一种电力二次设备状态评估方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种电力二次设备状态评估方法、装置及存储介质，其中方法包括：获取电力二次设备的历史运行状态数据和历史检修数据，根据历史运行状态数据和历史检修数据生成样本数据；根据历史检修数据中记录的运行状态等级对样本数据进行标注，形成训练数据集；将训练数据集输入至BiLSTM

【技术实现步骤摘要】
一种电力二次设备状态评估方法、装置及存储介质


[0001]本专利技术涉及电力系统
，尤其是涉及一种电力二次设备状态评估方法、装置及存储介质。

技术介绍

[0002]电力二次设备是电力系统的重要组成部分，其可靠运行是电力系统安全稳定的重要保障。随着电网规模的扩大，二次设备的数量呈指数增长，给检修工作人员增加了相当大的工作量，同时也增加了电网运行的风险。为了及时发现二次设备潜在的故障，检修人员需要对设备进行状态检修。状态检修是基于设备目前的运行状态来评估健康状况，并指定相应的检修策略。状态评估的准确性是状态检修的前提，状态评估的效率也是状态检修重点关注的部分。
[0003]现有的电力二次设备状态评估方法基于电力二次设备的状态评价导则，依赖于工作人员的知识储备对电力二次设备的状态进行评估，评估结果容易受到工作人员的主观因素影响，导致电力二次设备状态评估的准确性较低。

技术实现思路

[0004]本专利技术提供了一种电力二次设备状态评估方法、装置及存储介质，以解决现有的电力二次设备状态评估方法依赖于工作人员的知识储备对电力二次设备的状态进行评估，评估结果容易受到工作人员的主观因素影响，导致电力二次设备状态评估的准确性较低的技术问题。
[0005]本专利技术的实施例提供了一种电力二次设备状态评估方法，包括：
[0006]获取电力二次设备的历史运行状态数据和历史检修数据，根据所述历史运行状态数据和所述历史检修数据生成样本数据；
[0007]根据所述历史检修数据中记录的运行状态等级对所述样本数据进行标注，形成训练数据集；
[0008]将所述训练数据集输入至BiLSTM
‑
CNN神经网络中进行训练，在训练过程中根据标注的运行状态等级和预测结果之间的误差调整所述BiLSTM
‑
CNN神经网络的参数，直至所述BiLSTM
‑
CNN神经网络满足预设要求，得到状态评估模型；
[0009]将所述电力二次设备的当前运行数据输入至所述状态评估模型中，评估得到所述电力二次设备的运行状态等级。
[0010]进一步的，在根据所述历史检修数据中记录的运行状态等级对所述样本数据进行标注，形成训练数据集之前，包括：
[0011]对所述样本数据中的历史检修数据进行数据清洗处理，并对数据清洗处理后的样本数据进行分词处理和停用词去除处理，得到预处理样本数据。
[0012]进一步的，所述运行状态等级包括正常状态、一般状态、严重状态和紧急状态。
[0013]进一步的，所述将所述训练数据集输入至BiLSTM
‑
CNN神经网络中进行训练，包括：
[0014]利用文本表示工具将所述训练数据集转换成适用于计算机处理的向量格式。
[0015]进一步的，所述利用文本表示工具将所述训练数据集转换成适用于计算机处理的向量格式，包括：
[0016]利用文本表示工具，以无监督的方式深度学习所述训练数据集的语义信息，将所述训练数据集中的每个词语的语义信息映射为维度为K的词向量。
[0017]进一步的，所述评估得到所述电力二次设备的运行状态等级，包括：
[0018]根据所述状态评估模型输出所述电力二次设备的运行状态等级及所述状态等级对应的发生概率；
[0019]将所述运行状态等级和所述发生概率进行加权求和处理，得到所述电力二次设备的运行状态评分；
[0020]设定电力二次设备的状态等级对应的得分区间，根据所述运行状态评分所属的得分区间，判定所述电力二次设备的运行状态等级。
[0021]进一步的，在评估得到所述电力二次设备的运行状态等级之后，还包括：
[0022]根据所述电力二次设备的运行状态等级，设定对应的检修策略。
[0023]本专利技术的一个实施例提供了一种电力二次设备状态评估装置，包括：
[0024]样本数据生成模块，用于获取电力二次设备的历史运行状态数据和历史检修数据，根据所述历史运行状态数据和所述历史检修数据生成样本数据；
[0025]训练数据集生成模块，用于根据所述历史检修数据中记录的运行状态等级对所述样本数据进行标注，形成训练数据集；
[0026]模型训练模块，用于将所述训练数据集输入至BiLSTM
‑
CNN神经网络中进行训练，在训练过程中根据标注的运行状态等级和预测结果之间的误差调整所述BiLSTM
‑
CNN神经网络的参数，直至所述BiLSTM
‑
CNN神经网络满足预设要求，得到状态评估模型；
[0027]运行状态评估模块，用于将所述电力二次设备的当前运行数据输入至所述状态评估模型中，评估得到所述电力二次设备的运行状态等级。
[0028]本专利技术的一个实施提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的电力二次设备状态评估方法。
[0029]本专利技术根据历史运行状态数据和历史检修数据生成训练数据集，将所述训练数据集输入至BiLSTM
‑
CNN神经网络中进行训练得到状态评估模型，不过多依赖工作人员完成运行状态评估，不仅能够有效减少运行状态评估过程中的工作量，而且还能够有效减少工作人员主观因素对评估结果的影响，从而有效提高电力二次设备运行状态评估的准确性和可靠性。本专利技术充分利用了历史运行状态数据和历史检修数据进行电力二次设备的运行状态评估，从而能够有效提高电力二次设备运行状态评估的准确性。
[0030]进一步的，本专利技术对样本数据进行数据清洗、分词处理和停用词去除，在统一数据的形式的同时，有效避免了错误信息以及冗余信息对样本数据的影响，从而能够进一步提高电力二次设备运行状态评估的准确性。
附图说明
[0031]图1是本专利技术实施例提供的一种电力二次设备状态评估方法的流程示意图；
[0032]图2是本专利技术实施例提供的一种电力二次设备状态评估方法的另一流程示意图；
[0033]图3是本专利技术实施例提供的BiLSTM神经网络结构示意图；
[0034]图4是本专利技术实施例提供的准确率的变化趋势示意图；
[0035]图5是本专利技术实施例提供的损失值的变化趋势示意图；
[0036]图6是本专利技术实施例提供的一种电力二次设备状态评估装置的结构示意图。
具体实施方式
[0037]下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0038]在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力二次设备状态评估方法，其特征在于，包括：获取电力二次设备的历史运行状态数据和历史检修数据，根据所述历史运行状态数据和所述历史检修数据生成样本数据；根据所述历史检修数据中记录的运行状态等级对所述样本数据进行标注，形成训练数据集；将所述训练数据集输入至BiLSTM
‑
CNN神经网络中进行训练，在训练过程中根据标注的运行状态等级和预测结果之间的误差调整所述BiLSTM
‑
CNN神经网络的参数，直至所述BiLSTM
‑
CNN神经网络满足预设要求，得到状态评估模型；将所述电力二次设备的当前运行数据输入至所述状态评估模型中，评估得到所述电力二次设备的运行状态等级。2.如权利要求1所述的电力二次设备状态评估方法，其特征在于，在根据所述历史检修数据中记录的运行状态等级对所述样本数据进行标注，形成训练数据集之前，包括：对所述样本数据中的历史检修数据进行数据清洗处理，并对数据清洗处理后的样本数据进行分词处理和停用词去除处理，得到预处理样本数据。3.如权利要求1所述的电力二次设备状态评估方法，其特征在于，所述运行状态等级包括正常状态、一般状态、严重状态和紧急状态。4.如权利要求1所述的电力二次设备状态评估方法，其特征在于，所述将所述训练数据集输入至BiLSTM
‑
CNN神经网络中进行训练，包括：利用文本表示工具将所述训练数据集转换成适用于计算机处理的向量格式。5.如权利要求4所述的电力二次设备状态评估方法，其特征在于，所述利用文本表示工具将所述训练数据集转换成适用于计算机处理的向量格式，包括：利用文本表示工具，以无监督的方式深度学习所述训练数据集的语义信息，将所述训练数据集中的每个词语的语义信息映射为维度为K的词向量...

【专利技术属性】
技术研发人员：索江镭，谭乾，刘世丹，吴梓亮，王峰，朱佳，李一泉，陈小瓦，刘玮，焦邵麟，温涛，屠卿瑞，袁亮荣，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：