CN114169553A - 基于多源信息的设备状态智能判定方法及装置 - Google Patents
基于多源信息的设备状态智能判定方法及装置 Download PDFInfo
- Publication number
- CN114169553A CN114169553A CN202111523583.2A CN202111523583A CN114169553A CN 114169553 A CN114169553 A CN 114169553A CN 202111523583 A CN202111523583 A CN 202111523583A CN 114169553 A CN114169553 A CN 114169553A
- Authority
- CN
- China
- Prior art keywords
- target
- defect
- target equipment
- equipment
- type
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000007547 defect Effects 0.000 claims abstract description 422
- 238000004364 calculation method Methods 0.000 claims abstract description 75
- 238000012423 maintenance Methods 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 17
- 238000007689 inspection Methods 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 13
- 230000009286 beneficial effect Effects 0.000 abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000009529 body temperature measurement Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于多源信息的设备状态智能判定方法及装置,该方法包括:采集待判定的目标设备的缺陷数据集合;分析目标设备的缺陷数据集合,得到目标设备的缺陷类型;根据目标设备的缺陷类型,确定与目标设备的缺陷类型相关联的计算规则;根据与目标设备的缺陷类型相关联的计算规则,计算目标设备的缺陷类型的缺陷数据所对应的计算结果,作为目标设备的设备状态。可见,实施本发明能够无需依赖于人工对目标设备的缺陷数据进行多次分析以及人工对目标设备的设备状态进行判定,简化了设备状态的判定工作流程,这样,不仅有利于提高设备状态判定工作的效率,从而提高所获得的设备状态结果的时效性,而且有利于提升所获得的设备状态结果的准确性。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于多源信息的设备状态智能判定方法及装置。
背景技术
随着电网规模不断扩大,供电线路的安全稳定运行对电力系统的可靠性以及国民经济的持续发展越来越重要。供电线路作为电力系统中电能传输的重要部分,对供电线路的设备状态情况进行有效以及准确的判定,有利于后续对供电线路设备制定合理的运维计划,使得电力系统能够持续地健康运行。
目前,供电线路的设备越来越多且不断升级改造,使得供电线路的设备状态判定工作要求越来越高。当前,供电线路的设备状态判定工作还是依赖于人工对供电设备进行巡视以及采集有限数量的供电设备缺陷数据来进行,这样,大大增加了相关工作人员的工作量,不利于提高对供电线路的设备状态判定效率以及准确性。可见,提供一种快速且准确的供电线路的设备状态判定方法尤为重要。
发明内容
本发明所要解决的技术问题在于,提供一种基于多源信息的设备状态智能判定的方法及装置,能够无需依赖人工判定设备状态,简化了设备状态的判定工作流程,有利于提高设备状态判定效率以及准确性。
为了解决上述技术问题,本发明第一方面公开了一种基于多源信息的设备状态智能判定方法,所述方法包括:
采集待判定的目标设备的缺陷数据集合;所述缺陷数据集合包括至少一种数据类型的缺陷数据,每种所述数据类型的缺陷数据数量至少为1;
分析所述目标设备的缺陷数据集合,得到所述目标设备的缺陷类型;
根据所述目标设备的缺陷类型,确定与所述目标设备的缺陷类型相关联的计算规则;
根据与所述目标设备的缺陷类型相关联的计算规则,计算所述目标设备的缺陷类型的缺陷数据所对应的计算结果,作为所述目标设备的设备状态;所述目标设备的设备状态包括所述目标设备的当前健康度。
作为一种可选的实施方式,在本发明第一方面中,在所述采集待判定的目标设备的缺陷数据集合之前,所述方法还包括:
确定待判定的目标设备的设备参数;所述目标设备的设备参数包括所述目标设备的设备类型和/或所述目标设备的负载情况;
根据所述目标设备的设备参数,计算所述目标设备的缺陷数据采集危险度;
根据所述目标设备的缺陷数据采集危险度,确定所述目标设备的缺陷数据采集方式;所述缺陷数据采集方式包括机巡缺陷数据采集方式和/或人巡缺陷数据采集方式;
其中,所述采集待判定的目标设备的缺陷数据集合,包括:
根据所述目标设备的缺陷数据采集方式,采集所述目标设备的缺陷数据集合。
