CN110363379A - 一种电力系统的搜索及监控方法 - Google Patents
一种电力系统的搜索及监控方法 Download PDFInfo
- Publication number
- CN110363379A CN110363379A CN201910459725.XA CN201910459725A CN110363379A CN 110363379 A CN110363379 A CN 110363379A CN 201910459725 A CN201910459725 A CN 201910459725A CN 110363379 A CN110363379 A CN 110363379A
- Authority
- CN
- China
- Prior art keywords
- power equipment
- data
- equipment
- source data
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012423 maintenance Methods 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 230000005856 abnormality Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000011049 filling Methods 0.000 claims description 2
- 239000012634 fragment Substances 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 claims description 2
- 238000003058 natural language processing Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 claims 1
- 238000011084 recovery Methods 0.000 claims 1
- 238000007418 data mining Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
- G06F16/319—Inverted lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
- G06F16/328—Management therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
一种电力系统的搜索及监控方法,包括:确定电力系统中各个电力设备实现的功能;确定每个电力设备的重要性;将各个电力设备分类在不同级别的监控组,不同级别的监控组对应不同程度的监控等级;设定每个监控等级的监控标准和内容;进行电力设备的三维画像刻画;将电力设备的三维画像在用户界面中展示;监测每个电力设备的性能和状态;对电力设备进行评估,若存在达到预警阈值的设备,提高对该设备的监控等级。本方法可以确保维护电力系统的有效性,提高系统的可靠性,降低故障发生的可能性,增加系统的安全性。
Description
技术领域
本发明属于电力设备实时监控领域,特别涉及一种电力系统的搜索及监控方法。
背景技术
随着全国同步互联电网初步形成,面对规模如此庞大的交流弱联系和交直流混合大电网,电网动态特性日趋复杂、电网的故障定位、故障分析监测、动态特性分析变得更为重要;随着计算机技术、通信技术和数学工具的迅速发展,电力系统监测技术也取得了长足的进步,为电力系统的实时稳定监测与控制提供了强有力的手段。
电力设备是为数据中心、服务器机房等提供可靠能源、纯净能源、安全运行环境、高速互联网络的重要保障。随着信息技术的发展,为了处理规模日益增加的数据,中心机房的规模不断扩大,其配套的硬件和环境设备也日益增多,并且中心大楼内各子系统也在悄然增长,由于子系统的各先进产品是来自不同厂商、不同类型,使得数据中心大楼的管理越来越繁杂,而各子系统的协调正常运转与中心日常业务息息相关,这就对电力设备的监控、管理提出了更高的要求。因此,对数据中心电力设备进行实时监控和科学管理是中心高效运行、业务不间断、整体高可用的基础要求。随着数据中心的建设和发展,电力设施的监控与管理越来越受到人们的重视,新业务的发展和技术进步对数据中心电力设施的监控和管理提出了更高要求。数据中心的众多设备要求不间断运行,作为运行维护管理和基础支撑工作的一部分,电力设备和运行环监控管理系统在数据中心中的作用和功能是必不可少的。
