[發明專利]基于人工智能的電網設備故障診斷方法及系統

有效

• 申請號: 202110385553.3
• 申請日: 2021-04-10
• 公開（公告）號: CN113156917B
• 公開（公告）日: 2023-09-08
• 發明（設計）人: 張邦;袁園
• 申請（專利權）人: 河北新大長遠電力科技股份有限公司
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 安徽盟友知識產權代理事務所(特殊普通合伙) 34213
• 代理人: 鄧立忠

1.基于人工智能的電網設備故障診斷方法，其特征在于，該方法包括以下步驟：

采集電網設備的多類電參量數據，每類所述電參量的數據組成一個實時更新的數據序列；

根據每類所述電參量的所述數據序列預測未來時刻對應的所述電參量的預測數據，并與所述數據序列共同組成第一數據序列；

對每類所述電參量的所述第一數據序列進行異常評估，獲取異常指標，根據每兩類所述電參量的相關性和對應的異常指標獲得異常值序列；所述異常指標為波動特征、連續特征和數據異常程度；

對實時的所述異常值序列進行推理，獲得設備故障診斷的實時結果；

所述異常值序列的獲取方法為：

通過所述異常指標獲得每類所述電參量的異常指數，根據兩類所述電參量異常指數的乘積及其相關性獲得相關性異常指數，由每兩類所述電參量的所述相關性異常指數構成所述異常值序列。

2.根據權利要求1所述的方法，其特征在于，所述波動特征的獲取方法為：

對所述第一數據序列進行密度聚類，獲得聚類中心的數量和離散點的數量，根據所述聚類中心的數量和所述離散點的數量獲得所述波動特征。

3.根據權利要求1所述的方法，其特征在于，所述連續特征的獲取方法為：

通過相鄰時刻的電參量相除獲取所述第一數據序列的變化序列，對所述變化序列分窗計算波動值，組成波動序列，通過所述波動序列的極差獲取所述連續特征。

4.根據權利要求3所述的方法，其特征在于，所述數據異常程度的獲取方法為：

通過計算所述變化序列和歷史異常的第一數據序列的變化序列的特征向量相似度獲取所述數據異常程度。

5.基于人工智能的電網設備故障診斷系統，其特征在于，該系統包括以下模塊：

數據序列獲取模塊，用于采集電網設備的多類電參量數據，每類電參量的數據組成一個實時更新的數據序列；

第一數據序列組成模塊，用于根據每類所述電參量的所述數據序列預測未來時刻對應的所述電參量的預測數據，并與所述數據序列共同組成第一數據序列；

異常值序列獲取模塊，用于對每類所述電參量的所述第一數據序列進行異常評估，獲取異常指標，根據每兩類所述電參量的相關性和對應的異常指標獲得異常值序列；所述異常指標為波動特征、連續特征和數據異常程度；

實時診斷模塊，用于對實時的所述異常值序列進行推理，獲得設備故障診斷的實時結果；

所述異常值序列獲取模塊還包括：

異常值序列構成模塊，用于通過所述異常指標獲得每類所述電參量的異常指數，根據兩類所述電參量異常指數的乘積及其相關性獲得相關性異常指數，由每兩類所述電參量的所述相關性異常指數構成所述異常值序列。

6.根據權利要求5所述的系統，其特征在于，所述異常值序列獲取模塊還包括：

波動特征獲取模塊，用于對所述第一數據序列進行密度聚類，獲得聚類中心的數量和離散點的數量，根據所述聚類中心的數量和所述離散點的數量獲得所述波動特征。

7.根據權利要求5所述的系統，其特征在于，所述異常值序列獲取模塊還包括：

連續特征獲取模塊，用于通過相鄰時刻的電參量相除獲取所述第一數據序列的變化序列，對所述變化序列分窗計算波動值，組成波動序列，通過所述波動序列的極差獲取所述連續特征。

8.根據權利要求7所述的系統，其特征在于，所述異常值序列獲取模塊還包括：

數據異常程度獲取模塊，用于通過計算所述變化序列和歷史異常的第一數據序列的變化序列的特征向量相似度獲取所述數據異常程度。