[發明專利]一種基于大數據的變電站設備故障影響因素分析方法

在審

• 申請號: 201910080985.6
• 申請日: 2019-01-28
• 公開（公告）號: CN109919432A
• 公開（公告）日: 2019-06-21
• 發明（設計）人: 范李平;張曉輝;潘郁;黃娟;蘇偉;高安亮;汪長林;溫泉;鄭曉宇;姚迪;江濤
• 申請（專利權）人: 國網湖北省電力有限公司宜昌供電公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/00;G06Q50/06;G06Q10/04
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 成鋼

一種基于大數據的變電站設備故障影響因素分析方法，包括采集用于變電站設備故障影響因素分析的數據，對獲取的數據進行完整性、準確性和一致性評估，對數據進行預處理；判斷數據類型，依據數據類型分別采用Pearson相關分析法、單因素方差分析法、統計對比法對設備故障影響因素數據進行設備故障相關性分析。本發明利用變電設備運維的大數據，采用Pearson相關分析法與單因素方差分析法、統計對比法相結合對變電設備故障的影響因素進行分析，剔除了與設備故障非強相關或冗余的特征變量，選出了最優故障特征變量集，便于設備故障的預測；使用變電設備運維的大數據作為設備故障影響因素分析的基礎，保證了設備故障影響因素分析結果的準確性、全面性。

技術領域

本發明屬于變電站設備監控領域，具體涉及一種基于大數據的變電站設備故障影響因素分析方法。

背景技術

電網發展已步入特高壓交直流混聯、跨區域互聯、信息化、智能化發展階段，變電設備規模劇增，狀態數據呈指數增長，電網結構日益復雜，信息量爆炸性增長。而變電設備故障影響因素眾多，難以簡單判斷分析，過去通常使用傳統的專家經驗法，缺乏科學的數據支撐；同時，面對日益增長的設備規模，依靠人工研判已經無法滿足實際業務需求。

發明內容

本發明的目的是解決上述問題，提供一種基于大數據的變電站設備故障影響因素分析方法，采用相關性分析方法，利用變電設備運維的大數據，分析變電設備故障的影響因素，便于對變電設備的故障進行預測，加強變電設備的運維管理，提高變電設備的可靠性。

本發明的技術方案是一種基于大數據的變電站設備故障影響因素分析方法，具體包括以下步驟：

步驟1：采集用于變電站設備故障影響因素分析的數據，采集的數據包括結構化數據和非結構化數據，結構化數據涵蓋變電站運行工況、設備屬性、系統方式、外部環境、季節特性；非結構化數據包括紅外測溫、設備漏油漏氣、刀閘分合、外觀異常、指示燈相關圖像信息；

步驟2：對獲取的數據進行完整性、準確性和一致性評估；

步驟3：對數據進行預處理；

步驟4：判斷數據類型，依據數據類型對設備故障影響因素數據進行設備故障相關性分析；

步驟4.1：對連續類型的數據采用Pearson相關分析法分析其與設備故障的相關性；

步驟4.2：對離散類型的數據采用單因素方差分析法分析其與設備故障的相關性；

步驟4.3：對非結構化類型的數據采用統計對比法分析其與設備故障的相關性。

所述步驟4之后，采用Apriori算法進行設備故障影響因素之間的關聯分析，建立設備狀態關聯規則庫。

所述步驟1中采集的數據包括數據采集與監視控制系統SCADA系統的數據、生產管理系統PMS系統的數據、智能巡檢機器人系統的數據、設備在線監測系統的數據、天氣預報系統的數據。

所述數據預處理具體包括：

(1)分析字段“設備名稱”、“故障時間”、“故障類型”數據，發現空缺數據進行剔除；

(2)對關鍵字段重復的數據，則視為重復錄入數據進行剔除；

(3)根據字段“設備名稱”、“故障時間”、“故障類型”對數據進行分析后合并或剔除；在一個停電范圍內同一天不可能出現多次故障的情況，出現多條同一設備故障情況的數據，應屬于一次搶修未能完全修復；不能歸類為多次故障，而應定義為一次故障；

(4)對天氣信息中的降水量、雷雨、冰雹、風速數據，進行分級處理。

Pearson相關分析法通過建立一個相關系數，來反映兩個定量指標之間線性相關關系；Pearson相關系數計算公式如下：