[發(fā)明專利]一種基于深度神經(jīng)網(wǎng)絡(luò)的開(kāi)關(guān)故障預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011453592.4
• 申請(qǐng)日: 2020-12-12
• 公開(kāi)（公告）號(hào): CN112465259B
• 公開(kāi)（公告）日: 2023-01-31
• 發(fā)明（設(shè)計(jì)）人: 黃智慧;孫朝霞;李毅;劉建;徐永強(qiáng);李芳;馮波;吳忠平;郭靖;劉天慈;羅琪;王江濤
• 申請(qǐng)（專利權(quán)）人: 武漢七星電氣有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06F18/214;G06N3/0464;G06N3/084
• 代理公司: 武漢楚天專利事務(wù)所 42113
• 代理人: 胡江

一種基于深度神經(jīng)網(wǎng)絡(luò)的開(kāi)關(guān)故障預(yù)測(cè)方法，包括以下步驟：預(yù)測(cè)模型建模樣本的選擇定義；數(shù)據(jù)特征獲取；數(shù)據(jù)預(yù)處理；特征工程；數(shù)據(jù)訓(xùn)練；故障預(yù)測(cè)；本方法基于深度神經(jīng)網(wǎng)絡(luò)的開(kāi)關(guān)故障模型的建模方法利用時(shí)間窗口平滑、向量拼接方法將一維的溫度數(shù)據(jù)轉(zhuǎn)換為溫度矩陣，提高了開(kāi)關(guān)故障的預(yù)測(cè)準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及一種預(yù)測(cè)方法，具體地說(shuō)是一種基于深度神經(jīng)網(wǎng)絡(luò)的開(kāi)關(guān)故障預(yù)測(cè)方法。

背景技術(shù)

電力系統(tǒng)中存在大量的開(kāi)關(guān)，這些開(kāi)關(guān)分布廣泛，型號(hào)眾多。由于開(kāi)關(guān)對(duì)電網(wǎng)的穩(wěn)定起到重要的作用，因此必須時(shí)時(shí)刻刻關(guān)注開(kāi)關(guān)的是否存在故障，并對(duì)存在故障隱患的開(kāi)關(guān)進(jìn)行替換，以保障電網(wǎng)的安全。隨著移動(dòng)互聯(lián)網(wǎng)的廣泛普及以及監(jiān)測(cè)技術(shù)的發(fā)展，可以通過(guò)紅外測(cè)溫的技術(shù)實(shí)時(shí)獲取開(kāi)關(guān)的溫度數(shù)據(jù)，但有技術(shù)中對(duì)電力系統(tǒng)開(kāi)關(guān)的監(jiān)測(cè)只能檢測(cè)到溫度異常但沒(méi)有預(yù)警功能。

發(fā)明內(nèi)容

本發(fā)明要解決的問(wèn)題是現(xiàn)有技術(shù)中對(duì)電力系統(tǒng)開(kāi)關(guān)的監(jiān)測(cè)只能檢測(cè)到溫度異常但沒(méi)有預(yù)警功能的問(wèn)題。

本發(fā)明采用的技術(shù)方案是：一種基于深度神經(jīng)網(wǎng)絡(luò)的開(kāi)關(guān)故障預(yù)測(cè)方法，包括以下步驟：

步驟一：預(yù)測(cè)模型建模樣本的選擇定義，首先根據(jù)電力系統(tǒng)開(kāi)關(guān)的類型以及業(yè)務(wù)需要定義開(kāi)關(guān)的狀態(tài)，0代表開(kāi)關(guān)正常，1代表開(kāi)關(guān)異常；

步驟二：數(shù)據(jù)特征獲取，從步驟一中的建模樣本中獲取特征數(shù)據(jù)，所述特征數(shù)據(jù)包括開(kāi)關(guān)使用時(shí)間、安裝環(huán)境、測(cè)溫時(shí)間及開(kāi)關(guān)的溫度，從而得到模型初始數(shù)據(jù)；

步驟三：數(shù)據(jù)預(yù)處理(溫度數(shù)據(jù)具有飽和度低、數(shù)據(jù)稀疏等特性，使得模型的預(yù)測(cè)能力存在較弱的問(wèn)題。因此必須對(duì)建模的數(shù)據(jù)進(jìn)行預(yù)處理，提高模型的預(yù)測(cè)能力)，將步驟二中獲取的初始數(shù)據(jù)劃分為連續(xù)型數(shù)據(jù)和離散型數(shù)據(jù)，開(kāi)關(guān)使用時(shí)間、安裝環(huán)境、測(cè)溫時(shí)間利用離散值來(lái)表示，對(duì)這三個(gè)屬性建立向量A(a1,a2,a3),其中a1代表開(kāi)關(guān)使用時(shí)間，a2代表開(kāi)關(guān)安裝環(huán)境，a3代表測(cè)溫的相對(duì)時(shí)間；

