CN113420290A - 一种电力物联网设备的安全性检测方法及系统 - Google Patents
一种电力物联网设备的安全性检测方法及系统 Download PDFInfo
- Publication number
- CN113420290A CN113420290A CN202110714433.3A CN202110714433A CN113420290A CN 113420290 A CN113420290 A CN 113420290A CN 202110714433 A CN202110714433 A CN 202110714433A CN 113420290 A CN113420290 A CN 113420290A
- Authority
- CN
- China
- Prior art keywords
- equipment
- power equipment
- humidity
- value
- temperature
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 241000700605 Viruses Species 0.000 claims abstract description 81
- 238000012544 monitoring process Methods 0.000 claims abstract description 64
- 238000004458 analytical method Methods 0.000 claims abstract description 49
- 239000000779 smoke Substances 0.000 claims abstract description 43
- 238000004088 simulation Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims description 19
- 238000013473 artificial intelligence Methods 0.000 claims description 18
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000003449 preventive effect Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000002155 anti-virotic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
-
- 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
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Biodiversity & Conservation Biology (AREA)
- Virology (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力物联网设备的安全性检测方法及系统，属于电力物联网设备技术领域，目的在于解决电力设备容易故障时不能得到及时处理，从而导致更大损失的问题，以及解决电力物联网设备系统的安全性没有得到实际检验的问题，包括设备监测模块、线路安全模块、模拟模块、动态分析模块、服务器和储存模块；所述设备监测模块包括振动监测单元、温度监测单元、湿度监测单元和烟雾监测单元，所述动态分析模块用于综合分析电力设备内的温度值、湿度值、振幅和烟雾灰度值来判断电力设备的运行情况，通过模拟模块的设置，可以对电力物联网设备系统进行检测，验证电力物联网设备系统的抵抗病毒能力，能够及时做出预防措施。
Description
技术领域
本发明属于电力物联网设备技术领域；具体是一种电力物联网设备的安全性检测方法及系统。
背景技术
电力物联网是物联网在智能电网中的应用，是信息通信技术发展到一定阶段的结果，其将有效整合通信基础设施资源和电力系统基础设施资源，提高电力系统信息化水平，改善电力系统现有基础设施利用效率，为电网发、输、变、配、用电等环节提供重要技术支撑。但是电力物联网在使用过程中拥有许多的安全问题，例如电力设备容易发生故障而不能得到及时发现，从而导致更大的损失。
发明内容
本发明的目的在于提供一种电力物联网设备的安全性检测方法及系统，解决以下问题：
1.电力设备容易故障时不能得到及时发现，从而导致更大损失的问题；
2.电力物联网设备系统的安全性没有得到实际检验的问题。
本发明的目的可以通过以下技术方案实现：
一种电力物联网设备的安全性检测系统，包括设备监测模块、线路安全模块、模拟模块、动态分析模块、服务器和储存模块；设备监测模块包括振动监测单元、温度监测单元、湿度监测单元和烟雾监测单元，振动监测单元用于监测电力设备的振动情况，在电力设备上设置振动检测装置，振动检测装置包括外壳，外壳侧面设有警报灯和电源，外壳为一个空心盒体，外壳内底面固定连接有撑杆，撑杆另一端固定连接有导电板，导电板为圆球形，外壳内顶面固定连接有弹簧，弹簧的另一端固定连接有导电球，电源的两个电极分别与导电球和警报灯相连接，警报灯另一电极与导电板相连接，当电力设备发生振动，且振动幅度超过振动允许值时，调整导电球与导电板因振动而接触，警报灯的电路接通通电，发出报警声，生成振动信号，并将振动信号发送到服务器；
动态分析模块用于综合分析电力设备内的温度值、湿度值、振幅和烟雾灰度值来判断电力设备的运行情况，建立分析模型，实时获取温度值、湿度值、振幅和烟雾灰度值，将获取到的温度值、湿度值、振幅和烟雾灰度值输入到分析模型中，获得分析标签，分析标签包括设备运行问题和设备运行正常，将分析标签发送到储存模块；
