本发明属于电气自动化领域,具体涉及一种数字化变电站关键设备故障诊断方法及系统。
背景技术:
1、随着经济技术的发展和人们生活水平的提高,电能已经成为了人们生产和生活中必不可少的二次能源,给人们的生产和生活带来了无尽的便利。因此,保证电能的稳定可靠供应,就成为了电力系统最重要的任务之一。
2、数字化变电站是是由智能化一次设备(电子式互感器、智能化开关等)和网络化二次设备分层(过程层、间隔层、站控层)构建,建立在iec61850标准和通信规范基础上,能够实现变电站内智能电气设备间信息共享和互操作的现代化变电站。随着数字化时代的到来,数字化变电站已经成为了电力系统的重要组成部分。因此,数字化变电站能否稳定可靠运行,直接关系到了电力系统能否稳定可靠运行。
3、为了保障数字化变电站的稳定可靠运行,对于数字化变换站内关键设备的故障诊断,就显得尤为重要。但是,目前针对数字化变电站内关键设备的故障诊断方案,往往还是采用的针对传统变电站内关键设备的故障诊断方案。但是,由于数字化变电站与传统变电站之间存在着明显的差异,这使得传统的故障诊断方案在应用于数字化变电站的关键设备故障诊断时,往往存在精确性较低、可靠性较差的问题,从而严重影响了电力系统的稳定可靠运行。
技术实现思路
1、本发明的目的之一在于提供一种可靠性高且精确性好的数字化变电站关键设备故障诊断方法。
2、本发明的目的之二在于提供一种实现所述数字化变电站关键设备故障诊断方法的系统。
3、本发明提供的这种数字化变电站关键设备故障诊断方法,包括如下步骤:
4、s1.获取现有的数字化变电站关键设备的数据信息,并处理得到结构化数据信息;
5、s2.基于bilstm模型、条件随机场模型和脉冲耦合神经网络构建关系路径生成网络,并基于步骤s1获取的数据信息完成故障关系抽取;
6、s3.当数字化变电站关键设备发出故障信息时,基于metaf算法和步骤s2得到的故障关系,完成数字化变电站关键设备的故障诊断。
7、所述的数字化变电站关键设备故障诊断方法,还包括如下步骤:
8、s4.基于transd方法,完善数字化变电站关键设备的故障诊断和实体消歧。
9、所述的数字化变电站关键设备故障诊断方法,还包括如下步骤:
10、s5.根据故障诊断结果,将对应的故障诊断结果作为新的结构化数据信息,从而对抽取的故障关系进行更新。
11、步骤s1所述的获取现有的数字化变电站关键设备的数据信息,并处理得到结构化数据信息,具体包括如下步骤:
12、获取现有的数字化变电站关键设备的设备台账数据、状态监测数据、状态评价数据、故障缺陷数据和设备运行数据,并处理得到结构化数据信息。
13、步骤s2所述的基于bilstm模型、条件随机场模型和脉冲耦合神经网络构建关系路径生成网络,并基于步骤s1获取的数据信息完成故障关系抽取,具体包括如下步骤:
14、关系路径生成网络包括词嵌层、bilstm层、条件随机场层和脉冲耦合神经网络层;
15、词嵌层用于将结构化数据信息中语句中的词按照设定规则进行映射,从而得到语句中的词向量和字向量;
16、bilstm层用于对得到额词向量和字向量进行标定;
17、条件随机场层用于在设定的约束条件下进行筛选,完成实体抽取;
18、脉冲耦合神经网络层用于按照实体抽取得到的向量进行分段,分析每段之间实体的距离与位置之间的关系特征,最终得到实体之间的关系,形成设备故障三元组(h,r,t),完成故障关系的抽取;其中,h为头节点,r为关系节点,t为尾节点;
19、最后,将三元组进行存储。
20、所述的脉冲耦合神经网络层包括向量表达模块、卷积计算模块、分段池化模块和softmax函数模块;
21、向量表达模块用于对每一个词与主体距离进行编码,得到位置特征;
