基于深度异常检测的配电设备预测性维护方法及系统与流程

摘要: 本发明涉及配电设备健康管理,特别是涉及基于深度异常检测的配电设备预测性维护方法及系统。背景技术:1、配电设备是电力系统中承担电能分配与转换功能的关键基础设施,其...
基于深度异常检测的配电设备预测性维护方法及系统与流程

本发明涉及配电设备健康管理,特别是涉及基于深度异常检测的配电设备预测性维护方法及系统。

背景技术:

1、配电设备是电力系统中承担电能分配与转换功能的关键基础设施,其运行可靠性直接关系到供电连续性和用电安全。随着电网规模不断扩大和负荷密度持续提升,配电设备长期处于高负载、强冲击、多变的运行环境中,接触发热、连接松动、绝缘劣化、局部放电、机械松动等隐患若不能及时发现,可能演变为设备故障,造成非计划停电甚至安全事故。配电设备健康管理的核心在于通过持续的状态监测和数据分析,及时识别设备劣化趋势和异常征兆,在故障发生前实施针对性维护。目前,配电设备的运维工作已逐步从传统定期检修向状态检修转变,通过在设备侧部署多种传感器采集振动、温度、声音、热像、电气量及环境工况等运行数据,以期实现设备健康状态的全面感知和精准评估。

2、然而,实际工程中配电设备健康管理所依赖的多模态监测数据的利用仍面临诸多困难。一方面,不同采集单元的时间基准不统一,数据采样频率和传输延迟存在差异,导致同一监测窗口内各模态数据难以严格对齐,设备状态的特征信息无法在不同模态之间形成有效关联;另一方面,受传感器故障、通信中断或现场环境干扰等因素影响,数据缺失和噪声污染普遍存在,单一模态数据往往只能反映设备某一侧面的状态信息,难以全面刻画设备整体的劣化趋势,健康状态评估的准确性受到限制。现有运维方式通常依赖人工定期巡检和单一阈值的简单告警,对设备早期异常特征的识别能力不足,异常征兆与正常运行状态之间的细微差异容易被噪声掩盖,导致维护人员难以及时、准确地判断设备健康状态,维护决策缺乏充分的数据支撑,设备故障后被动维修的问题依然突出。

技术实现思路

1、本发明提供了基于深度异常检测的配电设备预测性维护方法及系统,改善了在配电设备多源监测数据异构、单一维度数据难以全面反映设备运行状态的场景中,异常征兆无法被有效识别,导致维护决策缺乏依据的技术问题。

2、本发明公开了如下技术方案:

3、第一方面,本发明提供了基于深度异常检测的配电设备预测性维护方法,方法包括:

4、监测获取配电设备运行过程中的多模态检测数据,从多模态检测数据中提取时域统计特征、热像空间特征和频域频谱特征,组合为每个检测窗口的多维特征向量;

5、构建包含多模态特征融合单元和自编码重构单元的异常运行检测模型,并采用配电设备正常运行状态下的样本数据训练至收敛;

6、将多维特征向量输入异常运行检测模型,获得各模态重构残差,基于时间维度异常量、空间维度异常量、频率维度异常量和各模态重构残差计算得到综合异常评分,根据综合异常评分判定疑似故障类型并输出维护告警。

7、第二方面,本发明提供了基于深度异常检测的配电设备预测性维护系统,系统包括:

8、数据监测模块,用于监测获取配电设备运行过程中的多模态检测数据,从多模态检测数据中提取时域统计特征、热像空间特征和频域频谱特征,组合为每个检测窗口的多维特征向量;

9、模型构建模块,用于构建包含多模态特征融合单元和自编码重构单元的异常运行检测模型,并采用配电设备正常运行状态下的样本数据训练至收敛;

10、异常诊断模块,用于将多维特征向量输入异常运行检测模型,获得各模态重构残差,基于时间维度异常量、空间维度异常量、频率维度异常量和各模态重构残差计算得到综合异常评分,根据综合异常评分判定疑似故障类型并输出维护告警。

