一种基于电力数据分析的电力设备运维评估方法技术

本发明专利技术公开了一种基于电力数据分析的电力设备运维评估方法，涉及运维评估领域，首先采集电力设备运行数据，然后对电力设备运行数据进行预处理和质量评价，然后实时多维度电力设备运维评估和预见性电力设备运维评估，并据实时多维度电力设备运维评估结果和预见性电力设备运维评估结果分级制定预警维护策略，然后对电力设备运维评估结果可视化融合展示；本发明专利技术能够监测电力设备的运行状态、异常情况和潜在风险，对采集数据进行质量评价和云平台储存，预测故障发生的可能性，制定精准的运维策略，降低设备维修成本，提高电力设备的整体运行效率和可靠性，自动化、智能化程度高。智能化程度高。智能化程度高。

【技术实现步骤摘要】
一种基于电力数据分析的电力设备运维评估方法


[0001]本专利技术涉及运维评估领域，且更具体地涉及一种基于电力数据分析的电力设备运维评估方法。

技术介绍

[0002]随着电力系统的不断发展和电力设备的日益普及，电力设备的运维工作越来越重要。传统的电力设备运维评估方法主要基于人工经验和检查，通常需要花费大量的时间和人力成本，而且存在主观偏差和易于被误判的问题。因此，需要一种基于电力数据分析的电力设备运维评估方法，以提高运维效率和准确性。
[0003]但是传统的人工运维方法具有成本高、效率低和容易出错的缺点，不能满足现代电力设备大数据时代的需求，而且，现有的评估方法，电力数据在采集过程中，由于传感器的质量和连接稳定性存在着误差、缺失、重复问题，导致了数据质量和可靠性的不足，并且随着时间的推移，传感器采集的数据容量会逐渐增加，难以存储和处理大量数据。
[0004]因此，本专利技术公开了一种基于电力数据分析的电力设备运维评估方法，能够监测电力设备的运行状态、异常情况和潜在风险，对采集数据进行质量评价和云平台储存，预测故障发生的可能性，制定精准的运维策略，降低设备维修成本，提高电力设备的整体运行效率和可靠性。

