【技术实现步骤摘要】
本专利技术属于时间序列数据智能处理算法，具体涉及一种高压开关设备气体泄漏预测方法和计算机装置。
技术介绍
1、随着充气类高压开关设备在变电站的广泛应用，漏气问题是高压开关设备现场运维检修出现最多的问题之一。高压开关设备主要使用密度表作为监测其气室气体压力的监测装置，很多密度表已经具备远传功能。但目前电站现场对于气体泄漏情况的获取和判断大多依靠人工查看或简单的阈值判断。
2、在高压开关设备漏气预测算法研究中，已有使用lstm等深度学习方法判断高压开关是否出现漏气现象，但这类算法需要事先采集大量数据对预测模型进行训练，在实际工程应用中采集大量数据过程较为复杂同时需要消耗大量时间，导致其在实际工程应用中很难实施；而且，深度学习模型精度受训练数据影响较大，在训练数据较少的情况下很难保证深度学习模型精度有较高的预测精度。
技术实现思路
1、本专利技术的目的在于提供一种高压开关设备气体泄漏预测方法和计算机装置，用以解决现有技术中使用深度学习算法对漏气问题进行预测需要大量训练数据造成的需要花...
【技术保护点】
1.一种高压开关设备气体泄漏预测方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的高压开关设备气体泄漏预测方法，其特征在于，判定高压开关设备在预测时间段内存在气体泄漏风险的具体过程为：根据所述至少两个不同时间尺度中的最小时间尺度下每段时间的气体密度数据的气体密度平均值计算该最小时间尺度下气体密度平均值的极差，若极差大于设定极差阈值，则判定存在气体泄漏风险。
3.根据权利要求1所述的高压开关设备气体泄漏预测方法，其特征在于，根据气体密度平均值计算泄漏率的具体过程为：将某一时间尺度下的气体密度平均值拟合成一条直线，直线斜率为负时，直线...
【技术特征摘要】
1.一种高压开关设备气体泄漏预测方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的高压开关设备气体泄漏预测方法，其特征在于，判定高压开关设备在预测时间段内存在气体泄漏风险的具体过程为：根据所述至少两个不同时间尺度中的最小时间尺度下每段时间的气体密度数据的气体密度平均值计算该最小时间尺度下气体密度平均值的极差，若极差大于设定极差阈值，则判定存在气体泄漏风险。
3.根据权利要求1所述的高压开关设备气体泄漏预测方法，其特征在于，根据气体密度平均值计算泄漏率的具体过程为：将某一时间尺度下的气体密度平均值拟合成一条直线，直线斜率为负时，直线斜率的绝对值即为该时间尺度下对应的泄漏率。
4.根据权利要求1所述的高压开关设备气体泄漏预测方法，其特征在于，所述不同时间尺度包括三个时间尺度，三个时间尺度分别为第一时间尺度、第二时间尺度和第三时间尺度，所述第三时间尺度至少大于第二时间尺度的十倍、所述第二时间尺度至少大于第一时间尺度的十倍。
5.根据权利要求1所述的高压开关设备气体泄漏预测方法，其特征在于，该方法还包括：在判定出现影响高压开关设备运行的气体泄漏，根据每个时间尺度下分别对应的泄漏率中的最大泄漏率计算气体泄漏至气体密度达到设定密...
【专利技术属性】
技术研发人员：马栋良，张文涛，谭盛武，姚永其，张一茗，李得祥，朱振毅，李智超，孙浩航，史超名，高向东，李少华，刘虎腾，王子聪，
申请(专利权)人：平高集团有限公司，
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。