2，…xljN)作为输入，对 设备全生命周期数据进行无监督聚类，分析设备状态的分类。
[0098] 某个设备全生命周期数据可用矩阵表示：
[0099]
[0100] 对于聚类分析得到的Μ类设备状态，依据检测经验分析每个类别的设备状态，对 每个类别的设备状态进行标记，将其标记为％。设备状态根据其运行情况可分为运行状态 和故障状态。具体的，运行状态又包括良好、一般、较差和严重等不同等级的运行状态，故障 状态根据故障的具体类型进行分类。
[0101] 通过将采集的待检测输变电设备的Ν个状态特征数据对应的第一特征向量输入 该待检测输变电设备对应的聚类模型，可得到该待检测输变电设备的当前设备状态。在另 一种实施方式中，还包括状态转移矩阵建立模块60,状态转移矩阵建立模块具体包括：
[0102] 分析单元，用于按时间顺序依次将第二特征向量输入聚类模型，得到待检测输变 电设备的设备状态变化情况。
[0103] 具体的，将该待检测设备的全生命周期数据的第二特征向量按时间顺序依次输入 其聚类模型时得到该待检测设备状态变化情况。
[0104] 计算单元，用于统计设备状态变化情况中从一个设备状态到其它设备状态变化的 次数，得到不同设备状态的转移概率以得到状态转移矩阵。
[0105] 具体的，统计该设备状态变化中每相邻的两个设备状态，从一个设备状态到其它 设备状态变化的次数，从而统计不同设备状态的转移概念得到待检测输电设备的状态转移 矩阵。
[0106]
[0107] 对于待检测输变电设备，很烟兵白目U坟奇狀念及狀念转移矩阵能够评估转变的可 能状态设备及相应的概率。
[0108] 在另一种实施方式中，采集模块10包括：
[0109] 采集单元，用于采集待检测输变电设备的N个状态特征数据；
[0110] 第二处理单元，用于对N个状态特征数据进行量化和归一化处理得到与待检测输 变电设备对应的第一特征向量。
[0111] 对状态特征数据进行规范化处理，即量化和归一化处理，在其它的实施方式中，特 征数据规范化处理包括非量化数据的数字化、在聚类之前数据归一化和将特征向量中某项 缺失数据进行补全，例如采用其他数据平均值。
[0112] 该输变电设备状态变化预测系统，通过采集待检测设备当前的第一状态特征数 据，将当前的第一状态特征数据根据预先建立的聚类模块得到当前的设备状态，若当前设 备不处于故障状态，则根据当前的设备状态和状态转移矩阵预测该输变电设备发生状态转 变的概率从而预测该输变电设备的状态变化。该系统能够快速的确定当待检测设备的当前 设备状态，并预测可能发生转变的设备状态的概率，从而针对较大问题故障的设备能够及 时进行检修和更换，从而有效地保障电力设备的正常运行。进一步的聚类模型和状态转移 矩阵通过对该待检测设备的历史运行数据进行分析获得，因此，该系统的成本低且准确率 尚。
[0113] 以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例 中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛 盾，都应当认为是本说明书记载的范围。
[0114] 以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并 不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来 说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护 范围。因此，本发明专利的保护范围应以所附权利要求为准。
【主权项】
1. 一种输变电设备状态变化预测方法，其特征在于，包括 采集待检测输变电设备的N个状态特征数据，并对所述N个状态特征数据进行处理得 到与所述待检测输变电设备对应的第一特征向量； 将所述第一特征向量输入对应的聚类模型中得到所述待检测设备的当前设备状态； 根据所述当前设备状态判断所述待检测输变电设备是否处于故障状态； 若否，则根据所述当前设备状态及所述待检测输变电设备对应的状态转移矩阵预测所 述待检测设备发生状态转变的概率，以预测所述待检测输变电设备状态的变化。2. 