作为一种可选的实施方式,在本发明第一方面中,在所述根据与所述目标设备的缺陷类型相关联的计算规则,计算所述目标设备的缺陷类型的缺陷数据所对应的计算结果,作为所述目标设备的设备状态之后,所述方法还包括:
确定所述目标设备所在的目标线路层级;
根据所述目标设备所在的目标线路层级以及所述目标设备的设备状态,生成所述目标设备的运维计划信息,以使相应的运维人员对所述目标设备进行运维;所述目标设备的运维计划信息包括所述目标设备所需处理的缺陷类型的标识、所述目标设备所需处理的缺陷类型的处理顺序以及所述目标设备所需处理的缺陷类型的处理时长中的至少一种信息。
作为一种可选的实施方式,在本发明第一方面中,所述确定所述目标设备所在的目标线路层级,包括:
根据所述目标设备所在的目标线路的工作范围,确定所述目标设备所在的目标线路的第一权重;
根据所述目标设备所在的目标线路的管辖信息,确定所述目标设备所在的目标线路的第二权重;
根据所述目标设备所在的目标线路所对应的所述第一权重以及所对应的所述第二权重,确定所述目标设备所在的目标线路层级。
作为一种可选的实施方式,在本发明第一方面中,所述分析所述目标设备的缺陷数据集合,得到所述目标设备的缺陷类型,包括:
根据所述目标设备的缺陷数据集合,提取所述目标设备的缺陷数据集合的缺陷特征;
分析所述目标设备的缺陷数据集合的缺陷特征,得到所述目标设备的缺陷数据集合的缺陷特征的分析结果,作为所述目标设备的缺陷类型。
作为一种可选的实施方式,在本发明第一方面中,所述根据所述目标设备的缺陷数据集合,提取所述目标设备的缺陷数据集合的缺陷特征,包括:
对于所述目标设备的所有所述数据类型的缺陷数据,并行判断所有所述数据类型的缺陷数据的缺陷特征是否为预设缺陷特征;
当判断结果为是时,提取每个数据类型的缺陷数据的缺陷特征,作为所述目标设备的缺陷数据集合的缺陷特征。
作为一种可选的实施方式,在本发明第一方面中,所述根据所述目标设备的缺陷类型,确定与所述目标设备的缺陷类型相关联的计算规则,包括:
确定所述目标设备的缺陷类型与所采集到的环境参数的第一关联关系,以及确定所述目标设备的缺陷类型与所采集到的所述目标设备的设备参数的第二关联关系;
根据所述目标设备的缺陷类型所对应的所述第一关联关系以及所对应的所述第二关联关系,确定与所述目标设备的缺陷类型相关联的计算规则。
本发明第二方面公开了一种基于多源信息的设备状态智能判定装置,所述装置包括:
采集模块,用于采集待判定的目标设备的缺陷数据集合;所述缺陷数据集合包括至少一种数据类型的缺陷数据,每种所述数据类型的缺陷数据数量至少为1;
分析模块,用于分析所述目标设备的缺陷数据集合,得到所述目标设备的缺陷类型;
确定模块,用于根据所述目标设备的缺陷类型,确定与所述目标设备的缺陷类型相关联的计算规则;
计算模块,用于根据与所述目标设备的缺陷类型相关联的计算规则,计算所述目标设备的缺陷类型的缺陷数据所对应的计算结果,作为所述目标设备的设备状态;所述目标设备的设备状态包括所述目标设备的当前健康度。
作为一种可选的实施方式,在本发明第二方面中,所述确定模块,还用于在所述采集模块采集待判定的目标设备的缺陷数据集合之前,确定待判定的目标设备的设备参数;所述目标设备的设备参数包括所述目标设备的设备类型和/或所述目标设备的负载情况;
所述计算模块,还用于根据所述目标设备的设备参数,计算所述目标设备的缺陷数据采集危险度;
所述确定模块,还用于根据所述目标设备的缺陷数据采集危险度,确定所述目标设备的缺陷数据采集方式;所述缺陷数据采集方式包括机巡缺陷数据采集方式和/或人巡缺陷数据采集方式;
其中,所述采集模块采集待判定的目标设备的缺陷数据集合的方式具体为:
根据所述目标设备的缺陷数据采集方式,采集所述目标设备的缺陷数据集合。
作为一种可选的实施方式,在本发明第二方面中,所述确定模块,还用于在所述计算模块根据与所述目标设备的缺陷类型相关联的计算规则,计算所述目标设备的缺陷类型的缺陷数据所对应的计算结果,作为所述目标设备的设备状态之后,确定所述目标设备所在的目标线路层级;
所述装置还包括:
信息生成模块,用于根据所述目标设备所在的目标线路层级以及所述目标设备的设备状态,生成所述目标设备的运维计划信息,以使相应的运维人员对所述目标设备进行运维;所述目标设备的运维计划信息包括所述目标设备所需处理的缺陷类型的标识、所述目标设备所需处理的缺陷类型的处理顺序以及所述目标设备所需处理的缺陷类型的处理时长中的至少一种信息。
作为一种可选的实施方式,在本发明第二方面中,所述确定模块确定所述目标设备所在的目标线路层级的方式具体为:
根据所述目标设备所在的目标线路的工作范围,确定所述目标设备所在的目标线路的第一权重;
根据所述目标设备所在的目标线路的管辖信息,确定所述目标设备所在的目标线路的第二权重;
根据所述目标设备所在的目标线路所对应的所述第一权重以及所对应的所述第二权重,确定所述目标设备所在的目标线路层级。
作为一种可选的实施方式,在本发明第二方面中,所述分析模块包括:
提取子模块,用于根据所述目标设备的缺陷数据集合,提取所述目标设备的缺陷数据集合的缺陷特征;
分析子模块,用于分析所述目标设备的缺陷数据集合的缺陷特征,得到所述目标设备的缺陷数据集合的缺陷特征的分析结果,作为所述目标设备的缺陷类型。
作为一种可选的实施方式,在本发明第二方面中,所述提取子模块根据所述目标设备的缺陷数据集合,提取所述目标设备的缺陷数据集合的缺陷特征的方式具体为:
对于所述目标设备的所有所述数据类型的缺陷数据,并行判断所有所述数据类型的缺陷数据的缺陷特征是否为预设缺陷特征;
当判断结果为是时,提取每个数据类型的缺陷数据的缺陷特征,作为所述目标设备的缺陷数据集合的缺陷特征。
