輸變電設備狀態(tài)預測方法和系統(tǒng)的制作方法
【技術領域】
[0001] 本發(fā)明涉及電力電網(wǎng)技術領域，特別是涉及一種輸變電設備狀態(tài)預測方法和系 統(tǒng)。
【背景技術】
[0002] 輸變電設備是電網(wǎng)的重要組成部分，輸變電設備的可用性與穩(wěn)定性直接影響到電 網(wǎng)的安全運行。隨著電力工業(yè)的發(fā)展，一方面電網(wǎng)規(guī)模不斷發(fā)展，輸變電設備數(shù)量激增，用 戶對供電可靠性要求不斷提高；另一方面設備的信息化程度越來越高，設備狀態(tài)監(jiān)測技術 日益成熟，設備運行數(shù)據(jù)與測試數(shù)據(jù)激增。因此在輸變電設備運行過程中，提前發(fā)現(xiàn)可能的 故障并加以預防和排除非常重要。
[0003] 傳統(tǒng)的輸變電設備監(jiān)測方式主要是基于計劃檢修為主。由于計劃檢修具有盲目 性和強制性，容易對狀態(tài)較差、存在故障隱患的設備檢修不足，對于狀態(tài)良好的設備過度檢 修，不僅不能及時避免運行故障的發(fā)生，而且會造成設備運行可靠性的降低和更大的經(jīng)濟 損失。傳統(tǒng)的輸變電設備監(jiān)測方法存在可靠性低的缺點。

【發(fā)明內(nèi)容】

[0004] 基于此，有必要針對上述問題，提供一種可靠性高的輸變電設備狀態(tài)預測方法和 系統(tǒng)。
[0005] -種輸變電設備狀態(tài)預測方法，包括以下步驟：
[0006] 采集待預測設備的觀測數(shù)據(jù)并構建特征序列；
[0007] 根據(jù)從預設的概率分類模型類中，獲取使所述特征序列中各特征矢量的概率最大 的分類，所述概率分類模型類為根據(jù)輸變電設備的歷史觀測數(shù)據(jù)構建得到的分類；
[0008] 根據(jù)各所述特征矢量及使特征矢量的概率最大的分類的概率分類模型類對應的 最佳預測系數(shù)，計算得到所述待預測設備的對應預測數(shù)據(jù)并輸出。
[0009] -種輸變電設備狀態(tài)預測系統(tǒng)，包括：
[0010] 數(shù)據(jù)采集模塊，用于采集待預測設備的觀測數(shù)據(jù)并構建特征序列；
[0011] 數(shù)據(jù)處理模塊，用于從預設的概率分類模型類中，獲取使所述特征序列中各特征 矢量的概率最大的分類，所述概率分類模型類為根據(jù)輸變電設備的歷史觀測數(shù)據(jù)構建得到 的分類；
[0012] 狀態(tài)預測模塊，用于根據(jù)各所述特征矢量及使特征矢量的概率最大的分類的概率 分類模型類對應的最佳預測系數(shù)，計算得到所述待預測設備的對應預測數(shù)據(jù)并輸出。
[0013] 上述輸變電設備狀態(tài)預測方法和系統(tǒng)，采集待預測設備的觀測數(shù)據(jù)并構建特征序 列。從預設的概率分類模型類中，獲取使特征序列中各特征矢量的概率最大的分類。根據(jù) 特征矢量和使特征矢量的概率最大的分類的概率分類模型類對應的最佳預測系數(shù)，計算得 到待預測設備的對應預測數(shù)據(jù)并輸出。根據(jù)待預測設備的觀測數(shù)據(jù)建立特征序列，并結合 輸變電設備的歷史觀測數(shù)據(jù)構建的概率分類模型類得到對應的最佳預測系數(shù)，從而完成對 待預測設備的數(shù)據(jù)預測。從設備歷史數(shù)據(jù)中充分挖掘特征變化趨勢，并采用最佳預測系數(shù) 來預測設備的狀態(tài)，能夠獲得更好的預測效果，可以對輸變電設備進行狀態(tài)監(jiān)測、預警診斷 等起到良好的作用。與傳統(tǒng)的輸變電設備監(jiān)測方式相比，提高了可靠性。
【附圖說明】
[0014] 圖1為一實施例中輸變電設備狀態(tài)預測方法的流程圖；
[0015] 圖2為一實施例中采集待預測設備的觀測數(shù)據(jù)并構建特征序列的流程圖；
[0016]圖3為一實施例中從預設的概率分類模型類中，獲取使特征序列中各特征矢量的 概率最大的分類的流程圖；
[0017] 圖4為另一實施例中輸變電設備狀態(tài)預測方法的流程圖；
[0018]圖5為一實施例中輸變電設備狀態(tài)預測系統(tǒng)的結構圖；
[0019]圖6為一實施例中數(shù)據(jù)采集模塊的結構圖；
[0020] 圖7為一實施例中數(shù)據(jù)處理模塊的結構圖；
[0021] 圖8為另實施例中輸變電設備狀態(tài)預測系統(tǒng)的結構圖。
【具體實施方式】
[0022] -種輸變電設備狀態(tài)預測方法，如圖1所示，包括以下步驟：
[0023] 步驟S140:采集待預測設備的觀測數(shù)據(jù)并構建特征序列。待預測設備即指需要進 行狀態(tài)預測的輸變電設備，可直接數(shù)據(jù)庫獲取待預測設備已記錄的數(shù)據(jù)作為觀測數(shù)據(jù)。在 其中一個實施例中，如圖2所示，步驟S140包括步驟S142和步驟S144。
[0024] 步驟S142:采集待預測設備的觀測數(shù)據(jù)，得到觀測數(shù)據(jù)序列。具體為：
[0025]A= (aj,a2, ···,ap)
