CN105260814A - 一种基于大数据的输变电设备评估模型及处理方法 - Google Patents

Abstract

本发明涉及电力系统设备状态评估技术领域，特别涉及一种基于大数据的输变电设备评估模型及处理方法。针对现有技术缺乏对输变电设备状态的全面评价的不足，本发明提供了一种基于大数据的输变电设备评估模型及处理方法，能够实现各类输变电设备异常状态的快速检出。本发明通过构造系统命题集和证据体，计算出各个证据体单独作用和综合作用下的信度区间，根据具体问题构造相应的决策规则，得出各设备的评估模型，根据该决策规则得出决策结论，实现了对不同输变电设备的全面的差异化评估。

Description

一种基于大数据的输变电设备评估模型及处理方法

技术领域

本发明涉及电力系统设备状态评估技术领域，特别涉及一种基于大数据的输变电设备评估模型及处理方法。

背景技术

现有的输变电设备状态评价方法主要针对设备群体，忽略运行工况、制造工艺等个体属性，针对性和准确性较低。发展基于大数据分析的输变电设备差异化状态评价技术，重点开展设备状态信息间耦合关系的挖掘，建立差异化状态评价模型和开发快速评估方法是当今电力系统设备状态评估领域的发展方向。

随着计算机网络技术的飞速发展和电力系统自动化技术的进步，基于大数据的设备状态差异化评价模型和指标体系正在越来越多地应用于工程实际，实现输变电设备差异化状态评价，提高评价结果的准确性和针对性，实现设备异常状态的快速检出及风险设备重要度评估，将会为电力系统安全可靠运行提供有利保证。

发明内容

针对现有技术缺乏对输变电设备状态的全面评价的不足，本发明提供了一种基于大数据的输变电设备评估模型及处理方法，能够实现各类输变电设备异常状态的快速检出。

本发明的技术方案为：

一种基于大数据的输变电设备评估模型，包括以下步骤：

(a)构造系统命题集A＝{A₁,A₂,…A_k}，所述系统命题集的元素A_j为输变电设备的主体部件，j＝1,2,…k，k为输变电设备主体部件的数量。

(b)构造证据体E_i，i＝1,2,…m，所述证据体E_i为具体的检测手段。

(c)汇总设备状态信息数据流，检测异常数据；计算各证据体E_i对各系统命题A_j的基本可信度分配M_i(A_j)，见公式(1)。

M_i(A_j)＝P_j(E_i)·γ_j(E_i)(1)

公式(1)中，P_j(E_i)为以证据体E_i为指标系统命题A_j的排名顺序，γ_j(E_i)为以证据体E_i为指标系统命题A_j的故障概率。

(d)计算各证据体E_i单独作用下各系统命题A_j的信度区间[Bel_i,Pl_i]，其中信度区间下限Bel_i为基本可信度分配M_i(A_j)与设备总故障数的乘积，信度区间上限Pl_i为基本可信度分配M_i(A_j)与设备总数的平均值的乘积。

(e)利用D-S合成规则计算所有证据体联合作用下的基本可信度分配M(A_j)和信度区间[Bel,Pl]。

(f)构造决策规则并得出决策结论。

具体的，利用输变电设备评估模型的设备状态快速评估方法，包括以下步骤：

(I)筛选超出输变电设备状态评价导则中规定阈值的异常数据。

(II)提取外界干扰时刻的设备状态信息数据流，将所述设备状态信息数据流变换为多元时间序列，计算出各所述时间序列的互协方差函数，从而得到传递函数分子、分母多项式的阶数及延迟参数，以判定干扰时刻及产生的异常数据。

(III)提取设备状态信息数据流的趋势特征，将趋势改变的数据标记为异常数据。

本发明的有益效果：本发明的输变电设备评估模型中充分考虑各个输变电设备的状态(见系统命题集A)以及各个输变电设备运行技术参数(即证据体Ei)，计算出各个输变电设备运行技术参数单独作用和综合作用下的信度区间，根据具体问题构造相应的决策规则，得出各设备的评估模型，根据该决策规则得出决策结论，实现了对不同输变电设备的全面的差异化评估。本发明的输变电设备状态快速评估方法分别对设备状态信息数据流进行了阈值异常识别、基于时间序列传递函数的异常识别以及基于变化趋势分析的异常识别，可检测出三种类型的异常值，即超出状态量阈值的异常值、外界干扰产生的水平迁移异常值、潜在故障产生的趋势异常预警。本发明的算法设计考虑较为周全，评估结果准确可靠，与电力行业现有的各类输变电设备均具有良好的适配性，应用前景广阔。

具体实施方式

实施例采用本发明的输变电设备评估模型在河北输变电设备状态可视化平台深化研究中对设备状态数据的进行融合。实施例主要针对设备状态数据、PMS(PlantManagementSystem-Requirements设备管理体系-要求，简称PMS)试验数据、状态监测平台数据、预告警信息数据、设备缺陷数据的进行结合分析。应用本发明步骤(a)到步骤(f)的方法，通过从海量数据中抽取与输电设备运行条件的相关参量，包括气象环境、运行工况、在线监测、人工巡视、预试定检等数据，采用系统层次聚类方法，分析上述参量之间和参量与输电线路状态之间的依赖关系，最终得到变压器类设备状态差异化评估模型、GIS/开关设备状态差异化评估模型、输电线路状态差异化评估模型。

实施例根据设备状态差异化评估模型，通过对设备状态信息数据流进行汇总，应用本发明中步骤(I)～步骤(III)的设备状态快速评估方法，对比状态评价导则中的阈值、趋势分析方法和时间序列传递函数模型。这三种方法分别可以检测出三种类型的异常值，超出状态量阈值的异常值、外界干扰产生的水平迁移异常值、潜在故障产生的趋势。

实施例利用本发明的输变电设备评估模型对设备重要度进行评估，具体步骤如下：

步骤一：根据大数据状态评价结果、运行信息、微气象等综合数据，利用PHM(PrognostiesandHealthManagement预测与健康管理，简称PHM)模型计算系统元件的实时故障概率。

步骤二：使用枚举法选择系统状态，枚举至3阶故障，形成预想故障事件，并计算故障事件发生的概率。

步骤三：对选取的系统状态进行静态安全分析。

步骤四：计算该系统状态下的紧急指数或警戒指数，利用风险追踪模型计算该状态下各个故障元件的贡献值。

步骤五：返回步骤二直到遍历预想故障集的所有故障事件。

步骤六：计算系统总紧急指数和总警戒指数，并计算元件紧急重要度指标和警戒重要度指标，根据重要度指标排序，确定系统薄弱设备。

以上所述实施方式仅为本发明的优选实施例，而并非本发明可行实施的穷举。对于本领域一般技术人员而言，在不背离本发明原理和精神的前提下对其所作出的任何显而易见的改动，都应当被认为包含在本发明的权利要求保护范围之内。

Claims (2)

1.一种基于大数据的输变电设备评估模型，其特征在于其包括以下步骤：

(a)构造系统命题集A＝{A₁,A₂,…A_k}，所述系统命题集的元素A_j为输变电设备的主体部件，j＝1,2,…k，k为输变电设备主体部件的数量；

(b)构造证据体E_i，i＝1,2,…m，所述证据体E_i为具体的检测手段；

(c)汇总设备状态信息数据流，检测异常数据；计算各证据体E_i对各系统命题A_j的基本可信度分配M_i(A_j)，见公式(1)；

M_i(A_j)＝P_j(E_i)·γ_j(E_i)(1)

公式(1)中，P_j(E_i)为以证据体E_i为指标系统命题A_j的排名顺序，γ_j(E_i)为以证据体E_i为指标系统命题A_j的故障概率；

(d)计算各证据体E_i单独作用下各系统命题A_j的信度区间[Bel_i,Pl_i]，其中信度区间下限Bel_i为基本可信度分配M_i(A_j)与设备总故障数的乘积，信度区间上限Pl_i为基本可信度分配M_i(A_j)与设备总数的平均值的乘积；

(e)利用D-S合成规则计算所有证据体联合作用下的基本可信度分配M(A_j)和信度区间[Bel,Pl]；

(f)构造决策规则并得出决策结论。

2.根据权利要求1所述的一种基于大数据的输变电设备评估模型的设备状态快速评估方法，其特征在于其包括以下步骤：

(I)筛选超出输变电设备状态评价导则中规定阈值的异常数据；

(II)提取外界干扰时刻的设备状态信息数据流，将所述设备状态信息数据流变换为多元时间序列，计算出各所述时间序列的互协方差函数，从而得到传递函数分子、分母多项式的阶数及延迟参数，以判定干扰时刻及产生的异常数据；

(III)提取设备状态信息数据流的趋势特征，将趋势改变的数据标记为异常数据。