应用大数据分析的电力设备安全性评估系统及方法与流程

本发明涉及安全评估，具体是应用大数据分析的电力设备安全性评估系统及方法。

背景技术：

1、电力设备是用于发电、输电、配电和控制电力系统的关键组件，包括发电机、变压器、输电线路、开关设备等。这些设备构成了复杂的电力系统，通过协同工作，实现了从电能生成到分配的全过程。电力设备在现代社会中起着至关重要的作用，为各行各业提供了稳定可靠的电力供应。电力设备的设计和运行涵盖电力工程、电气工程和机械工程等多个领域，为社会的经济和生活提供了不可或缺的支持。

2、传统的电力设备安全性评估基本不考虑外部因素对设备状态的影响，主要通过电力设备状态进行安全性评估，分析结果只与内部组件有关，不能及时反应测点环境变化对设备安全性状态的影响；另外，现有方式往往只采集单点位置的数据，存在评估精确度不高的问题。

3、因此，当前电力设备安全性评估需要更先进、集成的系统来解决这些问题，而本发明应用大数据分析的电力设备安全性评估系统及方法旨在提供全新的、更高效的解决方案。

技术实现思路

1、本发明的目的在于：提供应用大数据分析的电力设备安全性评估系统及方法方案，以解决上述背景技术中提出的问题。

2、为了实现上述目的，本发明采用了以下技术方案：应用大数据分析的电力设备安全性评估系统，包括数据采集模块、数据整合与补偿模块、数据存储与质量监控模块和智能风险评估模块；

3、所述数据采集模块是系统的起点，通过部署多类传感器，包括震动传感器、温度传感器、湿度传感器等，负责在待评估设备的不同位置获取实时数据。震动传感器记录设备振动情况，温度和湿度传感器监测环境条件，外部环境数据则包括空气温度、湿度等因素。这些传感器协同工作，实现对电力设备及其周围环境多维信息的全面采集；

4、所述数据整合与补偿模块接收来自不同位置、不同传感器的多源数据，执行数据整合和补偿的关键任务。在整合过程中，考虑不同数据类型和采集频率，确保数据融合后的一致性。补偿处理针对不同数据类型，如振动、噪音、温度和湿度，进行合适的补偿，以消除传感器之间的差异，保障整合后数据的准确性和可比性；

5、所述数据存储与质量监控模块数据存储与质量监控模块负责将整合处理后的数据安全存储，并在存储过程中执行质量监控。该模块借助大数据存储技术，确保数据的可扩展性和长期保存。通过实时监控数据的质量，标记异常数据并记录异常事件，同时触发警报机制，以及时响应潜在问题，保障数据质量的高水平；

6、所述智能风险评估模块是系统的核心，通过对整合后的数据进行综合分析，为每个电力设备赋予动态的安全性评分。该模块不仅依赖传统的统计模型，还结合了机器学习和人工智能技术，以更准确地识别潜在的电力设备事故。动态评分考虑实时数据的变化趋势，对异常情况做出灵敏响应，从而实现对设备安全性的及时、准确监测；

7、所述数据采集模块包括传感器单元、振动数据采集单元和环境数据采集单元；

8、所述传感器单元包括对噪音传感器、振动传感器、温度传感器和湿度传感器的部署；所述振动数据采集单元负责从不同位置传感器上采集电力设备的振动数据；所述环境数据采集单元负责从不同位置传感器上采集外部环境的噪音数据、温度数据和湿度数据。

9、所述数据整合与补偿模块包括数据整合单元和数据补偿单元；

10、所述数据整合单元负责将来自不同位置、不同传感器的振动、噪音、温度、和湿度数据整合为统一的电力设备数据集；所述数据补偿单元负责将噪音、温度和湿度数据进行补偿处理后与振动数据加权处理得出新的数据值。

11、所述数据存储与质量监控模块包括数据存储单元和数据质量监控单元；

12、所述数据存储单元负责存储整合和补偿后的数据；所述数据质量监控单元负责对异常数据进行标记和处理，发现监测数据超过预定阈值时相应的触发警报机制。

13、所述智能风险评估模块包括风险评估单元和维修计划生成单元；

14、所述风险评估单元负责对整合后的数据进行综合分析，为每个电力设备赋予动态的安全性评分；所述维修计划单元根据设备的安全性评分，生成相应的维修计划。

15、应用大数据分析的电力设备安全性评估方法，所述电力设备安全性评估方法包括以下步骤：

16、s1、采集待评估电力设备不同位置上的振动数据及其外部环境数据；

17、s2、将来自不同传感器的数据进行整合和补偿；

18、s3、存储整合和补偿后的数据，对异常数据进行标记；

19、s4、基于补偿后的数据为待评估电力设备赋予动态的安全性评分，监测潜在的电力设备事故。

20、在步骤s1中，所述采集待评估电力设备不同位置上的振动数据及其外部环境数据，采集方式按不同类别的数据采取不同的时间间隔：

21、对于噪音数据，其具备高度变化频率，采集时间间隔设定为毫秒级；对于振动数据，其具备中度变化频率，采集时间间隔设定为秒级；对于温度和湿度数据，其具备低度变化频率，采集时间间隔设定为分钟级。

