基于时序学习的电力电容器寿命预测方法与流程

本发明涉及人工智能与电力设备状态预测，具体为基于时序学习的电力电容器寿命预测方法。

背景技术：

1、电力电容器寿命预测通常以长期运行形成的电压、电流、温度、投切状态及谐波等时序数据作为分析基础，并将采集数据按照统一采样周期整理为连续序列，再通过滑动时间窗口提取局部变化特征。现有实现多按照自然运行时间建立样本顺序，将不同电容器在相同运行时长附近形成的数据视为具有可比较性，并利用循环时序模型、注意力时序模型或多层序列预测模型学习历史状态与剩余寿命之间的映射关系。训练阶段通常以已失效样本的实际寿命或人工划分的健康阶段作为监督信息，通过最小化预测寿命与真实寿命之间的偏差确定模型参数；预测阶段则将待测电容器最近一段运行序列输入训练后的模型，根据时序特征变化直接输出剩余寿命或寿命区间。此类处理方式实现路径明确，能够利用连续运行数据反映电容器状态随时间变化的总体趋势。

2、在具体的数据对齐过程中，现有寿命模型通常继续沿用采样时刻、累计运行小时数或固定长度窗口作为序列位置基准。为了减弱不同设备之间运行周期不一致造成的影响，部分方案会对时间序列进行插值、归一化、截断或等长重采样，使各训练样本具有相同的输入长度；也有方案通过增加负荷水平、温度、投切频率等条件变量，让模型自行学习工况差异与寿命变化之间的关系。对于运行过程中出现的参数回落或短期恢复，模型一般仍把观测值变化直接写入隐含状态，由时序网络在大量样本中学习其统计含义。由于不同电力电容器的老化速度可能随长期负荷、热应力和投切历史持续变化，即使自然时间接近，其实际退化程度也未必一致；反之，处于相近退化程度的电容器也可能分布在完全不同的运行时长位置。

3、基于自然时间组织样本的寿命模型无法稳定建立序列位置与实际退化阶段之间的一致对应关系。当慢速老化样本与快速老化样本同时进入训练集时，相同运行时长可能对应不同健康程度，而相同健康程度又可能被分散到多个时间位置，模型学习到的寿命映射因此混入运行时间差异与真实退化差异。运行工况发生变化时，电压、电流、温度或谐波等观测量可能出现阶段性回落，若这种回落被直接解释为健康状态恢复，隐含状态会产生反向跳变，使剩余寿命随短时工况变化出现不符合持续老化过程的升高或波动。现有处理缺少能够将不同退化速度的时序数据映射到统一退化尺度，并同时约束健康状态沿真实老化方向连续演化的联合机制，导致寿命预测易受时间尺度错位和暂态参数恢复共同干扰。

技术实现思路

1、本发明的目的在于提供基于时序学习的电力电容器寿命预测方法，可以解决上述背景技术中的问题。

2、为实现上述目的，本发明采取的技术方案为：

3、基于时序学习的电力电容器寿命预测方法，包括：获取电力电容器连续运行形成的多变量状态时序数据，并按照时间关联关系生成状态序列；

4、基于所述状态序列提取局部运行片段的时序状态表示；

5、根据相邻局部运行片段之间的状态演化方向、历史状态变化轨迹及累计运行上下文，确定各局部运行片段对应的退化阶段变量；

6、依据所述退化阶段变量对不同退化速度下的局部运行片段进行退化阶段对齐；

7、基于对齐后的时序状态表示构建沿退化阶段推进的隐含健康状态序列，并对所述隐含健康状态序列施加不可逆退化方向约束；

8、根据所述隐含健康状态序列、退化阶段推进状态及其时序变化关系确定所述电力电容器的剩余寿命。

9、优选的，所述退化阶段变量的确定包括：针对每一局部运行片段形成由当前时序状态表示、前序局部运行片段的状态表示及累计运行上下文组成的阶段判别序列；

10、计算相邻阶段判别序列之间沿历史退化方向的状态位移，并将所述状态位移分解为与既有退化轨迹一致的推进分量和偏离既有退化轨迹的扰动分量；

11、依据所述推进分量更新当前局部运行片段的候选退化阶段，并以历史已确定退化阶段为顺序约束，对所述候选退化阶段进行连续化校正，得到随运行序列单向推进的退化阶段变量。

12、优选的，所述退化阶段对齐包括：以各电力电容器对应的退化阶段变量构建非均匀阶段坐标，将自然时间轴上的局部运行片段映射至所述非均匀阶段坐标；

13、针对处于相邻退化阶段区间但采样时刻不一致的局部运行片段，根据所述时序状态表示之间的演化连续性建立阶段对应关系；

14、按照所述阶段对应关系对所述局部运行片段的状态表示进行阶段域重采样，形成具有统一退化阶段位置的对齐状态序列，并保留各局部运行片段由自然时间向退化阶段映射时形成的阶段推进速率。

15、优选的，所述不可逆退化方向约束包括：根据所述对齐状态序列中相邻退化阶段对应的时序状态表示生成健康状态候选值，并利用连续多个退化阶段的健康状态候选值确定主退化方向；

