CN112613709A - 电力设备综合状态评估方法、装置、电子设备和存储介质 - Google Patents

电力设备综合状态评估方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112613709A
CN112613709A CN202011478800.6A CN202011478800A CN112613709A CN 112613709 A CN112613709 A CN 112613709A CN 202011478800 A CN202011478800 A CN 202011478800A CN 112613709 A CN112613709 A CN 112613709A
Authority
CN
China
Prior art keywords
parameters
real
time
state evaluation
state
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
Application number
CN202011478800.6A
Other languages
English (en)
Other versions
CN112613709B (zh
Inventor
张继元
王卫宏
郭洋
黄斯郡
蒙锦辉
潘杰
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.)
Zhiguang Research Institute Guangzhou Co ltd
Original Assignee
Zhiguang Research Institute Guangzhou 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 Zhiguang Research Institute Guangzhou Co ltd filed Critical Zhiguang Research Institute Guangzhou Co ltd
Priority to CN202011478800.6A priority Critical patent/CN112613709B/zh
Publication of CN112613709A publication Critical patent/CN112613709A/zh
Application granted granted Critical
Publication of CN112613709B publication Critical patent/CN112613709B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/546—Message passing systems or structures, e.g. queues
    • 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)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了电力设备综合状态评估方法、装置、电子设备和存储介质。该方法包括：获取待检测电力设备的特征参量，将特征参量中对同一状态影响程度相近或比较紧密的特征参量归为一类，用于对电力设备的多种单状态进行评估；采用分布式流处理方法对特征参量中的实时参量进行无量纲化处理，采用离线计算方法对特征参量中的离线参量进行无量纲化处理，并将实时参量和/或离线参量的无量纲化处理结果带入相应的单状态评估模型，得到各单状态评估结果；通过综合状态评估模型对各单状态评估结果进行加权综合，得到待检测电力设备的综合状态评估结果。实现了客观准确的对电力设备综合状态进行实时评估，并克服了现有评估方法的主观性和局限性。

Description

电力设备综合状态评估方法、装置、电子设备和存储介质
技术领域
本申请涉及电力电子领域，具体涉及电力设备综合状态评估方法、装置、电子设备和存储介质。
背景技术
现有的针对电力设备的综合评估体系，通常采用基于主观经验和定性评价的评估方法。而基于主观经验的评估方法，未考虑设备的客观运行条件和统计结果，具有主观性和局限性的缺点，定性评价的方法，具有难以区分在同一评级区间的设备好坏的缺点。而且，现有技术中缺乏对电力设备运行中的实时数据进行处理，以对电力设备进行实时评估的技术方案，无法满足用户对电力设备的综合状态进行实时评估的要求。
发明内容
鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的电力设备综合状态评估方法、装置、电子设备和存储介质。
依据本申请的一个方面，提供了一种电力设备综合状态评估方法，其特征在于，所述方法包括：
获取待检测电力设备的特征参量，将所述特征参量中对同一状态影响程度相近或比较紧密的特征参量归为一类，用于对所述电力设备的多种单状态进行评估；
采用分布式流处理方法对所述特征参量中的实时参量进行无量纲化处理，采用离线计算方法对所述特征参量中的离线参量进行无量纲化处理，并将实时参量和/或离线参量的无量纲化处理结果带入相应的单状态评估模型，得到各单状态评估结果；
通过综合状态评估模型对所述各单状态评估结果进行加权综合，得到待检测电力设备的综合状态评估结果。
可选地，所述采用分布式流处理方法对所述特征参量中的实时参量进行无量纲化处理，并采用离线计算方法对所述特征参量中的离线参量进行无量纲化处理包括：
对所述实时参量和离线参量中的定量评估参量，采用半岭形模型或半梯形模型进行无量纲化处理；
其中，对于数值越大则表示状态越好的定量评估参量采用升半梯模型或升半岭形模型进行无量纲化处理；对于数值越大则表示状态越差的定量评估参量采用降半梯模型或降半岭形模型进行无量纲化处理。
可选地，所述采用分布式流处理方法对所述特征参量中的实时参量进行无量纲化处理包括：
通过边缘网关获取待检测电力设备运行过程中的实时运行数据，并通过分布式消息队列对所述实时运行数据进行发布；
通过流计算引擎接收所述分布式消息队列发布的实时运行数据，并筛选出所述实时运行数据中的实时参量，将属于同一电力设备的实时参量进行聚类，并采用时间窗口对聚类后的实时参量进行切分，采用处理程序对每一个时间窗口内的实时参量进行无量纲化处理。
可选地，所述方法还包括：
采用处理程序对每一个实时参量进行状态管理，并保存每一个实时参量的状态管理时间戳，在有新的数据上传时立即更新对应的实时参量的值和保存的状态管理时间戳，并且开启定时器实现延迟投递的功能；
根据时间窗口长度设置定时器，在定时器延迟结束后判断每一个实时参量的状态管理时间戳和定时器延时时间之和是否等于当前系统时间，如果等于，则将对应的状态管理时间戳更新为当前系统时间后，将对应的实时参量的值和更新后的状态管理时间戳整合为新的数据投递到当前时间窗口，并继续根据时间窗口长度设置定时器；如果不等于，则定时器不执行任何操作，并弃用对应的实时参量的值。
可选地，所述将实时参量和/或离线参量的无量纲化处理结果带入相应的单状态评估模型，得到各单状态评估结果包括：
将能够体现电力设备长期运行的老化情况的实时参量和/或离线参量的无量纲化处理结果，带入老化状态评估模型，得到电力设备的老化状态评估结果；
将能够体现电力设备个体运行健康情况的实时参量和/或离线参量的无量纲化处理结果，带入运行状态评估模型，得到电力设备的运行状态评估结果；
将能够体现电力设备总体可靠性水平的实时参量和/或离线参量的无量纲化处理结果，带入可靠性评估模型，得到电力设备的可靠性评估结果。
