CN114491931A - 数字孪生智能变电站系统故障的诊断方法及系统 - Google Patents
数字孪生智能变电站系统故障的诊断方法及系统 Download PDFInfo
- Publication number
- CN114491931A CN114491931A CN202111550889.7A CN202111550889A CN114491931A CN 114491931 A CN114491931 A CN 114491931A CN 202111550889 A CN202111550889 A CN 202111550889A CN 114491931 A CN114491931 A CN 114491931A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- module
- digital twin
- fault
- substation
- 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 44
- 238000003745 diagnosis Methods 0.000 claims abstract description 25
- 238000002405 diagnostic procedure Methods 0.000 claims abstract description 10
- 238000010586 diagram Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 5
- 238000007418 data mining Methods 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000001308 synthesis method 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
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Water Supply & Treatment (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明实施例提供一种数字孪生智能变电站系统故障的诊断方法及系统，属于变电站的故障诊断技术领域。所述诊断方法包括：构建变电站体系架构模型；基于所述变电站体系架构模型建立变电站的数字孪生模型；对所述数字孪生模型中的每个虚拟单元建立对应的约束及关联条件；获取所述变电站中至少一个设备对应的虚拟单元的故障信息；将所述故障信息代入所述约束及关联条件中，以更新所述数字孪生模型；基于更新后的所述数字孪生模型进行故障反推以得到所述故障信息对应的原因。该诊断方法及系统能够通过变电站的孪生模型准确判断变电站的故障原因。
Description
技术领域
本发明涉及变电站的故障诊断技术领域，具体地涉及一种数字孪生智能变电站系统故障的诊断方法及系统。
背景技术
变电站是指电力系统中对电压和电流进行变换，接受电能及分配电能的场所，而变电站的运行需要持续进行管理、看守、检查等，随着科技的发展，变电站管理系统从遥测逐渐走向智能，当下主流的变电站管理系统通常为巡检机器人结合监控设备进行工作。但是现有的变电站管理系统在使用时存在着一定的不足之处有待改善，首先，现有的变电站管理系统无法实现数字孪生，无法做到虚拟还原、防真预测的功效，存在着管理不便，使用不便等现象；其次，现有的变电站管理系统不具备环境监测以及人工动态监测功能，一方面无法了解变电站现场环境，另一方面也无法对维运人员的检测设备进行勘测，同时也无法检测维运人员身体状况，在维运人员出现触电现象的时候，无法及时采取救援措施。
发明内容
本发明实施例的目的是提供一种数字孪生智能变电站系统故障的诊断方法及系统，该诊断方法及系统能够通过变电站的孪生模型准确判断变电站的故障原因。
为了实现上述目的，本发明实施例提供一种数字孪生智能变电站系统故障的诊断方法，包括：
构建变电站体系架构模型；
基于所述变电站体系架构模型建立变电站的数字孪生模型；
对所述数字孪生模型中的每个虚拟单元建立对应的约束及关联条件；
获取所述变电站中至少一个设备对应的虚拟单元的故障信息；
将所述故障信息代入所述约束及关联条件中，以更新所述数字孪生模型；
基于更新后的所述数字孪生模型进行故障反推以得到所述故障信息对应的原因。
可选地，所述变电站架构模型包括智能设备层，包括智能仪表、巡检机器人、无线网络、智能终端、防误操作机器人、智能门禁、人员定位模块、智能穿戴设备、安防设备、智能摄像头及云台、测控装置、主变冷控系统、消防设备。
可选地，所述变电站架构模型包括智能控制层，包括SCADA模型、调度控制系统、温度检测系统、信号分析系统。
可选地，所述变电站架构模型包括智能监管层，包括信号建模模块、设备检测模块、故障预警模块、设备智能安全模块、检修过程管控模块、事故处理模块、运行优化模块、智能安全准入模块、安全控制模块、智能巡点检测模块、智能两票系统、智能视频检测模块、智能交班模块。
可选地，所述智能决策层包括智能决策模块、专家诊断模块、智能备件仓储模块、智能设备管理模块、智能运行管理模块、智能安全管理模块，智能培训管理模块、智能档案管理模块。
可选地，对所述数字孪生模型中的每个虚拟单元建立对应的约束及关联条件包括：
建立每个虚拟单元自身的约束及关联条件；
建立每两个虚拟单元之间的约束及关联条件。
可选地，建立每两个虚拟单元之间的约束及关联条件包括：
采用多agent及专家协同判断的方法将每两个所述虚拟单元通过运维人员的信息传递方式关联，以形成动态诊断网络。
可选地，基于更新后的所述数字孪生模型进行故障反推以得到所述故障信息对应的原因包括：
根据原因型鱼骨图、基于粗糙集和灰关联分析、数据挖掘技术、基于粗糙集和信息融合技术、基于PCA和粗糙集构建决策树的方法执行故障反推操作。
