一種基于大數據的輸變電設備評估模型及處理方法
【技術領域】
[0001]本發明涉及電力系統設備狀態評估技術領域，特別涉及一種基于大數據的輸變電設備評估模型及處理方法。
【背景技術】
[0002]現有的輸變電設備狀態評價方法主要針對設備群體，忽略運行工況、制造工藝等個體屬性，針對性和準確性較低。發展基于大數據分析的輸變電設備差異化狀態評價技術，重點開展設備狀態信息間耦合關系的挖掘，建立差異化狀態評價模型和開發快速評估方法是當今電力系統設備狀態評估領域的發展方向。
[0003]隨著計算機網絡技術的飛速發展和電力系統自動化技術的進步，基于大數據的設備狀態差異化評價模型和指標體系正在越來越多地應用于工程實際，實現輸變電設備差異化狀態評價，提高評價結果的準確性和針對性，實現設備異常狀態的快速檢出及風險設備重要度評估，將會為電力系統安全可靠運行提供有利保證。

【發明內容】

[0004]針對現有技術缺乏對輸變電設備狀態的全面評價的不足，本發明提供了一種基于大數據的輸變電設備評估模型及處理方法，能夠實現各類輸變電設備異常狀態的快速檢出。
[0005]本發明的技術方案為:
[0006]—種基于大數據的輸變電設備評估模型，包括以下步驟:
[0007](a)構造系統命題集A = H…Ak}，所述系統命題集的元素A,為輸變電設備的主體部件，j = 1，2，…k，k為輸變電設備主體部件的數量。
[0008](b)構造證據體Ep i = l,2,…m，所述證據體Ei為具體的檢測手段。
[0009](c)匯總設備狀態信息數據流，檢測異常數據；計算各證據體Ei對各系統命題A ,的基本可信度分配Mi (As)，見公式(1)。
[0010]Mx (Aj) = P j (E,).γ j (Ε,) (1)
[0011]公式⑴中，P JEJ為以證據體Ei為指標系統命題A ,的排名順序，γ 為以證據體EiS指標系統命題A j的故障概率。
[0012](d)計算各證據體Ei單獨作用下各系統命題A ,的信度區間[Bel uPlJ，其中信度區間下限Bek為基本可信度分配Μ , (Α,)與設備總故障數的乘積，信度區間上限為基本可信度分配Mi (A,)與設備總數的平均值的乘積。
[0013](e)利用D-S合成規則計算所有證據體聯合作用下的基本可信度分配M(Aj)和信度區間[Bel,Pl]0
[0014](f)構造決策規則并得出決策結論。
[0015]具體的，利用輸變電設備評估模型的設備狀態快速評估方法，包括以下步驟:
[0016](I)篩選超出輸變電設備狀態評價導則中規定閾值的異常數據。
[0017](II)提取外界干擾時刻的設備狀態信息數據流，將所述設備狀態信息數據流變換為多元時間序列，計算出各所述時間序列的互協方差函數，從而得到傳遞函數分子、分母多項式的階數及延遲參數，以判定干擾時刻及產生的異常數據。
[0018](III)提取設備狀態信息數據流的趨勢特征，將趨勢改變的數據標記為異常數據。
[0019]本發明的有益效果:本發明的輸變電設備評估模型中充分考慮各個輸變電設備的狀態(見系統命題集A)以及各個輸變電設備運行技術參數(即證據體Ei)，計算出各個輸變電設備運行技術參數單獨作用和綜合作用下的信度區間，根據具體問題構造相應的決策規則，得出各設備的評估模型，根據該決策規則得出決策結論，實現了對不同輸變電設備的全面的差異化評估。本發明的輸變電設備狀態快速評估方法分別對設備狀態信息數據流進行了閾值異常識別、基于時間序列傳遞函數的異常識別以及基于變化趨勢分析的異常識另IJ，可檢測出三種類型的異常值，即超出狀態量閾值的異常值、外界干擾產生的水平迀移異常值、潛在故障產生的趨勢異常預警。本發明的算法設計考慮較為周全，評估結果準確可靠，與電力行業現有的各類輸變電設備均具有良好的適配性，應用前景廣闊。
【具體實施方式】
[0020]實施例采用本發明的輸變電設備評估模型在河北輸變電設備狀態可視化平臺深化研究中對設備狀態數據的進行融合。實施例主要針對設備狀態數據、PMS(PlantManagement System-Requirements設備管理體系_要求，簡稱PMS)試驗數據、狀態監測平臺數據、預告警信息數據、設備缺陷數據的進行結合分析。應用本發明步驟(a)到步驟(f)的方法，通過從海量數據中抽取與輸電設備運行條件的相關參量，包括氣象環境、運行工況、在線監測、人工巡視、預試定檢等數據，采用系統層次聚類方法，分析上述參量之間和參量與輸電線路狀態之間的依賴關系，最終得到變壓器類設備狀態差異化評估模型、GIS/開關設備狀態差異化評估模型、輸電線路狀態差異化評估模型。
[0021]實施例根據設備狀態差異化評估模型，通過對設備狀態信息數據流進行匯總，應用本發明中步驟(I)?步驟(III)的設備狀態快速評估方法，對比狀態評價導則中的閾值、趨勢分析方法和時間序列傳遞函數模型。這三種方法分別可以檢測出三種類型的異常值，超出狀態量閾值的異常值、外界干擾產生的水平迀移異常值、潛在故障產生的趨勢。
[0022]實施例利用本發明的輸變電設備評估模型對設備重要度進行評估，具體步驟如下:
[0023]步驟一:根據大數據狀態評價結果、運行信息、微氣象等綜合數據，利用PHM(Prognosties and Health Management預測與健康管理，簡稱PHM)模型計算系統元件的實時故障概率。
[0024]步驟二:使用枚舉法選擇系統狀態，枚舉至3階故障，形成預想故障事件，并計算故障事件發生的概率。
[0025]步驟三:對選取的系統狀態進行靜態安全分析。
[0026]步驟四:計算該系統狀態下的緊急指數或警戒指數，利用風險追蹤模型計算該狀態下各個故障元件的貢獻值。
[0027]步驟五:返回步驟二直到遍歷預想故障集的所有故障事件。
[0028]步驟六:計算系統總緊急指數和總警戒指數，并計算元件緊急重要度指標和警戒重要度指標，根據重要度指標排序，確定系統薄弱設備。
[0029]以上所述實施方式僅為本發明的優選實施例，而并非本發明可行實施的窮舉。對于本領域一般技術人員而言，在不背離本發明原理和精神的前提下對其所作出的任何顯而易見的改動，都應當被認為包含在本發明的權利要求保護范圍之內。
【主權項】
1.一種基于大數據的輸變電設備評估模型，其特征在于其包括以下步驟: (a)構造系統命題集A= {Ai，A2，…AJ，所述系統命題集的元素、為輸變電設備的主體部件，j = 1，2，…k，k為輸變電設備主體部件的數量； (b)構造證據體Eyi = 1,2,…m，所述證據體Ei為具體的檢測手段； (c)匯總設備狀態信息數據流，檢測異常數據；計算各證據體Ei對各系統命題A,的基本可信度分配MJAJ，見公式⑴；Mx (A j) = P j (E,).γ j (Ε,)(1) 公式⑴中，PJEJ為以證據體Ei為指標系統命題A ,的排名順序，γ ^Ε,)為以證據體EiS指標系統命題A ,的故障概率； (d)計算各證據體Ei單獨作用下各系統命題A,的信度區間[BeluPlJ，其中信度區間下限Bek為基本可信度分配M x (As)與設備總故障數的乘積，信度區間上限Ph為基本可信度分配MJA,)與設備總數的平均值的乘積； (e)利用D-S合成規則計算所有證據體聯合作用下的基本可信度分配Μ(Α,)和信度區間[Bel, P1]; (f)構造決策規則并得出決策結論。2.根據權利要求1所述的一種基于大數據的輸變電設備評估模型的設備狀態快速評估方法，其特征在于其包括以下步驟: (I)篩選超出輸變電設備狀態評價導則中規定閾值的異常數據； (II)提取外界干擾時刻的設備狀態信息數據流，將所述設備狀態信息數據流變換為多元時間序列，計算出各所述時間序列的互協方差函數，從而得到傳遞函數分子、分母多項式的階數及延遲參數，以判定干擾時刻及產生的異常數據； (III)提取設備狀態信息數據流的趨勢特征，將趨勢改變的數據標記為異常數據。
【專利摘要】本發明涉及電力系統設備狀態評估技術領域，特別涉及一種基于大數據的輸變電設備評估模型及處理方法。針對現有技術缺乏對輸變電設備狀態的全面評價的不足，本發明提供了一種基于大數據的輸變電設備評估模型及處理方法，能夠實現各類輸變電設備異常狀態的快速檢出。本發明通過構造系統命題集和證據體，計算出各個證據體單獨作用和綜合作用下的信度區間，根據具體問題構造相應的決策規則，得出各設備的評估模型，根據該決策規則得出決策結論，實現了對不同輸變電設備的全面的差異化評估。
【IPC分類】G06Q50/06, G06Q10/06
【公開號】CN105260814
【申請號】CN201510587826
【發明人】趙建利, 潘瑾, 劉海峰, 范輝, 高樹國, 岳國良, 孫祎, 陳志勇, 劉婷
【申請人】國家電網公司, 國網河北省電力公司電力科學研究院, 河北省電力建設調整試驗所
【公開日】2016年1月20日
【申請日】2015年9月15日