CN109948808A - 变电站设备故障案例库的建库方法、故障诊断方法及系统 - Google Patents
变电站设备故障案例库的建库方法、故障诊断方法及系统 Download PDFInfo
- Publication number
- CN109948808A CN109948808A CN201711130583.XA CN201711130583A CN109948808A CN 109948808 A CN109948808 A CN 109948808A CN 201711130583 A CN201711130583 A CN 201711130583A CN 109948808 A CN109948808 A CN 109948808A
- Authority
- CN
- China
- Prior art keywords
- fault
- case
- substation
- secondary device
- running state
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明涉及变电站设备故障案例库的建库方法、故障诊断方法及系统,该建库方法包括:构造故障案例,所述故障案例表示为{故障类别,故障特征信息集合,解决方案},所述故障特征信息集合为各种能够采集到的故障特征信号,以及对应故障信号发生的概率所组成的集合;将构造的故障案例导入数据库中,构成变电站设备故障案例库。本发明通过利用变电站积累的大量二次设备检修数据,根据设备的故障类型、故障特征信息集合以及解决方案构造故障案例,并将所构造的故障案例存储在数据库中以形成变电站设备故障案例库,为变电站二次设备故障的预先诊断做好准备。
Description
技术领域
本发明涉及一种变电站设备故障案例库的建库方法、故障诊断方法及系统,属于智能变电站数据处理技术领域。
背景技术
智能变电站大量使用智能电子设备(IED),这些二次设备具备很强的自检能力和通信能力,发生故障时能够产生大量的告警以帮助运维人员发现故障。目前变电站二次设备在线监测系统项目的建设,实现了二次设备的状态信息集中采集和监视,但是对二次设备状态监测的数据没有进行有效的利用,缺乏故障诊断、缺陷预测等技术手段。另一方面,在变电站长期运行过程中,积累了大量的二次设备检修数据,这些数据包含了二次设备的各种故障信息包括:故障现象、故障时设备产生的告警、故障时的设备温度、电压、差流、光强等运行状态信息及故障处理措施,这些数据完全没有得到有效利用。
目前,设备检修的工作机制是在设备故障后再派人去现场维修,对于设备故障的分析定位,依靠少数专家的经验判断,这样的工作机制导致故障处理周期长,不利于系统故障的快速切除及停电区域的电力恢复。
发明内容
本发明的目的是提供一种变电站设备故障案例库的建库方法、故障诊断方法及系统,用于解决不能预先实现变电站二次设备的故障诊断问题。
为解决上述技术问题,本发明提供了一种变电站设备故障案例库的建库方法,包括以下方案:
建库方法方案一:步骤如下:
构造故障案例,所述故障案例表示为{故障类别,故障特征信息集合,解决方案},所述故障特征信息集合为各种能够采集到的故障特征信号,以及对应故障信号发生的概率所组成的集合;
将构造的故障案例导入数据库中,构成变电站设备故障案例库。
建库方法方案二:在建库方法方案一的基础上,所述故障类别包括故障设备类型和故障类型。
建库方法方案三、四:分别在建库方法方案一、二的基础上,所述故障特征信号包括故障信号类型和故障信号数值。
本发明还提供了一种应用上述建库方法的变电站二次设备的故障诊断方法,包括以下方案:
诊断方法方案一:步骤如下:
采集变电站二次设备的运行状态信息,根据所述运行状态信息生成各种故障特征信号;
在所述变电站设备故障案例库中,根据故障特征信号进行匹配筛选,找出所有的匹配案例;
若找到匹配案例,则判定变电站二次设备发生故障,进行故障预警。
诊断方法方案二:在诊断方法方案一的基础上,根据故障特征信号进行匹配筛选的步骤包括:
求取故障案例中的故障特征信号与生成的故障特征信号相同时所对应故障信号发生的概率的总和;
计算上述求取出的概率的总和与该故障案例中的所有故障特征信号所对应的故障信号发生概率的总和之间的比值;
将该比值大于设定阈值时所对应的故障案例作为匹配案例。
诊断方法方案三、四:分别在诊断方法方案一、二的基础上,还包括对运行状态信息是否存在异常进行判断的步骤,若存在异常则生成故障特征信号,该判断步骤包括:
对运行状态信息中的遥测类状态信息进行实时统计分析,判断是否发生发送抖动、跳变、不刷新或持续单向变化的异常状况;
对运行状态信息中的网络通信状态类告警信号实时统计分析,判断是否发生通信频繁中断恢复的异常状况;
若存在上述的异常状况,则判定运行状态信息存在异常。
诊断方法方案五、六:分别在诊断方法方案一、二的基础上,还包括对变电站二次设备故障判定结果的正确性进行判断,若不正确,则根据实际的故障分析结果,在变电站设备故障案例库中修改故障案例或者增加故障案例。
本发明还提供了一种变电站二次设备的故障诊断系统,包括以下方案:
诊断系统方案一:包括处理器和存储器,所述存储器存储有一个变电站设备故障案例库,所述处理器用于执行指令以实现如下方法:
采集变电站二次设备的运行状态信息,根据所述运行状态信息生成各种故障特征信号;
在变电站设备故障案例库中,根据故障特征信号进行匹配筛选,找出所有的匹配案例;
若找到匹配案例,则判定变电站二次设备发生故障,进行故障预警。
诊断系统方案二:在诊断系统方案一的基础上,所述处理器还用于执行指令以实现如下方法:
求取故障案例中的故障特征信号与生成的故障特征信号相同时所对应故障信号发生的概率的总和;
计算上述求取出的概率的总和与该故障案例中的所有故障特征信号所对应的故障信号发生概率的总和之间的比值;
将该比值大于设定阈值时所对应的故障案例作为匹配案例。
诊断系统方案三、四:分别在诊断系统方案一、二的基础上,所述处理器还用于执行指令以实现如下方法:
对运行状态信息是否存在异常进行判断的步骤,若存在异常则生成故障特征信号,该判断步骤包括:
对运行状态信息中的遥测类状态信息进行实时统计分析,判断是否发生发送抖动、跳变、不刷新或持续单向变化的异常状况;
对运行状态信息中的网络通信状态类告警信号实时统计分析,判断是否发生通信频繁中断恢复的异常状况;
若存在上述的异常状况,则判定运行状态信息存在异常。
本发明的有益效果是:
利用变电站积累的大量二次设备检修数据,根据设备的故障类型、故障特征信息集合以及解决方案构造故障案例,并将所构造的故障案例存储在数据库中以形成变电站设备故障案例库;在变电站设备的故障诊断过程中,通过在该变电站设备故障案例库中检索出相匹配的故障案例,可以实现故障的预先诊断;该变电站设备故障案例库的建立,通过有效利用二次设备状态监测的历史数据,为变电站二次设备故障的预先诊断做好准备。
进一步的,利用预先构造好的变电站设备故障案例库,通过实时采集变电站二次设备的运行状态信息,并根据该运行状态信息在变电站设备故障案例库中进行匹配案例检索,可以快速诊断出二次设备是否发生故障,实现故障的预先诊断。
进一步的,运行人员根据专家经验,对诊断结果进行判断,若诊断结果不正确,还可以根据实际的故障分析结果对故障案例进行修改或者是增加新的故障案例,以提高日后故障诊断的准确性。
附图说明
图1是本发明变电站二次设备的故障诊断系统的结构框图;
图2是设备运行状态信息的传输图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例对本发明进行进一步详细说明。
本发明提供了一种变电站二次设备的故障诊断系统,该故障诊断系统部署于变电站II区综合应用服务器上,其结构框图如图1所示,包括设备运行状态采集模块(设备运行状态信息统一采集模块)、在线故障诊断模块、离线故障诊断模块、案例检索模块、变电站设备故障案例库、可视化展示模块、案例修正模块、设备检修信息历史库、设备运行信息历史库和案例生成工具。该可视化展示模块设置有离线故障推理界面、故障预警实时展示界面和设备运行监视界面;该案例生成工具包括案例自动生成模块和案例录入模块,该案例录入模块包括人机交互界面。其中,设备运行状态采集模块、在线故障诊断模块、案例检索模块和设备故障案例库依次连接;离线故障诊断模块连接案例检索模块和可视化展示模块,可视化展示模块还采样连接设备运行状态采集模块。案例生成工具通信连接设备检修信息历史库和设备运行信息历史库、并通过案例修正模块通信连接故障案例库。
基于上述的故障诊断系统,本发明提供了一种变电站二次设备的故障诊断方法,具体包括以下步骤:
(1)通过对大量设备故障的分析,提出设备故障分类方案,定义故障案例表示方法,通过故障案例自动生成工具,建立变电站设备故障案例库。
其中,设备故障案例库的数据来源包括监控系统的历史库、设备检修记录、用户经验等。具体的,建立变电站设备故障案例库的步骤如下:
