CN115905474A - 基于历史缺陷文本信息的电力设备状态评价方法和装置 - Google Patents
基于历史缺陷文本信息的电力设备状态评价方法和装置 Download PDFInfo
- Publication number
- CN115905474A CN115905474A CN202211671141.7A CN202211671141A CN115905474A CN 115905474 A CN115905474 A CN 115905474A CN 202211671141 A CN202211671141 A CN 202211671141A CN 115905474 A CN115905474 A CN 115905474A
- Authority
- CN
- China
- Prior art keywords
- defect
- text
- deduction
- historical
- equipment
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于历史缺陷文本信息的电力设备状态评价方法和装置,方法包括:获取待评价电力设备的所有历史缺陷描述文本;从缺陷标准文本数据库中筛选出与各所述历史缺陷描述文本相似度最高的文本作为标准缺陷文本;在相似度大于阈值时,根据预设规则,确定对应部件的扣分值;根据各部件的扣分值,构建设备的状态评价扣分模型,获得所述待评价设备的健康状态评价得分趋势。相比于现有技术,基于设备运行维护过程中积累的历史缺陷文本信息,反映设备的健康状态趋势,通过从数据库中筛选出相似度最高的文本,判断部件的扣分值,从而实现对设备的健康状态评价,可以有效提高对电力设备状态评价的可靠性。
Description
技术领域
本发明涉及电力设备状态评价领域,尤其涉及一种基于历史缺陷文本信息的电力设备状态评价方法和装置。
背景技术
电力设备的健康状况将直接影响到整个电力系统运行的安全性与可靠性。近年来,随着状态监测技术的应用,电力设备的状态检修技术也得到了长足的发展。而状态检修是一种基于电力设备运行信息的预知性维修,其通过监视设备的运行状态,获取状态信息,并根据设备状态判断设备是否异常,进而制定相应的检修策略。相较于传统的事后检修或者定期检修,其检修效率更高、时效性也更好,具有广阔的发展前景。
然而,准确评价电力设备的健康状态是实行状态检修的基础。目前,电力设备的健康状态评价主要是融合监测数据,试验数据等结构化数据信息,针对电力设备状态评价模型的构建进行探究,其主要采用模糊理论、人工神经网络、支持向量机、灰色系统理论、聚类分析等算法,对设备的健康状态进行评估,或划分并得到设备的健康等级。然而,这些现有技术并未涉及设备的历史缺陷情况,缺乏足够的可靠性。
发明内容
本发明提供了一种基于历史缺陷文本信息的电力设备状态评价方法和装置,以解决如何提高对电力设备状态评价的可靠性的技术问题。
为了解决上述技术问题,本发明实施例提供了一种基于历史缺陷文本信息的电力设备状态评价方法,包括:
获取待评价电力设备的所有历史缺陷描述文本;
从缺陷标准文本数据库中筛选出与各所述历史缺陷描述文本相似度最高的文本作为标准缺陷文本;所述标准缺陷文本与各所述历史缺陷描述文本分别一一对应;
在所述历史缺陷描述文本对应的相似度大于预设阈值时,根据预设规则,确定该历史缺陷描述文本对应部件的扣分值;
根据各部件的扣分值,构建针对所述待评价设备的状态评价扣分模型,基于所述状态评价扣分模型获得所述待评价设备的健康状态评价得分趋势。
作为优选方案,所述根据预设规则,确定该历史缺陷描述文本对应部件的扣分值,具体为:
根据各所述历史缺陷描述文本分别确定对应的缺陷类型和缺陷部件;
根据确定的缺陷类型和缺陷部件,分别确定各部件的扣分值。
