一种基于电力设备状态的评估方法和电子设备技术

本发明专利技术提供了一种基于电力设备状态的评估方法和电子设备，涉及电力设备安全评估领域，包括：获取任一电力设备的波形信号数据；对波形信号数据进行运算得到特征参量数据；将特征参量数据分成电力设备的剩余寿命数据集合和潜在故障数据集合；通过聚类分析指标进行运算得到对应任一电力设备的优化数据集合；对优化数据集合进行安全态势要素量化，得到优化数据集合中各个指标对应的量化值；采用层次分析法确定各指标权重并运算得到任一电力设备的威胁指数；通过预设的聚集函数对所有电力设备的威胁指数进行运算，得到电网设备的总威胁指数。本发明专利技术降低了运算量，提升运算效率。有效利用少量经验样本和大量未知样本，对电力设备状态进行了评估。态进行了评估。态进行了评估。

【技术实现步骤摘要】
一种基于电力设备状态的评估方法和电子设备


[0001]本专利技术涉及电力设备安全评估领域，特别是一种基于电力设备状态的评估方法和电子设备。

技术介绍

[0002]多数电力设备故障是在经历长期的恶劣环境(包括大自然和运行中的受热、电动力等)中积累起来的缓变故障，一般在故障前较长时间就出现了异常。电力设备状态评估主要针对早期轻微故障，根据有关标准、算法和经验对在线或离线采集到的数据进行综合分析，从而确定电网设备的当前状态，预测其剩余寿命或潜在故障。
[0003]由于电力设备早期故障状态间的区分度不大，体现在监测数据上并没有非常显著的变化，不能简单地判断有无故障，监测数据和设备状态之间具有很大的模糊性和不确定性。模糊集等理论在处理这种模糊信息方面，体现出了其有效性和优越性。
[0004]然而，它们的成功应用均建立在大量经验知识的基础上，而准确、完备的电力设备故障和异常样本获取困难。一方面，随着智能电网建设的推进以及电力设备在线监测装置的广泛应，海量的未标记的状态监测样本数据积累下来。这些未标记的状态监测样本数据蕴含丰富的信息，并可能涵盖未知的故障和异常类别。
[0005]因此，寻求一种能有效利用少量经验样本和大量未知样本的电力设备状态评估方法显得尤为重要。

技术实现思路

[0006]鉴于上述问题，提出了本专利技术以便提供克服上述问题或者至少部分地解决上述问题的一种基于电力设备状态的评估方法和电子设备。
[0007]第一方面，提供了一种基于电力设备状态的评估方法，所述评估方法包括：
[0008]获取任一电力设备的波形信号数据；
[0009]对所述波形信号数据进行运算，得到特征参量数据；
[0010]根据所述特征参量数据，将所述特征参量数据分成电力设备的剩余寿命数据集合和潜在故障数据集合；
[0011]通过聚类分析指标对所述剩余寿命数据集合和所述潜在故障数据集合进行运算，得到对应任一电力设备的剩余寿命特征和潜在故障特征的优化数据集合；
[0012]对所述优化数据集合进行安全态势要素量化，得到所述优化数据集合中各个指标对应的量化值；
[0013]对所述各个指标对应的量化值采用层次分析法确定各指标权重，并运算得到任一电力设备的威胁指数；
[0014]通过预设的聚集函数，对所有电力设备的威胁指数进行运算，得到电网设备的总威胁指数。
[0015]可选地，对所述波形信号数据进行运算，得到特征参量数据，包括：
[0016]利用特征提取运算公式，对所述波形信号数据进行运算，得到所述特征参量数据，所述特征参量数据包括：所述波形信号数据的平均值、最大值、标准差。
[0017]可选地，所述特征提取运算公式如下：
[0018][0019]I
maxe
＝max[I
e
(i)][0020][0021]上式中，I
me
表示所述波形信号数据的平均值，N为采样时段内的采样点数，I
e
(i)为各采样点的波形信号的有效值，I
maxe
为各采样点对应的有效值中的最大值，即所述波形信号数据的最大值，σ为有效值与平均值的标准差，即所述波形信号数据的标准差；
[0022]所述波形信号数据的平均值、最大值分别反映了当前波形信号的基本大小，以及当前波形信号的峰值，作为故障发生时变化显著的特征参量，所述波形信号数据的标准差从另一个角度反映了波形信号各个采样值与平均值之间的偏差程度，即波形信号的分布离散程度，所述波形信号数据的平均值、最大值、标准差从不同角度反映了当前波形信号的特点，全面反映了电力设备状态的特征。
[0023]可选地，通过聚类分析指标对所述剩余寿命数据集合和所述潜在故障数据集合进行运算，得到对应任一电力设备特征的优化数据集合，包括：
[0024]通过所述聚类分析指标，结合所述分布离散程度，对所述剩余寿命数据集合和所述潜在故障数据集合进行运算，得到对应任一电力设备特的剩余寿命特征和潜在故障特征的优化数据集合。
[0025]可选地，所述聚类分析指标包括如下运算步骤：
[0026]步骤一：分别计算所述剩余寿命数据集合和所述潜在故障数据集合中所有变量的综合标准差RMSSTD，所述综合标准差RMSSTD越小表明所述剩余寿命数据集合或所述潜在故障数据集合内个体对象的相似程度越高，聚类效果越好，所述综合标准差RMSSTD的计算公式如下：
[0027][0028]上式中，S
i
代表第i个变量在所述剩余寿命数据集合或所述潜在故障数据集合内的标准差之和；
[0029]步骤二：计算相异度R
‑
Square，所述相异度R
‑
Square越大表明所述剩余寿命数据集合和所述潜在故障数据集合之间的相异性越高，聚类效果越好，所述相异度R
‑
Square的计算公式如下：
[0030][0031]上式中，W代表聚类分组后的各组内部的差异程度，即每个集合内部的差异程度，B代表聚类分组后各组之间的差异程度，即各个集合之间的差异程度，T代表聚类分组后所有变量总的差异程度，并且T＝W+B；
[0032]所述相异度R
‑
Square的值在R
‑
Square E[0，11]的范围内，且值越接近1越好，所述
值越接近1表明各个集合之间的差异越大，即B越大，而同集合内各变量间的差异越小，即W越小；
[0033]步骤三：对聚类分组后所有变量总的差异程度T进行运算，其运算公式如下：
[0034][0035]上式中，p代表有p个变量，n代表有n个集合，代表总体平均值。
[0036]可选地，所述安全态势要素包括：目标电力设备、危害性、事件数目以及可清除性；
[0037]对所述优化数据集合进行安全态势要素量化，得到所述优化数据集合中各个指标对应的量化值，包括：
[0038]对所述优化数据集合中各个指标基于属性值计算公式进行属性值运算，得到所述各个指标对应的量化值，所述各个指标包括：所述波形信号数据的平均值、最大值、标准差。
[0039]可选地，所述目标电力设备、所述危害性、所述可清除性的原始值向量A(t)、B(t)、C(t)分别表达如下：
[0040]A(t)＝{A1，A2，
…
，A
n
}，B(t)＝{B1，B1...B
n
}
[0041]C(t)＝{C1，C2，
…
，C
n
}
[0042]上式中n代表事件数目；
[0043]所述属性值计算公式包括：目标电力设备公式、危害性公式、可清除性公式；
[0044]所述目标电力设备公式为：
[0045][0046]所述危害性公式为：
[0047][0048]所述可清除性公式为：
[0049][0050]对属性值进行量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电力设备状态的评估方法，其特征在于，所述评估方法包括：获取任一电力设备的波形信号数据；对所述波形信号数据进行运算，得到特征参量数据；根据所述特征参量数据，将所述特征参量数据分成电力设备的剩余寿命数据集合和潜在故障数据集合；通过聚类分析指标对所述剩余寿命数据集合和所述潜在故障数据集合进行运算，得到对应任一电力设备的剩余寿命特征和潜在故障特征的优化数据集合；对所述优化数据集合进行安全态势要素量化，得到所述优化数据集合中各个指标对应的量化值；对所述各个指标对应的量化值采用层次分析法确定各指标权重，并运算得到任一电力设备的威胁指数；通过预设的聚集函数，对所有电力设备的威胁指数进行运算，得到电网设备的总威胁指数。2.根据权利要求1所述的评估方法，其特征在于，对所述波形信号数据进行运算，得到特征参量数据，包括：利用特征提取运算公式，对所述波形信号数据进行运算，得到所述特征参量数据，所述特征参量数据包括：所述波形信号数据的平均值、最大值、标准差。3.根据权利要求2所述的评估方法，其特征在于，所述特征提取运算公式如下：I
maxe
＝max[I
e
(i)]上式中，I
me
表示所述波形信号数据的平均值，N为采样时段内的采样点数，I
e
(i)为各采样点的波形信号的有效值，I
maxe
为各采样点对应的有效值中的最大值，即所述波形信号数据的最大值，σ为有效值与平均值的标准差，即所述波形信号数据的标准差；所述波形信号数据的平均值、最大值分别反映了当前波形信号的基本大小，以及当前波形信号的峰值，作为故障发生时变化显著的特征参量，所述波形信号数据的标准差从另一个角度反映了波形信号各个采样值与平均值之间的偏差程度，即波形信号的分布离散程度，所述波形信号数据的平均值、最大值、标准差从不同角度反映了当前波形信号的特点，全面反映了电力设备状态的特征。4.根据权利要求3所述的评估方法，其特征在于，通过聚类分析指标对所述剩余寿命数据集合和所述潜在故障数据集合进行运算，得到对应任一电力设备特征的优化数据集合，包括：通过所述聚类分析指标，结合所述分布离散程度，对所述剩余寿命数据集合和所述潜在故障数据集合进行运算，得到对应任一电力设备特的剩余寿命特征和潜在故障特征的优化数据集合。5.根据权利要求4所述的评估方法，其特征在于，所述聚类分析指标包括如下运算步骤：
步骤一：分别计算所述剩余寿命数据集合和所述潜在故障数据集合中所有变量的综合标准差RMSSTD，所述综合标准差RMSSTD越小表明所述剩余寿命数据集合或所述潜在故障数据集合内个体对象的相似程度越高，聚类效果越好，所述综合标准差RMSSTD的计算公式如下：上式中，S
i
代表第i个变量在所述剩余寿命数据集合或所述潜在故障数据集合内的标准差之和；步骤二：计算相异度R
–
Square，所述相异度R
–
Square越大表明所述剩余寿命数据集合和所述潜在故障数据集合之间的相异性越高，聚类效果越好，所述相异度R
–
Square的计算公式如下：上式中，W代表聚类分组后的各组内部的差异程度，即每个集合内部的差异程度，B代表聚类分组后...

【专利技术属性】
技术研发人员：郑万静，付迎鑫，徐冬冬，徐锐，槐正，王健，徐蕾，李雅楠，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：