[发明专利]基于线性回归与AHP算法的电力设备监视预警方法及系统

说明书

本发明提供了一种基于线性回归与AHP算法的电力设备监视预警方法及系统，本发明利用回归分析，确定自变量对因变量变化的影响程度，也就是影响因素对设备运行参数的作用程度。结合AHP层次分析法，明确多个因素对设备运行参数造成的不同程度的影响，能够确定设备运行参数在时间维度上的发展趋势，利用斜率的计算，分情况判断设备运行的异常发展趋势；研究设备运行参数同期比对，即将比较的数据背景同类化，观察数据的变化程度，对变化差异超过设定的值的时刻，研究导致该变化产生的因素或事件，预防设备的异常发展，为设备的正常运行提供保障，更加准确、有效的实现预警功能。

技术领域

本发明属于电力系统技术领域，涉及一种基于线性回归与AHP算法的电力设备监视预警方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

电力系统在运行过程中，风险是客观存在且具有不确定性和不可预见性。多种因素都会影响到电力系统的安全与稳定，例如温度、湿度、电流、电压等，某些突发事件也可能破坏电力系统的运行安全。而电力设备的正常与否直接影响着整个电力系统的稳定与安全。所以，为了保证电力设备的正常运作，实现对设备的预知性维护，变被动消缺为主动预防，监视预警功能不可或缺。

综上所述，由于这些因素与对设备带来的影响之间没有确定的函数关系，现有的模型控制技术无法为复杂的电力系统建立完善、准确的预测模型，特别是对一些非线性系统、时变系统等，都无法给出精确的预测结果，且考虑到的影响因素有限，不具备较好的预测效率，也难以直观的给出有效、准确的预测结果，所以无法对设备状态的检修、判断设备异常的发展趋势给出预测和指导。

发明内容

本发明为了解决上述问题，提出了一种基于线性回归与AHP算法的电力设备监视预警方法及系统，本发明能够确定设备运行参数在时间维度上的发展趋势，利用斜率的计算，分情况判断设备运行的异常发展趋势；研究设备运行参数同期比对，即将比较的数据背景同类化，观察数据的变化程度，对变化差异超过设定的值的时刻，研究导致该变化产生的因素或事件，预防设备的异常发展，为设备的正常运行提供保障，更加准确、有效的实现预警功能。

根据一些实施例，本发明采用如下技术方案：

一种基于线性回归与AHP算法的电力设备监视预警方法，包括以下步骤：

监测记录前若干时刻对应的影响因素的值、设备运行参数值，利用线性回归算法计算单因素作用下的设备运行参数，结合AHP层次分析，通过权重综合计算多因素影响下的设备运行参数值；

记录设备运行时间点和设备运行参数，基于设定的时间间隔截取后续的时间点与对应的设备参数，计算斜率，进而计算并分情况判断设备运行参数在时间维度上的发展趋势；

比对设备运行同期数据，分析记录导致数据变化超过设定范围的因素或事件。

作为可选择的实施方式，计算多因素影响下的设备运行参数值的具体过程包括：

提取前p个时刻的设备运行相关数据；

利用基于线性回归算法的预警模型计算得出单一因素影响下的设备运行参数预测值；

根据设备运行相关数据，设定多个影响设备运行的因素，根据AHP计算每个因素作用下的预测结果权重；

利用加权算数平均计算得出更符合实际的设备运行参数预测结果。

作为进一步限定的实施方式，根据AHP计算每个因素作用下的预测结果权重的具体过程包括：基于选定的影响因素，分别利用线性回归算法计算得到设备运行指标预测值，根据所述设备运行指标预测值，通过AHP层次分析法，建立判断矩阵，分别计算各设备运行指标预测值的权重值。