CN109299844A - 一种电力设备状态静态阈值评估方法 - Google Patents
一种电力设备状态静态阈值评估方法 Download PDFInfo
- Publication number
- CN109299844A CN109299844A CN201810711788.5A CN201810711788A CN109299844A CN 109299844 A CN109299844 A CN 109299844A CN 201810711788 A CN201810711788 A CN 201810711788A CN 109299844 A CN109299844 A CN 109299844A
- Authority
- CN
- China
- Prior art keywords
- equipment
- state
- status
- electric power
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000003068 static effect Effects 0.000 title claims abstract description 12
- 238000009413 insulation Methods 0.000 claims abstract description 10
- 238000002203 pretreatment Methods 0.000 claims abstract description 5
- 238000007619 statistical method Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 10
- 239000000203 mixture Substances 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 abstract 1
- 230000006641 stabilisation Effects 0.000 abstract 1
- 238000011105 stabilization Methods 0.000 abstract 1
- 238000012423 maintenance Methods 0.000 description 5
- 239000013589 supplement Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 241001085205 Prenanthella exigua Species 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力设备状态静态阈值评估方法。通过对电力设备进行状态评估得出其绝缘状况是提高电网稳定的有效方法，一般需要对电力设备的重要状态量进行统计分析得出其绝缘状况。本发明包括：电力设备的重要状态量前处理，将所有不适用的数据剔除；将所有状态量通过核主成分分析降维为最大区分度的主要状态量；对主要状态量进行离群值分析并将离群值筛除，认为其代表着显著异常的设备；对剩余设备的主要状态量进行高斯混合模型拟合，并通过期望最大化算法得出设备属于不同绝缘状态的概率值；将新设备的状态量输入进模型中可得其目前的绝缘状况。本发明使电力设备状态评估的更有效，提高准确率，同时可以综合考虑不同状态量。
Description
技术领域
本发明涉及电力设备状态评估领域，具体地说是一种电力设备状态静态阈值评估方法。
背景技术
电力设备状态评估方法主要指对通过在线监测装置或带电实验获得的电力设备重要状态量进行统计分析，得出相应的电力设备绝缘状态的方法。电力设备绝缘状态良好是其安全运行的基础，决定了变电站的稳定运行，并对电网的安全运行起着不可替代的作用。因此，一种有效且适用范围广的电力设备状态评估方法是必须的。
目前常用的电力设备状态评估方法主要为凭借多年经验，电力工业行业标准规定阈值以及不同设备打分准则等。随着电网电压等级的不断提升，凭借过往低电压等级的经验对高电压等级电力设备进行状态评估时准确性较低，有的电力设备或绝缘材料甚至过往没有运行经验。电力工业行业标准《电力设备预防性试验规程》中对不同设备的状态量阈值有所规定，但这些规定往往从严，有时会造成维修过剩、盲目维修等缺陷。最新的不同设备打分准则是由标准规定阈值的方法改进而来的，其考虑到不同设备运行条件的影响进行加权或打分，最后对每台设备给出分值，并根据分值决定设备的绝缘状态。由于其本质上还是基于阈值法演变出来的算法，因此仍无法避免阈值法中存在的问题。此外，电力设备众多的状态量之间存在着一定联系，但目前的所有方法中对这种联系的考虑都显得较为不足。
现有电力设备状态评估方法的缺陷导致电力设备突然失效的情况时有发生，检修维护工作量较大，有些设备维修过剩、重复维护或维修不足、临时性维护频繁等问题。如何通过已有的众多电力设备重要状态量提出一种并非基于阈值法的模糊状态评估方法，使电力设备状态量不再是简单的两分而是与不同设备相关联的状态评估方法，对电力设备状态评估来说是一个重要课题。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在缺陷，提供一种有效且适用范围广的电力设备状态评估方法，其通过对不同状态量进行主成分分析后提取出主要状态量，并基于该状态量对每个设备给出与状态对应的概率值，以避免简单的两分可能带来的误差。
为此，本发明采用如下的技术方案：一种电力设备状态静态阈值评估方法，包括以下步骤：
第一步，状态量数据前处理，统一格式并消除异常值；
第二步，对设备数据进行核主成分分析(kernel-PCA)，得到能使设备间区分程度最大的主要状态量；
第三步，对主要状态量进行离群值检索，找出显著异常值并分离，得到显著异常的设备及其相应主要状态量；
第四步，对剩余设备的主要状态量进行高斯混合模型拟合处理，并通过期望最大化算法得出每个状态量属于不同绝缘状态下的概率值，同时提取出与不同绝缘状态相对应的高斯混合分布模型中的各项参数，得出剩余设备的主要状态量服从的设备绝缘状态高斯混合分布模型；
第五步，读取新的设备状态量并输入设备状态分布模型中，根据设备绝缘状态高斯混合分布模型中该设备状态量的相应概率即可确定设备目前处于某种绝缘状态下的概率。
通过以上步骤可实现电力设备状态静态阈值评估并获取新设备属于某种绝缘状态的概率。
作为上述技术方案的补充，第一步的具体步骤如下：从数据库中提取出某类设备的全部状态量数据并按行录入至样本矩阵中，按列记录不同状态量的数据；删除重复的数据行并将所有存在空白值、非数值和异常零值的行删去；将存储格式与其余数据不同的数据行进行格式转换，确保最终所有数据为数值格式存储。
作为上述技术方案的补充，第二步的具体步骤如下：将样本矩阵中每列数据通过核函数映射至高维空间后再对新形成的数据列进行主成分分析，提取出能使设备间区分程度最大的主要状态量。
作为上述技术方案的补充，第三步的具体步骤如下：对经第二步处理过的电力设备状态量数据进行统计分析，提取出平均值、方差、中位数及各阶矩参量后进行离群值检索，认为这些离群值代表的设备属于异常设备，并提出区分异常设备和正常设备的阈值。
作为上述技术方案的补充，第四步中，根据正常设备的不同绝缘状态高斯混合分布模型各项参数进行计算，得出与正常设备主要状态量相对应的90％接受阈值和90％拒绝阈值。
本发明具有的有益效果如下：本发明使电力设备状态评估的更有效，提高准确率，同时可以综合考虑不同状态量，实现对原始数据的综合利用，最终输出的概率值也比传统的阈值法只能对设备进行0-1分类要更为准确。
附图说明
图1为本发明的原理图。
具体实施方式
为了使本发明的技术手段、创作特征、工作流程、使用方法达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
如图1所示的电力设备状态静态阈值评估方法，其包括以下步骤：
第一步：状态量数据前处理，统一格式并消除异常值。从数据库中提取出某类设备的全部状态量数据并按行录入样本矩阵中，按列记录不同状态量的数据；删除重复的数据行并将所有存在空白值、非数值和异常零值的行删去；将存储格式与其余数据不同的数据行进行格式转换，确保最终所有数据为数值格式存储。
第二步：对经过前处理的状态量数据进行核主成分分析(kernel-PCA)，得到能使设备间区分程度最大的主要状态量。将样本矩阵中每列数据通过核函数映射至高维空间后再对新形成的数据列进行主成分分析，提取出能使设备间区分程度最大的主要状态量。
式中，C为计算得出的特征矩阵，xi为样本矩阵的每一列，N为列向量的长度。φ(x)为采用的核函数(kernel function)，通过核函数的变换可将原始的样本矩阵转换为特征矩阵，对该特征矩阵进行计算得到的特征向量即为主成分向量。
第三步：对主要状态量进行离群值检索，找出显著异常值并分离，得到显著异常的设备及其相应主要状态量。对经第二步处理过的电力设备状态量数据进行统计分析，提取出平均值、方差、中位数及各阶矩参量后进行离群值检索，认为这些离群值代表的设备属于异常设备，并提出区分异常设备和正常设备的阈值。
第四步：对剩余设备的主要状态量进行高斯混合模型拟合处理，并通过期望最大化算法得出每个状态量属于不同绝缘状态下的概率值，同时提取出与不同绝缘状态相对应的高斯混合分布模型中的各项参数，得出剩余设备的主要状态量服从的设备绝缘状态高斯混合分布模型。将主要状态量代入高斯混合模型中，并通过预测步得到任一状态量属于某高斯分布的概率γ，其后根据γ值计算新的模型参数μ、∑、π，并将这些参数构成的模型与主要状态量分布情况进行对比，若符合则停止计算，不符合则重复这一过程直至收敛。
式中，γ(Znk)代表Zn点属于第k类高斯分布的概率；πk是每类高斯分布占总数据的权重，即属于该分类的先验概率；N(xk丨μk,Σk)代表第k个高斯分布中出现xk的概率；μk与Σk分别为高斯分布的期望与方差。通过上式对πk、μk与Σk不断进行更新计算即可得到最优高斯混合模型分布。
第五步：读取新的设备状态量并输入设备状态分布模型中，根据设备绝缘状态高斯混合分布模型中该设备状态量的相应概率即可确定设备目前处于某种绝缘状态下的概率。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。
Claims (5)
1.一种电力设备状态静态阈值评估方法，其特征在于，包括以下步骤：
第一步，状态量数据前处理，统一格式并消除异常值；
第二步，对设备数据进行核主成分分析，得到能使设备间区分程度最大的主要状态量；
第三步，对主要状态量进行离群值检索，找出显著异常值并分离，得到显著异常的设备及其相应主要状态量；
