本发明属于电力设备在线监测和状态评估领域，尤其涉及一种输变电设备特征参量离散化方法。
背景技术：
：在电力系统逐渐步入大数据时代的背景下，将大数据分析技术应用到输变电设备状态评估领域，对提高输变电设备故障诊断的准确性和及时性，保证输变电设备与电力系统的安全稳定运行具有重要意义。作为关键的大数据分析方法，关联规则挖掘算法得到了广泛应用。关联规则分析应用的数据集都是离散的数据集，而通过在线监测得到的数据，都是连续的数值，所以必须对所有的连续数据进行离散化处理。现有的离散化主要分为布尔离散化和多值离散化，布尔离散化是将所有连续值映射为0或1的布尔值，而多值离散化则是将连续值映射为大于两个的值。上述两类方法通常以各特征参量的注意值或告警值为参考标准，以变压器氢气含量为例，如果其注意值为150ul/l时，则根据150ul/l的分界值将氢气离散为两类。上述离散化方法往往依靠人或相关规范设定分界值，主观性较强，忽略了设备特点和数据的变化规律，往往导致离散的区间不够合理，给关联规则挖掘带来不利影响。技术实现要素：：本发明要解决的技术问题：提供一种输变电设备特征参量离散化方法，以解决现有技术对输变电设备特征参量离散的方法往往依靠人或相关规范设定分界值，主观性较强，忽略了设备特点和数据的变化规律，往往导致离散的区间不够合理，给关联规则挖掘带来不利影响等技术问题。本发明技术方案：一种输变电设备特征参量离散化方法，它包括：步骤1、采集输变电设备待离散的特征参量历史时间序列量测数据，利用概率密度函数获得该参量的分布规律，并将概率密度函数进行积分获得累积分布函数；步骤2、设该输变电设备有n种健康状态，统计与该输变电设备同型号的在运设备处于不同健康状态的概率，p＝[p1p1...pn]，并对分布概率进行一次累加，得到累积分布概率f＝[f1f2...fn-11]；步骤3、将f1，…，fn-1依次带入该特征参量的逆累积分布函数，得到n个对应的映射值xp＝[x1x2...xn-1]，从而获得n个离散区间[0,x1]，(x2,x2]，…，(xn-1,+∞]，从而实现特征参量离散化。步骤2所述对分布概率进行一次累加的公式为：本发明有益效果：本发明提供了一种的输变电设备特征参量离散化方法。首先收集输变电设备特征参量全量历史数据，利用概率密度函数获得设备待离散特征参量的分布规律，并计算其累积分布函数；统计同型设备的状态分布概率，进行一次累加后获得设备状态累积概率。将累积概率带入分布函数中进行反演计算，获得参量的离散化区间，实现特征参量的离散化；该方法能够充分利用输变电设备状态参量的全量历史数据和状态统计数据，离散过程完全基于数据驱动，无任何人工干预，有效保证了离散结果的合理性和有效性；同时该方法具有通用性，适合于多种电力设备的多种类型的特征参量的离散化处理，具有较好的实用性和推广前景；解决了现有技术对输变电设备特征参量离散的方法往往依靠人或相关规范设定分界值，主观性较强，忽略了设备特点和数据的变化规律，往往导致离散的区间不够合理，给关联规则挖掘带来不利影响等技术问题。附图说明：图1为本发明流程示意图。具体实施方式：一种输变电设备特征参量离散化方法，它包括：步骤1、采集输变电设备待离散的特征参量历史时间序列量测数据，利用概率密度函数获得该参量的分布规律，并将概率密度函数进行积分获得累积分布函数；步骤2、设该输变电设备有n种健康状态，统计与该输变电设备同型号的在运设备处于不同健康状态的概率，p＝[p1p1...pn]，pn表示所有该类型设备处于状态n的统计概率。并对分布概率进行一次累加，得到累积分布概率f＝[f1f2...fn-11]；fn-1表示所有该类型设备处于状态1，2到n-1的累积概率。步骤2所述对分布概率进行一次累加的公式为：步骤3、将f1，…，fn-1依次带入该特征参量的逆累积分布函数，得到n个对应的映射值xp＝[x1x2...xn-1]，从而获得n个离散区间[0,x1]，(x2,x2]，…，(xn-1,+∞]，从而实现特征参量离散化。xn-1为将fn-1带入逆累积分布函数后获得的的输出值。下面结合具体实例对本发明技术方案进行说明：本实施例针对220kv电力变压器的甲烷含量的离散；根据本发明公开的方法：1)收集了某变电站3台同型220kv变压器3年内甲烷全量历史数据，并利用概率密度函数获取该气体的分布规律(本实施例采用如式(2)所示的两参数威布尔概率密度函数也可以采用其他类型的概率密度函数，如正态分布)得到甲烷的分布规律。其中利用极大似然估计获取的威布尔分布参数。如表1所示。式中，x为某类特征参量的时间序列量测值，α为威布尔分布模型的尺度参数，β为威布尔分布模型的形状参数，当这两个参数确定时，weibull概率密度和累积分布函数被唯一确定。α和β的可采用极大似然估计方法计算得到。表1甲烷威布尔分布参数参数类型拟合结果尺度参数(α)10.2592形状参数(β)1.06042)将设备状态分正常状态、注意状态、异常状态和严重状态。统计某地区所有220kv变压器处于4类状态的台数，经归一化后得到各状态分布概率p＝[p1p2p3p4]，并对分布概率进行一次累加，得到累积分布概率f＝[f1f2f31]。状态分布概率和累积分布概率计算结果如表2所示。表2设备状态分布概率及累积概率设备状态正常注意异常严重平均概率p95.46％3.53％0.94％0.07％累积概率f95.46％98.99％99.93％13)将和状态累积概率f＝[95.46％,98.99％,99.93％]带入威布尔逆累积分布函数，如式(3)所示，经过反演计算后获得xp＝[xixiixiii]，如表3所示。xp＝α[-ln(1-f)]1/β(3)表3特征参量离散化区间(ul/l)特征参量xixiixiii甲烷29.748243.221066.5674根据计算结果，得到甲烷气体的4个离散区间，实现了参量的离散，4个区间分别为：[0,29.7482]，[29.7482,43.2210]，[43.2210,66.5674]，[66.5674,+∞]。当前第1页12