[發明專利]一種變電設備故障監管方法、系統、終端及存儲介質

有效

• 申請號: 202011145984.4
• 申請日: 2020-10-23
• 公開（公告）號: CN112347619B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 王偉;陳淼;王晶;戴志強;汪潤貴;劉璐;宋磊;王英麗;焦慶麗;李思同;莊強
• 申請（專利權）人: 國網山東省電力公司日照供電公司;國家電網有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06Q10/0631;G06F113/04;G06F119/08
• 代理公司: 濟南舜源專利事務所有限公司 37205
• 代理人: 孫玉營

本發明提供一種變電設備故障監管方法、系統、終端及存儲介質，包括：按預設采集周期定期采集變電設備的監控數據；將所述監控數據輸入預先訓練好的深度學習模型，獲取相應的最熱點溫度值；為所述最熱點溫度值標記時間戳，并根據所述時間戳生成所述變電設備的溫度時間序列；將所述溫度時間序列輸入預先訓練好的Prophet模型，預測所述變電設備的最熱點溫度值達到故障溫度值所需時間；若所述所需時間達到預設時間閾值，則生成所述變電設備的故障預警。本發明可以有效預測變電設備的故障，以便及時啟動輸電線路的調度方案對產生故障預警的變電設備進行及時維修，增強輸電系統的穩定性。

技術領域

本發明涉及輸電系統技術領域，具體涉及一種變電設備故障監管方法、系統、終端及存儲介質。

背景技術

變電設備是輸電系統中的重要節點，承擔這系統中轉化電壓和電能的功能，是電力系統中十分重要且昂貴的電力設備，一旦發生過載事故則需要很長的檢修時間，造成較為嚴重的影響，其運行的安全可靠性直接關系到整個電網的安全和穩定。隨著電網建設的加快，變壓器單臺容量不斷增加，電壓等級也不斷地提高。一般，容量越大、電壓等級越高的變壓器，過載故障率就越高，故障引起的損失和影響范圍也越大。

目前尚未有對變電設備的有效故障預警方法，只有在變電設備故障后發現故障并對其進行維修，這就導致了輸電系統的不穩定。

發明內容

針對現有技術的上述不足，本發明提供一種變電設備故障監管方法、系統、終端及存儲介質，以解決上述技術問題。

第一方面，本發明提供一種變電設備故障監管方法，包括：

按預設采集周期定期采集變電設備的監控數據；

將所述監控數據輸入預先訓練好的深度學習模型，獲取相應的最熱點溫度值；

為所述最熱點溫度值標記時間戳，并根據所述時間戳生成所述變電設備的溫度時間序列；

將所述溫度時間序列輸入預先訓練好的Prophet模型，預測所述變電設備的最熱點溫度值達到故障溫度值所需時間；

若所述所需時間達到預設時間閾值，則生成所述變電設備的故障預警。

進一步的，所述采集變電設備的監控數據，包括：

采集所述變電設備的實際負荷；

采集所述變電設備的環境溫度。

進一步的，所述深度學習模型的訓練方法包括：

將輸電系統中的相同規格且處于相同溫度等級的變電設備劃分為同類變電設備；

將同類變電設備的歷史數據匯總至深度學習模型訓練集，所述歷史數據包括歷史采集的監控數據和相應的最熱點溫度值；

利用所述訓練集對深度學習模型進行訓練，將訓練好的深度學習模型標記對應變電設備規格和溫度等級。

進一步的，所述Prophet模型的訓練方法包括：

將同類變電設備的歷史序列數據匯總至溫度訓練集，所述歷史序列數據包括變電設備從開始使用到發生故障的溫度時間序列；

創建Prophet模型，設置Prophet模型的模型參數，所述模型參數包括趨勢項變點參數、周期項參數和節假日項參數；

利用所述溫度訓練集對預先創建的Prophet模型進行訓練，并將訓練好的Prophet模型標記對應變電設備規格和溫度等級。

進一步的，所述方法還包括：

獲取當前變電設備的規格和環境溫度，根據所述環境溫度獲取所屬溫度等級；

根據所述規格和所述溫度等級查詢具有匹配標記的深度學習模型或Prophet模型。