CN111353911A - 电力设备运维方法、系统、设备和存储介质 - Google Patents
电力设备运维方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN111353911A CN111353911A CN202010351312.2A CN202010351312A CN111353911A CN 111353911 A CN111353911 A CN 111353911A CN 202010351312 A CN202010351312 A CN 202010351312A CN 111353911 A CN111353911 A CN 111353911A
- Authority
- CN
- China
- Prior art keywords
- power
- data
- equipment
- fault
- information
- 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 58
- 238000012423 maintenance Methods 0.000 title claims description 33
- 238000003860 storage Methods 0.000 title claims description 12
- 238000001514 detection method Methods 0.000 claims abstract description 103
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 18
- 239000013589 supplement Substances 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000004393 prognosis Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000002159 abnormal effect Effects 0.000 description 26
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000007621 cluster analysis Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
一种电力设备运维方法、系统、设备和存储介质,方法包括获取电力系统中多个电力设备的电力数据,根据设备基础信息对多个所述电力设备的电力数据进行分类,通过对各类电力数据进行分析,获取各个电力设备的故障预判结果。由于获取多个电力数据,使得进行分类所使用的数据更为完备,同时,对数据进行分类可以利用同类数据的共性,通过利用分类的数据进行分析使得对对应的电力设备进行故障预判检测的结果更为准确。
Description
技术领域
本发明涉及电力技术领域,具体涉及一种电力设备运维方法、系统、设备和存储介质。
背景技术
电力设备运维服务是指为了维护电力设备的安全稳定运行,保证电能质量,针对配电设施和用电设施,进行规划设计、安装调试、运行监测、维护保养和设备检修等专业服务,以实现“安全、经济、优质”的用电目的。
对电力设备进行故障检测是运维中的重要环节。由于电力设备存在多厂家、多类型和多型号等设备多样化问题,增加了故障检测的难度。随着信息化技术的发展,通过数据采集装置采集电力设备的相关数据,通过分析相关数据,进行故障检测已逐步用于工程实践。现有技术中,通常在电力设备所处位置设置数据采集装置,获取数据。数据采集装置只能获取到本地的电力设备的数据,存在数据不完备的问题,这种局限性将降低基于该数据进行故障检测的准确性,无法满足工程实践对于准确性的要求。
发明内容
本发明提供一种电力设备运维方法、系统、设备和存储介质,用于解决现有电力设备本地故障检测准确性低的问题。
根据第一方面,一种实施例中提供一种电力设备运维方法,包括获取电力系统中多个电力设备的电力数据;根据设备基础信息对多个所述电力设备的电力数据进行分类;通过对各类电力数据进行分析,获取各个电力设备的故障预判结果。
可选的,所述电力数据包括电力指纹信息、声纹数据、温度数据和震动数据。
可选的,所述通过对各类电力数据进行分析,获取各个电力设备的故障预判结果,包括根据电力指纹信息确定各个电力设备的工作模式;根据预先训练好的该工作模式的故障检测模型,基于声纹数据、温度数据和震动数据获取各个电力设备的故障预判结果。
可选的,所述根据设备基础信息对多个所述电力设备的电力数据进行分类,包括:根据设备厂商、设备类型、设备型号、设备使用年限和设备位置信息中的至少一项对多个所述电力设备的电力数据进行分类。
可选的,所述方法还包括获取各个电力设备的自检结果,所述自检结果根据各个电力设备的本地故障检测模型确定;若所述自检结果与所述预判结果不一致,则进行相应的告警补报处理或者告警补消处理。
可选的,所述方法还包括根据多个所述电力设备的电力数据持续训练故障检测模型;周期性地将所述故障检测模型发送至相应的电力设备,以使所述电力设备根据接收到的故障检测模型对本地的故障检测进行更新。
可选的,所述根据多个所述电力设备的电力数据持续训练故障检测模型之前,还包括对所述电力数据进行数据均值和平滑处理。
根据第二方面,一种实施例中提供一种电力设备运维系统,包括:
获取模块,用于获取电力系统中多个电力设备的电力数据;
分类模块,用于根据设备基础信息对多个所述电力设备的电力数据进行分类;
分析模块,用于通过对各类电力数据进行分析,获取各个电力设备的故障预判结果。
根据第三方面,一种实施例中提供一种电力系统运维设备,包括:
