一种输变电设备状态运行趋势分析方法
【技术领域】
[0001] 本发明涉及输变电设备日常维护和检修信息化、智能化技术领域，具体是一种输 变电设备状态运行趋势分析方法。
【背景技术】
[0002] 随着电网规模的壮大和输变电设备数量的增加，用户对供电可靠性要求不断提 高，同时设备的信息化程度越来越高，设备状态监测系统日益普及，而目前众多输变电设备 在线监测系统大量历史运行数据未得到有效的利用，这些数据蕴含输变电设备运行状态的 重要信息，其潜在的价值亟待开发，可以应用于分析输变电设备运行状态趋势，为输变电设 备维护和检修提供决策支持，减小输变电设备出现异常的概率，提高供电可靠性。
[0003] 电力设备的管理与检修方式大致可以分为事后维修、定期维修和状态检修，事后 维修和定期检修往往存在维修不足和维修过度的问题，状态检修根据设备当前的实际工作 情况，通过对设备的运行状态进行分析、判断，预测设备状态发展趋势，在此基础上制定维 修计划，可以有效地节约成本、提高效率。电力设备的状态检修研宄始于上世纪70年代，由 美国电力科学研宄院率先开展，美国已有50%以上的电力公司应用该技术进行发电设备的 状态检修，日本于上世纪80年代开始对电力设备进行以在线监测和分析为基础的检修，此 外，德国、丹麦、法国等国家的一些公司在状态检修方面也有一些进展。我国电力企业于上 世纪80年代开始进行状态检修的探讨，但仅有少数企业应用该技术，真正实现状态检修的 电力公司仅有9. 8%。目前主要的技术方法包括基于专家系统的方法，基于人工神经网络的 数据挖掘方法、概率统计方法以及模糊评价方法。
[0004] 本发明人在实现本发明的过程中发现：数据挖掘技术是一门可以在海量数据中 发现有用知识的新兴学科，可以为科学决策提供有力支持。其中的神经网络方法特别适合 于解决内部机制复杂的问题，可以很好地对不能建立明确推理规则的技术系统进行状态评 价。
【发明内容】
[0005] 本发明提供一种输变电设备状态运行趋势分析方法，通过将数据挖掘技术应用于 电力公司生产管理系统运行的海量历史数据挖掘中，并结合气象监测系统数据分析输变电 设备运行状态趋势，及时发现运行状态欠佳的设备，为制定合理的日常输变电设备维护、检 修方案提供支持，提高电网运行的可靠性。
[0006] 一种输变电设备状态运行趋势分析方法，包括如下步骤：
[0007] 步骤一、对电力公司生产管理系统输变电设备运行状态历史信息和气象监测系统 的气象信息进行汇总整理，选择每隔12小时记录的属性数据建立输变电设备信息模型，所 选择记录的属性数据包括设备标定参数、设备特征量、设备基础信息、环境参数、不同环境 条件下设备或部件需停运时的特征参数阈值序列；
[0008] 步骤二、从所述输变电设备信息模型中选取设备各部件运行特征参数值，构建输 变电设备状态特征空间，参考输变电设备信息模型中的其他属性数据及当天环境参数，计 算设备各部件的不同运行特征参数值对应的动态劣化度值，使用变权模糊综合评价法得到 设备运行状态值，得到时间序列上的设备历史运行状态样本；
[0009] 步骤三、使用步骤二获得的设备历史运行状态样本作为原始训练样本，进行基于 主成分分析法的神经网络训练，并验证其可靠性，得到输变电设备运行状态趋势分析的神 经网络模型；
[0010] 步骤四、使用步骤三训练好的基于主成分分析法的神经网络模型进行输变电设备 运行状态趋势分析。
[0011] 如上所述的输变电设备状态运行趋势分析方法，所述步骤一中建立的输变电设备 信息模型为E = {B，F，P，M，G}，其中
[0012] B = Ib1A,…，bn}，为设备基础信息的集合，反映设备固有属性的数据，包括设备 名称、出厂日期、出厂编号、投运日期；
[0013] F = Kf1, Sl>，<f2, Sl>，…，<ft，sm>}，为由设备特征量及其隶属的部件组成的有序 集合，m代表设备的第m个部件，t代表第m个部件的第t个特征参数；
