CN102270278B

CN102270278B - 基于红外测温的设备故障的预测方法及装置

Info

Publication number: CN102270278B
Application number: CN201110204652.3A
Authority: CN
Inventors: 武利会; 张飞华; 刘高; 曾懿辉; 张贵; 王道龙; 江聪世; 周妙林; 佘锋; 杨成城; 凌飞
Original assignee: Wuhan University WHU; Foshan Power Supply Bureau of Guangdong Power Grid Corp
Current assignee: Wuhan University WHU; Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority date: 2011-07-21
Filing date: 2011-07-21
Publication date: 2014-04-09
Anticipated expiration: 2031-07-21
Also published as: CN102270278A

Abstract

本发明提供一种基于红外测温的设备故障的预测方法及装置，该方法包括以下步骤：将已经测得的红外图谱通过时间戳和地点标示进行分类存储，建立红外测温图谱管理系统；对所述图谱管理系统中的数据进行分析，计算出与设备故障相关联的各种因素在设备故障中的权重以及每种因素在设定地点设定时间下发生故障的概率；计算出设定地点设定时间下设备发生故障的最终概率；对所述图谱管理系统中的故障点进行分析，得到预定设备发生故障的临界概率；若所述最终概率大于所述临界概率，则对该设备进行预警。本发明的方法及装置，能够对设备故障进行有效预测，且具有科学依据，可信度高，如果应用到整个电网中将产生巨大的生产效益。

Description

基于红外测温的设备故障的预测方法及装置

技术领域

本发明涉及电力系统技术领域，尤其涉及一种基于红外测温的设备故障的预测方法以及一种基于红外测温的设备故障的预测装置。

背景技术

红外测温是指利用红外测温仪来对电网中的某些带有一定危险性的设备进行拍照测温并得到红外图谱，然后使用红外图谱识别技术对该红外图谱进行分析以确定设备有无故障以及故障点。红外测温记录的是设备的温度数据，具体到电网，如果设备的某一点温度过高，则肯定发生了故障。

现有的红外测温系统中，电网的工作人员在获得红外图谱后，不会对该红外图谱进行系统的整合，只是经过简单的图谱识别，通过人工的方式查看设备有无发生故障，且一次查看完毕之后就将该红外图谱废弃不用，这种做法造成了大量已测红外图谱的浪费。而且在电力系统中，到目前为止都还没有一个较好的能对电网设备的故障进行预测的方法，设备故障只有当发生的时候才会知道，缺少一个科学的方法来对设备故障进行事先预测，不能做到防患于未然。

发明内容

本发明提供一种基于红外测温的设备故障的预测方法及装置，能够对设备故障进行有效预测。

一种基于红外测温的设备故障的预测方法，包括以下步骤：

将已经测得的红外图谱通过时间戳和地点标示进行分类存储，建立红外测温图谱管理系统；

对所述图谱管理系统中的数据进行分析，计算出与设备故障相关联的各种因素在设备故障中的权重以及每种因素在设定地点设定时间下发生故障的概率；

根据所述各种因素在设备故障中的权重以及每种因素在设定地点设定时间下发生故障的概率，采用全概率公式计算出该设定地点设定时间下设备发生故障的最终概率；

对所述图谱管理系统中的故障点进行分析，得到预定设备发生故障的临界概率；

将预定设备发生故障的临界概率和该设备发生故障的最终概率进行比较，若所述最终概率大于所述临界概率，则对该设备进行预警。

一种基于红外测温的设备故障的预测装置，包括：

系统建立单元，用于将已经测得的红外图谱通过时间戳和地点标示进行分类存储，建立红外测温图谱管理系统；

与所述系统建立单元相连接的第一计算单元，用于对所述图谱管理系统中的数据进行分析，计算出与设备故障相关联的各种因素在设备故障中的权重以及每种因素在设定地点设定时间下发生故障的概率；

与所述第一计算单元相连接的第二计算单元，用于根据所述各种因素在设备故障中的权重以及每种因素在设定地点设定时间下发生故障的概率，采用全概率公式计算出该设定地点设定时间下设备发生故障的最终概率；

与所述第二计算单元相连接的第三计算单元，用于对所述图谱管理系统中的故障点进行分析，得到预定设备发生故障的临界概率；

与所述第三计算单元相连接的比较预警单元，用于将所述预定设备发生故障的临界概率和该设备发生故障的最终概率进行比较，若所述最终概率大于所述临界概率，则对该设备进行预警。

