本發明專利技術屬于人工智能監測技術領域，本發明專利技術提供了一種基于人工智能的缺陷趨勢分析系統及其方法，在監測周期內，對換流變壓器內的電流數據進行監測，得到電流監測數據，將電流監測數據進行分析處理，得到電流異常時段，基于電流異常時段，在監測周期內，獲取異常連續值和異常數量比，將異常連續值和異常數量比進行處理，輸出得到周期異常值，并與閾值進行比較，若周期異常值大于等于周期異常閾值，則生成趨勢分析信號，確定對整個監測周期內每個監測時段異常缺陷的變化趨勢進行分析，對換流變壓器存在的潛在風險提供了預警。
1、目前智能換流站已建設的一體化平臺主要用于多源異構數據采集和多維度信息展示，主要關注設備的缺陷識別和預測，但是仍存在一些問題，例如，未關注缺陷隱患在時間尺度上的變化趨勢。
2、在現有技術中，主要關注設備的缺陷識別和預測，但是，未關注缺陷隱患在時間尺度上的變化趨勢，因此，一種基于人工智能的缺陷趨勢分析系統及其方法，通過及時分析變電設備電流的運行狀態在時間尺度上的變化趨勢，并對潛在的缺陷問題進行預警。
4、步驟一：在監測周期包含的每個監測時段內，對換流變壓器內的電流數據進行監測，得到電流監測數據，其中，電流監測數據包括監測電流值，將電流監測數據進行分析處理，得到時段評估值，若時段評估值大于等于時段評估閾值，則將電流異常程度較大的監測時段進行標記為電流異常時段，得到電流異常時段；
5、步驟二：基于電流異常時段，獲取異常連續值和異常數量比，將異常連續值和異常數量比進行處理，輸出得到周期異常值，并與閾值進行比較，若周期異常值大于等于周期異常閾值，則生成趨勢分析信號；
>6、步驟三：基于趨勢分析信號，對監測周期內的電流異常時段進行分析，獲取異常時間比、異常程度比和異常離散比，并計算得到異常評估值，并與閾值進行比較，若異常評估值小于等于異常評估閾值，則生成異常非穩定信號；7、步驟四：基于異常非穩定信號，對監測周期內的電流異常時段按照時間序列的方式進行排序，得到異常排名，并通過異常排名，得到趨勢待分析曲線，對趨勢待分析曲線進行分析，獲取正元分析值和負元分析值，得到異常趨勢值，并與閾值進行比較，完成對監測周期內的電流異常趨勢進行預測工作。
8、作為本專利技術進一步的方案為：時段評估值的獲取方式為：
9、將超出程度比與異常數量比進行乘積計算，得到時段評估值。
10、作為本專利技術進一步的方案為：異常數量比和超出程度比的獲取方式為：
11、將監測周期劃分為若干個子時段，并標記為監測時段，在監測時段內，獲取每個監測節點相對應的電流值，標記為監測電流值；
12、將監測電流值與監測電流閾值進行比較，若監測電流值大于等于監測電流閾值，則標記為異常電流值，將異常電流值相對應的監測節點標記為異常節點；
13、在監測時段內，統計異常節點總個數，將異常節點總個數與監測時段內所有監測節點總個數進行比值計算，得到異常數量比；
14、將異常電流值與監測電流閾值進行作差，得到異常超出值；
15、將所有的異常超出值進行相加求和取均值，得到超出程度值；
16、將超出程度值與監測電流閾值進行比值計算，得到超出程度比。
17、作為本專利技術進一步的方案為：周期異常值的獲取方式為：
18、在監測周期內，獲取所有電流異常時段之間的間隔次數，標記為異常間隔次數；
19、獲取所有電流異常時段之間的間隔時間，標記為異常間隔時間；
20、將所有的異常監測時間進行相加求和，得到異常間隔總時間；
21、將異常間隔總時間與異常間隔次數進行比值計算，得到異常連續值，并標記為ycl；
22、獲取電流異常時段數量，得到異常時段數量，將異常時段數量與監測周期內監測時段總數量進行比值計算，得到異常數量比，并標記為ycg；
23、將異常數量比ycg與異常連續值ycl代入到公式：計算得到周期異常值ycz，其中，α、β表示為權重系數。
24、作為本專利技術進一步的方案為：異常評估值的獲取方式為：
25、將異常時間比和異常離散比代入到公式：計算得到異常評估值ycp，其中，θ1、θ2表示為預設的比例系數。
26、作為本專利技術進一步的方案為：異常時間比yct異常離散比ycs的獲取方式為：
27、在電流異常時段內，獲取異常節點總個數，將所有電流異常時段內的異常節點總個數進行方差計算，得到異常時間比，并標記為yct；
28、在電流異常時段內，獲取每個電流異常時段相對應的超出程度值，將所有電流異常時段相對應的超出程度值進行方差計算，得到異常離散比，并標記為ycs。
29、作為本專利技術進一步的方案為：趨勢待分析曲線的獲取方式為：
