基于人工智能的继电保护设备家族性缺陷辨识方法

摘要

基于人工智能的继电保护设备家族性缺陷辨识方法，属于继电保护技术领域，解决如何有效识别在运行继电保护设备家族性缺陷的问题，通过获取并整理继电保护设备缺陷信息、设备台账信息得到缺陷数据，利用缺陷点提取、信息关联、数据规范化对缺陷数据进行打标签，结合继电保护设备的缺陷数据，分析继电保护设备缺陷原因和具体部位；根据继电保护设备家族型号，挖掘保护设备具体的缺陷分布情况，筛查出继电保护设备家族性缺陷；结合不同家族性缺陷设备在全网的运行情况，分析保护不正确动作软硬件风险，对应提出技术改造方法，缩短了继电保护设备家族性缺陷认定周期、提高了家族性缺陷认定准确性，有效加强家族性缺陷处理能力，提升电网运行稳定性。

说明书

技术领域

本发明属于继电保护技术领域，涉及基于人工智能的继电保护设备家族性缺陷辨识方法。

背景技术

继电保护设备的缺陷为电网的安全运行埋下了隐患，尤其是同一生产厂家由于相同工艺、相同材料、相同设计理念和思路以及相同软件造成的批量设备缺陷将对电网的安全、稳定运行造成较大的隐患。目前，针对家族性缺陷的认定主要是专业人员通过对设备进行试验、解体分析等手段进行，认定速度慢，周期较长，导致隐患设备长期运行。

人工智能技术的快速发展，为解决上述问题提供了良好的技术基础，成为继电保护专业发展新的研究方向，通过人工智能深度学习的技术手段，充分利用关联关系挖掘和神经网络等在数据分析和数据挖掘中的优势，开展基于人工智能的继电保护状态评价方法及技术的研究势在必行。

现有技术中申请号为：201710402293.X、公开日期为2017年9月19日的中国发明专利申请《一种二次运维管理系统的家族性缺陷诊断方法》公开了一种二次设备智能运维系统的家族性缺陷诊断方法，从继电保护二次设备频繁发生的告警入手，通过缺陷管理模板将告警进行详细的分类，针对同一型号的二次设备，将频繁发生多种类型告警和频繁发生同一类型告警的行为纳入家族性缺陷范围；虽然上述技术方案实现对二次设备的家族性缺陷的诊断，能够对二次设备的健康运行状态提前做出评估，提前发现电力系统二次设备隐藏的风险，对电力系统一次和二次设备检修提供有利的参考价值。但是该技术方案无法有效识别在运行继电保护设备家族性缺陷，因此，如何有效识别在运行继电保护设备家族性缺陷，为运维检修部门重点巡查巡检、设备重点消缺提供支撑，成为亟待解决的问题。

发明内容

本发明的目的在于如何有效识别在运行继电保护设备家族性缺陷，为运维检修部门重点巡查巡检、设备重点消缺提供支撑。

本发明是通过以下技术方案解决上述技术问题的：。

基于人工智能的继电保护设备家族性缺陷辨识方法，包括以下步骤：

S1、缺陷挖掘：获取并整理继电保护设备缺陷信息、设备台账信息得到缺陷数据，利用缺陷点提取、信息关联、数据规范化对缺陷数据进行打标签，结合继电保护设备的缺陷数据，关联继电保护设备类型、运行时长、运行环境数据，分析继电保护设备缺陷原因和具体部位；

S2、家族性缺陷筛查：根据继电保护设备家族型号特点，分析相同缺陷发生的数量，挖掘保护设备具体的缺陷分布情况，筛查出继电保护设备家族性缺陷；

S3、设备健康状态发展趋势分析：分析继电保护设备健康状态和发展趋势，结合不同家族性缺陷设备在全网的运行情况，分析保护不正确动作的软硬件风险，对应提出技术改造方法。

