【技术实现步骤摘要】
一种利用K
‑
means聚类分析与Weibull分布函数的设备故障率预测方法
[0001]本专利技术属于电力系统的电气设备故障率预测
，尤指一种利用 K
‑
means聚类分析与Weibull分布函数的设备故障率预测方法。
技术介绍
[0002]电力工业是国民经济的基础性产业，随着国家电网的大规模建设与发展，安全、可靠的电力供应对电力系统提出了越来越高的要求。电气设备作为电力系统的核心组成部分，确保电气设备的安全性和可靠性是保证电力系统安全运行的重要前提，其一旦发生故障，不仅波及电力系统的安全运行，甚至影响其他产业和领域，给国民经济造成重大损失。故障率是对电气设备进行可靠性评估的重要指标，所以，对故障率进行准确预测是掌握电气设备运行状况的有效途径，是确定对电气设备进行状态检修的理论依据。
[0003]目前，国内外相关单位在电气设备的故障率预测方面已开展了一些研究，由于电气设备的故障率存在早期故障期、偶然故障期与耗损故障期三个周期，不同设备故障期的历史数据在设备故障率预测过程中会...
【技术保护点】
【技术特征摘要】
1.一种利用K
‑
means聚类分析与Weibull分布函数的设备故障率预测方法，其特征在于，包括以下步骤：步骤1：通过观察设备故障率数据序列的增长趋势，粗略判断数据序列含有的故障周期数目；步骤2:对设备故障率数据序列进行归一化处理，统一归一化至[0.1,0.9]；步骤3：以故障周期的数目作为聚类分析的分类数目，利用K
‑
means聚类分析算法对归一化后的设备故障率数据序列进行聚类分析，实现设备故障周期的精确识别；步骤4：对隶属于不同故障周期的故障率原始数据序列分别使用Weibull分布函数进行分段预测，获取设备故障率的预测值。2.根据权利要求1所述的一种利用K
‑
means聚类分析与Weibull分布函数的设备故障率预测方法，其特征在于，步骤1中所述粗略判断故障周期的数目，其具体包括以下几种情况：情况1：设备故障率数据序列只存在一个故障周期，则记为q＝1；情况2：设备故障率数据序列存在两个故障周期，则记为q＝2；情况3：设备故障率数据序列存在三个故障周期，则记为q＝3。3.根据权利要求1所述的一种利用K
‑
means聚类分析与Weibull分布函数的设备故障率预测方法，其特征在于，步骤2中所述对故障率数据序列进行归一化处理，其具体实现包括以下子步骤：步骤2.1：将设备故障率数据序列的故障率最大值记为λ
max
；步骤2.2：将设备故障率数据序列的故障率最小值记为λ
min
；步骤2.3：对设备故障率数据序列，按照下式进行归一化：其中，λ
i
为设备故障率数据序列。4.根据权利要求1所述的一种利用K
‑
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。