技术领域本发明涉及电力设备管理技术领域，更为具体地说，涉及一种基于数据关联关系的设备缺陷评估与预测方法。
背景技术：
随着近些年电网系统数字化管理需求的不断提高、各业务生产系统的不断集成，积累获取的电力业务数据储存量迅猛增长。这些数据信息量大，包含重要的信息，是对设备管理的数据参考。如此分析并应用这些庞大、种类复杂且客观真实的在线监测、试验、检修类数据及数据之间的隐藏信息，对提升电网和电力设备风险管理和防控水平具有非常重要的意义。然而，此数据因为种类繁杂，要想做到方便的查看与应用，比较困难。所以现在有关企业不断加大有关此类数据处理的投入，以获取更加方便的数据处理方法。电网系统中涉及的设备量众多，处理设备缺陷数据有着重要的意义。目前，对设备缺陷数据的处理主要是利用缺陷数据或缺陷与设备数据构建缺陷模型，并对模型进行学习训练得到最优分析模型。然而利用这种方法考虑设备所有因素可能增大模型的计算复杂度，而降低模型的适用性和准确度。因此，结合工程实际数据现状，寻求一种更方便、高效的设备缺陷分析方法，预估设备缺陷状态趋势，对提高电网系统运行决策、风险监控水平具有重要指导意义。
技术实现要素：
本发明的目的是提供一种基于数据关联关系的设备缺陷评估与预测方法，以提高数据关联关系及历史数据等客观信息的利用效率，提升了缺陷分析模型的灵活性。为了解决上述技术问题，本发明提供如下技术方案：本发明提供的一种基于数据关联关系的设备缺陷评估与预测方法，所述方法主要包括：整合电网设备的历史监测数据，提取所述电网设备的某一项设备缺陷类型与所述设备缺陷类型对应的数据因素，所述数据因素为所述设备缺陷类型对应的检测对象；将所述设备缺陷类型对应的数据因素进行整合，获得包括其对应全部数据因素的数据因素集合和所述数据因素集合对应的因素监测数据库，所述因素监测数据库包括所述设备缺陷类型的监测数据；获取所述设备缺陷类型与其对应的所述数据因素集合内元素的关联系数，并获得关联系数集合，所述关联系数集合为Γ＝{γ1,γ2,...γi,...,γn