CN110866682B - 基于历史数据的地下电缆预警方法和装置 - Google Patents

基于历史数据的地下电缆预警方法和装置 Download PDF

Info

Publication number
CN110866682B
CN110866682B CN201911050638.5A CN201911050638A CN110866682B CN 110866682 B CN110866682 B CN 110866682B CN 201911050638 A CN201911050638 A CN 201911050638A CN 110866682 B CN110866682 B CN 110866682B
Authority
CN
China
Prior art keywords
reference index
fault
risk reference
preset
probability
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
Application number
CN201911050638.5A
Other languages
English (en)
Other versions
CN110866682A (zh
Inventor
高晓艳
袁茂银
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.)
Hunan Guoao Power Equipment Co ltd
Original Assignee
Hunan Guoao Power Equipment 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 Hunan Guoao Power Equipment Co ltd filed Critical Hunan Guoao Power Equipment Co ltd
Priority to CN201911050638.5A priority Critical patent/CN110866682B/zh
Publication of CN110866682A publication Critical patent/CN110866682A/zh
Application granted granted Critical
Publication of CN110866682B publication Critical patent/CN110866682B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Emergency Alarm Devices (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本申请涉及一种基于历史数据的地下电缆预警方法和装置。所述方法包括：获取待判断地下电缆各个预设段对应的传感器数据；获取所述各个预设段对应的历史数据，从根据所述历史数据选取存在故障的预设段，并根据存在故障的预设段得到不存在故障的预设段；根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标；根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标；综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标；判断所述综合风险参考指标是否大于阈值，若是，则输出所述待判断地下电缆的预警信息。采用本方法能够提高判断准确性。

