一种变电站二次设备状态监测方法及可读存储介质

1.一种变电站二次设备状态监测方法，其特征在于，所述方法包括，采集变电站二次设备的监测信号，对所述监测信号进行特征提取；对提取到的特征进行模型识别，并根据模型识别结果完成变电站二次设备状态信息的趋势预测；其中，所述对所述监测信号进行特征提取，包括：将所采集到的信号波形划分为训练集和测试集；对所述训练集和测试集的信号波形进行预处理；所述预处理包括：滤波、计算波形均方根、提取弧垂数据段和重采样；所述对所述监测信号进行特征提取，还包括：根据所采集到的训练集的数据维度建立深度信念网络DBN模型，并根据所述DBN模型确定每个显层和隐层的节点数；将所采集到的训练集的信号波形的时域数据输入DBN模型；根据确定的节点数采用无监督的逐层训练方法提取DBN模型的信号特征；所述对提取到的特征进行模型识别，包括：将提取到的信号特征输入到DBN模型进行模型训练；通过测试集对训练完成的DBN模型进行验证；所述对所述监测信号进行特征提取，还包括：通过特征离散度评价各隐层单元数和多层受限玻尔兹曼机RBM对DBN模型的影响以突出数据特征；所述特征离散度，满足：其中，D表示特征离散度，v表示当前类的特征距离，m表示同一类别的特征数，p v,m 表示当前类波形特征向量，p v,c 表示波形的特征中心向量，n表示同一种类别的特征数，u表示数据类别总数。 2.如权利要求1所述的方法，其特征在于，所述特征中心向量的选取原则满足：其中，l，i，j均表示波形类别，p v,i ，p v,j 表示当前类的i，j波形的特征向量。 3.如权利要求1所述的方法，其特征在于，根据模型识别结果完成变电站二次设备状态信息的趋势预测，包括：根据模型识别结果采用二次指数平滑法对状态信息趋势进行预测；所述二次指数平滑法的预测模型满足：其中，x t+T 表示预测结果，ε表示平滑系数，a t ，b t 均为中间量，T表示迭代次数， 分别表示第一个和第二个平滑值。 4.如权利要求3所述的方法，其特征在于，根据模型识别结果完成变电站二次设备状态信息的趋势预测，还包括：选取平滑系数的范围，确定监测值和预测值之间的最小方差和误差平方和，满足：其中，N为训练样本数，k表示组数， 是第k组监测值的预测值，x k 是第k组监测值的实际值。 5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至4中任一项所述的方法的步骤。