分析模型的建立方法包括：建立坐标系，分别以温度值、湿度值、振幅和烟雾灰度值为四个坐标轴方向，根据温度警戒值、湿度警戒值、标准灰度值和振动允许值建立警戒圆，将输入进来的温度值、湿度值、振幅和烟雾灰度值建立模拟圆，并求出模拟圆的面积，以最小分度个数计算的面积，设置分析面积警戒值，将模拟圆的面积与分析面积警戒值进行对比，当模拟圆的面积大于分析面积警戒值时，设备运行问题，当模拟圆边界超过警戒圆时，设备运行问题，当模拟圆边界没有超过警戒圆且模拟圆的面积不大于分析面积警戒值时，设备运行正常，其他情况都是设备运行问题。
进一步地，所述温度监测单元用于监测电力设备内的温度情况，获取电力设备内的温度警戒值，建立关于电力设备内的温度与时间的坐标系，并将关于电力设备内的温度与时间的坐标系标记为温度坐标系，将温度警戒值输入到温度坐标系中，温度警戒值在温度坐标系中是一条不随时间变化的直线，实时获取电力设备内的温度，便将获取到的电力设备内的温度输入到温度坐标系中，并将相邻两个坐标点使用平滑的曲线连接起来，当温度曲线超过将温度警戒值时，生成温度报警信号，并将温度报警信号发送到服务器。
进一步地，所述湿度监测单元用于监测电力设备内的湿度情况，获取电力设备内的湿度警戒值，建立关于电力设备内的湿度与时间的坐标系，并将关于电力设备内的湿度与时间的坐标系标记为湿度坐标系，将湿度警戒值输入到湿度坐标系中，湿度警戒值在湿度坐标系中是一条不随时间变化的直线，实时获取电力设备内的湿度，便将获取到的电力设备内的湿度输入到湿度坐标系中，并将相邻两个坐标点使用平滑的曲线连接起来，当湿度曲线超过将湿度警戒值时，生成湿度报警信号，并将湿度报警信号发送到服务器。
进一步地，烟雾监测单元用于监测电力设备内的烟雾情况，从互联网中获取电力设备发生故障产生烟雾的结构，将获取到的结构与用户的电力设备内的结构进行匹配，将配到的结构标记为待选结构，获取待选结构未发生故障时的高清图像，将高清图像进行图像预处理，并将图像预处理之后的图像标记为标准灰度图像，图像预处理包括图像分割、图像去噪、图像增强和灰度变换，获取待选结构的实时高清图像，将实时高清图像进行图像预处理，并将图像预处理之后的图像标记为检测灰度图像，将检测灰度图像的灰度值与标准灰度图像的灰度值进行对比。
进一步地，所述线路安全模块用于监测电力设备的线路情况，实时获取电力设备线路的检测数据、使用时长和工作环境，整合并标记为输入数据；电力设备线路的检测数据包括电压、电流，电力设备线路的工作环境是线路在什么温度、湿度条件下工作的，获取预测模型；将输入数据输入至预测模型获取输出结果并标记为预测标签，预测标签即为输入数据对应的状态标签；将预测标签发送至储存模块；
预测模型的获取方法具体包括以下步骤：
步骤S11：通过储存模块获取电力设备线路的历史数据；电力设备线路的历史数据包括发生线路故障时前N分钟电力设备线路的检测数据、使用时长和工作环境；其中N为比例系数，且N≥5；
步骤S12：为电力设备线路的历史数据设置状态标签；状态标签包括A和B，当状态标签为A时，表示电力设备线路正常，当状态标签为B时，表示电力设备线路发生故障；
步骤S13：构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将供水管网历史数据和对应的状态标签按照设定比例划分为训练集、测试集和校验集；设定比例包括2：1：1、3：2：1和3：1：1；
步骤S14：通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型。
进一步地，所述模拟模块用于模拟电力物联网设备的安全性，模拟模块包括病毒攻击单元、搜毒单元、病毒库和备份单元，搜毒单元用于从互联网中获取电力物联网设备被攻击的案例，并将对应的病毒与病毒库中的病毒进行匹配，当匹配成功时，不进行操作，当没有匹配成功时，获取对应病毒存入病毒库中，备份单元用于将电力物联网设备系统进行复制，用于病毒攻击模拟；病毒攻击单元用于对备份单元中的电力物联网设备系统进行攻击，当需要对备份单元中的电力物联网设备系统进行攻击时，断开模拟模块与电力物联网设备系统的连接，获取病毒库中没有模拟过的病毒，使用没有模拟过的病毒攻击备份单元中的电力物联网设备系统，获得攻击结果，停止病毒攻击，对备份单元进行格式化，恢复模拟模块与电力物联网设备系统的连接，将攻击结果发送到储存模块，将模拟病毒进行标记。
一种电力物联网设备的安全性检测方法，所述安全性检测方法包括以下步骤：
步骤一：监测电力设备内的运行环境；运行环境包括电力设备的振动情况、温度情况、湿度情况、烟雾情况；
步骤二：监测电力设备的线路情况；实时获取电力设备线路的检测数据、使用时长和工作环境，整合并标记为输入数据；电力设备线路的检测数据包括电压、电流，电力设备线路的工作环境是线路在什么温度、湿度条件下工作的，获取预测模型；将输入数据输入至预测模型获取输出结果并标记为预测标签，预测标签即为输入数据对应的状态标签；将预测标签发送至储存模块；预测模型的获取方法包括：
步骤S11：获取电力设备线路的历史数据；电力设备线路的历史数据包括发生线路故障时前N分钟电力设备线路的检测数据、使用时长和工作环境；其中N为比例系数，且N≥5；
步骤S12：为电力设备线路的历史数据设置状态标签；状态标签包括A和B，当状态标签为A时，表示电力设备线路正常，当状态标签为B时，表示电力设备线路发生故障；
步骤S13：构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将供水管网历史数据和对应的状态标签按照设定比例划分为训练集、测试集和校验集；设定比例包括2：1：1、3：2：1和3：1：1；
