CN111123087A - 配电网开关设备故障检测方法、装置和计算机设备 - Google Patents
配电网开关设备故障检测方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN111123087A CN111123087A CN201911346568.8A CN201911346568A CN111123087A CN 111123087 A CN111123087 A CN 111123087A CN 201911346568 A CN201911346568 A CN 201911346568A CN 111123087 A CN111123087 A CN 111123087A
- Authority
- CN
- China
- Prior art keywords
- fault detection
- distribution network
- power distribution
- fault
- historical
- 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
Images
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
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
Abstract
本申请涉及一种配电网开关设备故障检测方法、装置和计算机设备，包括获取多个配电网开关设备的温度信息；将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果。本申请提供的方法通过建立故障检测模型，并通过该故障检测模型对配电网开关设备进行故障检测，可以有效检测出配电网开关设备故障的发生，提高供电线路运行的安全性和可靠性。
Description
技术领域
本发明涉及电力系统及自动化领域，特别是涉及一种配电网开关设备故障检测方法、装置和计算机设备。
背景技术
在配电网领域中，电缆头附件经常会出现质量问题，从而烧坏电缆终端头接线柱，进而烧坏配电网开关设备。出现上述问题的原因主要是回路电阻过高、搭接件连接不合格，负荷超载或绝缘破坏等。如果能对电缆头进行有效的温升监测，对减少设备故障损失提高供电可靠性有重要意义。
目前常用的测温监测方式，有电池表带式、光纤传感器、声表面波等方式等，这些方式有些属于有源方式，对电池质量和可靠性有较高要求。有些成本较高，不利于大规模多点监测；有些属于间接测量不能直接反映温升情况；有些抗干扰性差，不适合配电网领域在线监测；有些通讯组网存在缺陷，不利于形成大规模感知网络；有些缺乏必要的安全接入措施，不利于系统安全稳定。
发明内容
本申请提供一种配电网开关设备故障检测方法，可以根据配电网开关设备的温度信息有效检测出配电网开关设备故障的发生，提高供电线路运行的安全性和可靠性。
一种配电网开关设备故障检测方法，所述方法包括：
获取多个配电网开关设备的温度信息；
将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果。
在一实施例中，所述将所述温度信息输入故障检测模型，得到每一配电网开关设备故障检测结果之前，所述方法还包括：
获取每一配电网开关设备的历史温度信息和对应的历史故障信息；
根据所述历史温度信息和所述历史故障信息构建所述故障检测模型。
在一实施例中，所述根据所述历史温度信息构建所述故障检测模型包括：
建立初始模型；
获取模型训练样本，所述模型训练样本包括每一台所述配电网开关设备的历史温度信息、所述历史故障信息以及多个所述配电网开关设备之间的温度比较结果；
根据每一配电网开关设备的所述历史温度信息、所述历史故障信息以及所述温度比较结果对所述初始模型进行训练，得到所述故障检测模型。
在一实施例中，所述根据所述历史温度信息、所述历史故障信息以及所述温度比较结果对所述初始模型进行训练，得到所述故障检测模型包括：
将所述历史温度信息和所述温度比较结果输入至初始模型，得到第一故障检测结果；
根据第一故障检测结果和所述历史故障信息的差异程度，调整所述初始模型参数，得到所述故障检测模型。
在一实施例中，所述初始模型包括神经网络模型。
在一实施例中，所述将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果之后，所述方法还包括：
根据所述配电网开关设备的当前温度信息和对应的故障信息调整所述故障检测模型的参数。
在一实施例中，所述将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果之后还包括：
若所述故障检测结果为故障，则输出报警信息。
一种配电网开关设备故障检测装置，所述装置包括：
获取模块，用于获取多个配电网开关设备的温度信息；
检测模块，用于将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果。
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的方法的步骤。
本申请提供的配电网开关设备故障检测方法、装置和计算机设备，包括获取多个配电网开关设备的温度信息；将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果。本申请提供的方法通过建立故障检测模型，并通过该故障检测模型对配电网开关设备进行故障检测，可以有效检测出配电网开关设备故障的发生，提高供电线路运行的安全性和可靠性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一实施例提供的配电网开关设备故障检测方法的流程图；