技术实现思路

[0005]针对现有技术的不足，本专利技术公开了一种基于电力数据分析的电力设备运维评估方法，能够监测电力设备的运行状态、异常情况和潜在风险；采用实时无线加速网络将电力设备运行数据无线传输至云平台进行储存和下一步处理，以提高采集数据传输的实时性和储存的可靠性；采用质量特征全评价算法对预处理后数据进行质量评价，数据质量评价结果低于质量评价阈值，则进行数据重采样和预处理，提高数据的处理效率和准确性；通过多维深度全特征评估模型对电力设备运行数据实时进行设备状态、运行质量、故障诊断和能效评估，提高电力设备的运行效率和安全性；采用时序挖掘预测算法对设备潜在故障进行预测，提高设备维护效率和准确性；自动化、智能化程度高。
[0006]本专利技术采用以下技术方案：一种基于电力数据分析的电力设备运维评估方法，包括以下步骤：步骤一、采集电力设备运行数据，通过电流传感器、电压传感器、温度传感器、湿度传感器和振动传感器感知电力设备运行数据，并采用实时无线加速网络将电力设备运行数据无线传输至云平台进行储存和下一步处理；步骤二、对电力设备运行数据进行预处理和质量评价，通过数据预处理工具Trifacta对电力设备运行数据进行清洗和转换，并采用质量特征全评价算法对预处理后数据进行质量评价，数据质量评价结果低于质量评价阈值，则进行数据重采样和预处理；步骤三、实时多维度电力设备运维评估，通过多维深度全特征评估模型对电力设
备运行数据实时进行设备状态、运行质量、故障诊断和能效评估；步骤四、预见性电力设备运维评估，采用时序挖掘预测算法对设备潜在故障进行预测，提高设备维护效率和准确性；步骤五、运维预警，根据实时多维度电力设备运维评估结果和预见性电力设备运维评估结果分级制定预警维护策略，以延长设备使用寿命；步骤六、对电力设备运维评估结果可视化融合展示，通过可视化平台Grafana展示设备的运行状态、异常情况和变化趋势。
[0007]作为本专利技术进一步的技术方案，所述实时无线加速网络通过MQTT轻量级底层协议、UDP传输层协议、HTTP/2安全传输协议和WebSocket双向通信协议监听采集电力设备运行数据信号，并通过服务器负载均衡逻辑和消息队列服务将数据分布式部署至传输节点，实现端对端的传输，以减少数据通讯、统计、处理和调控的时间延迟。
[0008]作为本专利技术进一步的技术方案，所述质量特征全评价算法通过准确性、完整性、一致性和时效性数据质量属性对采集电力设备运行数据质量进行评价，采集电力设备运行数据集为，n为采集电力设备运行数据个数，n，采集电力设备运行数据的准确性、完整性、一致性和时效性属性特征数据集排列为，表示准确性属性特征，表示完整度属性特征，表示一致性属性特征，表示时效性属性特征，为第i个采集电力设备运行数据的准确性属性特征，为第i个采集电力设备运行数据的完整性属性特征，为第i个采集电力设备运行数据的一致性属性特征，为第i个采集电力设备运行数据的时效性属性特征，采集电力设备运行数据的准确性、完整性、一致性和时效性属性特征的评价输出函数公式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）在公式（1）中，为采集电力设备运行数据的准确性属性评估结果，为采集电力设备运行数据的完整性属性评估结果，为采集电力设备运行数据的一致性属性评估结果，为采集电力设备运行数据的时效性属性评估结果，为采集电力设备运行数据的准确性属性特征数据集，为采集电力设备运行数据的完整性属性特征数据集，为采集电力设备运行数据的一致性属性特征数据集，为采集电力设备运行数据的时效性属性特征数据集，为采集电力设备运行数据的准确性属性特征数据集最大值，为采集电力设备运行数据的准确性属性特征数据集最小值，为采集电力设备运行数据的完整性属性特征最大值，为采集电力设备运行数据的完整性属性特征最小值，为采集电力设备运行数据的一致性属性特征最大值，为采集电力设备运行数据的一致性属性特征最小值，为采集电力设备运行数据的时效性属性特征最大值，)为采集电力设备运行数据的时效性属性特征最小值，综合采集电力设备运行数据的准确性、完整性、一致性和时效性评价的输出函数公式为：
ꢀꢀꢀꢀꢀꢀꢀ
（2）在公式（2）中，为采集电力设备运行数据的准确性、完整性、一致性和时效性综合评价值，为评价辅助值，1，)为云感知数据准确性综合加权函数。
[0009]作为本专利技术进一步的技术方案，所述多维深度全特征评估模型包括输入层、数据层、自适应权重层、模型层、算法层、优化层和输出层，所述多维深度全特征评估模型的工作包括以下步骤：步骤1、数据输入并提取特征，将实时采集电力设备运行数据进行格式转换，并通过输入层输入至多维深度全特征评估模型，并提取电压、电流、湿度、温度和振动数据特征，形成原始多维特征向量；步骤2、确定计算目标和参数，通过数据层从输入数据中获取计算参数和限制条件，计算参数和限制条件包括计算规模、目标函数、约束条件和变量范围，以保证求最优解过程的合理性和有效性，所述计算目标包括设备状态、运行质量、故障诊断和能效；步骤3、处理原始多维特征向量，通过深度卷积神经网络和循环神经网络对特征向量进行处理，以提取全局特征和局部特征，并通过自适应权重层建立主次维度的权重关系，增强特征转换的分类能力和泛化性能，所述自适应权重层根据计算目标自适应地调整多维特征向量权重；步骤4、多维特征向量融合，根据主次维度的权重关系将多维特征向量进行融合，形成全特征向量；步骤5、建立多维度评估数学模型，所述模型层根据计算规模、目标函数、约束条件和变量范围建立多维度评估数学模型，并通过历史数据对模型进行训练和优化，提高模型的准确率和鲁棒性；步骤6、多维度电力设备运维评估计算，所述算法层采用多维深度全特征评估算法进行电力设备运维评估的迭代计算和参数修正，并通过维护计算节点的邻居列表优化多维深度全特征评估算法的计算速度，减本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电力数据分析的电力设备运维评估方法，其特征在于：包括以下步骤：步骤一、采集电力设备运行数据，通过电流传感器、电压传感器、温度传感器、湿度传感器和振动传感器感知电力设备运行数据，并采用实时无线加速网络将电力设备运行数据无线传输至云平台进行储存和下一步处理；步骤二、对电力设备运行数据进行预处理和质量评价，通过数据预处理工具Trifacta对电力设备运行数据进行清洗和转换，并采用质量特征全评价算法对预处理后数据进行质量评价，数据质量评价结果低于质量评价阈值，则进行数据重采样和预处理；步骤三、实时多维度电力设备运维评估，通过多维深度全特征评估模型对电力设备运行数据实时进行设备状态、运行质量、故障诊断和能效评估；步骤四、预见性电力设备运维评估，采用时序挖掘预测算法对设备潜在故障进行预测，提高设备维护效率和准确性；步骤五、运维预警，根据实时多维度电力设备运维评估结果和预见性电力设备运维评估结果分级制定预警维护策略，以延长设备使用寿命；步骤六、对电力设备运维评估结果可视化融合展示，通过可视化平台Grafana展示设备的运行状态、异常情况和变化趋势。2.根据权利要求1所述的一种基于电力数据分析的电力设备运维评估方法，其特征在于：所述实时无线加速网络通过MQTT轻量级底层协议、UDP传输层协议、HTTP/2安全传输协议和WebSocket双向通信协议监听采集电力设备运行数据信号，并通过服务器负载均衡逻辑和消息队列服务将数据分布式部署至传输节点，实现端对端的传输，以减少数据通讯、统计、处理和调控的时间延迟。3.根据权利要求1所述的一种基于电力数据分析的电力设备运维评估方法，其特征在于：所述质量特征全评价算法通过准确性、完整性、一致性和时效性数据质量属性对采集电力设备运行数据质量进行评价，采集电力设备运行数据集为，n为采集电力设备运行数据个数，n，采集电力设备运行数据的准确性、完整性、一致性和时效性属性特征数据集排列为，表示准确性属性特征，表示完整度属性特征，表示一致性属性特征，表示时效性属性特征，为第i个采集电力设备运行数据的准确性属性特征，为第i个采集电力设备运行数据的完整性属性特征，为第i个采集电力设备运行数据的一致性属性特征，为第i个采集电力设备运行数据的时效性属性特征，采集电力设备运行数据的准确性、完整性、一致性和时效性属性特征的评价输出函数公式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）在公式（1）中，为采集电力设备运行数据的准确性属性评估结果，为采集电力设备运行数据的完整性属性评估结果，为采集电力设备运行数据的一致性属性评估结果，
为采集电力设备运行数据的时效性属性评估结果，为采集电力设备运行数据的准确性属性特征数据集，，为采集电力设备运行数据的完整性属性特征数据集，为采集电力设备运行数据的一致性属性特征数据集，为采集电力设备运行数据的时效性属性特征数据集，为采集电力设备运行数据的准确性属性特征数据集最大值，为采集电力设备运行数据的准确性属性特征数据集最小值，为采集电力设备运行数据的完整性属性特征最大值，为采集电力设备运行数据的完整性属性特征最小值，为采集电力设备运行数据的一致性属性特征最大值，为采集电力设备运行数据的一致性属性特征最小值，为采集电力设备运行数据的时效性属性特征最大值，)为采集电力设备运行数据的时效性属性特征最小值，综合采集电力设备运行数据的准确性、完整性、一致性和时效性评价的输出函数公式为：
ꢀꢀꢀꢀꢀꢀꢀ
（2）在公式（2）中，为采集电力设备运行数据的准确性、完整性、一致性和时效性综合评价值，为评价辅助值，1，)为云感知数据准确性综合加权函数。4.根据权利要求1所述的一种基于电力数据分析的电力设备运维评估方法，其特征在于：所述多维深度全特征评估模型包括输入层、数据层、自适应权重层、模型层、算法层、优化层和输出层，所述多维深度全特征评估模型的工作包括以下步骤：步骤1、数据输入并提取特征，将实时采集电力设备运行数据进行格式转换，并通过输入层输入至多维深度全特征评估模型，并提取电压、电流、湿度、温度和振动数据特征，形成原始多维...

【专利技术属性】
技术研发人员：景治军，刘云，
申请(专利权)人：北京前景无忧电子科技股份有限公司，
类型：发明
国别省市：