步骤S14：通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；
步骤三：对电力物联网设备系统进行模拟病毒攻击；从互联网中获取电力物联网设备被攻击的案例，并将对应的病毒与病毒库中的病毒进行匹配，当没有匹配成功时，获取对应病毒存入病毒库中，将电力物联网设备系统进行复制，对复制的电力物联网设备系统进行攻击。
本发明的有益效果：通过电力设备的振动允许值选择合适弹性系数的弹簧，调整导电球与导电板因振动而接触，警报灯的电路接通通电，发出报警声，可以简单方便的监测电力设备的振动；通过动态分析模块分析电力设备内的温度值、湿度值、振幅和烟雾灰度值来判断电力设备的运行情况，并建立分析模型，综合考虑多种因素，对电力设备的运行进行监控，确保问题的及时发现；通过模拟模块的设置，可以对电力物联网设备系统进行检测，验证电力物联网设备系统的抵抗病毒能力，能够及时做出预防措施。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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为本发明原理框图；
图2为本发明振动检测装置结构示意图；
图3为本发明分析模型示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1-3所示，一种电力物联网设备的安全性检测系统，包括设备监测模块、线路安全模块、模拟模块、动态分析模块、服务器和储存模块；
设备监测模块包括振动监测单元、温度监测单元、湿度监测单元和烟雾监测单元，振动监测单元用于监测电力设备的振动情况，在电力设备上设置振动检测装置1，振动检测装置1包括外壳101，外壳101侧面设有警报灯102和电源103，外壳101为一个空心盒体，可以是正方体、长方体、圆柱体、圆球、圆锥等结构，外壳101的形状不是对本发明的限定，外壳101内底面固定连接有撑杆104，撑杆104另一端固定连接有导电板105，导电板105为圆球形，也可以是在不影响其发挥功能的其他形状，外壳101内顶面固定连接有弹簧106，弹簧106的另一端固定连接有导电球107，导电球107不仅仅是球形，还可以是其他形状，电源103的两个电极分别与导电球107和警报灯102相连接，警报灯102另一电极与导电板105相连接，通过电力设备的振动允许值选择合适弹性系数的弹簧106，或者调整导电球107与导电板105之间的距离，振动允许值可以根据电力设备的使用说明和安全规范由专家组讨论设置，当电力设备发生振动，且振动幅度超过振动允许值时，调整导电球107与导电板105因振动而接触，警报灯102的电路接通通电，发出报警声，生成振动信号，并将振动信号发送到服务器；
温度监测单元用于监测电力设备内的温度情况，获取电力设备内的温度警戒值，温度警戒值可以根据电力设备的使用说明和安全规范获得，建立关于电力设备内的温度与时间的坐标系，并将关于电力设备内的温度与时间的坐标系标记为温度坐标系，将温度警戒值输入到温度坐标系中，温度警戒值在温度坐标系中是一条不随时间变化的直线，实时获取电力设备内的温度，便将获取到的电力设备内的温度输入到温度坐标系中，并将相邻两个坐标点使用平滑的曲线连接起来，当温度曲线超过将温度警戒值时，生成温度报警信号，并将温度报警信号发送到服务器；
湿度监测单元用于监测电力设备内的湿度情况，获取电力设备内的湿度警戒值，湿度警戒值可以根据电力设备的使用说明和安全规范获得，建立关于电力设备内的湿度与时间的坐标系，并将关于电力设备内的湿度与时间的坐标系标记为湿度坐标系，将湿度警戒值输入到湿度坐标系中，湿度警戒值在湿度坐标系中是一条不随时间变化的直线，实时获取电力设备内的湿度，便将获取到的电力设备内的湿度输入到湿度坐标系中，并将相邻两个坐标点使用平滑的曲线连接起来，当湿度曲线超过将湿度警戒值时，生成湿度报警信号，并将湿度报警信号发送到服务器；
烟雾监测单元用于监测电力设备内的烟雾情况，从互联网中获取电力设备发生故障产生烟雾的结构，将获取到的结构与用户的电力设备内的结构进行匹配，将配到的结构标记为待选结构，获取待选结构未发生故障时的高清图像，将高清图像进行图像预处理，并将图像预处理之后的图像标记为标准灰度图像，图像预处理包括图像分割、图像去噪、图像增强和灰度变换，获取待选结构的实时高清图像，将实时高清图像进行图像预处理，并将图像预处理之后的图像标记为检测灰度图像，将检测灰度图像的灰度值与标准灰度图像的灰度值进行对比；
线路安全模块用于监测电力设备的线路情况，实时获取电力设备线路的检测数据、使用时长和工作环境，整合并标记为输入数据；电力设备线路的检测数据包括电压、电流，电力设备线路的工作环境是线路在什么温度、湿度条件下工作的，获取预测模型；将输入数据输入至预测模型获取输出结果并标记为预测标签，预测标签即为输入数据对应的状态标签；将预测标签发送至储存模块；
进一步的，预测模型的获取方法具体包括以下步骤：
步骤S11：通过储存模块获取电力设备线路的历史数据；电力设备线路的历史数据包括发生线路故障时前N分钟电力设备线路的检测数据、使用时长和工作环境；其中N为比例系数，且N≥5；
步骤S12：为电力设备线路的历史数据设置状态标签；状态标签包括A和B，当状态标签为A时，表示电力设备线路正常，当状态标签为B时，表示电力设备线路发生故障；
步骤S13：构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将供水管网历史数据和对应的状态标签按照设定比例划分为训练集、测试集和校验集；设定比例包括2：1：1、3：2：1和3：1：1；
步骤S14：通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；
