修理，同时生成修复日志记录相关信息，并将记录完成的修复日志上传至存储云端进行存储，能够检测未修复完成的漏洞，提高变电设备的修复质量，同时无需维护人员自行编写修复日志，节省维护人员时间。
附图说明
[0036]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。
[0037]图1为本专利技术提出的一种基于A本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI分析的变电设备状态预测方法，其特征在于，该预测方法具体步骤如下：(1)收集变电设备各项信息以构建预测模型：各组传感器对变电设备进行检测，并将各组数据传输至AI，AI自行构建预测模型，接收相关数据，并对其进行分类处理，同时将分类完成的各组数据导入预测模型中；(2)对变电设备各元件进行分析判断：收集变电设备中各元件信息，并将其导入预测模型中，对各元件进行故障预测，并对预测结果进行数据筛选处理；(3)构建卷积神经网络以对设备进行老化分析：AI自行构建相应卷积神经网络，同时通过卷积神经网络进行权重训练，并通过训练出的权重对预测模型进行更新，同时对变电设备电路老化情况进行分析预测；(4)收集各项分析数据以生成修复方案：AI接收预测模型生成的各项数据，并从修复数据库中调用对应修复方案构建方案列表，同时将方案列表反馈给工作人员进行选择修复；(5)收集修复信息以对变电设备进行修复分析：变电设备修复完成，传感器重新收集变电设备的各项信息，AI对其修复状态进行异常分析，同时自行生成修复日志进行存储。2.根据权利要求1所述的一种基于AI分析的变电设备状态预测方法，其特征在于，步骤(1)中所述分类处理具体步骤如下：步骤一：将收集到的变电设备相关数据按照设备信息、电流数据、元件信息以及天气信息进行分类；步骤二：将分类完成的数据进行数据清洗以及标准化处理，并将处理完成的各组数据导入预测模型，同时构建变电设备对应三维模型。3.根据权利要求2所述的一种基于AI分析的变电设备状态预测方法，其特征在于，步骤(2)中所述故障预测具体步骤如下：第一步：对将各组元件信息按照首字母a～z进行排列，并按照排列顺序对各元件通过贝叶斯算法进行故障概率计算，其具体算法公式如下：其中，P(B
i
)代表元件发生故障的基础概率，P(A|B
i
)代表故障...

【专利技术属性】
技术研发人员：许中平，赵峰，邱镇，郭翔，李守超，刘亚庆，常天渤，韩广旭，
申请(专利权)人：国网思极数字科技北京有限公司，
类型：发明
国别省市：