利用继电保护设备缺陷数据，结合基于人工智能的正常方式下继电保护设备状态评价和设备隐患、电网故障方式下继电保护暂态动作过程可靠性评价的研究结论，研究继电保护家族性缺陷辨识、精准技改技术，通过设备缺陷的描述、分类等信息，从同一生产厂家同一型号继电保护设备、同一生产厂家同一类型继电保护设备、同一批次元器件等维度定位家族性缺陷，缩短了继电保护设备家族性缺陷的认定周期、提高了家族性缺陷认定的准确性，进一步精准选择技改方案，有效加强家族性缺陷的处理能力，提升电网运行稳定性。

作为本发明技术方案的进一步改进，步骤S1中所述的设备缺陷信息包括：异常告警记录、缺陷记录、不正确动作记录、预警异常记录、暂态分析异常记录。

作为本发明技术方案的进一步改进，步骤S1中所述的设备台账信息包括：设备类型、设备型号、生产厂家、出厂日期、投产日期、电压等级。

作为本发明技术方案的进一步改进，步骤S1中所述的缺陷数据包括：缺陷类型、缺陷点、缺陷比重、缺陷运行环境、缺陷时刻类型、异常时刻、缺陷原因、设备出厂日期、设备投运日期。

作为本发明技术方案的进一步改进，步骤S1中所述的缺陷点提取包括：对不包含明确缺陷点的缺陷数据使用基于统计特征的关键词提取方法，从缺陷现象描述内容中提取出明确的缺陷点，所述的基于统计特征的关键词提取方法具体为：

S11：定义专业词词库、停用词词库、缺陷点同义词词典以及缺陷现象同义词词典；

S12：输入一条缺陷数据的缺陷现象描述，设置置信度初始值和阈值，根据专业词词库、停用词词库去除无关词，再根据缺陷点同义词词典以及缺陷现象同义词词典提取缺陷点和缺陷现象，并根据提取结果相应调整置信度，最后判断置信度是否大于置信度阈值，判断此条缺陷数据的缺陷点提取成功，如果提取成功，则填充缺陷点和缺陷比重信息，否则丢弃此条缺陷数据。

作为本发明技术方案的进一步改进，步骤S2中所述的根据继电保护设备家族型号特点，分析相同缺陷发生的数量，挖掘保护设备具体的缺陷分布情况，筛查出继电保护设备家族性缺陷具体为：

S21、根据同一生产厂家生产的同一型号设备具有相同软硬件的逻辑，完成同一厂家同一型号设备的家族性缺陷筛选判断；

S22、根据同一生产厂家生产的同一类型设备具有相同软硬件平台的逻辑，完成同一厂家同一类型设备的家族性缺陷筛选判断；

S23、根据同一继电保护设备元器件供应商供应的同一批次的元器件具有相同软硬件的逻辑，统计分析所有继电保护设备生产厂家的缺陷数据，按照数量和比例阈值要求，完成同一继电保护设备元器件供应商供应的同一批次的元器件家族性缺陷筛查。

