[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

说明书

一种基于大数据的变电站设备故障影响因素分析方法，包括采集用于变电站设备故障影响因素分析的数据，对获取的数据进行完整性、准确性和一致性评估，对数据进行预处理；判断数据类型，依据数据类型分别采用Pearson相关分析法、单因素方差分析法、统计对比法对设备故障影响因素数据进行设备故障相关性分析。本发明利用变电设备运维的大数据，采用Pearson相关分析法与单因素方差分析法、统计对比法相结合对变电设备故障的影响因素进行分析，剔除了与设备故障非强相关或冗余的特征变量，选出了最优故障特征变量集，便于设备故障的预测；使用变电设备运维的大数据作为设备故障影响因素分析的基础，保证了设备故障影响因素分析结果的准确性、全面性。

技术领域

本发明属于变电站设备监控领域，具体涉及一种基于大数据的变电站设备故障影响因素分析方法。

背景技术

电网发展已步入特高压交直流混联、跨区域互联、信息化、智能化发展阶段，变电设备规模剧增，状态数据呈指数增长，电网结构日益复杂，信息量爆炸性增长。而变电设备故障影响因素众多，难以简单判断分析，过去通常使用传统的专家经验法，缺乏科学的数据支撑；同时，面对日益增长的设备规模，依靠人工研判已经无法满足实际业务需求。

发明内容

本发明的目的是解决上述问题，提供一种基于大数据的变电站设备故障影响因素分析方法，采用相关性分析方法，利用变电设备运维的大数据，分析变电设备故障的影响因素，便于对变电设备的故障进行预测，加强变电设备的运维管理，提高变电设备的可靠性。

本发明的技术方案是一种基于大数据的变电站设备故障影响因素分析方法，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。

所述步骤4之后，采用Apriori算法进行设备故障影响因素之间的关联分析，建立设备状态关联规则库。

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。

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。

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：