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】
本专利技术涉及电气设备绝缘状态评估,具体来说,涉及基于绝缘材料热解分析的电气设备状态评估方法及云平台。
技术介绍
1、随着电力系统规模的扩大和电气设备管理水平的提高,电气设备长期高压高流量运行会产生局部放电,如果不能及时发现和消除,将会导致更严重的绝缘击穿或短路事故,对电网安全和稳定运行造成极大危害;与此同时,随着电气设备维修费用在企业生产成本中占比不断增大,相关企业逐渐从事后维护阶段进一步发展到基于设备运行数据预测其健康状态的基于状态维护阶段,通过分析历史运行检修监测数据评估和预测设备状况,可以为日常维护提供依据,实现精细化管理,提高设备可用率,进而降低维修成本,增强企业市场竞争力。
2、例如,中国专利201810909793.7公开了一种电气设备健康管理系统和方法,通过数据拟合方式建立映射关系,在电气设备中安装各种传感器进行实时监测、定期巡检采集数据,其建立了数据模型和神经网络,能够通过数据拟合方式映射关系,对电气设备进行健康状态评估和故障预测。但是,上述电气设备健康管理系统和方法在具体应用时,存在以下不足:其主要通过数据总线从安装在电气设备的传感器上在线采集电气设备的运行参数,而在特殊环境中,如发电厂、无线通信基站附近,由于电磁波干扰大,导致传感器对数据采集困难,得到的数据与实际数据误差较大,进而使得有效样本数量非常少,难以进行后续的健康状态评估和故障预测。
3、针对相关技术中的问题,目前尚未提出有效的解决方案。
技术实现思路
1、针对相关技术中的问题
2、为此,本专利技术采用的具体技术方案如下:
3、根据本专利技术的一个方面,提供了基于绝缘材料热解分析的电气设备状态评估方法,该基于绝缘材料热解分析的电气设备状态评估方法包括以下步骤:
4、s1、获取电气设备局部放电产生的绝缘状态特征气体浓度信息,得到绝缘状态的输入特征;
5、s2、依据电气设备当日绝缘状态的输入特征,建立绝缘参数数据库;
6、s3、利用模糊聚类算法对绝缘参数数据库中的输入特征进行处理,建立绝缘预估模型;
7、s4、利用随机森林算法对绝缘预估模型进行优化,得到当日绝缘预估指标值;
8、s5、依据电气设备当前时刻绝缘状态的输入特征,建立基于电气设备绝缘状态的svm算法训练模型;
9、s6、利用遗传算法优化svm算法训练模型的参数,得到当前时刻电气设备绝缘状态评估结果;
10、s7、依据当日绝缘预估指标值与当前时刻绝缘状态评估结果,对电气设备健康状态进行综合评估;
11、s8、利用全寿命周期管理技术,得到设备剩余使用寿命,对电气设备进行更换与维护。
12、进一步的,s2中建立绝缘参数数据库包括以下步骤:
13、s21、通过气体检测仪收集一周内每日指标气体的参数信息作为数据样本;
14、s22、选择气体的浓度作为特征向量;
15、s23、根据气体种类的不同将特征向量分配到不同聚类中;
16、s24、记录各个聚类的特征,每一个聚类均包含本周该气体浓度的最大值与最小值。
17、进一步的,s3中使用模糊聚类算法对绝缘参数数据库中的输入特征进行处理的计算公式为:
18、
19、式中,yi表示绝缘预估模型中本周第i天的初始向量;
20、xi表示本周第i天气体浓度;
21、xmax表示本周气体浓度的最大值;
22、xmin表示本周气体浓度的最小值。
23、进一步的,s4中利用随机森林算法对绝缘预估模型进行优化包括以下步骤:
24、s41、收集绝缘预估模型中初始向量数据,训练随机森林模型;
25、s42、将绝缘状态程度标注为指标值,作为预测目标;
26、s43、根据绝缘预估模型中初始向量的个数,设置树的数量;
27、s44、将初始向量数据输入随机森林模型中,计算得到绝缘预估指标值。
28、进一步的,s44中将初始向量数据输入随机森林模型中,计算得到绝缘预估指标值的计算公式为:
29、
30、式中,pre(y)表示绝缘预估指标值;
31、j表示绝缘预估模型中第j个初始向量;
32、k表示绝缘预估模型中初始向量的个数;
33、yi表示绝缘预估模型中本周第i天的初始向量。
34、进一步的,s5中建立基于电气设备绝缘状态的svm算法训练模型包括以下步骤:
35、s51、通过气体检测仪在同一日中的不同整点时刻收集指标气体的参数信息作为数据样本;
36、s52、处理缺失数据和异常值,选择气体的浓度比值作为特征向量;