第四步，对剩余设备的主要状态量进行高斯混合模型拟合处理，并通过期望最大化算法得出每个状态量属于不同绝缘状态下的概率值，同时提取出与不同绝缘状态相对应的高斯混合分布模型中的各项参数，得出剩余设备的主要状态量服从的设备绝缘状态高斯混合分布模型；
第五步，读取新的设备状态量并输入设备状态分布模型中，根据设备绝缘状态高斯混合分布模型中该设备状态量的相应概率即可确定设备目前处于某种绝缘状态下的概率。
2.根据权利要求1所述的电力设备状态静态阈值评估方法，其特征在于，第一步的具体步骤如下：从数据库中提取出某类设备的全部状态量数据并按行录入至样本矩阵中，按列记录不同状态量的数据；删除重复的数据行并将所有存在空白值、非数值和异常零值的行删去；将存储格式与其余数据不同的数据行进行格式转换，确保最终所有数据为数值格式存储。
3.根据权利要求1所述的电力设备状态静态阈值评估方法，其特征在于，第二步的具体步骤如下：将样本矩阵中每列数据通过核函数映射至高维空间后再对新形成的数据列进行主成分分析，提取出能使设备间区分程度最大的主要状态量。
4.根据权利要求1所述的电力设备状态静态阈值评估方法，其特征在于，第三步的具体步骤如下：对经第二步处理过的电力设备状态量数据进行统计分析，提取出平均值、方差、中位数及各阶矩参量后进行离群值检索，认为这些离群值代表的设备属于异常设备，并提出区分异常设备和正常设备的阈值。
5.根据权利要求4所述的电力设备状态静态阈值评估方法，其特征在于，第四步中，根据正常设备的不同绝缘状态高斯混合分布模型各项参数进行计算，得出与正常设备主要状态量相对应的90％接受阈值和90％拒绝阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810711788.5A CN109299844A (zh) | 2018-07-03 | 2018-07-03 | 一种电力设备状态静态阈值评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810711788.5A CN109299844A (zh) | 2018-07-03 | 2018-07-03 | 一种电力设备状态静态阈值评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109299844A true CN109299844A (zh) | 2019-02-01 |
Family
ID=65168305
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810711788.5A Pending CN109299844A (zh) | 2018-07-03 | 2018-07-03 | 一种电力设备状态静态阈值评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109299844A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115950471A (zh) * | 2023-01-03 | 2023-04-11 | 国家石油天然气管网集团有限公司 | 一种仪器仪表性能验证系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102693724A (zh) * | 2011-03-22 | 2012-09-26 | 张燕 | 一种基于神经网络的高斯混合模型的噪声分类方法 |
| CN103359572A (zh) * | 2013-05-23 | 2013-10-23 | 中国矿业大学 | 一种提升机故障诊断方法及装置 |
| CN104966161A (zh) * | 2015-06-16 | 2015-10-07 | 北京四方继保自动化股份有限公司 | 一种基于高斯混合模型的电能质量录波数据计算分析方法 |
| CN105320126A (zh) * | 2015-10-21 | 2016-02-10 | 中国南方电网有限责任公司 | 一种基于大数据技术的二次设备隐患挖掘方法 |
| CN106409405A (zh) * | 2016-10-27 | 2017-02-15 | 施永妹 | 一种适用于潮湿环境的电力设备 |
| US20170213548A1 (en) * | 2016-01-21 | 2017-07-27 | International Business Machines Corporation | Score stabilization for speech classification |
| CN107132310A (zh) * | 2017-03-28 | 2017-09-05 | 浙江大学 | 基于高斯混合模型的变压器设备健康状态判别方法 |
| CN108153711A (zh) * | 2018-01-04 | 2018-06-12 | 国网浙江省电力有限公司电力科学研究院 | 一种电力设备在线监测数据处理方法 |
-
2018
- 2018-07-03 CN CN201810711788.5A patent/CN109299844A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102693724A (zh) * | 2011-03-22 | 2012-09-26 | 张燕 | 一种基于神经网络的高斯混合模型的噪声分类方法 |
| CN103359572A (zh) * | 2013-05-23 | 2013-10-23 | 中国矿业大学 | 一种提升机故障诊断方法及装置 |
| CN104966161A (zh) * | 2015-06-16 | 2015-10-07 | 北京四方继保自动化股份有限公司 | 一种基于高斯混合模型的电能质量录波数据计算分析方法 |
| CN105320126A (zh) * | 2015-10-21 | 2016-02-10 | 中国南方电网有限责任公司 | 一种基于大数据技术的二次设备隐患挖掘方法 |
| US20170213548A1 (en) * | 2016-01-21 | 2017-07-27 | International Business Machines Corporation | Score stabilization for speech classification |
| CN106409405A (zh) * | 2016-10-27 | 2017-02-15 | 施永妹 | 一种适用于潮湿环境的电力设备 |
| CN107132310A (zh) * | 2017-03-28 | 2017-09-05 | 浙江大学 | 基于高斯混合模型的变压器设备健康状态判别方法 |
| CN108153711A (zh) * | 2018-01-04 | 2018-06-12 | 国网浙江省电力有限公司电力科学研究院 | 一种电力设备在线监测数据处理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 董华玉: "基于核主元分析和高斯混合模型的轴承转子状态评估", 《科学技术与工程》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115950471A (zh) * | 2023-01-03 | 2023-04-11 | 国家石油天然气管网集团有限公司 | 一种仪器仪表性能验证系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106908674B (zh) | 一种基于多状态量预测的变压器状态评估方法 | |
| CN109598435B (zh) | 一种配电网电缆运行状态评价方法及系统 | |
| CN109103874B (zh) | 考虑负荷特性与分布式电源接入的配电网可靠性评估方法 | |
| Liu et al. | Health assessment and prediction of overhead line based on health index | |
| CN114460445B (zh) | 考虑老化阈值与寿命的变压器老化不可用率评估方法 | |
| CN117421687A (zh) | 一种数字化电力环网柜运行状态监测方法 | |
| CN113435492B (zh) | 一种基于主动学习的电力系统主导失稳模式判别方法 | |
| CN109766517A (zh) | 一种用于变电站能效评估的能耗基准修正方法 | |
| CN107730084A (zh) | 基于灰色预测和风险评估的变压器检修决策方法 | |
| CN113189418B (zh) | 一种基于电压数据的拓扑关系识别方法 | |
| CN111832955B (zh) | 一种基于可靠度与多元统计的接触网状态评价方法 | |
| CN108448721B (zh) | 电力系统主站监控信号与标准信号自动匹配的方法 | |
| CN112686515B (zh) | 变压器运行状态评估方法、装置、计算机设备和存储介质 | |
| CN111428754A (zh) | 一种基于基态修正的线损率标杆值的优化设计方法 | |
| CN113435759B (zh) | 一种基于深度学习的一次设备风险智能评估方法 | |
| Dong | Combining unsupervised and supervised learning for asset class failure prediction in power systems | |
| CN110991689B (zh) | 基于LSTM-Morlet模型的分布式光伏发电系统短期预测方法 | |
| CN116298675A (zh) | 一种基于智能算法的配电网线损异常检测方法及系统 | |
| CN115526258A (zh) | 基于Spearman相关系数特征提取的电力系统暂稳评估方法 | |
| CN109299844A (zh) | 一种电力设备状态静态阈值评估方法 | |
| CN105162413A (zh) | 一种基于工况辨识的光伏系统性能实时评估方法 | |
| CN113705973A (zh) | 一种基于神经网络学习的电网安全风险在线评估方法 | |
| CN111391694B (zh) | 一种充电站运行维护的多层次快速数据监测方法和系统 | |
| CN106600166A (zh) | 停电计划中约束条件的调整方法和装置 | |
| Mahoor et al. | Leveraging sensory data in estimating transformer lifetime |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190201 |