一种电力设备运行分析方法技术

本发明专利技术属于电力设备技术领域，尤其涉及一种电力设备运行分析方法。包括以下步骤：多源异构设备状态数据集成，状态数据质量评估和数据清洗，设备状态数据存储，设备状态数据处理，设备状态变化和故障预测。本发明专利技术结合近年来带电检测、在线监测、智能巡检技术的大量推广应用，采集海量的状态检测数据，实现多源异构数据的集成、转换、清洗、存储、处理和数据挖掘，有效提高电力设备运行分析的准确性和适应性，在提炼历史知识、个性化评价、异常快速检测、故障智能诊断和状态预测等应用场景方面实现了良好的效果。好的效果。好的效果。

【技术实现步骤摘要】
一种电力设备运行分析方法


[0001]本专利技术涉及一种电力设备运行分析方法。

技术介绍

[0002]随着社会经济的不断发展，运行电网也在不断的发展壮大，电力的发展，直接影响到经济的发展，同时也促进了人们生活水平的提高。如果电力系统运行不稳定，就会给生产和生活带来极大的不便，而绝对的稳定也是不存在的，电力系统的稳定性会受到电力系统负荷变化、自然因素的影响、电力设备稳定性和寿命等多因素的影响，因此，及时了解电力设备的运行情况，并进行及时分析处理，维护电力系统的稳定，保证电力系统安全运行，是一项十分重要的工作。
[0003]目前电力设备运行分析主要通过在线监测以及故障精确定位方式，这两种技术手段是智能电力技术线路发展的主要技术基础。其中在线监测技术主要是找出电力设备运行中的隐患故障，并对该隐患进行及时处理，维修人员需要快速判断故障原因，针对设备及线路发生故障后的准确定位，然后进行故障恢复处理，进而不影响社会生产的正常用电。然而，在实际的电力设备运行中，主要基于少量状态参数和统一的诊断标准，参数和阈值的确定主要基于数据的统计分析和主观经验，分析结果片面，无法全面反映故障演变与表现特征之间的客观规律，统一标准的固定阈值判定方法也难以保证对不同设备的适用性。

技术实现思路

[0004]针对现有技术中存在的缺陷，本专利技术的目的在于提供一种电力设备运行分析方法，能够提高电力设备运行分析的稳定性与准确性。
[0005]上述的目的通过以下的技术方案实现：
[0006]一种电力设备运行分析方法，包括如下步骤：
[0007]步骤1：多源异构设备状态数据集成，从PMS、EMS、设备状态监测系统、移动互联系统、气象信息系统中获取相关数据，形成设备全景信息库；
[0008]步骤2：状态数据质量评估和数据清洗，通过统计分布、聚类、关联分析、时间序列分析，剔除无用的错误数据，填补关键的缺失数据；
[0009]步骤3：设备状态数据存储，按照设备主属性、时间戳和相关系数使具有相关性的数据在集群中聚集；
[0010]步骤4：设备状态数据处理，统计构建当前状态模型、历史知识模型、故障诊断模型和多参数预测模型；
[0011]步骤5：，通过分析所述历史知识模型，结合所述多参数预测模型和故障诊断模型，实现电力设备的故障发生概率、故障类型和故障部位的实时预测。
[0012]作为上述技术方案的优选，所述方法还包括：所述设备状态监测系统中获取数据包括状态监测、带电检测、试验、运行、设备缺陷、运行年限、安装地区和故障记录等数据。
[0013]作为上述技术方案的优选，所述方法还包括：所述设备状态数据存的储检索采用
多数据源并行连接的查询方法和二级索引。
[0014]作为上述技术方案的优选，所述方法还包括：所述故障诊断模型，针对每一设备的不同故障类型和多段时间故障属性分别生成至少一个故障状态模型。
[0015]作为上述技术方案的优选，所述方法还包括：所述分析预警模型，用于将所述历史知识模型、所述多参数预测模型、所述故障诊断模型和所述当前状态模型进行对比，以根据相似度评估所述风电机组的运行状态并对所述风电机组的故障进行预警。
[0016]本专利技术所达到的有益效果是：
[0017]本专利技术结合近年来带电检测、在线监测、智能巡检技术大量推广应用，采集海量的状态检测数据，实现多源异构数据的集成、转换、清洗、存储、处理和数据挖掘，有效提高电力设备运行分析的准确性和适应性，在提炼历史知识、个性化评价、异常快速检测、故障智能诊断和状态预测等应用场景方面实现了良好的效果。基于足够数量的缺陷、故障和现场干扰样本数据，建立设备故障智能诊断模型，可以通过大数据匹配和关联算法搜索相似的缺陷或故障案例，为设备故障分析提供依据，具有一定的普遍性，适合电力生产实际运营要求。
附图说明
[0018]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0019]附图1是本专利技术整体结构示意图；
具体实施方式
[0020]为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
[0021]由于电力设备的分布性和电网的复杂性，要对电力设备进行全面和准确的状态评价，需要考虑电网运行、设备状态以及气象环境等不同来源的数据信息，同时结合设备当前和历史状态变化进行综合分析。
[0022]如图1所示，该电力设备运行分析方法，包括以下步骤：
[0023]步骤1：多源异构设备状态数据集成，从PMS、EMS、设备状态监测系统、移动互联系统、气象信息系统中获取相关数据，形成设备全景信息库。信息库可以多层面和多个维度揭示电力设备状态变化的统计分布规律、设备缺陷和故障的发生规律及设备状态的关联变化规则，形成基于海量数据挖掘分析的历史知识库，为电力设备状态评价、故障诊断和预测提供支撑，也可以为状态检修辅助决策提供科学依据。
[0024]步骤2：状态数据质量评估和数据清洗，通过统计分布、聚类、关联分析、时间序列分析，剔除无用的错误数据，填补关键的缺失数据，数据质量是是保证数据挖掘分析效果的前提条件。可以有效弥补相关数据具有来源多、信息异构、数量庞大、属性繁多等问题，避免监测数据中存在各类无效的异常值，影响设备状态分析和评估的结果。
[0025]步骤3：设备状态数据存储，按照设备主属性、时间戳和相关系数使具有相关性的数据在集群中聚集，一般采用分布式文件存储和分布式列存储数据库。
[0026]步骤4：设备状态数据处理，统计构建当前状态模型、历史知识模型、故障诊断模型
和多参数预测模型，利用大量样木数据进行智能学习，对现有状态评价和故障诊断物理和数学模型进行修正、补充和完善。
[0027]步骤5：设备状态预测是从现有的状态数据出发寻找规律，利用这些规律对未来状态或无法观测的状态进行预测，通过分析所述历史知识模型，结合所述多参数预测模型和故障诊断模型，实现电力设备的故障发生概率、故障类型和故障部位的实时预测和建立分析预警模型。
[0028]电力设备在实际运行过程中会受到过负荷、过电压、突发短路、恶劣气象、绝缘劣化等不良工况和事件的影响使设备状态发生异常变化，这些异常运行状态如不及时发现并采取措施，会导致设备故障并造成巨大的经济损失。从不断更新的大量设备状态数据中快速发现状态异常变化的信号，是设备状态大数据分析的重要优势之一。设备状态监测系统中获取数据包括状态监测、带电检测、试验、运行、设备缺陷、运行年限、安装地区和故障记录等数据。
[0029]设备状态数据存的储检索采用多数据源并行连接的查询方法和二级索引。
[0030]故障诊断模型，针对每一设备的不同故障类型和多段时间故障属性分别生成至少一个故障状态模型。
[0031]分析预警模型，用于将所述历史知识模型、所述多参数预测模型、所述故障诊断模型和所述当前状本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力设备运行分析方法，包括如下步骤：步骤1：多源异构设备状态数据集成，从PMS、EMS、设备状态监测系统、移动互联系统、气象信息系统中获取相关数据，形成设备全景信息库；步骤2：状态数据质量评估和数据清洗，通过统计分布、聚类、关联分析、时间序列分析，剔除无用的错误数据，填补关键的缺失数据；步骤3：设备状态数据存储，按照设备主属性、时间戳和相关系数使具有相关性的数据在集群中聚集；步骤4：设备状态数据处理，统计构建当前状态模型、历史知识模型、故障诊断模型和多参数预测模型；步骤5：设备状态变化和故障预测，通过分析所述历史知识模型，结合所述多参数预测模型和故障诊断模型，实现电力设备的故障发生概率、故障类型和故障部位的实时预测和建立分析预警模型。2.根据权利要求1所述...

【专利技术属性】
技术研发人员：向光伟，兰天，杨滨，
申请(专利权)人：国网黑龙江省电力有限公司，
类型：发明
国别省市：