[0026] 其中，A為觀測數(shù)據(jù)序列，ap為待預測設備第p個觀測數(shù)據(jù)。
[0027] 步驟S144:根據(jù)觀察數(shù)據(jù)序列構建特征序列。具體為：
[0028]A，= (A，2，…，A，pn)
[0029]A'i= (ar "a' i+1，…，a' i+nl)
[0030] 其中，A'為特征序列，A'i表示特征序列A'中第i個特征矢量，p-n為特征矢量 的個數(shù)，a' 觀測數(shù)據(jù)序列A中第i個觀測數(shù)據(jù)。
[0031] 以預測變壓器狀態(tài)為例，待檢測的變壓器已記錄了 20個觀測數(shù)據(jù)，需要預測 第21個觀測數(shù)據(jù)，20個觀測數(shù)據(jù)構成序列A=(ai，a2，…，a2。)。構建特征序列A'= (A'i，A' 2，…，A' 17)，其中A' 1= (a'i，a' 1+1，…，a' 1+3)，即本實施例中每個特征矢 量由4個觀測數(shù)據(jù)構成。
[0032] 步驟S150 :從預設的概率分類模型類中，獲取使特征序列中各特征矢量的概率最 大的分類。
[0033] 概率分類模型類為根據(jù)輸變電設備的歷史觀測數(shù)據(jù)構建得到的分類，分別根據(jù)概 率分類模型類得到使特征矢量概率最大的分類。在其中一個實施例中，如圖3所示，步驟 S150包括步驟S152至步驟S156。
[0034] 步驟S152:根據(jù)預設的概率分類模型類構建各特征矢量的概率分類表達式。具體 地，概率分類表達式為：
[0035] p(A'」λζ)=工p(D'」Az)dai+n
[0036]其中，p(A'」λζ)為特征序列A'i的概率分類表達式，p(D'」λζ)為第z個概 率分類模型類中的概率分類模型，λz為第z個概率分類模型類的參數(shù)，ai+n表示待預測設 備的預測數(shù)據(jù)。對于每一個概率分類模型類，將分類中各概率分類模型的代入上式，得到各 特征矢量的概率分類表達式。
[0037] 步驟S154:根據(jù)概率分類表達式計算各特征矢量的后驗概率。從Bayes理論可以 得到，最大后驗概率如下表示：
[0039]ρ(λζ/νi，a' i+1，…，a'i+n 丨）表示后驗概率，p(a'i，a'i+1，…，a'i+n 丨）表示 a' 1>a' 1+1，…，a' 1+^的先驗聯(lián)合概率。其中
[0041] 對上式求其對數(shù)，可得：
[0043] 步驟S156:獲取使后驗概率最大時的概率分類模型類作為使對應特征矢量概率 最大的分類。
[0044] 由于概率分類表達式ρ(λz)的先驗概率未知，因此可以假定在封閉集中概率分類 表達式ρ(λζ)可能性相等。當?shù)玫揭粋€確定的特征矢量時，p(a'i，a'i+1，"％a' i+nl) 可以得到是一個確定的值，對所有的類別都相等。因此，求最大后驗概率即是通過求得使 p(a'i，a'i+1，*"，a'i+nl|Az)最大獲得。
[0045] 辨別特征矢量A'1= (a' 1>a'1+1，…，a'1+nl)所屬的類別，即通過求 P(a'i，a' 1+1，…，a' 1+η1|λζ)使得最大所對應的那個模型即為所求：
[0046] z*=argmaxp(ara' i+1，…，a' i+n!|λz)
[0047]其中，P(a'"a' i+1，…，a' i+n」λζ)由p(a'i，a' i+1，…，a' i+n」λζ)= J p(D'」Az)da1+n可求出，^就是特征矢量A'i所屬的類別，由此便可確定使該特征矢 量概率最大的分類。
[0048] 本實施例中根據(jù)預設的概率分類模型類，計算使p(a'ls，a' 19，a' 2。|λζ) 概率最大的類別即為A' 1= (a'ls，a' 19，a' 2。）所屬的分類，進而得到使A' 1 = (a'18,a'19,a' 2。）概率最大的分類。
[0049] 步驟S160:根據(jù)各特征矢量及使特征矢量的概率最大的分類的概率分類模型類 對應的最佳預測系數(shù)，計算得到待預測設備的對應預測數(shù)據(jù)并輸出。概率分類模型類均有 對應的最佳預測系數(shù)，獲取使特征矢量的概率最大的分類的最佳預測系數(shù)，結合特征矢量 便可計算得到預測數(shù)據(jù)。輸出預測數(shù)據(jù)可以是直接顯示，也可以是發(fā)送至主控制器。在其 中一個實施例中，步驟S160計算預測數(shù)據(jù)具體為；
[0051] 其中，a1+n為預測數(shù)據(jù)，a1+t表示特征矢量中第i+t個觀測數(shù)據(jù)，Pt為使特征矢量 概率最大的分類的概率分類模型類對應的最佳預測系數(shù)。用 &1，a1+1，…，a1+ni預測a1+n，從 而求得待預測設備下一個狀態(tài)參數(shù)。
[0052] 本實施例中根據(jù)構建的特征序列A' 1= (a' 18,a' 19,a' 2。）所屬的類別得到對 應分類的最佳預測系數(shù)，根據(jù)最佳預測系數(shù)用a' 18,a' 19,a' 2。預測a' 21，得到變壓器 下個狀態(tài)參數(shù)a21，可表為a21 -P々18+Ρχ?19+Ρ2^1 20 °
[0053] 在其中一個實施例中，如圖4所示，步驟S150之前，輸變電設備狀態(tài)預測方法還 包括步驟S11