CN107908175B - 一种电力系统现场智能化运维系统 - Google Patents

Abstract

本发明公布了一种电力系统现场智能化运维系统。包括对数据进行层级分类与整理、状态检测数据规范化及特征提取、建立仪器与智能运检盒子之间的规范、建立智能运检盒子与中心侧之间的通讯规范、视频数据流无线实时传输、高倍率视频压缩、建立高效多级状态检测数据综合索引模型以及状态检测数据的分析诊断技术个性化展示。本发明可实现现场作业标准化和数据规范化，实现现场侧和中心侧的数据和分析算法互享，提高现场侧的数据分析能力，加强现场运维的远程管控和实时技术支持能力。提高现场运维的专业化、智能化水平，提升运检工作效率、设备状态管控能力，强化状态检修和辅助决策。

Description

一种电力系统现场智能化运维系统

技术领域

本发明涉及无线通信网络技术和移动平台技术，具体涉及现场设备状态数据无线传输技术，移动应用平台的视频数据安全加速传输技术以及基于智能运检盒子的运维技术。

背景技术

设备状态检测数据作为重要的设备状态表征参量，是开展电网设备状态评价的重要依据，包括巡检、运行工况、带电检测、停电例行试验、停电诊断试验数据等。在电力运维检修业务中，带电检测数据等设备状态数据多采用人工录入，存在运维成本较高，工作效率低等问题。随着智能电网建设和状态检修开展的不断深入，现场设备状态检测数据的获取与利用还存在可靠性不高、规范性不高、数据录入效率不高、数据分析应用时效性不足等问题。

发明内容

本发明的目的是：实现现场作业标准化和数据规范化，实现现场侧和中心侧的数据和分析算法互享，提高现场侧的数据分析能力，加强现场运维的远程管控和实时技术支持能力。提高现场运维的专业化、智能化水平，提升运检工作效率、设备状态管控能力，强化状态检修和辅助决策。

为实现本发明之目的，采用以下技术方案予以实现：

一种电力系统现场智能化运维系统，其特征在于，包括：

智能运检盒：一方面对现场数据进行采集，处理，存储，以及上传；另一方面也可以接收中心侧的决策下传，对现场人员进行指导；

视频客户端：与智能运检盒连接，用于采集现场视频数据，并对视频信息进行调度、压缩、以及传输；

带电检测装置：与智能运检盒连接，用于获取现场设备状态信息

统一视频平台：与智能运检盒连接，用于对接收到的视频信息进行解压缩以及展示；

中心侧数据库：与智能运检盒连接，用于采集、分析现场信息，并对现场人员进行决策指导；。

在上述的一种电力系统现场智能化运维系统，所述智能运检盒包括：

数据接口：包括WiFi、串口、蓝牙和USB，用于与现场侧多种设备进行连接；还包含4G模块，用以与中心侧运维平台进行通信；

数据缓存库：用于缓存并处理现场侧的数据信息；

算法缓存库：用于对现场侧数据进行特征提取，规范格式处理操作；。

在上述的一种电力系统现场智能化运维系统，能够对多种信息进行格式规范，以便于统一存储与索引；其中，对于图谱、自然光图像、视频信息等主要利用稀疏编码、视觉单词等技术进行特征提取和格式规范；对于数值、参量、变量等结构化数据，使用XML结构进行存储，并建立标记。

在上述的一种电力系统现场智能化运维系统，所述状态检测仪器与智能运检盒子之间的通讯采用RabbitMQ结构，一个消息队列服务器可以同时与多个客户端建立会话任务。

在上述的一种电力系统现场智能化运维系统，所述智能运检盒子通过APN专线连接中心侧，包含安全接入终端层、安全通道层、安全接入层、业务访问层四层结构，具备高度的信息安全性。

