System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力设备预警,具体涉及一种基于柔性神经网络算法的主动预警方法。
技术介绍
1、随着电网的不断发展,电力系统的规模逐渐扩大,电力设备也越来越复杂多样化。当电力设备一旦发生故障,可能会导致电力系统中的部分电网陷入瘫痪,很大程度上影响了断电区域居民的生活和工业生产,可见各个电力设备健康稳定的工作是电力系统稳定可靠供电的前提条件,对于社会和人民生活至关重要。
2、为了保障电力供应,现有技术中一般通过对电力设备的运行数据进行采集,当电力设备出现故障时,可立即发出报警信号,提醒检修人员及时对故障进行排除。这一手段具有滞后性,即只有当故障发生时才进行报警提醒。随着计算机技术的发展,利用神经网络模型来对电力设备的健康进行预测成为了新的发展方向,但现有技术中一般采用实时预测的方式来判断电力设备当前的健康状态,这样需要持续的算力资源投入,造成能耗及算力资源的浪费;并且一般仅以健康度作为参考,而忽略了健康状态的变化过程,而事实上电力设备的健康状态是由小因素逐步发展成大故障的过程,仅以健康度作为参考的预测效果并不理想。
技术实现思路
1、本专利技术的目的是针对现有技术存在的不足,提供一种基于柔性神经网络算法的主动预警方法。
2、为实现上述目的,本专利技术提供了一种基于柔性神经网络算法的主动预警方法,包括:
3、在电力设备运行期间实时采集若干项运行状态数据;
4、判断电力设备的运行状态数据是否超出设定阈值范围,若所述电力设备的运行状态数据中的任意
5、监测所述第一数据集在设定的第一时间间隔内有无数据更新,若在设定的第一时间间隔内所述第一数据集中无数据更新,则从所述第二数据集中抽取最近第一设定时间间隔内存储的运行状态数据,并将抽取的最近第一设定时间间隔内所述第二数据集存储的运行状态数据以数据存储时间先后依次输入用以对电力设备的健康状态进行预测的柔性神经网络模型中;
6、依次获取所述柔性神经网络模型输出的各个数据存储时间对应的电力设备的健康状态值,并计算在所述设定的第一时间间隔和第二时间间隔内电力设备的健康状态值的下降率,若在所述设定的第一时间间隔内电力设备的健康状态值下降率大于设定的第一阈值,则输出预警信息,若电力设备的健康状态值的最小值低于设定的第二阈值或在第二时间间隔内所述电力设备的健康状态值的下降率超过设定的第三阈值,则输出报警信息,所述第二时间间隔大于设定的第一时间间隔。
7、进一步的,所述电力设备的运行状态数据包括电流、电压、温度和振动值。
8、进一步的,所述电力设备包括变压器、电抗器和互感器。
9、进一步的,在将电力设备的运行状态数据存储至第一数据集和第二数据集时,判断当前运行状态数据与前一条已存储的运行状态数据是否相同,若当前运行状态数据与前一条已存储的运行状态数据完全相同,则将当前状态数据舍弃;若当前运行状态数据与前一条已存储的运行状态数据中的某项数据相同,则在存储时将当前运行状态数据中的相同项数据置空,并在从数据抽取后根据在先存储的运行状态数据将抽取的数据补全。
10、进一步的,通过count函数计算所述第一数据集中的数据行数,若当前与设定的第一时间间隔前的第一数据集中的数据行数相同,则判断为在设定的第一时间间隔内所述第一数据集中无数据更新。
11、进一步的,若在设定的第一时间间隔内所述第一数据集中有数据更新,则基于所述第一数据集中的运行状态数据对柔性神经网络模型进行优化。
12、进一步的,基于所述第一数据集中的运行状态数据对柔性神经网络模型进行优化的方式具体如下:
13、基于所述第一数据集中当前更新的运行状态数据进行数据和此前存储的运行状态数据进行数据增强,具体如下:
14、
15、其中,为数据增强获得的样本数据,为第一数据集中当前更新的运行状态数据,为从第一数据中随机抽取的此前存储的运行状态数据,为权重,的取值为0至1;
