本發(fā)明屬于電力設(shè)備故障預(yù)測(cè)，具體是一種基于深度學(xué)習(xí)的電力設(shè)備故障預(yù)測(cè)與管理系統(tǒng)。

背景技術(shù)：

1、在電力設(shè)備故障預(yù)測(cè)與管理領(lǐng)域，傳統(tǒng)的預(yù)測(cè)方法往往基于固定的時(shí)間間隔或統(tǒng)一的預(yù)測(cè)模型進(jìn)行故障預(yù)判，如對(duì)照明設(shè)備進(jìn)行預(yù)測(cè)，但是很多的照明設(shè)備的預(yù)測(cè)能力不能滿足用戶需求；這種方法忽略了不同故障類型在可預(yù)測(cè)時(shí)間上的顯著差異。具體而言，某些故障類型由于其發(fā)展過(guò)程的緩慢性和可觀測(cè)性，能夠提前較長(zhǎng)時(shí)間進(jìn)行準(zhǔn)確預(yù)測(cè)，從而為企業(yè)提供了充足的維護(hù)準(zhǔn)備時(shí)間。然而，對(duì)于另一些故障類型，由于其突發(fā)性和難以捕捉的初期特征，預(yù)測(cè)后留給維護(hù)人員的響應(yīng)時(shí)間往往非常有限，甚至可能無(wú)法及時(shí)采取有效措施，導(dǎo)致預(yù)測(cè)效果不理想，設(shè)備停機(jī)時(shí)間延長(zhǎng)，影響效率和設(shè)備壽命。

2、針對(duì)上述問(wèn)題，現(xiàn)有技術(shù)已經(jīng)嘗試通過(guò)優(yōu)化預(yù)測(cè)模型、提高數(shù)據(jù)處理能力等方式來(lái)提升預(yù)測(cè)精度和時(shí)效性。然而，這些方法大多未能充分考慮故障類型的多樣性和可預(yù)測(cè)時(shí)間的差異性，導(dǎo)致在實(shí)際應(yīng)用中仍存在一定的局限性；尤其是難以解決某些故障的時(shí)效性問(wèn)題。

3、基于此，為了實(shí)現(xiàn)對(duì)電力設(shè)備的智能故障預(yù)測(cè)和管理，本發(fā)明提供了一種基于深度學(xué)習(xí)的電力設(shè)備故障預(yù)測(cè)與管理系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述方案存在的問(wèn)題，本發(fā)明提供了一種基于深度學(xué)習(xí)的電力設(shè)備故障預(yù)測(cè)與管理系統(tǒng)。

2、本發(fā)明的目的可以通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

3、一種基于深度學(xué)習(xí)的電力設(shè)備故障預(yù)測(cè)與管理系統(tǒng)，包括設(shè)備分析模塊、數(shù)據(jù)采集模塊、故障預(yù)測(cè)模塊和管理模塊

4、所述設(shè)備分析模塊用于對(duì)電力設(shè)備進(jìn)行分析，獲取電力設(shè)備的歷史故障數(shù)據(jù)，根據(jù)所述歷史故障數(shù)據(jù)識(shí)別電力設(shè)備具有的各設(shè)備故障；建立故障預(yù)測(cè)模型；通過(guò)所述故障預(yù)測(cè)模型對(duì)電力設(shè)備進(jìn)行模擬分析，獲得各設(shè)備故障的預(yù)測(cè)時(shí)長(zhǎng)；根據(jù)各預(yù)測(cè)時(shí)長(zhǎng)對(duì)各設(shè)備故障進(jìn)行分類，獲得各故障單元類；為各故障單元類設(shè)置對(duì)應(yīng)的波動(dòng)系數(shù)。

5、進(jìn)一步地，故障預(yù)測(cè)模型的建立方法包括：

6、將所述歷史故障數(shù)據(jù)按照各所述設(shè)備故障進(jìn)行分類，獲得各所述設(shè)備故障對(duì)應(yīng)的故障素材數(shù)據(jù)；

7、對(duì)各所述故障素材數(shù)據(jù)進(jìn)行分析，確定各所述設(shè)備故障對(duì)應(yīng)的各故障影響因素，根據(jù)各故障影響因素和故障素材數(shù)據(jù)確定所述設(shè)備故障對(duì)應(yīng)的各故障識(shí)別特征；將各故障識(shí)別特征進(jìn)行整理為模型素材數(shù)據(jù)，基于深度神經(jīng)網(wǎng)絡(luò)和各模型素材數(shù)據(jù)建立故障預(yù)測(cè)模型。

