[发明专利]一种配电装置的故障预测方法及系统

说明书

本发明公开了一种配电设备的故障预测方法和系统，能够实现对设备未来健康状态的评估预测。首先采集一地区内各种使用时长的配电设备的状态数据，并转换为无负载情况下的状态数据；将同一使用时长的配电设备的状态数据求取均值，作为该使用时长对应的状态数据z^(m)，采用模型计算使用时长m对应的健康指数y^(m)；z^(m)和y^(m)构成训练样本；利用隐性马尔科夫模型对配电装置的状态数据和健康指数进行建模，并采用自循环神经网络来实现。自循环神经网络的输入为m时刻的状态数据z^(m)和m‑1时刻的健康指数，输出为m时刻的健康指数；采用训练样本对自循环神经网络进行训练；最终可以采用自循环神经网络可以实现配电设备健康指数的预测。

技术领域

本发明涉及故障检测技术领域，具体涉及一种配电装置的故障预测方法及系统。

背景技术

随着社会对电力的依赖与日俱增，配电装置一旦发生故障会给生产企业带来巨大的损失。因此，传统的故障检测技术缺乏提前性，存在安全上的隐患，而定期的故障排查则存在过度维修的问题，浪费人力物力成本。因此，使用故障预测技术来替代传统的故障诊断模式将成为技术发展的趋势。

对于配电设备的故障预测来说，其难点在于很难获得待预测设备的历史状态数据，如果是通过当前状态数据进行未来健康状态的评估预测，则所依据的数据过于单一，不利于保证故障预测的有效性。

发明内容

有鉴于此，本发明提供了一种配电装置的故障预测方法及系统，能够通过对配电装置状态数据的采集和分析，实现对设备未来健康状态的评估预测，提升故障预测的有效性。

为了解决上述技术问题，本发明是这样实现的。

一种配电设备的故障预测方法，包括：

步骤1、采集一地区内各种使用时长的配电设备的状态数据x；

步骤2、将采集的状态数据x转换为无负载情况下的状态数据z；

步骤3、将同一使用时长m的配电设备的状态数据z求取均值，作为使用时长m对应的状态数据z^(m)，采用健康指数函数模型计算使用时长m对应的健康指数y^(m)；z^(m)和y^(m)构成训练样本；

步骤4、利用隐性马尔科夫模型对配电装置的状态数据z^(m)和健康指数y^(m)进行建模，将使用时长为m的配电设备的健康指数y^(m)视为时刻m下的状态数据z^(m)的隐变量，而y^(m)只受到m-1时刻的健康指数y^(m-1)的影响；

步骤5、使用自循环神经网络来实现隐马尔科夫模型，并对自循环神经网络进行训练；自循环神经网络的输入为m时刻的状态数据z^(m)和m-1时刻的健康指数y^(m-1)，输出为m时刻的健康指数y^(m)；采用步骤3获取的训练样本对自循环神经网络进行训练；