作为优选方案,在所述构建针对所述待评价设备的状态评价扣分模型之前,还包括:
根据确定的缺陷类型和缺陷部件,分别确定各部件的修复系数;
所述构建针对所述待评价设备的状态评价扣分模型,具体为:
通过各部件的扣分值、修复系数、故障的次数、役龄、家族性缺陷系数和修复程度等级,分别计算各部件的健康状态评价得分;其中,所述修复程度等级为零一变量,用于描述部件是否进行修复;
基于各部件的健康状态评价得分,结合预设的各部件权重系数,获得针对所述待评价设备的状态评价扣分模型。
作为优选方案,所述相似度采用余弦相似度,具体地:
其中,cos(θ)为所述余弦相似度,为所述历史缺陷描述文本与所述缺陷标准文本数据库内文本之间的余弦值,Xi为缺陷标准文本数据库中文本,Yi为所述历史缺陷描述文本。
作为优选方案,所述预设阈值为0.8。
相应的,本发明实施例还提供了基于历史缺陷文本信息的电力设备状态评价装置,包括获取模块、筛选模块、部件扣分模块和评价模块;其中,
所述获取模块,用于获取待评价电力设备的所有历史缺陷描述文本;
所述筛选模块,用于从缺陷标准文本数据库中筛选出与各所述历史缺陷描述文本相似度最高的文本作为标准缺陷文本;所述标准缺陷文本与各所述历史缺陷描述文本分别一一对应;
所述部件扣分模块,用于在所述历史缺陷描述文本对应的相似度大于预设阈值时,根据预设规则,确定该历史缺陷描述文本对应部件的扣分值;
所述评价模块,用于根据各部件的扣分值,构建针对所述待评价设备的状态评价扣分模型,基于所述状态评价扣分模型获得所述待评价设备的健康状态评价得分趋势。
作为优选方案,所述部件扣分模块根据预设规则,确定该历史缺陷描述文本对应部件的扣分值,具体为:
所述部件扣分模块根据各所述历史缺陷描述文本分别确定对应的缺陷类型和缺陷部件;
根据确定的缺陷类型和缺陷部件,分别确定各部件的扣分值。
作为优选方案,所述部件扣分模块还用于在所述构建针对所述待评价设备的状态评价扣分模型之前,根据确定的缺陷类型和缺陷部件,分别确定各部件的修复系数;
所述评价模块构建针对所述待评价设备的状态评价扣分模型,具体为:
所述评价模块通过各部件的扣分值、修复系数、故障的次数、役龄、家族性缺陷系数和修复程度等级,分别计算各部件的健康状态评价得分;其中,所述修复程度等级为零一变量,用于描述部件是否进行修复;
基于各部件的健康状态评价得分,结合预设的各部件权重系数,获得针对所述待评价设备的状态评价扣分模型。
作为优选方案,所述相似度采用余弦相似度,具体地:
其中,cos(θ)为所述余弦相似度,为所述历史缺陷描述文本与所述缺陷标准文本数据库内文本之间的余弦值,Xi为缺陷标准文本数据库中文本,Yi为所述历史缺陷描述文本。
作为优选方案,所述预设阈值为0.8。
相比于现有技术,本发明实施例具有如下有益效果:
本发明实施例提供了一种基于历史缺陷文本信息的电力设备状态评价方法和装置,所述电力设备状态评价方法包括:获取待评价电力设备的所有历史缺陷描述文本;从缺陷标准文本数据库中筛选出与各所述历史缺陷描述文本相似度最高的文本作为标准缺陷文本;所述标准缺陷文本与各所述历史缺陷描述文本分别一一对应;在所述历史缺陷描述文本对应的相似度大于预设阈值时,根据预设规则,确定该历史缺陷描述文本对应部件的扣分值;根据各部件的扣分值,构建针对所述待评价设备的状态评价扣分模型,基于所述状态评价扣分模型获得所述待评价设备的健康状态评价得分趋势。相比于现有技术,基于设备长期运行维护过程中积累的大量的历史缺陷文本信息,反映设备的健康状态趋势,通过从缺陷标准文本数据库中筛选出相似度最高的文本,判断部件的扣分值,从而实现对设备的健康状态评价,即对电力设备的非结构化历史缺陷文本进行信息挖掘,可以有效提高对电力设备状态评价的可靠性。
附图说明
图1:为本发明基于历史缺陷文本信息提供的电力设备状态评价方法的一种实施例的流程示意图。
