一种电容器故障预测方法、装置、设备和介质制造方法及图纸

本发明专利技术公开了一种电容器故障预测方法、装置、设备和介质。该电容器故障预测方法包括：获取变电站中电容器在实时工作过程中故障状态量的实时运行数据；所述故障状态量为电容器发生故障过程中处于异常的状态量；基于故障预测模型中候选类别的预测概率，根据所述实时运行数据确定所述电容器的故障预测结果。本发明专利技术实施例通过将电容器在实时工作过程中的有关故障状态量的实时运行数据输入到故障预测模型，对电容器的运行状态提前进行故障预测，从而减少电容器故障导致引起的停电事故，提高电容器的利用率。的利用率。的利用率。

【技术实现步骤摘要】
一种电容器故障预测方法、装置、设备和介质


[0001]本专利技术涉及电力系统
，尤其涉及一种电容器故障预测方法、装置、设备和介质。

技术介绍

[0002]随着经济的快速发展，对电力的需求也急剧增长，系统规模也就不断增大，人们对用电质量和供电可靠性的要求也在不断提高，对系统电压及无功调整也就提出了更高的要求。因此，对电容补偿设备的利用便显得尤为重要。电力电容器作为变电站里应用最多的无功补偿装置，其故障率大为提升。因此，对电容器运行状态及检测便显得十分重要。
[0003]以往电容器的状态检测方法通常为停电试验，未能实时发现出故障，不仅增加了运维工作人员的工作量，同时造成电容器利用率下降，减弱了对系统电压及无功补偿的能力。此外，停电试验时电容器处于非运行电压和负载状态，未能真实反映电容器实际运行时的绝缘情况及故障的发展趋势。因此，需要对电容器的运行状态进行故障预测，从而有效指导电容器的最佳维修策略，避免事故进一步。

