CN110825923A - 基于单模型的地下电缆故障修复方法和装置 - Google Patents
基于单模型的地下电缆故障修复方法和装置 Download PDFInfo
- Publication number
- CN110825923A CN110825923A CN201911021114.3A CN201911021114A CN110825923A CN 110825923 A CN110825923 A CN 110825923A CN 201911021114 A CN201911021114 A CN 201911021114A CN 110825923 A CN110825923 A CN 110825923A
- Authority
- CN
- China
- Prior art keywords
- data
- underground cable
- fault type
- fault
- repair
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004590 computer program Methods 0.000 claims description 21
- 230000007613 environmental effect Effects 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 11
- 238000004140 cleaning Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005067 remediation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于单模型的地下电缆故障修复方法和装置，所述方法包括：通过地下电缆采集系统采集地下电缆的当前环境数据以及当前运行数据；将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型；查询与所述故障类型对应的修复方案；获取所述地下电缆的位置信息；将所查询到的修复方案发送到与所述位置信息对应的终端。采用上述方法可以提高基于单模型的地下电缆故障修复效率。
Description
技术领域
本发明涉及一种基于单模型的地下电缆故障修复方法和装置，属于大数据处理领域。
背景技术
埋设于地下的电缆，在电力传输过程中，往往会由于电缆本身的温度升高发生爆炸；又或者，由于地下铺设管道进水，导致电缆发生损坏，进而影响电缆的正常传输。
传统技术中，为了对地下电缆进行监测，需要人工对电缆进行逐个排查，并在查出故障后还需要开会总结，以得到对应的修复方案等，效率低下。
发明内容
针对现有技术存在的上述问题，本发明的目的是提供一种基于单模型的地下电缆故障修复方法和装置。
为实现上述发明目的，本发明采用的技术方案如下：
一种基于单模型的地下电缆故障修复方法，所述方法包括：
通过地下电缆采集系统采集地下电缆的当前环境数据以及当前运行数据；
将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型；
查询与所述故障类型对应的修复方案；
获取所述地下电缆的位置信息；
将所查询到的修复方案发送到与所述位置信息对应的终端。
在其中一个实施例中，所述查询与所述故障类型对应的修复方案，包括：
获取与所述故障类型对应的多种修复方案；
根据所获取的修复方案的历史使用次数对所述修复方案进行排序；
根据排序结果获取所述历史使用次数最多的修复方案作为所述故障类型对应的修复方案。
在其中一个实施例中，所述查询与所述故障类型对应的修复方案，包括：
获取与所述故障类型对应的多种修复方案；
从所述多种修复方案中提取出最近使用的修复方案作为所述故障类型对应的修复方案。
在其中一个实施例中，所述故障类型识别模型的生成方式包括：
获取地下电缆对应的历史环境数据、历史运行数据以及对应的历史故障类型；
对所述历史环境数据、历史运行数据进行清洗；
通过对清洗后的历史环境数据、历史运行数据以及对应的历史故障类型进行训练得到故障预警模型。
在其中一个实施例中，所述将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型，包括：
根据所述当前环境数据以及所述当前运行数据计算得到各种故障类型对应的概率；
获取到概率最大的故障类型作为所识别得到的故障类型。
在其中一个实施例中，所述获取所述地下电缆的位置信息之后，还包括：
获取与所述地下电缆的位置信息对应的城市地图；
根据所述地下电缆的位置在所述城市地图中定位所述电缆的位置，并通过预警标识进行显示得到预警信息；
所述将所查询到的修复方案发送与所述位置信息对应的终端，包括：
将所述预警信息以及所查询到的修复方案发送与所述位置信息对应的终端。
在其中一个实施例中，所述当前环境数据包括温度数据、水敏数据、环境气体数据以及位移数据中的一种或多种，所述运行数据包括但不限于局放信号。
一种基于单模型的地下电缆故障修复装置，所述装置包括：
采集模块，用于通过地下电缆采集系统采集地下电缆的当前环境数据以及当前运行数据；
识别模块，用于将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型；
查询模块，用于查询与所述故障类型对应的修复方案；
位置获取模块，用于获取所述地下电缆的位置信息；
发送模块，用于将所查询到的修复方案发送与所述位置信息对应的终端。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
与现有技术相比，本发明提供的基于单模型的地下电缆故障修复方法和装置具备以下优势：
上述方法中通过地下电缆采集系统采集地下电缆的当前环境数据以及当前运行数据；将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型；查询与所述故障类型对应的修复方案；获取所述地下电缆的位置信息；将所查询到的修复方案发送到与所述位置信息对应的终端，这样通过预先设置的模型可以得到故障类型，进而根据系统中预先存储的故障类型和修复方案的对应关系获得到对应的修复方案，从而根据该修复方案即可对地下电缆进行修复，提高了地下电缆的修复效率。
附图说明
图1是本发明提供的基于单模型的地下电缆故障修复方法的应用环境图；
图2是本发明提供的基于单模型的地下电缆故障修复方法的流程图；
图3是本发明提供的基于单模型的地下电缆故障修复装置的结构图；
图4是本发明提供的计算机设备的框图。
具体实施方式
下面结合实施例及对比例对本发明作进一步详细、完整地说明。
本申请提供的基于单模型的地下电缆故障修复方法，可以应用于如图1所示的应用环境中。其中，地下电缆采集系统102通过网络与服务器104通过网络进行通信，监控终端106通过网络与服务器进行通信。其中地下电缆采集系统用于采集地下电缆的当前环境数据以及当前运行数据，并将所采集的当前环境数据和当前运行数据发送至服务器104，从而服务器可以将当前环境数据以及当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型，进而查询到与故障类型对应的修复方案，当在获取到修复方案后，服务器104可以获取故障的地下电缆的位置信息，并将修复方案发送到与位置信息对应的终端，从而不需要人工对电缆进行逐个排查，提高了效率，且直接将修复方案发送给与位置对应的终端，可以提高基于单模型的地下电缆故障修复的效率。监控终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种基于单模型的地下电缆故障修复方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S202：通过地下电缆采集系统采集地下电缆的当前环境数据以及当前运行数据。
具体地，所述当前环境数据包括温度数据、水敏数据、环境气体数据以及位移数据中的一种或多种，所述运行数据包括但不限于局放信号，当前运行数据是指地下电缆中的电流的大小等。地下电缆采集系统是安装在地下，例如安装在地下电缆的连接处，用于采集地下电缆连接处的环境数据和运行数据。当地下电缆采集系统采集了地下电缆的环境数据和运行数据后，则将该环境数据和运行数据发送至服务器，以便于服务器进行处理后，判断地下电缆是否出现故障。其中为了保证数据的可查询性，地下电缆采集系统在发送数据的时候与地下电缆的地理位置一起发送给服务器，且可选地，也可以预先设定地下电缆的标号，并建立标号和地下电缆的位置的对应关系，从而在服务接收到某一标号的地下电缆采集系统发送的数据时，可以根据该标号查询到地下电缆对应的地理位置信息。
S204：将当前环境数据以及当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型。
具体地，故障类型识别模型是根据历史数据生成的用于判断地下电缆所出故障的类型的训练模型，该模型的输入为当前环境数据和当前运行数据，输出为地下电缆出现故障的类型。服务器将当前环境数据以及当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型，例如服务器可以选择与已知故障的发生概率最大的一个故障的类型作为所识别的故障类型。且可选地，故障类型识别模型在处理当前环境数据以及当前运行数据时，可以将当前环境数据与训练模型时的历史故障的环境数据进行比对，将当前运行数据与历史故障的运行数据进行比对，从而得到相似度，再综合所有的相似度得到故障类型的结果。