作为本发明技术方案的进一步改进，所述的同一厂家同一型号设备的家族性缺陷筛选判断的方法为：

(1)统计分析该继电保护生产厂家的该型号继电保护设备缺陷数据，根据数量要求得到家族性缺陷；

(2)对于不可恢复的异常记录，形成单次异常时刻的异常图谱，按照此图谱在全记录中检索此类记录数量，根据数量要求得到不可恢复的异常告警信息对应的家族性缺陷；

(3)整合以上两步的家族性缺陷，得到该厂家此型号继电保护设备的的家族性缺陷筛查结果。

作为本发明技术方案的进一步改进，所述的同一厂家同一类型设备的家族性缺陷筛选判断的方法为：

(1)统计分析该继电保护生产厂家的该类型继电保护设备缺陷数据，根据数量要求得到家族性缺陷；

(2)对于不可恢复的异常记录，形成单次异常时刻的异常图谱，按照此图谱在全记录中检索此类记录数量，根据一定的数量要求，得到不可恢复的异常告警信息对应的家族性缺陷；

(3)整合以上两步的家族性缺陷，得到该厂家此类型继电保护设备的的家族性缺陷筛查结果。

作为本发明技术方案的进一步改进，步骤S3中所述的分析保护不正确动作的软硬件风险的方法具体为：对家族性缺陷筛查步骤中得到的家族性缺陷，采用基于改进层次聚类法的家族性缺陷不正确动作风险等级评估算法，对家族性缺陷的不正确动作风险等级做出评判，按照不同的风险等级评估，选择该风险等级对应的技改策略，并安排该家族性缺陷所涉及继电保护设备的精准技改工作。

作为本发明技术方案的进一步改进，所述的基于改进层次聚类法的家族性缺陷不正确动作风险等级评估算法具体为：

S31、缺陷样本数据标准化；采用线性标准化方法对缺陷样本每一个特征进行数据标准化，公式如下：

式中：x

S32、基于改进欧几里德公式的层次聚类；采用欧几里德公式，计算两个对象之间的距离：

d(i,j)表示由m个属性组成的对象x

欧几里德距离不具有传递性，即由d(i,j)＞t，d(j,k)＞t不能推出d(i,k)＞t。因此，不能直接运用此方法；结合相似性，对上述方法做出改进,设由n个对象构成的样本为{u

式中：a

对象u

对象u

s(i,j)＝1-d(i,j)

进一步得到各对象之间的相似度S，用设定的阈值去截取相似度，得到相应的聚类结果；

S33、基于影响因子的家族性缺陷严重等级评估；以待评估的家族性缺陷为样本，家族性缺陷的各类缺陷特征为属性，然后进行家族性缺陷等级评估，评估公式为：

式中：m为家族缺陷的缺陷特征数；w

用影响因子Q值去匹配设定的阈值，得到初步的缺陷等级划分R；

S34、层次聚类反馈；对于初步的缺陷等级划分R结合层次聚类算法的结论，对家族性缺陷等价划分结论做二次判断，判断公式如下：

式中，N

如果满足以上公式，则认为分级结论正确；如果不满足，则在设定范围内微调缺陷特征评分权重，得到满足此公式的权重值；如所有结果均无法满足，则取所有结论集最优解。

本发明的优点在于：利用继电保护设备缺陷数据，结合基于人工智能的正常方式下继电保护设备状态评价和设备隐患、电网故障方式下继电保护暂态动作过程可靠性评价的研究结论，研究继电保护家族性缺陷辨识、精准技改技术，通过设备缺陷的描述、分类等信息，从同一生产厂家同一型号继电保护设备、同一生产厂家同一类型继电保护设备、同一批次元器件等维度定位家族性缺陷，缩短了继电保护设备家族性缺陷的认定周期、提高了家族性缺陷认定的准确性，进一步精准选择技改方案，有效加强家族性缺陷的处理能力，提升电网运行稳定性。

附图说明

图1是本发明实施例的基于人工智能的继电保护设备家族性缺陷辨识方法的总体流程图；

图2是本发明实施例的基于人工智能的继电保护设备家族性缺陷辨识方法的缺陷挖掘流程图；

图3是本发明实施例的基于人工智能的继电保护设备家族性缺陷辨识方法的缺陷点提取算法流程图；

图4是本发明实施例的基于人工智能的继电保护设备家族性缺陷辨识方法的家族性缺陷筛查流程图；

图5是本发明实施例的基于人工智能的继电保护设备家族性缺陷辨识方法的精准技改流程图；

图6是本发明实施例的基于人工智能的继电保护设备家族性缺陷辨识方法的算法的基于改进层次聚类法的家族性缺陷不正确动作风险等级评估算法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合说明书附图以及具体的实施例对本发明的技术方案作进一步描述：