存储器,用于存储程序;
处理器,用于执行所述存储器存储的程序以实现上述第一方面中任一项方法。
根据第四方面,一种实施例中提供一种计算机可读存储介质,包括程序,所述程序能够被处理器执行以实现上述第一方面中任意方法。
依据上述实施例的电力设备运维方法、系统、设备和存储介质,获取电力系统中多个电力设备的电力数据,根据设备基础信息对多个所述电力设备的电力数据进行分类,通过对各类电力数据进行分析,获取各个电力设备的故障预判结果。由于获取多个电力数据,使得进行分类所使用的数据更为完备,同时,对数据进行分类可以利用同类数据的共性,使得对对应的电力设备进行故障预判检测的结果更为准确。
附图说明
图1为本发明一实施例提供的电力设备运维方法的流程图;
图2为本发明另一实施例提供的电力设备运维方法的流程图;
图3A为本发明一实施例提供的电力设备运维系统的结构示意图;
图3B为本发明另一实施例提供的电力设备运维系统的结构示意图;
图4为本发明一实施例提供的电力系统运维设备的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
在本发明实施例中,由于获取多个电力数据,使得进行分类所使用的数据更为完备,同时,对数据进行分类可以利用同类数据的共性,使得对对应的电力设备进行故障预判检测的结果更为准确。
实施例一
请参考图1,本实施例提供一种电力设备运维方法,包括:
步骤101,获取电力系统中多个电力设备的电力数据。
电力系统中包括多个电力设备,获取电力系统中多个电力设备的电力数据可以是获取电力系统中所有电力设备的电力数据,也可以是获取部分电力设备的电力数据。
本实施例中,通过设备信息采集装置采集电力设备的电力数据,其中,该设备信息采集装置与电力设备是对应的,设置于电力设备所处位置的附近。全网电力设备的电力数据是通过全网的电力设备对应的各个设备信息采集装置采集而来。全网电力设备的电力数据包括:电力指纹信息、声纹数据、温度数据和震动数据;温度数据可以指的是关键点温度数据。例如电力设备中容易发热的点或者需要特殊监控的位置处的温度数据,震动数据可以指的是关键点震动数据,例如电力设备中容易发生摩擦的位置的震动数据。
其中,电力指纹信息可以包括:电流数据、电压数据、有功功率数据、无功功率数据、瞬时功率数据、U-I特性数据和电能量数据。设备的声纹数据、温度数据和震动数据可以总称为设备采集数据信息。
本实施例中,当获取到设备信息采集装置所采集的电力数据之后,需要对该电力数据进行预处理,例如对该电力数据进行数据清洗、数据转化、数据抽取和数据合并等基本数据处理步骤。
步骤102,根据设备基础信息对多个所述电力设备的电力数据进行分类。
电力设备的基础信息包括设备厂商、设备类型、设备型号、设备使用年限、设备位置信息和设备工作模式,其中,所述设备位置信息可以包括设备所在省份、设备所在地市和设备所在区域。在获取了全网多个电力设备的电力数据之后,可以根据设备厂商、设备类型、设备型号、设备使用年限和设备位置信息中的至少一项对多个所述电力设备的电力数据进行分类,以使电力数据得到不同维度的管理。
需要说明的是,当获取到的电力数据未指定设备基础信息,可以将该电力数据与已进行分类管理的电力数据进行对比分析,从而学习到该电力数据的设备厂商、设备类型、设备型号或设备使用年限等设备基础信息,进而可以对所获取的所有电力设备的电力数据进行分类管理。在进行对比分析时,可以采用未指定设备基础信息的电力指纹信息与已进行分类管理的各电力指纹信息进行对比,从而能够更快速的分析出未指定基础信息的电力数据的基础信息,以进行归类。
步骤103,通过对各类电力数据进行分析,获取各个电力设备的故障预判结果。
根据不同设备厂商、设备类型、设备型号、设备使用年限和设备位置信息等维度再分别基于设备的声纹数据、温度数据和震动数据分别进行数据建模工作,从而可以实现对数据的分析,实现对各个电力设备的故障预判,获得故障预判结果。
本实施例中,所述通过对各类电力数据进行分析,获取各个电力设备的故障预判结果,可以包括:根据电力指纹信息确定各个电力设备的工作模式;根据预先训练好的该工作模式的故障检测模型,基于声纹数据、温度数据和震动数据获取各个电力设备的故障预判结果。
其中,根据电力指纹信息确定各个电力设备的工作模式的方法可以是:基于全网相同设备基础信息的电力指纹数据特征进行聚类算法处理,将相同特征数据进行归类从而推断电力设备的工作状态;在聚类算法处理的过程中,若发现存在数据异常点,则可以确定相应被检测设备存在故障,自动下发被检测设备故障信息到装置(这里的装置指的是对应检测电力设备的检测装置),同时,产生被检测设备故障告警信息及触发相应工单派发流程,并将此异常数据进行过滤。
需要说明的是,每一种设备都有符合自身特点的工作模式,例如启动,配置,待机,运行,休眠等工作状态。识别这些设备工作模式的一种方法是通过数据分析聚类方法将相同特征数据进行归类从而推断设备的工作状态及数量,但是此推断可能与实际设备运行状态存在差异,如果能够根据该设备的实际工作状态特性对聚类推断出的工作状态进行指导调整,可以使得故障预判检测及时性与准确性提升。
上述中根据预先训练好的该工作模式的故障检测模型,基于声纹数据、温度数据和震动数据获取各个电力设备的故障预判结果的方法可以是:
基于全网相同设备基础信息的声纹数据进行聚类分析,若分析发现存在数据异常点,则可以确定相应被检测设备存在故障,自动下发被检测设备故障信息到装置(这里的装置指的是对应检测电力设备的检测装置),记录此装置存在被检测设备故障事件,同时,产生被检测设备故障告警信息及触发相应工单派发流程,并将此异常数据进行过滤;