S206：查询与故障类型对应的修复方案。
具体地，服务器在判断出故障类型后，可以根据故障类型查询故障对应的修复方案，即服务器预先存储了故障类型和修复方案的对应关系，该对应关系可以是服务器在每一次判断出地下电缆故障后，所存储的用户采用的修复方案，即每一次地下电缆出现故障，服务器获取到对应的已用修复方案，建立该故障类型和修复方案的对应关系。
S208：获取地下电缆的位置信息。
S210：将所查询到的修复方案发送到与位置信息对应的终端。
服务器在获取到修复方案后，为了将修复方案发送给对应的终端，首先获取地下电缆的位置信息，地下电缆的位置信息的获取方式可以参见上文，然后获取到位置信息对应的终端，例如对应的电网平台，最后将所查询到的修复方案发送给该终端，从而对应的终端可以根据该修复方案对故障的地下电缆进行处理。
上述基于单模型的地下电缆故障修复方法，通过采集地下电缆的当前环境数据以及当前运行数据，并将所采集的地下电缆的当前环境数据以及当前运行数据输入至预先训练的故障类型识别模型中即可以得到故障类型，并根据故障类型获取到修复方案，将修复方案发送给故障对应的位置信息的终端，不需要人工对电缆进行逐个排查，提高了效率。
在其中一个实施例中，所述查询与所述故障类型对应的修复方案，包括：获取与所述故障类型对应的多种修复方案；根据所获取的修复方案的历史使用次数对所述修复方案进行排序；根据排序结果获取所述历史使用次数最多的修复方案作为所述故障类型对应的修复方案。
在其中一个实施例中，所述查询与所述故障类型对应的修复方案，包括：获取与所述故障类型对应的多种修复方案；从所述多种修复方案中提取出最近使用的修复方案作为所述故障类型对应的修复方案。
具体地，服务器在查询与故障类型对应的修复方案的时候，存在两种方式，第一种是根据最常用的修复方案作为最后的修复方案，第二种是选取出最近的修复方案作为最后的修复方案。第一种时，服务器在获取到故障类型后，首先获取到与故障类型对应的多种修复方案，然后根据修复方案的使用次数对修复方案进行排序，最后根据排序结果选取到使用次数最多的修复方案作为最后的修复方案。第二种时，服务器获取到故障类型后，首先获取到与故障类型对应的多种修复方案，然后获取到各种修复方案对应的使用时间，将最近使用的修复方案作为故障类型对应的修复方案。
上述实施例中，根据不同的策略选取出对应的修复方案，不需要额外的操作，简单方便，提高效率。
在其中一个实施例中，所述故障类型识别模型的生成方式包括：获取地下电缆对应的历史环境数据、历史运行数据以及对应的历史故障类型；对所述历史环境数据、历史运行数据进行清洗；通过对清洗后的历史环境数据、历史运行数据以及对应的历史故障类型进行训练得到故障预警模型。
在其中一个实施例中，所述将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型，包括：根据所述当前环境数据以及所述当前运行数据计算得到各种故障类型对应的概率；获取到概率最大的故障类型作为所识别得到的故障类型。
具体地，服务器可以获取地下电缆对应的历史环境数据、历史运行数据以及对应的历史故障类型，即一个历史环境数据、一个历史运行数据对应一个历史故障类型，然后对历史环境数据和历史运行数据进行清洗。其中清洗的过程包括删除掉历史环境数据和历史运行数据中的空数据。最后服务器对历史环境数据、历史运行数据以及历史故障类型进行学习训练得到最后的故障类型识别模型。
具体地，服务器通过故障类型识别模型进行故障类型识别的过程可以是服务器首先根据当前环境数据以及当前运行数据计算得到各种故障类型对应的概率，例如根据当前环境数据以及当前运行数据中的每一个参数计算得到一个概率，例如上述的根据水敏信息得到一个第一概率，根据温度数据得到一个第二概率，根据位移数据得到一个第三概率，根据电流数据得到一个第四概率，然后对第一概率、第二概率、第三概率以及第四概率进行排序，这样服务器从第一概率、第二概率、第三概率以及第四概率中选取最大概率，并获取到与该最大概率对应的故障类型，将故障类型作为最后识别的故障模型。
上述实施例中，给出了故障类型识别模型的训练方式，该故障类型识别模型充分考虑了历史数据，总结了历史数据的规律，从而使得对当前数据的预测更加准确。
在其中一个实施例中，获取所述地下电缆的位置信息之后，还包括：获取与地下电缆的位置信息对应的城市地图；根据地下电缆的位置在城市地图中定位电缆的位置，并通过预警标识进行显示得到预警信息。将所查询到的修复方案发送与位置信息对应的终端，包括：将预警信息以及所查询到的修复方案发送与所述位置信息对应的终端。
