CN113872328A - 基于神经网络的变电站远程智能巡检方法及系统 - Google Patents

基于神经网络的变电站远程智能巡检方法及系统 Download PDF

Info

Publication number
CN113872328A
CN113872328A CN202111131490.5A CN202111131490A CN113872328A CN 113872328 A CN113872328 A CN 113872328A CN 202111131490 A CN202111131490 A CN 202111131490A CN 113872328 A CN113872328 A CN 113872328A
Authority
CN
China
Prior art keywords
data
monitoring data
substation
analysis model
model
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
CN202111131490.5A
Other languages
English (en)
Other versions
CN113872328B (zh
Inventor
高志国
倪杰
童旸
倪修峰
简丽娜
邱昌龙
王进
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.)
Tongling Power Supply Co of State Grid Anhui Electric Power Co Ltd
Original Assignee
Tongling Power Supply Co of State Grid Anhui Electric Power 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 Tongling Power Supply Co of State Grid Anhui Electric Power Co Ltd filed Critical Tongling Power Supply Co of State Grid Anhui Electric Power Co Ltd
Priority to CN202111131490.5A priority Critical patent/CN113872328B/zh
Publication of CN113872328A publication Critical patent/CN113872328A/zh
Application granted granted Critical
Publication of CN113872328B publication Critical patent/CN113872328B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
    • H02B1/00—Frameworks, boards, panels, desks, casings; Details of substations or switching arrangements
    • H02B1/24—Circuit arrangements for boards or switchyards
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
    • H02B3/00—Apparatus specially adapted for the manufacture, assembly, or maintenance of boards or switchgear
    • 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
    • H02J13/00001—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 the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • 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
    • H02J13/00006—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • 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
    • H02J13/00034—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 an electric power substation
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y04S10/16—Electric power substations
    • 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
    • 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
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了基于神经网络的变电站远程智能巡检方法及系统，该方法包括：从云端获取实时更新后的云端变电站巡检数据分析模型，并基于实时更新后的数据库中的监测数据对分析模型进行更新，获取边缘端变电站巡检数据分析模型；基于边缘端变电站巡检数据分析模型对新接收的监测数据进行分析；在确定边缘端变电站巡检数据分析模型的模型参数与云端变电站巡检数据分析模型的差异符合预设条件时，上传数据到云端，以使云端实时更新云端变电站巡检数据分析模型，本发明基于云边协同机制，实现巡检数据训练样本的自动上传和变电站巡检数据分析模型的定期更新，可不断提升智能识别、判别的效率和准确性。

Description

基于神经网络的变电站远程智能巡检方法及系统
技术领域
本发明涉及变电站巡检技术领域，具体涉及基于神经网络的变电站远程智能巡检方法及系统。
背景技术
对变电站设备进行例行巡检是保障电力设备安全稳定运行的常规手段。随着电网规模的不断扩大，设备的数量和种类越来越多，在现有电力体制下，主要靠运维人员进行人工巡检完成设备状态的检查，这就导致现场作业工作量较大、巡检效率较低，且巡检过程会出现巡检全面性、完整性和准确性低的情况。
发明内容
针对上述现有技术存在的问题，本发明提供了一种基于神经网络的变电站远程智能巡检方法及系统，提升智能巡检的效率和准确性。该技术方案如下：
本发明实施例的第一方面，提供了一种基于神经网络的变电站远程智能巡检方法，包括：
(1)从云端获取实时更新后的云端变电站巡检数据分析模型；
(2)基于实时更新后的数据库中的第一监测数据、第二监测数据、第三监测数据对分析模型进行更新，获取更新后的边缘端变电站巡检数据分析模型；
(3)基于更新后的边缘端变电站巡检数据分析模型对新接收的监测数据进行分析；
(4)重复步骤(2)和(3)，判断边缘端变电站巡检数据分析模型的模型参数与云端变电站巡检数据分析模型的差异是否符合预设条件，若是，则进入步骤(5)；
(5)将边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端，以使云端实时更新云端变电站巡检数据分析模型，回到步骤(1)。
在一些实施例中，所述第一监测数据包括主设备监控系统、一次设备在线监测系统、辅助设备全面监控系统的在线监测数据；
所述第二监测数据包括变电站视频图像监测数据；
所述第三监测数据包括巡检机器人巡检监测数据。
在一些实施例中，所述(3)，还包括：
对于新接收的第一监测数据、第二监测数据、第三监测数据进行联动确认数据的有效性和正确性,并进行关联分析。
在一些实施例中，所述进行联动确认数据的有效性和正确性,并进行关联分析，包括：
基于监测数据分别获取故障属性集，基于第一故障属性集、第二故障属性集、第三故障属性集，获取同一设备的所有故障属性以及参数值；
判断故障属性中的重合项对应的参数值是否一致；
若不一致，则计算各个监测数据的置信度，并基于所述置信度对故障属性参数值进行融合。
在一些实施例中，所述计算各个监测数据的置信度，包括：
基于第一监测数据、第二监测数据、第三监测数据与参考数据，训练置信度预测模型；
基于所述置信度预测模型输出各个监测数据的置信度；
所述置信度预测模型的获取方法包括：
将监测数据与参考数据的差值计算各个监测数据的理论置信度；
以第一监测数据、第二监测数据、第三监测数据作为待训练置信度预测模型的输入，以所述理论置信度作为输入数据的标注数据，进行网络模型训练，获取置信度预测模型。
在一些实施例中，所述进行联动确认数据的有效性和正确性,并进行关联分析，还包括：
基于每次监测数据，获取相邻两次监测数据的变化数据集；
基于每个变化数据集，获取每次监测数据中的冗余项数据；
基于去除冗余项数据的监测数据作为变电站巡检数据分析模型的输入数据的原始数据。
在一些实施例中，所述(4)，包括：
针对当前模型参数和上一时刻模型参数进行分析，利用相似性算法，计算两个模型参数的第一相似性；
若第一相似性小于预设相似性阈值，则将边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端；
否则，判断两个模型参数的交叉熵损失函数，若交叉熵损失函数大于预设交叉熵损失阈值，则边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端。
本发明实施例的第二方面，提供了一种基于神经网络的变电站远程智能巡检系统，包括：
云端分析模型获取单元，用于从云端获取实时更新后的云端变电站巡检数据分析模型；
边缘端分析模型获取单元，用于基于实时更新后的数据库中的第一监测数据、第二监测数据、第三监测数据对分析模型进行更新，获取更新后的边缘端变电站巡检数据分析模型；
监测数据分析单元，用于基于更新后的边缘端变电站巡检数据分析模型对新接收的监测数据进行分析；
数据上传判断单元，用于判断边缘端变电站巡检数据分析模型的模型参数与云端变电站巡检数据分析模型的差异是否符合预设条件；
数据上传单元，用于将边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端，以使云端实时更新云端变电站巡检数据分析模型，回到边缘端分析模型获取单元。
本发明实施例的第三方面，提供了一种电子设备，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如第一方面所述的基于神经网络的变电站远程智能巡检方法。
本发明实施例的第四方面，提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现如第一方面所述基于神经网络的变电站远程智能巡检方法的步骤。
本发明的一种基于神经网络的变电站远程智能巡检方法及系统，具备如下有益效果：本发明通过基于云边协同机制，实现巡检数据训练样本的自动上传和变电站巡检数据分析模型的定期更新，不断提升智能识别、判别的效率和准确性，持续赋能变电场景业务应用，联合对变电站巡检的多种监测数据对变电站实现实时监控、日常巡视、自动巡检、智能识别故障风险的综合管理，实现巡检数据的全面全面性和准确性。
附图说明
图1是本申请实施例中基于神经网络的变电站远程智能巡检方法的流程图；
图2是本申请实施例中基于神经网络的变电站远程智能巡检系统的结构图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，所描述的实施例不应视为对本发明的限制，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。
本申请实施例提供了一种基于神经网络的变电站远程智能巡检方法，包括：
(1)从云端获取实时更新后的云端变电站巡检数据分析模型；
(2)基于实时更新后的数据库中的第一监测数据、第二监测数据、第三监测数据对分析模型进行更新，获取更新后的边缘端变电站巡检数据分析模型；
(3)基于更新后的边缘端变电站巡检数据分析模型对新接收的监测数据进行分析；
(4)重复步骤(2)和(3)，判断边缘端变电站巡检数据分析模型的模型参数与云端变电站巡检数据分析模型的差异是否符合预设条件，若是，则进入步骤(5)；
(5)将边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端，以使云端实时更新云端变电站巡检数据分析模型，回到步骤(1)。
本申请实施例中，联合对变电站巡检的多种监测数据对变电站实现实时监控、日常巡视、自动巡检、智能识别故障风险的综合管理，实现“设备”自主巡检、“状态”就地研判、“风险”主动预警于一体的智慧运检系统。
本申请实施例的基于神经网络的变电站远程智能巡检方法，还包括：重复上述步骤(1)-(5)，实现云端和边缘端的变电站巡检数据分析模型的不断更新过程。本申请实施例基于云边协同机制，实现巡检数据训练样本的自动上传和变电站巡检数据分析模型的定期更新，不断提升智能识别、判别的效率和准确性，持续赋能变电场景业务应用。
具体的，云端变电站巡检数据分析模型部署到边缘端设备，边缘端设备根据自身设备特点和本地采集数据的特征进行模型更新，并且在达到预设条件时将本地采集数据和模型参数上传到云端，避免了大量无效数据的上传，减轻云端和边缘端监测数据和模型的更新业务量，并且基于上述步骤(2)和(3)边缘端设备实时根据自身采集的监测数据对模型进行更新，边缘计算距离数据源更近，变电站巡检数据分析任务和变电站巡检数据分析模型的更新任务均在边缘计算节点上进行，更加贴近数据源，减少了中间数据传输的过程，从而提高数据传输性能，保证实时处理，减少延迟时间，实现模型快速迭代的同时避免云端模型进行频繁更新的弊端。同时，在云端，会基于多个边缘端设备不定时上传的多个模型参数进行自身模型参数的更新，该更新基于覆盖了全部边缘端设备采集的监测数据进行，以使该更新后的模型更加具有全局性。
具体来说，上述第一监测数据包括主设备监控系统、一次设备在线监测系统、辅助设备全面监控系统的在线监测数据；
所述第二监测数据包括变电站视频图像监测数据；
所述第三监测数据包括巡检机器人巡检监测数据。
本申请实施例中，主设备监控系统的各类监测数据，包括PMU系统监测数据、继电保护装置监测数据等，一次设备在线监测系统的各类监测数据，包括主变油色谱在线监测、避雷器在线监测，铁芯接地电流在线监测等；辅助设备全面监控系统的的各类监测数据，包括无线烟感传感器传感数据、各类消防信息、无线温湿度传感器传感数据等。本申请实施例中通过将变电站线监测系统的在线监测数据、结合变电站视频图像监测数据和巡检机器人巡检监测数据，实现机器人、摄像机开展联合巡检作业，实现实时监控、自动巡检、变电站设备运行状态智能识别功能。
具体来说，上述(3)基于边缘端变电站巡检数据分析模型对新接收的监测数据进行分析，还包括：
对于新接收的第一监测数据、第二监测数据、第三监测数据进行联动确认数据的有效性和正确性,并进行关联分析。
本申请实施例中，基于实时监测数据、日常巡视数据、自动巡检数据、计划巡检数据等多方面监测数据进行综合，基于多方面监测数据进行变电站运行监控，实现更加全面的监控，通过对多方面监测数据的有效性、正确性判断及关联分析，提高了变电站设备运行状态分析的准确性。
进一步的，所述进行联动确认数据的有效性和正确性,并进行关联分析，包括：
基于监测数据分别获取故障属性集，基于第一故障属性集、第二故障属性集、第三故障属性集，获取同一设备的所有故障属性以及参数值；
判断故障属性中的重合项对应的参数值是否一致；
若不一致，则计算各个监测数据的置信度，并基于所述置信度对故障属性参数值进行融合。
本申请实施例中，通过第一监测数据、第二监测数据、第三监测数据进行联动确认数据的有效性和正确性，三方之间监测数据进行对比分析，判断对同一监测对象的监测数据的异同，根据故障监测结果确定数据的有效性和正确性，对于监测数据发生不一致的情况，考虑各个监测数据与实际数据相比的可信度大小，通过第一监测数据、第二监测数据、第三监测数据的对应的可信度，对三个监测数据进行融合。
进一步的，上述计算各个监测数据的置信度，包括：
基于第一监测数据、第二监测数据、第三监测数据与参考数据，训练置信度预测模型；
基于所述置信度预测模型输出各个监测数据的置信度；
所述置信度预测模型的获取方法包括：
将监测数据与参考数据的差值计算各个监测数据的理论置信度；
以第一监测数据、第二监测数据、第三监测数据作为待训练置信度预测模型的输入，以所述理论置信度作为输入数据的标注数据，进行网络模型训练，获取置信度预测模型。
本申请实施例中，基于历史的第一监测数据、第二监测数据、第三监测数据训练各个监测数据与参考数据相比各自的置信度，其中各个监测数据的理论置信度，可以分别获取第一监测数据与参考数据的差值、第二监测数据与参考数据的差值、第三监测数据与参考数据的差值，并对三个差值进行归一化，获取各个监测数据的理论置信度，可以理解，在第一监测数据、第二监测数据、第三监测数据的不同分布状态下，第一监测数据、第二监测数据、第三监测数据的置信度也不相同，在三个监测数据的分布比较离散时，三者的置信度差值也比较大，在三个监测数据的分布比较集中时，三者的置信度的差值也比较小，表征此时三个监测数据都比较接近实际值。
进一步的，上述进行联动确认数据的有效性和正确性,并进行关联分析，还包括：
基于每次监测数据，获取相邻两次监测数据的变化数据集；
基于每个变化数据集，获取每次监测数据中的冗余项数据；
基于去除冗余项数据的监测数据作为变电站巡检数据分析模型的输入数据的原始数据。
本申请实施例中，基于每个变化数据集，可以获取关联的变化项，比如在每个变化数据集中同时出现的变化数据项，可以判定该同时出现的变化数据项具有同步关系，对于变电站设备的运行状态分析来说，考虑该同时出现的变化数据项之间具有冗余关系，即基于每个变化数据集，获取同步变化数据项，确定每次监测数据中的冗余项数据。
具体来说，上述(4)判断边缘端变电站巡检数据分析模型的模型参数与云端变电站巡检数据分析模型的差异是否符合预设条件，包括：
针对当前模型参数和上一时刻模型参数进行分析，利用相似性算法，计算两个模型参数的第一相似性；
若第一相似性小于预设相似性阈值，则将边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端；
否则，判断两个模型参数的交叉熵损失函数，若交叉熵损失函数大于预设交叉熵损失阈值，则边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端。
本申请实施例中，对于变电站巡检数据分析模型的模型参数差异分析，先通过获取第一相似性判断两个模型参数的粗粒度的差异，若第一相似性数值较小，则说明当前时刻和上一时刻的两个模型参数差异很大需要将边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端，以使云端及时更新自身的变电站巡检数据分析模型。若第一相似性数值较大，则说明两个模型参数差异不大，进一步通过交叉熵损失函数判断两个模型参数的细粒度的差异，若交叉熵损失函数较小，则说明两个模型参数的差异很小，不需要将边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端，否则，需要及时上传数据到云端使云端及时更新自身的变电站巡检数据分析模型。
进一步，所述相似性算法，采用欧式距离。
具体的，本申请中的相似性算法，采用欧式距离，通过计算每层网络中的每个网络节点的模型参数的欧式距离，并统计每个网络层的欧式距离总和，基于不同网络层的欧式距离，进行融合获取整个变电站巡检数据分析模型的模型参数的第一相似性，基于第一相似性粗粒度获取两个模型参数的差异。
具体来说，上述对云端变电站巡检数据分析模型进行更新，包括：
基于本地存储的历史的变电站巡检数据分析模型的历史模型参数，将多个历史模型参数进行融合，获取基础模型参数；
基于所述基础模型参数，结合训练样本数据库中的训练样本，进行模型参数更新，获取更新后的变电站巡检数据分析模型；
所述将多个历史模型参数进行融合，获取基础模型参数，包括：
按照历史模型参数的时序关系，对历史模型参数进行排序；
获取历史t时刻模型参数的稳定性参数和历史t时刻与当前时刻的时间差参数；
基于所述稳定性参数和时间差参数确定历史t时刻模型参数的缩放系数；
基于所述t时刻模型参数的缩放系数对t时刻模型参数进行缩放，获取缩放后的t时刻模型参数，融合所有缩放后的不同时刻的模型参数，获取基础模型参数。
本申请实施例中，对云端变电站巡检数据分析模型进行更新时，基础模型参数中融合了历史多个时刻的模型参数，考虑了历史不同时刻的模型参数对当前时刻模型参数的影响，具体的，在考虑历史不同时刻的模型参数对当前时刻模型参数的影响时，基于t时刻模型参数的稳定性参数考虑，可以理解，t时刻模型参数越稳定，则该数据对当前时刻模型参数的影响越大，同时还基于历史t时刻与当前时刻的时间差参数考虑，可以理解，历史t时刻与当前时刻的时间差越长，则t时刻模型参数对当前时刻模型参数的影响越小。
本申请实施例还提供了一种基于神经网络的变电站远程智能巡检系统，包括：
云端分析模型获取单元，用于从云端获取实时更新后的云端变电站巡检数据分析模型；
边缘端分析模型获取单元，用于基于实时更新后的数据库中的第一监测数据、第二监测数据、第三监测数据对分析模型进行更新，获取更新后的边缘端变电站巡检数据分析模型，具体的，该边缘端分析模型获取单元还包括边缘端分析模型更新单元，用于基于实时更新后的数据库中的第一监测数据、第二监测数据、第三监测数据对分析模型进行更新；
监测数据分析单元，用于基于更新后的边缘端变电站巡检数据分析模型对新接收的监测数据进行分析；
数据上传判断单元，用于判断边缘端变电站巡检数据分析模型的模型参数与云端变电站巡检数据分析模型的差异是否符合预设条件；
数据上传单元，用于将边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端，以使云端实时更新云端变电站巡检数据分析模型，回到边缘端分析模型获取单元。
关于一种基于神经网络的变电站远程智能巡检系统的具体限定可以参见上文中对于一种基于神经网络的变电站远程智能巡检方法的限定，在此不再赘述。上述基于神经网络的变电站远程智能巡检系统中的各个单元可全部或部分通过软件、硬件及其组合来实现。上述各单元可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个单元对应的操作。
本申请实施例还提供了一种电子设备，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如上述的基于神经网络的变电站远程智能巡检方法。
当然，该电子设备还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该电子设备还可以包括其他用于实现设备功能的部件，在此不做赘述。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述指令被处理器执行时实现如上述的基于神经网络的变电站远程智能巡检方法的步骤。例如，该计算机可读存储介质可以是只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、只读光盘(compact disc read-only memory，CD-ROM)、磁带、软盘和光数据存储节点等。
本发明不局限于上述具体的实施方式，本领域的普通技术人员从上述构思出发，不经过创造性的劳动，所做出的种种变换，均落在本发明的保护范围之内。

Claims (10)

1.基于神经网络的变电站远程智能巡检方法，其特征在于，包括：
(1)从云端获取实时更新后的云端变电站巡检数据分析模型；
(2)基于实时更新后的数据库中的第一监测数据、第二监测数据、第三监测数据对分析模型进行更新，获取更新后的边缘端变电站巡检数据分析模型；
(3)基于更新后的边缘端变电站巡检数据分析模型对新接收的监测数据进行分析；
(4)重复步骤(2)和(3)，判断边缘端变电站巡检数据分析模型的模型参数与云端变电站巡检数据分析模型的差异是否符合预设条件，若是，则进入步骤(5)；
(5)将边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端，以使云端实时更新云端变电站巡检数据分析模型，回到步骤(1)。
2.根据权利要求1所述的基于神经网络的变电站远程智能巡检方法，其特征在于，所述第一监测数据包括主设备监控系统、一次设备在线监测系统、辅助设备全面监控系统的在线监测数据；
所述第二监测数据包括变电站视频图像监测数据；
所述第三监测数据包括巡检机器人巡检监测数据。
3.根据权利要求1所述的基于神经网络的变电站远程智能巡检方法，其特征在于，所述(3)，还包括：
对于新接收的第一监测数据、第二监测数据、第三监测数据进行联动确认数据的有效性和正确性,并进行关联分析。
4.根据权利要求3所述的基于神经网络的变电站远程智能巡检方法，其特征在于，所述进行联动确认数据的有效性和正确性,并进行关联分析，包括：
基于监测数据分别获取故障属性集，基于第一故障属性集、第二故障属性集、第三故障属性集，获取同一设备的所有故障属性以及参数值；
判断故障属性中的重合项对应的参数值是否一致；
若不一致，则计算各个监测数据的置信度，并基于所述置信度对故障属性参数值进行融合。
5.根据权利要求4所述的基于神经网络的变电站远程智能巡检方法，其特征在于，所述计算各个监测数据的置信度，包括：
基于第一监测数据、第二监测数据、第三监测数据与参考数据，训练置信度预测模型；
基于所述置信度预测模型输出各个监测数据的置信度；
所述置信度预测模型的获取方法包括：
将监测数据与参考数据的差值计算各个监测数据的理论置信度；
以第一监测数据、第二监测数据、第三监测数据作为待训练置信度预测模型的输入，以所述理论置信度作为输入数据的标注数据，进行网络模型训练，获取置信度预测模型。
6.根据权利要求4所述的基于神经网络的变电站远程智能巡检方法，其特征在于，所述进行联动确认数据的有效性和正确性,并进行关联分析，还包括：
基于每次监测数据，获取相邻两次监测数据的变化数据集；
基于每个变化数据集，获取每次监测数据中的冗余项数据；
基于去除冗余项数据的监测数据作为变电站巡检数据分析模型的输入数据的原始数据。
7.根据权利要求1所述的基于神经网络的变电站远程智能巡检方法，其特征在于，所述(4)，包括：
针对当前模型参数和上一时刻模型参数进行分析，利用相似性算法，计算两个模型参数的第一相似性；
若第一相似性小于预设相似性阈值，则将边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端；
否则，判断两个模型参数的交叉熵损失函数，若交叉熵损失函数大于预设交叉熵损失阈值，则边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端。
8.基于神经网络的变电站远程智能巡检系统，其特征在于，包括：
云端分析模型获取单元，用于从云端获取实时更新后的云端变电站巡检数据分析模型；
边缘端分析模型获取单元，用于基于实时更新后的数据库中的第一监测数据、第二监测数据、第三监测数据对分析模型进行更新，获取更新后的边缘端变电站巡检数据分析模型；
监测数据分析单元，用于基于更新后的边缘端变电站巡检数据分析模型对新接收的监测数据进行分析；
数据上传判断单元，用于判断边缘端变电站巡检数据分析模型的模型参数与云端变电站巡检数据分析模型的差异是否符合预设条件；
数据上传单元，用于将边缘端变电站巡检数据分析模型的模型参数及新增的监测数据传输到云端，以使云端实时更新云端变电站巡检数据分析模型，回到边缘端分析模型获取单元。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如权利要求1-7中任一项所述的基于神经网络的变电站远程智能巡检方法。
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述基于神经网络的变电站远程智能巡检方法的步骤。
CN202111131490.5A 2021-09-26 2021-09-26 基于神经网络的变电站远程智能巡检方法及系统 Active CN113872328B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111131490.5A CN113872328B (zh) 2021-09-26 2021-09-26 基于神经网络的变电站远程智能巡检方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111131490.5A CN113872328B (zh) 2021-09-26 2021-09-26 基于神经网络的变电站远程智能巡检方法及系统

Publications (2)

Publication Number Publication Date
CN113872328A true CN113872328A (zh) 2021-12-31
CN113872328B CN113872328B (zh) 2023-07-07

Family

ID=78990867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111131490.5A Active CN113872328B (zh) 2021-09-26 2021-09-26 基于神经网络的变电站远程智能巡检方法及系统

Country Status (1)

Country Link
CN (1) CN113872328B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114389362A (zh) * 2022-01-17 2022-04-22 中山大学 基于邻域边缘监测互联的电力安全主动防误方法及系统
CN114548311A (zh) * 2022-02-28 2022-05-27 江苏亚力亚气动液压成套设备有限公司 基于人工智能的液压设备智能控制系统
CN114844925A (zh) * 2022-04-29 2022-08-02 青岛慧拓智能机器有限公司 无人矿山全域智能监测系统
CN115169605A (zh) * 2022-06-28 2022-10-11 国网山东省电力公司兰陵县供电公司 变电站一次设备的监测方法及系统
CN115242635A (zh) * 2022-07-26 2022-10-25 国网四川省电力公司电力科学研究院 电力物联网ai赋能云边协同中间件及系统
CN115693916A (zh) * 2022-09-07 2023-02-03 国网安徽省电力有限公司宿州供电公司 一种变电站直流电源智能在线监测方法及系统
CN116328244A (zh) * 2023-03-21 2023-06-27 江苏智慧工场技术研究院有限公司 一种消防巡检方法、系统及存储介质
CN117596209A (zh) * 2024-01-19 2024-02-23 湖南德意电气有限公司 一种高低压配电环境运行参数实时监测预警系统
CN117934931A (zh) * 2024-01-16 2024-04-26 广州杰鑫科技股份有限公司 一种模型更新方法、装置、光缆智能运维系统和存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110213744A1 (en) * 2010-02-26 2011-09-01 General Electric Company Systems and methods for asset condition monitoring in electric power substation equipment
US20160352103A1 (en) * 2015-05-28 2016-12-01 Itron, Inc. Automatic Network Device Electrical Phase Identification
CN111146865A (zh) * 2019-12-25 2020-05-12 上海电力大学 一种电力设备运维状态智能监测系统
CN111510688A (zh) * 2020-05-19 2020-08-07 国网上海市电力公司 一种带无人巡检功能的变电站智能辅控方法
CN111784026A (zh) * 2020-05-28 2020-10-16 国网信通亿力科技有限责任公司 基于云边端协同感知的变电站电气设备全方位体检系统
CN112187861A (zh) * 2020-08-31 2021-01-05 海南电网有限责任公司电力科学研究院 一种用于变电站巡检的方法及系统
CN112257632A (zh) * 2020-10-29 2021-01-22 国网山西省电力公司检修分公司 一种基于边缘计算的变电站监测系统
CN112311097A (zh) * 2020-11-03 2021-02-02 国网智能科技股份有限公司 变电站在线智能巡视集中监控系统及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110213744A1 (en) * 2010-02-26 2011-09-01 General Electric Company Systems and methods for asset condition monitoring in electric power substation equipment
US20160352103A1 (en) * 2015-05-28 2016-12-01 Itron, Inc. Automatic Network Device Electrical Phase Identification
CN111146865A (zh) * 2019-12-25 2020-05-12 上海电力大学 一种电力设备运维状态智能监测系统
CN111510688A (zh) * 2020-05-19 2020-08-07 国网上海市电力公司 一种带无人巡检功能的变电站智能辅控方法
CN111784026A (zh) * 2020-05-28 2020-10-16 国网信通亿力科技有限责任公司 基于云边端协同感知的变电站电气设备全方位体检系统
CN112187861A (zh) * 2020-08-31 2021-01-05 海南电网有限责任公司电力科学研究院 一种用于变电站巡检的方法及系统
CN112257632A (zh) * 2020-10-29 2021-01-22 国网山西省电力公司检修分公司 一种基于边缘计算的变电站监测系统
CN112311097A (zh) * 2020-11-03 2021-02-02 国网智能科技股份有限公司 变电站在线智能巡视集中监控系统及方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114389362A (zh) * 2022-01-17 2022-04-22 中山大学 基于邻域边缘监测互联的电力安全主动防误方法及系统
CN114389362B (zh) * 2022-01-17 2022-11-01 中山大学 基于邻域边缘监测互联的电力安全主动防误方法及系统
CN114548311B (zh) * 2022-02-28 2022-12-02 江苏亚力亚气动液压成套设备有限公司 基于人工智能的液压设备智能控制系统
CN114548311A (zh) * 2022-02-28 2022-05-27 江苏亚力亚气动液压成套设备有限公司 基于人工智能的液压设备智能控制系统
CN114844925A (zh) * 2022-04-29 2022-08-02 青岛慧拓智能机器有限公司 无人矿山全域智能监测系统
CN114844925B (zh) * 2022-04-29 2024-04-05 青岛慧拓智能机器有限公司 无人矿山全域智能监测系统
CN115169605A (zh) * 2022-06-28 2022-10-11 国网山东省电力公司兰陵县供电公司 变电站一次设备的监测方法及系统
CN115169605B (zh) * 2022-06-28 2023-06-20 国网山东省电力公司兰陵县供电公司 变电站一次设备的监测方法及系统
CN115242635A (zh) * 2022-07-26 2022-10-25 国网四川省电力公司电力科学研究院 电力物联网ai赋能云边协同中间件及系统
CN115693916A (zh) * 2022-09-07 2023-02-03 国网安徽省电力有限公司宿州供电公司 一种变电站直流电源智能在线监测方法及系统
CN116328244A (zh) * 2023-03-21 2023-06-27 江苏智慧工场技术研究院有限公司 一种消防巡检方法、系统及存储介质
CN116328244B (zh) * 2023-03-21 2023-09-01 江苏智慧工场技术研究院有限公司 一种消防巡检方法、系统及存储介质
CN117934931A (zh) * 2024-01-16 2024-04-26 广州杰鑫科技股份有限公司 一种模型更新方法、装置、光缆智能运维系统和存储介质
CN117596209A (zh) * 2024-01-19 2024-02-23 湖南德意电气有限公司 一种高低压配电环境运行参数实时监测预警系统
CN117596209B (zh) * 2024-01-19 2024-03-26 湖南德意电气有限公司 一种高低压配电环境运行参数实时监测预警系统

Also Published As

Publication number Publication date
CN113872328B (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN113872328A (zh) 基于神经网络的变电站远程智能巡检方法及系统
CN107742125B (zh) 预测和防止在结构资产处的不利状况的深度机器学习
CN109800697B (zh) 基于VGG-net风格迁移的变压器目标检测与外观缺陷识别方法
CN110095661B (zh) 一种配电变压器高压侧缺相故障抢修方法
CN105427047A (zh) 输变电设备多维运维数据融合方法和系统
CN114880884A (zh) 一种基于数字化能源系统的专业化建模分析方法及系统
CN114897329A (zh) 一种输电线路巡检方法、装置、系统及存储介质
CN112202789B (zh) 一种变电站全景感知数据处理方法及系统
CN112186901A (zh) 一种变电站全景感知监控方法及系统
CN117726164A (zh) 一种基于多源数据融合的风险故障态势感知系统
CN116576852A (zh) 一种融合多源路网数据的森防救援智能导航系统
CN117761455A (zh) 基于故障测距的线路故障研判方法及系统
CN117951847B (zh) 一种利用边缘计算网关实现用电量计算的方法及系统
CN117113157B (zh) 一种基于人工智能的台区用电故障检测系统
CN117388893A (zh) 一种基于gps的多设备定位系统
CN117177096A (zh) 一种基于窄带卫星网络的高压输电线路监测方法及系统
CN115456168B (zh) 强化学习模型的训练方法、能耗确定方法和装置
CN115297302B (zh) 一种铁路变电所无人化系统
CN117013686A (zh) 一种新型配电网、配电部件运行监控方法及其系统
CN111857015B (zh) 输变电云端智能控制器
CN114821042A (zh) 一种联合局部特征和全局特征的r-fcn刀闸检测方法
CN115296193A (zh) 变电站智能巡检系统及方法
CN106980925B (zh) 一种基于大数据的区域电网调度方法
CN113435802B (zh) 输电网监测规划方案构建方法、装置、设备和存储介质
CN117575291B (zh) 基于边缘参数熵的联邦学习的数据协同管理方法

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