[發明專利]電力設備的故障預警方法、裝置、存儲介質及處理器

在審

• 申請號: 202011381226.2
• 申請日: 2020-11-30
• 公開（公告）號: CN113554526A
• 公開（公告）日: 2021-10-26
• 發明（設計）人: 何楠;黃山;劉弘景;吳麟琳;苗旺;劉可文
• 申請（專利權）人: 國網北京市電力公司;國家電網有限公司
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06Q10/04
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 黃海英

本申請公開了一種電力設備的故障預警方法、裝置、存儲介質及處理器。該方法包括：獲取電力設備在預定的工作時間段內的實時數據，實時數據包括：多種工作參數的工作數據；基于預定的工作時間段內的實時數據，生成電力設備的實時工作曲線圖；將電力設備的實時工作曲線圖與標準曲線圖進行比對，獲取差值變化，其中，標準曲線圖用于表征電力設備處于故障工作狀態下的工作趨勢圖；根據差值變化和設定的預警閾值，生成預警信息。通過本申請，解決了相關技術中在電力設備故障類型差異性大時無法實現故障的識別以及告警的問題。

技術領域

本申請涉及電力設備故障預警技術領域，具體而言，涉及一種電力設備的故障預警方法、裝置、存儲介質及處理器。

背景技術

變電站設備是整個電力系統的重要組成部分，保持正常運行具有重要意義，例如，對于變壓器來說，大多數變壓器故障是由于長期積累而發生的，因此在變壓器運行期間，故障發生的可能性大，因此，及時準確地發現變壓器的潛在運行隱患對于維持系統的穩定運行具有重要意義。

為了保證變電站設備的正常運行，需要在對變電站設備運行的過程中進行故障診斷和分析時，可以在變電站運行期間大量監視設備實時獲取數據，并將這些收集的數據與先前存儲的歷史數據進行比較，然后可以對運行狀態做出粗略的判斷。具體地的，可以采用模型分析的方法實現，但是，相關技術中基于理論分析的傳統模型，很難處理多維的海量數據集信息，無法及時顯示設備中存在的潛在故障信息，在電力設備故障類型差異性較大時無法準確識別故障，無法及時進行預警。

針對相關技術中在電力設備故障類型差異性大時無法實現故障的識別以及告警的問題，目前尚未提出有效的解決方案。

發明內容

本申請提供一種電力設備的故障預警方法、裝置、存儲介質及處理器，以解決相關技術中在電力設備故障類型差異性大時無法實現故障的識別以及告警的問題。

根據本申請的一個方面，提供了一種電力設備的故障預警方法。該方法包括：獲取電力設備在預定的工作時間段內的實時數據，實時數據包括：多種工作參數的工作數據；基于預定的工作時間段內的實時數據，生成電力設備的實時工作曲線圖；將電力設備的實時工作曲線圖與標準曲線圖進行比對，獲取差值變化，其中，標準曲線圖用于表征電力設備處于故障工作狀態下的工作趨勢圖；根據差值變化和設定的預警閾值，生成預警信息。

可選地，在將電力設備的實時工作曲線圖與標準曲線圖進行比對之前，該方法還包括：構建電力設備的故障數據庫，其中，故障數據庫記錄了歷史時間段內電力設備處于非正常工作狀態下的工作樣本數據；從故障數據庫中提取不同工作參數下的故障數據；基于不同工作參數的故障數據，生成電力設備在歷史時間段內的標準曲線圖。

可選地，在構建電力設備的故障數據庫之前，該方法還包括：采集電力設備的紅外圖像，并對紅外圖像進行圖像預處理；基于卷積神經網絡對紅外圖像進行識別，獲取紅外圖像中的電力設備；采用紅外圖像進行圖像配準，通過深度置信網絡確定電力設備是否處于故障狀態；如果確定電力設備處于故障狀態，利用實測數據對電力設備的故障進行識別。

可選地，構建電力設備的故障數據庫，包括：采集電力設備的歷史故障數據并進行預處理；利用離線模型對采集的歷史故障數據進行二次處理；對二次處理后的歷史故障數據進行故障預測和賦值標記，構建電力設備的故障數據庫。

可選地，根據差值變化和設定的預警閾值，生成預警信息，包括：初始化由差值變化構成的權重矩陣與偏置矩陣，其中權值滿足均值為0，方差為0.1的正態分布，且偏置值定義為0.1；采用多層卷積神經網絡和貝葉斯原則抽取故障數據庫中的數據特征；基于權重矩陣與偏置矩陣，計算每個數據特征的參數誤差值；基于設定的預警閾值修正參數誤差值，生成預警信息。