Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于UPFC的设备画像生成方法和系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:国网江苏省电力有限公司苏州供电分公司

摘要:一种基于UPFC的设备画像生成方法和系统。该方法包括,获得UPFC设备的运行数据,并对运行数据进行清洗预处理;将UPFC设备的基本静态信息、运行动态信息和性能评价信息设置为一级标签;按照UPFC管理及分析维度对一级标签进行划分,得到UPFC设备的二级标签;对二级标签进行细分,得到UPFC设备的三级标签;获取各个三级标签的数值,形成UPFC设备的设备画像。本发明的方案搭建整个UPFC的设备画像架构,清晰全面地展示设备多维度的运行特征,实现UPFC运行数据全面分析及UPFC设备的多方位管控。

主权项:1.一种基于UPFC的设备画像生成方法,其特征在于,包括以下步骤:步骤1:获得UPFC设备的运行数据,并对所述运行数据进行清洗预处理;步骤2:将所述UPFC设备的基本静态信息、运行动态信息和性能评价信息设置为一级标签;步骤3:按照UPFC管理及分析维度对所述一级标签进行划分,得到设备信息、运用信息、运行状态信息、运行故障信息、设备检修信息、质量评价信息和功能评价信息,作为所述UPFC设备的二级标签;步骤4:对所述二级标签进行细分,得到额定参数信息、设备规格信息、投运年限信息、设备状态信息、电气数据信息、设备故障信息、检修停时信息、性能试验信息、运行环境信息、设备质量等级信息、设备性能效果信息、家族质量史信息、装备技术指标、设备承载力指标和调度管理指标,作为UPFC设备的三级标签;步骤5:对所述三级标签采用聚类分析算法挖掘UPFC运行产生的数据,得到三级标签的数值,形成所述UPFC设备的设备画像;步骤1中,所述获得UPFC设备的运行数据,进一步包括:步骤1.1:通过企业资源计划系统(ERP)获得设备基本信息,包括设备规格、额定参数、型号和质量等级;步骤1.2:通过设备运维管理系统(PMS)获得运行信息、设备基本信息、性能评价信息,以及UPFC故障信息;步骤1.3:通过调度管理系统(OMS)获得UPFC检修信息和系统运行调度信息;步骤1.4:通过UPFC工程控制装置获得变压器负载率和变压器变换率,以及电流和功率;步骤1.5:通过装设传感器获得UPFC运行所处的环境信息;所述一级标签中的基本静态信息标签是UPFC的长期固有属性;运行动态信息标签包括运行信息和检修整备,该标签随着时间变化及时更新;性能评价信息标签记录UPFC运行过程中总结归纳得到的具有评价作用的信息;所述基本静态信息标签中的二级标签包括设备信息和运用信息;所述运行信息中的二级标签包括UPFC日运行时间、UPFC累计运行时长、运行故障设备数量、运行故障设备类别和运行故障处理时长;所述检修整备中的二级标签包括整备停时、整备时长、检修故障设备数量、检修故障设备类别和检修处理时长;所述性能评价信息标签中的二级标签包括总体评价、重点关注、质量评价和功能评价设备信息二级标签中的三级标签包括额定参数、设备规格;运行信息二级标签中的三级标签包括投运年限、设备状态;运行状态二级标签中的三级标签包括电流和功率等电气数据;运行故障二级标签中的三级标签包括设备故障信息;设备检修二级标签中的三级标签包括检修停时、性能试验;质量评价二级标签中的三级标签包括设备质量等级、设备性能效果、家族史质量;功能评价二级标签中的三级标签包括装备技术指标、设备承载力指标和调度管理指标;所述聚类分析,进一步包括:步骤5.1:针对需要挖掘归纳不同时期数据的二级标签,在聚类分析之前,通过以下过程进行降维处理,得到一维数据集D:设采集到的m个时期的n个标签数据集为W;为第m个时期的第n个标签数据; 定义数据集W的均值为,标准差为S,将W的每一列数据减去列数据平均值进行去中心化,然后进行标准化;得到标准化后的矩阵V;计算出矩阵V的协方差矩阵,i取[1,m]: 求出V最大特征值及其对应标准化后的特征向量α,代入计算得出降维后的数据集D: 步骤5.2:对于不需要针对不同时期数据进行挖掘归纳的二级标签,针对数据集D进行K-means聚类分析得到三级标签的数值;K-means聚类分析依赖聚类中心的选择和聚类数量K的确定,聚类中心的选择分为初始聚类中心选择和其他聚类中心选择;具体包括:步骤5.21:进行初始聚类中心的选择,设采集得到的样本数据集D=(x1,x2,x3…xn),聚类类别表示为E=(E1,E2,E3…Ek),D中随机选择两个样本xj、xk;r表示属性数量; 代入以下公式计算得出xj和xk的欧氏距离: 计算不同样本间的欧氏距离,然后代入以下公式得到xk数据样本点的数据密度: 选择数据密度最大的数据样本点作为初始聚类中心C1;步骤5.22:依次计算其余数据样本点到初始聚类中心C1的距离,选择距离最大的数据样本点作为下一个聚类中心,共有K个聚类中心;步骤5.3:按照手肘法进行聚类中心数量K的确定,计算得出手肘法的评价指标误差平方和SSE,根据评价指标误差平方和SSE确定聚类数量K: 是Ci簇中的样本均值;步骤5.4:计算数据集中每个数据样本点距聚类中心的距离,并将该数据样本点划分到距离最小的聚类中心所对应的类中,重新计算每个聚类类别的聚类中心: 步骤5.5:继续计算数据集中每个数据样本点距新聚类中心的距离,并将该数据样本点划分到距离最小的新聚类中心所对应的类中,重新计算每个聚类类别的聚类中心,重复上述过程,直至每个类别的聚类中心不再发生变化,聚类完成并得到当前二级标签的三级标签。

全文数据:

权利要求:

百度查询: 国网江苏省电力有限公司苏州供电分公司 一种基于UPFC的设备画像生成方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。