本发明涉及水利发电厂电流互感器巡检维护，具体为一种基于bht-arima的继电保护装置故障率预测方法。
背景技术：
1、继电保护承担电力系统第一道防线，其保护装置的可靠性至关重要，每年花费大量人力物力在保护装置的运检上，其主要原因在于保护装置是一个独立性强，实时性高的个体，在线实现其状态评估与诊断存在较大难度。保护装置为微机类保护，可靠性高，但在常年不停电运行下受温度、湿度、盐碱度等环境影响，一些芯片存在老化损坏，继电器存在节点粘连，电源电压供应不稳等现象，导致保护装置异常退出，严重时将导致误动，产生恶劣的后果。
2、因此，准确快速地预测继电保护装置的故障率对电站安全稳定运行有重大意义，对于以可靠性为中心的维护和检修策略也是必要的，同时有助于提升装置利用率，减少成本损耗。
技术实现思路
1、为解决当前存在技术问题，本发明的主要目的在于提供一种基于bht-arima的继电保护装置故障率预测方法，此预测方法能够准确快速地预测继电保护装置的故障率；此外，此方法能够有效地挖掘和分析继电保护装置故障率时间序列中的隐含特征，保证预测精度；而且，此方法对于以可靠性为中心的维护和检修策略也是必要的，能够有助于提升装置利用率，减少成本损耗。
2、为了实现上述的技术特征，本发明的目的是这样实现的：1、一种基于bht-arima的继电保护装置故障率预测方法，其特征在于，包括以下步骤：
3、步骤1，基于机理分析建立继电保护装置可靠性分布模型；
4、步骤2，将生成的故障率时间序列作为块汉克尔张量自回归综合移动平均的输入；
5、步骤3，采用单向延迟嵌入变换和块汉克尔张量自回归综合移动平均算法以获取继电保护预测故障率。
6、2、根据权利要求1所述一种基于bht-arima的继电保护装置故障率预测方法，其特征在于，所述步骤1中继电保护装置可靠性分布模型具体建立过程为：
7、水电站继电保护装置的寿命分布是连续的随机变量，可靠性分布模型采用二参数威布尔分布，则可靠度函数表达为：
8、
9、式中，tage表示时间；γ表示尺度参数；δ表示形状参数；
10、则故障率分布函数表示为：
11、
12、式中，λage表示故障率分布函数。
13、3、根据权利要求2所述一种基于bht-arima的继电保护装置故障率预测方法，其特征在于，所述步骤2中故障率时间序具体生成过程为：
14、采用单向延迟嵌入变换捕获继电保护装置故障率内在时间相关性。
15、4、根据权利要求3所述一种基于bht-arima的继电保护装置故障率预测方法，其特征在于，步骤2中具体步骤为：
16、步骤2.1，统计继电保护装置数量，进而得到待监测的继电保护装置数量，假设总数量为k；
17、步骤2.2，根据步骤1中式(2)统计得到的继电保护装置故障率时间序列数据，形成k×t阶故障率时间序列矩阵，记为
18、
19、式中，k表示继电保护装置总数量；t表示时间尺度；表示第k个继电保护装置在t时刻的故障率；
20、步骤2.3，采用单向延迟嵌入变换方法沿时间方向将继电保护装置故障率汉克尔化为高阶张量
21、
22、式中，表示复制矩阵；hο表示汉克尔化矩阵；fold(k,ο)表示单向延迟变换算子，将输入张量汉克尔化为更高阶的张量其中，在汉克尔张量中，j＝k，并且ο表示单相延迟变换的秩；
23、的逆变换表示为：
24、
25、式中，hο-1表示汉克尔化逆矩阵；unfold(i,ο)表示单向延迟逆变换算子；为穆尔-彭罗斯伪逆；
26、运用单向延迟嵌入变换将继电保护装置故障率矩阵转换为三阶汉克尔张量其中，x表示汉克尔高阶张量。
27、5、根据权利要求4所述一种基于bht-arima的继电保护装置故障率预测方法，其特征在于，步骤3中具体步骤为：
28、步骤3.1，利用塔克尔分解提取核心张量；
29、塔克尔分解能够在保持高阶结构下提取更多有价值的信息，将表示为带投影矩阵的张量：
30、
31、式中，为低秩核心张量，为联合正交因子矩阵；
32、步骤3.2，块汉克尔张量自回归综合移动模型的显式表达式：
33、设lt为第t个时间点的实际数据值，则自回归移动平均模型为：
34、
35、式中，为的b阶差；表示ti时的预测误差，表示第u次实际误差；和为自回归移动平均模型系数；y,b,u分别表示过去第y个阶差、b阶差、过去第u个随机误差；
36、块汉克尔张量自回归综合移动模型表示为：
37、
38、式中，为的b阶差分；εti表示ti时刻的预测误差；εti-j表示过去u次观测的实际误差；
39、步骤3.3，计算继电保护装置故障率汉克尔核心张量的b阶差分，
40、将投影到核心张量上，实现低秩塔克分解，ti时刻的核心张量差分表示为：
41、
42、式中，分别表示继电保护装置故障率ti时刻的预测误差和过去u次观测的实际误差；在实际问题中，希望预测误差能够下降到0，基于此，形成如下的优化模型：
43、
44、式中，s＝y+b+u，n＝3，i为单位矩阵，根据上述优化模型，求解得到
45、
46、式中，表示时间尺度；
47、步骤3.4，重构
48、得到预测值后，通过塔克尔分解，重构预测值：
49、
50、对进行逆差分得到最后应用逆单向延迟嵌入变换，得到继电保护装置故障率时间序列的预测值
51、本发明有如下有益效果：
52、1、此预测方法能够准确快速地预测继电保护装置的故障率；此外，此方法能够有效地挖掘和分析继电保护装置故障率时间序列中的隐含特征，保证预测精度；而且，此方法对于以可靠性为中心的维护和检修策略也是必要的，能够有助于提升装置利用率，减少成本损耗。
53、2、单向延迟嵌入变换捕捉了继电保护装置故障率历史数据多时间序列内在时间相关性，bht-arima集成了set、tucker分解和张量arima等方法，利用汉克尔张量化的优势，在有效性和效率方面明显优于现有的arima等短时间序列预测方法。
54、3、本发明通过提取和利用继电保护装置故障率历史数据之间的嵌入的潜在信息，采用单向延迟嵌入变换和基于块汉克尔张量自回归综合移动平均的多序列预测模型，提高了继电保护装置故障率的预测精度。
1.一种基于bht-arima的继电保护装置故障率预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于bht-arima的继电保护装置故障率预测方法，其特征在于，所述步骤1中继电保护装置可靠性分布模型具体建立过程为：
3.根据权利要求2所述一种基于bht-arima的继电保护装置故障率预测方法，其特征在于，所述步骤2中故障率时间序具体生成过程为：
4.根据权利要求3所述一种基于bht-arima的继电保护装置故障率预测方法，其特征在于，步骤2中具体步骤为：
5.根据权利要求4所述一种基于bht-arima的继电保护装置故障率预测方法，其特征在于，步骤3中具体步骤为：
