电能设备的分析方法及装置、电子设备.pdf

《电能设备的分析方法及装置、电子设备.pdf》由会员分享，可在线阅读，更多相关《电能设备的分析方法及装置、电子设备.pdf（12页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911303773.6 (22)申请日 2019.12.17 (71)申请人 国网北京市电力公司 地址 100031 北京市西城区前门西大街41 号 申请人 国家电网有限公司 (72)发明人 迟源李国昌李蕊陆翔宇 李雪诚史鹏博程诗尧丁宁 张缘李铭凯朱锦山 (74)专利代理机构 北京康信知识产权代理有限 责任公司 11240 代理人 董文倩 (51)Int.Cl. G06F 16/215(2019.01) G06F 16/2458(2019.01) G06F 16/28(20。

2、19.01) G06K 9/62(2006.01) (54)发明名称 电能设备的分析方法及装置、 电子设备 (57)摘要 本发明公开了一种电能设备的分析方法及 装置、 电子设备。 其中， 该方法包括： 采集电力设 备的电能状态数据， 并计量电能状态数据， 得到 电能计量状态数据； 转换电能计量状态数据， 得 到电能状态转换结果； 对电能状态转换结果进行 分类， 得到电能状态分类结果； 对电能状态分类 结果中的状态数据进行质量评估和数据清洗； 分 析电能状态分类结果中的状态数据， 以确定电力 设备是否合格。 本发明解决了相关技术中电力数 据分析方式无法快速诊断电力设备的状态的技 术问题。 权利要。

3、求书2页 说明书7页 附图2页 CN 111061717 A 2020.04.24 CN 111061717 A 1.一种电能设备的分析方法， 其特征在于， 包括： 采集电力设备的电能状态数据， 并计量所述电能状态数据， 得到电能计量状态数据； 转换所述电能计量状态数据， 得到电能状态转换结果； 对所述电能状态转换结果进行分类， 得到电能状态分类结果； 对所述电能状态分类结果中的状态数据进行质量评估和数据清洗； 分析所述电能状态分类结果中的状态数据， 以确定电力设备是否合格。 2.根据权利要求1所述的分析方法， 其特征在于， 所述电能计量状态数据包括下述至少 之一： 设备台账、 巡检和试验数据。

4、、 带电检测和在线监测数据、 电网运行数据、 故障和缺陷记 录、 气象信息。 3.根据权利要求1所述的分析方法， 其特征在于， 对所述电能状态转换结果进行分类， 得到电能状态分类结果的步骤， 包括： 根据电力设备状态数据的更新频率， 将所述电能状态数据划分为目标类型， 得到电能 状态分类结果， 其中， 所述目标类型包括下述至少之一： 静态数据类型、 动态数据类型和准 动态数据类型。 4.根据权利要求3所述的分析方法， 其特征在于， 所述静态数据类型包括下述至少之一 的数据： 设备台帐、 技术参数、 投运前试验数据和地理位置； 所述动态数据类型包括下述至 少之一的数据： 运行数据、 巡视记录、 。

5、带电检测数据、 在线监测数据和环境气象； 所述准动态 数据类型包括下述至少之一的数据： 检修试验数据、 缺陷/故障/隐患记录和检修记录。 5.根据权利要求1所述的分析方法， 其特征在于， 对所述电能状态转换结果进行分类， 得到电能状态分类结果的步骤， 包括： 采用如下至少之一的分类算法对所述电能状态转换结果进行分类， 得到电能状态分类 结果： 临近算法、 SVM支持向量机、 BOOST树分类、 贝叶斯分类、 神经网络或随机森林分类。 6.根据权利要求1所述的分析方法， 其特征在于， 对所述电能状态分类结果中的状态数 据进行质量评估和数据清洗的步骤， 包括： 确定所述电能状态分类结果中的状态数据。

6、的分布范围， 并对所述状态数据进行时间序 列分析， 以确定所述状态数据的质量是否合格； 识别所述电能状态分类结果中的状态数据的离群点； 基于所述离群点确定缺失数值； 填充所述状态数据中的缺失数值； 在填充完成后， 对所述状态数据进行噪声平滑处理， 以完成数据清洗操作。 7.根据权利要求1所述的分析方法， 其特征在于， 分析所述电能状态分类结果中的状态 数据， 以确定电力设备是否合格的步骤， 包括： 基于所述电能状态分类结果中的状态数据构建统计分析模型； 基于所述统计分析模型分析所述电能状态分类结果中的状态数据， 以确定电力设备是 否合格。 8.一种电能设备的分析装置， 其特征在于， 包括： 采。

