换流站直流分压器或分流器二次回路的状态预测方法与流程

技术特征：
1.一种换流站直流分压器或分流器二次回路的状态预测方法，其特征在于，所述方法包括：根据预设采样频率，对所述换流站直流分压器或分流器二次回路定时采样，获取采样数据；根据所述采样数据，确定监测信号；根据所述监测信号，确定所述换流站直流分压器或分流器二次回路的监测量矩阵；将所述监测量矩阵输入关联预测模型，确定预测结果；将所述预测结果分别与正常运行、异常运行及故障状态下的历史监测信号对比，确定实时预测的所述换流站直流分压器或分流器二次回路的运行状态。2.根据权利要求1所述的方法，其特征在于，所述采样数据包括激光器温度和激光器驱动电流；相应地，所述根据所述采样数据，确定监测信号，包括：根据所述激光器温度，确定每小时、每日及每周的激光器温度变化率；根据所述激光器驱动电流，确定每小时、每日及每周激光器驱动电流变化率；将所述每小时、每日及每周的激光器温度变化率和激光器驱动电流变化率作为所述监测信号。3.根据权利要求1所述的方法，其特征在于，所述监测信号包括每小时、每日及每周的激光器温度变化率，所述监测量矩阵包括每小时、每日及每周的温度监测量矩阵；相应地，所述根据所述监测信号，确定所述换流站直流分压器或分流器二次回路的监测量矩阵，包括：根据每小时的激光器温度变化率，进行均值归一化计算，确定每小时的温度监测量矩阵；根据每日的激光器驱动温度变化率，进行均值归一化计算，确定每日的温度监测量矩阵；根据每周的激光器温度变化率，进行均值归一化计算，确定每周的温度监测量矩阵。4.根据权利要求1所述的方法，其特征在于，所述监测信号包括每小时、每日及每周的激光器驱动电流变化率，所述监测量矩阵包括每小时、每日及每周的电流监测量矩阵；相应地，所述根据所述监测信号，确定所述换流站直流分压器或分流器二次回路的监测量矩阵，包括：根据每小时的激光器驱动电流变化率，进行均值归一化计算，确定每小时的电流监测量矩阵；根据每日的激光器驱动电流变化率，进行均值归一化计算，确定每日的电流监测量矩阵；根据每周的激光器驱动电流变化率，进行均值归一化计算，确定每周的电流监测量矩阵。5.根据权利要求1所述的方法，其特征在于，所述将所述监测量矩阵输入关联预测模型，确定预测结果，包括：将每小时、每日及每周的换流站直流分压器或分流器二次回路的监测量矩阵中的一半数据输入所述关联预测模型进行训练，确定训练后的关联预测模型；将每小时、每日及每周的换流站直流分压器或分流器二次回路的监测量矩阵中的另外
一半数据输入所述训练后的关联预测模型中，获取所述预测结果。6.根据权利要求1所述的方法，其特征在于，所述将所述预测结果分别与正常运行、异常运行及故障状态下的历史监测信号对比，确定实时预测的所述换流站直流分压器或分流器二次回路的运行状态之前，包括：根据正常运行状态下的所述换流站直流分压器或分流器二次回路，确定正常运行状态下的历史监测信号；根据异常运行状态下的换流站直流分压器或分流器二次回路，确定异常运行状态下的历史监测信号；根据故障告警状态下的所述换流站直流分压器或分流器二次回路，确定故障告警状态下的历史监测信号。7.根据权利要求1所述的方法，其特征在于，所述将所述预测结果分别与正常运行、异常运行、故障状态下的历史监测信号对比，确定实时预测的所述换流站直流分压器或分流器二次回路的运行状态，包括：根据正常运行状态下的历史监测信号对所述预测结果进行相关性分析，确定正常运行状态下的相关性结果；判断所述正常运行状态下的相关性结果是否大于设定的正常阈值，若所述正常运行状态下的相关性结果小于设定的正常阈值，则返回继续监测；若所述正常运行状态下的相关性结果大于设定的正常阈值，则根据异常运行状态下的历史监测信号对所述预测结果进行相关性分析，确定异常运行状态下的相关性结果；判断所述异常运行状态下的相关性结果是否大于设定的异常阈值，若所述异常运行状态下的相关性结果小于设定的异常阈值，则输出异常运行信号；若所述异常运行状态下的相关性结果大于设定的异常阈值，则根据故障状态下的历史监测信号对所述预测结果进行相关性分析，确定故障状态下的相关性结果；判断所述故障状态下的相关性结果是否大于设定的故障阈值，若所述故障状态下的相关性结果小于设定的故障阈值，则输出故障预警信号；若所述故障状态下的相关性结果大于设定的故障阈值，则输出故障报警信号。8.一种换流站直流分压器或分流器二次回路的状态预测装置，其特征在于，所述装置包括：第一获取模块，用于根据预设采样频率，对所述换流站直流分压器或分流器二次回路定时采样，获取采样数据；第一确定模块，用于根据所述采样数据，确定监测信号；第二确定模块，用于根据所述监测信号，确定所述换流站直流分压器或分流器二次回路的监测量矩阵；第三确定模块，用于将所述监测量矩阵输入关联预测模型，确定预测结果；第四确定模块，用于将所述预测结果分别与正常运行、异常运行及故障状态下的历史监测信号对比，确定实时预测的所述换流站直流分压器或分流器二次回路的运行状态。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序
被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请涉及一种换流站直流分压器或分流器二次回路的状态预测方法、装置、计算机设备和存储介质。所述方法包括：根据预设采样频率，对换流站直流分压器或分流器二次回路定时采样，获取采样数据；根据采样数据，确定监测信号；根据监测信号，确定换流站直流分压器或分流器二次回路的监测量矩阵；将监测量矩阵输入关联预测模型，确定预测结果；将预测结果分别与正常运行、异常运行及故障状态下的历史监测信号对比，确定实时预测的换流站直流分压器或分流器二次回路的运行状态。采用本方法能够使运维人员实时掌握设备状态信息，从而实现超前处置隐患，进而提高故障排查效率，确保系统安全稳定运行。全稳定运行。全稳定运行。


技术研发人员：黄剑湘 陈诺 徐峰 王超 陈图腾 李浩 杨涛 张启浩 李少森 任君 孙豪 丁丙侯 杨光 魏金林 朱盛强 刘超 袁虎强 朱旭东 杨铖 梁钰华 付天乙 王加磊 赵世伟 阮峻 彭福琨 鞠翔 郭康 何照能 张子聪 孙靖铷 崔萌 敬官欣 张函 熊朝介 龙磊 邵俊人 王云龙 刘航 杨学广 石万里
受保护的技术使用者：中国南方电网有限责任公司超高压输电公司昆明局
技术研发日：2021.09.30
技术公布日：2022/1/6