CN108923531B - 一种基于大数据的电网调度告警监视系统 - Google Patents
一种基于大数据的电网调度告警监视系统 Download PDFInfo
- Publication number
- CN108923531B CN108923531B CN201810602599.4A CN201810602599A CN108923531B CN 108923531 B CN108923531 B CN 108923531B CN 201810602599 A CN201810602599 A CN 201810602599A CN 108923531 B CN108923531 B CN 108923531B
- Authority
- CN
- China
- Prior art keywords
- power grid
- knowledge
- alarm
- information
- data
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 20
- 238000003745 diagnosis Methods 0.000 claims description 18
- 230000007246 mechanism Effects 0.000 claims description 16
- 238000003066 decision tree Methods 0.000 claims description 15
- 238000011160 research Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 6
- 230000001364 causal effect Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 210000004556 brain Anatomy 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000003936 working memory Effects 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims 1
- 238000006073 displacement reaction Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000011664 signaling Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009154 spontaneous behavior Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
Images
Classifications
-
- H02J13/0006—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出了一种基于大数据的电网调度告警监视系统，包括监控中心服务器和EMS系统，所述EMS系统包括数据库、工作站、工作站服务器和前置机，工作站和前置机向数据库传输数据，所述监控中心服务器从数据库内调取告警信息。本发明提高故障处理水平，缩短故障处理时间，避免或减少电网事故的发生，产生巨大的经济效益，实现电网运行故障的集中管理，在减轻电力运行值班人员的工作负担同时也减少电网事故发生率，保障系统设备的运行效率和系统运行的可靠性。
Description
技术领域
本发明涉及电网调度安全技术领域，尤其涉及一种基于大数据的电网调度告警监视系统。
背景技术
电网规模日趋庞大，结构也日益复杂，人员劳动强度不断加大。电网状态量信息数目激增，不易从大量的数据中得出对电网的整体认识。电网发生异常后，告警信息复杂繁多，故障诊断和处理主要依赖人员的运行经验，缺乏对电网故障诊断的预判和相关处理预案的技术手段，故障处理往往需要很长时间。另外EMS通用告警监视软件主要通过监视单个对象的运行状态来判断电网运行状态，判断依据单一，需要通过人工综合分析各监视对象告警信息来推理电网运行状态，存在故障误报和漏报情况，而且很难依据信息准确判断故障位置和严重程度。
发明内容
针对传统电网告警系统智能化程度低的技术问题，本发明提出一种基于大数据的电网调度告警监视系统。
为了达到上述目的，本发明的技术方案是这样实现的：
一种基于大数据的电网调度告警监视系统，包括监控中心服务器和EMS系统，所述EMS系统包括数据库、工作站、工作站服务器和前置机，工作站和前置机向数据库传输数据，所述监控中心服务器从数据库内调取告警信息，其工作方法如下：
1）通过各个工作站采集各个工作站节点电网调度运行告警信息参数；
2）通过前置机对多数据源告警信息实时在线关联扫描；
3）各个工作站和前置机向数据库上传数据，监控中心服务器从数据库中调取告警信息，建立告警信息规则库；
4）监控中心服务器依据告警信息规则库，对电网运行告警参数智能分析和故障辅助诊断；