7、集单元， 用于采集电力设备的电能状态数据， 并计量所述电能状态数据， 得到电能计 量状态数据； 转换单元， 用于转换所述电能计量状态数据， 得到电能状态转换结果； 权利要求书 1/2 页 2 CN 111061717 A 2 分类单元， 用于对所述电能状态转换结果进行分类， 得到电能状态分类结果； 评估单元， 用于对所述电能状态分类结果中的状态数据进行质量评估和数据清洗； 分析单元， 用于分析所述电能状态分类结果中的状态数据， 以确定电力设备是否合格。 9.一种电子设备， 其特征在于， 包括： 处理器； 以及 存储器， 用于存储所述处理器的可执行指令； 其中， 所述处理器配置为经由执行所述可执。

8、行指令来执行权利要求1至7中任意一项所 述的电能设备的分析方法。 10.一种存储介质， 其特征在于， 所述存储介质包括存储的程序， 其中， 在所述程序运行 时控制所述存储介质所在设备执行权利要求1至7中任意一项所述的电能设备的分析方法。 权利要求书 2/2 页 3 CN 111061717 A 3 电能设备的分析方法及装置、 电子设备 技术领域 0001 本发明涉及电力设备分析技术领域， 具体而言， 涉及一种电能设备的分析方法及 装置、 电子设备。 背景技术 0002 相关技术中， 在电力系统方面， 应用大量的监控传感模块， 会产生大量的监控数 据， 以对电力系统的安全运行进行详细分析， 即涉。

9、及到电力大数据(电力系统的大数据产生 于发电、 输电、 变电、 配电、 用电和调度等各个环节)， 电力大数据研究的核心是解决电力数 据源分布广泛， 采集频率高， 数据分析量大且处理时延和传输质量(延迟及丢包等)要求高 的问题。 传统的设备状态数据存储多采用关系型数据库或以关系数据库为基础的并行数据 库， 在海量数据装载以及查询时性能下降明显， 不能很好地适应设备状态大数据分析的应 用需求。 在此情况下， 使用传统的数据分析方式无法对电力设备的状态进行合理评估。 0003 针对上述的问题， 目前尚未提出有效的解决方案。 发明内容 0004 本发明实施例提供了一种电能设备的分析方法及装置、 电子设。

10、备， 以至少解决相 关技术中电力数据分析方式无法快速诊断电力设备的状态的技术问题。 0005 根据本发明实施例的一个方面， 提供了一种电能设备的分析方法， 包括： 采集电力 设备的电能状态数据， 并计量所述电能状态数据， 得到电能计量状态数据； 转换所述电能计 量状态数据， 得到电能状态转换结果； 对所述电能状态转换结果进行分类， 得到电能状态分 类结果； 对所述电能状态分类结果中的状态数据进行质量评估和数据清洗； 分析所述电能 状态分类结果中的状态数据， 以确定电力设备是否合格。 0006 可选地， 所述电能计量状态数据包括下述至少之一： 设备台账、 巡检和试验数据、 带电检测和在线监测数据。

11、、 电网运行数据、 故障和缺陷记录、 气象信息。 0007 可选地， 对所述电能状态转换结果进行分类， 得到电能状态分类结果的步骤， 包 括： 根据电力设备状态数据的更新频率， 将所述电能状态数据划分为目标类型， 得到电能状 态分类结果， 其中， 所述目标类型包括下述至少之一： 静态数据类型、 动态数据类型和准动 态数据类型。 0008 可选地， 所述静态数据类型包括下述至少之一的数据： 设备台帐、 技术参数、 投运 前试验数据和地理位置； 所述动态数据类型包括下述至少之一的数据： 运行数据、 巡视记 录、 带电检测数据、 在线监测数据和环境气象； 所述准动态数据类型包括下述至少之一的数 据：。

12、 检修试验数据、 缺陷/故障/隐患记录和检修记录。 0009 可选地， 对所述电能状态转换结果进行分类， 得到电能状态分类结果的步骤， 包 括： 采用如下至少之一的分类算法对所述电能状态转换结果进行分类， 得到电能状态分类 结果： 临近算法、 SVM支持向量机、 BOOST树分类、 贝叶斯分类、 神经网络或随机森林分类。 0010 可选地， 对所述电能状态分类结果中的状态数据进行质量评估和数据清洗的步 说明书 1/7 页 4 CN 111061717 A 4 骤， 包括： 确定所述电能状态分类结果中的状态数据的分布范围， 并对所述状态数据进行时 间序列分析， 以确定所述状态数据的质量是否合格；。

