[发明专利]智能变电站的故障诊断方法、装置、设备和存储介质在审

专利信息
申请号: 202110913435.5 申请日: 2021-08-10
公开(公告)号: CN113591393A 公开(公告)日: 2021-11-02
发明(设计)人: 李铁成;任江波;刘清泉;耿少博;孙利强;王献志;徐岩;王鸣誉 申请(专利权)人: 国网河北省电力有限公司电力科学研究院;国家电网有限公司;国网河北能源技术服务有限公司
主分类号: G06F30/27 分类号: G06F30/27;G06K9/62;G06F111/06;G06F113/04;G06F119/02
代理公司: 石家庄国为知识产权事务所 13120 代理人: 付晓娣
地址: 050021 河*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 智能 变电站 故障诊断 方法 装置 设备 存储 介质
【权利要求书】:

1.一种智能变电站的故障诊断方法,其特征在于,包括:

获取智能变电站的二次系统的实时告警信息;

将所述实时告警信息进行预设处理,得到预处理告警信息;

将预设C4.5故障决策树模型中的所有预设分类告警信息集和所述预处理告警信息对比,得到所述实时告警信息的子分类告警信息集;

基于P-growth算法,构建所述子分类告警信息集的关联性规则;

基于蚁狮算法,对所述关联性规则的预设关联指标进行处理,得到所述实时告警信息的关联指标;

根据所述实时告警信息的关联指标和所述关联性规则,得到所述实时告警信息中的根告警信息。

2.如权利要求1所述的智能变电站的故障诊断方法,其特征在于,所述将预设C4.5故障决策树模型中的所有预设分类告警信息集和所述预处理告警信息对比,得到所述实时告警信息的子分类告警信息集,包括:

获取二次系统的历史告警信息,其中,所述历史告警信息按照预设规则分为训练信息和测试信息;

将所述训练信息通过C4.5决策树算法进行训练,得到决策树模型;

利用所述测试信息对所述决策树模型进行验证和剪枝处理,得到所述预设C4.5故障决策树模型;其中,所述预设C4.5故障决策树模型由多个故障类型互不相同的所述预设分类告警信息集组成;

将所述预设C4.5故障决策树模型中的所有所述预设分类告警信息集与所述预处理告警信息进行对比处理,将匹配度最高的所述预设分类告警信息集确定为所述实时告警信息的子分类告警信息集。

3.如权利要求2所述的智能变电站的故障诊断方法,其特征在于,所述将所述训练信息通过C4.5决策树算法进行训练,得到决策树模型之前,所述方法还包括:

构建所述历史告警信息的故障属性数据库;其中,所述历史告警信息包括二次设备告警信息、GOOSE异常报文和SV异常报文;所述故障属性数据库包括装置闭锁、自检告警信息、GOOSE告警信息、SV告警信息和故障类型;所述历史告警信息按照预设规则存入所述故障属性数据库中;

基于所述C4.5决策树算法和所述故障属性数据库,构建所述决策树模型。

4.如权利要求2或3所述的智能变电站的故障诊断方法,其特征在于,所述C4.5决策树算法采用泰勒级数代替对数运算;

其中,所述C4.5决策树算法的信息增益率为

Gainratio为分类时选取的某一种属性A的信息增益率,Gain为属性A的信息增益,SplitInfoA为A属性在整个预设分类告警信息集T中的分裂信息量度,T为整个预设分类告警信息集,Tj为整个预设分类告警信息集T中第j个预设分类告警信息集的数据总数,TCi是整个预设分类告警信息集T中属于子分类告警信息集Ci的数据总数,TCij表示整个预设分类告警信息集T中第j个预设分类告警信息集中属于子分类告警信息集Ci的数据总数。

5.如权利要求1所述的智能变电站的故障诊断方法,其特征在于,所述基于P-growth算法,构建所述子分类告警信息集的关联性规则,包括:

基于蚁狮算法,对所述关联性规则的预设最小支持度进行迭代处理,得到所述子分类告警信息集的最小支持度;

将所述子分类告警信息集中小于所述最小支持度的目标告警信息删除,得到子分类告警关联信息集;其中,所述目标告警信息为所述子分类告警信息集中的任意一个告警信息;

基于P-growth算法,构建所述子分类告警关联信息集的关联性规则;

其中,所述支持度为A为目标告警信息,N为所有目标告警信息的数量,sup(A)为目标告警信息A的支持度。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网河北省电力有限公司电力科学研究院;国家电网有限公司;国网河北能源技术服务有限公司,未经国网河北省电力有限公司电力科学研究院;国家电网有限公司;国网河北能源技术服务有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110913435.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code