本發(fā)明專利技術(shù)提供一種換流閥元器件的狀態(tài)預(yù)測(cè)方法、系統(tǒng)及介質(zhì)，所述方法包括：獲取待測(cè)換流閥元器件的實(shí)時(shí)運(yùn)行數(shù)據(jù)；基于狼群算法的捕食特征，優(yōu)化初始Mamba模型的模型參數(shù)，得到目標(biāo)Mamba模型；其中，所述初始Mamba模型是基于多個(gè)換流閥元器件的歷史工作數(shù)據(jù)的維度特征構(gòu)建的，所述歷史工作數(shù)據(jù)至少包括：具有對(duì)應(yīng)關(guān)系的歷史運(yùn)行數(shù)據(jù)和歷史工作狀態(tài)數(shù)據(jù)；采用所述目標(biāo)Mamba模型，對(duì)所述實(shí)時(shí)運(yùn)行數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)得到所述待測(cè)換流閥元器件的工作運(yùn)行狀態(tài)。本發(fā)明專利技術(shù)能夠提高預(yù)測(cè)換流閥元器件的工作運(yùn)行狀態(tài)的準(zhǔn)確性和效率。
1、絕緣柵雙極晶體管(insulate-gate?bipolar?transistor，igbt)獨(dú)特的絕緣柵雙極型結(jié)構(gòu)，使其具有高電壓、大電流處理能力，以適用于高壓直流輸電、柔性交流輸電及新能源發(fā)電等多個(gè)領(lǐng)域。在新型電力系統(tǒng)中，igbt作為換流閥的核心元器件，其狀態(tài)的穩(wěn)定與否直接關(guān)系到整個(gè)電力系統(tǒng)的運(yùn)行效率和安全。
2、在相關(guān)技術(shù)中，通常采用基于數(shù)據(jù)驅(qū)動(dòng)的方法通過(guò)收集和分析igbt的工作數(shù)據(jù)，能夠較為準(zhǔn)確地反映其運(yùn)行狀態(tài)，但這種方法對(duì)數(shù)據(jù)的依賴性較強(qiáng)且泛化能力較差，一旦遇到新的、未見過(guò)的故障模式，往往無(wú)法有效應(yīng)對(duì)。此外，隨著人工智能技術(shù)的飛速發(fā)展，智能優(yōu)化算法逐漸被應(yīng)用于igbt的狀態(tài)推演和故障診斷中，但其往往存在著算法參數(shù)設(shè)置復(fù)雜、計(jì)算資源消耗大等問(wèn)題，從而限制了其在實(shí)際應(yīng)用中的推廣和應(yīng)用。因此，如何克服這些現(xiàn)有技術(shù)的缺陷，以提高igbt狀態(tài)推演和故障診斷的準(zhǔn)確性和效率，成為當(dāng)前亟待解決的問(wèn)題。
1、為了解決現(xiàn)有技術(shù)的問(wèn)題，本專利技術(shù)提出了一種換流閥元器件的狀態(tài)預(yù)測(cè)方法、系統(tǒng)及介質(zhì)，旨在提高預(yù)測(cè)待測(cè)換流閥元器件的工作運(yùn)行狀態(tài)的準(zhǔn)確性和效率。
>5、基于狼群算法的捕食特征，優(yōu)化初始mamba模型的模型參數(shù)，得到目標(biāo)mamba模型；其中，所述初始mamba模型是基于多個(gè)換流閥元器件的歷史工作數(shù)據(jù)的維度特征構(gòu)建的，所述歷史工作數(shù)據(jù)至少包括：具有對(duì)應(yīng)關(guān)系的歷史運(yùn)行數(shù)據(jù)和歷史工作狀態(tài)數(shù)據(jù)；6、采用所述目標(biāo)mamba模型，對(duì)所述實(shí)時(shí)運(yùn)行數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)得到所述待測(cè)換流閥元器件的工作運(yùn)行狀態(tài)。
7、可選的，所述基于狼群算法的捕食特征，優(yōu)化初始mamba模型的模型參數(shù)，得到目標(biāo)mamba模型，包括：
8、獲取初始mamba模型的每一模型參數(shù)對(duì)應(yīng)的預(yù)設(shè)取值范圍；
9、采用所述狼群算法的捕食特征，對(duì)所述初始mamba模型的每一模型參數(shù)對(duì)應(yīng)的預(yù)設(shè)取值范圍進(jìn)行搜索和優(yōu)化，得到所述初始mamba模型對(duì)應(yīng)的最優(yōu)參數(shù)組合；
10、采用所述最優(yōu)參數(shù)組合，對(duì)所述初始mamba模型進(jìn)行訓(xùn)練，得到所述目標(biāo)mamba模型。
11、可選的，所述采用所述最優(yōu)參數(shù)組合，對(duì)所述初始mamba模型進(jìn)行訓(xùn)練，得到所述目標(biāo)mamba模型，包括：
12、采用所述最優(yōu)參數(shù)組合，對(duì)所述初始mamba模型進(jìn)行訓(xùn)練，得到待調(diào)整mamba模型；
13、采用所述歷史工作數(shù)據(jù)，對(duì)所述待調(diào)整mamba模型的性能進(jìn)行評(píng)估，得到評(píng)估結(jié)果；
14、基于所述評(píng)估結(jié)果，調(diào)整所述待調(diào)整mamba模型的模型結(jié)構(gòu)和模型參數(shù)，得到所述目標(biāo)mamba模型。
