一种电力调度系统的控制方法及装置与流程

本发明涉及电力电子技术领域，尤其涉及一种电力调度系统的控制方法及装置。

背景技术：

电力调度系统是一个由众多发电、输电、变电、配电、用电设备连接而成的大系统，电力设备的故障不仅会造成供电系统意外停电而导致电力企业经济效益减少，而且有可能造成用户的重大经济损失和不满，因此这些设备的可靠性及运行状况直接决定整个系统的稳定和安全，也决定了电力企业的经济效益及供电质量和可靠性。将各类监测信息进行标准化管理，并进行综合监视，通过设备异常信号分析、设备故障可靠性分析、设备在线运行状态分析等应用辅助监控员对电网设备进行监视、预警、分析及处置，提升监控员对电网运行状况的掌控能力及对电网运行风险的预控能力。

技术实现要素：

本发明实施例提供了一种电力调度系统的控制方法及装置，以提升电网运行状况的自动监控能力及对电网运行风险的自动预控能力。

于是，在本发明的一个实施例中，提供了一种电力调度系统的控制方法。该方法包括：获取设备各时刻的监测参数，所述监测参数包括：设备所在电网的运行状态参数、设备运行状态参数、设备运行环境参数中的一种或多种；对所述各时刻的监测参数进行聚类评估，以获得工作状态评估结果；将所述工作状态评估结果显示在所述设备对应的弹窗窗口中。

可选地，所述设备为多个；以及所述方法，还包括：对多个设备的工作状态评估结果进行过滤；将满足过滤条件的设备的工作状态评估结果显示在其各自对应的弹窗窗口中。

可选地，所述设备工作状态监控方法还可包括：根据所述设备的历史上各时刻的监测数据，采用预设的事故反演模拟算法进行模拟重演；对模拟重演过程进行分析，以得出设备故障信息。

可选地，所述设备工作状态监控方法还可包括：根据设备结构，建立设备故障树，所述设备故障树中包含有构成树状结构的多级事件；采用故障模型概率计算模型及故障概率计算模型，利用设备历史缺陷记录计算出所述设备故障树中各级事件的故障概率。

可选地，所述方法还可包括：获取与所述设备相关的样本数据；对所述样本数据进行最小二乘法处理，并采用层次分析法评价模型计算得到所述设备的结构和所述故障模式重要度；根据所述设备的结构和所述故障模式重要度，对所述设备故障概率进行修正。

在本发明的另一实施例中，提供了一种电力调度系统的控制装置。该装置包括：第一获取模块，用于获取设备各时刻的监测参数，所述监测参数包括：设备所在电网的运行状态参数、设备运行状态参数、设备运行环境参数中的一种或多种；评估模块，用于对所述各时刻的监测参数进行聚类评估，以获得工作状态评估结果；显示模块，用于将所述工作状态评估结果显示在所述设备对应的弹窗窗口中。

本发明实施例提供的技术方案，通过获取设备各时刻的监测参数，然后对所述各时刻的监测参数进行聚类评估以获得工作状态评估结果，实现设备实时监测参数与设备缺陷、告警信息等的关联应用，提高了设备监控运行分析和设备自动掌控的能力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的一种电力调度系统的控制方法的流程示意图；

图2为本发明一实施例提供系统架构图的示意图；

图3为本发明一实施例提供的系统硬件架构示意图；

图4为本发明一实施例提供的一种电力调度系统的控制装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

在本发明的说明书、权利要求书及上述附图中描述的一些流程中，包含了按照特定顺序出现的多个操作，这些操作可以不按照其在本文中出现的顺序来执行或并行执行。操作的序号如101、102等，仅仅是用于区分各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1示出了本发明一实施例提供的一种电力调度系统的控制方法的流程示意图。如图1所示，所述方法包括：

101、获取设备各时刻的监测参数，所述监测参数包括：设备所在电网的运行状态参数、设备运行状态参数、设备运行环境参数中的一种或多种。

102、对所述各时刻的监测参数进行聚类评估，以获得工作状态评估结果。

103、将所述工作状态评估结果显示在所述设备对应的弹窗窗口中。

本发明实施例提供的技术方案，通过获取设备各时刻的监测参数，然后对所述各时刻的监测参数进行聚类评估以获得工作状态评估结果，实现设备实时监测参数与设备缺陷、告警信息等的关联应用，提高了设备监控运行分析和设备自动掌控的能力。

在一种可实现的技术方案中，上述实施例中提供的设备通常为多个，进而弹窗窗口的显示空间是有限的，因此需要对各设备的工作状态评估结果进行一次筛选，以将符合筛选条件的工作状态评估结果显示在对应的弹窗窗口中。即，上述实施例提供的技术方法，还可包括如下步骤：

对多个设备的工作状态评估结果进行过滤；

将满足过滤条件的设备的工作状态评估结果显示在其各自对应的弹窗窗口中。

其中，上述过滤条件可以是：工作状态评估结果为异常状态或故障状态结果的进行显示。

进一步的，本实施例提供的技术方案还可包括事故反演过程。事故反演过程就是为了充分利用历史监测数据，以提高监控运行分析和设备工作状态掌控能力。具体实施时，所述事故反演过程包括：根据所述设备的历史上各时刻的监测数据，采用预设的事故反演模拟算法进行模拟重演；对模拟重演过程进行分析，以得出设备故障信息。

除了故障反演外，本实施例提供的技术方案还可基于设备的结构来预测设备发生故障的概率。预测故障概率的目的是为了能尽早的预见问题以将现有的被动发现故障转变为主动发现故障，提高故障预防能力。一种可实现的技术方案是，本实施例提供的技术方案还包括故障概率预测过程。该故障概率预测过程包括：根据设备结构，建立设备故障树，所述设备故障树中包含有构成树状结构的多级事件；采用故障模型概率计算模型及故障概率计算模型，利用设备历史缺陷记录计算出所述设备故障树中各级事件的故障概率。

进一步的，为了提高预测故障概率的准确性，本发明实施例提供的故障概率预测过程还可包括：

s1、获取与所述设备相关的样本数据；

s2、对所述样本数据进行最小二乘法处理，并采用层次分析法评价模型计算得到所述设备的结构和所述故障模式重要度；

s3、根据所述设备的结构和所述故障模式重要度，对所述设备故障概率进行修正。

这里需要说明的是：上述实施例提供的所述方法及方法中涉及到的事故反演过程及故障概率预测过程均会在如下内容中分别展开说明。

下面结合具体应用场景，对本发明实施例提供的技术方案进行详细说明。

设备监控的信息化建设体现在深化设备监控数据应用、提升监控信息管理水平、面向监控业务的在线快速仿真三个方面。深化设备监控数据应用方面：完善集中监控主设备台帐，实现设备履历与设备缺陷、告警信息等的关联应用，提高监控运行分析和设备掌控能力；研究基于大数据技术的设备监控运行状态预测技术，构建监控设备缺陷、故障处置模型，实现设备故障预警与主动处置。提升监控信息管理水平方面：规范变电站监控数据接口，实现变电站监控数据源端维护、即插即用，提高变电站监控信息接入效率；建立监控信息分析师制度，提高监控告警信息分析的深度；建设面向电网监控业务的智能告警功能，提高故障分析的智能化水平。

面向监控业务的在线快速仿真：建立监控员仿真培训平台，实现变电站故障、异常的智能分析及辅助决策，实现电网设备的三维可视化展示，以及面向监控业务的操作预想、事故预想、事故反演等。

设备维护和检修的基本目的是使设备在服役期内，设备的可靠性和可用率保持在预期水平，且技术性能达到设计要求。对输变电设备而言，科学延长检修间隔，合理确定检修项目，有效管理检修过程，切实保证检修效果是企业追求的目标。随着科技的进步及认识水平的提高，设备维修策略有了显著提升，先进国家已从仅采用“事后维修”（break-downmaintenance，bm）制、“定期维修”（timebasedmaintenance，tbm）制，逐步意识到要从设备状态出发，甚至追溯设备运行的历史，采用基于设备实际状态的“状态维修”（conditionbasedmaintenance，cbm）制，也有的认为还应基于以可靠性为中心的rcm（reliabilitycenteredmaintenance）制或主动维修制（pam）等等。这些检修方式相互并不排斥，它们可以共同存在，并互为补充。确定设备状态要依靠很多技术，如：设备状态监测与故障诊断技术、设备可靠性评价与预测技术、设备寿命评估与管理技术。

状态监测包括在线监测，必要时的离线检测及试验，以及不与运行设备直接接触的(如红外监测等)所有可得到运行状态数据的手段；在线监测是指直接安装在设备本体上可实时记录表征设备运行状态特征量的测量系统及技术。设备状态诊断是根据某一时刻在线监测的特征量与前面监测的结果进行纵向比较分析，与同类设备或同一设备不同相在线监测的结果进行横向比较，并结合历年离线检测试验数据和运行经验等，对故障类型、严重程度及原因等做出综合判断，进而做出维修策略及方法。设备状态在线评估是以在线监测结果对故障的类型、位置、严重程度及原因做出判断，并预测出设备继续运行的剩余寿命和给出维修策略及方法的建议。显然在线诊断要求在线监测系统必须具有能反映各种特征量(单一特征最很难满足应用要求)的监测功能、丰富的专家系统和智能化的诊断能力。

建立设备在线运行状态评估中心，基于大数据分析技术进行设备在线运行状态的评估，融合设备历史及实时的遥测数据通过dbscan聚类算法对设备的运行状态进行评估计算，实现监控员对电网设备运行状态的实时评估。

系统架构跨越电力信息网的生产控制大区和管理信息大区，总体分为四层架构，五个中心应用。如图2所示，四层包括：数据层、模型层、引擎层、应用层。五个中心应用包括：设备综合监视中心、监控信号分析处置中心、设备故障可靠性分析中心、设备在线运行状态评估中心、设备监控业务管控中心。

数据采集：用于从d5000/ems、oms、pms及其他系统抽取原始数据、清洗脏数据、转换系统模型数据。

数据层：用于系统各类基础数据的存储。

模型层：用于系统各类应用所需的模型构建。

引擎层：为各类应用提供各类算法模型的驱动。

应用层：用于构建各类电网调度设备监控管理及智能分析应用

如图3所示，系统在管理信息大区架构应用服务器集群和数据库服务器集群用于部署系统应用及数据库，另外需要一台交换服务器用于部署数据共享服务，两台计算服务器用于设备监控大数据计算分析。

设备监控信息专家库主要实现按电压等级、设备类型对一次设备、二次设备的遥测、遥信、遥控信息表进结构化管理，并形成设备监控信息专家库。基于设备监控信息专家库，实现对新建工程设备监控信息表的自动配置生成，提高设备监控信息接入工作效率和工作质量。通过新建工程设备监控信息管理流程实现从设计、施工、调试、验收、传动、投入到归档等专业环节的流程化、规范化、标准化管理。

设备集中监控平台实现对变电站集中监控告警、输变电在线监测告警按事故类、异常类、越限、变位、告知类告警信息的汇聚及分类管理。输变电设备的监控信号按照其拓扑关系具有一定的逻辑关联性，将其放在一起显示能正确判断设备运行时发生的异常情况。如果监控信号仅按时序显示，需要人工寻找归类后再进行判断，效率低下。输变电设备运行综合监视模块通过拓扑分析，将输变电设备具有逻辑关联性的信号按照间隔关系放在一起，方便监控人员进行统一监控，又能以专家知识库为基础，依照其逻辑关联性进行推理，给出分析结论和处理方案。

设备监控信号异常处置实现监控员确认告警信息后的相关异常信号处置流程的闭环管理，包括事故处置流程管理、监控信息发现缺陷处置流程管理、多发、频发告警处置流程管理。

设备监控信号多维分析实现对告警信息的多层次、多维度的统计分析，主要包括以下应用：监控信息统计分析、监控专业化指标分析、监控信息趋势化分析、告警信号合理性分析等。

设备监控异常信号分析专家系统，输变电在线监测及变电站监控信号总量庞大，异常类信号传统处理过程是运行人员依照运行规程、经验以及现场情况进行判断、推理、处理。由于信号处理涉及到逻辑推理和符号处理问题，它难以用精确的数学模型来描述，不能通过传统的数学方法来求解或得到解决。目前这类问题通常采用人工智能技术进行处理。本系统采用专家系统法对异常类信号进行处理。专家系统法是在某一特定领域内，运用领域专家的丰富知识进行综合推理求解的方法，它可弥补单纯数学求解的不足。相比其他人工智能方法，专家系统法最大程度避免了信息不完备或畸变时，产生的变异故障模型导致的异常辨识失败。

设备故障监控全信息反演，事故全信息追忆反演通过记录事故发生前后电网的各类事件序列，例如开关跳开、闭合、保护动作、遥测、遥信异常等信息，形成事故分析的信息基础，通过事故追忆的反演功能，将保存的事故追忆按当时的情景进行重演。监控人员通过在历史事故窗口选择需要进行反演的历史事故，可以方便和有效地分析事故的原因，制定事故处置措施，避免误操作引发大事故，保障电网安全经济运行。还可以为监控员培训提供教案。

设备可靠性分析，要完成设备可靠性分析，首先需要建立设备及其故障库，然后形成设备故障树与故障模式，通过设备历史故障数据及计算模型得到设备故障模式概率，最后依据设备结构及其故障模式重要度和故障概率修正参数对设备故障概率进行修正得到设备可靠率。

设备在线状态评估，运行状态在线评估模型原理：基于数据挖掘算法，以替代人工的方式对设备各时刻的量测参数，包括电网运行状态参数、设备运行状态参数、设备运行环境参数等实时运行数据进行设备状态的聚类评估。

设备监控业务管控中心：规范设备监控信息点表，建立标准化、自动化的设备监控信息点表，并通过sop流程实现对设备监控信息点表编制、审批、发布、接入、变更、验收的全过程流程化管控。

设备综合监视中心：提升设备监控信号分析效率，对设备集中监控告警与状态在线监测告警并综合设备检修、缺陷、试验等信息进行综合监视与分析，并辅助启动监控信号处置流程。为提升监控员对电网事故的快速准确分析与应急处置能力，辅助监控员方便、有效地分析事故的相关信号规律，制定事故处置措施及方案。

信号分析处置中心：围绕监控设备的遥信信号，对频发、多发、误发、漏发的告警信息进行自动统计与缺陷处置，并对设备异常、故障情况下的相关设备告警信息、保护动作信息、开关变位信息等建立专家推理分析模型，通过专家系统法分析异常原因并提供处置建议。

设备可靠性分析中心：丰富监控信号分析师的信号分析手段，基于大数据的设备监控智能辅助决策应用，辅助监控员、信号分析员对监控设备运行的事前风险预警。

设备在线运行状态评估中心：基于数据挖掘算法，将设备在线运行数据进行聚类评估，辅助监控员实时掌握电网设备的在线运行状态。

具体的，达到上述功能功效的方案选择如下：

设备监控业务管控中心主要实现按电压等级、设备类型对一次设备、二次设备的遥测、遥信、遥控信息表进结构化管理，并形成设备监控信息专家库。主要功能包括：设备遥信信号维护、设备遥测信号维护、设备遥控信号维护、保护设备信号维护、设备监控信息点表自动生成等功能模块。依据变电站不同电压等级设备间隔的遥测、遥信、遥控信息点进行结构化维护，形成设备监控信息专家库，并通过监控信息表生成规则自动生成监控信息表，并实现监控信息表的智能化校核。实现与调度集中监控接入（变更）验收、许可关联流程及sop的无缝接入。

系统部署在安全ii区，需要从外部系统对设备拓扑信息、输变电设备铭牌参数、调控运行参数、故障信息、检修信息、实验信息，电网遥信、遥测数据，气象信息数据等进行采集。

当前监控员对电网设备运行情况监视依赖d5000/ems及输变电设备状态在线监测等多个系统，对设备运行状态进行监视时需要在这些系统之间不断的切换，工作量大且容易出现遗漏。另一方面，需要特别关注的输变电设备告警和事故类信号，和其他各类监控信号混杂在一起，仅按时序显示，监控员难以关注到需要特别关注的信号。因此，系统建立了设备运行综合监视模块，实现了信号的分类及过滤。全部信号依据统一标准进行描，综合时序和信号所在设备单元进行信号显示，依据信号重要性，进行信号所在厂站的画面弹窗和语音报警，并支持直接在系统中启动设备缺陷流程，记录监控日志等。系统应用界面,用户在全网接线图中选择厂站，进入所选厂站可以选择相应间隔及设备，根据用户的选择展示对应全站、间隔或具体设备对象的相关信息。

事故全信息追忆反演通过记录事故发生前后电网的各类事件序列，例如开关跳开、闭合、保护动作、遥测、遥信异常等信息，形成事故分析的信息基础，通过事故追忆的反演功能，将保存的事故追忆按当时的情景进行重演。主要功能包括:设备故障库管理、设备故障反演信号配置、设备故障反演管理等。

监控信号分析处置中心，围绕监控设备的遥信信号，对频发、多发、误发、漏发的告警信息进行自动统计与缺陷处置，并对设备异常、故障情况下的相关设备告警信息、保护动作信息、开关变位信息等建立专家推理分析模型，通过专家系统法分析异常原因并提供处置建议。

基于专家系统的监控信号异常分析，专家系统主要功能包括知识库、推理机和解释器。

其中，知识库通过知识工程师和领域专家合作分析设备的典型异常，进行分类归纳和总结，采用规则表达式方式存储，形成知识库。知识库具备学习机制，通过人机交互界面进行知识的扩充学习及修正学习。推理机利用当前设备异常信息以及知识库的归纳信息，对当前进入到推理机的异常信息按照推理策略逐步推理直到得出结果。推理机主要包括推理方法和推理策略两部分。推理方法采用因果关系推理法，即：把领域知识表示为必然结果。推理策略采用混合推理策略，结合了正向推理及反向推理策略的优点。解释器依据推理机推理出的异常或事故结论的可信度进行排序，并以可视化方式给出设备异常原因和处理建议。

设备可靠性分析中心，实现输变电设备的设备故障树的建立以及设备可靠性分析，主要功能包括：设备故障树管理、设备故障概率计算模型管理、设备故障概率修正模型管理、设备可靠性分析展示等。

首先依据设备结构建立设备故障树，采用故障模型概率计算模型及故障概率计算模型，利用设备历史缺陷记录计算出设备故障概率。然后通过设备重要度、役龄、设备修复性事件、试验结果等参数通过修正规则及算法进行修正，得到设备可靠性指标。

t为顶层事件、m类为中间事件、x类为底层事件，标有•为与门，标有+为或门。底层事件构成故障树的最小割集，无法再分，具有原子性。采用指数分布或威布尔分布模型算法，计算底层事件概率，再根据或、与门逻辑，计算中间层事件概率，最后计算顶层事件概率。顶层事件概率越大，说明设备产生故障的概率越大，设备的可靠性就越低。由于设备结构及元器件功能的不同，各底层事件与中间事件对顶层事件影响度有很多差别，有的底层或中间事件对顶层事件影响很小，如变压器机体生锈，在没有产生强度与漏油问题时，对变压器的性能几乎没有，而当绕组产发电时，变压器性能会受到很大影响，严重时，需要停电检修。另外，任何元器件都会老化，有些元器件在更换后性能会跳跃性提高。因此在根据故障树计算得到各级事件概率后，需要根据设备的特点进行相关修正。本方案根据输变电设备结构与使用特点，对各级事件概率进行元器件重要度、役龄、老化率与维修事件等因素修正。

重要度修正，重要度评价模型在进行重要度修正前，需要对设备的结构和故障模式重要度进行评价，得到重要度参数。对设备结构与故障模式重要度的评价，是一个非常专业的过程，需要具备丰富的实践经验的专业人士提供大批量的数据样本。在专业数据样本的基础上，对样本数据进行最小二乘法处理，采用层次分析法（analytichierarchyprocess，ahp）评价模型求出结构和故障模式重要度。

重要度评价功能完成评价指标维护，专家对设备结构与故障模式重要度评价数据样本的采集、处理，并根据ahp评价模型计算重要度。

重要度修正模型，在得到结构与故障模式重要度参数后，采用下列方法对输变电设备故障概率进行重要度修正：采用下列模型进行故障概率修正：

中间部件故障概率修正模型：p(mi)=σwuip(mij)；故障模式故障概率修正p(mi)=σwfip(xij)。

其中wui表示部件（即元器件）的重要度；wfi表示故障模式的重要度。

重要度值必须符合规范：同所一个元器件或结构的元器件和故障模式重要度的和为1。

役龄修正部分：长期的统计表明，零部件构成的设备系统。坐标纵轴表示故障率，横轴表示经历的时间，从时间变化看，曲线明显呈现3个不同的区段。

（1）初期故障期：在设备开始使用的a阶段，一般故障率较高，但随着设备使用时间的延续，故障率将明显降低，此阶段称初期故障期，又称磨合期。

（2）偶发故障期：设备使用进入b阶段，故障率大致趋于稳定状态，趋于一个较低的定值，表明设备进入稳定的使用阶段。在此期间，故障发生一般是随机突发的，并无一定规律。

（3）损耗故障期：设备使用进入后期c阶段，经过长期使用，故障率再一次上升，且故障带有普遍性和规模性，设备的使用寿命接近终了，此阶段称损耗故障期。

修复性事件修正，在设备整个服役期间中，有许多元器件通过维修或更换，其可靠性会得到恢复，如变压器的非本体装置。维修或更换是由维修事件产生，称这种可以恢复元器件可靠性的事件为修复性事件。修复性事件产生后，采用下列规则对维修或更换后元器件的故障进行修正：

（1）在tb点前期，不做修正；

（2）当役龄在的tb-te之间，需要做修正。设te点故障概率p(te)=1，采用线性化修正。

修复性事件修正是由维修事件触发。

老化率修正，有许多元器件是不会更换的，如变压器的铁芯、绕组等，老化会使的这种元器件可靠性下降，即故障概率提高。因此，需要进行老化修正。老化率是可以由试验数据，根据相关设备导则，如油浸式变压器绝缘老化判断导则计算得出。

不同的设备及部件，有不同的老化率判断规则，需要根据老化判断导则对其进行维护。

设备在线状态评估中心，目前对设备状态的评估主要是依据设备状态检修的扣分标准及权重进行评估，所有的评估项目、扣分标准、权重都是由相关专家按照经验给出，缺乏对样本数据的科学分析，因此评估出的状态也就自然不能反映当前设备真正的状态，在此基础上所作出的一切评估都带有这种缺陷，达不到趋于设备真实状态评估的目标。此外状态检修的状态量评价主要依靠输变电设备在线监测系统的监测数据结合设备运行人员不定期的进行设备巡视、试验、检修后给出，通常以某一时刻的设备评估结果作为该统计时间段内的评估结果，主要用于指导设备检修安排。难以做到设备状态的实时评估，不能反映设备当前时刻的真实状态，无法支撑调控一体化模式下调度监控员实时掌控设备运行状态的要求。

要做到设备状态的实时评估，就要根据设备的特征量数据来评估设备状态，那么评估方式就应该能真实体现特征量数据的规律，状态分类结果必须建立在对数据的科学分析基础之上。聚类分析的基本原理是在没有先验知识的情况下，基于“物以类聚”的观点，用数学工具分析各样本向量之间的距离及分散情况，按照样本的距离远近划分类别。对设备状态的聚类评估根据基于聚类算法，能够将历史量测值数组按相似程度划分类别，使得同一类中的元素之间的相似性比其他类的元素的相似性更强。基于对聚类结果中各个簇的分析能够直观的区分出正常状态及问题状态。不需要任何先验条件，完全屏蔽人工干预导致的状态评估缺陷。基于聚类算法的设备状态评估结合历史量测数据及实时量测数据进行聚类，能够真实的反映被评估设备的即时状态。以软件替代人工的方式对设备各时刻的状态进行聚类，并根据聚类结果对设备状态进行评估分析，能够实现设备异常状态的高效判定。

在实际运行过程中，由于设备属性、运行工况、环境的差异，对于设备的状态监测参量之间的相关关系难以用精确、统一的函数表示。如变压器热点温度与底层油温、顶层油温、环境温度、负荷等参数的关系主要通过热平衡方程给出，而热平衡方程参数众多且在高温时常会计算不准，从而导致热点温度异常难以检测。针对多维参量融合的问题，通过基于密度的聚类算法对多维的在线监测数据进行聚类，既能充分利用在线监测数据量大的特点，又能将各参数间的复杂相关关系简化。例如针对某500kv主变，将大量历史在线监测参数作为多个n维数组聚类，每个时间点其对应的各类量测数据，如三相油温、三相绕组温度等作为一个数组。若数组到任意簇中心点的距离都大于某个特定值r，则认为该数组不属于任何一个簇。因此，当某个参量的值出现异常而导致该多维数组z不属于任何一个簇时。可以判断该时刻的多维数据出现异常。

图4示出了本发明一实施例提供的一种电力调度系统的控制装置的结构示意图。如图4所示，本实施例提供的所述装置包括：第一获取模块、评估模块及显示模块。其中，第一获取模块，用于获取设备各时刻的监测参数，所述监测参数包括：设备所在电网的运行状态参数、设备运行状态参数、设备运行环境参数中的一种或多种；评估模块，用于对所述各时刻的监测参数进行聚类评估，以获得工作状态评估结果；显示模块，用于将所述工作状态评估结果显示在所述设备对应的弹窗窗口中。

本发明实施例提供的技术方案，通过获取设备各时刻的监测参数，然后对所述各时刻的监测参数进行聚类评估以获得工作状态评估结果，实现设备实时监测参数与设备缺陷、告警信息等的关联应用，提高了设备监控运行分析和设备自动掌控的能力。

进一步的，所述设备为多个。相应的，上述实施例提供的所述装置还包括：过滤模块。所述过滤模块用于对多个设备的工作状态评估结果进行过滤；所述显示模块还用于将满足过滤条件的设备的工作状态评估结果显示在其各自对应的弹窗窗口中。

进一步的，上述实施例提供的所述装置还可包括：反应模块和分析模块。其中，反演模块用于根据所述设备的历史上各时刻的监测数据，采用预设的事故反演模拟算法进行模拟重演。分析模块用于对模拟重演过程进行分析，以得出设备故障信息。

进一步的，上述实施例提供的所述装置还可包括：建立模块和处理模块。其中，建立模块，用于根据设备结构，建立设备故障树，所述设备故障树中包含有构成树状结构的多级事件；处理模块，用于采用故障模型概率计算模型及故障概率计算模型，利用设备历史缺陷记录计算出所述设备故障树中各级事件的故障概率。

进一步的，上述实施例提供的所述装置还可包括：第二获取模块和修正模块。其中，第二获取模块，用于获取与所述设备相关的样本数据；所述处理模块，还用于对所述样本数据进行最小二乘法处理，并采用层次分析法评价模型计算得到所述设备的结构和所述故障模式重要度；修正模块，用于根据所述设备的结构和所述故障模式重要度，对所述设备故障概率进行修正。

这里需要说明的是：采用本实施例提供的所述装置可实现上述设备工作状态监控方法，具体实现过程及原理可参见上述实施例中的相应内容，此处不再赘述。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。