另一方面，本发明还提供一种数字孪生智能变电站系统故障的诊断系统，其特征在于，所述诊断系统包括处理器，所述处理器用于执行如上述任一所述的诊断方法。
再一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如上述任一所述的诊断方法。
通过上述技术方案，本发明提供的数字孪生智能变电站系统故障的诊断方法及系统通过构建变电体系架构模型来建立变电站的数字孪生模型，再结合数字孪生模型中每个虚拟单元的约束及关联条件，针对变电站的故障信息进行故障反推，从而得到故障信息对应的原因。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是根据本发明的一个实施方式的数字孪生智能变电站系统故障的诊断方法的流程图；
图2是根据本发明的一个实施方式的变电体系架构模型的结构框图；
图3是根据本发明的一个实施方式的孪生模型的逻辑框图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
如图1所示是根据本发明的一个实施方式的数字孪生智能变电站系统故障的诊断方法的流程图。在该图1中，该诊断方法可以包括：
在步骤S10中，构建变电站体系架构模型；
在步骤S11中，基于变电站体系架构模型建立变电站的数字孪生模型；
在步骤S12中，对数字孪生模型中的每个虚拟单元建立对应的约束及关联条件；
在步骤S13中，获取变电站中至少一个设备对应的虚拟单元的故障信息；
在步骤S14中，将故障信息代入约束及关联条件中，以更新数字孪生模型；
在步骤S15中，基于更新后的数字孪生模型进行故障反推以得到故障信息对应的原因。
在该如图1所示的方法中，步骤S10可以用于构建变电站体系架构模型，从而便于步骤S11通过对变电站体系架构模型划分的各个设备及模块来分别建模，以建立数字孪生模型。对于该变电站体系架构模型的具体类型，虽然可以是本领域人员所知的多种方式。但是在本发明的一个优选示例中，该变电站体系架构模型的结构框图可以是如图2所示。在该图2中，该变电站体系架构模型可以包括智能设备层10。该智能设备层可以包括智能仪表101、巡检机器人102、无线网络103、智能终端104、防误操作机器人105、智能门禁106、人员定位模块107、智能穿戴设备108、安防设备109、智能摄像头及云台110、测控装置111、主变冷控系统112、消防设备113。具体地，可以是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。
在该图2中，该变电站体系架构模型可以包括智能控制层20。该智能控制层20可以包括SCADA模型21、调度控制系统22、温度检测系统23、信号分析系统24。
在该图2中，该变电站体系架构模型可以包括智能监管层30。该智能监管层可以包括信号建模模块301、设备检测模块302、故障预警模块303、设备智能安全模块304、检修过程管控模块305、事故处理模块306、运行优化模块307、智能安全准入模块308、安全控制模块309、智能巡点检测模块310、智能两票系统311、智能视频检测模块312、智能交班模块313。
在该图2中，该变电站体系架构模型可以包括智能决策层40。该智能决策层40可以包括智能决策模块41、专家诊断模块42、智能备件仓储模块43、智能设备管理模块44、智能运行管理模块45、智能安全管理模块46，智能培训管理模块47、智能档案管理模块48。
步骤S11可以用于根据变电站体系架构模型中每个子单元(例如智能仪表101等)建立对应的虚拟单元，最后将每个虚拟单元组合成为该变电站的数字孪生模型。在本发明的一个示例中，该数字孪生模型的逻辑框图可以是如图3所示。步骤S12可以用于针对数字孪生模型中每个虚拟单元分别建立约束及关联条件，从而在该虚拟单元中任一设备或元素的信息发生变化时，其余的设备或元素也会基于所建立的约束及关联条件发生对应的变化。具体地，该约束及关联条件既可以是每个虚拟单元自身的约束及关联条件，又可以是每两个虚拟单元之间的约束及关联条件。对于建立该约束及关联条件的方法，则可以是本领域人员所知的多种形式。例如人为设置规则来建立该约束及关联条件。在本发明的一个优选示例中，为了保证该约束及关联条件能够正确地反映变电站内的设备工况，在建立每两个虚拟单元之间的约束及关联条件时，可以是采用多agent及专家协同判断的方法将每两个虚拟单元通过运维人员的信息传递方式关联，以形成动态诊断网络。
步骤S15可以是基于更新后的数字孪生模型进行故障反推以得到故障信息对应的原因。具体地，该步骤S15可以是根据原因型鱼骨图、基于粗糙集和灰关联分析、数据挖掘技术、基于粗糙集和信息融合技术、基于PCA和粗糙集构建决策树的方法执行故障反推操作。更具体地，该步骤S15也可以是包括例如基于原因型鱼骨图数字化变电站输变电设备故障诊断模型(根据所建立的故障诊断模型中的父节点、变压器/断路器/输电线路等子节点及子原因、根原因之间的逻辑关系，采用Dempster-Shafer(D-S)证据理论中的合成法则融合多种故障特征信息，对输变电设备进行了层次化和结构化诊断)、基于粗糙集和灰关联分析变电站故障诊断方法(基于粗糙集的知识获取方法构建诊断决策表，通过简化决策表，获得最小属性约简表.在此基础上建立比较序列与参考序列，采用灰关联分析确定约简表中属性的灰关联度和决策属性中可疑故障元件的灰关联可信度，获得明确的诊断结果)、数据挖掘技术的智能变电站故障诊断技术、基于粗糙集和信息融合技术的数字化变电站故障诊断方法(将故障区域和故障装置作为决策对象，对电压、电流条件属性值做适当的离散，形成比较详细的变电站故障诊断原始决策表，并给出了基于Apriori算法的约筒枚举方法。在定义事例相似度的基础上，采用信息融合技术确定故障区域可信度和故障装置可信度，并通过层次分析法实施故障诊断)、基于PCA和粗糙集构建决策树的变电站故障诊断(利用PCA对原始故障决策表的条件属性集进行降维处理，得到由主元变量构成的故障决策表，采用等频分割方法对这一决策表的数据离散化，进而采用基于主元属性重要度的粗糙集属性约简算法得到离散后的决策表的最小约简，以约简数据集为样本基于核属性采用一种改进的决策树算法训练学习，构建故障决策树进行诊断决策)等方法。