對(duì)開(kāi)關(guān)的溫度進(jìn)行平滑，平滑掉數(shù)據(jù)中受“污染”的數(shù)據(jù)；

步驟四：特征工程，將當(dāng)前溫度前的n-1個(gè)溫度數(shù)據(jù)和當(dāng)前溫度數(shù)據(jù)形成一個(gè)N維的向量；根據(jù)電力系統(tǒng)的業(yè)務(wù)特點(diǎn)，選擇M-1個(gè)該開(kāi)關(guān)的故障參考開(kāi)關(guān)，生成該開(kāi)關(guān)的M×(N+3)維的特征矩陣；該矩陣對(duì)應(yīng)的結(jié)果為一個(gè)具有M個(gè)元素的向量，第i個(gè)元素的值對(duì)應(yīng)第i個(gè)開(kāi)關(guān)的狀態(tài)(0代表正常，1代表故障)；

步驟五：數(shù)據(jù)訓(xùn)練，將步驟四得到的建模數(shù)據(jù)按比例隨機(jī)劃分為訓(xùn)練集和測(cè)試集，將訓(xùn)練集放到深度神經(jīng)網(wǎng)絡(luò)模型當(dāng)中進(jìn)行訓(xùn)練，并用測(cè)試集來(lái)驗(yàn)證訓(xùn)練模型；

步驟六：故障預(yù)測(cè)，將新的溫度矩陣輸入深度神經(jīng)網(wǎng)絡(luò)，對(duì)該開(kāi)關(guān)進(jìn)行預(yù)測(cè)。如果該開(kāi)關(guān)的狀態(tài)為1，系統(tǒng)發(fā)出報(bào)警，提示工作人員對(duì)該開(kāi)關(guān)進(jìn)行監(jiān)測(cè)。如果存在P個(gè)以上的開(kāi)關(guān)存在故障，系統(tǒng)同樣報(bào)警，提示業(yè)務(wù)人員對(duì)該開(kāi)關(guān)進(jìn)行監(jiān)測(cè)。

進(jìn)一步的，所述步驟三中對(duì)溫度連續(xù)值進(jìn)行平滑的方法為利用平滑矩陣將溫度數(shù)據(jù)進(jìn)行加權(quán)平均。

進(jìn)一步的，所述步驟三中a1,a2,a3的計(jì)算方法如下：a1等于開(kāi)關(guān)使用時(shí)間等于當(dāng)前時(shí)間減去開(kāi)關(guān)安裝時(shí)間(以天為單位)。跟據(jù)電力系統(tǒng)的業(yè)務(wù)特點(diǎn)，將開(kāi)關(guān)安裝的環(huán)境分成N個(gè)類，并用1到N來(lái)表示。a2根據(jù)具體的安裝環(huán)境取其中一個(gè)值。測(cè)溫時(shí)間減去當(dāng)天零時(shí)的時(shí)間，得到測(cè)溫時(shí)間的相對(duì)時(shí)間長(zhǎng)度a3。

進(jìn)一步的，所述步驟四中生成該開(kāi)關(guān)的M×(N+3)維的特征矩陣的方法具體過(guò)程如下；用戶根據(jù)業(yè)務(wù)特點(diǎn)，選擇該開(kāi)關(guān)的M-1個(gè)開(kāi)關(guān)，對(duì)每一個(gè)開(kāi)關(guān)得到的溫度監(jiān)測(cè)歷史數(shù)據(jù)，利用步驟二中的方法得到開(kāi)關(guān)的屬性數(shù)據(jù)，利用步驟三中的平滑過(guò)程對(duì)開(kāi)關(guān)溫度進(jìn)行平滑。假設(shè)開(kāi)關(guān)A為需要預(yù)測(cè)的開(kāi)關(guān)，生成開(kāi)關(guān)的樣本數(shù)據(jù)集合SA，其正例數(shù)據(jù)集合為A+,負(fù)例數(shù)據(jù)集合為A-。同樣對(duì)于其他的M-1個(gè)，生成其包含正例和負(fù)例的樣本數(shù)據(jù)集合；依次從這M個(gè)集合中挑選一個(gè)向量，生成一個(gè)M行N列的矩陣；