13、 识别所述电能状态分类结果中的状态 数据的离群点； 基于所述离群点确定缺失数值； 填充所述状态数据中的缺失数值； 在填充完 成后， 对所述状态数据进行噪声平滑处理， 以完成数据清洗操作。 0011 可选地， 分析所述电能状态分类结果中的状态数据， 以确定电力设备是否合格的 步骤， 包括： 基于所述电能状态分类结果中的状态数据构建统计分析模型； 基于所述统计分 析模型分析所述电能状态分类结果中的状态数据， 以确定电力设备是否合格。 0012 根据本发明实施例的另一方面， 还提供了一种电能设备的分析装置， 包括： 采集单 元， 用于采集电力设备的电能状态数据， 并计量所述电能状态数据， 得到电能计。

14、量状态数 据； 转换单元， 用于转换所述电能计量状态数据， 得到电能状态转换结果； 分类单元， 用于对 所述电能状态转换结果进行分类， 得到电能状态分类结果； 评估单元， 用于对所述电能状态 分类结果中的状态数据进行质量评估和数据清洗； 分析单元， 用于分析所述电能状态分类 结果中的状态数据， 以确定电力设备是否合格。 0013 可选地， 所述电能计量状态数据包括下述至少之一： 设备台账、 巡检和试验数据、 带电检测和在线监测数据、 电网运行数据、 故障和缺陷记录、 气象信息。 0014 可选地， 所述分类单元包括： 划分模块， 用于根据电力设备状态数据的更新频率， 将所述电能状态数据划分为目。

15、标类型， 得到电能状态分类结果， 其中， 所述目标类型包括下 述至少之一： 静态数据类型、 动态数据类型和准动态数据类型。 0015 可选地， 所述静态数据类型包括下述至少之一的数据： 设备台帐、 技术参数、 投运 前试验数据和地理位置； 所述动态数据类型包括下述至少之一的数据： 运行数据、 巡视记 录、 带电检测数据、 在线监测数据和环境气象； 所述准动态数据类型包括下述至少之一的数 据： 检修试验数据、 缺陷/故障/隐患记录和检修记录。 0016 可选地， 所述分类单元还包括： 分析模块， 用于采用如下至少之一的分类算法对所 述电能状态转换结果进行分类， 得到电能状态分类结果： 临近算法、。

16、 SVM支持向量机、 BOOST 树分类、 贝叶斯分类、 神经网络或随机森林分类。 0017 可选地， 所述评估单元包括： 第一确定模块， 用于确定所述电能状态分类结果中的 状态数据的分布范围， 并对所述状态数据进行时间序列分析， 以确定所述状态数据的质量 是否合格； 识别模块， 用于识别所述电能状态分类结果中的状态数据的离群点； 第二确定模 块， 用于基于所述离群点确定缺失数值； 填充模块， 用于填充所述状态数据中的缺失数值； 清洗模块， 用于在填充完成后， 对所述状态数据进行噪声平滑处理， 以完成数据清洗操作。 0018 可选地， 所述确定单元包括： 构建模块， 用于基于所述电能状态分类结。

17、果中的状态 数据构建统计分析模型； 分析模块， 用于基于所述统计分析模型分析所述电能状态分类结 果中的状态数据， 以确定电力设备是否合格。 0019 根据本发明实施例的另一方面， 还提供了一种电子设备， 包括： 处理器； 以及存储 器， 用于存储所述处理器的可执行指令； 其中， 所述处理器配置为经由执行所述可执行指令 来执行上述任意一项所述的电能设备的分析方法。 0020 根据本发明实施例的另一方面， 还提供了一种存储介质， 所述存储介质包括存储 的程序， 其中， 在所述程序运行时控制所述存储介质所在设备执行上述任意一项所述的电 能设备的分析方法。 说明书 2/7 页 5 CN 1110617。

18、17 A 5 0021 在本发明实施例中， 采集电力设备的电能状态数据， 并计量电能状态数据， 得到电 能计量状态数据； 转换电能计量状态数据， 得到电能状态转换结果； 对电能状态转换结果进 行分类， 得到电能状态分类结果； 对电能状态分类结果中的状态数据进行质量评估和数据 清洗； 分析电能状态分类结果中的状态数据， 以确定电力设备是否合格。 在该实施例中， 可 以很好地适应设备状态大数据分析的应用需求， 面向电力设备状态大数据的存储系统可以 满足结构化和非结构化相结合， 可靠性高且存储速度快， 从数据分析的角度揭示电力设备 状态、 电网运行和气象环境参量之间的关联关系和内在变化规律， 捕捉设。

19、备早期故障的先 兆信息， 追溯故障发展过程， 预测故障发生的概率， 从而及时发现、 快速诊断和消除故障隐 患， 保障电力设备运行安全， 从而解决相关技术中电力数据分析方式无法快速诊断电力设 备的状态的技术问题。 附图说明 0022 此处所说明的附图用来提供对本发明的进一步理解， 构成本申请的一部分， 本发 明的示意性实施例及其说明用于解释本发明， 并不构成对本发明的不当限定。 在附图中： 0023 图1是根据本发明实施例的一种可选的电能设备的分析方法的流程图； 0024 图2是根据本发明实施例的一种可选的电能设备的分析装置的示意图。 具体实施方式 0025 为了使本技术领域的人员更好地理解本发。

20、明方案， 下面将结合本发明实施例中的 附图， 对本发明实施例中的技术方案进行清楚、 完整地描述， 显然， 所描述的实施例仅仅是 本发明一部分的实施例， 而不是全部的实施例。 基于本发明中的实施例， 本领域普通技术人 员在没有做出创造性劳动前提下所获得的所有其他实施例， 都应当属于本发明保护的范 围。 0026 需要说明的是， 本发明的说明书和权利要求书及上述附图中的术语 “第一” 、“第 二” 等是用于区别类似的对象， 而不必用于描述特定的顺序或先后次序。 应该理解这样使用 的数据在适当情况下可以互换， 以便这里描述的本发明的实施例能够以除了在这里图示或 描述的那些以外的顺序实施。 此外， 术。

21、语 “包括” 和 “具有” 以及他们的任何变形， 意图在于覆 盖不排他的包含， 例如， 包含了一系列步骤或单元的过程、 方法、 系统、 产品或设备不必限于 清楚地列出的那些步骤或单元， 而是可包括没有清楚地列出的或对于这些过程、 方法、 产品 或设备固有的其它步骤或单元。 0027 根据本发明实施例， 提供了一种电能设备的分析方法实施例， 需要说明的是， 在附 图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行， 并且， 虽 然在流程图中示出了逻辑顺序， 但是在某些情况下， 可以以不同于此处的顺序执行所示出 或描述的步骤。 0028 图1是根据本发明实施例的一种可选的电能设备。

22、的分析方法的流程图， 如图1所 示， 该方法包括如下步骤： 0029 步骤S102， 采集电力设备的电能状态数据， 并计量电能状态数据， 得到电能计量状 态数据； 0030 步骤S104， 转换电能计量状态数据， 得到电能状态转换结果； 说明书 3/7 页 6 CN 111061717 A 6 0031 步骤S106， 对电能状态转换结果进行分类， 得到电能状态分类结果； 0032 步骤S108， 对电能状态分类结果中的状态数据进行质量评估和数据清洗； 0033 步骤S110， 分析电能状态分类结果中的状态数据， 以确定电力设备是否合格。 0034 通过上述步骤， 可以采集电力设备的电能状态数。

23、据， 并计量电能状态数据， 得到电 能计量状态数据； 转换电能计量状态数据， 得到电能状态转换结果； 对电能状态转换结果进 行分类， 得到电能状态分类结果； 对电能状态分类结果中的状态数据进行质量评估和数据 清洗； 分析电能状态分类结果中的状态数据， 以确定电力设备是否合格。 在该实施例中， 可 以很好地适应设备状态大数据分析的应用需求， 面向电力设备状态大数据的存储系统可以 满足结构化和非结构化相结合， 可靠性高且存储速度快， 从数据分析的角度揭示电力设备 状态、 电网运行和气象环境参量之间的关联关系和内在变化规律， 捕捉设备早期故障的先 兆信息， 追溯故障发展过程， 预测故障发生的概率， 。

