[发明专利]一种基于灰色预测理论的电力设备状态趋势感知方法

说明书

本发明涉及一种基于灰色预测理论的电力设备状态趋势感知方法，包括以下步骤：获取电力设备状态相关数据，并根据典型应用场景进行数据整合；对获取的数据进行数据清洗及数据噪声过滤处理；选取灰色预测模型检验方式，并预设精度检验等级；构建灰色预测模型GM(1,1)，动态预测电力设备运行状况。本发明通过多渠道获取数据信息，通过鉴别因素之间发展趋势的相异程度，进行关联分析，分析历史数据中隐藏的变动规律，建立相应的微分方程模型，动态预测电力设备运行状况，实现对电力设备运行状态的实时趋势感知，能够满足对电力设备状态的趋势感知需求，并辅助设备检修计划与停电计划的制定，具有非常广阔的工程应用价值。

技术领域

本发明属于电力自动化领域，涉及人工智能技术，尤其是一种基于灰色预测理论的电力设备状态趋势感知方法。

背景技术

随着电力系统智能化和信息化的不断推进，电力系统中的数据信息量也迅猛增加。然而，当前电力设备的状态感知仍大量地依靠人工经验，需要人工搜寻大量文本资料、查阅大量的数据，综合考虑多种因素判定设备状态趋势。上述实现方法实现困难、工作量巨大且预测不准确。

灰色预测理论是一种对含有不确定因素的系统进行预测的方法。灰色预测方法通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。如何利用灰色预测技术为含有不确定因素的设备运行状态进行状态趋势预测是目前迫切需要解决的问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种设计合理、预测准确且易于实现的基于灰色预测理论的电力设备状态趋势感知方法。

本发明解决现有的技术问题是采取以下技术方案实现的：

一种基于灰色预测理论的电力设备状态趋势感知方法，包括以下步骤：

步骤1、获取电力设备状态相关数据，并根据典型应用场景进行数据整合；

步骤2、对获取的数据进行数据清洗及数据噪声过滤处理；

步骤3、选取灰色预测模型检验方式，并预设精度检验等级；

步骤4、构建灰色预测模型GM(1,1)，动态预测电力设备运行状况。

进一步，所述步骤1的具体实现方法包括以下步骤：

⑴确定数据信息来源；

⑵获取电网监控数据和电网运行数据；

⑶划分典型应用场景，并根据典型应用场景整合所需数据内容。

进一步，所述步骤⑴中的数据信息来源包括电力EMS、OMS、监控大数据、监控事件化、调控云获取的监控告警信息与调度运行数据。

进一步，所述步骤⑵中的电网监控数据包括电网目前是否正常运行、异常元件及动作信息；所述电网运行数据包括电网及设备运行数据及其他系统的相关辅助信息。

进一步，所述步骤⑶中的典型应用场景包括故障判断、异常判断、设备检修和设备停复役，故障判断场景下的数据内容包括告警信息、遥测数据、开关位置和检修信息；异常判断场景下的数据内容包括告警信息、缺陷记录和检修记录；设备检修场景下的数据内容包括告警信息、检修记录和操作信息；设备停复役场景下的数据内容包括告警信息和操作信息。

进一步，所述步骤2的具体实现方法包括以下步骤：

⑴数据清洗处理：将数据中的非结构化数据转化为结构化数据，处理结构化数据中的异常内容，完成对数据的检验；