CN112685691A - 一种电气设备缺陷关联的分析方法及装置 - Google Patents

Abstract

本发明公开了一种电气设备缺陷关联的分析方法，包括确定待分析的电气设备A和电气设备B，采集两者的运行数据，并从中选取对缺陷关联分析有价值的运行数据，得到两组运行数据；将选取的两组运行数据合并，形成状态矩阵；对状态矩阵进行变换，得到共轭转置矩阵；根据状态矩阵和共轭转置矩阵计算密度矩阵；根据密度矩阵的大小和其中的数据情况，选取归一化正交基矢；求密度矩阵在所选取的归一化正交基矢上的部分转置矩阵，计算部分转置矩阵的本征值集合；根据本征值集合中数据的情况，判断电气设备A和电气设备B之间是否存在缺陷关联。本发明解决了数据存储不足和过分剔除人为数据而导致的数据浪费的问题。

Description

一种电气设备缺陷关联的分析方法及装置

技术领域

本发明涉及数据处理技术，具体涉及一种电气设备缺陷关联的分析方法及装置。

背景技术

随着生产及行业水平的提升，数据越来也成为行业的重要资产，因此如何在不剔除人为因素的情况下对现有数据进行分析是提升行业数据价值的重要课题。目前，电气设备之间存在的关联关系大多通过数据分析进行，但由于电力行业数据存储较为薄弱，且无法摒除人为因素，因此造成大量数据的浪费，并无法实现有效分析。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种电气设备缺陷关联的分析方法及装置，以解决数据存储不足和过分剔除人为数据而导致的数据浪费的问题。

为实现上述目的，本发明的技术方案是：

第一方面，本发明实施例提供了一种电气设备缺陷关联的分析方法，包括：

确定待分析的电气设备A和电气设备B，采集两者的运行数据，并从中选取对缺陷关联分析有价值的运行数据，得到两组运行数据；

将选取的两组运行数据合并，形成状态矩阵；

对状态矩阵进行变换，得到共轭转置矩阵；

根据状态矩阵和共轭转置矩阵计算密度矩阵；

根据密度矩阵的大小和其中的数据情况，选取归一化正交基矢；

求密度矩阵在所选取的归一化正交基矢上的部分转置矩阵，计算部分转置矩阵的本征值集合；

根据本征值集合中数据的情况，判断电气设备A和电气设备B之间是否存在缺陷关联。

进一步地，上述的电气设备缺陷关联的分析方法还包括：

在判断电气设备A和电气设备B之间存在缺陷关联之后，对两者之间可能存在的缺陷关联进行分析，当其中一个发生缺陷时，另一个可能因为彼此之间存在的缺陷关联在一定时间内同时发生缺陷，提前预警或提醒。

进一步地，所述状态矩阵为|Ψ>，|Ψ>为{A}与{B}合并后的新矩阵，{A}为电气设备A 的数据集合，{B}为电气设备B的数据集合。

进一步地，所述共轭转置矩阵为<Ψ|，<Ψ|中的元素与|Ψ>中对应的元素是共轭的。

进一步地，所述根据计算密度矩阵ρ为：

ρ＝∑P_i|Ψ><Ψ|，同时∑P_i＝1，P_i为状态矩阵|Ψ>及其共轭转置矩阵<Ψ|状态发生的概率。

进一步地，所述根据密度矩阵的大小和其中的数据情况，选取归一化正交基矢为：

根据密度矩阵ρ的大小及数据情况进行归一化正交基矢|i>,|j>的选择，并将密度矩阵改写为

进一步地，所述部分转置矩阵

或

第二方面，本发明实施例提供了一种电气设备缺陷关联的分析装置包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一所述方法的步骤。

第三方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上任一所述方法的步骤

本发明与现有技术相比，其有益效果在于：

本发明以线性算子与矩阵计算为依托，引入矩阵计算，还原了电力数据背后的数学本质关系，在全面展现数字背后关系的同时，给数据来源设备之间的关系提供了新的判定依据，避免了过分剔除人为数据而导致数据浪费或者分析延迟的现象，解决数据存储不足和过分剔除人为数据而导致的数据浪费的问题。