实施例一

如图1所示，基于人工智能的继电保护设备家族性缺陷辨识方法，通过设备缺陷的描述、分类等信息，挖掘分析出疑似家族性缺陷，对运行设备的健康状态和发展趋势的分析评估方法，提出对应的精准技改策略。

1)缺陷挖掘。结合保护设备各类缺陷信息，关联设备类型、运行时长、运行环境等数据，分析继电保护设备缺陷原因和具体部位。

2)家族性缺陷筛查。分析继电保护设备家族型号，根据相同缺陷发生的数量，挖掘保护设备具体的缺陷分布情况，筛查出继电保护设备家族性缺陷。

3)形成设备健康状态发展趋势分析方法。分析设备健康状态和发展趋势，结合有该缺陷的设备在全网的运行情况，分析出继电保护不正确动作的原理性问题和软硬件风险，对应提出技术改造策略。

利用继电保护设备缺陷数据，研究继电保护设备家族性缺陷辨识、精准技改技术，通过设备缺陷的描述、分类等信息，从同一生产厂家同一型号继电保护设备、同一生产厂家同一类型继电保护设备、同一批次元器件等维度定位家族性缺陷。

1、缺陷挖掘

如图2所示，获取继电保护设备缺陷信息，对众多缺陷信息进行汇总整理，关联对应设备的运行时长、环境等运行数据，挖掘缺陷本质原因和缺陷标签。

1)信息获取

①需要获取的继电保护设备初始缺陷信息如下表所示。其中，是否预警列“否”表示记录是实际发生，“是”表示记录是通过人工智能手段预警得到。

表1设备缺陷信息

②需要获取的继电保护设备台账相关信息如下表所示：

表2设备台账及运行信息

2)缺陷信息整理

对获取到的缺陷信息，利用缺陷点提取、信息关联、数据规范化等手段，进行打标签操作，操作完成的缺陷数据至少包含以下字段：

表3缺陷信息详细内容

如图3所示，缺陷点提取，即对没有明确“缺陷点”的缺陷记录，使用“基于统计特征的关键词提取算法”，从缺陷现象描述内容中提取出明确的缺陷点。

①定义各类词库

a.定义专业词词库

定义与缺陷内容无关的专业词汇，如“xxx变电站”、“xxx间隔”、“xxx线路保护”等词。

b.定义停用词词库

定义与缺陷内容无关的关联词汇，如“的”、“与”等词。

c.定义缺陷点同义词词典

对于每一个具体的缺陷点，定义其同义词词典。如“AD芯片”的同义词词典有“AD采样芯片”、“采样芯片”等。

d.定义缺陷现象同义词词典

对于每一个具体缺陷点的缺陷现象，定义其同义词词典。如：“不正确”的同义词有“不准确”、“不一致”等。

②算法描述

输入一条缺陷记录的“缺陷现象描述”,设置置信度初始值，根据“专业词提取”、“停用词提取”、“缺陷点提取”、“缺陷现象提取”四个步骤的特征词提取结果，相应调整置信度；最后判断置信度是否大于置信度阈值确定此条缺陷信息缺陷点提取是否成功。

如果提取成功，则填充缺陷点和缺陷比重信息。否则丢弃此条缺陷记录。

3)台账信息整理

对获取到的台账信息，利用信息关联等手段，获取缺陷信息所属设备的台账和运行数据：

表4台账信息详细内容

2、家族性缺陷筛查

如图4所示，对缺陷信息按照生产厂家、同类型、同型号、同批次、同缺陷部位等设备缺陷信息进行阈值判断分析，得到家族性缺陷信息。包含三个步骤，具体如下：

1)根据同一生产厂家生产的同一型号设备，具有相同软硬件的逻辑。完成同一厂家同一型号设备的家族性缺陷筛选判断，具体分以下两步：

①统计分析该继电保护生产厂家的该型号继电保护设备缺陷数据，根据一定的数量要求，得到家族性缺陷。

②对于不可恢复的异常记录，形成单次异常时刻的异常图谱(即本次异常导致的其他异常告警信息)，按照此图谱在全记录中检索此类记录数量，根据一定的数量要求，得到不可恢复的异常告警信息对应的家族性缺陷。

整合以上两步的家族性缺陷，得到该厂家此型号继电保护设备的的家族性缺陷筛查结果。

2)根据同一生产厂家生产的同一类型设备，具有相同软硬件平台的逻辑。完成同一厂家同一类型设备的家族性缺陷筛选判断，具体分以下两步：

①统计分析该继电保护生产厂家的该类型继电保护设备缺陷数据，根据一定的数量要求，得到家族性缺陷。

②对于不可恢复的异常记录，形成单次异常时刻的异常图谱(即本次异常导致的其他异常告警信息)，按照此图谱在全记录中检索此类记录数量，根据一定的数量要求，得到不可恢复的异常告警信息对应的家族性缺陷。

整合以上两步的家族性缺陷，得到该厂家此类型继电保护设备的的家族性缺陷筛查结果。

如果是继电保护设备元器件家族性缺陷，进一步完善缺陷信息，建立继电保护元器件详细信息，所包含信息如下：

表5元器件缺陷信息详情

3)根据同一继电保护设备元器件供应商供应的同一批次的元器件，具有相同软硬件的逻辑。统计分析所有继电保护设备生产厂家的缺陷数据，按照一定的数量和比例阈值要求，完成同一继电保护设备元器件供应商供应的同一批次的元器件家族性缺陷筛查。

3、设备健康状态分析及精准技改

如图5所示，结合家族性缺陷信息，分析设备健康状态和发展趋势，基于全网分布、运行情况，提示出保护不正确动作的软硬件风险，对应提出精准技改策略。

(1)家族性缺陷属性

对家族性缺陷筛查步骤中得到的家族性缺陷，采用基于改进层次聚类法的家族性缺陷不正确动作风险等级评估算法，对家族性缺陷的不正确动作风险等级做出评判。

表6家族性缺陷的缺陷属性

(2)如图6所示，基于改进层次聚类法的家族性缺陷不正确动作风险等级评估算法包括以下步骤：

1)缺陷样本数据标准化

采用线性标准化方法对缺陷样本每一个特征进行数据标准化，公式如下：

式中：x

2)基于改进欧几里德公式的层次聚类算法

在计算两个对象之间的距离时，一般采用欧几里德公式：

d(i,j)表示由m个属性组成的对象x

欧几里德距离不具有传递性，即由d(i,j)＞t，d(j,k)＞t不能推出d(i,k)＞t。因此，不能直接运用此方法。

结合相似性，可以对上述方法做出一些改进,设由n个对象构成的样本为{u

式中：a

对象u

对象u

s(i,j)＝1-d(,j)

进一步得到各对象之间的相似度S,用设定的阈值去截取相似度，得到相应的聚类结果T。

3)基于影响因子的家族性缺陷严重等级评估算法

以待评估的家族性缺陷为样本，家族性缺陷的各类缺陷特征为属性，然后进行家族性缺陷等级评估，评估公式为：

式中：m为家族缺陷的缺陷特征数；w

用影响因子Q值去匹配设定的阈值，得到初步的缺陷等级划分R。

4)层次聚类反馈。初步缺陷等级划分，由于缺陷单特征突变等因素影响，可能导致临界处的等级划分不够准确，结合层次聚类算法的结论，需要对家族性缺陷等价划分结论做二次判断。判断公式如下：

式中，N

如果满足以上公式，则认为分级结论正确；如果不满足，则在设定范围内微调缺陷特征评分权重，得到满足此公式的权重值。如所有结果均无法满足，则取所有结论集最优解。

下表是不同家族性缺陷风险等级对应的精准技改策略参考：

表7不同风险等级家族性缺陷技改方法

进一步按照不同的风险等级评估，选择该风险等级对应的技改策略，安排该家族性缺陷所涉及设备的精准技改工作。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。