[发明专利]一种变电站设备异常及事故处理方法

权利要求书

1.一种变电站设备异常及事故处理方法，其特征在于：包括，

基于变电站现场设备的异常及事故信息和处理规范构建数据库；

基于机器学习构建信息处理模型，利用所述模型将所述数据库的设备故障信息和处理规范进行关联和分类；

结合蓝牙协议转换器将关联分类后的所述信息和处理规范传送至所述数据库中；

当变电站设备异常时，运维人员利用移动终端检索所述数据库，获得匹配对应的所述处理规范，完成设备异常及事故的分析检查处理。

2.如权利要求1所述的变电站设备异常及事故处理方法，其特征在于：所述异常及事故信息包括，

巡维中心所辖变电站典型的、重要的、多发的设备异常及事故报警监控信息；

变电站一、二次设备现场告警、故障信息；

现场一、二次设备所对应的异常及故障原因、检查方法。

3.如权利要求1或2所述的变电站设备异常及事故处理方法，其特征在于：所述检查方法包括，

当空气断路器、设备保险丝及开关把手发生故障时，所述运维人员利用万用表测量电源是否正常；

检修人员查看设备历史故障信息及设备故障处理流程，检测回路通断，利用参数判断一、二次元件是否运行正常。

4.如权利要求3所述的变电站设备异常及事故处理方法，其特征在于：所述构建信息处理模型包括，

将所述设备故障信息和处理规范作为训练集，并将所述训练集分为训练集X和训练集Y；

以所述训练集X作为树的根节点，找出变异量最大的属性变量作为高层分割标准；

通过对所述训练集X的学习训练构建一颗初始决策树；

通过所述训练集Y对所述初始决策树进行剪枝操作；

通过递归来构建一棵稳定的决策树，根据预测结果的正确率及满足条件，若符合要求，则完成分类操作，若不符合要求，则对决策树进行分支或剪枝。

5.如权利要求4所述的变电站设备异常及事故处理方法，其特征在于：还包括，

当分类操作完成后构建FP树：第一遍扫描分类后的数据，对所有元素1项集出现的次数进行计数，记录所有的1项频繁集出现的次数，并按照次数降序排列；

第二遍扫描所述分类后的数据，利用所述FP树挖掘频繁项集。

6.如权利要求5所述的变电站设备异常及事故处理方法，其特征在于：所述递归包括，

当程序遍历所有划分所述训练集的属性，或者每个分支下的所有实例都具有相同的分类时，若所述所有实例具有所述相同的分类，则得到一个叶子节点或者终止块，任何到达所述叶子节点的数据必然属于所述叶子节点的分类。

7.如权利要求6所述的变电站设备异常及事故处理方法，其特征在于：所述剪枝包括，

利用极小化决策树整体的损失函数从已经生成的树上裁掉一些子树或叶子节点，并将其根节点或父节点作为新的叶子节点。

8.如权利要求7所述的变电站设备异常及事故处理方法，其特征在于：所述损失函数包括，

决策树学习的损失函数定义为：

其中，T表示所述子树的叶子节点，H_t(T)表示第t个叶子的熵，R_t表示该叶子所含的训练样例的个数，β为惩罚系数。

9.如权利要求8所述的变电站设备异常及事故处理方法，其特征在于：所述叶子的熵包括，

其中，R_tk为类R_t的样本个数；所述叶子的熵越大，随机变量的不确定性就越大。

10.如权利要求9所述的变电站设备异常及事故处理方法，其特征在于：所述蓝牙协议转换器包括，

提前编写蓝牙运行体并安装至所述蓝牙协议转换器内；

所述蓝牙协议转换器接收待处理的数据并通知所述蓝牙运行体向所述数据库发送传输数据请求；

所述蓝牙运行体将接收的所述数据上传到所述数据库中，发送心跳包，判断网络通信是否正常并接收所述关联分类后的信息和处理规范。