CN113420409B - 一种基于深度学习的继电保护装置运行状态预测方法 - Google Patents

一种基于深度学习的继电保护装置运行状态预测方法 Download PDF

Info

Publication number
CN113420409B
CN113420409B CN202110536870.0A CN202110536870A CN113420409B CN 113420409 B CN113420409 B CN 113420409B CN 202110536870 A CN202110536870 A CN 202110536870A CN 113420409 B CN113420409 B CN 113420409B
Authority
CN
China
Prior art keywords
protection device
relay protection
information
data
defect
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.)
Active
Application number
CN202110536870.0A
Other languages
English (en)
Other versions
CN113420409A (zh
Inventor
施蔚青
王裕喜
何四平
刘红梅
蒋斌
解天柱
王自宏
梁钧
马文涛
谭武光
钱雨峰
赵云
罗林
张涌祺
曾敏
万林
郑子军
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.)
Yunnan Power Grid Co Ltd
Original Assignee
Yunnan Power Grid 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 Yunnan Power Grid Co Ltd filed Critical Yunnan Power Grid Co Ltd
Priority to CN202110536870.0A priority Critical patent/CN113420409B/zh
Publication of CN113420409A publication Critical patent/CN113420409A/zh
Application granted granted Critical
Publication of CN113420409B publication Critical patent/CN113420409B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
    • H02H7/26—Sectionalised protection of cable or line systems, e.g. for disconnecting a section on which a short-circuit, earth fault, or arc discharge has occured
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H02J13/00036—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving switches, relays or circuit breakers
    • H02J13/0004—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving switches, relays or circuit breakers involved in a protection system
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y04S10/20—Systems supporting electrical power generation, transmission or distribution using protection elements, arrangements or systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Emergency Protection Circuit Devices (AREA)

Abstract

本发明涉及一种基于深度学习的继电保护装置运行状态预测方法，属于电力系统继电保护技术领域。本发明针对人工定期检修继电保护装置，采用技术采集继电保护装置运行状态，对继电保护装置运行状态指标进行评价，预测继电保护装置运行态势，结合继电保护装置运行环境参数，以及继电保护装置的缺陷库记录信息进行数据挖掘分析，利用海量多维度数据信息，构建继电保护装置运行趋势的数学模型，提高继电保护装置运行态势预测的准确率，易于推广应用。