8、進(jìn)一步地，根據(jù)各預(yù)測(cè)時(shí)長(zhǎng)對(duì)各設(shè)備故障進(jìn)行分類的方法包括：

9、識(shí)別各預(yù)測(cè)時(shí)長(zhǎng)，將預(yù)測(cè)時(shí)長(zhǎng)小于閾值x1的各設(shè)備故障標(biāo)記為設(shè)備優(yōu)化故障；

10、獲取電力設(shè)備的歷史運(yùn)行數(shù)據(jù)，標(biāo)記為優(yōu)化分析素材，

11、根據(jù)各故障影響因素對(duì)優(yōu)化分析素材進(jìn)行分析統(tǒng)計(jì)，獲得各因素?cái)?shù)據(jù)以及各因素?cái)?shù)據(jù)對(duì)應(yīng)的出現(xiàn)概率，將出現(xiàn)概率標(biāo)記為觸發(fā)值；根據(jù)因素?cái)?shù)據(jù)和對(duì)應(yīng)的觸發(fā)值生成因素單一曲線，因素單一曲線的橫軸為因素?cái)?shù)據(jù)，縱軸為觸發(fā)值；

12、根據(jù)因素單一曲線設(shè)置三分段，三分段包括主分段、副分段和外分段；

13、識(shí)別三分段對(duì)應(yīng)的主觸發(fā)值、副觸發(fā)值和外觸發(fā)值；

14、根據(jù)主觸發(fā)值、副觸發(fā)值和外觸發(fā)值分別計(jì)算各所述設(shè)備優(yōu)化故障之間的相似度；根據(jù)相似度對(duì)各所述設(shè)備優(yōu)化故障進(jìn)行分類，獲得各故障單元類。

15、進(jìn)一步地，根據(jù)因素單一曲線設(shè)置三分段的方法包括：

16、步驟sa1：根據(jù)故障預(yù)測(cè)模型確定能夠預(yù)測(cè)相應(yīng)設(shè)備優(yōu)化故障的各因素?cái)?shù)據(jù)，進(jìn)行整合為外分段；將外分段從因素單一曲線中進(jìn)行剔除；

17、步驟sa2：將所述因素單一曲線中觸發(fā)值最高的因素?cái)?shù)據(jù)標(biāo)記為基準(zhǔn)數(shù)據(jù)，將與基準(zhǔn)數(shù)據(jù)相鄰的因素?cái)?shù)據(jù)標(biāo)記為待選數(shù)據(jù)；定義并選方式；

18、步驟sa3：根據(jù)并選方式和基準(zhǔn)數(shù)據(jù)進(jìn)行合并分析，判斷是否滿足合并要求；

19、當(dāng)判斷滿足合并要求時(shí)，將基準(zhǔn)數(shù)據(jù)與相應(yīng)待選數(shù)據(jù)進(jìn)行合并，獲得合并段；

20、當(dāng)判斷不滿足合并要求時(shí)，將基準(zhǔn)數(shù)據(jù)與相應(yīng)待選數(shù)據(jù)進(jìn)行合并，輸出待選段；

21、步驟sa4：根據(jù)并選方式和所述合并段進(jìn)行合并分析，判斷是否滿足合并要求；

22、當(dāng)判斷滿足合并要求時(shí)，將所述合并段與相應(yīng)待選數(shù)據(jù)進(jìn)行合并，獲得新的合并段；

23、當(dāng)判斷不滿足合并要求時(shí)，將所述合并段與相應(yīng)待選數(shù)據(jù)進(jìn)行合并，輸出待選段；

24、步驟sa5：循環(huán)步驟sa4，直到輸出待選段為止；

25、步驟sa6：對(duì)步驟sa3至步驟sa5進(jìn)行迭代，獲得各種不同的待選段；

26、識(shí)別各待選段對(duì)應(yīng)的因素?cái)?shù)據(jù)數(shù)量，將因素?cái)?shù)據(jù)數(shù)量最小的待選段標(biāo)記為主分段；

27、步驟sa7：將主分段從所述因素單一曲線中剔除，根據(jù)所述因素單一曲線生成副分段。

28、所述數(shù)據(jù)采集模塊用于對(duì)電力設(shè)備進(jìn)行實(shí)時(shí)運(yùn)行數(shù)據(jù)采集，獲得電力設(shè)備的運(yùn)行數(shù)據(jù)。