a)根据故障设备类型、故障类型、故障特征信息集合和解决方案构造故障案例,故障案例由四元组表示,其数学表达式为:
F=(I,T,D,S)
其中,F表示故障案例;I表示故障设备类型,用整数表示;T表示故障类型,用整数表示;故障设备类型和故障类型组成了故障类别;S表示解决方案;D表示故障特征信息集合,是一个有限非空集合。
故障特征信息集合D的数学表达式为:
D={d1,d2,d3,…,dn}
其中,di=(ti,vi,pi)为故障特征信号,i=1,2,…,n,ti表示故障信号即遥信或者遥测信号的类型,用整数值表示;vi表示故障时该故障信号量的值,用整数值表示,对遥信类信号来说值为1或者0;pi表示该信号在故障发生时产生的概率,例如该故障发生时一定会产生这个信号,则该信号在该故障中出现的概率就是1。
在本实施例中,表1给出了故障设备类型的整数值定义情况;表2给出了故障类型的整数值定义情况;表3给出了对遥测类信号的信号数值定义情况,表中的上下限阈值可配置。
表1
表2
序号 | 故障类型 | 规定值 |
1. | CPU插件故障 | 1 |
2. | 采样插件故障 | 2 |
3. | 开入插件故障 | 3 |
4. | 通信插件故障 | 4 |
5. | 电源插件故障 | 5 |
6. | NPI插件故障 | 6 |
7. | 出口插件故障 | 7 |
8. | 通讯扩展插件故障 | 8 |
9. | 装置板卡间的通信故障 | 9 |
10. | 元器件烧坏 | 10 |
11. | 元器件老化 | 11 |
12. | 对时异常 | 12 |
13. | 关键进程退出 | 13 |
14. | 网络通信异常 | 14 |
15. | 软件运行异常 | 15 |
16. | 配置错误 | 16 |
表3
序号 | 遥测值区间 | 规定值 |
1. | 越上上限 | 1 |
2. | 越上限 | 2 |
3. | 正常 | 3 |
4. | 越下限 | 4 |
5. | 越下下限 | 5 |
b)将构造的故障案例存入数据库中,例如mysql数据库,构成变电站设备故障案例库。
其中,在生成故障案例时,有两种方式,即分别通过案例自动生成模块和案例录入模块进行故障案例自动生成和故障案例手工录入。在故障案例自动生成过程中,从监控系统设备检修信息历史库的设备检修记录中提取设备故障信息,从监控系统设备运行信息历史库导入历史告警信息及历史遥测信息,通过在故障信息与历史告警信息及历史遥测信息间建立映关系,自动提取设备故障特征,进而得到故障案例。在故障案例手工录入过程中,系统提供人机交互界面,由用户根据自己的经验输入案例,或者修正自动生成的案例,案例保存在数据库中。
(2)设备运行状态采集模块统一采集变电站二次设备的运行状态信息,并将该运行状态信息传递给在线故障诊断模块。
其中,变电站二次设备的运行状态信息包括过程层设备的状态监测信息、间隔层设备的状态监测信息和站控层设备的状态监测信息,采集过程如图2所示。在采集各层设备的状态监测信息时,过程层设备的状态监测信息通过测控装置上送到设备运行状态采集模块;间隔层测控装置、保护装置的设备状态监测信息通过MMS报文送到设备运行状态采集模块;站控层监控主机、数据服务器、I区网关机、II区网关机等设备的状态监测信息通过MMS报文的方式传输到设备运行状态采集模块。
(3)在线故障诊断模块对设备运行状态信息进行趋势分析,判断是否存在异常情况,若存在异常,则根据运行状态信息生成故障特征,并将生成的故障特征发送给案例检索模块。
其中,对设备运行状态信息进行趋势分析进而判断是否存在异常情况的步骤如下:
对运行状态信息中的遥测类状态信息进行实时统计分析,判断是否发生发送抖动、跳变、不刷新或持续单向变化的异常状况;
对运行状态信息中的网络通信状态类告警信号实时统计分析,判断是否发生通信频繁中断恢复的异常状况;
若存在上述的异常状况,则判定运行状态信息存在异常。
在线故障诊断模块发现运行状态信息存在异常的情况下,根据一段时间之内的遥信量及遥测量生成故障特征组,并将故障特征组传递给案例检索模块。
另外,根据运行状态信息生成的故障特征的表示方式为:
U=(I′,T′,R)
其中,U表示故障特征,I′表示故障设备类型,用整数表示,为0时表示设备类型未知;T′表示故障类型,用整数表示,为0时表示设备类型未知;故障设备类型和故障类型组成了故障类别;R表示故障特征信息集合,是一个有限非空集合。
故障特征信息集合R的数学表达式为:
R={r1,r2,r3,…,rm}
