本發(fā)明涉及輸變電設(shè)備監(jiān)測(cè)，尤其涉及一種輸變電設(shè)備異常預(yù)警方法及裝置。

背景技術(shù)：

1、發(fā)電廠生產(chǎn)的電能經(jīng)過多種輸變電設(shè)備構(gòu)建的變電網(wǎng)絡(luò)，供給配電系統(tǒng)和用戶。一般輸電系統(tǒng)的設(shè)備有：變換電壓的設(shè)備、接通和開斷電路的開關(guān)電器、防御過電壓，限制故障電流的電器、無(wú)功補(bǔ)償設(shè)備、載流導(dǎo)體、接地裝置等。其中變換電壓的設(shè)備有：變壓器；接通和開斷電路的開關(guān)電器有：斷路器、隔離開關(guān)、熔斷器；防御過電壓和限制故障電流的電器有：避雷器、避雷針、避雷線、電抗；無(wú)功補(bǔ)償設(shè)備有：電力電容器、同步調(diào)相機(jī)、靜止補(bǔ)償器；載流導(dǎo)體有：母線、引線、電纜、架空線；接地裝置有：變壓器中性點(diǎn)接地、設(shè)備外殼接地、防雷接地等。

2、現(xiàn)有的研究大都是基于單一系統(tǒng)的部分設(shè)備信息的故障診斷，設(shè)備的實(shí)際運(yùn)維中大都采用簡(jiǎn)單閾值判定方法來檢測(cè)異常，設(shè)備信息利用率和設(shè)備信息利用率和和狀態(tài)評(píng)價(jià)正確率都偏低。

3、目前在線監(jiān)測(cè)數(shù)據(jù)異常檢測(cè)方面具有研究的大數(shù)據(jù)技術(shù)有時(shí)間序列分析、馬爾可夫模型、遺傳規(guī)劃算法、分類算法等，但這些研究大都還是試探性的，沒有形成合理、完善的評(píng)價(jià)模型。對(duì)電網(wǎng)中分散的故障點(diǎn)缺乏關(guān)聯(lián)性分析。

4、基于此，需要開發(fā)一種輸變電設(shè)備異常預(yù)警方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施方式提供了一種輸變電設(shè)備異常預(yù)警方法及裝置，以解決現(xiàn)有技術(shù)中輸變電設(shè)備異常狀態(tài)評(píng)價(jià)準(zhǔn)確率較低的問題。

2、第一方面，本發(fā)明實(shí)施方式提供了一種輸變電設(shè)備異常預(yù)警方法，包括：

3、獲取多個(gè)運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列，其中，運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列表征輸變電設(shè)備輸變電電壓或電流隨時(shí)間的波動(dòng)性；

4、根據(jù)多個(gè)標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列對(duì)每個(gè)運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列進(jìn)行樣本相似性提取，并將提取結(jié)果構(gòu)建為樣本特征向量，從而獲得多個(gè)樣本特征向量；

5、將每個(gè)樣本特征向量歸類到最近的標(biāo)準(zhǔn)樣本特征類中，并將標(biāo)準(zhǔn)樣本特征類的狀態(tài)作為樣本特征向量的狀態(tài)，從而獲得多個(gè)狀態(tài)；

6、根據(jù)所述多個(gè)狀態(tài)、異常發(fā)生的概率以及多個(gè)狀態(tài)發(fā)生的概率，確定當(dāng)前輸變電設(shè)備異常的概率。

7、在一種可能的實(shí)現(xiàn)方式中，所述根據(jù)多個(gè)標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列對(duì)每個(gè)運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列進(jìn)行樣本相似性提取，并將提取結(jié)果構(gòu)建為樣本特征向量，包括：

8、獲取多個(gè)標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列；

9、對(duì)于所述多個(gè)運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列中的每個(gè)運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列，分別執(zhí)行如下步驟：

10、從運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列的第一位置開始連續(xù)取出與標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列數(shù)據(jù)總量相同的數(shù)據(jù)構(gòu)建為待處理隊(duì)列；

11、分別計(jì)算所述待處理隊(duì)列與所述多個(gè)標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列的相似度，并將獲得的多個(gè)相似度作為列向量，加入相似度矩陣；

12、若未完成遍歷，則對(duì)所述第一位置進(jìn)行偏移，并跳轉(zhuǎn)至所述從運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列的第一位置開始連續(xù)取出與標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列數(shù)據(jù)總量相同的數(shù)據(jù)構(gòu)建為待處理隊(duì)列的步驟；

13、否則，提取所述相似度矩陣每行元素的平均值，并將提取得到的多個(gè)平均值構(gòu)建為頻率特征向量。

14、在一種可能的實(shí)現(xiàn)方式中，所述分別計(jì)算所述待處理隊(duì)列與所述多個(gè)標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列的相似度，包括：

15、根據(jù)第一公式計(jì)算所述待處理隊(duì)列與所述多個(gè)標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列的相似度，其中，所述第一公式為：

16、

17、式中，sm為待處理隊(duì)列與標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列的相似度，q(n)為待處理隊(duì)列的第n個(gè)數(shù)據(jù)，qs(n)為標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列的第n個(gè)數(shù)據(jù)，nmax為標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列中數(shù)據(jù)的總數(shù)量。

18、在一種可能的實(shí)現(xiàn)方式中，所述多個(gè)標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列的獲取包括：

19、獲取多個(gè)樣本狀態(tài)數(shù)據(jù)隊(duì)列以及聚類數(shù)量；

20、根據(jù)所述聚類數(shù)量對(duì)所述多個(gè)樣本狀態(tài)數(shù)據(jù)隊(duì)列進(jìn)行聚類，從而獲得多個(gè)樣本類；

21、提取所述多個(gè)樣本類的類中心，獲得多個(gè)樣本類中心；

22、對(duì)所述多個(gè)樣本類中心進(jìn)行單位化，獲得多個(gè)單位類中心；

23、對(duì)所述多個(gè)單位類中心進(jìn)行兩兩的正交化測(cè)試，獲得多測(cè)試結(jié)果；

24、若所述多個(gè)測(cè)試結(jié)果的平均值小于正交化閾值，則將所述多個(gè)單位類中心作為多個(gè)標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列；

25、否則，調(diào)整所述聚類數(shù)量并跳轉(zhuǎn)至所述根據(jù)所述聚類數(shù)量對(duì)所述多個(gè)樣本狀態(tài)數(shù)據(jù)隊(duì)列進(jìn)行聚類，從而獲得多個(gè)樣本類的步驟。

26、在一種可能的實(shí)現(xiàn)方式中，所述對(duì)所述多個(gè)單位類中心進(jìn)行兩兩的正交化測(cè)試，獲得多測(cè)試結(jié)果，包括：

27、根據(jù)第二公式對(duì)所述多個(gè)單位類中心進(jìn)行兩兩的正交化測(cè)試，獲得多測(cè)試結(jié)果，其中，所述第二公式為：

28、

29、式中，qni(n)為第i個(gè)單位類中心的第n個(gè)數(shù)據(jù)，qnj(n)為第j個(gè)單位類中心的第n個(gè)數(shù)據(jù)，orth(i,j)為第i個(gè)單位類中心與第j個(gè)單位類中心的正交化測(cè)試結(jié)果，nmax為單位類中心中數(shù)據(jù)的總數(shù)量。

30、在一種可能的實(shí)現(xiàn)方式中，所述將每個(gè)樣本特征向量歸類到最近的標(biāo)準(zhǔn)樣本特征類中，并將標(biāo)準(zhǔn)樣本特征類的狀態(tài)作為樣本特征向量的狀態(tài)，包括：

31、對(duì)于每個(gè)樣本特征向量，分別執(zhí)行如下步驟：

32、獲取多個(gè)標(biāo)準(zhǔn)樣本特征類的類中心；

33、計(jì)算樣本特征向量分別到所述多個(gè)標(biāo)準(zhǔn)樣本特征類的類中心之間的距離，作為多個(gè)目標(biāo)距離；

34、選擇值最小的目標(biāo)距離對(duì)應(yīng)的標(biāo)準(zhǔn)樣本特征類作為目標(biāo)類；

35、將目標(biāo)類的狀態(tài)作為樣本特征向量的狀態(tài)。

36、在一種可能的實(shí)現(xiàn)方式中，在所述選擇值最小的目標(biāo)距離對(duì)應(yīng)的標(biāo)準(zhǔn)樣本特征類作為目標(biāo)類之后，包括：

37、獲取所述目標(biāo)類的半徑；

38、將所述目標(biāo)類的類中心與樣本特征向量之間的距離，作為第一距離；

39、若所述第一距離與所述目標(biāo)類的半徑的比值大于比值閾值，則輸出輸變電設(shè)備異常的消息。

40、在一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述多個(gè)狀態(tài)、異常發(fā)生的概率以及多個(gè)狀態(tài)發(fā)生的概率，確定當(dāng)前輸變電設(shè)備異常的概率，包括：

41、根據(jù)第三公式、所述多個(gè)狀態(tài)、異常發(fā)生的概率以及多個(gè)狀態(tài)發(fā)生的概率，確定當(dāng)前輸變電設(shè)備異常的概率，其中，所述第三公式為：

42、

43、式中，p(e│s1s2…sk)為當(dāng)前輸變電設(shè)備異常的概率，p(sk│e)為異常發(fā)生時(shí)輸變電設(shè)備處于sk狀態(tài)的概率，p(e)為輸變電設(shè)備異常狀態(tài)的概率，p(sk)為輸變電設(shè)備處于sk狀態(tài)的概率。

44、第二方面，本發(fā)明實(shí)施方式提供了一種輸變電設(shè)備異常預(yù)警裝置，包括：

45、數(shù)據(jù)獲取模塊，用于獲取多個(gè)運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列，其中，運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列表征輸變電設(shè)備輸變電電壓或電流隨時(shí)間的波動(dòng)性；

46、特征提取模塊，用于根據(jù)多個(gè)標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列對(duì)每個(gè)運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列進(jìn)行樣本相似性提取，并將提取結(jié)果構(gòu)建為樣本特征向量，從而獲得多個(gè)樣本特征向量；

47、狀態(tài)分析模塊，用于將每個(gè)樣本特征向量歸類到最近的標(biāo)準(zhǔn)樣本特征類中，并將標(biāo)準(zhǔn)樣本特征類的狀態(tài)作為樣本特征向量的狀態(tài)，從而獲得多個(gè)狀態(tài)；

48、以及，

49、異常分析模塊，用于根據(jù)所述多個(gè)狀態(tài)、異常發(fā)生的概率以及多個(gè)狀態(tài)發(fā)生的概率，確定當(dāng)前輸變電設(shè)備異常的概率。

50、在一種可能的實(shí)現(xiàn)方式中，所述異常分析模塊包括：

51、異常概率計(jì)算模塊，用于根據(jù)第三公式、所述多個(gè)狀態(tài)、異常發(fā)生的概率以及多個(gè)狀態(tài)發(fā)生的概率，確定當(dāng)前輸變電設(shè)備異常的概率，其中，所述第三公式為：

52、

53、式中，p(e│s1s2…sk)為當(dāng)前輸變電設(shè)備異常的概率，p(sk│e)為異常發(fā)生時(shí)輸變電設(shè)備處于sk狀態(tài)的概率，p(e)為輸變電設(shè)備異常狀態(tài)的概率，p(sk)為輸變電設(shè)備處于sk狀態(tài)的概率。

54、本發(fā)明實(shí)施方式相對(duì)于現(xiàn)有技術(shù)的有益效果：

55、本發(fā)明提供一種輸變電設(shè)備異常預(yù)警方法及裝置，本發(fā)明實(shí)施方式首先獲取多個(gè)運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列，其中，運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列表征輸變電設(shè)備輸變電電壓或電流隨時(shí)間的波動(dòng)性；然后根據(jù)多個(gè)標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列對(duì)每個(gè)運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列進(jìn)行樣本相似性提取，并將提取結(jié)果構(gòu)建為樣本特征向量，從而獲得多個(gè)樣本特征向量；接著將每個(gè)樣本特征向量歸類到最近的標(biāo)準(zhǔn)樣本特征類中，并將標(biāo)準(zhǔn)樣本特征類的狀態(tài)作為樣本特征向量的狀態(tài)，從而獲得多個(gè)狀態(tài)；最后根據(jù)所述多個(gè)狀態(tài)、異常發(fā)生的概率以及多個(gè)狀態(tài)發(fā)生的概率，確定當(dāng)前輸變電設(shè)備異常的概率。本發(fā)明實(shí)施方式對(duì)運(yùn)行狀態(tài)數(shù)據(jù)隊(duì)列通過與標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)隊(duì)列進(jìn)行相似度比較的方式，提取其樣本特征向量，然后根據(jù)樣本特征向量對(duì)輸變電設(shè)備多個(gè)維度進(jìn)行狀態(tài)劃分，最后根據(jù)狀態(tài)劃分采用貝葉斯公式計(jì)算出異常的概率，由于基于維度數(shù)據(jù)進(jìn)行異常分析判斷，因此，準(zhǔn)確率較高，并且相對(duì)于人工智能算法，所需要的樣本量更小，建模過程更簡(jiǎn)單，普適性更高。