CN112417791B - 基于线性回归与ahp算法的电力设备监视预警方法及系统 - Google Patents

Abstract

本发明提供了一种基于线性回归与AHP算法的电力设备监视预警方法及系统，本发明利用回归分析，确定自变量对因变量变化的影响程度，也就是影响因素对设备运行参数的作用程度。结合AHP层次分析法，明确多个因素对设备运行参数造成的不同程度的影响，能够确定设备运行参数在时间维度上的发展趋势，利用斜率的计算，分情况判断设备运行的异常发展趋势；研究设备运行参数同期比对，即将比较的数据背景同类化，观察数据的变化程度，对变化差异超过设定的值的时刻，研究导致该变化产生的因素或事件，预防设备的异常发展，为设备的正常运行提供保障，更加准确、有效的实现预警功能。

Description

基于线性回归与AHP算法的电力设备监视预警方法及系统

技术领域

本发明属于电力系统技术领域，涉及一种基于线性回归与AHP算法的电力设备监视预警方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

电力系统在运行过程中，风险是客观存在且具有不确定性和不可预见性。多种因素都会影响到电力系统的安全与稳定，例如温度、湿度、电流、电压等，某些突发事件也可能破坏电力系统的运行安全。而电力设备的正常与否直接影响着整个电力系统的稳定与安全。所以，为了保证电力设备的正常运作，实现对设备的预知性维护，变被动消缺为主动预防，监视预警功能不可或缺。

综上所述，由于这些因素与对设备带来的影响之间没有确定的函数关系，现有的模型控制技术无法为复杂的电力系统建立完善、准确的预测模型，特别是对一些非线性系统、时变系统等，都无法给出精确的预测结果，且考虑到的影响因素有限，不具备较好的预测效率，也难以直观的给出有效、准确的预测结果，所以无法对设备状态的检修、判断设备异常的发展趋势给出预测和指导。

发明内容

本发明为了解决上述问题，提出了一种基于线性回归与AHP算法的电力设备监视预警方法及系统，本发明能够确定设备运行参数在时间维度上的发展趋势，利用斜率的计算，分情况判断设备运行的异常发展趋势；研究设备运行参数同期比对，即将比较的数据背景同类化，观察数据的变化程度，对变化差异超过设定的值的时刻，研究导致该变化产生的因素或事件，预防设备的异常发展，为设备的正常运行提供保障，更加准确、有效的实现预警功能。

根据一些实施例，本发明采用如下技术方案：

一种基于线性回归与AHP算法的电力设备监视预警方法，包括以下步骤：

监测记录前若干时刻对应的影响因素的值、设备运行参数值，利用线性回归算法计算单因素作用下的设备运行参数，结合AHP层次分析，通过权重综合计算多因素影响下的设备运行参数值；

记录设备运行时间点和设备运行参数，基于设定的时间间隔截取后续的时间点与对应的设备参数，计算斜率，进而计算并分情况判断设备运行参数在时间维度上的发展趋势；

比对设备运行同期数据，分析记录导致数据变化超过设定范围的因素或事件。

作为可选择的实施方式，计算多因素影响下的设备运行参数值的具体过程包括：

提取前p个时刻的设备运行相关数据；

利用基于线性回归算法的预警模型计算得出单一因素影响下的设备运行参数预测值；

根据设备运行相关数据，设定多个影响设备运行的因素，根据AHP计算每个因素作用下的预测结果权重；

利用加权算数平均计算得出更符合实际的设备运行参数预测结果。

作为进一步限定的实施方式，根据AHP计算每个因素作用下的预测结果权重的具体过程包括：基于选定的影响因素，分别利用线性回归算法计算得到设备运行指标预测值，根据所述设备运行指标预测值，通过AHP层次分析法，建立判断矩阵，分别计算各设备运行指标预测值的权重值。

作为可选择的实施方式，基于设定的时间间隔截取后续的时间点与对应的设备参数，计算斜率的具体过程包括：设备开始运行，获取第一个时间点t₀于对应的设备参数y₀，此为初始状态值；按照设定的间隔截取后续的时间点t_i与对应的设备参数y_i，计算斜率，依据斜率不同，分情况判断设备运行参数的发展趋势。