22、在步骤s2中，所述将来自不同传感器的数据进行整合和补偿采用以下技术方案：

23、首先，获取到不同传感器输出的噪音数据集合为{a1,a2,…,an},获取到不同传感器输出的振动数据集合为{b1,b2,…,bn}，获取到不同传感器输出的温度数据集合为{c1,c2,…,cn}，获取到不同传感器输出的湿度数据集合为{d1,d2,…,dn}；

24、其中a1为获取到的第一个噪音数据，an为获取到的第n个噪音数据；b1为获取到的第一个振动数据，bn为获取到的第n个振动数据；c1为获取到的第一个温度数据，cn为获取到的第n个温度数据；d1为获取到的第一个湿度数据，dn为获取到的第n个湿度数据，n为传感器的数量；

25、然后，设定噪音的标准值s1，计算每个噪音数据与噪音标准值的第一差值；设定温度的标准值s2，计算每个温度数据与温度标准值的第一差值；设定湿度的标准值s3，计算每个湿度数据与湿度标准值的第一差值；设定噪音报警值b1，计算每个噪音数据与噪音报警值的第二差值；设定温度的报警值b2，计算每个温度数据与温度报警值的第二差值；设定湿度的报警值b3，计算每个湿度数据与湿度报警值的第二差值；将不同数据的第一差值与第二差值相比得出标准化数据，对标准化后的噪音数据取平均得出噪音补偿值p，对标准化后的温度数据取平均得出温度补偿值u，对标准化后的湿度数据取平均得出湿度补偿值v，o、u和v的计算公式如下:

26、

27、其中，ai为获取到的第i个噪音数据，bi为获取到的第i个振动数据，ci为获取到的第i个温度数据，di为获取到的第i个湿度数据；

28、最后，将补偿后的环境数据与振动数据加权平均得出不同传感器输出的综合指数wi：

29、wi＝α*bi+(1-α)*(p+u+v)；

30、其中，α为权重参数，用于平衡振动数据与外部环境数据对电力设备安全性评估中的贡献。

31、在步骤s3中，对整合和补偿后的数据进行存储，预先设定综合指数阈值τ，若综合指数wi＞τ，则标记该数据点为异常；若综合指数wi≤τ,则该数据点不需要标记。

32、在步骤s4中，将补偿后的数据作为输入，输出待评估电力设备上每个传感器对应位置的安全性评分xi采用以下计算方式：

33、设获取到待评估电力设备经过数据整合补偿后的传感器综合指数集合为{w1，w2，…，wn}，定义与传感器综合指数集合所对应的权重数据集合为{σ1，σ2，…，σn}，且σ1+σ2+…+σn＝1；

34、xi＝wi*σi；

35、其中，σi表示不同传感器输出在安全性评估过程中的权重，i＝1，2，…，n；

36、对权重集合进行动态调整，以反映每个传感器对电力设备安全性评估的影响，若检测到传感器的数据在电力设备故障发生时表现异常，则减少该传感器的权重，并优先检测电力设备上安全性评分低的传感器位置，从而监测潜在的电力设备事故。

37、与现有技术相比，本发明所达到的有益效果是：

38、1、通过部署传感器采集多源数据，包括振动、噪音、温度和湿度等，实现了对电力设备多方面信息的全面采集。与传统的单一传感器或数据源相比，这样的综合数据采集更全面、更有助于对设备状态的全面评估；

39、2、数据整合与补偿模块将来自不同位置、不同传感器的数据整合为一个统一的数据集，并进行补偿处理。这种智能整合和补偿能够更准确地反映电力设备的真实状态，克服了仅依赖单一传感器或简单数据整合的局限；

40、3、数据存储与质量监控模块不仅负责存储整合处理后的数据，还对异常数据进行标记和处理，并触发警报机制。相比于传统的数据存储系统，这个模块在质量监控方面更为智能，能够及时识别和处理异常情况，提高了数据的可靠性和准确性；

41、4、智能风险评估模块通过综合分析整合后的数据，为每个电力设备赋予动态的安全性评分，监测潜在的电力设备事故。这种智能评估不仅依赖于传统的静态模型，还结合了实时的多源数据，提高了对设备状态变化的敏感性，使评估更为准确和实时。