24、从而及时发现、 快速诊断和消除故障隐 患， 保障电力设备运行安全， 从而解决相关技术中电力数据分析方式无法快速诊断电力设 备的状态的技术问题。 0035 本发明实施例可以应用于电网中电力设备状态监测、 设备质量评估等环境中， 使 用本发明实施例可以及时发现、 快速诊断设备故障， 以及时消除故障隐患， 保障电力设备运 行安全。 0036 下面结合各步骤来说明本发明。 0037 步骤S102， 采集电力设备的电能状态数据， 并计量电能状态数据， 得到电能计量状 态数据。 0038 电力设备包括但不限于： 变压器、 配电器、 输电线路等。 采集的电能状态数据包括 但不限于： 电压、 电流、 电压峰值。

25、等。 0039 在本发明实施例中， 电能计量状态数据包括下述至少之一： 设备台账、 巡检和试验 数据、 带电检测和在线监测数据、 电网运行数据、 故障和缺陷记录、 气象信息。 0040 步骤S104， 转换电能计量状态数据， 得到电能状态转换结果。 0041 步骤S106， 对电能状态转换结果进行分类， 得到电能状态分类结果。 0042 作为本发明可选的实施例， 对电能状态转换结果进行分类， 得到电能状态分类结 果的步骤， 包括： 根据电力设备状态数据的更新频率， 将电能状态数据划分为目标类型， 得 到电能状态分类结果， 其中， 目标类型包括下述至少之一： 静态数据类型、 动态数据类型和 准动。

26、态数据类型。 0043 即可以根据电力设备状态信息的更新频率， 将不同来源的状态信息划分为静态数 据、 动态数据和准动态数据。 0044 可选的， 静态数据类型包括下述至少之一的数据： 设备台帐、 技术参数、 投运前试 验数据和地理位置； 动态数据类型包括下述至少之一的数据： 运行数据、 巡视记录、 带电检 测数据、 在线监测数据和环境气象； 准动态数据类型包括下述至少之一的数据： 检修试验数 据、 缺陷/故障/隐患记录和检修记录。 0045 另一种可选的， 对电能状态转换结果进行分类， 得到电能状态分类结果的步骤， 包 括： 采用如下至少之一的分类算法对电能状态转换结果进行分类， 得到电能状。

27、态分类结果： 临近算法、 SVM支持向量机、 BOOST树分类、 贝叶斯分类、 神经网络或随机森林分类。 0046 步骤S108， 对电能状态分类结果中的状态数据进行质量评估和数据清洗。 说明书 4/7 页 7 CN 111061717 A 7 0047 在本发明实施例中， 在对电能状态分类结果中的状态数据进行质量评估和数据清 洗的同时， 可以采用企业服务总线、 Webservice、 数据中心数据库共享或安全文件传输等数 据接口方式， 从电网业务系统中抽取数据， 实现跨平台数据库高效访问、 数据文件高速并发 读取、 数据安全传输与同步。 0048 作为本发明可选的实施例， 对电能状态分类结果。

28、中的状态数据进行质量评估和数 据清洗的步骤， 包括： 确定电能状态分类结果中的状态数据的分布范围， 并对状态数据进行 时间序列分析， 以确定状态数据的质量是否合格； 识别电能状态分类结果中的状态数据的 离群点； 基于离群点确定缺失数值； 填充状态数据中的缺失数值； 在填充完成后， 对状态数 据进行噪声平滑处理， 以完成数据清洗操作。 0049 可选的， 数据清洗通过统计分布、 聚类、 关联分析、 时间序列分析以及机器学习手 段进行数据质量的检验、 离群点识别、 缺失值填充和噪声平滑， 剔除无用的错误数据， 填补 关键的缺失数据， 确保数据的有效性、 一致性、 完整性， 满足设备状态数据挖掘分析。

29、的要求。 0050 步骤S110， 分析电能状态分类结果中的状态数据， 以确定电力设备是否合格。 0051 可选的， 分析电能状态分类结果中的状态数据， 以确定电力设备是否合格的步骤， 包括： 基于电能状态分类结果中的状态数据构建统计分析模型； 基于统计分析模型分析电 能状态分类结果中的状态数据， 以确定电力设备是否合格。 0052 对于统计分析模型， 可以是通过统计分布模型、 时间序列分析、 多元统计分析以及 新兴的高维随机矩阵来构建的， 统计分布模型是一种通过时间窗顺序和电力设备的运行状 态分布参数训练得到的模型， 通过该统计分布模型集合高维随机矩阵来构建适应不同地 域、 不同时间点的统计。