图2为一个实施例中配电网开关设备故障检测装置的结构框图；
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了便于理解本申请，为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请，附图中给出了本申请的较佳实施方式。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本申请的公开内容理解的更加透彻全面。本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施例的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。在本申请的描述中，“若干”的含义是至少一个，例如一个，两个等，除非另有明确具体的限定。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1为一实施例提供的配电网开关设备故障检测方法的流程图，如图1所示，配电网开关设备故障检测方法包括步骤110和步骤120，其中：
步骤110，获取多个配电网开关设备的温度信息。
配电网开关设备在电力系统中广泛运用，承担着线路投切、线路故障保护等重要作用，其安全稳定运行对于供电线路的安全保障意义重大。在长期的运行过程中，配电网开关设备中触头的接触电阻会有增加，引起触头温升的增加，引发设备故障，导致设备损毁等事故，需要定期进行巡检。为了检测配电网开关是否故障，本申请首先获取多个配电网开关设备的温度信息，根据温度信息确定配电网开关设备是否存在故障。需要说明的是，本申请中，多个可以理解为至少2个(大于等于2)，也即，多个为2个、3个甚至更多个。
一般而言，室温每提高10度，电气寿命将缩短一半，与随之导致的故障点将呈现指数级增长。对温升的直接、有效、大范围的监测，及时发现故障设备，对减少运维工作量，减少设备故障损坏，提高设备运行可靠性意义巨大。本申请基于物联网、大数据、云计算的全景式温升监测系统，为智能电网动态感知提供了重要保障。维护监测数以万计的配电网开关设备，全面动态快速掌握其温升情况，减少其维护工作量，在事故前期进行及时预警，切实减少由于各种由于绝缘、接触电阻连接不可靠产生的等温升导致的故障显得至关重要。由于单独一个配电网开关设备的温升检测，不能有效构成智能监控网络，本申请在配电网开关设备现场室内/箱内、开关三相肘式电缆接头处、电缆室内、母线接点处、母线室内、手车式开关三相双侧接头处等关键接触点或重要部位安装温度传感器。在配电网开关设备上分散式安装温度采集终端，并通过CAN总线设备将多个配电网开关设备的温度数据传送至云端。
步骤120，将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果。
在获取到多个配电网开关设备的温度信息后，将采集的所有温度信息输入故障检测模型，故障检测模型根据接收到的温度数据输出每一配电网开关设备的故障检测结果。
在一实施例中，每一配电网开关设备的温度信息均携带有标识信息，所述标识信息唯一标识其对应的配电网开关设备。通过识别温度信息的标识信息就可以确认该温度信息属于哪一台配电网开关设备。标识信息可以为数字、字母等，具体形式不做限定。
在一实施例中，标识信息由数字组成。例如，可以用数字1来表示该温度信息属于第一配电网开关设备，数字2表示该温度信息属于第二配电网开关设备。在获取到温度信息之后，首先识别该温度信息的标识信息，根据标识信息对所述温度信息所属的配电网开关设备。
在服务应用层面，在云端通过智能算法与深度学习技术，对大范围监测得到的温升数据建立横向与纵向评估模型，对温升故障进行有效的分析与判别，及时发现故障点，发出预警，切实提高配电网开关设备的安全性和可靠性。
在一实施例中，在云端通过云计算，将多个配电网开关设备发送的温度信息进行融合判别，建立多融合状态评估模型，从而丰富了故障检测模型，以诊断出不同的故障类型。
本实施例提供的配电网开关设备故障检测方法，包括获取多个配电网开关设备的温度信息；将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果。本申请提供的方法通过建立故障检测模型，并通过该故障检测模型对配电网开关设备进行故障检测，可以有效检测出配电网开关设备故障的发生，提高供电线路运行的安全性和可靠性。
在一实施例中，所述将所述温度信息输入故障检测模型，得到每一配电网开关设备故障检测结果之前，所述方法还包括：
获取每一配电网开关设备的历史温度信息和对应的历史故障信息；
根据所述历史温度信息和所述历史故障信息构建所述故障检测模型。
历史温度信息可以是配电网开关设备的重要部位温度的历史数据曲线，历史故障信息为在历史数据曲线中哪些点或曲线段出现过故障，以及出现的故障类型。根据每一配电网开关设备的历史温度信息和对应的历史故障信息构建故障检测模型。
在一实施例中，所述根据所述历史温度信息和历史故障信息构建所述故障检测模型包括：
建立初始模型。
在一实施例中，所述初始模型包括神经网络模型。初始检测模型可以使用深度学习框架Pytorch或者Caffe构建初始模型。在构建初始模型之后，需要对初始模型进行训练。模型训练样本的数量本实施例不作限制，模型训练样本的数量越多，训练得到的模型鲁棒性越强。
初始模型可以基于卷积运算的卷积网络系统构建，另外采用深度学习的监督学习机制对初始模型进行训练得到故障检测模型。卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类。监督学习(Supervised Learning)本质上就是通过有标签的数据训练获得一个模型，然后通过获得的模型，给新增数据添加上特定的标签。整个机器学习的目标，都是使学习得到的模型能很好地适用于新样本。
