基于随机森林的高压隔离开关发热故障诊断方法及装置制造方法及图纸

本申请涉及一种基于随机森林的高压隔离开关发热故障诊断方法及装置，所述方法包括获取高压隔离开关的历史数据，对历史数据进行预处理构成数据集；对引起高压隔离开关发热故障的特征进行筛选；将训练集输入基于随机森林算法构建的发热故障诊断学习模型中进行迭代训练，并利用测试集进行性能进行验证更新模型参数，输出优化的随机森林学习模型，获得发热故障诊断结果。本发明专利技术利用随机森林能够提取出来影响高压隔离开关发热的影响数据，对每个因素对高压隔离开关的发热的影响程度，从而找到高压隔离开关的主要发热原因，并且检测出未来一批的隔离开关中潜在的发热设备，提前作好预警，辅助制定巡检策略以及帮助高压隔离开关的采买前的质量评估。采买前的质量评估。采买前的质量评估。

【技术实现步骤摘要】
基于随机森林的高压隔离开关发热故障诊断方法及装置


[0001]本申请涉及故障检测
，具体涉及一种基于随机森林的高压隔离开关发热故障诊断方法及装置。

技术介绍

[0002]高压隔离开关作为电力系统中广泛应用的一种开关，其本身是一种非常简单的高压开关，但是在电力实际使用中高压隔离开关能否安全、稳定的运行，关系到整个电力系统的运行状态。而高压隔离开关在实际使用进程中必然会存在一定的故障，如何针对故障进行准确的检测、处理就成为有效保障电力系统稳定运行的关键所在。
[0003]当前关于高压隔离开关发热故障检测方法较少，大多是基于高压隔离开关所发生的故障做出分析提出的解决办法，在进行发热故障检测时存在检测速度慢且不够准确，对于采买前的高压隔离开关更是难以评估其质量情况。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种基于随机森林的高压隔离开关发热故障诊断方法及装置，以解决现有技术中对于采买前的高压隔离开关难以评估其质量情况的问题。
[0005]为实现以上目的，本专利技术采用如下技术方案：一种基于随机森林的高压隔离开关发热故障诊断方法，包括：
[0006]获取高压隔离开关的历史数据，对所述历史数据进行预处理构成数据集；所述历史数据包括高压隔离开关的工作数据和引起高压隔离开关发热故障的因素数据；
[0007]对所述数据集中引起高压隔离开关发热故障的特征进行筛选，确定特征向量集，将所述特征向量集划分为训练集和测试集；
[0008]将所述训练集输入基于随机森林算法构建的发热故障诊断学习模型中进行迭代训练，并利用所述测试集对迭代训练后的发热故障诊断学习模型的性能进行验证，根据验证结果更新模型参数，根据更新后的模型参数输出优化的随机森林学习模型；
[0009]将待测高压隔离开关的因素数据输入所述随机森林学习模型，获得发热故障诊断结果。
[0010]进一步地，所述因素数据包括：高压隔离开关的设备信息、位置信息、故障发生时间数据及天气数据；
[0011]所述工作数据包括：电压数据、电流数据及设备温度数据。
[0012]进一步地，所述对所述数据集中引起高压隔离开关发热故障的特征进行筛选，确定特征向量集，包括：
[0013]基于高压隔离开关的工作数据和引起高压隔离开关发热故障的因素数据构建特征向量，以发热故障数据作为输出特征，计算各特征向量与输出特征之间的最大互信息系数；
[0014]对所述最大互信息系数值由大到小排序，筛选所述最大互信息系数值大于预设阈值的特征向量；
[0015]将筛选出的预设个数的特征向量确定为特征向量集。
[0016]进一步地，所述计算各特征向量与输出特征之间的最大互信息系数，包括：
[0017]将特征变量x与y转化为以x、y为坐标轴的散点图，将x坐标轴划分为X段，y坐标轴划分为Y段，得到多个小方格；
[0018]计算每个小方格中坐标点(x，y)的落入概率，得到联合概率p(x，y)；；
[0019]根据所述联合概率计算x与y之间的最大互信息系数。
[0020]进一步地，所述将所述训练集输入基于随机森林算法构建的发热故障诊断学习模型中进行迭代训练，包括
[0021]对所述训练集进行随机抽样构建决策树，基于多棵决策树构建随机森林；
[0022]计算所述随机森林中变量重要性评分的Gini系数；
[0023]以Gini系数最小为原则，对所述随机森林进行变量重要性分析，得到变量重要性评分和排序以确定高压隔离开关的发热故障诊断结果。
[0024]进一步地，所述发热故障诊断结果为获得对应的高压隔离开关发热故障电力变压器的不同状态等级。
[0025]进一步地，所述预处理，包括：
[0026]对所述历史数据进行数据清洗，以处理所述历史数据汇总的重复值和异常值；
[0027]将清洗后的历史数据中的字符型数据转化为数值型数据。
[0028]进一步地，所述预处理，还包括：
[0029]将不同状态条件下引起所述高压隔离开关发热故障的历史数据作为高压隔离开关向量；
[0030]多次记录得到的高压隔离开关向量构成有状态标签的数据集。
[0031]进一步地，所述将所述特征向量集划分为训练集和测试集，包括：
