本發(fā)明屬于電網(wǎng)設(shè)備狀態(tài)檢測(cè)技術(shù)領(lǐng)域，尤其是一種基于大數(shù)據(jù)的輸變電設(shè)備狀態(tài)評(píng)價(jià)方法。

背景技術(shù)：

目前，對(duì)電網(wǎng)設(shè)備的狀態(tài)評(píng)價(jià)通常是采用評(píng)分表方式，對(duì)設(shè)備可能出現(xiàn)的各類缺陷，依據(jù)其發(fā)生位置的重要性和劣化程度進(jìn)行評(píng)分，通過(guò)扣分的多少來(lái)表征設(shè)備的健康狀態(tài)。但是，上述方法對(duì)于未列入表中的缺陷不能進(jìn)行評(píng)價(jià)，也就是存在問(wèn)題的設(shè)備也可能被評(píng)為正常狀態(tài)；另外由于未對(duì)缺陷產(chǎn)生的原因進(jìn)行分析，僅依據(jù)產(chǎn)生的缺陷現(xiàn)象進(jìn)行評(píng)價(jià)，評(píng)價(jià)的狀態(tài)可能與設(shè)備的實(shí)際狀態(tài)不一致；對(duì)于紅外、紫外等圖像檢測(cè)結(jié)果，只能依靠人工去進(jìn)行評(píng)價(jià)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種設(shè)計(jì)合理、評(píng)價(jià)準(zhǔn)確且自動(dòng)化程度高的基于大數(shù)據(jù)的輸變電設(shè)備狀態(tài)評(píng)價(jià)方法。

本發(fā)明解決其技術(shù)問(wèn)題是采取以下技術(shù)方案實(shí)現(xiàn)的：

一種基于大數(shù)據(jù)的輸變電設(shè)備狀態(tài)評(píng)價(jià)方法，包括以下步驟：

步驟1、建立并優(yōu)化評(píng)價(jià)預(yù)測(cè)模型組，該評(píng)價(jià)預(yù)測(cè)模型組包括設(shè)備故障樹(shù)、狀態(tài)評(píng)價(jià)模型和趨勢(shì)分析模型；

步驟2、建立并優(yōu)化基于圖像數(shù)據(jù)處理技術(shù)的設(shè)備典型缺陷樣本庫(kù)；

步驟3、根據(jù)設(shè)備故障樹(shù)、狀態(tài)評(píng)價(jià)模型、趨勢(shì)分析模型及圖像缺陷樣本庫(kù)進(jìn)行狀態(tài)評(píng)價(jià)及風(fēng)險(xiǎn)趨勢(shì)分析。

所述設(shè)備故障樹(shù)的建立與優(yōu)化方法為：根據(jù)設(shè)備運(yùn)行狀態(tài)的設(shè)備工況信息、環(huán)境信息、設(shè)備監(jiān)測(cè)信息和設(shè)備定檢試驗(yàn)信息，通過(guò)第一數(shù)據(jù)預(yù)處理和第一大數(shù)據(jù)分析環(huán)節(jié)處理得到，其中，第一數(shù)據(jù)預(yù)處理環(huán)節(jié)包括數(shù)據(jù)抽取、數(shù)據(jù)清洗、數(shù)據(jù)選擇和數(shù)據(jù)轉(zhuǎn)化，其通過(guò)增加維度后減少維度來(lái)確定數(shù)據(jù)范圍，通過(guò)結(jié)構(gòu)化手段將非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化，通過(guò)填補(bǔ)空缺、平滑噪聲手段序列化數(shù)據(jù)并清除異常數(shù)據(jù)和重復(fù)數(shù)據(jù)；第一大數(shù)據(jù)分析環(huán)節(jié)通過(guò)分類、聚類、回歸分析及關(guān)聯(lián)發(fā)現(xiàn)方法實(shí)現(xiàn)評(píng)價(jià)預(yù)測(cè)模型的建立，并結(jié)合故障案例學(xué)習(xí)的方式建立設(shè)備故障樹(shù)。

所述狀態(tài)評(píng)價(jià)模型包括對(duì)狀態(tài)數(shù)據(jù)進(jìn)行數(shù)據(jù)分組、根據(jù)診斷規(guī)則和判定公式進(jìn)行故障診斷，得到故障概率、主要參量、故障分析進(jìn)行狀態(tài)評(píng)價(jià)，最終進(jìn)行設(shè)備狀態(tài)評(píng)級(jí)、設(shè)備故障風(fēng)險(xiǎn)和原因影響分析。

所述趨勢(shì)分析模型包括根據(jù)歷次評(píng)價(jià)結(jié)果數(shù)據(jù)進(jìn)行數(shù)據(jù)排序、根據(jù)預(yù)警閥值在一定時(shí)間間隔進(jìn)行趨勢(shì)分析，從而得到預(yù)警時(shí)間及趨勢(shì)分析結(jié)果矩陣。