图2:为本发明提供的缺陷文本矢量度相似性的一种实施例的计算结果示意图。
图3:为本发明提供的一种配电变压器的一种实施例的健康状态评价得分趋势示意图。
图4:为本发明基于历史缺陷文本信息提供的电力设备状态评价装置的一种实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
根据相关技术记载,目前电力设备的健康状态评价主要分为两类,一类是结合颁布的《输变电设备状态评价导则》、《配电设备状态评价导则》,并将其与专家意见相结合,利用专家系统对设备的各部件进行扣分,但是,这种方法时间成本高。并且,随着设备数量的不断增加,其难以满足大量设备状态评价的需求。另一类是融合监测数据、试验数据等结构化数据信息,针对电力设备状态评价模型的构建进行探究,其主要采用模糊理论、人工神经网络、支持向量机、灰色系统理论、聚类分析等算法,对设备的健康状态进行评估,或划分并得到设备的健康等级。
同时,也有现有技术将这些算法与D-S证据理论、突变理论、可拓论等相结合,在决策层将由不同状态量特征得到的评价结果融合,得到最终健康等级。
上述现有技术均采用当前测得的状态量运行数据,对电力设备进行状态评价,并未涉及设备的历史缺陷情况。然而,实际上,电力设备的历史缺陷情况能够反映设备部件的可靠性。在进行状态评估时应将电力设备的历史缺陷信息也考虑进去,作为设备状态评价的一部分。
例如在某个时间段内,一台设备多次发生了同一类型的缺陷或多种缺陷,说明该设备在运行中有更容易发生缺陷的趋势,在对其进行状态评价时需要加以考虑。同时,电力设备在长期运行维护过程中也积累了大量的历史缺陷文本信息,这些文本数据不仅能够反映设备的历史运行趋势,如故障情况、历史缺陷、巡检消缺方法等,而且蕴含着丰富的潜伏性故障信息,对设备当前甚至来来的状态评价及预测具有重要的指导意义。因此,可以利用自然语言处理技术等方法对电力设备的非结构化历史缺陷文本进行信息挖掘,将其转化为可以对全寿命周期内设备健康状态进行评价的信息,可以有效提高对设备健康状态进行评价的准确性。
针对上述相关技术存在的一个或多个问题,请参照图1,图1为本发明实施例提供的一种基于历史缺陷文本信息的电力设备状态评价方法,包括步骤S1至步骤S4,其中,
步骤S1,获取待评价电力设备的所有历史缺陷描述文本。
在本实施例中,所有历史缺陷描述文本包括待评价电力设备一个检修周期内,或者说全生命周期内的所有历史缺陷描述文本。而这些历史缺陷描述文本包含了对各部件(例如对于一个配电变压器,其包含了呼吸器、油箱等部件)的历史缺陷信息。
本实施例以某公司的配电变压器作为研究对象,并展示其在一个检修周期内发生的缺陷情况以及设备状态评分。具体地,该变压器于2010年投运,已经运行了10年,生产管理系统显示该设备于2016年4月和2018年7月有故障缺陷记录。其中第一次缺陷部件为呼吸器,修复状态良好;第二次缺陷为本体油箱,修复状态良好。
步骤S2,从缺陷标准文本数据库中筛选出与各所述历史缺陷描述文本相似度最高的文本作为标准缺陷文本;所述标准缺陷文本与各所述历史缺陷描述文本分别一一对应。
在本实施例中,采用余弦相似度来计算历史缺陷描述文本与缺陷标准文本之间的矢量度相似度,具体地:
其中,cos(θ)为所述余弦相似度,为所述历史缺陷描述文本与所述缺陷标准文本数据库内文本之间的余弦值,Xi为缺陷标准文本数据库中文本,Yi为所述历史缺陷描述文本,i指第i条历史缺陷描述文本(共n条)。
以所述配电变压器某缺陷描述为例,所述配电变压器缺陷描述为“#2配变本体呼吸器硅胶变色超过2/3”,通过图2可以看出,与该缺陷描述文本最相似的缺陷标准文本为“主变压器本体呼吸器硅胶潮解变色部分超过总量的2/3”,其相似度为0.956。同理,可针对“主变压器轻微渗油”进行相似度计算,得出相似度为0.912,并筛选出与其相似度最高的缺陷标准文本。
