本發(fā)明涉及電力系統(tǒng)保護與控制領(lǐng)域，尤其涉及一種斷路器防跳功能測試方法及系統(tǒng)。

背景技術(shù)：

1、在現(xiàn)代電力系統(tǒng)中，電力系統(tǒng)的可靠運行依賴于核心設(shè)備的性能與穩(wěn)定性，其中斷路器是關(guān)鍵的保護和控制設(shè)備，其功能直接關(guān)系到電力系統(tǒng)的安全穩(wěn)定運行。斷路器的防跳功能是為了防止誤操作或故障導(dǎo)致的重復(fù)跳閘，避免對設(shè)備和系統(tǒng)產(chǎn)生不必要的沖擊，在提升系統(tǒng)穩(wěn)定性和避免故障損害方面發(fā)揮了重要作用。然而，傳統(tǒng)的防跳功能測試方法往往依賴于單一的靜態(tài)測試或經(jīng)驗判斷，難以全面有效地評估斷路器的實際工作狀態(tài)和健康水平。且現(xiàn)有的防跳功能測試方法存在人工干預(yù)多、智能化程度低、測試精度不足等問題，已難以滿足現(xiàn)代電力系統(tǒng)對設(shè)備性能評估的需求。隨著人工智能、深度學(xué)習(xí)及量子計算技術(shù)的迅速發(fā)展，智能化的斷路器防跳測試方法逐漸成為研究熱點。

2、經(jīng)檢索，中國專利號cn113589156a公開了一種斷路器防跳功能測試方法，該發(fā)明雖然通過自學(xué)習(xí)獲得被測斷路器防跳測試有關(guān)參數(shù)，根據(jù)相關(guān)參數(shù)完成斷路器的分位防跳與合位防跳測試，有效提高斷路器防跳測試效率和準(zhǔn)確性，但是容易陷入局部最優(yōu)問題，無法對實際操作條件下斷路器的狀態(tài)變化做出更加精確的響應(yīng)，降低測試系統(tǒng)的靈活性和即時性；且現(xiàn)有的斷路器防跳功能測試方法及系統(tǒng)樣本代表性較差，且防跳測試的效果的可靠性低，提高數(shù)據(jù)處理的成本和時間，人為干預(yù)帶來的誤差較高；此外，現(xiàn)有的斷路器防跳功能測試方法及系統(tǒng)靜態(tài)評估的滯后性較高，因單一因素導(dǎo)致的誤判較多，降低健康評估的準(zhǔn)確性，不利于系統(tǒng)的風(fēng)險管控，故障發(fā)生的可能性較高；為此，我們提出一種斷路器防跳功能測試方法及系統(tǒng)。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中存在的缺陷，而提出的一種斷路器防跳功能測試方法及系統(tǒng)。

2、為了實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

3、一種斷路器防跳功能測試方法，該測試方法具體步驟如下：

4、ⅰ、提取斷路器數(shù)據(jù)并通過關(guān)系分析技術(shù)構(gòu)建防跳功能圖譜；

5、ⅱ、建立防跳測試模型并進(jìn)化篩選模型參數(shù)；

6、ⅲ、迭代模擬測試樣本再執(zhí)行斷路器防跳功能測試；

7、ⅳ、采集并記錄每個測試場景的操作數(shù)據(jù)和狀態(tài)信息；

8、ⅴ、對比測試結(jié)果與模型預(yù)測并標(biāo)記存在問題的操作狀態(tài)；

9、ⅵ、分析測試結(jié)果并動態(tài)調(diào)整斷路器的健康評估；

10、ⅶ、基于測試與分析結(jié)果更新防跳功能圖譜以及防跳測試模型。

11、作為本發(fā)明的進(jìn)一步方案，步驟ⅰ所述構(gòu)建防跳功能圖譜具體步驟如下：

12、s1.1：從電力系統(tǒng)運行數(shù)據(jù)庫中提取斷路器歷史運行數(shù)據(jù)、故障數(shù)據(jù)和維護數(shù)據(jù)，并對提取出的各組數(shù)據(jù)依據(jù)設(shè)定的規(guī)則自動過濾，或工作人員手動過濾與斷路器防跳功能無關(guān)的信息，僅保留時間戳、故障類型、設(shè)備健康狀態(tài)以及操作次數(shù)各項數(shù)據(jù)；

13、s1.2：基于篩選出各組數(shù)據(jù)構(gòu)建運行數(shù)據(jù)集，去除運行數(shù)據(jù)集中的重復(fù)數(shù)據(jù)和缺失值，并標(biāo)準(zhǔn)化記錄格式，再通過pearson相關(guān)系數(shù)方法，計算預(yù)處理后的運行數(shù)據(jù)集中各組數(shù)據(jù)之間的相關(guān)系數(shù)；

14、s1.3：對運行數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行初步分析，識別每組數(shù)據(jù)的屬性，根據(jù)數(shù)據(jù)內(nèi)容和屬性，將數(shù)據(jù)分成設(shè)備狀態(tài)、運行參數(shù)、環(huán)境因素、故障記錄以及維護記錄各類別，再未各類節(jié)點定義基本屬性，并根據(jù)提取的數(shù)據(jù)創(chuàng)建具體節(jié)點；

15、s1.4：采用唯一的id生成規(guī)則為每個節(jié)點生成id，并將每個節(jié)點的標(biāo)識符與其具體的屬性信息相對應(yīng)，從運行數(shù)據(jù)集中選擇與節(jié)點類別和屬性定義相符的數(shù)據(jù)，將匹配的數(shù)據(jù)填入節(jié)點的屬性字段中，檢查每個節(jié)點是否包含完整的屬性信息，并對缺少屬性的節(jié)點進(jìn)行補充或重新創(chuàng)建；

16、s1.5：將節(jié)點加入到防跳功能圖譜的整體結(jié)構(gòu)中，根據(jù)相關(guān)系數(shù)的計算結(jié)果，判斷兩個節(jié)點間是否存在顯著關(guān)聯(lián)，并在防跳功能圖譜中建立節(jié)點之間的邊，并根據(jù)相關(guān)系數(shù)的強度，賦予關(guān)系的權(quán)重和方向性，基于運行狀態(tài)和歷史維護記錄，計算每個斷路器的健康評分作為狀態(tài)指標(biāo)，并在防跳功能圖譜中標(biāo)注每個斷路器的設(shè)備健康狀態(tài)。

17、作為本發(fā)明的進(jìn)一步方案，s1.2所述相關(guān)系數(shù)具體計算公式如下：

18、；式中，代表兩組斷電器變量x和y之間的相關(guān)系數(shù)；代表樣本數(shù)量；代表變量x在第個樣本上的觀測值；代表變量x的平均值；代表變量y在第個樣本上的觀測值；代表變量y的平均值；

19、s1.5中所述健康評分具體計算公式如下：

20、；式中，代表第h個斷路器的健康評分；代表第個影響因子；代表第個因子的權(quán)重；代表因子數(shù)量。

21、作為本發(fā)明的進(jìn)一步方案，步驟ⅱ所述建立防跳測試模型具體步驟如下：

22、s2.1：從防跳功能圖譜中篩選出歷史防跳功能測試數(shù)據(jù)，并將提取的各組數(shù)據(jù)轉(zhuǎn)換為時間序列格式，之后對轉(zhuǎn)換后的時間序列數(shù)據(jù)進(jìn)行歸一化處理，并將處理后的各組數(shù)據(jù)劃分為訓(xùn)練集、驗證集以及測試集，基于輸入層、雙向gru層以及輸出層的bi-gru架構(gòu)，構(gòu)建防跳測試模型；

23、s2.2：將訓(xùn)練集數(shù)據(jù)輸入至防跳測試模型中，輸入層將各組數(shù)據(jù)傳輸至雙向gru層中，之后雙向gru層中的前向gru單元逐步從時間序列的起始點到結(jié)束點依次傳遞隱藏狀態(tài)，同時后向gru單元從時間序列的結(jié)束點到起始點依次傳遞隱藏狀態(tài)；

24、s2.3：通過前向gru單元和后向gru單元的重置門計算候選隱藏狀態(tài)，依據(jù)計算出的候選隱藏狀態(tài)，通過兩組gru單元的更新門計算當(dāng)前時刻的隱藏狀態(tài)，拼接前后向隱藏狀態(tài)以形成一個包含雙向信息的隱藏狀態(tài)向量；

25、s2.4：堆疊多層雙向gru層，將每一層雙向gru層的輸出隱藏狀態(tài)作為下一層的輸入，當(dāng)輸入到最后一層時，將最后一層雙向gru層的前向和后向隱藏狀態(tài)拼接后，通過輸出層對輸出結(jié)果進(jìn)行后處理后生成最終預(yù)測結(jié)果，再通過mse損失函數(shù)計算該預(yù)測結(jié)果與真實結(jié)果之間的誤差；

26、s2.5：將誤差值回傳至防跳測試模型中，并計算誤差值對于防跳測試模型各層的梯度值，基于各層的梯度值，通過adam優(yōu)化算法調(diào)整模型的參數(shù)，使用驗證集對訓(xùn)練后的防跳測試模型進(jìn)行評估，計算驗證集上的損失，并根據(jù)驗證集表現(xiàn)，調(diào)整模型的學(xué)習(xí)率以及gru單元數(shù)各項超參數(shù)；

27、s2.6：重復(fù)對防跳測試模型進(jìn)行訓(xùn)練以及驗證，直至達(dá)到預(yù)設(shè)迭代次數(shù)，之后在測試集上評估最終模型的預(yù)測性能，計算測試集上的損失值，并評估預(yù)測準(zhǔn)確度，基于該模型準(zhǔn)確度再次調(diào)整模型參數(shù)，將最終防跳測試模型應(yīng)用于實時數(shù)據(jù)，預(yù)測斷路器的防跳功能表現(xiàn)。

28、作為本發(fā)明的進(jìn)一步方案，步驟ⅱ所述進(jìn)化篩選模型參數(shù)具體步驟如下：

29、s3.1：收集防跳測試模型在測試集上的準(zhǔn)確度，若該模型準(zhǔn)確度未達(dá)到預(yù)設(shè)準(zhǔn)確率，則收集防跳測試模型的各參數(shù)信息，并將模型的每個參數(shù)用一個或多個量子比特表示，并用量子態(tài)代表各參數(shù)；

30、s3.2：對各組量子比特通過hadamard變換后，生成每個量子態(tài)的均勻疊加態(tài)，以獲取不同的參數(shù)組合的候選解，其中n代表候選參數(shù)組合的總數(shù)，代表概率幅，代表第個候選參數(shù)組合，基于防跳功能模型的預(yù)測準(zhǔn)確率定義一個量子適應(yīng)度函數(shù)，通過量子適應(yīng)度函數(shù)評估每個候選參數(shù)值的適應(yīng)度；

31、s3.3：構(gòu)造目標(biāo)函數(shù)，當(dāng)候選參數(shù)值的適應(yīng)度滿足預(yù)設(shè)條件時，通過oracle構(gòu)造將此解的符號翻轉(zhuǎn)，再計算當(dāng)前量子態(tài)各概率幅的平均值，通過grover擴散操作將所有解的概率幅相對于均值進(jìn)行反射，其中d代表grover擴散操作符，代表當(dāng)前量子態(tài)的投影算符，i代表單位矩陣；

32、s3.4：重復(fù)應(yīng)用oracle構(gòu)造和grover擴散操作，并在每次迭代后，放大目標(biāo)解的概率幅，同時壓縮不符合條件的解概率幅，之后根據(jù)目標(biāo)解與非目標(biāo)解的距離，選擇門或門的旋轉(zhuǎn)角度放大滿足預(yù)設(shè)適應(yīng)度閾值的解的概率幅，對量子態(tài)進(jìn)行測量，重復(fù)測量步驟，并在多次測量后保留適應(yīng)度符合預(yù)設(shè)閾值的測量結(jié)果；

33、s3.5：將測量得到的參數(shù)組合按適應(yīng)度排序，選擇適應(yīng)度最高的一組參數(shù)值作為最終解，并確定最優(yōu)解為該參數(shù)組合所代表的量子態(tài)，作為模型的最優(yōu)參數(shù)組合，再通過梯度下降算法對量子進(jìn)化得到的參數(shù)進(jìn)行微調(diào)。

34、一種斷路器防跳功能測試系統(tǒng)，包括采集預(yù)處理模塊、數(shù)據(jù)篩選模塊、圖譜構(gòu)建模塊、學(xué)習(xí)訓(xùn)練模塊、進(jìn)化篩選模塊、樣本選擇模塊、實時監(jiān)控模塊、動態(tài)評估模塊、報警提示模塊、管理日志模塊以及可視化展示模塊；

35、所述采集預(yù)處理模塊用于從電力系統(tǒng)運行數(shù)據(jù)庫中提取各斷路器數(shù)據(jù)，并對采集到的數(shù)據(jù)進(jìn)行清洗、格式轉(zhuǎn)換和缺失值填充處理；

36、所述數(shù)據(jù)篩選模塊用于根據(jù)斷路器的防跳功能需求，從預(yù)處理后的斷路器數(shù)據(jù)中篩選出與斷路器跳閘事件對應(yīng)的關(guān)鍵數(shù)據(jù)；

37、所述圖譜構(gòu)建模塊用于分析斷路器的各項運行數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，并基于數(shù)據(jù)篩選和關(guān)聯(lián)分析的結(jié)果構(gòu)建防跳功能圖譜；

38、所述學(xué)習(xí)訓(xùn)練模塊用于基于斷路器歷史防跳功能測試數(shù)據(jù)構(gòu)建防跳測試模型，并對該模型進(jìn)行訓(xùn)練調(diào)整；

39、所述進(jìn)化篩選模塊用于對防跳測試模型的參數(shù)進(jìn)行進(jìn)化篩選，選出最佳參數(shù)組合，從而優(yōu)化模型初始參數(shù)設(shè)置；

40、所述樣本選擇模塊用于迭代模擬測試樣本，并選出最具代表性和影響力的樣本；

41、所述實時監(jiān)控模塊用于接收斷路器的實時運行數(shù)據(jù)，并通過防跳測試模型判斷斷路器是否存在潛在故障或異常跳閘風(fēng)險；

42、所述動態(tài)評估模塊用于結(jié)合歷史數(shù)據(jù)和當(dāng)前測試結(jié)果，動態(tài)估計斷路器的健康狀態(tài)和防跳功能的穩(wěn)定性；

43、所述報警提示模塊用于檢測系統(tǒng)輸出的異常狀態(tài)及潛在風(fēng)險，并根據(jù)系統(tǒng)設(shè)定的閾值自動觸發(fā)報警；

44、所述管理日志模塊用于負(fù)責(zé)系統(tǒng)運行的日常管理和狀態(tài)記錄；

45、所述可視化展示模塊用于對測試和分析的結(jié)果進(jìn)行匯總、分析與可視化展示。

46、作為本發(fā)明的進(jìn)一步方案，所述樣本選擇模塊迭代模擬測試樣本具體步驟如下：

47、s4.1：根據(jù)防跳功能圖譜中節(jié)點間的關(guān)聯(lián)關(guān)系以及防跳測試模型特征，并基于樣本對模型準(zhǔn)確率或預(yù)測能力的提升效果，定義樣本選擇的目標(biāo)函數(shù)，其中代表樣本的適應(yīng)度值，代表樣本對模型訓(xùn)練準(zhǔn)確度的貢獻(xiàn)度，代表樣本在防跳功能圖譜中與其他樣本的距離，和分別代表調(diào)節(jié)參數(shù)；