作为一种可选的实施方式,在本发明第二方面中所述确定模块根据所述目标设备的缺陷类型,确定与所述目标设备的缺陷类型相关联的计算规则的方式具体为:
确定所述目标设备的缺陷类型与所采集到的环境参数的第一关联关系,以及确定所述目标设备的缺陷类型与所采集到的所述目标设备的设备参数的第二关联关系;
根据所述目标设备的缺陷类型所对应的所述第一关联关系以及所对应的所述第二关联关系,确定与所述目标设备的缺陷类型相关联的计算规则。
本发明第三方面公开了另一种基于多源信息的设备状态智能判定装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的基于多源信息的设备状态智能判定方法。
本发明第四方面公开了一种计算机可存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的基于多源信息的设备状态智能判定方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,采集待判定的目标设备的缺陷数据集合;分析目标设备的缺陷数据集合,得到目标设备的缺陷类型;根据目标设备的缺陷类型,确定与目标设备的缺陷类型相关联的计算规则;根据与目标设备的缺陷类型相关联的计算规则,计算目标设备的缺陷类型的缺陷数据所对应的计算结果,作为目标设备的设备状态。可见,实施本发明能够无需依赖于人工对目标设备的缺陷数据进行多次分析以及对目标设备的设备状态进行判定,大大节省了人力成本,简化了设备状态的判定工作流程,这样,不仅有利于提高设备状态判定工作的效率,从而提高所获得的设备状态结果的时效性,而且有利于提高设备状态判定工作的智能化,从而提升所获得的设备状态结果的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明实施例公开的一种基于多源信息的设备状态智能判定方法的流程示意图;
图2是本发明实施例公开的另一种基于多源信息的设备状态智能判定方法的流程示意图;
图3是本发明实施例公开的一种基于多源信息的设备状态智能判定装置的结构示意图;
图4是本发明实施例公开的另一种基于多源信息的设备状态智能判定装置的结构示意图;
图5是本发明实施例公开的又一种基于多源信息的设备状态智能判定装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于多源信息的设备状态智能判定方法及装置,能够无需依赖于人工对目标设备的缺陷数据进行多次分析以及对目标设备的设备状态进行判定,简化了设备状态的判定工作流程,这样,不仅有利于提高设备状态判定工作的效率,从而提高所获得的设备状态结果的时效性,而且有利于提升所获得的设备状态结果的准确性。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种基于多源信息的设备状态智能判定方法的流程示意图。其中,图1所描述的基于多源信息的设备状态智能判定方法可以应用于电力设备状态的判定工作中,也可以应用于水利设备状态的判定工作,本发明实施例不做限定。可选的,该方法可以由设备状态判定系统实现,也可以由设备状态判定装置实现,该设备状态判定装置可以集成在设备状态判定设备中,本发明实施例不做限定。如图1所示,该基于多源信息的设备状态智能判定方法可以包括以下操作:
101、采集待判定的目标设备的缺陷数据集合。
本发明实施例中,可选的,可以采用机巡方式(如直升机、无人机等)对待判定的目标设备的缺陷数据集合进行采集,也可以采用人巡方式对待判定的目标设备的缺陷数据集合进行采集。进一步可选的,根据对应的一种或多种采集方式,所得到的缺陷数据集合可以包括至少一种数据类型的缺陷数据,每种数据类型的缺陷数据数量至少为1,即数据类型可以与采集方式所对应。
102、分析目标设备的缺陷数据集合,得到目标设备的缺陷类型。
本发明实施例中,可选的,每种数据类型的缺陷数据可以以以下方式显示:隐患编号/单位/线路名称/电压或水压等级/杆塔或水塔区段/隐患类型/隐患内容。进一步的,通过分析不同采集方式所得到的所有数据类型的缺陷数据,可以反映出目标设备的同一种缺陷类型,也可以反映出目标设备的多种缺陷类型。
103、根据目标设备的缺陷类型,确定与目标设备的缺陷类型相关联的计算规则。
本发明实施例中,可选的,确定与目标设备的缺陷类型相关联的计算规则可以包括:根据目标设备的缺陷类型,确定该缺陷类型对目标设备运行情况的重要程度;根据该缺陷类型对目标设备运行情况的重要程度,确定该缺陷类型对应的扣分数值,作为与目标设备的缺陷类型相关联的计算规则。具体的,当确定了杆塔的导线金具出现缺陷时,会影响杆塔的供电且提高杆塔供电时的危险性,因此该缺陷类型对目标设备运行情况的重要程度较高,可以对应高的扣分数值;当确定了杆塔的混凝土出现些许脱落的小缺陷时,对目标设备运行情况的重要程度相对没那么高,可以对应较低一些的扣分数值。进一步可选的,确定与目标设备的缺陷类型相关联的计算规则可以包括:根据目标设备的缺陷类型,确定引起该缺陷类型的内在影响因子以及外在影响因子;确定内在影响因子对该缺陷类型的第一权重以及确定外在影响因子对该缺陷类型的第二权重;根据第一权重以及第二权重,确定与目标设备的缺陷类型相关联的计算规则。这样,可以从缺陷类型自身、外在影响因子(如环境影响因子)或者内在影响因子(如设备负载影响因子)出发,来确定出与缺陷类型相关的计算规则。
104、根据与目标设备的缺陷类型相关联的计算规则,计算目标设备的缺陷类型的缺陷数据所对应的计算结果,作为目标设备的设备状态。
