[发明专利]一种基于调控大数据平台的变电设备缺陷趋势分析方法

说明书

一种基于调控大数据平台的变电设备缺陷趋势分析方法，涉及变电设备缺陷趋势分析技术领域，它包括以下步骤：步骤S10数据采集；步骤S20数据预处理；步骤S30关键因素辨识；步骤S40设备缺陷评估。本发明对设备缺陷趋势预测的算法采用了结合多元状态量的方法，充分利用大数据的特性，将历史数据、当前数据与未来数据相结合，通过计算未来时间设备状态指标，实现了对集中监控设备未来发生设备缺陷可能性的预测，相对于传统的阀值判断缺陷的方法准确率较高。

技术领域

本发明涉及变电设备缺陷趋势分析技术领域，具体涉及一种基于调控大数据平台的变电设备缺陷趋势分析方法。

背景技术

目前主流的,设备缺陷预测方法主要可以分为以下三种：

1)基于物理模型的缺陷预测技术:采用物理模型进行缺陷预测，根据预测对象系统的稳态或瞬态负载、温度或其他在线测试信息构建预测模型框架，并统计系统或设备历史运行情况或预期运行状况，进行系统将来运行状态的仿真预测。

2)基于数据驱动的缺陷预测技术:建立复杂部件或者系统的物理模型是很困难甚至是不可能的，因此，部件或者系统运行和维护等各个阶段的测试、监控历史数据就成为掌握系统性能下降原因的主要手段。基于测试或者监控数据进行预测的方法称为数据驱动的缺陷预测技术。

3)基于经验预测的缺陷预测技术:在某些情况下，确定一个完整的动态模型，给出输入和输出之间的系统微分方程，可能是不必要的，也可能是不现实的。基于统计可靠性的缺陷预测方法适用于从过去缺陷历史数据的统计特性角度进行缺陷预测。因为预测所需要的信息包含在一系列的不同概率密度函数(PDF)中，而不需要动态微分方程的形式。相比于基于模型的方法，这种方法需要更少的细节信息。然而预测精度较上述两种方法更低。

对于电力设备来说，不同类别、不同型号、不同厂家的电力设备具备不同的物理模型。而上述条件相同的设备如果所处的电网结构不同、运行方式有差别的情况下，其物理模型表现的特性也不同。通过物理模型对设备缺陷进行预测工作量繁琐复杂，任何一项因素没有考虑进去对预测精度都有很大影响，几乎不可能进行准确的预测。而智能电网集中监控大数据体系为基于数据驱动的缺陷预测技术提供了需要的数据基础。能够在大量历史数据的基础上得出精度较仅仅基于统计可靠性预测技术更高的客观结果。综合预测方法对设备基础模型信息的需求及预测精度，因此选择基于数据驱动的缺陷预测方法，即利用大数据挖掘技术实现对设备缺陷的预测。

可靠的电力设备是保证电网安全运行、提升供电可靠性的基础。在实际运行中,有些电力设备虽然能继续使用，但运行状态发生异常或存在隐患,并将影响人身安全、电网的可靠经济运行、设备寿命以及电能质量等，这种异常或隐患称为缺陷。预测设备可能发生的缺陷并提前加以控制或消除能够有力的保障电网安全、可靠运行。

在电网设备缺陷发生时，往往伴随着不同类型遥测量的遥测值的异常变化，但是，每一个遥测值的异常变化又极其不明显。因此，仅仅对某一类遥测量进行分析、预测根本无法准确预测电网设备缺陷，只有对多类遥测量进行综合分析才能准确预测出电网设备缺陷。在电网中，预测某一种类型的电网设备缺陷往往需要综合分析十几种不同类型的遥测量。而传统的基于数据驱动的缺陷预测方法只关注某一种遥测量的分析、预测，因此，无法实现对电网设备缺陷的准确预测。

发明内容

本发明的目的就是为了解决上述技术问题，而提供一种基于调控大数据平台的变电设备缺陷趋势分析方法。

本发明包括以下步骤：

步骤S10数据采集：使用数据采集模块从数据来源端经过抽取转换，加载至目的端；

步骤S20数据预处理：将采集的数据，根据数据类型不同进行预处理；