【技术实现步骤摘要】
本专利技术涉及电力，具体为基于人工智能的电网设备健康状态实时预测方法。
技术介绍
1、电力设备(powersystem)主要包括发电设备和供电设备两大类，发电设备主要是电站锅炉、蒸汽轮机、燃气轮机、水轮机、发电机、变压器等，供电设备主要是各种电压等级的输电线路、互感器、接触器等。电力系统中的电力设备很多，根据它们在运行中所起的作用不同，通常将它们分为电气一次设备和电气二次设备。
2、随着人们的用电量增大以及电力设备系统的扩大，电力设备系统更加复杂化，电力设备系统通常会出现各种各样的故障。当电力设备系统中负荷过大或者出现异常故障时，如果不能及时地对其进行诊断处理，会给人民的生活带来影响，从而造成经济上的损失。
3、公开号为cn115587331a的中国专利申请公开了一种电网设备的运行状态诊断预测方法及系统，包括以下步骤：s1.获取电网设备的历史运行状态数据；s2.对电网设备的历史运行状态数据进行分析处理，选取电网设备运行状态相关的特征数据，生成数据集并分为训练集和测试集；s3.利用训练集对预测模型进行训练，将测试集输入预测模型对电网设备运行状态进行预测，获得电网设备运行状态的预测数据；s4.将电网设备运行状态的预测数据与电网设备运行状态的实际数据相比较，根据两者的比较结果对电网设备运行状态进行判定。本专利技术通过对电网设备运行状态的精准预测，提高了电网设备运行诊断的水平，能够及时地对电网设备在运行过程中产生的故障及异常进行处理，降低经济损失，为人民的正常生活提供了稳定。
4、由于电网设备数据量庞
技术实现思路
1、针对现有技术的不足，本专利技术提供了基于人工智能的电网设备健康状态实时预测方法，解决了对电网设备健康状态的实时监测和预测不够准确的问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：基于人工智能的电网设备健康状态实时预测方法，包括以下步骤：获取并基于测试电网设备的测试数据对测试电网设备的健康状态进行分类；获取进行健康状态分类后的测试电网设备的历史运行数据，并基于测试电网设备的健康状态对相应的历史运行数据进行健康状态分类；基于建立的健康状态预测模型将进行健康状态分类后的历史运行数据与标准运行数据进行对比，获得测试对比系数，并基于历史运行数据的健康状态将测试对比系数进行分类，获取健康状态系数区间；将实际运行的相关电网设备的实时运行数据输入建立的健康状态预测模型中，与标准运行数据进行对比，获得实时对比系数；将实时对比系数与健康状态系数区间进行比对，获取实际运行的相关电网设备的健康状态，并对获取健康状态后的相关电网设备继续进行监测。
3、进一步地，所述测试电网设备的测试数据包括电压测试数据和电流测试数据，基于测试电网设备的测试数据对测试电网设备的健康状态进行分类的过程如下：对测试数据进行频域特征分析，获得测试数据的频域特征数据集，所述测试数据的频域特征数据集包括电压特征数据集和电流特征数据集；将测试数据的频域特征数据集与标准数据的频域特征数据集进行对比分析，获得分类指数，所述标准数据的频域特征数据集包括标准电压特征数据集和标准电流特征数据集；判断分类指数是否大于设定的第一分割阈值，若否则将测试电网设备的健康状态标记为健康，若是则判断分类指数是否大于设定的第二分割阈值；若判断分类指数小于设定的第二分割阈值，则将测试电网设备的健康状态标记为亚健康，若判断分类指数大于设定的第二分割阈值，则将测试电网设备的健康状态标记为非健康。
4、进一步地，所述分类指数的计算公式如下：;式中，为分类指数，为电压特征数据集，为标准电压特征数据集，为电流特征数据集，为标准电流特征数据集，为电压特征数据集与标准电压特征数据集的匹配函数，为电流特征数据集与标准电流特征数据集的匹配函数，为电压特征数据集与标准电压特征数据集的匹配函数值的权重因子，为电流特征数据集与标准电流特征数据集的匹配函数值的权重因子，且。
5、进一步地，所述历史运行数据包括历史运行电性数据集和历史运行温湿度数据集，所述标准运行数据包括标准运行电性数据集和标准运行温湿度数据集，基于历史运行数据与标准运行数据进行对比，获得测试对比系数的过程如下：对历史运行电性数据集和标准运行电性数据集分别进行频域特征分析，分别获得历史运行电性特征数据集和标准运行电性特征数据集；对历史运行温湿度数据集和标准运行温湿度数据集进行时域特征分析，分别获得历史运行温湿度特征数据集和标准运行温湿度特征数据集；基于历史运行电性特征数据集和标准运行电性特征数据集获得运行电性分析系数；基于历史运行温湿度特征数据集和标准运行温湿度特征数据集获得运行温湿度分析系数；对运行电性分析系数和运行温湿度分析系数进行融合，获得测试对比系数。
6、进一步地，所述历史运行电性特征数据集包括历史运行电阻特征数据集和历史运行电容特征数据集，所述标准运行电性特征数据集包括标准运行电阻特征数据集和标准运行电容特征数据集；所述历史运行温湿度特征数据集包括历史温度特征数据集和历史湿度特征数据集，所述标准运行温湿度特征数据集包括标准温度特征数据集和标准湿度特征数据集。
