[发明专利]智能化变电站二次设备健康状态诊断方法

权利要求书

1.一种智能化变电站二次设备健康状态诊断方法，其特征在于包括以下步骤：

明确智能变电站二次设备状态类型，依据智能变电站二次设备运行中出现的典型异常和故障类型确定二次设备状态类型信息；

根据变电站的实际条件和环境，确定能够实现在线监测的信息集合并作为二次设备的状态属性信息变量；

建立变电站二次设备样本数据库，根据变电站历史运行记录提取状态属性异常信息及与之相应的二次设备状态类型信息，并建立两者之间的映射关系；

获得二次设备状态自检信息，利用变电站二次设备的自检信息以及二次设备状态的在线监测信息得到二次设备状态自检信息；

离散化得到状态属性值，将监测到的二次设备状态自检信息按照预定的规则离散化，获取固定指定区间的数据；

根据二次设备状态自检信息和状态类型信息建立二次设备状态的贝叶斯网络分类模型；

根据二次设备状态自检信息和贝叶斯网络分类模型计算各个状态类型的概率，并得出各个状态类型下各状态属性的条件概率，选择概率最大的故障类型作为二次设备健康状态诊断结果。

2.根据权利要求1所述的智能化变电站二次设备健康状态诊断方法，其特征在于：所述二次设备健康状态诊断结果判断为有故障时，根据结果的状态数据更新贝叶斯网络模型样本数据。

3.根据权利要求1所述的智能化变电站二次设备健康状态诊断方法，其特征在于：所述二次设备健康状态诊断结果判断为无故障时，继续采集利用变电站二次设备的自检信息以及二次设备状态的在线监测信息得到二次设备状态自检信息。

4.根据权利要求1所述的智能化变电站二次设备健康状态诊断方法，其特征在于：所述，通过公式

P(Ck)=P^(Ck)=NCkN]]>

计算各个状态类型的概率，其中，N代表的是整个训练集的总数，即所有分类值的数量总和。而代表的是分类状态类型为C_k的频数；

通过公式

(Xi=xi|Ck)=P^(Xi=xi|Ck)=NCk(xi)NCk]]>

各个状态类型下各状态属性的条件概率，其中代表故障类型为C_k下且属性X_i的值为x_i时的频数。为故障类型为C_k的频数；

通过公式

(Xi=xi)=NXi=xiNXi=0+NXi=1+NXi=2]]>

计算各个状态属性的概率，其中，为所有状态属性样本数据中X_i＝x_i情况下的频数；

通过公式

P(ck|X1=x1,X2=x2,...,X22=x22)=P(ck)·Πi=122P(Xi=xi|ck)Πi=122P(Xi=xi)]]>

计算当前一组状态属性值情况下各个状态类型的条件概率。