48、s4.2：收集并處理不同工作狀態(tài)下斷路器運行數(shù)據(jù)，分別將處理后的不同狀態(tài)下的斷路器運行數(shù)據(jù)作為一組測試樣本，以構(gòu)建一組測試樣本集，利用目標(biāo)函數(shù)計算所有測試樣本的適應(yīng)度，并基于預(yù)設(shè)的適應(yīng)度閾值，將高于閾值的測試樣本作為“主要河流”，將低于閾值的測試樣本作為“支流”；

49、s4.3：基于主要河流樣本以及支流樣本的適應(yīng)度，計算主要河流樣本與支流樣本之間的距離，通過模擬樣本特征的線性更新，不斷調(diào)整支流樣本的特征值，使支流樣本與主要河流樣本不斷靠近，以形成新的支流樣本；

50、s4.4：基于當(dāng)前支流樣本適應(yīng)度的平均值或中位數(shù)，設(shè)定適應(yīng)度閾值，通過目標(biāo)函數(shù)計算當(dāng)前各支流樣本的適應(yīng)度值，并分別比較計算出的適應(yīng)度值與閾值的大小，若，則將對應(yīng)樣本剔除，不再參與后續(xù)的優(yōu)化過程，其中代表第a個樣本的適應(yīng)度值；

51、s4.5：通過隨機選擇的方法選擇一個大于1的系數(shù)作為降水因子，之后對于的測試樣本，通過，對滿足條件的各組高適應(yīng)測試樣本進(jìn)行降水因子的放大操作，以增加高適應(yīng)度樣本在各測試樣本中的權(quán)重，其中代表降水后測試樣本的新特征值；

52、s4.6：在每輪迭代結(jié)束后，根據(jù)目標(biāo)函數(shù)重新計算所有樣本的適應(yīng)度，并更新主要河流和支流樣本，之后重新進(jìn)行步驟s4.3至s4.5的操作，直至達(dá)到最大迭代次數(shù)，或整體測試樣本的適應(yīng)度的增量小于設(shè)定的收斂閾值，或篩選出的測試樣本達(dá)到預(yù)設(shè)的質(zhì)量要求時，停止迭代更新，并篩選出適應(yīng)度最高、且具有多樣性的測試樣本集作為最優(yōu)訓(xùn)練樣本集，同時將其輸入防跳測試模型中進(jìn)行斷路器防跳功能測試。

53、作為本發(fā)明的進(jìn)一步方案，所述動態(tài)評估模塊動態(tài)估計斷路器的健康狀態(tài)和防跳功能的穩(wěn)定性的具體步驟如下：

54、s5.1：根據(jù)防跳功能圖譜和斷路器的運行歷史數(shù)據(jù)，構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，并基于防跳功能圖譜識別斷路器的關(guān)鍵狀態(tài)，同時將識別出的斷電器的各關(guān)鍵狀態(tài)作為貝葉斯網(wǎng)絡(luò)的節(jié)點，將狀態(tài)間的依賴關(guān)系以有向邊的形式標(biāo)識，以連接對應(yīng)兩組節(jié)點；

55、s5.2：并利用防跳功能圖譜中的歷史數(shù)據(jù)計算每個節(jié)點在不同狀態(tài)組合下的概率分布，其中代表在父節(jié)點b給定的情況下，節(jié)點a取某一狀態(tài)的概率，代表防跳功能圖譜中記錄的歷史數(shù)據(jù)生成的初始條件概率表值，并基于計算出的概率分布為貝葉斯網(wǎng)絡(luò)的每個節(jié)點設(shè)定初始條件概率表；