30、分析模型， 构建的统计分析模型可以实现对电力设备的工作状态、 设 备质量等进行详细分析。 0053 上述的统计分析可以是通过机器学习训练得到的， 机器学习根据学习模式分为监 督学习， 无监督学习和强化学习； 根据学习方法分为传统机器学习和基于多层神经网络的 深度学习。 0054 可选的， 本发明实施例在得到电能状态分类结果后， 还可以将电能状态分类结果 进行分布式存储。 0055 本发明实施例能很好地适应设备状态大数据分析的应用需求， 面向电力设备状态 大数据的存储系统可以满足结构化和非结构化相结合、 可靠性高、 容量大、 存储速度快等要 求。 0056 从数据分析的角度揭示电力设备状态、 电。

31、网运行和气象环境参量之间的关联关系 和内在变化规律， 捕捉设备早期故障的先兆信息， 追溯故障发展过程， 预测故障发生的概 率， 从而及时发现、 快速诊断和消除故障隐患， 保障电力设备运行安全。 0057 图2是根据本发明实施例的一种可选的电能设备的分析装置的示意图， 如图2所 示， 该分析装置可以包括： 采集单元21、 转换单元23、 分类单元25、 评估单元27、 分析单元29， 其中， 0058 采集单元21， 用于采集电力设备的电能状态数据， 并计量电能状态数据， 得到电能 计量状态数据； 0059 转换单元23， 用于转换电能计量状态数据， 得到电能状态转换结果； 0060 分类单元2。

32、5， 用于对电能状态转换结果进行分类， 得到电能状态分类结果； 说明书 5/7 页 8 CN 111061717 A 8 0061 评估单元27， 用于对电能状态分类结果中的状态数据进行质量评估和数据清洗； 0062 分析单元29， 用于分析电能状态分类结果中的状态数据， 以确定电力设备是否合 格。 0063 上述电能设备的分析装置， 可以通过采集单元21采集电力设备的电能状态数据， 并计量电能状态数据， 得到电能计量状态数据， 然后通过转换单元23转换电能计量状态数 据， 得到电能状态转换结果， 之后可以通过分类单元25对电能状态转换结果进行分类， 得到 电能状态分类结果， 然后可通过评估单。

33、元27对电能状态分类结果中的状态数据进行质量评 估和数据清洗， 最后可通过分析单元29分析电能状态分类结果中的状态数据， 以确定电力 设备是否合格。 在该实施例中， 可以很好地适应设备状态大数据分析的应用需求， 面向电力 设备状态大数据的存储系统可以满足结构化和非结构化相结合， 可靠性高且存储速度快， 从数据分析的角度揭示电力设备状态、 电网运行和气象环境参量之间的关联关系和内在变 化规律， 捕捉设备早期故障的先兆信息， 追溯故障发展过程， 预测故障发生的概率， 从而及 时发现、 快速诊断和消除故障隐患， 保障电力设备运行安全， 从而解决相关技术中电力数据 分析方式无法快速诊断电力设备的状态的。

34、技术问题。 0064 可选的， 电能计量状态数据包括下述至少之一： 设备台账、 巡检和试验数据、 带电 检测和在线监测数据、 电网运行数据、 故障和缺陷记录、 气象信息。 0065 在本发明实施例中， 分类单元包括： 划分模块， 用于根据电力设备状态数据的更新 频率， 将电能状态数据划分为目标类型， 得到电能状态分类结果， 其中， 目标类型包括下述 至少之一： 静态数据类型、 动态数据类型和准动态数据类型。 0066 另一种可选的， 静态数据类型包括下述至少之一的数据： 设备台帐、 技术参数、 投 运前试验数据和地理位置； 动态数据类型包括下述至少之一的数据： 运行数据、 巡视记录、 带电检测。

35、数据、 在线监测数据和环境气象； 准动态数据类型包括下述至少之一的数据： 检修 试验数据、 缺陷/故障/隐患记录和检修记录。 0067 可选的， 分类单元还包括： 分析模块， 用于采用如下至少之一的分类算法对电能状 态转换结果进行分类， 得到电能状态分类结果： 临近算法、 SVM支持向量机、 BOOST树分类、 贝 叶斯分类、 神经网络或随机森林分类。 0068 在本发明实施例中， 评估单元包括： 第一确定模块， 用于确定电能状态分类结果中 的状态数据的分布范围， 并对状态数据进行时间序列分析， 以确定状态数据的质量是否合 格； 识别模块， 用于识别电能状态分类结果中的状态数据的离群点； 第二。