本发明实施例中,在确定了与目标设备的缺陷类型相关联的计算规则后,可以依据该缺陷类型对应的扣分数值对设备状态分数总值进行计算得到计算结果,从而得到目标设备的设备状态。举例来说,当杆塔的导线金具以及杆上的混凝土出现缺陷时,相对的,导线金具缺陷可以对应20分的扣分数值,混凝土缺陷可以对应5分的扣分数值,以目标设备的设备状态正常情况下100分的总值来说,则当前目标设备的设备状态分值为75分。可选的,目标设备的设备状态可以包括目标设备的当前健康度,如上述说的当前目标设备的设备状态分值为75分,此设备状态分值可以为目标设备的当前健康度。
可见,实施本发明实施例一方面可以通过不同的巡视方式采集设备的缺陷数据,得到不同数据类型的缺陷数据,依据多种数据类型的缺陷数据,能够全面地对设备的设备缺陷进行识别,从而提升所得到的设备状态判定结果的可靠性以及准确性,另一方面,通过制定与缺陷类型相关的评分准则,可以更加直观地对设备状态进行判定,从而快速地得到设备状态的判定结果。
在一个可选的实施例中,在上述步骤101采集待判定的目标设备的缺陷数据集合之前,该方法还可以包括:
确定待判定的目标设备的设备参数;
根据目标设备的设备参数,计算目标设备的缺陷数据采集危险度;
根据目标设备的缺陷数据采集危险度,确定目标设备的缺陷数据采集方式;缺陷数据采集方式包括机巡缺陷数据采集方式和/或人巡缺陷数据采集方式。
在该可选的实施例中,可选的,目标设备的设备参数可以包括目标设备的设备类型和/或目标设备的负载情况。进一步可选的,目标设备的设备类型可以是供电设备,如发电机、杆塔、变压器等,也可以是水利设备,如水力分级器、污水处理器等;而目标设备的负载情况可以是指供电设备的电压等级,也可以是水利设备受到的水压等级等。进一步的,根据目标设备的设备参数,可以分析在对目标设备的缺陷数据进行采集时的危险程度,从而根据分析出的危险程度来确定缺陷数据的采集方式。举例来说,由于杆塔一般处于比较空旷的地方,且本身杆塔高度较高、负载电压比较高,若采取人工巡视方式进行采集,则对于工作人员来说危险程度极高,此时可以采用机巡的数据采集方式进行采集。再进一步的,机巡缺陷数据采集方式可以是采用无人机或是直升机来采集,同时,可以将红外测温技术、激光点云建模技术、在线监测技术、图像识别技术中的至少一种技术结合到机巡缺陷数据采集方式中。
可见,该可选的实施例可以通过分析目标设备采集数据的危险程度来确定采集方式,使得在采集目标设备的缺陷数据时能够降低工作人员的作业风险,且能够提升采集方式确定的智能化以及全面性,从而提升在确定采集方式时的用户体验。
在另一个可选的实施例中,上述步骤101中的采集待判定的目标设备的缺陷数据集合,可以包括:
根据目标设备的缺陷数据采集方式,采集目标设备的缺陷数据集合。
在该可选的实施例中,可选的,可以在目标设备的设备参数变化趋势稳定的情况下,根据历史的目标设备的缺陷数据采集方式,来采集目标设备的缺陷数据集合;也可以是在目标设备的设备参数变化趋势波动较大的情况下,每次采集前,根据待判定的目标设备的设备参数,来确定采集时的危险度,进而确定出目标设备的缺陷数据采集方式,从而根据目标设备的缺陷数据采集方式,采集每次的目标设备的缺陷数据集合。
可见,该可选的实施例可以根据具体需求,有依据以及灵活地确定目标设备的缺陷数据采集方式,进一步提升采集方式确定步骤的智能化,从而提高后续所得到的目标设备的缺陷数据集合的可靠性以及准确性。
实施例二
请参阅图2,图2是本发明实施例公开的另一种基于多源信息的设备状态智能判定方法的流程示意图。其中,图2所描述的基于多源信息的设备状态智能判定方法可以应用于电力设备状态的判定工作中,也可以应用于水利设备状态的判定工作,本发明实施例不做限定。可选的,该方法可以由设备状态判定系统实现,也可以由设备状态判定装置实现,该设备状态判定装置可以集成在设备状态判定设备中,本发明实施例不做限定。如图2所示,该基于多源信息的设备状态智能判定方法可以包括以下操作:
201、采集待判定的目标设备的缺陷数据集合。
202、分析目标设备的缺陷数据集合,得到目标设备的缺陷类型。
203、根据目标设备的缺陷类型,确定与目标设备的缺陷类型相关联的计算规则。
204、根据与目标设备的缺陷类型相关联的计算规则,计算目标设备的缺陷类型的缺陷数据所对应的计算结果,作为目标设备的设备状态。
本发明实施例中,针对步骤201-步骤204的其它描述,请参照实施例一中针对步骤101-步骤104的详细描述,本发明实施例不再赘述。
205、确定目标设备所在的目标线路层级。
本发明实施例中,可选的,目标设备所在的目标线路层级可以根据目标线路的重要程度分为一级、二级、三级不等,层级越高,级数越高。进一步可选的,目标设备所在的目标线路层级可以根据目标线路的工作范围和/或目标线路的管辖信息来确定。举例来说,如某供电设备所在的供电线路是由市级管辖,则可以定为二级层级,若是由省级管辖,则可以定为三级层级。
206、根据目标设备所在的目标线路层级以及目标设备的设备状态,生成目标设备的运维计划信息,以使相应的运维人员对目标设备进行运维。
本发明实施例中,可选的,目标设备的运维计划信息可以包括目标设备所需处理的缺陷类型的标识、目标设备所需处理的缺陷类型的处理顺序以及目标设备所需处理的缺陷类型的处理时长中的至少一种信息。进一步可选的,当目标设备所在的目标线路层级较高以及目标设备的设备状态较为严峻时,可以优先处理、适应延长处理时长段;而当目标设备所在的目标线路层级较低以及目标设备的设备状态为一般时,可以后面处理、适应缩短处理时长段。
