[发明专利]一种基于SVM的变电站刀闸二次回路故障预测方法

摘要

本发明提供了一种基于SVM的变电站刀闸二次回路故障预测方法，包括如下步骤步骤一整理数据源；步骤二对上述数据源进行预处理获得一致的单调性，并归一化使数值范围处在[0,1]；步骤三通过步骤二得到归一化的数值后，结合历史数据构成的训练样本(xi,yi)，训练样本(xi,yi)通过SVM工具箱中函数train‑svm的计算，即可得到偏差b和拉格朗日系数α，得出预测模型步骤五用历史数据训练好的预测模型进行刀闸二次回路故障预测，输出为‑1认为正常运行，若输出为+1认为存在故障，即可结合停电计划提前进行故障排查。

主权项

一种基于SVM的变电站刀闸二次回路故障预测方法，其特征在于包括如下步骤：步骤一：整理导出PMS台账系统中刀闸台账的①安装厂家、②运行年限、③检修次数、④运行环境、⑤配电装置型式、⑥承担负荷情况六大主要影响因素作为数据源；步骤二：对上述数据源中①安装厂家、④运行环境、⑤配电装置型式进行预处理获得一致的单调性，并归一化使数值范围处在[0,1]；对安装厂家进行预处理和归一化是指：依据该安装厂家在本辖区电网中实际故障数量gi，结合PMS台账系统中相关安装厂家设备总数Ci，定义该厂家健康度ηiηi=giCi---(1)]]>式中i＝1,2,...,m，m为设备出现过故障的安装厂家数量，并规定暂未出现过故障的安装厂家健康度为0；对运行环境进行预处理是指：设备运行在户外环境的情况为1，运行在户内环境的情况为0；对配电装置型式进行预处理是指：规定AIS设备为1，GIS设备为0；①安装厂家、④运行环境、⑤配电装置型式经过上述预处理后获得了一致的单调性，数值越大，故障率越高，再根据公式(2)将各数据进行归一化使数值范围处在[0,1]；Iij′=Iij-minIjmaxIj-minIj---(2)]]>式中i＝1,2,...,n，表示第i组数据，j＝1,2,...,6，表示第j维数据，Iij、I′ij分别表示经预处理后各影响因素数值及经归一化后数值；步骤三：选择采用径向基RBF函数作为核函数，其中调整参数σ设为64.290；步骤四：通过步骤二得到归一化的数值后，结合历史数据构成的训练样本(xi,yi)，i＝1,2,...,n，表示第i组数据，其中yi∈{+1，‑1}；训练样本(xi,yi)通过SVM工具箱中函数train‑svm的计算，即可得到偏差b和拉格朗日系数α，从而得出如下式的预测模型：y(x)=Σi=1nαiK(x,xi)+b---(3)]]>式中xi为训练数据，i＝1,2,...,n,n为训练数据组数，x为待预测数据，K为核函数，且训练数据与预测数据均为6维数据类型；步骤五：用历史数据训练好的预测模型进行刀闸二次回路故障预测，输出为‑1认为正常运行，若输出为+1认为存在故障，即可结合停电计划提前进行故障排查。