基于全网相同设备基础信息的温度数据进行聚类分析,若分析发现存在数据异常点,则可以确定相应被检测设备存在故障,自动下发被检测设备故障信息到装置(这里的装置指的是对应检测电力设备的检测装置),记录此装置存在被检测设备故障事件,同时,产生被检测设备故障告警信息及触发相应工单派发流程,并将此异常数据进行过滤;
基于全网相同设备基础信息的震动数据进行聚类分析,若分析发现存在数据异常点,则可以确定相应被检测设备存在故障,自动下发被检测设备故障信息到装置(这里的装置指的是对应检测电力设备的检测装置),记录此装置存在被检测设备故障事件,同时,产生被检测设备故障告警信息及触发相应工单派发流程,并将此异常数据进行过滤。
本实施例中,由于数据规模较大,可以对上述数据建模工作采用离线数据训练方式,当离线完成数据训练并得到训练模型,称为故障预判模型,需要说明的是,上述中的故障预判模型是多个,它包括基于各类电力数据得到的模型。可以使用该故障预判模型对设备进行故障预判,得到对各个电力设备的故障预判结果。
在一些实施例中,上述方法还包括:获取各个电力设备的自检结果,所述自检结果根据各个电力设备的本地故障检测模型确定;若所述自检结果与所述预判结果不一致,则进行相应的告警补报处理或者告警补消处理。
其中,各个电力设备的本地故障检测模型是上述中在线或离线训练得到的故障预判模型。具体可以是:当上述中在线或离线形式得到各个设备的故障预判模型之后,将对应的故障预判模型下发至本地的电力设备的检测装置,该检测装置用于对电力设备进行检测。当检测装置拥有故障检测模型,本地的电力设备具有自检能力,可以对本地的电力设备进行故障预判检测,从而获得自检结果。
由于上述步骤1-3可以一直不断的将所获取的电力数据进行分析,即,每次对电力指纹数据特征、声纹数据、温度数据和震动数据进行聚类算法处理和分析,在分析后会确定出指纹数据特征、声纹数据、温度数据和震动数据中的异常点数据,还会将此异常数据进行过滤,同时,系统还在不断的获取新的电力数据,新获取到的电力数据与之前滤除过异常点数据之后的数据一起,再通过步骤1-3的方法对该电力数据进行分析,可以得到新的故障预判结果;基于以上新的故障预判结果与自检结果进行对比,由于自检结果的检测结果较为滞后,因此,如果所述自检结果与所述预判结果不一致,则进行相应的告警补报处理或者告警补消处理。
本实施例中,告警补报处理包括:利用获取的实时数据进行设备故障预判检测分析,若分析发现被检测设备数据存在故障异常情况,但相应装置未产生告警数据上报,则说明该检测装置内置的故障预判模型存在设备故障预判检测漏告警情况。系统自动产生设备故障告警数据,并记录此检测装置存在故障告警漏报事件。
本实施例中,告警补消处理包括:利用获取的实时数据进行设备故障预判检测分析,若分析发现被检测设备数据不存在故障异常情况,但相应检测装置产生告警数据上报,则说明检测装置内置模型识别判断存在设备故障预判检测误告情况。系统自动消除此条告警数据记录,并记录此检测装置存在故障告警误报事件。
由于不断的获取电力数据并进行分析,当利用新获取的电力数据进行设备故障预判检测分析时,所训练出新的故障预判模型的准确性会提高。
周期性地将最新的故障检测模型发送至相应的电力设备,以使所述电力设备根据接收到的故障检测模型对本地的故障检测进行更新。可以周期性的对存在故障事件、故障告警漏报事件和故障告警误报事件的电力设备的检测装置下发最新的故障预判检测模型。需要说明的是,下发新的故障预判检测模型之后,需清除掉针对该电力设备的检测装置所记录的故障事件、故障告警漏报事件或故障告警误报事件数据。
在一些实施例中,根据多个所述电力设备的电力数据持续训练故障检测模型之前,还可以对所述电力数据进行数据均值和平滑处理。
实施例二
本实施例提供一种电力系统的故障预判检测方法,参考图2,该方法包括:
步骤201,获取电力系统中多个电力设备的电力数据并进行预处理。
全网电力设备运维系统通过各个设备信息采集模块(或装置)采集电力数据,其中电力数据包括:电力指纹数据、声纹数据、温度数据和震动数据。并将所采集到的电力数据进行基本的数据处理,例如数据清洗、数据转化、数据抽取或数据合并等。
需要说明的是,本实施例中提供的各个本地设备信息采集模块(或装置)与检测装置为一体设备,在其他实施例中,也可以是独立的两个设备。
步骤202,根据设备基础信息对电力数据进行分类。
根据设备基础信息对电力数据进行分类包括:根据设备厂商、设备类型、设备型号、设备使用年限、设备所在场所省份、设备所在场所地市、设备所在场所区域和设备工作模式对全网各本地电力进行分类。
步骤203,对具有相同设备基础信息的电力数据进行聚类分析,判断是否存在数据异常点。若是,则执行步骤S204;反之,则执行步骤S205。
对具有相同设备基础信息的电力数据进行聚类分析时,包括对具有相同设备基础信息的电力指纹数据、声纹数据、温度数据和震动数据分别进行聚类分析,并判断是否存在数据异常点。
步骤204,根据数据异常点确定故障,并进行相应的处理。
这里,进行相应的处理包括:自动下发被检测电力设备的故障信息到装置(指的是对应检测电力设备的检测装置),记录此装置存在被检测设备故障事件,同时,产生被检测电力设备故障告警信息及触发相应工单派发流程,并将此异常数据进行过滤。
例如:基于全网相同设备基础信息的声纹数据进行聚类分析,若分析发现存在数据异常点,则可以确定相应被检测设备存在故障,自动下发被检测设备故障信息到装置(这里的装置指的是对应检测电力设备的检测装置),记录此装置存在被检测设备故障事件,同时,产生被检测设备故障告警信息及触发相应工单派发流程,并将此异常数据进行过滤;
基于全网相同设备基础信息的温度数据进行聚类分析,若分析发现存在数据异常点,则可以确定相应被检测设备存在故障,自动下发被检测设备故障信息到装置(这里的装置指的是对应检测电力设备的检测装置),记录此装置存在被检测设备故障事件,同时,产生被检测设备故障告警信息及触发相应工单派发流程,并将此异常数据进行过滤;