可选地，所述通过综合状态评估模型对所述各单状态评估结果进行加权综合，得到待检测电力设备的综合状态评估结果包括：
将所述老化状态评估结果、运行状态评估结果、可靠性评估结果带入综合状态评估模型，通过所述综合状态评估模型确定所述老化状态评估结果、运行状态评估结果、可靠性评估结果的权重，对所述老化状态评估结果、运行状态评估结果、可靠性评估结果进行加权综合，得到加权综合结果后，通过修正系数对所述加权综合结果进行修正，得到待检测电力设备的综合状态评估结果。
可选地，所述综合状态评估模型是通过如下方式得到的：
采用层次分析法确定各单状态评估结果在综合状态评估中的权重，以及在各单状态评估中，各特征参量的无量纲化处理结果的权重；
根据不良工况的类型和实际发生频率确定修正系数；
根据确定的所述各单状态评估结果在综合状态评估中的权重，将各单状态评估结果进行加权综合，并使用修正系数对加权综合结果进行修正的函数表达方式即为所述综合状态评估模型。
依据本申请的另一方面，提供了一种电力设备综合状态评估装置，所述装置包括：
数据处理单元，用于获取待检测电力设备的特征参量，将所述特征参量中对同一状态影响程度相近或比较紧密的特征参量归为一类，用于对所述电力设备的多种单状态进行评估；
分层评估单元，采用分布式流处理方法对所述特征参量中的实时参量进行无量纲化处理，采用离线计算方法对所述特征参量中的离线参量进行无量纲化处理，并将实时参量和离线参量的无量纲化处理结果带入相应的单状态评估模型，得到各单状态评估结果；
综合评估单元，用于通过综合状态评估模型对所述各单状态评估结果进行加权综合，得到待检测电力设备的综合状态评估结果。
依据本申请的又一方面，提供了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上述任一所述的方法。
依据本申请的再一方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如上述任一所述的方法。
由上述可知，本申请的技术方案，通过将待检测电力设备的特征参量中对同一状态影响程度相近或比较紧密的特征参量归为一类，对电力设备的多种单状态进行评估，再通过综合状态评估模型对各单状态评估结果进行加权综合，得到待检测电力设备的综合状态评估结果。将复杂的电力设备的综合状态评估分解为多维度层次的单状态评估，简化了对电力设备综合状态评估的过程。通过对特征参量进行无量纲化处理，将不同类型的数据进行一致化处理，排除由于各个特征参量的单位不同或数值的数量级的差别对评估结果的影响，并构建综合状态评估模型进行评估，实现了客观准确的对电力设备综合状态进行评估，并克服了现有评估方法的局限性。通过采用分布式流处理方法对特征参量中的实时参量进行无量纲化处理，实现了对海量电力设备运行数据的实时计算，对电力设备状态的实时评估，满足了用户需求。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本申请一个实施例的一种电力设备综合状态评估方法的流程示意图；
图2示出了根据本申请一个实施例的一种半梯形模型的示意图；
图3示出了根据本申请一个实施例的一种流计算时间窗口的示意图；
图4示出了根据本申请一个实施例的一种迟延投递方法的流程示意图；
图5示出了根据本申请一个实施例的一种迟延投递方法的窗口示意图；
图6示出了根据本申请一个实施例的一种多维度状态评估体系构建方法的流程示意图；
图7示出了根据本申请一个实施例的一种电力设备综合状态评估装置的结构示意图；
图8示出了根据本申请一个实施例的一种电子设备的结构示意图；
图9示出了根据本申请一个实施例的一种计算机可读存储介质的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
图1示出了根据本申请一个实施例的电力设备综合状态评估方法的流程示意图。如图1所示，该方法包括：
步骤S110，获取待检测电力设备的特征参量，将特征参量中对同一状态影响程度相近或比较紧密的特征参量归为一类，用于对电力设备的多种单状态进行评估。
在一些实施例中，影响电力设备健康状态的因素众多，这些因素之间的关系错综复杂，对于众多的影响因素如果不进行任何处理就直接分析设备的健康状态，即使对于经验丰富的专家也十分困难。因此，本申请将对电力设备的某个状态影响程度相近或比较紧密的特征参量归为一类，使获取的影响电力设备健康状态的各种类型的特征参量条理化、层次化，通过对归为一类的特征参量进行分析，评估电力设备的各种状态，实现对电力设备健康状态的多维度层次分析，将对电力设备综合状态评估这一复杂的问题，分解为对电力设备各单状态进行评估，简化了评估过程，提高了评估效率。
而且，本实施例获取的影响电力设备健康状态的特征参量为多源异构特征参量，多源异构特征参量的融合可削弱单个参量引起的误差，提高评估的精确度。
步骤S120采用分布式流处理方法对所述特征参量中的实时参量进行无量纲化处理，采用离线计算方法对所述特征参量中的离线参量进行无量纲化处理，并将实时参量和/或离线参量的无量纲化处理结果带入相应的单状态评估模型，得到各单状态评估结果。
在一些实施例中，影响电力设备健康状态的各种特征参量，有些特征参量是需要在电力设备运行中在线监测实时获取的，有些特征参量是做定时的离线批量处理的。
由于在线监测的实时数据具有流数据的特点，数据量大可能导致延迟。数据的实时性意味着数据存储时间越长，利用价值则越低，因此，传统的利用写入磁盘的历史记录来进行建模的方法无法满足对流数据进行实时处理的要求，采用分布式流处理方法对实时参量进行处理既能满足大数据实时处理的要求，又能达到流计算的处理标准。
对于不需要进行实时处理的离线参量，每隔预定时间进行统计分析，采用离线计算方法处理，例如MapReduce、Spark SQL等离线计算方法。以Spark SQL为例，将电力设备运行过程中的离线数据保存至SQL数据库中，每日对离线数据进行统计更新，通过Spark SQL对保存的离线数据进行无量纲化处理，并将无量纲化处理结果保存至SQL数据库中。
步骤S130，通过综合状态评估模型对各单状态评估结果进行加权综合，得到待检测电力设备的综合状态评估结果。
在一些实施例中，电力设备的各单状态评估结果，反映了电力设备的各种状态的健康情况，例如，电力设备的老化状态、运行状态和可靠性水平，但是每种状态对电力设备的综合状态所产生的影响也不同。因此，通过确定各单状态评估结果在综合状态评估中的权重，再对各单状态评估结果进行加权综合，可以使得到的待检测电力设备的综合状态评估结果更加客观和准确。
综上所述，本申请的技术方案，通过获取影响电力设备健康状态的多源异构特征参量，削弱单个参量引起的误差，提高评估的精确度；通过将对电力设备综合状态评估这一复杂的问题，分解为对电力设备各单状态进行评估，简化了评估过程，提高了评估效率；通过对各特征参量进行无量纲化处理，排除了由于各特征参量的单位不同以及数值数量级的悬殊差别所带来的影响，且可以更加客观地反映实际情况，保证评价结果的客观性；通过对电力设备运行中的实时参量采用分布式流处理方法进行无量纲化处理，既满足了大数据的实时处理要求，又达到了流计算的处理标准，实现了对电力设备综合状态的实时评估。
在本申请的一个实施例中，上述方法中，采用分布式流处理方法对特征参量中的实时参量进行无量纲化处理，并采用离线计算方法对特征参量中的离线参量进行无量纲化处理包括：对实时参量和离线参量中的定量评估参量，采用半岭形模型或半梯形模型进行无量纲化处理；其中，对于数值越大则表示状态越好的定量评估参量采用升半梯模型或升半岭形模型进行无量纲化处理；对于数值越大则表示状态越差的定量评估参量采用降半梯模型或降半岭形模型进行无量纲化处理。
在一些实施例中，对于电力设备的特征参量，按照性质分为定量评估参量和定性评估参量。其中，定量评估参量是通过检测电力设备获取的实际数据，不同的特征参量会存在数据的数量级和量纲的不同，对特征参量中的定量评估参量，采用半岭形模型或半梯形模型进行无量纲化处理。定性评估参量是通过状态描述表征电力设备某一特性状态，例如运行环境参量、例行检查参量等，需要根据专家经验，采用模糊推理，对定性评估参量进行打分，对定性评估参量进行无量纲化，转换成数值。
以半梯形模型为例进行说明。图2示出了根据本申请一个实施例的一种半梯形模型的示意图，如图2所示，图2中的左边图为降半梯模型，右边图为升半梯模型。降半梯模型的表达式为公式(1)：
Figure BDA0002836727520000081
升半梯模型的表达式为公式(2)：
Figure BDA0002836727520000082
其中，x表示特征参量的值；a，b表示评估参量阈值。在一些实施例中，评估参量阈值a、b可以通过对获取的待检测设备的特征参量进行数值分析后，根据专家经验或设备说明书中记载的正常使用范围确定。
例如，对绝缘电阻进行无量纲化处理。绝缘电阻的数值越大则表示电力设备的状态越好，则采用升半梯模型对绝缘电阻进行无量纲化处理。假设，待检测电力设备检测时的绝缘电阻为2000Ω，该电力设备说明书中记载的正常使用范围是800Ω-1600Ω，则确定a＝800，b＝1600，而2000>1600，则确定检测时绝缘电阻的无量纲化处理结果为100。
通过对特征参量统一进行无量纲化处理，将定性参量转化成数值，将性质和量纲不同的定量指标转化成无量纲数值，使各参量可以融合，排除了由于各特征参量的单位不同以及数值数量级的悬殊差别所带来的影响，且可以更加客观地反映实际情况，保证评价结果的客观性。
在本申请的一个实施例中，上述方法中，采用分布式流处理方法对特征参量中的实时参量进行无量纲化处理包括：
通过边缘网关获取待检测电力设备运行过程中的实时运行数据，并通过分布式消息队列对所述实时运行数据进行发布；通过流计算引擎接收分布式消息队列发布的实时运行数据，并筛选出实时运行数据中的实时参量，将属于同一电力设备的实时参量进行聚类，并采用时间窗口对聚类后的实时参量进行切分，采用处理程序对每一个时间窗口内的实时参量进行无量纲化处理。
在一些实施例中，将电力设备运行过程中的实时数据通过边缘网关上传，边缘网关获取待检测电力设备运行过程中的实时运行数据，可以进一步提升分析计算速度，保证了电力设备运行数据的实时在线分析，为电力设备智能运维和实时响应提供了便利。其中，电力设备运行过程中的实时运行数据主要包括但不限于：输入电压、输出电压、输入电流、输出电流，频率、控制器温度等基于运行的实时参量。
通过分布式消息队列，对通过边缘网关获取的实时运行数据进行发布，构建系统或应用程序之间可靠的获取数据的实时流数据管道。利用流计算引擎订阅电力设备的实时运行数据并进行处理。其中，流计算引擎可以是Flink、Storm、Spark Streaming等，下面以Flink为例对处理过程进行说明。
Flink消费电力设备经由分布式消息队列发布的实时运行数据后，通过定义Topic，将获取的实时运行数据中满足Topic的数据过滤出来，将过滤出的流数据定义为Event Stream。对Event Stream进行解析，并将解析后的Event Stream送入Fliter函数进行筛选，筛选出如输入电压、输出电压、输入电流、输出电流，频率、控制器温度等基于运行的实时参量，并将筛选出的基于运行的实时参量定义为Date Stream。利用KeyBy将所有设备按ID进行分组，将Date Stream中属于同一个电力设备的数据进行聚类，单独计算每个设备的状态。
完成聚类之后，Flink开启时间窗口Time Window，对属于同一个电力设备的数据进行切分。在Flink流数据处理中，流式计算是一种被设计用于处理无限数据集的数据处理引擎，而无限数据集是指一种不断增长的本质上无限的数据集，而Time Window是一种将无限数据集切割为有限块进行处理的手段。在Time Window对无限数据集进行切割的过程中，实时数据流会被抽象成原始DStream，原始DSteam会将连续的流数据切分成指定时间片的数据RDD。
图3示出了根据本申请一个实施例的一种流计算时间窗口的示意图，如图3所示，Flink提供了一种基于滑动窗口的流计算，利用Time Window来切分原始DStream。切分后的基于时间窗口长度的RDD是对实时参量进行处理的基本操作单元，例如图3中的WindowedRDD1、Windowed RDD2。其中，时间窗口长度可以根据流数据的速率和建模复杂度来确定，在本例中，为保证模型的稳定性和预测精度，将时间窗口长度设置为1min。
在每个时间窗口内，当时间窗口完成数据获取后，Flink开启处理程序ProcessFunction，对时间窗口内的实时参量采用半岭形模型或半梯形模型进行无量纲化处理。
需要说明的是，以上是以Flink为例对处理过程进行的说明，并不是对本申请的限制，也可以采用Storm、Spark Streaming等流计算引擎进行处理。
在本申请的一个实施例中，上述方法还包括：采用处理程序对每一个实时参量进行状态管理，并保存每一个实时参量的状态管理时间戳，在有新的数据上传时立即更新对应的实时参量的值和保存的状态管理时间戳，并且开启定时器实现延迟投递的功能；
根据时间窗口长度设置定时器，在定时器延迟结束后判断每一个实时参量的状态管理时间戳和定时器延时时间之和是否等于当前系统时间，如果等于，则将对应的状态管理时间戳更新为当前系统时间后，将对应的实时参量的值和更新后的状态管理时间戳整合为新的数据投递到当前时间窗口，并继续根据时间窗口长度设置定时器；如果不等于，则定时器不执行任何操作，并弃用对应的实时参量的值。
在一些实施例中，由于分布式发布订阅消息系统的数据是有变化时才会上传，因此导致的问题是：在某一时间窗口内，实时参量的数据无变化则不上传该数据，而这些数据的缺失将会导致评估算法的失效。因此，当无数据上传也即数据无更新时，也要使每个窗口自动将最新的数据进行投递。因此，在处理程序Process Function中设置延迟投递算法，保证各时间窗口均可获取到数据。
图4示出了根据本申请一个实施例的一种迟延投递方法的流程示意图，图5示出了根据本申请一个实施例的一种迟延投递的窗口示意图。如图4所示，该延迟投递方法包括：
步骤S410，Flink消费电力设备经由分布式消息队列发布的实时运行数据。
步骤S420，对Flink获取的实时运行数据进行过滤、筛选、聚合、时间窗口切分等操作。
步骤430，保存实时参量的值和对实时参量进行状态管理的时间戳，并设置定时器。
下面以Process Function为例进行说明。在Process Function中，对每一个实时参量进行状态管理，保存每一个实时参量的值以及对实时参量进行状态管理的时间戳t参量，并将当前实时参量的状态作为存储器cache的状态，其中包括当前实时参量的值以及对当前实时参量进行状态管理的时间戳t参量，并设置定时器MT，定时时间设置为时间窗口长度。在有新的数据上传时，则保存更新后的实时参量的值和对新上传的数据进行状态管理的时间戳，并更新cache的状态为新数据的状态。
步骤S440，经过MT时间，定时器开启动作。
经过MT时间，即在t参量+MT时刻，定时器开启动作。
步骤S450，判断对每一个实时参量进行状态管理的时间戳+MT的时刻是否等于当前系统时间。若等于，则说明该时间内无新的数据更新，那么将该实时参量的状态管理时间戳更新为当前系统时间后，将该实时参量的值和更新后的状态管理时间戳整合为新的数据投递到当前时间窗口，并继续按上述方法设置定时器。若不等于，则说明数据已经被更新，定时器不执行上述操作，对应的数据被弃用。
