当前位置: 首页> 交通专利数据库 >详情
原文传递 一种六氟化硫电气设备漏气缺陷的预测方法及装置
专利名称: 一种六氟化硫电气设备漏气缺陷的预测方法及装置
摘要: 本申请公开一种六氟化硫电气设备漏气缺陷的预测方法及装置,方法包括:获取六氟化硫电气设备的漏气缺陷相关数据;融合漏气缺陷相关数据,得到时空数据集,时空数据集中包含多个数据,一个所述数据对应一个特征;对时空数据集进行特征选择,得到第一数据子集;使用xgboost算法或lightgbm算法构建缺陷时间预测模型;根据第一数据子集中的时间数据构造缺陷时间预测模型的预测目标集;使用第一数据子集和预测目标集对缺陷时间预测模型进行训练;使用训练后的缺陷时间预测模型对六氟化硫电气设备漏气缺陷的发生时间进行预测。本方法和装置可以减小电气设备漏气缺陷的发生率,保障电气设备的正常运行。
专利类型: 发明专利
国家地区组织代码: 云南;53
申请人: 云南电网有限责任公司电力科学研究院
发明人: 彭晶;耿英三;王建华;刘志远;闫静;吴盛;段雨廷;李昊;王科;谭向宇;邓云坤;马仪;陈宇民
专利状态: 有效
申请日期: 2019-07-10T00:00:00+0800
发布日期: 2019-08-27T00:00:00+0800
申请号: CN201910620434.4
公开号: CN110174499A
代理机构: 北京弘权知识产权代理事务所(普通合伙)
代理人: 逯长明;许伟群
分类号: G01N33/00(2006.01);G;G01;G01N;G01N33
申请人地址: 650217 云南省昆明市经济技术开发区云大西路105号
主权项: 1.一种六氟化硫电气设备漏气缺陷的预测方法,其特征在于,所述方法包括: 获取六氟化硫电气设备的漏气缺陷相关数据,所述相关数据至少包括发生漏气缺陷的时间数据、设备数据、气象数据和地理数据; 融合所述漏气缺陷相关数据,得到时空数据集,所述时空数据集中包含多个数据,一个所述数据对应一个特征; 对所述时空数据集进行特征选择,得到第一数据子集; 使用xgboost算法或lightgbm算法构建缺陷时间预测模型; 根据所述第一数据子集中的时间数据构造所述缺陷时间预测模型的预测目标集; 使用所述第一数据子集和所述预测目标集对所述缺陷时间预测模型进行训练; 使用训练后的缺陷时间预测模型对所述六氟化硫电气设备漏气缺陷的发生时间进行预测。 2.根据权利要求1所述的方法,其特征在于,所述使用训练后的缺陷时间预测模型对所述六氟化硫电气设备漏气缺陷的发生时间进行预测,包括: 获取六氟化硫电气设备的运行相关数据,所述相关数据至少包括发生漏气缺陷的时间数据、设备数据、气象数据和地理数据; 融合所述运行相关数据,得到运行数据集,所述运行数据集包括至少一个数据,一个所述数据对应一个特征; 对所述运行数据集进行特征选择,得到第二数据子集; 将所述第二数据子集输入到所述训练后的缺陷时间预测模型中,预测所述六氟化硫电气设备漏气缺陷的发生时间。 3.根据权利要求1所述的方法,其特征在于,所述使用所述第一数据子集和所述预测目标集对所述缺陷时间预测模型进行训练,包括: 以所述第一数据子集作为所述缺陷时间预测模型的输入,以所述预测目标集作为所述缺陷时间预测模型的输出,对所述缺陷时间预测模型进行训练。 4.根据权利要求3所述的方法,其特征在于,所述以第一数据子集作为所述缺陷时间预测模型的输入,包括: 对所述第一数据子集中的每个数据进行ONE-HOT编码,以编码后的向量作为所述缺陷时间预测模型的输入。 5.根据权利要求1所述的方法,其特征在于,所述根据所述第一数据子集中的时间数据构造所述缺陷时间预测模型的预测目标集,包括: 根据所述第一数据子集中的每一组时间数据,按照下式,计算与所述时间数据对应的预测目标T: T=D2-D1, 其中,D2为所述漏气缺陷上报时间,D1为所述六氟化硫电气设备投入运行时间。 6.根据权利要求2所述的方法,其特征在于,所述将第二数据子集输入到所述缺陷时间预测模型中,预测所述六氟化硫电气设备漏气缺陷的发生时间,包括: 对所述第二数据子集中的每个数据进行ONE-HOT编码; 将编码后的向量输入到所述缺陷时间预测模型中; 所述缺陷时间预测模型输出所述六氟化硫电气设备漏气缺陷的发生时间。 7.根据权利要求1所述的方法,其特征在于,所述时间数据包括所述漏气缺陷发生时的时间,设备投入使用时的时间和设备运行时长,所述时间包括日期和时刻; 所述设备数据包括所述漏气缺陷发生时的设备参数数据和设备漏气缺陷位置数据; 所述气象数据包括所述漏气缺陷发生时设备所在地的24小时内最高温度、最低温度、最高湿度、最低湿度、最大风速、最小风速和降水量的数据; 所述地理数据包括所述漏气缺陷发生地的经纬度数据和海拔数据。 8.一种六氟化硫电气设备漏气缺陷的预测装置,其特征在于,所述装置包括: 数据获取模块,用于获取六氟化硫电气设备的漏气缺陷相关数据,所述相关数据至少包括发生漏气缺陷的时间数据、设备数据、气象数据和地理数据; 数据融合模块,用于融合所述漏气缺陷相关数据,得到时空数据集,所述时空数据集中包含多个数据,一个所述数据对应一个特征; 特征选择模块,用于对所述时空数据集进行特征选择,得到第一数据子集; 模型搭建模块,用于使用xgboost算法或lightgbm算法构建缺陷时间预测模型; 数据构造模块,用于根据所述第一数据子集中的时间数据构造所述缺陷时间预测模型的预测目标集; 模型训练模块,用于使用所述第一数据子集和所述预测目标集对所述缺陷时间预测模型进行训练; 预测模块,用于使用训练后的缺陷时间预测模型对所述六氟化硫电气设备漏气缺陷的发生时间进行预测。
所属类别: 发明专利
检索历史
应用推荐