CN109459659A - 一种用于预测电力系统故障的系统及方法 - Google Patents

一种用于预测电力系统故障的系统及方法 Download PDF

Info

Publication number
CN109459659A
CN109459659A CN201811354917.6A CN201811354917A CN109459659A CN 109459659 A CN109459659 A CN 109459659A CN 201811354917 A CN201811354917 A CN 201811354917A CN 109459659 A CN109459659 A CN 109459659A
Authority
CN
China
Prior art keywords
fault
information
trend
power system
electric power
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
Application number
CN201811354917.6A
Other languages
English (en)
Inventor
赵威
孙绍辉
曹勇
张思政
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Heilongjiang Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Information and Telecommunication Branch of State Grid Heilongjiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Information and Telecommunication Branch of State Grid Heilongjiang Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811354917.6A priority Critical patent/CN109459659A/zh
Publication of CN109459659A publication Critical patent/CN109459659A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/088—Aspects of digital computing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种用于预测电力系统故障的系统及方法，本发明涉及用于预测电力系统故障的系统及方法。系统包括故障信息监测模块、故障信息处理模块、故障信息排查模块和故障响应模块。方法具体过程为：一、对电力系统中包含的至少一个元件进行监测，获取监测数据；二、采用预设的故障趋势预测规则，对获取到的监测数据进行数据处理，得到对应的故障趋势信息；三、排查所获取的故障趋势信息是否为已知故障信息；四、若获取的故障趋势信息为已知故障信息，根据数据库中备选方案进行检修；若获取的故障趋势信息为非已知故障信息，则发送报警信息，诊断出是否有故障元件，若没有，执行一，若有，调配抢修车辆。本发明用于电力系统故障检测领域。

Description

一种用于预测电力系统故障的系统及方法
技术领域
本发明涉及用于预测电力系统故障的系统及方法。
背景技术
随着国网公司信息化建设的不断推进，信息系统的种类和数量不断增加，信息系统安全可靠运行要求不断提高，国网公司统一建设了IMS(IP Multimedia Subsystem，IP多媒体子系统)系统加强对信息系统运行情况的集中监控能力。尤其是夜间只有调度员值守的情况下，当信息应用系统突发重大故障时，运维人员需要一定的时间才能到达现场排除故障。为了进一步提升信息应用的可靠运行和运维管理水平，提高信息系统安全可靠运行保障能力，有必要结合公司信息调运体系的实际情况，积极研究和应用信息技术对现有信息应用的运行监控分析与应急处置机制进行创新改进。国内外在电力系统故障诊断方向上做了大量的研究工作，提出了多种故障诊断方法，其中模型简单、物理意义清晰的Petri网故障诊断方法得到了广泛应用。
近年来，即使现有电力系统可以实现故障检测，也只能在发生故障之后才能检测到相应故障，均无法实现可靠的故障趋势预测，无法实现对存在故障趋势的原件进行预检测，无法实现事前处理。
发明内容
本发明的目的是为了解决现有电力系统无法在故障发生之前预测故障趋势，以及无法对存在故障趋势的元件进行预检测，导致不能实现故障事前处理的问题，而提出一种用于预测电力系统故障的系统及方法。
一种用于预测电力系统故障的系统包括：故障信息监测模块、故障信息处理模块、故障信息排查模块和故障响应模块；
故障信息监测模块用于对电力系统中包含的至少一个元件进行监测，获取监测数据；
故障信息处理模块用于采用预设的故障趋势预测规则，对获取的监测数据进行处理，得到对应的故障趋势信息；
故障信息排查模块用于排查所获取的故障趋势信息是否为已知故障信息；
故障响应模块用于根据故障信息，发送报警信息，诊断出故障元件，调配抢修车辆。
一种用于预测电力系统故障的方法具体过程为：
步骤一、对电力系统中包含的至少一个元件进行监测，获取监测数据；
步骤二、采用预设的故障趋势预测规则，对获取到的监测数据进行数据处理，得到对应的故障趋势信息；
步骤三、排查所获取的故障趋势信息是否为已知故障信息；
步骤四、若获取的故障趋势信息为已知故障信息，根据数据库中备选方案进行检修；
若获取的故障趋势信息为非已知故障信息，则发送报警信息，诊断出是否有故障元件，若没有，执行步骤一，若有，调配抢修车辆。
本发明的有益效果为：
本发明在获取监测设备或客户报修的故障信息后，经过排查所获取的故障信息是否为已知故障信息能够过滤掉计划停电及重复故障，使得资源合理，高效调用，防止资源浪费。
本发明当判断故障信息为非已知故障信息后，筛选出具备同类故障抢修经验的抢修车辆作为备选车辆；获取所述备选车辆实时信息，并计算备选车辆的抵达时间，来确定调配车辆能够优化资源配置的合理性，提高抢修效率。
本发明的技术方案通过对电力系统中包含的元件进行监测，并采用预设的故障趋势预测规则，对获取到的所述监测数据进行数据处理，得到对应的故障趋势信息，实现了故障趋势的准确预测，即“事前处理”，进而有助于提高信息系统安全可靠运行保障能力。
本发明考虑了故障趋势信息的准确性，当故障趋势信息中仅有少量波动，则不一定就百分百存在故障，需要进一步判断，本发明提出了延时约束的电力系统加权模糊时序Petri网故障诊断模型，并根据该加权模糊时序Petri网故障诊断模型进行故障元件诊断。由于本发明所采用的加权模糊时序Petri网故障诊断模型可以处理延时约束问题，因此有效提高了电力系统中故障趋势诊断的容错性和准确性。电力系统中故障诊断事前处理准确性达到85％以上。
附图说明
图1为本发明流程图。
具体实施方式
具体实施方式一：本实施方式一种用于预测电力系统故障的系统包括：故障信息监测模块、故障信息处理模块、故障信息排查模块和故障响应模块；
故障信息监测模块用于对电力系统中包含的至少一个元件进行监测，获取监测数据；
电力系统是由发电机、变压器、输电线路、用电设备(负荷)组成的网络，它包括通过电或机械的方式连接在网络中的所有设备；电力系统中的这些互连元件可以分为两类：一类是电力元件，一类是控制元件,电力元件对电能进行生产(发电机)、变换(电力变压器)、输送和分配(电力传输线、配电网、消费(负荷)；)
故障信息处理模块用于采用预设的故障趋势预测规则，对获取的监测数据进行处理，得到对应的故障趋势信息；过程为：
采用预设的线性回归算法和指数回归算法，对获取的监测数据进行数据处理，得到对应的故障未来趋势信息；
采用预设的三角函数回归算法，对获取的监测数据进行数据处理，得到对应的故障周期性趋势信息；
对获取的监测数据进行数据处理，得到周期性曲线，当某个数据超出了曲线范围，则该数据为对应的故障周期性趋势信息；
其中，所述故障趋势信息包括故障未来趋势信息和故障周期性趋势信息。
所述采用预设的三角函数回归算法，对获取到的所述监测数据进行数据处理，得到对应的故障周期性趋势信息，包括：
取出监测数据状态因子参数序列中最后采集的状态因子参数值及其之前m-1个状态因子参数值进行周期性分析，根据采集到的状态因子参数值计算这段时间内状态因子参数值变化的周期性参数，得到周期性回归分析函数，然后根据该函数绘制状态因子参数值变化的周期性曲线，周期性曲线，当有某个值超出了周期性曲线的变化范围，则该状态因子参数为对应的故障周期性趋势信息；
故障信息排查模块用于排查所获取的故障趋势信息是否为已知故障信息；
故障响应模块用于根据故障信息，发送报警信息，诊断出故障元件，调配抢修车辆；
具体实施方式二：本实施方式与具体实施方式一不同的是，所述故障响应模块包括故障区域确定子模块、模型建立子模块和推理运算子模块；
故障区域确定子模块用于根据所述警报信息确定故障区域；
模型建立子模块用于根据故障区域中的各故障元件与相应保护、断路器动作之间的逻辑关系对各故障元件建模，建立故障元件的加权模糊时序Petri网故障诊断模型；
推理运算子模块用于根据加权模糊时序Petri网故障诊断模型，构造相应矩阵进行推理运算，诊断出故障元件。
传统的应用Petri网进行电力系统故障诊断的方法中，针对保护和断路器可能发生拒动或误动等不确定性问题，通过建立模糊Petri网推理模型来提高故障诊断的容错性。然而，传统方法仅利用接收到的保护和断路器的动作信息，当发生复杂故障并伴随保护和断路器拒动或误动以及警报信息自身发生畸变时，将可能导致无法得到正确的诊断结果。
本发明综合考虑了保护和断路器动作之间存在的延时约束特性以及保护和断路器误动与拒动的可能性，在现有的故障诊断模型的基础上提出了一种能够计及这种延时约束的电力系统加权模糊时序Petri网故障诊断模型，并根据该加权模糊时序Petri网故障诊断模型进行故障诊断。由于本发明所采用的故障诊断模型可以处理延时约束问题，因此有效提高了电力系统中故障诊断的容错性和准确性。
其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是，所述故障区域确定子模块采用广度优先搜索算法确定所述故障区域。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四：本实施方式一种用于预测电力系统故障的方法具体过程为：
步骤一、对电力系统中包含的至少一个元件进行监测，获取监测数据；
步骤二、采用预设的故障趋势预测规则，对获取到的监测数据进行数据处理，得到对应的故障趋势信息；
对获取的监测数据进行数据处理，得到周期性曲线，当某个数据超出了曲线范围，则该数据为对应的故障周期性趋势信息；
步骤三、排查所获取的故障趋势信息是否为已知故障信息；
步骤四、若获取的故障趋势信息为已知故障信息，根据数据库中备选方案进行检修；
若获取的故障趋势信息为非已知故障信息，则发送报警信息，诊断出是否有故障元件，若没有，执行步骤一，若有，调配抢修车辆。
具体实施方式五：本实施方式与具体实施方式四不同的是，所述步骤二中采用预设的故障趋势预测规则，对获取到的监测数据进行数据处理，得到对应的故障趋势信息；具体过程为：
采用预设的线性回归算法和指数回归算法，对获取的监测数据进行数据处理，得到对应的故障未来趋势信息；
采用预设的三角函数回归算法，对获取的监测数据进行数据处理，得到对应的故障周期性趋势信息；
其中，所述故障趋势信息包括故障未来趋势信息和故障周期性趋势信息。
所述采用预设的三角函数回归算法，对获取到的所述监测数据进行数据处理，得到对应的故障周期性趋势信息，包括：
取出监测数据状态因子参数序列中最后采集的状态因子参数值及其之前m-1个状态因子参数值进行周期性分析，根据采集到的状态因子参数值计算这段时间内状态因子参数值变化的周期性参数，得到周期性回归分析函数，然后根据该函数绘制状态因子参数值变化的周期性曲线，当有某个值超出了周期性曲线的变化范围，则该状态因子参数为对应的故障周期性趋势信息。
其它步骤及参数与具体实施方式四相同。
具体实施方式六：本实施方式与具体实施方式四或五不同的是，所述步骤四中若获取的故障趋势信息为非已知故障信息，则发送报警信息，诊断出是否有故障元件；
具体过程为：
所述警报信息中包括时序信息；
根据所述警报信息确定故障区域；
根据所述故障区域中的各故障元件与相应保护、断路器动作之间的逻辑关系对各故障元件建模，建立故障元件的加权模糊时序Petri网故障诊断模型；
根据所述加权模糊时序Petri网故障诊断模型，构造相应矩阵进行推理运算，诊断出故障元件。
传统的应用Petri网进行电力系统故障诊断的方法中，针对保护和断路器可能发生拒动或误动等不确定性问题，通过建立模糊Petri网推理模型来提高故障诊断的容错性。然而，传统方法仅利用接收到的保护和断路器的动作信息，当发生复杂故障并伴随保护和断路器拒动或误动以及警报信息自身发生畸变时，将可能导致无法得到正确的诊断结果。
本发明综合考虑了保护和断路器动作之间存在的延时约束特性以及保护和断路器误动与拒动的可能性，在现有的故障诊断模型的基础上提出了一种能够计及这种延时约束的电力系统加权模糊时序Petri网故障诊断模型，并根据该加权模糊时序Petri网故障诊断模型进行故障诊断。由于本发明所采用的故障诊断模型可以处理延时约束问题，因此有效提高了电力系统中故障诊断的容错性和准确性。
其它步骤及参数与具体实施方式四或五相同。
具体实施方式七：本实施方式与具体实施方式四至六之一不同的是，所述步骤四中调配抢修车辆；
具体过程为：
获取抢修车辆的实时信息；
筛选出具备同类故障抢修经验的抢修车辆作为备选车辆；
获取所述备选车辆实时信息；
根据备选车辆实时信息分别计算备选车辆的优先值；
发送调配指令给优先值最大的备选车辆。
其它步骤及参数与具体实施方式四至六之一相同。
具体实施方式八：本实施方式与具体实施方式四至七之一不同的是，所述优先值最大的备选车辆为抵达时间最小的备选车辆。
其它步骤及参数与具体实施方式四至七之一相同。
本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (8)

