[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

本發明涉及人工智能技術領域，具體涉及一種基于人工智能的電網設備故障診斷方法及系統。該方法包括：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；根據每類電參量的數據序列預測未來時刻對應的電參量的預測數據，并與數據序列共同組成第一數據序列；對每類電參量的第一數據序列進行異常評估，獲取異常指標，根據每兩類電參量的相關性和對應的異常指標獲得異常值序列；對實時的異常值序列進行推理，獲得設備故障診斷的實時結果。本發明實施例能夠對電網設備進行準確的實時故障診斷，提高系統的安全防護能力。

技術領域

本發明涉及人工智能技術領域，具體涉及一種基于人工智能的電網設備故障診斷方法及系統。

背景技術

電力是國民經濟和人民生活的基礎產業，它的供應和安全對國家安全戰略、經濟和社會發展起著至關重要的作用。但隨著電力系統復雜性增加，尤其是在多故障或保護裝置操作不正確情況下，需要處理的工作量極其龐大，因此電力系統出現故障是不可避免的。當電力系統中的電網設備狀態異常或者發生故障時，如果不能迅速診斷出電力故障，及時搶修盡快恢復電網正常運行，會導致停電事件影響日常生活，嚴重的可能會帶來巨大的經濟損失。

發明人在實踐中，發現上述現有技術存在以下缺陷：

設備的故障是多種多樣的，當故障發生時，如何通過檢測手段獲取表達設備故障的有效信息是設備故障管理的重要課題，現有的故障診斷方法僅僅通過電參量自身的變化進行故障診斷，識別精度低，導致故障診斷結果不準確。

發明內容

為了解決上述技術問題，本發明的目的在于提供一種基于人工智能的電網設備故障診斷方法及系統，所采用的技術方案具體如下：

第一方面，本發明一個實施例提供了一種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。

優選的，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。

優選的，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。

優選的，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。

優選的，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。

第二方面，本發明另一個實施例提供了一種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；