一种变电站数字孪生多源信息融合诊断方法与流程

本发明涉及变电站故障诊断，尤其是指一种变电站数字孪生多源信息融合诊断方法。

背景技术：

1、电力设备数据可分为结构化、非结构化、半结构化数据。在线监测数据多为结构化数据，其数据规范性好，特征提取及分析应用相比于半结构、非结构化数据相对简单，但在目前的应用当中仍多基于专家经验或规程导则对这部分数据进行分析，缺乏客观性和有效性。半结构化、非结构化数据虽体量巨大，但由于其处理、使用的复杂性，往往多用于记录与人工分析，未能得到更有效的数据挖掘与自动化应用，因此，在变电站的运维过程中，无法有效利用电力设备数据，对于变电站的故障判断效率和准确率均较低。

2、为了解决单纯通过结构化、非结构化或半结构化数据进行故障诊断时存在的无法有效利用电力设备数据，故障判断效率和准确率均较低的问题，提出了多源数据来实现变电站故障诊断的方法，能够结合多种类型数据来进行变电站故障缺陷诊断。而现阶段通过多源数据实现设备故障缺陷诊断的方法中，大多直接采集变电站设备的实时运行数据来进行多种故障诊断，但变电站内设备在不同运行场景下的故障诊断依据不同，而现有的故障诊断方法中难以区分实时运行数据所处的运行场景，故障诊断准确性不高。

技术实现思路

1、本发明的目的是克服现有技术中的缺点，提供一种变电站数字孪生多源信息融合诊断方法，能够基于数字孪生技术构建变电站模拟运行模型，并基于构建的变电站模拟运行模型来获取预设场景下的变电站多源异构数据，从而根据获取的预设场景下的变电站多源异构数据来实现变电站故障诊断，能够解决现有的基于多源数据进行变电站故障诊断的方法中存在的无法区分实时运行数据所处运行场景，故障诊断准确性不高的问题，使得变电站故障诊断结果更加准确。

2、本发明的目的是通过下述技术方案予以实现：

3、一种变电站数字孪生多源信息融合诊断方法，包括，

4、采集变电站的实时运行数据，基于数字孪生技术构建变电站模拟运行模型；

5、基于变电站模拟运行模型获取预设场景下的变电站多源异构数据，对获取的变电站多源异构数据进行预处理；

6、在振动维度和温度维度根据预处理后的变电站多源异构数据对变电站内变压器进行故障诊断，获取变压器绕组内故障和变压器运行过热点，得到变电站融合诊断结果。

7、进一步的，所述对获取的变电站多源异构数据进行预处理，包括，对变电站多源异构数据内的结构化数据及半结构化数据进行标准化转换，并基于标准化转换结果与非结构化数据进行聚合，对聚合后的所有数据进行数据清洗。

8、进一步的，所述对聚合后的所有数据进行数据清洗，包括，基于数据点密度进行离群点判别，并基于孤立森林进行异常点判别，对判别出的离群点以及异常点进行删除或补全处理。

9、进一步的，所述基于数据点密度进行离群点判别，包括，计算每两个数据点之间的欧式距离，根据计算结果确定每个数据点对应的与其他每个数据点之间的欧式距离，并按照距离远近对每个数据点对应的与其他每个数据点之间的欧式距离进行排序，根据排序结果计算每个数据点对应的局部可达密度，并根据局部可达密度获取每个数据点对应的局部离群因子，将每个数据点对应的局部离群因子与预设阈值进行比较，筛选局部离群因子超过预设阈值的数据点，并将筛选出的数据点作为离群点。

10、进一步的，所述局部可达密度的计算公式为：

11、

12、其中，lrdn(x)为数据点x的局部可达密度，dn(x)为数据点x和所有数据点中距离x第n远的数据点之间的欧式距离，rn(x,y)为数据点x和数据点y间的欧式距离与数据点x和第n远的数据点之间的欧式距离中的最大值，nn(x)为数据点x的第n邻域，|nn(x)|为数据点x的第n领域内的数据点总数。

13、进一步的，所述局部离群因子的计算公式为：

14、

15、其中，lofn(x)为数据点x的局部离群因子，lrdn(x)为数据点x的局部可达密度，lrdn(y)为数据点y的局部可达密度，|nn(x)|为数据点x的第n领域内的数据点总数。

16、进一步的，所述基于孤立森林的异常点判别，包括，基于聚合后的结构化数据和半结构化数据构建数据集，通过组合决策树随机分割数据集，直至数据集内所有样本点均处于孤立状态，再获取每个样本点的分割路径和数据集的平均路径长度，基于平均路径长度以及对应的分割路径对每个样本点的异常程度进行评分，根据评分结果筛选出异常点。

17、进一步的，所述基于平均路径长度以及对应的分割路径对每个样本点的异常程度进行评分的评分公式为：

18、

19、其中，c(n)为数据集的平均路径程度，n为数据集内样本点的数量，h()为调和函数，s(x,n)为样本点x的异常程度评分，e(h(x))为样本x的路径长度的期望。

20、进一步的，所述在振动维度和温度维度根据预处理后的变电站多源异构数据对变电站内变压器进行故障诊断，包括，提取变电站多源异构数据内的声音关联数据，基于声音关联数据获取变压器声纹特征频率谱图，根据变压器声纹特征频率谱图进行声纹特征提取，并基于卷积神经网络根据声纹特征获取变压器的声纹诊断结果，并根据声纹诊断结果得到变压器振动特性，根据变压器振动特性确定变压器绕组内部故障；同时提取变电站多源异构数据内的红外图像数据，并对红外图像数据进行线性变换，并通过残差网络对线性变换后的红外图像数据进行分类识别，基于红外图像数据的分类识别结果获取变压器的温度特性，根据温度特性确定变压器运行过热点。

21、本发明的有益效果是：

22、能够基于数字孪生技术构建变电站模拟运行模型，变电站模拟运行模型能够对变电站的运行情况进行映射模拟，从而获取不同预设场景下的变电站运行情况，且基于具体预设场景下的变电站多源异构数据来实现后续的故障诊断，提高故障诊断的准确性。且能够从振动和温度两个维度的联合故障诊断，更全面地感知变压器缺陷和故障情况，提升了变压器运行的可靠性。

技术特征：

1.一种变电站数字孪生多源信息融合诊断方法，其特征在于，包括，采集变电站的实时运行数据，基于数字孪生技术构建变电站模拟运行模型；基于变电站模拟运行模型获取预设场景下的变电站多源异构数据，对获取的变电站多源异构数据进行预处理；

2.根据权利要求1所述的一种变电站数字孪生多源信息融合诊断方法，其特征在于，所述对获取的变电站多源异构数据进行预处理，包括，对变电站多源异构数据内的结构化数据及半结构化数据进行标准化转换，并基于标准化转换结果与非结构化数据进行聚合，对聚合后的所有数据进行数据清洗。

3.根据权利要求2所述的一种变电站数字孪生多源信息融合诊断方法，其特征在于，所述对聚合后的所有数据进行数据清洗，包括，基于数据点密度进行离群点判别，并基于孤立森林进行异常点判别，对判别出的离群点以及异常点进行删除或补全处理。

4.根据权利要求3所述的一种变电站数字孪生多源信息融合诊断方法，其特征在于，所述基于数据点密度进行离群点判别，包括，计算每两个数据点之间的欧式距离，根据计算结果确定每个数据点对应的与其他每个数据点之间的欧式距离，并按照距离远近对每个数据点对应的与其他每个数据点之间的欧式距离进行排序，根据排序结果计算每个数据点对应的局部可达密度，并根据局部可达密度获取每个数据点对应的局部离群因子，将每个数据点对应的局部离群因子与预设阈值进行比较，筛选局部离群因子超过预设阈值的数据点，并将筛选出的数据点作为离群点。

5.根据权利要求4所述的一种变电站数字孪生多源信息融合诊断方法，其特征在于，所述局部可达密度的计算公式为：

6.根据权利要求5所述的一种变电站数字孪生多源信息融合诊断方法，其特征在于，所述局部离群因子的计算公式为：

7.根据权利要求3所述的一种变电站数字孪生多源信息融合诊断方法，其特征在于，所述基于孤立森林的异常点判别，包括，基于聚合后的结构化数据和半结构化数据构建数据集，通过组合决策树随机分割数据集，直至数据集内所有样本点均处于孤立状态，再获取每个样本点的分割路径和数据集的平均路径长度，基于平均路径长度以及对应的分割路径对每个样本点的异常程度进行评分，根据评分结果筛选出异常点。

8.根据权利要求7所述的一种变电站数字孪生多源信息融合诊断方法，其特征在于，所述基于平均路径长度以及对应的分割路径对每个样本点的异常程度进行评分的评分公式为：

9.根据权利要求1所述的一种变电站数字孪生多源信息融合诊断方法，其特征在于，所述在振动维度和温度维度根据预处理后的变电站多源异构数据对变电站内变压器进行故障诊断，包括，提取变电站多源异构数据内的声音关联数据，基于声音关联数据获取变压器声纹特征频率谱图，根据变压器声纹特征频率谱图进行声纹特征提取，并基于卷积神经网络根据声纹特征获取变压器的声纹诊断结果，并根据声纹诊断结果得到变压器振动特性，根据变压器振动特性确定变压器绕组内部故障；同时提取变电站多源异构数据内的红外图像数据，并对红外图像数据进行线性变换，并通过残差网络对线性变换后的红外图像数据进行分类识别，基于红外图像数据的分类识别结果获取变压器的温度特性，根据温度特性确定变压器运行过热点。

技术总结
本发明提供了一种变电站数字孪生多源信息融合诊断方法，所述诊断方法具体为：采集变电站的实时运行数据，基于数字孪生技术构建变电站模拟运行模型；基于变电站模拟运行模型获取预设场景下的变电站多源异构数据，对获取的变电站多源异构数据进行预处理；在振动维度和温度维度根据预处理后的变电站多源异构数据对变电站内变压器进行故障诊断，获取变压器绕组内故障和变压器运行过热点，得到变电站融合诊断结果。本发明基于数字孪生技术构建变电站模拟运行模型，能够对变电站的运行情况进行映射模拟，从而获取不同预设场景下的变电站运行情况，且基于具体预设场景下的变电站多源异构数据来实现后续的故障诊断，提高故障诊断的准确性。

技术研发人员：郑晓云,游亦强,孔凡坊,池曦锵,杨彬伦,胡文霞,张翼,李云龙,吴旭鹏
受保护的技术使用者：温州电力建设有限公司
技术研发日：
技术公布日：2024/1/15