基于全网相同设备基础信息的震动数据进行聚类分析,若分析发现存在数据异常点,则可以确定相应被检测设备存在故障,自动下发被检测设备故障信息到装置(这里的装置指的是对应检测电力设备的检测装置),记录此装置存在被检测设备故障事件,同时,产生被检测设备故障告警信息及触发相应工单派发流程,并将此异常数据进行过滤。
步骤205,对电力数据进行数据均值及平滑处理。
本实施例中,对经过前述步骤后的无异常点的电力数据进行数据均值及平滑处理,可以减少各个本地设备信息采集模块(或采集装置)自身采集误差。
步骤206,持续训练故障检测模型。
步骤207,周期性地将故障检测模型发送至相应的电力设备。
本实施例中,周期性地将故障检测模型发送至相应的电力设备目的是使本地电力设备具有自检能力。这里周期性地将故障检测模型发送至相应的电力设备也可以指将故障检测模型发送至电力设备对应的检测装置。
需要说明的是,本地电力设备的检测是滞后的,因为只有系统将故障检测模型下发之后,它才能拥有更好的检测能力。所以,每当系统训练好新的故障检测模型之后,系统具有对全网的电力设备进行检测的功能。系统可以基于这个新的故障训练模型对各个电力数据进行分析,对电力设备进行检测,获得检测结果。通过系统检测得到的检测结果和之前本地电力设备上报的检测结果进行对比,可以判断之前的本地电力设备的检测结果中是否存在漏报警或误报警情况。
例如:若分析发现出现被检测设备数据存在故障异常情况,但相应检测装置未产生告警数据上报,则说明该检测装置内置的故障训练模型识别判断存在故障预判检测漏告警情况,系统自动产生设备故障告警数据,并记录此检测装置存在故障告警漏报事件。若分析发现被检测设备数据不存在故障异常情况,但相应检测装置产生告警数据上报,则说明该检测装置内置的故障训练模型识别判断存在故障预判检测误告情况,系统自动消除此条告警数据记录,并记录此检测装置设备存在故障告警误报事件。
在一些实施例中,当判断之前的本地电力设备的检测结果中存在漏报警或误报警情况,可以仅针对存在漏报警或误报警情况的电力设备下发新的训练模型。
当周期性地将故障检测模型发送至相应的电力设备同时,还可以包括周期性的清除之前记录的故障事件、故障漏报警事件或故障误报警事件等事件数据。
本实施例中,电力运维系统基于全网设备数据通过离线训练方式进行设备工作模式分析优化,基于设备声纹数据、温度数据和震动数据分析优化故障预判检测模型,并将各个故障预判检测模型反馈到各电力设备的检测装置,持续提升电力系统故障预判检查工作的及时性与准确性。
实施例三
图3A为本发明一实施例提供的电力设备运维系统的结构示意图。如图3A所示,本实施例提供的电力设备运维系统30可以包括:获取模块301、分类模块302以及分析模块303。
获取模块301,用于获取电力系统中多个电力设备的电力数据。
分类模块302,用于根据设备基础信息对多个所述电力设备的电力数据进行分类。
分析模块303,用于通过对各类电力数据进行分析,获取各个电力设备的故障预判结果。
本实施例提供的电力设备运维系统可用于执行图1对应的方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
可选的,电力数据包括电力指纹信息、声纹数据、温度数据和震动数据。
可选的,分析模块303用于通过对各类电力数据进行分析,获取各个电力设备的故障预判结果,包括:
根据电力指纹信息确定各个电力设备的工作模式;
根据预先训练好的所述工作模式的故障检测模型,基于声纹数据、温度数据和震动数据获取各个电力设备的故障预判结果。
可选的,分类模块302用于根据设备基础信息对多个所述电力设备的电力数据进行分类包括:根据设备厂商、设备类型、设备型号、设备使用年限和设备位置信息中的至少一项对多个所述电力设备的电力数据进行分类。
可选的,获取各个电力设备的自检结果,该自检结果根据各个电力设备的本地故障检测模型确定;若所述自检结果与所述预判结果不一致,则进行相应的告警补报处理或者告警补消处理。
可选的,根据多个电力设备的电力数据持续训练故障检测模型;周期性地将所述故障检测模型发送至相应的电力设备,以使本地电力设备的故障预判检测能力得以更新。
可选的,对电力数据进行数据均值和平滑处理。
图3B为本发明提供的另一实施例提供的电力设备运维系统的结构示意图。如图3B所示,本实施例提供的电力设备运维系统包括:获取模块301、分类模块302、分析模块303、设备自动识别模块305和业务平台306。
本实施例中的获取模块301用于接收多维电力系统设备数据采集装置304(本实施例中的多维电力系统设备数据采集装置指的是各个本地电力设备对应的电力数据采集装置,用于采集本地电力设备的电力数据)采集的电力数据,并将接收到的电力数据整形(整形的目的是将接收到的电力数据的类型转化为系统能够处理的类型),发送给分类模块302。其中,多维电力系统设备数据采集装置可以通过HPLC(High Speed Power Carriermodule,高速电力载波模块)、LORAWAN(Long Range Wide Area Network,远程广域网)模块、以太网功能模块、NBIOT(Narrow Band Internet of Things,窄带物联网)功能模块或4G全网通功能模块对各个不同电力设备的电力数据进行采集或上传。需要说明的是,多维电力系统设备数据采集装置304采集的数据还可以包括告警数据。
该分析库模302用于根据设备基础信息对所获取到的全网电力设备的电力数据进行分类,以建立全网设备信息库。全网设备信息库内容包括:设备基础信息(设备厂商、设备类型、设备型号、设备使用年限、设备所在场所省份、设备所在场所地市、设备所在场所区域和设备工作模式)、设备电力指纹信息(电流数据、电压数据、有功功率数据、无功功率数据、瞬时功率数据、U-I特性数据和电能量数据)和设备采集数据信息(设备声纹数据、设备关键点温度数据和设备关键点震动数据),还包括:设备故障预判检测模型及参数信息。
