System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力分析,更具体地说,它涉及一种电力设备异常检测分析方法、系统、终端及介质。
技术介绍
1、电力系统中的电力设备根据其运行中所起的作用不同,通常分为电气一次设备和电气二次设备。直接参与生产、变换、传输、分配和消耗电能的设备称为电气一次设备,如发电机、电动机、变压器和逆变器等。而随着电力系统中电力设备的数量不断增加,为保障电力系统稳定运行,对电力设备的过电压、欠电压、过电流、短路、温升等异常状态进行检测非常有必要。
2、目前,现有技术中记载有应用深度学习算法的电力设备异常分析方法,通过采集电力设备在异常状态的运行数据,将所采集的运行数据作为样本数据来构建深度学习模型,再应用所构建的深度学习模型来对电力设备的实时运行数据进行异常判断分析。然而,由于电力系统中电力设备数量庞大,一个电力设备可能存在多个异常监测点,且一个监测点可能存在多项异常状态的监测,这就导致所构建的深度学习模型需要大量的异常样本数据进行训练,而电力系统本身在极大部分时间就处于各种正常运行工况,所以异常样本数据的采集困难较大;此外,对于部分电力设备而言,其运行工况是频繁变化的,如光伏并网中的逆变器,采用深度学习模型难以对各种运行工况的状态进行准确分析。
3、因此,如何研究设计一种能够克服上述缺陷的电力设备异常检测分析方法、系统、终端及介质是我们目前急需解决的问题。
技术实现思路
1、为解决现有技术中的不足,本专利技术的目的是提供一种电力设备异常检测分析方法、系统、终端及介质,不仅数据
2、本专利技术的上述技术目的是通过以下技术方案得以实现的:
3、第一方面,提供了一种电力设备异常检测分析方法,包括以下步骤:
4、获取目标设备中多个监测点位在不同正常运行工况下的运行状态参数数据;
5、依据运行状态参数数据建立不同正常运行工况之间切换后相应正常运行工况下各个运行状态参数所对应的单参数特征矩阵;
6、采集目标设备在实时切换工况下的实时运行参数数据,并依据实时运行参数数据建立实时参数特征矩阵;
7、依据目标设备的实时切换工况匹配同一运行状态参数在多个正常运行工况下的单参数特征矩阵;
8、依据所匹配得到的多个单参数特征矩阵对目标设备的实时切换工况进行趋势分析,得到目标设备在实时切换工况下相应运行状态参数的参数估算特征矩阵;
9、将同一运行状态参数的实时参数特征矩阵与参数估算特征矩阵进行相似度计算,得到目标设备中相应运行状态参数的单参数相似度;
10、根据多个运行状态参数的单参数相似度计算得到目标设备的总相似度,并在总相似度低于设定阈值时输出异常信号。
11、进一步的,不同正常运行工况之间选择至少一个电气参数进行划分,且相邻的两个正常运行工况之间的电气参数差值为预设固定值。
12、进一步的,所述单参数特征矩阵的表达式具体为:
13、;
14、其中,表示运行状态参数的单参数特征矩阵,包含个监测点的特征组;表示运行状态参数的单参数特征矩阵中第个监测点的特征组;表示运行状态参数在第个监测点的工况值;表示运行状态参数在第个监测点的变化值;表示运行状态参数在第个个监测点的极大值,若运行状态参数在第个监测点的工况值为最大值,则取值为1,否则取值为0;表示运行状态参数在第个监测点的极小值,若运行状态参数在第个监测点的工况值为最小值,则取值为1,否则取值为0;表示运行状态参数的平均值,即个监测点的工况值的平均值;表示运行状态参数的变化和值,即个监测点的变化值之和。
15、进一步的,所述依据目标设备的实时切换工况匹配同一运行状态参数在多个正常运行工况下的单参数特征矩阵的过程具体为:
16、实时切换工况分为当前时刻的实时运行工况和上一时刻的初始运行工况;
17、分别确定初始运行工况的第一电气参数和实时运行工况的第二电气参数;
18、选取电气参数位于第一电气参数与第二电气参数之间的正常运行工况作为目标运行工况;
19、以目标运行工况中同一运行状态参数的单参数特征矩阵作为实时切换工况匹配的单参数特征矩阵。
20、进一步的,所述参数估算特征矩阵的获得过程具体为:
21、从所匹配得到的多个单参数特征矩阵以及第一电气参数所对应的单参数特征矩阵中分别提取同一特征的特征值,构建得到相应特征的特征序列;
22、若同一特征为工况值、变化值、平均值或变化和值,则采用最小二乘法拟合分析同一特征在实时运行工况的特征预测值;
