CN112329937A - 基于案例和故障推理的gis故障诊断方法 - Google Patents
基于案例和故障推理的gis故障诊断方法 Download PDFInfo
- Publication number
- CN112329937A CN112329937A CN202011243196.9A CN202011243196A CN112329937A CN 112329937 A CN112329937 A CN 112329937A CN 202011243196 A CN202011243196 A CN 202011243196A CN 112329937 A CN112329937 A CN 112329937A
- Authority
- CN
- China
- Prior art keywords
- fault
- case
- diagnosis
- gis
- gis 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明公开了基于案例和故障推理的GIS设备故障诊断方法,其特征在于,包括如下步骤:步骤S01:用户向用户层输入GIS故障数据特征属性的描述信息,并提出GIS故障数据特征属性查询需求;步骤S02:用户层对GIS故障数据特征的描述信息进行预处理,得到预设格式的故障现象特征值;步骤S03:利用匹配算法进行案例匹配,调用故障案例库中与GIS故障数据特征的描述信息对应的待GIS设备诊断案例达到预设相似度的GIS设备诊断案例进行故障诊断;步骤S04:得出对应的待GIS设备诊断案例的诊断结论。本发明能够利用已有数据资料,避免复杂数据建模过程,使GIS设备故障诊断结论更加可靠和实用。
Description
技术领域
本发明涉及电力装备评价诊断技术领域,具体地指一种基于案例和故障推理的GIS(insulated SWITCHGEAR,气体绝缘金属封闭开关设备)故障诊断方法。
背景技术
GIS是电力系统中重要设备之一,其稳定运行关系着电力系统的稳健运行。但因GIS故障的多样性、不确定性和各种故障之间联系的复杂性使得GIS的故障诊断一直是电力行业较为头疼的问题。目前GIS故障诊断方法常用的有特高频/高频局部放电检测、SF6气体检测等方式,但这些方法存在诊断结论模糊、难以实现故障精准定位等问题,难以满足现场运维和检修的需要。
近年来,利用人工智能技术对故障进行诊断成为研究热点,如采用人工神经网络、支持向量机、基因算法等对故障数据进行训练建模得到预测模型来进行故障预测。但此类算法需要大量数据来进行模型训练,而实际应用中会存在数据不足的情况,这使得训练出来的模型存在准确率低、诊断精细化程度不够等问题。
发明内容
针对现有技术不足,本发明提供一种基于案例和故障推理的GIS设备故障诊断方法,能够利用已有数据资料,避免复杂数据建模过程,使GIS设备故障诊断结论更加可靠和实用。
为实现此目的,本发明所设计的基于案例和故障推理的GIS设备故障诊断方法,它包括如下步骤:
步骤S01:用户向用户层输入GIS故障数据特征属性的描述信息,并提出GIS故障数据特征属性查询需求;
步骤S02:用户层对GIS故障数据特征的描述信息进行预处理,形成预设格式的故障现象特征值;
步骤S03:故障诊断层根据GIS故障数据特征的描述信息对应的故障现象特征,检索故障案例库,利用匹配算法进行案例匹配,调用故障案例库中与GIS故障数据特征的描述信息对应的待GIS设备诊断案例达到预设相似度的GIS设备诊断案例进行故障诊断,如有达到预设相似度的GIS设备诊断案例,调用相似度最大的GIS设备诊断案例的结论作为诊断结果输出,如果故障案例库中没有与待GIS设备诊断案例达到预设相似度的GIS设备诊断案例,则进入步骤S04;
步骤S04:规则构建层将所有GIS设备诊断案例利用故障树归纳生成GIS设备诊断案例规则库,故障诊断层采用基于规则引擎的推理方法,将待GIS设备诊断案例中的故障现象与GIS设备诊断案例规则库进行匹配,匹配的规则库中的诊断结论,作为待GIS设备诊断案例的诊断结论。
本发明通过用户层数据的统一输入和输出,整合案例分析和故障推理两类故障诊断模式,实现功能集成,减少了数据模型建立和大数据算法验证,可显著提升GIS运维团队效率和故障诊断可靠性,适用于在本领域推广使用。
本发明充分利用历史经验建立案例库和基于故障树分析法(FTA:Fault TreeAnalysis)的规则库,通过案例分析和故障推理的方式对比分析来诊断案例和历史案例,从而得到故障结论,有效地避开复杂数学建模过程,节约时间成本,通过新增案例的方式不断进化案例库,有效地提高诊断效率和准确性,具有重要意义。
附图说明
图1是本发明系统的结构示意图;
图2是本发明基于案例和故障推理的GIS故障流程图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细说明:
本发明所设计的基于案例和故障推理的GIS设备故障诊断方法,如图1和2所示,它包括如下步骤:
步骤S01:故障数据输入,用户向用户层输入GIS故障数据特征属性的描述信息,并提出GIS故障数据特征属性查询需求;
步骤S02:数据预处理,在进行故障诊断前,因故障现象属性描述不一致,用户层对GIS故障数据特征的描述信息进行预处理,形成预设格式的故障现象特征值(获取统一、规范的故障现象特征值);
步骤S03:故障诊断层根据GIS故障数据特征的描述信息对应的故障现象特征,检索故障案例库,利用匹配算法进行案例匹配,调用故障案例库中与GIS故障数据特征的描述信息对应的待GIS设备诊断案例达到预设相似度的GIS设备诊断案例进行故障诊断,如有达到预设相似度的GIS设备诊断案例,调用相似度最大的GIS设备诊断案例的结论作为诊断结果输出,如果故障案例库中没有与待GIS设备诊断案例达到预设相似度的GIS设备诊断案例,则进入步骤S04;
步骤S04:规则构建层将所有GIS设备诊断案例利用故障树(FTA,Fault TreeAnalysis)归纳生成GIS设备诊断案例规则库,故障诊断层采用基于规则引擎的推理方法,将待GIS设备诊断案例中的故障现象与GIS设备诊断案例规则库进行匹配,匹配的规则库中的诊断结论,作为待GIS设备诊断案例的诊断结论;
步骤S05,故障诊断层将待GIS设备诊断案例的诊断结论进行输出。
步骤S06,利用待GIS设备诊断案例的诊断结论更新故障案例库。
上述技术方案的步骤S03中,案例库检索并匹配的过程可细分为案例特征识别、案例索引、初始匹配、案例选择四步,特征识别、案例索引、初始匹配案例选择。负责从多个相似案例中按照相似度进行排序,优先选择最相似案例去进行诊断,最终输出匹配结果,为下一步输出诊断结果做准备。
上述技术方案的步骤S04中,基于FTA的规则推理。此步骤采用基于故障树FTA的规则推理模型,将经过推理产生的规则结论作为待检测案例的诊断结果。该模型核心思想为:根据专家以往经验,将所有案例利用故障树归纳生成规则,然后采用基于规则引擎的推理方法,将待故障现象、数据与规则库进行匹配,来推理得出诊断结论。
上述技术方案中,故障案例库构建层用于将GIS故障案例的故障现象、故障原因、故障类型和故障解决办法组成集合并存档,形成故障案例库。
本发明中,用户层,包括4个模块:输入故障现象模块、故障现象预处理模块、故障处理模块及结果反馈模块。本方法中的用户指的是电力系统运维人员,主要负责对客户输入的故障现象进行描述并进行预处理,接着将规范化的属性描述方法,输入到故障诊断层,并提出故障查询要求。
故障诊断层,包括2个主模块:基于案例和故障推理的故障诊断模块和故障类型及解决办法输出模块,前者可细分为两个子模块:案例匹配模块和规则推理模块。
案例库构建层,包括2个模块:现象案例映射模块和案例库更新模块,是本方法底层知识库,负责将GIS故障案例的故障现象、故障原因、故障类型和故障解决办法组成集合并存档,同时还负责案例库的更新。
规则构建层,是本方法底层规则库,负责规则的生成及管理,其核心为规则生成模块。本方法采用基于故障树分析的规则生成模型来生成规则。
其中,基于案例和故障推理的故障诊断模块核心是采用案例和故障推理的方式对故障进行诊断并输出诊断结果。
其中,故障类型及解决办法输出模块主要负责将故障诊断结果,包括故障原因、故障解决办法等信息输出给用户,属于故障诊断层与用户之间的交互接口。
其中,案例映射模块进行案例收集,包括故障现象、原因、类型及经过实践验证的解决办法之间的映射关系。在将来进行新的故障诊断时,可以为故障诊断层提供相似的案例,若存在,则可进行经验借鉴,从而避免重复推理,以此来提高效率。
其中,案例更新模块,负责将新的案例收集入库,及时更新和进化案例库。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (5)
1.一种基于案例和故障推理的GIS设备故障诊断方法,其特征在于,它包括如下步骤:
步骤S01:用户向用户层输入GIS故障数据特征属性的描述信息,并提出GIS故障数据特征属性查询需求;
步骤S02:用户层对GIS故障数据特征的描述信息进行预处理,形成预设格式的故障现象特征值;
步骤S03:故障诊断层根据GIS故障数据特征的描述信息对应的故障现象特征,检索故障案例库,利用匹配算法进行案例匹配,调用故障案例库中与GIS故障数据特征的描述信息对应的待GIS设备诊断案例达到预设相似度的GIS设备诊断案例进行故障诊断,如有达到预设相似度的GIS设备诊断案例,调用相似度最大的GIS设备诊断案例的结论作为诊断结果输出,如果故障案例库中没有与待GIS设备诊断案例达到预设相似度的GIS设备诊断案例,则进入步骤S04;
