CN112288132A - 一种电力巡检时间预测方法、装置及系统 - Google Patents

一种电力巡检时间预测方法、装置及系统 Download PDF

Info

Publication number
CN112288132A
CN112288132A CN202011025108.8A CN202011025108A CN112288132A CN 112288132 A CN112288132 A CN 112288132A CN 202011025108 A CN202011025108 A CN 202011025108A CN 112288132 A CN112288132 A CN 112288132A
Authority
CN
China
Prior art keywords
inspection
time
inspected
power
equipment
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
Application number
CN202011025108.8A
Other languages
English (en)
Inventor
高波
赵海龙
尹梁国
戚振飞
吴涛
李玲玲
黄晓
陈秋梁
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.)
Binzhou Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Binzhou Power Supply Co of State Grid Shandong Electric Power 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 Binzhou Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Binzhou Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority to CN202011025108.8A priority Critical patent/CN112288132A/zh
Publication of CN112288132A publication Critical patent/CN112288132A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种电力巡检时间预测方法、装置及系统，获取历史巡检参数组成训练样本；通过神经网络算法对训练样本进行训练，获得巡检时间预测模型；对每个待巡检设备，基于巡检时间预测模型预测下次巡检时间。本发明无需依靠人工经验，且考虑了多个巡检参数，获得较精确的预测模型，可预测出较精确的巡检时间，消除漏检或过检的情况，及时消除安全隐患，且节省人力物力。