Description

基于历史数据的地下电缆预警方法和装置
技术领域
本申请涉及地下电缆故障预警技术领域，特别是涉及一种基于历史数据的地下电缆预警方法和装置。
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。
通常地，在检测地下电缆是否故障的时候，是通过采集各种地下电缆本身运行数据然后上传到服务器，服务器判断对应的数据与阈值是否符合，不符合则存在故障。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高准确性的基于历史数据的地下电缆预警方法和装置。
一种基于历史数据的地下电缆预警方法，所述方法包括：
获取待判断地下电缆各个预设段对应的传感器数据；
获取所述各个预设段对应的历史数据，从根据所述历史数据选取存在故障的预设段，并根据存在故障的预设段得到不存在故障的预设段；
根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标；
根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标；
综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标；
判断所述综合风险参考指标是否大于阈值，若是，则输出所述待判断地下电缆的预警信息。
在其中一个实施例中，所述根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标，包括：
获取存在故障的预设段的故障类型以及各个故障类型对应的故障次数；
将所述传感器数据输入至预先训练得到的故障类型概率模型中得到各个所述故障类型对应的第一概率；
根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标。
在其中一个实施例中，所述根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标，包括：
获取第一概率大于预设值的故障类型，并对第一概率大于预设值的故障类型的概率进行归一化处理；
根据概率大于第一预设值的故障类型对应的故障次数以及对应的归一化处理后的第一概率计算得到第一风险参考指标。
在其中一个实施例中，所述根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标，包括：
将所述传感器数据输入至预先训练得到的故障类型概率模型中，得到与所述传感器数据对应的故障类型的第二概率，将所述第二概率中最大的一个作为第二风险参考指标。
在其中一个实施例中，所述综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标，包括：
统计存在故障的预设段的第一数量，以及不存在故障的预设段的第二数量；
根据所述第一数量和所述第二数量计算所述第一风险参考指标和所述第二风险参考指标的权重值；
根据所述权重值以及对应的所述第一风险参考指标和所述第二风险参考指标计算得到综合风险参考指标。
一种基于历史数据的地下电缆预警装置，所述装置包括：
传感器数据获取模块，用于获取待判断地下电缆各个预设段对应的传感器数据；
预设段分组模块，用于获取所述各个预设段对应的历史数据，从根据所述历史数据选取存在故障的预设段，并根据存在故障的预设段得到不存在故障的预设段；
第一风险参考指标计算模块，用于根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标；
第二风险参考指标计算模块，用于根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标；
综合风险参考指标计算模块，用于综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标；
预警信息输出模块，用于判断所述综合风险参考指标是否大于阈值，若是，则输出所述待判断地下电缆的预警信息。
在其中一个实施例中，所述第一风险参考指标计算模块包括：
故障类型获取单元，用于获取存在故障的预设段的故障类型以及各个故障类型对应的故障次数；
第一概率计算单元，用于将所述传感器数据输入至预先训练得到的故障类型概率模型中得到各个所述故障类型对应的第一概率；
第一风险参考指标计算单元，用于根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标。
在其中一个实施例中，所述第一风险参考指标计算单元包括：
归一化处理子单元，用于获取第一概率大于预设值的故障类型，并对第一概率大于预设值的故障类型的概率进行归一化处理；
指标计算子单元，用于根据概率大于第一预设值的故障类型对应的故障次数以及对应的归一化处理后的第一概率计算得到第一风险参考指标。
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中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中任一项所述的方法的步骤。
上述基于历史数据的地下电缆预警方法和装置，获取到待判断地下电缆各个预设段对应的传感器数据，也就是将地下电缆按照传感器的安装距离分为若干段，每一段称为预设段，这样服务器获取到各个预设段对应的历史数据，从根据所述历史数据选取存在故障的预设段，并根据存在故障的预设段得到不存在故障的预设段，这样可以根据存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标；根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标，然后综合第一风险参考指标和第二风险参考指标，即可以得到综合参考指标，最后服务器通过该综合风险参考指标来判断地下电缆是否故障，若故障则进行预警，这样不是仅通过一个阈值进行判断，而是根据实际情况，对地下电缆进行分段处理，进而得到具有代表性的风险参考指标后再进行判断，提高判断的准确性。
附图说明
图1为一个实施例中基于历史数据的地下电缆预警方法的应用场景图；