其中,rj=(t′j,v′j)为故障特征信号,j=1,2,…,m,t′j表示故障信号类型即遥信或者遥测信号的类型,用整数值表示;v′j表示该故障信号数值,用整数值表示。
(4)案例检索模块接收在线故障诊断模块发送过来的故障特征,在设备故障案例库中进行匹配筛选,找出所有的匹配案例,并将筛选结果发送给在线故障诊断模块。
其中,在匹配案例筛选过程中,采用相似度计算公式,逐个与案例库中故障案例进行相似度技术检索,找到相似度比较高的案例集,具体过程如下:
a)如果输入的故障特征中的故障设备类型I′不为0,则先通过故障设备类型筛选,找出符合故障设备类型的所有故障案例,即在设备故障案例库中找出故障设备类型I与故障特征中的I′相等的所有故障案例。
b)如果输入的故障特征中设备故障类型T′不为0,则在所有符合故障设备类型的案例中进行故障类型筛选,找出符合故障类型的所有案例,即在所有符合故障设备类型的案例中找到故障类型T与故障特征中的T′相等的所有故障案例。
c)在所有符合故障类型的案例中,通过相似度计算公式进行故障特征匹配筛选,相似度计算公式如下:
设Dt为故障案例库中的某条故障案例的故障特征信息集合,其表达式为:
Dt={(t1,v1,p1),(t2,v2,p2),…,(tn,vn,pn)}
设Rt为需要进行判定的一组故障特征的故障特征信息集合,其表达式为:
Rt={(t′1,v′1),(t′2,v′2),…,(t′m,v′m)}
则该故障案例Dt的总信号量值:
其中,pk∈{p1,p2,…,pn}。
Rf={(t′1,v′1),(t′2,v′2),…,(t′f,v′f)}为Rt中的(t′i,v′i)与Dt中的(th,vh,ph)信号量条件一致的信号集合,既有:(t′i,v′i)∈Rf,(t′i,v′i)∈Rt,(th,vh,ph)∈Dt并且满足t′i=th&&v′i=vh,i=1,2,…,m,h=1,2,…,n。
则故障特征Rt的总信号量值:
其中,pk∈{p1,p2,…,pf}。
则Rt与Dt的匹配度为:sim(Rt,Dt)=P2/P1。
d)将匹配度大于设定阈值时所对应的故障案例作为匹配案例,加入到匹配案例集合。
其中,阈值可配置,在本实施例中,将阈值设置为0.8。
(5)在线故障诊断模块接收案例检索模块发送过来的筛选结果,若筛选到匹配案例,则判定变电站二次设备发生故障,产生告警信息并将该告警信息传递给可视化展示模块进行故障预警。
其中,可视化展示模块中的故障预警实时展示界面采用声光告警画面推送等方式实时展示设备故障预警,提醒用户注意异常设备,并提供人机交互接口,接收用户输入的故障特征,并将故障分析结果展示给用户。可视化展示模块还可以采用曲线、棒图、光字等可视化技术,采用分层分级展示的方式,对设备运行状态信息实时展示。
另外,在故障发生后,运行人员通过可视化展示模块输入故障特征,可视化展示模块将输入的故障特征传送到离线故障诊断模块中,生成案例检索模块要求的故障特征组,并传递给案例检索模块,案例检索模块根据输入的故障特征进行匹配案例搜索,找到故障案例集。离线故障诊断模块将匹配案例传递给可视化展示模块,向用户展示故障定位结果。由于匹配案例的筛选过程已在上述步骤(4)中进行了详细介绍,此处不再赘述。
离线故障诊断模块根据案例检索模块的筛选检索结果,对检索结果进行智能分析,找到最匹配的故障案例,并将筛选检索结果传给可视化展示模块的离线故障推理界面进行展示。
根据搜索到的匹配案例,运行人员根据专家经验,判断故障诊断结果是否正确,如果不正确,则根据实际的故障分析结果,通过案例修正模块在故障案例库中进行修改案例或者增加案例。
当然,作为其他的实施方式,在实现上述故障诊断方法的情况下,故障诊断系统中的设备运行状态采集模块、在线故障诊断模块、案例检索模块、离线故障诊断模块等模块也可以由一个多功能的处理器来替代,该处理器执行指令以实现上述的故障诊断方法。
本发明通过将变电站二次设备的历史故障数据变成计算机可以自动分析的变电站设备故障案例库,对设备运行状态监测信息进行在线趋势分析,实现设备故障预警,帮助运维人员及早发现设备隐藏的问题,若发生故障时,通过与已有故障案例的比对,帮助运维人员快速定位故障。
Claims (10)
1.一种变电站设备故障案例库的建库方法,其特征在于,步骤如下:
构造故障案例,所述故障案例表示为{故障类别,故障特征信息集合,解决方案},所述故障特征信息集合为各种能够采集到的故障特征信号,以及对应故障信号发生的概率所组成的集合;
将构造的故障案例导入数据库中,构成变电站设备故障案例库。
2.根据权利要求1所述的变电站设备故障案例库的建库方法,其特征在于,所述故障类别包括故障设备类型和故障类型。
3.根据权利要求1或2所述的变电站设备故障案例库的建库方法,其特征在于,所述故障特征信号包括故障信号类型和故障信号数值。
4.一种应用权利要求1所述的建库方法的变电站二次设备的故障诊断方法,其特征在于,步骤如下:
采集变电站二次设备的运行状态信息,根据所述运行状态信息生成各种故障特征信号;
在所述变电站设备故障案例库中,根据故障特征信号进行匹配筛选,找出所有的匹配案例;
若找到匹配案例,则判定变电站二次设备发生故障,进行故障预警。
5.根据权利要求4所述的变电站二次设备的故障诊断方法,其特征在于,根据故障特征信号进行匹配筛选的步骤包括:
求取故障案例中的故障特征信号与生成的故障特征信号相同时所对应故障信号发生的概率的总和;
计算上述求取出的概率的总和与该故障案例中的所有故障特征信号所对应的故障信号发生概率的总和之间的比值;
将该比值大于设定阈值时所对应的故障案例作为匹配案例。
6.根据权利要求4或5所述的变电站二次设备的故障诊断方法,其特征在于,还包括对运行状态信息是否存在异常进行判断的步骤,若存在异常则生成故障特征信号,该判断步骤包括:
对运行状态信息中的遥测类状态信息进行实时统计分析,判断是否发生发送抖动、跳变、不刷新或持续单向变化的异常状况;
对运行状态信息中的网络通信状态类告警信号实时统计分析,判断是否发生通信频繁中断恢复的异常状况;
若存在上述的异常状况,则判定运行状态信息存在异常。
7.根据权利要求4或5所述的变电站二次设备的故障诊断方法,其特征在于,还包括对变电站二次设备故障判定结果的正确性进行判断,若不正确,则根据实际的故障分析结果,在变电站设备故障案例库中修改故障案例或者增加故障案例。
8.一种变电站二次设备的故障诊断系统,包括处理器和存储器,其特征在于,所述存储器存储有一个变电站设备故障案例库,所述处理器用于执行指令以实现如下方法:
采集变电站二次设备的运行状态信息,根据所述运行状态信息生成各种故障特征信号;
在变电站设备故障案例库中,根据故障特征信号进行匹配筛选,找出所有的匹配案例;
若找到匹配案例,则判定变电站二次设备发生故障,进行故障预警。
9.根据权利要求8所述的变电站二次设备的故障诊断系统,其特征在于,所述处理器还用于执行指令以实现如下方法:
求取故障案例中的故障特征信号与生成的故障特征信号相同时所对应故障信号发生的概率的总和;
计算上述求取出的概率的总和与该故障案例中的所有故障特征信号所对应的故障信号发生概率的总和之间的比值;
将该比值大于设定阈值时所对应的故障案例作为匹配案例。
10.根据权利要求8或9所述的变电站二次设备的故障诊断系统,其特征在于,所述处理器还用于执行指令以实现如下方法:
对运行状态信息是否存在异常进行判断的步骤,若存在异常则生成故障特征信号,该判断步骤包括:
对运行状态信息中的遥测类状态信息进行实时统计分析,判断是否发生发送抖动、跳变、不刷新或持续单向变化的异常状况;
对运行状态信息中的网络通信状态类告警信号实时统计分析,判断是否发生通信频繁中断恢复的异常状况;
若存在上述的异常状况,则判定运行状态信息存在异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711130583.XA CN109948808A (zh) | 2017-11-15 | 2017-11-15 | 变电站设备故障案例库的建库方法、故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711130583.XA CN109948808A (zh) | 2017-11-15 | 2017-11-15 | 变电站设备故障案例库的建库方法、故障诊断方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109948808A true CN109948808A (zh) | 2019-06-28 |
Family
