[发明专利]一种用于电力设备的运行状态评估方法及装置

说明书

本发明涉及一种大数据的技术领域，揭露了一种用于电力设备的运行状态评估方法，包括：获取电力设备的状态数据，并构成电力设备状态矩阵；利用基于迭代循环的时间序列模型对电力设备的状态数据进行数据清洗，得到清洗后的电力状态数据；利用改进的电力状态数据抽样算法对清洗后的电力状态数据进行抽样，得到抽样电力状态数据；根据抽样数据，利用基于状态转移矩阵的运行状态检测算法检测电力设备的运行状态；根据清洗后的电力状态数据，利用基于粒子滤波的电力设备寿命检测算法对电力设备的寿命进行预测。本发明还提供了一种用于电力设备的运行状态评估装置。本发明实现了电力设备的评估。

技术领域

本发明涉及大数据的技术领域，尤其涉及一种用于电力设备的运行状态评估方法及装置。

背景技术

电力系统的稳定运行关系到国民的生产和生活，尤其是工业和生活用电，在整个电力系统的运行过程中，从发电到输电、配电，乃至最终的用电阶段，其可靠性一直是必须重点关注的过程。

在电力供应过程中，电力设备往往是电网中的脆弱环节，国内外很多电力公司都致力于找出高效准确的电网设备风险检测技术，并试图寻找出能够准确估测电网不同设备的健康程度和故障概率，而传统的设备故障预测方法拘泥于专家经验论，此方法往往因为设备所处位置特殊、外部环境变化、电网负荷过重等因素导致概率计算错误，造成不同程度的后果。

鉴于此，如何对电力设备的运行状态进行更为准确的评估检测，成为本领域技术人员亟待解决的问题。

发明内容

本发明提供一种用于电力设备的运行状态评估方法，通过利用基于迭代循环的时间序列模型对电力设备的状态数据进行数据清洗，并采用改进的电力状态数据抽样算法进行电力状态数据的抽样，从而根据抽样数据，利用基于状态转移矩阵的运行状态检测算法检测电力设备的运行状态，同时利用基于粒子滤波的电力设备寿命检测算法对电力设备的寿命进行预测。

为实现上述目的，本发明提供的一种用于电力设备的运行状态评估方法，包括：

获取电力设备的状态数据，并构成电力设备状态矩阵；

利用基于迭代循环的时间序列模型对电力设备的状态数据进行数据清洗，得到清洗后的电力状态数据；

利用改进的电力状态数据抽样算法对清洗后的电力状态数据进行抽样，得到抽样电力状态数据；

根据抽样数据，利用基于状态转移矩阵的运行状态检测算法检测电力设备的运行状态；

根据清洗后的电力状态数据，利用基于粒子滤波的电力设备寿命检测算法对电力设备的寿命进行预测。

可选地，所述将电力状态数据构成电力设备状态矩阵，包括：

所述电力设备的状态数据包括电力设备中的电流数据、气体密度以及压力数据、C₂H₂含量数据等，其中电力设备状态数据是由传感器进行检测的，因此将某一状态量的数据用单元时间序列的向量表示，所有状态量的时间序列向量逐一排列形成矩阵，构成电力设备X的状态数据矩阵：

其中：

X_mn表示在时刻T_n时刻电力设备X中状态量m的数值。

可选地，所述利用基于迭代循环的时间序列模型对电力设备的状态数据进行数据清洗，包括：

1)对电力设备不同状态数据序列X_mt进行时间序列模型的拟合，得到初始估计参数即：

其中：

为初始拟合的可逆算子；

为初始拟合的平稳算子；