Description

一种电力巡检时间预测方法、装置及系统
技术领域
本发明涉及电力巡检领域，具体涉及一种电力巡检时间预测方法、装置及系统。
背景技术
在电力领域，需要实时对电力设备（如变压器）进行巡检，以免存在安全隐患而不被发现。目前，对电力设备的巡检时间一般靠经验制定，定时对电力设备巡检。这种方式所制定的巡检时间依赖人工经验，不够准确，难以避免漏检或过检的情况，造成安全隐患不能被及时处理或浪费人力物力。
发明内容
为解决上述问题，本发明提供一种电力巡检时间预测方法、装置及系统，自动精确预测巡检时间，为巡检提供依据。
本发明的技术方案是：一种电力巡检时间预测方法，包括以下步骤：
获取历史巡检参数组成训练样本；
通过神经网络算法对训练样本进行训练，获得巡检时间预测模型；
对每个待巡检设备，基于巡检时间预测模型预测下次巡检时间。
进一步地，巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长；
其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数；对应两次故障间隔时长为神经网络算法的输出参数。
进一步地，该方法还包括以下步骤：
实时显示所预测的每个待巡检设备的下次巡检时间；
在距离下次巡检时间一定时间间隔时，向巡检终端发送提醒信息。
进一步地，向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。
本发明的技术方案还包括一种电力巡检时间预测装置，包括，
历史数据获取模块：获取历史巡检参数，并组成训练样本；
预测模型训练模块：通过神经网络算法对训练样本进行训练，获得巡检时间预测模型；
巡检时间预测模块：对每个待巡检设备，基于巡检时间预测模型预测下次巡检时间。
进一步地，巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长；
其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数；对应两次故障间隔时长为神经网络算法的输出参数。
进一步地，该装置还包括，
显示模块：实时显示所预测的每个待巡检设备的下次巡检时间；
信息发送模块：在距离下次巡检时间一定时间间隔时，向巡检终端发送提醒信息。
进一步地，向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。
本发明的技术方案还包括一种电力巡检时间预测系统，包括预测后台、巡检终端、数据库；预测后台分别与巡检终端、数据库通信；
所述预测后台配置有上述任一项所述的装置；
所述数据库中存储有各个待巡检设备的地理位置和巡检规范；
所述巡检终端接收预测后台发送的提醒信息并显示。
本发明提供的一种电力巡检时间预测方法、装置及系统，基于历史巡检参数通过神经网络算法建立巡检时间预测模型，通过巡检时间预测模型预测待巡检设备的巡检时间。相对于现有技术，本发明无需依靠人工经验，且考虑了多个巡检参数，获得较精确的预测模型，可预测出较精确的巡检时间，消除漏检或过检的情况，及时消除安全隐患，且节省人力物力。
附图说明
图1是本发明具体实施例一方法流程示意图；
图2是本发明具体实施例二结构示意框图；
图3是本发明具体实施例三结构示意框图。
具体实施方式
下面结合附图并通过具体实施例对本发明进行详细阐述，以下实施例是对本发明的解释，而本发明并不局限于以下实施方式。
实施例一
如图1所示，本实施例提供一种电力巡检时间预测方法，包括以下步骤：
S1，获取历史巡检参数组成训练样本；
S2，通过神经网络算法对训练样本进行训练，获得巡检时间预测模型；
S3，对每个待巡检设备，基于巡检时间预测模型预测下次巡检时间。
该方法基于大量历史巡检参数，通过神经网络算法建立巡检时间预测模型，通过巡检时间预测模型预测每个待巡检设备的巡检时间，相对于依靠人工经验制定巡检时间，考虑了巡检参数，所预测巡检时间更精确可靠。
变电站是电力领域通常需要巡检的设备，其故障发生概率与多个因素有关。本实施例中，所获取的巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长。其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数；对应两次故障间隔时长为神经网络算法的输出参数。
需要说明的是，所供辖区用电量为一定时间内（如一天、一周）的平均用电量，环境温度和环境湿度也是一定时间内的平均数值。针对每个待巡检设备预测下次巡检时间时，累计获取用电量、环境温湿度参数即可。
任一电力设备任意一次发生故障的巡检参数可作为一个训练样本，从历史数据中可获取多个训练样本进行训练，提高模型预测精确度。
本实施例中，预测出下次巡检时间后，实时实时显示所预测的每个待巡检设备的下次巡检时间，供后台监控人员了解状态。另外，在距离下次巡检时间一定时间间隔时，向巡检终端发送提醒信息。例如离预测时间一周、三天或一天时，向巡检终端发送提醒信息，使现场巡检人员及时掌握巡检信息。其中，发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范，现场巡检人员根据提醒信息即可及时对待巡检设备进行巡检。
实施例二
如图2所示，在实施例一基础上，本实施例提供一种电力巡检时间预测装置，包括以下功能模块。
历史数据获取模块1：获取历史巡检参数，并组成训练样本；
预测模型训练模块2：通过神经网络算法对训练样本进行训练，获得巡检时间预测模型；
巡检时间预测模块3：对每个待巡检设备，基于巡检时间预测模型预测下次巡检时间。
其中，历史数据获取模块1所示获取巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长。电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数；对应两次故障间隔时长为神经网络算法的输出参数。
任一电力设备任意一次发生故障的巡检参数可作为一个训练样本，历史数据获取模块1从历史数据中可获取多组巡检参数，组成多个训练样本进行训练，提高模型预测精确度。
另外，还包括显示模块4和信息发送模块5。显示模块4实时显示所预测的每个待巡检设备的下次巡检时间；信息发送模块5在距离下次巡检时间一定时间间隔时，向巡检终端发送提醒信息。其中，信息发送模块5向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。显示模块4和信息发送模块5使后台监控人员和现场巡检人员及时了解巡检信息。
实施例三
如图3所示，在实施例一和实施例二基础上，本实施例提供一种电力巡检时间预测系统，包括预测后台101、巡检终端102、数据库103。其中，预测后台101分别与巡检终端102、数据库103通信。
预测后台101配置有实施例二所述的装置，数据库103中存储有各个待巡检设备的地理位置和巡检规范，巡检终端102接收预测后台发送的提醒信息并显示。
预测后台101根据所配置装置预测每个待巡检设备的巡检时间，在任一待巡检设备即将到达巡检时间时，从数据库103获取对应设备的地理位置和巡检规范，及时向巡检终端102发送提醒信息。提醒信息包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。巡检终端102由现场巡检人员手持，比如现场巡检人员的手机可作为巡检终端102，及时节省提醒信息，供现场巡检人员掌握巡检信息。
以上公开的仅为本发明的优选实施方式，但本发明并非局限于此，任何本领域的技术人员能思之的没有创造性的变化，以及在不脱离本发明原理前提下所作的若干改进和润饰，都应落在本发明的保护范围内。

Claims (9)