附图说明

图1为本发明实施例1提供的电气设备缺陷关联的分析方法的流程图；

图2为本发明实施例2提供的电气设备缺陷关联的分析装置的组成示意图。

具体实施方式

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1：

参阅图1所示，本实施例提供的电气设备缺陷关联的分析方法主要包括如下步骤：

101、确定待分析的电气设备A和电气设备B，采集两者的运行数据，并从中选取对缺陷关联分析有价值的运行数据，得到两组运行数据；

此步骤为选择构造子系统(或子个体)，主要内容是寻找用于构建状态矩阵|Ψ>的子系统(或子个体)A与B。

102、将选取的两组运行数据合并，形成状态矩阵；

此步骤为构造状态矩阵|Ψ>，通过对子系统(或子个体)A现有数据进行分析，并从中找到可进行关联分析的数据集合{A}和{B}，并利用这两个矩阵构造出状态矩阵|Ψ>。其中， {A}＝{a₁，a₂，a₃，……a_n}，{B}＝{b₁，b₂，b₃，……b_n}，|Ψ>为{A}与{B}合并后的新矩阵。

103、对状态矩阵进行变换，得到共轭转置矩阵；

此步骤为构建共轭转置矩阵<Ψ|，通过对已经获得的状态矩阵进行变换，得到进行二次计算的矩阵<Ψ|。其中，<Ψ|中的元素与|Ψ>中对应的元素是共轭的，即：若ψ_ij＝a+bi，则有ψ_ji＝a-bi。

104、根据状态矩阵和共轭转置矩阵计算密度矩阵；

此步骤为计算密度矩阵ρ，根据已经得到的状态矩阵|Ψ>及其共轭转置矩阵<Ψ|进行密度矩阵计算，其中，ρ＝∑P_i|Ψ><Ψ|，同时∑P_i＝1，P_i为状态矩阵|Ψ>及其共轭转置矩阵<Ψ|状态发生的概率

105、根据密度矩阵的大小和其中的数据情况，选取归一化正交基矢；

根据密度矩阵ρ的大小及数据情况进行归一化正交基矢|i>,|j>的选择，并将密度矩阵改写为

106、求密度矩阵在所选取的归一化正交基矢上的部分转置矩阵，计算部分转置矩阵的本征值集合；

此步骤在得到密度矩阵ρ及其归一化正交基矢的基础上进行的，其中，

或

σ是部分转置矩阵，而λ_i为使得σx＝λ_ix成立的一个或多个解。

107、根据本征值集合中数据的情况，判断电气设备A和电气设备B之间是否存在缺陷关联；

此步骤是在得到本征值集合{λ_i}后，根据{λ_i}的数据范围对组成状态矩阵|Ψ>的子系统(或子个体)A与B之间的关系进行判定，若{λ_i}中无负值，则A与B之间相互独立，不存在关联；若{λ_i}存在负值，则A与B之间存在缺陷关联。

由此可见，本方法以线性算子与矩阵计算为依托，引入矩阵计算，还原了电力数据背后的数学本质关系，在全面展现数字背后关系的同时，给数据来源设备之间的关系提供了新的判定依据，避免了过分剔除人为数据而导致数据浪费或者分析延迟的现象，解决数据存储不足和过分剔除人为数据而导致的数据浪费的问题。

作为本实施例的一种优选，上述的电气设备缺陷关联的分析方法还包括如下步骤：

108、在判断电气设备A和电气设备B之间存在缺陷关联之后，对两者之间可能存在的缺陷关联进行分析，当其中一个发生缺陷时，另一个可能因为彼此之间存在的缺陷关联在一定时间内同时发生缺陷，提前预警或提醒。

通过此步骤即可以提前得知相关电气设备的缺陷情况。

下面结合一个应用实例场景来对本方法进行进一步的详细说明：

1)选择构造子系统(或子个体)：为了构建状态矩阵|Ψ>，需要寻找用于构建状态矩阵的子系统(或子个体)A与B。在本实例中A为500kV 583交流滤波器583开关，B为500kV591交流滤波器591开关。

2)构造状态矩阵|Ψ>：通过对子系统(或子个体)A现有数据进行分析，并从中找到可进行关联分析的数据集合{A}和{B}，并利用这两个矩阵构造出状态矩阵|Ψ>。

表1 583与591开关数据构建而成的状态矩阵|Ψ>(部分)