另一方面，本发明还提供一种数字孪生智能变电站系统故障的诊断系统，其特征在于，所述诊断系统包括处理器，所述处理器用于执行如上述任一所述的诊断方法。
再一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如上述任一所述的诊断方法。
通过上述技术方案，本发明提供的数字孪生智能变电站系统故障的诊断方法及系统通过构建变电体系架构模型来建立变电站的数字孪生模型，再结合数字孪生模型中每个虚拟单元的约束及关联条件，针对变电站的故障信息进行故障反推，从而得到故障信息对应的原因。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种数字孪生智能变电站系统故障的诊断方法，其特征在于，所述诊断方法包括：
构建变电站体系架构模型；
基于所述变电站体系架构模型建立变电站的数字孪生模型；
对所述数字孪生模型中的每个虚拟单元建立对应的约束及关联条件；
获取所述变电站中至少一个设备对应的虚拟单元的故障信息；
将所述故障信息代入所述约束及关联条件中，以更新所述数字孪生模型；
基于更新后的所述数字孪生模型进行故障反推以得到所述故障信息对应的原因。
2.根据权利要求1所述的诊断方法，其特征在于，所述变电站架构模型包括智能设备层，包括智能仪表、巡检机器人、无线网络、智能终端、防误操作机器人、智能门禁、人员定位模块、智能穿戴设备、安防设备、智能摄像头及云台、测控装置、主变冷控系统、消防设备。
3.根据权利要求1所述的诊断方法，其特征在于，所述变电站架构模型包括智能控制层，包括SCADA模型、调度控制系统、温度检测系统、信号分析系统。
4.根据权利要求1所述的诊断方法，其特征在于，所述变电站架构模型包括智能监管层，包括信号建模模块、设备检测模块、故障预警模块、设备智能安全模块、检修过程管控模块、事故处理模块、运行优化模块、智能安全准入模块、安全控制模块、智能巡点检测模块、智能两票系统、智能视频检测模块、智能交班模块。
5.根据权利要求1所述的诊断方法，其特征在于，所述智能决策层包括智能决策模块、专家诊断模块、智能备件仓储模块、智能设备管理模块、智能运行管理模块、智能安全管理模块，智能培训管理模块、智能档案管理模块。
6.根据权利要求1所述的诊断方法，其特征在于，对所述数字孪生模型中的每个虚拟单元建立对应的约束及关联条件包括：
建立每个虚拟单元自身的约束及关联条件；
建立每两个虚拟单元之间的约束及关联条件。
7.根据权利要求6所述的诊断方法，其特征在于，建立每两个虚拟单元之间的约束及关联条件包括：
采用多agent及专家协同判断的方法将每两个所述虚拟单元通过运维人员的信息传递方式关联，以形成动态诊断网络。
8.根据权利要求1所述的诊断方法，其特征在于，基于更新后的所述数字孪生模型进行故障反推以得到所述故障信息对应的原因包括：
根据原因型鱼骨图、基于粗糙集和灰关联分析、数据挖掘技术、基于粗糙集和信息融合技术、基于PCA和粗糙集构建决策树的方法执行故障反推操作。
9.一种数字孪生智能变电站系统故障的诊断系统，其特征在于，所述诊断系统包括处理器，所述处理器用于执行如权利要求1至8任一所述的诊断方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如权利要求1至8任一所述的诊断方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111550889.7A CN114491931A (zh) | 2021-12-17 | 2021-12-17 | 数字孪生智能变电站系统故障的诊断方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111550889.7A CN114491931A (zh) | 2021-12-17 | 2021-12-17 | 数字孪生智能变电站系统故障的诊断方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114491931A true CN114491931A (zh) | 2022-05-13 |
Family
ID=81494284
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111550889.7A Pending CN114491931A (zh) | 2021-12-17 | 2021-12-17 | 数字孪生智能变电站系统故障的诊断方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114491931A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115932476A (zh) * | 2022-12-12 | 2023-04-07 | 触景无限科技（北京）有限公司 | 基于数字孪生的故障定位方法、装置、电子设备及介质 |
| CN116229052A (zh) * | 2023-05-09 | 2023-06-06 | 浩鲸云计算科技股份有限公司 | 一种基于孪生网络的变电站设备状态变化检测方法 |
| WO2023184764A1 (zh) * | 2022-05-31 | 2023-10-05 | 广东海洋大学 | 一种基于粗糙集和证据理论的故障诊断方法及系统 |
| CN117131787A (zh) * | 2023-10-26 | 2023-11-28 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于数字孪生的变电站工程车辆智能模拟方法和系统 |
