术语仅仅用来将 一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作 之间存在任何这种实际的关系或者顺序。而且，术语"包括"、"包含"或者其任何其他变体 意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括 那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或 者设备所固有的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并 不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0151] 专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元 及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和 软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些 功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业 技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应 认为超出本发明的范围。
[0152] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。 对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的 一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明 将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一 致的最宽的范围。
【主权项】
1. 一种电力设备全寿命状态评价方法，其特征在于，包括： 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； 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； 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HItext，将所述第一健康状态指数HItexJt为目标健康状态指数HI; 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； 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。2. 如权利要求1所述的电力设备全寿命状态评价方法，其特征在于，该方法还包括： 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HI signal， 将所述第一健康状态指数HItext和所述第二健康状态指数HIslgnal融合成综合健康状态 指数HI总，其中，所述HI总={HItext，HIslgnal}，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。3. 如权利要求2所述的电力设备全寿命状态评价方法，其特征在于，所述预设训练集 为向量空间Wall; 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。4. 如权利要求3所述的电力设备全寿命状态评价方法，其特征在于，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： 对所述电力设备的缺陷文本进行分词处理，得到分词； 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； 对所述第一词序列进行去停用词处理，得到第二词序列； 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。5. 如权利要求4所述的电力设备全寿命状态评价方法，其特征在于，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： 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···Α;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； 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wh的第1维数值。6. 如权利要求5所述的电力设备全寿命状态评价方法，其特征在于，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HItext的 过程为： 按照所述相似度sh的数值大小对所述相似度Sh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； 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LtMt;其中，所述S"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"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； 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;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Lτ_为预先给定的所述 电力设备的缺陷等级的下限。7. 如权利要求6所述的电力设备全寿命状态评价方法，其特征在于，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Lslgnal，并将所述综合特征指标Lslgnal转换为第二健康状态指数 HIslgnal的过程为： 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； 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Lsignal;r= 1或2或SabnOTmalq为第q个所述特征信号的时频指标，SnOTmalq为第q个所述特征 信号的正常指标； 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；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Ls_为预先给定的 所述电子设备的综合特征指标的下限。8.如权利要求1-7任一项所述的电力设备全寿命状态评价方法，其特征在于，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： 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； 所述比率型状态融合模型关系式为：其中，所述为所述缺陷文本开始预处理时的综合状态评价结果； 所述为所述第一健康状态指数或所述第二健康状态指数； 所述S(agei)为所述电力设备的役龄的示性函数，其中，
【专利摘要】本发明公开了一种电力设备全寿命状态评价方法，包括运用自然语言处理NLP技术对电力设备的缺陷文本进行预处理，得到缺陷文本的特征向量；依据特征向量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HItext，将第一健康状态指数HItext作为目标健康状态指数HI；对目标健康状态指数HI进行状态融合处理，得到的结果作为本次电力设备的单位健康周期；将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，得到电力设备的全寿命状态评价信息。本发明公开的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有效信息的挖掘，提高了电力设备全寿命状态评价的准确性和全面性。
【IPC分类】G06F17/30, G06Q50/06, G06Q10/06
【公开号】CN105303296
【申请号】CN201510633251
【发明人】何文林, 王慧芳, 梅冰笑, 邹国平, 马润泽, 邱剑, 孙翔, 王文浩, 谢成
【申请人】国网浙江省电力公司电力科学研究院, 国家电网公司, 浙江省电力试验研究院技术服务中心, 浙江大学
【公开日】2016年2月3日
【申请日】2015年9月29日