文本信息挖掘技术及其在断路器全寿命状态评价中的应用

电网企业记录了大量故障与缺陷中文文本,这些文本蕴藏了丰富的设备健康信息。但迄今为止,鲜有电力领域的文本信息挖掘技术研究。以断路器全寿命状态评价为应用研究背景,探索了电网中文文本挖掘方法。首先,根据断路器状态评价的研究现状,提出了构建文本挖掘与全寿命状态评价模型的关键问题。然后,构建了包含文本挖掘信息的全寿命状态评价模型,通过基于隐马尔可夫法(HMM)的文本预处理与向量化、自主区间搜索k最近邻(KNN)算法的文本分类和比率型状态信息融合模型完成了断路器全寿命健康状态指数的展示。最后,采用某电网公司实际缺陷文本构建算例。算例表明,文本挖掘技术实现了相似缺陷的相关性学习,比率型信息融合模型能更全面真实地展示健康状态评价的历史流。

基于全寿命状态的设备可靠性研究

应用基于设备状态的故障率计算模型,研究如何科学求取模型中的比例参数和曲率参数。首先分析了由于反演法未能充分利用状态信息而导致的缺点,然后提出了基于设备全寿命状态的模型参数求解法。该方法可以分别求解一类设备、单个设备和设备分生命阶段的状态可靠性模型,不需要大量的统计样本,而且能通过状态的变化体现维修对于可靠性的影响。算例分析以变压器单体为例,求解了基于状态的可靠性模型,结果表明,利用变压器的全寿命历史状态数据,能得到更精细的短期可靠性模型。