一种智能电网变电设备预警评估方法及系统与流程

1.本发明涉及数据处理相关技术领域，具体涉及一种智能电网变电设备预警评估方法及系统。


背景技术：

2.变电站的日常工作包括一次设备的操作、工作许可、验收、维护等，需要保证变电站的变电设备处于动态环境之中的工作安全性，由此，需要有针对性地进行安全风险辨识工作，将变电站的变电设备的故障预警与故障排除落实，及时生成故障预警，为尽早排除设备故障，防止发生事故，确保工作的安全提供保障。
3.由此，需要对智能电网的变电设备预警进行故障预警，常见的，专业检验人员采用定期维检的方式，进行变电设备预警进行故障检测，但智能电网的变电设备的分布广泛，专业检验人员难以在限定时间内对智能电网的变电设备进行全方位彻底的维检，维检质量不高，容易出现变电设备故障遗漏。
4.综上可知，亟需构建符合电网业务场景的智能电网变电设备预警系统，智能监控电网变电设备，同步进行状态预测，为提前进行设备故障预警，为及时排除设备故障存在风险提供支持。
5.综上所述，现有技术中存在电网变电设备故障检测与场景适配度低，电网设备管控力无法满足电网安全使用需求的技术问题。


技术实现要素：

6.本技术通过提供了一种智能电网变电设备预警评估方法及系统，旨在解决现有技术中电网变电设备故障检测与场景适配度低，电网设备管控力无法满足电网安全使用需求的技术问题。
7.鉴于上述问题，本技术实施例提供了一种智能电网变电设备预警评估方法及系统。
8.本技术公开的第一个方面，提供了一种智能电网变电设备预警评估方法，其中，所述方法包括：获得各区域变电节点，得到不同电压等级变电站的数量、变压器数量及变压器容器；获取不同电压等级变电站中变电设备信息，并基于所述变电站中变电设备信息进行变电工作关系构建；对各变电站设备进行监测，获得设备监测数据，基于所述各区域变电节点、变电工作关系，对所述设备监测数据进行状态评估，确定设备状态信息；根据所述设备状态信息、设备监测数据，通过故障评价模型进行故障分析，获得故障评估结果，当所述故障评估结果满足预警条件时，生成故障预警信息。
9.本技术公开的另一个方面，提供了一种智能电网变电设备预警评估系统，其中，所述方法包括：区域变电节点获得模块，用于获得各区域变电节点，得到不同电压等级变电站的数量、变压器数量及变压器容器；工作关系构建模块，用于获取不同电压等级变电站中变电设备信息，并基于所述变电站中变电设备信息进行变电工作关系构建；状态评估模块，用
于对各变电站设备进行监测，获得设备监测数据，基于所述各区域变电节点、变电工作关系，对所述设备监测数据进行状态评估，确定设备状态信息；故障预警生成模块，用于根据所述设备状态信息、设备监测数据，通过故障评价模型进行故障分析，获得故障评估结果，当所述故障评估结果满足预警条件时，生成故障预警信息。
10.本技术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：由于采用了获得各区域变电节点，得到不同电压等级变电站的数量、变压器数量及变压器容器；获取不同电压等级变电站中变电设备信息，进行变电工作关系构建；对各变电站设备进行监测，获得设备监测数据，基于各区域变电节点、变电工作关系，对设备监测数据进行状态评估，确定设备状态信息，结合设备监测数据，通过故障评价模型进行故障分析，获得故障评估结果，当故障评估结果满足预警条件时，生成故障预警信息，实现了电网变电设备状态的全面感知、动态分析、及时预警和故障诊断，提升电网变电设备故障检测与场景适配度，横向贯通输、变、配电网安全使用需求，全面提升电网设备管控力的技术效果。
11.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
12.图1为本技术实施例提供了一种智能电网变电设备预警评估方法可能的流程示意图；图2为本技术实施例提供了一种智能电网变电设备预警评估方法中生成故障预警信息可能的流程示意图；图3为本技术实施例提供了一种智能电网变电设备预警评估方法中确定预设预警阈值可能的流程示意图；图4为本技术实施例提供了一种智能电网变电设备预警评估系统可能的结构示意图。
