CN103278719B - 基于矩阵图及置信度的电力设备故障检测方法和系统 - Google Patents
基于矩阵图及置信度的电力设备故障检测方法和系统 Download PDFInfo
- Publication number
- CN103278719B CN103278719B CN201310224703.8A CN201310224703A CN103278719B CN 103278719 B CN103278719 B CN 103278719B CN 201310224703 A CN201310224703 A CN 201310224703A CN 103278719 B CN103278719 B CN 103278719B
- Authority
- CN
- China
- Prior art keywords
- fault
- theoretical
- abnormality amount
- probability
- power equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提出基于矩阵图及置信度的电力设备故障检测方法,包括:实时采集电力设备的状态量;根据所述状态量进行异常状态量的预警处理,筛选出故障电力设备;根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值,获得各个故障电力设备的理论故障发生的概率;其中,所述理论故障为针对所述故障电力设备的异常状态量可能发生的各个故障;根据所述理论故障发生的概率不同发出不同的报警提示。本发明还提出基于矩阵图及置信度的电力设备故障检测系统,可以提高故障设备的检修效率,提高电网运行的可靠性。
Description
技术领域
本发明涉及电力设备的故障检测预警领域,特别是涉及基于矩阵图及置信度的电力设备故障检测方法和系统。
背景技术
对设备的故障检测通常在设备发生故障(包括严重缺陷、异常)后,运用故障检测方法,包括:检查、试验、分析,对系统中设备的故障性质进行分析,辨明其原因、部位,并提出相应处理措施;而随着电网的不断建设发展,电力设备的大量增加,对重要设备故障的预知预判,实现对可能故障的检测分析,是电网安全运行的保障,更是智能电网发展的趋势。
在现有的状态监测、状态检修体系中,设备的故障检测以故障树分析为主,辅以专题分析(如油中气体分析),针对可能的故障现象,结合专家知识库运用专家系统通过逐层向下推溯出所有可能的原因,从而找出可能导致设备故障的故障原因及故障处理措施,为专业人员提供运行检视参考依据。但是随着近几年的实践,这种方式也存在着弊端,包括故障原因过多、故障主次不够清晰,这样给设备的运行维护和可能的事故抢修带来了很多的不便,影响了工作效率,影响了电网的安全运行。
发明内容
本发明的目的在于提出基于矩阵图及置信度的电力设备故障检测方法及系统,可以提高故障设备的检修效率,提高电网运行的可靠性。
采用的方案:
实时采集电力设备的状态量;
根据所述状态量进行异常状态量的预警处理,筛选出故障电力设备;
根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值,获得各个故障电力设备的理论故障发生的概率;其中,所述理论故障为针对所述故障电力设备的异常状态量可能发生的各个故障;
根据所述理论故障发生的概率不同发出不同的报警提示。
以及,基于矩阵图及置信度的电力设备故障检测系统,包括:
状态量采集模块,用于实时采集电力设备的状态量;
故障预警模块,用于根据所述状态量进行异常状态量的预警处理,筛选出故障电力设备;
矩阵图计算模块,用于根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值,获得各个故障电力设备的理论故障发生的概率;其中,所述理论故障为针对所述故障电力设备的异常状态量可能发生的各个故障;
置信度报警模块,用于根据所述理论故障发生的概率不同发出不同的报警提示。
本发明实时获取各个电力设备的状态量,然后利用传统的基于故障树理论根据所述状态量进行异常状态量的预警处理,筛选出故障电力设备;获取针对各个故障设备的异常状态量可能发生的故障,即理论故障;获取各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值;然后进行各个故障设备的理论故障发生的概率,按照该概率的大小不同,发出不同的报警提示,工作人员可以根据不同的报警提示,选择检修的优先等级,从而可以提高故障设备的检修效率,提高电网运行的可靠性。
附图说明
图1为本发明方法的一个实施流程图;
图2为本发明装置的一个结构示意图。
具体实施方式
为便于理解,下面对本发明进行具体说明。
本发明提出基于矩阵图及置信度的电力设备故障检测方法,其实施流程可参考图1,包括步骤:
S1、实时采集电力设备的状态量;
其中,状态量为各个电力设备的参数值,如:变压器的油温。