图2为一个实施例中基于历史数据的地下电缆预警方法的流程示意图；
图3为一个实施例中基于历史数据的地下电缆预警装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于历史数据的地下电缆预警方法，可以应用于如图1所示的应用环境中。其中，各个传感器102与服务器104通过网络进行通信。各个传感器102采集地下电缆的传感器数据，并将传感器数据上传至服务器104进行处理，服务器获取所述各个预设段对应的历史数据，从根据所述历史数据选取存在故障的预设段，并根据存在故障的预设段得到不存在故障的预设段；
根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标；根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标；综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标；判断所述综合风险参考指标是否大于阈值，若是，则输出所述待判断地下电缆的预警信息。这样不是仅通过一个阈值进行判断，而是根据实际情况，对地下电缆进行分段处理，进而得到具有代表性的风险参考指标后再进行判断，提高判断的准确性。其中，传感器102可以包括但不限于温度传感器、水位传感器、电流传感器、湿度传感器等，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，提供了一种基于历史数据的地下电缆预警方法，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：获取待判断地下电缆各个预设段对应的传感器数据。
具体地地下电缆可以根据传感器的安装被分为若干段，例如每一段中都存在一组传感器，包括但不限于温度传感器、水位传感器、湿度传感器以及电流传感器等，每一预设段中均包括一组传感器，这样地下电缆被分为若干段。待判断地下电缆可以包括若干段的预设段，这样该预设段中的传感器将所采集的传感器数据上传至服务器。
S204：获取所述各个预设段对应的历史数据，从根据所述历史数据选取存在故障的预设段，并根据存在故障的预设段得到不存在故障的预设段。
具体地，服务器接收到传感器数据时，可以根据各个传感器的编号，获取到对应的地下电缆的位置，进而获取到与地下电缆的位置对应的历史数据，即各个位置处的地下电缆的传感器历史上传的传感器数据以及根据该历史传感器数据所得到的判断结果，即该段地下电缆是否存在故障。这样根据是否存在故障，可以将地下电缆划分为存在故障的预设段和不存在故障的预设段。
S206：根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标。
服务器根据存在故障的预设段以及对应的传感器数据，也就是说对应该存在故障的预设段的传感器数据来计算得到第一风险参考指标。其中服务器可以根据存在故障的预设段中所出现的故障的次数以及故障的类型对传感器数据进行处理，例如根据故障类型来判断传感器数据对应的预设段是否可能存在上述故障类型，以及根据故障次数来确定出现上述故障类型的概率等来得到第一风险参考指标。
S208：根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标。
具体地，若存在不存在故障的预设段，则服务器可以只根据传感器数据来计算得到第二风险参考指标，例如输入到预先训练的模型中进行计算等。
S210：综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标。
具体地，服务器在得到第一风险参考指标和第二风险参考指标后，可以根据历史数据获取到第一风险参考指标和第二风险参考指标对应的权重值，这样根据该权重值以及对应的第一风险参考指标和第二风险参考指标即可以得到综合风险参考指标。
S212：判断所述综合风险参考指标是否大于阈值，若是，则输出所述待判断地下电缆的预警信息。
具体地，阈值是预先设置的，用于判断待判断地下电缆是否存在故障的值，当综合风险参考指标是大于阈值，则说明待判断地下电缆很有可能出现故障，则输出预警信息，以便于用户及时查看，并在查看时，确定是否出现故障，若出现故障，则仅出现故障的预设段的故障类型存储到历史数据中，以便于下次进行判断。
上述基于历史数据的地下电缆预警方法，获取到待判断地下电缆各个预设段对应的传感器数据，也就是将地下电缆按照传感器的安装距离分为若干段，每一段称为预设段，这样服务器获取到各个预设段对应的历史数据，从根据所述历史数据选取存在故障的预设段，并根据存在故障的预设段得到不存在故障的预设段，这样可以根据存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标；根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标，然后综合第一风险参考指标和第二风险参考指标，即可以得到综合参考指标，最后服务器通过该综合风险参考指标来判断地下电缆是否故障，若故障则进行预警，这样不是仅通过一个阈值进行判断，而是根据实际情况，对地下电缆进行分段处理，进而得到具有代表性的风险参考指标后再进行判断，提高判断的准确性。
在其中一个实施例中，所述根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标，包括：获取存在故障的预设段的故障类型以及各个故障类型对应的故障次数；将所述传感器数据输入至预先训练得到的故障类型概率模型中得到各个所述故障类型对应的第一概率；根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标。
在其中一个实施例中，所述根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标，包括：获取第一概率大于预设值的故障类型，并对第一概率大于预设值的故障类型的概率进行归一化处理；根据概率大于第一预设值的故障类型对应的故障次数以及对应的归一化处理后的第一概率计算得到第一风险参考指标。