如图5所示，实时参量A1在t1时刻进入T1时间窗口，此时用cache保存下A1的状态，同时设置定时器MT，在(t1+MT)时刻开启动作。由于在时间窗口T1中，在实时参量A1之后没有数据上传，则cache里的数据不更新，cache的当前状态为A1的状态。直到(t1+T1)时刻定时器开启动作，此时到了T2时间窗口。首先获取每一个实时参量的状态，判断每一个实时参量的状态管理时间戳+MT是否等于当前系统时间，由于此时cache中仅有A1的数据，tcache＝t1，则此时A1的状态管理时间戳+MT等于当前系统时间，则更新A1的状态并且投递到当前时间窗口T2中，那么T2时间窗口中有了A1的值，并且开启定时器在下一个窗口T3进行判断，以此反复。并且如果每一个时间窗口中都只有实时参量A1，则A1的数值将会一直被投递到下一个时间窗口中。
若在T2时间窗口有新的实时参量B1、C1进来，那么在B1进来时cache的状态更新为B1的状态，并设置定时器，在C1进来时，cache的状态更新为C1的状态，并设置定时器，则在T2时间窗口的实时参量A1、B1、C1的定时器都将在T3时间窗口开启。
到了T3时间窗口，当A1定时器启动时，获取cache的当前状态，由于cache的当前状态已更新为C1的状态，因此A1的状态管理时间戳+MT不等于当前系统时间，则弃用该数据A1；同理，B1的状态管理时间戳+MT也不等于当前系统时间，则弃用该数据B1；当C1定时器启动时，cache的当前状态是C1的状态，因此C1的状态管理时间戳+MT等于当前系统时间，则更新C1的状态管理时间戳为当前系统时间，并将C1的状态投递到当前时间窗口T3中，并且继续定时MT在后续的窗口开启判断。
在本申请的一个实施例中，上述方法中，将实时参量和/或离线参量的无量纲化处理结果带入相应的单状态评估模型，得到各单状态评估结果包括：将能够体现电力设备长期运行的老化情况的实时参量和/或离线参量的无量纲化处理结果，带入老化状态评估模型，得到电力设备的老化状态评估结果；将能够体现电力设备个体运行健康情况的实时参量和/或离线参量的无量纲化处理结果，带入运行状态评估模型，得到电力设备的运行状态评估结果；将能够体现电力设备总体可靠性水平的实时参量和/或离线参量的无量纲化处理结果，带入可靠性评估模型，得到电力设备的可靠性评估结果。
在一些实施例中，Flink从SQL数据库中获取离线数据的无量纲化处理结果，将Flink中保存的实时数据的无量纲化处理结果与获取的离线数据的无量纲化处理结果进行融合，带入相应的单状态评估模型，得到单状态评估结果，实现了对电力设备状态的实时评估。而有的单状态评估模型中不包括实时参量，则只需将离线参量的无量纲化处理结果带入相应的单状态评估模型即可。
图6示出了根据本申请一个实施例的多维度状态评估体系构建方法的流程示意图。如图6所示，通过对电力设备的老化状态、运行健康状态、运行可靠性各单状态进行评估，并分配各单状态评估结果的权重后，对各单状态评估结果进行加权综合，得到综合状态初步评估结果，再通过不良工况确定修正系数，对综合状态初步评估结果进行修正，得到最终综合状态评估结果。其中，老化状态、运行健康状态、运行可靠性和不良工况是对电力设备综合状态进行评估的四个评估指标，而基本参量、运行参量、可靠性参量、不良工况参量中的各特征参量又是评价老化状态、运行健康状态、运行可靠性和不良工况的评估指标，由此构成了对电力设备综合状态进行评估的多维度评估体系。
在一些实施例中，根据运行的时间先后顺序，各单状态之间的层次关系为第一层是老化状态评估，第二层是运行健康状态评估，第三层是可靠性评估，第四层是不良工况评估，构成了对电力设备状态的多层次评估。
在一些实施例中，步骤S110中的获取待检测电力设备的特征参量，将特征参量中对同一状态影响程度相近或比较紧密的特征参量归为一类，用于对电力设备的多种单状态进行评估包括：将对电力设备的老化情况具有持续影响的参量归为基本参量，以此评价电力设备的老化状态；将影响电力设备的运行健康状态的参量归为运行参量，以评估电力设备的运行健康状态；将影响电力设备的运行可靠性的参量归为可靠性参量，以评估电力设备的运行可靠性；将可对电力设备造成不可逆损伤的异常故障参量归为不良工况参量，用于评估异常故障对电力设备造成的不可逆损伤程度。
在一些实施例中，基本参量包括：电力设备的铭牌参量、运行时间参量、平均负荷参量、运行环境参量等；运行参量包括：诊断性试验参量、运行参量、例行检查参量等；可靠性参量包括：设备利用率、设备故障率、故障停机率、设备可靠概率、设备完好率、设备年故障次数等；不良工况参量包括：电机热积累保护、输出过负荷保护等。
在一些实施例中，基于基本参量的老化状态评估模型通过以下方式建立：
现有的反映设备状态指数随运行时间的变化规律的指数公式，设备状态指数的值在0～1之间，越接近1表示设备状态越差。由于设备状态评价量化结果惯例认为得分的降低表示设备状态越差，为使与状态评价结果惯例一致，本申请对现有的指数公式进行了改进，改进后的状态指数关系式为公式(3)：
Figure BDA0002836727520000131
公式(3)即为老化状态评估模型。其中，
Figure BDA0002836727520000132
为设备的初始投运日期T1时刻的状态指数，例如取0.95；
Figure BDA0002836727520000133
为设备在任意时刻t的老化状态评估指数，取值范围为0～1；B0为设备初始老化系数；T1为与全新设备
Figure BDA0002836727520000134
对应的年份，一般为设备初始投运年份；Tt为与所要计算的
Figure BDA0002836727520000141
对应的年份，可为当前年份，也可为未来年份，Tt-T1是设备运行时间。
在一些实施例中，将长期运行中对主绝缘的老化情况具有持续影响的参量作为基本参量，包括长期运行环境参量及长期运行的平均负荷参量。将设备台账中基本参量的折旧年限作为设计寿命TD，并用运行环境参量、平均负荷参量对其修正，从而得到考虑了安装实际的预期运行寿命T’，计算公式如公式(4)：
T′＝TD/(fLfE) (4)
其中，fL为平均负荷参量的参考值，fE为运行环境参量的参考值，运行环境参量可以依照实际运行情况进行修改。
电力设备初始老化系数B0的计算公式如公式(5)：
Figure BDA0002836727520000142
其中，T′为设备的预期运行寿命，xHI为设备退役时的最终健康指数，例如取0.35。
在一些实施例中，运行状态评估模型通过以下方式建立：
运行状态评估模型主要考虑个体在役过程中的当前绝缘运行状态，评估参量包括诊断性试验参量、运行参量、例行检查参量。
其中，诊断性试验参量至少包括如下一种：绕组直流电阻、绝缘电阻、绕组绝缘电阻/吸收比/极化指数、绕组介损、绕组电容量、套管试验等，可拓展项目有红外热像气体分析、局部放电监测、耐压试验、声级、振动、接地电流、绕组直流泄漏电流等。
运行参量至少包括如下一种：输入过电压、输出过电压、输入过电流、输出过电流、输出电压不平衡度绝对值、输出电流不平衡度绝对值、输入电压不平衡度绝对值、输入电流不平衡度绝对值、直流电容欠压、单元直流过压、目标频率与实际频率偏差、风道差压、单元高温、控制器高温、变压器高温等。
例行检查参量至少包括如下一种：各种绝缘垫片和垫块是否有松动现象、线圈装置是否紧固、装置是否老化，有无损伤、烧焦现象、变压器是否正常工作，有无异常声响、空气滤网是否正常、高压接触器是否良好，是否干净，有无油垢，操作是否灵活、温控仪是否良好、检查外部电缆和电机有无接地情况、核心设备运行温度是否在额定范围等。