S2、根据状态量进行异常状态量的预警处理,筛选出故障电力设备;
该步骤可采用本领域常用的电力设备状态量评价方法进行,如基于故障树理论的异常状态量预警方法,从而可以筛选得到发生故障的电力设备。
S3、根据故障电力设备的理论故障、与各个理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值,获得各个故障电力设备的理论故障发生的概率;
根据故障电力设备的理论故障、与各个理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值,获得各个故障电力设备的理论故障发生的概率;其中,理论故障为针对故障电力设备的异常状态量可能发生的各个故障。
S4、根据理论故障发生的概率不同发出不同的报警提示。
本发明实时获取各个电力设备的状态量,然后利用传统的基于故障树理论根据状态量进行异常状态量的预警处理,筛选出故障电力设备;获取针对各个故障设备的异常状态量可能发生的故障,即理论故障;获取各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值;然后进行各个故障设备的理论故障发生的概率,按照该概率的大小不同,发出不同的报警提示,工作人员可以根据不同的报警提示,选择检修的优先等级,从而可以提高故障设备的检修效率,提高电网运行的可靠性。
在其中一个实施方式中,步骤S3可采用但不限于以下步骤:
获取故障电力设备的理论故障、与各个理论故障相对应的异常状态量;其中,理论故障为针对故障电力设备的异常状态量可能发生的各个故障。
根据预存的异常状态量对理论故障的影响关系表,确定各个异常状态量是否对各个理论故障产生影响,当产生影响时,赋予对应的影响量化值为1,然后根据预存的异常状态量对理论故障的影响程度量化值;当不产生影响时,赋予对应的影响量化值为0;
根据如下公式获取各个故障电力设备的理论故障发生的概率;
其中,Pi为第i个理论故障发生的概率;ij为与第i个理论故障相关的第j个异常状态量;n为与第i个理论故障相关的异常状态量的总数;aij为第j个异常状态量对第i个理论故障的影响量化值;xij为第j个异常状态量对第i个理论故障影响程度量化值。
在其中一个实施方式中,步骤S4可以采用但不限于以下步骤:
将各个理论故障发生的概率按照从大到小的顺序进行排序;
当理论故障发生的概率大于或者等于第一概率区间时,发出第一报警提示;当理论故障发生的概率大于获得等于第二概率区间时,发出第二报警提示;第一报警提示的优先等级高于第二报警提示。
在步骤S4中,也可以将各个理论故障发生的概率按照从小到大的顺序进行排序;当理论故障发生的概率大于或者等于第一概率区间时,发出第一报警提示;当理论故障发生的概率大于获得等于第二概率区间时,发出第二报警提示;第二报警提示的优先等级高于第一报警提示。
在步骤S4中,还可以将各个理论故障发生的概率按照从小到大的顺序进行排序;针对每个概率的大小,发出对应的报警提示;具体实施时,可以设置灯光和声音的报警提示;
假设:变压器发生的第一故障、第二故障以及第三故障3个理论故障的概率分别为65%、30%以及5%;则可以针对第一故障发出第一声音提示,以及驱动5个LED灯亮;针对第二故障发出第二声音提示,以及驱动3个LED灯亮;针对第三故障发出第三声音提示,以及驱动1个LED灯亮;
工作人员预先约定的声音提示、灯光指示与设备故障的检修顺序的关系为:接收到第一声音提示时,或者5个LED灯亮的指示时,优先进行该设备故障的检修;其次的设备故障顺序为:接收到第二声音提示时,或者3个LED灯亮的指示时;最后的设备故障顺序为:接收到第三音提示时,或者1个LED灯亮的指示时。
本发明还提出基于矩阵图及置信度的电力设备故障检测系统,其结构示意图参考图2,包括:
状态量采集模块,用于实时采集电力设备的状态量;
故障预警模块,用于根据状态量进行异常状态量的预警处理,筛选出故障电力设备;
矩阵图计算模块,用于根据故障电力设备的理论故障、与各个理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值,获得各个故障电力设备的理论故障发生的概率;其中,理论故障为针对故障电力设备的异常状态量可能发生的各个故障;
置信度报警模块,用于根据理论故障发生的概率不同发出不同的报警提示。
本发明实时获取各个电力设备的状态量,然后利用传统的基于故障树理论根据状态量进行异常状态量的预警处理,筛选出故障电力设备;获取针对各个故障设备的异常状态量可能发生的故障,即理论故障;获取各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值;然后进行各个故障设备的理论故障发生的概率,按照该概率的大小不同,发出不同的报警提示,工作人员可以根据不同的报警提示,选择检修的优先等级,从而可以提高故障设备的检修效率,提高电网运行的可靠性。
