【技术实现步骤摘要】
本专利技术涉及一种gis设备健康状态的评估方法，属于特征提取分析（g06f18/20）。
技术介绍
1、随着国民经济与工商业的发展，社会各行各业对于电能的需求日渐增大，输变电设备为此需要不断更新。目前gis设备具有结构紧凑、占地面积小的特点，特别符合当前新型电力系统的需求。然而，gis设备内部包含多种关键部件，如隔离开关、接地开关、断路器、电流互感器和电压互感器，它们对电力系统的安全运行起着重要作用。不同关键部件的故障形式对设备运行的影响程度和故障发生的频率都存在差异。因此，如何精确、合理地评估gis设备的健康状态，对提升电网运行安全性至关重要。
技术实现思路
1、本专利技术要解决的技术问题是：实现精确评估gis设备的健康状态。
2、本专利技术为解决上述技术问题提出的技术方案是：一种gis设备健康状态的评估方法，包括以下步骤：
3、步骤1：设置gis设备整体及其中关键部件的四种健康状态对应的评分数值区间如下,
4、正常 [0,0.25]，
5、注意 (0.25，0.50]，
6、异常 (0.50，0.75]，
7、严重 (0.75，1.00]；
8、步骤2：从gis设备的历史检测报告中采集每个关键部件在历史四种健康状态下的历史电气量、历史机械量、历史环境量和历史外观拍摄图像；
9、将每个关键部件在历史四种健康状态下的历史电气量、历史机械量、历史环境量分别转化为每个关键部件在历史四种健康状
10、将每个关键部件在历史四种健康状态下的历史电气特征图谱、历史机械特征图谱、历史环境特征图谱、历史外观拍摄图像分别进行融合生成每个关键部件在历史四种健康状态下的历史混合图谱；
11、步骤3：利用word2vec获得所有关键部件的历史四种健康状态的历史评分；
12、步骤4：将步骤2得到的所有关键部件在历史四种健康状态下的历史混合图谱与步骤3得到的所有关键部件的历史四种健康状态的历史评分一同输入ckan模型进行训练；
13、步骤4.1：设置ckan模型初始超参数；
14、步骤4.2：ckan模型根据初始超参数，提取每个关键部件在历史四种健康状态下的历史混合图谱的第一特征点，基于提取的第一特征点生成每个关键部件在历史四种健康状态下的预测评分；
15、步骤4.3：按下式（1）、（2）、（3）计算所有关键部件的历史四种健康状态的预测评分与历史评分的损失函数值
16、 （1）；
17、式（1）中，m是gis设备的关键部件的数量；i是关键部件；
18、是关键部件i历史四种健康状态的历史评分和；
19、是关键部件i历史四种健康状态的预测评分和；
20、 （2）；
21、式（2）中，是所有关键部件的历史四种健康状态的历史评分的均值；
22、 （3）；
23、式（3）中， =2；
24、步骤4.4：利用swo算法不断迭代更新初始超参数，将每一次迭代生成的新的超参数作为初始超参数重复步骤4.2-4.3；
25、步骤4.5：到达迭代次数后停止迭代，将值最小时的超参数输入ckan模型完成训练；
26、步骤5：采集gis设备中的所有关键部件的实时电气量、实时机械量、实时环境量和实时外观拍摄图像；
27、将每个关键部件的实时电气量、实时机械量、实时环境量分别转化为实时电气特征图谱、实时机械特征图谱、实时环境特征图谱；
28、将每个关键部件的实时电气特征图谱、实时机械特征图谱、实时环境特征图谱、实时外观拍摄图像分别进行融合获得每个关键部件的实时混合图谱；
29、步骤6：将所有关键部件的实时混合图谱输入经步骤4训练好的ckan模型，ckan模型根据从每个关键部件实时混合图谱中提取的第二特征点分别构建对应关键部件的关键特征混合图谱；
30、步骤7 ：按下式（4）计算gis设备中每个关键部件的健康状态的实时评分
31、 （4）；
32、式（1）中，j是健康状态，j=1,2；
33、j=1时，是关键部件i历史健康状态为正常时的历史混合谱图；
34、j=2时，是关键部件i历史健康状态为严重时的历史混合谱图；
35、是关键部件i的关键特征混合图谱；
36、将每个关键部件的健康状态的实时评分与步骤1的四个评分数值区间进行比较，判断得出每个关键部件属于哪一种健康状态。
37、进一步，所述步骤7之后，实施以下步骤：
38、步骤8：按下式（5）和（6）计算每个关键部件在同一种健康状态下的比重
39、 （5）；
40、 （6）；
41、步骤9：按下式（7）分别计算gis设备的关键部件处于正常和严重两种健康状态下的信息熵
42、（7）；
43、步骤10：按下式（8）分别计算gis设备的关键部件处于正常和严重两种健康状态的权重
44、 （8）；
45、步骤11：按下式（9）计算gis设备整体评分
46、 （9）；
47、将gis设备整体评分z与步骤1的四个评分数值区间进行比较，判断得出gis设备整体属于哪一种健康状态。
48、进一步，所述超参数是学习率、批大小和正则化参数。
49、本专利技术的有益效果是：由于利用所有关键部件的历史四种健康状态下的历史混合图谱和历史评分对ckan模型进行训练，训练ckan模型在混合图谱中提取与健康状态关联性强的重要特征，从而获得关于关键部件的更为细致和有价值的信息，有效地减少了极端数据对预测结果的影响，降低了预测误差，提高了模型的鲁棒性和准确性；此外，通过将电气量、环境量和机械量生成的图谱与各自的外观拍摄图像融合，形成的混合图谱能够全面保留关键部位的全部信息，这种综合的视角使得预测更为精准，并能更好地反映设备的实际运行状况，利用融合后的混合图谱作为数据输入，可以显著提高预测模型对关键部件健康状态的准确性，通过对这些综合信息的分析，预测模型能够更有效地识别潜在问题，并提供更可靠的预测评分。
本文档来自技高网...【技术保护点】
1.一种GIS设备健康状态的评估方法，其特征在于包括如下步骤：
2.根据权利要求1所述GIS设备健康状态的评估方法，其特征在于：所述步骤7之后，实施以下步骤：
3.根据权利要求1所述GIS设备健康状态的评估方法，其特征在于：所述超参数是学习率、批大小和正则化参数。
【技术特征摘要】
1.一种gis设备健康状态的评估方法，其特征在于包括如下步骤：
2.根据权利要求1所述gis设备健康状态的评估方法，其特征在于：所述...
【专利技术属性】
技术研发人员：苑超，陈旖旎，许洪华，丁晓森，陈寿龙，申张亮，杨安琪，张航伟，程译萩，费凡，汤静松，凌佳烨，
申请(专利权)人：国网江苏省电力有限公司南京供电分公司，
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。