37、s53、构建svm模型,通过svm模型学习获得权重向量与阈值;
38、s54、将特征向量输入训练好的svm模型,计算得出当前时刻绝缘状态初步评估结果。
39、进一步的,s54中计算得出当前时刻绝缘状态初步评估结果的计算公式为:
40、f(m)=w·m+b
41、式中,f(m)表示当前时刻电气设备的绝缘状态初步评估结果;
42、w表示svm模型学习得到的权重向量;
43、m表示输入的特征向量;
44、b表示svm模型学习得到的阈值。
45、进一步的,s6中利用遗传算法优化svm算法训练模型的参数的计算公式为:
46、p(y’)=δ·f(m)
47、式中,p(y’)表示当前时刻电气设备的绝缘状态评估结果;
48、δ表示遗传算法在交叉验证方式下的准确率,一般在0.6-0.9之间选取;
49、f(m)表示当前时刻电气设备的绝缘状态初步评估结果。
50、进一步的,s8中利用全寿命周期管理技术,得到设备剩余使用寿命包括以下步骤:
51、s81、对电气设备进行优化配置,通过台帐数据管理,详细记录电气设备基本信息及其资产状况的数据;
52、s82、对电气设备的运行状态与状态的变动进行记录;
53、s83、对电气设备的健康状态进行分析,通过统计电气设备各项技术经济指标,提供针对不同管理层次需求的报表输出;
54、s84、通过挖掘电气设备健康状态相关的大数据,得到电气设备剩余使用寿命;
55、s85、对电气设备剩余使用寿命进行分析,对剩余使用寿命不满两年的电气设备进行维护管理。
56、进一步的,s84中挖掘电气设备健康状态相关的大数据,得到电气设备剩余使用寿命所采用的方法为abc分析,具体计算公式为:
...【技术保护点】
1.基于绝缘材料热解分析的电气设备状态评估方法,其特征在于,该基于绝缘材料热解分析的电气设备状态评估方法包括以下步骤:
2.根据权利要求1所述的基于绝缘材料热解分析的电气设备状态评估方法,其特征在于,所述S2中建立绝缘参数数据库包括以下步骤:
3.根据权利要求1所述的基于绝缘材料热解分析的电气设备状态评估方法,其特征在于,所述S3中使用模糊聚类算法对绝缘参数数据库中的输入特征进行处理的计算公式为:
4.根据权利要求1所述的基于绝缘材料热解分析的电气设备状态评估方法,其特征在于,所述S4中利用随机森林算法对绝缘预估模型进行优化包括以下步骤:
5.根据权利要求4所述的基于绝缘材料热解分析的电气设备状态评估方法,其特征在于,所述S44中将初始向量数据输入随机森林模型中,计算得到绝缘预估指标值的计算公式为:
6.根据权利要求1所述的基于绝缘材料热解分析的电气设备状态评估方法,其特征在于,所述S5中建立基于电气设备绝缘状态的SVM算法训练模型包括以下步骤:
7.根据权利要求6所述的基于绝缘材料热解分析的电气设备状态评估
8.根据权利要求1所述的基于绝缘材料热解分析的电气设备状态评估方法,其特征在于,所述S6中利用遗传算法优化SVM算法训练模型的参数的计算公式为:
9.根据权利要求1所述的基于绝缘材料热解分析的电气设备状态评估方法,其特征在于,所述S8中利用全寿命周期管理技术,得到设备剩余使用寿命包括以下步骤:
10.基于绝缘材料热解分析的电气设备状态评估云平台,其特征在于,用于实现权利要求1-9中任一项所述基于绝缘材料热解分析的电气设备状态评估方法,该云平台包括:
...【技术特征摘要】
1.基于绝缘材料热解分析的电气设备状态评估方法,其特征在于,该基于绝缘材料热解分析的电气设备状态评估方法包括以下步骤:
2.根据权利要求1所述的基于绝缘材料热解分析的电气设备状态评估方法,其特征在于,所述s2中建立绝缘参数数据库包括以下步骤:
3.根据权利要求1所述的基于绝缘材料热解分析的电气设备状态评估方法,其特征在于,所述s3中使用模糊聚类算法对绝缘参数数据库中的输入特征进行处理的计算公式为:
4.根据权利要求1所述的基于绝缘材料热解分析的电气设备状态评估方法,其特征在于,所述s4中利用随机森林算法对绝缘预估模型进行优化包括以下步骤:
5.根据权利要求4所述的基于绝缘材料热解分析的电气设备状态评估方法,其特征在于,所述s44中将初始向量数据输入随机森林模型中,计算得到绝缘预估指标值的计算公式为:
6.根据权利...
【专利技术属性】
技术研发人员:初凤红,陈军,徐剑,姚久明,张衡,
申请(专利权)人:大航有能电气有限公司,
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。