[发明专利]一种输电设备状态评估方法

说明书

技术领域

本发明涉及一种输电设备检测技术领域，具体涉及一种输电设备状态评估方法。

背景技术

输电设备的安全是电网安全、可靠、稳定运行的基础，对设备状态进行有效、准确的评估、诊断和预测，不仅会直接影响到后续的风险评估及检修决策，而且提高供电可靠性及电网运行智能化水平的重要途径。

由于输电设备分布面积广、分部件众多、所受自然环境影响大等特点，输电设备的状态评价面临着全面性和准确性的难题。要进行全面和准确的状态评估，需要融合设备状态信息、电网运行信息及环境状态信息等多源异构信息，结合电力设备的历史、当前和未来状态，通过一定的标准和智能评估方法得出状态评估结果。

目前，国内外对输电设备的状态评价参数体系的研究较少，大体分为以下两类：

1)在现有的输电设备状态评价规范中，国网状态评价导则及电力行业标准中将输电线路分为基础、杆塔、导线、绝缘子、金具、接地、附属设施、通道环境这8个部件，对每个部件建立相关的巡视参量，最终根据线路总得分来判断输电线路运行状态。但是导则、行业标准中规定的评价参量不全面且存在差异，导致对同一条线路往往会出现不同的评价结果。

2)在国内的一些状态评价文献中，大部分以参量获取方式作为分类基础，将参数体系分为日常巡视、在线监测、预防性试验、带电检测这四个方面，日常巡视中的参量可通过直接观测得到，预防性试验、在线监测、带电检测中的参量(如等值覆冰厚度)通过检测数据的数学模型计算得到，但是由于不同来源中的参量存在交叉重叠，会导致不同来源对应的同一参量评价结果不统一，影响线路整体的状态评价。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种输电设备状态评估方法，通过主成分分析法将影响输电设备稳定运行的因素的量化结果进行降维处理，筛选出能够包含影响输电设备稳定运行的因素的更多信息量的主成分，并将筛选出的主成分作为神经网络的输入层，进行训练，获得较为理想的神经网络模型。并根据当前影响输电设备稳定运行的因素的量化值，计算前g个主成分的值，并将计算后的前g个主成分的值通过神经网络模型进行运算，判断当前输电设备的运行状态。

本发明提供的一种输电设备状态评估方法，其包括：S1，筛选出影响输电设备稳定运行的因素；

S2，将影响输电设备稳定运行的因素进行量化；

S3，将量化后的因素进行主成分分析，得到累计贡献率在95%以上的前g个主成分；

S4，将步骤S3中得到的g个主成分作为神经网络的输入层，建立神经网络模型；

S5，获取当前影响输电设备稳定运行的因素的量化值，计算前g个主成分的值，并将计算后的前g个主成分的值通过建立的神经网络模型进行运算，判断当前输电设备的运行状态。

进一步地，所述步骤S2，将影响输电设备稳定运行的因素进行量化，具体为：

S21，选择前m个预设周期内的n个因素的量化值X_n，即X_n=｛x_n1，x_n2，x_n3，……，x_nm｝；

S22，将X_n量化成矩阵X={X₁，X₂，X₃，……，X_n}。

进一步地，所述步骤S3具体包括：

S31，计算矩阵X的相关性系数矩阵；

S32，计算特征值与特征向量，首先解特征方程|λI-R|=0（I表示单位向量，R表示相关系数矩阵）求出特征值λ_i（i=1,2，…,n），并使其按大小顺序排列，即λ_i≥λ₂…≥λ_n≥0；然后分别求出对应于特征值λ_i的特征向量u_i（i=1,2，…,n）；

S33，计算主成分;

S34，选择主成分，计算特征值λ_i（i=1,2，…,n）的信息贡献率和累计贡献率，选择累计贡献率在95%以上的前g个主成分y₁，y₂，……，y_g。

进一步地，所述步骤S4具体包括：

以所述步骤S33中得到的主成分的数量g作为神经网络模型的输入层的节点数，设定神经网络模型的输出层的节点为输电设备的运行状态；