[发明专利]计及相关系数的变电站刀闸二次回路故障预测方法在审

专利信息
申请号: 201810870505.1 申请日: 2018-08-02
公开(公告)号: CN109061453A 公开(公告)日: 2018-12-21
发明(设计)人: 朱俊伟;郭艳雪;陈芳;陈晶腾;郑育钦;肖颂勇;蒋东伶 申请(专利权)人: 国网福建省电力有限公司;国网福建省电力有限公司莆田供电公司;国网福建省电力有限公司电力科学研究院
主分类号: G01R31/327 分类号: G01R31/327
代理公司: 厦门市首创君合专利事务所有限公司 35204 代理人: 张松亭;林燕玲
地址: 350000 福*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 训练样本 样本 二次回路 故障预测 预测模型 刀闸 变电站 工具箱 预处理 筛选 支持向量机 历史数据 配电装置 系数计算 运行环境 运行年限 最优参数 输出 关联度 归一化 导出 剔除 检修 搜索 预测
【权利要求书】:

1.计及相关系数的变电站刀闸二次回路故障预测方法,其特征在于,包括如下步骤:

1)从PMS台账系统中整理导出刀闸台账的安装厂家、运行年限、检修次数、运行环境、配电装置型式、承担负荷情况六大主要影响因素数据作为历史数据,并对安装厂家、运行环境、配电装置型式进行预处理获得一致的单调性,并归一化使数值范围处在[0,1],再将运行年限、检修次数、承担负荷情况及归一化后的安装厂家、运行环境和配电装置型式作为训练样本;

2)将训练样本与待评价样本进行相关系数计算,根据相关系数设定阈值,将低于阈值的训练样本剔除,筛选出与待评价样本关联度较高的样本;

3)对于筛选出的训练样本,采用matlab工具的Gridregression程序搜索确定支持向量机的容错惩罚系数C、不敏感系数ε及核宽度系统σ最优参数;

4)采用LIBSVM工具箱中函数train-svm进行计算,得到偏差b和拉格朗日系数α、α*,从而得出如下式的预测模型:

式中xi为筛选出的训练样本,i=1,2,...,n,n为筛选出的训练样本的个数,x为待评价样本,K为核函数,

且训练样本与待评价样本均为6维数据类型;

5)利用预测模型对待评价样本进行预测,输出为-1认为刀闸运行正常,若输出为+1则认为刀闸存在故障,即可结合停电计划提前进行故障排查。

2.如权利要求1所述的计及相关系数的变电站刀闸二次回路故障预测方法,其特征在于,在步骤1)中,对所述安装厂家的预处理如下:

依据该安装厂家在本辖区电网中实际故障数量gi,结合PMS台账系统中相关安装厂家设备总数Ci,定义该厂家健康度ηi

式中i=1,2,...,m,m为设备出现过故障的安装厂家数量,并规定暂未出现过故障的安装厂家健康度为0。

3.如权利要求1所述的计及相关系数的变电站刀闸二次回路故障预测方法,其特征在于,在步骤1)中,对所述运行环境的预处理如下:规定设备运行在户外的情况为1,在户内的情况为0。

4.如权利要求1所述的计及相关系数的变电站刀闸二次回路故障预测方法,其特征在于,在步骤1)中,对所述配电装置型式的预处理如下:规定AIS设备为1,GIS设备为0。

5.如权利要求1所述的计及相关系数的变电站刀闸二次回路故障预测方法,其特征在于,在步骤1)中,所述归一化使数值范围处在[0,1],参见如下:

式中i=1,2,...,k,表示第i组数据,k为训练样本的总数,j=1,2,...,6,表示第j维数据,minIj、maxIj分别表示所有训练样本第j维数据的最小值和最大值,Iij、I′ij分别第i组样本的第j维数据表示经预处理后各影响因素数值及经归一化后数值。

6.如权利要求1所述的计及相关系数的变电站刀闸二次回路故障预测方法,其特征在于,在步骤2)中所述的相关系数ρ范围为[-1,+1],所述阈值P=|ρ|,相关系数ρ计算公式如下:

式中,Xi为待评价样本中的第i个指标,Yi为训练样本中的第i个指标,为待评价样本中所有指标的平均值,为训练样本中所有指标的平均值,N为样本中指标的个数,N=6。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网福建省电力有限公司;国网福建省电力有限公司莆田供电公司;国网福建省电力有限公司电力科学研究院,未经国网福建省电力有限公司;国网福建省电力有限公司莆田供电公司;国网福建省电力有限公司电力科学研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810870505.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top