[0032]将所述特征向量集的80％作为训练集，所述特征向量集的20％作为测试集；
[0033]将所述训练集划分为第一子训练集和第二子训练集，所述第一子训练集用于基于随机森林算法构建的发热故障诊断学习模型的训练，所述第二子训练集用于对训练后的基于随机森林算法构建的发热故障诊断学习模型进行性能验证，以更新损失函数。
[0034]本申请实施例提供一种基于随机森林的高压隔离开关发热故障诊断装置，包括：
[0035]获取模块，用于获取高压隔离开关的历史数据，对所述历史数据进行预处理构成数据集；所述历史数据包括高压隔离开关的工作数据和引起高压隔离开关发热故障的因素数据；
[0036]筛选模块，用于对所述数据集中引起高压隔离开关发热故障的特征进行筛选，确定特征向量集，将所述特征向量集划分为训练集和测试集；
[0037]训练模块，用于将所述训练集输入基于随机森林算法构建的发热故障诊断学习模型中进行迭代训练，并利用所述测试集对每次训练后的发热故障诊断学习模型的性能进行验证，根据验证结果更新模型参数，根据更新后的模型参数输出优化的随机森林学习模型；
[0038]诊断模块，用于将待测高压隔离开关的因素数据输入所述随机森林学习模型，获得发热故障诊断结果。
[0039]本申请的实施例提供的技术方案可以包括以下有益效果：
[0040]本申请提供的方法利用随机森林能够提取出来影响高压隔离开关发热的主要影响因素，对主要影响因素进行信息增益排序，得到每个因素对高压隔离开关的发热的影响程度，从而找到高压隔离开关的主要发热原因，并且检测出未来一批的隔离开关中潜在的发热设备，提前作好预警，辅助制定巡检策略以及帮助高压隔离开关的采买前的质量评估。
[0041]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0042]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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例，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。
[0043]图1为本专利技术基于随机森林的高压隔离开关发热故障诊断方法的步骤示意图；
[0044]图2为本专利技术基于随机森林算法构建的发热故障诊断学习模型的结构示意图；
[0045]图3为本专利技术基于随机森林的高压隔离开关发热故障诊断装置的结构示意图；
[0046]图4为本专利技术基于随机森林的高压隔离开关发热故障诊断方法实施环本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机森林的高压隔离开关发热故障诊断方法，其特征在于，包括：获取高压隔离开关的历史数据，对所述历史数据进行预处理构成数据集；所述历史数据包括高压隔离开关的工作数据和引起高压隔离开关发热故障的因素数据；对所述数据集中引起高压隔离开关发热故障的特征进行筛选，确定特征向量集，将所述特征向量集划分为训练集和测试集；将所述训练集输入基于随机森林算法构建的发热故障诊断学习模型中进行迭代训练，并利用所述测试集对迭代训练后的发热故障诊断学习模型的性能进行验证，根据验证结果更新模型参数，根据更新后的模型参数输出优化的随机森林学习模型；将待测高压隔离开关的因素数据输入所述随机森林学习模型，获得发热故障诊断结果。2.根据权利要求1所述的方法，其特征在于，所述因素数据包括：高压隔离开关的设备信息、位置信息、故障发生时间数据及天气数据；所述工作数据包括：电压数据、电流数据及设备温度数据。3.根据权利要求1所述的方法，其特征在于，所述对所述数据集中引起高压隔离开关发热故障的特征进行筛选，确定特征向量集，包括：基于高压隔离开关的工作数据和引起高压隔离开关发热故障的因素数据构建特征向量，以发热故障数据作为输出特征，计算各特征向量与输出特征之间的最大互信息系数；对所述最大互信息系数值由大到小排序，筛选所述最大互信息系数值大于预设阈值的特征向量；将筛选出的预设个数的特征向量确定为特征向量集。4.根据权利要求3所述的方法，其特征在于，所述计算各特征向量与输出特征之间的最大互信息系数，包括：将特征变量x与y转化为以x、y为坐标轴的散点图，将x坐标轴划分为X段，y坐标轴划分为Y段，得到多个小方格；计算每个小方格中坐标点(x，y)的落入概率，得到联合概率p(x，y)；根据所述联合概率计算x与y之间的最大互信息系数。5.根据权利要求1所述的方法，其特征在于，所述将所述训练集输入基于随机森林算法构建的发热故障诊断学习模型中进行迭代训练，包括对所述训练集进行随机抽样构建决策树，基于多棵决策树构建随机森林；计算所述随机森林中变量重要性评分的Gi...

【专利技术属性】
技术研发人员：龚泽威一，饶桐，王欣，许志松，郭晨鋆，彭晶，孙再超，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：