13.附图标记说明：区域变电节点获得模块100，工作关系构建模块200，状态评估模块300，故障预警生成模块400。
具体实施方式
14.本技术提供的技术方案总体思路如下：本技术实施例提供了在智能电网中布设各区域变电节点，针对变电站中的变电设备，构建变电工作关系，同步的，对变电站中的变电设备进行数据监测，通过监测所得数据，基于各区域变电节点与变电工作关系，进行运行状态预测，实现电网运维管理、智能监控、缺陷管理和检修管理等业务场景完成虚拟场景映射。
15.在介绍了本技术基本原理后，下面将结合说明书附图来具体介绍本技术的各种非限制性的实施方式。
16.实施例一如图1所示，本技术实施例提供了一种智能电网变电设备预警评估方法，其中，所述方法包括：
s10：获得各区域变电节点，得到不同电压等级变电站的数量、变压器数量及变压器容器；s20：获取不同电压等级变电站中变电设备信息，并基于所述变电站中变电设备信息进行变电工作关系构建；具体而言，所述各区域变电节点即不同电压等级变电站（智能电网范围内所有的变电站），所述变电设备可以是开关柜、断路器、gis设备（gas insulated switchgear，气体绝缘全封闭组合电器）、电流互感器和电压互感器等相关设备，所述变电设备信息包括变电设备的技术特征参数、变电设备分布信息、变电设备数量信息，所述变电工作关系包括一次设备关系（主变压器、开关柜、断路器、gis设备、电流互感器和电压互感器运行关系）、感知设备关系（安防探测器、消防探测器、主变压器温度探测器的运行关系）、主变负荷变化关系（查看各个主变压器24小时内的负荷变化）、站内监控（查看变电站监控视频）、缺陷记录（缺陷记录包括缺陷昌盛时间、主要缺陷、缺陷消除情况）；对不同电压等级变电站进行数据统计，得到不同电压等级变电站的数量、变压器数量（所述变压器数量不小于对应的电压等级变电站的数量）及变压器容器（变压器容器单位可以限定为mva），基于所述变电站中变电设备信息，构建变电工作关系（工作关系与设备类型相对应），为后续提供数据基础。
17.s30：对各变电站设备进行监测，获得设备监测数据，基于所述各区域变电节点、变电工作关系，对所述设备监测数据进行状态评估，确定设备状态信息；s40：根据所述设备状态信息、设备监测数据，通过故障评价模型进行故障分析，获得故障评估结果，当所述故障评估结果满足预警条件时，生成故障预警信息。
18.具体而言，所述监测数据包括主变压器运行数据、开关柜运行数据、断路器运行数据、gis设备运行数据、电流互感器运行数据和电压互感器运行数据，设备状态信息包括工作负载状态信息（工作负载分为满载、轻载、过载）、工作空载状态信息（变压器的一次绕组接入电源，二次绕组开路的工作状态），所述故障预警信息包括故障评估结果、故障设备状态信息、故障设备监测数据；在智能电网变电设备工作状态中，对各变电站设备进行数据同步监测，获得设备监测数据(每组设备监测数据的均存在监测时间标识)，基于所述各区域变电节点、变电工作关系，对所述设备监测数据，进行状态评估（进行设备带载功率计算，功率计算为常规电力运算，常规现有操作），确定设备状态信息；根据所述设备状态信息、设备监测数据，通过故障评价模型，对设备状态信息、设备监测数据进行数据比对，进行设备状态故障分析，获得故障评估结果，当所述故障评估结果满足预警条件时，生成故障预警信息，为结合业务场景，提前进行预警提醒，避免因预警不及时出现的智能电网电路安全事故。
19.如图2所示，步骤s40还包括步骤：s41：获取各区域变电节点的缺陷记录信息；s42：根据所述缺陷记录信息进行缺陷预警时间提取，确定未处理预警记录；s43：根据所述未处理预警记录与所述故障预警信息进行比对，当比对结果在预设预警阈值内，停止生成所述故障预警信息；s44：当超出所述预设预警阈值时，生成所述故障预警信息。
20.具体而言，为避免短时间内对同一个问题进行重复预警，所述缺陷预警时间为初