电力设备和运行环监控管理系统的终极目标是实现机房无人自动化管理。系统的安全、可靠运转时整个机房服务器和其他系统安全生产的前提,而其核心在于电力设备和运行环监控管理系统告警模块的处理。当动力设备的是是参数或者机房环境的参数与正常范围值不一致时,即产生告警。目前,市面上现有的电力设备和运行环监控管理系统能够实现对动力设备和环境的告警信息的是实时采集并显示告警,但是智能化不足。
电力设备和运行环监控管理系统产生的海量数据目前没有对该数据集进行整合和利用,无法优化现有管理平台,人力维护成本极高。目前,整个电力设备和运行环监控管理系统每天均会产生大量的告警数据,告警数据形成了一个告警数据池。而现有系统仅实现对告警信息的采集和显示,对于故障告警报表没有进一步进行数据挖掘分析,系统也只能导出原始报表,因此需要消耗极大的人力来进行人工逐条分析和汇总,成本高昂。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何利用其产生的告警数据和历史数据,通过组织数据、建立模型、数据挖掘、专家系统等算法对电力设备和运行环监控管理系统告警故障信息进行大数据分析力图设计出适用于电力设备和运行环监控管理系统各设备告警智能化分析算法,达到智能化分析的效果,减少人工参与的程度。
(二)技术方案
为了实现上述问题,本发明提供了一种电力系统的搜索及监控方法,包括:
步骤1,确定电力系统中各个电力设备实现的功能;
步骤2,根据功能的重要程度,确定每个电力设备的重要性;
步骤3,根据电力设备的重要性,将各个电力设备分类在不同级别的监控组,不同级别的监控组对应不同程度的监控等级;
步骤4,设定每个监控等级的监控标准和内容;
步骤5,进行电力设备的三维画像刻画;
步骤6,接收实时刻画的电力设备三维画像,将电力设备的三维画像在用户界面中展示;
步骤7,监测每个电力设备的性能和状态;
步骤8,对电力设备进行评估,若存在达到预警阈值的设备,提高对该设备的监控等级。
有益效果
本发明方法可以用于电力设备监控系统,该方法可以利用告警数据和历史数据,通过数据组织、建立模型、数据挖掘、专家系统等算法对电力设备和运行环监控管理系统告警故障信息进行大数据分析。此方法在监控电力系统及其电力设备上减少了人工参与的程度、电力设备故障智能告警。本方法可以确保维护电力系统的有效性,提高系统的可靠性,降低故障发生的可能性,增加系统的安全性。特别是方法对于监控等级的灵活调节,可以提高监控的效率和节约资源,以及方法对多源数据进行处理中,对关联后的多源数据进行整合,依据特征相似性,建立多源数据的关系层次结构的步骤,该关系层次结构为对电力大数据查询和检索提供了准确响应,且无需任何人为干预,提高了存储和检索的便利和效率。
附图说明
图1为根据本发明实施例的方法流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式做进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,依照本发明一种电力系统的搜索及监控方法,包括:
步骤1,确定电力系统中各个电力设备实现的功能;
步骤2,根据功能的重要程度,确定每个电力设备的重要性;
步骤3,根据电力设备的重要性,将各个电力设备分类在不同级别的监控组,不同级别的监控组对应不同程度的监控等级;
步骤4,设定每个监控等级的监控标准和内容;
步骤5,进行电力设备的三维画像刻画;
步骤6,接收实时刻画的电力设备三维画像,将电力设备的三维画像在用户界面中展示;
步骤7,监测每个电力设备的性能和状态;
步骤8,对电力设备进行评估,若存在达到预警阈值的设备,提高对该设备的监控等级。
步骤9,若达到预警阈值的状况消失,则恢复对该设备之前的监控等级。
优选地,其中,所述监控标准包括可靠性监控标准和可用性监控标准。
优选地,其中,步骤5,进行电力设备的三维画像刻画,具体包括:
步骤5.1获取电力设备多源数据,所述电力设备多源数据包括电力设备基础数据和特征数据;
步骤5.2对所述电力设备多源数据进行处理;
步骤5.3进行电力设备的三维画像刻画。
优选地,其中,所述步骤5.1获取电力设备多源数据,具体包括:
步骤5.1.1电力设备基础数据获取,所述基础数据至少包括以下设备信息:设备名称、生产商、设备型号、生产时间、使用年限;
步骤5.1.2电力设备运行状态基础数据获取,所述运行状态基础数据至少包括:当前设备通过的电流、设备的电压、设备内阻的指标数据;
步骤5.1.3电力系统日志基础数据获取,所述电力系统日志基础数据至少包括设备故障、更换、维修以及操作记录数据。
步骤5.1.4电力设备拓扑位置特征数据获取,所述拓扑位置特征数据至少包括电力设备的所在位置及不同电力设备之间的连接关系;
步骤5.1.5电力设备机组巡检特征数据获取,所述机组巡检特征数据至少包括:同一类电力设备中同一区域的特征、电力设备在一段时间内的运行状态、及机组的巡检数据。
步骤5.1.6电力设备历史告警特征数据获取,所述历史告警特征数据包括电力系统中发现异常设备而进行的相关历史告警与记录。
优选地,其中,所述步骤5.2对所述电力设备多源数据进行处理,具体包括:
步骤5.2.1对电力设备多源数据进行预处理;
步骤5.2.2对电力设备多源数据进行关联;
步骤5.2.3对多源数据进行存储与组织;
步骤5.2.4多源数据检索目录体系建立。
优选地,其中,所述步骤步骤5.2.1对电力设备多源数据进行预处理,具体包括:
步骤5.2.1.1对电力设备多源数据进行综合处理;
步骤5.2.1.2从所述电力设备多源数据中提取数据特征并标记;
其中,所述步骤5.2.1.1对电力设备多源数据进行综合处理,具体包括:
步骤5.2.1.1.1针对遗漏数据进行默认值填充;
步骤5.2.1.1.2针对异常数据进行消除;
步骤5.2.1.1.3针对噪声数据进行平滑处理;
步骤5.2.1.1.4对全部多源数据进行归一化处理;
其中,所述步骤5.2.1.2从所述电力设备多源数据中提取数据特征并标记,具体包括:
步骤5.2.1.2.1从电力设备基础数据提取电力设备数据基础特征并标记;
步骤5.2.1.2.2从电力设备运行状态基础数据提取电力设备运行状态数据特征并标记;
步骤5.2.1.2.3从电力系统日志基础数据提取电力系统日志数据特征并标记;
步骤5.2.1.2.4从电力设备拓扑位置特征数据提取电力设备拓扑位置数据特征并标记;
步骤5.2.1.2.5从电力设备机组巡检特征数据提取电力设备机组巡检数据特征并标记;
步骤5.2.1.2.6从电力设备历史告警特征数据提取电力设备历史告警数据特征并标记。
优选地,其中,所述步骤5.2.2对电力设备多源数据进行关联,具体包括:
步骤5.2.2.1级联设备多源数据关联,根据级联设备之间存在的拓扑关系,将不同设备上的多源数据相互关联;
步骤5.2.2.2对关联后的多源数据进行整合,依据特征相似性,建立多源数据的关系层次结构;
其中,所述步骤5.2.2.2对关联后的多源数据进行整合,依据特征相似性,建立多源数据的关系层次结构,具体包括:
步骤5.2.2.2.1从多源数据中抽取训练样本,根据特征分析获得样本之间的多个关系;
步骤5.2.2.2.2基于特征相似性,对所获得的多个关系进行分组,将所获得的关系分组保存在通用关系组;
步骤5.2.2.2.3使用关系标签将对训练样本进行关系标记;
步骤5.2.2.2.4使用机器学习方法基于标注的训练样本建立第一关系提取模型;
步骤5.2.2.2.5从多源数据中抽取新的训练样本;
步骤5.2.2.2.6根据特征分析获得新的样本之间的多个新的关系;
步骤5.2.2.2.7基于特征相似性,对所获得的多个新的关系进行分组,根据新的关系更新通用关系组;
步骤5.2.2.2.8使用新的关系标签对训练样本进行标记;
步骤5.2.2.2.9基于新标记的训练样本建立第二关系提取模型,所述第二关系提取模型可以成功识别新的关系;
步骤5.2.2.2.10使用第二关系提取模型从多源数据中识别并提取关系;
步骤5.2.2.2.11通过分离句法和语义上不同的关系来进行关系分组,将相似关系分组在一起,更新通用关系组;
步骤5.2.2.2.12依据通用关系组中的关系分组,建立多源数据的关系层次结构。
优选地,其特征在于,所述步骤5.2.3对多源数据进行存储与组织,具体包括:依据多源数据的关系层次结构,在数据库中进行多源数据的存储与组织。
优选地,其特征在于,所述步骤5.2.4多源数据检索目录体系建立,具体包括:
步骤5.2.4.1基于电力系统及其电力设备的专业字库、词库匹配的中文分词,根据相邻字间的信息、词频及相应的共现信息,使用自然语言处理和内容提取技术,综合基于词库、基于语义和基于统计的分词方法,得到电力设备领域特征和知识模型;
步骤5.2.4.2基于电力设备领域特征和知识模型定义下的数据内在关联逻辑,使用倒排索引和索引分片逻辑,配合索引副本备份策略,结合数据特点与搜索需求,建立电力设备数据的目录体系,应用于所
优选地,所述步骤5.3进行电力设备的三维画像刻画,具体包括:
步骤5.3.1刻画电力设备基础信息,至少包括:设备名称、生产商、设备型号、生产时间、使用年限;
步骤5.3.2刻画电力设备和机组运行状态信息,至少包括:当前设备通过的电流、设备的电压、设备内阻、电力设备的运行状态、机组的巡检数据、异常设备的相关历史告警与记录;
步骤5.3.3刻画电力系统日志信息,至少包括设备故障、更换、维修以及操作记录;
步骤5.3.4刻画电力设备和机组的拓扑结构信息,至少包括:设备的拓扑、电力系统的拓扑以及机组内部结构;将单个设备的拓扑位置进行单独刻画,在系统拓扑中将该设备的位置进行标亮。
本发明方法可以用于电力设备监控系统,该方法可以利用告警数据和历史数据,通过数据组织、建立模型、数据挖掘、专家系统等算法对电力设备和运行环监控管理系统告警故障信息进行大数据分析。此方法在监控电力系统及其电力设备上减少了人工参与的程度、电力设备故障智能告警。本方法可以确保维护电力系统的有效性,提高系统的可靠性,降低故障发生的可能性,增加系统的安全性。特别是方法对于监控等级的灵活调节,可以提高监控的效率和节约资源,以及方法对多源数据进行处理中,对关联后的多源数据进行整合,依据特征相似性,建立多源数据的关系层次结构的步骤,该关系层次结构为对电力大数据查询和检索提供了准确响应,且无需任何人为干预,提高了存储和检索的便利和效率。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (11)
1.一种电力系统的搜索及监控方法,其特征在于,包括:
步骤1,确定电力系统中各个电力设备实现的功能;
步骤2,根据功能的重要程度,确定每个电力设备的重要性;
步骤3,根据电力设备的重要性,将各个电力设备分类在不同级别的监控组,不同级别的监控组对应不同程度的监控等级;
步骤4,设定每个监控等级的监控标准和内容;
步骤5,进行电力设备的三维画像刻画;
步骤6,接收实时刻画的电力设备三维画像,将电力设备的三维画像在用户界面中展示;
步骤7,监测每个电力设备的性能和状态;
步骤8,对电力设备进行评估,若存在达到预警阈值的设备,提高对该设备的监控等级。
2.如权利要求1所述的方法,还包括步骤9,若达到预警阈值的状况消失,则恢复对该设备之前的监控等级。
3.如权利要求1所述的方法,其中,所述监控标准包括可靠性监控标准和可用性监控标准。
4.如权利要求1所述的方法,其中,步骤5,进行电力设备的三维画像刻画,具体包括:
步骤5.1获取电力设备多源数据,所述电力设备多源数据包括电力设备基础数据和特征数据;
步骤5.2对所述电力设备多源数据进行处理;
步骤5.3进行电力设备的三维画像刻画。
5.如权利要求4所述的方法,其中,所述步骤5.1获取电力设备多源数据,具体包括:
步骤5.1.1电力设备基础数据获取,所述基础数据至少包括以下设备信息:设备名称、生产商、设备型号、生产时间、使用年限;
步骤5.1.2电力设备运行状态基础数据获取,所述运行状态基础数据至少包括:当前设备通过的电流、设备的电压、设备内阻的指标数据;
步骤5.1.3电力系统日志基础数据获取,所述电力系统日志基础数据至少包括设备故障、更换、维修以及操作记录数据。
步骤5.1.4电力设备拓扑位置特征数据获取,所述拓扑位置特征数据至少包括电力设备的所在位置及不同电力设备之间的连接关系;
步骤5.1.5电力设备机组巡检特征数据获取,所述机组巡检特征数据至少包括:同一类电力设备中同一区域的特征、电力设备在一段时间内的运行状态、及机组的巡检数据。
步骤5.1.6电力设备历史告警特征数据获取,所述历史告警特征数据包括电力系统中发现异常设备而进行的相关历史告警与记录。
6.如权利要求4所述的方法,其中,所述步骤5.2对所述电力设备多源数据进行处理,具体包括:
步骤5.2.1对电力设备多源数据进行预处理;
步骤5.2.2对电力设备多源数据进行关联;
步骤5.2.3对多源数据进行存储与组织;
步骤5.2.4多源数据检索目录体系建立。
7.如权利要求6所述的方法,其中,所述步骤5.2.1对电力设备多源数据进行预处理,具体包括:
步骤5.2.1.1对电力设备多源数据进行综合处理;
步骤5.2.1.2从所述电力设备多源数据中提取数据特征并标记;
其中,所述步骤5.2.1.1对电力设备多源数据进行综合处理,具体包括:
步骤5.2.1.1.1针对遗漏数据进行默认值填充;
步骤5.2.1.1.2针对异常数据进行消除;
步骤5.2.1.1.3针对噪声数据进行平滑处理;
步骤5.2.1.1.4对全部多源数据进行归一化处理;
其中,所述步骤5.2.1.2从所述电力设备多源数据中提取数据特征并标记,具体包括:
步骤5.2.1.2.1从电力设备基础数据提取电力设备数据基础特征并标记;
步骤5.2.1.2.2从电力设备运行状态基础数据提取电力设备运行状态数据特征并标记;
步骤5.2.1.2.3从电力系统日志基础数据提取电力系统日志数据特征并标记;
步骤5.2.1.2.4从电力设备拓扑位置特征数据提取电力设备拓扑位置数据特征并标记;
步骤5.2.1.2.5从电力设备机组巡检特征数据提取电力设备机组巡检数据特征并标记;
步骤5.2.1.2.6从电力设备历史告警特征数据提取电力设备历史告警数据特征并标记。
8.如权利要求6所述的方法,其中,所述步骤5.2.2对电力设备多源数据进行关联,具体包括:
步骤5.2.2.1级联设备多源数据关联,根据级联设备之间存在的拓扑关系,将不同设备上的多源数据相互关联;
步骤5.2.2.2对关联后的多源数据进行整合,依据特征相似性,建立多源数据的关系层次结构;
其中,所述步骤5.2.2.2对关联后的多源数据进行整合,依据特征相似性,建立多源数据的关系层次结构,具体包括:
步骤5.2.2.2.1从多源数据中抽取训练样本,根据特征分析获得样本之间的多个关系;
步骤5.2.2.2.2基于特征相似性,对所获得的多个关系进行分组,将所获得的关系分组保存在通用关系组;
步骤5.2.2.2.3使用关系标签将对训练样本进行关系标记;
步骤5.2.2.2.4使用机器学习方法基于标注的训练样本建立第一关系提取模型;
步骤5.2.2.2.5从多源数据中抽取新的训练样本;
步骤5.2.2.2.6根据特征分析获得新的样本之间的多个新的关系;
步骤5.2.2.2.7基于特征相似性,对所获得的多个新的关系进行分组,根据新的关系更新通用关系组;
步骤5.2.2.2.8使用新的关系标签对训练样本进行标记;
步骤5.2.2.2.9基于新标记的训练样本建立第二关系提取模型,所述第二关系提取模型可以成功识别新的关系;
步骤5.2.2.2.10使用第二关系提取模型从多源数据中识别并提取关系;
步骤5.2.2.2.11通过分离句法和语义上不同的关系来进行关系分组,将相似关系分组在一起,更新通用关系组;
步骤5.2.2.2.12依据通用关系组中的关系分组,建立多源数据的关系层次结构。
9.如权利要求6所述的方法,其中,所述步骤5.2.3对多源数据进行存储与组织,具体包括:依据多源数据的关系层次结构,在数据库中进行多源数据的存储与组织。
10.如权利要求6所述的方法,其中,所述步骤5.2.4多源数据检索目录体系建立,具体包括:
步骤5.2.4.1基于电力系统及其电力设备的专业字库、词库匹配的中文分词,根据相邻字间的信息、词频及相应的共现信息,使用自然语言处理和内容提取技术,综合基于词库、基于语义和基于统计的分词方法,得到电力设备领域特征和知识模型;
步骤5.2.4.2基于电力设备领域特征和知识模型定义下的数据内在关联逻辑,使用倒排索引和索引分片逻辑,配合索引副本备份策略,结合数据特点与搜索需求,建立电力设备数据的目录体系,应用于所述数据库的数据检索。
11.如权利要求4所述的方法,其中,所述步骤5.3进行电力设备的三维画像刻画,具体包括:
步骤5.3.1刻画电力设备基础信息,至少包括:设备名称、生产商、设备型号、生产时间、使用年限;
步骤5.3.2刻画电力设备和机组运行状态信息,至少包括:当前设备通过的电流、设备的电压、设备内阻、电力设备的运行状态、机组的巡检数据、异常设备的相关历史告警与记录;
步骤5.3.3刻画电力系统日志信息,至少包括设备故障、更换、维修以及操作记录;
步骤5.3.4刻画电力设备和机组的拓扑结构信息,至少包括:设备的拓扑、电力系统的拓扑以及机组内部结构;将单个设备的拓扑位置进行单独刻画,在系统拓扑中将该设备的位置进行标亮。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910459725.XA CN110363379A (zh) | 2019-05-30 | 2019-05-30 | 一种电力系统的搜索及监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910459725.XA CN110363379A (zh) | 2019-05-30 | 2019-05-30 | 一种电力系统的搜索及监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110363379A true CN110363379A (zh) | 2019-10-22 |
Family
ID=68215382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910459725.XA Pending CN110363379A (zh) | 2019-05-30 | 2019-05-30 | 一种电力系统的搜索及监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110363379A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111372043A (zh) * | 2020-02-06 | 2020-07-03 | 浙江大华技术股份有限公司 | 异常检测方法以及相关设备、装置 |
CN112100506A (zh) * | 2020-11-10 | 2020-12-18 | 中国电力科学研究院有限公司 | 信息推送方法、系统、设备及存储介质 |
CN113255290A (zh) * | 2021-06-25 | 2021-08-13 | 北京国电通网络技术有限公司 | 电力项目信息展示方法、设备和计算机可读介质 |
CN113722420A (zh) * | 2021-09-15 | 2021-11-30 | 广州汇智通信技术有限公司 | 一种基于分布式搜索引擎的区块链查询方法和存储介质 |
-
2019
- 2019-05-30 CN CN201910459725.XA patent/CN110363379A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111372043A (zh) * | 2020-02-06 | 2020-07-03 | 浙江大华技术股份有限公司 | 异常检测方法以及相关设备、装置 |
CN112100506A (zh) * | 2020-11-10 | 2020-12-18 | 中国电力科学研究院有限公司 | 信息推送方法、系统、设备及存储介质 |
CN112100506B (zh) * | 2020-11-10 | 2021-03-16 | 中国电力科学研究院有限公司 | 信息推送方法、系统、设备及存储介质 |
CN113255290A (zh) * | 2021-06-25 | 2021-08-13 | 北京国电通网络技术有限公司 | 电力项目信息展示方法、设备和计算机可读介质 |
CN113722420A (zh) * | 2021-09-15 | 2021-11-30 | 广州汇智通信技术有限公司 | 一种基于分布式搜索引擎的区块链查询方法和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363379A (zh) | 一种电力系统的搜索及监控方法 | |
CN107861942B (zh) | 一种基于深度学习的电力疑似投诉工单识别方法 | |
CN108415789B (zh) | 面向大规模混合异构存储系统的节点故障预测系统及方法 | |
CN103825755B (zh) | 电力二次系统的建模方法与系统 | |
CN111860882A (zh) | 一种电网调度故障处理知识图谱的构建方法及装置 | |
CN110175324B (zh) | 一种基于数据挖掘的电网运行操作指令校验方法及系统 | |
CN105930347B (zh) | 基于文本分析的停电原因识别系统 | |
CN110674189A (zh) | 一种智能变电站二次状态监测与故障定位的方法 | |
CN113542039A (zh) | 一种通过ai算法定位5g网络虚拟化跨层问题的方法 | |
CN115809183A (zh) | 基于知识图谱的信创终端故障发现及处置的方法 | |
CN113869791A (zh) | 一种基于日志模型的电网运维修复方法 | |
CN110347779A (zh) | 一种电力系统中电力设备三维画像刻画方法 | |
CN107679697A (zh) | 电力光传输设备状态检测评价方法 | |
CN104657814A (zh) | 基于ems系统的继电保护装置信号模板抽取定义方法 | |
CN114138982A (zh) | 一种用于干式变压器故障诊断的知识图谱的构建方法 | |
CN113065580A (zh) | 一种基于多信息融合的电厂设备管理方法及系统 | |
CN106649034B (zh) | 一种可视化智能运维方法及平台 | |
CN112906389A (zh) | 一种基于多维度数据分析的故障跳闸判别方法 | |
Sun et al. | Power fault preplan text information extraction based on NLP | |
CN108258802B (zh) | 一种配电网中配电设备的运行状况的监测方法和装置 | |
Xinjie et al. | A Construction Method for the Knowledge Graph of Power Grid Supervision Business | |
Hossack et al. | Progressive power system data interpretation and information dissemination | |
CN112446619A (zh) | 配电网抢修处理方法和装置 | |
Li et al. | Power grid fault detection method based on cloud platform and improved isolated forest | |
Yu et al. | Research on integrated operation and maintenance acquisition and monitoring technology for new generation dispatching control system |
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 |