根据权利要求1所述的输变电设备状态变化预测方法，其特征在于，在所述采集待 检测输变电设备的N个状态特征数据，并对所述N个状态特征数据进行处理得到与所述待 检测输变电设备对应的第一特征向量的步骤之前，还包括：预先建立聚类模型的步骤，所述 预先建立聚类模型包括： 获取电网的输变电设备的历史运行数据，并从所述历史运行数据中提取每台输变电设 备的所述N个状态特征数据； 对每个所述输变电设备的所述N个状态特征数据进行处理得到每个所述输变电设备 的第二特征向量； 分别将每个输变电设备的所述第二特征向量采用无聚类监督算法得到每个输变电设 备对应的Μ类设备状态，并对所述Μ类设备状态进行标记得到对应的所述输变电设备的聚 类模型。3. 根据权利要求2所述的输变电设备状态变化预测方法，其特征在于，在所述预先建 立聚类模型的步骤之后，还包括建立状态转移矩阵的步骤，所述建立状态转移矩阵包括： 按时间顺序依次将所述第二特征向量输入所述聚类模型，得到所述待检测输变电设备 的设备状态变化情况； 统计所述设备状态变化情况中从一个设备状态到其它设备状态变化的次数，得到不同 设备状态的转移概率以得到状态转移矩阵。4. 根据权利要求1所述的输变电设备状态变化预测方法，其特征在于，所述采集待检 测输变电设备的Ν个状态特征数据，并对所述Ν个状态特征数据进行处理得到与所述待检 测输变电设备对应的第一特征向量的步骤包括： 采集待检测输变电设备的Ν个状态特征数据； 对所述Ν个状态特征数据进行量化和归一化处理，得到与所述待检测输变电设备对应 的第一特征向量。5. -种输变电设备状态变化预测系统，其特征在于，包括 采集模块，用于采集待检测输变电设备的Ν个状态特征数据，并对所述Ν个状态特征数 据进行处理得到与所述待检测输变电设备对应的第一特征向量； 聚类模块，用于将所述第一特征向量输入对应的聚类模型中得到所述待检测设备的当 前设备状态； 判断模块，用于根据所述当前设备状态判断所述待检测输变电设备是否处于故障状 态； 预测模块，用于在所述判断模块的判断结果为否时，根据所述当前设备状态及所述待 检测输变电设备对应的状态转移矩阵预测所述待检测设备发生状态转变的概率，以预测所 述待检测输变电设备状态的变化。6. 根据权利要求5所述的输变电设备状态变化预测系统，其特征在于，还包括：建模模 块，所述建模模块包括： 提取单元，用于获取电网的输变电设备的历史运行数据，并从所述历史运行数据中提 取每台输变电设备的所述N个状态特征数据； 第一处理单元，用于对每个所述输变电设备的所述N个状态特征数据进行处理得到每 个所述输变电设备的第二特征向量； 聚类单元，用于分别将每个输变电设备的所述第二特征向量采用无聚类监督算法得到 每个输变电设备对应的Μ类设备状态，并对所述Μ类设备状态进行标记得到对应的所述输 变电设备的聚类模型。7. 根据权利要求6所述的输变电设备状态变化预测系统，其特征在于，还包括状态转 移矩阵建立模块，所述状态转移矩阵建立模块包括： 分析单元，用于按时间顺序依次将所述第二特征向量输入所述聚类模型，得到所述待 检测输变电设备的设备状态变化情况； 计算单元，用于统计所述设备状态变化情况中从一个设备状态到其它设备状态变化的 次数，得到不同设备状态的转移概率以得到状态转移矩阵。8. 根据权利要求5所述的输变电设备状态变化预测系统，其特征在于，采集模块包括： 采集单元，用于采集待检测输变电设备的Ν个状态特征数据； 第二处理单元，用于对所述Ν个状态特征数据进行量化和归一化处理得到与所述待检 测输变电设备对应的第一特征向量。
【专利摘要】本发明涉及一种输变电设备状态变化预测方法和系统，该方法包括：采集待检测输变电设备的N个状态特征数据，并对N个状态特征数据进行处理得到与待检测输变电设备对应的第一特征向量；将第一特征向量输入对应的聚类模型中得到待检测设备的当前设备状态；根据当前设备状态判断待检测输变电设备是否处于故障状态；若否，则根据当前设备状态及待检测输变电设备对应的状态转移矩阵预测待检测设备发生状态转变的概率，以预测待检测输变电设备状态的变化。该方法通过聚类模型和状态转移矩阵进行分析，成本低且准确率高。
【IPC分类】G06Q50/06, G06Q10/04
【公开号】CN105426999
【申请号】CN201510854477
【发明人】栾乐, 杜堉榕, 崔晓飞, 刘俊翔, 李志彬
【申请人】广州供电局有限公司
【公开日】2016年3月23日
【申请日】2015年11月27日