获取模型训练样本，所述模型训练样本包括每一台所述配电网开关设备的历史温度信息、所述历史故障信息以及多个所述配电网开关设备之间的温度比较结果。
根据每一配电网开关设备的所述历史温度信息、所述历史故障信息以及所述温度比较结果对所述初始模型进行训练，得到所述故障检测模型。
在一实施例中，所述根据所述历史温度信息、所述历史故障信息以及所述温度比较结果对所述初始模型进行训练，得到所述故障检测模型包括：
将所述历史温度信息和所述温度比较结果输入至初始模型，得到第一故障检测结果；
根据第一故障检测结果和所述历史故障信息的差异程度，调整所述初始模型参数，得到所述故障检测模型。
具体地，在获取到第一故障检测结果后，计算第一故障检测结果与对应历史故障信息的误差，根据所述差异程度调整所述初始检测模型的参数。通过不断地迭代训练对初始模型的参数进行调整，使第一故障检测结果和对应历史故障信息的差异尽可能小，从而使第一故障检测结果更接近真实目标区域。
在一实施方式中，可以从分类和回归两方面衡量检测结果和对应历史故障的差异，分类误差可以使用交叉熵损失函数，回归误差可以使用Smooth L1损失函数。根据检测结果和对应历史故障的误差对初始模型的参数进行更新，使检测结果和对应目标区域差异尽可能小。
第一故障检测结果可以是配电网开关设备当前出现故障的概率，以提前提示用户及时发现配电网开关设备故障苗头，提前处理，从而可以有效避免该类故障的发生，提高供电线路运行的安全性和可靠性，减少非正常事故的发生。
本实施例将每一配电网开关设备的历史温度信息和配电网开关设备的当前温度信息进行纵向比较，以及与同类型配电网开关设备的温度信息进行横向比较。运用深度学习，神经网络等智能算法，在横向上进行多设备温升比较分析，在纵向对单设备历史温升进行分析，综合运用各种故障信息，建立配电网开关设备的故障检测模型，可以准确识别出配电网开关设备的故障信息。
在一实施例中，所述将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果之后，所述方法还包括：
根据所述配电网开关设备的当前温度信息和对应的故障信息调整所述故障检测模型的参数。
故障检测模型可以在运行中不断自我完善，从而可以识别出更多的故障类型。
在一实施例中，所述将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果之后还包括：
若所述故障检测结果为故障，则输出报警信息。
提示信息可以是语音提示，也可以显示提示框，具体提示方式本实施例不作限定，可以根据实际情况设置。若为语音提示，则可以根据故障类型设置不同的提示音，从而可以使用户根据提示音确定配电网开关设备出现的故障类型，方便快速进行维修。
应该理解的是，虽然图1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1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2所示，提供了一种配电网开关设备故障检测装置，包括：获取模块210和检测模块220，其中：
获取模块210，用于获取多个配电网开关设备的温度信息；
检测模块220，用于将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果。
在一实施例中，配电网开关设备故障检测装置还包括模型建立模块，用于获取每一配电网开关设备的历史温度信息和对应的历史故障信息；
根据所述历史温度信息和所述历史故障信息构建所述故障检测模型。
在一实施例中，模型建立模块用于建立初始模型；
获取模型训练样本，所述模型训练样本包括每一台所述配电网开关设备的历史温度信息、所述历史故障信息以及多个所述配电网开关设备之间的温度比较结果；
根据每一配电网开关设备的所述历史温度信息、所述历史故障信息以及所述温度比较结果对所述初始模型进行训练，得到所述故障检测模型。
在一实施例中，模型建立模块用于将所述历史温度信息和所述温度比较结果输入至初始模型，得到第一故障检测结果；
根据第一故障检测结果和所述历史故障信息的差异程度，调整所述初始模型参数，得到所述故障检测模型。
在一实施例中，所述初始模型包括神经网络模型。
在一实施例中，配电网开关设备故障检测装置还包括调整模块，用于根据所述配电网开关设备的当前温度信息和对应的故障信息调整所述故障检测模型的参数。
在一实施例中，配电网开关设备故障检测装置还包括报警模块，用于若所述故障检测结果为故障，则输出报警信息。
本实施例提供的配电网开关设备故障检测装置，包括获取模块210和检测模块220，通过获取模块210获取多个配电网开关设备的温度信息；通过检测模块220将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果。本实施例提供的配电网开关设备故障检测装置通过建立故障检测模型，并通过该故障检测模型对配电网开关设备进行故障检测，可以有效检测出配电网开关设备故障的发生，提高供电线路运行的安全性和可靠性。