Description

一种基于深度学习的继电保护装置运行状态预测方法
技术领域
本发明属于电力系统继电保护技术领域，具体涉及一种基于深度学习的继电保护装置运行状态预测方法。
背景技术
目前及未来的一段时间内，电力系统大多仍采用人工定期检修来消除电力系统继电保护装置的缺陷及故障。该方法仅能排除继电保护装置明显的存在的隐患与故障，对与检修周期之间继电保护装置客观存在的安全隐患及故障问题，无法从根本上解决及有效控制。而随着科技技术的发展，人们在关键继电保护装置采用加装智能采集继电保护装置实时监控继电保护装置的运行状态，实现对继电保护装置故障的快速响应及解决，但这些都是对电力继电保护装置的预防性维护目前仍主要依靠于检修人员的反应速度。因此如何克服现有技术的不足是目前电力系统继电保护技术领域亟需解决的问题。
发明内容
本发明的目的是为了解决现有技术的不足，提供一种基于深度学习的继电保护装置运行状态预测方法，对电力的自检信息、缺陷信息、运行环境信息等进行多维度关联分析，拟合出电力运行趋势的数学模型，并采用深度学习算法，使其建立的数学模型趋向于与电力实际运行状态一致，从而更为准确的预测电力运行趋势，实时把控运行态势，为设备检修、规划提供决策依据。
为实现上述目的，本发明采用的技术方案如下：
一种基于深度学习的继电保护装置运行状态预测方法，继电保护装置主要由测量部分、逻辑部分和执行部分三部分组成，所述运行状态预测方法包括：当电力系统中的电力元件或电力系统本身发生了故障危及电力系统安全运行时，依据继电保护装置运行状态建立电流波形的数学模型，如下公式所示：
Figure BDA0003070065840000011
将电流波形i(t)坐标变换后，在映射曲线上紧邻的三点(xi,yi,zi)、(xi+1,yi+1,zi+1)、(xi+2,yi+2,zi+2)构成的平面是否与(xi+1,yi+1,zi+1)、(xi+2,yi+2,zi+2)、(xi+3,yi+3,zi+3)构成的平面近似在一个平面上，即两个平面的法向量夹角是否近似为0度，即余弦值是否近似为1的特征，判断电流波形是否出现异常；
其中：i(t)为试验过程中t时刻的电流；Im为试验过程中电流i(t)的周期分量Imsin(ωt+φu-φ)的峰值；ω＝2πf，f为电流周期分量的频率，ω为电流周期分量的角频率；为试验开始时的电压合闸角度；φ为试验回路功率因数角；R为试验系统回路中的电阻值；L为试验系统回路中的电感值；
建立继电保护装置的信息数据库、缺陷信息库、自检信息库、运行环境信息库、检修信息库及问题反馈库；关联所述继电保护装置的信息数据库、缺陷信息库、自检信息库、运行环境信息库、检修信息库及问题反馈库，并构建所述继电保护装置运行趋势的数学模型；利用基于深度学习的大数据挖掘方法，采集所述继电保护装置实时数据，并修正所述继电保护装置运行趋势的数学模型；最后利用所述修正后的数学模型为所述继电保护装置的检修及规划提出决策依据。
优选的，建立所述继电保护装置的缺陷信息库的方法包括：先进行取样，对所述继电保护装置的缺陷样本进行缺陷检测、缺陷分类以及遗漏错误信息的缺陷再检测，以收集缺陷信息，当各类型缺陷都收集到一定信息后，根据所收集到的缺陷信息建立缺陷数据库，并利用所述缺陷信息训练缺陷分类机台，以设定缺陷分类参数，之后即可利用所述缺陷分类机台来对所述继电保护装置进行自动缺陷分类。在所述缺陷数据库正式在线使用前，仍会进行至少一次的验证步骤，利用人工缺陷分类的结果来验证自动缺陷分类的结果相比较，以判别所述缺陷数据库是否正确。
优选的，建立所述继电保护装置的自检信息库的方法包括，设置自检服务器，所述自检服务器具有待审核区和自检完成区，所述自检服务器上设置有自检启动模块，以供管理人员操控自检服务器对继电保护装置的所述信息数据库进行自检。在所述自检服务器中设置有关键词列表，当管理人员操作所述自检服务器开始自检程序后，自检服务器针对关键词列表中的其中一个关键词，从所述信息数据库中提取出与所述关键词相关的规范，生成标准的信息数据库，并从所述标准的信息数据库中提取出与所述关键词相关的信息，生成自检数据库，且所述自检数据库和信息数据库是基于同一个所述继电保护装置的任务所决定的关键词提取出来，在此基础上将两个数据库做比对，可以最快速准确的判断自检数据库中的数据信息是否符合所述信息数据库。
优选的，建立所述继电保护装置的运行环境信息库的方法包括，在配置文件中设置源目录和目标目录，所述源目录指向运行环境库中的动态库文件，将所述动态库文件中的dll文件拷贝到目标目录中，启动客户端socket连接服务，与服务器建立socket连接，并启动客户端断开重连机制。
优选的，建立所述继电保护装置的检修信息库的方法包括，所述检修信息库包括继电保护装置点巡检数据和DCS在线数据以及继电保护装置检修数据，并将所述继电保护装置点巡检数据和DCS在线数据与继电保护装置检修数据进行关联存储，周期性地将当前阶段的数据与检修信息库中的数据进行数据匹配处理，当前阶段的数据与检修信息库中的某一次检修数据相匹配时，依据检修信息库中的数据对所述继电保护装置进行故障类型的预测和故障发生时间的预测。所述检修信息库中的点巡检数据是指在对所述继电保护装置进行点检和/或巡检过程中记录的继电保护装置参数运行数据，所述DCS在线数据是指在DCS系统中采集到的继电保护装置参数运行数据。
所述继电保护装置的参数数据在检修信息库中运行时，会发生多次运行和检修的过程，将所述继电保护装置在此期间的所有的参数的运行数据按照时间顺序记录下来，并与继电保护装置故障类型建立起对应关系，将所述继电保护装置参数运行数据记录和继电保护装置检修数据记录进行关联存储，以备继电保护装置故障预测时使用。
优选的，建立所述继电保护装置的问题反馈库的方法包括，通过多种方式判断所述继电保护装置中的反馈信息中是否包含问题反馈信息，判断所述反馈信息中是否存在预置的预设格式字段信息，如果存在，则可判定所述反馈信息消息中包含问题反馈信息并形成所述问题反馈库的信息。判断所述继电保护装置中的反馈信息时，预先对预设格式进行定义，并提供给后台终端，后台终端在发送反馈信息时，如果其中包含有问题反馈信息，则可以按照所述预设格式对待发送的反馈消息进行编辑，并发送到后台终端中，系统在接收到反馈消息后，通过对预设格式的判断，确定其中是否存在问题反馈信息。