0	0	0	0	0	0	52	49	8	16	11	0	12	0
														0	2208	0	0	0	0	55	49	8	16	11	0	12	0
0	2174	0	0	0	0	56	49	8	16	11	0	12	0
														0	0	0	0	9	5	40	49	9	15	11	0	21	0
0	2095	0	0	12	5	40	49	9	15	11	0	21	0
														0	2159	0	0	23	5	40	49	9	15	11	0	20	0

此项工作是数据关联分析工作的起点，后续的矩阵计算都是基于此矩阵进行的。

3)构建共轭转置矩阵<Ψ|：对已经获得的状态矩阵进行变换，得到进行二次计算的矩阵 <Ψ|。

表2状态矩阵|Ψ>的共轭转置矩阵<Ψ|(部分)

0	0	0	0	0	0
						0	2208	2174	0	2095	2159
0	0	0	0	0	0
						0	0	0	0	0	0
0	0	0	9	12	23
						0	0	0	5	5	5
52	55	56	40	40	40
						49	49	49	49	49	49
8	8	8	9	9	9
						16	16	16	15	15	15
11	11	11	11	11	11
						0	0	0	0	0	0
12	12	12	21	21	20
						0	0	0	0	0	0

此部分工作中，由于设备A与B构成的状态矩阵中的元素均为实数，因此<Ψ|的共轭转置矩阵与<Ψ|的转置矩阵等价。

4)计算密度矩阵ρ：根据已经得到的状态矩阵|Ψ>及其共轭转置矩阵<Ψ|进行密度矩阵计算，其中，ρ＝∑Pi|Ψ><Ψ|，同时∑Pi＝1，Pi为状态矩阵|Ψ>及其共轭转置矩阵<Ψ|状态发生的概率。

表3状态矩阵|Ψ>与共轭转置矩阵<Ψ|的密度矩阵ρ

26830	26798	27908	31975	31915	32203
						26798	26768	27827	31942	31882	32170
27908	27827	31387	33004	32944	33232
						31975	31942	33004	6163122	6125952	6304368
31915	31882	32944	6125952	6089007	6266343
						32203	32170	33232	6304368	6266343	6448863

此部分工作中，由于设备A与B构成的状态矩阵中的元素出现的概率Pi＝1/n，因此可进行提取值矩阵之外，并且不对计算结果产生影响。

5)选取归一化正交基矢|i>,|j>：根据上述的密度矩阵ρ的大小及数据情况，本例中选取 <001>、<010>和<100>三组正交矢量作为基矢。

6)求部分转置矩阵σ：此部分工作在得到密度矩阵ρ及其归一化正交基矢的基础上进行的。根据上面选取的<001>、<010>和<100>三组正交矢量中的<001>，可得出密度矩阵ρ在其上的部分转置矩阵σ。

表4密度矩阵ρ的部分转置矩阵σ

26768	26798	31942	27827	32170	31882
						26798	26830	31975	27908	32203	31915
31942	31975	6163122	33004	6304368	6125952
						27827	27908	33004	31387	33232	32944
32170	32203	6304368	33232	6448863	6266343
						31882	31915	6125952	32944	6266343	6089007

7)求本征值集合{λi}：得到了转置矩阵后对σ进行本征值的计算。本例中，部分转置矩阵σ的本征值集合为{λi}(i＝1,2……6)＝{1.87E+07，8.29E+04，1.55E+03，2.09E+00，4.86E-01，-4.35E-10}。

8)判断子系统(或子个体)关系：根据{λi}中数值的情况，可知A与B之间存在纠缠关联。由于λi＝-4.35E-10<0，因此电气设备500kV 583交流滤波器583开关与500kV 591 交流滤波器591开关之间存在纠缠关联。

9)判断缺陷关联：在判断了子系统(或子个体)A和B之间存在纠缠关联后，可对两者之间可能存在的缺陷关联进行分析，当其中一个发生缺陷时，另一个可能因为彼此之间存在的纠缠关联在一定时间内同时发生缺陷，可提前预警或提醒。下表为两个设备同时间段发生缺陷的列表。

