[发明专利]一种基于配网大数据的配电设备巡检方案生成方法及装置

权利要求书

1.一种基于配网大数据的配电设备巡检方案生成方法，其特征是，包括以下步骤：

采集配电设备运行状态数据、运行环境数据和负荷特性，并存储到设备数据库中；

对设备数据库中数据进行参数量化，将量化后的参数数据存储到量化数据库中；

从量化数据库中提取多个参数数据作为训练样本，训练得到神经网络，通过神经网络预测各配电设备综合需求值，并进行排列；

分析各配电设备综合需求值的主要影响因素，生成配电设备巡检方案列表。

2.根据权利要求1所述的基于配网大数据的配电设备巡检方案生成方法，其特征是，所述配电设备运行状态数据包括配电设备的电压、电流、抢修历史时间、抢修处理缺陷等级、检修记录、临时工作和操作次数。

3.根据权利要求1所述的基于配网大数据的配电设备巡检方案生成方法，其特征是，所述配电设备运行环境数据包括配电设备运行区域、投运年限、型号、类型、资产归属、维修记录、二次利用和厂家。

4.根据权利要求1所述的基于配网大数据的配电设备巡检方案生成方法，其特征是，所述负荷特性包括季节特性和每日负荷特性。

5.根据权利要求1所述的基于配网大数据的配电设备巡检方案生成方法，其特征是，对设备数据库中数据进行参数量化，将量化后的参数数据存储到量化数据库中，包括：根据设备历史数据和经验数据，对设备数据库中每个配电设备运行状态数据、运行环境数据和负荷特性进行参数量化，将量化后的参数数据存储到量化数据库中，其中，所述设备历史数据包括设备历史故障率、健康状态评估和设备历史检修数据。

6.根据权利要求1所述的基于配网大数据的配电设备巡检方案生成方法，其特征是，从量化数据库中提取多个参数数据作为训练样本，训练得到神经网络，通过神经网络预测各配电设备综合需求值，并进行排列，包括：

步骤1：从量化数据库中提取同一台配电设备的多个参数数据作为神经网络的训练样本；

步骤2：采用训练算法仿真训练用于配电设备的神经网络；

步骤3：以配电设备新的运行状态参数数据为基础，利用神经网络预测配电设备可能存在的安全隐患，将该安全隐患作为配电设备综合需求值；

步骤4：重复步骤1-3，直至求得所有配电设备综合需求值，根据巡检优先级，将所有配电设备综合需求值进行排列。

7.根据权利要求1所述的基于配网大数据的配电设备巡检方案生成方法，其特征是，分析各配电设备综合需求值的主要影响因素，生成配电设备巡检方案列表，包括：对配电设备综合需求值生成影响最大的设备运行状态参数数据进行反向分析，确定安全隐患的来历，制定相应的治理措施，再结合安全隐患生成整体巡检方案列表。

8.根据权利要求1所述的基于配网大数据的配电设备巡检方案生成方法，其特征是，所述整体巡检方案列表包括配电设备巡视顺序、可能存在缺陷以及初步实施方案。

9.一种计算机装置，用于基于配网大数据的配电设备巡检方案生成，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现以下步骤，包括：

采集配电设备运行状态数据、运行环境数据和负荷特性，并存储到设备数据库中；

对设备数据库中数据进行参数量化，将量化后的参数数据存储到量化数据库中；

从量化数据库中提取多个参数数据作为训练样本，训练得到神经网络，通过神经网络预测各配电设备综合需求值，并进行排列；

分析各配电设备综合需求值的主要影响因素，生成配电设备巡检方案列表。

10.一种计算机可读存储介质，其上存储有用于基于配网大数据的配电设备巡检方案生成的计算机程序，其特征是，该程序被处理器执行时实现以下步骤：

采集配电设备运行状态数据、运行环境数据和负荷特性，并存储到设备数据库中；

对设备数据库中数据进行参数量化，将量化后的参数数据存储到量化数据库中；

从量化数据库中提取多个参数数据作为训练样本，训练得到神经网络，通过神经网络预测各配电设备综合需求值，并进行排列；

分析各配电设备综合需求值的主要影响因素，生成配电设备巡检方案列表。