【技術實現步驟摘要】
本專利技術涉及變電站局放故障預警，更具體地說，本專利技術涉及基于人工智能的變電站局放故障預警方法及系統。
技術介紹
1、變電站的局部放電是一種在高壓電氣設備中常見的現象，它特指在電氣設備的絕緣介質內部或表面，由于電場強度過高或絕緣材料缺陷等原因，導致在局部區域發生的非貫穿性放電。這種現象主要發生在變壓器、互感器、gis等高壓設備中，對于變電站的安全運行具有重要影響。
2、在變電站中，局部放電往往預示著絕緣系統存在潛在的問題或缺陷。長期的局部放電會加速絕緣材料的老化和損壞，甚至可能引發更嚴重的電氣故障，如絕緣擊穿或閃爍等。
3、針對上述問題，本專利技術提出一種解決方案。
技術實現思路
1、為了克服現有技術的上述缺陷，本專利技術的實施例提供一種基于人工智能的變電站局放故障預警方法及系統，通過人工智能對變電站局放異常分析，解決了變電站局放故障無法及時有效的預警的問題。
2、為實現上述目的，本專利技術提供如下技術方案：
3、基于人工智能的變電站局放故障預警方法及系統，其特征在于，包括如下步驟：獲取變電站局放異常數據，對所述變電站局放異常數據進行特征提取得到電氣參數異常系數、設備運行異常系數以及環境異常系數；將所述電氣參數異常系數、設備運行異常系數以及環境異常系數基于機器學習構建變電站局放異常模型，根據所述變電站局放異常模型生成變電站局放異常系數；將變電站局放異常系數基于預設的歷史變電站局放穩定系數進行對比分析，判斷變電站局放情況是否出現故障并
4、在一個優選的實施方式中，所述電氣參數異常系數，具體的獲取方法如下：獲取變電站設備的電壓、電流波形、變壓器實際容量以及瞬態波形數據；將獲取的變電站設備的電壓、電流波形基于快速傅里葉變換算法得到諧波次數、諧波幅值；將變電站工作g時間段分成n數量的節點，通過監測并獲取g時間每個節點的電網頻率波動數據；根據電網頻率波動數據基于預設的正常電網頻率波動數據得到每個節點的電網頻率波動偏差值；對每個節點的電網頻率波動偏差值進行數據處理計算得到電網頻率波動異常系數；根據變壓器實際容量基于預設的變壓器額定容量計算得到變壓器的負載率；根據諧波次數、諧波幅值、電網頻率波動異常系數結合變壓器的負載率基于預設的電氣參數異常公式計算得到電氣參數異常系數。
5、在一個優選的實施方式中，所述設備運行異常系數，具體的獲取方法如下：獲取設備的變壓器的油溫和設備的表面溫度以及設備的震動信號；對所述設備的震動信號進行濾波處理，去除高頻噪聲和低頻趨勢得到設備的震動頻率；對設備的震動頻率進行頻域分析得到震動頻率的幅度，通過標準差方法基于預設的頻率波動穩定系數計算得到設備的震動異常頻率系數；基于變電站設備的歷史運行數據，基于回歸分析得到設備的老化率和運行次數；根據設備的變壓器的油溫、設備的表面溫度和震動異常頻率系數結合設備的老化率和運行次數基于預設的設備運行異常公式計算得到設備運行異常系數。
6、在一個優選的實施方式中，所述環境異常系數，具體的獲取方法如下：監測并獲取變電站周圍的環境影響第一數據，所述第一數據包括濕度、氣壓以及環境腐蝕率和電磁波的頻率和波長；獲取變電站自身的抗干擾能力和抗腐蝕能力；通過測量變電站與電磁干擾源之間的距離獲得磁場作用距離；根據電磁波的頻率和波長結合磁場作用距離基于輻射功率得到電磁干擾強度；將變電站環境影響第一數據以及獲取變電站自身的抗干擾能力和抗腐蝕能力結合電磁干擾強度基于預設的環境異常公式計算得到環境異常系數。
7、在一個優選的實施方式中，所述將所述電氣參數異常系數、設備運行異常系數以及環境異常系數基于機器學習構建變電站局放異常模型，根據所述變電站局放異常模型生成變電站局放異常系數，具體的步驟如下：采集局部放電數據以及歷史電氣參數異常系數、歷史設備運行異常系數以及歷史環境異常系數，所述局部放電數據包括局放的強度、局放的頻率以及局放的位置數據，并進行數據清理和修正數據異常值處理；將處理后的數據劃分為訓練集基于機器學習用于訓練模型，調整模型參數，為電氣參數異常系數、設備運行異常系數以及環境異常系數分別賦予權重，構建變電站局放異常模型；將新獲取的電氣參數異常系數、設備運行異常系數以及環境異常系數輸入到變電站局放異常模型中，生成變電站局放異常系數。