可见,实施本发明实施例能够通过目标设备所在的目标线路层级以及目标设备的设备状态来确定该目标设备的处理优先级,这样可以有序地对每个目标设备确定运维计划信息,减少对设备进行运维工作时的紊乱情况出现,从而提高所确定出的运维计划的可靠性以及准确性。
在一个可选的实施例中,上述步骤205中的确定目标设备所在的目标线路层级,可以包括:
根据目标设备所在的目标线路的工作范围,确定目标设备所在的目标线路的第一权重;
根据目标设备所在的目标线路的管辖信息,确定目标设备所在的目标线路的第二权重;
根据目标设备所在的目标线路所对应的第一权重以及所对应的第二权重,确定目标设备所在的目标线路层级。
在该可选的实施例中,可选的,可以分别依据目标设备所在的目标线路的工作范围以及目标设备所在的目标线路的管辖信息对目标设备所在的目标线路的权重,来确定目标设备所在的目标线路层级。进一步可选的,目标设备所在的目标线路的工作范围可以根据目标设备所在的目标线路正常或异常工作时的工作区域来确定。同样可选的,目标设备所在的目标线路的管辖信息可以是指该目标线路是由县级或市级或省级来管辖。
可见,该可选的实施例可以通过与目标线路相关的因子来确定目标设备所在的目标线路层级,这样可以有依据以及智能化确定目标线路层级,进而精确地确定出目标线路层级,从而有利于后续运维信息的准确确定。
在另一个可选的实施例中,上述步骤202中的分析目标设备的缺陷数据集合,得到目标设备的缺陷类型,可以包括:
根据目标设备的缺陷数据集合,提取目标设备的缺陷数据集合的缺陷特征;
分析目标设备的缺陷数据集合的缺陷特征,得到目标设备的缺陷数据集合的缺陷特征的分析结果,作为目标设备的缺陷类型。
在该可选的实施例中,可选的,目标设备的缺陷数据集合可以包括一种或多种的缺陷特征。进一步的,通过对缺陷特征的提取以及分析,可以得到缺陷特征所指向的缺陷类型。举例来说,通过红外测温的数据采集方式对杆塔的缺陷数据进行采集,在确定该杆塔的金具部分出现高温情况之后,可以将高温作为缺陷特征来分析,分析该缺陷特征是否指向某一缺陷类型。
可见,该可选的实施例可以通过对设备缺陷数据集合的缺陷特征的提取以及分析来确定该设备的缺陷类型,无需人工进行分析,可以提高所得到的缺陷类型结果的可靠性,从而提高该缺陷类型结果的准确性,且可以提高缺陷数据集合的分析工作效率。
在又一个可选的实施例中,上述步骤中的根据目标设备的缺陷数据集合,提取目标设备的缺陷数据集合的缺陷特征,可以包括:
对于目标设备的所有数据类型的缺陷数据,并行判断所有数据类型的缺陷数据的缺陷特征是否为预设缺陷特征;
当判断结果为是时,提取每个数据类型的缺陷数据的缺陷特征,作为目标设备的缺陷数据集合的缺陷特征。
在该可选的实施例中,可选的,可以对该目标设备的缺陷数据集合中的每种数据类型的缺陷数据的缺陷特征进行识别,并并行判断所有的数据类型的缺陷数据的缺陷特征是否为预设缺陷特征。进一步可选的,当判断出该数据类型的缺陷数据的缺陷特征是预设缺陷特征时,再进行提取;当判断出该数据类型的缺陷数据的缺陷特征不是预设缺陷特征时,可以无需提取作为后续的分析。
可见,该可选的实施例可以有针对性地对每种数据类型的缺陷数据的缺陷特征进行识别,进而提高所得到的每种数据类型的缺陷数据的缺陷特征的可靠性,从而提高后续分析所有数据类型的缺陷数据的缺陷特征时的准确性。
在又一个可选的实施例中,上述步骤203中的根据目标设备的缺陷类型,确定与目标设备的缺陷类型相关联的计算规则,可以包括:
确定目标设备的缺陷类型与所采集到的环境参数的第一关联关系,以及确定目标设备的缺陷类型与所采集到的目标设备的设备参数的第二关联关系;
根据目标设备的缺陷类型所对应的第一关联关系以及所对应的第二关联关系,确定与目标设备的缺陷类型相关联的计算规则。
在该可选的实施例中,可选的,可以依据所采集到的、与目标设备的缺陷类型相关的环境参数与目标设备的缺陷类型的第一关联关系,以及所采集到的、与目标设备本身运行工作有关的设备参数与目标设备的缺陷类型的第二关联关系,来确定与目标设备的缺陷类型相关联的计算规则,即在制定与目标设备的缺陷类型相关联的计算规则时,可以从环境参数和设备参数两方面来考虑。举例来说,对于某种缺陷类型,可以是由于恶劣的环境引起的,也可以是由于设备本身负载过重引起的,还可以是由两种因素综合起来引起的,进而可以从这些方面来制定与缺陷类型相关的计算规则,从而可以综合多种因素来综合判定该目标设备的设备状态。进一步可选的,在得到该第一关联关系以及该第二关联关系后,可以根据该第一关联关系以及该第二关联关系,确定与该目标设备的缺陷类型相关的监控点。具体的,当确定出该目标设备的缺陷类型与该目标设备本身的负荷重载的关联关系时,可以以该目标设备本身的负荷重载作为监控关键点,这样,后续发现目标设备的负荷重载出现同样的情况时,可以推测出即将出现的目标设备的缺陷类型,从而制定可以延缓或防止该目标设备的缺陷类型出现的运维工作计划;同样的,当确定出该目标设备的缺陷类型与环境参数(如温度、湿度、风力等)的关联关系时,可以以环境参数作为监控关键点,这样,后续发现环境参数出现同样的情况时,同理可以推测出即将出现的目标设备的缺陷类型,从而制定可以延缓或防止该目标设备的缺陷类型出现的运维工作计划。
可见,该可选的实施例可以通过环境参数以及目标设备本身的设备参数,来综合确定与目标设备的缺陷类型相关联的计算规则,这样有利于提升所确定的计算规则的合理性,同时还有利于提升制定计算规则时的全面性,从而提高后续通过该计算规则所得到的设备状态结果的可靠性以及准确性。
实施例三
请参阅图3,图3是本发明实施例公开的一种基于多源信息的设备状态智能判定装置的结构示意图。如图3所示,该基于多源信息的设备状态智能判定装置可以包括:
采集模块301,用于采集待判定的目标设备的缺陷数据集合;
分析模块302,用于分析目标设备的缺陷数据集合,得到目标设备的缺陷类型;
确定模块303,用于根据目标设备的缺陷类型,确定与目标设备的缺陷类型相关联的计算规则;
计算模块304,用于根据与目标设备的缺陷类型相关联的计算规则,计算目标设备的缺陷类型的缺陷数据所对应的计算结果,作为目标设备的设备状态。
在该可选的实施例中,该缺陷数据集合包括至少一种数据类型的缺陷数据,每种数据类型的缺陷数据数量至少为1;该目标设备的设备状态包括目标设备的当前健康度。
可见,实施图3所描述的基于多源信息的设备状态智能判定装置一方面可以通过不同的巡视方式采集设备的缺陷数据,得到不同数据类型的缺陷数据,依据多种数据类型的缺陷数据,能够全面地对设备的设备缺陷进行识别,从而提升所得到的设备状态判定结果的可靠性以及准确性,另一方面,通过制定与缺陷类型相关的评分准则,可以更加直观地对设备状态进行判定,从而快速地得到设备状态的判定结果。
在一个可选的实施例中,确定模块303,还用于在采集模块301采集待判定的目标设备的缺陷数据集合之前,确定待判定的目标设备的设备参数;
计算模块304,还用于根据目标设备的设备参数,计算目标设备的缺陷数据采集危险度;
确定模块303,还用于根据目标设备的缺陷数据采集危险度,确定目标设备的缺陷数据采集方式。
在该可选的实施例中,该目标设备的设备参数包括目标设备的设备类型和/或目标设备的负载情况;该缺陷数据采集方式包括机巡缺陷数据采集方式和/或人巡缺陷数据采集方式。
可见,实施图4所描述的基于多源信息的设备状态智能判定装置可以通过分析目标设备采集数据的危险程度来确定采集方式,使得在采集目标设备的缺陷数据时能够降低工作人员的作业风险,且能够提升采集方式确定的智能化以及全面性,从而提升在确定采集方式时的用户体验。
在另一个可选的实施例中,上述采集模块301采集待判定的目标设备的缺陷数据集合的方式具体为:
根据目标设备的缺陷数据采集方式,采集目标设备的缺陷数据集合。
可见,实施图4所描述的基于多源信息的设备状态智能判定装置可以根据具体需求,有依据以及灵活地确定目标设备的缺陷数据采集方式,进一步提升采集方式确定步骤的智能化,从而提高后续所得到的目标设备的缺陷数据集合的可靠性以及准确性。
在又一个可选的实施例中,确定模块303,还用于在计算模块304根据与目标设备的缺陷类型相关联的计算规则,计算目标设备的缺陷类型的缺陷数据所对应的计算结果,作为目标设备的设备状态之后,确定目标设备所在的目标线路层级;
该装置还可以包括:
信息生成模块305,用于根据目标设备所在的目标线路层级以及目标设备的设备状态,生成目标设备的运维计划信息,以使相应的运维人员对目标设备进行运维。
在该可选的实施例中,该目标设备的运维计划信息包括目标设备所需处理的缺陷类型的标识、目标设备所需处理的缺陷类型的处理顺序以及目标设备所需处理的缺陷类型的处理时长中的至少一种信息。
可见,实施图4所描述的基于多源信息的设备状态智能判定装置能够通过目标设备所在的目标线路层级以及目标设备的设备状态来确定该目标设备的处理优先级,这样可以有序地对每个目标设备确定运维计划信息,减少对设备进行运维工作时的紊乱情况出现,从而提高所确定出的运维计划的可靠性以及准确性。
在又一个可选的实施例中,上述确定模块303确定目标设备所在的目标线路层级的方式具体为:
根据目标设备所在的目标线路的工作范围,确定目标设备所在的目标线路的第一权重;
根据目标设备所在的目标线路的管辖信息,确定目标设备所在的目标线路的第二权重;
根据目标设备所在的目标线路所对应的第一权重以及所对应的第二权重,确定目标设备所在的目标线路层级。
可见,实施图4所描述的基于多源信息的设备状态智能判定装置可以通过与目标线路相关的因子来确定目标设备所在的目标线路层级,这样可以有依据以及智能化确定目标线路层级,进而精确地确定出目标线路层级,从而有利于后续运维工作的顺利开展。
在又一个可选的实施例中,上述分析模块302可以包括:
提取子模块3021,用于根据目标设备的缺陷数据集合,提取目标设备的缺陷数据集合的缺陷特征;
分析子模块3022,用于分析目标设备的缺陷数据集合的缺陷特征,得到目标设备的缺陷数据集合的缺陷特征的分析结果,作为目标设备的缺陷类型。
可见,实施图4所描述的基于多源信息的设备状态智能判定装置可以通过对设备缺陷数据集合的缺陷特征的提取以及分析来确定该设备的缺陷类型,无需人工进行分析,可以提高所得到的缺陷类型结果的可靠性,从而提高该缺陷类型结果的准确性,且可以提高缺陷数据集合的分析工作效率。
在又一个可选的实施例中,上述提取子模块3021根据目标设备的缺陷数据集合,提取目标设备的缺陷数据集合的缺陷特征的方式具体为:
对于目标设备的所有数据类型的缺陷数据,并行判断所有数据类型的缺陷数据的缺陷特征是否为预设缺陷特征;
当判断结果为是时,提取每个数据类型的缺陷数据的缺陷特征,作为目标设备的缺陷数据集合的缺陷特征。
可见,实施图4所描述的基于多源信息的设备状态智能判定装置可以由针对性地对每种数据类型的缺陷数据的缺陷特征进行识别,进而提高所得到的每种数据类型的缺陷数据的缺陷特征的可靠性,从而提高后续分析所有数据类型的缺陷数据的缺陷特征时的准确性。
在又一个可选的实施例中,上述确定模块303根据目标设备的缺陷类型,确定与目标设备的缺陷类型相关联的计算规则的方式具体为:
确定目标设备的缺陷类型与所采集到的环境参数的第一关联关系,以及确定目标设备的缺陷类型与所采集到的目标设备的设备参数的第二关联关系;
根据目标设备的缺陷类型所对应的第一关联关系以及所对应的第二关联关系,确定与目标设备的缺陷类型相关联的计算规则。
可见,实施图4所描述的基于多源信息的设备状态智能判定装置可以通过环境参数以及目标设备本身的设备参数,来综合确定与目标设备的缺陷类型相关联的计算规则,这样有利于提升所确定的计算规则的合理性,同时还有利于提升制定计算规则时的全面性,从而提高后续通过该计算规则所得到的设备状态结果的可靠性以及准确性。
实施例四
请参阅图5,图5是本发明实施例公开的又一种基于多源信息的设备状态智能判定装置的结构示意图。如图5所示,该基于多源信息的设备状态智能判定装置可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
处理器402调用存储器401中存储的可执行程序代码,执行本发明实施例一或本发明实施例二所描述的基于多源信息的设备状态智能判定方法中的步骤。
实施例五
本发明实施例公开了一种计算机存储介质,该计算机存储介质存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一或本发明实施例二所描述的基于多源信息的设备状态智能判定方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的基于多源信息的设备状态智能判定方法中的步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种基于多源信息的设备状态智能判定方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种基于多源信息的设备状态智能判定方法,其特征在于,所述方法包括:
采集待判定的目标设备的缺陷数据集合;所述缺陷数据集合包括至少一种数据类型的缺陷数据,每种所述数据类型的缺陷数据数量至少为1;
分析所述目标设备的缺陷数据集合,得到所述目标设备的缺陷类型;
根据所述目标设备的缺陷类型,确定与所述目标设备的缺陷类型相关联的计算规则;
根据与所述目标设备的缺陷类型相关联的计算规则,计算所述目标设备的缺陷类型的缺陷数据所对应的计算结果,作为所述目标设备的设备状态;所述目标设备的设备状态包括所述目标设备的当前健康度。
2.根据权利要求1所述的基于多源信息的设备状态智能判定方法,其特征在于,在所述采集待判定的目标设备的缺陷数据集合之前,所述方法还包括:
确定待判定的目标设备的设备参数;所述目标设备的设备参数包括所述目标设备的设备类型和/或所述目标设备的负载情况;
根据所述目标设备的设备参数,计算所述目标设备的缺陷数据采集危险度;
根据所述目标设备的缺陷数据采集危险度,确定所述目标设备的缺陷数据采集方式;所述缺陷数据采集方式包括机巡缺陷数据采集方式和/或人巡缺陷数据采集方式;
其中,所述采集待判定的目标设备的缺陷数据集合,包括:
根据所述目标设备的缺陷数据采集方式,采集所述目标设备的缺陷数据集合。
3.根据权利要求1或2所述的基于多源信息的设备状态智能判定方法,其特征在于,在所述根据与所述目标设备的缺陷类型相关联的计算规则,计算所述目标设备的缺陷类型的缺陷数据所对应的计算结果,作为所述目标设备的设备状态之后,所述方法还包括:
确定所述目标设备所在的目标线路层级;
根据所述目标设备所在的目标线路层级以及所述目标设备的设备状态,生成所述目标设备的运维计划信息,以使相应的运维人员对所述目标设备进行运维;所述目标设备的运维计划信息包括所述目标设备所需处理的缺陷类型的标识、所述目标设备所需处理的缺陷类型的处理顺序以及所述目标设备所需处理的缺陷类型的处理时长中的至少一种信息。
4.根据权利要求3所述的基于多源信息的设备状态智能判定方法,其特征在于,所述确定所述目标设备所在的目标线路层级,包括:
根据所述目标设备所在的目标线路的工作范围,确定所述目标设备所在的目标线路的第一权重;
根据所述目标设备所在的目标线路的管辖信息,确定所述目标设备所在的目标线路的第二权重;
根据所述目标设备所在的目标线路所对应的所述第一权重以及所对应的所述第二权重,确定所述目标设备所在的目标线路层级。
5.根据权利要求4所述的基于多源信息的设备状态智能判定方法,其特征在于,所述分析所述目标设备的缺陷数据集合,得到所述目标设备的缺陷类型,包括:
根据所述目标设备的缺陷数据集合,提取所述目标设备的缺陷数据集合的缺陷特征;
分析所述目标设备的缺陷数据集合的缺陷特征,得到所述目标设备的缺陷数据集合的缺陷特征的分析结果,作为所述目标设备的缺陷类型。
6.根据权利要求5所述的基于多源信息的设备状态智能判定方法,其特征在于,所述根据所述目标设备的缺陷数据集合,提取所述目标设备的缺陷数据集合的缺陷特征,包括:
对于所述目标设备的所有所述数据类型的缺陷数据,并行判断所有所述数据类型的缺陷数据的缺陷特征是否为预设缺陷特征;
当判断结果为是时,提取每个数据类型的缺陷数据的缺陷特征,作为所述目标设备的缺陷数据集合的缺陷特征。
7.根据权利要求6所述的基于多源信息的设备状态智能判定方法,其特征在于,所述根据所述目标设备的缺陷类型,确定与所述目标设备的缺陷类型相关联的计算规则,包括:
确定所述目标设备的缺陷类型与所采集到的环境参数的第一关联关系,以及确定所述目标设备的缺陷类型与所采集到的所述目标设备的设备参数的第二关联关系;
根据所述目标设备的缺陷类型所对应的所述第一关联关系以及所对应的所述第二关联关系,确定与所述目标设备的缺陷类型相关联的计算规则。
8.一种基于多源信息的设备状态智能判定装置,其特征在于,所述装置包括:
采集模块,用于采集待判定的目标设备的缺陷数据集合;所述缺陷数据集合包括至少一种数据类型的缺陷数据,每种所述数据类型的缺陷数据数量至少为1;
分析模块,用于分析所述目标设备的缺陷数据集合,得到所述目标设备的缺陷类型;
确定模块,用于根据所述目标设备的缺陷类型,确定与所述目标设备的缺陷类型相关联的计算规则;
计算模块,用于根据与所述目标设备的缺陷类型相关联的计算规则,计算所述目标设备的缺陷类型的缺陷数据所对应的计算结果,作为所述目标设备的设备状态;所述目标设备的设备状态包括所述目标设备的当前健康度。
9.一种基于多源信息的设备状态智能判定装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-7任一项所述的基于多源信息的设备状态智能判定方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-7任一项所述的基于多源信息的设备状态智能判定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111523583.2A CN114169553A (zh) | 2021-12-14 | 2021-12-14 | 基于多源信息的设备状态智能判定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111523583.2A CN114169553A (zh) | 2021-12-14 | 2021-12-14 | 基于多源信息的设备状态智能判定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114169553A true CN114169553A (zh) | 2022-03-11 |
Family
ID=80486201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111523583.2A Pending CN114169553A (zh) | 2021-12-14 | 2021-12-14 | 基于多源信息的设备状态智能判定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114169553A (zh) |
-
2021
- 2021-12-14 CN CN202111523583.2A patent/CN114169553A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114640173B (zh) | 一种基于多特征量的变压器和发电机的预警模型 | |
CN111650921A (zh) | 一种智能电网调控控制系统设备故障诊断方法及系统 | |
CN108537394B (zh) | 一种智能电网实时安全预警方法和装置 | |
CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和系统 | |
CN111008778A (zh) | 一种台区计量点异常诊断方法及系统 | |
CN113903165B (zh) | 一种漏电预警方法、系统、装置和火灾预警系统 | |
CN109242322A (zh) | 基于数据分析的火力发电机组健康水平评估方法 | |
CN114723285A (zh) | 一种电网设备安全性评估预测方法 | |
CN116050599A (zh) | 一种线路覆冰故障预测方法、系统、存储介质及设备 | |
CN116418117A (zh) | 一种用于智能电网的设备检测系统 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN113806420A (zh) | 一种电网数据监测方法及装置 | |
CN116298684A (zh) | 一种配电网用故障研判定位系统 | |
CN116258332A (zh) | 一种多源数据的气象灾害预警方法及装置 | |
CN115912625A (zh) | 一种输电线路在线监测系统及方法 | |
CN108596450B (zh) | 电网风险预警方法和系统 | |
CN114154915A (zh) | 一种用于电力设备风险管控的数据处理方法及装置 | |
CN113313403B (zh) | 基于规模化大功率电动汽车充放电的配电网综合评价方法、设备、系统及存储介质 | |
CN116973694B (zh) | 配电网故障诊断优化方法及系统 | |
CN114169553A (zh) | 基于多源信息的设备状态智能判定方法及装置 | |
CN112595926A (zh) | 一种地区电网检修计划智能辨识及辅助编制的技术研究 | |
CN117034149A (zh) | 故障处理策略确定方法、装置、电子设备和存储介质 | |
CN110310048B (zh) | 一种配网规划全过程评估方法及装置 | |
CN114154591A (zh) | 基于多源信息的设备状态智能预警方法及装置 | |
CN103809076B (zh) | 输电线路故障处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |