[发明专利]一种基于威布尔分布和隐半马尔科夫模型的电力设备故障预测方法

摘要

本发明属于设备故障预测的研究范畴，涉及一种基于威布尔分布和隐半马尔科夫模型的电力通信网中设备故障预测方法。考虑到电力设备退化实际，引入具有优良状态监测和退化诊断识别能力的隐马尔可夫模型，运用威布尔分布对设备失效率进行建模，运用泰勒级数展开‑合并同类项法对退化因子进行估计，计算HSMM的状态驻留时间概率和状态转移概率矩阵，能够符合设备故障演化实际，降低参数拟合误差，对通信网中设备故障状态进行较好的预测。

主权项

1.一种基于威布尔分布和隐半马尔科夫模型的电力设备故障预测方法，其特征在于，包括以下步骤；步骤1：根据设备故障演化规律，结合相关调查和专家经验，约定电力设备从健康状态转变为故障状态之间的退化级别分为3种，分别为“轻度退化态”、“中度退化态”和“重度退化态”；步骤2：选择二参数威布尔分布模型对电力设备失效率进行建模，使用对数线性化方法对参数进行最小二乘估计，得到形状参数和尺度参数的估计值；运用Taylor级数展开的方式，用简单的多项式逼近Weibull分布函数的指数部分，以此来拟合平滑曲线，然后合并同类项；步骤3：改进隐半马尔科夫模型，引入退化因子来描述设备性能的退化趋势，分别对各阶段的状态驻留函数进行分析；根据步骤2中经过泰勒展开‑合并同类项变换后的威布尔分布函数，计算各状态的退化因子，构造经历了时间t后时变状态转移矩阵；步骤4：对电力设备实时运行日志记录进行特征提取后，确认设备当前状态，将其与可能的退化状态连接起来，得到状态变化序列；根据步骤3确定的初始状态转移矩阵和时变状态转移矩阵对设备状态进行预测，比较状态驻留概率和转移至其他状态的概率的大小,选择概率最大的转移序列中对应的状态作为预测结果。