其中，诊断性试验参量和运行参量属于定量评估参量，对其使用半岭形模型或半梯形模型进行无量纲化处理。例行检查参量属于定性评估参量，结合专家经验，采用模糊推理对其进行打分。
由于评估参量与层次结构较多，故依据关联分析与主因子分析方法分析评估参量对寿命的关联度与敏感性，需要利用权重分配与重调来处理参量缺失、贡献程度差异化等问题。
权重的确定选用层次分析法，即将评价系统按其内在的逻辑关系，首先以单状态评估模型的形式构成一个有序的层次结构；然后针对每一层的特征参量，运用专家的权重分析确定，得到各特征参量的权重向量。具体的，在运行状态评估中，先运用专家的权重分析确定诊断性试验参量中的各个特征参量的权重向量，由各个特征参量的权重向量与各个特征参量的无量纲化处理结果相乘，确定诊断性试验参量的数值，运行参量的数值、例行检查参量的数值采用相同的方法确定，即：
Z诊断＝权向量*诊断性试验参量无量纲化处理结果
Z运行＝权向量*运行参量无量纲化处理结果
Z例行＝权向量*例行检查参量无量纲化处理结果
由于，诊断性试验参量、运行参量、例行检查参量均是电力设备的运行状态评估参量，其中任何一项如果发现问题，均说明电力设备处于不理想的状态，因此，还需要确定诊断性试验参量、运行参量、例行检查参量在电力设备的运行状态评估中的权重，再将诊断性试验参量的数值，运行参量的数值、例行检查参量的数值与权向量相乘，所得乘积即为电力设备的运行状态评估结果，计算公式如公式(6)：
Figure BDA0002836727520000151
在一些实施例中，可靠性评估模型通过以下方式建立：
可靠性是指设备机能在时间上的稳定性程度，或在一定时间内不发生故障的概率。设备的可靠性分析是为了保证设备的长时间无故障运行而进行的分析处理过程，可靠性不良表明设备发生故障的概率很大。家族可靠度由概率统计方法计算得出该类型、同电压等级的设备缺陷发生的情况，个体可靠度则反映了运行过程中考虑个体差异时，设备的故障及老化情况随时间的变化规律，而本实施例中的可靠性评估模型是对个体可靠度进行评估。
将采用下述参量进行可靠性评估：
设备利用率：累计运行时间总和/投产时间总时长；
设备故障率：设备故障停机时间总和/设备运行时间总和*100％；
故障停机率：故障时间总和/(累计运行时间+累计故障时间)；
设备可靠概率：平均无故障工作时间/(平均无故障工作时间+平均修复时间)；
设备完好率(正常设备数/安装已投运的设备总数，单位：％)：上线、运行状态正常并且健康状态正常的设备数量/已部署边缘服务器的总数。
上述可靠性评估参量均为定性评估参量，结合专家经验和模糊推理对各评估参量进行评分，得到各评估参量的无量纲化处理结果。再根据层次分析法确定各评估参量的权重，将权向量与各评估参量的无量纲化处理结果相乘，即得到可靠性评估结果，计算公式如公式(7)：
Figure BDA0002836727520000161
在本申请的一个实施例中，上述方法中，通过综合状态评估模型对各单状态评估结果进行加权综合，得到待检测电力设备的综合状态评估结果包括：将老化状态评估结果、运行状态评估结果、可靠性评估结果带入综合状态评估模型，通过综合状态评估模型确定老化状态评估结果、运行状态评估结果、可靠性评估结果的权重，对老化状态评估结果、运行状态评估结果、可靠性评估结果进行加权综合，得到加权综合结果后，通过修正系数对加权综合结果进行修正，得到待检测电力设备的综合状态评估结果。
通过上述方法，已经计算得到了老化状态评估结果、运行状态评估结果、可靠性评估结果各单状态评估结果，再通过层次分析法确定各单状态评估结果在综合状态评估中的权重，通过对各单状态评估结果进行加权综合，得到加权综合结果。并采用修正系数对加权综合结果进行修正，即得到待检测电力设备的综合状态评估结果。
其中，修正系数根据不良工况确定。不良工况对电力设备的整体健康状态的危害不容小觑，特别是电机热积累保护、输出过负荷保护对电力设备造成的不可逆转的损失。根据现场不良工况发生频率及危害程度等情况，分别由修正系数k1、k2来衡量引起的寿命损失。
例如，不良工况发生频率与修正系数k1、k2之间的关系如表1所示：
Figure BDA0002836727520000171
表1
如表1所示，电机热积累保护故障累计发生2次，输出过负荷保护故障累计发生9次，故修正系数k1＝1，k2＝0.96。
在本申请的一个实施例中，上述方法中，综合状态评估模型是通过如下方式得到的：
采用层次分析法确定各单状态评估结果在综合状态评估中的权重，以及在各单状态评估中，各特征参量的无量纲化处理结果的权重；根据不良工况的类型和实际发生频率确定修正系数；根据确定的各单状态评估结果在综合状态评估中的权重，将各单状态评估结果进行加权综合，并使用修正系数对加权综合结果进行修正的函数表达方式即为综合状态评估模型。综合状态评估模型的计算公式如公式(8)所示：
Figure BDA0002836727520000172
其中，xHI为综合状态评估结果，
Figure BDA0002836727520000173
为老化状态评估结果、
Figure BDA0002836727520000174
为运行状态评估结果、
Figure BDA0002836727520000175
为可靠性评估结果，a、b、c分别为
Figure BDA0002836727520000176
的权重，根据多个专家给出的权重经层次分析法处理后得到，k1、k2为修正系数。
根据综合状态评估结果xHI，可计算得到电力设备的剩余寿命L，计算公式如公式(9)所示：
Figure BDA0002836727520000181
需要说明的是，综合状态评估模型中的
Figure BDA0002836727520000182
的确定方法，权重a、b、c的确定方法以及修正系数k1、k2、电力设备初始老化系数B0的确定方法可以参照前述对应方法实施例的具体实施方式进行，在此不再赘述。
在本申请的一个实施例中，上述方法还包括：跟踪验证评估结果，对综合状态评估模型进行反馈和完善。
图7示出了根据本申请一个实施例的电力设备综合状态评估装置的结构示意图。如图7所示，该电力设备综合状态评估装置700包括：
数据处理单元710，用于获取待检测电力设备的特征参量，将特征参量中对同一状态影响程度相近或比较紧密的特征参量归为一类，用于对电力设备的多种单状态进行评估。
分层评估单元720，用于对采用分布式流处理方法对所述特征参量中的实时参量进行无量纲化处理，采用离线计算方法对所述特征参量中的离线参量进行无量纲化处理，并将实时参量和/或离线参量的无量纲化处理结果带入相应的单状态评估模型，得到各单状态评估结果。
综合评估单元730，用于通过综合状态评估模型对各单状态评估结果进行加权综合，得到待检测电力设备的综合状态评估结果。
在本申请的一个实施例中，上述装置中，分层评估单元720，用于对实时参量和离线参量中的定量评估参量，采用半岭形模型或半梯形模型进行无量纲化处理；
其中，对于数值越大则表示状态越好的定量评估参量采用升半梯模型或升半岭形模型进行无量纲化处理；对于数值越大则表示状态越差的定量评估参量采用降半梯模型或降半岭形模型进行无量纲化处理。
在本申请的一个实施例中，上述装置中，分层评估单元720，用于通过边缘网关获取待检测电力设备运行过程中的实时运行数据，并通过分布式消息队列对实时运行数据进行发布；通过流计算引擎接收分布式消息队列发布的实时运行数据，并筛选出实时运行数据中的实时参量，将属于同一电力设备的实时参量进行聚类，并采用时间窗口对聚类后的实时参量进行切分，采用处理程序对每一个时间窗口内的实时参量进行无量纲化处理。
在本申请的一个实施例中，上述装置中，分层评估单元720，用于采用处理程序对每一个实时参量进行状态管理，并保存每一个实时参量的状态管理时间戳，在有新的数据上传时立即更新对应的实时参量的值和保存的状态管理时间戳，并且开启定时器实现延迟投递的功能；根据时间窗口长度设置定时器，在定时器延迟结束后判断每一个实时参量的状态管理时间戳和定时器延时时间之和是否等于当前系统时间，如果等于，则将对应的状态管理时间戳更新为当前系统时间后，将对应的实时参量的值和更新后的状态管理时间戳整合为新的数据投递到当前时间窗口，并继续根据时间窗口长度设置定时器；如果不等于，则定时器不执行任何操作，并弃用对应的实时参量的值。
在本申请的一个实施例中，上述装置中，分层评估单元720，用于将实时参量和/或离线参量的无量纲化处理结果带入相应的单状态评估模型，得到各单状态评估结果包括：将能够体现电力设备长期运行的老化情况的实时参量和/或离线参量的无量纲化处理结果，带入老化状态评估模型，得到电力设备的老化状态评估结果；将能够体现电力设备个体运行健康情况的实时参量和/或离线参量的无量纲化处理结果，带入运行状态评估模型，得到电力设备的运行状态评估结果；将能够体现电力设备总体可靠性水平的实时参量和/或离线参量的无量纲化处理结果，带入可靠性评估模型，得到电力设备的可靠性评估结果。
在本申请的一个实施例中，上述装置中，综合评估单元730，用于将老化状态评估结果、运行状态评估结果、可靠性评估结果带入综合状态评估模型，通过综合状态评估模型确定老化状态评估结果、运行状态评估结果、可靠性评估结果的权重，对老化状态评估结果、运行状态评估结果、可靠性评估结果进行加权综合，得到加权综合结果后，通过修正系数对加权综合结果进行修正，得到待检测电力设备的综合状态评估结果。
在本申请的一个实施例中，上述装置中，综合状态评估模型是通过如下方式得到的：采用层次分析法确定各单状态评估结果在综合状态评估中的权重，以及在各单状态评估中，各特征参量的无量纲化处理结果的权重；根据不良工况的类型和实际发生频率确定修正系数；根据确定的各单状态评估结果在综合状态评估中的权重，将各单状态评估结果进行加权综合，并使用修正系数对加权综合结果进行修正的函数表达方式即为所述综合状态评估模型。
需要说明的是，上述各装置实施例的具体实施方式可以参照前述对应方法实施例的具体实施方式进行，在此不再赘述。
综上所述，本申请的技术方案，通过对电力设备运行中的实时参量采用分布式流处理方法进行无量纲化处理，既满足了大数据的实时处理要求，又达到了流计算的处理标准，实现了对电力设备综合状态的实时评估；通过获取影响电力设备健康状态的多源异构特征参量，削弱单个参量引起的误差，提高评估的精确度；通过将对电力设备综合状态评估这一复杂的问题，分解为对电力设备各单状态进行评估，简化了评估过程，提高了评估效率；通过对各特征参量进行无量纲化处理，排除了由于各特征参量的单位不同以及数值数量级的悬殊差别所带来的影响，且可以更加客观地反映实际情况，保证评价结果的客观性；通过确定各单状态评估结果在综合状态评估中的权重，对各单状态评估结果进行加权综合得到电力设备的综合状态评估结果，保证评估结果的客观性和准确性。本申请的技术方案克服了现有的基于主观经验的评估方法存在的未考虑设备的客观老化运行条，以及无法进行实时评估的缺点。
需要说明的是：
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本申请并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的电力设备综合状态评估装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图8示出了根据本申请一个实施例的电子设备的结构示意图。该电子设备800包括处理器810和被安排成存储计算机可执行指令(计算机可读程序代码)的存储器820。存储器820可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器820具有存储用于执行上述方法中的任何方法步骤的计算机可读程序代码831的存储空间830。例如，用于存储计算机可读程序代码的存储空间830可以包括分别用于实现上面的方法中的各种步骤的各个计算机可读程序代码831。计算机可读程序代码831可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图9所述的计算机可读存储介质。图9示出了根据本申请一个实施例的一种计算机可读存储介质的结构示意图。该计算机可读存储介质900存储有用于执行根据本申请的方法步骤的计算机可读程序代码831，可以被电子设备800的处理器810读取，当计算机可读程序代码831由电子设备800运行时，导致该电子设备800执行上面所描述的方法中的各个步骤，具体来说，该计算机可读存储介质存储的计算机可读程序代码831可以执行上述任一实施例中示出的方法。计算机可读程序代码831可以以适当形式进行压缩。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种电力设备综合状态评估方法，其特征在于，所述方法包括：
获取待检测电力设备的特征参量，将所述特征参量中对同一状态影响程度相近或比较紧密的特征参量归为一类，用于对所述电力设备的多种单状态进行评估；
采用分布式流处理方法对所述特征参量中的实时参量进行无量纲化处理，采用离线计算方法对所述特征参量中的离线参量进行无量纲化处理，并将实时参量和/或离线参量的无量纲化处理结果带入相应的单状态评估模型，得到各单状态评估结果；
通过综合状态评估模型对所述各单状态评估结果进行加权综合，得到待检测电力设备的综合状态评估结果。
2.如权利要求1所述的方法，其特征在于，所述采用分布式流处理方法对所述特征参量中的实时参量进行无量纲化处理，并采用离线计算方法对所述特征参量中的离线参量进行无量纲化处理包括：
对所述实时参量和离线参量中的定量评估参量，采用半岭形模型或半梯形模型进行无量纲化处理；
其中，对于数值越大则表示状态越好的定量评估参量采用升半梯模型或升半岭形模型进行无量纲化处理；对于数值越大则表示状态越差的定量评估参量采用降半梯模型或降半岭形模型进行无量纲化处理。
3.如权利要求1所述的方法，其特征在于，所述采用分布式流处理方法对所述特征参量中的实时参量进行无量纲化处理包括：
通过边缘网关获取待检测电力设备运行过程中的实时运行数据，并通过分布式消息队列对所述实时运行数据进行发布；
通过流计算引擎接收所述分布式消息队列发布的实时运行数据，并筛选出所述实时运行数据中的实时参量，将属于同一电力设备的实时参量进行聚类，并采用时间窗口对聚类后的实时参量进行切分，采用处理程序对每一个时间窗口内的实时参量进行无量纲化处理。
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
采用处理程序对每一个实时参量进行状态管理，并保存每一个实时参量的状态管理时间戳，在有新的数据上传时立即更新对应的实时参量的值和保存的状态管理时间戳，并且开启定时器实现延迟投递的功能；
根据时间窗口长度设置定时器，在定时器延迟结束后判断每一个实时参量的状态管理时间戳和定时器延时时间之和是否等于当前系统时间，如果等于，则将对应的状态管理时间戳更新为当前系统时间后，将对应的实时参量的值和更新后的状态管理时间戳整合为新的数据投递到当前时间窗口，并继续根据时间窗口长度设置定时器；如果不等于，则定时器不执行任何操作，并弃用对应的实时参量的值。
5.如权利要求1所述的方法，其特征在于，所述将实时参量和/或离线参量的无量纲化处理结果带入相应的单状态评估模型，得到各单状态评估结果包括：
