[發明專利]一種基于因素與事件間相關關系識別的設備故障預測方法

有效

• 申請號: 201410479909.X
• 申請日: 2014-09-18
• 公開（公告）號: CN104200288B
• 公開（公告）日: 2017-03-15
• 發明（設計）人: 于大洋;李亞錦
• 申請（專利權）人: 山東大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 濟南圣達知識產權代理有限公司37221
• 代理人: 張勇

技術領域

本發明涉及電氣行業，特別涉及一種基于因素與事件間相關關系識別的設備故障預測方法。

背景技術

隨著電網建設的快速發展，我國在輸電容量、設備和技術水平等都走在了世界的前列，對輸變電設備的性能和運行可靠性也提出了更高的要求，因此需要通過故障預警從根本上避免故障的發生。然而現有的設備故障預警技術是基于知識庫專家系統建模和基于人工神經網絡建模，前者雖然具有繼承已有運行經驗，但是對于一些復雜的系統,特別是知識來源不足以表達與反映事故的特征；后者雖然自學習能力較好，但模型維護非常難，建模需要耗時的學習過程，學習樣本的選擇也缺乏依據。同時傳統的方法由于模型本身存在的誤差或者是建模出現的錯誤，又或者是模型本身不具有一般性，這樣也有可能造成誤判、漏判。因此傳統的預警方法已經無法解決當前設備面臨的預警問題，需一種新的方法來識別設備異常征兆，并進行預警，幫助電網提前采取措施避免故障的發生，變被動檢修為主動檢修，變非計劃停機為計劃停機。

發明內容

為解決現有技術存在的不足，本發明公開了一種基于因素與事件間相關關系識別的設備故障預測方法，本申請基于設備運行信息、環境信息以及設備故障信息，在線統計分析設備故障參數，識別設備運行異常指標，從而能夠迅速識別出電網設備故障隱患，進而預警，為調度和運檢人員提供決策依據。

為實現上述目的，本發明的具體方案如下：

一種基于因素與事件間相關關系識別的設備故障預測方法，包括以下步驟：

步驟一：獲取設備正常運行信息和故障信息，將設備故障時刻相關的運行信息及環境信息，存入數據表，形成設備故障數據集；將設備正常運行時的運行信息及環境信息形成設備正常運行數據集；

步驟二：基于步驟一中的設備正常運行信息和故障信息，對設備運行因素指標值進行區間劃分，對因素最大指標值與最小指標值之間的距離等間距劃分為n份，在線計算得到當前區間段內的設備故障率；

步驟三：采用步驟二中各個子區間兩端的值的均值作為指標值區間的量化值，形成新的指標值序列，利用距離相關性算法計算因素指標值與故障率之間的相關系數，該相關關系表征了因素與故障之間的相關性。

步驟四：采用相關關系排序算法對多個因素與故障間相關系數進行排序，最終確定設備故障因素；

步驟五：對確定的故障因素采用聚類算法分析故障因素指標值，進而確定故障判據；

步驟六：將設備當前運行值與故障判據進行比較，判斷與故障相關的因素運行值是否在故障指標值范圍內，如果所有故障指標的運行值均在故障指標值范圍內，則判斷設備運行異常，給出設備故障預警信息。

所述步驟二的設備故障率計算的具體過程為：在指標值對應的每個區間段內，統計故障設備臺數以及正常運行設備臺數，通過計算故障設備臺數/(故障設備臺數+正常設備臺數)進而得到當前區間段內的設備故障率。

所述步驟四的相關關系排序算法是將因素與故障間的相關系數從大到小依次排列，將一組無序的序列調整成有序的序列，進而得到因素與故障間相關性強弱的排列序列，設定閾值，將相關系數大于閾值的因素確定為故障因素，閾值的取值范圍為其絕對值小于等于1。

所述環境信息包括溫度、濕度、雨量、風速、風向、海拔；運行信息包括設備電壓、電流、功率。

所述步驟六中，當滿足公式|X-x_n|＜kσ時，故障發生，其中σ為故障樣本的標準差，x_n為故障判據，X為因素實時指標值，k為正實數。

所述步驟三中距離相關性算法是計算相關系數的一種方法，基本的公式為：

dCor(X,Y)=dCor(X,Y)dVar(X)dVar(Y),]]>