8、在一個優選的實施方式中，所述將變電站局放異常系數基于預設的歷史變電站局放穩定系數進行對比分析，判斷變電站局放情況是否出現故障并進行預警處理，具體的步驟如下：收集變電站在極限工作下的歷史變電站局放穩定系數；獲取的不同時間節點的變電站局放異常系數，根據所述不同時間節點的變電站局放異常系數的離散程度，計算平均值；將平均值與歷史變電站局放穩定系數進行對比分析；若平均值小于歷史變電站局放穩定系數，則此時的變電站工作正常；若平均值大于歷史變電站局放穩定系數，則此時的變電站出現局部放電異常故障，發出警報。
9、本申請實施例中提供的一個或多個技術方案，至少具有如下技術效果或優點：
10、1、通過機器學習構建變電站局部放電異常模型，能夠通過數據驅動的方式高效識別潛在故障，提高故障檢測精度和響應速度，降低人工成本并提升設備運行可靠性。
11、2.通過人工智能生成故障預警，利用自動化分析海量數據，提高預測準確性，提前采取措施，從而有效減少停機時間和運維成本。
本文檔來自技高網...【技術保護點】
1.基于人工智能的變電站局放故障預警方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的基于人工智能的變電站局放故障預警方法，其特征在于，所述電氣參數異常系數，具體的獲取方法如下：
3.根據權利要求1所述的基于人工智能的變電站局放故障預警方法，其特征在于，所述設備運行異常系數，具體的獲取方法如下：
4.根據權利要求1所述的基于人工智能的變電站局放故障預警方法，其特征在于，所述環境異常系數，具體的獲取方法如下：
5.根據權利要求1所述的基于人工智能的變電站局放故障預警方法，其特征在于，所述將所述電氣參數異常系數、設備運行異常系數以及環境異常系數基于機器學習構建變電站局放異常模型，根據所述變電站局放異常模型生成變電站局放異常系數，具體的步驟如下：
6.根據權利要求1所述的基于人工智能的變電站局放故障預警方法，其特征在于，所述將變電站局放異常系數基于預設的歷史變電站局放穩定系數進行對比分析，判斷變電站局放情況是否出現故障并進行預警處理，具體的步驟如下：
7.根據權利要求2所述的基于人工智能的變電站局放故障預警
8.根據權利要求3所述的基于人工智能的變電站局放故障預警方法，其特征在于，所述設備運行異常系數，具體的計算公式如下：
9.根據權利要求4所述的基于人工智能的變電站局放故障預警方法，其特征在于，所述環境異常系數，具體的計算方法如下：
10.一種使用如權利要求1-9的任意一項所述的基于人工智能的變電站局放故障預警方法的系統，其特征在于，包括局放異常數據獲取模塊、局放異常模型構建模塊，局放異常處理模塊，模塊間存在連接：
...【技術特征摘要】
1.基于人工智能的變電站局放故障預警方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的基于人工智能的變電站局放故障預警方法，其特征在于，所述電氣參數異常系數，具體的獲取方法如下：
3.根據權利要求1所述的基于人工智能的變電站局放故障預警方法，其特征在于，所述設備運行異常系數，具體的獲取方法如下：
4.根據權利要求1所述的基于人工智能的變電站局放故障預警方法，其特征在于，所述環境異常系數，具體的獲取方法如下：
5.根據權利要求1所述的基于人工智能的變電站局放故障預警方法，其特征在于，所述將所述電氣參數異常系數、設備運行異常系數以及環境異常系數基于機器學習構建變電站局放異常模型，根據所述變電站局放異常模型生成變電站局放異常系數，具體的步驟如下：
6.根據權利要求1所述的基于人工智能的...
【專利技術屬性】
技術研發人員：郭子強，張天毅，馬俊武，田韻生，宋濤，王祖龍，桑鵬，王鵬，唐興運，顧哲屹，胡瀟文，陳靜，張生愷，楊璐，鄧海，周朝誠，孫婉瑩，
申請(專利權)人：國網甘肅省電力公司蘭州供電公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。