(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211373057.7 (22)申请日 2022.11.04 (71)申请人 长春工程学院 地址 130012 吉林省长 春市朝阳区宽平大 路395号 申请人 国网吉林省电力有限公司辽源供电 公司 (72)发明人 王敏珍　王志钢　岳科宇　赵洪丹　 郑宇　赵立英　李成　齐恩铁　 张琦　 (74)专利代理 机构 南京鑫之航知识产权代理事 务所(特殊普通 合伙) 32410 专利代理师 李鸣 (51)Int.Cl. G06K 9/62(2022.01)G06N 7/00(2006.01) G06N 20/00(2019.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 电力巡检数据挖掘、 设备状态分类及风险预 测系统及方法 (57)摘要 本发明涉及电网技术领域， 尤其为电力巡检 数据挖掘、 设备状态分类及风险预测系统及方 法， 包括： 数据采集模块， 用于采集电力巡检数 据； 数据预处理模块， 用于对采集的电力巡检数 据数据进行预处理； 数据挖掘模块， 用于对采集 的电力巡检数据构建数据挖掘模型进行数据挖 掘； 设备状态评估模块， 用于对设备状态进行评 估分类； 风险分析模块， 用于对设备进行风险预 测。 本发明通过构建数据挖掘模 型对海量数据进 行快速提取， 节省人力、 物力； 通过数据挖掘模型 提取的数据对设备状态进行分类， 再对可能引发 设备风险的因素进行风险预测， 为优化设备提供 参考。 权利要求书2页 说明书7页 附图2页 CN 115423051 A 2022.12.02 CN 115423051 A 1.电力巡检数据 挖掘、 设备状态分类及风险预测系统， 其特 征在于： 包括： 数据采集模块 （10 0） ： 用于采集电力巡检数据； 数据预处 理模块 （20 0） ： 用于对 采集的电力巡检数据进行 预处理； 数据挖掘模块 （3 00） ： 用于对 采集的电力巡检数据构建数据 挖掘模型进行 数据挖掘； 设备状态评估 模块 （400） ： 用于对设备状态进行评估分类； 风险分析模块 （5 00） ： 用于构建风险分析模型并对设备进行风险预测； 所述风险分析模块 （5 00） 构建的风险分析模型如下： 将设备风险作为因变量A， 风险因素为 ， 设其函数关系为： 与电力巡检数据 进行合并: 其中， 分别为对于第 个风险因素 下的电力巡检数据集 合； 确定各风险因素的平均值 及方差 ： 其中， n为电力巡检数据总量， k为第k个风险因素， i为第i个电力巡检数据， 为对于 第k个风险因素的第i个电力巡检数据； 对每一风险因素变量 ， 生成均匀分布的风险因素 ， 并与电力巡检数据 进行合并分析， 确定每 个风险因素变量的概 率密度函数 和累积概 率分布函数 ： 其中， 为风险因素变量个数， ； 为模拟次数， ； 求得风险因素 出现的概 率 ， 对引发设备风险的因素进行 预测。 2.根据权利要求1所述的电力 巡检数据挖掘、 设备状态分类及风险预测系统， 其特征在 于： 所述数据预处理模块 （200） 对采集的电力巡检数据进行预处理操作， 包括数据清洗、 数 据归一化。 3.根据权利要求1所述的电力 巡检数据挖掘、 设备状态分类及风险预测系统， 其特征在 于： 所述数据挖掘模块 （300） 通过贝叶斯网络参数离散化处理电力巡检数据， 并对电力巡检 数据进行降维处 理， 然后构建数据 挖掘模型， 对降维处 理后的数据进行进一 步处理。 4.根据权利要求3所述的电力 巡检数据挖掘、 设备状态分类及风险预测系统， 其特征在权　利　要　求　书 1/2 页 2 CN 115423051 A 2于： 所述数据 挖掘模型的构建步骤如下： 设定可挖掘的属性， 对应不同的属性数据样本， 数值关系 为： 其中， 表示电力巡检数据中的分类样本， 表示电力巡检数据属性为h的概率， n 为电力巡检数据总量， i 为第i个电力巡检数据， 为第i个电力巡检数据组。 5.根据权利要求4所述的电力 巡检数据挖掘、 设备状态分类及风险预测系统， 其特征在 于： 通过L ogistic函数对所述数值关系 进行变换： 其中， 表示引入的回归参数， 表示电力巡 检数据组， e为回归系数， 为变形函数； 构建数值 提取关系： 其中， b为设定阈值， 为第i个电力巡检数据组， Q为设定常数， 对应回归参数数值大 小， 按数值区间形成最终提取 过程。 6.根据权利要求5所述的电力 巡检数据挖掘、 设备状态分类及风险预测系统， 其特征在 于： 当提取大量电力巡检数据时， 扩大引入的回归参数 的数值， 实现对大量电力巡检数据 的快速提取。 7.根据权利要求1所述的电力 巡检数据挖掘、 设备状态分类及风险预测系统， 其特征在 于： 所述设备状态评估模块 （400） 中， 基于数据挖掘模块 （300） 构建 的数据挖掘模型提取设 备数据信息， 构建设备状态评估矩阵， 通过Adam算法获得设备状态评估训练矩阵， 通过卷积 算法获得训练数据， 通过训练softmax分类 器， 对设备状态进行分类。 8.根据权利要求1所述的电力 巡检数据挖掘、 设备状态分类及风险预测系统， 其特征在 于： 根据所述风险因素的随机数的概率， 构建贝叶斯网络进 行设备状态诊断， 根据所述设备 状态评估模块 （400） 分类的设备状态划分风险等级， 对引发不同设备风险等级的因素进行 预测。 9.电力巡检数据 挖掘、 设备状态分类及风险预测方法， 其特 征在于： 包括如下步骤： S1.1： 通过 各类传感器设备采集电力巡检数据； S1.2： 对采集的电力巡检数据进行 预处理； S1.3： 构建数据 挖掘模型对预处 理后的电力巡检数据进行处 理； S1.4： 根据构建的数据挖掘模型提取设备数据， 并根据设备状态评估训练模型对设备 状态进行分类； S1.5： 根据数据挖掘模型挖掘的数据以及设备状态评估训练模型分类的设备状态划分 设备风险等级， 并对设备进行风险预测。权　利　要　求　书 2/2 页 3 CN 115423051 A 3