动态分析模块用于综合分析电力设备内的温度值、湿度值、振幅和烟雾灰度值来判断电力设备的运行情况，建立分析模型，实时获取温度值、湿度值、振幅和烟雾灰度值，将获取到的温度值、湿度值、振幅和烟雾灰度值输入到分析模型中，获得分析标签，分析标签包括设备运行问题和设备运行正常，将分析标签发送到储存模块；
进一步的，分析模型的建立方法包括：建立坐标系，分别以温度值、湿度值、振幅和烟雾灰度值为四个坐标轴方向，根据温度警戒值、湿度警戒值、标准灰度值和振动允许值建立警戒圆，警戒圆并不一定是圆形，是根据温度警戒值、湿度警戒值、标准灰度值和振动允许值确定的，将输入进来的温度值、湿度值、振幅和烟雾灰度值建立模拟圆，并求出模拟圆的面积，以最小分度个数计算的面积，设置分析面积警戒值，分析面积警戒值根据设备的使用说明、安全规范、网络数据由专家组讨论设置，将模拟圆的面积与分析面积警戒值进行对比，当模拟圆的面积大于分析面积警戒值时，设备运行问题，当模拟圆边界超过警戒圆时，设备运行问题，当模拟圆边界没有超过警戒圆且模拟圆的面积不大于分析面积警戒值时，设备运行正常，其他情况都是设备运行问题；
示例性的例如：温度警戒值、湿度警戒值、标准灰度值和振动允许值分别为A、B、C、D，则从原点分别沿温度值轴、湿度值轴、烟雾灰度值轴和振幅轴移动A、B、C、D，确定警戒圆的四个点，选取最小的三个点组成半椭圆，另一个最大值点与相邻的两个点组成半椭圆，其中四个点的值的大小是通过每个轴的最小分度个数确定的，因为不同轴的单位不同，而每个轴的最小分度根据数据统计和专家组讨论设置，之后输入的温度值、湿度值、振幅和烟雾灰度值同样按照上述方法建立模拟圆；
模拟模块用于模拟电力物联网设备的安全性，模拟模块包括病毒攻击单元、搜毒单元、病毒库和备份单元，搜毒单元用于从互联网中获取电力物联网设备被攻击的案例，并将对应的病毒与病毒库中的病毒进行匹配，当匹配成功时，
不进行操作，当没有匹配成功时，获取对应病毒存入病毒库中，可以从互联网中获取病毒，当从互联网中不能获取时，可以直接购买或者自己研发；备份单元用于将电力物联网设备系统进行复制，用于病毒攻击模拟；病毒攻击单元用于对备份单元中的电力物联网设备系统进行攻击，当需要对备份单元中的电力物联网设备系统进行攻击时，断开模拟模块与电力物联网设备系统的连接，获取病毒库中没有模拟过的病毒，使用没有模拟过的病毒攻击备份单元中的电力物联网设备系统，获得攻击结果，停止病毒攻击，对备份单元进行格式化，恢复模拟模块与电力物联网设备系统的连接，将攻击结果发送到储存模块，将模拟病毒进行标记。
一种电力物联网设备的安全性检测方法及系统，具体包括以下步骤：
步骤一：监测电力设备内的运行环境；运行环境包括电力设备的振动情况、温度情况、湿度情况、烟雾情况；
步骤二：监测电力设备的线路情况；实时获取电力设备线路的检测数据、使用时长和工作环境，整合并标记为输入数据；电力设备线路的检测数据包括电压、电流，电力设备线路的工作环境是线路在什么温度、湿度条件下工作的，获取预测模型；将输入数据输入至预测模型获取输出结果并标记为预测标签，预测标签即为输入数据对应的状态标签；将预测标签发送至储存模块；预测模型的获取方法包括：
步骤S11：获取电力设备线路的历史数据；电力设备线路的历史数据包括发生线路故障时前N分钟电力设备线路的检测数据、使用时长和工作环境；其中N为比例系数，且N≥5；
步骤S12：为电力设备线路的历史数据设置状态标签；状态标签包括A和B，当状态标签为A时，表示电力设备线路正常，当状态标签为B时，表示电力设备线路发生故障；
步骤S13：构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将供水管网历史数据和对应的状态标签按照设定比例划分为训练集、测试集和校验集；设定比例包括2：1：1、3：2：1和3：1：1；
步骤S14：通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；
步骤三：对电力物联网设备系统进行模拟病毒攻击；从互联网中获取电力物联网设备被攻击的案例，并将对应的病毒与病毒库中的病毒进行匹配，当没有匹配成功时，获取对应病毒存入病毒库中，将电力物联网设备系统进行复制，对复制的电力物联网设备系统进行攻击。
本发明在使用时，通过振动监测单元监测电力设备的振动情况，通过电力设备的振动允许值选择合适弹性系数的弹簧106，或者调整导电球107与导电板105之间的距离，振动允许值可以根据电力设备的使用说明和安全规范由专家组讨论设置，当电力设备发生振动，且振动幅度超过振动允许值时，调整导电球107与导电板105因振动而接触，警报灯102的电路接通通电，发出报警声，生成振动信号，并将振动信号发送到服务器；使用温度监测单元监测电力设备内的温度情况，获取电力设备内的温度警戒值，建立关于电力设备内的温度与时间的坐标系，并将关于电力设备内的温度与时间的坐标系标记为温度坐标系，将温度警戒值输入到温度坐标系中，实时获取电力设备内的温度，便将获取到的电力设备内的温度输入到温度坐标系中，当温度曲线超过将温度警戒值时，生成温度报警信号，并将温度报警信号发送到服务器；使用湿度监测单元监测电力设备内的湿度情况；
通过烟雾监测单元监测电力设备内的烟雾情况，从互联网中获取电力设备发生故障产生烟雾的结构，将获取到的结构与用户的电力设备内的结构进行匹配，将配到的结构标记为待选结构，获取待选结构未发生故障时的高清图像，将高清图像进行图像预处理，并将图像预处理之后的图像标记为标准灰度图像，获取待选结构的实时高清图像，将实时高清图像进行图像预处理，并将图像预处理之后的图像标记为检测灰度图像，将检测灰度图像的灰度值与标准灰度图像的灰度值进行对比；通过线路安全模块监测电力设备的线路情况，实时获取电力设备线路的检测数据、使用时长和工作环境，整合并标记为输入数据；获取预测模型；将输入数据输入至预测模型获取输出结果并标记为预测标签，预测标签即为输入数据对应的状态标签；将预测标签发送至储存模块；