与现有技术相比，
本发明与现有技术相比，其有益效果为：
1、本发明提供了一种基于深度学习的继电保护装置运行状态预测方法，在科学合理地评价电力系统状态的前提下，采用大数据分析技术，以时间为纽带，对电力的自检信息、缺陷信息、运行环境信息等进行多维度关联分析，拟合出电流波形的数学模型，并采用深度学习算法，通过电力运行的实时信息和其他非拟合数据进行验证，以进一步动态修正和进化电流波形的数学模型，最终保证所得数学模型趋向于与电力实际运行状态一致，从而更为准确的预测电力运行趋势，实时把控运行态势，为继电保护装置检修、规划提供决策依据。
2、除非必要的继电保护装置维护，减少人力检修的人力成本投入；
3、通过对继电保护装置运行态势的预测，对于继电保护装置的故障及隐患提前发现，提前解决，为电力系统稳定运行提供保障，且减少经济损失；
4、通过技术手段对继电保护装置的运行状态进行监测及预测，区别于依靠传统的人力经验判断，实现故障及隐患的快速定位及查找。
附图说明
图1为本发明继电保护装置中缺陷信息库的流程示意图；
图2为本发明继电保护装置中检修信息库的流程示意图；
图3为本发明继电保护装置中问题反馈库的流程示意图。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
下面将结合本发明实施例中的附图，对本发明实施例中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他实施例，都属于本发明保护的范围。
提供以下详细的描述以辅助读者获得对本文所描述的方法、装置和/或系统的全面理解。因此，将向本领域的普通技术人员建议本文所描述的方法、装置和/或系统的各种改变、修改和等同物。所描述的处理操作的进展是示例；然而，操作的顺序和/或操作不限于本文所阐述的，并且可以如本领域中已知的那样改变，除了必须以特定顺序发生的操作以外。另外，为了更加清楚和简洁，可以省略公知的功能和结构的相应的描述。
此外，将在下文中参考附图更全面地描述示例性实施例。然而，示例性实施例可以不同的形式实施，并且不应被解释为限于本文所阐述的实施例。提供这些实施例以使得本公开将是彻底且完整的，并且将向本领域的普通技术人员充分地传达示例性实施例。
应该理解，尽管术语第一、第二等可以在本文用于描述各种元件，但这些元件不应该受这些术语的限制。这些术语仅用于将一个元件与另一个元件区别开。如本文所使用的术语“和/或”包括一个或多个相关所列项目的任何和所有组合。
应该理解，当元件被称为“连接”或“耦合”到另一元件时，其可以直接连接或耦合到另一元件，或者可以存在中间元件。相反，当元件被称为“直接连接”或“直接耦合”到另一元件时，不存在中间元件。
本文所使用的术语仅是为了描述特定实施例的目的，而不是限制性的。如本文所使用的，除非上下文另有明确说明，否则单数形式“一”、“一个”和“该”也旨在包括复数形式。
现在将详细参考本公开的示例性实施例，本公开的示例在附图中示出，其中相同的参考标号始终表示相同的元件。
然而，本公开可以许多不同的形式实施，并且不应被解释为限于本文所阐述的实施例；相反，提供这些实施例以使得本公开将是彻底的且完整的，并且将向本领域的普通技术人员充分地传达本公开的概念。
一种基于深度学习的继电保护装置运行状态预测方法，其中，继电保护装置主要由测量部分、逻辑部分和执行部分三部分组成，运行状态预测方法包括：
当电力系统中的电力元件或电力系统本身发生了故障危及电力系统安全运行时，依据继电保护装置运行状态建立电流波形的数学模型，如下公式所示：
Figure BDA0003070065840000051
将电流波形i(t)坐标变换后，在映射曲线上紧邻的三点(xi,yi,zi)、(xi+1,yi+1,zi+1)、(xi+2,yi+2,zi+2)构成的平面是否与(xi+1,yi+1,zi+1)、(xi+2,yi+2,zi+2)、(xi+3,yi+3,zi+3)构成的平面近似在一个平面上，即两个平面的法向量夹角是否近似为0度，即余弦值是否近似为1的特征，判断电流波形是否出现异常；
其中：i(t)为试验过程中t时刻的电流；Im为试验过程中电流i(t)的周期分量Imsin(ωt+φu-φ)的峰值；ω＝2πf，f为电流周期分量的频率，ω为电流周期分量的角频率；为试验开始时的电压合闸角度；φ为试验回路功率因数角；R为试验系统回路中的电阻值；L为试验系统回路中的电感值；
算法实现的映射规则为：圆柱体的底面投影圆的周长即为周期分量的周期T。则有圆柱体底面投影圆半径设接通电流进行试验瞬间t＝0，则任一时刻t＝t1时的t1的大小即是圆柱体上一段弧长，该弧长对应的扇面夹角(这里θ单位为弧度)。以圆柱体底面投影圆所在的面为xoy面，以圆柱体中轴线为z轴构建三维坐标系。设满足式(1)的任意一点[ti,i(ti)]映射到圆柱体上的坐标为(xi,yi,zi)，则有：zi＝i(ti)，其中，取i(t)上任意相邻的三点(xi,yi,zi)、(xi+1,yi+1,zi+1)、(xi+2,yi+2,zi+2)构成的平面法向量为(ai,bi,ci)，则有：
ai＝(yi+1-yi)·(zi+2-zi)-(yi+2-yi)·(zi+1-zi)
bi＝(zi+1-zi)·(xi+2-xi)-(zi+2-zi)·(xi+1-xi)
ci＝(xi+1-xi)·(yi+2-yi)-(xi+2-xi)·(yi+1-yi)
同样的，取i(t)上相邻的三点(xi+1,yi+1,zi+1)、(xi+2,yi+2,zi+2)、(xi+3,yi+3,zi+3)构成的平面法向量为(ai+1,bi+1,ci+1)，则有：
ai+1＝(yi+2-yi+1)·(zi+3-zi+1)-(yi+3-yi+1)·(zi+2-zi+1)
bi+1＝(zi+2-zi+1)·(xi+3-xi+1)-(zi+3-zi+1)·(xi+2-xi+1)
ci+1＝(xi+2-xi+1)·(yi+3-yi+1)-(xi+3-xi+1)·(yi+2-yi+1)
设(ai,bi,ci)和(ai+1,bi+1,ci+1)法向量夹角为α，则有：
由于α近似为0，则cos(α)近似为1，且cos(α)的计算量很小，完全可以满足实时计算要求。因此，只需要在实时采集数据的同时，实时计算cos(α)的值是否在短路试验过程中始终满足近似为1的条件，即可实时判断电流波形是否出现谐波含量异常，进而达到短路试验异常情况下的保护目的。作为本发明的进一步改进，实时判断电压波形和电流波形是否出现异常，还包括如下方法中的至少一种，与电流的谐波含量异常检测算法组成“或”运算：电压值高于阈值、电流值高于阈值、三相电压不平衡、三相电流不平衡。
参照图1，缺陷数据库的建立方法包括先进行取样，并对取得的样本进行缺陷检测、缺陷分类以及缺陷再检测，来收集缺陷信息，当各类型缺陷都收集到一定数据缺陷信息后，便可根据所收集到的缺陷信息来建立缺陷数据库，并利用这些缺陷信息来训练缺陷分类机台，以设定缺陷分类参数，之后即可利用缺陷分类机台来对所述继电保护装置进行自动缺陷分类。当然，在缺陷数据库正式在线使用前，仍会进行至少一次的验证步骤，利用人工缺陷分类的结果来验证自动缺陷分类的结果相比较，以判别所述缺陷数据库是否正确。如前所述，在常规技术中，必需要先经过收集缺陷信息，方能建立缺陷数据库，而为增加自动缺陷分类的准确率，往往需要利用SEM观测大量的缺陷样本，以作为建立缺陷数据库的依据。一般而言，每一个缺陷类型大概都需要30至50个缺陷样本，方可建立缺陷数据库并正确地设定机台的缺陷分类参数，在很多时候，某些缺陷类型的个数可能特别少，往往需要进行好几批次的取样才能获得足够的样本数来设定缺陷分类参数，这也会大幅增加建立缺陷数据库的困难度。由于本发明的缺陷数据库建立方法利用既有的缺陷数据库为基础，再通过适当的验证与缺陷信息的补充来更新缺陷数据库，以提升自动缺陷分类的准确度，故能大幅缩短缺陷数据库的建立时间。
设置一自检服务器，该自检服务器具有一待审核区和一自检完成区，自检服务器上设置有自检启动模块，以供管理人员操控自检服务器对信息数据库进行自检。当管理人员操作自检服务器开始自检程序后，自检服务器针对第一关键词列表中的其中一个关键词，例如第一关键词列表中的第一个关键词，分别做以下两个操作：1)从信息数据库中提取出与该关键词相关的规范，生成标准化的信息数据库，2)从标准的信息数据库中提取出与该关键词相关的信息，生成自检数据库。由前述可知，自检数据库和标准的信息数据库是基于同一个继电保护装置的任务所决定的关键词提取出来，在此基础上将两个数据库做比对，可以最快速准确的判断自检数据库中的数据信息是否符合信息数据库，而完成这一比对过程。
首先自检服务器从标准的信息数据库的规范中提取预先设置的各项参数生成第二关键词列表，再逐一针对第二关键词列表中的关键词，将自检数据库中的数据信息和标准的信息数据库中的规范做比对，判断自检数据库中的数据信息是否符合规范，如果符合规范，将数据信息直接发送至自检完成区，如果不符合规范，根据规范要求补充或者修改数据信息，再将补充或者修改的部分做上标记发送至待审核区，从而完成基于这一关键词的数据信息的自检。以第一关键词列表中的下一个关键词为基准，重复以上自检过程，如此重复，直至完成基于第一关键词列表中的所有关键词的数据信息自检为止。由于第一关键词列表中的关键词均是基于继电保护装置的任务得出，第二关键词列表又是基于第一关键词中的某一关键词得出，因此整个自检过程实际上还是紧扣设计和/或建筑任务，符合实际应用需要。
在配置文件中设置源目录和目标目录，源目录指向运行环境库中的动态库文件，比如dll文件，将dll文件拷贝到目标目录中，实例化客户端启动类。启动类实例化之后，显示客户端的启动动画，提示用户客户端正在启动中。在启动之前，需要先判断当前的客户端版本是否为最新版本，如果不是，则提示用户更新，如果用户选择更新，则直接退出启动进行客户端版本更新，如果用户选择不更新，则继续启动，启动启动类的同时启动客户端socket连接服务，与服务器建立socket连接，并启动客户端断开重连机制。Socket是应用层与TCP/IP协议族通信的中间软件抽象层，它是一组接口，在设计模式中，Socket其实就是一个门面模式，把复杂的TCP/IP协议族隐藏在Socket接口后面，对用户来说，一组简单的接口就是全部，让Socket去组织数据，以符合指定的协议。如果版本信息与最新版本信息不同，则生成并推送用于询问用户是否需要更新客户端版本的消息，根据反馈信息判断是否需要更新，如是则关闭启动动画，更新注册表基项的值和本地程序文件，否则执行启动类的初始化方法和启动方法。具体地，首先，实例化更新检测对象，获取当前应用程序的根目录、更新配置文件和版本信息，如果三者均不为空，则判断当前版本是否为最新版本，如果不是，则弹出对话框，询问用户是否要更新，如果用户点击“是”按钮，则关闭启动动画，进行更新，如果用户点击“否”按钮，则继续启动启动类。当然，如果三者中任一项为空，则抛出异常，弹出错误提示框。执行启动类的基类的初始化方法，获取服务器地址列表，加载本地的所有音频文件，以服务器地址列表为参数，执行基类的实例化方法和启动方法。具体地，执行基类的初始化方法具体包括：生成新的日志文件，日志文件包括：正常日志输出文件和错误日志输出文件，以客户端类型为参数，执行界面管理器类的初始化方法，将客户端类型设置为界面管理器的客户端类型，根据界面管理器的客户端类型创建窗体，设置窗体的标题、最小宽度和最小高度。
具体地，执行基类的实例化方法具体包括：以服务器地址列表、加密通信文件和本地保存的界面显示模式为参数，执行基类的实例化方法，将实例化得到的基类对象添加到客户端缓存对象列表中，对服务器地址列表中的服务器名称进行处理，加载加密通信文件获取加密密钥，将加密密钥设置为当前应用程序的加密密钥，启动界面管理器，创建资源管理器，创建并初始化线程池。
具体地，执行基类的启动方法具体包括：将客户端对象保存在客户端缓存对象列表中，注册空闲超时监控线程，设置客户端socket连接监控器，注册服务器强制中断会话的事件和客户端授权限制的事件，订阅弹窗事件和通知事件，设置socket连接监听器，获取连接属性值列表，根据连接属性值列表、socket服务类型、服务器地址列表和消息处理器创建socket连接服务。
使用时，服务器端先初始化Socket，然后与端口绑定(bind)，对端口进行监听(listen)，调用accept阻塞，等待客户端连接。在这时如果有个客户端初始化一个Socket，然后连接服务器(connect)，如果连接成功，这时客户端与服务器端的连接就建立了。客户端发送数据请求，服务器端接收请求并处理请求，然后把回应数据发送给客户端，客户端读取数据，最后关闭连接，一次交互结束。
如图2所示，建立所述继电保护装置的检修信息库的方法包括，检修信息库包括继电保护装置点巡检数据和DCS在线数据以及继电保护装置检修数据，并将继电保护装置点巡检数据和DCS在线数据与继电保护装置检修数据进行关联存储，周期性地将当前阶段的数据与检修信息库中的数据进行数据匹配处理，当前阶段的数据与检修信息库中的某一次检修数据相匹配时，依据检修信息库中的数据对继电保护装置进行故障类型的预测和故障发生时间的预测，且检修信息库中的点巡检数据是指在对继电保护装置进行点检和/或巡检过程中记录的继电保护装置参数运行数据，DCS在线数据是指在DCS系统中采集到的继电保护装置参数运行数据，其中DCS在线数据是指在DCS系统中采集到的继电保护装置参数运行数据，DCS是DistributedControlSystem的英文缩写，DCS系统又称分布式控制系统或集散型控制系统。在某一台继电保护装置的生命周期中，会发生多次运行和检修的过程，将继电保护装置在此期间的所有的参数的运行数据按照时间顺序记录下来(包括点巡检数据和DCS在线数据)，并与继电保护装置故障类型建立起对应关系，也就是将继电保护装置参数运行数据记录和继电保护装置检修数据记录进行关联存储，以备继电保护装置故障预测时使用。本实施例的检修信息库包含继电保护装置故障性检修内容和继电保护装置预防性检修内容，不包含继电保护装置计划性检修的内容。
如图3所示，建立继电保护装置的问题反馈库的方法包括，通过多种方式判断继电保护装置中的反馈信息中是否包含问题反馈信息，判断反馈信息中是否存在预置的预设格式字段信息，如果存在，则可判定反馈信息消息中包含问题反馈信息，其中，在判断继电保护装置中的反馈信息时，预先对预设格式进行定义，并提供给后台终端，后台终端在发送反馈信息时，如果其中包含有问题反馈信息，则可以按照预设格式对待发送的反馈消息进行编辑，并发送到后台终端中，系统在接收到反馈消息后，通过对预设格式的判断，确定其中是否存在问题反馈信息。
在可选的实施例中，接收反馈信息，该问题反馈指令为通过对反馈信息进行处理后生成的指令。其中，该反馈信息可以是终端接收到服务器端的信息，也可以是用户通过遥控器或其他设备，在终端侧输入的信息，本示例性实施例对反馈信息的来源不做特殊限定。在可选的实施例中，反馈信息为语音信息。当反馈信息为语音信息时，该语音信息可以是实时采集的用户的语音信息，也可以是通过其他方式得到的语音信息，本示例性实施例对此不做特殊限定。举例而言，该语音信息可以是“问题反馈”这一语音信息，也可以是包括“问题反馈”的语音信息，或者是其他语音信息，本示例性实施例对此不做特殊限定。并且，接收语音信息的方式可以是通过与终端匹配的，且能够采集语音信息的遥控器进行接收的。除此之外，也可以通过手机等设备作为控制器接收到的语音信息，本示例性实施例对此不做特殊限定。
进一步的，终端可以将接收到的反馈信息通过网络发送至对应的服务器端，以使该服务器端对反馈信息进行处理得到问题反馈指令。当反馈信息为语音信息时，也可以将该语音信息通过网络发送至对应的服务器端。除此之外，当反馈信息为其他形式的信息时，也可以通过对应方式发送，本示例性对反馈信息的形式和发送方式不做特殊限定。当服务器端对反馈信息进行处理之后，可以确定与该反馈信息对应的问题反馈指令，并将该问题反馈指令返回终端，以使终端响应该问题反馈指令。举例而言，当反馈信息为语音信息时，服务器端可以对语音信息进行语音识别处理得到对应的问题反馈指令。因此，在满足响应到服务器端的问题反馈指令时，可以进一步反馈问题反馈功能。该语音反馈功能可以满足用户通过语音信息反馈实际操作中出现的问题，同时可以支持用户对所遇到的问题进行复现。当响应到问题反馈指令时，终端可以开启问题反馈功能。该问题反馈功能可以是终端本身支持的，也可以是通过安装在终端上的应用程序支持的，或者是通过其他方式能够实现的，本示例性实施例对此不做特殊限定。
与例如语音信息的反馈信息的接收方式相同的，接收反馈语音信息也可以通过与终端匹配的，且能够采集语音信息的终端进行接收的。除此之外，也可以通过手机等设备作为控制器接收反馈语音信息，本示例性实施例对此不做特殊限定。具体的，当用户按下终端语音键，可以对着终端说出例如“投屏断开”或者是“手机投屏没有声音”的反馈语音信息。然后，终端通过蓝牙技术向该终端传输反馈语音信息，以使终端实时采集到该用户说出的反馈语音信息。
在接收到反馈语音信息之后，终端可以进一步将该反馈语音信息发送至服务器端，以根据服务器端的识别处理结果确定是否要存储该反馈语音信息。当终端接收到反馈语音信息时，可以进行通过网络将该反馈语音信息发送至对应的服务器端，以使服务器端对反馈语音信息进行语音识别处理得到识别处理结果。该识别处理结果可以是确定反馈语音信息是否为描述问题的语音信息。当识别处理结果为问题的描述信息时，表明用户正在通过问题反馈功能描述所遇到的问题；当识别处理结果为结束反馈指令时，表明用户已反馈问题结束，或者放弃问题反馈。因此，服务器端可以将该识别处理结果返回终端，以使终端可以根据识别处理结果进行下一步的处理。
本发明保护的一种基于深度学习的继电保护装置运行状态预测方法，在科学合理地评价电力系统状态的前提下，采用大数据分析技术，以时间为纽带，对电力的自检信息、缺陷信息、运行环境信息等进行多维度关联分析，拟合出电力运行趋势的数学模型，并采用深度学习算法，通过电力运行的实时信息和其他非拟合数据进行验证，以进一步动态修正和进化电力运行趋势的数学模型，最终保证所得数学模型趋向于与电力实际运行状态一致，从而更为准确的预测电力运行趋势，实时把控运行态势，为继电保护装置检修、规划提供决策依据。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种基于深度学习的继电保护装置运行状态预测方法，所述的继电保护装置包括测量部分、逻辑部分和执行部分，其特征在于，所述运行状态预测方法包括：
当电力系统中的电力元件或电力系统本身发生了故障危及电力系统安全运行时，依据所述继电保护装置运行状态建立电流波形的数学模型，如下公式所示：
Figure DEST_PATH_IMAGE002
将电流波形i(t)坐标变换后，在映射曲线上紧邻的三点(xi,yi,zi)、(xi+1,yi+1,zi+1)、(xi+2,yi+2,zi+2)构成的平面是否与(xi+1,yi+1,zi+1)、(xi+2,yi+2,zi+2)、(xi+3,yi+3,zi+3)构成的平面近似在一个平面上，即两个平面的法向量夹角是否近似为0度，即余弦值是否近似为1的特征，判断电流波形是否出现异常；
其中：i(t)为试验过程中t时刻的电流；Im为试验过程中电流i(t)的周期分量
Figure DEST_PATH_IMAGE004
的峰值；ω＝2πf，f为电流周期分量的频率，ω为电流周期分量的角频率；
Figure DEST_PATH_IMAGE006
为试验开始时的电压合闸角度；φ为试验回路功率因数角；R为试验系统回路中的电阻值；L为试验系统回路中的电感值；
针对上述电流波形的数学模型，建立继电保护装置的信息数据库、缺陷信息库、自检信息库、运行环境信息库、检修信息库及问题反馈库；
关联所述继电保护装置的信息数据库、缺陷信息库、自检信息库、运行环境信息库、检修信息库及问题反馈库，并构建所述继电保护装置运行趋势的数学模型；
利用基于深度学习的大数据挖掘方法，采集所述继电保护装置实时数据，并修正所述继电保护装置运行趋势的数学模型；
最后利用所述修正后的数学模型为所述继电保护装置的检修及规划提出决策依据。
2.根据权利要求1所述的基于深度学习的继电保护装置运行状态预测方法，其特征在于，建立所述继电保护装置的缺陷信息库的方法包括：先进行取样，对所述继电保护装置的缺陷样本进行缺陷检测、缺陷分类以及遗漏错误信息的缺陷再检测，以收集缺陷信息，根据所收集到的缺陷信息建立缺陷数据库，并利用所述缺陷信息训练缺陷分类机台，以设定缺陷分类参数，之后即可利用所述缺陷分类机台来对所述继电保护装置进行自动缺陷分类。
3.根据权利要求2所述的基于深度学习的继电保护装置运行状态预测方法，其特征在于，在所述缺陷数据库正式在线使用前，仍会进行至少一次的验证步骤，利用人工缺陷分类的结果来验证自动缺陷分类的结果相比较，以判别所述缺陷数据库是否正确。
4.根据权利要求1所述的基于深度学习的继电保护装置运行状态预测方法，其特征在于，建立自检信息库的方法包括，设置自检服务器，所述自检服务器具有待审核区和自检完成区，所述自检服务器上设置有自检启动模块，以供管理人员操控自检服务器对继电保护装置的所述信息数据库进行自检。
5.根据权利要求4所述的基于深度学习的继电保护装置运行状态预测方法，其特征在于，在所述自检服务器中设置有关键词列表，当管理人员操作所述自检服务器开始自检后，自检服务器针对关键词列表中的其中一个关键词，从所述信息数据库中提取出与所述关键词相关的规范，生成标准的信息数据库，并从所述标准的信息数据库中提取出与所述关键词相关的信息，生成自检数据库。
6.根据权利要求1所述的基于深度学习的继电保护装置运行状态预测方法，其特征在于，建立运行环境信息库的方法包括，在配置文件中设置源目录和目标目录，所述源目录指向运行环境库中的动态库文件，将所述动态库文件中的dll文件拷贝到目标目录中，启动客户端socket连接服务，与服务器建立socket连接，并启动客户端断开重连机制。
7.根据权利要求1所述的基于深度学习的继电保护装置运行状态预测方法，其特征在于，建立检修信息库的方法包括：所述检修信息库包括继电保护装置点巡检数据和DCS在线数据以及继电保护装置检修数据，并将所述继电保护装置点巡检数据和DCS在线数据与继电保护装置检修数据进行关联存储，周期性地将当前阶段的数据与检修信息库中的数据进行数据匹配处理，当前阶段的数据与检修信息库中的某一次检修数据相匹配时，依据检修信息库中的数据对所述继电保护装置进行故障类型的预测和故障发生时间的预测。
8.根据权利要求7所述的基于深度学习的继电保护装置运行状态预测方法，其特征在于，所述检修信息库中的点巡检数据是指在对所述继电保护装置进行点检和/或巡检过程中记录的继电保护装置参数运行数据，所述DCS在线数据是指在DCS系统中采集到的继电保护装置参数运行数据；
继电保护装置的参数数据在检修信息库中运行时，会发生多次运行和检修的过程，将所述继电保护装置在此期间的所有的参数的运行数据按照时间顺序记录下来，并与继电保护装置故障类型建立起对应关系，将所述继电保护装置参数运行数据记录和继电保护装置检修数据记录进行关联存储，以备继电保护装置故障预测时使用。
9.根据权利要求1所述的基于深度学习的继电保护装置运行状态预测方法，其特征在于，建立所述继电保护装置的问题反馈库的方法包括：通过判断所述继电保护装置中的反馈信息中是否包含问题反馈信息，判断所述反馈信息中是否存在预置的预设格式字段信息，如果存在，则可判定所述反馈信息消息中包含问题反馈信息并形成所述问题反馈库的信息。
10.根据权利要求9所述的基于深度学习的继电保护装置运行状态预测方法，其特征在于，判断所述继电保护装置中的反馈信息时，预先对预设格式进行定义，并提供给后台终端，后台终端在发送反馈信息时，如果其中包含有问题反馈信息，则可以按照所述预设格式对待发送的反馈消息进行编辑，并发送到后台终端中，系统在接收到反馈消息后，通过对预设格式的判断，确定其中是否存在问题反馈信息。
CN202110536870.0A 2021-05-17 2021-05-17 一种基于深度学习的继电保护装置运行状态预测方法 Active CN113420409B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110536870.0A CN113420409B (zh) 2021-05-17 2021-05-17 一种基于深度学习的继电保护装置运行状态预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110536870.0A CN113420409B (zh) 2021-05-17 2021-05-17 一种基于深度学习的继电保护装置运行状态预测方法

Publications (2)

Publication Number Publication Date
CN113420409A CN113420409A (zh) 2021-09-21
CN113420409B true CN113420409B (zh) 2022-12-20

Family

ID=77712444

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110536870.0A Active CN113420409B (zh) 2021-05-17 2021-05-17 一种基于深度学习的继电保护装置运行状态预测方法

Country Status (1)

Country Link
CN (1) CN113420409B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115684807A (zh) * 2022-11-09 2023-02-03 云南电网有限责任公司普洱供电局 一种基于智能录波器的继电保护装置缺陷检测方法及系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102005736A (zh) * 2010-11-24 2011-04-06 浙江电力调度通信中心 一种继电保护设备健康状况在线监测方法
JP2011083077A (ja) * 2009-10-05 2011-04-21 Mitsubishi Electric Corp 電力系統分離制御システム
CN103605787A (zh) * 2013-12-03 2014-02-26 国家电网公司 继电保护评价分析方法及系统
CN103810386A (zh) * 2014-02-13 2014-05-21 国家电网公司 一种基于非监督学习的继电保护装置聚类方法
CN104698235A (zh) * 2015-03-19 2015-06-10 西电通用电气自动化有限公司 继电保护测试中暂态故障波形的生成方法
CN107256449A (zh) * 2017-05-22 2017-10-17 武汉大学 一种智能变电站继电保护装置状态评价与评估方法
CN107918690A (zh) * 2017-09-27 2018-04-17 国网安徽省电力有限公司 一种基于bp神经网络算法的继电保护设备状态评估方法
CN108776278A (zh) * 2018-07-05 2018-11-09 国网湖北省电力有限公司电力科学研究院 一种拓扑关联的组态式继电保护测试系统及方法
CN109490813A (zh) * 2018-12-06 2019-03-19 国网四川省电力公司电力科学研究院 一种电流互感器特性评估方法及系统
CN109709413A (zh) * 2018-11-20 2019-05-03 云南电网有限责任公司大理供电局 一种基于模块化多功能平台的测控综合一体化系统
CN110287543A (zh) * 2019-05-30 2019-09-27 武汉大学 一种继电保护装置寿命预测方法
CN110687473A (zh) * 2019-09-27 2020-01-14 国网四川省电力公司电力科学研究院 一种智能变电站继电保护测试故障定位方法及系统
CN111241654A (zh) * 2019-07-01 2020-06-05 郑州工程技术学院 一种基于数学模型的变电站管控方法
CN111864706A (zh) * 2020-08-19 2020-10-30 剑科云智(深圳)科技有限公司 一种配电网的故障预警和继电保护系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109101714A (zh) * 2018-08-02 2018-12-28 云南电网有限责任公司昆明供电局 一种验证继电保护装置逻辑功能的方法
TWI676940B (zh) * 2018-08-29 2019-11-11 國立交通大學 以機械學習為基礎之最佳化預測模型的建立與預測結果的取得系統及方法
CN112165167B (zh) * 2020-09-25 2022-05-31 国家电网有限公司技术学院分公司 一种智能变电站继电保护检修辅助系统及方法
CN112685957A (zh) * 2020-12-30 2021-04-20 中国电力科学研究院有限公司 一种用于预测继电保护缺陷的方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011083077A (ja) * 2009-10-05 2011-04-21 Mitsubishi Electric Corp 電力系統分離制御システム
CN102005736A (zh) * 2010-11-24 2011-04-06 浙江电力调度通信中心 一种继电保护设备健康状况在线监测方法
CN103605787A (zh) * 2013-12-03 2014-02-26 国家电网公司 继电保护评价分析方法及系统
CN103810386A (zh) * 2014-02-13 2014-05-21 国家电网公司 一种基于非监督学习的继电保护装置聚类方法
CN104698235A (zh) * 2015-03-19 2015-06-10 西电通用电气自动化有限公司 继电保护测试中暂态故障波形的生成方法
CN107256449A (zh) * 2017-05-22 2017-10-17 武汉大学 一种智能变电站继电保护装置状态评价与评估方法
CN107918690A (zh) * 2017-09-27 2018-04-17 国网安徽省电力有限公司 一种基于bp神经网络算法的继电保护设备状态评估方法
CN108776278A (zh) * 2018-07-05 2018-11-09 国网湖北省电力有限公司电力科学研究院 一种拓扑关联的组态式继电保护测试系统及方法
CN109709413A (zh) * 2018-11-20 2019-05-03 云南电网有限责任公司大理供电局 一种基于模块化多功能平台的测控综合一体化系统
CN109490813A (zh) * 2018-12-06 2019-03-19 国网四川省电力公司电力科学研究院 一种电流互感器特性评估方法及系统
CN110287543A (zh) * 2019-05-30 2019-09-27 武汉大学 一种继电保护装置寿命预测方法
CN111241654A (zh) * 2019-07-01 2020-06-05 郑州工程技术学院 一种基于数学模型的变电站管控方法
CN110687473A (zh) * 2019-09-27 2020-01-14 国网四川省电力公司电力科学研究院 一种智能变电站继电保护测试故障定位方法及系统
CN111864706A (zh) * 2020-08-19 2020-10-30 剑科云智(深圳)科技有限公司 一种配电网的故障预警和继电保护系统

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
Design of Travelling Wave Relay for Protection of Transmission Lines;Modawy Adam Ali Abdalla等;《IJRSEEE》;20171231;第3卷(第4期);第29-41页 *
State Assessment of Relay Protection Device Based on Defect Information;Fa Wang等;《Preprints of the 3rd IEEE conference on Energy Internet and Energy System Integration》;20191110;第1499-1503页 *
基于三相电流电压全息的故障特征识别方法研究;王书扬;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20190415(第（2019）04期);C042-381 *
基于继电保护装置态势感知及辅助决策的智能运维系统;李祖明等;《电力系统保护与控制》;20201001;第48卷(第19期);第142-150页 *
基于边缘计算的电力继电保护系统及安全防护技术研究;尹玉君;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20200815(第（2020）08期);C042-933 *
基于连续时间马尔可夫链的继电保护装置动作行为预测模型;李浩等;《中国电机工程学报》;20180831;第38卷;第121-128页 *
继电保护失效检测及检修策略研究;陈水耀;《中国博士学位论文全文数据库 工程科技II辑》;20170215(第（2017）02期);C042-218 *
继电保护测试装置线性功率放大器的数字预畸;孙晓明等;《电力自动化设备》;20180402;第38卷(第04期);第196-203页 *

Also Published As

Publication number Publication date
CN113420409A (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
WO2019091171A1 (zh) 语音控制智能家电的方法、装置、系统和电子设备
CN107451040B (zh) 故障原因的定位方法、装置及计算机可读存储介质
CN107704398A (zh) 自动化测试方法及装置、存储介质、电子设备
CN105740140A (zh) 软件系统故障诊断方法、服务器及系统
CN111104341A (zh) 智能家居设备自动化测试方法、装置、设备及存储介质
CN113420409B (zh) 一种基于深度学习的继电保护装置运行状态预测方法
CN107819611B (zh) 基于iec61850多服务端仿真的客户端测试方法
CN110991871A (zh) 风险监测方法、装置、设备与计算机可读存储介质
CN110413308B (zh) 软件运维方法、装置、设备及计算机存储介质
WO2020259034A1 (zh) 下线源代码的识别方法、装置、设备及存储介质
CN115913872A (zh) 一种服务器监控运维方法、装置、设备及介质
CN111277872A (zh) 一种智能电视可视化远程调试方法、系统及存储介质
CN109360045A (zh) 一种信息确认方法、装置、服务器及存储介质
WO2023124366A1 (zh) 一种基于影子系统的特征对比方法、装置和电子设备
CN106875184A (zh) 异常场景模拟方法、装置及设备
CN111818025A (zh) 一种用户终端的检测方法和装置
CN110502407A (zh) 一种自动化运维监测方法及系统
CN112380340B (zh) 一种主站与电厂、变电站之间的错误数据诊断方法及系统
CN115328786A (zh) 一种基于区块链的自动化测试方法、装置和存储介质
CN112165167B (zh) 一种智能变电站继电保护检修辅助系统及方法
CN109087641A (zh) 智能音箱、指令录入器及其安全预警方法、装置
CN112148623B (zh) 基于lims的智能成套场景测试方法
CN107517236A (zh) 一种用于物联网的事件处理方法、装置和设备
CN107453959A (zh) 一种网卡的管理方法及其装置
CN112105045A (zh) 一种通讯设备故障诊断方法和平台

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