[发明专利]基于人工智能的电网设备故障诊断方法及系统

权利要求书

1.基于人工智能的电网设备故障诊断方法，其特征在于，该方法包括以下步骤：

采集电网设备的多类电参量数据，每类所述电参量的数据组成一个实时更新的数据序列；

根据每类所述电参量的所述数据序列预测未来时刻对应的所述电参量的预测数据，并与所述数据序列共同组成第一数据序列；

对每类所述电参量的所述第一数据序列进行异常评估，获取异常指标，根据每两类所述电参量的相关性和对应的异常指标获得异常值序列；所述异常指标为波动特征、连续特征和数据异常程度；

对实时的所述异常值序列进行推理，获得设备故障诊断的实时结果；

所述异常值序列的获取方法为：

通过所述异常指标获得每类所述电参量的异常指数，根据两类所述电参量异常指数的乘积及其相关性获得相关性异常指数，由每两类所述电参量的所述相关性异常指数构成所述异常值序列。

2.根据权利要求1所述的方法，其特征在于，所述波动特征的获取方法为：

对所述第一数据序列进行密度聚类，获得聚类中心的数量和离散点的数量，根据所述聚类中心的数量和所述离散点的数量获得所述波动特征。

3.根据权利要求1所述的方法，其特征在于，所述连续特征的获取方法为：

通过相邻时刻的电参量相除获取所述第一数据序列的变化序列，对所述变化序列分窗计算波动值，组成波动序列，通过所述波动序列的极差获取所述连续特征。

4.根据权利要求3所述的方法，其特征在于，所述数据异常程度的获取方法为：

通过计算所述变化序列和历史异常的第一数据序列的变化序列的特征向量相似度获取所述数据异常程度。

5.基于人工智能的电网设备故障诊断系统，其特征在于，该系统包括以下模块：

数据序列获取模块，用于采集电网设备的多类电参量数据，每类电参量的数据组成一个实时更新的数据序列；

第一数据序列组成模块，用于根据每类所述电参量的所述数据序列预测未来时刻对应的所述电参量的预测数据，并与所述数据序列共同组成第一数据序列；

异常值序列获取模块，用于对每类所述电参量的所述第一数据序列进行异常评估，获取异常指标，根据每两类所述电参量的相关性和对应的异常指标获得异常值序列；所述异常指标为波动特征、连续特征和数据异常程度；

实时诊断模块，用于对实时的所述异常值序列进行推理，获得设备故障诊断的实时结果；

所述异常值序列获取模块还包括：

异常值序列构成模块，用于通过所述异常指标获得每类所述电参量的异常指数，根据两类所述电参量异常指数的乘积及其相关性获得相关性异常指数，由每两类所述电参量的所述相关性异常指数构成所述异常值序列。

6.根据权利要求5所述的系统，其特征在于，所述异常值序列获取模块还包括：

波动特征获取模块，用于对所述第一数据序列进行密度聚类，获得聚类中心的数量和离散点的数量，根据所述聚类中心的数量和所述离散点的数量获得所述波动特征。

7.根据权利要求5所述的系统，其特征在于，所述异常值序列获取模块还包括：

连续特征获取模块，用于通过相邻时刻的电参量相除获取所述第一数据序列的变化序列，对所述变化序列分窗计算波动值，组成波动序列，通过所述波动序列的极差获取所述连续特征。

8.根据权利要求7所述的系统，其特征在于，所述异常值序列获取模块还包括：

数据异常程度获取模块，用于通过计算所述变化序列和历史异常的第一数据序列的变化序列的特征向量相似度获取所述数据异常程度。