实施例2：

参阅图2所示，本实施例提供的电气设备缺陷关联的分析装置包括处理器21、存储器22 以及存储在该存储器22中并可在所述处理器21上运行的计算机程序23，例如电气设备缺陷关联的分析程序。该处理器21执行所述计算机程序23时实现上述实施例1步骤，例如图1 所示的步骤。

示例性的，所述计算机程序23可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器22中，并由所述处理器21执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序23在所述电气设备缺陷关联的分析装置中的执行过程。

所述电气设备缺陷关联的分析装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电气设备缺陷关联的分析装置可包括，但不仅限于，处理器21、存储器 22。本领域技术人员可以理解，图2仅仅是电气设备缺陷关联的分析装置的示例，并不构成电气设备缺陷关联的分析装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电气设备缺陷关联的分析装置还可以包括输入输出设备、网络接入设备、总线等。

所称处理器21可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器22可以是所述电气设备缺陷关联的分析装置的内部存储元，例如电气设备缺陷关联的分析装置的硬盘或内存。所述存储器22也可以是所述电气设备缺陷关联的分析装置的外部存储设备，例如所述电气设备缺陷关联的分析装置上配备的插接式硬盘，智能存储卡 (SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(FlashCard)等。

进一步地，所述存储器22还可以既包括所述电气设备缺陷关联的分析装置的内部存储单元也包括外部存储设备。所述存储器22用于存储所述计算机程序以及所述电气设备缺陷关联的分析装置所需的其他程序和数据。所述存储器22还可以用于暂时地存储已经输出或者将要输出的数据。

实施例3：

本实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现实施例1所述方法的步骤。

所示计算机可读介质可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器 (EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理再以电子方式获得所述程序，然后将其存储在计算机存储器中。

上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。

Claims (10)

1.一种电气设备缺陷关联的分析方法，其特征在于，包括：

确定待分析的电气设备A和电气设备B，采集两者的运行数据，并从中选取对缺陷关联分析有价值的运行数据，得到两组运行数据；

将选取的两组运行数据合并，形成状态矩阵；

对状态矩阵进行变换，得到共轭转置矩阵；

根据状态矩阵和共轭转置矩阵计算密度矩阵；

根据密度矩阵的大小和其中的数据情况，选取归一化正交基矢；

求密度矩阵在所选取的归一化正交基矢上的部分转置矩阵，计算部分转置矩阵的本征值集合；

根据本征值集合中数据的情况，判断电气设备A和电气设备B之间是否存在缺陷关联。

2.如权利要求1所述的电气设备缺陷关联的分析方法，其特征在于，还包括：

在判断电气设备A和电气设备B之间存在缺陷关联之后，对两者之间可能存在的缺陷关联进行分析，当其中一个发生缺陷时，另一个可能因为彼此之间存在的缺陷关联在一定时间内同时发生缺陷，提前预警或提醒。

3.如权利要求1所述的电气设备缺陷关联的分析方法，其特征在于，所述状态矩阵为|Ψ>，|Ψ>为{A}与{B}合并后的新矩阵，{A}为电气设备A的数据集合，{B}为电气设备B的数据集合。

4.如权利要求3所述的电气设备缺陷关联的分析方法，其特征在于，所述共轭转置矩阵为<Ψ|，<Ψ|中的元素与|Ψ>中对应的元素是共轭的。

5.如权利要求4所述的电气设备缺陷关联的分析方法，其特征在于，所述根据计算密度矩阵ρ为：

ρ＝∑P_i|Ψ><Ψ|，同时∑P_i＝1，P_i为状态矩阵|Ψ>及其共轭转置矩阵<Ψ|状态发生的概率。

6.如权利要求5所述的电气设备缺陷关联的分析方法，其特征在于，所述根据密度矩阵的大小和其中的数据情况，选取归一化正交基矢为：

根据密度矩阵ρ的大小及数据情况进行归一化正交基矢|i>,|j>的选择，并将密度矩阵改写为

7.如权利要求6所述的电气设备缺陷关联的分析方法，其特征在于，所述部分转置矩阵

或

8.如权利要求7所述的电气设备缺陷关联的分析方法，其特征在于，所述本征值集合为{λ_i}，λ_i为使得σx＝λ_ix成立的一个或多个解。

9.一种电气设备缺陷关联的分析装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一所述方法的步骤。

Images