本发明专利技术公开了一种老旧变电资产检修频次预测方法、装置、设备及介质，该方法包括：根据变电系统运行周期确定老旧变电资产，并且根据统计现有的老旧变电资产维护数据获取老旧变电资产的影响因素；对影响因素与历史老旧变电资产检修频次进行相关性分析，获取影响因素度量；根据影响因素度量构造多种预测模型，其中，采用熵权法确定预测模型的权重；采用组合预测技术对多种预测模型进行二次判定，构建最终预测模型，将待检测数据输入最终预测模型中获取老旧变电资产检修频次预测结果。本发明专利技术通过构建多种预测模型的权重并构建最终预测模型，减少可预测误差且提高了检修频次预测的精度。少可预测误差且提高了检修频次预测的精度。少可预测误差且提高了检修频次预测的精度。
【技术实现步骤摘要】
一种老旧变电资产检修频次预测方法、装置、设备及介质
[0001]本专利技术涉及变电设备的检测
，尤其涉及一种老旧变电资产检修频次预测方法、装置、设备及介质。
技术介绍
[0002]电网公司是天然的资产密集、技术密集型企业，公司具有数量庞大、种类繁多的电网实物资产，投资、运维的管理复杂程度较高。电网公司的效益主要源于设备的稳定和连续运转，并与设备的成本控制密切相关，资产利用水平及合理规模对企业生产运行及经营发展具有重要影响。电网运行安全可靠水平受资产健康等状态制约显著，企业运营利润水平受资产利用水平影响深远，但传统的粗放型的资产检修投入管理模式存在一定的不足，在管理信息化水平快速提高、投入产出效率效益越来越受到重视的背景下，实现传统由只注重技术属性的“设备管理”理念不能有效保证设备状态水平，保证电网企业高效经营。
技术实现思路
[0003]本专利技术的目的在于提供一种老旧变电资产检修频次预测方法、装置、设备及介质，以解决当前变电资产运维管理的不足，提升变电资产检修计划的合理性，降低设备运行故障。
[0004]为实现上述目的，本专利技术提供一种老旧变电资产检修频次预测方法，包括：
[0005]根据变电系统运行周期确定老旧变电资产，并且根据统计现有的老旧变电资产维护数据获取所述老旧变电资产的影响因素；
[0006]对所述影响因素与历史老旧变电资产检修频次进行相关性分析，获取影响因素度量；
[0007]根据所述影响因素度量构造多种预测模型，其中，采用熵权法确定所述预测模型的权重；
[0008]采用组合预测技术对多种所述预测模型进行二次判定，构建最终预测模型，将待检测数据输入所述最终预测模型中获取老旧变电资产检修频次预测结果。
[0009]优选地，所述根据所述影响因素度量构造多种预测模型，包括：
[0010]所述多种预测模型包括第一预测模型、第二预测模型和第三预测模型；
[0011]将所述影响因素度量输入神经网络中进行训练，获取所述第一预测模型；
[0012]将所述影响因素度量输入支持向量机中进行训练，获取所述第二预测模型；
[0013]将所述影响因素度量输入基于遗传算法支持向量机中进行训练，获取所述第三预测模型。
[0014]优选地，所述采用熵权法确定所述预测模型的权重，包括：
[0015]采用熵权法对所述第一预测模型、所述第二预测模型和所述第三预测模型产生的均方误差、平均绝对误差以及平均绝对百分比误差进行分析，分别获取第一预测模型的权重、第二预测模型的权重和第三预测模型的权重。
[0016]优选地，所述采用组合预测技术对多种所述预测模型进行二次判定，构建最终预测模型，包括：
[0017]采用所述组合预测技术计算所述第一预测模型的权重、所述第二预测模型的权重和所述第三预测模型的权重的组合预测值，根据所述组合预测值构建所述最终预测模型。
[0018]本专利技术还提供一种老旧变电资产检修频次预测装置，包括：
[0019]获取模块，用于根据变电系统运行周期确定老旧变电资产，并且根据统计现有的老旧变电资产维护数据获取所述老旧变电资产的影响因素；
[0020]分析模块，用于对所述影响因素与历史老旧变电资产检修频次进行相关性分析，获取影响因素度量；
[0021]第一预测模块，用于根据所述影响因素度量构造多种预测模型，其中，采用熵权法确定所述预测模型的权重；
[0022]第二预测模块，用于采用组合预测技术对多种所述预测模型进行二次判定，构建最终预测模型，将待检测数据输入所述最终预测模型中获取老旧变电资产检修频次预测结果。
[0023]优选地，所述多种预测模型包括第一预测模型、第二预测模型和第三预测模型，所述第一预测模块，还用于：
[0024]所述预测模型包括第一预测模型、第二预测模型和第三预测模型；
[0025]将所述影响因素度量输入神经网络中进行训练，获取所述第一预测模型；
[0026]将所述影响因素度量输入支持向量机中进行训练，获取所述第二预测模型；
[0027]将所述影响因素度量输入基于遗传算法支持向量机中进行训练，获取所述第三预测模型。
[0028]优选地，所述第一预测模块，还用于：
