[发明专利]电力设备典型缺陷预测方法、终端设备和存储介质

说明书

本申请适用于电力自动化技术领域，提供了一种电力设备典型缺陷预测方法、终端设备和存储介质，上述方法包括：在预测时间段内分别绘制典型缺陷对应的关键遥测量的预测变化曲线；根据各个遥测量的预测变化曲线以及典型缺陷的历史记录数据，在预测时间段内的各个时间点，分别计算各个关键遥测量的相似度系数；根据各个关键遥测量的相似度系数，计算典型缺陷在预测时间段内的各个时间点的设备缺陷相似度指标；设备缺陷相似度指标表征预测时间段内的各个时间点发生典型缺陷的可能性。本申请实施例提供的电力设备典型缺陷预测方法，通过设备在某一时间段内发生对应的典型缺陷的概率，实现对未来发生的缺陷预测，有利于提高输变电设备运行的可靠性。

技术领域

本申请属于电力自动化技术领域，尤其涉及一种电力设备典型缺陷预测方法、终端设备和存储介质。

背景技术

量测数据在电网正常运行过程中变化较小且有规律，属于平稳序列，能够采用时间序列自回归模型(auto-regressive，AR模型)进行描述。另一部分状态量呈日周期性变化，但变化幅值不大，如油温，环境温度等，去除其周期性后也符合AR模型。因此，采用时间序列自回归模型表示单状态量数据随时间的变化情况。

由于输变电设备的绝缘劣化过程或潜伏性故障发展缓慢，因此当设备处于异常状态时，关联的量测数据往往未超出导则或规程中的限值，从而难以察觉。因此，对于没有超出状态量限值的在线监测数据，单纯地采用AR模型不能够辨识出由于设故障导致的量测数据跳变，也不能对未来发生的缺陷进行预测。

发明内容

有鉴于此，本申请实施例提供了一种电力设备典型缺陷预测方法、终端设备和存储介质，以解决目前输变电设备监测技术不能对未来发生的缺陷进行预测的问题。

根据第一方面，本申请实施例提供了一种电力设备典型缺陷预测方法，包括：获取典型缺陷对应的关键遥测量，并在预测时间段内分别绘制各个关键遥测量的预测变化曲线；根据所述各个关键遥测量的预测变化曲线以及所述典型缺陷的历史记录数据，在所述预测时间段内的各个时间点，分别计算所述各个关键遥测量的相似度系数；根据所述各个关键遥测量的相似度系数，计算所述典型缺陷在所述预测时间段内的各个时间点的设备缺陷相似度指标；所述设备缺陷相似度指标表征所述预测时间段内的各个时间点发生所述典型缺陷的可能性。

结合第一方面，在本申请的一些实施例中，所述获取典型缺陷对应的关键遥测量，包括：获取所述典型缺陷的历史记录数据；根据所述历史记录数据及所述典型缺陷，计算所述典型缺陷发生的实际周期及所述典型缺陷的实际周期内发生异常变化的各个遥测量；将所述典型缺陷的实际周期内发生异常变化的各个遥测量记为关键遥测量。

结合第一方面，在本申请的一些实施例中，所述在预测时间段内分别绘制各个关键遥测量的预测变化曲线，包括：根据需预测的时间点及所述典型缺陷的周期，计算所述预测时间段；根据所述典型缺陷对应的预设的回归模型，计算所述预测时间段内各个关键遥测量的预测值；根据所述预测时间段内各个关键遥测量的预测值，分别绘制各个关键遥测量的预测变化曲线。

结合第一方面，在本申请的一些实施例中，所述根据所述各个关键遥测量的预测变化曲线以及所述典型缺陷的历史记录数据，在所述预测时间段内的各个时间点，分别计算所述各个关键遥测量的相似度系数，包括：提取所述典型缺陷的历史记录数据中，任一关键遥测量的实际变化曲线；所述任一关键遥测量的实际变化曲线与所述任一关键遥测量的预测变化曲线具有相同的数据量；所述任一关键遥测量的实际变化曲线与所述任一关键遥测量的预测变化曲线，计算所述预测时间段内，所述任一关键遥测量的相似度系数序列。