综合分析电力设备内的温度值、湿度值、振幅和烟雾灰度值来判断电力设备的运行情况，建立分析模型，实时获取温度值、湿度值、振幅和烟雾灰度值，将获取到的温度值、湿度值、振幅和烟雾灰度值输入到分析模型中，获得分析标签，将分析标签发送到储存模块；建立坐标系，分别以温度值、湿度值、振幅和烟雾灰度值为四个坐标轴方向，根据温度警戒值、湿度警戒值、标准灰度值和振动允许值建立警戒圆，将输入进来的温度值、湿度值、振幅和烟雾灰度值建立模拟圆，并求出模拟圆的面积，设置分析面积警戒值，将模拟圆的面积与分析面积警戒值进行对比，当模拟圆的面积大于分析面积警戒值时，设备运行问题，当模拟圆边界超过警戒圆时，设备运行问题，当模拟圆边界没有超过警戒圆且模拟圆的面积不大于分析面积警戒值时，设备运行正常，其他情况都是设备运行问题；
模拟电力物联网设备的安全性，从互联网中获取电力物联网设备被攻击的案例，并将对应的病毒与病毒库中的病毒进行匹配，当匹配成功时，不进行操作，当没有匹配成功时，获取对应病毒存入病毒库中，将电力物联网设备系统进行复制，对备份单元中的电力物联网设备系统进行攻击，当需要对备份单元中的电力物联网设备系统进行攻击时，断开模拟模块与电力物联网设备系统的连接，获取病毒库中没有模拟过的病毒，使用没有模拟过的病毒攻击备份单元中的电力物联网设备系统，获得攻击结果，停止病毒攻击，对备份单元进行格式化，恢复模拟模块与电力物联网设备系统的连接，将攻击结果发送到储存模块，将模拟病毒进行标记。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (7)
1.一种电力物联网设备的安全性检测系统，其特征在于，包括设备监测模块、线路安全模块、模拟模块、动态分析模块、服务器和储存模块；设备监测模块包括振动监测单元、温度监测单元、湿度监测单元和烟雾监测单元，振动监测单元用于监测电力设备的振动情况，在电力设备上设置振动检测装置(1)，振动检测装置(1)包括外壳(101)，外壳(101)侧面设有警报灯(102)和电源(103)，外壳(101)为一个空心盒体，外壳(101)内底面固定连接有撑杆(104)，撑杆(104)另一端固定连接有导电板(105)，导电板(105)为圆球形，外壳(101)内顶面固定连接有弹簧(106)，弹簧(106)的另一端固定连接有导电球(107)，电源(103)的两个电极分别与导电球(107)和警报灯(102)相连接，警报灯(102)另一电极与导电板(105)相连接，当电力设备发生振动，且振动幅度超过振动允许值时，调整导电球(107)与导电板(105)因振动而接触，警报灯(102)的电路接通通电，发出报警声，生成振动信号，并将振动信号发送到服务器；
动态分析模块用于综合分析电力设备内的温度值、湿度值、振幅和烟雾灰度值来判断电力设备的运行情况，建立分析模型，实时获取温度值、湿度值、振幅和烟雾灰度值，将获取到的温度值、湿度值、振幅和烟雾灰度值输入到分析模型中，获得分析标签，分析标签包括设备运行问题和设备运行正常，将分析标签发送到储存模块；
分析模型的建立方法包括：建立坐标系，分别以温度值、湿度值、振幅和烟雾灰度值为四个坐标轴方向，根据温度警戒值、湿度警戒值、标准灰度值和振动允许值建立警戒圆，将输入进来的温度值、湿度值、振幅和烟雾灰度值建立模拟圆，并求出模拟圆的面积，以最小分度个数计算的面积，设置分析面积警戒值，将模拟圆的面积与分析面积警戒值进行对比，当模拟圆的面积大于分析面积警戒值时，设备运行问题，当模拟圆边界超过警戒圆时，设备运行问题，当模拟圆边界没有超过警戒圆且模拟圆的面积不大于分析面积警戒值时，设备运行正常，其他情况都是设备运行问题。
2.根据权利要求1所述的一种电力物联网设备的安全性检测系统，其特征在于，所述温度监测单元用于监测电力设备内的温度情况，获取电力设备内的温度警戒值，建立关于电力设备内的温度与时间的坐标系，并将关于电力设备内的温度与时间的坐标系标记为温度坐标系，将温度警戒值输入到温度坐标系中，温度警戒值在温度坐标系中是一条不随时间变化的直线，实时获取电力设备内的温度，便将获取到的电力设备内的温度输入到温度坐标系中，并将相邻两个坐标点使用平滑的曲线连接起来，当温度曲线超过将温度警戒值时，生成温度报警信号，并将温度报警信号发送到服务器。
3.根据权利要求1所述的一种电力物联网设备的安全性检测系统，其特征在于，所述湿度监测单元用于监测电力设备内的湿度情况，获取电力设备内的湿度警戒值，建立关于电力设备内的湿度与时间的坐标系，并将关于电力设备内的湿度与时间的坐标系标记为湿度坐标系，将湿度警戒值输入到湿度坐标系中，湿度警戒值在湿度坐标系中是一条不随时间变化的直线，实时获取电力设备内的湿度，便将获取到的电力设备内的湿度输入到湿度坐标系中，并将相邻两个坐标点使用平滑的曲线连接起来，当湿度曲线超过将湿度警戒值时，生成湿度报警信号，并将湿度报警信号发送到服务器。
4.根据权利要求1所述的一种电力物联网设备的安全性检测系统，其特征在于，烟雾监测单元用于监测电力设备内的烟雾情况，从互联网中获取电力设备发生故障产生烟雾的结构，将获取到的结构与用户的电力设备内的结构进行匹配，将配到的结构标记为待选结构，获取待选结构未发生故障时的高清图像，将高清图像进行图像预处理，并将图像预处理之后的图像标记为标准灰度图像，图像预处理包括图像分割、图像去噪、图像增强和灰度变换，获取待选结构的实时高清图像，将实时高清图像进行图像预处理，并将图像预处理之后的图像标记为检测灰度图像，将检测灰度图像的灰度值与标准灰度图像的灰度值进行对比。
5.根据权利要求1所述的一种电力物联网设备的安全性检测系统，其特征在于，所述线路安全模块用于监测电力设备的线路情况，实时获取电力设备线路的检测数据、使用时长和工作环境，整合并标记为输入数据；电力设备线路的检测数据包括电压、电流，电力设备线路的工作环境是线路在什么温度、湿度条件下工作的，获取预测模型；将输入数据输入至预测模型获取输出结果并标记为预测标签，预测标签即为输入数据对应的状态标签；将预测标签发送至储存模块；
预测模型的获取方法具体包括以下步骤：
步骤S11：通过储存模块获取电力设备线路的历史数据；电力设备线路的历史数据包括发生线路故障时前N分钟电力设备线路的检测数据、使用时长和工作环境；其中N为比例系数，且N≥5；
步骤S12：为电力设备线路的历史数据设置状态标签；状态标签包括A和B，当状态标签为A时，表示电力设备线路正常，当状态标签为B时，表示电力设备线路发生故障；
步骤S13：构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将供水管网历史数据和对应的状态标签按照设定比例划分为训练集、测试集和校验集；设定比例包括2：1：1、3：2：1和3：1：1；
步骤S14：通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型。
6.根据权利要求1所述的一种电力物联网设备的安全性检测系统，其特征在于，所述模拟模块用于模拟电力物联网设备的安全性，模拟模块包括病毒攻击单元、搜毒单元、病毒库和备份单元，搜毒单元用于从互联网中获取电力物联网设备被攻击的案例，并将对应的病毒与病毒库中的病毒进行匹配，当匹配成功时，不进行操作，当没有匹配成功时，获取对应病毒存入病毒库中，备份单元用于将电力物联网设备系统进行复制，用于病毒攻击模拟；病毒攻击单元用于对备份单元中的电力物联网设备系统进行攻击，当需要对备份单元中的电力物联网设备系统进行攻击时，断开模拟模块与电力物联网设备系统的连接，获取病毒库中没有模拟过的病毒，使用没有模拟过的病毒攻击备份单元中的电力物联网设备系统，获得攻击结果，停止病毒攻击，对备份单元进行格式化，恢复模拟模块与电力物联网设备系统的连接，将攻击结果发送到储存模块，将模拟病毒进行标记。
7.一种电力物联网设备的安全性检测方法，其特征在于，所述安全性检测方法包括以下步骤：
步骤一：监测电力设备内的运行环境；运行环境包括电力设备的振动情况、温度情况、湿度情况、烟雾情况；
步骤二：监测电力设备的线路情况；实时获取电力设备线路的检测数据、使用时长和工作环境，整合并标记为输入数据；电力设备线路的检测数据包括电压、电流，电力设备线路的工作环境是线路在什么温度、湿度条件下工作的，获取预测模型；将输入数据输入至预测模型获取输出结果并标记为预测标签，预测标签即为输入数据对应的状态标签；将预测标签发送至储存模块；预测模型的获取方法包括：
步骤S11：获取电力设备线路的历史数据；电力设备线路的历史数据包括发生线路故障时前N分钟电力设备线路的检测数据、使用时长和工作环境；其中N为比例系数，且N≥5；
步骤S12：为电力设备线路的历史数据设置状态标签；状态标签包括A和B，当状态标签为A时，表示电力设备线路正常，当状态标签为B时，表示电力设备线路发生故障；
步骤S13：构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将供水管网历史数据和对应的状态标签按照设定比例划分为训练集、测试集和校验集；设定比例包括2：1：1、3：2：1和3：1：1；
步骤S14：通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；
步骤三：对电力物联网设备系统进行模拟病毒攻击；从互联网中获取电力物联网设备被攻击的案例，并将对应的病毒与病毒库中的病毒进行匹配，当没有匹配成功时，获取对应病毒存入病毒库中，将电力物联网设备系统进行复制，对复制的电力物联网设备系统进行攻击。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110714433.3A CN113420290B (zh) | 2021-06-25 | 2021-06-25 | 一种电力物联网设备的安全性检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110714433.3A CN113420290B (zh) | 2021-06-25 | 2021-06-25 | 一种电力物联网设备的安全性检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113420290A true CN113420290A (zh) | 2021-09-21 |
| CN113420290B CN113420290B (zh) | 2023-04-18 |
Family
ID=77716821
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110714433.3A Active CN113420290B (zh) | 2021-06-25 | 2021-06-25 | 一种电力物联网设备的安全性检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113420290B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114019876A (zh) * | 2021-11-08 | 2022-02-08 | 杭州诺明科技有限公司 | 一种基于5g的电力设备智慧检修系统 |
| CN116169793A (zh) * | 2023-04-25 | 2023-05-26 | 国网山东省电力公司胶州市供电公司 | 一种电力设备用的监督预测系统 |
| CN116593939A (zh) * | 2023-05-15 | 2023-08-15 | 厦门星拉科技有限公司 | 一种基于电力物联网的故障预警装置及方法 |
| CN117031164A (zh) * | 2023-08-10 | 2023-11-10 | 国网山东省电力公司临沂供电公司 | 基于数据分析的干式空心电抗器运行温度智能监管系统 |
| CN117950381A (zh) * | 2024-03-26 | 2024-04-30 | 深圳市永迦电子科技有限公司 | 一种数字化生产制造管理系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1391901A (en) * | 1971-03-24 | 1975-04-23 | Solid State Controls Ltd | Vibration detecting electrical switch |
| JP2001266271A (ja) * | 2000-03-17 | 2001-09-28 | Nkk Corp | 発塵・発煙の自動検出方法 |
| CN101246626A (zh) * | 2007-12-29 | 2008-08-20 | 北京儒田科技有限公司 | 微动防盗警报器 |
| CN201213023Y (zh) * | 2008-05-29 | 2009-03-25 | 北京儒田科技有限公司 | 微动防盗警报器 |
| US20130289927A1 (en) * | 2012-04-27 | 2013-10-31 | Magpie Sensing Llc | Environmental monitoring |
| WO2017203404A1 (en) * | 2016-05-24 | 2017-11-30 | Forbes Marshall Pvt. Ltd. | A device and method for monitoring the health of a control system |
| CN206992800U (zh) * | 2017-07-27 | 2018-02-09 | 中山大学新华学院 | 一种物联网的智能变电站的监测系统 |
| CN108574691A (zh) * | 2017-03-09 | 2018-09-25 | 通用电气公司 | 用于保护电力网控制系统的系统、方法以及计算机可读介质 |
| CN208688649U (zh) * | 2018-08-29 | 2019-04-02 | 蚌埠大洋传感系统工程有限公司 | 一种振动传感器 |
| CN110334740A (zh) * | 2019-06-05 | 2019-10-15 | 武汉大学 | 人工智能推理融合的电力设备故障检测定位方法 |
| CN112070180A (zh) * | 2020-09-30 | 2020-12-11 | 南方电网科学研究院有限责任公司 | 基于信息物理双侧数据的电网设备状态判断方法及装置 |
| CN112104717A (zh) * | 2020-09-03 | 2020-12-18 | 国网四川省电力公司电力科学研究院 | 一种电力物联网设备的安全性检测方法 |
| CN212748030U (zh) * | 2020-08-31 | 2021-03-19 | 深圳市大鱼号科技有限公司 | 一种震动传感器 |
-
2021
- 2021-06-25 CN CN202110714433.3A patent/CN113420290B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1391901A (en) * | 1971-03-24 | 1975-04-23 | Solid State Controls Ltd | Vibration detecting electrical switch |
| JP2001266271A (ja) * | 2000-03-17 | 2001-09-28 | Nkk Corp | 発塵・発煙の自動検出方法 |
| CN101246626A (zh) * | 2007-12-29 | 2008-08-20 | 北京儒田科技有限公司 | 微动防盗警报器 |
| CN201213023Y (zh) * | 2008-05-29 | 2009-03-25 | 北京儒田科技有限公司 | 微动防盗警报器 |
| US20130289927A1 (en) * | 2012-04-27 | 2013-10-31 | Magpie Sensing Llc | Environmental monitoring |
| WO2017203404A1 (en) * | 2016-05-24 | 2017-11-30 | Forbes Marshall Pvt. Ltd. | A device and method for monitoring the health of a control system |
| CN108574691A (zh) * | 2017-03-09 | 2018-09-25 | 通用电气公司 | 用于保护电力网控制系统的系统、方法以及计算机可读介质 |
| CN206992800U (zh) * | 2017-07-27 | 2018-02-09 | 中山大学新华学院 | 一种物联网的智能变电站的监测系统 |
| CN208688649U (zh) * | 2018-08-29 | 2019-04-02 | 蚌埠大洋传感系统工程有限公司 | 一种振动传感器 |
