[发明专利]评估气象因素对电力设备故障概率影响程度的方法和设备

说明书

本发明公开了一种评估气象因素对电力设备故障概率影响程度的方法和设备。所述方法通过基于气象因素与电力设备故障信息表中属性不可分辨关系的划分，使信息表中气象因素属性子集影响程度计算的复杂程度相比传统方法大大减少，有利于关键气象因素的快速筛选和识别。该方法能够克服现有技术的缺点与不足，可以广泛用于评估气象因素对电力设备故障概率的影响程度，且方法简单、高效，为电力设备运行维护提供气象方面的建议，有利于提高电力设备运行安全。

技术领域

本发明涉及电力设备可靠性评估，具体涉及一种评估气象因素对电力设备故障概率影响程度的方法和设备。

背景技术

我国地域辽阔，输电网络规模庞大，且东西部气候差异很大，每年春夏两季，沿海地区台风、暴雨不断，电力系统故障频发。实际运行经验表明，许多地区的电力系统都有过因天气状况恶劣导致输电线路、变电设备乃至变电站全停或部分停运的情况。可见，恶劣外部环境会大大增加电力设备发生故障的可能性，严重影响电力系统安全运行。而进一步细分，不同灾害天气条件下可能引发的电力系统故障形式也会有很大区别，同时所引发的故障对系统的破坏程度也相差很大。例如，污闪时系统重合闸率较低而雷害时重合闸率则较高。但是如何在故障诊断中适当计及这些不同要素的影响程度是一个有待深入研究的问题。

目前，计算气象因素对电力设备故障概率影响程度的方法主要有Apriori算法和信息表法，但Apriori算法需要大量的气象数据和电力设备故障数据，若某些特殊气象出现次数极少，此情况下的气象因素往往因为支持度过低而被算法过滤，不利于计算气象因素的影响程度。基于信息表计算气象因素影响设备故障概率的方法主要有属性削减法、信息熵法和互信息法。属性削减法采用逐一削减气象因素属性子集中气象因素的方法，计算削减后及削减前气象因素属性子集的依赖度之差来计算削减气象因素的影响程度，此方法计算量大，不利于实时应用。信息熵法利用不同气象因素属性子集的信息熵来计算属性的影响程度，但是如果将信息表中属性进行合并，将可能导致条件熵的上升，此方法不利于规则元素大量合并后的气象因素与电力设备故障信息表。互信息法以加入一个气象因素后气象因素相对于故障概率等级的互信息的变化量作为属性重要性的度量，但在大多数情况下，气象因素与电力设备故障信息表中每个属性都取多值，以互信息增益会使结果倾向于取值数目较多的那些属性，结果误差较大。

纵观已有的计算气象因素对电力设备故障概率影响程度的方法，尚存在以下问题：(1)计算量大不利于气象因素的快速筛选和识别；(2)气象因素影响程度的计算方法受气象因素与电力设备故障信息表所限，无法在任意结构的气象因素与电力设备故障信息表中实现影响程度的精确计算。

发明内容

发明目的：针对现有技术的问题，本发明提出一种评估气象因素对电力设备故障概率影响程度的方法和设备，能够高效地对影响设备故障概率的关键气象因素进行快速筛选和识别，方法简单、高效，为电力设备运行维护提供气象方面的建议，有利于提高电力设备运行安全。

技术方案：根据本发明的第一方面，提供一种评估气象因素对电力设备故障概率影响程度的方法，包括以下步骤：

S10、根据气象因素与电力设备故障信息表建立待判断的气象因素属性子集C’，计算气象因素属性子集C’在气象因素与电力设备故障信息表中的不分辨关系集合IND(C’)形成的知识粒[x]_C’，知识粒[x]_C’表示了气象因素子集在不同离散化取值下对应的设备故障概率等级，并计算故障概率等级D在电力设备故障信息表中的不分辨关系集合IND(D)形成的知识粒[x]_D，知识粒[x]_D表示了在同一种故障概率等级下，所有的规则元素的集合；

S20、计算各知识粒[x]_D在不分辨关系集合IND(C’)中的下近似集合R_(X)，下近似集合的计算揭示了气象因素子集在同一个离散化取值下，支持同一种故障概率的所有规则元素；