输变电设备状态变化预测方法和系统的制作方法
【技术领域】
[0001] 本发明涉及输变电设备领域，特别是涉及一种输变电设备状态变化预测方法和系 统。
【背景技术】
[0002] 随着国民经济与电网的发展，一方面电网规模不断扩大，输变电设备数量激增，供 电可靠性压力提高；另一方面，人力资源相对显得短缺，维护力量的发展跟不上电网规模发 展。电力设备状态检修与设备运行的可靠性、经济性紧密相关。设备状态评价结果可用于 电网设备规划设计等资产生命周期环节的管理工作，以及故障预测故障类型及故障处理等 环节。电力设备状态检修是保障国民经济产业重要工作。
[0003]目前，国内外对输变电设备健康水平和运行状况好坏的评估，主要还是借鉴相关 标准及运行经验进行判断，通过停电预防性试验和定期检修来实现的，绝大部分设备到了 规定的时间就要进行大修，可能出现对健康状态良好的设备做了不必要的检修工作，而且 在设备尚未出现健康问题时就对其实行停运检修或更换设备，很大程度上浪费了人力、物 力和财力。所以如何能够快速、准确地确定输变电设备健康状态并对设备可能出现的状态 进行预测，从而降低人力物力成本成为了现在电力行业亟待解决的问题。
【发明内容】
[0004] 为此，本发明提供了一种低成本且准确率较高的输变电设备状态变化预测方法和 系统。
[0005] -种输变电设备状态变化预测方法，包括
[0006] 采集待检测输变电设备的N个状态特征数据，并对N个状态特征数据进行处理得 到与待检测输变电设备对应的第一特征向量；
[0007] 将第一特征向量输入对应的聚类模型中得到待检测设备的当前设备状态；
[0008] 根据当前设备状态判断待检测输变电设备是否处于故障状态；
[0009] 若否，则根据当前设备状态及待检测输变电设备对应的状态转移矩阵预测待检测 设备发生状态转变的概率，以预测待检测输变电设备状态的变化。
[0010] 在其中一种实施方式中，在采集待检测输变电设备的N个状态特征数据，并对N 个状态特征数据进行处理得到与待检测输变电设备对应的第一特征向量的步骤之前，还包 括：预先建立聚类模型的步骤，预先建立聚类模型包括：
[0011] 获取电网的输变电设备的历史运行数据，并从历史运行数据中提取每台输变电设 备的N个状态特征数据；
[0012] 对每个输变电设备的N个状态特征数据进行处理得到每个输变电设备的第二特 征向量；
[0013] 分别将每个输变电设备的第二特征向量采用无聚类监督算法得到每个输变电设 备对应的Μ类设备状态，并对Μ类设备状态进行标记得到对应的输变电设备的聚类模型。
[0014] 在其中一种实施方式中，在预先建立聚类模型的步骤之后，还包括建立状态转移 矩阵的步骤，建立状态转移矩阵包括：
[0015] 按时间顺序依次将第二特征向量输入聚类模型，得到待检测输变电设备的设备状 态变化情况；
[0016] 统计设备状态变化情况中从一个设备状态到其它设备状态变化的次数，得到不同 设备状态的转移概率以得到状态转移矩阵。
[0017] 在其中一种实施方式中，采集待检测输变电设备的N个状态特征数据，并对N个状 态特征数据进行处理得到与待检测输变电设备对应的第一特征向量的步骤包括：
[0018] 采集待检测输变电设备的N个状态特征数据；
[0019] 对N个状态特征数据进行量化和归一化处理，得到与待检测输变电设备对应的第 一特征向量。
[0020] -种输变电设备状态变化预测系统，包括
[0021] 采集模块，用于采集待检测输变电设备的N个状态特征数据，并对N个状态特征数 据进行处理得到与待检测输变电设备对应的第一特征向量；
[0022] 聚类模块，用于将第一特征向量输入对应的聚类模型中得到待检测设备的当前设 备状态；
[0023] 判断模块，用于根据当前设备状态判断待检测输变电设备是否处于故障状态；
[0024] 预测模块，用于在判断模块的判断结果为否时，根据当前设备状态及待检测输变 电设备对应的状态转移矩阵预测待检测设备发生状态转变的概率，以预测待检测输变电设 备状态的变化。
[0025] 在其中一种实施方式中，还包括：建模模块，建模模块包括：