56、s5.3：將防跳功能測試中得到的實時數(shù)據(jù)輸入貝葉斯網(wǎng)絡(luò)的相應(yīng)節(jié)點，作為當(dāng)前觀測值，并通過貝葉斯推斷算法計算在當(dāng)前狀態(tài)下斷路器健康的后驗概率，根據(jù)計算出的健康概率更新目標(biāo)節(jié)點的概率分布，同時依據(jù)新的測試數(shù)據(jù)更新條件概率表；

57、s5.4：將計算得到的健康狀態(tài)概率分布作為最終輸出結(jié)果，若存在狀態(tài)的后驗概率超出預(yù)設(shè)的風(fēng)險閾值，報警提示模塊觸發(fā)告警，同時通過可視化模塊展示風(fēng)險類型，并建議維護人員進(jìn)行進(jìn)一步檢查或維護，確保設(shè)備安全性，持續(xù)采集新數(shù)據(jù)并輸入貝葉斯網(wǎng)絡(luò)，并不斷對各斷路器進(jìn)行動態(tài)斷路器的健康狀態(tài)和防跳功能的穩(wěn)定性。

58、作為本發(fā)明的進(jìn)一步方案，s5.1所述斷路器的關(guān)鍵狀態(tài)具體包括電流、電壓、溫度以及跳閘次數(shù)各項狀態(tài)。

59、相比于現(xiàn)有技術(shù)，本發(fā)明的有益效果在于：

60、1、該斷路器防跳功能測試方法收集防跳測試模型在測試集上的準(zhǔn)確度，若該模型準(zhǔn)確度未達(dá)到預(yù)設(shè)準(zhǔn)確率，則收集防跳測試模型的各參數(shù)信息，并將模型的每個參數(shù)用一個或多個量子比特表示，并用量子態(tài)代表各參數(shù)，對各組量子比特通過hadamard變換后，生成每個量子態(tài)的均勻疊加態(tài)，以獲取不同的參數(shù)組合的候選解，基于防跳功能模型的預(yù)測準(zhǔn)確率定義一個量子適應(yīng)度函數(shù)，通過量子適應(yīng)度函數(shù)評估每個候選參數(shù)值的適應(yīng)度，構(gòu)造目標(biāo)函數(shù)，當(dāng)候選參數(shù)值的適應(yīng)度滿足預(yù)設(shè)條件時，通過oracle構(gòu)造將此解的符號翻轉(zhuǎn)，再計算當(dāng)前量子態(tài)各概率幅的平均值，通過grover擴散操作將所有解的概率幅相對于均值進(jìn)行反射，重復(fù)應(yīng)用oracle構(gòu)造和grover擴散操作，并在每次迭代后，放大目標(biāo)解的概率幅，同時壓縮不符合條件的解概率幅，之后根據(jù)目標(biāo)解與非目標(biāo)解的距離，選擇需要的旋轉(zhuǎn)角度放大滿足預(yù)設(shè)適應(yīng)度閾值的解的概率幅，對量子態(tài)進(jìn)行測量，重復(fù)測量步驟，并在多次測量后保留適應(yīng)度符合預(yù)設(shè)閾值的測量結(jié)果，將測量得到的參數(shù)組合按適應(yīng)度排序，選擇適應(yīng)度最高的一組參數(shù)值作為最終解，并確定最優(yōu)解為該參數(shù)組合所代表的量子態(tài)，作為模型的最優(yōu)參數(shù)組合，再通過梯度下降算法對量子進(jìn)化得到的參數(shù)進(jìn)行微調(diào)，提升模型優(yōu)化效率，避免局部最優(yōu)問題，使得模型對實際操作條件下斷路器的狀態(tài)變化能夠做出更加精確的響應(yīng)，增加測試系統(tǒng)的靈活性和即時性。

61、2、該斷路器防跳功能測試系統(tǒng)根據(jù)防跳功能圖譜中節(jié)點間的關(guān)聯(lián)關(guān)系以及防跳測試模型特征，并基于樣本對模型準(zhǔn)確率或預(yù)測能力的提升效果，定義樣本選擇的目標(biāo)函數(shù)，收集并處理不同工作狀態(tài)下斷路器運行數(shù)據(jù)，分別將處理后的不同狀態(tài)下的斷路器運行數(shù)據(jù)作為一組測試樣本，以構(gòu)建一組測試樣本集，利用目標(biāo)函數(shù)計算所有測試樣本的適應(yīng)度，并基于預(yù)設(shè)的適應(yīng)度閾值，將測試樣本劃分為主要河流樣本以及支流樣本，模擬樣本特征的線性更新，不斷調(diào)整支流樣本的特征值，使支流樣本與主要河流樣本不斷靠近，以形成新的支流樣本，基于當(dāng)前支流樣本適應(yīng)度的平均值或中位數(shù)，設(shè)定適應(yīng)度閾值，并比較計算出的各測試樣本適應(yīng)度值與設(shè)定的適應(yīng)度閾值，剔除低于該適應(yīng)度閾值的測試樣本，并隨機生成一個降水因子對高于該適應(yīng)度閾值的測試樣本進(jìn)行加權(quán)調(diào)整，反復(fù)迭代更新，直至達(dá)到最大迭代次數(shù)，或整體測試樣本的適應(yīng)度的增量小于設(shè)定的收斂閾值，或篩選出的測試樣本達(dá)到預(yù)設(shè)的質(zhì)量要求時，停止迭代更新，并篩選出適應(yīng)度最高、且具有多樣性的測試樣本集作為最優(yōu)訓(xùn)練樣本集，同時將其輸入防跳測試模型中進(jìn)行斷路器防跳功能測試，優(yōu)化樣本代表性，使得防跳測試的效果更為可靠，降低數(shù)據(jù)處理的成本和時間，減少人為干預(yù)帶來的誤差，提升測試流程的智能化水平。

62、3、該斷路器防跳功能測試系統(tǒng)根據(jù)防跳功能圖譜和斷路器的運行歷史數(shù)據(jù)，構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，并基于防跳功能圖譜識別斷路器的關(guān)鍵狀態(tài)，同時將識別出的斷電器的各關(guān)鍵狀態(tài)作為貝葉斯網(wǎng)絡(luò)的節(jié)點，將狀態(tài)間的依賴關(guān)系以有向邊的形式標(biāo)識，以連接對應(yīng)兩組節(jié)點，并利用防跳功能圖譜中的歷史數(shù)據(jù)計算每個節(jié)點在不同狀態(tài)組合下的概率分布，并基于計算出的概率分布為貝葉斯網(wǎng)絡(luò)的每個節(jié)點設(shè)定初始條件概率表，將防跳功能測試中得到的實時數(shù)據(jù)輸入貝葉斯網(wǎng)絡(luò)的相應(yīng)節(jié)點，作為當(dāng)前觀測值，并通過貝葉斯推斷算法計算在當(dāng)前狀態(tài)下斷路器健康的后驗概率，根據(jù)計算出的健康概率更新目標(biāo)節(jié)點的概率分布，同時依據(jù)新的測試數(shù)據(jù)更新條件概率表，將計算得到的健康狀態(tài)概率分布作為最終輸出結(jié)果，若存在狀態(tài)的后驗概率超出預(yù)設(shè)的風(fēng)險閾值，報警提示模塊觸發(fā)告警，同時通過可視化模塊展示風(fēng)險類型，并建議維護人員進(jìn)行進(jìn)一步檢查或維護，確保設(shè)備安全性，持續(xù)采集新數(shù)據(jù)并輸入貝葉斯網(wǎng)絡(luò)，并不斷對各斷路器進(jìn)行動態(tài)斷路器的健康狀態(tài)和防跳功能的穩(wěn)定性，能夠避免靜態(tài)評估的滯后性，減少因單一因素導(dǎo)致的誤判，提高健康評估的準(zhǔn)確性，有助于增強系統(tǒng)的風(fēng)險管控能力，減少故障發(fā)生的可能性，提高電力系統(tǒng)的整體穩(wěn)定性。