CN103278719B - 基于矩阵图及置信度的电力设备故障检测方法和系统 - Google Patents

Abstract

本发明提出基于矩阵图及置信度的电力设备故障检测方法，包括：实时采集电力设备的状态量；根据所述状态量进行异常状态量的预警处理，筛选出故障电力设备；根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值，获得各个故障电力设备的理论故障发生的概率；其中，所述理论故障为针对所述故障电力设备的异常状态量可能发生的各个故障；根据所述理论故障发生的概率不同发出不同的报警提示。本发明还提出基于矩阵图及置信度的电力设备故障检测系统，可以提高故障设备的检修效率，提高电网运行的可靠性。

Description

基于矩阵图及置信度的电力设备故障检测方法和系统

技术领域

本发明涉及电力设备的故障检测预警领域，特别是涉及基于矩阵图及置信度的电力设备故障检测方法和系统。

背景技术

对设备的故障检测通常在设备发生故障(包括严重缺陷、异常)后，运用故障检测方法，包括：检查、试验、分析，对系统中设备的故障性质进行分析，辨明其原因、部位，并提出相应处理措施；而随着电网的不断建设发展，电力设备的大量增加，对重要设备故障的预知预判，实现对可能故障的检测分析，是电网安全运行的保障，更是智能电网发展的趋势。

在现有的状态监测、状态检修体系中，设备的故障检测以故障树分析为主，辅以专题分析(如油中气体分析)，针对可能的故障现象，结合专家知识库运用专家系统通过逐层向下推溯出所有可能的原因，从而找出可能导致设备故障的故障原因及故障处理措施，为专业人员提供运行检视参考依据。但是随着近几年的实践，这种方式也存在着弊端，包括故障原因过多、故障主次不够清晰，这样给设备的运行维护和可能的事故抢修带来了很多的不便，影响了工作效率，影响了电网的安全运行。

发明内容

本发明的目的在于提出基于矩阵图及置信度的电力设备故障检测方法及系统，可以提高故障设备的检修效率，提高电网运行的可靠性。

采用的方案：

实时采集电力设备的状态量；

根据所述状态量进行异常状态量的预警处理，筛选出故障电力设备；

根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值，获得各个故障电力设备的理论故障发生的概率；其中，所述理论故障为针对所述故障电力设备的异常状态量可能发生的各个故障；

根据所述理论故障发生的概率不同发出不同的报警提示。

以及，基于矩阵图及置信度的电力设备故障检测系统，包括：

状态量采集模块，用于实时采集电力设备的状态量；

故障预警模块，用于根据所述状态量进行异常状态量的预警处理，筛选出故障电力设备；

矩阵图计算模块，用于根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值，获得各个故障电力设备的理论故障发生的概率；其中，所述理论故障为针对所述故障电力设备的异常状态量可能发生的各个故障；

置信度报警模块，用于根据所述理论故障发生的概率不同发出不同的报警提示。

本发明实时获取各个电力设备的状态量，然后利用传统的基于故障树理论根据所述状态量进行异常状态量的预警处理，筛选出故障电力设备；获取针对各个故障设备的异常状态量可能发生的故障，即理论故障；获取各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值；然后进行各个故障设备的理论故障发生的概率，按照该概率的大小不同，发出不同的报警提示，工作人员可以根据不同的报警提示，选择检修的优先等级，从而可以提高故障设备的检修效率，提高电网运行的可靠性。

附图说明

图1为本发明方法的一个实施流程图；

图2为本发明装置的一个结构示意图。

具体实施方式

为便于理解，下面对本发明进行具体说明。

本发明提出基于矩阵图及置信度的电力设备故障检测方法，其实施流程可参考图1，包括步骤：

S1、实时采集电力设备的状态量；

其中，状态量为各个电力设备的参数值，如：变压器的油温。

S2、根据状态量进行异常状态量的预警处理，筛选出故障电力设备；

该步骤可采用本领域常用的电力设备状态量评价方法进行，如基于故障树理论的异常状态量预警方法，从而可以筛选得到发生故障的电力设备。

S3、根据故障电力设备的理论故障、与各个理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值，获得各个故障电力设备的理论故障发生的概率；

根据故障电力设备的理论故障、与各个理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值，获得各个故障电力设备的理论故障发生的概率；其中，理论故障为针对故障电力设备的异常状态量可能发生的各个故障。

S4、根据理论故障发生的概率不同发出不同的报警提示。

本发明实时获取各个电力设备的状态量，然后利用传统的基于故障树理论根据状态量进行异常状态量的预警处理，筛选出故障电力设备；获取针对各个故障设备的异常状态量可能发生的故障，即理论故障；获取各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值；然后进行各个故障设备的理论故障发生的概率，按照该概率的大小不同，发出不同的报警提示，工作人员可以根据不同的报警提示，选择检修的优先等级，从而可以提高故障设备的检修效率，提高电网运行的可靠性。

在其中一个实施方式中，步骤S3可采用但不限于以下步骤：

获取故障电力设备的理论故障、与各个理论故障相对应的异常状态量；其中，理论故障为针对故障电力设备的异常状态量可能发生的各个故障。

根据预存的异常状态量对理论故障的影响关系表，确定各个异常状态量是否对各个理论故障产生影响，当产生影响时，赋予对应的影响量化值为1，然后根据预存的异常状态量对理论故障的影响程度量化值；当不产生影响时，赋予对应的影响量化值为0；

根据如下公式获取各个故障电力设备的理论故障发生的概率；

$P_i=\underset{j=1}{\overset{n}{\Σ}}(a_{ij}\×X_{ij})/\underset{j=1}{\overset{n}{\Σ}}{X}_{ij}$

其中，P_i为第i个理论故障发生的概率；ij为与第i个理论故障相关的第j个异常状态量；n为与第i个理论故障相关的异常状态量的总数；a_ij为第j个异常状态量对第i个理论故障的影响量化值；x_ij为第j个异常状态量对第i个理论故障影响程度量化值。

在其中一个实施方式中，步骤S4可以采用但不限于以下步骤：

将各个理论故障发生的概率按照从大到小的顺序进行排序；

当理论故障发生的概率大于或者等于第一概率区间时，发出第一报警提示；当理论故障发生的概率大于获得等于第二概率区间时，发出第二报警提示；第一报警提示的优先等级高于第二报警提示。

在步骤S4中，也可以将各个理论故障发生的概率按照从小到大的顺序进行排序；当理论故障发生的概率大于或者等于第一概率区间时，发出第一报警提示；当理论故障发生的概率大于获得等于第二概率区间时，发出第二报警提示；第二报警提示的优先等级高于第一报警提示。

在步骤S4中，还可以将各个理论故障发生的概率按照从小到大的顺序进行排序；针对每个概率的大小，发出对应的报警提示；具体实施时，可以设置灯光和声音的报警提示；

假设：变压器发生的第一故障、第二故障以及第三故障3个理论故障的概率分别为65％、30％以及5％；则可以针对第一故障发出第一声音提示，以及驱动5个LED灯亮；针对第二故障发出第二声音提示，以及驱动3个LED灯亮；针对第三故障发出第三声音提示，以及驱动1个LED灯亮；

工作人员预先约定的声音提示、灯光指示与设备故障的检修顺序的关系为：接收到第一声音提示时，或者5个LED灯亮的指示时，优先进行该设备故障的检修；其次的设备故障顺序为：接收到第二声音提示时，或者3个LED灯亮的指示时；最后的设备故障顺序为：接收到第三音提示时，或者1个LED灯亮的指示时。

本发明还提出基于矩阵图及置信度的电力设备故障检测系统，其结构示意图参考图2，包括：

状态量采集模块，用于实时采集电力设备的状态量；

故障预警模块，用于根据状态量进行异常状态量的预警处理，筛选出故障电力设备；

矩阵图计算模块，用于根据故障电力设备的理论故障、与各个理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值，获得各个故障电力设备的理论故障发生的概率；其中，理论故障为针对故障电力设备的异常状态量可能发生的各个故障；

置信度报警模块，用于根据理论故障发生的概率不同发出不同的报警提示。

本发明实时获取各个电力设备的状态量，然后利用传统的基于故障树理论根据状态量进行异常状态量的预警处理，筛选出故障电力设备；获取针对各个故障设备的异常状态量可能发生的故障，即理论故障；获取各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值；然后进行各个故障设备的理论故障发生的概率，按照该概率的大小不同，发出不同的报警提示，工作人员可以根据不同的报警提示，选择检修的优先等级，从而可以提高故障设备的检修效率，提高电网运行的可靠性。

在一个实施方式中，矩阵图计算模块根据故障电力设备的理论故障、与各个理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值，获得各个故障电力设备的理论故障发生的概率时，

获取故障电力设备的理论故障、与各个理论故障相对应的异常状态量；

根据预存的异常状态量对理论故障的影响关系表，确定各个异常状态量是否对各个理论故障产生影响，当产生影响时，赋予对应的影响量化值为1，然后根据预存的异常状态量对理论故障的影响程度量化值；当不产生影响时，赋予对应的影响量化值为0；

根据如下公式获取各个故障电力设备的理论故障发生的概率；

$P_i=\underset{j=1}{\overset{n}{\Σ}}(a_{ij}\×X_{ij})/\underset{j=1}{\overset{n}{\Σ}}{X}_{ij}$