16、将沿所述主退化方向的健康状态变化写入所述隐含健康状态序列，将与所述主退化方向相反且未持续跨越后续多个退化阶段的状态变化保留于观测变化分量；

17、当反向状态变化在连续退化阶段中保持并改变后续健康状态演化轨迹时，重新确定对应阶段的主退化方向并更新所述隐含健康状态序列。

18、优选的，所述状态位移的分解包括：以历史多个局部运行片段形成的时序状态表示构建局部退化轨迹，并由所述局部退化轨迹确定当前阶段的退化切向表示；

19、将当前局部运行片段相对于所述前序局部运行片段的状态变化投影至所述退化切向表示及其剩余状态子空间，分别形成所述推进分量和所述扰动分量；

20、依据连续局部运行片段中所述推进分量的方向一致程度更新所述退化切向表示，并将方向频繁反转且未形成持续位移的状态变化限制在扰动分量中，使所述阶段判别序列按照自更新的局部退化轨迹逐段递进。

21、优选的，所述阶段域重采样包括：针对同一退化阶段区间内存在多个局部运行片段的状态序列，依据各局部运行片段的阶段推进速率和状态演化连续程度确定阶段位置权重；

22、利用所述阶段位置权重将自然时间间隔不同的局部运行片段映射至统一阶段节点；

23、对于相邻阶段节点之间缺少直接观测的区段，根据前后阶段节点的时序状态表示、阶段推进速率及退化方向生成受连续性约束的中间阶段表示，并将原始观测对应的状态表示与所述中间阶段表示共同组成阶段域时序序列。

24、优选的，所述观测变化分量的确定包括：针对所述隐含健康状态序列中出现反向变化的退化阶段，提取退化阶段之前和之后多个阶段的状态表示，分别构建反向变化前基线和反向变化后基线；

25、比较反向变化后的状态表示是否向所述反向变化前基线回归，并同步判断后续阶段的主退化方向是否保持原有方向；

26、将满足基线回归关系且未改变后续主退化方向的状态变化归入所述观测变化分量，将持续偏离所述反向变化前基线并形成新退化轨迹的状态变化纳入所述隐含健康状态更新。

27、优选的，所述隐含健康状态序列的更新包括：建立所述退化阶段变量与所述健康状态候选值之间的阶段条件关联，对每一退化阶段记录与前序健康状态的状态差以及对应的阶段跨度；

28、根据连续多个阶段的状态差方向形成阶段一致性记录，并将满足所述主退化方向的状态差按照阶段跨度写入健康状态递推过程；

29、对于存在所述观测变化分量的退化阶段，保持前序隐含健康状态作为递推基准，仅将后续重新进入所述主退化方向的持续状态变化并入递推结果，形成与退化阶段单向推进关系一致的隐含健康状态序列。

30、优选的，所述阶段推进速率的确定包括：依据所述阶段域时序序列中相邻阶段节点对应的自然时间跨度和退化阶段跨度形成基础推进速率，并将形成的推进分量连续性作为速率可信约束；

31、当连续阶段节点的基础推进速率发生突变时，比较对应推进分量是否同步形成持续性变化，若未形成持续性变化，则沿前序退化切向表示对所述基础推进速率进行连续校正；

32、若推进分量与所述基础推进速率同步改变，则建立新的局部推进区段，并在局部推进区段内重新形成后续阶段推进速率序列。

33、优选的，所述剩余寿命的确定包括：以当前退化阶段对应的隐含健康状态、连续多个阶段形成的健康状态变化序列以及经确定的阶段推进速率序列构建寿命时序表示；

34、沿当前局部推进区段向后递推退化阶段，并在递推过程中保持所述隐含健康状态沿限定的主退化方向演化；

35、当递推健康状态到达由历史失效时序中对应退化终止阶段形成的寿命终止状态区间时，确定当前退化阶段至所述寿命终止状态区间之间的剩余阶段距离，并依据所述阶段推进速率序列将剩余阶段距离转换为电力电容器的剩余寿命。

36、与现有技术相比，本发明的有益效果在于：

37、1.通过退化阶段变量将自然时间轴上的局部运行片段重新映射到统一退化坐标，使不同电力电容器不再按照运行时长直接比较，而是按照状态演化方向、历史变化轨迹和累计运行上下文确定所处退化位置。局部状态位移被分解为沿既有退化轨迹的推进分量和偏离轨迹的扰动分量，推进分量持续更新阶段位置，扰动分量则被限制在阶段判别之外，使快速老化和缓慢老化序列能够在相近退化程度处形成对应关系。完成阶段对齐后，隐含健康状态继续接受不可逆退化方向约束，对未持续跨越后续阶段的反向变化保留为观测变化，而不直接写入健康状态递推过程。由此可减少自然时间错位和短时状态恢复同时进入寿命映射造成的干扰，使剩余寿命变化与真实退化阶段及阶段推进速度保持连续对应，降低工况切换时寿命结果出现反向跳升和大幅波动的概率。

38、2.阶段域重采样与推进速率连续校正进一步改善了不同采样节奏和退化速度下的序列一致性。局部运行片段在非均匀退化坐标中按照阶段位置权重重新组织，对于缺少直接观测的相邻阶段区段，利用前后阶段状态表示、阶段推进速率和退化方向形成连续的中间阶段表示，避免固定时间插值把自然时间差异再次带回退化序列。健康状态更新过程中，通过反向变化前后的基线关系判断状态回落是否真正改变后续退化轨迹，并将未改变主退化方向的变化留在观测层；当推进分量与基础推进速率同步形成持续变化时，再建立新的局部推进区段。剩余寿命由当前健康状态、连续阶段变化序列和推进速率共同确定，使寿命计算能够随真实退化节奏调整，减少不同设备之间因采样间隔、工况持续时间和局部恢复过程不同造成的预测离散，并保持寿命输出在连续运行过程中的时序稳定性。