CN116660669B - 一种电力设备故障在线监测***及方法 - Google Patents

Abstract

本发明公开了一种电力设备故障在线监测***及方法，属于电力设备故障监测技术领域，解决了故障监测不准确且具有滞后性的问题。监测***包括数据采集模块、设备数据分析模块和故障监测模块；数据采集模块用于对各目标监测设备进行数据采集，获得各目标监测设备对应的监测数据；监测数据包括各监测项单项数据；设备数据分析模块用于对各目标监测设备的监测数据进行实时分析，识别对应的异常数据。监测方法包括确定目标监测设备、整合监测数据、得到异常数据、将异常数据传输给故障监测模块几个步骤。本发明能够对各种目标监测设备进行数据采集、异常识别、故障分析和定位，提高了电力设备故障在线监测技术的准确性、灵敏度和可靠性。

Description

一种电力设备故障在线监测***及方法

技术领域

本发明属于电力设备故障监测技术领域，具体是一种电力设备故障在线监测***及方法。

背景技术

电力设备在长期运行过程中常出现表面氧化腐蚀、紧固螺栓松动，触点和母线连接处老化等问题，造成设备过热甚至出现严重事故；电力设备是电力***中重要的组成部分，其运行状态直接影响电力***的安全、稳定和经济性。

目前，电力设备故障监测技术主要有两种方式：离线监测和在线监测。离线监测是指在电力设备停运或断电的情况下进行的检测，其优点是检测结果准确可靠，但缺点是不能及时发现故障，并且会影响电力设备的运行效率和寿命。在线监测是指在电力设备正常运行或带负荷的情况下进行的检测，其优点是能够实时反映电力设备的运行状态，并及时发现故障和隐患，但缺点是检测结果受到各种干扰因素的影响，难以准确判断故障类型和位置。

针对以上的情况，在原有技术的基础上以下问题亟待解决：

（1）电力领域内，需要对各种电力设备进行故障监测，及时的了解到各电力设备的运行状态。

（2）电力设备监测***对于故障监测具有滞后性。

（3）某设备出现明显故障特征前，其会具有某些断断续续的异常信息，但是这些不连续的异常信息并没有得到充分的利用。

（4）提高电力设备故障在线监测技术的准确性、灵敏度和可靠性。

发明内容

本发明的目的是提供一种电力设备故障在线监测***及方法，该方法能够对各种目标监测设备进行数据采集、异常识别、故障分析和定位，并将异常数据推送给监控预警终端，从而提高电力设备故障在线监测技术的准确性、灵敏度和可靠性。

本发明的目的可以通过以下技术方案实现：

一种电力设备故障在线监测***，包括数据采集模块、设备数据分析模块、故障监测模块和监控预警终端；

所述数据采集模块用于对各目标监测设备进行数据采集，获得各目标监测设备对应的监测数据；所述监测数据包括各监测项单项数据；

所述设备数据分析模块用于对各目标监测设备的监测数据进行实时分析，识别对应的异常数据，异常数据包括异常点和异常特征；将识别的异常数据发送给故障监测模块；

所述故障监测模块用于根据目标监测设备的异常数据进行故障分析，逐一分析目标监测设备各异常数据对应的异常值，并进行相应的折减，根据折减后的异常值计算目标监测设备的综合异常值，当综合异常值大于阈值X1时，判断监测项对应设备故障原因；