将能够体现电力设备长期运行的老化情况的实时参量和/或离线参量的无量纲化处理结果，带入老化状态评估模型，得到电力设备的老化状态评估结果；
将能够体现电力设备个体运行健康情况的实时参量和/或离线参量的无量纲化处理结果，带入运行状态评估模型，得到电力设备的运行状态评估结果；
将能够体现电力设备总体可靠性水平的实时参量和/或离线参量的无量纲化处理结果，带入可靠性评估模型，得到电力设备的可靠性评估结果。
6.如权利要求5所述的方法，其特征在于，所述通过综合状态评估模型对所述各单状态评估结果进行加权综合，得到待检测电力设备的综合状态评估结果包括：
将所述老化状态评估结果、运行状态评估结果、可靠性评估结果带入综合状态评估模型，通过所述综合状态评估模型确定所述老化状态评估结果、运行状态评估结果、可靠性评估结果的权重，对所述老化状态评估结果、运行状态评估结果、可靠性评估结果进行加权综合，得到加权综合结果后，通过修正系数对所述加权综合结果进行修正，得到待检测电力设备的综合状态评估结果。
7.如权利要求1-6中任一项所述的方法，其特征在于，所述综合状态评估模型是通过如下方式得到的：
采用层次分析法确定各单状态评估结果在综合状态评估中的权重，以及在各单状态评估中，各特征参量的无量纲化处理结果的权重；
根据不良工况的类型和实际发生频率确定修正系数；
根据确定的所述各单状态评估结果在综合状态评估中的权重，将各单状态评估结果进行加权综合，并使用修正系数对加权综合结果进行修正的函数表达方式即为所述综合状态评估模型。
8.一种电力设备综合状态评估装置，其特征在于，所述装置包括：
数据处理单元，用于获取待检测电力设备的特征参量，将所述特征参量中对同一状态影响程度相近或比较紧密的特征参量归为一类，用于对所述电力设备的多种单状态进行评估；
分层评估单元，采用分布式流处理方法对所述特征参量中的实时参量进行无量纲化处理，采用离线计算方法对所述特征参量中的离线参量进行无量纲化处理，并将实时参量和/或离线参量的无量纲化处理结果带入相应的单状态评估模型，得到各单状态评估结果；
综合评估单元，用于通过综合状态评估模型对所述各单状态评估结果进行加权综合，得到待检测电力设备的综合状态评估结果。
9.一种电子设备，其特征在于，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求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，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如权利要求1-7中任一项所述的方法。
CN202011478800.6A 2020-12-15 2020-12-15 电力设备综合状态评估方法、装置、电子设备和存储介质 Active CN112613709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011478800.6A CN112613709B (zh) 2020-12-15 2020-12-15 电力设备综合状态评估方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011478800.6A CN112613709B (zh) 2020-12-15 2020-12-15 电力设备综合状态评估方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112613709A true CN112613709A (zh) 2021-04-06
CN112613709B CN112613709B (zh) 2024-01-05

Family

ID=75239214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011478800.6A Active CN112613709B (zh) 2020-12-15 2020-12-15 电力设备综合状态评估方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112613709B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113550893A (zh) * 2021-07-29 2021-10-26 北京百度网讯科技有限公司 设备检测方法、装置、电子设备及存储介质
CN113660333A (zh) * 2021-08-17 2021-11-16 温州市裕展信息科技有限公司 基于nb-iot的边缘计算网关控制方法
CN115860278A (zh) * 2023-02-27 2023-03-28 深圳市利和兴股份有限公司 一种基于数据分析的电机组装生产管理方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1197613A (en) * 1966-08-08 1970-07-08 Int Standard Electric Corp Scanning Antenna System
CN1752958A (zh) * 2004-09-26 2006-03-29 福建省电力试验研究院 电网运行状态评估系统及调度决策系统
US20110190918A1 (en) * 2006-11-22 2011-08-04 Raytheon Company Automated Logistics Support System Incorporating a Product Integrity Analysis System
US20140200935A1 (en) * 2013-01-11 2014-07-17 Canadian Standards Association Product Value Dynamic Lab Test Equipment Control, Data Analyzer and Method
US8869036B1 (en) * 2011-07-20 2014-10-21 Google Inc. System for troubleshooting site configuration based on real-time analytics data
CN105631771A (zh) * 2016-03-01 2016-06-01 国家电网公司 一种基于变权函数的多参数电缆状态评价方法
CN105975735A (zh) * 2016-07-19 2016-09-28 广西电网有限责任公司电力科学研究院 一种用于电力设备健康状态评估的建模方法
CN109239546A (zh) * 2018-08-28 2019-01-18 西南交通大学 一种变压器绝缘寿命预测与可靠性评估方法
CN109800129A (zh) * 2019-01-17 2019-05-24 青岛特锐德电气股份有限公司 一种处理监控大数据的实时流计算监控系统及方法
CN111047082A (zh) * 2019-12-02 2020-04-21 广州智光电气股份有限公司 设备的预警方法及装置、存储介质和电子装置
CN112580845A (zh) * 2019-09-30 2021-03-30 北京金风慧能技术有限公司 气象数据处理方法、装置、设备及计算机可读存储介质
CN114911831A (zh) * 2022-05-12 2022-08-16 大连大学 一种基于Flink流式计算和深度学习的农业实时预警方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1197613A (en) * 1966-08-08 1970-07-08 Int Standard Electric Corp Scanning Antenna System