22、卷积计算模块用于向量的特征提取;
23、分段池化模块用于保留每个向量的特征;
24、softmax函数模块用于得到主体之间的关系。
25、步骤s3所述的当数字化变电站关键设备发出故障信息时,基于metaf算法和步骤s2得到的故障关系,完成数字化变电站关键设备的故障诊断,具体包括如下步骤:
26、以设备故障三元组(h,r,t)的头节点、关系节点和尾节点作为输入,依次与同类的图谱节点进行对比查询:头节点的查询集合表示为关系节点的查询集合表示为尾节点的查询结合表示为第n-1轮的查询结果表示为i∈{h,r,t};
27、根据头节点所对应的向量集合关系节点所对应的向量集合和尾节点所对应的向量集合计算各个节点与输入节点的相似度,然后再根据两向量在平面上的位置关系计算余弦相似度:
28、
29、式中sim_i为i向量与比较i向量之间的余弦相似度;| |为向量的模;i取值为i∈{h,r,t},i=h表示为头向量,i=r表示为关系向量,i=t表示为尾向量;
30、计算得到所有余弦相似度后,选取最小值作为输出结果:
31、s={|sim_hmin|、|sim_rmin|、|sim_tmin|}
32、式中s为最小余弦相似度三元组;
33、根据最终的输出向量s,完成数字化变电站关键设备的故障诊断。
34、步骤s4所述的基于transd方法,完善数字化变电站关键设备的故障诊断和实体消歧,具体包括如下步骤:
35、针对每个实体和方法,均定义两个向量:其中第一向量表示一个实体或关系的意义;第二个向量表示如何将一个实体嵌入投影到每一个关系向量空间中,并用于构建投影矩阵;每一个实体和关系都有对应的投影矩阵,通过对投影矩阵的运算,完善数字化变电站关键设备的故障诊断和实体消歧。
36、步骤s5所述的根据故障诊断结果,将对应的故障诊断结果作为新的结构化数据信息,从而对抽取的故障关系进行更新,具体包括如下步骤:
37、根据最终的输出向量s,进行如下判断:
38、若|sim_hmin|≤tt,则将对应的源案例的解决方案作为当前案例的建议方法,根据实际情况进行修正,并将修正后的方案作为最终解决方案,同时将对应的源案例和最终解决方案作为新的结构化数据信息,创建对应的节点、关系和索引数据,并进行保存,从而对抽取的故障关系进行更新;tt为设定的阈值;
39、若|sim_hmin|>tt,则将对应的源案例的解决方案作为最终的解决方案。
40、本发明还提供了一种实现所述数字化变电站关键设备故障诊断方法的系统,包括数据获取模块、关系抽取模块、故障诊断模块、实体消歧模块和关系更新模块;数据获取模块、关系抽取模块、故障诊断模块、实体消歧模块和关系更新模块依次串联;数据获取模块用于获取现有的数字化变电站关键设备的数据信息,并处理得到结构化数据信息,并将数据上传关系抽取模块;关系抽取模块用于根据接收到的数据,基于bilstm模型、条件随机场模型和脉冲耦合神经网络构建关系路径生成网络,并基于获取的数据信息完成故障关系抽取,并将数据上传故障诊断模块;故障诊断模块用于根据接收到的数据,当数字化变电站关键设备发出故障信息时,基于metaf算法和得到的故障关系,完成数字化变电站关键设备的故障诊断,并将数据上传实体消歧模块;实体消歧模块用于根据接收到的数据,基于transd方法,完善数字化变电站关键设备的故障诊断和实体消歧,并将数据上传关系更新模块;关系更新模块用于根据接收到的数据,根据故障诊断结果,将对应的故障诊断结果作为新的结构化数据信息,从而对抽取的故障关系进行更新。
41、本发明提供的这种数字化变电站关键设备故障诊断方法及系统,通过神经网络模型的构建和训练,不仅实现了数字化变电站关键设备的故障诊断,而且可靠性高,精确性好。