步骤S3,在所述历史缺陷描述文本对应的相似度大于预设阈值时,根据预设规则,确定该历史缺陷描述文本对应部件的扣分值。
在本实施例中,所述根据预设规则,确定该历史缺陷描述文本对应部件的扣分值,具体为:
根据各所述历史缺陷描述文本分别确定对应的缺陷类型和缺陷部件;
根据确定的缺陷类型和缺陷部件,分别确定各部件的扣分值。
进一步地,所述预设阈值优选为0.8,对于缺陷描述“#2配变本体呼吸器硅胶变色超过2/3”,其最高的缺陷矢量度相似值为0.956,故可以确定其缺陷部件为呼吸器,缺陷类型为呼吸器变色,并且缺陷等级为严重。
作为本实施例的一种举例,根据颁布制定的《配电设备状态评价导则》中的扣分标准,将一般、严重和危急缺陷这三个缺陷程度等级Ltext的扣分值SD分别设定为15、25和40,同时,相应地修复系数FD分别依次为0,0.5和1,具体地:
从而可以确定该呼吸器的扣分值为SD为25。同理,对于“主变压器轻微渗油”,也可以确定其缺陷部件为“本体油箱”,缺陷类型为变压器渗油,缺陷等级为一般,因此其扣分值为15。本实施例通过引入修复系数以调整设备的状态扣分值是由于:对于设备的某一部件来说,当发生故障且未检修处理时,该部件的状态评分会处于较低的水平。当对缺陷进行修复后,该部件的修复状态较好,则可以认为该缺陷已排除,部件的状态评分也会恢复到较高的水准;若部件修复状态一般,未达到消除的标准,则该缺陷修复不完全,但总体而言其健康状态与未进行检修处理时的状态相比更好。
步骤S4,根据各部件的扣分值,构建针对所述待评价设备的状态评价扣分模型,基于所述状态评价扣分模型获得所述待评价设备的健康状态评价得分趋势。
在本实施例中,所述构建针对所述待评价设备的状态评价扣分模型,具体为:
通过各部件的扣分值、修复系数、故障的次数、役龄、家族性缺陷系数和修复程度等级,分别计算各部件的健康状态评价得分;其中,所述修复程度等级为零一变量,用于描述部件是否进行修复;
基于各部件的健康状态评价得分,结合预设的各部件权重系数,获得针对所述待评价设备的状态评价扣分模型。
作为进一步优选实施方式,可以先通过各部件的扣分值计算各部件的状态评分:
其中,S为部件的健康状态评分结果,KF为家族性缺陷系数,若有家族性缺陷则KF取0.95,否则取1。Mtext为缺陷的修复程度等级且为零一变量。Mtext=0表征未进行修复,Mtext=1表征修复程度良好。实施本申请实施例,对于设备的某个单个部件,其在一段时间内多次发生了同一种类型的缺陷或者多种缺陷,则该设备在运行中可能更容易发生同类故障缺陷,或者可能存在家族性缺陷,因此,本实施例考虑到该情况,引入了家族性缺陷系数KF,以提高评价的准确性,更贴合实际应用场景。
进一步地,考虑设备的役龄因素,可以计算部件的健康状态最终评分S':
S'=KT×S;
KT为寿命系数,且KT=(100-tuse×0.5)/100。其中,tuse为待评价设备的役龄。
当设备的每个部件都处于正常状态时,即部件的状态评分正常,则可以判断该设备未发生缺陷或缺陷已修复,处于正常的状态,待评价设备的综合得分Sfinal=∑KPS'(KP为设备部件权重系数);若有一个或多个部件发生缺陷,即部件得分处于正常状态以下(扣分值大于等于15),则该设备状态评分为各个部件中得分最低值,其得分Sfinal=minS'。
具体到本实施例的所述配电变压器:在发生第一次缺陷之前,各部件均无历史缺陷记录,考虑到役龄,到第一次发生故障,变压器的整体状态评分为SD=100×KT。第一次发生缺陷至本次检修消缺之前,呼吸器部分的部件状态得分(考虑役龄前为S1,考虑役龄后为S1')为:
S1=(100-25)×KF=75;
由于部件扣分大于15分,因此变压器的整体状态评分为该部件的得分,也就是72.64分。
第二次故障(主变压器轻微渗油)计算所得最高缺陷矢量度相似值为0.912,故可以确定缺陷类型为变压器渗漏油,缺陷的部件为本体油箱,缺陷等级为一般,则其对应的扣分值SD为15分。则第二次缺陷至检修消缺之前,本体油箱的部件状态得分(考虑役龄前为S2,考虑役龄后为S'2)为:
S2=(100-15)×KF=85;
S'2=KT×S=81.30;
由于部件得分低于85,因此,变压器的整体状态评分为该部件的得分,即81.30分。需要说明的是,当前时刻无其余出现缺陷的部件,而呼吸器也是经过了检修消缺,因此最低得分的部件为本体油箱,所以变压器的整体状态评分就是本体油箱的评分。如此类推可以得到每一时刻,每一部件的得分,进而得到每一时刻变压器的健康状态评价得分。
进一步地,参照图3,在第一次缺陷(呼吸器的缺陷)检修消除之后,其修复状态良好,变压器呼吸器的状态评价得分为:
在第二次缺陷检修消除之后,修复状态良好。变压器本体油箱的状态评价得分为其余部件的状态评级得分为SBD。由状态评价导则可以得到本体油箱的权重为0.1,其余部件的权重和为0.9,因此,按照权重合成后的变压器整体评价得分为综上所述,可以根据该配电变压器每一时刻的得分,构建历史缺陷文本挖掘结果的健康状态评价得分趋势,如图3所示。
根据图3的评价结果显示,该配电变压器随着运行时间的推移,其健康状态分数也缓慢下降,当发生缺陷的时候,配电变压器的状态评价得分也会大幅度下降,低于正常状态的得分。而当对其进行检修并修复,缺陷状态评价得分可以回升到正常状态,但是与缺陷前的状态得分相比略低,这能够体现出该变压器发生过缺陷。从该配电变压器的状态评分趋势图可以明显看出发生缺陷及缺陷修复时的得分变化,也能够间接反映出该变压器的缺陷程度、缺陷发生的时间以及修复状态,同时,也体现了本实施例提供的基于历史缺陷文本信息的电力设备状态评价方法可以用于评价设备全生命周期(检修周期)的健康状态。
相应的,参照图4,本发明实施例还提供了基于历史缺陷文本信息的电力设备状态评价装置,包括获取模块101、筛选模块102、部件扣分模块103和评价模块104;其中,
所述获取模块101,用于获取待评价电力设备的所有历史缺陷描述文本;
所述筛选模块102,用于从缺陷标准文本数据库中筛选出与各所述历史缺陷描述文本相似度最高的文本作为标准缺陷文本;所述标准缺陷文本与各所述历史缺陷描述文本分别一一对应;
所述部件扣分模块103,用于在所述历史缺陷描述文本对应的相似度大于预设阈值时,根据预设规则,确定该历史缺陷描述文本对应部件的扣分值;
所述评价模块104,用于根据各部件的扣分值,构建针对所述待评价设备的状态评价扣分模型,基于所述状态评价扣分模型获得所述待评价设备的健康状态评价得分趋势。
作为优选方案,所述部件扣分模块103根据预设规则,确定该历史缺陷描述文本对应部件的扣分值,具体为:
所述部件扣分模块103根据各所述历史缺陷描述文本分别确定对应的缺陷类型和缺陷部件;
根据确定的缺陷类型和缺陷部件,分别确定各部件的扣分值。
作为优选方案,所述部件扣分模块103还用于在所述构建针对所述待评价设备的状态评价扣分模型之前,根据确定的缺陷类型和缺陷部件,分别确定各部件的修复系数;
所述评价模块104构建针对所述待评价设备的状态评价扣分模型,具体为:
所述评价模块104通过各部件的扣分值、修复系数、故障的次数、役龄、家族性缺陷系数和修复程度等级,分别计算各部件的健康状态评价得分;其中,所述修复程度等级为零一变量,用于描述部件是否进行修复;
基于各部件的健康状态评价得分,结合预设的各部件权重系数,获得针对所述待评价设备的状态评价扣分模型。
作为优选方案,所述相似度采用余弦相似度,具体地:
其中,cos(θ)为所述余弦相似度,为所述历史缺陷描述文本与所述缺陷标准文本数据库内文本之间的余弦值,Xi为缺陷标准文本数据库中文本,Yi为所述历史缺陷描述文本。
作为优选方案,所述预设阈值为0.8。
相比于现有技术,本发明实施例具有如下有益效果:
本发明实施例提供了一种基于历史缺陷文本信息的电力设备状态评价方法和装置,所述电力设备状态评价方法包括:获取待评价电力设备的所有历史缺陷描述文本;从缺陷标准文本数据库中筛选出与各所述历史缺陷描述文本相似度最高的文本作为标准缺陷文本;所述标准缺陷文本与各所述历史缺陷描述文本分别一一对应;在所述历史缺陷描述文本对应的相似度大于预设阈值时,根据预设规则,确定该历史缺陷描述文本对应部件的扣分值;根据各部件的扣分值,构建针对所述待评价设备的状态评价扣分模型,基于所述状态评价扣分模型获得所述待评价设备的健康状态评价得分趋势。相比于现有技术,基于设备长期运行维护过程中积累的大量的历史缺陷文本信息,反映设备的健康状态趋势,通过从缺陷标准文本数据库中筛选出相似度最高的文本,判断部件的扣分值,从而实现对设备的健康状态评价,即对电力设备的非结构化历史缺陷文本进行信息挖掘,可以有效提高对电力设备状态评价的可靠性。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于历史缺陷文本信息的电力设备状态评价方法,其特征在于,包括:
获取待评价电力设备的所有历史缺陷描述文本;
从缺陷标准文本数据库中筛选出与各所述历史缺陷描述文本相似度最高的文本作为标准缺陷文本;所述标准缺陷文本与各所述历史缺陷描述文本分别一一对应;
在所述历史缺陷描述文本对应的相似度大于预设阈值时,根据预设规则,确定该历史缺陷描述文本对应部件的扣分值;
根据各部件的扣分值,构建针对所述待评价设备的状态评价扣分模型,基于所述状态评价扣分模型获得所述待评价设备的健康状态评价得分趋势。
2.如权利要求1所述的一种基于历史缺陷文本信息的电力设备状态评价方法,其特征在于,所述根据预设规则,确定该历史缺陷描述文本对应部件的扣分值,具体为:
根据各所述历史缺陷描述文本分别确定对应的缺陷类型和缺陷部件;
根据确定的缺陷类型和缺陷部件,分别确定各部件的扣分值。
3.如权利要求2所述的一种基于历史缺陷文本信息的电力设备状态评价方法,其特征在于,在所述构建针对所述待评价设备的状态评价扣分模型之前,还包括:
根据确定的缺陷类型和缺陷部件,分别确定各部件的修复系数;
所述构建针对所述待评价设备的状态评价扣分模型,具体为:
通过各部件的扣分值、修复系数、故障的次数、役龄、家族性缺陷系数和修复程度等级,分别计算各部件的健康状态评价得分;其中,所述修复程度等级为零一变量,用于描述部件是否进行修复;
基于各部件的健康状态评价得分,结合预设的各部件权重系数,获得针对所述待评价设备的状态评价扣分模型。
5.如权利要求1至3任意一项所述的一种基于历史缺陷文本信息的电力设备状态评价方法,其特征在于,所述预设阈值为0.8。
6.一种基于历史缺陷文本信息的电力设备状态评价装置,其特征在于,包括获取模块、筛选模块、部件扣分模块和评价模块;其中,
所述获取模块,用于获取待评价电力设备的所有历史缺陷描述文本;
所述筛选模块,用于从缺陷标准文本数据库中筛选出与各所述历史缺陷描述文本相似度最高的文本作为标准缺陷文本;所述标准缺陷文本与各所述历史缺陷描述文本分别一一对应;
所述部件扣分模块,用于在所述历史缺陷描述文本对应的相似度大于预设阈值时,根据预设规则,确定该历史缺陷描述文本对应部件的扣分值;
所述评价模块,用于根据各部件的扣分值,构建针对所述待评价设备的状态评价扣分模型,基于所述状态评价扣分模型获得所述待评价设备的健康状态评价得分趋势。
7.如权利要求6所述的一种基于历史缺陷文本信息的电力设备状态评价装置,其特征在于,所述部件扣分模块根据预设规则,确定该历史缺陷描述文本对应部件的扣分值,具体为:
所述部件扣分模块根据各所述历史缺陷描述文本分别确定对应的缺陷类型和缺陷部件;
根据确定的缺陷类型和缺陷部件,分别确定各部件的扣分值。