11、本发明中提供的一个或多个技术方案,至少具有如下技术效果或优点:

12、本发明技术方案通过提供的基于深度异常检测的配电设备预测性维护方法,首先,通过监测获取配电设备运行过程中的多模态检测数据,从多模态检测数据中提取时域统计特征、热像空间特征和频域频谱特征,组合为每个检测窗口的多维特征向量,实现了对配电设备运行状态的多维度刻画,解决了单一模态数据难以全面反映设备运行状态的技术问题,为后续异常检测提供了完整的数据基础。

13、进一步的,通过构建包含多模态特征融合单元和自编码重构单元的异常运行检测模型,并采用配电设备正常运行状态下的样本数据训练至收敛,实现了对配电设备正常运行状态下多模态数据内在关联规律和正常重构模式的学习,解决了多源监测数据异构、异常征兆难以被有效识别导致维护决策缺乏依据的技术问题,为准确检测设备异常提供了可靠的判别基准。

14、最后,通过将多维特征向量输入异常运行检测模型,获得各模态重构残差,基于时间维度异常量、空间维度异常量、频率维度异常量和各模态重构残差计算得到综合异常评分,根据综合异常评分判定疑似故障类型并输出维护告警,实现了对设备异常状态的多维度综合量化评估和故障类型的自动判别,解决了设备早期异常状态难以被捕获、无法在故障发生前实施精准维护的技术问题,有效支撑预测性维护决策。

15、由此可得,本发明通过多模态检测数据的同步采集与多维特征提取,结合基于正常样本训练的异常运行检测模型,实现了对配电设备运行状态的多维度表征与深层规律挖掘,并在此基础上综合时间、空间、频率及重构残差等多维异常量化结果计算综合异常评分,进而判定疑似故障类型并输出维护告警,有效提升了配电设备异常检测的准确性和预测性维护的及时性。

1.基于深度异常检测的配电设备预测性维护方法,其特征在于,包括:

2.根据权利要求1所述的基于深度异常检测的配电设备预测性维护方法,其特征在于,监测获取配电设备运行过程中的多模态检测数据,包括:

3.根据权利要求2所述的基于深度异常检测的配电设备预测性维护方法,其特征在于,从所述多模态检测数据中提取时域统计特征、热像空间特征和频域频谱特征,组合为每个检测窗口的多维特征向量,包括:

4.根据权利要求1所述的基于深度异常检测的配电设备预测性维护方法,其特征在于,构建包含多模态特征融合单元和自编码重构单元的异常运行检测模型,包括:

5.根据权利要求1所述的基于深度异常检测的配电设备预测性维护方法,其特征在于,所述配电设备正常运行状态下的样本数据的获取步骤包括:

6.根据权利要求1所述的基于深度异常检测的配电设备预测性维护方法,其特征在于,采用配电设备正常运行状态下的样本数据训练至收敛的步骤中,模型训练所优化的总损失通过以下方式获得:

7.根据权利要求6所述的基于深度异常检测的配电设备预测性维护方法,其特征在于,将各模态的状态表征向量与多模态融合后的综合状态表征向量进行比较,包括:

8.根据权利要求1所述的基于深度异常检测的配电设备预测性维护方法,其特征在于,将所述多维特征向量输入所述异常运行检测模型,获得各模态重构残差,基于时间维度异常量、空间维度异常量、频率维度异常量和所述各模态重构残差计算得到综合异常评分,包括:

9.根据权利要求1所述的基于深度异常检测的配电设备预测性维护方法,其特征在于,根据所述综合异常评分判定疑似故障类型并输出维护告警,包括:

10.基于深度异常检测的配电设备预测性维护系统,其特征在于,所述系统用于执行权利要求1至9任一项所述的基于深度异常检测的配电设备预测性维护方法,所述系统包括: