CN113642171A - 一种基于大数据的输变电设备健康状态评估系统及方法 - Google Patents
一种基于大数据的输变电设备健康状态评估系统及方法 Download PDFInfo
- Publication number
- CN113642171A CN113642171A CN202110912122.8A CN202110912122A CN113642171A CN 113642171 A CN113642171 A CN 113642171A CN 202110912122 A CN202110912122 A CN 202110912122A CN 113642171 A CN113642171 A CN 113642171A
- Authority
- CN
- China
- Prior art keywords
- data
- transformation equipment
- power transmission
- equipment
- health
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 112
- 230000009466 transformation Effects 0.000 title claims abstract description 111
- 230000036541 health Effects 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000011156 evaluation Methods 0.000 title claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000009826 distribution Methods 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000013210 evaluation model Methods 0.000 claims abstract description 9
- 238000004140 cleaning Methods 0.000 claims abstract description 4
- 230000004927 fusion Effects 0.000 claims abstract description 4
- 230000032683 aging Effects 0.000 claims description 12
- 230000007547 defect Effects 0.000 claims description 11
- 230000003862 health status Effects 0.000 claims description 11
- 238000009413 insulation Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000005065 mining Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
-
- 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]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于大数据的输变电设备健康状态评估系统及方法。包括设置数据监测单元、数据中心和运检中心;数据中心包括分布优化模块、预处理模块和加工分析模块;分布优化模块,用于对采集到的数据进行分类排序;预处理模块,用于对数据进行数据清理;加工分析模块,用于预处理后的数据进行多元融合后发送给运检中心;运检中心中设备健康评估模型用于结合融合的证据理论,对设备的数据进行健康状态的评估。本发明通过海量数据为挖掘对象,构建设备健康评估模型,对输变电设备多种数据进行采集处理分析,快速评估出设备的健康状态,并在数据中心进行展示,能够实时监测输变电设备健康状态,提高监测效率和准确性。
Description
技术领域
本发明属于输变电设备监测技术领域,特别是涉及一种基于大数据的输变电设备健康状态评估系统及方法。
背景技术
经济的发展极大地提高了对电力的需求,此需求既包括数量的需求也包括质量的要求,同时对硬件(输变电设备)有了较为苛刻的要求,因为硬件设备是电力系统能否安全运作的基础,是企业赢取利润的关键。伴随着数字信息化时代的快速发展,信息量也呈爆炸性增长态势。当前信息通信技术与电力生产深度融合,对电力工业的价值贡献已经从量变转变到质变,其最鲜明的体现就是电力数据成为电力工业的核心资产。
目前中国的电力系统已成为世界上最大规模的关系国计民生的电力网络。电力设备的可靠性、高效运行与有效管理对电力系统的安全、稳定变得愈来愈重要。如何从海量的电力设备监测数据中快速挖掘和发现设备的健康状态与缺陷信息,成为研究者和电力企业的重要关注点
目前面临的问题有:
(1)智能电网中的众多传感器会实时地产生大量数据流,对新型流式数据的分析与处理,给设备的健康评估带来了很大的挑战。在实际的生产环境中,状态监测采集到的设备数据容量极大且类型较杂,但大数据技术能够较快地处理海量数据,并能够从繁杂的数据中,分析挖掘出有用有价值的信息。
(2)传统的通过输入量和输出量训练形成的模型,一旦生成,便不可改变,除非重新训练;而大数据挖掘分析方法模型采用动态相关性系数矩阵对设备状态指标和设备状态监测参量之间的相关性进行建模,可以不断回归修正,能够根据所研究的设备对象、状态参量、故障类型等灵活变化,不需要重新对模型进行构建,不存在模型固化的问题。
针对上述问题,本发明提供了一种基于大数据的输变电设备健康状态评估系统及方法。
发明内容
本发明的目的在于提供一种基于大数据的输变电设备健康状态评估系统及方法,通过海量数据为挖掘对象,运用大数据的数据挖掘方法构建设备健康评估模型,对输变电设备多种数据进行采集处理分析,快速评估出设备的健康状态,解决了现有的设备健康状态需要人力评估、评估不准确、影响企业生产的问题。
为实现上述目的,本发明的技术方案是:一种基于大数据的输变电设备健康状态评估系统,包括设置数据监测单元、数据中心和运检中心,
所述数据监测单元包括运行工况监测模块、绝缘状态监测模块和附件及检修记录监测模块;所述数据监测单元用于对输变电设备数据进行监测,并通过状态监测代理CMA模块将数据传输给数据中心;
所述数据中心包括分布优化模块、预处理模块和加工分析模块;所述分布优化模块,用于对采集到的输变电设备数据进行分类排序;所述预处理模块,用于对接收到的输变电设备数据进行数据清理、数据集成、数据变化和数据分析;所述加工分析模块,用于对预处理后的输变电设备数据进行多元融合后发送给运检中心;
所述运检中心内部设置有设备健康评估模型;所述设备健康评估模型,用于结合融合的证据理论,对输变电设备的数据进行健康状态的评估。
在本发明一实施例中,所述运行工况监测模块,用于采集输变电设备的运行状态信息来评估输变电设备的健康状态;所述绝缘状态监测模块,用于采集输变电设备的绝缘状态信息来评估输变电设的老化状态;附件及检修记录监测模块,用于获取输变电设备的维修数据信息来评估输变电设备的寿命。
在本发明一实施例中,所述分布优化模块的处理过程为:
执行MapReduce关联查询时,采用标准的Hadoop数据布局方案,连接操作需要在约减阶段完成,在映射阶段,所有数据在多个节点上进行分组排序,之后由约减任务的TaskTracker节点通过远程访问的方式进行数据拉取。
在本发明一实施例中,所述预处理模块的处理过程为:
收集输变电设备的异常状态数据,重点包括故障、缺陷的案例数据,然后根据故障、缺陷的表征,进行状态参量赋值。
在本发明一实施例中,所述加工分析模块的处理过程为:
将预处理后的输变电设备数据中的各组故障案例进行层次聚类,初步分析可将所有故障分为5类,并通过计算不同聚类簇数u的轮廓系数,进行聚类效果的比较。
在本发明一实施例中,所述设备健康评估模型通过健康指数来进行评估;所述健康指数的基本计算公式为:
式中,HIt为年份t的输变电设备的健康指数;HIcom为输变电设备评估时刻的健康指数;Tt为输变电设备健康指数HIt时对应的年份;T0为输变电设备评估时刻对应的年份,B为老化系数。
在本发明一实施例中,所述健康指数的取值范围为[0,10],数值越小表明输变电设备的健康状态越好,老化程度越小,故障的风险越低。
本发明还提供了一种基于大数据的输变电设备健康状态评估方法,包括如下步骤:
步骤S1、设备数据监测单元对输变电设备进行在线数据采集;
步骤S2、采集的各种输变电设备数据通过无线通讯模块上传至数据中心;
步骤S3、数据中心对采集到的监测数据进行预处理;
步骤S4、数据中心对预处理后的数据进行深加工分析;
步骤S5、数据中心将加工后的数据发送至运检中心进行汇总;
步骤S6、运检中心的设备健康评估模型对输变电设备的健康状态进行评估;
步骤S7、将设备健康评估模型的评估结果发送至数据中心进行展示。
在本发明一实施例中,所述步骤S6中,输变电设备初始健康指数HI0取0.5;当输变电设备初始健康指数HIt到达7.0时,则需要更换输变电设备;获取初始老化系数B0:
式中,Tend为产商生产输变电设备时预估的输变电设备使用寿命。
相较于现有技术,本发明具有以下有益效果:
本发明通过海量数据为挖掘对象,运用大数据的数据挖掘方法构建设备健康评估模型,对输变电设备多种数据进行采集处理分析,快速评估出设备的健康状态,并在数据中心进行展示,能够实时监测输变电设备健康状态,提高监测效率和准确性。
附图说明
图1为本发明的一种基于大数据的输变电设备健康状态评估方法步骤图。
具体实施方式
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作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。
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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。
请参阅图1所示,本发明为一种基于大数据的输变电设备健康状态评估系统,包括设置数据监测单元、数据中心和运检中心,
数据监测单元包括运行工况监测模块、绝缘状态监测模块和附件及检修记录监测模块;数据监测单元用于对输变电设备数据进行监测,并通过状态监测代理CMA模块将数据传输给数据中心;
数据中心包括分布优化模块、预处理模块和加工分析模块;分布优化模块,用于对采集到的输变电设备数据进行分类排序;预处理模块,用于对接收到的输变电设备数据进行数据清理、数据集成、数据变化和数据分析;加工分析模块,用于预处理后的输变电设备数据进行多元融合后发送给运检中心;
运检中心内部设置有设备健康评估模型;设备健康评估模型,用于结合融合的证据理论,对输变电设备的数据进行健康状态的评估。
其中,运行工况监测模块,用于采集输变电设备的运行状态信息来评估输变电设备的健康状态;绝缘状态监测模块,用于采集输变电设备的绝缘状态信息来评估输变电设的老化状态;附件及检修记录监测模块,用于获取输变电设备的维修数据信息来评估输变电设备的寿命。
其中,分布优化模块的处理过程为:
执行MapReduce关联查询时,采用标准的Hadoop数据布局方案,连接操作需要在约减阶段完成,在映射阶段,所有数据在多个节点上进行分组排序,之后由约减任务的TaskTracker节点通过远程访问的方式进行数据拉取。
在分布优化的过程中,数据需要尽量均匀的分布到集群中各节点,以保持负载均衡;Hadoop集群中节点故障被视为一种常态,优化数据分布时需要考虑节点失效问题;为保证数据的可靠性及查询处理效率,需要采取多副本冗余方案;Hadoop运行环境下,网络传输及磁盘操作是影响整体性能的重要因素,如果能减少数据的通信量,将会有效减少数据处理时间。以状态监测平台中常用的数据关联查询为例,在执行MapReduce关联查询时,采用标准的Hadoop数据布局方案(未考虑数据相关性),连接操作需要在约减(Reduce)阶段完成。在映射(Map)阶段,所有数据在多个节点上进行分组排序,之后由约减任务的TaskTracker节点通过远程访问的方式进行数据拉取。在这个过程中,可能有大量与最后连接操作无关的数据也在网络中被复制和传输。如果在数据上传时根据数据的设备属性,将同一设备的数据尽量存储在相同节点上,则可以在映射阶段完成连接操作,省去约减阶段的数据通信,使整体执行效率得到提高。
其中,预处理模块的处理过程为:
收集输变电设备的异常状态数据,重点包括故障、缺陷的案例数据,然后根据故障、缺陷的表征,进行状态参量赋值。
预处理的过程中,收集输变电设备的异常状态数据,重点包括故障、缺陷的案例数据。案例代号用As(s=1,2,…,34)来表示,状态参量代码用Wu(u=1,2,…,27)来表示。然后,根据故障、缺陷的表征,进行状态参量赋值。由于知识图谱构建仅是对状态参量或是设备异常案例本身进行挖掘分析,仅需知道1个状态参量是否异常,不涉及设备状态等级或是状态参量劣化程度,因此仅进行二元量化。根据严重程度,缺陷可分为健康、良好、警告、恶化和严重五中健康状态。当某个状态参量为异常情况时,Wu的值为“1、2、3”时,代表该状态参量分别出现警告、恶化和严重缺陷,Wu的值为“0、4…27”时,则代表该状态参量为健康和良好。
其中,加工分析模块的处理过程为:
将原始数据中的各组故障案例进行层次聚类,初步分析可将所有故障分为5类,并通过计算不同聚类簇数u的轮廓系数,进行聚类效果的比较。
在加工分析的过程中,将原始数据中的各组故障案例进行层次聚类,初步分析可将所有故障分为5类。分别选取u为1,2,…,27,并通过计算不同聚类簇数u的轮廓系数,进行聚类效果的比较。由表1可见u=6,即将故障模式分为5类时聚类结果最为理想。
其中,设备健康评估模型通过健康指数来进行评估;健康指数的基本计算公式为:
式中,HIt为年份t的输变电设备的健康指数;HIcom为输变电设备评估时刻的健康指数;Tt为输变电设备健康指数HIt时对应的年份;T0为输变电设备评估时刻对应的年份,B为老化系数。
其中,健康指数的取值范围为[0,10],数值越小表明输变电设备的健康状态越好,老化程度越小,故障的风险越低。
一般当健康指数HI处于[0,2)时,表明输变电设备运行正常,故障的风险很小;当健康指数处于[2,5)时,输变电设备略微老化,故障风险小;当HI处于[5,7)时,输变电设备存在明显老化,故障率随指数健康指数增加而急剧上升;当健康指数处于[7,10)时,输变电设备超出正常范围,随时可能发生故障。
本发明为一种基于大数据的输变电设备健康状态评估方法,包括如下步骤:
步骤S1:设备数据监测单元对输变电设备进行在线数据采集;
步骤S2:采集的各种输变电设备数据通过无线通讯模块上传至数据中心;
步骤S3:数据中心对采集到的监测数据进行预处理;
步骤S4:数据中心对预处理后的数据进行深加工分析;
步骤S5:数据中心将加工后的数据发送至运检中心进行汇总;
步骤S6:运检中心的设备健康评估模型对输变电设备的健康状态进行评估;
步骤S7:将设备健康评估模型的评估结果发送至数据中心进行展示。
其中,步骤S6中,输变电设备初始健康指数HI0取0.5;当输变电设备初始健康指数HIt到达7.0时,则需要更换输变电设备;获取初始老化系数B0:
式中,Tend为产商生产输变电设备时预估的输变电设备使用寿命。
值得注意的是,上述系统实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (9)
1.一种基于大数据的输变电设备健康状态评估系统,包括设置数据监测单元、数据中心和运检中心,其特征在于,