8.如权利要求7所述的一种基于历史缺陷文本信息的电力设备状态评价装置,其特征在于,所述部件扣分模块还用于在所述构建针对所述待评价设备的状态评价扣分模型之前,根据确定的缺陷类型和缺陷部件,分别确定各部件的修复系数;
所述评价模块构建针对所述待评价设备的状态评价扣分模型,具体为:
所述评价模块通过各部件的扣分值、修复系数、故障的次数、役龄、家族性缺陷系数和修复程度等级,分别计算各部件的健康状态评价得分;其中,所述修复程度等级为零一变量,用于描述部件是否进行修复;
基于各部件的健康状态评价得分,结合预设的各部件权重系数,获得针对所述待评价设备的状态评价扣分模型。
10.如权利要求6至8任意一项所述的一种基于历史缺陷文本信息的电力设备状态评价装置,其特征在于,所述预设阈值为0.8。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211671141.7A CN115905474A (zh) | 2022-12-26 | 2022-12-26 | 基于历史缺陷文本信息的电力设备状态评价方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211671141.7A CN115905474A (zh) | 2022-12-26 | 2022-12-26 | 基于历史缺陷文本信息的电力设备状态评价方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115905474A true CN115905474A (zh) | 2023-04-04 |
Family
ID=86481849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211671141.7A Pending CN115905474A (zh) | 2022-12-26 | 2022-12-26 | 基于历史缺陷文本信息的电力设备状态评价方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115905474A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756573A (zh) * | 2023-08-16 | 2023-09-15 | 国网智能电网研究院有限公司 | 负例采样方法、训练方法、缺陷定级方法、装置和系统 |
CN117235326A (zh) * | 2023-11-16 | 2023-12-15 | 国网山东省电力公司泰安供电公司 | 一种基于台区画像的台区设备可视化展示系统 |
CN117435933A (zh) * | 2023-12-22 | 2024-01-23 | 浙江大学 | 融合预训练语言模型和图谱的变压器设备健康度评价方法 |
CN117235326B (zh) * | 2023-11-16 | 2024-05-31 | 国网山东省电力公司泰安供电公司 | 一种基于台区画像的台区设备可视化展示系统 |
-
2022
- 2022-12-26 CN CN202211671141.7A patent/CN115905474A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756573A (zh) * | 2023-08-16 | 2023-09-15 | 国网智能电网研究院有限公司 | 负例采样方法、训练方法、缺陷定级方法、装置和系统 |
CN116756573B (zh) * | 2023-08-16 | 2024-01-16 | 国网智能电网研究院有限公司 | 负例采样方法、训练方法、缺陷定级方法、装置和系统 |
CN117235326A (zh) * | 2023-11-16 | 2023-12-15 | 国网山东省电力公司泰安供电公司 | 一种基于台区画像的台区设备可视化展示系统 |
CN117235326B (zh) * | 2023-11-16 | 2024-05-31 | 国网山东省电力公司泰安供电公司 | 一种基于台区画像的台区设备可视化展示系统 |
CN117435933A (zh) * | 2023-12-22 | 2024-01-23 | 浙江大学 | 融合预训练语言模型和图谱的变压器设备健康度评价方法 |
CN117435933B (zh) * | 2023-12-22 | 2024-04-16 | 浙江大学 | 融合预训练语言模型和图谱的变压器设备健康度评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115905474A (zh) | 基于历史缺陷文本信息的电力设备状态评价方法和装置 | |
CN107633354B (zh) | 一种站用直流系统运行状态健康程度的综合评价方法 | |
US20210003640A1 (en) | Fault locating method and system based on multi-layer evaluation model | |
CN105761001B (zh) | 一种融合多源信息的配网设备状态评价方法 | |
CN103778575A (zh) | 变压器状态评估方法及系统 | |
CN109490726A (zh) | 基于云理论的电力变压器绝缘状态评估方法 | |
CN111898092A (zh) | 一种电缆运行状态评估决策分析方法及系统 | |
CN107239876B (zh) | 一种核电厂i&c设备老化生命周期的管理方法及系统 | |
CN103926490A (zh) | 一种具有自学习功能的电力变压器综合诊断方法 | |
CN113592359A (zh) | 电力变压器的健康度评价方法和装置 | |
CN110533325A (zh) | 继电保护设备检修时间的决策方法及系统 | |
CN111339661B (zh) | 一种高压电缆巡检周期自动规划方法 | |
CN115689114A (zh) | 一种基于组合神经网络的海底电缆运行状态预测方法 | |
CN106548284B (zh) | 一种面向运行调控的自适应模块化电网安全评价方法 | |
CN111242424A (zh) | 质量数据的处理方法及装置 | |
CN116862478A (zh) | 基于分层架构与动态赋权的变压器健康评估方法 | |
CN106325258A (zh) | 一种基于在线监测信息的继电保护装置状态评估方法 | |
CN115796832A (zh) | 基于多维参量的变电设备健康状态综合评估方法 | |
CN115587331A (zh) | 电网设备运行状态诊断预测方法及系统 | |
CN110727912B (zh) | 一种电力二次设备差异化改造方案选择方法 | |
CN108536911B (zh) | 一种基于中心距和样本特征的换流变压器状态评估方法 | |
Pengfei et al. | The condition assessment of transformer bushing based on fuzzy logic | |
CN117368600A (zh) | 一种基于在线监测的电力变压器健康监测方法 | |
CN115795922B (zh) | 一种基于设备健康度的设备运行管理方法、系统及介质 | |
CN108416520A (zh) | 基于Hopfield神经网络的电梯体系完整性水平评估方法 |
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 |