[發明專利]一種面向云邊協同的電力設備故障識別方法及系統

在審

• 申請號: 202211026478.2
• 申請日: 2022-08-25
• 公開（公告）號: CN115423009A
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 雷煜卿;仝杰;彭國政;張中浩;張樹華
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網有限公司;國網天津市電力公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01R31/56;G06N3/04;G06N3/08
• 代理公司: 北京中巡通大知識產權代理有限公司 11703
• 代理人: 張弘

1.一種面向云邊協同的電力設備故障識別方法，其特征在于，包括：

獲取目標電力設備實時監測參量，由實時監測參量得到故障現象數據；

將故障現象數據輸入采用預先訓練的故障原因識別模型，對故障原因進行分類得到不同的故障原因；

對不同故障原因在故障分析中的重要程度進行計算，獲取基于故障原因判斷故障部件時的權重組合，根據故障原因和權重組合定位對應的故障部件。

2.根據權利要求1所述的面向云邊協同的電力設備故障識別方法，其特征在于，所述預先訓練的故障原因識別模型的訓練方法包括：

基于故障現象數據和故障原因數據構建數據集，采用stacking集成學習方法，訓練得到多個弱分類器，然后對多個弱分類器進行集成，得到綜合分析訓練得到故障原因識別模型。

3.根據權利要求2所述的面向云邊協同的電力設備故障識別方法，其特征在于，所述采用stacking集成學習方法，包括：

將數據集劃分為訓練集、測試集，選擇多種基模型作為弱分類器進行訓練，每種基模型的訓練方式如下：

把訓練集分為平均k份，第一次訓練時，將train k作為基測試集，將train1到train(k-1)作為基訓練集，對基模型進行訓練，訓練得到了第一基模型，采用第一基模型對基測試集train k進行預測，得到第一結果矩陣；

將train1到train(k-1)分別作為基測試集，去除選定的基測試集后剩余的k-1份數據作為基訓練集，進行訓練分別得到第二基模型～第k基模型，然后由第二基模型～第k基模型分別對train1到train(k-1)基測試集進行預測，得到k-1個結果矩陣；

對預測得到的k-1個結果矩陣進行分類順序拼接，得到最終的結果矩陣，作為基訓練集；

分別用訓練得到的多個基模型對測試集進行預測，進而構建后續的測試集，得到最終訓練集和測試集；

基于最終訓練集和測試集對LR算法模型進行訓練，得到最終的故障原因識別模型。

4.根據權利要求3所述的面向云邊協同的電力設備故障識別方法，其特征在于，所述分別用練得到的基模型對測試集進行預測，進而構建后續的測試集，包括：

由第一基模型～第k基模型對測試集進行預測，得到k個矩陣，通過分類求平均，得到平均矩陣，作為基測試集；

由多種基模型訓練得到的基模型分別對測試集進行預測，并分別通過分類求平均，得到多種平均矩陣；

對多種平均矩陣進行順序擴展拼接，得到后續的測試集。

5.根據權利要求1所述的面向云邊協同的電力設備故障識別方法，其特征在于，所述對不同故障原因在故障分析中的重要程度進行計算，獲取基于故障原因判斷故障部件時的權重組合，根據故障原因和權重組合定位對應的故障部件，包括：

確定對不同故障原因對應的量化分析指標；

根據量化分析指標形成各故障原因對應的分析張量；

基于分析張量用灰色關聯理論處理分析數列以得到初步代表各因素重要程度的關聯度；

將關聯度與量化分析指標得到的值概率歸一化后進行D-S證據理論融合以得到對應的故障部件。

6.根據權利要求5所述的面向云邊協同的電力設備故障識別方法，其特征在于，所述根據量化分析指標形成各故障原因對應的分析張量；包括：

對于電力設備的一條故障原因，將確定的量化分析指標作為張量中的一個元素，所述張量元素的具體數值為多個量化分析指標的量化數值的權重，張量構成分析所用的變量；張量為Y＝Y(k)|k＝1，2...n；張量元素為X_i＝X_i(k)|k＝1，2...，n，i＝1，2...m。