一种基于关联分析的容性设备介质损耗监测方法及系统与流程

本发明涉及介质损耗监测，尤其涉及一种基于关联分析的容性设备介质损耗监测方法及系统。

背景技术：

1、容性设备是电力系统中的关键组件。这些设备在长时间运行过程中，可能会因为各种原因导致介质损耗增加，从而影响其性能和寿命。因此，对容性设备的介质损耗进行实时监测和预警是至关重要的。

2、传统的容性设备介质损耗监测方法主要依赖于物理传感器和定期的手动检查。这些方法虽然可以提供一定的监测功能，但在损耗初期可能难以及时发现问题，而且需要大量的人工参与，效率较低。

3、近年来，随着大数据、机器学习和数据挖掘技术的发展，基于数据的容性设备介质损耗监测方法逐渐受到关注。其中，关联分析作为一种强大的数据挖掘技术，被广泛应用于各种应用场景，如市场篮分析、推荐系统等。关联分析的主要目的是发现数据集中的频繁模式，并生成关联规则。这些规则可以帮助我们理解数据之间的关系，并为决策提供支持。

4、在容性设备介质损耗监测中，关联分析可以帮助我们发现运行数据（如电压、电流、温度、湿度等）之间的关联规则，从而及时发现潜在的介质损耗问题。例如，当电压和温度同时超过某个阈值时，可能意味着设备存在介质损耗问题。通过自动化的关联规则挖掘和预警系统，可以大大提高容性设备的运行安全性和效率。

5、然而，关联分析也存在一些挑战。首先，关联规则的数量可能非常大，需要有效的方法筛选出真正有用的规则。其次，关联规则只能描述数据之间的关联性，不能直接推断因果关系。此外，为了获得准确的关联规则，需要大量的历史数据和高效的计算资源。

6、通过使用自编码器模型提取数据特征、采用多级分箱方法将连续数据转换为离散形式、使用先进的关联规则挖掘算法如apriori、fp-growth等。这些方法和技术为基于关联分析的容性设备介质损耗监测提供了强大的支持。

7、总之，基于关联分析的容性设备介质损耗监测是一个前沿和有挑战的研究领域，有着广泛的应用前景和巨大的经济价值。

技术实现思路

1、鉴于上述现有技术中存在的问题，提出了本发明。

2、因此，本发明提供了一种基于关联分析的容性设备介质损耗监测方法及系统，能够解决传统的容性设备介质损耗监测方法往往依赖于定期的物理检查或简单的传感器数据，这种方法不仅效率低下，而且可能错过一些初期的、不易察觉的损耗问题。

3、为解决上述技术问题，本发明提供如下技术方案，一种基于关联分析的容性设备介质损耗监测方法，包括：

4、采集容性设备的运行数据，使用自编码器模型提取运行数据的特征；

5、使用关联分析在提取的特征上挖掘关联规则；

6、当匹配到关联规则时，系统生成故障预警及对应策略通知用户。

7、作为本发明所述的一种基于关联分析的容性设备介质损耗监测方法的一种优选方案，其中：所述自编码器模型包括，当采集的容性设备的运行数据为一个每分钟记录一次的24小时数据，将数据分割为1440个数据点的多个序列，

8、；

9、其中，t为子序列，t是完整的时间序列，将时间序列分割为n个长度为m的子序列，，将数据缩放到0到1之间，

10、 ；

11、创建处理时间序列数据的网络结构，输入层神经元的数量等于每个数据序列的长度，使用循环神经网络捕捉时间依赖性，

12、；

13、其中，为编码器的函数，hi为第i个子序列ti的隐藏表示，ti表示第i个子序列；

14、使用解码器重构原始序列，

15、  ；

16、其中，为解码器的函数，为第i个子序列ti的重构版本；

17、将预处理后的数据序列输入到模型中，使用均方误差作为损失函数，优化重构误差，

18、 ；

19、将新的时间序列数据输入到编码器中，编码器的输出是数据的压缩表示，捕捉时间序列中的关键特征，获取隐藏表示，

20、。

21、作为本发明所述的一种基于关联分析的容性设备介质损耗监测方法的一种优选方案，其中：所述使用关联分析在提取的特征上挖掘关联规则包括，采用多级分箱将连续的隐藏表示转换为离散形式，对每个隐藏表示，将隐藏表示非零特征作为一个事务，使用priori找到频繁的项目集合，对每个频繁项集，生成所有可能的关联规则，

22、 ；

23、其中，表示为隐藏表示中的特征；

24、对于每一条生成的关联规则，计算支持度，

25、 ；

26、其中，为支持度，tc表示的合成运算；

27、当关联规则的支持度大于等于系统内部最小置信度阈值时，则关联规则满足置信度要求；

28、对每一条生成的关联规则，计算置信度，

29、 ；

30、其中，为置信度；

31、当关联规则的置信度大于等于系统内部最小置信度阈值时，则关联规则满足置信度要求，筛选出同时满足支持度和置信度要求的关联规则。

32、作为本发明所述的一种基于关联分析的容性设备介质损耗监测方法的一种优选方案，其中：所述匹配到关联规则包括，系统检查实时数据，根据被触发的关联规则检索问题数据库，若关联规则为问题数据库中的已知问题则系统自动调取问题数据库中历史最优处理方法，并在操作日志中自动记录被触发的规则和执行的操作；