所述监控预警终端用于接收和展示故障监测模块推送的综合异常值大于阈值X1的异常数据。

一种电力设备故障在线监测方法，包括以下步骤：

S1：确定各目标监测设备，预设各监测设备对应的监测项组下的各监测项单项数据，基于监测项组进行各采集设备的安装；

S2：利用采集设备进行各监测项组的各监测项单项数据采集，将采集的单项数据整合为监测数据；

S3：将监测数据传输给设备数据分析模块，设备数据分析模块对监测数据分析，实时得到异常数据；

S4：将异常数据传输给故障监测模块，通过故障监测模块对异常数据进行故障分析，逐一分析目标监测设备各异常数据对应的异常值；

S51:当综合异常值大于阈值X1时，将设备故障原因推送给监控预警终端；

S52:当综合异常值小于阈值X1时，无设备故障原因推送，继续在线监控。

在较佳试试情况下，所述的步骤S1、S2中得到目标检测设备的数据监控方式如下：

,

其中，是第个目标监测设备的监测数据，是目标监测设备的数量，是 每个目标监测设备对应的监测项组的数量。

在较佳试试情况下，异常数据的获取方法包括：

基于目标监测设备的历史监测数据建立对应的异常识别模型，通过建立的异常识 别模型对对应目标监测设备的监测数据进行实时分析，获得对应的异常数据， 与之间的关系如下式:

，

其中，是目标监测设备的第个监测数据，是对应的异常数据，是 异常识别模型，是随机误差项；异常识别模型为孤立森林算法，表达式为:，输入是目标监测设备的第个监测数据，它的输出是 对应的异常数据。

在较佳试试情况下，故障监测模块的具体工作方法包括：

通过预设的异常评估模型对接收到的异常数据进行分析，获得对应的异常值和折 减系数曲线，基于异常数据对应的时间从折减系数曲线中匹配对应的动态更新的折减系 数，将获得的折减系数和异常值分别标记为和，i=1、2、……、n，n为正整数；根据 综合评估公式计算对应的综合异常值，具体评估方式如下 式：

，，

其中，是第个折减系数，是折减系数曲线，是第个异常数据对应 的时间，是第个异常值，是异常评估模型，是第个异常数据。

在较佳试试情况下，还包括输电线故障分析模块，所述输电线故障分析模块基于故障评估函数用于对输电线进行故障评估，判断输电线是否出现故障；故障评估函数判断逻辑如下式：

其中，是输电线的故障评估函数。

在较佳试试情况下，输电线故障分析模块的工作方法包括：

设置区域显示界面，所述区域显示界面内显示有对应的线路信息和监测装置位置；对监测装置检测到的异变信号、监测装置位置和所在线路进行分析，获得对应的线路分析段；将获得的线路分析段在区域显示界面中进行相应的标记；

实时获取线路分析段的检测输电数据，将获得的检测输电数据与预设的标准输电数据进行比较，计算对应的故障值，当故障值大于阈值X2时，判断该线路分析段具有故障；反之，则判定无故障。

在较佳试试情况下，故障值的计算方法包括：

对检测输电数据与标准输电数据进行分析，获得对应的电压单项值、电流单项值和损耗单项值，将获得的电压单项值、电流单项值和损耗单项值分别标记为DLZ、DYZ和SHZ，根据故障评估公式GZ=DLZ+DYZ+SHZ计算对应的故障值GZ。

在较佳试试情况下，设置监测时长，当超过监测时长后仍没有判定线路分析段具有故障时，停止对线路分析段的监测。

在较佳试试情况下，还包括输电线故障定位模块，所述输电线故障定位模块用于 对具有故障的线路分析段进行故障定位，利用红外检测技术对线路分析段进行检测，确定 异常部位，将获得的异常部位在区域显示界面中进行标记；检测方式为：如果线路分析段各 监测项单项数据各监测项单项数据有故障，则返回异常部位的坐标集合；如果没有 故各监测项单项数据障，则返回空集；

其中，是线路分析段的故障定位函数，是线路分析段的故障 判定函数，是异常部位的坐标集合，是空集。

与现有技术相比，本发明的有益效果是：

(1)本发明提供了一种电力设备故障在线监测***和方法，能够对各种目标监测设备进行数据采集、异常识别、故障分析和定位，并在监控预警终端中进行可视化展示，从而提高电力设备故障在线监测技术的准确性、灵敏度和可靠性。

(2)本发明采用了基于孤立森林算法的异常识别模型，能够有效地识别出目标监测设备的异常数据，包括异常点和异常特征，减少了误报和漏报的可能性。

(3)本发明采用了基于动态更新的折减系数曲线的异常评估模型，能够根据异常数据对应的时间匹配对应的折减系数，将获得的折减系数和异常值进行综合评估，计算出目标监测设备的综合异常值，判断监测项对应设备故障原因。

(4)本发明采用了基于红外检测技术的故障定位模块，能够对具有故障的线路分析段进行故障定位，确定异常部位，将获得的异常部位在区域显示界面中进行标记，方便维修人员进行故障排除和修复。

(5)本发明还提供了一个监控预警终端，能够接收和展示故障监测模块推送的综合异常值大于阈值X1的异常数据，及时提醒用户注意电力设备的运行状况，避免造成更大的损失。

（6）通过输电线故障分析模块和输电线故障定位模块之间的相互配合，实现对输电线路故障的实时监测，解决现有输电线路监测难的问题，通过两者的相互配合，辅助对应工作人员更加快速的定位到故障位置，提高检修效率。

（7）通过数据采集模块、设备数据分析模块和故障监测模块之间的相互配合，实现对电力设备的高效监测，在故障前期即进行故障评估，提高监测效率，同时可以预留更多的时间进行准备，解决现有的电力设备监测***对于故障监测具有滞后性的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本***结构框架图。

图2为本***检测方法流程图。

图3为本发明的异常数据走向流程图。

图4为对输电线进行检测情况下的异常数据走向流程图。

具体实施方式

下面将结合实施例对本发明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，都属于本发明保护的范围。

实施例1：

如图1，图2所示，一种电力设备故障在线监测***，包括数据采集模块、设备数据分析模块、故障监测模块和监控预警终端；

所述数据采集模块用于对各目标监测设备进行数据采集，获得各目标监测设备对应的监测数据；所述监测数据包括各监测项单项数据；

所述设备数据分析模块用于对各目标监测设备的监测数据进行实时分析，识别对应的异常数据，异常数据包括异常点和异常特征；将识别的异常数据发送给故障监测模块；

所述故障监测模块用于根据目标监测设备的异常数据进行故障分析，逐一分析目标监测设备各异常数据对应的异常值，并进行相应的折减，根据折减后的异常值计算目标监测设备的综合异常值，当综合异常值大于阈值X1时，判断监测项对应设备故障原因；

所述监控预警终端用于接收和展示故障监测模块推送的综合异常值大于阈值X1的异常数据。

一种电力设备故障在线监测方法，包括以下步骤：

S1：确定各目标监测设备，预设各监测设备对应的监测项组下的各监测项单项数据，基于监测项组进行各采集设备的安装；

S2：利用采集设备进行各监测项组的各监测项单项数据采集，将采集的单项数据整合为监测数据；

S3：将监测数据传输给设备数据分析模块，设备数据分析模块对监测数据分析，实时得到异常数据；

S4：将异常数据传输给故障监测模块，通过故障监测模块对异常数据进行故障分析，逐一分析目标监测设备各异常数据对应的异常值；

S51:当综合异常值大于阈值X1时，将设备故障原因推送给监控预警终端；

S52:当综合异常值小于阈值X1时，无设备故障原因推送，继续在线监控。

所述的步骤S1、S2中得到目标检测设备的数据监控方式如下：

,

其中，是第个目标监测设备的监测数据，是目标监测设备的数量，是 每个目标监测设备对应的监测项组的数量。

异常数据的获取方法包括：

基于目标监测设备的历史监测数据建立对应的异常识别模型，通过建立的异常识 别模型对对应目标监测设备的监测数据进行实时分析，获得对应的异常数据， 与之间的关系如下式:

，

其中，是目标监测设备的第个监测数据，是对应的异常数据，是 异常识别模型，是随机误差项；异常识别模型为孤立森林算法，表达式为:，输入是目标监测设备的第个监测数据，它的输出是 对应的异常数据。

故障监测模块的具体工作方法包括：

通过预设的异常评估模型对接收到的异常数据进行分析，获得对应的异常值和折 减系数曲线，基于异常数据对应的时间从折减系数曲线中匹配对应的动态更新的折减系 数，将获得的折减系数和异常值分别标记为和，i=1、2、……、n，n为正整数；根据 综合评估公式计算对应的综合异常值，具体评估方式如下 式：

，，

其中，是第个折减系数，是折减系数曲线，是第个异常数据对应 的时间，是第个异常值，是异常评估模型，是第个异常数据。

如图3所示，对目标检测设备预设异常识别模型和各监测项单项数据，通过采集设备采集各监测项单项数据，得到监测数据，监测数据通过设备数据分析模型及通过公式与异常识别模型进行比对，通过异常评估模型得到异常数据，异常数据经过阈值判定，当阈值大于X1时，数据传输给监测预警终端。

具体说明如下：

所述数据采集模块用于对各目标监测设备进行数据采集，目标监测设备即需要进行监测的电力设备，不包括输电线路，一般为发电机、变压器、断路器等；结合当前的数据采集方式，根据需要进行监测的参数设置对应的采集设备，如各种传感器等；根据对应的监测项，结合当前各种监测***中的相关数据采集方式进行设置；利用设置的采集设备进行各监测项单项数据采集，获得各目标监测设备的监测数据，监测数据包括各监测项单项数据；不同目标监测设备根据其可能具有的故障及表现形式设置的监测项组是具有差异的，如对于发电机来说，其声响、振动、能耗等均可作为监测项，示例性的，发电机在其他参数不变的情况下，某一时刻或时段，能耗增大，或能耗不变，但是输出变小，即后续可以判定为异常点，而对应数据的异常变化即为异常特征。

所述设备数据分析模块用于对各目标监测设备的监测数据进行实时分析，识别对应的异常数据，异常数据包括异常点和异常特征；将识别的异常数据发送给故障监测模块；具体方法如下：

获取大量的目标监测设备的历史监测数据，可以结合现有的各种监测***中历史储存数据进行获取，根据目标监测设备的出现故障时各监测项历史数据的变化情况，通过人工的方式整理对于异常点的训练集，当各监测项出现哪些异常数据的情况下认定为异常点，并提取对应的异常特征；或哪些监测项共同相互关联的出现哪些数据认定为异常点，并提取对应的异常特征；基于CNN网络或DNN网络建立对应的异常识别模型，异常识别模型用于对目标监测设备的监测数据进行分析，分析各监测项单项数据是否异常，若异常，则识别对应的异常点和异常特征，异常点即为对应监测项出现异常的时间；通过设置的训练集进行训练，通过训练成功后的异常识别模型对监测数据进行分析，获得对应的异常数据；因为神经网络为本领域的现有技术，因此，具体的建立和训练过程在本发明中不进行详细叙述。

所述故障监测模块用于根据目标监测设备的异常数据进行故障分析，判断是否具有故障，进行累加迭代分析，即逐一分析目标监测设备的各异常数据，确定其异常值，并根据时间的推移进行逐步折减，直到为零为止，在此期间，实时计算已有折减后异常值的累加之和，根据综合异常值进行综合判定，综合异常值大于阈值X1判断该监测项对应的部分故障，反之，判定正常；即越频繁出现异常数据，越容易达到故障评判标准，或某异常数据较为明显，也可以直接根据一个异常数据进行故障评判，并通过进行时间折减，消除正常情况的异常数据影响；不同目标检测设备的监测项对应折减是具有差异的，根据其在正常运行情况是否易出现异常数据、重要性、异常值等特性进行设置。