15、可選的，所述基于狼群算法的捕食特征，優(yōu)化初始mamba模型的模型參數(shù)，得到目標(biāo)mamba模型之前，所述方法還包括：
16、基于所述歷史工作數(shù)據(jù)的維度特征，構(gòu)建待訓(xùn)練mamba模型；
17、基于所述歷史工作數(shù)據(jù)，對(duì)所述待訓(xùn)練mamba模型的參數(shù)進(jìn)行訓(xùn)練，得到所述初始mamba模型。
18、可選的，所述基于所述歷史工作數(shù)據(jù)，對(duì)所述待訓(xùn)練mamba模型的參數(shù)進(jìn)行訓(xùn)練，得到所述初始mamba模型，包括：
19、將所述歷史工作數(shù)據(jù)中的歷史運(yùn)行數(shù)據(jù)輸入至所述待訓(xùn)練mamba模型進(jìn)行運(yùn)行狀態(tài)預(yù)測(cè)，得到預(yù)測(cè)運(yùn)行狀態(tài)數(shù)據(jù)；
20、確定所述歷史運(yùn)行數(shù)據(jù)對(duì)應(yīng)的歷史工作狀態(tài)數(shù)據(jù)和所述預(yù)測(cè)運(yùn)行狀態(tài)數(shù)據(jù)之間的損失；
21、根據(jù)所述損失，對(duì)所述待訓(xùn)練mamba模型的模型參數(shù)進(jìn)行調(diào)整，直至調(diào)整后的所述初始mamba模型輸出的預(yù)測(cè)運(yùn)行狀態(tài)數(shù)據(jù)的損失滿足收斂條件。
22、可選的，所述多個(gè)換流閥元器件的歷史工作數(shù)據(jù)的獲取，包括：
23、采用傳感器，同步采集所述多個(gè)換流閥元器件在歷史工作過(guò)程中的電壓數(shù)據(jù)、電流數(shù)據(jù)、溫度數(shù)據(jù)及歷史工作狀態(tài)數(shù)據(jù)；
24、對(duì)所述電壓數(shù)據(jù)、所述電流數(shù)據(jù)、所述溫度數(shù)據(jù)及所述歷史工作狀態(tài)數(shù)據(jù)分別進(jìn)行預(yù)處理，得到所述歷史工作數(shù)據(jù)。
25、可選的，所述采用所述目標(biāo)mamba模型，對(duì)所述實(shí)時(shí)運(yùn)行數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)得到所述待測(cè)換流閥元器件的工作運(yùn)行狀態(tài)之后，所述方法還包括：
26、基于所述工作運(yùn)行狀態(tài)，對(duì)所述待測(cè)換流閥元器件的潛在故障進(jìn)行預(yù)警和診斷，得到所述待測(cè)換流閥元器件的診斷結(jié)果。
27、可選的，所述基于所述工作運(yùn)行狀態(tài)，對(duì)所述待測(cè)換流閥元器件的潛在故障進(jìn)行預(yù)警和診斷，得到所述待測(cè)換流閥元器件的診斷結(jié)果之后，所述方法還包括：
28、在所述診斷結(jié)果表征所述待測(cè)換流閥元器件處于異常工作運(yùn)行狀態(tài)的情況下，生成與所述異常工作運(yùn)行狀態(tài)匹配的異常解決建議。
29、另一方面，本專利技術(shù)還提供一種換流閥元器件的狀態(tài)預(yù)測(cè)系統(tǒng)，所述系統(tǒng)包括：
30、獲取模塊，用于獲取待測(cè)換流閥元器件的實(shí)時(shí)運(yùn)行數(shù)據(jù)；
31、優(yōu)化模塊，用于基于狼群算法的捕食特征，優(yōu)化初始mamba模型的模型參數(shù)，得到目標(biāo)mamba模型；其中，所述初始mamba模型是基于多個(gè)換流閥元器件的歷史工作數(shù)據(jù)的維度特征構(gòu)建的，所述歷史工作數(shù)據(jù)至少包括：具有對(duì)應(yīng)關(guān)系的歷史運(yùn)行數(shù)據(jù)和歷史工作狀態(tài)數(shù)據(jù)；
32、預(yù)測(cè)模塊，用于采用所述目標(biāo)mamba模型，對(duì)所述實(shí)時(shí)運(yùn)行數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)得到所述待測(cè)換流閥元器件的工作運(yùn)行狀態(tài)。
33、再一方面，本專利技術(shù)還提供一種電子設(shè)備，包括：至少一個(gè)處理器和存儲(chǔ)器；所述存儲(chǔ)器和處理器通過(guò)總線相連；
34、所述存儲(chǔ)器，用于存儲(chǔ)一個(gè)或多個(gè)程序；
35、當(dāng)所述一個(gè)或多個(gè)程序被所述至少一個(gè)處理器執(zhí)行時(shí)，實(shí)現(xiàn)如上述所述的換流閥元器件的狀態(tài)預(yù)測(cè)方法。
36、對(duì)應(yīng)地，本專利技術(shù)還提供一種可讀存儲(chǔ)介質(zhì)，其上存有執(zhí)行程序，所述執(zhí)行程序被執(zhí)行時(shí)，實(shí)現(xiàn)如上述所述的換流閥元器件的狀態(tài)預(yù)測(cè)方法。
37、與現(xiàn)有技術(shù)相比，本專利技術(shù)的有益效果為：
38、本專利技術(shù)提供了一種換流閥元器件的狀態(tài)預(yù)測(cè)方法，首先，借助具有對(duì)應(yīng)的關(guān)系的多個(gè)換流閥元器件的歷史運(yùn)行數(shù)據(jù)和歷史工作狀態(tài)數(shù)據(jù)，構(gòu)建初始mamba模型，這樣，能夠使得構(gòu)建得到的mamba模型能夠更加匹配(適應(yīng))igbt工作狀態(tài)數(shù)據(jù)的特性；其次，借助狼群算法的捕食特征優(yōu)化初始mamba模型，有助于進(jìn)一步提高優(yōu)化的mamba模型的預(yù)測(cè)效率和精準(zhǔn)度；最后，通過(guò)優(yōu)化后的mamba模型，即目標(biāo)mamba模型對(duì)待測(cè)換流閥元器件的實(shí)時(shí)運(yùn)行數(shù)據(jù)進(jìn)行預(yù)測(cè)，能夠提高預(yù)測(cè)待測(cè)換流閥元器件的工作運(yùn)行狀態(tài)的準(zhǔn)確性和效率，同時(shí)相對(duì)于現(xiàn)有采用的物理模型或數(shù)據(jù)驅(qū)動(dòng)等方式，本專利技術(shù)不僅能夠降低計(jì)算復(fù)雜度，且具有良好的泛化能本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種換流閥元器件的狀態(tài)預(yù)測(cè)方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于狼群算法的捕食特征，優(yōu)化初始Mamba模型的模型參數(shù)，得到目標(biāo)Mamba模型，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述采用所述最優(yōu)參數(shù)組合，對(duì)所述初始Mamba模型進(jìn)行訓(xùn)練，得到所述目標(biāo)Mamba模型，包括：
4.根據(jù)權(quán)利要求1至3任一所述的方法，其特征在于，所述基于狼群算法的捕食特征，優(yōu)化初始Mamba模型的模型參數(shù)，得到目標(biāo)Mamba模型之前，所述方法還包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于所述歷史工作數(shù)據(jù)，對(duì)所述待訓(xùn)練Mamba模型的參數(shù)進(jìn)行訓(xùn)練，得到所述初始Mamba模型，包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多個(gè)換流閥元器件的歷史工作數(shù)據(jù)的獲取，包括：
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用所述目標(biāo)Mamba模型，對(duì)所述實(shí)時(shí)運(yùn)行數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)得到所述待測(cè)換流閥元器件的工作運(yùn)行狀態(tài)之后，所述方法還包括：
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述基于所述工作運(yùn)行狀態(tài)，對(duì)所述待測(cè)換流閥元器件的潛在故障進(jìn)行預(yù)警和診斷，得到所述待測(cè)換流閥元器件的診斷結(jié)果之后，所述方法還包括：
9.一種換流閥元器件的狀態(tài)預(yù)測(cè)系統(tǒng)，其特征在于，所述系統(tǒng)包括：
10.一種可讀存儲(chǔ)介質(zhì)，其特征在于，其上存有執(zhí)行程序，所述執(zhí)行程序被執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1至8中任一項(xiàng)所述的換流閥元器件的狀態(tài)預(yù)測(cè)方法。
...
【技術(shù)特征摘要】
1.一種換流閥元器件的狀態(tài)預(yù)測(cè)方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于狼群算法的捕食特征，優(yōu)化初始mamba模型的模型參數(shù)，得到目標(biāo)mamba模型，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述采用所述最優(yōu)參數(shù)組合，對(duì)所述初始mamba模型進(jìn)行訓(xùn)練，得到所述目標(biāo)mamba模型，包括：
4.根據(jù)權(quán)利要求1至3任一所述的方法，其特征在于，所述基于狼群算法的捕食特征，優(yōu)化初始mamba模型的模型參數(shù)，得到目標(biāo)mamba模型之前，所述方法還包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于所述歷史工作數(shù)據(jù)，對(duì)所述待訓(xùn)練mamba模型的參數(shù)進(jìn)行訓(xùn)練，得到所述初始mamba模型，包括：
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李天琦，任孟干，陳鵬，柴斌，許達(dá)，
申請(qǐng)(專利權(quán))人：中電普瑞電力工程有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。