7、进一步地，所述测试对比系数的计算公式为：；式中，为测试对比系数，为历史运行电性特征数据集，为标准运行电性特征数据集，为运行电性分析系数的计算函数，为历史运行温湿度特征数据集，为标准运行温湿度特征数据集，为温湿度分析系数的计算函数，为运行电性分析系数的权重因子，为运行温湿度分析系数的权重因子，且，为自然常数。
8、进一步地，基于历史运行数据的健康状态将测试对比系数进行分类，获取健康状态系数区间的过程如下：获取进行健康状态分类后的测试电网设备的测试对比系数，基于测试电网设备的健康状态对测试对比系数进行分类并标记；获取相同健康状态下的测试对比系数的最大值和最小值，并基于相同健康状态下的测试对比系数的最大值和最小值建立健康状态系数区间，所述健康状态系数区间包括健康状态区间、亚健康状态区间和非健康状态区间。
9、进一步地，所述健康状态系数区间包括健康状态区间、亚健康状态区间和非健康状态区间，将实时对比系数与健康状态系数区间进行比对，获取实际运行的相关电网设备的健康状态的过程如下：将实时对比系数分别与健康状态区间的区间端点值、亚健康状态区间的区间端点值和非健康状态区间的区间端点值进行对比；根据实时对比系数落入的健康状态系数区间的情况确定实际运行的相关电网设备的健康状态，所述实际运行的相关电网设备的健康状态包括健康、亚健康和非健康。
10、进一步地，对获取健康状态后的相关电网设备继续进行监测的过程如下：若实际运行的相关电网设备的健康状态为健康，则实时获取健康状态为健康的实际运行的相关电网设备的实时对比系数，判断实际运行的相关电网设备的健康状态；若实际运行的相关电网设备的健本文档来自技高网...
【技术保护点】
1.基于人工智能的电网设备健康状态实时预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的电网设备健康状态实时预测方法，其特征在于，所述测试电网设备的测试数据包括电压测试数据和电流测试数据，基于测试电网设备的测试数据对测试电网设备的健康状态进行分类的过程如下：
3.根据权利要求2所述的基于人工智能的电网设备健康状态实时预测方法，其特征在于：所述分类指数的计算公式如下：
4.根据权利要求1所述的基于人工智能的电网设备健康状态实时预测方法，其特征在于，所述历史运行数据包括历史运行电性数据集和历史运行温湿度数据集，所述标准运行数据包括标准运行电性数据集和标准运行温湿度数据集，基于历史运行数据与标准运行数据进行对比，获得测试对比系数的过程如下：
5.根据权利要求4所述的基于人工智能的电网设备健康状态实时预测方法，其特征在于，所述历史运行电性特征数据集包括历史运行电阻特征数据集和历史运行电容特征数据集，所述标准运行电性特征数据集包括标准运行电阻特征数据集和标准运行电容特征数据集；
6.根据权利要求4所述的基
7.根据权利要求6所述的基于人工智能的电网设备健康状态实时预测方法，其特征在于，基于历史运行数据的健康状态将测试对比系数进行分类，获取健康状态系数区间的过程如下：
8.根据权利要求1所述的基于人工智能的电网设备健康状态实时预测方法，其特征在于，所述健康状态系数区间包括健康状态区间、亚健康状态区间和非健康状态区间，将实时对比系数与健康状态系数区间进行比对，获取实际运行的相关电网设备的健康状态的过程如下：
9.根据权利要求8所述的基于人工智能的电网设备健康状态实时预测方法，其特征在于，对获取健康状态后的相关电网设备继续进行监测的过程如下：
10.根据权利要求9所述的基于人工智能的电网设备健康状态实时预测方法，其特征在于，基于标准辐磁数据和标准震动数据对获取健康状态为亚健康的实际运行的相关电网设备的健康状态进一步预测的过程为：
...【技术特征摘要】
1.基于人工智能的电网设备健康状态实时预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的电网设备健康状态实时预测方法，其特征在于，所述测试电网设备的测试数据包括电压测试数据和电流测试数据，基于测试电网设备的测试数据对测试电网设备的健康状态进行分类的过程如下：
3.根据权利要求2所述的基于人工智能的电网设备健康状态实时预测方法，其特征在于：所述分类指数的计算公式如下：
4.根据权利要求1所述的基于人工智能的电网设备健康状态实时预测方法，其特征在于，所述历史运行数据包括历史运行电性数据集和历史运行温湿度数据集，所述标准运行数据包括标准运行电性数据集和标准运行温湿度数据集，基于历史运行数据与标准运行数据进行对比，获得测试对比系数的过程如下：
5.根据权利要求4所述的基于人工智能的电网设备健康状态实时预测方法，其特征在于，所述历史运行电性特征数据集包括历史运行电阻特征数据集和历史运行电容特征数据集，所述标准运行电性特征数据集包括标准运行电阻特征数据集和...
【专利技术属性】
技术研发人员：杨帆，刘士李，陈付雷，李建青，黄道友，郝韩兵，赵迎迎，唐越，高象，郝雨，许家俊，方天睿，施晓敏，张云云，沈思，付安媛，李荣，
申请(专利权)人：国网安徽省电力有限公司经济技术研究院，
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。