CN106203799A - 一种设备风险预警的方法 - Google Patents
一种设备风险预警的方法 Download PDFInfo
- Publication number
- CN106203799A CN106203799A CN201610507928.8A CN201610507928A CN106203799A CN 106203799 A CN106203799 A CN 106203799A CN 201610507928 A CN201610507928 A CN 201610507928A CN 106203799 A CN106203799 A CN 106203799A
- Authority
- CN
- China
- Prior art keywords
- event
- early warning
- equipment
- filtration system
- equipment risk
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明是一种设备风险预警的方法,包括有如下步骤:1)利用故障历史数据分析影响因素相关性;2)建立分布式事件过滤系统;3)定义触发事件类型;4)定义事件过滤系统;5)过滤系统自学习。本发明是对设备风险进行预警,采用了事件生成和过滤、并行计算与参数优化的方式进行。能快速和灵活地进行,并且量化的预警较为准确。本发明通过事件生成的方法,可以灵活定义关注的时间点和关注的设备;利用分布式事件过滤系统,并行执行时间过滤,提高分析效率;通过事件过滤的方式,将风险最高的事件集合向用户做出预警。本方法技术实现简单实用,可实现快速部署和多场景应用。
Description
技术领域
本发明是一种进行设备风险预警的方法,采用了事件生成和过滤、并行计算与参数优化的方式。
背景技术
随着国民经济和电力系统的发展,对电力系统安全可靠运行的要求不断提高,电力系统在线状态监测及状态检修已经成为重要的科学研究和工程应用方向。电力设备在线状态监测可以实时监控电力设备在实际运行状况下的健康状况,为系统的安全稳定运行提供保证。通过利用多种在线监测手段,综合设备的应用环境、气候等因素,对设备状态进行纵向(历史和现状)、横向(同类设备的运行状况)的比较分析,识别故障的早期征兆,并对故障部位、故障严重程度及发展趋势作出判断并预警,确定最佳检修时机,从而实现配电设备全寿命周期管理。
随着各类状态监测数据、运行数据、环境数据的增加,如何利用这些数据,对设备未来发生问题的风险进行分析,为计划检修、资源分配等提供指导,成为一个重要的问题。
风险是由故障概率和故障后果共同决定的。通过对设备数据、运行数据以及巡检信息等,基于设备状态评估规则进行评估,计算设备的故障风险概率。
传统被动式的安全管理模式已不能适应现代化电网企业安全生产管理的需要,需要有效的技术手段实现风险超前预警、分析、评估与预警,从而有效避免事故发生。
现有技术中,对设备风险的预警,主要依靠依据经验确定的打分系统,进行粗略评估。其特点如下:
(1)打分系统的参数由专家经验粗略给出,无法较为准确地定量分析设备的风险情况。
(2)打分系统的参数取值固定,无法根据后续的分析结果反馈和修正;
(3)实际运行情况千变万化,固定模型不能灵活的适应和满足快速风险预警的要求。
发明内容
本发明的目的在于提供一种设备风险预警的方法。本发明能快速和灵活进行设备风险预警,且量化的预警较为准确。
本发明的设备风险预警的方法,包括有如下步骤:
1)利用故障历史数据分析影响因素相关性;
2)建立分布式事件过滤系统;
3)定义触发事件类型;
4)定义事件过滤系统;
5)过滤系统自学习。
上述步骤1)中,利用故障历史数据分析影响因素相关性是基于现有数据,分析与设备故障有关的多个影响因素与设备故障的关联关系;设备故障影响因素集合包括但不限于:地理位置、天气、设备运行年限、检修情况、设备厂家型号、设备故障历史、运行负载率。
上述步骤2)中,建立分布式事件过滤系统是将每个待处理事件实为一个分析对象,则左右待分析对象构成庞大的集合;为了提高分析效率,将整个对象集合分为若干分块,分别发送到不同的计算节点进行下一步处理,并将分析结果汇总,用统一的分布式任务管理软件进行管理;上述计算节点包括物理计算机或者虚拟机。
上述步骤3)中,定义触发事件类型,事件集合中的事件是否会被调教预警由以下步骤决定:基于事件触发式的事故预警,根据相关性分析结果,选择相关系数最大的因素作为触发事件类型;在运行中,如果监测到变量超过满足事件触发条件,则触发事件并进入过滤系统。
上述步骤4)中,事件过滤系统由多个过滤层组成,每个过滤层代表一个影响因素,为每个影响因素定义过滤阈值。
上述步骤5)中,过滤系统自学习,事件通过每一层时,记录通过率;同时记录最终预警事件的真实性,通过这两个数据,过滤层的阈值进行优化调整。
上述步骤2)中,各个待过滤事件各自独立,通过分布式的方式进行过滤处理。
本发明设备风险预警方法,定义一个事件为以下属性构成的对象:设备及其属性、时间、天气、负载率,任何获得以上属性值的时间点都形成一个事件。