1.一种用于预测电力系统故障的系统，其特征在于：所述系统包括：故障信息监测模块、故障信息处理模块、故障信息排查模块、故障响应模块；
故障信息监测模块用于对电力系统中包含的至少一个元件进行监测，获取监测数据；
故障信息处理模块用于采用预设的故障趋势预测规则，对获取的监测数据进行处理，得到对应的故障趋势信息；
故障信息排查模块用于排查所获取的故障趋势信息是否为已知故障信息；
故障响应模块用于根据故障信息，发送报警信息，诊断出故障元件，调配抢修车辆。
2.根据权利要求1所述一种用于预测电力系统故障的系统，其特征在于：所述故障响应模块包括故障区域确定子模块、模型建立子模块和推理运算子模块；
故障区域确定子模块用于根据所述警报信息确定故障区域；
模型建立子模块用于根据故障区域中的各故障元件与相应保护、断路器动作之间的逻辑关系对各故障元件建模，建立故障元件的加权模糊时序Petri网故障诊断模型；
推理运算子模块用于根据加权模糊时序Petri网故障诊断模型，构造相应矩阵进行推理运算，诊断出故障元件。
3.根据权利要求2所述一种用于预测电力系统故障的系统，其特征在于：所述故障区域确定子模块采用广度优先搜索算法确定所述故障区域。
4.利用权利要求1所述系统的一种用于预测电力系统故障的方法，其特征在于：所述方法具体过程为：
步骤一、对电力系统中包含的至少一个元件进行监测，获取监测数据；
步骤二、采用预设的故障趋势预测规则，对获取到的监测数据进行数据处理，得到对应的故障趋势信息；
步骤三、排查所获取的故障趋势信息是否为已知故障信息；
步骤四、若获取的故障趋势信息为已知故障信息，根据数据库中备选方案进行检修；
若获取的故障趋势信息为非已知故障信息，则发送报警信息，诊断出是否有故障元件，若没有，执行步骤一，若有，调配抢修车辆。
5.根据权利要求4所述一种用于预测电力系统故障的方法，其特征在于：所述步骤二中采用预设的故障趋势预测规则，对获取到的监测数据进行数据处理，得到对应的故障趋势信息；具体过程为：
采用预设的线性回归算法和指数回归算法，对获取的监测数据进行数据处理，得到对应的故障未来趋势信息；
采用预设的三角函数回归算法，对获取的监测数据进行数据处理，得到对应的故障周期性趋势信息；
其中，所述故障趋势信息包括故障未来趋势信息和故障周期性趋势信息。
6.根据权利要求5所述一种用于预测电力系统故障的方法，其特征在于：所述步骤四中若获取的故障趋势信息为非已知故障信息，则发送报警信息，诊断出是否有故障元件；具体过程为：
所述警报信息中包括时序信息；
根据所述警报信息确定故障区域；
故障区域中的各故障元件与相应保护、断路器动作之间的逻辑关系对各故障元件建模，建立故障元件的加权模糊时序Petri网故障诊断模型；
根据所述加权模糊时序Petri网故障诊断模型，构造相应矩阵进行推理运算，诊断出故障元件。
7.根据权利要求6所述一种用于预测电力系统故障的方法，其特征在于：所述步骤四中调配抢修车辆；
具体过程为：
获取抢修车辆的实时信息；
筛选出具备同类故障抢修经验的抢修车辆作为备选车辆；
获取所述备选车辆实时信息；
根据备选车辆实时信息分别计算备选车辆的优先值；
发送调配指令给优先值最大的备选车辆。
8.根据权利要求7所述一种用于预测电力系统故障的方法，其特征在于：所述优先值最大的备选车辆为抵达时间最小的备选车辆。
CN201811354917.6A 2018-11-14 2018-11-14 一种用于预测电力系统故障的系统及方法 Pending CN109459659A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811354917.6A CN109459659A (zh) 2018-11-14 2018-11-14 一种用于预测电力系统故障的系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811354917.6A CN109459659A (zh) 2018-11-14 2018-11-14 一种用于预测电力系统故障的系统及方法

Publications (1)

Publication Number Publication Date
CN109459659A true CN109459659A (zh) 2019-03-12

Family

ID=65610429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811354917.6A Pending CN109459659A (zh) 2018-11-14 2018-11-14 一种用于预测电力系统故障的系统及方法

Country Status (1)

Country Link
CN (1) CN109459659A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886599A (zh) * 2019-03-06 2019-06-14 国网江苏省电力有限公司镇江供电分公司 电力故障信息数据分析服务系统及处理反馈方法
CN109884473A (zh) * 2019-03-29 2019-06-14 国网山东省电力公司费县供电公司 一种电力检修系统及方法
CN110391840A (zh) * 2019-09-17 2019-10-29 中国人民解放军国防科技大学 太阳同步轨道卫星遥测参数异常判断方法和系统
CN111983383A (zh) * 2020-08-17 2020-11-24 海南电网有限责任公司信息通信分公司 一种电力系统故障抢修方法及系统
CN112198462A (zh) * 2020-09-29 2021-01-08 红相股份有限公司 基于铁路调度运行计划的牵引变压器异常状态辨识方法
CN113386633A (zh) * 2021-06-02 2021-09-14 中铁建电气化局集团南方工程有限公司 一种接触网锚柱抢修工法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100026317A1 (en) * 2006-08-14 2010-02-04 Collins Jr Edward Randolph Impedance-based arc fault determination device (iadd) and method
US20110022240A1 (en) * 2009-07-23 2011-01-27 Athula Dayanarth Rajapaske Rotor Angle Stability Prediction Using Post Disturbance Voltage Trajectories
CN103487723A (zh) * 2013-08-30 2014-01-01 中国南方电网有限责任公司 电力系统故障诊断方法及系统
CN103995530A (zh) * 2014-05-23 2014-08-20 重庆机电职业技术学院 一种基于智能配电环境下的故障预测方法
CN105811402A (zh) * 2016-03-22 2016-07-27 广西电网有限责任公司电力科学研究院 一种电力负荷预测系统及其预测方法
CN106789239A (zh) * 2016-12-21 2017-05-31 国网江西省电力公司信息通信分公司 面向电力业务的信息应用系统故障趋势预测方法及装置
CN107656176A (zh) * 2017-11-09 2018-02-02 华北电力大学（保定） 一种基于改进贝叶斯Petri网的电网故障诊断方法
CN107992981A (zh) * 2017-12-22 2018-05-04 江苏新智合电力技术有限公司 一种电力故障信息的处理反馈方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100026317A1 (en) * 2006-08-14 2010-02-04 Collins Jr Edward Randolph Impedance-based arc fault determination device (iadd) and method
US20110022240A1 (en) * 2009-07-23 2011-01-27 Athula Dayanarth Rajapaske Rotor Angle Stability Prediction Using Post Disturbance Voltage Trajectories
CN103487723A (zh) * 2013-08-30 2014-01-01 中国南方电网有限责任公司 电力系统故障诊断方法及系统
CN103995530A (zh) * 2014-05-23 2014-08-20 重庆机电职业技术学院 一种基于智能配电环境下的故障预测方法
CN105811402A (zh) * 2016-03-22 2016-07-27 广西电网有限责任公司电力科学研究院 一种电力负荷预测系统及其预测方法
CN106789239A (zh) * 2016-12-21 2017-05-31 国网江西省电力公司信息通信分公司 面向电力业务的信息应用系统故障趋势预测方法及装置
CN107656176A (zh) * 2017-11-09 2018-02-02 华北电力大学（保定） 一种基于改进贝叶斯Petri网的电网故障诊断方法
CN107992981A (zh) * 2017-12-22 2018-05-04 江苏新智合电力技术有限公司 一种电力故障信息的处理反馈方法和装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886599A (zh) * 2019-03-06 2019-06-14 国网江苏省电力有限公司镇江供电分公司 电力故障信息数据分析服务系统及处理反馈方法
CN109884473A (zh) * 2019-03-29 2019-06-14 国网山东省电力公司费县供电公司 一种电力检修系统及方法
CN110391840A (zh) * 2019-09-17 2019-10-29 中国人民解放军国防科技大学 太阳同步轨道卫星遥测参数异常判断方法和系统
CN111983383A (zh) * 2020-08-17 2020-11-24 海南电网有限责任公司信息通信分公司 一种电力系统故障抢修方法及系统
CN112198462A (zh) * 2020-09-29 2021-01-08 红相股份有限公司 基于铁路调度运行计划的牵引变压器异常状态辨识方法
CN113386633A (zh) * 2021-06-02 2021-09-14 中铁建电气化局集团南方工程有限公司 一种接触网锚柱抢修工法

Similar Documents

Publication Publication Date Title
CN109459659A (zh) 一种用于预测电力系统故障的系统及方法
CN102510125B (zh) 电力一次设备运行工况监测方法及装置
CN108604360B (zh) 设施异常监测方法及其系统
CN110766277B (zh) 用于核工业现场的健康评估及诊断系统和移动终端
CN108388950A (zh) 基于大数据的变压器智能运维方法及系统
CN105337765A (zh) 一种分布式hadoop集群故障自动诊断修复系统
CN112713649B (zh) 一种基于极限学习机的电力设备剩余寿命预测方法
CN106199276A (zh) 一种用电信息采集系统中异常信息的智能诊断系统及方法
CN104734362A (zh) 一种光伏逆变器健康状态监控与告警系统
CN105372534A (zh) 一种多传感器多参量信息智能融合系统
CN109884473A (zh) 一种电力检修系统及方法
CN109885021A (zh) 一种基于实时采集数据对采集设备进行监测的方法及系统
Feng et al. A technical framework of PHM and active maintenance for modern high-speed railway traction power supply systems
CN104267346B (zh) 一种发电机励磁系统故障远程诊断方法
CN111124852A (zh) 一种基于bmc健康管理模块的故障预测方法及系统
EP3972084A2 (en) Systems and methods for monitoring energy-related data in an electrical system
CN108923531A (zh) 一种基于大数据的电网调度告警监视系统
CN116723211B (zh) 大空间环境电力设备远程巡检装置
CN110068758A (zh) 柔性直流换流阀监测诊断系统
KR20160087669A (ko) 항만장비 오류정보 데이터베이스 구축 및 고장예측 시스템
CN110531656A (zh) 一种水电机组性能的监测系统和方法
CN104459378A (zh) 一种智能变电站故障诊断方法
Cui et al. Power system fault reasoning and diagnosis based on the improved temporal constraint network
CN105867267A (zh) 通过图像识别技术实现配电站房仪表读数自动上报的方法
Kupin et al. The concept of a modular cyberphysical system for the early diagnosis of energy equipment

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190312