CN1752958A (zh) * 2004-09-26 2006-03-29 福建省电力试验研究院 电网运行状态评估系统及调度决策系统
US20110190918A1 (en) * 2006-11-22 2011-08-04 Raytheon Company Automated Logistics Support System Incorporating a Product Integrity Analysis System
US8869036B1 (en) * 2011-07-20 2014-10-21 Google Inc. System for troubleshooting site configuration based on real-time analytics data
US20140200935A1 (en) * 2013-01-11 2014-07-17 Canadian Standards Association Product Value Dynamic Lab Test Equipment Control, Data Analyzer and Method
CN105631771A (zh) * 2016-03-01 2016-06-01 国家电网公司 一种基于变权函数的多参数电缆状态评价方法
CN105975735A (zh) * 2016-07-19 2016-09-28 广西电网有限责任公司电力科学研究院 一种用于电力设备健康状态评估的建模方法
CN109239546A (zh) * 2018-08-28 2019-01-18 西南交通大学 一种变压器绝缘寿命预测与可靠性评估方法
CN109800129A (zh) * 2019-01-17 2019-05-24 青岛特锐德电气股份有限公司 一种处理监控大数据的实时流计算监控系统及方法
CN112580845A (zh) * 2019-09-30 2021-03-30 北京金风慧能技术有限公司 气象数据处理方法、装置、设备及计算机可读存储介质
CN111047082A (zh) * 2019-12-02 2020-04-21 广州智光电气股份有限公司 设备的预警方法及装置、存储介质和电子装置
CN114911831A (zh) * 2022-05-12 2022-08-16 大连大学 一种基于Flink流式计算和深度学习的农业实时预警方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
孟庆强;胡牧;孙立华;郑浩泉;: "面向电力大数据的多数据流实时处理技术研究", 计算机与数字工程, no. 05, pages 142 - 146 *
张继元: "基于储能云架构的能源工业互联网平台研究与应用", 电气技术, vol. 23, no. 8, pages 68 - 74 *
曾一漉: "努力为特区人民提供更高层次优质通信服务", 深圳特区科技, no. 03, pages 24 - 25 *
王滨: "基于变电设备健康状态评估的CIM 模型研究", 电力与能源, no. 7, pages 248 - 249 *
符传福: "电网设备综合评估方法研究", 自动化技术与应用, vol. 39, no. 7, pages 157 - 159 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113550893A (zh) * 2021-07-29 2021-10-26 北京百度网讯科技有限公司 设备检测方法、装置、电子设备及存储介质
CN113660333A (zh) * 2021-08-17 2021-11-16 温州市裕展信息科技有限公司 基于nb-iot的边缘计算网关控制方法
CN113660333B (zh) * 2021-08-17 2024-03-15 温州市裕展信息科技有限公司 基于nb-iot的边缘计算网关控制方法
CN115860278A (zh) * 2023-02-27 2023-03-28 深圳市利和兴股份有限公司 一种基于数据分析的电机组装生产管理方法及系统
CN115860278B (zh) * 2023-02-27 2023-04-28 深圳市利和兴股份有限公司 一种基于数据分析的电机组装生产管理方法及系统

Also Published As

Publication number Publication date
CN112613709B (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
CN112613709B (zh) 电力设备综合状态评估方法、装置、电子设备和存储介质
WO2020211109A1 (zh) 基于模型全生命周期管理的设备故障预警系统
US20210377102A1 (en) A method and system for detecting a server fault
US20170161963A1 (en) Method of identifying anomalies
CA2634328C (en) Method and system for trend detection and analysis
US10802057B2 (en) Systems and methods for monitoring a power system
CN111241154A (zh) 一种基于大数据的蓄电池故障预警方法及系统
CN110046453A (zh) 一种激光雷达的寿命预测方法
CN114862275B (zh) 基于数字孪生模型的仓储物流系统可靠性评估方法及系统
CN110690701A (zh) 一种异常线损影响因素的分析方法
CN115034525B (zh) 基于数据分析的钢管订单生产工期预测监管系统及方法
CN106649755A (zh) 一种多维度实时变电设备数据的阈值自适应设置异常检测方法
CN113343364A (zh) 航空大数据分析方法及工具
CN116415126A (zh) 用于造纸机的刮刀的异常检测的方法、装置和计算设备
CN115796708B (zh) 一种工程建设用的大数据智能质检方法、系统和介质
CN118312923B (zh) 面向智慧园区的设备测量方法及计算机设备
CN116821107A (zh) 一种用于智慧电厂的主数据智能化管理方法及系统
CN117113157B (zh) 一种基于人工智能的台区用电故障检测系统
CN112128950B (zh) 一种基于多种模型对比的机房温湿度预测方法及系统
US20180010982A1 (en) Engine performance modeling based on wash events
CN117592736A (zh) 一种运维部门用工单紧急智能排序优先级管理系统
CN113553352A (zh) 一种电力二次设备家族性缺陷辨识方法及系统
CN115906437A (zh) 一种风机状态确定方法、装置、设备和存储介质
CN116363843A (zh) 试验室设备预警系统
CN114925862A (zh) 一种航空发动机修理时间预测方法及装置

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
GR01 Patent grant
GR01 Patent grant