技术实现思路

[0004]本专利技术提供了一种电容器故障预测方法、装置、设备和介质，以实现在电容器实时运行过程中进行故障预测。
[0005]根据本专利技术的一方面，提供了一种电容器故障预测方法，包括:
[0006]获取变电站中电容器在实时工作过程中故障状态量的实时运行数据；其中，所述故障状态量为电容器发生故障过程中处于异常的状态量；
[0007]基于故障预测模型中候选类别的预测概率，根据所述实时运行数据确定所述电容器的故障预测结果；
[0008]其中，所述故障预测模型通过如下方式训练得到：根据电容器的历史运行数据中确定所述故障状态量和所述故障状态量的历史运行数据作为训练样本；采用属性重要度的集成分类器，根据所述训练样本对初始的故障预测模型进行训练得到所述故障预测模型。
[0009]根据本专利技术的另一方面，提供了一种电容器故障预测装置，包括：
[0010]实时数据获取模块，用于获取变电站中电容器在实时工作过程中故障状态量的实时运行数据；其中，所述故障状态量为电容器发生故障过程中处于异常的状态量；
[0011]故障预测模块，用于基于故障预测模型中候选类别的预测概率，根据所述实时运行数据确定所述电容器的故障预测结果；
[0012]其中，所述故障预测模型通过如下方式训练得到：根据电容器的历史运行数据中确定所述故障状态量和所述故障状态量的历史运行数据作为训练样本；采用属性重要度的集成分类器，根据所述训练样本对初始的故障预测模型进行训练得到所述故障预测模型。
[0013]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0014]至少一个处理器；以及
[0015]与所述至少一个处理器通信连接的存储器；其中，
[0016]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的电容器故障预测方法。
[0017]根据本专利技术的另一方面，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存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的电容器故障预测方法。
[0018]本专利技术实施例的技术方案，通过对变电站中电容器发生历史故障过程中的历史运行数据进行分析，确定影响电容器的故障状态量，并采用属性重要度的集成分类器，根据故障状态量的历史运行数据构建故障预测模型，降低了故障预测模型的结构冗余，提高了故障预测模型对数据的训练效率；以及，将电容器在实时工作过程中的有关故障状态量的实时运行数据输入到故障预测模型，对电容器的运行状态提前进行故障预测，从而减少电容器故障导致引起的停电事故，提高电容器的利用率。
[0019]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0020]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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。
[0021]图1是根据本专利技术实施例一提供的一种电容器故障预测方法的流程图；
[0022]图2是根据本专利技术实施例二提供的一种电容器故障预测方法的流程图；
[0023]图3是根据本专利技术实施例三提供的一种电容器故障预测装置的结构示意图；
[0024]图4是实现本专利技术实施例的电容器故障预测方法的电子设备的结构示意图。
具体实施方式
[0025]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都应当属于本专利技术保护的范围。
[0026]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“候选”、“目标”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。本专利技术的技术方案中，所涉及的数据的收集、存储、使用、加
工、传输、提供和公开等，均符合相关法律法规的规定，且不违背公序良俗。
[0027]实施例一
[0028]图1为本专利技术实施例一提供了一种电容器故障预测方法的流程图，本实施例可适用于对变电站中电容器的运行状态进行故障预测的情况，该方法可以由电容器故障预测装置来执行，该电容器故障预测装置可以采用硬件和/或软件的形式实现，该电容器故障预测装置可配置于各种通用计算设备中。如图1所示，该方法包括：
[0029]S110、获取变电站中电容器在实时工作过程中故障状态量的实时运行数据。其中，故障状态量为电容器发生故障过程中处于异常的状态量。
[0030]可选的，故障状态量可以包括下述至少一种：电容器的电容值、电容器的介损值、电容器的谐波电流和电容器的运行电压。
[0031]示例性的，电容器的电容值的大小可以直接反应电容器的运行状况，电容器发生的故障类型不同，电容器的电容值也会有所不同。例如，电容器无故障时，电容器的电容值可以为电容器发生击穿短路故障时，电容器的电容值可以为电容器发生熔丝熔断故障时，电容器的电容值可以为其中，n为电容器内部并联的电容元件个数，m为电容器内部串联的电容元件个数，C0为单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电容器故障预测方法，其特征在于，包括：获取变电站中电容器在实时工作过程中故障状态量的实时运行数据；其中，所述故障状态量为电容器发生故障过程中处于异常的状态量；基于故障预测模型中候选类别的预测概率，根据所述实时运行数据确定所述电容器的故障预测结果；其中，所述故障预测模型通过如下方式训练得到：根据电容器的历史运行数据中确定所述故障状态量和所述故障状态量的历史运行数据作为训练样本；采用属性重要度的集成分类器，根据所述训练样本对初始的故障预测模型进行训练得到所述故障预测模型。2.根据权利要求1所述的方法，其特征在于，所述根据电容器的历史运行数据中确定所述故障状态量和所述故障状态量的历史运行数据作为训练样本，包括：对电容器在历史发生故障过程中状态量的运行数据进行分析，并根据分析结果将在历史发生故障过程中运行数据处于异常的状态量作为影响电容器故障的故障状态量；从所述电容器的历史运行数据中提取电容器在正常工作过程中所述故障状态量的正常运行数据作为正训练样本，以及从所述电容器的历史运行数据中提取电容器在故障过程中所述故障状态量的异常运行数据作为负训练样本。3.根据权利要求2所述的方法，所述故障状态量包括下述至少一种：电容器的电容值、电容器的介损值、电容器的谐波电流和电容器的运行电压。4.根据权利要求1所述的方法，其特征在于，所述采用属性重要度的集成分类器，根据所述训练样本对初始的故障预测模型进行训练得到所述故障预测模型，包括：根据所述训练样本生成至少两个样本子集；确定所述样本子集中至少一个候选属性的属性重要度；根据所述属性重要度从所述候选属性中选择目标属性，并采用所述集成分类器将所述目标属性作为分裂结点结合所述样本子集构建模糊决策树；根据各所述样本子集对应的模糊决策树，确定所述故障预测模型。5.根据权利要求4所述的方法，其特征在于，确定所述样本子集中至少一个候选属性的属性重要度，包括：确定所述样本子集中包含的至少一个候选属性，并计算各候选属性的属性重要度：其中，G(D，a)表示属性a的属性重要度，D＝{(x1，y1)，(x2，y2)
…
,(x
i
，y
i
)}表示样本子集，(x
i
，y
i
)表示样本子集中第i个样本数据和对应的类别，I(D)为信息熵，D
v
表示候选属性a的V个可能取值中第v个且包含在D中的取值，G(a)表示在样本子集中属于候...

【专利技术属性】
技术研发人员：黄书健，杨茂强，施理成，卢先锋，寨战争，纪经涛，陈晓鹏，蔡素雄，刘焕辉，张焕燊，吕志鹏，赖咏，李海发，邱睿，张玄，
申请(专利权)人：广东电网有限责任公司惠州供电局，
类型：发明
国别省市：