该分析模块303用于对该设备信息库中的数据进行数据清洗、数据转化、数据抽取、数据合并和数据建模。由于数据规模较大,可以采用离线数据训练方式,并将训练得到的模型在设备信息库中进行存储。
由于多维电力系统设备数据采集装置304所采集到的某个电力设备的电力数据有可能未指定设备基础信息,设备自动识别模块305用于将采集来的未指定设备基础信息的设备电力指纹数据与已经分类的各电力指纹数据进行对比分析,从而学习到该电力数据的设备基础信息,并将此些数据给分类模块302进行分类管理。
该业务平台306包括:用电侧电能质量分析模块、用电设备功耗分析模块、设备用电负荷识别模块、场所制冷分析优化模块、场所噪声分析优化模块、设备告警二次判断模块和设备模型增强模块。
其中,该用电侧电能质量分析模块可以通过分析计算三相电压偏差、频率偏差、三相电压不平衡度、电压正序、负序、零序分量、电流正序、负序、零序分量、三相电压波动和闪变、三相电压总畸变率、三相电流总畸变率等电能指标,得出各用电场所电能质量健康度指标,并对电能质量问题产生系统告警。
该用电设备功耗分析模块用于计算各设备能耗指标,并基于设备能耗指标为用户实现设备功耗排行榜功能。
该设备用电负荷识别模块用于通过电力指纹数据对各用电设备的用电负荷进行分析,可以为用户提供场所设备用电对比分析、历史负荷数据曲线及设备用户负荷数据报表。
该场所制冷分析优化模块用于从本地电力设备运行的稳定性或节约能耗的角度出发,提供设备场所实时温度云图数据、设备场所温度云图变化趋势以及3D效果输出等功能。可以为各电力设备的场所制冷设置的工作时段、工作时长、设备选型和设备部署工作给出优化建议,对温度异常情况产生系统告警。
该场所噪声分析优化模块用于通过对各场所的电力设备声纹数据进行分析,计算该场所实时噪声数据及噪音等级、噪声数据变化趋势等进行数据呈现与统计。
该设备告警二次判断模块用于利用装置上报的告警数据与实时数据进行二次告警补报和补消处理,增强告警准确性。
设备模型增强模块用于周期性地将最新的故障检测模型发送至相应的电力设备(的检测装置),以使所述电力设备根据接收到的故障检测模型对本地的电力设备进行故障检测,持续提升本地电力设备检测装置的故障预判检查工作的准确性。
本发明实施例还提供一种电力系统运维设备,请参见图4所示,本发明实施例仅以图4为例进行说明,并不表示本发明仅限于此。图4为本发明提供的电力系统运维设备一实施例的结构示意图。如图4所示,本实施例提供的电力系统运维设备40可以包括:存储器401、处理器402和总线403。其中,总线403用于实现各元件之间的连接。
存储器401中存储有计算机程序,计算机程序被处理器402执行时可以实现上述任一方法实施例提供的电力设备运维方法的技术方案。
其中,存储器401和处理器402之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可以通过一条或者多条通信总线或信号线实现电性连接,如可以通过总线403连接。存储器401中存储有实现电力设备运维方法的计算机程序,包括至少一个可以软件或固件的形式存储于存储器401中的软件功能模块,处理器402通过运行存储在存储器401内的软件程序以及模块,从而执行各种功能应用以及数据处理。
存储器401可以是,但不限于,随机存取存储器(Random Access Memory,简称:RAM),只读存储器(Read Only Memory,简称:ROM),可编程只读存储器(ProgrammableRead-Only Memory,简称:PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,简称:EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,简称:EEPROM)等。其中,存储器401用于存储程序,处理器402在接收到执行指令后,执行程序。进一步地,上述存储器401内的软件程序以及模块还可包括操作系统,其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动,并可与各种硬件或软件组件相互通信,从而提供其他软件组件的运行环境。
处理器402可以是一种集成电路芯片,具有信号的处理能力。上述的处理器402可以是通用处理器,包括中央处理器(Central Processing Unit,简称:CPU)、网络处理器(Network Processor,简称:NP)等。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。可以理解,图4的结构仅为示意,还可以包括比图4中所示更多或者更少的组件,或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件和/或软件实现。
需要说明的是,本实施例提供的电力系统运维设备包括但不限于以下中的至少一个:用户侧设备、网络侧设备。用户侧设备包括但不限于计算机、智能手机、平板电脑、数字广播终端、消息收发设备、游戏控制台、个人数字助理等。网络侧设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算的由大量计算机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机组成的一个超级虚拟计算机。
本文参照了各种示范实施例进行说明。然而,本领域的技术人员将认识到,在不脱离本文范围的情况下,可以对示范性实施例做出改变和修正。例如,各种操作步骤以及用于执行操作步骤的组件,可以根据特定的应用或考虑与系统的操作相关联的任何数量的成本函数以不同的方式实现(例如一个或多个步骤可以被删除、修改或结合到其他步骤中)。