本发明的设备风险预警方法,由专门的程序和系统对关注的时间点和设备,不断生成事件对象,这些对象集合构成了庞大的待过滤集合,该集合交由分布式时间过滤系统进行操作。
本发明的设备风险预警方法,包括如下内容:设备风险事件的生成方式;分布式并行式事件过滤系统;过滤层的阈值参数自学习。
本发明采用了事件生成和过滤、并行计算与参数优化的方式进行设备风险预警,其优势在于快速和灵活,量化的预警较为准确。与现有技术相比,本发明具有如下优点:
1)本发明通过事件生成的方法,可以灵活定义关注的时间点和关注的设备;
2)事件具有各自独立的特点,本发明可以利用分布式的方式实现事件过滤系统,并行执行时间过滤,提高分析效率。
3)本发明通过事件过滤的方式,将风险最高的事件集合向用户做出预警。
本发明是一种方便实用的设备风险预警的方法。
附图说明
图1为本发明方法的流程图。
具体实施方式
本发明主要是采用了事件生成和过滤、并行计算与参数优化的方式进行设备风险预警。具体实施方式包括如下步骤:1)利用故障历史数据分析影响因素相关性,提取主要影响因素;2)建立分布式过滤系统;3)定义触发事件类型和阈值;4)定义多层次的事件过滤系统,并对触发的事件进行筛选;5)过滤系统具备自学习能力,可以调整过滤参数。各步骤的具体内容如下:
(1)利用故障历史数据分析影响因素相关性
基于现有数据,分析与设备故障有关的多个影响因素与设备故障的关联关系。设备故障影响因素集合包括但不限于:地理位置、天气、设备运行年限、检修情况、设备厂家型号、设备故障历史、运行负载率。
定义一个事件为以下属性构成的对象:
[设备(及其属性)、时间、天气、负载率、其他影响因素A、其他影响因素B、其他影响因素C、…]
则任何可以获得以上属性值的时间点都可以形成一个事件。
由专门的程序和系统对关注的时间点和设备,不断生成上述事件对象。这些对象集合构成了庞大的待过滤集合。
该集合交由分布式时间过滤系统进行下一步操作。
(2)分布式过滤系统
将每个待处理事件实为一个分析对象,则左右待分析对象构成庞大的集合。为了提高分析效率,将整个对象集合分为若干分块,分别发送到不同的计算节点(物理计算机或者虚拟机)进行下一步处理,并将分析结果汇总。用统一的分布式任务管理软件进行管理。
事件集合中的事件是否会被调教预警由以下步骤决定。
(3)定义触发事件类型
基于事件触发式的事故预警。根据相关性分析结果,选择相关系数最大的因素作为触发事件类型。
在本例中,天气因素为相关性最大,即影响最为明显和直接的因素,选其触发事件类型,并定义触发阈值。典型定义例如:
l 温度<-10 AND 湿度>60。
l雷雨概率>0.5
l 台风路径预警概率>0.3
在运行中,如果监测到变量超过满足事件触发条件,则触发事件并进入过滤系统。
(4)定义事件过滤系统
事件过滤系统由多个过滤层组成,每个过滤层代表一个影响因素。为每个影响因素定义过滤阈值。
(5)过滤系统自学习
事件通过每一层时,记录事件的过滤通过率;同时记录最终预警事件的真实性。通过这两个数据,过滤层的阈值进行优化调整。
本发明是对设备风险进行预警,采用了事件生成和过滤、并行计算与参数优化的方式进行。能快速和灵活地进行,并且量化的预警较为准确。本发明通过事件生成的方法,可以灵活定义关注的时间点和关注的设备;利用分布式事件过滤系统,并行执行时间过滤,提高分析效率;通过事件过滤的方式,将风险最高的事件集合向用户做出预警。本方法技术实现简单实用,可实现快速部署和多场景应用。
Claims (10)
1.一种设备风险预警的方法,其特征在于包括有如下步骤:
1)利用故障历史数据分析影响因素相关性;
2)建立分布式事件过滤系统;
3)定义触发事件类型;
4)定义事件过滤系统;
5)过滤系统自学习。
2.根据权利要求1所述的设备风险预警方法,其特征在于上述步骤1)中,利用故障历史数据分析影响因素相关性是基于现有数据,分析与设备故障有关的多个影响因素与设备故障的关联关系;设备故障影响因素集合包括但不限于:地理位置、天气、设备运行年限、检修情况、设备厂家型号、设备故障历史、运行负载率。
3.根据权利要求1所述的设备风险预警方法,其特征在于上述步骤2)中,建立分布式事件过滤系统是将每个待处理事件实为一个分析对象,则左右待分析对象构成庞大的集合;为了提高分析效率,将整个对象集合分为若干分块,分别发送到不同的计算节点进行下一步处理,并将分析结果汇总,用统一的分布式任务管理软件进行管理;上述计算节点包括物理计算机或者虚拟机。
4.根据权利要求1所述的设备风险预警方法,其特征在于上述步骤3)中,定义触发事件类型,事件集合中的事件是否会被调教预警由以下步骤决定:基于事件触发式的事故预警,根据相关性分析结果,选择相关系数最大的因素作为触发事件类型;在运行中,如果监测到变量超过满足事件触发条件,则触发事件并进入过滤系统。
5.根据权利要求1所述的设备风险预警方法,其特征在于上述步骤4)中,事件过滤系统由多个过滤层组成,每个过滤层代表一个影响因素,为每个影响因素定义过滤阈值。
6.根据权利要求1所述的设备风险预警方法,其特征在于上述步骤5)中,过滤系统自学习,事件通过每一层时,记录通过率;同时记录最终预警事件的真实性,通过这两个数据,过滤层的阈值进行优化调整。
7.根据权利要求1所述的设备风险预警方法,其特征在于上述步骤2)中,各个待过滤事件各自独立,通过分布式的方式进行过滤处理。
8.根据权利要求1所述的设备风险预警方法,其特征在于定义一个事件为以下属性构成的对象:设备及其属性、时间、天气、负载率,任何获得以上属性值的时间点都形成一个事件。
9.根据权利要求1所述的设备风险预警方法,其特征在于由专门的程序和系统对关注的时间点和设备,不断生成事件对象,这些对象集合构成了庞大的待过滤集合,该集合交由分布式时间过滤系统进行操作。
10.根据权利要求1所述的设备风险预警方法,其特征在于包括如下内容:设备风险事件的生成方式;分布式并行式事件过滤系统;过滤层的阈值参数自学习。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610507928.8A CN106203799A (zh) | 2016-07-01 | 2016-07-01 | 一种设备风险预警的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610507928.8A CN106203799A (zh) | 2016-07-01 | 2016-07-01 | 一种设备风险预警的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106203799A true CN106203799A (zh) | 2016-12-07 |
Family
ID=57463142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610507928.8A Pending CN106203799A (zh) | 2016-07-01 | 2016-07-01 | 一种设备风险预警的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106203799A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584504A (zh) * | 2018-12-04 | 2019-04-05 | 三峡大学 | 一种在线缆机吊罐与仓面施工机械风险冲突预警方法 |
CN109740801A (zh) * | 2018-12-21 | 2019-05-10 | 南京东大智能化系统有限公司 | 一种基于事件触发机制的设备预警方法 |
CN110208019A (zh) * | 2019-05-14 | 2019-09-06 | 北京博华信智科技股份有限公司 | 一种动设备状态监测动态阈值预警方法 |
CN110766294A (zh) * | 2019-09-30 | 2020-02-07 | 国网重庆市电力公司璧山供电分公司 | 基于模糊综合评价的信息设备状态评估方法 |
CN113296457A (zh) * | 2021-07-27 | 2021-08-24 | 四川观想科技股份有限公司 | 一种智能化监控前端设备运维管控系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246936A (zh) * | 2013-04-24 | 2013-08-14 | 广东电网公司中山供电局 | 电网架空输电线路台风风险预警的系统及方法 |
CN104166939A (zh) * | 2014-06-20 | 2014-11-26 | 天津大学 | 基于情景分析的配电网运行风险预警方法 |
CN104200396A (zh) * | 2014-08-26 | 2014-12-10 | 燕山大学 | 一种风力发电机部件故障预警方法 |
CN104807644A (zh) * | 2015-04-14 | 2015-07-29 | 北京中恒博瑞数字电力科技有限公司 | 一种风电机组变桨系统的故障预警方法及系统 |
-
2016
- 2016-07-01 CN CN201610507928.8A patent/CN106203799A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246936A (zh) * | 2013-04-24 | 2013-08-14 | 广东电网公司中山供电局 | 电网架空输电线路台风风险预警的系统及方法 |
CN104166939A (zh) * | 2014-06-20 | 2014-11-26 | 天津大学 | 基于情景分析的配电网运行风险预警方法 |
CN104200396A (zh) * | 2014-08-26 | 2014-12-10 | 燕山大学 | 一种风力发电机部件故障预警方法 |
CN104807644A (zh) * | 2015-04-14 | 2015-07-29 | 北京中恒博瑞数字电力科技有限公司 | 一种风电机组变桨系统的故障预警方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584504A (zh) * | 2018-12-04 | 2019-04-05 | 三峡大学 | 一种在线缆机吊罐与仓面施工机械风险冲突预警方法 |
CN109740801A (zh) * | 2018-12-21 | 2019-05-10 | 南京东大智能化系统有限公司 | 一种基于事件触发机制的设备预警方法 |
CN110208019A (zh) * | 2019-05-14 | 2019-09-06 | 北京博华信智科技股份有限公司 | 一种动设备状态监测动态阈值预警方法 |
CN110766294A (zh) * | 2019-09-30 | 2020-02-07 | 国网重庆市电力公司璧山供电分公司 | 基于模糊综合评价的信息设备状态评估方法 |
CN113296457A (zh) * | 2021-07-27 | 2021-08-24 | 四川观想科技股份有限公司 | 一种智能化监控前端设备运维管控系统 |
CN113296457B (zh) * | 2021-07-27 | 2021-11-02 | 四川观想科技股份有限公司 | 一种智能化监控前端设备运维管控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112202736B (zh) | 基于统计学习和深度学习的通信网络异常分类方法 | |
CN106203799A (zh) | 一种设备风险预警的方法 | |
CN108375715B (zh) | 一种配电网线路故障风险日预测方法及系统 | |
CN107241224B (zh) | 一种变电站的网络风险监测方法及系统 | |
Li et al. | A hierarchical data-driven method for event-based load shedding against fault-induced delayed voltage recovery in power systems | |
CN106888205A (zh) | 一种非侵入式基于功耗分析的plc异常检测方法 | |
JP6298214B2 (ja) | ユーティリティグリッド内での信号注入テストパターンの予想効用を最大化するためのシステム及び方法 | |
US11016477B2 (en) | Devices, methods, and systems for a distributed rule based automated fault detection | |
CN103744389A (zh) | 一种油气生产设备运行状态的预警方法 | |
CN103425093B (zh) | 生产工厂中故障状态自动恢复的方法和系统 | |
CN105867347B (zh) | 一种基于机器学习技术的跨空间级联故障检测方法 | |
Vlasov et al. | Technological platform for innovative social infrastructure development on basis of smart machines and principles of internet of things | |
CN112417791B (zh) | 基于线性回归与ahp算法的电力设备监视预警方法及系统 | |
CN107846016A (zh) | 一种基于贝叶斯和复杂事件处理的配网故障定位方法及设备 | |
CN109525435A (zh) | 一种电网业务服务器运行状态预警方法 | |
CN104425046A (zh) | 核电站运行安全指数量化方法和系统 | |
CN103208049A (zh) | 异常告警快速事故分析方法及系统 | |
Vafeiadis et al. | Robust malfunction diagnosis in process industry time series | |
CN104579784A (zh) | 基于多维虚链路的电力工业控制系统网络管理方法 | |
Cabral et al. | Fraud detection system for high and low voltage electricity consumers based on data mining | |
RU2549514C2 (ru) | Система прогнозирования и оценки безопасности опасного производственного объекта с использованием комплексной модели обеспечения безопасности | |
KR20220089853A (ko) | 머신러닝 기술을 활용한 신재생에너지 발전설비의 고장예지 및 건전성관리 방법 | |
CN116956148A (zh) | 一种电力系统数据交互安全威胁信息分析方法 | |
CN106059065B (zh) | 基于在值控制措施的安全稳定自适应紧急控制决策方法 | |
CN104301388A (zh) | 大运行体系监控分析管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161207 |