ID=67003966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711130583.XA Pending CN109948808A (zh) | 2017-11-15 | 2017-11-15 | 变电站设备故障案例库的建库方法、故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109948808A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110556920A (zh) * | 2019-08-15 | 2019-12-10 | 国网山东省电力公司诸城市供电公司 | 一种配电自动化监测方法、系统、终端及存储介质 |
CN110611531A (zh) * | 2019-09-02 | 2019-12-24 | 锐捷网络股份有限公司 | 一种光模块故障诊断和预警的方法、装置以及系统 |
CN110726676A (zh) * | 2019-09-24 | 2020-01-24 | 厦门恳灏电气有限公司 | 一种基于光声光谱技术的智慧变电站在线运维系统 |
CN110866616A (zh) * | 2019-11-01 | 2020-03-06 | 许继集团有限公司 | 一种变电站二次设备故障预警方法及装置 |
CN111428981A (zh) * | 2020-03-18 | 2020-07-17 | 国电南瑞科技股份有限公司 | 基于深度学习的电网故障预案信息提取方法和系统 |
CN111611279A (zh) * | 2020-04-24 | 2020-09-01 | 中国电子科技集团公司第二十九研究所 | 一种基于测试指标相似度的微波组件故障诊断系统及方法 |
CN111864902A (zh) * | 2020-07-01 | 2020-10-30 | 国网青海省电力公司西宁供电公司 | 一种基于大数据的智能变电站二次设备故障综合分析系统 |
CN112018892A (zh) * | 2020-09-04 | 2020-12-01 | 南京太司德智能电气有限公司 | 一种电力运维远程指导系统 |
CN112054510A (zh) * | 2020-08-19 | 2020-12-08 | 厦门盈盛捷电力科技有限公司 | 电力系统运行异常状态预估方法 |
CN112365009A (zh) * | 2020-10-28 | 2021-02-12 | 国网山东省电力公司电力科学研究院 | 一种基于深度学习网络的二次设备异常诊断方法 |
CN112860348A (zh) * | 2021-03-10 | 2021-05-28 | 博创智能装备股份有限公司 | 一种注塑机智能诊断分析系统 |
CN113036752A (zh) * | 2021-02-04 | 2021-06-25 | 国电南瑞科技股份有限公司 | 一种变电站智能二次设备故障仿真装置及方法 |
CN117290803A (zh) * | 2023-11-27 | 2023-12-26 | 深圳鹏城新能科技有限公司 | 一种储能逆变器远程故障诊断方法、系统及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101487865A (zh) * | 2008-01-16 | 2009-07-22 | 西门子公司 | 故障诊断方法和故障诊断系统 |
CN103246801A (zh) * | 2013-03-04 | 2013-08-14 | 北京工业大学 | 一种基于改进案例推理的竖炉炉况故障预报方法 |
CN103631245A (zh) * | 2013-12-20 | 2014-03-12 | 国家电网公司 | 一种配电终端缺陷诊断系统及方法 |
CN103699489A (zh) * | 2014-01-03 | 2014-04-02 | 中国人民解放军装甲兵工程学院 | 一种基于知识库的软件远程故障诊断与修复方法 |
CN104363106A (zh) * | 2014-10-09 | 2015-02-18 | 国网辽宁省电力有限公司信息通信分公司 | 一种基于大数据技术的电力信息通信故障预警分析方法 |
CN104715342A (zh) * | 2015-03-31 | 2015-06-17 | 国网四川省电力公司电力科学研究院 | 基于案例推理法的电力设备故障处理辅助决策方法 |
-
2017
- 2017-11-15 CN CN201711130583.XA patent/CN109948808A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101487865A (zh) * | 2008-01-16 | 2009-07-22 | 西门子公司 | 故障诊断方法和故障诊断系统 |