次进行缺陷预警的时间，获取各区域变电节点的缺陷记录信息，可以分别对各区域变电节点进行故障分析，确定各区域变电节点的故障评估结果；根据所述缺陷记录信息进行缺陷预警时间提取，确定出现缺陷处理标记的故障评估结果，对出现缺陷处理标记的故障评估结果剔除，获取未处理预警记录；根据所述未处理预警记录与所述故障预警信息进行比对，当所述比对结果在预设预警阈值对应的时间限制内（避免短时间内对同一个问题进行重复预警，可以设定为1分钟），停止生成所述故障预警信息（在预设预警阈值对应的时间限制内，第一问题已进行一次预警，停止对第一问题进行重复性预警）；当超出所述预设预警阈值时（如果超出了预设预警阈值对应的时间限制，第一问题还没有解决，可以再次针对第一问题进行预警），生成所述故障预警信息，为保证故障预警信息的有效性，维护故障预警的时效性提供支持。
21.如图3所示，步骤s43方法还包括步骤：s431：根据所述故障预警信息，进行故障影响度分析，确定设备故障影响度；s432：基于所述设备故障影响度、所述变电工作关系，进行预警处理时限分析，确定所述预设预警阈值。
22.具体而言，所述设备故障影响度与缺陷威胁等级（预设指标参数信息）对应，所述缺陷威胁等级包括但不限于一般缺陷、危急缺陷、严重缺陷，根据所述故障预警信息，对应缺陷威胁等级进行故障影响度分析（一般缺陷对应影响度可以设定为3%；严重缺陷对应影响度可以设定为9%；危急缺陷对应影响度可以设定为27%），确定设备故障影响度；基于所述设备故障影响度、所述变电工作关系，进行预警处理时限分析（危急缺陷处理时限＜严重缺陷处理时限＜一般缺陷处理时限），确定所述预设预警阈值，为及时分等级进行缺陷排除提供支持。
23.步骤s40方法还包括步骤：s45：根据所述设备状态信息，确定设备负载信息、设备关联运行要求；s46：将所述设备负载信息、所述设备关联运行要求、设备监测数据输入所述故障评价模型，获得所述故障评估结果，其中，所述故障评价模型为通过预设数据集进行标识、功能分组，进行训练、测试的前馈神经网络模型。
24.具体而言，所述设备负载信息包括但不限于负载额定功率信息、设备带载信息，所述设备关联运行要求常见如组合电器类设备，所述故障评价模型为通过预设数据集进行标识、功能分组，进行训练、测试的前馈神经网络模型；基于前馈神经网络模型，通过预设数据集进行标识、功能分组，进行训练、测试，搭建故障评价模型，根据所述设备状态信息，确定设备负载信息（通过负载额定功率信息、设备带载信息，进行负载实际功率计算所得，为电力学常规手段）、设备关联运行要求，将所述设备负载信息、所述设备关联运行要求、设备监测数据输入所述故障评价模型，输出所述故障评估结果，进行输入输出限定，为后续代入运算提供参考。
25.步骤s46方法包括步骤：s461：通过大数据、本地记录数据，构建历史数据库；s462：对所述历史数据库进行数据预处理，所述数据预处理包括数据归一化处理，确定数据置信区间，利用所述数据置信区间对所述历史数据库进行筛选；s463：通过预处理后获得待处理数据集，利用设备负载信息、设备关联运行要求、
设备监测数据及设备缺陷分析结果标识信息的数据结构，对所述待处理数据集进行数据构建，获得所述预设数据集；s464：获得预设功能分区比例要求，按照所述预设功能分区比例要求对所述预设数据集进行功能分组，得到训练数据组、测试数据组；s465：将所述训练数据组输入模型训练器中对前馈神经网络结构进行训练，基于训练得到的前馈神经网络模型及测试数据组输入模型测试器中对前馈神经网络模型进行测试；s466：当满足模型结果收敛要求时，获得所述故障评价模型。
26.具体而言，基于前馈神经网络模型，通过预设数据集进行标识、功能分组，进行训练、测试，搭建故障评价模型，具体包括：所述在线记录数据即大数据记录的智能电网相关数据，所述数据预处理包括数据归一化处理，属于所述数据置信区间内的数据可以取信，不满足数据置信区间的，即不可信数据，所述数据置信区间为一预设可信度评估区间，所述预设数据集的分布标识为设备负载标识信息、设备关联运行要求标识、设备监测标识数据及设备缺陷分析结果标识，收敛要求可以是前馈神经网络模型测试阶段对应的收敛限定信息（测试输出与测试数据组的阈值区间）；通过大数据，针对智能电网相关数据进行筛选，获取在线记录数据，基于在线记录数据、本地记录数据进行数据合并，构建历史数据库；对所述历史数据库进行数据预处理（数据预处理可以是数据归一化处理），确定数据置信区间，利用所述数据置信区间对所述历史数据库进行筛选，删去历史数据库中不满足数据置信区间的不可信数据；通过预处理后获得待处理数据集，所述待处理数据集即完成历史数据库中不满足数据置信区间的不可信数据删去动作的数据集，利用设备负载信息、设备关联运行要求、设备监测数据及设备缺陷分析结果标识信息的数据结构，对所述待处理数据集进行数据构建，获得所述预设数据集，所述预设数据集的数据结构满足设备负载信息区间、设备关联运行要求区间、设备监测数据区间及设备缺陷分析结果区间；获得预设功能分区比例要求（通过用户自定义设定，不作具体限定），按照所述预设功能分区比例要求对所述预设数据集进行功能分组占比限定（设备负载信息区间占比、设备关联运行要求区间占比、设备监测数据区间占比及设备缺陷分析结果区间占比），随机划分得到训练数据组、测试数据组；将所述训练数据组输入模型训练器中对前馈神经网络结构进行训练，基于训练得到的前馈神经网络模型及测试数据组输入模型测试器中对前馈神经网络模型进行测试，收敛要求即前馈神经网络模型测试阶段对应的收敛限定信息，当满足模型结果收敛要求时，获得所述故障评价模型，为后续进行模拟运算提供模型基础。
27.本技术实施例还包括步骤：s51：通过无人机对各区域变电节点进行图像采集，获得各区域图像信息；s52：基于所述变电工作关系、所述各区域图像信息，构建智能电网线路地图；s53：利用所述智能电网线路地图进行线路选择，获得线路请求信息；s54：根据所述线路请求信息，进行线路数据漫游，构建线路监测数据链；s55：基于所述线路监测数据链，通过所述故障评价模型进行线路缺陷评估分析，确定线路评估缺陷点；s56：对所述线路评估缺陷点进行标记，并根据所述线路评估缺陷点进行线路缺陷
耦合分析，确定线路综合评价结果。
28.具体而言，用户点击地图网格任意网格会跳出该网格的介绍弹窗，进入配电房三维建模场景，点击任意设备模型，页面右侧跳出设备图片及设备名称介绍，用户点击点击地图下方的三维切换图标，进入配网的隐患分析和线路漫游模块，点击“开始漫游”，地图上开始自动漫游输电线路，期间用户可以选择“暂停漫游”或“退出漫游”，具体还包括：所述线路请求信息包括路线隐患报告、路线隐患点明细，隐患显示请求；所述线路综合评价结果为用户多条漫游记录综合评估所得；在智能电网覆盖区域，通过无人机对各区域变电节点进行图像采集，获得各区域图像信息；基于所述各区域图像信息，将所述变电工作关系作为联通基础，合成智能电网线路地图；利用所述智能电网线路地图进行线路选择（示例性的，用户点击线路漫游，勾选需要漫游的线路，点击“开始漫游”，地图上开始自动漫游配电线路，期间用户可以选择“暂停漫游”或“退出漫游”），获得线路请求信息；根据所述线路请求信息，进行线路数据漫游，通过用户多条漫游记录，构建线路监测数据链（第一次漫游与第一次漫游路线、第二次漫游与第二次漫游路线、
…
、第n次漫游与第n次漫游路线）；基于所述线路监测数据链，将所述线路监测数据链对应的隐患点明细输入故障评价模型，通过所述故障评价模型进行线路缺陷评估分析，确定线路评估缺陷点；对所述线路评估缺陷点进行标记，并根据所述线路评估缺陷点进行线路缺陷耦合分析（第一次漫游路线存在的缺陷，可能在第一次漫游路线的某一条支路中存在缺陷耦合设备，在缺陷耦合后，第一次漫游路线存在的缺陷第一次漫游路线的某一条支路中存在缺陷可以耦合排除，第一次漫游路线的某一条支路与第一次漫游路线均属于线路监测数据链），确定线路综合评价结果，为避免出现异常缺陷标记，为保证异常标记的有效性提供支持。
29.本技术实施例还包括步骤：s571：获得变电站负荷信息、变电站中各设备工作年限；s572：通过所述变电站负荷信息、所述变电站中各设备工作年限，对设备进行老化程度评估，确定设备老化初步评估结果；s573：根据所述设备监测数据，提取预设时间范围的记录数据，根据预设时间范围的记录数据对设备进行运行状态评估，获得运行老化评估结果；s574：利用所述运行老化评估结果对所述设备老化初步评估结果进行修正，确定设备老化结果；s575：获得设备工作连接关系，根据所述设备工作连接关系、所述设备老化结果，确定预警要求；s576：当所述设备老化结果达到所述预警要求时，发送设备老化预警信息。
30.具体而言，设备年限老化进度存在一定的差异（设备年限老化，但状态未老化；有的设备年限未老化，但运行状态已经老化），需要精细化确定老化程度，针对状态与设备年限细化预警方案，具体包括：可以通过数据采集指令，获得变电站负荷信息、变电站中各设备工作年限，对所述变电站负荷信息、所述变电站中各设备工作年限进行标准化处理，利用变异系数法进行加权计算，获取设备老化初步评估结果（所述老化程度评估即对变电站中各设备工作年限进行精细优化），为均衡参数指标差异，保证修正匹配结果的稳定性；根据所述设备监测数据，
提取预设时间范围的记录数据，根据预设时间范围的记录数据对设备进行运行状态评估（通过设备额定工作状态的参数信息进行比对评估），获得运行老化评估结果（记录数据与设备额定工作状态的参数信息的比对结果）；利用所述运行老化评估结果对所述设备老化初步评估结果进行修正，确定设备老化结果（通过层次分析法，利用所述运行老化评估结果，主观对所述设备老化初步评估结果进行赋权，所述层次分析法为主观赋权法，综合变异系数法与所述层次分析法进行组合赋权，所述组合赋权即综合主、客观赋权结果进行赋权，对变电站负荷信息、变电站中各设备工作年限、所述预设时间范围的记录数据进行二次调整，提高设备老化结果的稳定性，获得设备工作连接关系(设备硬件工作状态的连接关系)，根据所述设备工作连接关系、所述设备老化结果，确定预警要求（预警要求还包括对应的连接关系，在某一种连接关系为基础进行预警，不处于对应连接关系，无法满足预警基础），当所述设备老化结果达到所述预警要求时，发送设备老化预警信息，为保证设备老化预警的针对性提供基础。
31.利用变异系数法进行加权计算，具体包括：所述变异系数法为一种客观赋权的方法，直接利用所述变电站负荷信息的标准化处理得到的各个结果所包含的信息，通过计算得到所述标准化处理得到的各个结果的权重，确定权重后，对所述变电站中各设备工作年限的标准化处理结果进行加权计算，对所述变电站中各设备工作年限进行设备进行权重计算；当所述设备老化结果达到所述预警要求时，示例性说明，老化的设备硬件处于预警要求对应的连接关系，示例性说明a设备包括a、b、c三种运行功能，a对应的第一连通状态存在第一老化电容，第一老化电容已老化，b对应的第二连通状态；c对应的第三连通状态，a设备进行b和/或c运行功能，处于第二连通状态和/或第三连通状态，均未达成预警要求；有且仅的，a设备进行a运行功能，处于第一连通状态，达成预警要求。
32.综上所述，本技术实施例所提供的一种智能电网变电设备预警评估方法及系统具有如下技术效果：1.由于采用了获得各区域变电节点，得到不同电压等级变电站的数量、变压器数量及变压器容器；获取不同电压等级变电站中变电设备信息，进行变电工作关系构建；对各变电站设备进行监测，获得设备监测数据，基于各区域变电节点、变电工作关系，对设备监测数据进行状态评估，确定设备状态信息，结合设备监测数据，通过故障评价模型进行故障分析，获得故障评估结果，当故障评估结果满足预警条件时，本技术通过提供了一种智能电网变电设备预警评估方法及系统，实现了电网变电设备状态的全面感知、动态分析、及时预警和故障诊断，提升电网变电设备故障检测与场景适配度，横向贯通输、变、配电网安全使用需求，全面提升电网设备管控力的技术效果。
33.2.由于采用了根据设备状态信息，确定设备负载信息、设备关联运行要求；将设备负载信息、设备关联运行要求、设备监测数据输入故障评价模型，输出故障评估结果，进行输入输出限定，为后续代入运算提供参考。
34.实施例二基于与前述实施例中一种智能电网变电设备预警评估方法相同的发明构思，如图4所示，本技术实施例提供了一种智能电网变电设备预警评估系统，其中，所述系统包括：区域变电节点获得模块100，用于获得各区域变电节点，得到不同电压等级变电站
的数量、变压器数量及变压器容器；工作关系构建模块200，用于获取不同电压等级变电站中变电设备信息，并基于所述变电站中变电设备信息进行变电工作关系构建；状态评估模块300，用于对各变电站设备进行监测，获得设备监测数据，基于所述各区域变电节点、变电工作关系，对所述设备监测数据进行状态评估，确定设备状态信息；故障预警生成模块400，用于根据所述设备状态信息、设备监测数据，通过故障评价模型进行故障分析，获得故障评估结果，当所述故障评估结果满足预警条件时，生成故障预警信息。
35.进一步的，所述系统包括：缺陷记录获取模块，用于获取各区域变电节点的缺陷记录信息；预警记录确定模块，用于根据所述缺陷记录信息进行缺陷预警时间提取，确定未处理预警记录；预警信息停止生成模块，用于根据所述未处理预警记录与所述故障预警信息进行比对，当比对结果在预设预警阈值内，停止生成所述故障预警信息；预警信息生成模块，用于当超出所述预设预警阈值时，生成所述故障预警信息。
36.进一步的，所述系统包括：故障影响度分析模块，用于根据所述故障预警信息，进行故障影响度分析，确定设备故障影响度；预警处理时限分析模块，用于基于所述设备故障影响度、所述变电工作关系，进行预警处理时限分析，确定所述预设预警阈值。
37.进一步的，所述系统包括：图像采集模块，用于通过无人机对各区域变电节点进行图像采集，获得各区域图像信息；电网线路地图构建模块，用于基于所述变电工作关系、所述各区域图像信息，构建智能电网线路地图；线路选择模块，用于利用所述智能电网线路地图进行线路选择，获得线路请求信息；线路数据漫游模块，用于根据所述线路请求信息，进行线路数据漫游，构建线路监测数据链；缺陷评估分析模块，用于基于所述线路监测数据链，通过所述故障评价模型进行线路缺陷评估分析，确定线路评估缺陷点；缺陷耦合分析模块，用于对所述线路评估缺陷点进行标记，并根据所述线路评估缺陷点进行线路缺陷耦合分析，确定线路综合评价结果。
38.进一步的，所述系统包括：变电站信息获得模块，用于获得变电站负荷信息、变电站中各设备工作年限；老化程度评估模块，用于通过所述变电站负荷信息、所述变电站中各设备工作年限，对设备进行老化程度评估，确定设备老化初步评估结果；运行状态评估模块，用于根据所述设备监测数据，提取预设时间范围的记录数据，根据预设时间范围的记录数据对设备进行运行状态评估，获得运行老化评估结果；
评估结果修正模块，用于利用所述运行老化评估结果对所述设备老化初步评估结果进行修正，确定设备老化结果；预警要求确定模块，用于获得设备工作连接关系，根据所述设备工作连接关系、所述设备老化结果，确定预警要求；预警要求判断模块，用于当所述设备老化结果达到所述预警要求时，发送设备老化预警信息。
39.进一步的，所述系统包括：设备数据信息确定模块，用于根据所述设备状态信息，确定设备负载信息、设备关联运行要求；故障评估结果获得模块，用于将所述设备负载信息、所述设备关联运行要求、设备监测数据输入所述故障评价模型，获得所述故障评估结果，其中，所述故障评价模型为通过预设数据集进行标识、功能分组，进行训练、测试的前馈神经网络模型。
40.进一步的，所述系统包括：历史数据库构建模块，用于通过大数据、本地记录数据，构建历史数据库；归一化处理模块，用于对所述历史数据库进行数据预处理，所述数据预处理包括数据归一化处理，确定数据置信区间，利用所述数据置信区间对所述历史数据库进行筛选；预设数据集获得模块，用于通过预处理后获得待处理数据集，利用设备负载信息、设备关联运行要求、设备监测数据及设备缺陷分析结果标识信息的数据结构，对所述待处理数据集进行数据构建，获得所述预设数据集；功能分组模块，用于获得预设功能分区比例要求，按照所述预设功能分区比例要求对所述预设数据集进行功能分组，得到训练数据组、测试数据组；测试数据组输入模块，用于将所述训练数据组输入模型训练器中对前馈神经网络结构进行训练，基于训练得到的前馈神经网络模型及测试数据组输入模型测试器中对前馈神经网络模型进行测试；故障评价模型获得模块，用于当满足模型结果收敛要求时，获得所述故障评价模型。
41.综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本技术实施例中的任一项方法，在此不做多余限制。
42.进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的范围。这样，倘若本技术的这些修改和变型属于本技术及其等同技术的范围之内，则本技术意图包括这些改动和变型在内。