具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

参照图1，为本发明的第一个实施例，提供了一种适用于由气象变化引起电力故障级别分类方法，包括：

S1：获取历史电力故障数据。其中需要说明的是：

利用电力巡检日志系统采集历史电力故障数据。

S2：利用气象系统获取历史的气象数据及天气预报数据。本步骤需要说明的是：

电力设备发生缺陷时所处的气象环境信息；

温度、能见度、云量、降水量、气压、风速、风向、相对湿度、天气现象，自动化的获取电网设备运行时环境信息；

天气现象包括，是否大雨、雷电、小雪、大雪天气。

S3：将历史电力故障数据结合气象数据构建故障级别分类模型。其中还需要说明的是，构建故障级别分类模型包括：

利用大数据技术分析技术，综合气象预警数据、设备运维数据分析不同区域、不同时间、及不同设备的故障概率，作为电网设备运行时发生故障的决策指导；

具体的，故障级别分类模型以如下形式进行分类计算。

S4：将待测试的数据集代入故障级别分类模型，输出得到分类值。本步骤还需要说明的是：

待测试数据集包括，近一年内采集的历史电力故障数据和历史气象数据；

若分类值大于0.6小于1，则为一级故障；

若分类值小于0.6大于0.4，则为二级故障；

若分类值大于0小于0.4，则为三级故障。

实施例2

为了更好地对本发明方法中采用的技术效果加以验证说明，本实施例选择以传统的电力故障分类方法与本发明方法进行对比测试，以科学论证的手段对比试验结果，验证本发明方法所具有的真实效果。

传统的电力故障分类方法不考虑气象变化因素，分类的结果误差较大，为验证本发明方法相对于传统方法具有较高的准确度，本实施例中将采用传统方法与本发明方法分别对仿真平台的电力设备参数故障分类进行实时测量对比。

测试环境：将电力设备参数导入仿真平台模拟运行并模拟恶劣天气场景，采用2019年12个月的历史电力设备参数数据和气象数据作为测试样本，开启自动化测试设备并运用编程软件实现测试运行，传统方法利用机器学习算法得到仿真实现数据，本发明方法则进行气象因素考虑构建分类损失函数进行分类值输出，再由分类值进行故障级别划分。

每种方法各测试100组数据，计算获得每组数据的时间和误差值，与仿真模拟输入的实际预测值进行误差对比计算，如下表所示：

表1：误差对比表。

参照表1，能够直观地看出，传统方法输出结果误差值远大于本发明方法输出结果，所以本发明的分类准确度更高。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。