[0014] P = ，由设备部件特征量及其额定值组成的有序集合，其中i = 1，2,…，m，代表第m个部件，j = 1，2,…n，代表第m个部件的第j个特征参数；
[0015] M = ImijI，由影响不同部件的环境参数组成的集合，其中i = 1，2,'m,代表第m 个部件，j = 1，2,…n，代表第m个部件的第j个环境影响因素；
[0016] G = ，其中i = 1，2, 'Iib代表第m个部件，j = 1，2,…n，代表第m个部件 的第j个运行特征参数，q = 1，2,…，1，代表第m个部件的第j个运行特征参数在第q个环 境影响因素条件下需停运时的特征参数阈值。
[0017] 如上所述的输变电设备状态运行趋势分析方法，步骤二具体为：
[0018] (2-1)从输变电设备信息模型中将某输变电设备与功能相关的各部件运行特征 参数选择出来，构建输变电设备状态特征空间，与功能相关的部件个数记为m，第i(i = 1，2, ···，!!!）个部件的运行特征参数动态劣化度集为Cli= {dn，di2，…，din}，其中Clij (j = 1，2,…，η)为第i类运行特征参数的子集的第j个运行特征参数动态劣化度，当值为1时， 表明处于故障状态，当值为0时，表明处于健康状态；
[0019] (2-2)参考输变电设备信息模型中的其他属性数据及当天环境参数，对每个运行 特征参数集合确定各运行特征参数的标准值和停运阈值，计算各运行特征参数的动态劣化 度，进而得到设备各部件的不同运行特征参数值对应的动态劣化度值；
[0020] (2-3)确定状态评语集V = Iv1, v2, v3, v4}，V1, v2, V3, ￥4分别代表良好状态、较好状 态、一般状态和拟故障状态四种状态；
[0021] (2-4)通过专家关于设备各部件及运行特征参数重要程度的分析，根据层次分析 法确定各部件以及各运行特征参数对输变电设备运行影响的权重；
[0022] (2-5)根据步骤（2-2)获得的设备各部件的不同运行特征参数值对应的动态劣化 度值以及步骤（2-4)获得的设备各部件以及各运行特征参数对输变电设备运行影响的权 重，利用变权模糊综合评价法计算各部件与状态评语集V中四种状态对应的模糊评价集， 并以此为基础计算设备与状态评语集V中四种状态对应的模糊评价集，针对不同时间的输 变电设备状态特征空间计算其对应的模糊评价集，依时间先后顺序构成时间序列上的设备 历史运行状态样本。
[0023] 如上所述的输变电设备状态运行趋势分析方法，步骤（2-4)中常权权重向量表示 为：
[0024] A = (a" a2,…，am);
[0025] Ai= (a n, ai2, ···, aiS)；
[0026] i = 1，2,…，m;j = 1，2, ···，!!，其中A表示设备的常权权重向量，Ai为第i个部件 的常权权重向量，am、B ij分别为第m个部件的常权权重和第i个部件的第j个运行特征参 数的常权权重；
[0027] 同时计算各运行特征参数的变权权重，变权公式如式6所示：
【主权项】
1. 一种输变电设备状态运行趋势分析方法，其特征在于：包括如下步骤： 步骤一、对电力公司生产管理系统输变电设备运行状态历史信息和气象监测系统的气 象信息进行汇总整理，选择每隔12小时记录的属性数据建立输变电设备信息模型，所选择 记录的属性数据包括设备标定参数、设备特征量、设备基础信息、环境参数、不同环境条件 下设备或部件需停运时的特征参数阈值序列； 步骤二、从所述输变电设备信息模型中选取设备各部件运行特征参数值，构建输变电 设备状态特征空间，参考输变电设备信息模型中的其他属性数据及当天环境参数，计算设 备各部件的不同运行特征参数值对应的动态劣化度值，使用变权模糊综合评价法得到设备 运行状态值，得到时间序列上的设备历史运行状态样本； 步骤三、使用步骤二获得的设备历史运行状态样本作为原始训练样本，进行基于主成 分分析法的神经网络训练，并验证其可靠性