另外,如本领域技术人员所理解的,本文的原理可以反映在计算机可读存储介质上的计算机程序产品中,该可读存储介质预装有计算机可读程序代码。任何有形的、非暂时性的计算机可读存储介质皆可被使用,包括磁存储设备(硬盘、软盘等)、光学存储设备(CD-ROM、DVD、Blu Ray盘等)、闪存和/或诸如此类。这些计算机程序指令可被加载到通用计算机、专用计算机或其他可编程数据处理设备上以形成机器,使得这些在计算机上或其他可编程数据处理装置上执行的指令可以生成实现指定的功能的装置。这些计算机程序指令也可以存储在计算机可读存储器中,该计算机可读存储器可以指示计算机或其他可编程数据处理设备以特定的方式运行,这样存储在计算机可读存储器中的指令就可以形成一件制造品,包括实现指定功能的实现装置。计算机程序指令也可以加载到计算机或其他可编程数据处理设备上,从而在计算机或其他可编程设备上执行一系列操作步骤以产生一个计算机实现的进程,使得在计算机或其他可编程设备上执行的指令可以提供用于实现指定功能的步骤。
虽然在各种实施例中已经示出了本文的原理,但是许多特别适用于特定环境和操作要求的结构、布置、比例、元件、材料和部件的修改可以在不脱离本披露的原则和范围内使用。以上修改和其他改变或修正将被包含在本文的范围之内。
前述具体说明已参照各种实施例进行了描述。然而,本领域技术人员将认识到,可以在不脱离本披露的范围的情况下进行各种修正和改变。因此,对于本披露的考虑将是说明性的而非限制性的意义上的,并且所有这些修改都将被包含在其范围内。同样,有关于各种实施例的优点、其他优点和问题的解决方案已如上所述。然而,益处、优点、问题的解决方案以及任何能产生这些的要素,或使其变得更明确的解决方案都不应被解释为关键的、必需的或必要的。本文中所用的术语“包括”和其任何其他变体,皆属于非排他性包含,这样包括要素列表的过程、方法、文章或设备不仅包括这些要素,还包括未明确列出的或不属于该过程、方法、系统、文章或设备的其他要素。此外,本文中所使用的术语“耦合”和其任何其他变体都是指物理连接、电连接、磁连接、光连接、通信连接、功能连接和/或任何其他连接。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种电力设备运维方法,其特征在于,包括:
获取电力系统中多个电力设备的电力数据;
根据设备基础信息对多个所述电力设备的电力数据进行分类;
通过对各类电力数据进行分析,获取各个电力设备的故障预判结果。
2.如权利要求1所述方法,其特征在于,所述电力数据包括电力指纹信息、声纹数据、温度数据和震动数据。
3.如权利要求2所述的方法,其特征在于,所述通过对各类电力数据进行分析,获取各个电力设备的故障预判结果,包括:
根据电力指纹信息确定各个电力设备的工作模式;
根据预先训练好的所述工作模式的故障检测模型,基于声纹数据、温度数据和震动数据获取各个电力设备的故障预判结果。
4.如权利要求1所述方法,其特征在于,所述根据设备基础信息对多个所述电力设备的电力数据进行分类,包括:根据设备厂商、设备类型、设备型号、设备使用年限和设备位置信息中的至少一项对多个所述电力设备的电力数据进行分类。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取各个电力设备的自检结果,所述自检结果根据各个电力设备的本地故障检测模型确定;
若所述自检结果与所述预判结果不一致,则进行相应的告警补报处理或者告警补消处理。
6.如权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
根据多个所述电力设备的电力数据持续训练故障检测模型;
周期性地将所述故障检测模型发送至相应的电力设备,以使所述电力设备根据接收到的故障检测模型对本地的故障检测进行更新。
7.如权利要求6所述的方法,其特征在于,所述根据多个所述电力设备的电力数据持续训练故障检测模型之前,还包括:
对所述电力数据进行数据均值和平滑处理。
8.一种电力设备运维系统,其特征在于,包括:
获取模块,用于获取电力系统中多个电力设备的电力数据;
分类模块,用于根据设备基础信息对多个所述电力设备的电力数据进行分类;
分析模块,用于通过对各类电力数据进行分析,获取各个电力设备的故障预判结果。
9.一种电力系统运维设备,其特征在于,包括:
存储器,用于存储程序;
处理器,用于执行所述存储器存储的程序以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010351312.2A CN111353911A (zh) | 2020-04-28 | 2020-04-28 | 电力设备运维方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010351312.2A CN111353911A (zh) | 2020-04-28 | 2020-04-28 | 电力设备运维方法、系统、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111353911A true CN111353911A (zh) | 2020-06-30 |
Family
ID=71195027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010351312.2A Pending CN111353911A (zh) | 2020-04-28 | 2020-04-28 | 电力设备运维方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111353911A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488947A (zh) * | 2020-04-28 | 2020-08-04 | 深圳力维智联技术有限公司 | 电力系统设备的故障检测方法与装置 |