36、确定模块， 用于基 于离群点确定缺失数值； 填充模块， 用于填充状态数据中的缺失数值； 清洗模块， 用于在填 充完成后， 对状态数据进行噪声平滑处理， 以完成数据清洗操作。 0069 可选的， 确定单元包括： 构建模块， 用于基于电能状态分类结果中的状态数据构建 统计分析模型； 分析模块， 用于基于统计分析模型分析电能状态分类结果中的状态数据， 以 确定电力设备是否合格。 0070 上述的电能设备的分析装置还可以包括处理器和存储器， 上述采集单元21、 转换 单元23、 分类单元25、 评估单元27、 分析单元29等均作为程序单元存储在存储器中， 由处理 器执行存储在存储器中的上述程序单元来实。

37、现相应的功能。 0071 上述处理器中包含内核， 由内核去存储器中调取相应的程序单元。 内核可以设置 一个或以上， 通过调整内核参数来分析电能状态分类结果中的状态数据， 以确定电力设备 说明书 6/7 页 9 CN 111061717 A 9 是否合格。 0072 上述存储器可能包括计算机可读介质中的非永久性存储器， 随机存取存储器 (RAM)和/或非易失性内存等形式， 如只读存储器(ROM)或闪存(flash RAM)， 存储器包括至 少一个存储芯片。 0073 根据本发明实施例的另一方面， 还提供了一种电子设备， 包括： 处理器； 以及存储 器， 用于存储处理器的可执行指令； 其中， 处理。

38、器配置为经由执行可执行指令来执行上述任 意一项的电能设备的分析方法。 0074 根据本发明实施例的另一方面， 还提供了一种存储介质， 存储介质包括存储的程 序， 其中， 在程序运行时控制存储介质所在设备执行上述任意一项的电能设备的分析方法。 0075 上述本发明实施例序号仅仅为了描述， 不代表实施例的优劣。 0076 在本发明的上述实施例中， 对各个实施例的描述都各有侧重， 某个实施例中没有 详述的部分， 可以参见其他实施例的相关描述。 0077 在本申请所提供的几个实施例中， 应该理解到， 所揭露的技术内容， 可通过其它的 方式实现。 其中， 以上所描述的装置实施例仅仅是示意性的， 例如所述。

39、单元的划分， 可以为 一种逻辑功能划分， 实际实现时可以有另外的划分方式， 例如多个单元或组件可以结合或 者可以集成到另一个系统， 或一些特征可以忽略， 或不执行。 另一点， 所显示或讨论的相互 之间的耦合或直接耦合或通信连接可以是通过一些接口， 单元或模块的间接耦合或通信连 接， 可以是电性或其它的形式。 0078 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的， 作为单元显 示的部件可以是或者也可以不是物理单元， 即可以位于一个地方， 或者也可以分布到多个 单元上。 可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。 0079 另外， 在本发明各个实施例中的。

40、各功能单元可以集成在一个处理单元中， 也可以 是各个单元单独物理存在， 也可以两个或两个以上单元集成在一个单元中。 上述集成的单 元既可以采用硬件的形式实现， 也可以采用软件功能单元的形式实现。 0080 所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用 时， 可以存储在一个计算机可读取存储介质中。 基于这样的理解， 本发明的技术方案本质上 或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式 体现出来， 该计算机软件产品存储在一个存储介质中， 包括若干指令用以使得一台计算机 设备(可为个人计算机、 服务器或者网络设备等)执行本发明各个实施例所述方法。

41、的全部或 部分步骤。 而前述的存储介质包括： U盘、 只读存储器(ROM， Read-Only Memory)、 随机存取存 储器(RAM， Random Access Memory)、 移动硬盘、 磁碟或者光盘等各种可以存储程序代码的 介质。 0081 以上所述仅是本发明的优选实施方式， 应当指出， 对于本技术领域的普通技术人 员来说， 在不脱离本发明原理的前提下， 还可以做出若干改进和润饰， 这些改进和润饰也应 视为本发明的保护范围。 说明书 7/7 页 10 CN 111061717 A 10 图1 说明书附图 1/2 页 11 CN 111061717 A 11 图2 说明书附图 2/2 页 12 CN 111061717 A 12 。