申请/专利权人：国电南瑞科技股份有限公司;国网电力科学研究院有限公司;国网江苏省电力有限公司

申请日：2020-12-07

公开（公告）日：2024-04-30

公开（公告）号：CN112507290B

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/25;G06F18/2431;G06Q10/20;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2021.04.02#实质审查的生效;2021.03.16#公开

摘要：本发明公开了一种配电设备故障概率预判方法、装置及存储介质，旨在解决现有技术中准确性较低、难以量化、成本消耗高等问题。其包括：实时获取配电设备的故障类别和故障因素；利用预先构建的多层故障概率融合模型对配电设备的故障类别和故障因素进行处理，获得配电设备的故障概率初始预判值；利用概率阈值对故障概率初始预判值进行有效性判定，获得配电设备的故障概率预判结果。本发明能够实现更准确的、定量的配电设备的故障概率预判，成本低且效率高。

主权项：1.一种配电设备故障概率预判方法，其特征在于，包括如下步骤：实时获取配电设备的故障类别和故障因素，所述故障因素包括气候因素、设备运行参数因素和设备运行年限因素；利用预先构建的多层故障概率融合模型对配电设备的故障类别和故障因素进行处理，获得配电设备的故障概率初始预判值；利用概率阈值对故障概率初始预判值进行有效性判定，获得配电设备的故障概率预判结果；所述多层故障概率融合模型的构建方法包括如下步骤：获取多条配电设备的历史运行数据，每条历史运行数据中包括故障类别和故障因素，每个故障因素包括多个下级属性；基于历史运行数据计算每个故障类别发生的先验概率，并利用层次分析法依次计算每个故障因素下每个故障类别发生的先验概率；利用先验概率获得每个故障类别的多层故障概率融合模型；所述故障类别包括避雷器故障、电缆故障、杆塔故障、环网柜故障、架空导线故障、绝缘子故障、开关柜故障、配电室故障、箱变故障、柱上设备故障；所述每个故障类别发生的先验概率的计算公式如下： 其中，Ai表示第i个故障类别，PAi表示故障类别Ai发生的先验概率，FhAi为故障类别Ai的发生函数，i＝1,2,…,N，N为历史运行数据中故障类别的数量，h＝1,2,…,H，H为历史运行数据的总条数； 每个故障因素下每个故障类别发生的先验概率的计算方法如下：基于层次分析法中的成对比较法和1～9尺度获得每个故障因素的权重判断矩阵：CB＝αi,jN×MCR＝αi,kN×qCZ＝αi,lN×L其中，CB表示气候因素的权重判断矩阵，αi,j表示气候因素的下级属性Bj对故障类别Ai的权重，CR表示设备运行参数因素的权重判断矩阵，αi,k表示设备运行参数因素的下级属性Rk对故障类别Ai的权重，CZ表示设备运行年限因素的权重判断矩阵，αi,l表示设备运行年限因素的下级属性Zl对故障类别Ai的权重，j＝1,2,…,M，M为历史运行数据中气候因素的下级属性的数量，k＝1,2,…,q，q为历史运行数据中设备运行参数因素的下级属性的数量，l＝1,2,…,L，L为历史运行数据中设备运行年限因素的下级属性的数量；根据权重判断矩阵CB计算气候因素下故障类别Ai发生的先验概率PB|Ai： 其中，PBj|Ai表示气候因素的第j个下级属性Bj对故障类别Ai的似然函数；根据权重判断矩阵CR计算设备运行参数因素下故障类别Ai发生的先验概率PR|Ai: 其中，PRk|Ai表示设备运行参数因素的第k个下级属性Rk对故障类别Ai的似然函数；根据权重判断矩阵CZ计算设备运行年限因素下故障类别Ai发生的先验概率PZ|Ai： 其中，PZl|Ai表示设备运行年限因素的第l个下级属性Zl对故障类别Ai的似然函数；利用先验概率获得每个故障类别的多层故障概率融合模型的具体操作如下：对每个故障因素下每个故障类别发生的先验概率进行概率融合，获得融合先验概率：PB∩Z∩R|Ai＝PB|Ai×PZ|Ai×PR|Ai其中，PB∩Z∩R|Ai表示故障类别Ai发生的情况下所有故障因素都发生的融合先验概率，PB|Ai表示气候因素下故障类别Ai发生的先验概率，PZ|Ai表示设备运行参数因素下故障类别Ai发生的先验概率，PR|Ai表示设备运行年限因素下故障类别Ai发生的先验概率，i＝1,2,…,N，N为历史运行数据中故障类别的数量；根据融合先验概率和贝叶斯定理获得每个故障类别的多层故障概率融合模型，具体表达式如下： 其中，PAi|B∩Z∩R表示故障因素下故障类别Ai的故障概率初始预判值，PAi表示故障类别Ai发生的先验概率，PB∩Z∩R表示所有故障因素都发生的概率，n＝1,2,…,N。

全文数据：

权利要求：

百度查询： 国电南瑞科技股份有限公司;国网电力科学研究院有限公司;国网江苏省电力有限公司 配电设备故障概率预判方法、装置及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD