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设备检测,尤其涉及一种电力设备运行状态实时检测方法及系统。
技术介绍
1、电力设备包括发电设备和供电设备,其中发电设备主要包括蒸汽轮机、燃气轮机、发电机、变压器等,供电设备主要包括各种电压等级的输电线路、互感器、接触器等,电力设备工作状况的稳定性对电网系统的安全正常运行十分重要,进而实时检测电力设备运行状态是十分必要的。
2、传统的运行状态检测主要依靠监控系统和人工检查,通过安装在电力设备上的传感器实时监测电力参数,如电压、电流等,当监测到实时数据超过预设值时则判定为异常,并通过人工检查来进一步确定电力设备运行状态。然而,电力系统中电力设备在运行过程中会产生大量数据,包括电气参数、环境参数和事件数据等,这一往往无法充分利用这些数据来提高状态检测的准确性和效率,其自适应能力弱,且具有较高的误判概率。
3、随着机器学习的发展,逐步将深度学习算法应用到电力设备智能运行方式的研究中,实现更高效准确的状态检测。目前,通常利用卷积神经网络cnn处理电力设备的运行数据,例如电流、电压信号等,自动提取运行数据特征,以此为状态检测提供依据。然而,现有方式无法充分处理电力运行状态相关数据复杂多样的特点,导致预测及特征提取不准确、效率较低;另一方面,在电网真实运维环境中,电力设备的正常运行状态远多于异常状态,少量的异常状态数据容易在大量正常状态数据中被掩盖,导致类别间不平衡,进而训练获取的检测模型其检测结果存在偏差,其准确性较差。
技术实现思路
1、为解决上述现
2、第一方面,本专利技术提供了一种电力设备运行状态实时检测方法及系统。
3、一种电力设备运行状态实时检测方法,包括:
4、实时获取设定时间段内电力设备运行的多种状态变量数据,构造时空序列数据;
5、对时空序列数据进行预处理;
6、将预处理后的时空序列数据输入至训练完成的检测模型中,输入数据依次通过检测模型中的空间特征提取模块和时空注意力模块提取时空特征,再通过分类模块输出电力设备运行状态的检测结果;
7、其中,所述分类模块采用包括两个并行全连接层的多层感知机,一个全连接层用于进行数据投影,另一个全连接层用于进行状态分类,检测模型训练过程中的投影结果和分类结果分别应用于对比损失函数和交叉熵损失函数的计算。
8、进一步的技术方案,所述状态变量数据包括电力设备运行时的温度、电流、电压、环境温度、环境湿度、设备负载、设备振动幅值。
9、第二方面,本专利技术提供了一种电力设备运行状态实时检测系统。
10、一种电力设备运行状态实时检测系统,包括:
11、数据获取模块,用于实时获取设定时间段内电力设备运行的多种状态变量数据,构造时空序列数据;
12、数据预处理模块,用于对时空序列数据进行预处理;
13、检测模块,用于将预处理后的时空序列数据输入至训练完成的检测模型中,输入数据依次通过检测模型中的空间特征提取模块和时空注意力模块提取时空特征,再通过分类模块输出电力设备运行状态的检测结果;
14、其中,所述分类模块采用包括两个并行全连接层的多层感知机,一个全连接层用于进行数据投影,另一个全连接层用于进行状态分类,检测模型训练过程中的投影结果和分类结果分别应用于对比损失函数和交叉熵损失函数的计算。
15、进一步的技术方案,所述状态变量数据包括电力设备运行时的温度、电流、电压、环境温度、环境湿度、设备负载、设备振动幅值。
16、以上一个或多个技术方案存在以下有益效果:
17、1、本专利技术提供了一种电力设备运行状态实时检测方法及系统,采用深度学习的方式训练检测模型,利用该检测模型对电力设备运行状态进行实时监测,并考虑到电力设备正常运行的时间及数据量远远大于异常运行,而这一问题影响着训练的检测模型的检测精度,为此,通过对比学习的方式训练检测模型,改进模型训练时的损失函数,解决解决模型训练数据存在的不平衡问题,提高模型的检测准确性。
18、2、本专利技术中,采集并分析多种电力设备运行相关状态变量,包括电力设备运行时的温度、电流、电压、环境温度、环境湿度、设备负载和设备振动幅值等,相较于传统的仅根据单一状态变量进行分析处理的方式,能够有效避免数据特征的遗漏,进而提高最终检测的准确性;同时,构建用于提取时空特征的检测模型,通过对上述复杂的电力运行状态相关数据在时间和空间两个维度上的分析处理,提取更全面的数据特征,避免特征提取不准确、不全面而导致最终检测结果准确性差的问题。
本文档来自技高网...【技术保护点】
1.一种电力设备运行状态实时检测方法,其特征是,包括:
2.如权利要求1所述的电力设备运行状态实时检测方法,其特征是,所述状态变量数据包括电力设备运行时的温度、电流、电压、环境温度、环境湿度、设备负载、设备振动幅值。
3.如权利要求1所述的电力设备运行状态实时检测方法,其特征是,对时空序列数据进行预处理,包括:
4.如权利要求1所述的电力设备运行状态实时检测方法,其特征是,将数据输入至空间特征提取模块,利用核主成分分析法提取空间特征,包括:
5.如权利要求4所述的电力设备运行状态实时检测方法,其特征是,所述时空注意力模块包括时间注意力模块和空间注意力模块,时空特征的提取包括:
6.如权利要求1所述的电力设备运行状态实时检测方法,其特征是,所述检测模型的损失函数为基于对比损失函数和交叉熵损失函数的混合损失函数。
7.一种电力设备运行状态实时检测系统,其特征是,包括:
8.如权利要求7所述的电力设备运行状态实时检测系统,其特征是,所述状态变量数据包括电力设备运行时的温度、电流、电压、环境温度、环境湿度
9.如权利要求7所述的电力设备运行状态实时检测系统,其特征是,将数据输入至空间特征提取模块,利用核主成分分析法提取空间特征,包括:
10.如权利要求9所述的电力设备运行状态实时检测系统,其特征是,所述时空注意力模块包括时间注意力模块和空间注意力模块,时空特征的提取包括:
...【技术特征摘要】
1.一种电力设备运行状态实时检测方法,其特征是,包括:
2.如权利要求1所述的电力设备运行状态实时检测方法,其特征是,所述状态变量数据包括电力设备运行时的温度、电流、电压、环境温度、环境湿度、设备负载、设备振动幅值。
3.如权利要求1所述的电力设备运行状态实时检测方法,其特征是,对时空序列数据进行预处理,包括:
4.如权利要求1所述的电力设备运行状态实时检测方法,其特征是,将数据输入至空间特征提取模块,利用核主成分分析法提取空间特征,包括:
5.如权利要求4所述的电力设备运行状态实时检测方法,其特征是,所述时空注意力模块包括时间注意力模块和空间注意力模块,时空特征的提取包括:
6.如权利要求...
【专利技术属性】
技术研发人员:徐文超,孔德强,张红梅,陈露,屈强,李光铁,王冉,方文静,
申请(专利权)人:国网山东省电力公司曲阜市供电公司,
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。