步骤S04:规则构建层将所有GIS设备诊断案例利用故障树归纳生成GIS设备诊断案例规则库,故障诊断层采用基于规则引擎的推理方法,将待GIS设备诊断案例中的故障现象与GIS设备诊断案例规则库进行匹配,匹配的规则库中的诊断结论,作为待GIS设备诊断案例的诊断结论。
2.根据权利要求1所述的基于案例和故障推理的GIS设备故障诊断方法,其特征在于:所述步骤S04后还包括步骤S05,故障诊断层将待GIS设备诊断案例的诊断结论进行输出。
3.根据权利要求1所述的基于案例和故障推理的GIS设备故障诊断方法,其特征在于:所述步骤S05后还包括步骤S06,利用待GIS设备诊断案例的诊断结论更新故障案例库。
4.根据权利要求1所述的基于案例和故障推理的GIS设备故障诊断方法,其特征在于,所述步骤S03中,案例库检索并匹配的过程可细分为案例特征识别、案例索引、初始匹配、案例选择四步,特征识别、案例索引、初始匹配案例选择。负责从多个相似案例中按照相似度进行排序,优先选择最相似案例去进行诊断,最终输出匹配结果,为下一步输出诊断结果做准备。
5.根据权利要求1所述的基于案例和故障推理的GIS设备故障诊断方法,其特征在于:故障案例库构建层用于将GIS故障案例的故障现象、故障原因、故障类型和故障解决办法组成集合并存档,形成故障案例库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011243196.9A CN112329937B (zh) | 2020-11-09 | 2020-11-09 | 基于案例和故障推理的gis故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011243196.9A CN112329937B (zh) | 2020-11-09 | 2020-11-09 | 基于案例和故障推理的gis故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112329937A true CN112329937A (zh) | 2021-02-05 |
CN112329937B CN112329937B (zh) | 2023-05-26 |
Family
ID=74315770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011243196.9A Active CN112329937B (zh) | 2020-11-09 | 2020-11-09 | 基于案例和故障推理的gis故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329937B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914791A (zh) * | 2014-03-17 | 2014-07-09 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种电力设备状态检修系统 |
CN105302112A (zh) * | 2015-10-23 | 2016-02-03 | 中国电子科技集团公司第十研究所 | Icni系统智能故障诊断系统 |
CN105372557A (zh) * | 2015-12-03 | 2016-03-02 | 国家电网公司 | 基于关联规则的电网资源故障诊断方法 |
US20170097860A1 (en) * | 2015-10-01 | 2017-04-06 | International Business Machines Corporation | System component failure diagnosis |
CN107678870A (zh) * | 2017-08-23 | 2018-02-09 | 国网辽宁省电力有限公司 | 一种改进的电力变压器故障诊断方法 |
CN109523026A (zh) * | 2018-10-17 | 2019-03-26 | 中国电力科学研究院有限公司 | 援例推理方法及系统 |
CN109783500A (zh) * | 2019-01-21 | 2019-05-21 | 北京邮电大学 | 一种基于故障树和案例相似性的故障诊断方法 |
-
2020
- 2020-11-09 CN CN202011243196.9A patent/CN112329937B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914791A (zh) * | 2014-03-17 | 2014-07-09 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种电力设备状态检修系统 |
US20170097860A1 (en) * | 2015-10-01 | 2017-04-06 | International Business Machines Corporation | System component failure diagnosis |
CN105302112A (zh) * | 2015-10-23 | 2016-02-03 | 中国电子科技集团公司第十研究所 | Icni系统智能故障诊断系统 |
CN105372557A (zh) * | 2015-12-03 | 2016-03-02 | 国家电网公司 | 基于关联规则的电网资源故障诊断方法 |
CN107678870A (zh) * | 2017-08-23 | 2018-02-09 | 国网辽宁省电力有限公司 | 一种改进的电力变压器故障诊断方法 |
CN109523026A (zh) * | 2018-10-17 | 2019-03-26 | 中国电力科学研究院有限公司 | 援例推理方法及系统 |
CN109783500A (zh) * | 2019-01-21 | 2019-05-21 | 北京邮电大学 | 一种基于故障树和案例相似性的故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112329937B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111985653B (zh) | 基于知识图谱的电网故障知识推荐与知识管理系统及方法 | |
CN110703057B (zh) | 基于数据增强和神经网络的电力设备局部放电诊断方法 | |
CN102765643A (zh) | 基于数据驱动的电梯故障诊断与预警方法 | |
CN114386537B (zh) | 基于CatBoost的锂电池故障诊断方法、装置及电子设备 | |
CN113935562A (zh) | 一种电力设备健康状况智能评级与自动预警方法 | |
Lv et al. | A data fusion and data cleaning system for smart grids big data | |
CN114202304A (zh) | 一种电网故障智能监控处理方法及系统 | |
CN112733931A (zh) | 一种核电厂设备监测数据聚类处理方法和电子设备 | |
CN112329937B (zh) | 基于案例和故障推理的gis故障诊断方法 | |
CN111381161A (zh) | 一种发电机组远程在线健康状态诊断方法 | |
CN109767062B (zh) | 一种电网任务处置方案的动态生成方法 | |
Li et al. | Power grid fault detection method based on cloud platform and improved isolated forest | |
CN111966758A (zh) | 一种基于画像数据分析技术的电力隐患排查方法 | |
CN116628275B (zh) | 一种实现图数据库与标准化拓扑双向转换的方法 | |
CN109257206A (zh) | 一种数据录入及评价诊断信息反馈的方法 | |
CN113283602B (zh) | 基于离线知识学习和在线动态修正电网系统故障诊断方法 | |
CN117273133A (zh) | 配电网多源异构数据知识图谱的构建方法 | |
Liu | Knowledge-based systems in power systems: Applications and development methods | |
CN117493432A (zh) | 一种从电力模型到图模型的转换方法及系统 | |
CN117289078A (zh) | 一种基于数字孪生的电网故障分析方法及系统 | |
CN117554751A (zh) | 基于人工智能的电力系统故障诊断系统 | |
Huang et al. | Intelligent Decision Analysis of Converter Station SER Based on FP-Growth Algorithm | |
CN117591842A (zh) | 风电场全局运行状态识别方法 | |
Zou | Diagnosis of Open Circuit Fault of Diode Clamped Three-level Inverter Based on GWO-SVM | |
CN115759258A (zh) | 一种基于知识图谱的电网设备实体的关系调整方法 |
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 |