一种电力设备全寿命状态评价方法
【技术领域】
[0001] 本发明涉及电力系统技术领域，特别是涉及一种电力设备全寿命状态评价方法。
【背景技术】
[0002] 电力行业中，为了有效地掌握电力设备的健康状态以及寿命状态，工作人员通常 会对电力设备的健康状态进行评价。
[0003] 在电网中，有少数的关键电力设备装配了状态监测装置，如变压器的油色谱分析 仪，局部放电监测仪等。这些状态监测装置获取的状态监测量可实时反映该电力设备的某 些特定的特征量。但是，一方面由于经济成本和技术发展等原因，许多电力设备还没有装配 状态监测装置，在未来很长一段时间内，人工巡检和带电检测仍将是许多设备最主要的"监 测"方式，以此来实现对电力设备的全寿命状态评价，但这种评价方式存在准确性低的缺 点。另一方面，即使装配了状态监测装置，例如某类监测传感器，也只能反映这类监测传感 器对应的关键特征量，但对于该类监测传感器探测不到、且模糊性较强的亚健康缺陷，仍然 需要依靠人工巡检，采用文本报告尽可能地将缺陷记录下来，以实现对该电力设备全方位 的全寿命状态评价，这种评价方式同样存在着准确性低和片面性的缺点。
[0004] 因此，如何有效提高电力设备全寿命状态评价的准确性和全面性是本领域技术人 员目前需要解决的问题。
【发明内容】
[0005] 本发明的目的是提供一种电力设备全寿命状态评价方法，实现了对缺陷文本中蕴 含的大量客观有效信息的挖掘，充分利用这些有效信息来对电力设备的全寿命状态进行评 价，提高了电力设备全寿命状态评价的准确性和全面性。
[0006] 为解决上述技术问题，本发明提供了 一种电力设备全寿命状态评价方法，包括：
[0007] 运用自然语言处理NLP技术对电力设备的缺陷文本进行预处理，得到所述缺陷文 本的特征向量；
[0008] 依据所述特征向量计算所述缺陷文本与预设训练集之间的相似度；
[0009] 依据所述相似度计算所述缺陷文本的缺陷等级，并将所述缺陷等级转换为第一健 康状态指数HI text，将所述第一健康状态指数HItexJt为目标健康状态指数HI ;
[0010] 对所述目标健康状态指数HI进行状态融合处理，得到的结果作为本次所述电力 设备的单位健康周期；
[0011] 将所述电力设备本次的单位健康周期以及之前所有的单位健康周期进行整合，得 到所述电力设备的全寿命状态评价信息。
[0012] 优选地，该方法还包括：
[0013] 获取状态监测设备对所述电力设备进行监测得到的状态监测数据，对所述状态监 测数据进行特征提取，得到综合特征指标Lslgnal，并将所述综合特征指标Lslgnal转换为第二 健康状态指数HIslgnal;
[0014] 将所述第一健康状态指数HItext和所述第二健康状态指数HI slgnal融合成综合健康 状态指数HI总，其中，所述HI,& = {HItext，HIslgnaJ，将所述综合健康状态指数HI总作为所述目 标健康状态指数HI。
[0015] 优选地，所述预设训练集为向量空间Wall;
[0016] 其中，所述Wall= [wab]AW，其中，Wab= 0或1，A为所述电力设备的缺陷文本的数 量，B为所述电力设备的缺陷文本的特征向量的维度。
[0017] 优选地，所述运用自然语言处理NLP技术对电力设备的缺陷文本进行预处理，得 到所述缺陷文本的特征向量的过程为：
[0018] 对所述电力设备的缺陷文本进行分词处理，得到分词；
[0019] 对所述分词进行词频统计处理，并按照词频从大到小的顺序相对应地对所述分词 进行排序，得到第一词序列；
[0020] 对所述第一词序列进行去停用词处理，得到第二词序列；
[0021 ] 对所述第二词序列进行文本向量化，得到所述缺陷文本的特征向量。
[0022] 优选地，所述依据所述特征向量计算所述缺陷文本与预设训练集之间的相似度的 过程为：
[0023] 采用k最邻近分类算法kNN分别计算所述缺陷文本与所述预设训练集之间的相似 度Sh，其中，h = 1，2…A ;
[0025] Sh为所述缺陷文本与所述预设训练集中的第h个训练集文本之间的相似度；
[0026] w为所述缺陷文本的特征向量；wh为所述预设训练集中的第h个训练集文本的特 征向量;w的第1维数值，w ^为w h的第1维数值。
[0027] 优选地，所述依据所述相似度计算所述缺陷文本的缺陷等级，并将所述缺陷等级 转换为第一健康状态指数过程为：
[0028] 按照所述相似度Sh的数值大小对所述相似度S h进行排序，选出前k个数值最大的 所述相似度&以及相对应的最相似的k条所述预设训练集中的训练集文本；
[0029] 依据所述前k个数值最大的所述相似度&以及相对应的最相似的k条所述预设 训练集中的训练集文本计算所述缺陷文本的缺陷等级L tot;
[0030] 其中，所述
[0031] 其中，所述Sni为所述缺陷文本与第m条所述预设训练集中的训练集文本之间的相 似度；L ni为预先给定的前k个最相似的所述预设训练集中第m条训练集文本的缺陷等级；
[0032] 通过第一健康状态转换关系式将所述缺陷等级转换为第一健康状态指数HItext;
[0033] 其中，所述第一健康状态转换关系式
[0034] 所述Lt _为预先给定的所述电力设备的缺陷等级的上限，所述Lt _为预先给定 的所述电力设备的缺陷等级的下限。
[0035] 优选地，所述获取状态监测设备对所述电力设备进行监测得到的状态监测数 据，对所述状态监测数据进行特征提取，得到综合特征指标L slgnal，并将所述综合特征指标 Lslgnal转换为第二健康状态指数HI slgnal的过程为：
[0036] 获取状态监测设备对所述电力设备进行监测得到的状态监测数据，对所述状态监 测数据进行特征提取，得到η个特征信号指标，其中，η个所述特征信号指标均包括时频指 标和正常指标；
[0037] 依据Minkowski距离关系式对η个所述特征信号指标进行转换，得到所述综合特 征指标L signal;
[0038] 其中，所述综合特征指标
[0039] r = 1 或2或％ Sabnmialq为第q个所述特征信号的时频指标，S n_alq为第q个所述 特征信号的正常指标；
[0040] 通过第二健康状态转换关系式将综合特征指标Lslgnal转换为第二健康状态指数 HIslgnal;
[0041] 其中，所述第二健康状态转换关系式
[0042] 所述Ls _为预先给定的所述电子设备的综合特征指标的上限，所述L s _为预先 给定的所述电子设备的综合特征指标的下限。
[0043] 优选地，所述对所述目标健康状态指数HI进行状态融合处理，得到的结果作为本 次所述电力设备的单位健康周期的过程为：
[0044] 假设本次所述电力设备的单位健康周期为所述电力设备的第i个单位健康周期， 将所述第i个单位健康周期用丨来表示；其中，所述??+1分别通过比率型状 态融合模型关系式得到；
[0045] 所述比率型状态融合模型关系式为：
[0047] 其中，所述m/为所述缺陷文本开始预处理时的综合状态评价结果；
[0048] 所述HI1为所述第一健康状态指数或所述第二健康状态指数；
[0049] 所述δ (agei)为所述电力设备的役龄的示性函数，其中，
[0051]所述 AGE = 100。
[0052] 本发明提供的一种电力设备全寿命状态评价方法，通过运用自然语言处理NLP技 术对电力设备的缺陷文本进行预处理、计算缺陷文本与预设训练集之间的相似度；依据相 似度计算缺陷文本的缺陷等级，并将缺陷等级转换为第一健康状态指数HI text;将第一