1.一种电力巡检时间预测方法，其特征在于，包括以下步骤：
获取历史巡检参数组成训练样本；
通过神经网络算法对训练样本进行训练，获得巡检时间预测模型；
对每个待巡检设备，基于巡检时间预测模型预测下次巡检时间。
2.根据权利要求1所述的电力巡检时间预测方法，其特征在于，巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长；
其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数；对应两次故障间隔时长为神经网络算法的输出参数。
3.根据权利要求1或2所述的电力巡检时间预测方法，其特征在于，该方法还包括以下步骤：
实时显示所预测的每个待巡检设备的下次巡检时间；
在距离下次巡检时间一定时间间隔时，向巡检终端发送提醒信息。
4.根据权利要求3所述的电力巡检时间预测方法，其特征在于，向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。
5.一种电力巡检时间预测装置，其特征在于，包括，
历史数据获取模块：获取历史巡检参数，并组成训练样本；
预测模型训练模块：通过神经网络算法对训练样本进行训练，获得巡检时间预测模型；
巡检时间预测模块：对每个待巡检设备，基于巡检时间预测模型预测下次巡检时间。
6.根据权利要求5所述的电力巡检时间预测装置，其特征在于，巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长；
其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数；对应两次故障间隔时长为神经网络算法的输出参数。
7.根据权利要求6所述的电力巡检时间预测装置，其特征在于，该装置还包括，
显示模块：实时显示所预测的每个待巡检设备的下次巡检时间；
信息发送模块：在距离下次巡检时间一定时间间隔时，向巡检终端发送提醒信息。
8.根据权利要求7所述的电力巡检时间预测装置，其特征在于，向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。
9.一种电力巡检时间预测系统，其特征在于，包括预测后台、巡检终端、数据库；预测后台分别与巡检终端、数据库通信；
所述预测后台配置有权利要求5-8任一项所述的装置；
所述数据库中存储有各个待巡检设备的地理位置和巡检规范；
所述巡检终端接收预测后台发送的提醒信息并显示。
CN202011025108.8A 2020-09-25 2020-09-25 一种电力巡检时间预测方法、装置及系统 Pending CN112288132A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011025108.8A CN112288132A (zh) 2020-09-25 2020-09-25 一种电力巡检时间预测方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011025108.8A CN112288132A (zh) 2020-09-25 2020-09-25 一种电力巡检时间预测方法、装置及系统

Publications (1)

Publication Number Publication Date
CN112288132A true CN112288132A (zh) 2021-01-29

Family

ID=74421994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011025108.8A Pending CN112288132A (zh) 2020-09-25 2020-09-25 一种电力巡检时间预测方法、装置及系统

Country Status (1)

Country Link
CN (1) CN112288132A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884174A (zh) * 2021-02-05 2021-06-01 上海市市政工程管理咨询有限公司 公路日常养护信息管理方法和系统
CN113155133A (zh) * 2021-04-25 2021-07-23 国网山东省电力公司鄄城县供电公司 电力设备的检查线路确定方法、装置以及电子终端
CN115775088A (zh) * 2023-02-13 2023-03-10 成都秦川物联网科技股份有限公司 一种智慧燃气巡检计划确定方法与物联网系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884174A (zh) * 2021-02-05 2021-06-01 上海市市政工程管理咨询有限公司 公路日常养护信息管理方法和系统
CN113155133A (zh) * 2021-04-25 2021-07-23 国网山东省电力公司鄄城县供电公司 电力设备的检查线路确定方法、装置以及电子终端
CN115775088A (zh) * 2023-02-13 2023-03-10 成都秦川物联网科技股份有限公司 一种智慧燃气巡检计划确定方法与物联网系统
US12045837B2 (en) 2023-02-13 2024-07-23 Chengdu Qinchuan Iot Technology Co., Ltd. Methods for determining smart gas inspection plans and internet of things systems thereof

Similar Documents

Publication Publication Date Title
CN112288132A (zh) 一种电力巡检时间预测方法、装置及系统
CN109347203A (zh) 一种电力设备智能运维系统
CN205920517U (zh) 一种基于物联网的智能移动巡检终端
CN114038169A (zh) 生产设备故障监测方法、装置、设备及介质
CN103545934B (zh) 变配电站台区全景巡视监控系统及其管理方法
CN112886468B (zh) 一种基于巡维数据的输电线路区域故障定位方法及装置
CN106817708B (zh) 一种巡检簇构建方法及装置
CN109389524B (zh) 基于电网数据的一体化运维协同管理方法、存储设备、终端
CN110569997A (zh) 一种基于多维度数据体系的充电站运行维护方法
CN113759215A (zh) 基于物联网的电力故障检测系统及方法
CN105245001A (zh) 一种事件驱动的变电站事故智能告警处理方法和装置
CN106444710A (zh) 配电自动化三遥功能闭环测试系统及方法
CN109713789B (zh) 一种基于bim技术的变配电所智能实时分级报警方法
CN112562276A (zh) 一种设备故障报警方法及系统
CN103020721B (zh) 一种评估电网调度自动化系统实时数据处理效率的方法
CN109038818A (zh) 电力设备远程监控系统及方法
CN111371180B (zh) 变电站巡查监管与数据分析系统
CN114899947A (zh) 基于智能变电站的一次设备监测分析系统
CN113858231A (zh) 一种变电站轨道机器人系统的控制方法
CN117197770A (zh) 一种基于物联网的巡检全流程数据监管系统及方法
CN116866512A (zh) 一种光伏电站巡检系统及其运行方法
CN114498939A (zh) 面向数字孪生的变电站智能监控系统及方法
CN107896159B (zh) 变电站运维绩效评价的系统和方法
CN107294205B (zh) 一种基于保信主站数据的变电站状态监视方法
CN206212160U (zh) 图像监控自动巡检装置

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