CN103246801A (zh) * | 2013-03-04 | 2013-08-14 | 北京工业大学 | 一种基于改进案例推理的竖炉炉况故障预报方法 |
CN103631245A (zh) * | 2013-12-20 | 2014-03-12 | 国家电网公司 | 一种配电终端缺陷诊断系统及方法 |
CN103699489A (zh) * | 2014-01-03 | 2014-04-02 | 中国人民解放军装甲兵工程学院 | 一种基于知识库的软件远程故障诊断与修复方法 |
CN104363106A (zh) * | 2014-10-09 | 2015-02-18 | 国网辽宁省电力有限公司信息通信分公司 | 一种基于大数据技术的电力信息通信故障预警分析方法 |
CN104715342A (zh) * | 2015-03-31 | 2015-06-17 | 国网四川省电力公司电力科学研究院 | 基于案例推理法的电力设备故障处理辅助决策方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110556920A (zh) * | 2019-08-15 | 2019-12-10 | 国网山东省电力公司诸城市供电公司 | 一种配电自动化监测方法、系统、终端及存储介质 |
CN110611531A (zh) * | 2019-09-02 | 2019-12-24 | 锐捷网络股份有限公司 | 一种光模块故障诊断和预警的方法、装置以及系统 |
CN110726676B (zh) * | 2019-09-24 | 2022-05-20 | 厦门恳灏电气有限公司 | 一种基于光声光谱技术的智慧变电站在线运维系统 |
CN110726676A (zh) * | 2019-09-24 | 2020-01-24 | 厦门恳灏电气有限公司 | 一种基于光声光谱技术的智慧变电站在线运维系统 |
CN110866616A (zh) * | 2019-11-01 | 2020-03-06 | 许继集团有限公司 | 一种变电站二次设备故障预警方法及装置 |
CN111428981A (zh) * | 2020-03-18 | 2020-07-17 | 国电南瑞科技股份有限公司 | 基于深度学习的电网故障预案信息提取方法和系统 |
CN111611279A (zh) * | 2020-04-24 | 2020-09-01 | 中国电子科技集团公司第二十九研究所 | 一种基于测试指标相似度的微波组件故障诊断系统及方法 |
CN111611279B (zh) * | 2020-04-24 | 2023-09-12 | 中国电子科技集团公司第二十九研究所 | 一种基于测试指标相似度的微波组件故障诊断系统及方法 |
CN111864902A (zh) * | 2020-07-01 | 2020-10-30 | 国网青海省电力公司西宁供电公司 | 一种基于大数据的智能变电站二次设备故障综合分析系统 |
CN112054510A (zh) * | 2020-08-19 | 2020-12-08 | 厦门盈盛捷电力科技有限公司 | 电力系统运行异常状态预估方法 |
CN112018892A (zh) * | 2020-09-04 | 2020-12-01 | 南京太司德智能电气有限公司 | 一种电力运维远程指导系统 |
CN112365009A (zh) * | 2020-10-28 | 2021-02-12 | 国网山东省电力公司电力科学研究院 | 一种基于深度学习网络的二次设备异常诊断方法 |
CN113036752A (zh) * | 2021-02-04 | 2021-06-25 | 国电南瑞科技股份有限公司 | 一种变电站智能二次设备故障仿真装置及方法 |
CN113036752B (zh) * | 2021-02-04 | 2023-02-21 | 国电南瑞科技股份有限公司 | 一种变电站智能二次设备故障仿真装置及方法 |
CN112860348A (zh) * | 2021-03-10 | 2021-05-28 | 博创智能装备股份有限公司 | 一种注塑机智能诊断分析系统 |
CN117290803A (zh) * | 2023-11-27 | 2023-12-26 | 深圳鹏城新能科技有限公司 | 一种储能逆变器远程故障诊断方法、系统及介质 |