作为可选择的实施方式，分情况判断设备运行参数在时间维度上的发展趋势的具体过程包括：若时间点t_i的斜率k_i＞0，且k_i总是大于k_i-1，则判定趋势呈递增状态，之后通过k_i预测下一时刻的设备运行参数值，并与设定的门限值比较大小关系，若超过门限值设定的范围则发出告警信息；

若k_i＜0，且k_i总是小于k_i-1，则判定趋势呈递减状态，之后通过k_i预测下一时刻的设备运行参数值，并与设定的门限值比较大小关系，若超过门限值设定的范围则发出告警信息。

作为可选择的实施方式，分情况判断设备运行参数在时间维度上的发展趋势的具体过程包括：若k_i＞0，某一时刻t_i对应的k_i第一次出现小于时刻t_i-1对应的k_i-1的情况时，计算

如果k＞0，则判定趋势依然呈递增状态，之后继续判断k_i与设定的门限值的大小关系即可；

若k＜0，则判定设备运行参数在时间维度上的变化趋势变化出现转折，自t_i-1时刻开始呈递减状态，此时将(t_i-1，y_i-1)设为初始状态值，代入(t₀，y₀)。

作为可选择的实施方式，分情况判断设备运行参数在时间维度上的发展趋势的具体过程包括：若k_i＜0，而某一时刻t_i对应的k_i第一次出现大于时刻t_i-1对应的k_i-1的情况时，计算

如果k＜0，则判定趋势依然呈递减状态，之后继续判断k_i与设定的门限值的大小关系即可；

若k＞0，则判定设备运行参数在时间维度上的变化趋势变化出现转折，自t_i-1时刻开始呈递增状态，此时将(t_i-1，y_i-1)设为初始状态值，代入(t₀，y₀)。

一种基于线性回归与AHP算法的电力设备监视预警系统，包括：

多因素分析模块，被配置为监测记录前若干时刻对应的影响因素的值、设备运行参数值，利用线性回归算法计算单因素作用下的设备运行参数，结合AHP层次分析，通过权重综合计算多因素影响下的设备运行参数值；

发展趋势确定模块，被配置为依据记录设备运行时间点和设备运行参数，基于设定的时间间隔截取后续的时间点与对应的设备参数，计算斜率，进而计算并分情况判断设备运行参数在时间维度上的发展趋势；

比对预警模块，被配置为比对设备运行同期数据，分析记录导致数据变化超过设定范围的因素或事件。

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于线性回归与AHP算法的电力设备监视预警方法中的步骤。

一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于线性回归与AHP算法的电力设备监视预警方法中的步骤。

与现有技术相比，本发明的有益效果为：

(1)本发明基于线性回归方程，可以通过单因素对设备运行参数的影响程度，预测该设备在未来可能出现的异常发展趋势，为设备的维护和检修做出指导。结合AHP层次分析法，可以分析多个因素对设备运行趋势的影响，计算每个影响因素作用程度的权重，给出更符合实际情况的预测结果；

(2)本发明针对设备运行参数与时间没有明显的函数关系问题，所以利用设备运行参数与时间，通过计算斜率，分情况判断其发展趋势，因为计算方法简单，所以不会影响系统运行效率，且考虑情况全面，能够给出准确的趋势判断结果；

(3)本发明对同期数据进行比较，将比较的数据背景同类化，预先设定一个差异变化程度的门限值，当数据变化差异超过该门限值时，分析对应时间点及之前时间段的影响因素和事件，为预防和预测设备异常的变化趋势做出指导。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1是本发明实施例公开的预测多因素影响下设备运行参数流程图；

图2是本发明实施例公开的预测设备运行参数在时间维度上的发展趋势流程图；

图3是本发明实施例公开的设备运行参数同期比对流程图；

图4是本发明实施例公开的设备运行参数比对示意图；

图5是本发明实施例的总流程示意图。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

正如背景技术所介绍的，现有技术中无法全面考虑影响电力系统安全运行的因素，也不能高效、直观的给出预测结果。本发明提供了一种基于线性回归与AHP算法的监视预警建模方法，可以明确多个因素分别对设备运行造成了什么程度的影响，综合的给出设备运行参数的预测结果，且计算方法简单，不会影响电力系统运行效率，能更加准确、有效的实现预警功能。

本申请的一种典型的实施方式中，如图5所示，利用回归分析，确定自变量对因变量变化的影响程度，也就是影响因素对设备运行参数的作用程度。结合AHP层次分析法，明确多个因素对设备运行参数造成的不同程度的影响，综合计算设备运行参数的预测结果，并与设定的门限值作比较发出告警信息；研究预测设备运行参数在时间维度上的发展趋势，利用斜率的计算，分情况判断设备运行的异常发展趋势；研究设备运行参数同期比对，即将比较的数据背景同类化，观察数据的变化程度，对变化差异超过设定的值的时刻，研究导致该变化产生的因素或事件，本发明基于设备的运行数据研究预测设备的运行参数值，能够科学、高效的给出较符合实际情况的预测结果。

具体包括以下步骤：

提供了在多因素的影响下，预测设备运行参数的方法，如图1所示：

步骤101：提取前p个时刻的设备运行相关数据，基于线性回归算法的预警模型分析计算单因素影响下的设备运行参数；

线性回归算法模型如下：

Y_t＝a+bx_t

其中，x_t代表t时刻自变量的值，即测得的影响因素的值。Y_t代表t时刻因变量的值，即要求的x_t影响下的设备运行参数的值，a和b分别代表一元线性回归方程的参数。

步骤102：计算a和b，通过下列公式完成：

其中x_i和y_i分别是前p个时刻中对应的影响因素与设备运行参数的值。

步骤103：代入需要预测的时刻对应的x_t的值，即可计算得出该时刻的设备运行参数值Y_t，实现单因素影响下，预测设备运行参数值。

步骤104：计算多因素影响下，设备运行参数的预测结果。选定影响因素：f₁，f₂...f_n，分别利用线性回归算法计算得到的设备运行指标预测值分别为：Y₁，Y₂...Y_n。

步骤105：通过AHP层次分析法，建立判断矩阵：

其中，C_ij表示Y_i与Y_j的比值。

步骤106：利用如下公式，分别计算Y₁，Y₂...Y_n的权重值：

令

We＝[Q₁，Q₂...Qn]

这样计算得出的Q_i，即是该历史时段中，影响因素f_i作用下的Y_i对应的权重值。

步骤107：利用加权算数评价法综合计算设备运行参数的预测结果：

本实施例提出的在多因素的影响下，预测设备运行参数的方法，以前p个时刻提取到的数据作为基础，利用线性回归算法计算单一因素影响下的设备运行参数的预测结果，因实际情况中，设备运行的参数会受到多个因素的影响，所以结合AHP算法，计算确定这些因素对设备运行参数的影响程度，最后为设备运行参数给出一个全面、科学的预测结果。

为了更好的研究设备运行参数在时间维度上的发展规律，如图2所示，本实施基于斜率的计算，提供了一种设备运行参数发展趋势的预测方法，包括：

步骤201：设备开始运行，获取第一个时间点t₀于对应的设备参数y₀，此为初始状态值。

步骤202：按照设定的间隔截取后续的时间点t_i与对应的设备参数y_i，按照如下公式计算：

步骤203：根据上述公式计算得到的结果，分情况判断设备运行参数的发展趋势。

步骤2031：若k_i＞0，且k_i总是大于k_i-1，则判定趋势呈递增状态，之后通过k_i预测下一时刻的设备运行参数值，并与设定的门限值比较大小关系，若超过门限值设定的范围则发出告警信息。

步骤2032：若k_i＞0，而某一时刻t_i对应的k_i第一次出现小于时刻t_i-1对应的k_i-1的情况时，不能简单的判断设备运行参数在时间维度上的趋势，而需分情况讨论。

步骤2032-1：计算

如果k＞0，则判定趋势依然呈递增状态，之后继续判断k_i与设定的门限值的大小关系即可。

步骤2032-2：若k＜0，则判定设备运行参数在时间维度上的变化趋势变化出现转折，自t_i-1时刻开始呈递减状态，此时将(t_i-1，y_i-1)设为初始状态值，代入(t₀，y₀)。

步骤2033：若k_i＜0，且k_i总是小于k_i-1，则判定趋势呈递减状态，之后通过k_i预测下一时刻的设备运行参数值，并与设定的门限值比较大小关系，若超过门限值设定的范围则发出告警信息。

步骤2034：若k_i＜0，而某一时刻t_i对应的k_i第一次出现大于时刻t_i-1对应的k_i-1的情况时，不能简单的判断设备运行参数在时间维度上的趋势，而需分情况讨论。

步骤2034-1：计算

如果k＜0，则判定趋势依然呈递减状态，之后继续判断k_i与设定的门限值的大小关系即可。

步骤2034-2：若k＞0，则判定设备运行参数在时间维度上的变化趋势变化出现转折，自t_i-1时刻开始呈递增状态，此时将(t_i-1，y_i-1)设为初始状态值，代入(t₀，y₀)。

上述几种情况，可以通过图4进行表示。

本发明实施例提出的能准确的判断设备运行参数在时间维度上的趋势变化，且计算步骤简单，不会影响系统运行效率，可以达到监测设备运行趋势的效果。

为了准确的判断出设备在未来可能出现的异常发展趋势，只是单纯的分析环比数据显然无法实现监视预警效果，所以需要进行同期数据的比较，即将比较的数据背景同类化，观察数据的变化程度，若该程度超过预先设定的门限值时，分析导致期间数据明显变化的因素或事件，如图3所示，本实施例提供了一种同期数据比对的方法，包括：

步骤301：选取时间段，可以是一天、一个周或一个月等。这里以某天的设备运行参数在时间维度上的变化为例。

步骤302：将选取的时间段的数据与同期数据进行比较，作差得出一组数据。

步骤303：在本实施例中，作柱状图表示每一个时间点的差值，即可直观的看到同期数据的比较结果，如图4所示。

步骤304：将变化明显的数据差值与设定的阈值进行比较，超过阈值的，分析并标记该时间点及过去一定时间段内对应的影响因素或特征事件，这些因素或特征事件可能与天气的变化、电流、电压等相关。

还提供以下产品实施例：

一种基于线性回归与AHP算法的电力设备监视预警系统，包括：

多因素分析模块，被配置为监测记录前若干时刻对应的影响因素的值、设备运行参数值，利用线性回归算法计算单因素作用下的设备运行参数，结合AHP层次分析，通过权重综合计算多因素影响下的设备运行参数值；

发展趋势确定模块，被配置为依据记录设备运行时间点和设备运行参数，基于设定的时间间隔截取后续的时间点与对应的设备参数，计算斜率，进而计算并分情况判断设备运行参数在时间维度上的发展趋势；

比对预警模块，被配置为比对设备运行同期数据，分析记录导致数据变化超过设定范围的因素或事件。

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于线性回归与AHP算法的电力设备监视预警方法中的步骤。

一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的所述的一种基于线性回归与AHP算法的电力设备监视预警方法中的步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (8)

1.一种基于线性回归与AHP算法的电力设备监视预警方法，其特征是：包括以下步骤：

监测记录前若干时刻对应的影响因素的值、设备运行参数值，利用线性回归算法计算单因素作用下的设备运行参数，结合AHP层次分析，通过权重综合计算多因素影响下的设备运行参数值；

记录设备运行时间点和设备运行参数，基于设定的时间间隔截取后续的时间点与对应的设备参数，计算斜率，进而计算并分情况判断设备运行参数在时间维度上的发展趋势；

比对设备运行同期数据，分析记录导致数据变化超过设定范围的因素或事件；

分情况判断设备运行参数在时间维度上的发展趋势的具体过程包括：若斜率k_i>0，某一时刻t_i对应的k_i第一次出现小于时刻t_i-1对应的k_i-1的情况时，计算

如果k>0，则判定趋势依然呈递增状态，之后继续判断k_i与设定的门限值的大小关系即可；

若k<0，则判定设备运行参数在时间维度上的变化趋势变化出现转折，自t_i-1时刻开始呈递减状态，此时将(t_i-1，y_i-1)设为初始状态值，代入(t₀，y₀)；

分情况判断设备运行参数在时间维度上的发展趋势的具体过程包括：若k_i<0，而某一时刻t_i对应的k_i第一次出现大于时刻t_i-1对应的k_i-1的情况时，计算

如果k<0，则判定趋势依然呈递减状态，之后继续判断k_i与设定的门限值的大小关系即可；

若k>0，则判定设备运行参数在时间维度上的变化趋势变化出现转折，自t_i-1时刻开始呈递增状态，此时将(t_i-1，y_i-1)设为初始状态值，代入(t₀，y₀)。

2.如权利要求1所述的一种基于线性回归与AHP算法的电力设备监视预警方法，其特征是：计算多因素影响下的设备运行参数值的具体过程包括：

提取前p个时刻的设备运行相关数据；

利用基于线性回归算法的预警模型计算得出单一因素影响下的设备运行参数预测值；

根据设备运行相关数据，设定多个影响设备运行的因素，根据AHP计算每个因素作用下的预测结果权重；

利用加权算数平均计算得出更符合实际的设备运行参数预测结果。

3.如权利要求2所述的一种基于线性回归与AHP算法的电力设备监视预警方法，其特征是：根据AHP计算每个因素作用下的预测结果权重的具体过程包括：基于选定的影响因素，分别利用线性回归算法计算得到设备运行指标预测值，根据所述设备运行指标预测值，通过AHP层次分析法，建立判断矩阵，分别计算各设备运行指标预测值的权重值。

4.如权利要求1所述的一种基于线性回归与AHP算法的电力设备监视预警方法，其特征是：基于设定的时间间隔截取后续的时间点与对应的设备参数，计算斜率的具体过程包括：设备开始运行，获取第一个时间点t₀于对应的设备参数y₀，此为初始状态值；按照设定的间隔截取后续的时间点t_i与对应的设备参数y_i，计算斜率，依据斜率不同，分情况判断设备运行参数的发展趋势。

5.如权利要求1所述的一种基于线性回归与AHP算法的电力设备监视预警方法，其特征是：分情况判断设备运行参数在时间维度上的发展趋势的具体过程包括：若时间点t_i的斜率k_i>0，且k_i总是大于k_i-1，则判定趋势呈递增状态，之后通过k_i预测下一时刻的设备运行参数值，并与设定的门限值比较大小关系，若超过门限值设定的范围则发出告警信息；

若k_i<0，且k_i总是小于k_i-1，则判定趋势呈递减状态，之后通过k_i预测下一时刻的设备运行参数值，并与设定的门限值比较大小关系，若超过门限值设定的范围则发出告警信息。

6.一种基于线性回归与AHP算法的电力设备监视预警系统，其特征是：包括：

多因素分析模块，被配置为监测记录前若干时刻对应的影响因素的值、设备运行参数值，利用线性回归算法计算单因素作用下的设备运行参数，结合AHP层次分析，通过权重综合计算多因素影响下的设备运行参数值；

发展趋势确定模块，被配置为依据记录设备运行时间点和设备运行参数，基于设定的时间间隔截取后续的时间点与对应的设备参数，计算斜率，进而计算并分情况判断设备运行参数在时间维度上的发展趋势；

比对预警模块，被配置为比对设备运行同期数据，分析记录导致数据变化超过设定范围的因素或事件；

分情况判断设备运行参数在时间维度上的发展趋势的具体过程包括：若斜率k_i>0，某一时刻t_i对应的k_i第一次出现小于时刻t_i-1对应的k_i-1的情况时，计算

如果k>0，则判定趋势依然呈递增状态，之后继续判断k_i与设定的门限值的大小关系即可；

若k<0，则判定设备运行参数在时间维度上的变化趋势变化出现转折，自t_i-1时刻开始呈递减状态，此时将(t_i-1，y_i-1)设为初始状态值，代入(t₀，y₀)；

分情况判断设备运行参数在时间维度上的发展趋势的具体过程包括：若k_i<0，而某一时刻t_i对应的k_i第一次出现大于时刻t_i-1对应的k_i-1的情况时，计算

如果k<0，则判定趋势依然呈递减状态，之后继续判断k_i与设定的门限值的大小关系即可；

若k>0，则判定设备运行参数在时间维度上的变化趋势变化出现转折，自t_i-1时刻开始呈递增状态，此时将(t_i-1，y_i-1)设为初始状态值，代入(t₀，y₀)。

7.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-5中任意项所述的一种基于线性回归与AHP算法的电力设备监视预警方法中的步骤。

8.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-5中任意项所述的一种基于线性回归与AHP算法的电力设备监视预警方法中的步骤。

Images