具体地，为了实现可视化的处理，在判定地下电缆出现故障后，服务器获取到与地下电缆位置信息对应的城市地图，此处还可以是区域地图，从而服务器在该城市地图中定位到地下电缆的位置，然后通过预警标识例如感叹号进行显示。且服务器将所查询到的修复方案也发送给该终端，从而终端可以在预警标识的对应位置处显示该修复方案对应的图标，用户通过点击该修复方案的图标的方式调出详细的修复方案的内容。
上述实施例中，将故障信息显示到城市地图中，从而更加直观。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，提供了一种地下电缆故障预警装置，包括：采集模块100、识别模块200、查询模块300、位置信息获取模块400和发送模块500，其中：
采集模块100，用于通过地下电缆采集系统采集地下电缆的当前环境数据以及当前运行数据；
识别模块200，用于将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型；
查询模块300，用于查询与所述故障类型对应的修复方案；
位置获取模块400，用于获取所述地下电缆的位置信息；
发送模块500，用于将所查询到的修复方案发送与所述位置信息对应的终端。
在其中一个实施例中，所述查询模块包括：
第一方案获取单元，用于获取与所述故障类型对应的多种修复方案；
排序单元，用于根据所获取的修复方案的历史使用次数对所述修复方案进行排序；
第二输出单元，用于根据排序结果获取所述历史使用次数最多的修复方案作为所述故障类型对应的修复方案。
在其中一个实施例中，所述查询模块包括：
第二方案获取单元，用于获取与所述故障类型对应的多种修复方案；
第二输出单元，用于从所述多种修复方案中提取出最近使用的修复方案作为所述故障类型对应的修复方案。
在其中一个实施例中，所述装置还包括：
历史数据获取模块，用于获取地下电缆对应的历史环境数据、历史运行数据以及对应的历史故障类型；
清洗模块，用于对所述历史环境数据、历史运行数据进行清洗；
训练模块，用于通过对清洗后的历史环境数据、历史运行数据以及对应的历史故障类型进行训练得到故障预警模型。
在其中一个实施例中，识别模块包括：
概率计算单元，用于根据所述当前环境数据以及所述当前运行数据计算得到各种故障类型对应的概率；
第三输出单元，用于获取到概率最大的故障类型作为所识别得到的故障类型。
在其中一个实施例中，所述装置还包括：
地图获取模块，用于获取与所述地下电缆的位置信息对应的城市地图；
预警信息生成模块，用于根据所述地下电缆的位置在所述城市地图中定位所述电缆的位置，并通过预警标识进行显示得到预警信息；
所述发送模块还用于将所述预警信息以及所查询到的修复方案发送与所述位置信息对应的终端。
在其中一个实施例中，所述当前环境数据包括温度数据、水敏数据、环境气体数据以及位移数据中的一种或多种，所述运行数据包括但不限于局放信号。
关于地下电缆故障预警装置的具体限定可以参见上文中对于地下电缆故障预警方法的限定，在此不再赘述。上述地下电缆故障预警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：通过地下电缆采集系统采集地下电缆的当前环境数据以及当前运行数据；将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型；查询与所述故障类型对应的修复方案；获取所述地下电缆的位置信息；将所查询到的修复方案发送到与所述位置信息对应的终端。
在一个实施例中，处理器执行计算机程序时所实现的所述查询与所述故障类型对应的修复方案，包括：获取与所述故障类型对应的多种修复方案；根据所获取的修复方案的历史使用次数对所述修复方案进行排序；根据排序结果获取所述历史使用次数最多的修复方案作为所述故障类型对应的修复方案。
在一个实施例中，处理器执行计算机程序时所实现的所述查询与所述故障类型对应的修复方案，包括：获取与所述故障类型对应的多种修复方案；从所述多种修复方案中提取出最近使用的修复方案作为所述故障类型对应的修复方案。
在一个实施例中，处理器执行计算机程序时所实现的所述故障类型识别模型的生成方式包括：获取地下电缆对应的历史环境数据、历史运行数据以及对应的历史故障类型；对所述历史环境数据、历史运行数据进行清洗；通过对清洗后的历史环境数据、历史运行数据以及对应的历史故障类型进行训练得到故障预警模型。
在一个实施例中，处理器执行计算机程序时所实现的所述将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型，包括：根据所述当前环境数据以及所述当前运行数据计算得到各种故障类型对应的概率；获取到概率最大的故障类型作为所识别得到的故障类型。
在一个实施例中，处理器执行计算机程序时所实现的所述获取所述地下电缆的位置信息之后，还包括：获取与所述地下电缆的位置信息对应的城市地图；根据所述地下电缆的位置在所述城市地图中定位所述电缆的位置，并通过预警标识进行显示得到预警信息。处理器执行计算机程序时所实现的所述将所查询到的修复方案发送与所述位置信息对应的终端，包括：将所述预警信息以及所查询到的修复方案发送与所述位置信息对应的终端。
在一个实施例中，处理器执行计算机程序时所涉及的所述当前环境数据包括温度数据、水敏数据、环境气体数据以及位移数据中的一种或多种，所述运行数据包括但不限于局放信号。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：通过地下电缆采集系统采集地下电缆的当前环境数据以及当前运行数据；将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型；查询与所述故障类型对应的修复方案；获取所述地下电缆的位置信息；将所查询到的修复方案发送到与所述位置信息对应的终端。
在一个实施例中，计算机程序被处理器执行时所实现的所述查询与所述故障类型对应的修复方案，包括：获取与所述故障类型对应的多种修复方案；根据所获取的修复方案的历史使用次数对所述修复方案进行排序；根据排序结果获取所述历史使用次数最多的修复方案作为所述故障类型对应的修复方案。
在一个实施例中，计算机程序被处理器执行时所实现的所述查询与所述故障类型对应的修复方案，包括：获取与所述故障类型对应的多种修复方案；从所述多种修复方案中提取出最近使用的修复方案作为所述故障类型对应的修复方案。
在一个实施例中，计算机程序被处理器执行时所实现的所述故障类型识别模型的生成方式包括：获取地下电缆对应的历史环境数据、历史运行数据以及对应的历史故障类型；对所述历史环境数据、历史运行数据进行清洗；通过对清洗后的历史环境数据、历史运行数据以及对应的历史故障类型进行训练得到故障预警模型。
在一个实施例中，计算机程序被处理器执行时所实现的所述将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型，包括：根据所述当前环境数据以及所述当前运行数据计算得到各种故障类型对应的概率；获取到概率最大的故障类型作为所识别得到的故障类型。
在一个实施例中，计算机程序被处理器执行时所实现的所述获取所述地下电缆的位置信息之后，还包括：获取与所述地下电缆的位置信息对应的城市地图；根据所述地下电缆的位置在所述城市地图中定位所述电缆的位置，并通过预警标识进行显示得到预警信息。计算机程序被处理器执行时所实现的所述将所查询到的修复方案发送与所述位置信息对应的终端，包括：将所述预警信息以及所查询到的修复方案发送与所述位置信息对应的终端。
在一个实施例中，计算机程序被处理器执行时所涉及的所述当前环境数据包括温度数据、水敏数据、环境气体数据以及位移数据中的一种或多种，所述运行数据包括但不限于局放信号。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于单模型的地下电缆故障修复方法，其特征在于，所述方法包括：
通过地下电缆采集系统采集地下电缆的当前环境数据以及当前运行数据；
将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型；
查询与所述故障类型对应的修复方案；
获取所述地下电缆的位置信息；
将所查询到的修复方案发送到与所述位置信息对应的终端。
2.根据权利要求1所述的方法，其特征在于，所述查询与所述故障类型对应的修复方案，包括：
获取与所述故障类型对应的多种修复方案；
根据所获取的修复方案的历史使用次数对所述修复方案进行排序；
根据排序结果获取所述历史使用次数最多的修复方案作为所述故障类型对应的修复方案。
3.根据权利要求1所述的方法，其特征在于，所述查询与所述故障类型对应的修复方案，包括：
获取与所述故障类型对应的多种修复方案；
从所述多种修复方案中提取出最近使用的修复方案作为所述故障类型对应的修复方案。
4.根据权利要求1所述的方法，其特征在于，所述故障类型识别模型的生成方式包括：
获取地下电缆对应的历史环境数据、历史运行数据以及对应的历史故障类型；
对所述历史环境数据、历史运行数据进行清洗；
通过对清洗后的历史环境数据、历史运行数据以及对应的历史故障类型进行训练得到故障预警模型。
5.根据权利要求4所述的方法，其特征在于，所述将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型，包括：
根据所述当前环境数据以及所述当前运行数据计算得到各种故障类型对应的概率；
获取到概率最大的故障类型作为所识别得到的故障类型。
6.根据权利要求1至5任意一项所述的方法，其特征在于，所述获取所述地下电缆的位置信息之后，还包括：
获取与所述地下电缆的位置信息对应的城市地图；
根据所述地下电缆的位置在所述城市地图中定位所述电缆的位置，并通过预警标识进行显示得到预警信息；
所述将所查询到的修复方案发送与所述位置信息对应的终端，包括：
将所述预警信息以及所查询到的修复方案发送与所述位置信息对应的终端。
7.根据权利要求1至4任意一项所述的方法，其特征在于，所述当前环境数据包括温度数据、水敏数据、环境气体数据以及位移数据中的一种或多种，所述运行数据包括但不限于局放信号。
8.一种基于单模型的地下电缆故障修复装置，其特征在于，所述装置包括：
采集模块，用于通过地下电缆采集系统采集地下电缆的当前环境数据以及当前运行数据；
识别模块，用于将所述当前环境数据以及所述当前运行数据输入至预先训练完成的故障类型识别模型中得到故障类型；
查询模块，用于查询与所述故障类型对应的修复方案；
位置获取模块，用于获取所述地下电缆的位置信息；
发送模块，用于将所查询到的修复方案发送与所述位置信息对应的终端。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911021114.3A CN110825923A (zh) | 2019-10-25 | 2019-10-25 | 基于单模型的地下电缆故障修复方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911021114.3A CN110825923A (zh) | 2019-10-25 | 2019-10-25 | 基于单模型的地下电缆故障修复方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110825923A true CN110825923A (zh) | 2020-02-21 |
Family
ID=69550778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911021114.3A Pending CN110825923A (zh) | 2019-10-25 | 2019-10-25 | 基于单模型的地下电缆故障修复方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110825923A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111275215A (zh) * | 2020-02-29 | 2020-06-12 | 云南电网有限责任公司西双版纳供电局 | 基于物联网的电压监测仪故障自诊断方法及系统 |
| CN114115197A (zh) * | 2021-11-24 | 2022-03-01 | 浙大城市学院 | 燃气轮机状态维修决策系统、方法以及存储介质 |
| CN115389855A (zh) * | 2022-10-26 | 2022-11-25 | 高勘(广州)技术有限公司 | 电缆设备的监测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102331548A (zh) * | 2011-05-31 | 2012-01-25 | 重庆大学 | 一种配网电缆单相接地故障的故障定位方法 |
| CN104901828A (zh) * | 2015-01-22 | 2015-09-09 | 物联智慧股份有限公司 | 设备端故障排除方法 |
| CN105548832A (zh) * | 2015-12-10 | 2016-05-04 | 国网四川省电力公司电力科学研究院 | 高压电力电缆故障识别方法 |
| CN109345658A (zh) * | 2018-10-29 | 2019-02-15 | 百度在线网络技术（北京）有限公司 | 车辆系统故障的修复方法、装置、设备、介质和车辆 |
| CN109472372A (zh) * | 2018-10-17 | 2019-03-15 | 平安国际融资租赁有限公司 | 基于租赁设备的资源数据分配方法、装置和计算机设备 |
-
2019
- 2019-10-25 CN CN201911021114.3A patent/CN110825923A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102331548A (zh) * | 2011-05-31 | 2012-01-25 | 重庆大学 | 一种配网电缆单相接地故障的故障定位方法 |
| CN104901828A (zh) * | 2015-01-22 | 2015-09-09 | 物联智慧股份有限公司 | 设备端故障排除方法 |
| CN105548832A (zh) * | 2015-12-10 | 2016-05-04 | 国网四川省电力公司电力科学研究院 | 高压电力电缆故障识别方法 |
| CN109472372A (zh) * | 2018-10-17 | 2019-03-15 | 平安国际融资租赁有限公司 | 基于租赁设备的资源数据分配方法、装置和计算机设备 |
| CN109345658A (zh) * | 2018-10-29 | 2019-02-15 | 百度在线网络技术（北京）有限公司 | 车辆系统故障的修复方法、装置、设备、介质和车辆 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111275215A (zh) * | 2020-02-29 | 2020-06-12 | 云南电网有限责任公司西双版纳供电局 | 基于物联网的电压监测仪故障自诊断方法及系统 |
| CN114115197A (zh) * | 2021-11-24 | 2022-03-01 | 浙大城市学院 | 燃气轮机状态维修决策系统、方法以及存储介质 |
| CN115389855A (zh) * | 2022-10-26 | 2022-11-25 | 高勘(广州)技术有限公司 | 电缆设备的监测方法及系统 |
| CN115389855B (zh) * | 2022-10-26 | 2023-05-02 | 高勘(广州)技术有限公司 | 电缆设备的监测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110798245B (zh) | 基于单模型的地下电缆故障预警方法和装置 | |
| CN110868241B (zh) | 基于多模型的地下电缆故障预警方法和装置 | |
| CN110875851B (zh) | 地下电缆故障预警方法和装置 | |
| CN112231493A (zh) | 基于知识图谱的机房故障诊断方法、装置、设备及介质 | |
| CN110825923A (zh) | 基于单模型的地下电缆故障修复方法和装置 | |
| CN110866634A (zh) | 基于模型选择的地下电缆故障预警方法和装置 | |
| CN110763952A (zh) | 地下电缆故障监测方法和装置 | |
| EP2515234A1 (en) | System, method, and apparatus for resolving errors in a system | |
| CN111199346A (zh) | 综合管廊监理方法、装置、计算机设备以及存储介质 | |
| CN110345602B (zh) | 空调维保方法、装置、计算机设备和存储介质 | |
| CN110837956A (zh) | 地下电缆巡检任务分配方法和装置 | |
| CN109032872B (zh) | 基于贝叶斯网络的设备故障诊断方法及系统 | |
| CN114514141A (zh) | 充电站监测方法和设备 | |
| CN114076873A (zh) | 电缆故障分析预测方法和装置 | |
| CN105278521A (zh) | 一种机组故障原因的诊断方法、诊断装置以及空调机组 | |
| CN110866839A (zh) | 基于多模型的地下电缆故障修复方法和装置 | |
| CN110264055B (zh) | 部件危害性评估方法、装置、设备及计算机可读存储介质 | |
| CN110930075B (zh) | 电力设备故障定位方法、装置、计算机设备和存储介质 | |
| CN114462650A (zh) | 设备故障处理方法、装置、电子设备和存储介质 | |
| CN113220946B (zh) | 基于强化学习的故障链路搜索方法、装置、设备及介质 | |
| CN111626445A (zh) | 一种电器维修方法、装置、电子设备及存储介质 | |
| CN110851670A (zh) | 地下电缆故障修复方法和装置 | |
| CN109309594B (zh) | 通信设备电源故障分析的方法、装置、设备及存储介质 | |
| CN110837898A (zh) | 基于模型选择的地下电缆故障修复方法和装置 | |
| CN110889357A (zh) | 基于标注区域的地下电缆故障检测方法和装置 |
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 |
Application publication date: 20200221 |
|
| RJ01 | Rejection of invention patent application after publication |