30、將電流異常時段的異常排名，以及每個電流異常時段相對應的時段評估值，并標記為異常數據組；
31、建立二維坐標系，以x軸為異常排名，以y軸為時段評估值，獲取所有異常數據組，將所有的異常數據組代入到二維坐標系內，得到異常趨勢曲線；
32、將異常趨勢曲線劃分為若干個分析子曲線段，獲取每個分析子曲線段的斜率值，標記為分析斜率；
33、將所有的分析斜率整合成分析數據集合{k1、k2、k3、......kn}，其中，元素k表示為分析斜率，元素kn表示為第n個分析子曲線段相對應的分析斜率，n表示為所劃分的分析子曲線段總個數；
34、若分析數據集合內的所有元素均為正數，則說明異常趨勢曲線呈連續增長趨勢；
35、若分析數據集合內的所有元素均為負數，則說明異常趨勢曲線呈連續下降趨勢；
36、若分析數據集合內元素至少存在一個為正數或者負數，則將異常趨勢曲線標記為趨勢待分析曲線。
37、作為本專利技術進一步的方案為：異常趨勢值的獲取方式為：
38、基于趨勢待分析曲線，在分析數據集合內，將分析斜率為正數的元素進行標記，標記為正元素；
39、將分析斜率為負數的元素進行標記，標記為負元素；
40、獲取分析數據集合內正元素總個數，得到正元數量；
41、獲取分析數據集合內負元素總個數，得到負元數量；
42、將正元數量與分析數據集合內所有元素總數量進行比值計算，得到正元數量比；
43、將負元數量與分析數據集合內所有元素總數量進行比值計算，得到負元數量比；
44、將正元數量比與負元數量比進行作差，取絕對值，得到異常趨勢值。
45、作為本專利技術進一步的方案為：將異常趨勢值與異常趨勢閾值進行比較，比較過程如下：
46、若異常趨勢值大于異常趨勢閾值，則生成正負比對信號；
47、若異常趨勢值小于等于異常趨勢閾值，則生成正負非比對信號，并將趨勢待分析曲線標記為趨勢增降交錯曲線；
48、基于正負比對信號，將正元數量與負元數量進行比較，比較過程如下：
49、若正元數量大于負元數量，則說明趨勢待分析曲線內斜率為正的分析子曲線段數量較多，將本文檔來自技高網...
【技術保護點】
1.一種基于人工智能的缺陷趨勢分析方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種基于人工智能的缺陷趨勢分析方法，其特征在于：時段評估值的獲取方式為：
3.根據權利要求2所述的一種基于人工智能的缺陷趨勢分析方法，其特征在于：異常數量比和超出程度比的獲取方式為：
4.根據權利要求3所述的一種基于人工智能的缺陷趨勢分析方法，其特征在于：周期異常值的獲取方式為：
5.根據權利要求1所述的一種基于人工智能的缺陷趨勢分析方法，其特征在于：異常評估值的獲取方式為：
6.根據權利要求5所述的一種基于人工智能的缺陷趨勢分析方法，其特征在于：異常時間比YCt和異常離散比YCs的獲取方式為：
7.根據權利要求6所述的一種基于人工智能的缺陷趨勢分析方法，其特征在于：趨勢待分析曲線的獲取方式為：
8.根據權利要求7所述的一種基于人工智能的缺陷趨勢分析方法，其特征在于：異常趨勢值的獲取方式為：
9.根據權利要求8所述的一種基于人工智能的缺陷趨勢分析方法，其特征在于：將異常趨勢值與異常趨勢閾值進行比較，比較過程如下：
10.一種基于人工智能的缺陷趨勢分析系統，其特征在于：包括：
...
【技術特征摘要】
1.一種基于人工智能的缺陷趨勢分析方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種基于人工智能的缺陷趨勢分析方法，其特征在于：時段評估值的獲取方式為：
3.根據權利要求2所述的一種基于人工智能的缺陷趨勢分析方法，其特征在于：異常數量比和超出程度比的獲取方式為：
4.根據權利要求3所述的一種基于人工智能的缺陷趨勢分析方法，其特征在于：周期異常值的獲取方式為：
5.根據權利要求1所述的一種基于人工智能的缺陷趨勢分析方法，其特征在于：異常評估值的獲取方式為：
6.根據權利...
【專利技術屬性】
技術研發人員：孫豪，喬柱橋，李少森，王小嶺，黃劍湘，蘇明章，王加磊，李浩，胡夢霖，敬官欣，何照能，梁鈺華，李德榮，楊光，張啟浩，馮文昕，彭光強，李祥斌，陶冶，梅琦龍，溥德啟，孫靖銣，付天乙，袁虎強，任君，崔萌，
申請(專利權)人：中國南方電網有限責任公司超高壓輸電公司昆明局，
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。