5）依据故障辅助诊断结果，建立事故研究和问题处理管理流程补充机制。
进一步地，所述电网调度运行告警信息参数包括开关正常遥信变位告警信息参数、设备运行异常告警信息参数和设备故障告警信息参数。
进一步地，所述多数据源告警信息关联扫描为EMS系统监测信息、机房监控信息、变电站无人值守监控信息和变电站设备在线监测信息。
进一步地，所述建立告警信息规则库为采用数据挖掘算法组合，基于多数据源海量大数据，开展定向及非定向挖掘，并对挖掘得出的结果进行评估和论证。
进一步地，所述数据挖掘算法采用决策树算法，决策树算法包括两个步骤：第一步是利用训练样本集来构建出一棵决策树，建立决策树模型；第二步是利用建好的决策树对新的数据进行分类。
进一步地，所述智能分析和故障辅助诊断包括在原有的正向推理、反向推理研究基础上，实现多向混合推理，并引入因果逻辑推理进行改进和扩充应用范畴；当发生故障或问题时，自动分析源自不同系统的大量、重要、异常告警事件信息，进行自动序列分组，形成即时事件分析队列。启动相应分析求解过程，应用人工智能技术，进行事件基本分析和高级分析，还原故障或问题发生全过程，辨识故障发生源头和关键节点，生成真实可靠的故障诊断报告辅助事故分析和处理。
进一步地，所述建立事故研究和问题处理管理流程补充机制包括同一对象发生事故，建立事故或问题处理档案，涵盖处理人员、具体方法、处理结果和事件评价，实现信息化管理；通过积累经验库，为后续再发事故或问题提供参考，实现快速响应和妥善处理。
进一步地，所述人工智能技术包括智能体系统包括一个多Agent系统由大量自治的软件或硬件实体组成，单个代理完全有能力解决局部问题，但不能独自实现全局目标；每个Agent有自己的输入输出数据通道，因而整个系统的数据是分散的；多Agent系统中存在一组协调代理，它们解决代理间的决策冲突；Agent做出决策过程是异步的。
进一步地，所述智能分析和故障辅助诊断采用专家系统，专家系统采用的知识表示方式是产生式规则，即把主变压器分接开关档位调节、电容器电抗器投切以及运行人员的经验用规则表示出来，形成调度专家系统知识库，进而根据电网的实时信息对知识库进行推理，获得电压无功优化控制的结论；
产生式规则用于表示具有因果关系的知识，其基本形式如下：
IF P THEN Q
其中：P代表一组前提或状态，Q代表若干结论或动作，其含义是如果前提P得以满足，即为“真”，则可得出结论Q或Q所规定的动作；
专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取6个部分构成；
知识库是问题求解所需要的领域知识的集合包括基本事实、规则和其他有关信息；
推理机是实施问题求解的核心执行机构，是对知识进行解释的程序，根据知识的语义，对按一定策略找到的知识进行解释执行，并把结果记录到动态库的适当空间中；
知识获取负责建立、修改和扩充知识库，是专家系统中把问题求解的各种专门知识从人类专家的头脑中或其他知识源那里转换到知识库中的一个重要机构；
人机界面是系统与用户进行交流时的界面；
综合数据库也称为动态库或工作存储器，是反映当前问题求解状态的集合，用于存放系统运行过程中所产生的所有信息，以及所需要的原始数据，包括用户输入的信息、推理的中间结果、推理过程的记录；
解释器用于对求解过程做出说明，并回答用户的提问。
本发明的有益效果是：本发明实现自动对调度自动化等系统的重要参数和告警信息进行实时扫描，及时发现潜在的异常和故障，减少电力设备异常处理的响应时间，同时为值班人员提供异常和故障处理的预案，汇集各种故障现象和相应处理方法，提高故障处理水平，缩短故障处理时间，避免或减少电网事故的发生，产生巨大的经济效益。实现电网运行故障的集中管理，在减轻电力运行值班人员的工作负担同时也减少电网事故发生率，保障系统设备的运行率和系统运行的可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的系统框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，一种基于大数据的电网调度告警监视系统，其工作方法为：
1）通过各个工作站采集各个工作站节点电网调度运行告警信息参数。
通过各个工作站采集各个工作站节点电网调度运行告警信息参数包括开关正常遥信变位告警信息参数、设备运行异常告警信息参数和设备故障告警信息参数；所述开关正常遥信变位告警是由检修操作引起的开关遥信变位；所述设备运行异常告警是电网设备运行异常时发出的报警，设备运行异常告警类型包括：a.线路潮流越限告警；b.变压器越限告警；c.母线电压越限告警；d.设备重载告警；e.开关运行异常告警；f.通讯系统异常告警；所述设备故障告警是电网设备发生故障时发出的报警。
2）通过前置机对多数据源告警信息实时在线关联扫描。
通过前置机对多数据源告警信息实时在线关联扫描，多数据源告警信息关联扫描为EMS系统监测信息、机房监控信息、变电站无人值守监控信息和变电站设备在线监测信息。
3）各个工作站和前置机向数据库上传数据，监控中心服务器从数据库中调取告警信息，建立告警信息规则库。
建立告警信息规则库为监控中心服务器采用数据挖掘算法组合，基于多数据源海量大数据，开展定向及非定向挖掘，并对挖掘得出的结果进行评估和论证。数据挖掘算法采用决策树算法，其核心问题是选取树的每个结点要测试的属性，争取能够选择出最有助于分实例的属性。它着眼于从一组无次序、无规则的事例中推理出决策树表示形式的分类规则，通常用来形成分类器和预测模型，可以对未知数据进行分类或预测、数据挖掘等。它包括两个步骤：第一步是利用训练样本集来构建出一棵决策树，建立决策树模型。第二步是利用建好的决策树对新的数据进行分类。
4）监控中心服务器依据告警信息规则库，对电网运行告警参数智能分析和故障辅助诊断。
监控中心服务器依据告警信息规则库，对电网运行告警参数智能分析和故障辅助诊断包括在原有的正向推理、反向推理研究基础上，实现多向混合推理，并引入因果逻辑推理进行改进和扩充应用范畴；当发生故障或问题时，自动分析源自不同系统的大量、重要、异常告警事件信息，进行自动序列分组，形成即时事件分析队列。启动相应分析求解过程，应用人工智能技术，进行事件基本分析和高级分析，还原故障或问题发生全过程，辨识故障发生源头和关键节点，生成真实可靠的故障诊断报告辅助事故分析和处理。
人工智能技术包括智能体系统（Agent），包括一个多Agent系统由大量自治的软件或硬件实体组成，单个代理完全有能力解决局部问题，但不能独自实现全局目标；每个Agent有自己的输入输出数据通道，因而整个系统的数据是分散的；多Agent系统中存在一组协调代理，它们解决代理间的决策冲突；Agent做出决策过程是异步的；多Agent系统中的代理具有以下特征：
1.独立性：代理具有脱离人和其他代理的直接参与，通过自身掌握的知识或者对外部环境的感知而独立完成一定任务或者对自身状态有一定程度的控制能力；
2.社会性：代理具有在适当的时候与其他代理或者人相互作用以协助其完成任务的能力，以及在需要的时候向其他代理提供信息的能力；
3.学习能力：代理能感知周围环境的改变，如其他代理的状态变化，并能够在一定时限内对变化做出反应；
4.自发性：代理不只是被动的做出反应，还应当具有自发完成目标任务的能力；
概括地说，Agent是一种处于一定环境下包装的计算机系统。基于它的自治性、协作能力、反应能力和自发行为特征，MAS(Multi Agent System)不仅研究单个代理复杂的体系结构及这个代理之间的简单交互，还研究大量代理之间的复杂交互，即建立复杂的多Agent系统模型。利用Agent智能化的工作机制和强大的开发应用功能，通过将电力系统各控制设备的控制规则转化为软件组件的进程和经验，使用电力系统计算机控制网络作为一种环境来得到电力系统各控制之间的协调问题的解决方案，再根据解决方案构建了一套新的框图模式，并根据多控制系统的实际特点提出了小影响度优先法的协调方式。
智能分析和故障辅助诊断采用专家系统，本系统采用的知识表示方式是产生式规则，即把主变压器分接开关档位调节、电容器电抗器投切以及运行人员的经验用规则表示出来，形成调度专家系统知识库，进而根据电网的实时信息对知识库进行推理，获得电压无功优化控制的结论；
产生式规则用于表示具有因果关系的知识，其基本形式如下：
IF P THEN Q
其中：P代表一组前提或状态，Q代表若干结论或动作，其含义是如果前提P得以满足，即为“真”，则可得出结论Q或Q所规定的动作；
专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成；
知识库是问题求解所需要的领域知识的集合，包括基本事实、规则和其他有关信息；知识库中的知识源于领域专家，是决定专家系统能力的关键，即知识库中知识的质量和数量决定着专家系统的质量水平。知识库是专家系统的核心组成部分。一般来说，专家系统中的知识库与专家系统程序是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的性能；
推理机是实施问题求解的核心执行机构，它实际上是对知识进行解释的程序，根据知识的语义，对按一定策略找到的知识进行解释执行，并把结果记录到动态库的适当空间中；推理机的程序与知识库的具体内容无关，即推理机和知识库是分离的，这是专家系统的重要特征。它的优点是对知识库的修改无须改动推理机，但是纯粹的形式推理会降低问题求解的效率；
知识获取负责建立、修改和扩充知识库，是专家系统中把问题求解的各种专门知识从人类专家的头脑中或其他知识源那里转换到知识库中的一个重要机构；知识获取可以是手工的，也可以采用半自动知识获取方法或自动知识获取方法；
人机界面是系统与用户进行交流时的界面；系统输出推理结果及相关的解释也是通过人机交互界面；
综合数据库也称为动态库或工作存储器，是反映当前问题求解状态的集合，用于存放系统运行过程中所产生的所有信息，以及所需要的原始数据，包括用户输入的信息、推理的中间结果、推理过程的记录等；综合数据库中由各种事实、命题和关系组成的状态，既是推理机选用知识的依据，也是解释机制获得推理路径的来源；
解释器用于对求解过程做出说明，并回答用户的提问；两个最基本的问题是“why”和“how”。解释机制涉及程序的透明性，它让用户理解程序正在做什么和为什么这样做，向用户提供了关于系统的一个认识窗口。在很多情况下，解释机制是非常重要的。为了回答“为什么”得到某个结论的询问，系统通常需要反向跟踪动态库中保存的推理路径，并把它翻译成用户能接受的自然语言表达方式。
5）依据故障辅助诊断结果，建立事故研究和问题处理管理流程补充机制。
建立事故研究和问题处理管理流程补充机制对同一对象发生事故，建立事故或问题处理档案，涵盖处理人员、具体方法、处理结果和事件评价，实现信息化管理。通过积累经验库，为后续再发事故或问题提供参考，实现快速响应和妥善处理。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于大数据的电网调度告警监视系统，其特征在于，包括监控中心服务器和EMS系统，所述EMS系统包括数据库、工作站、工作站服务器和前置机，工作站和前置机向数据库传输数据，所述监控中心服务器从数据库内调取告警信息，其工作方法如下：
1）通过各个工作站采集各个工作站节点电网调度运行告警信息参数；
2）通过前置机对多数据源告警信息实时在线关联扫描；
3）各个工作站和前置机向数据库上传数据，监控中心服务器从数据库中调取告警信息，建立告警信息规则库；
4）监控中心服务器依据告警信息规则库，对电网运行告警参数智能分析和故障辅助诊断；
5）依据故障辅助诊断结果，建立事故研究和问题处理管理流程补充机制；
所述建立告警信息规则库为监控中心服务器采用数据挖掘算法组合，基于多数据源海量大数据，开展定向及非定向挖掘，并对挖掘得出的结果进行评估和论证；
所述智能分析和故障辅助诊断包括在原有的正向推理、反向推理研究基础上，实现多向混合推理，并引入因果逻辑推理进行改进和扩充应用范畴；当发生故障或问题时，自动分析源自不同系统的大量、重要、异常告警事件信息，进行自动序列分组，形成即时事件分析队列；启动相应分析求解过程，应用人工智能技术，进行事件基本分析和高级分析，还原故障或问题发生全过程，辨识故障发生源头和关键节点，生成真实可靠的故障诊断报告辅助事故分析和处理。
2.根据权利要求1所述的一种基于大数据的电网调度告警监视系统，其特征在于，所述电网调度运行告警信息参数包括开关正常遥信变位告警信息参数、设备运行异常告警信息参数和设备故障告警信息参数。
3.根据权利要求1所述的一种基于大数据的电网调度告警监视系统，其特征在于，所述多数据源告警信息关联扫描为EMS系统中监测信息、机房监控信息、变电站无人值守监控信息和变电站设备在线监测信息。
4.根据权利要求1所述的一种基于大数据的电网调度告警监视系统，其特征在于，所述数据挖掘算法采用决策树算法，决策树算法包括两个步骤：第一步是利用训练样本集来构建出一棵决策树，建立决策树模型；第二步是利用建好的决策树对新的数据进行分类。
5.根据权利要求1所述的一种基于大数据的电网调度告警监视系统，其特征在于，所述建立事故研究和问题处理管理流程补充机制包括同一对象发生事故，建立事故或问题处理档案，涵盖处理人员、具体方法、处理结果和事件评价，实现信息化管理；通过积累经验库，为后续再发事故或问题提供参考，实现快速响应和妥善处理。
6.根据权利要求1所述的一种基于大数据的电网调度告警监视系统，其特征在于，所述人工智能技术包括智能体系统包括一个多Agent系统由大量自治的软件或硬件实体组成，单个代理完全有能力解决局部问题，但不能独自实现全局目标； 每个Agent有自己的输入输出数据通道，因而整个系统的数据是分散的；多Agent系统中存在一组协调代理，它们解决代理间的决策冲突；Agent做出决策过程是异步的。
7.根据权利要求1所述的基于大数据的电网调度告警监视系统，其特征在于，所述智能分析和故障辅助诊断采用专家系统，专家系统采用的知识表示方式是产生式规则，即把主变压器分接开关档位调节、电容器电抗器投切以及运行人员的经验用规则表示出来，形成调度专家系统知识库，进而根据电网的实时信息对知识库进行推理，获得电压无功优化控制的结论；
产生式规则用于表示具有因果关系的知识，其基本形式如下：
IF P THEN Q
其中：P代表一组前提或状态，Q代表若干结论或动作，其含义是如果前提P得以满足，即为“真”，则可得出结论Q或Q所规定的动作；
专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取6个部分构成；
知识库是问题求解所需要的领域知识的集合，包括基本事实、规则和其他有关信息；
推理机是实施问题求解的核心执行机构，是对知识进行解释的程序，根据知识的语义，对按一定策略找到的知识进行解释执行，并把结果记录到动态库的适当空间中；
知识获取负责建立、修改和扩充知识库，是专家系统中把问题求解的各种专门知识从人类专家的头脑中或其他知识源那里转换到知识库中的一个重要机构；
人机界面是系统与用户进行交流时的界面；
综合数据库也称为动态库或工作存储器，是反映当前问题求解状态的集合，用于存放系统运行过程中所产生的所有信息，以及所需要的原始数据，包括用户输入的信息、推理的中间结果、推理过程的记录；
解释器用于对求解过程做出说明，并回答用户的提问。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810602599.4A CN108923531B (zh) | 2018-06-12 | 2018-06-12 | 一种基于大数据的电网调度告警监视系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810602599.4A CN108923531B (zh) | 2018-06-12 | 2018-06-12 | 一种基于大数据的电网调度告警监视系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108923531A CN108923531A (zh) | 2018-11-30 |
| CN108923531B true CN108923531B (zh) | 2022-02-11 |
Family
ID=64409894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810602599.4A Active CN108923531B (zh) | 2018-06-12 | 2018-06-12 | 一种基于大数据的电网调度告警监视系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108923531B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109474808A (zh) * | 2018-12-06 | 2019-03-15 | 安徽云探索网络科技有限公司 | 基于云服务的无人值守智能监控系统 |
| CN109726214A (zh) * | 2018-12-26 | 2019-05-07 | 国电南瑞科技股份有限公司 | 一种设备故障处置辅助决策方法和系统 |
| CN109508341A (zh) * | 2019-01-08 | 2019-03-22 | 广东电网有限责任公司 | 缺陷管理方法及系统 |
| CN110888973B (zh) * | 2019-11-18 | 2022-05-10 | 云南电网有限责任公司普洱供电局 | 一种监控信息表自动结构化梳理的方法 |
| CN111342460A (zh) * | 2020-03-27 | 2020-06-26 | 南京南瑞信息通信科技有限公司 | 一种基于人工智能的电网运行监视的方法 |
| CN111639921B (zh) * | 2020-06-11 | 2023-02-17 | 广东电网有限责任公司 | 一种基于专家系统的设备故障智判与辅助处置方法 |
| CN112085231A (zh) * | 2020-09-14 | 2020-12-15 | 国网湖北省电力有限公司咸宁供电公司 | 一种电力调度控制中心事故信息快速响应方法 |
| CN113641566A (zh) * | 2021-08-30 | 2021-11-12 | 平安资产管理有限责任公司 | 基于人工智能的系统告警方法、装置、计算机设备和介质 |
| CN117347791B (zh) * | 2023-11-01 | 2024-05-03 | 国网河南省电力公司濮阳供电公司 | 基于大数据的电力电网故障在线识别系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101216984A (zh) * | 2008-01-02 | 2008-07-09 | 江苏省电力公司 | 电能信息采集一体化平台 |
| CN105139158A (zh) * | 2015-10-10 | 2015-12-09 | 国家电网公司 | 电网异常信息智能告警和辅助决策方法 |
| CN107272646A (zh) * | 2017-06-30 | 2017-10-20 | 南京理工大学 | 基于专家系统的压力机故障诊断系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7233843B2 (en) * | 2003-08-08 | 2007-06-19 | Electric Power Group, Llc | Real-time performance monitoring and management system |
-
2018
- 2018-06-12 CN CN201810602599.4A patent/CN108923531B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101216984A (zh) * | 2008-01-02 | 2008-07-09 | 江苏省电力公司 | 电能信息采集一体化平台 |
