[发明专利]基于多种因素的调相机的维护方法、系统及存储介质

说明书

本发明实施方式提供一种基于多种因素的调相机的维护方法、系统及存储介质，属于调相机的维护技术领域。所述维护方法包括：获取调相机的部件分布矩阵；获取调相机的历史故障记录；构成故障矩阵；获取历史故障记录对应的多种因素；从预设的权重矩阵集合中随机选取一个未被选取的权重矩阵；采用选取的权重矩阵根据多种因素生成影响矩阵；按照时间的对应关系将故障矩阵和影响矩阵组合以构成用于深度学习的数据集；将数据集划分为训练集和测试集；采用训练集训练神经网络；采用测试集测试神经网络以判断神经网络是否满足精度要求；在判断神经网络满足精度要求的情况下，输出神经网络；采用神经网络对调相机进行预测，根据预测的结果对调相机进行维护。

技术领域

本发明涉及电力的维护技术领域，具体地涉及一种基于多种因素的调相机的维护方法、系统及存储介质。

背景技术

调相机是现代超高压电力技术领域常用的设备之一，主要用于稳定电网电压以及功率。由于调相机的设备体积巨大，在维护时往往需要投入较高的成本。现有技术主要是在调相机发生故障或者按照预定的时间周期来对调相机进行检修维护。但是这种方法存在一定的滞后性，在调相机发生故障后才对调相机进行检修维护，无论如何规划都会对实际调相机的工作效率造成影响。

发明内容

本发明实施方式的目的是提供一种基于多种因素的调相机的维护方法、系统及存储介质。该维护方法、系统及存储介质能够基于调相机的历史故障记录并结合外部的多种因素对未来调相机可能发生的故障点进行精准预测，从而便于维护人员制定维护计划，提高调相机的维护效率。

为了实现上述目的，本发明实施方式提供一种基于多种因素的调相机的维护方法，所述维护方法包括：

对所述调相机的多个部件进行编号以获取所述调相机的部件分布矩阵；

获取所述调相机的历史故障记录；

将所述历史故障记录输入所述部件分布矩阵中以构成故障矩阵；

获取所述历史故障记录对应的多种因素，其中，所述因素包括环境的气温、湿度以及当日的平均无功功率；

从预设的权重矩阵集合中随机选取一个未被选取的权重矩阵；

采用选取的所述权重矩阵根据所述多种因素生成影响矩阵；

按照时间的对应关系将所述故障矩阵和所述影响矩阵组合以构成用于深度学习的数据集；

将所述数据集划分为训练集和测试集；

采用所述训练集训练所述神经网络；

采用所述测试集测试所述神经网络以判断所述神经网络是否满足精度要求；

在判断所述神经网络不满足所述精度要求的情况下，更新迭代次数；

判断所述迭代次数是否大于或等于预设的次数阈值；

在判断所述迭代次数大于或等于所述次数阈值的情况下，再次从预设的权重矩阵集合中随机选取一个未被选取的权重矩阵；

在判断所述迭代次数小于所述次数阈值的情况下，再次采用所述训练集训练所述神经网络；

在判断所述神经网络满足所述精度要求的情况下，输出所述神经网络；

采用所述神经网络对所述调相机进行预测，根据预测的结果对所述调相机进行维护。

可选地，对所述调相机的多个部件进行编号以获取所述调相机的部件分布矩阵具体包括：

将所述调相机中属于同一组部件的器件放入所述部件分布矩阵的同一列；

将所述调相机中属于同一类部件的器件放入所述部件分布矩阵的同一行。