在上述的一种电力系统现场智能化运维系统，所述视频客户端，通过智能运检盒的视频采集和传输组件与智能运检盒的中心处理器连接，所述视频采集和传输组件包括：

视频调度与传输模块：用于对将视频数据分组、打包，发送到监控端；

存储管理与调度模块：用于缓存采集到的视频数据；

实时采集/控制模块：用于监听端口状态，实时处理客户端请求；

测控信息处理模块：用于解压缩视频信息，并提供信息展示。

在上述的一种电力系统现场智能化运维系统，能够对采集到的图像、视频信息进行高倍率压缩，压缩步骤包括：

步骤1，对样本视频、图片对处理器进行训练，获取相应的视频和图片标签；

步骤2，利用变电设备图像结构特征，研究高效的视频多倍率压缩技术，剔除无关信息并保留特征信息，实现现场视频数据的高效压缩和高速传输。

在上述的一种电力系统现场智能化运维系统，所述高倍率压缩技术中的步骤1包括以下子步骤：

步骤1.1，对样本视频图片进行标注，并进行结构化特征描述；

步骤1.2，利用该结构化的特征数据监督机器学习，获取相应视频与图片的标签；

所述步骤2具体包括以下子步骤：

步骤2.1，预处理，过滤噪声；

步骤2.2，正交变换，去除统计冗余；

步骤2.3，量化，压缩数据；

步骤2.4，编码及接收方重构。

在上述的一种电力系统现场智能化运维系统，系统能够为获取的监测信息建立高效的综合索引模型，并根据基础数据、运行数据、监测仪器、气象信息等维度，进一步建立状态检测数据的高维混合数据标识模型；同时，系统也能够基于自身的海量的数据库、故障案例库、和相关关系库，对状态监测数据进行分析诊断，并对诊断结构提供个性化展示。

本发明具有如下优点：1，加强现场运维的远程管控和实时技术支持能力。对提高现场运维的专业化、智能化水平，提升运检工作效率、设备状态管控能力，强化状态检修和辅助决策，推动智能电网建设具有重要意义。2，可以缓存一定量的实时数据、历史数据、数据分析算法，在网络状态不佳的地区仍具有正常工作的能力；3，可以生成无线自主网络，与加装了数据规范化模块的状态检测装置进行通信，自动收集数据，实现一键式数据上传；4，“智能运检盒子”为定制化的专用设备，加装了无线安全通讯模块，在便携的基础上尽量扩充存储性能和计算性能，整体性能优于通用的平板电脑；5，“智能运检盒子”采用无触摸屏结构，可通过另外的平板电脑终端进行访问，提高了现场使用的可靠性。

附图说明

图1为总体技术路线示意图。

图2为设备图谱状态变化检测技术研究及应用框架示意图。

图3为状态检测数据质量评价体系示意图。

图4为RabbitMQ结构图。

图5为智能运检盒子安全接入系统部署拓扑图。

图6为视频采集和传输的应用软件结构示意图。

图7为基于机器学习的语义标注流程图。

图8为状态检测视频编解码结构示意图。

图9为状态检测数据多维标识技术示意图。

图10为故障诊断及预测研究思路示意图。

图11为故障案例库、故障树及故障谱构建方案示意图。

图12为智能运检盒子功能结构图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

一、首先介绍一下本发明的主体技术方案。本发明主要包括：

(1)将电网统一视频监控平台、输变电设备状态监测系统等数据源的电力设备状态图谱库，如自然光图像、红外紫外等有色光谱图像等非结构化数据进行结构化描述。

(2)建立状态检测仪器与智能运检盒子之间通讯规范，智能运检盒子与中心侧之间的通讯规范。

(3)利用视频调度与传输模块为监控端提供所需的视频信息，存储管理与调度将压缩和编码后的视频信息根据一定的策略存储至磁盘中特定的区域，并将视频文件信息存储到数据库中。

(4)实时采集模块在服务器运行期间始终驻留内存运行，定时查看设备端口状态，获取设备端口的数据信息，并激活或提交给响应的处理模块。

(5)进行高倍率视频压缩技术的研究：针对变电设备的结构特点，对图像特征进行提取，研究变电图像结构化信息；利用变电设备图像结构特征，研究高效的视频多倍率压缩技术，剔除无关信息并保留特征信息，实现现场视频数据的高效压缩和高速传输。

(6)建立高效多级状态检测数据综合索引模型，将状态检测数据进行状态检测数据建模，利用K-prototypes进行聚类分析。

根据技术路线研究基于各类规范化的状态检测数据的分析诊断技术提高分析诊断的准确性。

二、下面结合上述技术方案具体介绍一下本案的具体实施例。

总体技术路线如图1所示。其中智能运检盒子是由运维人员携带到现场的一台辅助性设备，它由嵌入式系统开发而成，配有WiFi、串行通讯、蓝牙和USB等多种数据接口，使用统一的通讯协议，与各种现场运维设备相连。一方面，智能运检盒子通过网络通讯接口，将现场运维设备的数据采集过来，经归一化后存储在实时数据库内。对于一些重要数据，智能运检盒子还可以提取它们的特征数据，通过4G数据网络上传到中心侧变电一体化运维平台。

