[发明专利]一种面向大数据应用的电力设备状态量动态阈值获取方法

说明书

本发明公开了一种面向大数据应用的电力设备状态量动态阈值获取方法，通过广义的横纵向对比为设备状态量分析提供了工程可行的方法，使得计算结果更加贴近实际需求，实现了从设备群体到个体的全面分析及状态量所处状态的准确定位。通过实例的验证表明，该方法相比于现在所用的定阈值分析法更加符合电网精益化运维要求，提高了现场运行数据的可利用率，减小了设备过度维修和维修不足的风险。

技术领域

本发明涉及电力系统设备的维护和检修领域，更具体地说，涉及一种面向大数据应用的电力设备状态量动态阈值获取方法。

背景技术

随着智能电网建设和状态检修开展的不断深入，以及传感和计算机技术在电网运维的深入应用，国网及各省设备状态评价中心开展设备的实时、动态分析已成为常态化工作，输变电设备产生的运检数据量呈指数级增长，电力公司获取了设备状态量的大数据样本。如何应用这些大数据样本为精益化运维服务是当前急需解决的问题。当前广泛存在着设备状态评价系统周期长、对信息的分析利用不足等问题。

国内外目前比较常用的设备状态量，大致可分为正常状态、基准态状态、异常状态三类：正常状态表明设备不存在与该状态量相关的缺陷；异常状态表明设备已存在与该状态量相关的缺陷甚至故障；基准态是指设备可能存在或发展为与该状态量相关的缺陷，介于正常与异常之间。目前对设备的状态量分析判断仍然采用定期检修常用的定阈值比较方法，该方法存在以下两种明显的不足：一是状态量超过规定阈值但设备仍能正常运行，只需加强监测；二是状态量没超过规定阈值，但设备继续运行存在较高的故障风险。显然基于简单的阈值判断方法是非常粗放的，不符合状态检修的内在要求。

同时，依照国外对电力设备的差异化管理方法和经验，对于电力公司管理的变压器群来说，可能存在问题变压器是小于10％的，其中比较严重而需要进行检修或更换的可能占2％左右，剩余8％左右只需加强监测或视情提前检修。因此事实上可以挑选出状态劣化最为严重的一批变压器进行检修，以优化配置公司检修资源，提高公司检修效率。

发明内容

本发明要解决的技术问题在于，提供一种面向大数据应用的电力设备状态量动态阈值获取方法。

本发明解决其技术问题所采用的技术方案是：构造一种面向大数据应用的电力设备状态量动态阈值获取方法，针对不随时间年限正常老化的状态量分析，采用广义横向比较分析法；针对随时间年限正常老化的状态量分析，采用广义纵向比较分析法；

广义横向比较分析法包括以下步骤：收集某一地区的同一电压等级变压器群的同一状态量实测值，形成该状态量的大数据样本；计算小于状态量值的变压器占样本总数量的比重，形成百分数-状态量值对，在二维坐标系描绘百分数与状态量值的曲线图并进行拟合，拟合得到的曲线为状态量基准分布曲线；将状态量基准分布曲线分为正常状态区域、基准状态区域、异常状态区域三个区域，将实测状态量与状态量基准分布曲线比较即可对该状态量进行评估。

广义纵向比较分析法包括以下步骤：

收集并形成运行年限、状态量值样本对，在二维坐标系描绘在时间与状态量值的散点图并获取回归线L，采用置信区间理论计算上置信区间线L1及下置信区间线L2，通过L1及L2对当前状态量阈值进行动态修正。

在上述广义纵向比较分析法的步骤中，采用最小二乘算法获取回归线L。

优选地，最小二乘算法包括以下步骤：假设给定数据点(x_i,y_i)(i＝0,1,...,m)，φ为所有次数不超过n(n≤m)的多项式构成的函数类，确定多项式使得取最小值，由多元函数求极值的必要条件，得

(1)式是关于a₀,a₁,...,a_n的线性方程组，用矩阵表示为