一种基于决策树算法的220kV主变压器状态评估预测方法与流程

本发明涉及电网中的主变状态评估预测及监测实时数据融合的技术方法，是一种对电网220kv主变压器状态评估预测的方法。
背景技术：
：目前，在220kv主变设备采集的在线监测数据上，有大量的设备运行实时信息未能很好利用，对于这些设备的实时数据，运维人员(或监控人员)掌握不到或掌握不准确，对这些设备运行状态好坏情况的掌握，主要靠运维人员(或监控人员)人工经验，对无人值班的设备状态，既不能做到实时监控，又要花大量的人物力到现场核查。所以研究建立专用的220kv主变设备状态数据，决策树算法技术，在真正意义上实现220kv主变设备状态的预测管理。技术实现要素：本发明的目的正是为了克服上述现有技术存在的缺陷而提供一种基于大数据决策算法的220kv主变压器状态评估预测方法，本发明基于在线监测信息的采集、整合和存储。从信息的采集来看，数据库需要接入不同的在线监测数据。数据接入数据库后，对接入的数据要进行分析、筛选、清洗、特征处理等，从而为算法与模型的建立、算法运算的准确性提供真实可信的数据。为了实现上述目的，本发明提供如下技术方案：本发明一种基于决策树算法的220kv主变压器状态评估预测方法，包括以下步骤：(1)、采用220kv主变压器的油色谱氢气成分含量在线监测数据和油温在线监测数据存储至数据库，作为决策算法的基础；(2)、采用周期时序法存储定期采集到的主变压器在线监测数据，作为决策算法的训练样本集，利用决策树进行训练；(3)、训练的结果即为220kv主变压器的下一时序周期的状态，即正常与否的判定。上述技术方案中：(1)数据样本进行采集、筛选、分析、处理利用已有在线监测装置采集数据，以固定间隔时间(如15分钟为)提取、筛选氢气含量(h2)、油温，作为训练样本基础数据，同时以间隔时间(如15分钟)加入每个时间间隔的主变状态(正常或异常，正常用1表示，异常用0表示)信息到训练样本库，与氢气含量(h2)、油温一同组成算法训练基础样本数据(如100个样本或更多)。然后对训练样本数据进行处理，处理异常值，异常值处理方法采用平均值填补方法。流程见图1；(2).样本决策树算法1)样本数据样本数据经过处理后，就形成了可以运用决策树算法进行计算的样本数据，包括油温高(h)、低(l)数据值，氢气含量(h2)数据值，设备状态(正常1，异常0)值。样本数据格式如下表1：变量名称数据1数据2数据3数据4…数据100油温(h，l)hlll…lh2含量183.3201196.2229190.4设备状态(1,0)0110…1表i样本数据格式2)决策树算法模型决策树是一种简单但是广泛使用的分类算法。通过训练数据构建决策树，高效的对未知的数据进行分类。决策数有两大优点：3)决策树算法步骤决策树构建的步骤：a.开始时，把所有变量的记录(油温，氢气含量(h2))看作一个节点；b.找到每个变量(氢气含量(h2)，油温)的最好的分割点；c.分割成两个节点：左与右；d.对左与右两个节点分别执行，直到每个节点满足要求为止。4)决策树算法停止条件决策树的构建是一个递归的过程，需要确定停止条件，否则过程将不会结束。对左和右节点分别执行，直到每个节点满足要求为止。直观的方式是当每个子节点只有一种类型的记录时停止。(3)、220kv变压器状态评估预测利用在线监测装置采集以固定间隔时间(如15分钟)的氢气含量(h2)、油温数据作为样本，用决策树算法的递归过程对样本数据进行训练计算。直到得出样本的正确划分(直观的方式是当每个子节点只有一种类型最终的记录时停止)。这个节点的唯一类型就是220kv主变压器的状态，正常(1)或异常(0)。通过决策树算法，提升220kv主变压器状态评估的实时性与预见性。本发明的有益效果是，改变220kv主变压器状态评估依靠传统数据统计分析和人工经验方法的不足，改变220kv主变压器设备状态事后分析的信息滞后局面。利用就地采集220kv主变压器在线监测数据，及时预判220kv主变压器运行状态，支撑220kv主变压器状态评估的实时性和有效性实现，提升220kv主变设备运行的安全可靠性。附图说明图1为本发明数据处理流程图；图2为决策树模型图。具体实施方式见图1，图2，本发明一种基于决策树算法的220kv主变压器状态评估预测方法，包括以下步骤：(1)、采用220kv主变压器的油色谱氢气成分含量在线监测数据和油温在线监测数据存储至数据库，作为决策算法的基础；(2)、采用周期时序法存储定期采集到的主变压器在线监测数据，作为决策算法的训练样本集，利用决策树进行训练；(3)、训练的结果即为220kv主变压器的下一时序周期的状态，即正常与否的判定。实施例1)采用在线监测装置取得固定间隔时间(如15分钟)的220kv主变压器氢气含量(h2)、油温、状态(1或0)信息，作为训练样本基础数据。2)采用平均值填补方法对训练样本数据进行异常处理。得到可以输入决策树算法进行计算的可靠数据，包括油温高(h)、低(l)数据值，氢气含量(h2)数据值，设备状态(正常1，异常0)值。3)将样本数据输入决策树进行递归计算，对左和右节点分别执行，直到每个节点满足要求为止。直观的方式是当每个子节点只有一种类型的记录时停止。4)将节点的唯一类型作为输出得到220kv主变压器的状态，正常(1)或异常(0)。当前第1页12