[发明专利]一种基于智能巡检系统的自动化检定设备状态评价方法

说明书

本发明涉及一种基于智能巡检系统的自动化检定设备状态评价方法，采用如下步骤：步骤A、采用数据挖掘分析算法，获取设备状态量与设备状态之间的关联关系；步骤B、构建基于数据挖掘方法的设备状态评价模型，以大量设备历史数据作为设备评价的基础参量，对数据进行特征提取和降维处理，将其分别归类为不同状态的数据集，再对每个数据集提取其主要特征向量；本发明结合评价结果与设备本身的重要性来确定设备风险管控级别，实现电力设备状态评价的多源化和精益化，用以设备检修和保养的辅助决策，制定差异化运维策略即运维周期，本发明提高设备安全运行的可靠性，提高设备的可用率及检修效率。

技术领域

本发明涉及一种基于智能巡检系统的自动化检定设备状态评价方法。

背景技术

自动化检定设备的检修技术随着对设备管理水平的不断提升和科技进步而不断演变，具体概括为三个阶段：故障检修、定期检修和状态检修。故障检修存在维修滞后问题，定期检修存在工作量大、维修过剩等问题，而设备状态检修由于其可大大提高设备安全运行的可靠性，提高设备的可用率及检修效率，已经成为一种主流的检修方式。而设备状态检修策略的制定依赖于设备状态评价，评价结果的准确性和及时性对状态检修工作的开展有重要的指导作用。

发明内容

本发明所要解决的技术问题是提供一种提高设备安全运行的可靠性，提高设备的可用率及检修效率的基于智能巡检系统的自动化检定设备状态评价方法。

本发明采用如下技术方案：

本发明采用如下步骤：

步骤A、采用数据挖掘分析算法，获取设备状态量与设备状态之间的关联关系；

步骤B、构建基于数据挖掘方法的设备状态评价模型，以大量设备历史数据作为设备评价的基础参量，对数据进行特征提取和降维处理，将其分别归类为不同状态的数据集，再对每个数据集提取其主要特征向量。

本发明所述数据挖掘分析算法为采用主成分分析法；

所述设备状态评价模型包括提取大量设备历史运行信息和故障信息，将所述信息分类成不同状态的信息集；采用主成分分析法提取各个状态信息集的特征信号；对于待评价设备的当前运行情况，将该运行信息投影到状态信息集的特征空间进行设备状态评价；

本发明所述主成分分析法通过一组标准正交变换，将原始数据集线性变换为一组包含原始数据的大部分信息的主成分集合，表征原始数据，使数据从高维到低维变换；

所述主成分分析法如下：

假设训练样本集为X＝[x₁，x₂，…，x_n]^T；

该样本的平均向量为：

构造样本集的协方差矩阵为：

计算出协方差矩阵的特征向量α_i和对应的特征值λ_i，这些特征向量组成的矩阵A就是训练样本集的正交基底，将协方差矩阵的特征值从大到小排序：λ₁≥λ₂≥…≥λ_k≥…＞0，将主成分构成的变换矩阵记为：A＝(α₁，α₂，…，α_i)^T；

上述降维子空间使任何一个测试样本都可以向其作投影ω＝A_y，ω＝Ay即并获得低维向量ω。

本发明基于主成分分析法提取关键信息参量的步骤如下：