16、将样本数据输入至柔性神经网络模型中进行优化。
17、进一步的,所述第二时间间隔通过以下方式计算获得:
18、
19、其中,为计算出的第k个第二时间间隔,为设定的时间基准值,为取整函数,为第k-1个第二时间间隔电力设备的健康状态值的最小值,为所述设定的第二阈值。
20、有益效果:本专利技术通过采集电力设备的运行状态数据,先判断电力设备的运行状态数据是否超出设定阈值范围,进行初步报警判断,并以此将电力设备的运行状态数据分开存储,间歇性的利用未触发报警的运行状态数据进行健康状态预测,然后利用第一时间间隔内电力设备的健康状态值的下降率和健康状态值的最小值,以及第二时间间隔内电力设备的健康状态值的下降率进行预测报警,降低电力设备的健康状态预测所需的能耗和算力资源,同时大幅提高预测的准确性;同时利用直接触发报警的运行状态数据进行数据增强,然后再进行模型优化,便于后续逐步提高模型的预测精度。
本文档来自技高网...【技术保护点】
1.一种基于柔性神经网络算法的主动预警方法,其特征在于,包括:
2.根据权利要求1所述的一种基于柔性神经网络算法的主动预警方法,其特征在于,所述电力设备的运行状态数据包括电流、电压、温度和振动值。
3.根据权利要求1所述的一种基于柔性神经网络算法的主动预警方法,其特征在于,所述电力设备包括变压器、电抗器和互感器。
4.根据权利要求1所述的一种基于柔性神经网络算法的主动预警方法,其特征在于,在将电力设备的运行状态数据存储至第一数据集和第二数据集时,判断当前运行状态数据与前一条已存储的运行状态数据是否相同,若当前运行状态数据与前一条已存储的运行状态数据完全相同,则将当前状态数据舍弃;若当前运行状态数据与前一条已存储的运行状态数据中的某项数据相同,则在存储时将当前运行状态数据中的相同项数据置空,并在从数据抽取后根据在先存储的运行状态数据将抽取的数据补全。
5.根据权利要求1所述的一种基于柔性神经网络算法的主动预警方法,其特征在于,通过COUNT函数计算所述第一数据集中的数据行数,若当前与设定的第一时间间隔前的第一数据集中的数据行数相同,则
6.根据权利要求1所述的一种基于柔性神经网络算法的主动预警方法,其特征在于,若在设定的第一时间间隔内所述第一数据集中有数据更新,则基于所述第一数据集中的运行状态数据对柔性神经网络模型进行优化。
7.根据权利要求1所述的一种基于柔性神经网络算法的主动预警方法,其特征在于,基于所述第一数据集中的运行状态数据对柔性神经网络模型进行优化的方式具体如下:
8.根据权利要求1所述的一种基于柔性神经网络算法的主动预警方法,其特征在于,所述第二时间间隔通过以下方式计算获得:
...【技术特征摘要】
1.一种基于柔性神经网络算法的主动预警方法,其特征在于,包括:
2.根据权利要求1所述的一种基于柔性神经网络算法的主动预警方法,其特征在于,所述电力设备的运行状态数据包括电流、电压、温度和振动值。
3.根据权利要求1所述的一种基于柔性神经网络算法的主动预警方法,其特征在于,所述电力设备包括变压器、电抗器和互感器。
4.根据权利要求1所述的一种基于柔性神经网络算法的主动预警方法,其特征在于,在将电力设备的运行状态数据存储至第一数据集和第二数据集时,判断当前运行状态数据与前一条已存储的运行状态数据是否相同,若当前运行状态数据与前一条已存储的运行状态数据完全相同,则将当前状态数据舍弃;若当前运行状态数据与前一条已存储的运行状态数据中的某项数据相同,则在存储时将当前运行状态数据中的相同项数据置空,并在从数据抽取后根据在先存储的运行状态数据...
【专利技术属性】
技术研发人员:杨兆静,阮佳阳,陈操,张鹏,
申请(专利权)人:北京智盟信通科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。