(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111351239.X (22)申请日 2021.11.16 (65)同一申请的已公布的文献号 申请公布号 CN 114036848 A (43)申请公布日 2022.02.11 (73)专利权人 国网湖北省电力有限公司经济技 术研究院 地址 430077 湖北省武汉市武昌区水果湖 街徐东路47号 专利权人 华中师范大学 (72)发明人 贺兰菲　熊川羽　李智威　张雪霏　 马莉　高晓晶　王巍　姜山　 孙利平　廖晓红　柯方超　唐学军　 熊一　瞿少成　贺仲璐　肖鹏　 张毅捷　徐托　(74)专利代理 机构 武汉市首臻知识产权代理有 限公司 42 229 代理人 章辉 (51)Int.Cl. G06F 30/27(2020.01) G06F 16/908(2019.01) G06F 17/16(2006.01) G06Q 10/00(2012.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 7/00(2006.01) G06F 111/08(2020.01) G06F 119/02(2020.01) 审查员 王利双 (54)发明名称 一种电力设备的寿 命预测方法及装置 (57)摘要 一种电力设备的寿命 预测方法及装置， 该方 法包括以下步骤： S1、 获取电力设备检修过程中 产生的电力工单； S2、 根据对电力工单的特征提 取结果， 构建工单特征库； S3、 根据工单特征库， 预测电力设备的剩余使用寿命。 本设计利用深度 学习算法、 统计学方法对电力一次设备进行寿命 差异化分析， 并根据分析处理结果生成一个对电 力设备维修具有指导意义的电力一次设备维护 预警系统， 帮助检修单位提前排除电力设备存在 的潜在隐患， 减轻了国家电网相关人员的工作 量， 提升了国家电网系统数据管 理的信息化和智 能化水平。 权利要求书2页 说明书10页 附图7页 CN 114036848 B 2022.04.12 CN 114036848 B 1.一种电力设备的寿命预测方法， 其特 征在于， 该 方法包括以下步骤： S1、 获取电力设备检修过程中产生的电力工单； S2、 根据对电力工单的特 征提取结果， 构建工单 特征库； 具体包括以下步骤： S21、 将所述电力工单输入至训练完备的文本提取网络， 识别对应的关键 字段； S22、 对所述关键 字段进行 结构化处 理， 构建所述工单 特征库； 具体包括以下步骤： S221、 将所述关键 字段构成所述工单 特征库； S222、 将所述工单特征库和电力设备数据库进行连表查询， 确定结合所述工单特征库 和所述电力 设备数据库的所有数据信息的电力总表， 其中， 所述电力 设备数据库为包含多 种电力设备基本信息的数据库； S3、 根据工单 特征库， 预测电力设备的剩余使用寿命； 具体包括以下步骤： S31、 根据所述电力总表， 提取对电力设备的使用寿命有影响的影响因素； 所述影响因素包括来自所述工单特征库的电压等级、 设备损 坏部位、 设备地理位置、 设 备历史维修情况以及来自所述电力设备数据库的设备平均寿命、 设备名称、 设备型号、 生产 厂家、 设备当前年龄； S32、 对所述影响因素进行统计分析， 建立寿命预测模型； 所述寿命预测模型为： 其中， Y( μa， εβ， t)表示预测的下一次检修时间； μa表示设备名称， 其中， α＝1， 2， 3， 对应 三种不同的设备名称； εβ表示设备型号， 其中， β ＝1， 2， 3 ……， 对应不同类型的设备型号； t 表示设备当前年龄； f(ai， bi， ci， di， ei， λ， ξ )表示影响因素函数， 其中， λAVE、 ξAVE为寿命分层 点， ai表示第i层电压等级， bi表示生产厂家， ci表示设备损坏部位， di表示设备地理位置， ei 表示设备历史维修情况的影响因子， i ＝1， 2， 3， 4， A VE表示设备平均寿命； S33、 根据所述寿命预测模型， 对电力设备进行寿命预测。 2.根据权利要求1所述的一种电力设备的寿命预测方法， 其特征在于： 步骤S21具体包 括以下步骤： S211、 将所述电力工单输入至所述文本提取网络中的BERT模块进行文本向量化处理， 确定对应的字嵌入向量； S212、 将所述字嵌入向量输入至所述文本提取网络中的BiLSTM模块进行文本之间 的关 联性识别， 确定对应的关联性向量； S213、 将所述关联性向量输入至所述文本提取网络中的CRF模块进行优化预测， 确定全 局最优序列， 并根据所述全局最优序列确定对应的所述关键 字段。 3.根据权利要求2所述的一种电力设备的寿命预测方法， 其特 征在于：权　利　要　求　书 1/2 页 2 CN 114036848 B 2步骤S211中， 所述BERT模块包括嵌入层、 多头注意力机制层和全连接层； 步骤S211具体包括以下步骤： S2111、 将所述电力工单的每 个字初始化 为预设维度的初始向量； S2112、 针对每个所述初始向量， 输入至所述嵌入层， 依次进行字信息嵌入、 句子信息嵌 入和字位置嵌入， 确定对应的嵌入信息； S2113、 将所述嵌入信息输入至所述多头注意力机制层进行自注意力机制处理， 确定至 少一个加权后的特 征矩阵； S2114、 将所述至少一个加权后的特征矩阵输入至所述全连接层， 确定所述字嵌入向 量。 4.根据权利要求2所述的一种电力设备的寿命预测方法， 其特 征在于： 步骤S212中， 所述Bi LSTM模块包括遗 忘门、 输入门和输出门； 步骤S212具体包括以下步骤： S2121、 将所述字嵌入向量分别输入至所述遗忘门、 所述输入门， 分别得到第一向量和 第二向量； S2122、 将所述第一向量和所述第二向量输入至所述输出门， 得到所述关联性向量。 5.根据权利要求1所述的一种电力设备的寿命预测方法， 其特征在于： 步骤S33具体包 括以下步骤： S331、 对于待测的电力设备， 提取对应的关键 字段； S332、 根据所述关键字段， 结合所述电力设备数据库中的数据信息， 确定对应的待测影 响因素； S333、 将所述待测影响因素输入至所述寿命预测模型， 确定对应预测的下一次检修时 间， 并进行相应报警。权　利　要　求　书 2/2 页 3 CN 114036848 B 3