[发明专利]基于缺陷因子的电力断路器关联性故障分析方法及装置

说明书

本发明涉及人工智能技术，揭露了一种基于缺陷因子的电力断路器关联性故障分析方法及装置，包括：获取电力断路器的全寿命周期数据，对所述全寿命周期数据进行缺陷数据提取，得到所述全寿命周期数据的缺陷因子；对所述缺陷因子进行特征分类，得到所述缺陷因子的分类因子；利用预设的关联度算法确定所述分类因子的关联性，根据所述关联性和所述分类因子生成所述分类因子的因子权重；利用所述因子权重和所述缺陷因子构建电力断路器缺陷检测模型，利用所述电力断路器缺陷检测模型进行目标电力断路器的故障分析。本发明还提出一种基于缺陷因子的电力断路器关联性故障分析装置。本发明可以提高电力断路器关联性故障分析的准确性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于缺陷因子的电力断路器关联性故障分析方法及装置。

背景技术

电力断路器是电力系统重要的组成部分，其承担着分配电能、保护系统等作用，其安全稳定运行是电力系统安全稳定运行的保障。电力断路器在运行工作中，经常会出现一些故障，且有些故障难以捕捉。因此，对电力断路器的运行状态进行实时检测，是电力系统安全稳定运行的需要。

现如今，由于电力断路器使用非常频繁，故障检测技术也不够成熟，导致捕捉的故障存在偏差，已经对电力系统的运行造成安全隐患，因此如何提升电力断路器关联性故障分析准确性，成为了亟待解决的问题。

发明内容

本发明提供一种基于缺陷因子的电力断路器关联性故障分析方法及装置，其主要目的在于解决基于缺陷因子的电力断路器关联性故障分析时准确性较低的问题。

为实现上述目的，本发明提供的一种基于缺陷因子的电力断路器关联性故障分析方法，包括：

获取电力断路器的全寿命周期数据，对所述全寿命周期数据进行缺陷数据提取，得到所述全寿命周期数据的缺陷因子；

对所述缺陷因子进行特征分类，得到所述缺陷因子的分类因子；

利用预设的关联度算法确定所述分类因子的关联性，根据所述关联性和所述分类因子生成所述分类因子的因子权重；

利用所述因子权重和所述缺陷因子构建电力断路器缺陷检测模型，利用所述电力断路器缺陷检测模型进行目标电力断路器的故障分析。

可选地，所述对所述全寿命周期数据进行缺陷数据提取，得到所述全寿命周期数据的缺陷因子，包括：

对所述全寿命周期数据进行数据编码，得到所述全寿命周期数据的编码数据；

利用预设的距离算法计算所述编码数据与预设的缺陷标签之间的缺陷距离，其中，所述预设的距离算法为：

其中，是所述缺陷距离，是所述编码数据中的子数据的标识，是所述编码数据中的子数据的总数，是所述编码数据中的第个子数据，是所述编码数据的均值，是所述预设的缺陷标签的均值，是所述预设的缺陷标签中的第个子数据；

根据所述缺陷距离确定所述全寿命周期数据的缺陷因子。

可选地，所述对所述全寿命周期数据进行数据编码，得到所述全寿命周期数据的编码数据，包括：

对所述全寿命周期数据进行数据清洗，得到所述全寿命周期数据的标准数据；

对所述标准数据进行分词处理，得到所述标准数据的标准分词；

利用预设的编码词库对所述标准分词进行向量转化，得到所述标准分词的标准向量，确定所述标准向量为所述全寿命周期数据的编码数据。

可选地，所述根据所述缺陷距离确定所述全寿命周期数据的缺陷因子，包括：

选取所述缺陷距离小于预设的距离阈值的缺陷距离为目标距离，获取所述目标距离对应的编码数据；