具体地，故障类型概率模型是预先根据历史数据训练得到的，例如可以将预设段以及故障类型进行标注，然后将传感器数据以及故障类型输入至初始模型中，例如卷积神经网络模型中进行学习，这样是得故障类型概率模型对传感器数据敏感，从而可以根据传感器数据来得到对应的故障类型和概率。
第一风险参考指标的计算可以是服务器首先从存在故障的预设段获取到故障类型以及各个故障类型对应的故障次数，例如可以依次遍历各个存在故障的预设段以得到所涉及的故障类型以及各个故障类型对应的故障次数。服务器再将所涉及的故障类型以及传感器数据输入至故障类型概率模型中，这样故障类型概率模型首先限定输出的故障类型为所输入的故障类型，然后根据传感器数据计算得到所输出的每一故障类型对应的第一概率。这样最后，服务器根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标，例如通过每一故障类型对应的第一概率以及故障次数的乘积的和作为第一风险参考指标。
此外，可选地，由于通过故障类型概率模型可以将大部分故障类型的概率给设置的比较小，因此为了计算结果的更加准确，服务器可以首先将第一概率值小于等于预设值的概率删除掉，这样仅保留第一概率值大于预设值的第一概率，然后通过大于预设值的第一概率对应的每一故障类型所对应的第一概率以及故障次数的乘积的和作为第一风险参考指标。
在其中一个实施例中，所述根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标，包括：将所述传感器数据输入至预先训练得到的故障类型概率模型中，得到与所述传感器数据对应的故障类型的第二概率，将所述第二概率中最大的一个作为第二风险参考指标。
具体地，故障类型概率模型是预先根据历史数据训练得到的，例如可以将预设段以及故障类型进行标注，然后将传感器数据以及故障类型输入至初始模型中，例如卷积神经网络模型中进行学习，这样是得故障类型概率模型对传感器数据敏感，从而可以根据传感器数据来得到对应的故障类型和概率。
因此服务器可以将传感器数据输入至预先训练得到的故障类型概率模型中，得到与所述传感器数据对应的故障类型的第二概率，这样由于某一处发生故障，则待判断地下电缆则故障，因此服务器选取第二概率中最大的一个作为第二风险参考指标。
在其中一个实施例中，所述综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标，包括：统计存在故障的预设段的第一数量，以及不存在故障的预设段的第二数量；根据所述第一数量和所述第二数量计算所述第一风险参考指标和所述第二风险参考指标的权重值；根据所述权重值以及对应的所述第一风险参考指标和所述第二风险参考指标计算得到综合风险参考指标。
具体地，服务器可以根据预设段的数量来确定第一风险参考指标和第二风险参考指标之间的权重值，例如第一数量为A，第二数量为B，则第一风险参考指标的权重值可以为A/(A+B)，第二风险参考指标的权重值可以为B/(A+B)，这样综合风险参考指标即可以为第一风险参考指标*A/(A+B)+第二风险参考指标*B/(A+B)。
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，如图3所示，提供了一种基于历史数据的地下电缆预警装置，包括：
传感器数据获取模块100，用于获取待判断地下电缆各个预设段对应的传感器数据；
预设段分组模块200，用于获取所述各个预设段对应的历史数据，从根据所述历史数据选取存在故障的预设段，并根据存在故障的预设段得到不存在故障的预设段；
第一风险参考指标计算模块300，用于根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标；
第二风险参考指标计算模块400，用于根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标；
综合风险参考指标计算模块500，用于综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标；
预警信息输出模块600，用于判断所述综合风险参考指标是否大于阈值，若是，则输出所述待判断地下电缆的预警信息。
在其中一个实施例中，所述第一风险参考指标计算模块包括：
故障类型获取单元，用于获取存在故障的预设段的故障类型以及各个故障类型对应的故障次数；
第一概率计算单元，用于将所述传感器数据输入至预先训练得到的故障类型概率模型中得到各个所述故障类型对应的第一概率；
第一风险参考指标计算单元，用于根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标。
在其中一个实施例中，所述第一风险参考指标计算单元包括：
归一化处理子单元，用于获取第一概率大于预设值的故障类型，并对第一概率大于预设值的故障类型的概率进行归一化处理；
指标计算子单元，用于根据概率大于第一预设值的故障类型对应的故障次数以及对应的归一化处理后的第一概率计算得到第一风险参考指标。
在其中一个实施例中，所述第二风险参考指标计算模块还用于将所述传感器数据输入至预先训练得到的故障类型概率模型中，得到与所述传感器数据对应的故障类型的第二概率，将所述第二概率中最大的一个作为第二风险参考指标。
在其中一个实施例中，所述综合风险参考指标计算模块包括：
统计单元，用于统计存在故障的预设段的第一数量，以及不存在故障的预设段的第二数量；
权重值计算单元，用于根据所述第一数量和所述第二数量计算所述第一风险参考指标和所述第二风险参考指标的权重值；
综合风险参考指标计算单元，用于根据所述权重值以及对应的所述第一风险参考指标和所述第二风险参考指标计算得到综合风险参考指标。
关于基于历史数据的地下电缆预警装置的具体限定可以参见上文中对于基于历史数据的地下电缆预警方法的限定，在此不再赘述。上述基于历史数据的地下电缆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，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储历史数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于历史数据的地下电缆预警方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