CN112311867A (zh) * | 2020-10-27 | 2021-02-02 | 国网河北省电力有限公司雄安新区供电公司 | 一种电力信息通信用设备信息监控系统 |
CN112416996A (zh) * | 2020-10-14 | 2021-02-26 | 国电大渡河沙坪水电建设有限公司 | 振动区确定方法及装置 |
CN112420055A (zh) * | 2020-09-22 | 2021-02-26 | 甘肃同兴智能科技发展有限公司 | 基于声纹特征的变电站状态识别方法及装置 |
CN112508457A (zh) * | 2020-12-25 | 2021-03-16 | 树根互联技术有限公司 | 数据处理方法和装置、工业设备及存储介质 |
CN112885049A (zh) * | 2021-01-26 | 2021-06-01 | 广东电网有限责任公司 | 基于运行数据的智能电缆预警系统、方法及装置 |
CN113156243A (zh) * | 2021-04-09 | 2021-07-23 | 南方电网电动汽车服务有限公司 | 故障预测方法和预测系统 |
CN113938819A (zh) * | 2021-09-13 | 2022-01-14 | 中国联合网络通信集团有限公司 | 一种网络设备位置的确定方法及装置 |
CN114692674A (zh) * | 2022-02-21 | 2022-07-01 | 武汉船用电力推进装置研究所(中国船舶重工集团公司第七一二研究所) | 一种船舶推进系统故障判断方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104135074A (zh) * | 2014-07-31 | 2014-11-05 | 上海交通大学 | 基于离群点检测的超高压变电站设备温度监测告警方法 |
CN107358297A (zh) * | 2017-05-11 | 2017-11-17 | 国家电网公司 | 一种状态检测数据的快速索引方法 |
CN108460144A (zh) * | 2018-03-14 | 2018-08-28 | 西安华光信息技术有限责任公司 | 一种基于机器学习的煤炭设备故障预警系统及方法 |
CN108537426A (zh) * | 2018-03-28 | 2018-09-14 | 广州供电局有限公司 | 电力设备运行状态估计方法、装置和计算机设备 |
CN109325601A (zh) * | 2018-08-21 | 2019-02-12 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理方法 |
CN109635483A (zh) * | 2018-12-24 | 2019-04-16 | 上海商然数据服务有限公司 | 一种基于电磁检测的电机和泵故障预测分析系统 |
CN110531723A (zh) * | 2019-09-12 | 2019-12-03 | 东北大学 | 一种选矿设备故障状态可视分析系统与方法 |
CN110866695A (zh) * | 2019-11-15 | 2020-03-06 | 国网天津市电力公司 | 基于设备运行状态与检修工作相关联的辅助检修决策方法 |
-
2020
- 2020-04-28 CN CN202010351312.2A patent/CN111353911A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104135074A (zh) * | 2014-07-31 | 2014-11-05 | 上海交通大学 | 基于离群点检测的超高压变电站设备温度监测告警方法 |
CN107358297A (zh) * | 2017-05-11 | 2017-11-17 | 国家电网公司 | 一种状态检测数据的快速索引方法 |
CN108460144A (zh) * | 2018-03-14 | 2018-08-28 | 西安华光信息技术有限责任公司 | 一种基于机器学习的煤炭设备故障预警系统及方法 |
CN108537426A (zh) * | 2018-03-28 | 2018-09-14 | 广州供电局有限公司 | 电力设备运行状态估计方法、装置和计算机设备 |
CN109325601A (zh) * | 2018-08-21 | 2019-02-12 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理方法 |
CN109635483A (zh) * | 2018-12-24 | 2019-04-16 | 上海商然数据服务有限公司 | 一种基于电磁检测的电机和泵故障预测分析系统 |
CN110531723A (zh) * | 2019-09-12 | 2019-12-03 | 东北大学 | 一种选矿设备故障状态可视分析系统与方法 |
CN110866695A (zh) * | 2019-11-15 | 2020-03-06 | 国网天津市电力公司 | 基于设备运行状态与检修工作相关联的辅助检修决策方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488947B (zh) * | 2020-04-28 | 2024-02-02 | 深圳力维智联技术有限公司 | 电力系统设备的故障检测方法与装置 |
CN111488947A (zh) * | 2020-04-28 | 2020-08-04 | 深圳力维智联技术有限公司 | 电力系统设备的故障检测方法与装置 |
CN112420055A (zh) * | 2020-09-22 | 2021-02-26 | 甘肃同兴智能科技发展有限公司 | 基于声纹特征的变电站状态识别方法及装置 |
CN112416996A (zh) * | 2020-10-14 | 2021-02-26 | 国电大渡河沙坪水电建设有限公司 | 振动区确定方法及装置 |
CN112416996B (zh) * | 2020-10-14 | 2024-03-01 | 国能大渡河沙坪发电有限公司 | 振动区确定方法及装置 |
CN112311867A (zh) * | 2020-10-27 | 2021-02-02 | 国网河北省电力有限公司雄安新区供电公司 | 一种电力信息通信用设备信息监控系统 |
CN112508457A (zh) * | 2020-12-25 | 2021-03-16 | 树根互联技术有限公司 | 数据处理方法和装置、工业设备及存储介质 |
CN112508457B (zh) * | 2020-12-25 | 2024-05-31 | 树根互联股份有限公司 | 数据处理方法和装置、工业设备及存储介质 |
CN112885049A (zh) * | 2021-01-26 | 2021-06-01 | 广东电网有限责任公司 | 基于运行数据的智能电缆预警系统、方法及装置 |
CN113156243A (zh) * | 2021-04-09 | 2021-07-23 | 南方电网电动汽车服务有限公司 | 故障预测方法和预测系统 |
CN113938819B (zh) * | 2021-09-13 | 2023-08-08 | 中国联合网络通信集团有限公司 | 一种网络设备位置的确定方法及装置 |
CN113938819A (zh) * | 2021-09-13 | 2022-01-14 | 中国联合网络通信集团有限公司 | 一种网络设备位置的确定方法及装置 |
CN114692674A (zh) * | 2022-02-21 | 2022-07-01 | 武汉船用电力推进装置研究所(中国船舶重工集团公司第七一二研究所) | 一种船舶推进系统故障判断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111353911A (zh) | 电力设备运维方法、系统、设备和存储介质 | |
CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
EP2535997A2 (en) | Systems, methods, and apparatus for evaluating load power consumption utilizing a power meter | |
CN109886475B (zh) | 基于ai的计量自动化系统的信息安全态势感知系统 | |
CN112580961B (zh) | 基于电网信息系统运行风险预警方法及装置 | |
CN112461289A (zh) | 一种环网柜故障监控方法、系统、终端及存储介质 | |
CN110119128B (zh) | 一种用于实验室用电设备的监控管理系统 | |
CN115685050B (zh) | 一种电能表故障检测方法及系统 | |
CN105373118A (zh) | 一种智能设备数据采集方法 | |
EP3972084A2 (en) | Systems and methods for monitoring energy-related data in an electrical system | |
CN105516293A (zh) | 一种智能变电站云资源监控系统 | |
CN107121943B (zh) | 一种用于获得智能仪表的健康预测信息的方法和装置 | |
CN116882804A (zh) | 一种智能电力监控方法及系统 | |
CN114781476A (zh) | 一种量测设备故障分析系统和方法 | |
KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
CN107943654A (zh) | 一种快速判定服务器环境温度监控异常原因的方法 | |
US11482861B2 (en) | Apparatus, server, system and method for energy measuring | |
CN116381542B (zh) | 基于人工智能的电源设备的健康诊断方法及装置 | |
CN117331790A (zh) | 一种用于数据中心的机房故障检测方法及装置 | |
CN117031201A (zh) | 一种配电网多场景拓扑异常识别方法及系统 | |
CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及系统 | |
CN111062503A (zh) | 一种电网监控告警处理方法、系统、终端及存储介质 | |
KR20210106180A (ko) | 다중상태 에너지 분류에 따른 비침입부하모니터링 성능 평가 시스템 및 방법 | |
CN115934268A (zh) | 一种电力边缘计算方法、系统、计算机设备和存储介质 | |
CN109376959A (zh) | 一种配电终端检修时间预估方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200630 |