根据各监测项可能具有的异常数据，通过人工的设置对应的异常值，以及对应随 时间变化的折减系数曲线，对于折减系数曲线，因为对于同一监测项来说，其他因素均是相 同的，因此可以设置一个初始的统一折减系数曲线，后续再根据对应异常值大小对初始折 减系数曲线进行修正、调整，异常值越大，折减系数随时间变小幅度越小；进行整理形成训 练集，基于CNN网络或DNN网络建立对应的异常评估模型，通过建立的训练集进行训练，通过 训练成功后的异常评估模型对各异常数据进行分析，获得对应的异常值和该异常值对应的 折减系数曲线，根据对应异常数据时间，从折减系数曲线中实时匹配对应的折减系数，将获 得的折减系数和异常值分别标记为和，其中i表示对应的异常数据，i=1、2、……、 n，n为正整数；根据综合评估公式，，计 算对应的综合异常值，i=1、2、……、n；其中，是第个折减系数，是折减系 数曲线，是第个异常数据对应的时间，是第个异常值，是异常评估模 型，是第个异常数据。

通过数据采集模块、设备数据分析模块和故障监测模块之间的相互配合，实现对电力设备的高效监测，在故障前期即进行故障评估，提高监测效率，同时可以预留更多的时间进行准备，解决现有的电力设备监测***对于故障监测具有滞后性的问题。

实施例2：

如图4所示，对输电线故障分析模块存在两种不同的线路：

方法一：在实施例1的基础上，包括输电线故障分析模块，所述输电线故障分析模块基于故障评估函数用于对输电线进行故障评估，判断输电线是否出现故障；故障评估函数判断逻辑如下式：

其中，是输电线的故障评估函数。

方法二：在实施例1的基础上，输电线故障分析模块的工作方法包括：

设置区域显示界面，所述区域显示界面内显示有对应的线路信息和监测装置位置；对监测装置检测到的异变信号、监测装置位置和所在线路进行分析，获得对应的线路分析段；将获得的线路分析段在区域显示界面中进行相应的标记；

实时获取线路分析段的检测输电数据，将获得的检测输电数据与预设的标准输电数据进行比较，计算对应的故障值，当故障值大于阈值X2时，判断该线路分析段具有故障；反之，则判定无故障。

故障值的计算方法包括：

对检测输电数据与标准输电数据进行分析，获得对应的电压单项值、电流单项值和损耗单项值，将获得的电压单项值、电流单项值和损耗单项值分别标记为DLZ、DYZ和SHZ，根据故障评估公式GZ=DLZ+DYZ+SHZ计算对应的故障值GZ。设置监测时长，当超过监测时长后仍没有判定线路分析段具有故障时，停止对线路分析段的监测。

对方法二进一步解释：

所述输电线故障分析模块用于对输电线进行故障评估，利用线路破损、异物接触导电、短路等突发时的相应信号进行评估，如正常完好的线路在进行送电时，因为线路突然破损、偷电、异物砸伤等情况，将会在刚出现时影响当前的传输状态，产生异变信号，后续再对产生异变信号的线路段进行用电监测，统计经过该线路段的用电损耗，与正常时期进行比较，判断该线路段是否具有故障；具体过程如下：

根据异变信号的监测需求设置对应的监测装置，监测装置为了利用现有相关技术进行设置的，利用设置的监测装置进行异变信号的监测；

获取进行线路监测的区域图，区域图中标记有各个输电线路以及对应的编号；根据设置监测装置的位置在区域图中进行相应的标记，基于当前的区域图建立对应的区域显示界面；通过监测装置实时监测异变信号，将监测到异变信号的监测装置在区域显示界面中进行标记；根据标记的监测装置位置、对应线路和信号强弱进行分析，确定线路分析段，根据信号衰减进行大致输电线段的判断，具体的可以基于CNN网络或DNN网络建立对应的线段分析模型，通过人工的方式建立对应的训练集进行训练，训练集包括模拟设置的各位置处异常产生的异常信号以及对应设置的线路分析段；通过训练成功后的异常评估模型对各异常数据进行分析，获得对应的线路分析段；将获得的线路分析段在区域显示界面中进行相应的标记；

实时获取线路分析段的输电数据，包括电压、电流、损耗数据，两端检测，标记为检测输电数据；获取线路分析段对应的标准输电数据，标准输电数据是根据该线路分析段长度、规格等设置的标准数据；检测输电数据和标准输电数据均是随着时间而变化的，特别是对于损耗数据，乘以对应的时间，计算对应的损耗，从开始进行检测输电数据采集时间开始；将标准输电数据和检测输电数据进行逐项比较，输出各项对应的单项值，根据之间的差值进行转化评估，差值越大，单项值越大，但是在对应正常区间内，单项值为零，预设各差值向单项值转化的方法，通过人工的方式进行设置的，一般为对应的转化系数，进行相乘后即可获得对应的单项值；

将电压、电流和损耗对应的单项值分别标记为电压单项值、电流单项值和损耗单项值，将获得的电压单项值、电流单项值和损耗单项值分别标记为DLZ、DYZ和SHZ，根据故障评估公式GZ=DLZ+DYZ+SHZ计算对应的故障值GZ，当故障值大于阈值X2时，判断该线路分析段具有故障；反之，则判定无故障。

在一个实施例中，对于线路分析段的监测可以设置一个监测时长，即在监测时长内实时计算对应的故障值，进行故障判断，当超过监测时长后还没有判断具有故障时，停止对该线路分析段的监测；监测时长是先通过人工的方式设置一个标准时长，再根据线路分析段的规格和长度进行调整，具体的可以基于CNN网络或DNN网络建立对应的时长分析模型，通过人工的方式建立对应的训练集进行训练，通过训练成功后的时长分析模型进行分析，获得该线路分析段的监测时长。

实施例3：

在实施例2的基础上，所述输电线故障定位模块用于对具有故障的线路分析段进 行故障定位，利用出现故障处的热量和温度变化进行定位，当判断线路分析段具有故障时， 利用现有红外检测技术对线路分析段进行检测，确定异常部位，将获得的异常部位在区域 显示界面中进行标记；检测方式为：如果线路分析段各监测项单项数据各监测项单项数 据有故障，则返回异常部位的坐标集合；如果没有故各监测项单项数据障，则返回空集；

其中，是线路分析段的故障定位函数，是线路分析段的故障 判定函数，是异常部位的坐标集合，是空集。

通过输电线故障分析模块和输电线故障定位模块之间的相互配合，实现对输电线路故障的实时监测，解决现有输电线路监测难的问题，通过两者的相互配合，辅助对应工作人员更加快速的定位到故障位置，提高检修效率。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (7)

1.一种电力设备故障在线监测方法，其特征在于，包括以下步骤：

S1：确定各目标监测设备，预设各监测设备对应的监测项组下的各监测项单项数据，基于监测项组进行各采集设备的安装；

S2：利用采集设备进行各监测项组的各监测项单项数据采集，将采集的单项数据整合为监测数据；

S3：将监测数据传输给设备数据分析模块，设备数据分析模块对监测数据分析，实时得到异常数据；

S4：将异常数据传输给故障监测模块，通过故障监测模块对异常数据进行故障分析，逐一分析目标监测设备各异常数据对应的异常值；

S51：当综合异常值大于阈值X1时，将设备故障原因推送给监控预警终端；

S52：当综合异常值小于阈值X1时，无设备故障原因推送，继续在线监控；

所述的步骤S1、S2中得到目标检测设备的数据监控方式如下：

其中，X_i是第i个目标监测设备的监测数据，n是目标监测设备的数量，m是每个目标监测设备对应的监测项组的数量；

异常数据的获取方法包括：

基于目标监测设备的历史监测数据建立对应的异常识别模型，通过建立的异常识别模型对对应目标监测设备的监测数x_i进行实时分析，获得对应的异常数据y_i，y_i与x_i之间的关系如下式：

其中，x_i是目标监测设备的第i个监测数据，y_i是对应的异常数据，f(x_i)是异常识别模型，/>是随机误差项；异常识别模型为孤立森林算法，表达式为：/>，输入是目标监测设备的第i个监测数据x_i，它的输出是对应的异常数据y_i；

故障监测模块的具体工作方法包括：

建立异常评估模型，所述异常评估模型用于对异常数据进行分析，获得对应的异常值以及该异常值对应的折减系数曲线；所述折减系数曲线用于根据对应的异常数据时间匹配对应的折减系数；

通过所述异常评估模型对接收到的异常数据进行分析，获得对应的异常值和折减系数曲线，基于异常数据时间从折减系数曲线中匹配对应的动态更新的折减系数，将获得的折减系数和异常值分别标记为c_i和Y_Ci，i=1、2、……、n，n为正整数；根据综合评估公式计算对应的综合异常值，具体评估方式如下式：

其中，c_i是第i个折减系数，g(t_i)是折减系数曲线，，c_i=g(t_i)表示对应折减系数根据异常数据时间随折减系数曲线进行动态变化；t_i是第i个异常数据对应的时间，Y_Ci是第i个异常值，h(y_i)是异常评估模型，y_i是第i个异常数据。

2.根据权利要求1所述的一种电力设备故障在线监测方法，其特征在于，还包括输电线故障分析模块，所述输电线故障分析模块基于故障评估函数用于对输电线进行故障评估，判断输电线是否出现故障；故障评估函数判断逻辑如下式：

其中，E(L)是输电线L的故障评估函数。

3.根据权利要求2所述的一种电力设备故障在线监测方法，其特征在于，输电线故障分析模块的工作方法包括：

设置区域显示界面，所述区域显示界面内显示有对应的线路信息和监测装置位置；对监测装置检测到的异变信号、监测装置位置和所在线路进行分析，获得对应的线路分析段；将获得的线路分析段在区域显示界面中进行相应的标记；

实时获取线路分析段的检测输电数据，将获得的检测输电数据与预设的标准输电数据进行比较，计算对应的故障值，当故障值大于阈值X2时，判断该线路分析段具有故障；反之，则判定无故障。

4.根据权利要求3所述的一种电力设备故障在线监测方法，其特征在于，故障值的计算方法包括：

对检测输电数据与标准输电数据进行分析，获得对应的电压单项值、电流单项值和损耗单项值，将获得的电压单项值、电流单项值和损耗单项值分别标记为DLZ、DYZ和SHZ，根据故障评估公式GZ=DLZ+DYZ+SHZ计算对应的故障值GZ。

5.根据权利要求4所述的一种电力设备故障在线监测方法，其特征在于，设置监测时长，当超过监测时长后仍没有判定线路分析段具有故障时，停止对线路分析段的监测。

6.根据权利要求5所述的一种电力设备故障在线监测方法，其特征在于，还包括输电线故障定位模块，所述输电线故障定位模块用于对具有故障的线路分析段进行故障定位，利用红外检测技术对线路分析段进行检测，确定异常部位，将获得的异常部位在区域显示界面中进行标记；检测方式为：如果线路分析段各监测项单项数据S各监测项单项数据有故障，则返回异常部位的坐标集合P；如果没有故各监测项单项数据障，则返回空集；

其中，L(S)是线路分析段S的故障定位函数，F(S)是线路分析段S的故障判定函数，P是异常部位的坐标集合，/>是空集。

7.一种电力设备故障在线监测***，其特征在于，执行权利要求1-6任意一项所述的一种电力设备故障在线监测方法，包括数据采集模块、设备数据分析模块、故障监测模块和监控预警终端；

所述数据采集模块用于对各目标监测设备进行数据采集，获得各目标监测设备对应的监测数据；所述监测数据包括各监测项单项数据；

所述设备数据分析模块用于对各目标监测设备的监测数据进行实时分析，识别对应的异常数据，异常数据包括异常点和异常特征；将识别的异常数据发送给故障监测模块；

所述故障监测模块用于根据目标监测设备的异常数据进行故障分析，逐一分析目标监测设备各异常数据对应的异常值，并进行相应的折减，根据折减后的异常值计算目标监测设备的综合异常值，当综合异常值大于阈值X1时，判断监测项对应设备故障原因；

所述监控预警终端用于接收和展示故障监测模块推送的综合异常值大于阈值X1的异常数据。