通过以上方案可以看出，本发明的基于红外测温的设备故障的预测方法及装置，通过建立红外测温图谱管理系统来分析影响设备故障的因素和权重比，并对单个设备在特定时间下的各权重因素的概率进行了分别统计，最后与统计出来的故障的临界概率进行比较以判断是否需要进行预警，从而达到了对设备故障进行提前预测的目的。本发明的基于红外测温的设备故障的预测方法及装置是与电网的实际情况相结合的，具有科学依据，可信度高，如果应用到整个电网中将产生巨大的生产效益。

附图说明

图1为本发明一种基于红外测温的设备故障的预测方法的流程图；

图2为本发明一种基于红外测温的设备故障的预测装置的结构示意图。

具体实施方式

本发明提供一种基于红外测温的设备故障的预测方法及装置，能够解决现有技术中无法对设备故障进行有效预测的问题。下面结合附图详细描述本发明的具体实施例。

如图1所示，本发明的一种基于红外测温的设备故障的预测方法，包括如下步骤：

步骤S1，将已经测得的红外图谱通过时间戳和地点标示进行分类存储，建立红外测温图谱管理系统。

从背景部分中的描述我们已经知道，电网工作人员在获取了红外图谱以后，仅仅是查看设备有无故障，一次查看完毕之后就将红外图谱废弃不用，造成了很大的浪费。究其原因，主要在于红外测温系统于没有一种系统的对红外图谱进行整合的方法。有基于此，本发明步骤中利用红外测温任务的时间和地点，结合电网的线路数据，对获取到的红外图谱进行分类管理，这样在时间和空间的维度上，都能管理获取到的红外图谱。这种做法不仅解决了资源浪费的问题，而且由于提供了可靠的数据基础，也就为电网设备故障的预测提供了科学依据。

步骤S2，对所述图谱管理系统中的数据进行分析，计算出与设备故障相关联的各种因素在设备故障中的权重。

经过大量的实验和测试发现，所述与设备故障相关联的各种因素（亦可称之为属性）最有可能包括如下几个：空间因素、时间因素、天气因素、设备年限因素、未检测时间因素等。并且经过大量的测试后发现所述与设备故障相关联的各种因素在设备故障中的权重为：空间因素占0.2，时间因素占0.3，天气因素占0.2，设备年限因素占0.2，未检测时间因素占0.1。

另外，还需要在所述图谱管理系统的基础上对某单个设备在设定时间下的故障概率按照上述的每种因素分别进行分析，计算出每种因素在设定地点、设定时间下发生故障的概率。如假设空间因素故障率为0.01，时间因素故障率为0.05，天气因素故障率为0.1，设备年限因素故障率为0.2，未检测时间因素故障率为0.1等。

步骤S3，根据所述各种因素在设备故障中的权重、每种因素在设定地点设定时间下发生故障的概率，进行分析以计算出该设定地点设定时间下设备发生故障的概率。需要说明的是，这个概率是某单个“设备”发生故障的概率，不同于之前的每种“因素”发生故障的概率，它是由所述每种因素发生故障的概率按照一定的算法所计算出来的，为区别起见，可将其命名为“最终概率”。

作为一个较好的实施例，本发明可以采用贝叶斯概率算法来计算设备发生故障的最终概率。贝叶斯概率算法被广泛的应用于现代的各行各业当中，最新的应用是使用贝叶斯概率算法来对垃圾邮件进行分析。本发明通过与电网的实际情况相结合，结合获取的红外图谱样本空间数据，使用贝叶斯概率算法来对电网设备在特定地点特定时间下发生故障事故的概率进行分析，可以对整个电网的状态起到一个较好的预警、预测的目的。

贝叶斯概率算法的基本思想是：若事件A在T-1时刻发生的概率值比较大，那么它在T+1时刻发生的概率也比较大。该算法利用已知事件X的先验概率，将预测结果属性划为n个划分，并根据X的各属性对结果所起作用的大小不同，为每个划分赋予一个大小不同的权值，最后依照如下的全概率公式：

P(A)=P(A/B1)P(B1)+P(A/B2)P(B2)+…+P(A/B n)P(B n)；

计算出事件X预测属性的值，并对此做出解释。式中，P(A)为预测属性的结果值；n为划分个数；P(B i)为每个划分的权值；P(A/B i)为事件X的先验概率。如以步骤S2中的权重和各因素的概率结果来进行计算，可得出该设备在该时间下发生故障的概率P=0.2*0.01+0.3*0.05+0.2*0.1+0.2*0.2+0.1*0.1=0.087（测试数据，仅供明了表示算法）。

另外，在步骤S2计算出与设备故障相关联的各种因素在设备故障中的权重以及每种因素在设定地点设定时间下发生故障的概率之后、本步骤采用贝叶斯概率算法来计算设备发生故障的最终概率之前，还可以包括如下步骤：对源数据进行相关性分析，去除无关因素（属性）。

步骤S4，对所述图谱管理系统中的故障点进行分析，得到预定设备发生故障的临界概率。临界概率对应的是特定的设备，上述进行分析以得到临界概率的过程具体可以包括如下：从所述图谱管理系统中选取预定设备发生故障的记录，采用步骤S2和步骤S3相同的计算方法，计算出每条记录中该预定设备发生故障的概率，然后求取平均值，该平均值即为该设备的发生故障的临界概率。

步骤S5，将预定设备发生故障的临界概率和该设备发生故障的最终概率进行比较，若所述最终概率大于所述临界概率，则说明该设备发生故障的概率比较大，因此需要对该设备进行预警，即达到了预测设备故障的目的。

采用上述方法，每天通过对每个有系统的红外测温记录的设备进行预测，则就可以达到科学预测设备故障的目的。

由以上方案可以看出，本发明的基于红外测温的设备故障的预测方法，通过建立红外测温图谱管理系统来分析影响设备故障的因素和权重比，并对单个设备在特定时间下的各权重因素的概率进行了分别统计，最后与统计出来的故障的临界概率进行比较以判断是否需要进行预警，从而达到了对设备故障进行提前预测的目的。本发明的基于红外测温的设备故障的预测方法是与电网的实际情况相结合的，具有科学依据，可信度高，如果应用到整个电网中将产生巨大的生产效益。

与本发明的一种基于红外测温的设备故障的预测方法相对应的，本发明还提供一种基于红外测温的设备故障的预测装置，如图2所示，包括：

与所述第一计算单元相连接的第二计算单元，用于根据所述各种因素在设备故障中的权重以及每种因素在设定地点设定时间下发生故障的概率，计算出该设定地点设定时间下设备发生故障的最终概率；

优选的，为了更好的结合获取的红外图谱样本空间数据来对电网设备在特定地点特定时间下发生故障事故的概率进行分析，所述第二计算单元可以包括贝叶斯单元，所述贝叶斯单元用于采用贝叶斯概率算法来计算设备发生故障的最终概率。

优选的，所述第三计算单元可以包括平均值计算单元，用于从所述图谱管理系统中选取预定设备发生故障的记录，计算出每条记录中该设备发生故障的概率并求出平均值，将该平均值作为该设备发生故障的临界概率。

另外，所述第一计算单元中的与设备故障相关联的各种因素包括：空间因素、时间因素、天气因素、设备年限因素、未检测时间因素。并且经过大量的测试后发现所述与设备故障相关联的各种因素在设备故障中的权重为：空间因素占0.2，时间因素占0.3，天气因素占0.2，设备年限因素占0.2，未检测时间因素占0.1。

本发明的一种基于红外测温的设备故障的预测装置的其他技术特征与上述的一种基于红外测温的设备故障的预测方法相类似，在此不予赘述。

本发明的基于红外测温的设备故障的预测装置，通过建立红外测温图谱管理系统来分析影响设备故障的因素和权重比，并对单个设备在特定时间下的各权重因素的概率进行了分别统计，最后与统计出来的故障的临界概率进行比较以判断是否需要进行预警，从而达到了对设备故障进行提前预测的目的。本发明的基于红外测温的设备故障的预测装置是与电网的实际情况相结合的，具有科学依据，可信度高，如果应用到整个电网中将产生巨大的生产效益。

以上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。

Claims

1.一种基于红外测温的设备故障的预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于红外测温的设备故障的预测方法，其特征在于，在计算出与设备故障相关联的各种因素在设备故障中的权重以及每种因素在设定地点设定时间下发生故障的概率之后、采用全概率公式来计算设备发生故障的最终概率之前，还包括步骤：对源数据进行相关性分析，去除无关因素。

3.根据权利要求1所述的基于红外测温的设备故障的预测方法，其特征在于，所述对所述图谱管理系统中的故障点进行分析，得到预定设备发生故障的临界概率的过程具体包括：从所述图谱管理系统中选取预定设备发生故障的记录，计算出每条记录中该设备发生故障的概率并求出平均值。

4.一种基于红外测温的设备故障的预测装置，其特征在于，包括：

5.根据权利要求4所述的基于红外测温的设备故障的预测装置，其特征在于，所述第三计算单元包括平均值计算单元，用于从所述图谱管理系统中选取预定设备发生故障的记录，计算出每条记录中该设备发生故障的概率并求出平均值，将该平均值作为该设备发生故障的临界概率。