【技术实现步骤摘要】
配电柜健康状况的确定方法、装置、电子设备和存储介质
[0001]本申请实施例涉及电力设施维护领域,尤其涉及一种配电柜健康状况的确定方法、装置、电子设备和存储介质。
技术介绍
[0002]随着城市化进程的快速推进,电力运输称为实现城市正常运转的重要保障,电力从高压电网到居民日常使用,需要通过层层分配,为保证电网尽可能安全平稳运行,需要对配电网进行日常维护。
[0003]有关统计表明,一半以上的配电网维护费用是花在配电柜上,而其中30%又是用于配电柜的小修和例行检修上;另外据统计,15%的配电柜故障是由于不正确的检修所致,配电柜的大修完全解体,既费时,费用又很高,可达整个配电柜的1/3—1/2,而且解体和重新装配会引起很多缺陷。现有通过神经网络判断配电柜健康状态的方式比较单一,且配电柜关系重大,情况复杂,基于神经网络的判断方式可能会存在判断结果不准的情况。
技术实现思路
[0004]本申请提供了一种配电柜健康状况的确定方法、装置、电子设备和存储介质,以解决现有技术中对配电柜健康状态状态判断可能不准的问题。 ...
【技术保护点】
【技术特征摘要】
1.配电柜健康状况的确定方法,其特征在于,包括:采集配电柜的运行状态参数,并将所述运行状态参数按时序记录;将预设时长内的所述运行状态参数输入预设的第一状态判断模型和第二状态判断模型,对应得到第一状态判断结果和第二状态判断结果,所述第一状态判断模型和第二状态判断模型分别基于不同的网络结构训练得到;基于所述第一状态判断结果和第二状态判断结果,确认所述配电柜的综合健康状况。2.根据权利要求1所述的方法,其特征在于,所述第一状态判断模型基于递归神经网络训练得到;所述第二状态判断模型基于长短期记忆网络训练得到。3.根据权利要求2所述的方法,其特征在于,所述第一状态判断模型通过以下方式训练得到:将样本集中的运行状态参数基于参数类型按时序进行提取,得到训练输入数据,所述训练输入数据中的数据元为预设时长内每个时刻采集的所有参数类型对应的参数;将提取到的训练输入数据输入递归神经网络进行训练,得到用于预测健康状况类型的第一状态判断模型,所述递归神经网络包括一个输入层、一个非线性隐含层和一个线性输出层。4.根据权利要求2所述的方法,其特征在于,所述第二状态判断模型通过以下方式训练得到:将样本集中的运行状态参数基于参数类型按时序进行提取,得到训练输入数据,所述训练输入数据中的数据元为预设时长内每个时刻采集的所有参数类型对应的参数;将提取到的训练参数输入长短期记忆网络进行训练,得到用于预测后续参数的第二状态判断模型。5.根据权利要求4所述的方法,其特征在于,基于所述第一状态判断结果和第二状态判断结果,确认所述配电柜的综合健康状况,包括:根据所述第二状态判断结果中的参数状态,确认对应的健康状况类型;确认所述第一状态判断结果对应的健康状况类型和第二状态判断结果对应的健康状况类型是否一致;若健康状况类型一致,则确认该一致的健康状况类型为所述配电柜的综合健康状况;若所述第一状态判断...
【专利技术属性】
技术研发人员:王骞能,黄应敏,陈喜东,胡超强,邹科敏,邵源鹏,高伟光,许翠珊,杨航,冯泽华,严伟聪,徐兆良,梁志豪,游仿群,徐加健,徐秋燕,卢广业,王利江,
申请(专利权)人:广州番禺电缆集团有限公司,
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。