[发明专利]一种电网设备安全运行状态的实时监控方法及系统

权利要求书

1.一种电网设备安全运行状态的实时监控方法，其特征在于，包括以下步骤：

S1：基于历史设备运行数据训练设备评价模型；

S2:基于设备运行数据及设备评价模型计算设备间的相对评价。

2.根据权利要求1所述的一种电网设备安全运行状态的实时监控方法，其特征在于，所述方法还包括S3：推送设备相对性安全运行状态评价结果。

3.根据权利要求1所述的一种电网设备安全运行状态的实时监控方法，其特征在于，步骤S1所述基于历史设备运行数据训练设备评价模型，包括以下步骤：

S101：采集并处理历史设备运行数据；

S102：处理后的历史设备运行数据对应的设备评分分数结合专家给出的权重，将历史设备运行数据标注为设备运行状态为优秀，良好，及格和告警的四类数据集，记为Kn，n＝1,2,3,4；

S103：将所述数据集按比例拆分成训练数据集和预测数据集；

S104：离线训练设备评价模型分类器；

S105：离线验证设备当前状态。

4.根据权利要求3所述的一种电网设备安全运行状态的实时监控方法，其特征在于，步骤S101所述处理历史设备运行数据，具体为：通过PCA主成份分析法将各类设备运行数据降维并映射到特征空间。

5.根据权利要求3所述的一种电网设备安全运行状态的实时监控方法，其特征在于，步骤S104所述离线训练设备评价模型分类器，包括以下步骤：

在训练数据集中，将K₁作为正集，K₂、K₃、K₄作为负集，K₁、K₂、K₃、K₄一同输入到SVM训练机器学习算法中进行训练，得到分类超平面f₁(x)；

将K₂作为正集，K₁、K₃、K₄作为负集，K₁、K₂、K₃、K₄一同输入到SVM训练机器学习算法中进行训练，得到分类超平面f₂(x)；

将K₃作为正集，K₁、K₂、K₄作为负集，K₁、K₂、K₃、K₄一同输入到SVM训练机器学习算法中进行训练，得到分类超平面f₃(x)；

将K₄作为正集，K₁、K₂、K₃作为负集，K₁、K₂、K₃、K₄一同输入到SVM训练机器学习算法进行训练，得到分类超平面f₄(x)；

所述分类超平面f_m(x)＝ω^TX+b，m＝1,2,3,4；其中，ω^T为分类超平面的斜率，X＝[x₁,x₂,…,x₄]，b为常数。

6.根据权利要求3所述的一种电网设备安全运行状态的实时监控方法，其特征在于，步骤S105所述离线验证设备当前状态，具体为：

分别计算并比较预测数据集中每类数据到所对应的分类超平面f₁(x)、f₂(x)、f₃(x)、f₄(x)的欧氏距离，欧氏距离最小的分类超平面f_m(x)，即为设备当前的状态。