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：获取待判断地下电缆各个预设段对应的传感器数据；获取所述各个预设段对应的历史数据，从根据所述历史数据选取存在故障的预设段，并根据存在故障的预设段得到不存在故障的预设段；根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标；根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标；综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标；判断所述综合风险参考指标是否大于阈值，若是，则输出所述待判断地下电缆的预警信息。
在一个实施例中，处理器执行计算机程序时所实现的所述根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标，包括：获取存在故障的预设段的故障类型以及各个故障类型对应的故障次数；将所述传感器数据输入至预先训练得到的故障类型概率模型中得到各个所述故障类型对应的第一概率；根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标。
在一个实施例中，处理器执行计算机程序时所实现的所述根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标，包括：获取第一概率大于预设值的故障类型，并对第一概率大于预设值的故障类型的概率进行归一化处理；根据概率大于第一预设值的故障类型对应的故障次数以及对应的归一化处理后的第一概率计算得到第一风险参考指标。
在一个实施例中，处理器执行计算机程序时所实现的所述根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标，包括：将所述传感器数据输入至预先训练得到的故障类型概率模型中，得到与所述传感器数据对应的故障类型的第二概率，将所述第二概率中最大的一个作为第二风险参考指标。
在一个实施例中，处理器执行计算机程序时所实现的所述综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标，包括：统计存在故障的预设段的第一数量，以及不存在故障的预设段的第二数量；根据所述第一数量和所述第二数量计算所述第一风险参考指标和所述第二风险参考指标的权重值；根据所述权重值以及对应的所述第一风险参考指标和所述第二风险参考指标计算得到综合风险参考指标。
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：获取待判断地下电缆各个预设段对应的传感器数据；获取所述各个预设段对应的历史数据，从根据所述历史数据选取存在故障的预设段，并根据存在故障的预设段得到不存在故障的预设段；根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标；根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标；综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标；判断所述综合风险参考指标是否大于阈值，若是，则输出所述待判断地下电缆的预警信息。
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根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标，包括：获取存在故障的预设段的故障类型以及各个故障类型对应的故障次数；将所述传感器数据输入至预先训练得到的故障类型概率模型中得到各个所述故障类型对应的第一概率；根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标。
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根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标，包括：获取第一概率大于预设值的故障类型，并对第一概率大于预设值的故障类型的概率进行归一化处理；根据概率大于第一预设值的故障类型对应的故障次数以及对应的归一化处理后的第一概率计算得到第一风险参考指标。
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根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标，包括：将所述传感器数据输入至预先训练得到的故障类型概率模型中，得到与所述传感器数据对应的故障类型的第二概率，将所述第二概率中最大的一个作为第二风险参考指标。
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综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标，包括：统计存在故障的预设段的第一数量，以及不存在故障的预设段的第二数量；根据所述第一数量和所述第二数量计算所述第一风险参考指标和所述第二风险参考指标的权重值；根据所述权重值以及对应的所述第一风险参考指标和所述第二风险参考指标计算得到综合风险参考指标。
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，所述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。
以上所述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 (7)

