本发明涉及变电站过电压数据处理领域，特别是一种变电站设备过电压感知、数据挖掘与应用系统。
背景技术：
对变电站过电压的在线监测已经进行多年，收集了大量的过电压数据。通过对海量过电压数据的分析，采用大数据分析方法，能够得出变电站发生过电压的部分规律，并对可能发生的事故进行预警，同时通过大数据分析对设备的性能进行评估，并给出相应的检修策略。
目前通过在线监测系统采集的过电压数据中，记录的单个时间段的过电压数据可能是由几种不同的过电压波形合成的，难以判断单一过电压的特性，目前未有完善的技术进行区别并分解过电压波。
进而，必须设计一种变电站设备过电压感知、数据挖掘与应用系统，实现对变电站设备的过电压数据进行分析与运用。
技术实现要素：
本发明的目的是提出一种变电站设备过电压感知和数据处理方法；该系统对过电压数据进行采集清洗，以及对过电压进行预警、评估与检修。
本发明的目的是通过以下技术方案来实现的：
本发明提供的变电站设备过电压感知和数据处理方法，包括以下步骤：
S1：在变电站预设区域内设置过电压的监测站点；
S2：在预设区域内关键设备上设置过电压传感器；
S3：利用过电压传感器获取过电压监测数据；
S4：建立过电压数据深度处理模型；
S5：将采集到的过电压数据输入到过电压数据深度处理模型；
S6：利用过电压数据深度处理模型对过电压数据进行电力系统设备性能寿命评估处理；
S7：判断电力系统设备性能寿命评估是否达到预设阈值，如果否，则返回继续处理；
S8：如果是，则输出电力系统设备故障预警信号。
进一步，所述过电压传感器为变频过电压传感器。
进一步，所述过电压数据深度处理模型是通过过电压信息深度挖掘理论构建的过电压深度识别模型。
进一步，所述过电压数据处理还包括对比不同过电压的波形参数进行改进，具体步骤如下：
S51：根据过电压波形建立过电压分布模型：以时间为参数的累计过电压数据，利用极大似然估计法和拟合优度检验法对波形参数进行改进；
S52：对关键设备的过电压数据采用改进K-均值多级聚类算法并对过电压进行分类，并建立过电压分类误差的模型，进行预测评估；
S53：利用自调节步长BP法与自调节权系数BP法，分析变电站的拓扑结构和传感器的布置位置，计算不同过电压类型之间关联程度。
进一步，所述过电压数据深度处理包括关键设备过电压数据处理方法，具体步骤如下：
统计过电压数据找出最优行列比，分析过电压历史数据的各偏差程度所占的百分比，得到关键设备过电压数据。
进一步，所述过电压数据深度处理包括多次过电压累积处理方法，具体步骤如下：
获取实际变电站不同变压器侵入波发生概率以及其参数特征，建立一个侵入波的概率统计模型，利用实验室的变压器油纸绝缘仿真实验平台进行变压器侵入波的仿真实验，得到侵入波的波形参数；
介质在多次侵入波作用下的失效特性，建立一个波形参数与累积失效次数的高维模型；
然后统计设备在失效前的过电压次数，根据平均每年发生过电压次数估计设备的使用年限，设定一个过电压累积发生次数预警的阈值；
得出电力系统设备的性能以及在累积效应作用下的寿命规律后，结合过电压阈值；
建立一个基于过电压大数据的过电压预警系统与设备性能评估及检修策略。
由于采用了上述技术方案，本发明具有如下的优点：
本发明提供的变电站设备过电压感知、数据挖掘与应用系统；通过对过电压数据进行二次处理，深度挖掘，对典型的过电压波的参数进行优化改进，得到不同的过电压之间的关联性规律，以此为基础推断分析电力系统中关键设备的性能变化规律和累积效应作用下的寿命规律，并以此开发出过电压预警系统和设备评估与检修策略。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
本发明的附图说明如下。
图1为变电站设备过电压感知、数据挖掘与应用系统原理示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实施例1
如图1所示，本实施例提供的变电站设备过电压感知和数据处理方法，包括过以下步骤：
S1：搭建一个过电压数据的收集与分享平台，
S2：运用大数据的深度挖掘理论研究过电压数据，
S3：研究大量的电力系统过电压数据，对其进行统计分析，
S4：过电压深度挖掘模型应用，对电力系统设备性能寿命评估并在可能发生故障前预警。
所述的过电压数据收集分享平台，具体包括以下步骤：
S11：在一个区域内寻找能体现典型过电压的监测站点，确保这些站点能够反映过电压的传播规律、产生规律；
S12：结合站内关键设备的物理特性和过电压统计规律，布置过电压传感器；
S13：将传感器接入拓扑结构，并实现网络链接，形成集中分享平台。
还包括以下步骤：
S31：通过采集的数据对几种典型过电压的关键参数进行改进优化；
S32：研究电力系统过电压随着时间变化的规律；
S33：研究电力系统不同类型过电压之间的关联性及规律，
所述的过电压深度挖掘模型应用，具体包括以下步骤：
S41：研究电力系统中关键设备性能的变化规律；
S42：研究电力系统中关键设备在多次过电压累计作用下的寿命规律。
实施例2
本实施例提供的变电站设备过电压感知及数据挖掘，收集并分析海量的过电压数据，运用大数据的方法找出数据之间的联系，即不同过电压发生的关联性，同时研究电力系统设备在过电压作用下的性能变化情况，对其寿命进行评估并对可能发生的事故进行预警；具体步骤如下：
S1：构建电网过电压数据集成分享平台。包括选择一个地区内的哪些变电站作为监测点，监测哪些设备的过电压以及研发变频过电压传感器；
S2：过电压信息深度挖掘理论研究。将数据挖掘理论运用到过电压数据中，建立一套能够深度识别过电压的模型；
S3：电力系统过电压统计特性研究；
S4：过电压深度挖掘模型应用。
所述的过电压数据集成分享平台，首先需要在在一个大的地区内寻找适合的过电压监测站点，确保这些站点能够反映过电压传播规律、产生规律，其次结合站点内关键设备的物理特性和以往的过电压统计规律，研发变频过电压传感器并布置在关键设备处，最后将传感器接入拓扑结构，并实现网络链接，形成集中平台。其中过电压监测站点覆盖面要广，使获得的数据更加具有普遍性，同时记录过程中应筛选出过电压异常的区域，分析事故原因是否具有一致性。站内测量设备的选择需结合其物理特性，所需的过电压传感器应同时保证数据的完整性和有效性，能够得到关键设备的按时间变化的过电压模型。
所述的过电压信息深度挖掘理论研究，是将经过筛选后的有效过电压数据进一步分析，构建一套过电压深度识别模型，使之能够快速准确的识别过电压类型，并分析不同过电压之间的联系，找出数据之间的联系。
所述的电力系统过电压统计特性研究，包括对比不同过电压的波形，对几种过电压的波形参数进行改进，研究电力系统过电压按时间变化的规律以及产生各过电压之间的规律。一、实际采集到的某类过电压波形可能会与理论波形产生差别，为了快速识别过电压种类，需要对采集到的波形进行改进，首先分析各类典型的过电压波形，然后建立过电压以时间为参数的累计分布模型后，利用极大似然估计法和拟合优度检验法对波形参数进行改进。二、研究关键设备的过电压按时间变化的规律，采用改进K-均值多级聚类算法并对过电压进行分类，并建立过电压分类误差的模型，进行预测评估，进一步分析过电压随时间的变化规律。三、分析不同过电压的发生是否具有关联性，利用自调节步长BP法与自调节权系数BP法，分析变电站的拓扑结构和传感器的布置位置，计算不同过电压类型之间关联程度。
所述的过电压深度挖掘模型应用，包括关键设备性能变化规律，以及多次过电压累积作用下导致设备失效的规律。一、在对过电压数据进行统计研究后，找出最优行列比，再采用一些方法措施对其深度挖掘，如高维随机矩阵理论大数据表征法、KPCA法圆环散点聚类，分析过电压历史数据的各偏差程度所占的百分比，得到一些关键设备在过电压作用下其性能的变化规律。二、收集实际变电站不同变压器侵入波发生概率以及其参数特征，建立一个侵入波的概率统计模型，利用实验室的变压器油纸绝缘仿真实验平台进行变压器侵入波的仿真实验，得到侵入波的波形参数，介质在多次侵入波作用下的失效特性，建立一个波形参数与累积失效次数的高维模型，然后统计设备在失效前的过电压次数，根据平均每年发生过电压次数估计设备的使用年限，设定一个过电压累积发生次数预警的阈值，阈值设置为上述研究得到失效电压次数的90％，该阈值可以根据实际需要调整。
得出电力系统设备的性能以及在累积效应作用下的寿命规律后，结合过电压阈值，建立一个基于过电压大数据的过电压预警系统与设备性能评估及检修策略。
实施例3
本实施例通过选择我国南部某地的多处变电站后，安装过电压监测系统，采集数据建立过电压数据集成分享平台，具体步骤如下：
S1：根据设备的物理特性并结合以往的过电压统计数据，选择变电站中的关键设备；
S2：在关键设备处布置传感器；
S3：传感器接入拓扑结构，进行数据筛选与分析；
S4：将数据与网络链接，形成集中分享平台。
对过电压数据进行深度挖掘，通过过电压深度识别模型得出有效的过电压数据。
对过电压进行统计性研究，优化典型过电压的关键参数，如改善雷电波的波头与波尾时间参数，再根据模型找出过电压按时间变化的规律与不同过电压之间的联系。
根据设备性能的变化规律对运行中的设备进行性能评估，提供检修策略。根据设备的累积失效寿命预警年限对达到阈值的设备进行报警处理，提示管理人员。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。