本申请涉及智能检测领域，且更为具体地，涉及一种电力设备运行分析管理系统及方法。
背景技术：
1、电能已经成为日常生产与生活过程中不可缺失的能源，随着电网大规模互联，缺电、停电等对社会与经济产生的影响不断扩大。为最大化程度降低缺电、停电，特别是大面积停电的影响，有必要加强电力设备运行故障分析力度，及时发现和处理电力设备运行安全隐患，最大程度保证电力系统处于不停机状态。
2、因此，需要一种优化的电力设备运行分析管理方案。
技术实现思路
1、本申请针对现有技术中的缺点，提供了一种电力设备运行分析管理系统及方法。
2、根据本申请的一方面，提供了一种电力设备运行分析管理方法，其包括：
3、获取预定时间段内多个预定时间点的电力设备温度值、电力设备电压值、电力设备电流值和电力设备有功功率值；
4、对所述多个预定时间点的电力设备温度值、电力设备电压值、电力设备电流值和电力设备有功功率值进行数据规整以得到电力设备运行监测参数时序输入矩阵；
5、对所述电力设备运行监测参数时序输入矩阵进行特征编码以得到电力设备故障检测特征向量；
6、基于所述电力设备故障检测特征向量，判断电力设备是否存在故障隐患。
7、根据本申请的另一方面，提供了一种电力设备运行分析管理系统，其包括：
8、电力设备运行数据采集模块，用于获取预定时间段内多个预定时间点的电力设备温度值、电力设备电压值、电力设备电流值和电力设备有功功率值；
9、电力设备运行数据结构化模块，用于对所述多个预定时间点的电力设备温度值、电力设备电压值、电力设备电流值和电力设备有功功率值进行数据规整以得到电力设备运行监测参数时序输入矩阵；
10、电力设备运行数据特征编码模块，用于对所述电力设备运行监测参数时序输入矩阵进行特征编码以得到电力设备故障检测特征向量；
11、电力设备故障分析结果生成模块，用于基于所述电力设备故障检测特征向量，判断电力设备是否存在故障隐患。
12、本申请由于采用了以上的技术方案，具有显著的技术效果：
13、本申请提供的电力设备运行分析管理系统及方法，其采用基于深度学习的人工智能监测技术，通过对多个时间点的电力设备温度值、电力设备电压值、电力设备电流值和电力设备有功功率值进行时序分析以得到电力设备运行时序特征，并基于电力设备运行时序特征以进行电力设备是否存在故障隐患的判断。这样，可以实时监测电力设备的运行状态，通过数据分析提前预警潜在的故障，为及时维修和保养提供依据，从而最大程度地减少因设备故障导致的停电风险。
1.一种电力设备运行分析管理方法，其特征在于，包括：
2.根据权利要求1所述的电力设备运行分析管理方法，其特征在于，对所述多个预定时间点的电力设备温度值、电力设备电压值、电力设备电流值和电力设备有功功率值进行数据规整以得到电力设备运行监测参数时序输入矩阵，包括：将所述多个预定时间点的电力设备温度值、电力设备电压值、电力设备电流值和电力设备有功功率值按照时间维度排列为所述电力设备运行监测参数时序输入矩阵。
3.根据权利要求2所述的电力设备运行分析管理方法，其特征在于，对所述电力设备运行监测参数时序输入矩阵进行特征编码以得到电力设备故障检测特征向量，包括：
4.根据权利要求3所述的电力设备运行分析管理方法，其特征在于，对所述电力设备运行监测参数时序输入矩阵进行时序特征提取以得到电力设备运行监测参数时序特征矩阵，包括：将所述电力设备运行监测参数时序输入矩阵通过电力设备运行特征编码器以得到所述电力设备运行监测参数时序特征矩阵。
5.根据权利要求4所述的电力设备运行分析管理方法，其特征在于，对所述电力设备运行监测参数时序特征矩阵进行细节特征强化以得到所述电力设备故障检测特征向量，包括：
6.根据权利要求5所述的电力设备运行分析管理方法，其特征在于，所述电力设备运行特征编码器为相邻层使用互为转置的卷积核的卷积神经网络模型。
7.根据权利要求6所述的电力设备运行分析管理方法，其特征在于，基于所述电力设备故障检测特征向量，判断电力设备是否存在故障隐患，包括：
8.根据权利要求7所述的电力设备运行分析管理方法，其特征在于，对所述电力设备故障检测特征向量进行基于特征级误差评估的反向学习优化以得到优化电力设备故障检测特征向量，包括：
9.一种电力设备运行分析管理系统，其特征在于，包括：
10.根据权利要求9所述的电力设备运行分析管理系统，其特征在于，所述电力设备运行数据特征编码模块，包括：
