[发明专利]一种基于机器学习的GIS设备寿命预测装置及方法

说明书

本发明提供了一种基于机器学习的GIS设备寿命预测装置及方法，寿命预测装置包括数据采集模块、模型建立模块、分析处理模块和数据库，数据采集模块、模型建立模块和分析处理模块均与数据库连接。寿命预测方法具体为：设定数据采集周期，按照数据采集周期进行GIS设备指标数据采集，并建立GIS设备寿命预测模型，随后计算得到每个数据采集周期内的GIS设备故障概率，从而构建故障概率发展趋势图，设定故障概率阈值，最后通过故障概率发展趋势图预测得到GIS设备达到故障阈值的时间，得到GIS设备剩余寿命。本发明提供的GIS设备寿命预测装置及方法对GIS设备进行了全面的评价与预测，且预测结果准确可靠。

技术领域

本发明涉及电力设备运维检修技术领域，尤其是指一种基于机器学习的GIS设备寿命预测装置及方法。

背景技术

六氟化硫封闭式组合电器(GIS，Gas Insulated Switchgear)凭借封闭组合电气的优异性能，强大的开端能力和安全可靠性在电网输变配电各领域得到广泛的应用和运行。随着市场经济的飞速发展，用电负荷的不断的增加，常规的GIS设备检修不能满足日益增长的需要。而现在对于GIS设备的运行情况检测多通过出厂验收、首检、定校等方法确认，却无法确认GIS设备的实际运行状态是否健康良好，在校验周期内是否存在安全或者设备隐患，这些都大大影响着电力系统的安全性和电网运行的可靠性。而GIS设备的实际运行状态是否健康和检测周期内的安全或者设备隐患均表现在GIS设备的寿命上。所以提出了对GIS设备的寿命进行预测以制定合理的检修方案来提高电力系统的安全性和电网运行的可靠性的方法。但是在现有的GIS设备寿命预测技术手段中，人力成本管理成本高，智能化、自动化水平也较低，不能适应新一代智能变电站的发展。而且预测寿命的方法复杂、多样，对GIS设备的数据收集、整理和综合分析也并不完善，且GIS设备寿命预测的对象都比较片面，只针对GIS设备的局部器件进行评估和预测，测试方法也比较独立和局限，无法对GIS设备进行全面的评价与预测，所得到的预测结果也不够准确，因此无法对GIS设备进行有效可靠的寿命预测，这也就影响了G IS设备的检修效率，电网运行可靠性及经济性也会遭到影响。

发明内容

本发明的目的是克服现有技术中的缺点，提供一种基于机器学习的GIS设备寿命预测装置及方法。

本发明的目的是通过下述技术方案予以实现：

一种基于机器学习的GIS设备寿命预测方法，包括以下步骤：

步骤一，设定数据采集周期，数据采集模块根据数据采集周期实时采集GIS设备指标数据，并将GIS设备指标数据存储至数据库内；

步骤二，模型建立模块根据数据库中的历史GIS设备指标数据构建GIS设备寿命预测模型；

步骤三，分析处理模块调取数据库内每一个数据采集周期内的所有GIS设备指标数据，并将其输入GIS设备寿命预测模型中进行分析计算，得到每个数据采集周期内GIS设备的故障概率，并根据数据采集周期所处时间及其对应的故障概率构建故障概率发展趋势图；

步骤四，设定故障概率阈值，分析处理模块根据故障概率发展趋势图预测GIS设备达到故障阈值的时间，从而获得GIS设备剩余寿命。

通过对GIS设备进行数据采集，而不同于常见的寿命预测方法，所采集的指标数据汇集了多个器件的数据，为了保证采集的数据的实时性，设置了固定的采集数据的时间间隔，可以对GIS设备进行实时的寿命预测，在后续进行检修时，可以根据实时更新的寿命预测数据进行检修方案制定，是检修方案更加贴合实际，提高寿命预测的准确性，防止因为检修方案的不合理造成的成本损失。

进一步的，在构建GIS设备寿命预测模型后，还通过机器学习算法对GIS设备寿命预测模型进行训练；所述机器学习算法具体为支持向量机SVM算法，所述支持向量机SVM算法通过训练数据处理得到测试数据集，并通过测试数据集对GIS设备寿命预测模型进行训练以得到判断GIS设备健康情况所需的分离超平面，所述分离超平面用于区分GIS设备的健康情况。