一种基于因素与事件间相关关系识别的设备故障预测方法
【专利摘要】本发明公开了一种基于因素与事件间相关关系识别的设备故障预测方法，获取设备正常运行历史信息和故障历史信息，将设备故障时刻相关的运行信息及环境信息，存入数据表，形成设备故障数据集；将设备正常运行时的运行信息及环境信息形成设备正常运行数据集；在线统计分析设备故障参数，识别设备运行异常指标，从而能够迅速识别出电网设备故障隐患，进而预警，为调度和运检人员提供决策依据。本发明提供的预测方法，可给出故障判据，选出故障因素以及故障指标范围，提供明确的预警指标，为预警提供了一种科学方法。
【专利说明】一种基于因素与事件间相关关系识别的设备故障预测方法
【技术领域】
[0001]本发明涉及电气行业，特别涉及一种基于因素与事件间相关关系识别的设备故障预测方法。
【背景技术】
[0002]随着电网建设的快速发展，我国在输电容量、设备和技术水平等都走在了世界的前列，对输变电设备的性能和运行可靠性也提出了更高的要求，因此需要通过故障预警从根本上避免故障的发生。然而现有的设备故障预警技术是基于知识库专家系统建模和基于人工神经网络建模，前者虽然具有继承已有运行经验，但是对于一些复杂的系统，特别是知识来源不足以表达与反映事故的特征；后者虽然自学习能力较好，但模型维护非常难，建模需要耗时的学习过程，学习样本的选择也缺乏依据。同时传统的方法由于模型本身存在的误差或者是建模出现的错误，又或者是模型本身不具有一般性，这样也有可能造成误判、漏判。因此传统的预警方法已经无法解决当前设备面临的预警问题，需一种新的方法来识别设备异常征兆，并进行预警，帮助电网提前采取措施避免故障的发生，变被动检修为主动检修，变非计划停机为计划停机。
【发明内容】
[0003]为解决现有技术存在的不足，本发明公开了一种基于因素与事件间相关关系识别的设备故障预测方法，本申请基于设备运行信息、环境信息以及设备故障信息，在线统计分析设备故障参数，识别设备运行异常指标，从而能够迅速识别出电网设备故障隐患，进而预警，为调度和运检人员提供决策依据。
[0004]为实现上述目的，本发明的具体方案如下:
[0005]一种基于因素与事件间相关关系识别的设备故障预测方法，包括以下步骤:
[0006]步骤一:获取设备正常运行信息和故障信息，将设备故障时刻相关的运行信息及环境信息，存入数据表，形成设备故障数据集；将设备正常运行时的运行信息及环境信息形成设备正常运行数据集；
[0007]步骤二:基于步骤一中的设备正常运行信息和故障信息，对设备运行因素指标值进行区间划分，对因素最大指标值与最小指标值之间的距离等间距划分为η份，在线计算得到当前区间段内的设备故障率；
[0008]步骤三:采用步骤二中各个子区间两端的值的均值作为指标值区间的量化值，形成新的指标值序列，利用距离相关性算法计算因素指标值与故障率之间的相关系数，该相关关系表征了因素与故障之间的相关性。
[0009]步骤四:采用相关关系排序算法对多个因素与故障间相关系数进行排序，最终确定设备故障因素；
[0010]步骤五:对确定的故障因素采用聚类算法分析故障因素指标值，进而确定故障判据；
[0011]步骤六:将设备当前运行值与故障判据进行比较，判断与故障相关的因素运行值是否在故障指标值范围内，如果所有故障指标的运行值均在故障指标值范围内，则判断设备运行异常，给出设备故障预警信息。
[0012]所述步骤二的设备故障率计算的具体过程为:在指标值对应的每个区间段内，统计故障设备台数以及正常运行设备台数，通过计算故障设备台数/ (故障设备台数+正常设备台数)进而得到当前区间段内的设备故障率。
[0013]所述步骤四的相关关系排序算法是将因素与故障间的相关系数从大到小依次排列，将一组无序的序列调整成有序的序列，进而得到因素与故障间相关性强弱的排列序列，设定阈值，将相关系数大于阈值的因素确定为故障因素，阈值的取值范围为其绝对值小于等于I。
[0014]所述环境信息包括温度、湿度、雨量、风速、风向、海拔；运行信息包括设备电压、电流、功率。
[0015]所述步骤六中，当满足公式Ix-XnI <ko时，故障发生，其中O为故障样本的标准差，xn为故障判据，X为因素实时指标值，k为正实数。
[0016]所述步骤三中距离相关性算法是计算相关系数的一种方法，基本的公式为:
[0017]
【权利要求】
1.一种基于因素与事件间相关关系识别的设备故障预测方法，其特征是，包括以下步骤: 步骤一:获取设备正常运行历史信息和故障历史信息，将设备故障时刻相关的运行信息及环境信息，存入数据表，形成设备故障数据集；将设备正常运行时的运行信息及环境信息形成设备正常运行数据集； 步骤二:基于步骤一中的设备正常运行历史信息和故障历史信息，对设备运行因素指标值进行区间划分，对因素最大指标值与最小指标值之间的距离等间距划分为η份，在线计算得到当前区间段内的设备故障率； 步骤三:采用步骤二中各个子区间两端的值的均值作为指标值区间的量化值，形成新的指标值序列，利用距离相关性算法计算因素指标值与故障率之间的相关系数，该相关关系表征了因素与故障之间的相关性。 步骤四:采用相关关系排序算法对多个因素与故障间相关系数进行排序，最终确定设备故障因素； 步骤五:对确定的故障因素采用聚类算法分析故障因素指标值，进而确定故障判据； 步骤六:将设备当前运行值与故障判据进行比较，判断与故障相关的因素运行值是否在故障指标值范围内，如果所有故障指标的运行值均在故障指标值范围内，则判断设备运行异常，给出设备故障预警信息。
2.如权利要求1所述的一种基于因素与事件间相关关系识别的设备故障预测方法，其特征是，所述步骤二的设备故障率计算的具体过程为:在指标值对应的每个区间段内，统计故障设备台数以及正常运行设备台数，通过计算故障设备台数/ (故障设备台数+正常设备台数)进而得到当前区间段内的设备故障率。
3.如权利要求1所述的一种基于因素与事件间相关关系识别的设备故障预测方法，其特征是，所述环境信息包括温度、湿度、雨量、风速、风向及海拔；运行信息包括设备电压、电流及功率。
4.如权利要求1所述的一种基于因素与事件间相关关系识别的设备故障预测方法，其特征是，所述步骤四的相关关系排序算法是将因素与故障间的相关系数从大到小依次排列，将一组无序的序列调整成有序的序列，进而得到因素与故障间相关性强弱的排列序列，设定阈值，将相关系数大于阈值的因素确定为故障因素，阈值的取值范围为其绝对值小于等于I。
5.如权利要求1所述的一种基于因素与事件间相关关系识别的设备故障预测方法，其特征是，所述步骤六中，当满足公式Ix-XnI <ko时，故障发生，其中σ为故障样本的标准差，Xn为故障判据，X为因素实时指标值，k为正实数。
【文档编号】G06Q10/04GK104200288SQ201410479909
【公开日】2014年12月10日 申请日期:2014年9月18日 优先权日:2014年9月18日
【发明者】于大洋, 李亚锦 申请人:山东大学