-
2021
- 2021-12-17 CN CN202111550889.7A patent/CN114491931A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023184764A1 (zh) * | 2022-05-31 | 2023-10-05 | 广东海洋大学 | 一种基于粗糙集和证据理论的故障诊断方法及系统 |
| CN115932476A (zh) * | 2022-12-12 | 2023-04-07 | 触景无限科技（北京）有限公司 | 基于数字孪生的故障定位方法、装置、电子设备及介质 |
| CN115932476B (zh) * | 2022-12-12 | 2023-08-29 | 触景无限科技（北京）有限公司 | 基于数字孪生的故障定位方法、装置、电子设备及介质 |
| CN116229052A (zh) * | 2023-05-09 | 2023-06-06 | 浩鲸云计算科技股份有限公司 | 一种基于孪生网络的变电站设备状态变化检测方法 |
| CN117131787A (zh) * | 2023-10-26 | 2023-11-28 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于数字孪生的变电站工程车辆智能模拟方法和系统 |
| CN117131787B (zh) * | 2023-10-26 | 2024-02-06 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于数字孪生的变电站工程车辆智能模拟方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114491931A (zh) | 数字孪生智能变电站系统故障的诊断方法及系统 | |
| Yodo et al. | Engineering resilience quantification and system design implications: A literature survey | |
| US10579927B2 (en) | Automated creation of semantically-enriched diagnosis models | |
| CN111897705B (zh) | 服务状态处理、模型训练方法、装置、设备和存储介质 | |
| CN111784191A (zh) | 一种基于工业智能的安全管理辅助决策系统 | |
| CN114487856A (zh) | 换电站电池的热失控预警方法及系统 | |
| US20220283242A1 (en) | Method and device for managing battery data | |
| He et al. | Voltage abnormality-based fault diagnosis for batteries in electric buses with a self-adapting update model | |
| US10318364B2 (en) | Methods and systems for problem-alert aggregation | |
| CN115730749A (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
| CN117235664A (zh) | 配电通信设备的故障诊断方法、系统和计算机设备 | |
| CN102680228B (zh) | 检测风机齿轮箱状态的方法 | |
| CN115393142A (zh) | 智慧园区管理方法及管理平台 | |
| Sun et al. | A data-driven framework for tunnel infrastructure maintenance | |
| Chen et al. | Aircraft complex system diagnosis based on design knowledge and real-Time monitoring information | |
| CN114157035A (zh) | 一种配电自动化管控方法及系统 | |
| CN114676002A (zh) | 基于phm技术的系统运维方法及装置 | |
| CN116502156B (zh) | 一种换流站光ct异常状态智能辨识方法及系统 | |
| CN113985202B (zh) | 一种电容故障预警方法、装置、电子设备及存储介质 | |
| CN113449985B (zh) | 齿轮箱监测方法及其系统及计算机可读存储介质 | |
| CN116703037B (zh) | 一种基于道路施工的监控方法及装置 | |
| CN115951170B (zh) | 输电线路故障监测方法、装置、计算机设备和存储介质 | |
| Spahić et al. | Reliable Unmanned Autonomous Systems: Conceptual Framework for Warning Identification during Remote Operations | |
| Lundteigen et al. | Industry 4.0 for the process industry: Using OPC UA to implement an information model for follow-up of safety instrumented systems | |
| CN116011305A (zh) | 水务系统故障定位方法、装置及水务系统故障定位系统 |
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 |