29、所述故障預(yù)測(cè)模塊用于進(jìn)行故障預(yù)測(cè)，通過(guò)所述故障預(yù)測(cè)模型對(duì)所述運(yùn)行數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，獲得對(duì)應(yīng)的故障預(yù)測(cè)結(jié)果；根據(jù)各設(shè)備優(yōu)化故障的三分段對(duì)所述運(yùn)行數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，獲得各設(shè)備優(yōu)化故障對(duì)應(yīng)的提示預(yù)測(cè)結(jié)果。

30、進(jìn)一步地，根據(jù)各設(shè)備優(yōu)化故障的三分段對(duì)運(yùn)行數(shù)據(jù)進(jìn)行實(shí)時(shí)分析的方法包括：

31、建立偏差評(píng)估模型，獲取各設(shè)備優(yōu)化故障對(duì)應(yīng)的三分段，通過(guò)所述偏差評(píng)估模型對(duì)運(yùn)行數(shù)據(jù)和各三分段進(jìn)行分析，獲得各所述設(shè)備優(yōu)化故障對(duì)應(yīng)的偏差值；

32、識(shí)別各設(shè)備優(yōu)化故障對(duì)應(yīng)的波動(dòng)系數(shù)；

33、根據(jù)公式prt＝τ×pct計(jì)算對(duì)應(yīng)的預(yù)測(cè)評(píng)估值；

34、式中：prt為預(yù)測(cè)評(píng)估值；t為時(shí)間；τ為波動(dòng)系數(shù)；pct為相應(yīng)偏差值；

35、根據(jù)各預(yù)測(cè)評(píng)估值生成相應(yīng)設(shè)備優(yōu)化故障的評(píng)估曲線，橫軸為時(shí)間，縱軸為預(yù)測(cè)評(píng)估值；

36、對(duì)評(píng)估曲線進(jìn)行擬合，獲得評(píng)估函數(shù)，將評(píng)估函數(shù)標(biāo)記為pu(t)；

37、根據(jù)公式計(jì)算對(duì)應(yīng)的故障預(yù)測(cè)值；

38、式中：pf為故障預(yù)測(cè)值；t1為動(dòng)態(tài)起始點(diǎn)；

39、根據(jù)故障預(yù)測(cè)值確定提示預(yù)測(cè)結(jié)果。

40、所述管理模塊用于對(duì)故障預(yù)測(cè)管理，預(yù)設(shè)各設(shè)備故障對(duì)應(yīng)的故障預(yù)測(cè)處理措施，根據(jù)各故障預(yù)測(cè)處理措施建立方式庫(kù)；

41、實(shí)時(shí)識(shí)別故障預(yù)測(cè)結(jié)果和提示預(yù)測(cè)結(jié)果，根據(jù)識(shí)別的故障預(yù)測(cè)結(jié)果和提示預(yù)測(cè)結(jié)果從方式庫(kù)中匹配對(duì)應(yīng)的故障預(yù)測(cè)處理措施，按照獲得的故障預(yù)測(cè)處理措施進(jìn)行相應(yīng)處理。

42、一種基于深度學(xué)習(xí)的電力設(shè)備故障預(yù)測(cè)與管理裝置，包括：

43、存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)程序；

44、處理器，用于執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)一種基于深度學(xué)習(xí)的電力設(shè)備故障預(yù)測(cè)與管理系統(tǒng)的方法。

45、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

46、通過(guò)設(shè)備分析模塊、數(shù)據(jù)采集模塊、故障預(yù)測(cè)模塊和管理模塊之間的相互配合，實(shí)現(xiàn)對(duì)不同類型故障的智能識(shí)別；通過(guò)對(duì)不同故障類型進(jìn)行分類處理，特別是對(duì)預(yù)測(cè)時(shí)長(zhǎng)較短的故障進(jìn)行精細(xì)化分類和實(shí)時(shí)波動(dòng)監(jiān)測(cè)，能夠更準(zhǔn)確地捕捉故障發(fā)展的早期跡象，進(jìn)行預(yù)測(cè)提示，并在精準(zhǔn)確定故障前進(jìn)行一定的前期準(zhǔn)備，便于對(duì)突然發(fā)生的故障導(dǎo)致進(jìn)行應(yīng)急處理；企業(yè)可以提前做好維護(hù)準(zhǔn)備和資源調(diào)配工作。這有助于避免因故障導(dǎo)致的設(shè)備停機(jī)時(shí)間延長(zhǎng)和維修成本增加等問(wèn)題，實(shí)現(xiàn)了資源的最優(yōu)配置和利用；能夠針對(duì)不同故障特性進(jìn)行定制化預(yù)測(cè)，避免了傳統(tǒng)統(tǒng)一預(yù)測(cè)方法可能帶來(lái)的誤差。