CN117290803B (zh) * | 2023-11-27 | 2024-03-26 | 深圳鹏城新能科技有限公司 | 一种储能逆变器远程故障诊断方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109948808A (zh) | 变电站设备故障案例库的建库方法、故障诊断方法及系统 | |
Rasmussen | Models of mental strategies in process plant diagnosis | |
US10643187B2 (en) | Reporting and prioritizing faults for aircraft downtime reduction | |
JP5278310B2 (ja) | 診断システム | |
CN106165345B (zh) | 促进化解数据中心中网络故障的方法、系统和计算机可读存储介质 | |
CN109061341A (zh) | 基于神经网络的卡尔曼滤波变压器故障预测方法和系统 | |
CN112910089A (zh) | 一种变电站二次设备故障逻辑可视化方法及系统 | |
CN108051709A (zh) | 基于人工智能技术的变压器状态在线评估分析方法 | |
Charbonnier et al. | A weighted dissimilarity index to isolate faults during alarm floods | |
WO2021156484A2 (en) | Process network with several plants | |
Borghesi et al. | Anomaly detection and anticipation in high performance computing systems | |
CN107069960A (zh) | 一种二次运维管理系统的在线缺陷诊断方法 | |
WO2019209146A1 (ru) | Способ и система идентификации и прогнозирования развития дефектов объектов | |
CN108415810A (zh) | 一种硬盘状态监控方法和装置 | |
US10318364B2 (en) | Methods and systems for problem-alert aggregation | |
CN110009126A (zh) | 基于pls模型与pca贡献度融合的在线报警分析方法 | |
JP5487588B2 (ja) | 遠隔の機械を保守するための情報処理装置、プログラム、および方法 | |
US11665193B2 (en) | Method for managing plant, plant design device, and plant management device | |
Murtaza et al. | On the comparison of user space and kernel space traces in identification of software anomalies | |
Rabenoro et al. | A methodology for the diagnostic of aircraft engine based on indicators aggregation | |
Lee et al. | Potential for automated follow-up of safety equipment | |
CN104463691A (zh) | 电力系统信息状态故障识别方法 | |
CN109188330A (zh) | 一种配电网故障指示器的故障诊断方法及系统 | |
CN109085495A (zh) | 一种断路器物联信息系统的监控诊断方法及系统 | |
Wilikens et al. | Formentor: A real-time expert system for risk prevention in complex hazardous environments: A case study |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |