【技术实现步骤摘要】
基于时序因果关系网络的电网主变设备异常状态预测方法
[0001]本专利技术涉及电网主变设备运行监测
，具体来说是基于时序因果关系网络的电网主变设备异常状态预测方法。
技术介绍
[0002]变电站是电力系统的重要枢纽，变电设备的安全稳定运行是确保电力系统可靠供电的重要基础。设备异常管理也是安全生产管理的重要内容之一。大量增加的设备运行异常会消耗大量的运维力量，因此制定科学的预测方法对设备异常进行预测尤为重要。
[0003]电网设备在运行过程中产生了大量的异常结果数据及设备运行监测数据。但是也存在着变电站运行工况、厂站年限不同，设备配置、厂家、型号也均有所差异等问题，容易导致由于信息源多、杂而遗漏设备运行异常。近年来，机器学习、深度学习等逐渐被应用于电网数据分析中，解决了很多传统方法难以解决的问题。但由于变电站运行数据受很多因素影响，且随时间不断变化。传统方法缺少对影响设备运行异常的因果关系进行挖掘，因果关系在揭示变量之间的动态关系和解释系统运行规律方面起着重要作用。需要基于电网设备在线监测数据、工况数据、状态评价...
【技术保护点】
【技术特征摘要】
1.一种基于时序因果关系网络的电网主变设备异常状态预测方法，其特征在于，包括以下步骤：11)主变设备运行数据获取和预处理：获取主变设备运行数据，其包括主变设备运行时的外部数据及传感器采集的数据，并进行数据纠错预处理；12)主变设备数据集的构建：基于预处理后的主变设备运行数据，构建带有时序特征的变量和目标变量的二维矩阵数据集，作为主变设备数据集；13)构建电网主变设备异常状态检测模型：基于因果卷积网络构建电网主变设备异常状态检测模型；14)电网主变设备异常状态检测模型的训练：将主变设备数据集输入电网主变设备异常状态检测模型进行训练；15)主变设备运行实时数据的获取：获取主变设备运行时的外部实时数据及传感器采集的实时数据；16)电网主变设备异常状态的预测：将主变设备运行实时数据输入训练后的电网主变设备异常状态检测模型，获得电网主变设备异常状态预测结果。2.根据权利要求1所述的基于时序因果关系网络的电网主变设备异常状态预测方法，其特征在于，所述主变设备数据集的构建包括以下步骤：21)主变设备运行数据的获取包括设备ID、设备名称、设备类型、变电站、变电站电压、设备电压、设备型号、生产厂家、生产日期、投运日期、天气温度、天气描述、状态评价结果、负荷程度指标、铁芯接地电流指标、油色谱指标，是否发生异常数据作为预测目标数据；22)对预处理的主变设备运行数据进行向量化处理，其中，数值型数据直接使用，文本变量采用TF
‑
IDF表示法进行数值化后使用，对日期型数据计算其与投入运行时间月份的差值后使用；23)将向量化处理后的数据融合到统一的结构化数据中，构建带有时序特征的变量和目标变量的二维矩阵数据集，其中每一行代表某一时间的多维变量和目标变量、每一列代表一个变量序列；24)对于未发生异常的时间段，以月度为时间窗口在二维矩阵中填补一行，其中，变量数据为月度监测数据的平均值，目标变量为未发生异常。3.根据权利要求1所述的基于时序因果关系网络的电网主变设备异常状态预测方法，其特征在于，所述构建电网主变设备异常状态检测模型包括以下步骤：31)基于因果卷积网络设定电网主变设备异常状态检测模型，设定因果卷积网络的输入为主变设备运行的二维矩阵数据，经因果膨胀卷积结构构建的编码器网络后，输出为迭代至t时刻的扩大历史信息的捕捉视野后的因果关系特征映射层；32)对于输入的某一条设备运行变量X＝(x1，x2，...x
T
)的时间序列，Y＝(y1，y2，...y
T
)为设备状态值，使用t时刻之前的x1，x2，...x
t
‑1以及之前的设备状态y1，y2，...y
t
‑1数据输入，构建网络层之间的因果...
【专利技术属性】
技术研发人员：张洁，孙友强，张可，杨振南，黄文礼，李瑞，张辉，杜健铭，陈红波，
申请(专利权)人：安徽南瑞继远电网技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。