一种基于大数据分析的变压器缺陷评估方法与流程

技术特征：

1.一种基于大数据分析的变压器缺陷评估方法，其特征在于：包括以下步骤：

s1：采集数据：采集海量准实时数据服务平台、地理信息系统、气象数据、集控子站系统、视频监控系统、资产管理系统、集控管理主站的数据；

s2：数据预处理：对采集的数据进行去重处理、异常值处理、缺失值处理；

s3：对数据集进行挖掘，建立缺陷特征向量；

s4：构建基于xgboost算法的变电变压器缺陷趋势评估模型，根据所述缺陷特征对变压器运行健康度进行评价。

2.根据权利要求1所述的一种基于大数据分析的变压器缺陷评估方法，其特征在于：所述步骤s2中对数据进行缺失值处理具体为：采用平均值代替缺失值数据并做平滑化处理。

3.根据权利要求1所述的一种基于大数据分析的变压器缺陷评估方法，其特征在于：所述步骤s3中的缺陷特征包括绕组缺陷、铁芯缺陷、主绝缘缺陷、引线缺陷、分接缺陷和套管缺陷。

4.根据权利要求1所述的一种基于大数据分析的变压器缺陷评估方法，其特征在于：所述步骤s4具体包括以下步骤：

s41：正则化学习目标函数：

对于给定的m个特征、n个样本的训练集，d＝{(xi，yi)}(i＝1，2，...，n，xi∈r^m，yi∈r，|d|＝n)，树的集成模型为k个子函数相加获得的最终输出，如下式所示：

式中，f＝{f(x)＝wq(x)，}(q：r^m→t，w∈r^t)；

其中，代表预测值，k代表cart树的数量，q代表样本映射到相应的叶子节点的决策规则，t代表一棵树的叶子节点数量，f代表cart树，fk代表第k棵决策树，w代表叶子的权重，f所有cart树的集合；

xgboost算法在训练模式是：保留前一次t-1轮的预测不变，加入新的函数ft到模型中，则：

…

最小化下列正则化目标函数：

其中，l为损失函数，用于描述模型模拟数据的程度；ω为正则化项，用于描述模型复杂程度，γ为复杂参数，λ为固定系数，t为树的叶子节点数量；

s42：采用梯度树提升算法：

用表示第t次迭代的第i个实例，并将ft添加到下列目标函数中：

使用二阶近似优化上述目标函数，则：

其中，为一阶偏导数，为二阶偏导数，去除常数项，获得简化的目标函数为：

其中ij＝{i|q(xi)＝j}，为叶子节点j的实例，对于一个固定的结构q(x)，可以计算叶子节点j的最优权重由此可以计算出对应的最优值：

用贪婪算法，迭代添加枝干，：il、ir分别为分割点左边和右边的样本集，且i＝il∪ir，则损失函数减少量如下所示：

上式用来评价分割的候选节点；

s43：采用建立的目标函数评估变压器缺陷趋势：

根据模型输出的变压器运行健康度的预测值，判断变压器状态，分值越高表示变压器越健康，分值按照健康度分为缺陷、健康两种。

技术总结
本发明属于变电站巡检技术领域，具体涉及一种基于大数据分析的变压器缺陷评估方法，具体步骤包括S1：采集数据；S2：数据预处理；S3：对数据集进行挖掘，建立缺陷特征向量；S4：构建基于XGBoost算法的变电变压器缺陷趋势评估模型，根据所述缺陷特征对变压器运行健康度进行评价。采用本发明可以充分挖掘变电站设备巡检数据价值，通过设备健康度评分，实现缺陷自动判别，可节省90%以上人工，效率提升10倍以上，将变电站巡维工作由“经验判断”变为“数据驱动”；由“计划检修”转向“状态检查”；由“事后被动处理”转向“事前主动预防”，实现运行设备精益化管理，为变电站巡检工作提供增值服务。

技术研发人员：邬蓉蓉;黎大健;焦健;张炜;陈荭;谢植飚;兰依;陈炜智
受保护的技术使用者：广西电网有限责任公司电力科学研究院
技术研发日：2019.08.21
技术公布日：2019.12.13