[发明专利]设备状态的评估方法和系统

说明书

本发明公开了一种设备状态的评估方法和系统。其中，该方法包括：获取变电站二次设备的状态数据；将状态数据输入至极端随机化树模型，得到变电站二次设备的评估结果，其中，极端随机化树模型是由服务器集群中包含的多个服务器并行生成的。本发明解决了现有技术中的设备状态的评估方法效率低，且存在过拟合的技术问题。

技术领域

本发明涉及电力系统领域，具体而言，涉及一种设备状态的评估方法和系统。

背景技术

变电站二次设备作为对系统监视和控制的重要设备，其自身健康状态的好坏直接关系电网的安全稳定。因此，需要对其进行状态评估，及时发现设备缺陷，减少事故损失。

现阶段我国变电站二次设备检修方式主要是定期预防检修，然而该检修方式存在明显的缺点，包括检修过剩与检修不足并存、停电几率增加，供电可靠性低等。针对定期检修的不足，目前可以采用多种方法实现电网设备状态检修：应用马尔可夫(Markov)法对继电保护设备进行可靠性分析，但是没有实现对装置自检信息的全面、综合利用。应用概率法对继电保护装置建立概率模型，由于电网二次设备一般为可修复系统，一般不适合应用概率法进行评估。应用故障树法对变电站通信系统的可靠性进行评估。应用基于支持向量机的微机保护装置状态评估方法，取得了较神经网络更好的效果。应用基于贝叶斯网络的二次设备状态评估方法。

上述二次设备状态评估方法都是选择某种机器学习算法，在单机环境下利用某方面的少量数据和信息开展的。然而，近年来随着智能电网建设的深入，设备监测的广度和深度不断加强，智能变电站二次设备的PMS(电力管理系统，Power Management System)、OMS(调度管理系统，Power Dispatching Management System)、监控、缺陷记录等各类数据积累下来，逐渐构成全景特征的二次设备大数据。采用现有技术中的评估方法效率较低，而且，随机森林和梯度提升方法存在过拟合问题。

针对现有技术中的设备状态的评估方法效率低，且存在过拟合的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种设备状态的评估方法和系统，以至少解决现有技术中的设备状态的评估方法效率低，且存在过拟合的技术问题。

根据本发明实施例的一个方面，提供了一种设备状态的评估方法，包括：获取变电站二次设备的状态数据；将状态数据输入至极端随机化树模型，得到变电站二次设备的评估结果，其中，极端随机化树模型是由服务器集群中包含的多个服务器并行生成的。

进一步地，在将状态数据输入至极端随机化树模型，得到变电站二次设备的评估结果之前，上述方法还包括：获取样本数据集合，其中，样本数据集合包括：变电站二次设备的多个样本数据；控制多个服务器基于样本数据集合，并行构建决策树模型；对多个服务器构建的决策树模型进行汇总，生成极端随机化树模型。

进一步地，控制多个服务器基于样本数据集合，并行构建决策树模型，包括：通过远程调用方式，依次发送构建请求至多个服务器，以控制多个服务器构建决策树模型。

进一步地，在对多个服务器构建的决策树模型进行汇总，生成极端随机化树模型之前，上述方法还包括：接收多个服务器在决策树模型构建成功之后返回的消息；在接收到所有服务器返回的消息的情况下，对多个服务器构建的决策树模型进行汇总，生成极端随机化树模型。

进一步地，在预设时间段内未接到任意一个服务器返回的消息的情况下，再次发送构建请求至任意一个服务器，直至重新发送构建请求的次数超过预设次数。

进一步地，在未收到所有服务器返回的消息的情况下，输出用于表征极端随机化树模型生成失败的提示信息。

进一步地，在获取样本数据集合之后，上述方法还包括：控制多个服务器并行获取样本数据集合的元数据；将元数据的格式转换为预设格式，得到新的元数据；将新的元数据存储至元数据库中。