23、若同一特征为极大值或极小值:在特征序列中所有特征值的方差为0时,则以所有特征值的平均值作为同一特征在实时运行工况的特征预测值;以及,在特征序列中所有特征值的方差不为0时,则以特征序列中与第二电气参数差值最小的电气参数所对应的特征值作为同一特征在实时运行工况的特征预测值。
24、进一步的,所述单参数相似度的计算公式具体为:
25、;
26、其中,表示运行状态参数的单参数相似度;表示监测点的数量,每一个监测点对应一个特征组;表示单个特征组中的特征数量;表示第个监测点所对应特征组中第个特征的权重系数;表示运行状态参数的实时参数特征矩阵中,第个监测点所对应特征组中的第个特征;表示运行状态参数的参数估算特征矩阵中,第个监测点所对应特征组中的第个特征。
27、进一步的,所述目标设备的总相似度计算公式具体为:
28、;
29、其中,表示目标设备的总相似度;表示由运行状态参数的数量决定的系数函数;表示运行状态参数的数量为1时的系数值;表示系数函数的一阶导;表示第个运行状态参数的权重系数;表示第个运行状态参数的单参数相似度。
30、第二方面,提供了一种电力设备异常检测分析系统,包括:
31、数据获取模块,用于获取目标设备中多个监测点位在不同正常运行工况下的运行状态参数数据;
32、矩阵构建模块,用于依据运行状态参数数据建立不同正常运行工况之间切换后相应正常运行工况下各个运行状态参数所对应的单参数特征矩阵;
33、数据采集模块,用于采集目标设备在实时切换工况下的实时运行参数数据,并依据实时运行参数数据建立实时参数特征矩阵;
34、矩阵匹配模块,用于依据目标设备的实时切换工况匹配同一运行状态参数在多个正常运行工况下的单参数特征矩阵;
35、矩阵估算模块,用于依据所匹配得到的多个单参数特征矩阵对目标设备的实时切换工况进行趋势分析,得到目标设备在实时切换工况下相应运行状态参数的参数估算特征矩阵;
36、对比计算模块,用于将同一运行状态参数的实时参数特征矩阵与参数估算特征矩阵进行相似度计算,得到目标设备中相应运行状态参数的单参数相似度;
37、异常检测模块,用于根据多个运行状态本文档来自技高网...
【技术保护点】
1.一种电力设备异常检测分析方法,其特征是,包括以下步骤:
2.根据权利要求1所述的一种电力设备异常检测分析方法,其特征是,不同正常运行工况之间选择至少一个电气参数进行划分,且相邻的两个正常运行工况之间的电气参数差值为预设固定值。
3.根据权利要求1所述的一种电力设备异常检测分析方法,其特征是,所述单参数特征矩阵的表达式具体为:
4.根据权利要求1所述的一种电力设备异常检测分析方法,其特征是,所述依据目标设备的实时切换工况匹配同一运行状态参数在多个正常运行工况下的单参数特征矩阵的过程具体为:
5.根据权利要求4所述的一种电力设备异常检测分析方法,其特征是,所述参数估算特征矩阵的获得过程具体为:
6.根据权利要求1所述的一种电力设备异常检测分析方法,其特征是,所述单参数相似度的计算公式具体为:
7.根据权利要求1所述的一种电力设备异常检测分析方法,其特征是,所述目标设备的总相似度计算公式具体为:
8.一种电力设备异常检测分析系统,其特征是,包括:
9.一种计算机终端,包含存储器、处理器及
10.一种计算机可读介质,其上存储有计算机程序,其特征是,所述计算机程序被处理器执行可实现如权利要求1-7中任意一项所述的一种电力设备异常检测分析方法。
...【技术特征摘要】
1.一种电力设备异常检测分析方法,其特征是,包括以下步骤:
2.根据权利要求1所述的一种电力设备异常检测分析方法,其特征是,不同正常运行工况之间选择至少一个电气参数进行划分,且相邻的两个正常运行工况之间的电气参数差值为预设固定值。
3.根据权利要求1所述的一种电力设备异常检测分析方法,其特征是,所述单参数特征矩阵的表达式具体为:
4.根据权利要求1所述的一种电力设备异常检测分析方法,其特征是,所述依据目标设备的实时切换工况匹配同一运行状态参数在多个正常运行工况下的单参数特征矩阵的过程具体为:
5.根据权利要求4所述的一种电力设备异常检测分析方法,其特征是,所述参数估算特征矩阵的获得过程具体为:
【专利技术属性】
技术研发人员:韩冬,吕云海,邓有良,朱英杰,郭雅欣,李文杰,成江,邢惠民,田野,李仁辉,王琳,解云兴,翟爽,马建勇,张乐,隋艳,来晓帅,王鹏程,王艳冲,田恒新,张文强,张健健,贾连涛,裴玉洁,孙晓婷,
申请(专利权)人:国网山东省电力公司东营供电公司,
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。