| CN110334740A (zh) * | 2019-06-05 | 2019-10-15 | 武汉大学 | 人工智能推理融合的电力设备故障检测定位方法 |
| CN212748030U (zh) * | 2020-08-31 | 2021-03-19 | 深圳市大鱼号科技有限公司 | 一种震动传感器 |
| CN112104717A (zh) * | 2020-09-03 | 2020-12-18 | 国网四川省电力公司电力科学研究院 | 一种电力物联网设备的安全性检测方法 |
| CN112070180A (zh) * | 2020-09-30 | 2020-12-11 | 南方电网科学研究院有限责任公司 | 基于信息物理双侧数据的电网设备状态判断方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 皮骏等: "基于MGA-BP网络的航空轴承故障诊断", 《振动.测试与诊断》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114019876A (zh) * | 2021-11-08 | 2022-02-08 | 杭州诺明科技有限公司 | 一种基于5g的电力设备智慧检修系统 |
| CN116169793A (zh) * | 2023-04-25 | 2023-05-26 | 国网山东省电力公司胶州市供电公司 | 一种电力设备用的监督预测系统 |
| CN116169793B (zh) * | 2023-04-25 | 2023-08-11 | 国网山东省电力公司胶州市供电公司 | 一种电力设备用的监督预测系统 |
| CN116593939A (zh) * | 2023-05-15 | 2023-08-15 | 厦门星拉科技有限公司 | 一种基于电力物联网的故障预警装置及方法 |
| CN117031164A (zh) * | 2023-08-10 | 2023-11-10 | 国网山东省电力公司临沂供电公司 | 基于数据分析的干式空心电抗器运行温度智能监管系统 |
| CN117031164B (zh) * | 2023-08-10 | 2024-03-26 | 国网山东省电力公司临沂供电公司 | 基于数据分析的干式空心电抗器运行温度智能监管系统 |
| CN117950381A (zh) * | 2024-03-26 | 2024-04-30 | 深圳市永迦电子科技有限公司 | 一种数字化生产制造管理系统 |
| CN117950381B (zh) * | 2024-03-26 | 2024-05-28 | 深圳市永迦电子科技有限公司 | 一种数字化生产制造管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113420290B (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113420290B (zh) | 一种电力物联网设备的安全性检测方法及系统 | |
| CN109240126B (zh) | 一种具有模拟操作功能的分布式应用服务监测系统及方法 | |
| CN111064180B (zh) | 基于ami潮流匹配的中压配电网拓扑检测与辨识方法 | |
| CN106918764B (zh) | 基于网基矩阵型算法的配网故障定位方法 | |
| CN117420380A (zh) | 一种配电网故障预警、处置方法及系统 | |
| CN212895016U (zh) | 一种基于LoRa无线测控技术的铝电解槽况诊断系统 | |
| CN109974780A (zh) | 一种基于物联网的电气设备状态监测系统 | |
| CN108957260A (zh) | 局部放电检测系统及方法、存储介质、处理器 | |
| CN117390403A (zh) | 一种新能源灯塔发电站的电网故障检测方法及系统 | |
| CN115603459A (zh) | 一种基于数字孪生技术的配电网关键厂站监测方法与系统 | |
| CN114726642B (zh) | 一种基于电力监控系统网络威胁的量化系统 | |
| US11657148B2 (en) | Event analysis in an electric power system | |
| CN117647706B (zh) | 一种基于大数据的智慧电网运行故障诊断系统及方法 | |
| CN113406439B (zh) | 一种配电网故障定位方法 | |
| CN116381419B (zh) | 输电线路故障处理方法、装置、计算机设备和存储介质 | |
| CN115878992A (zh) | 综合管廊供电系统的监控方法和监控系统 | |
| CN117543810A (zh) | 一种输电线路智能监控系统、方法及存储介质 | |
| CN115586402B (zh) | 配电网故障诊断与处理方法 | |
| CN113848410B (zh) | 一种控保装置的检测方法及装置 | |
| CN116226661A (zh) | 设备状态运行监测装置及方法 | |
| CN110380411A (zh) | 一种考虑通信影响的配电网恢复力定量评估方法 | |
| JP2019191880A (ja) | 設備管理支援システム | |
| CN114022013A (zh) | 一种系统保护故障场景生成方法及装置 | |
| CN113962062A (zh) | 一种数字孪生驱动的高压干式套管故障预测方法及系统 | |
| CN113447764A (zh) | 应用于电网的智慧监测及故障管控方法 |
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 |