技术摘要：
本发明公开了一种隔离开关状态预测方法，该方法包括：(1)建立神经网络分类器，以隔离开关的监测状态量作为输入状态量，以隔离开关的告警级别为输出量，用历史记录的状态数据对神经网络进行学习训练；(2)对记录的上述每一个输入状态量采用二元一次线性回归分析法预测出  全部
背景技术：
隔离开关是电网输变电中的核心设备，随着我国电网的高速发展，隔离开关数量 急速上升。隔离开关一旦出现故障，不仅对城市的供电造成影响，更有可能引起爆炸等造成 人员伤亡的事故。其中，过热缺陷是隔离开关最为主要的故障。 近年来，电力设备的在线监测技术已经发展成熟，通过在隔离开关中安装多种传 感器，可以准确全面地对隔离开关的各种参数进行实时监测。目前在电力行业中确定隔离 开关故障通常的告警方法是通过单一或少数状态量的历史监测数据与设备运维标准的报 警阈值的比较来判断是否需告警。该告警方法仅根据历史监测数据判断设备的当前状态是 否有问题，而没有结合对隔离开关的状态趋势进行预测。
技术实现要素：
发明目的：本发明的目的是提供一种可以预测隔离开关状态的方法。本发明的目 的还在于提供基于上述方法的隔离开关状态预测装置、计算机存储介质。 技术方案：本发明公开的隔离开关状态预测方法包括步骤： (1)获取隔离开关的监测状态量的历史数据，对其进行归一化； (2)以归一化后的隔离开关的多个维度的监测状态量的历史数据为输入样本，以 隔离开关告警级别为输出，构造并利用分类器进行机器学习； (3)采用二元一次线性回归分析法分别对隔离开关的监测状态量的归一化值进行 预测，推测未来某一时刻对应的预测值； (4)把所推测的未来某一时刻对应的预测值作为训练好了的分类器的输入值，分 类器所输出的告警级别作为隔离开关设备所对应未来某一时刻预警级别； (5)重复步骤(4)获得未来一定时段内隔离开关设备预警级别变化的趋势； (6)根据步骤(5)获得的趋势，对隔离开关设备状态进行预警。 进一步地，步骤(1)中，所述隔离开关的监测状态量包括：负荷电流值、热点温度 值、环境温度值、正常发热温度值、相间温差值、相对温差值。 进一步地，步骤(1)包括：根据归一化模型将各维度的监测状态量的历史数据归一 化至0～1之间的数值，得到数据样本集，将其作为分类器的学习样本库；所述归一化模型 为： x＝(xd-xmin)/(xmax-xmin) 其中，x表示归一化值，xd表示各维度的监测状态量的历史数据，xmin表示各维度的 监测状态量的历史数据的最小值，xmax表示各维度的监测状态量的历史数据的最大值。 进一步地，步骤(2)中，所述分类器为BP网络分类器，采用梯度下降法作为机器学 3 CN 111612129 A 说　明　书 2/4 页 习方法。 进一步地，所述的BP网络分类器包含输入层、隐含层、输出层，所述输入层的输入 样本对应监测状态量的归一化值，输入层神经元个数为监测状态量维数n；所述输出层的输 出对应隔离开关告警级别的数字量化结果，输出层神经元个数为告警级别数m；所述隐含层 的节点数k为 四舍五入取整数，a为经验系数，a∈[1,10]。 进一步地，所述隔离开关告警级别包括无告警、蓝色告警、黄色告警和红色告警： 其中，无告警对应的数字量化结果的取值范围为[0，0.25]，蓝色告警对应的数字量化结果 的取值范围为(0.25，0.5]，黄色告警对应的数字量化结果的取值范围为(0.5，0.75]，红色 告警对应的数字量化结果的取值范围为(0.75，1]。 本发明采用二元一次线性回归分析法分别对隔离开关的各项监测指标(包括负荷 电流、热点温度、环境温度、正常发热温度、相间温差、相对温差)进行预测，再把预测的参数 作为BP神经网络分类器的输入，BP神经网络分类器的输出就是隔离开关未来一段时间内的 告警状态。本发明公开的隔离开关状态预测装置包括：存储器、处理器及在所述存储器上存 储并可运行的隔离开关状态预测的程序，所述隔离开关状态预测的程序被处理器执行时实 现上述隔离开关状态预测方法的步骤。 本发明所述的计算机可读存储介质，其上存储有隔离开关状态预测的程序，所述 隔离开关状态预测的程序被处理器执行时实现上述隔离开关状态预测方法的步骤。 有益效果：本发明对隔离开关的各项指标进行了监测(包括负荷电流、热点温度、 环境温度、正常发热温度、相间温差、相对温差)，得到隔离开关未来一段时间内的告警状 态，可实现在设备故障出现之前对设备进行针对性、预防性的维护，提高了设备运行安全 性，降低了设备运行风险并节约了运维成本。 附图说明 图1为本发明方法实现步骤框图； 图2为BP神经网络分类器结构框图。