[发明专利]一种电力设备故障智能分析方法及系统

权利要求书

1.一种电力设备故障智能分析方法，其特征在于，包括以下步骤：

步骤1、收集变电站电力设备故障信息以及相应的诊断结果，针对不同设备的故障现象、处理方案及处理结果，构建设备故障集，单一故障信息中将影响故障的关键特征词逐一标记，作为判别故障类别的特征码，并分别形成唯一数据库关键字段；

步骤2、实时监控电力设备运行状态，当发生故障时，对原始故障信息中的重复信息以及无用信息进行删减从而提高诊断系统的诊断效率；

步骤3、根据删减后的故障信息的特征词遍历数据库中案例的所有相关信息，进行特性匹配，推出特征词相同数量排名前列的案例，对这些相关案例基于贝叶斯网络进行设备故障诊断；

步骤4、根据诊断结果确定对应的处理方案；

步骤5、解决设备故障，并将相应故障现象、处理方案及处理结果存入数据库，本次故障信息中将影响故障的关键特征词逐一标记。

2.根据权利要求1所述的电力设备故障智能分析方法，其特征在于，所述步骤2中的实时监控电力设备运行状态，具体包括电力设备运行时的电流、电压、温度、湿度。

3.根据权利要求1所述的电力设备故障智能分析方法，其特征在于，所述步骤2中的对原始信息进行筛查，具体为：

步骤2-1、将原始故障信息根据时序排序，输入到相似度计算模型中：

其中，N(A，B)表示字符串A，B之间的最长公共子串长度，Len(A)，Len(B)分别表示字符串A和B的长度，当计算结果为1时，说明两条信息完全一致；

步骤2-2、删除相似度计算结果为1的两条故障信息中的一条，遍历所有原始故障信息，最终得到无重复的故障诊断信息。

4.根据权利要求1所述的电力设备故障智能分析方法，其特征在于，所述步骤3中的基于贝叶斯网络进行设备故障诊断，具体为：

步骤3-1、以故障元件构建决策属性集，以断路器和相关保护信息为条件属性，根据保护动作原理，将各种可能发生的故障情况考虑在内，制作决策表；

步骤3-2、运用主成分分析法对决策表实施属性约简，从而使得属性约简达到最优，然后更新决策表；

步骤3-3、在更新后的决策表的基础上，构建贝叶斯网络，采集故障数据，然后更新和添加诊断先验数据库中已有的节点因果关系和先验参数，最后形成变电站设备的故障诊断模型；

步骤3-4、故障实时诊断，通过对SCADA系统和调度中心根据实时传来的保护断路器动作等信息的故障诊断先验数据库的调查推导，把更新后得故障特征复制到已经成型的贝叶斯故障诊断模型里，通过推理记录故障原因，确定各种故障发生的概率，完成设备故障的诊断。

5.一种电力设备故障智能分析系统，其特征在于，包括以下模块：

数据库模块：用于收集故障信息以及相应诊断结果，针对每个设备故障现象、处理方案及处理结果，针对不同设备的故障现象、处理方案及处理结果，构建设备故障集，单一故障信息中将影响故障的关键特征词逐一标记，作为判别故障类别的特征码，并分别形成唯一数据库关键字段；

监控模块：用于实时监控电力设备运行状态，且当发生故障时，对原始故障信息中的重复信息以及无用信息进行删减从而提高诊断系统的诊断效率；

诊断模块：用于根据删减后的故障信息的特征词遍历数据库中案例的所有相关信息，进行特性匹配，推出特征词相同数量排名前列的案例，对这些相关案例基于贝叶斯网络进行设备故障诊断。

6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-4中任一项所述方法的步骤。

7.一种计算机可存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-4中任一项所述的方法的步骤。