所述步驟2的具體實(shí)現(xiàn)方法為：將設(shè)備光視覺(jué)圖片、設(shè)備紅外成像圖片和設(shè)備紫外成像圖片通過(guò)第二數(shù)據(jù)預(yù)處理和第二大數(shù)據(jù)分析兩個(gè)環(huán)節(jié)建立起來(lái)，第二數(shù)據(jù)預(yù)處理環(huán)節(jié)采用平滑處理、中值濾波計(jì)算、梯度算子及邊緣檢測(cè)完成圖片質(zhì)量的檢測(cè)、降噪優(yōu)化、去重工作，第二大數(shù)據(jù)分析環(huán)節(jié)通過(guò)基準(zhǔn)圖片對(duì)比、相似度計(jì)算、重點(diǎn)區(qū)域識(shí)別、色差識(shí)別技術(shù)實(shí)現(xiàn)不同設(shè)備的正常狀態(tài)、注意狀態(tài)、異常狀態(tài)、嚴(yán)重狀態(tài)及注意以上三態(tài)不同嚴(yán)重程度的缺陷樣本的建立。

所述步驟3的具體實(shí)現(xiàn)方法為：當(dāng)外部輸入設(shè)備設(shè)備基本信息、結(jié)構(gòu)化狀態(tài)數(shù)據(jù)及圖片非結(jié)構(gòu)化數(shù)據(jù)時(shí)，首先對(duì)其進(jìn)行第三數(shù)據(jù)預(yù)處理環(huán)節(jié)，該數(shù)據(jù)預(yù)處理環(huán)節(jié)對(duì)上述數(shù)據(jù)進(jìn)行篩查去重、異常數(shù)據(jù)剔除、季節(jié)差分及圖片的降噪優(yōu)化，預(yù)處理后的數(shù)據(jù)將調(diào)用狀態(tài)評(píng)價(jià)模型、設(shè)備故障樹(shù)及圖像缺陷圖片樣本庫(kù)對(duì)設(shè)備的狀態(tài)進(jìn)行具體的評(píng)估，定量的分析出設(shè)備目前的狀態(tài)、缺陷故障的發(fā)生概率，并結(jié)合人工確認(rèn)及修訂值反饋至第一大數(shù)據(jù)分析、第二大數(shù)據(jù)分析環(huán)節(jié)進(jìn)行模型完善；當(dāng)對(duì)單一設(shè)備進(jìn)行多次診斷評(píng)價(jià)之后，進(jìn)而應(yīng)用趨勢(shì)分析模型結(jié)合歷次評(píng)價(jià)結(jié)果對(duì)該設(shè)備的缺陷發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)性判斷。

本發(fā)明的優(yōu)點(diǎn)和積極效果是：

1、本發(fā)明融合電網(wǎng)狀態(tài)、設(shè)備運(yùn)行、檢修、試驗(yàn)和自然環(huán)境等各類信息，建立基于大數(shù)據(jù)的設(shè)備狀態(tài)評(píng)價(jià)模型和趨勢(shì)分析模型，充分利用設(shè)備大量狀態(tài)信息之間關(guān)聯(lián)關(guān)系進(jìn)行數(shù)據(jù)挖掘和模型分析，以預(yù)測(cè)設(shè)備的健康狀態(tài)，其自動(dòng)評(píng)價(jià)的準(zhǔn)確率從50％左右提升到85％。本發(fā)明依靠大數(shù)據(jù)的分析和對(duì)故障案例的不斷學(xué)習(xí)，不需要再對(duì)缺陷進(jìn)行窮舉，避免了因沒(méi)有列入缺陷表，而將存在問(wèn)題的設(shè)備評(píng)為正常狀態(tài)的情況，擺脫了由于對(duì)缺陷現(xiàn)象和故障發(fā)生因果關(guān)系不了解，而無(wú)法評(píng)價(jià)的情況。

2、本發(fā)明采用可見(jiàn)光視頻圖片、紅外熱成像、紫外成像等非結(jié)構(gòu)化圖像數(shù)據(jù)的處理技術(shù)，建立主要設(shè)備典型缺陷的圖像樣本庫(kù)，可將紅外、紫外等檢測(cè)手段的圖像測(cè)試結(jié)果納入到設(shè)備狀態(tài)的評(píng)價(jià)中，提升設(shè)備狀態(tài)分析和狀態(tài)預(yù)測(cè)水平。

附圖說(shuō)明

圖1是本發(fā)明的處理流程圖；

圖2是本發(fā)明的狀態(tài)評(píng)價(jià)模型；

圖3是本發(fā)明的趨勢(shì)分析模型。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明實(shí)施例做進(jìn)一步詳述：