其中，P_i为第i个理论故障发生的概率；ij为与第i个理论故障相关的第j个异常状态量；n为与第i个理论故障相关的异常状态量的总数；a_ij为第j个异常状态量对第i个理论故障的影响量化值；x_ij为第j个异常状态量对第i个理论故障影响程度量化值。

在一个实施方式中，置信度报警模块根据理论故障发生的概率不同发出不同的报警提示时，

根据各个理论故障发生的概率按照从大到小的顺序进行排序；

当理论故障发生的概率大于或者等于第一概率区间时，发出第一报警提示；当理论故障发生的概率大于获得等于第二概率区间时，发出第二报警提示；第一报警提示的优先等级高于第二报警提示。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (4)

1.基于矩阵图及置信度的电力设备故障检测方法，其特征在于，包括：

实时采集电力设备的状态量；

根据所述状态量进行异常状态量的预警处理，筛选出故障电力设备；

根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值，获得各个故障电力设备的理论故障发生的概率；其中，所述理论故障为针对所述故障电力设备的异常状态量可能发生的各个故障；所述根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值，获得各个故障电力设备的理论故障发生的概率的步骤包括：

获取故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量；

根据预存的异常状态量对理论故障的影响关系表，确定各个异常状态量是否对各个所述理论故障产生影响，当产生影响时，赋予对应的影响量化值为1，然后根据预存的异常状态量对理论故障的影响程度量化值；当不产生影响时，赋予对应的影响量化值为0；

根据如下公式获取各个故障电力设备的理论故障发生的概率；

$P_i=\underset{j=1}{\overset{n}{\Σ}}(a_{ij}\×X_{ij})/\underset{j=1}{\overset{n}{\Σ}}{X}_{ij}$

其中，P_i为第i个理论故障发生的概率；ij为与第i个理论故障相关的第j个异常状态量；n为与第i个理论故障相关的异常状态量的总数；a_ij为第j个异常状态量对第i个理论故障的影响量化值；x_ij为第j个异常状态量对第i个理论故障影响程度量化值；

根据所述理论故障发生的概率不同发出不同的报警提示。

2.根据权利要求1所述的基于矩阵图及置信度的电力设备故障检测方法，其特征在于，所述根据理论故障发生的概率不同发出不同的报警提示的步骤包括：

根据各个所述理论故障发生的概率按照从大到小的顺序进行排序；

当所述理论故障发生的概率大于或者等于第一概率区间时，发出第一报警提示；当所述理论故障发生的概率大于获得等于第二概率区间时，发出第二报警提示；所述第一报警提示的优先等级高于所述第二报警提示。

3.基于矩阵图及置信度的电力设备故障检测系统，其特征在于，包括：

状态量采集模块，用于实时采集电力设备的状态量；

故障预警模块，用于根据所述状态量进行异常状态量的预警处理，筛选出故障电力设备；

矩阵图计算模块，用于根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值，获得各个故障电力设备的理论故障发生的概率；其中，所述理论故障为针对所述故障电力设备的异常状态量可能发生的各个故障；所述矩阵图计算模块根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值，获得各个故障电力设备的理论故障发生的概率时，

获取故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量；

根据预存的异常状态量对理论故障的影响关系表，确定各个异常状态量是否对各个所述理论故障产生影响，当产生影响时，赋予对应的影响量化值为1，然后根据预存的异常状态量对理论故障的影响程度量化值；当不产生影响时，赋予对应的影响量化值为0；

根据如下公式获取各个故障电力设备的理论故障发生的概率；

$P_i=\underset{j=1}{\overset{n}{\Σ}}(a_{ij}\×X_{ij})/\underset{j=1}{\overset{n}{\Σ}}{X}_{ij}$

其中，P_i为第i个理论故障发生的概率；ij为与第i个理论故障相关的第j个异常状态量；n为与第i个理论故障相关的异常状态量的总数；a_ij为第j个异常状态量对第i个理论故障的影响量化值；x_ij为第j个异常状态量对第i个理论故障影响程度量化值；

置信度报警模块，用于根据所述理论故障发生的概率不同发出不同的报警提示。

4.根据权利要求3所述的基于矩阵图及置信度的电力设备故障检测系统，其特征在于，所述置信度报警模块根据理论故障发生的概率不同发出不同的报警提示时，

根据各个所述理论故障发生的概率按照从大到小的顺序进行排序；

当所述理论故障发生的概率大于或者等于第一概率区间时，发出第一报警提示；当所述理论故障发生的概率大于获得等于第二概率区间时，发出第二报警提示；所述第一报警提示的优先等级高于所述第二报警提示。