[0026] 提取单元，用于获取电网的输变电设备的历史运行数据，并从历史运行数据中提 取每台输变电设备的N个状态特征数据；
[0027] 第一处理单元，用于对每个输变电设备的N个状态特征数据进行处理得到每个输 变电设备的第二特征向量；
[0028] 聚类单元，用于分别将每个输变电设备的第二特征向量采用无聚类监督算法得到 每个输变电设备对应的Μ类设备状态，并对Μ类设备状态进行标记得到对应的输变电设备 的聚类模型。
[0029] 在其中一种实施方式中，还包括状态转移矩阵建立模块，状态转移矩阵建立模块 包括：
[0030] 分析单元，用于按时间顺序依次将第二特征向量输入聚类模型，得到待检测输变 电设备的设备状态变化情况；
[0031] 计算单元，用于统计设备状态变化情况中从一个设备状态到其它设备状态变化的 次数，得到不同设备状态的转移概率以得到状态转移矩阵。
[0032] 在其中一种实施方式中，采集模块包括：
[0033] 采集单元，用于采集待检测输变电设备的Ν个状态特征数据；
[0034] 第二处理单元，用于对Ν个状态特征数据进行量化和归一化处理得到与待检测输 变电设备对应的第一特征向量。
[0035] 该输变电设备状态变化预测，通过采集待检测设备当前的第一状态特征数据，将 当前的第一状态特征数据根据预先建立的聚类模块得到当前的设备状态，若当前设备不处 于故障状态，则根据当前的设备状态和状态转移矩阵预测该输变电设备发生状态转变的概 率从而预测该输变电设备的状态变化。该方法能够快速的确定当待检测设备的当前设备状 态，并预测可能发生转变的设备状态的概率，从而针对较大问题故障的设备能够及时进行 检修和更换，从而有效地保障电力设备的正常运行。该方法通过聚类模型和状态转移矩阵 进行分析，成本低且准确率高。
【附图说明】
[0036] 图1为一种实施方式的输变电设备状态变化预测方法的流程图；；
[0037] 图2为另一种实施方式的输变电设备状态变化预测方法的流程图；
[0038] 图3为一种实施方式的预先建立聚类模型的方法的流程图；
[0039] 图4为一种实施方式的建立状态转移矩阵的方法的流程图；
[0040] 图5为一种实施方式的状态转移概率的示意图；
[0041] 图6为一种实施方式的采集状态特征数据得到第一特征向量的方法的流程图；
[0042] 图7为一种实施方式的输变电设备状态变化预测系统的功能模块示意图；
[0043] 图8为另一种实施方式的输变电设备状态变化预测系统的功能模块示意图。
【具体实施方式】
[0044] 如图1所示，一种输变电设备状态变化预测方法，包括以下步骤：
[0045] S30 :采集待检测输变电设备的N个状态特征数据，并对N个状态特征数据进行处 理得到与待检测输变电设备对应的第一特征向量。
[0046] 本实施方式以电压等级220kV，容量120MVA及以上的大型油浸式电力变压器为例 进行说明，由于变压器生产厂家、制造结构不同，特别是电压等级不同与容量的差异，其影 响评估的因素指标也不同，本发明从反映变压器运行状态的油色谱分析、电气试验、油化试 验、变压器附件方面来评估状态。因此，确定的变压器的状态特征包括：油色谱分析、电气试 验、油化试验和变压器附件。
[0047] 当需要对某一台变压器的设备状态进行评估时，采集该变压器的上述4个状态特 征数据，并对状态特征数据进行处理得到对应的特征向量。
[0048] S40:将第一特征向量输入对应的聚类模型中得到待检测设备的当前设备状态。
[0049] 将第一特征向量输入该输变电设备对应的聚类模型中得到该特征向量的所属设 备状态的分类结果，从而得到待检测设备的当前设备状态。
[0050] S50 :根据当前设备状态判断待检测输变电设备是否处于故障状态。
[0051] 若是，则产生故障提示信息，提示相关工作人员对设备进行维修，并在设备维护投 入使用后继续执行步骤S30。
[0052] 若否，则执行步骤S60 :根据当前设备状态及待检测输变电设备对应的状态转移 矩阵预测待检测设备发生状态转变的概率，以预测