关于配电网开关设备故障检测装置的具体限定可以参见上文中对于配电网开关设备故障检测方法的限定，在此不再赘述。上述配电网开关设备故障检测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终端，其内部结构图可以如图3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、显示屏和输入装置。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和计算机程序。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配电网开关设备故障检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图3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，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取多个配电网开关设备的温度信息；
将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：
获取每一配电网开关设备的历史温度信息和对应的历史故障信息；
根据所述历史温度信息和所述历史故障信息构建所述故障检测模型。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：
建立初始模型；
获取模型训练样本，所述模型训练样本包括每一台所述配电网开关设备的历史温度信息、所述历史故障信息以及多个所述配电网开关设备之间的温度比较结果；
根据每一配电网开关设备的所述历史温度信息、所述历史故障信息以及所述温度比较结果对所述初始模型进行训练，得到所述故障检测模型。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：
将所述历史温度信息和所述温度比较结果输入至初始模型，得到第一故障检测结果；
根据第一故障检测结果和所述历史故障信息的差异程度，调整所述初始模型参数，得到所述故障检测模型。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：
根据所述配电网开关的当前温度信息和对应的故障信息调整所述故障检测模型的参数。
在一个实施例中，该处理器执行计算机程序时实现以下步骤：
若所述故障检测结果为故障，则输出报警信息。
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：
获取多个配电网开关设备的温度信息；
将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果。
在一实施例中，计算机程序被处理器执行时实现以下步骤：
获取每一配电网开关设备的历史温度信息和对应的历史故障信息；
根据所述历史温度信息和所述历史故障信息构建所述故障检测模型。
在一实施例中，计算机程序被处理器执行时实现以下步骤：
建立初始模型；
获取模型训练样本，所述模型训练样本包括每一台所述配电网开关设备的历史温度信息、所述历史故障信息以及多个所述配电网开关设备之间的温度比较结果；
根据每一配电网开关设备的所述历史温度信息、所述历史故障信息以及所述温度比较结果对所述初始模型进行训练，得到所述故障检测模型。
在一实施例中，计算机程序被处理器执行时实现以下步骤：
将所述历史温度信息和所述温度比较结果输入至初始模型，得到第一故障检测结果；
根据第一故障检测结果和所述历史故障信息的差异程度，调整所述初始模型参数，得到所述故障检测模型。
在一实施例中，计算机程序被处理器执行时实现以下步骤：
根据所述配电网开关的当前温度信息和对应的故障信息调整所述故障检测模型的参数。
在一实施例中，计算机程序被处理器执行时实现以下步骤：
若所述故障检测结果为故障，则输出报警信息。
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。
以上所述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发明的几种实施方式，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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种配电网开关设备故障检测方法，其特征在于，所述方法包括：
获取多个配电网开关设备的温度信息；
将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果。
2.根据权利要求1所述的方法，其特征在于，所述将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果之前，所述方法还包括：
获取每一配电网开关设备的历史温度信息和对应的历史故障信息；
根据所述历史温度信息和所述历史故障信息构建所述故障检测模型。
3.根据权利要求2所述的方法，其特征在于，所述根据所述历史温度信息和所述历史故障信息构建所述故障检测模型包括：
建立初始模型；
获取模型训练样本，所述模型训练样本包括每一台所述配电网开关设备的历史温度信息、所述历史故障信息以及多个所述配电网开关设备之间的温度比较结果；
根据每一配电网开关设备的所述历史温度信息、所述历史故障信息以及所述温度比较结果对所述初始模型进行训练，得到所述故障检测模型。
4.根据权利要求3所述的方法，其特征在于，所述根据所述历史温度信息、所述历史故障信息以及所述温度比较结果对所述初始模型进行训练，得到所述故障检测模型包括：
将所述历史温度信息和所述温度比较结果输入至初始模型，得到第一故障检测结果；
根据第一故障检测结果和所述历史故障信息的差异程度，调整所述初始模型参数，得到所述故障检测模型。
5.根据权利要求3所述的方法，其特征在于，所述初始模型包括神经网络模型。
6.根据权利要求1所述的方法，其特征在于，所述将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果之后，所述方法还包括：
根据所述配电网开关设备的当前温度信息和对应的故障信息调整所述故障检测模型的参数。
7.根据权利要求1所述的方法，其特征在于，所述将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果之后还包括：
若所述故障检测结果为故障，则输出报警信息。
8.一种配电网开关设备故障检测装置，其特征在于，所述装置包括：
获取模块，用于获取多个配电网开关设备的温度信息；
检测模块，用于将所述温度信息输入故障检测模型，得到每一配电网开关设备的故障检测结果。
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 |
|---|---|---|---|
| CN201911346568.8A CN111123087A (zh) | 2019-12-24 | 2019-12-24 | 配电网开关设备故障检测方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911346568.8A CN111123087A (zh) | 2019-12-24 | 2019-12-24 | 配电网开关设备故障检测方法、装置和计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111123087A true CN111123087A (zh) | 2020-05-08 |
Family
ID=70501735
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911346568.8A Pending CN111123087A (zh) | 2019-12-24 | 2019-12-24 | 配电网开关设备故障检测方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111123087A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113091949A (zh) * | 2021-02-18 | 2021-07-09 | 深圳供电局有限公司 | 电缆状态检测方法、装置和设备 |
| CN114692480A (zh) * | 2020-12-30 | 2022-07-01 | 上海宏力达信息技术股份有限公司 | 基于径向基神经网络的智能开关可靠性分析方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103023144A (zh) * | 2012-12-06 | 2013-04-03 | 广州南方电力集团科技发展有限公司 | 一种配电网开关触头测温及预警方法 |
| CN107679649A (zh) * | 2017-09-13 | 2018-02-09 | 珠海格力电器股份有限公司 | 一种电器的故障预测方法、装置、存储介质及电器 |
| CN108535618A (zh) * | 2018-07-11 | 2018-09-14 | 云南电网有限责任公司电力科学研究院 | 一种gis绝缘缺陷检测方法 |
| CN108734202A (zh) * | 2018-04-27 | 2018-11-02 | 西安工程大学 | 一种基于改进bp神经网络的高压断路器故障诊断方法 |
| CN109163913A (zh) * | 2018-09-30 | 2019-01-08 | 深圳市元征科技股份有限公司 | 一种汽车故障诊断方法及相关设备 |
| CN109376626A (zh) * | 2018-10-10 | 2019-02-22 | 国网陕西省电力公司电力科学研究院 | 一种基于辐射电场特征参数支持向量机的gis开关缺陷诊断方法 |
| CN109599827A (zh) * | 2018-11-21 | 2019-04-09 | 宁波恒晨电力建设有限公司 | 基于大数据的配电网中性点动态接地方法及系统 |
| CN109617045A (zh) * | 2018-11-21 | 2019-04-12 | 宁波恒晨电力建设有限公司 | 降低低压开关跳闸风险的配电网安全保障方法及装置 |
| CN110009208A (zh) * | 2019-03-26 | 2019-07-12 | 武汉理工大学 | 一种基于混合智能算法的柱上开关成套设备健康状态评估方法及装置 |
| CN110146789A (zh) * | 2019-06-27 | 2019-08-20 | 国网山东省电力公司菏泽供电公司 | 一种智能运检通报方法及装置 |
-
2019
- 2019-12-24 CN CN201911346568.8A patent/CN111123087A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103023144A (zh) * | 2012-12-06 | 2013-04-03 | 广州南方电力集团科技发展有限公司 | 一种配电网开关触头测温及预警方法 |
| CN107679649A (zh) * | 2017-09-13 | 2018-02-09 | 珠海格力电器股份有限公司 | 一种电器的故障预测方法、装置、存储介质及电器 |
| CN108734202A (zh) * | 2018-04-27 | 2018-11-02 | 西安工程大学 | 一种基于改进bp神经网络的高压断路器故障诊断方法 |
| CN108535618A (zh) * | 2018-07-11 | 2018-09-14 | 云南电网有限责任公司电力科学研究院 | 一种gis绝缘缺陷检测方法 |
| CN109163913A (zh) * | 2018-09-30 | 2019-01-08 | 深圳市元征科技股份有限公司 | 一种汽车故障诊断方法及相关设备 |
| CN109376626A (zh) * | 2018-10-10 | 2019-02-22 | 国网陕西省电力公司电力科学研究院 | 一种基于辐射电场特征参数支持向量机的gis开关缺陷诊断方法 |
| CN109599827A (zh) * | 2018-11-21 | 2019-04-09 | 宁波恒晨电力建设有限公司 | 基于大数据的配电网中性点动态接地方法及系统 |
| CN109617045A (zh) * | 2018-11-21 | 2019-04-12 | 宁波恒晨电力建设有限公司 | 降低低压开关跳闸风险的配电网安全保障方法及装置 |
| CN110009208A (zh) * | 2019-03-26 | 2019-07-12 | 武汉理工大学 | 一种基于混合智能算法的柱上开关成套设备健康状态评估方法及装置 |
| CN110146789A (zh) * | 2019-06-27 | 2019-08-20 | 国网山东省电力公司菏泽供电公司 | 一种智能运检通报方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114692480A (zh) * | 2020-12-30 | 2022-07-01 | 上海宏力达信息技术股份有限公司 | 基于径向基神经网络的智能开关可靠性分析方法及系统 |
| CN113091949A (zh) * | 2021-02-18 | 2021-07-09 | 深圳供电局有限公司 | 电缆状态检测方法、装置和设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220245297A1 (en) | Scalable system and method for forecasting wind turbine failure using scada alarm and event logs | |
| CN108537426B (zh) | 电力设备运行状态估计方法、装置和计算机设备 | |
| CN108073551B (zh) | 一种基于多Agent协同的高压开关柜在线故障诊断方法 | |
| CN105974273B (zh) | 配电网故障定位系统 | |
| CN111709447A (zh) | 电网异常检测方法、装置、计算机设备和存储介质 | |
| CN111123087A (zh) | 配电网开关设备故障检测方法、装置和计算机设备 | |
| CN115979349B (zh) | 一种电力站空间环境监测方法及系统 | |
| CN115238831B (zh) | 故障预测方法、装置、计算机设备和存储介质 | |
| US20230118175A1 (en) | Event analysis in an electric power system | |
| CN113708493A (zh) | 基于云边协同的配电终端运维方法、装置和计算机设备 | |
| CN108471114B (zh) | 输电线路状态评价方法、装置、计算机设备及存储介质 | |
| CN114266284A (zh) | 开关柜绝缘缺陷类型检测方法、装置、设备和程序产品 | |
| CN114812833A (zh) | 一种配网开关温度在线监测与预测系统及方法 | |
| CN117031182B (zh) | 配电站所终端遥测值异常检测方法及系统 | |
| CN105425739A (zh) | 使用plc日志数据来预测异常发生的系统 | |
| CN113268844B (zh) | 一种用于电力线路的故障设备获取方法、装置、设备 | |
| CN115936515A (zh) | 电缆运行状态的确定方法、装置、存储介质和电子设备 | |
| CN115420325A (zh) | 排查储能装置异常传感器的方法、终端设备及存储介质 | |
| US20230273269A1 (en) | Determining states of electrical equipment using variations in diagnostic parameter prediction error | |
| US20230147470A1 (en) | Failure prediction system | |
| CN112162164A (zh) | 一种基于神经网络的电缆寿命预测系统 | |
| CN113570473A (zh) | 设备故障监测方法、装置、计算机设备和存储介质 | |
| CN116381419B (zh) | 输电线路故障处理方法、装置、计算机设备和存储介质 | |
| Fang et al. | Condition assessment of power cable based on fuzzy analytic hierarchy process and set pair analysis approach | |
| Jacome et al. | Real-Time Fault Identification of Photovoltaic Systems Based on Remote Monitoring with IoT |
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: 20200508 |
|
| RJ01 | Rejection of invention patent application after publication |