[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

摘要

计及相关系数的变电站刀闸二次回路故障预测方法，包括如下步骤：1)从PMS台账系统中导出安装厂家、运行年限、检修次数、运行环境、配电装置型式、承担负荷情况作为历史数据，并对部分进行预处理、归一化作为训练样本；2)将训练样本与待评价样本进行相关系数计算并设定阈值，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Gridregression搜索确定支持向量机的最优参数；3)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^*，从而得出预测模型：4)利用预测模型对待评价样本进行预测，输出为‑1则刀闸运行正常，若输出为+1则刀闸存在故障。

主权项

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。