[0029]采用熵权法对所述第一预测模型、所述第二预测模型和所述第三预测模型产生的均方误差、平均绝对误差以及平均绝对百分比误差进行分析，分别获取第一预测模型的权重、第二预测模型的权重和第三预测模型的权重。
[0030]优选地，所述第二预测模块，还用于：
[0031]采用所述组合预测技术计算所述第一预测模型的权重、所述第二预测模型的权重和所述第三预测模型的权重的组合预测值，根据所述组合预测值构建所述最终预测模型。
[0032]本专利技术还提供一种终端设备，包括：
[0033]一个或多个处理器；
[0034]存储器，与所述处理器耦接，用于存储一个或多个程序；
[0035]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上任一项所述的老旧变电资产检修频次预测方法。
[0036]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述的老旧变电资产检修频次预测方法。
[0037]相对于现有技术，本专利技术的有益效果在于：
[0038]根据变电系统运行周期确定老旧变电资产，并且根据统计现有的老旧变电资产维护数据获取老旧变电资产的影响因素；对影响因素与历史老旧变电资产检修频次进行相关性分析，获取影响因素度量；根据影响因素度量构造多种预测模型，其中，采用熵权法确定
预测模型的权重；采用组合预测技术对多种预测模型进行二次判定，构建最终预测模型，将待检测数据输入最终预测模型中获取老旧变电资产检修频次预测结果。本专利技术根据相关性分析并结合构建预测模型，进一步提高了老旧变电资产检修频次预测的效果，提升电网企业资金投入产出效益，保证资金投入合理性和科学性。
附图说明
[0039]为了更清楚地说明本专利技术的技术方案，下面将对实施方式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方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]图1是本专利技术某一实施例提供的老旧变电资产检修频次预测方法的流程示意图；
[0041]图2是本专利技术提供的鱼骨图；
[0042]图3是本专利技术某一实施例提供的老旧变电资产检修频次预测装置的结构示意图；
[0043]图4是本专利技术某一实施例提供的终端设备的结构示意图。
具体实施方式
[0044]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本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种老旧变电资产检修频次预测方法，其特征在于，包括：根据变电系统运行周期确定老旧变电资产，并且根据统计现有的老旧变电资产维护数据获取所述老旧变电资产的影响因素；对所述影响因素与历史老旧变电资产检修频次进行相关性分析，获取影响因素度量；根据所述影响因素度量构造多种预测模型，其中，采用熵权法确定所述预测模型的权重；采用组合预测技术对多种所述预测模型进行二次判定，构建最终预测模型，将待检测数据输入所述最终预测模型中获取老旧变电资产检修频次预测结果。2.根据权利要求1所述的老旧变电资产检修频次预测方法，其特征在于，所述根据所述影响因素度量构造多种预测模型，包括：所述多种预测模型包括第一预测模型、第二预测模型和第三预测模型；将所述影响因素度量输入神经网络中进行训练，获取所述第一预测模型；将所述影响因素度量输入支持向量机中进行训练，获取所述第二预测模型；将所述影响因素度量输入基于遗传算法支持向量机中进行训练，获取所述第三预测模型。3.根据权利要求2所述的老旧变电资产检修频次预测方法，其特征在于，所述采用熵权法确定所述预测模型的权重，包括：采用熵权法对所述第一预测模型、所述第二预测模型和所述第三预测模型产生的均方误差、平均绝对误差以及平均绝对百分比误差进行分析，分别获取第一预测模型的权重、第二预测模型的权重和第三预测模型的权重。4.根据权利要求3所述的老旧变电资产检修频次预测方法，其特征在于，所述采用组合预测技术对多种所述预测模型进行二次判定，构建最终预测模型，包括：采用所述组合预测技术计算所述第一预测模型的权重、所述第二预测模型的权重和所述第三预测模型的权重的组合预测值，根据所述组合预测值构建所述最终预测模型。5.一种老旧变电资产检修频次预测装置，其特征在于，包括：获取模块，用于根据变电系统运行周期确定老旧变电资产，并且根据统计现有的老旧变电资产维护数据获取所述老旧变电资产的影响因素；分析模块，用于对所述影响因素与历史老旧变电资产...
【专利技术属性】
技术研发人员：梅诗妍，侯凯，陈铭，刘刚刚，胡晋岚，马顺，刘金朋，孙罡，秦燕，姜玉梁，周妍，秦万祥，赵芳菲，
申请(专利权)人：广东电网有限责任公司，
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。