电力设备故障数据的挖掘方法、装置、设备及存储介质与流程

本技术涉及数据处理，尤其涉及一种电力设备故障数据的挖掘方法、装置、设备及存储介质。

背景技术：

1、电力设备故障可能会导致非计划停运，造成电力企业的经济损失。目前的电力设备故障检测技术中，在进行电力设备故障数据挖掘及导出时，需要涉及大量的计算过程，故障数据挖掘的繁琐度大、容错率低，容易出现挖掘错误，导致挖掘失败。同时，对于故障数据挖掘过程中的断链数据，无法进行重新组合，会存在数据丢失，使得挖掘效果不佳。

技术实现思路

1、有鉴于此，本技术实施例提供了一种电力设备故障数据的挖掘方法、装置、设备及存储介质，可以减少计算量，有效提高电力设备故障数据挖掘精度与效率，减少数据丢失，提高挖掘效果。

2、本技术实施例的第一方面提供了一种电力设备故障数据的挖掘方法，包括：对待挖掘的电力信号数据进行分类处理，从所述电力信号数据中获取目标数据类型对应的目标电力信号数据；基于所述预设的模型数据库，确定与所述目标数据类型相匹配的目标数据挖掘模型，其中，所述目标数据挖掘模型中包括所述预设的模型数据库中存储的至少一个数据挖掘子模型；采用所述目标数据挖掘模型对所述目标电力信号数据进行故障数据挖掘处理，获得电力设备故障数据，所述目标电力信号数据中包含有一个或多个电力设备故障数据。

3、结合第一方面，在第一方面的第一种可能实现方式中，所述基于所述预设的模型数据库，确定与所述目标数据类型相匹配的目标数据挖掘模型的步骤之前，还包括：基于预设的数据类型收集电力设备故障数据样本，获得若干个样本集，其中，一种数据类型对应获得一个样本集；针对每种所述数据类型，采用所述数据类型对应样本集中的电力设备故障数据进行特征深度学习，获得所述数据类型对应的故障特征；针对所述每种数据类型，对所述数据类型对应的故障特征进行数据量占存计算，获得所述故障特征所对应的数据量占存信息；针对每种所述数据类型，根据所述故障特征所对应的数据量占存信息进行内存分配处理，获得所述数据类型所对应的第一分配内存；针对每种所述数据类型，根据所述数据类型所对应的故障特征和第一分配内存搭建神经网络模型并对所述神经网络模型进行网络训练，获得所述数据类型对应匹配的数据挖掘子模型；将所述数据类型对应匹配的数据挖掘子模型与所述数据类型进行映射关联并存储于所述预设的模型数据库中。

4、结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，所述根据所述数据类型所对应的故障特征和第一分配内存搭建神经网络模型并对所述神经网络模型进行网络训练，获得所述数据类型对应匹配的数据挖掘子模型的步骤，包括：根据所述数据类型所对应的故障特征，对所述故障特征进行二次分类处理，以使所述数据类型包含有若干个二级类别；对所述若干个二级类别进行权重参数设置，获得若干个第一神经网络权重值，其中，所述若干个第一神经网络权重值与所述若干个二级类别一一对应；根据所述若干个第一神经网络权重值和所述数据类型所对应的第一分配内存，对所述若干个二级类别进行内存分配处理，获得若干个二级类别各自对应的第二分配内存；根据所述若干个二级类别以及所述若干个二级类别各自对应的第一神经网络权重值和第二分配内存搭建神经网络模型，采用所述数据类型对应样本集中的电力设备故障数据对所述神经网络模型进行网络训练，获得所述数据类型对应匹配的数据挖掘子模型。

5、结合第一方面，在第一方面的第三种可能实现方式中，所述基于所述预设的模型数据库，确定与所述目标数据类型相匹配的目标数据挖掘模型的步骤，包括：根据所述目标数据类型，搜索所述预设的模型数据库，获得与所述目标数据类型具有映射关系的至少一个数据挖掘子模型；接收用户的模型选择信息，根据所述用户的模型选择信息确定目标模型结构，其中，所述目标模型结构为反馈式网络模型结构、前馈式网络模型结构或自组织网络模型结构中的任意一种；将获得的所述至少一个数据挖掘子模型导入到所述目标模型结构中进行模型搭建，获得与所述目标数据类型相匹配的目标数据挖掘模型。

6、结合第一方面的第三种可能实现方式，在第一方面的第四种可能实现方式中，所述将获得的所述至少一个数据挖掘子模型导入到所述目标模型结构中进行模型搭建，以确定与所述目标数据类型相匹配的目标数据挖掘模型的步骤，还包括：获得多个数据挖掘子模型时，对所述多个数据挖掘子模型进行权重设置，以使所述多个数据挖掘模型具有各自对应的第二神经网络权重值；根据所述多个数据挖掘模型各自对应的第二神经网络权重值，以加权组合的方式将所述多个数据挖掘模型导入到所述目标模型结构中进行模型搭建，获得与所述目标数据类型相匹配的目标数据挖掘模型。

7、结合第一方面或第一方面的第一或第二或第三或第四种可能实现方式，在第一方面的第五种可能实现方式中，所述采用所述目标数据挖掘模型对所述目标电力信号数据进行故障数据挖掘处理，获得电力设备故障数据，所述目标电力信号数据中包含有一个或多个电力设备故障数据的步骤之后，还包括：对所述一个或多个电力设备故障数据进行最大字节数据提取处理并基于所述最大字节数据进行编号处理，获得所述一个或多个电力设备故障数据各自对应的编号；将所述一个或多个电力设备故障数据各自对应的编号作为节点名称，在预设的决策树中建立决策树节点，以在所述预设的决策树中存储所述一个或多个电力设备故障数据。

8、结合第一方面或第一方面的第一或第二或第三或第四种可能实现方式，在第一方面的第六种可能实现方式中，所述采用所述目标数据挖掘模型对所述目标电力信号数据进行故障数据挖掘处理，获得电力设备故障数据，所述目标电力信号数据中包含有一个或多个电力设备故障数据的步骤之后，还包括：对所述一个或多个电力设备故障数据分别进行数据预处理，其中，所述数据预处理包括数据属性泛化处理和数据属性约简处理，对应获得一个或多个第一电力设备故障数据，所述第一电力设备故障数据为经过数据预处理后的电力设备故障数据；将所述一个或多个第一电力设备故障数据进行重新组合和记录，获得一个第二电力故障数据，将所述第二电力故障数据作为所述电力信号数据所对应的挖掘数据存储于预设的电力设备故障数据库中。

9、本技术实施例的第二方面提供了一种电力设备故障数据的挖掘装置，包括：分类模块，用于对待挖掘的电力信号数据进行分类处理，从所述电力信号数据中获取目标数据类型对应的目标电力信号数据；匹配模块，用于基于所述预设的模型数据库，确定与所述目标数据类型相匹配的目标数据挖掘模型，其中，所述目标数据挖掘模型中包括所述预设的模型数据库中存储的至少一个数据挖掘子模型；挖掘模块，用于采用所述目标数据挖掘模型对所述目标电力信号数据进行故障数据挖掘处理，获得电力设备故障数据，所述目标电力信号数据中包含有一个或多个电力设备故障数据。

10、本技术实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在电子设备上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面提供的电力设备故障数据的挖掘方法的各步骤。

11、本技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现第一方面提供的电力设备故障数据的挖掘方法的各步骤。

12、本技术实施例提供的一种电力设备故障数据的挖掘方法、装置、电子设备及存储介质，具有以下有益效果：

13、本技术通过对待挖掘的电力信号数据进行分类处理，从电力信号数据中获取目标数据类型对应的目标电力信号数据。然后基于预设的模型数据库，确定与目标数据类型相匹配的目标数据挖掘模型，其中，目标数据挖掘模型中包括预设的模型数据库中存储的至少一个数据挖掘子模型。进而采用目标数据挖掘模型对电力信号数据进行故障数据挖掘处理，以此获得电力设备故障数据。基于该方法，针对不同数据类型的电力信号数据采用对应匹配的数据挖掘模型进行数据挖掘，可以有效地减少挖掘过程的计算量，提高电力设备故障数据挖掘精度与效率，提高挖掘效果。