本发明涉及新能源发电，更具体地说，本发明涉及用于新能源箱变智能全景监控管理系统及方法。
背景技术：
1、新能源箱变作为新能源发电系统的重要组成部分，其运行状态直接影响新能源电站的发电效率和安全性。传统的新能源箱变监控管理系统存在一些不足，难以满足日益增长的智能化、全景化监控需求。
2、公开号为cn116613884a的专利申请公开了一种新能源箱变综合监控管理系统，用于解决箱变内各电气设备集成度低，无法实现升压站对新能源电场箱变远程管理监控的问题。该系统通过cpu插件、交流插件、开入插件、开出插件、环控主插件及环控辅插件的配合，实现了新能源箱变高低压侧保护控制以及环境数据的采集和控制，使升压站能够对新能源电场箱变进行远程管理和自动化监控。但是，该系统主要关注于箱变电气量的采集和控制，缺乏对箱变多源异构数据的融合分析，难以全面评估箱变的运行状态和潜在风险。
3、公开号为cn117578732a的专利申请公开了一种用于特殊环境的新能源箱变监控管理系统。该系统根据箱变历史运行数据和环境数据，预测当天的设备运行状态和环境状态，并通过比较预测值与实际值，判断箱变是否存在异常情况。这种基于数据驱动的预测方法能够一定程度上预警箱变潜在的异常风险，但预测的时间尺度较短，且缺乏对检测到的异常状态进行原因分析和智能诊断的能力，因而其实用价值有限。
4、综上，现有的新能源箱变监控管理系统大多采用单一数据源，缺乏多源异构监测数据的融合分析能力，难以准确全面地评估箱变运行状态；同时，对于检测到的箱变故障往往缺少有效的诊断推理和溯源分析手段。
技术实现思路
1、为了克服现有技术的上述缺陷，本发明提供用于新能源箱变智能全景监控管理系统及方法，以提高新能源箱变的运行可靠性和维护效率。
2、为实现上述目的，本发明提供如下技术方案：
3、用于新能源箱变智能全景监控管理方法，包括：
4、获取目标箱变的原始监测数据集，对原始监测数据集进行数据清洗，得到清洗后的监测数据集，从清洗后的监测数据集中提取反映箱变运行状态的关键特征，得到原始特征集；对原始特征集中的各特征进行重要性分析，根据分析结果对原始特征集中的各特征赋予权重，生成加权特征集；
5、构建箱变故障预测模型，根据加权特征集和箱变故障预测模型，得到故障风险评估值q；基于故障风险评估值，对潜在故障进行分级预警，生成故障预警信息；0<q<1；所述对潜在故障进行分级预警包括预警高风险等级、预警中风险等级、预警低风险等级和预警无风险等级；
6、构建箱变故障诊断知识图谱，预警高风险等级或预警中风险等级时，结合箱变故障诊断知识图谱对故障预警信息进行推理溯源。
7、进一步地，所述获取目标箱变的原始监测数据集包括：
8、采集箱变内部温度的时序变化数据；采集箱变内部空气湿度的时序变化数据；采集绝缘件表面局部放电的时序脉冲信号；采集特征性故障气体的浓度时序数据；采集铁芯接地电流的时序波形数据；汇总所有数据，形成原始监测数据集。
9、进一步地，所述生成加权特征集包括：
10、计算原始特征集中的各特征与故障状态的皮尔森相关系数，选取皮尔森相关系数高于预设的相关性阈值的特征作为候选特征，生成候选特征子集；
11、计算候选特征子集中各候选特征对故障状态的信息增益，选取信息增益高于预设的增益阈值的候选特征作为最优特征，生成最优特征子集；
12、采用gini指数法计算最优特征子集中各最优特征的gini指数，将各最优特征的gini指数归一化后，作为权重系数；
13、对最优特征子集中的各特征赋予所述权重系数，生成加权特征集。
14、进一步地，所述对潜在故障进行分级预警，生成故障预警信息包括：
15、针对箱变故障预测模型输出的故障风险评估值，设定三个风险阈值：高风险阈值h、中风险阈值m和低风险阈值l，其中0<l<m<h<1；
16、当q＞h时，预警高风险等级；当m≤q≤h时，预警中风险等级；当l＜q＜m时，预警低风险等级；当q≤l时，预警无风险等级；
17、预警高风险等级或中风险等级时，触发报警信号，生成故障预警信息，所述故障预警信息包括故障风险等级和故障症状特征；所述故障症状特征包括数值型症状特征和离散型症状特征。
18、进一步地，所述构建箱变故障诊断知识图谱包括：
19、定义核心概念，形成概念层；所述核心概念包括箱变部件概念、材料概念和故障概念；
20、抽取核心概念间的语义关系，形成关系层；所述语义关系包括因果关系、并发关系和同位关系；所述因果关系以因果链呈现，所述同位关系以同位关系族呈现，所述并发关系以并发概率网呈现；
21、将概念层的核心概念作为节点，关系层的语义关系作为边，构建箱变故障诊断知识图谱的拓扑结构；
22、挖掘各故障概念的典型特征，标记为属性特征，作为故障概念对应的故障节点的属性填入箱变故障诊断知识图谱的拓扑结构；所述故障概念的属性特征包括数值型属性特征和离散型属性特征。
23、进一步地，所述结合箱变故障诊断知识图谱对故障预警信息进行推理溯源包括：
24、计算故障预警信息中各故障症状特征与箱变故障诊断知识图谱中各故障节点属性特征的综合匹配度，筛选出综合匹配度最高的前n个节点作为候选故障节点；
25、提取候选故障节点在箱变故障诊断知识图谱中的一跳邻居节点，构成候选故障的语义子图；
26、基于箱变故障诊断知识图谱的因果链，生成语义子图中的因果链，通过分析语义子图中的因果链，溯源追踪候选故障的原因；
27、基于箱变故障诊断知识图谱的同位关系族和并发概率网，统计语义子图中的同位节点数量、并发节点发生概率，判别候选故障的位置、严重程度和关联故障；
28、综合候选故障的原因、位置、严重程度和关联故障，输出基于箱变故障诊断知识图谱的故障诊断报告。
29、进一步地，所述计算故障预警信息中各故障症状特征与箱变故障诊断知识图谱中各故障节点属性特征的综合匹配度包括：
30、计算故障预警信息中的各数值型症状特征与箱变故障诊断知识图谱中各故障节点的数值型属性特征的相似度de；
31、基于加权jaccard系数计算故障预警信息中的各离散型症状特征与箱变故障诊断知识图谱中各故障节点的离散型属性特征的相似度db；
32、将相似度de和相似度db进行加权平均，得到故障预警信息与各故障节点的综合匹配度mp。
33、用于新能源箱变智能全景监控管理系统，其用于实现上述的用于新能源箱变智能全景监控管理方法，所述系统包括：
34、数据处理模块：用于获取目标箱变的原始监测数据集，对原始监测数据集进行数据清洗，得到清洗后的监测数据集，从清洗后的监测数据集中提取反映箱变运行状态的关键特征，得到原始特征集；对原始特征集中的各特征进行重要性分析，根据分析结果对原始特征集中的各特征赋予权重，生成加权特征集；
35、故障预测模块：用于构建箱变故障预测模型，根据加权特征集和箱变故障预测模型，得到故障风险评估值q；基于故障风险评估值，对潜在故障进行分级预警，生成故障预警信息；0<q<1；所述对潜在故障进行分级预警包括预警高风险等级、预警中风险等级、预警低风险等级和预警无风险等级；
36、故障溯源模块：用于构建箱变故障诊断知识图谱，预警高风险等级或预警中风险等级时，结合箱变故障诊断知识图谱对故障预警信息进行推理溯源。
37、一种电子设备，包括存储器、中央处理器以及存储在存储器上并可在中央处理器上运行的计算机程序，所述中央处理器执行所述计算机程序时实现上述的用于新能源箱变智能全景监控管理方法。
38、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被执行时实现上述的用于新能源箱变智能全景监控管理方法。
39、相比于现有技术，本发明的有益效果为：
40、本发明通过采集箱变内部温度、湿度、局部放电、特征气体浓度、铁芯接地电流等多源异构数据，实现了对箱变运行状态的全面感知，这种多维度的数据采集和融合，大大提高了故障诊断的准确性和全面性，能够捕捉到单一传感器难以发现的复杂故障模式。采用皮尔森相关系数、信息增益和gini指数等多种算法，对原始特征进行筛选和加权，这种多层次的特征工程过程，有效提取了最具代表性的故障特征，降低了数据冗余，提高了后续故障预测模型的效率和准确度。通过设定高、中、低三个风险阈值，实现了对潜在故障的精细化分级预警，这种分级预警机制不仅能及时发现高风险故障，还能对中低风险隐患进行早期预警，为运维人员提供了更多决策空间和预防时间。构建箱变故障诊断知识图谱，将领域专家经验与数据驱动模型相结合，在高风险或中风险预警时，利用知识图谱进行推理溯源，能够快速定位故障原因、判断故障位置和严重程度，大大提高了故障诊断的效率和可解释性。
1.用于新能源箱变智能全景监控管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的用于新能源箱变智能全景监控管理方法，其特征在于，所述获取目标箱变的原始监测数据集包括：
3.根据权利要求1所述的用于新能源箱变智能全景监控管理方法，其特征在于，所述生成加权特征集包括：
4.根据权利要求1所述的用于新能源箱变智能全景监控管理方法，其特征在于，所述对潜在故障进行分级预警，生成故障预警信息包括：
5.根据权利要求1所述的用于新能源箱变智能全景监控管理方法，其特征在于，所述构建箱变故障诊断知识图谱包括：
6.根据权利要求5所述的用于新能源箱变智能全景监控管理方法，其特征在于，所述结合箱变故障诊断知识图谱对故障预警信息进行推理溯源包括：
7.根据权利要求6所述的用于新能源箱变智能全景监控管理方法，其特征在于，所述计算故障预警信息中各故障症状特征与箱变故障诊断知识图谱中各故障节点属性特征的综合匹配度包括：
8.用于新能源箱变智能全景监控管理系统，其用于实现权利要求1-7中任一项所述的用于新能源箱变智能全景监控管理方法，其特征在于，所述系统包括：