另一方面，运检盒子还支持中心侧的决策下传，对现场侧的运维人员进行实时指导。运检盒子还支持视频会议模块，现场人员可以随时呼叫中心侧的专家进行现场指导。

与智能运检盒子配套，现场运行人员还配备有平板电脑。这些平板电脑与智能运检盒子通过WiFi无线通讯网络连接，作为智能运检盒子的人机界面。

中心侧一体化运维平台充分利用电网公司中心侧的数据优势，对现场的运维活动进行统一的管理与指导。他通过网络收集运检盒子从现场上传的运维试验数据，存储在数据库中。同时，根据现场运行的情况，做出决策支持，通过网络下发到现场侧，指导运维人员的现场操作。当现场侧的运维人员遇到技术困难的时候，可以随时呼叫中心侧。中心侧的管理员收到呼叫请求，根据需要组织相应专家，以视频会议的方式进行现场指导。

中心侧的系统设置标准化的高级应用框架，可以根据需要内嵌各种中心侧高级应用，比如一侧设备评估诊断服务、检修计划决策服务等等。这些应用基于采集到的检测数据，对运维活动进行更高层次的指导。中心侧变电一体化运维平台还可以与电网公司的海量数据源相连，如PMS2.0系统，状态监测主站系统等等，这些数据源也为运维决策的生成，提供有力的大数据支撑。

1，如图2所示，数据源主要包括电网统一视频监控平台、输变电设备状态监测系统等，将其电力设备状态图谱库，如自然光图像、红外紫外等有色光谱图像等非结构化数据进行结构化描述，具体过程为，由图像提取关键点，由SIFT描述符加入字典，生成视觉单词，并展示为直方图。结构化描述后，经过稀疏编码对非结构化图谱、视频数据进行规范化和特征量提取。将设备由开关到主变进行标注，通过对正常设备和故障设备进行变化检测，得到变化图谱，并精确分割变化区域，最后进行关键特征区域和帧的提取。

对于结构化的数据，如数值数据、参数、变量、录入数据和采样数据等的存储采用XML格式，相比传统规范化建模技术，XML具有良好的可扩展性、兼容性和可移植性，便于不同系统之间信息的传输。

对于图谱、视频等非结构化数据的规范化转化方法主要是利用基于稀疏编码、视觉单词等技术对非结构化图谱、视频数据进行规范化和特征量提取。

对于相对静态的电力设备图谱，采用局部不变特征提取技术，提取具有尺度、旋转、光照、模糊和视角不变性的局部关键点特征，实现特征点的高准确度匹配，提取有效的区域不变特征，描述局部区域的相关特性实现放射和旋转不变性。

对于可以进行结构化转换的非结构化数据，转换后变成特征向量，可以直接存储在XML结构中。对于不能转换的数据，如复杂的图像和视频数据将其存储在文件系统中，并且在对应的XML词条中做标记，便于随时查询。

2-1，状态检测仪器与智能运检盒子之间通讯规范如图3图4所示，其中Broker是消息队列服务器实体；消息转换机指定消息按特定规则路由到某个队列；Binding把exchange和queue按照路由规则绑定起来；交换机根据Routing Key进行消息投递；一个消息队列服务器实体可以开设多个虚拟主机，用作不同用户的权限分离。在客户端的每个连接里可建立多个消息通道，每个通道代表一个会话任务。

2-2，智能运检盒子与中心侧之间的通讯规范，智能运检盒子通过APN专线连接中心侧，系统部署拓扑图如图5所示。需要主要考虑的内容是信息安全问题。安全接入防护体系分为安全接入终端层、安全通道层、安全接入层、业务访问层四大体系。

3，视频采集和传输的应用软件结构如图6所示，其主要由视频调度与传输模块、存储管理与调度模块、实时采集/控制模块与测控信息处理模块等几个重要部分组成。

3-1，视频调度与传输模块为监控端提供所需的视频信息，该模块根据所采取的网络传输与控制协议与监控端建立连接，监听监控端的请求；根据不同的服务类型采取相应的调度策略创建视频流，将视频数据分组、打包，发送到监控端。

3-2，存储管理与调度将压缩和编码后的视频信息根据一定的策略存储至磁盘中特定的区域，并将视频文件信息存储到数据库中，以供检索与回放；同时响应视频调度与传输模块的请求，按照一定的磁盘调度策略和优先级顺序从磁盘中读取视频数据至内存缓冲区，供网络使用。

3-3，实时采集模块由一系列设备的采集模块组成，在操作系统启动时加载。在服务器运行期间始终驻留内存运行，定时查看设备端口状态，获取设备端口的数据信息，并激活或提交给响应的处理模块。对于视频数据，将其加入视频编码缓冲队列，由视频编码芯片进行处理；现场状态信息送交测控信息的过滤和转换功能。实时控制进程根据处理后的设备信息和控制信息调用相应设备的驱动程序对设备进行控制。

3-4，Web服务器是一个运行在嵌入式视频服务器上的软件系统，通过HTTP协议与监控端浏览器软件进行交互，提供其他应用程序模块的借口以及视频数据浏览界面和摄像机控制界面。此外，他还要对监控端的访问权限进行控制，过滤监控端的请求和控制信息，处理多个监控端的请求和控制的同步和优先级问题。

4，高倍率视频压缩技术的研究主要包括2部分：1)针对变电设备的结构特点，对图像特征进行提取，研究变电图像结构化信息；2)利用变电设备图像结构特征，研究高效的视频多倍率压缩技术，剔除无关信息并保留特征信息，实现现场视频数据的高效压缩和高速传输。

4-1，针对变电设备特点的图像特征提取。如图7所示，首先对部分训练视频、图片进行标注，然后采用非结构视频数据的特征描述技术实现视频和图片的结构化描述，并与标注内容一一对应，将特征描述后的视频和图像作为半监督或弱监督机器学习方法的输入，可学习获得最优参数，将最优参数下的半监督或弱监督机器学习方法用于对测试视频、图片进行标注，可以获得相应的视频和图片标签。

4-2，利用变电设备图像结构特征，研究针对性的视频压缩算法，该视频压缩算法编解码流程如图8所示。

该视频压缩的步骤为：①预处理，对输入的视频信号进行一些预处理，如对输入信号进行采样和数字化，消除输入视频帧的一些不理想特征，在编码前先对输入帧进行噪声过滤。②正交变换，对视频信息进行正交变换，可将图像像素转换成不同的空间区域，主要目的是去除视频序列中的统计冗余。③量化，量化可以降低变换系数的精度以减少存储空间，可以去掉信号中的高频成分，从而达到压缩数据的目的。④编码，编码是将码字分配给量化后的视频数据，重构视频图像的过程是压缩视频图像的反过程，主要有解码、反量化、反变换和后处理。

5-1，建立高效多级状态检测数据综合索引模型，将状态检测数据从电力设备基础数据、电力设备运行数据、检测仪器、检测数据、气象信息等维度进行状态检测数据建模，利用K-prototypes进行聚类分析，研究各个维度之间的关联性，在此基础上建立类型状态检测数据的高维混合数据标识模型，如图9。

5-2，状态检测数据的分析诊断技术及个性化展示方法，根据图10提供的技术路线研究基于各类规范化的状态检测数据的分析诊断技术，主要是利用多信息融合来提高分析诊断的准确性，首先确定故障分析的输入源或信息源，主要包括设备的信息和支撑设备诊断分析的故障案例库和相关关系库(①)，其次根据诊断设备是否故障停运，在运则利用故障预测技术(②)进行预测设备潜在故障，否则利用故障诊断技术(③)诊断进行定位设备故障。

针对①主要研究标准化、智能化的典型故障案例库的构建技术；构建基于故障案例的设备故障树和故障谱，方案如图11所示。针对②主要利用基于海量数据的设备台账、历史故障缺陷、历史试验数据、在线监测数据、气象数据等，研究和构建基于故障历史和状态监控的故障预测模型，实现设备潜在性故障分析诊断和预测。针对③主要故障停运设备，研究基于数据驱动型(统计分析法和人工智能定量诊断法)的故障诊断方法、故障诊断图论法及相关性搜索法，实现电力设备的故障诊断。针对现有诊断算法的不足，本项目提出了基于故障树框架的电力设备综合诊断方案。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (1)

1.一种电力系统现场智能化运维系统，其特征在于，包括：

智能运检盒：一方面对现场数据进行采集，处理，存储，以及上传；另一方面也能够接收中心侧的决策下传，对现场人员进行指导；

视频客户端：与智能运检盒连接，用于采集现场视频数据，并对视频信息进行调度、压缩、以及传输；

带电检测装置：与智能运检盒连接，用于获取现场设备状态信息

统一视频平台：与智能运检盒连接，用于对接收到的视频信息进行解压缩以及展示；

中心侧数据库：与智能运检盒连接，用于采集、分析现场信息，并对现场人员进行决策指导；

所述智能运检盒包括：

数据接口：包括WiFi、串口、蓝牙和USB，用于与现场侧多种设备进行连接；还包含4G模块，用以与中心侧运维平台进行通信；

数据缓存库：用于缓存并处理现场侧的数据信息；

算法缓存库：用于对现场侧数据进行特征提取，规范格式处理操作；

系统能够对多种信息进行格式规范，以便于统一存储与索引；其中，对于图谱、自然光图像、视频信息利用稀疏编码、视觉单词技术进行特征提取和格式规范；对于数值、参量、变量结构化数据，使用XML结构进行存储，并建立标记；

状态检测仪器与智能运检盒之间的通讯采用RabbitMQ结构，一个消息队列服务器能够同时与多个客户端建立会话任务；

所述智能运检盒通过APN专线连接中心侧，包含安全接入终端层、安全通道层、安全接入层、业务访问层四层结构，具备高度的信息安全性；

所述视频客户端，通过智能运检盒的视频采集和传输组件与智能运检盒的中心处理器连接，所述视频采集和传输组件包括：

视频调度与传输模块：用于对将视频数据分组、打包，发送到监控端；

存储管理与调度模块：用于缓存采集到的视频数据；

实时采集/控制模块：用于监听端口状态，实时处理客户端请求；

测控信息处理模块：用于解压缩视频信息，并提供信息展示；

系统的执行方法步骤包括:

1.数据源包括电网统一视频监控平台、输变电设备状态监测系统，将其电力设备状态图谱库，自然光图像、红外紫外有色光谱图像非结构化数据进行结构化描述，具体过程为，由图像提取关键点，由SIFT描述符加入字典，生成视觉单词，并展示为直方图；结构化描述后，经过稀疏编码对非结构化图谱、视频数据进行规范化和特征量提取；将设备由开关到主变进行标注，通过对正常设备和故障设备进行变化检测，得到变化图谱，并精确分割变化区域，最后进行关键特征区域和帧的提取；

对于结构化的数据，数值数据、参数、变量、录入数据和采样数据的存储采用XML格式，相比传统规范化建模技术，XML具有良好的可扩展性、兼容性和可移植性，便于不同系统之间信息的传输；

对于图谱、视频非结构化数据的规范化转化方法是利用基于稀疏编码、视觉单词技术对非结构化图谱、视频数据进行规范化和特征量提取；

对于相对静态的电力设备图谱，采用局部不变特征提取技术，提取具有尺度、旋转、光照、模糊和视角不变性的局部关键点特征，实现特征点的高准确度匹配，提取有效的区域不变特征，描述局部区域的相关特性实现放射和旋转不变性；

对于能够进行结构化转换的非结构化数据，转换后变成特征向量，能够直接存储在XML结构中；对于不能转换的数据，复杂的图像和视频数据将其存储在文件系统中，并且在对应的XML词条中做标记，便于随时查询；

2-1，状态检测仪器与智能运检盒之间通讯规范包括，Broker是消息队列服务器实体；消息转换机指定消息按特定规则路由到某个队列；Binding把exchange和queue按照路由规则绑定起来；交换机根据Routing Key 进行消息投递；一个消息队列服务器实体能够开设多个虚拟主机，用作不同用户的权限分离；在客户端的每个连接里能够建立多个消息通道，每个通道代表一个会话任务；

2-2，智能运检盒与中心侧之间的通讯规范，智能运检盒通过APN专线连接中心侧；需要考虑的内容是信息安全问题；安全接入防护体系分为安全接入终端层、安全通道层、安全接入层、业务访问层四大体系；

3，视频采集和传输的应用软件结构由视频调度与传输模块、存储管理与调度模块、实时采集/控制模块与测控信息处理模块几个重要部分组成；

3-1，视频调度与传输模块为监控端提供所需的视频信息，该模块根据所采取的网络传输与控制协议与监控端建立连接，监听监控端的请求；根据不同的服务类型采取相应的调度策略创建视频流，将视频数据分组、打包，发送到监控端；

3-2，存储管理与调度将压缩和编码后的视频信息存储至磁盘中特定的区域，并将视频文件信息存储到数据库中，以供检索与回放；同时响应视频调度与传输模块的请求，按照磁盘调度策略和优先级顺序从磁盘中读取视频数据至内存缓冲区，供网络使用；

3-3，实时采集/控制模块由一系列设备的采集模块组成，在操作系统启动时加载；在服务器运行期间始终驻留内存运行，定时查看设备端口状态，获取设备端口的数据信息，并激活或提交给响应的处理模块；对于视频数据，将其加入视频编码缓冲队列，由视频编码芯片进行处理；现场状态信息送交测控信息的过滤和转换功能；实时控制进程根据处理后的设备信息和控制信息调用相应设备的驱动程序对设备进行控制；

3-4，Web 服务器是一个运行在嵌入式视频服务器上的软件系统，通过HTTP协议与监控端浏览器软件进行交互，提供其他应用程序模块的接口以及视频数据浏览界面和摄像机控制界面；此外，它还要对监控端的访问权限进行控制，过滤监控端的请求和控制信息，处理多个监控端的请求和控制的同步和优先级问题；

4，高倍率视频压缩技术的包括2部分：1）针对变电设备的结构特点，对图像特征进行提取，研究变电图像结构化信息；2）利用变电设备图像结构特征，研究高效的视频多倍率压缩技术，剔除无关信息并保留特征信息，实现现场视频数据的高效压缩和高速传输；

4-1，针对变电设备特点的图像特征提取；首先对部分训练视频、图片进行标注，然后采用非结构视频数据的特征描述技术实现视频和图片的结构化描述，并与标注内容一一对应，将特征描述后的视频和图像作为半监督或弱监督机器学习方法的输入，能够学习获得最优参数，将最优参数下的半监督或弱监督机器学习方法用于对测试视频、图片进行标注，能够获得相应的视频和图片标签；

4-2，利用变电设备图像结构特征，研究针对性的视频压缩算法，视频压缩的步骤为：①预处理，对输入的视频信号进行一些预处理，对输入信号进行采样和数字化，消除输入视频帧的一些不理想特征，在编码前先对输入帧进行噪声过滤；②正交变换，对视频信息进行正交变换，能够将图像像素转换成不同的空间区域，目的是去除视频序列中的统计冗余；③量化，量化能够降低变换系数的精度以减少存储空间，能够去掉信号中的高频成分，从而达到压缩数据的目的；④编码，编码是将码字分配给量化后的视频数据，重构视频图像的过程是压缩视频图像的反过程，有解码、反量化、反变换和后处理；

5-1，建立高效多级状态检测数据综合索引模型，将状态检测数据从电力设备基础数据、电力设备运行数据、检测仪器、检测数据、气象信息维度进行状态检测数据建模，利用K-prototypes进行聚类分析，研究各个维度之间的关联性，在此基础上建立类型状态检测数据的高维混合数据标识模型；

5-2，状态检测数据的分析诊断技术及个性化展示方法，利用多信息融合来提高分析诊断的准确性，首先确定故障分析的输入源或信息源，包括设备的信息和支撑设备诊断分析的故障案例库和相关关系库，其次根据诊断设备是否故障停运，在运则利用故障预测技术进行预测设备潜在故障，否则利用故障诊断技术诊断进行定位设备故障；

针对故障案例库和相关关系库研究标准化、智能化的典型故障案例库的构建技术；构建基于故障案例的设备故障树和故障谱；针对故障预测技术利用基于海量数据的设备台账、历史故障缺陷、历史试验数据、在线监测数据、气象数据，研究和构建基于故障历史和状态监控的故障预测模型，实现设备潜在性故障分析诊断和预测；针对利用故障诊断技术，研究基于数据驱动型的故障诊断方法、故障诊断图论法及相关性搜索法，实现电力设备的故障诊断。

Images