1.一种基于历史数据的地下电缆预警方法，所述方法包括：
获取待判断地下电缆各个预设段对应的传感器数据；
获取所述各个预设段对应的历史数据，从根据所述历史数据选取存在故障的预设段，并根据存在故障的预设段得到不存在故障的预设段；
根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标；
根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标；
综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标；
判断所述综合风险参考指标是否大于阈值，若是，则输出所述待判断地下电缆的预警信息；
所述根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标，包括：
获取存在故障的预设段的故障类型以及各个故障类型对应的故障次数；
将所述传感器数据输入至预先训练得到的故障类型概率模型中得到各个所述故障类型对应的第一概率；
根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标；
所述根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标，包括：
将所述传感器数据输入至预先训练得到的故障类型概率模型中，得到与所述传感器数据对应的故障类型的第二概率，将所述第二概率中最大的一个作为第二风险参考指标。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标，包括：
获取第一概率大于预设值的故障类型，并对第一概率大于预设值的故障类型的概率进行归一化处理；
根据概率大于第一预设值的故障类型对应的故障次数以及对应的归一化处理后的第一概率计算得到第一风险参考指标。
3.根据权利要求1所述的方法，其特征在于，所述综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标，包括：
统计存在故障的预设段的第一数量，以及不存在故障的预设段的第二数量；
根据所述第一数量和所述第二数量计算所述第一风险参考指标和所述第二风险参考指标的权重值；
根据所述权重值以及对应的所述第一风险参考指标和所述第二风险参考指标计算得到综合风险参考指标。
4.一种基于历史数据的地下电缆预警装置，其特征在于，所述装置包括：
传感器数据获取模块，用于获取待判断地下电缆各个预设段对应的传感器数据；
预设段分组模块，用于获取所述各个预设段对应的历史数据，从根据所述历史数据选取存在故障的预设段，并根据存在故障的预设段得到不存在故障的预设段；
第一风险参考指标计算模块，用于根据所述存在故障的预设段以及对应的传感器数据计算得到第一风险参考指标；
第二风险参考指标计算模块，用于根据所述不存在故障的预设段以及对应的传感器数据计算得到第二风险参考指标；
综合风险参考指标计算模块，用于综合所述第一风险参考指标以及所述第二风险参考指标得到综合风险参考指标；
预警信息输出模块，用于判断所述综合风险参考指标是否大于阈值，若是，则输出所述待判断地下电缆的预警信息；
所述第一风险参考指标计算模块包括：
故障类型获取单元，用于获取存在故障的预设段的故障类型以及各个故障类型对应的故障次数；
第一概率计算单元，用于将所述传感器数据输入至预先训练得到的故障类型概率模型中得到各个所述故障类型对应的第一概率；
第一风险参考指标计算单元，用于根据所述第一概率以及所述故障次数进行计算得到第一风险参考指标；
所述第二风险参考指标计算模块还用于将所述传感器数据输入至预先训练得到的故障类型概率模型中，得到与所述传感器数据对应的故障类型的第二概率，将所述第二概率中最大的一个作为第二风险参考指标。
5.根据权利要求4所述的装置，其特征在于，所述第一风险参考指标计算单元包括：
归一化处理子单元，用于获取第一概率大于预设值的故障类型，并对第一概率大于预设值的故障类型的概率进行归一化处理；
指标计算子单元，用于根据概率大于第一预设值的故障类型对应的故障次数以及对应的归一化处理后的第一概率计算得到第一风险参考指标。
6.一种计算机设备，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3中任一项所述方法的步骤。
7.一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3中任一项所述的方法的步骤。
CN201911050638.5A 2019-10-31 2019-10-31 基于历史数据的地下电缆预警方法和装置 Active CN110866682B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911050638.5A CN110866682B (zh) 2019-10-31 2019-10-31 基于历史数据的地下电缆预警方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911050638.5A CN110866682B (zh) 2019-10-31 2019-10-31 基于历史数据的地下电缆预警方法和装置

Publications (2)

Publication Number Publication Date
CN110866682A CN110866682A (zh) 2020-03-06
CN110866682B true CN110866682B (zh) 2023-10-24

Family

ID=69653017

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911050638.5A Active CN110866682B (zh) 2019-10-31 2019-10-31 基于历史数据的地下电缆预警方法和装置

Country Status (1)

Country Link
CN (1) CN110866682B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222531A (zh) * 2021-04-23 2021-08-06 深圳供电局有限公司 数据存储及监控方法、系统、计算机设备和存储介质
CN113627800A (zh) * 2021-08-12 2021-11-09 平安国际智慧城市科技股份有限公司 水源地巡查点位确定方法、装置、电子设备及介质
CN116245362B (zh) * 2023-03-07 2023-12-12 北京磁浮有限公司 城轨接触网风险评估方法及相关装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002304215A (ja) * 2001-04-04 2002-10-18 Isuzu Motors Ltd 故障診断装置
CN105844538A (zh) * 2016-03-18 2016-08-10 国网福建省电力有限公司 一种基于故障严重度的电力电缆风险评估方法
CN107991560A (zh) * 2017-11-27 2018-05-04 福建中电合创电力科技有限公司 一种地下电缆的监测方法
CN108614191A (zh) * 2018-06-07 2018-10-02 云南电网有限责任公司丽江供电局 一种基于bim模型的配电网及地下电缆故障检测方法
CN108917827A (zh) * 2018-05-17 2018-11-30 尹林 一种基于温度及水敏信息的地下电缆监测系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002304215A (ja) * 2001-04-04 2002-10-18 Isuzu Motors Ltd 故障診断装置
CN105844538A (zh) * 2016-03-18 2016-08-10 国网福建省电力有限公司 一种基于故障严重度的电力电缆风险评估方法
CN107991560A (zh) * 2017-11-27 2018-05-04 福建中电合创电力科技有限公司 一种地下电缆的监测方法
CN108917827A (zh) * 2018-05-17 2018-11-30 尹林 一种基于温度及水敏信息的地下电缆监测系统
CN108614191A (zh) * 2018-06-07 2018-10-02 云南电网有限责任公司丽江供电局 一种基于bim模型的配电网及地下电缆故障检测方法

Also Published As

Publication number Publication date
CN110866682A (zh) 2020-03-06

Similar Documents

Publication Publication Date Title
CN110866682B (zh) 基于历史数据的地下电缆预警方法和装置
JP5026433B2 (ja) プロセスモデルベースの仮想センサシステムおよび方法
CN112380098A (zh) 一种时序异常检测方法、装置、计算机设备及存储介质
CN110868241B (zh) 基于多模型的地下电缆故障预警方法和装置
CN111625516B (zh) 检测数据状态的方法、装置、计算机设备和存储介质
CN110875851B (zh) 地下电缆故障预警方法和装置
WO2006110246A2 (en) Diagnostic and prognostic method and system
CN111325159B (zh) 故障诊断方法、装置、计算机设备和存储介质
CN110391840B (zh) 太阳同步轨道卫星遥测参数异常判断方法和系统
CN111460076A (zh) 驾驶路线熟悉度确定方法、装置、计算机设备和存储介质
CN113835962A (zh) 一种服务器故障检测方法、装置、计算机设备及存储介质
CN110866634A (zh) 基于模型选择的地下电缆故障预警方法和装置
CN111104644A (zh) 可靠性评估方法、装置、计算机设备和存储介质
JP5939439B2 (ja) 異常診断装置
CN114553681B (zh) 设备状态异常检测方法、装置和计算机设备
CN113723861A (zh) 异常用电行为检测方法、装置、计算机设备和存储介质
CN113093985B (zh) 传感器数据链路异常检测方法、装置和计算机设备
CN110909669A (zh) 基于图像检测的地下电缆故障确定方法和装置
CN110823355B (zh) 基于位移数据的地下电缆故障判断方法和装置
CN111259338B (zh) 元器件失效率修正方法、装置、计算机设备及存储介质
CN117237678A (zh) 用电行为异常检测方法、装置、设备及存储介质
CN114911788B (zh) 一种数据插补方法、装置及存储介质
CN114120592B (zh) 用于故障报警的方法及装置、电子设备、存储介质
CN113434823B (zh) 数据采集任务异常预警方法、装置、计算机设备和介质
CN114138634B (zh) 测试用例的选取方法、装置、计算机设备和存储介质

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