33、当系统检测到不符合预期的模式时，自动进行异常标记并将异常记录问题数据库，立即发出警报并通过上位机显示触发的关联规则及当前数据读取，现场作业人员通过系统读取历史相似问题并发出的检修操作进行干预后，在系统中提供反馈，记录根据系统提供的检修操作的结果，根据历史数据和人工干预的结果对系统进行持续学习和优化关联规则。

34、作为本发明所述的一种基于关联分析的容性设备介质损耗监测方法的一种优选方案，其中：所述问题数据库包括，

35、  ；

36、其中，d为问题数据库，为第i个异常事件，为与关联的时间戳，为异常的状态，与关联的推荐解决方案，为与关联的反馈。

37、作为本发明所述的一种基于关联分析的容性设备介质损耗监测方法的一种优选方案，其中：所述不符合预期的模式包括，当系统检测到容性设备介质损耗短时间内超过安全损耗阈值时，要求判断系统介入，进行判断是否存在系统内部误报，若二次检测系统无误报时，则标记异常节点，记录到问题数据库中，并通过上位机通知现场作业人员进行维修排查，经过作业人员排查结束后，对异常节点进行持续观测，若异常节点存在维修后超过24小时持续表现高于正常损耗时，则系统提示设备存在长期积压问题，提示对所述节点进行人工干预；

38、当系统检测到容性设备介质损耗且无对应的关联规则时，要求判断系统介入，进行判断是否存在内部误报，若二次检测系统无误报时，则标记异常节点，记录到问题数据库中，通过上位机提示节点异常并进行人工干预；

39、当系统计算预测的介质损耗值与实际介质损耗值之间偏差等级为c级或s级时，系统进行二次诊断，检查输入数据是否存在异常及检查模型参数是否发生变化，若输入数据存在异常情况时，系统进行第一次自动修复，若修复失败，则通过上位机提示现场作业人员检查数据并对数据进行修复，若模型参数存在异常时，系统将模型数据自动进行修复，若输入数据及模型参数无异常时，则系统重新训练模型，当异常状态排除完成时，系统二次计算预测的介质损耗值与实际介质损耗值之间偏差等级，若偏差等级为c级或s级时，则设备的介质损耗超出正常范围，系统发出警告并在上位机提示现场作业人员进行人工干预，若二次计算预测的介质损耗值与实际损耗值之间偏差等级为a级或b级时，系统将问题记录并重新进入正常作业状态。

40、作为本发明所述的一种基于关联分析的容性设备介质损耗监测方法的一种优选方案，其中：所述偏差等级包括，当偏差时，则偏差等级为a；

41、当偏差时，则偏差等级为b级；

42、当偏差为时，则偏差等级为c级；

43、当偏差为时，则偏差等级为s级。

44、本发明的另外一个目的是提供一种基于关联分析的容性设备介质损耗监测方法的系统，通过实时、精确地监测容性设备的运行状态，大大提高了故障预警的及时性，从而避免了因故障延误造成的巨大经济损失。其次，通过自编码器模型的深度学习能力，系统能够自动提取和学习设备的运行特征，使得对设备的监测更为精确，减少了误报和漏报的情况。此外，关联分析的引入使得系统能够挖掘出设备运行数据中的潜在关联规则，为操作人员提供了更为深入、细致的分析结果，帮助他们更好地理解设备的运行状态和潜在问题。最后，当系统检测到异常或潜在风险时，能够自动触发预警机制，并为操作人员提供针对性的处理建议，大大提高了应对突发情况的效率。

45、作为本发明所述的一种基于关联分析的容性设备介质损耗监测方法的系统的一种优选方案，其中：包括，数据预处理模块，关联规则生成模块，规则筛选模块、业务应用模块；

46、所述数据预处理模块，清洗、转换和标准化原始数据，使其适合关联规则挖掘；

47、所述关联规则生成模块，使用apriori算法从预处理后的数据中生成关联规则；

48、所述规则筛选模块，基于最小支持度和最小置信度筛选和排序关联规则；

49、所述业务应用模块，将筛选后的关联规则应用于实际业务场景。

50、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现一种基于关联分析的容性设备介质损耗监测方法中任一项所述的方法的步骤。

51、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现一种基于关联分析的容性设备介质损耗监测方法中任一项所述的方法的步骤。

52、本发明的有益效果：本发明方法基通过自编码器模型提取的数据特征和关联分析，可以实时地发现容性设备的介质损耗问题，确保了监测的准确性和及时性，大大降低了因损耗问题导致的设备故障风险。通过实时监测和预警，可以及时发现和处理潜在的安全隐患，确保了设备和操作人员的安全。