所述数据监测单元包括运行工况监测模块、绝缘状态监测模块和附件及检修记录监测模块;所述数据监测单元用于对输变电设备数据进行监测,并通过状态监测代理CMA模块将数据传输给数据中心;
所述数据中心包括分布优化模块、预处理模块和加工分析模块;所述分布优化模块,用于对采集到的输变电设备数据进行分类排序;所述预处理模块,用于对接收到的输变电设备数据进行数据清理、数据集成、数据变化和数据分析;所述加工分析模块,用于对预处理后的输变电设备数据进行多元融合后发送给运检中心;
所述运检中心内部设置有设备健康评估模型;所述设备健康评估模型,用于结合融合的证据理论,对输变电设备的数据进行健康状态的评估。
2.根据权利要求1所述的一种基于大数据的输变电设备健康状态评估系统,其特征在于,所述运行工况监测模块,用于采集输变电设备的运行状态信息来评估输变电设备的健康状态;所述绝缘状态监测模块,用于采集输变电设备的绝缘状态信息来评估输变电设的老化状态;附件及检修记录监测模块,用于获取输变电设备的维修数据信息来评估输变电设备的寿命。
3.根据权利要求1所述的一种基于大数据的输变电设备健康状态评估系统,其特征在于,所述分布优化模块的处理过程为:
执行MapReduce关联查询时,采用标准的Hadoop数据布局方案,连接操作需要在约减阶段完成,在映射阶段,所有数据在多个节点上进行分组排序,之后由约减任务的TaskTracker节点通过远程访问的方式进行数据拉取。
4.根据权利要求1所述的一种基于大数据的输变电设备健康状态评估系统,其特征在于,所述预处理模块的处理过程为:
收集输变电设备的异常状态数据,重点包括故障、缺陷的案例数据,然后根据故障、缺陷的表征,进行状态参量赋值。
5.根据权利要求1所述的一种基于大数据的输变电设备健康状态评估系统,其特征在于,所述加工分析模块的处理过程为:
将预处理后的输变电设备数据中的各组故障案例进行层次聚类,初步分析可将所有故障分为5类,并通过计算不同聚类簇数u的轮廓系数,进行聚类效果的比较。
7.根据权利要求6所述的一种基于大数据的输变电设备健康状态评估系统,其特征在于,所述健康指数的取值范围为[0,10],数值越小表明输变电设备的健康状态越好,老化程度越小,故障的风险越低。
8.一种基于大数据的输变电设备健康状态评估方法,其特征在于,包括如下步骤:
步骤S1、设备数据监测单元对输变电设备进行在线数据采集;
步骤S2、采集的各种输变电设备数据通过无线通讯模块上传至数据中心;
步骤S3、数据中心对采集到的监测数据进行预处理;
步骤S4、数据中心对预处理后的数据进行深加工分析;
步骤S5、数据中心将加工后的数据发送至运检中心进行汇总;
步骤S6、运检中心的设备健康评估模型对输变电设备的健康状态进行评估;
步骤S7、将设备健康评估模型的评估结果发送至数据中心进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110912122.8A CN113642171A (zh) | 2021-08-10 | 2021-08-10 | 一种基于大数据的输变电设备健康状态评估系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110912122.8A CN113642171A (zh) | 2021-08-10 | 2021-08-10 | 一种基于大数据的输变电设备健康状态评估系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113642171A true CN113642171A (zh) | 2021-11-12 |
Family
ID=78420406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110912122.8A Pending CN113642171A (zh) | 2021-08-10 | 2021-08-10 | 一种基于大数据的输变电设备健康状态评估系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113642171A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756666A (zh) * | 2023-08-15 | 2023-09-15 | 广东石油化工学院 | 一种多源数据融合的离心式压缩机健康状态评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194149A (zh) * | 2017-04-19 | 2017-09-22 | 北京工业大学 | 一种高速公路机电系统健康指数评估方法 |
KR20180035549A (ko) * | 2016-09-29 | 2018-04-06 | 한국전력공사 | 회전체 설비 고장발생 위험도 지수 평가 장치 및 그 방법 |
CN109102171A (zh) * | 2018-07-24 | 2018-12-28 | 上海欣影电力科技股份有限公司 | 一种基于大数据的变电站设备状态智能化评价系统及方法 |
CN110543500A (zh) * | 2019-08-23 | 2019-12-06 | 国家电网有限公司 | 一种基于大数据的输变电设备健康评估平台 |
CN112464440A (zh) * | 2020-11-03 | 2021-03-09 | 江苏核电有限公司 | 基于三级评价模型的干式变压器健康状况评估方法 |
-
2021
- 2021-08-10 CN CN202110912122.8A patent/CN113642171A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180035549A (ko) * | 2016-09-29 | 2018-04-06 | 한국전력공사 | 회전체 설비 고장발생 위험도 지수 평가 장치 및 그 방법 |
CN107194149A (zh) * | 2017-04-19 | 2017-09-22 | 北京工业大学 | 一种高速公路机电系统健康指数评估方法 |
CN109102171A (zh) * | 2018-07-24 | 2018-12-28 | 上海欣影电力科技股份有限公司 | 一种基于大数据的变电站设备状态智能化评价系统及方法 |
CN110543500A (zh) * | 2019-08-23 | 2019-12-06 | 国家电网有限公司 | 一种基于大数据的输变电设备健康评估平台 |
CN112464440A (zh) * | 2020-11-03 | 2021-03-09 | 江苏核电有限公司 | 基于三级评价模型的干式变压器健康状况评估方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756666A (zh) * | 2023-08-15 | 2023-09-15 | 广东石油化工学院 | 一种多源数据融合的离心式压缩机健康状态评估方法 |
CN116756666B (zh) * | 2023-08-15 | 2023-11-24 | 广东石油化工学院 | 一种多源数据融合的离心式压缩机健康状态评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047082B (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
CN111553590B (zh) | 一种雷达嵌入式健康管理系统 | |
CN108320043B (zh) | 一种基于电力大数据的配电网设备状态诊断预测方法 | |
CN109905885B (zh) | 一种确定巡检基站列表的方法以及巡检装置 | |
CN111259947A (zh) | 一种基于多模态学习的电力系统故障预警方法和系统 | |
CN113240289A (zh) | 一种电网调度控制系统运行状态评估方法及系统 | |
CN108347352B (zh) | 一种电力系统中信息系统及设备性能的诊断方法 | |
CN112016828B (zh) | 基于流式大数据的工业设备健康管理云平台架构 | |
CN114640581B (zh) | 一种基于数字孪生的算力网络处理方法及装置 | |
CN115730749B (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
CN110543500A (zh) | 一种基于大数据的输变电设备健康评估平台 | |
CN103617447A (zh) | 智能变电站的评价系统及评价方法 | |
CN114118588A (zh) | 聚类欠采样下基于博弈特征提取的迎峰度夏停电预测方法 | |
CN111639850A (zh) | 多源异构数据的质量评估方法与系统 | |
CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理系统 | |
CN113642171A (zh) | 一种基于大数据的输变电设备健康状态评估系统及方法 | |
CN111598409A (zh) | 一种配电网运行效率监测与分析系统 | |
CN108596450B (zh) | 电网风险预警方法和系统 | |
CN114169709A (zh) | 变电站二次设备的状态评估方法、装置、存储介质及设备 | |
CN112286987B (zh) | 基于Apriori算法的电力物联异常告警压缩方法 | |
CN113327047A (zh) | 基于模糊综合模型的电力营销服务渠道决策方法及系统 | |
CN115034128A (zh) | 一种智慧风电场智慧风电场风电机组评价方法 | |
CN113886592A (zh) | 一种电力信息通信系统运维数据的质量检测方法 | |
Jingyu et al. | Statistical analysis of distribution network fault information based on multi-source heterogeneous data mining | |
CN113591909A (zh) | 电力系统的异常检测方法、异常检测装置以及存储介质 |
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 |