| CN105139158A (zh) * | 2015-10-10 | 2015-12-09 | 国家电网公司 | 电网异常信息智能告警和辅助决策方法 |
| CN107272646A (zh) * | 2017-06-30 | 2017-10-20 | 南京理工大学 | 基于专家系统的压力机故障诊断系统 |
Non-Patent Citations (2)
| Title |
|---|
| "基于数据挖掘技术的电网智能报警系统的研究";晁进;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20110915(第9期);C042-495 * |
| "基于柔性SCADA的电网复杂故障诊断方法的研究";杨海晶;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20091115(第11期);C042-41 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108923531A (zh) | 2018-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108923531B (zh) | 一种基于大数据的电网调度告警监视系统 | |
| CN108388950A (zh) | 基于大数据的变压器智能运维方法及系统 | |
| Rodriguez et al. | A modular neural network approach to fault diagnosis | |
| CN108830745A (zh) | 基于监控信息的电网连锁故障诊断、预警、评估系统 | |
| CN109726200A (zh) | 基于双向深度神经网络的电网信息系统故障定位系统及方法 | |
| CN107018030A (zh) | 基于智能终端的移动网络故障分析系统 | |
| CN103218689A (zh) | 操作员状态评估的可靠性分析方法及装置 | |
| CN113283602B (zh) | 基于离线知识学习和在线动态修正电网系统故障诊断方法 | |
| JP2024073353A (ja) | 水力発電ユニットの故障総合診断方法 | |
| CN106291339A (zh) | 一种基于人工神经网络的断路器故障诊断专家系统 | |
| TWI676148B (zh) | 整合ｉｃｔ服務供裝與虛實資源監控之系統 | |
| CN110361609A (zh) | 特高压设备监测系统及方法 | |
| CN116011722A (zh) | 一种面向大电网的人机协作的调控方法、模块及装置 | |
| CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理系统 | |
| CN110646710B (zh) | 电网故障智能诊断方法、装置、计算机设备和存储介质 | |
| CN115170344A (zh) | 调控系统运行事件智能处理方法及装置、介质及设备 | |
| Nicolau et al. | Accident diagnosis system based on real-time decision tree expert system | |
| Fan et al. | Framework and key technologies of human-machine hybrid-augmented intelligence system for large-scale power grid dispatching and control | |
| Teng et al. | On-line fault diagnosis technology and application based on deep learning of fault characteristic of power grid | |
| CN113268604A (zh) | 知识库自适应扩展方法及系统 | |
| CN112803587A (zh) | 一种基于诊断决策库的自动化设备状态智能巡视方法 | |
| Long et al. | 6G comprehensive intelligence: network operations and optimization based on Large Language Models | |
| CN107317866B (zh) | 一种基于有限状态自动机架构的智能通讯服务器及其构建方法 | |
| CN115731073A (zh) | 基于业务场景分析的调度操作异常监控方法 | |
| Xiang et al. | Design of Intelligent Dispatching System Based on Human Voice Adaptive Speech Recognition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |