[发明专利]一种基于大数据的变电站设备故障影响因素分析方法

权利要求书

1.一种基于大数据的变电站设备故障影响因素分析方法，其特征在于，具体包括以下步骤：

步骤1：采集用于变电站设备故障影响因素分析的数据，采集的数据包括结构化数据和非结构化数据，结构化数据涵盖变电站运行工况、设备属性、系统方式、外部环境、季节特性；非结构化数据包括红外测温、设备漏油漏气、刀闸分合、外观异常、指示灯相关图像信息；

步骤2：对获取的数据进行完整性、准确性和一致性评估；

步骤3：对数据进行预处理；

步骤4：判断数据类型，依据数据类型对设备故障影响因素数据进行设备故障相关性分析；

步骤4.1：对连续类型的数据采用Pearson相关分析法分析其与设备故障的相关性；

步骤4.2：对离散类型的数据采用单因素方差分析法分析其与设备故障的相关性；

步骤4.3：对非结构化类型的数据采用统计对比法分析其与设备故障的相关性。

2.根据权利要求1所述的基于大数据的变电站设备故障影响因素分析方法，其特征在于，所述步骤1中采集的数据包括数据采集与监视控制系统SCADA系统的数据、生产管理系统PMS系统的数据、智能巡检机器人系统的数据、设备在线监测系统的数据、天气预报系统的数据。

3.根据权利要求2所述的基于大数据的变电站设备故障影响因素分析方法，其特征在于，所述数据预处理具体包括：

(1)分析字段“设备名称”、“故障时间”、“故障类型”数据，发现空缺数据进行剔除；

(2)对关键字段重复的数据，则视为重复录入数据进行剔除；

(3)根据字段“设备名称”、“故障时间”、“故障类型”对数据进行分析后合并或剔除；在一个停电范围内同一天不可能出现多次故障的情况，出现多条同一设备故障情况的数据，应属于一次抢修未能完全修复；不能归类为多次故障，而应定义为一次故障；

(4)对天气信息中的降水量、雷雨、冰雹、风速数据，进行分级处理。

4.根据权利要求1-3任意一项所述的基于大数据的变电站设备故障影响因素分析方法，其特征在于，Pearson相关分析法通过建立一个相关系数，来反映两个定量指标之间线性相关关系；Pearson相关系数计算公式如下：

其中，X代表温度、投运年限、负载率、油温，Y为变电设备故障率；Pearson相关系数r取值在-1与1之间，它描述了两指标线性相关的程度和方向；r>0，表示两指标之间成正相关；r<0，表示两指标之间成负相关；r＝1或-1表示两指标完全相关；r＝0表示两指标不存在线性相关性；将相关程度分为以下几种情况：|r|>＝0.8，高度相关；0.5<＝|r|<＝0.8，中度相关；0.3<＝|r|<＝0.5，低度相关；|r|<＝0.3，相关程度极弱，视为不相关。