[发明专利]一种基于极限学习机的电力设备剩余寿命预测方法

权利要求书

1.一种基于极限学习机的电力设备剩余寿命预测方法，其特征在于：

包括以下步骤：

A)在变电站设备上安装监测传感装置，所述监测传感装置包括监测传感器、通信单元和控制单元，所述监测传感器监测变电站设备的状态，所述监测传感器及通信单元均与控制单元连接；

B)在变电站内设置若干个收集器和服务器，每个收集器连接若干个所述监测传感器，将若干个所述监测传感器采集的设备状态信息传输至服务器，服务器内存储有各个设备的全生命健康信息和故障信息，所述服务器周期性读取监测传感器采集的状态数据，通过数据分析模块对采集到各设备状态信息进行分析，预测设备的剩余寿命信息；

C)所述服务器运行有预案触发模块，当变电站设备故障的预测剩余寿命低于预设生命阈值时，触发对应的预警策略，自动控制变电站设备动作或向值班员发出告警信息；

D)服务器计算变电站系统的剩余寿命信息，当变电站设备故障的预测剩余寿命低于预设生命阈值时，触发对应的预警策略，自动控制变电站设备动作或向值班员发出告警信息；

数据分析模块对采集到各设备状态信息进行分析，预测设备的剩余寿命信息包括如下步骤：

B1)服务器对变电站设备建立有分类模型，

B2)计算设备的各个故障类型在全生命阶段发生故障的概率，进而估算设备的可靠度；

B3)建立极限学习机模型，极限学习机包含有多个并行的极限学习机子模型，极限学习机子模型的个数和变电站设备个数相同，将设备故障类型作为故障学习机的输入层，将各个故障类型的发生概率以及寿命损失率作为隐含层的权重因子，输出层为设备的预测剩余寿命值，将若干个预测设备剩余寿命值G_i与设备退役寿命值G_id的差作为变电站系统全域设备寿命值计算的因子k，将若干个设备的可靠度R_i的倒数作为影响变压器系统设备的权重，计算变电站系统的剩余寿命G_re。

2.根据权利要求1所述的一种基于极限学习机的电力设备剩余寿命预测方法，其特征在于：步骤A)中，安装有监测传感装置的变电站设备包括变压器、高压断路器、隔离开关、避雷器、电容器和电抗器，所述监测传感器包括变压器油色谱在线监测装置、变压器套管压力传感器、变压器油位计、红外温度传感器、振动传感器、摄像头和避雷器计数器，所述红外温度传感器设置在变压器、高压断路器、隔离开关、避雷器、电容器和电抗器上，分别监测对应设备的发热部位的温度，所述振动传感器安装在变压器以及高压断路器的外壳上，检测变压器以及高压断路器的振动，所述摄像头设置在变压器、高压断路器、隔离开关、避雷器、电容器和电抗器上，拍摄对应设备的实时图像。

3.根据权利要求1所述的一种基于极限学习机的电力设备剩余寿命预测方法，其特征在于：步骤B1)服务器对变电站设备建立有分类模型，包括如下步骤：

建立分类模型时人工标注l个样本作为训练集{(x⁽¹⁾，y⁽¹⁾)，(x⁽²⁾，y⁽²⁾)，...，(x^(l)，y^(l))}，y⁽ⁱ⁾∈{1，2，...，h}，h为相应的变电站设备的故障类型数量；

令代价函数

其中，为分类模型的参数，为权重衰减项，λ＞0；使用线性优化算法获得使得代价函数J(θ)最小的分类模型参数，即完成相应的变电站设备的分类模型的建立。

4.根据权利要求1所述的一种基于极限学习机的电力设备剩余寿命预测方法，其特征在于：步骤B2中计算设备故障发生的概率；包括如下步骤：

情形一、当变电站设备从正常工作到发生故障的时间T是一个连续型随机变量，服从概率分布，其概率密度函数定义为：

则设备在时间t前发生故障的概率为：

其中F(0)＝0,F(∞)＝1；

情形二、当元件的故障率λ是一个不随时间而改变的常数时，则该元件正常工作时间服从指数分布；指数分布函数在可靠性分析中最为常用，其故障概率密度函数定义为：

f(t)＝λe^-λt

其积累概率分布函数为：

F(t)＝1-e^-λt。