一種基于大數(shù)據(jù)的輸變電設(shè)備狀態(tài)評(píng)價(jià)方法，如圖1所示，包括以下步驟：

步驟1、建立與優(yōu)化基于設(shè)備故障樹(shù)的評(píng)價(jià)預(yù)測(cè)模型組。

本步驟是按照不同的設(shè)備分類，使用反映該類設(shè)備運(yùn)行狀態(tài)的全維度數(shù)據(jù)并利用大數(shù)據(jù)的分析方法進(jìn)行建模與優(yōu)化的結(jié)果。評(píng)價(jià)預(yù)測(cè)模型組包括設(shè)備故障樹(shù)、狀態(tài)評(píng)價(jià)模型和趨勢(shì)分析模型。

設(shè)備故障樹(shù)的建立與優(yōu)化方法為：設(shè)備運(yùn)行狀態(tài)的全維數(shù)據(jù)包括設(shè)備工況信息、環(huán)境信息、設(shè)備監(jiān)測(cè)信息和設(shè)備定檢試驗(yàn)信息等。其中大數(shù)據(jù)分析方法主要體現(xiàn)在“第一數(shù)據(jù)預(yù)處理”和“第一大數(shù)據(jù)分析”環(huán)節(jié)。第一數(shù)據(jù)預(yù)處理(數(shù)據(jù)預(yù)處理1)環(huán)節(jié)通過(guò)數(shù)據(jù)抽取、數(shù)據(jù)清洗、數(shù)據(jù)選擇和數(shù)據(jù)轉(zhuǎn)化幾個(gè)步驟，通過(guò)增加維度后減少維度來(lái)確定數(shù)據(jù)范圍，通過(guò)結(jié)構(gòu)化手段將非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化，便于識(shí)別分析，通過(guò)填補(bǔ)空缺、平滑噪聲手段序列化數(shù)據(jù)并清除異常數(shù)據(jù)和重復(fù)數(shù)據(jù)，為下一環(huán)節(jié)的大數(shù)據(jù)分析奠定基礎(chǔ)。第一大數(shù)據(jù)分析(大數(shù)據(jù)分析1)環(huán)節(jié)則通過(guò)分類、聚類、回歸分析及關(guān)聯(lián)發(fā)現(xiàn)等大數(shù)據(jù)挖掘方法實(shí)現(xiàn)評(píng)價(jià)預(yù)測(cè)模型的建立，并結(jié)合故障案例學(xué)習(xí)的方式建立設(shè)備故障樹(shù)。

通過(guò)對(duì)故障案例的分析及訓(xùn)練，結(jié)合故障樹(shù)分析方法，構(gòu)建設(shè)備的成長(zhǎng)型故障樹(shù)，確立總體到部分的樹(shù)枝狀故障體系。初期的分析過(guò)程中采用半智能半人工的方式，深入結(jié)合領(lǐng)域內(nèi)專家累積的經(jīng)驗(yàn)，明確設(shè)備樹(shù)的每一層級(jí)的分支及葉子節(jié)點(diǎn)，并明確相關(guān)節(jié)點(diǎn)的邏輯關(guān)系，應(yīng)用邏輯門(mén)進(jìn)行性聯(lián)結(jié)，構(gòu)建基于故障案例的設(shè)備故障樹(shù)。對(duì)于未能明確故障模式但具備異常判斷條件的則單獨(dú)建立故障分支，確保全面診斷無(wú)遺漏。后續(xù)的完善與補(bǔ)充則依賴于全智能化的大數(shù)據(jù)分析(相關(guān)性分析及因果性分析)對(duì)故障案例進(jìn)行深入的挖掘和不斷的學(xué)習(xí)。此種分析及應(yīng)用方法不在需要對(duì)缺陷進(jìn)行窮舉，避免了因沒(méi)有列入缺陷表，而將存在問(wèn)題的設(shè)備評(píng)為正常狀態(tài)的情況。

如圖2所示，狀態(tài)評(píng)價(jià)模型主要包括對(duì)狀態(tài)數(shù)據(jù)進(jìn)行數(shù)據(jù)分組、根據(jù)診斷規(guī)則和判定公式進(jìn)行故障診斷，得到故障概率、主要參量、故障分析進(jìn)行狀態(tài)評(píng)價(jià)，最終得到設(shè)備狀態(tài)評(píng)級(jí)、設(shè)備故障風(fēng)險(xiǎn)和原因影響分析等結(jié)果。

如圖3所示，趨勢(shì)分析模型主要是根據(jù)歷次評(píng)價(jià)結(jié)果數(shù)據(jù)進(jìn)行數(shù)據(jù)排序、根據(jù)預(yù)警閥值p在一定時(shí)間間隔進(jìn)行趨勢(shì)分析，從而得到預(yù)警時(shí)間及趨勢(shì)分析結(jié)果矩陣。

步驟2、建立基于圖像數(shù)據(jù)處理技術(shù)的設(shè)備典型缺陷樣本庫(kù)。

本步驟將紅外、紫外、可見(jiàn)光等圖像檢測(cè)技術(shù)的結(jié)果納入到評(píng)價(jià)體系中，建立基于圖像數(shù)據(jù)處理技術(shù)的設(shè)備典型缺陷樣本庫(kù)。樣本庫(kù)依據(jù)設(shè)備光視覺(jué)圖片、設(shè)備紅外成像圖片、設(shè)備紫外成像圖片。樣本庫(kù)以大量紅外、紫外、可見(jiàn)光圖片作為分析的基礎(chǔ)，并經(jīng)過(guò)第二數(shù)據(jù)預(yù)處理和第二大數(shù)據(jù)分析兩個(gè)環(huán)節(jié)建立起來(lái)。其中第二數(shù)據(jù)預(yù)處理(數(shù)據(jù)預(yù)處理2)環(huán)節(jié)主要采用的技術(shù)包括：平滑處理、中值濾波計(jì)算、梯度算子及邊緣檢測(cè)等，以此完成圖片質(zhì)量的檢測(cè)、降噪優(yōu)化、去重工作。第二大數(shù)據(jù)分析(大數(shù)據(jù)分析2)環(huán)節(jié)則通過(guò)基準(zhǔn)圖片對(duì)比、相似度計(jì)算、重點(diǎn)區(qū)域識(shí)別、色差識(shí)別等技術(shù)實(shí)現(xiàn)不同設(shè)備的正常狀態(tài)、注意狀態(tài)、異常狀態(tài)、嚴(yán)重狀態(tài)及注意以上三態(tài)不同嚴(yán)重程度的缺陷樣本的建立。

步驟3、根據(jù)設(shè)備故障樹(shù)、狀態(tài)評(píng)價(jià)模型、趨勢(shì)分析模型及圖像缺陷樣本庫(kù)進(jìn)行狀態(tài)評(píng)價(jià)及風(fēng)險(xiǎn)趨勢(shì)分析。

設(shè)備故障樹(shù)、狀態(tài)評(píng)價(jià)模型、趨勢(shì)分析模型及圖像缺陷樣本庫(kù)是進(jìn)行狀態(tài)評(píng)價(jià)的基礎(chǔ)，同時(shí)又是對(duì)其進(jìn)行不斷修正、優(yōu)化的保障。其具體方法為：

當(dāng)外部輸入某一設(shè)備的多維度信息(設(shè)備基本信息、結(jié)構(gòu)化狀態(tài)數(shù)據(jù)、圖片等非結(jié)構(gòu)化數(shù)據(jù))對(duì)其進(jìn)行狀態(tài)評(píng)價(jià)及風(fēng)險(xiǎn)趨勢(shì)預(yù)測(cè)時(shí)，首先需要對(duì)其進(jìn)行第三數(shù)據(jù)預(yù)處理(數(shù)據(jù)預(yù)處理3)環(huán)節(jié)，在該環(huán)節(jié)需要進(jìn)行篩查去重、異常數(shù)據(jù)剔除、季節(jié)差分及圖片的降噪優(yōu)化等工作。預(yù)處理后的數(shù)據(jù)將調(diào)用狀態(tài)評(píng)價(jià)模型、設(shè)備故障樹(shù)及圖像缺陷圖片樣本庫(kù)對(duì)設(shè)備的狀態(tài)進(jìn)行具體的評(píng)估，定量的分析出設(shè)備目前的狀態(tài)、缺陷故障的發(fā)生概率等，結(jié)合人工確認(rèn)及修訂值可以反饋至第一大數(shù)據(jù)分析、第二大數(shù)據(jù)分析環(huán)節(jié)(模型完善)對(duì)模型內(nèi)部相關(guān)系數(shù)進(jìn)行加權(quán)修正。當(dāng)對(duì)單一設(shè)備進(jìn)行多次診斷評(píng)價(jià)之后，進(jìn)而應(yīng)用趨勢(shì)分析模型結(jié)合歷次評(píng)價(jià)結(jié)果對(duì)該設(shè)備的缺陷發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)性判斷，起到防患于未然的作用。

需要強(qiáng)調(diào)的是，本發(fā)明所述的實(shí)施例是說(shuō)明性的，而不是限定性的，因此本發(fā)明包括并不限于具體實(shí)施方式中所述的實(shí)施例，凡是由本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明的技術(shù)方案得出的其他實(shí)施方式，同樣屬于本發(fā)明保護(hù)的范圍。