[发明专利]基于人工智能的电网设备故障诊断方法及系统

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的电网设备故障诊断方法及系统。该方法包括：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；根据每类电参量的数据序列预测未来时刻对应的电参量的预测数据，并与数据序列共同组成第一数据序列；对每类电参量的第一数据序列进行异常评估，获取异常指标，根据每两类电参量的相关性和对应的异常指标获得异常值序列；对实时的异常值序列进行推理，获得设备故障诊断的实时结果。本发明实施例能够对电网设备进行准确的实时故障诊断，提高系统的安全防护能力。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的电网设备故障诊断方法及系统。

背景技术

电力是国民经济和人民生活的基础产业，它的供应和安全对国家安全战略、经济和社会发展起着至关重要的作用。但随着电力系统复杂性增加，尤其是在多故障或保护装置操作不正确情况下，需要处理的工作量极其庞大，因此电力系统出现故障是不可避免的。当电力系统中的电网设备状态异常或者发生故障时，如果不能迅速诊断出电力故障，及时抢修尽快恢复电网正常运行，会导致停电事件影响日常生活，严重的可能会带来巨大的经济损失。

发明人在实践中，发现上述现有技术存在以下缺陷：

设备的故障是多种多样的，当故障发生时，如何通过检测手段获取表达设备故障的有效信息是设备故障管理的重要课题，现有的故障诊断方法仅仅通过电参量自身的变化进行故障诊断，识别精度低，导致故障诊断结果不准确。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的电网设备故障诊断方法及系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

第二方面，本发明另一个实施例提供了一种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；