在一个实施方式中,矩阵图计算模块根据故障电力设备的理论故障、与各个理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值,获得各个故障电力设备的理论故障发生的概率时,
获取故障电力设备的理论故障、与各个理论故障相对应的异常状态量;
根据预存的异常状态量对理论故障的影响关系表,确定各个异常状态量是否对各个理论故障产生影响,当产生影响时,赋予对应的影响量化值为1,然后根据预存的异常状态量对理论故障的影响程度量化值;当不产生影响时,赋予对应的影响量化值为0;
根据如下公式获取各个故障电力设备的理论故障发生的概率;
其中,Pi为第i个理论故障发生的概率;ij为与第i个理论故障相关的第j个异常状态量;n为与第i个理论故障相关的异常状态量的总数;aij为第j个异常状态量对第i个理论故障的影响量化值;xij为第j个异常状态量对第i个理论故障影响程度量化值。
在一个实施方式中,置信度报警模块根据理论故障发生的概率不同发出不同的报警提示时,
根据各个理论故障发生的概率按照从大到小的顺序进行排序;
当理论故障发生的概率大于或者等于第一概率区间时,发出第一报警提示;当理论故障发生的概率大于获得等于第二概率区间时,发出第二报警提示;第一报警提示的优先等级高于第二报警提示。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (4)
1.基于矩阵图及置信度的电力设备故障检测方法,其特征在于,包括:
实时采集电力设备的状态量;
根据所述状态量进行异常状态量的预警处理,筛选出故障电力设备;
根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值,获得各个故障电力设备的理论故障发生的概率;其中,所述理论故障为针对所述故障电力设备的异常状态量可能发生的各个故障;所述根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值,获得各个故障电力设备的理论故障发生的概率的步骤包括:
获取故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量;
根据预存的异常状态量对理论故障的影响关系表,确定各个异常状态量是否对各个所述理论故障产生影响,当产生影响时,赋予对应的影响量化值为1,然后根据预存的异常状态量对理论故障的影响程度量化值;当不产生影响时,赋予对应的影响量化值为0;
根据如下公式获取各个故障电力设备的理论故障发生的概率;
其中,Pi为第i个理论故障发生的概率;ij为与第i个理论故障相关的第j个异常状态量;n为与第i个理论故障相关的异常状态量的总数;aij为第j个异常状态量对第i个理论故障的影响量化值;xij为第j个异常状态量对第i个理论故障影响程度量化值;
根据所述理论故障发生的概率不同发出不同的报警提示。
2.根据权利要求1所述的基于矩阵图及置信度的电力设备故障检测方法,其特征在于,所述根据理论故障发生的概率不同发出不同的报警提示的步骤包括:
根据各个所述理论故障发生的概率按照从大到小的顺序进行排序;
当所述理论故障发生的概率大于或者等于第一概率区间时,发出第一报警提示;当所述理论故障发生的概率大于获得等于第二概率区间时,发出第二报警提示;所述第一报警提示的优先等级高于所述第二报警提示。
3.基于矩阵图及置信度的电力设备故障检测系统,其特征在于,包括:
状态量采集模块,用于实时采集电力设备的状态量;
故障预警模块,用于根据所述状态量进行异常状态量的预警处理,筛选出故障电力设备;
矩阵图计算模块,用于根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值,获得各个故障电力设备的理论故障发生的概率;其中,所述理论故障为针对所述故障电力设备的异常状态量可能发生的各个故障;所述矩阵图计算模块根据故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量、各个异常状态量对各个理论故障的影响量化值、各个异常状态量对各个理论故障的影响程度量化值,获得各个故障电力设备的理论故障发生的概率时,
获取故障电力设备的理论故障、与各个所述理论故障相对应的异常状态量;
根据预存的异常状态量对理论故障的影响关系表,确定各个异常状态量是否对各个所述理论故障产生影响,当产生影响时,赋予对应的影响量化值为1,然后根据预存的异常状态量对理论故障的影响程度量化值;当不产生影响时,赋予对应的影响量化值为0;
根据如下公式获取各个故障电力设备的理论故障发生的概率;
其中,Pi为第i个理论故障发生的概率;ij为与第i个理论故障相关的第j个异常状态量;n为与第i个理论故障相关的异常状态量的总数;aij为第j个异常状态量对第i个理论故障的影响量化值;xij为第j个异常状态量对第i个理论故障影响程度量化值;
置信度报警模块,用于根据所述理论故障发生的概率不同发出不同的报警提示。
4.根据权利要求3所述的基于矩阵图及置信度的电力设备故障检测系统,其特征在于,所述置信度报警模块根据理论故障发生的概率不同发出不同的报警提示时,
根据各个所述理论故障发生的概率按照从大到小的顺序进行排序;
当所述理论故障发生的概率大于或者等于第一概率区间时,发出第一报警提示;当所述理论故障发生的概率大于获得等于第二概率区间时,发出第二报警提示;所述第一报警提示的优先等级高于所述第二报警提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310224703.8A CN103278719B (zh) | 2013-06-06 | 2013-06-06 | 基于矩阵图及置信度的电力设备故障检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310224703.8A CN103278719B (zh) | 2013-06-06 | 2013-06-06 | 基于矩阵图及置信度的电力设备故障检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103278719A CN103278719A (zh) | 2013-09-04 |
CN103278719B true CN103278719B (zh) | 2015-11-18 |
Family
ID=49061294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310224703.8A Active CN103278719B (zh) | 2013-06-06 | 2013-06-06 | 基于矩阵图及置信度的电力设备故障检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103278719B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361236B (zh) * | 2014-11-17 | 2018-02-13 | 国家电网公司 | 电力设备健康状态的评估方法 |
CN105243180B (zh) * | 2015-09-01 | 2021-06-04 | 珠海格力电器股份有限公司 | 机电设备故障预警方法及系统 |
CN105718604A (zh) * | 2016-04-19 | 2016-06-29 | 北京金控数据技术股份有限公司 | 一种自动筛选设备的方法和装置 |
CN106841881B (zh) * | 2017-04-12 | 2019-12-31 | 牛栋 | 用电模块的分析方法及装置 |
CN108234196B (zh) * | 2017-12-12 | 2021-07-16 | 北京奇艺世纪科技有限公司 | 故障检测方法及装置 |
CN111289812A (zh) * | 2018-12-07 | 2020-06-16 | 国网浙江省电力有限公司 | 一种输变电设备状态监测管理方法及其系统 |
CN110688624A (zh) * | 2019-10-09 | 2020-01-14 | 国网宁夏电力有限公司 | 一种基于运行状态异常信息的变压器故障概率计算方法 |
CN112115618A (zh) * | 2020-09-22 | 2020-12-22 | 南方电网海南数字电网研究院有限公司 | 一种基于矩阵图及置信度的电力设备故障诊断方法及系统 |
CN117576100B (zh) * | 2024-01-16 | 2024-03-22 | 浙江合丰科技有限公司 | 一种fpc连接器表面缺陷分级检测评价方法 |
CN118534883A (zh) * | 2024-07-29 | 2024-08-23 | 成都秦川物联网科技股份有限公司 | 基于工业物联网的设备故障智能诊断方法、系统和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1838161A (zh) * | 2005-03-23 | 2006-09-27 | 大亚湾核电运营管理有限责任公司 | 利用计算机进行核电站的设备风险评估方法及装置 |
CN101859409A (zh) * | 2010-05-25 | 2010-10-13 | 广西电网公司电力科学研究院 | 基于风险评估的输变电设备状态检修体系 |
CN101907665A (zh) * | 2010-07-16 | 2010-12-08 | 西安交通大学 | 联合模糊理论和改进遗传算法的油浸式电力设备故障诊断方法 |
CN102663537A (zh) * | 2012-03-13 | 2012-09-12 | 凯里供电局 | 一种基于风险评估的电力设备检修系统 |
CN102822689A (zh) * | 2010-01-25 | 2012-12-12 | 阿克拉拉输电线系统股份有限公司 | 用于配电系统的瞬变检测器和故障分类器 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890235B (zh) * | 2011-07-18 | 2015-09-02 | 西门子公司 | 一种故障检测方法及装置 |
-
2013
- 2013-06-06 CN CN201310224703.8A patent/CN103278719B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1838161A (zh) * | 2005-03-23 | 2006-09-27 | 大亚湾核电运营管理有限责任公司 | 利用计算机进行核电站的设备风险评估方法及装置 |
CN102822689A (zh) * | 2010-01-25 | 2012-12-12 | 阿克拉拉输电线系统股份有限公司 | 用于配电系统的瞬变检测器和故障分类器 |
CN101859409A (zh) * | 2010-05-25 | 2010-10-13 | 广西电网公司电力科学研究院 | 基于风险评估的输变电设备状态检修体系 |
CN101907665A (zh) * | 2010-07-16 | 2010-12-08 | 西安交通大学 | 联合模糊理论和改进遗传算法的油浸式电力设备故障诊断方法 |
CN102663537A (zh) * | 2012-03-13 | 2012-09-12 | 凯里供电局 | 一种基于风险评估的电力设备检修系统 |
Non-Patent Citations (2)
Title |
---|
基于故障树和模糊推理的电网连锁故障分析方法;周宗发等;《电网技术》;20060430;第30卷(第8期);86-91 * |
基于知识的故障诊断方法综述;朱大奇等;《安徽工业大学学报(自然科学版)》;20020731;第19卷(第3期);197-204 * |
Also Published As
Publication number | Publication date |
---|---|
CN103278719A (zh) | 2013-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103278719B (zh) | 基于矩阵图及置信度的电力设备故障检测方法和系统 | |
CN111010084B (zh) | 一种光伏电站智能监控分析平台及方法 | |
CN110212645B (zh) | 一种用电信息采集终端停电事件上报方法及装置 | |
CN103676868B (zh) | 一种fpc制造关键工序自动监控与智能分析系统 | |
CN106655522A (zh) | 一种适用于电网二次设备运维管理的主站系统 | |
CN104849628B (zh) | 一种电缆附件故障分析检测方法 | |
CN102866313A (zh) | 电力隧道电缆运行状态综合监控方法 | |
CN103630768A (zh) | 变电站内变压器故障诊断方法 | |
CN104410067A (zh) | 一种基于公变和用户采集大数据分析的台区停电分析方法 | |
CN104425046B (zh) | 核电站运行安全指数量化方法和系统 | |
CN114819415A (zh) | 一种基于数据分析的电力设备故障预测系统 | |
CN106407589A (zh) | 一种风机状态评估与预测方法及系统 | |
CN106597225A (zh) | 一种配电网在线状态监测系统及其在线监测方法 | |
CN107658980B (zh) | 一种用于复核电网监控告警信息的分析方法和系统 | |
CN106443433B (zh) | 基于分合闸线圈电流的断路器状态监测系统及监测方法 | |
CN115077605A (zh) | 智能变电站管理系统 | |
CN102507816B (zh) | 油色谱在线监测数据有效性的检测方法 | |
CN106802599A (zh) | 一种基于专家数据库的电力变压器故障诊断系统 | |
CN103310389A (zh) | 基于故障模式与故障树建立的架空输电线路故障检修方法 | |
CN116743079A (zh) | 光伏组串故障处理方法、装置、光伏管理系统及介质 | |
CN109613372B (zh) | 一种基于多元电网数据库的电网故障诊断方法 | |
CN114487705A (zh) | 一种电网设备故障定位检测方法 | |
CN110503215A (zh) | 基于图像识别技术识别设备状态、故障及处理异常的方法 | |
CN103163402A (zh) | 基于二次回路的继电保护设备状态监测装置及监测方法 | |
CN116796261B (zh) | 一种基于人工智能的封闭开关设备机械特性预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |