[发明专利]一种电网设备安全性评估预测方法

权利要求书

1.一种电网设备安全性评估预测方法，所述方法包括：

步骤S1，采集多模态异构数据，所述多模态异构数据包括电网设备运行参数集F_y、电网设备状态参数集F_s、气象环境信息参数集F_c；

步骤S2，对所述步骤S1获取的多模态异构数据进行预处理，包括缺失数据处理、噪声去除，运用归一化函数将多模态异构数据进行归一化处理，基于用户设置的数据对齐规则进行空间维度以及时间维度的对齐操作，获得预处理后的多模态异构数据；

步骤S3，基于相关性函数计算预处理后的多模态异构数据中各个参数的关联因子，筛选关联因子符合设定阈值的参数，得到待融合多模态异构参数，筛选过程如下：对于F_y、F_s、F_c参数集中的每一个参数，通过公式计算各参数的方差，其中，m为样本数，xi为特征值，μ为特征的均值，分别在各参数集中选择σ²最大的参数作为各参数集的初始特征，记为f_y1、f_s1、f_c1，并构建初始参数集F_y0＝{f_y1}、F_s0＝{f_s1}、F_c0＝{f_c1},其余参数构成待选参数集Fy_p-1＝{fy₂,fy₃,…fy_i…fy_p}、Fs_q-1＝{fs₂,fs₃,…fs_i…fs_q}、Fc_k-1＝{fc₂,fc₃,…fc_i…fc_k}，p、q、k分别为各类参数集的参数个数，通过相关性函数C计算Fy_p-1、Fs_q-1、Fc_k-1中的各参数的关联因子C，其中，fi为待筛选特征，f1为所述各参数集的初始特征，P()表示先验概率，P(f1|fi)表示给定fi时f1的后验概率；选择关联性因子符合设定阈值的参数构成待融合多模态异构数据集F_y’、F_s’、F_c’；

步骤S4，将待融合多模态异构数据集F_y’、F_s’、F_c’进行数据关联融合得到融合数据；

步骤S5，将融合数据输入机器学习模型进行训练，并基于训练后的模型进行实时在线监测；

步骤S6，对电网设备安全性评估预测结果进行显示，当存在安全性异常时，进行报警提醒，并将结果信息发送给对应的巡检人员。

2.根据权利要求1所述的一种电网设备安全性评估预测方法，所述设备运行参数集F_y包括：电源容量、电压、电流、负荷变化、谐波含量、设备巡检记录、故障维修记录、设备故障记录、设备投产时间、设备位置信息。

3.根据权利要求1所述的一种电网设备安全性评估预测方法，所述电网设备状态参数集F_s包括：生产厂家、设备型号、设备温度、设备湿度、设备的固定状态。

4.根据权利要求1所述的一种电网设备安全性评估预测方法，所述气象环境信息参数集F_c包括：监测地理位置信息、当前时间的监测气象数据、未来预设时间的预测气象数据；所述气象数据包括温度、湿度、风速、风力、降雨量、降雪量、雷电、覆冰数据。

5.根据权利要求1所述的一种电网设备安全性评估预测方法，所述归一化函数为d为原始数据，d_min,d_max为同一类型数据中的最小值和最大值。

6.根据权利要求1所述的一种电网设备安全性评估预测方法，所述机器学习模型为BP神经网络、支持向量机算法、决策树算法或者随机森林算法。

7.根据权利要求1所述的一种电网设备安全性评估预测方法，所述方法还包括步骤S7，结合电网设备安全性评估预测结果，给出决策建议。