(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 202211078248.0 (22)申请日 2022.09.05 (71)申请人 中铁第四勘察设计院集团有限公司 地址 430063 湖北省武汉市杨园和平大道 745号 (72)发明人 张华志　张雷　黄军　陈争　谭云　 方长林　吴杰　孟玺　王天兵　 (74)专利代理 机构 武汉东喻专利代理事务所 (普通合伙) 42224 专利代理师 纪元 (51)Int.Cl. G06Q 10/00(2012.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) (54)发明名称 一种基于平行学习的供变电设备维护方法、 系统及设备 (57)摘要 本申请公开了一种基于平行学习的供变电 设备维护方法、 系统及设备， 该方法包括： 采集供 变电设备的实时运行数据， 并对运行数据进行数 据预处理； 基于模糊C均值聚类算法对预处理后 的运行数据进行处理， 将运行数据划分为正常运 行状态与异常故障状态； 构建平行学习模型， 基 于马尔可夫决策过程训练平行学习模 型， 将异常 故障状态对应的运行数据输入至平行学习模型 中， 得到供变电设备失效概率与剩余使用寿命的 预测结果并制定供变电设备的维护决策。 本申请 能够快速获取供变电设备的失效概率与剩余使 用寿命并指定维护决策， 减 轻了维护检修工作的 压力。 权利要求书2页 说明书7页 附图1页 CN 115392509 A 2022.11.25 CN 115392509 A 1.一种基于平行 学习的供变电设备维护方法， 其特 征在于， 包括： 采集供变电设备的实时运行 数据， 并对运行 数据进行 数据预处 理； 基于模糊C均值聚类算法对预处理后的运行数据进行处理， 将运行数据划分为正常运 行状态与异常故障状态； 构建平行学习模型， 基于马尔可夫决策过程训练所述平行学习模型， 将所述异常故障 状态对应的运行数据输入至平行学习模型中， 得到供变电设备失效概率与剩余使用寿命的 预测结果并制定供变电设备的维护决策。 2.如权利要求1所述的基于平行学习的供变电设备维护方法， 其中， 所述对运行数据进 行数据预处 理， 具体包括： 将所述运行数据视为正态分布， 基于正态分布 的3σ 原则对运行数据进行处理， 剔除分 布在( μ‑3σ, μ+3σ )区间外误差较大的数据； 其中， μ为运行数据的均值， σ 为运行数据正态分 布的标准差 。 3.如权利要求2所述的基于平行学习的供变电设备维护方法， 其中， 所述对运行数据进 行数据预处 理， 还包括： 将所述运行数据 标准化， 对所述运行数据使用归一化方法进行处理， 将数据转化为0 ‑1 之间的数值。 4.如权利要求3所述的基于平行学习的供变电设备维护方法， 其中， 所述对运行数据进 行数据预处 理， 还包括： 采用主成分 分析法在所述 运行数据中选择 出若干个有代 表性的综合数据。 5.如权利要求1所述的基于平行学习的供变电设备维护方法， 其中， 所述基于模糊C均 值聚类算法对预处 理后的运行 数据进行处 理， 具体包括： 以所述预处理后运行数据的集合作为样本集， 确定样本集的类别数目， 并设置初始聚 类中心； 计算各个样本点与所述初始聚类中心之间的欧氏距； 根据当前的各个样本点与聚类中心之间的欧氏距离更新 聚类中心点， 并重新计算欧氏 距离； 根据所述最终的欧氏距离将所述运行数据划分到正常运行状态类别或与异常故障状 态类别。 6.如权利要求1所述的基于平行学习的供变电设备维护方法， 其中， 所述构建平行学习 模型， 基于马尔可夫决策过程训练所述平行学习模型， 将所述异常故障状态对应的运行数 据输入至平行学习模型中， 得到供变电设备失效概率与剩余使用寿命的预测结果并制定供 变电设备的维护决策， 具体包括： 构建平行 学习模型； 对所述异常故障状态对应的运行数据进行计算实验与 预测学习后， 产生若干个人工数 据； 通过所述人工数据构造人工系统。 7.如权利要求6所述的基于平行学习的供变电设备维护方法， 其中， 所述构建平行学习 模型， 基于马尔可夫决策过程训练所述平行学习模型， 将所述异常故障状态对应的运行数 据输入至平行学习模型中， 得到供变电设备失效概率与剩余使用寿命的预测结果并制定供权　利　要　求　书 1/2 页 2 CN 115392509 A 2变电设备的维护决策， 还 包括： 基于马尔科 夫决策过程， 随机获取当前 所述人工系统状态， 记录当前 学习动作； 基于所述当前人工系统状态与当前学习动作建立当前知识矩阵， 根据当前人工系统状 态、 下一时刻的人工系统状态与当前 学习动作计算 立即奖励； 根据当前知识 矩阵与立即奖励更新下一时刻的知识 矩阵； 将所述知识 矩阵存储至状态转移函数中。 8.如权利要求7所述的基于平行学习的供变电设备维护方法， 其中， 所述构建平行学习 模型， 基于马尔可夫决策过程训练所述平行学习模型， 将所述异常故障状态对应的运行数 据输入至平行学习模型中， 得到供变电设备失效概率与剩余使用寿命的预测结果并制定供 变电设备的维护决策， 还 包括： 求解使得知识 矩阵最大化时的动作值； 重复随机获取所述人工系统状态的步骤， 直至遍历所有所述人工系统， 得到所述供变 电设备失效概 率与供变电设备使用寿命； 根据所述供变电设备失效概 率与供变电设备使用寿命制定供变电设备的维护决策。 9.一种基于平行 学习的供变电设备维护系统， 其特 征在于， 包括： 数据采集与处理模块， 用于采集供变电设备的实时运行数据， 并对运行数据进行数据 预处理； 模糊C均值聚类算法模块， 用于对预处理后的运行数据进行处理， 将运行数据划分为正 常运行状态与异常故障状态； 预测与决策模块， 用于构建平行学习模型， 基于马尔可夫决策过程训练所述平行学习 模型， 将所述异常故障状态对应的运行数据输入至平行学习模型中， 得到供变电设备失效 概率与剩余使用寿命的预测结果并制定供变电设备的维护决策。 10.一种基于平行学习的供变电设备维护设备， 其特征在于， 包括至少一个处理单元、 以及至少一个存储单元， 其中， 所述存储单元存储有计算机程序， 当所述计算机程序被所述 处理单元执行时， 使得 所述处理单元执行权利要求1～8任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115392509 A 3