本发明涉及电气运行数据监测，具体地，涉及一种基于智能电网的电气设备运行状况智能监测方法、装置及电子设备。
背景技术：
1、随着电力能源需求的急剧上升，电气设备数量急剧增加，对产业生产的规划和运行技术发展提出了较高要求，电气设备的特性分析是生产规划与运行中较为基础却难以精确建模的一个传统性问题。
2、在当前智能电网及电力大数据背景下，人工监测管理已经无法满足安全管理要求，如何提高电气设备的特性分析、运行监控以及故障诊断的有效性和准确性，对提高产业生产的效率具有重要的意义。
技术实现思路
1、针对现有技术中存在的问题，本发明提供了一种基于智能电网的电气设备运行状况智能监测方法、装置及电子设备，能够及时掌握电气设备当前和未来安全运行状况，进而生成电气设备的健康状况评估报告，以确定电气设备全周期运行健康维护措施，同时实现电气设备安全运行预警，可以实现高效控制、提高监测效率、降低运行成本，进而提高整体安全水平、生产效率和科学管理能力。
2、为实现上述技术目的，本发明采用如下技术方案：一种基于智能电网的电气设备运行状况智能监测方法，具体包括如下步骤：
3、步骤s110、收集历史智能电网中所有电气设备单日运行状况下工作现场的原始数据；
4、步骤s120、对原始数据进行清洗修正，得到所有电气运行状况数据；
5、步骤s130、将所有电气运行状况数据按运行工况进行分组，找出每个运行工况下出现频率最高的单日电气运行状况数据，建立电气设备的工作运行曲线；
6、步骤s140、根据电气设备的工作运行曲线，建立电气设备的大数据画像，并从电气设备的大数据画像中提取历史关键标签信息；
7、步骤s150、构建径向基神经网络，将电气运行状况数据作为径向基神经网络的输入，以关键标签信息作为标签，并结合粒子群优化算法训练径向基神经网络；
8、步骤s160、实时采集智能电网中所有电气设备单日运行状况下工作现场的原始数据，经步骤s120得到所有电气运行状况数据，输入训练好的径向基神经网络中预测出电气设备运行状况；
9、步骤s170、将预测出的电气设备运行状态与历史关键标签信息进行比较，生成电气设备的健康状况评估报告。
10、进一步地，所述原始数据包括：多源数值数据、环境数据和图像数据。
11、进一步地，步骤s120包括如下子步骤：
12、步骤s2.1、获取原始数据中的每一类数据的均值和中位数，计算每一类数据中的采样点与对应均值的绝对偏差，并找出每一类数据的绝对偏差中位数；
13、步骤s2.2、判断每一类数据中的采样点是否在上下限范围内，若否，根据对应数据的中位数和绝对偏差中位数修正采样点；
14、步骤s2.3、判断修正的采样点是否在上下限范围内，若否，根据修正的采样点重新确定该类数据的均值和中位数以及绝对偏差中位数，并根据重新确定的中位数和绝对偏差中位数修正采样点；
15、步骤s2.4、重复步骤s2.3，直至修正的采样点与上一次修正的采样点差值小于阈值。
16、进一步地，采样点的修正过程为：
17、
18、其中，xi表示待修正的采样点，x上表示采样点的上限值，x下表示采样点的下限值，xi表示修正的采样点，median(x)表示该类数据的中位数，k表示修正系数，mad表示绝对偏差中位数，表示该类数据的均值。
19、进一步地，步骤s140中提取的历史关键标签信息为二元组形式，包括：关键标签和关键标签对应的权重，所述历史关键标签包括：电气设备的工作负荷、电气设备的运行时间、环境温度、湿度和电气设备的运行状态。
20、进一步地，步骤s150包括如下子步骤：
21、步骤s5.1、根据电气运行状况数据的维度确定径向神经网络的输入节点数，根据预测的电气设备运行状况的维度确定径向神经网络的输出节点数，确定径向神经网络的隐藏层数和隐藏节点数，并初始化径向神经网络的参数；
22、步骤s5.2、将电气运行状况数据作为径向基神经网络的输入，以电气设备运行状况作为标签，并结合采用粒子群优化算法训练径向基神经网络，更新径向神经网络的参数；
23、步骤s5.3、重复步骤s5.2，直至达到最大迭代次数，完成对径向神经网络的训练。
24、进一步地，步骤s160中预测出的电气设备运行状况包括：电气设备的设备负荷、电气设备的运行状态和电气设备可能出现的故障风险。
25、进一步地，本发明还提供了一种基于智能电网的电气设备运行状况智能监测装置，包括：
26、采集单元，用于采集智能电网中电气设备单日运行状态下工作现场的原始数据；
27、数据处理单元，用于对采集的原始数据进行清洗修正；
28、分析单元，用于对清洗修正的电气运行状况数据进行数据分析，得到电气设备的工作运行曲线；
29、画像单元，用于根据电气设备的工作运行曲线建立电气设备的大数据画像；
30、训练单元，用于对径向神经网络进行训练；
31、预测单元，将训练好的径向神经网络根据清洗修正的实时电气设备运行状况数据预测出电气设备运行状况；
32、评估单元，将预测出的电气设备运行状态与历史关键标签信息进行比较，生成电气设备的健康状况评估报告。
33、进一步地，本发明还提供了一种电子设备，包括处理器、存储器、通信总线以及通信接口，还可以包括存储在所述存储器中并可在所述处理器上运行的计算机程序，计算机程序执行所述的基于智能电网的电气设备运行状况智能监测方法。
34、与现有技术相比，本发明取得了以下技术效果：
35、(1)本发明对收集的原始数据根据绝对偏差中位数进行清洗修正，能够起到良好的修正效果，提高了电气运行状况数据的有效性，从而保证后续分析结果的准确性和有效性；
36、(2)通过本发明基于智能电网的电气设备运行状况智能监测方法能够及时掌握电气设备当前和未来安全运行状况，进而生成电气设备的健康状况评估报告，以确定电气设备全周期运行健康维护措施，同时实现电气设备安全运行预警，可以实现高效控制、提高监测效率、降低运行成本，进而提高整体安全水平、生产效率和科学管理能力。
1.一种基于智能电网的电气设备运行状况智能监测方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于智能电网的电气设备运行状况智能监测方法，其特征在于，所述原始数据包括：多源数值数据、环境数据和图像数据。
3.根据权利要求1所述的一种基于智能电网的电气设备运行状况智能监测方法，其特征在于，步骤s120包括如下子步骤：
4.根据权利要求3所述的一种基于智能电网的电气设备运行状况智能监测方法，其特征在于，采样点的修正过程为：
5.根据权利要求1所述的一种基于智能电网的电气设备运行状况智能监测方法，其特征在于，步骤s140中提取的历史关键标签信息为二元组形式，包括：关键标签和关键标签对应的权重，所述历史关键标签包括：电气设备的工作负荷、电气设备的运行时间、环境温度、湿度和电气设备的运行状态。
6.根据权利要求1所述的一种基于智能电网的电气设备运行状况智能监测方法，其特征在于，步骤s150包括如下子步骤：
7.根据权利要求6所述的一种基于智能电网的电气设备运行状况智能监测方法，其特征在于，步骤s160中预测出的电气设备运行状况包括：电气设备的设备负荷、电气设备的运行状态和电气设备可能出现的故障风险。
8.一种基于智能电网的电气设备运行状况智能监测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器、存储器、通信总线以及通信接口，还可以包括存储在所述存储器中并可在所述处理器上运行的计算机程序，计算机程序执行如权利要求1-7任一项所述的基于智能电网的电气设备运行状况智能监测方法。
