CN114638476A - 一种水利一体化运维管理方法及系统 - Google Patents
一种水利一体化运维管理方法及系统 Download PDFInfo
- Publication number
- CN114638476A CN114638476A CN202210152711.5A CN202210152711A CN114638476A CN 114638476 A CN114638476 A CN 114638476A CN 202210152711 A CN202210152711 A CN 202210152711A CN 114638476 A CN114638476 A CN 114638476A
- Authority
- CN
- China
- Prior art keywords
- fault
- maintenance
- water conservancy
- similarity
- maintenance work
- 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
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Biodiversity & Conservation Biology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种水利一体化运维管理方法及系统,包括:获取水利设备故障的信息或征兆;采用基于深度置信网络的故障诊断方法对故障进行识别和分类;对故障进行历史故障相似度计算,并将故障与故障案例进行匹配生成当前故障运维工单,将运维工单派发给对应运维人员并展开运维工作;运维工作实施结束,系统对运维实施效果的自动评价。本发明提出的水利一体化运维管理系统将数据采集、在线监测、故障诊断、运维预案、人员调配、运维后评价、运维过程记录等所有运维工作集中在一个平台处理,加强水利运维工作的协调性,优化资源配置,保证运维工作的高效进行,节约人力资源的同时,也避免了主观因素造成的不全面、不准确。
Description
技术领域
本发明涉及的水利智能运维技术领域,尤其涉及一种水利一体化运维管理方法及系统。
背景技术
水利工程项目对我国国民经济的发展具有十分重要的作用,随着“智慧水利”的提出建设,水利运维作为水利工作最重要的一部分,实现其智能化运作是必然要求。
当前的水利行业发展中,系统的自动化运行已基本实现,智能化的运维管理尚存在一定的欠缺,一方面,目前的水利设备在运维处理时,运维工单的编制派发,运维效果的最终评价均采用人工方式,这使得运维工作过度依赖员工的个人能力和经验,增加了解决问题的难度,还容易出现因主观个人因素造成的不规范、不准确和不及时;另一方面,传统的诊断平台与生产管理系统之间各自独立运行,故障诊断完成后,仍需再次登录生产管理系统进行运维工单的编制与派发,运维实施的最终效果也不能及时向诊断平台反馈,无法形成一个迭代学习的优化机制,这造成资源浪费的同时,也大大降低了整体运维工作的效率。
随着人工智能领域的迅速发展,机器学习已成为当前水利建设领域研究的热点,由传统神经网络发展而成的深度学习技术,隶属于机器学习,其拥有多隐层网络结构,特征自学习能力强,特征表达能力优秀;作为其典型代表,深度置信网络(deep beliefnetwork,DBN)具有良好的故障特征提取、表示和故障分类能力,特别适用于求解复杂的高维分类问题,然而由于水利系统的高度复杂性,故障分类研究多侧重于典型故障类型,而同一类型故障具有多种表现形式;因此,为提升诊断性能并给后续运维提供针对性指导意见,在完成故障分类后,仍需对其进一步的细化诊断。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明解决的技术问题是:运维处理时,运维工单的编制派发,运维效果的最终评价均采用人工方式,易出现处理不规范、不准确、不及时;故障识别和分类后,由于同类型故障具有多种原因而造成的无法准确提供针对性运维建议的问题;且运维实施的最终效果也不能及时向诊断平台反馈,导致运维工作效率低的问题。
为解决上述技术问题,本发明提供如下技术方案:基于实时监测数据、保护装置告警信息以及巡检报告,获取水利设备故障的信息或征兆;采用基于深度置信网络的故障诊断方法对所述故障进行识别和分类;对所述故障进行历史故障相似度计算,并将所述故障与故障诊断知识库中的故障案例进行匹配生成当前故障运维工单,系统将所述当前故障运维工单派发给对应运维人员并展开运维工作;运维工作实施结束,启动设备试运行并开始倒计时,分析设定间隔时长LOT内的运行状态监测数据,实现对运维实施效果的自动评价。
作为本发明所述的水利一体化运维管理方法的一种优选方案,其中:所述历史故障相似度计算步骤包括,
提取当前故障信息,所述当前故障信息包括故障现象、故障类型、故障时间段设备运行状态值;
同类型故障筛选,包括基于所述故障诊断知识库,筛选出与所述当前故障类型一致的历史故障案例,并定义为预选故障案例集PRE-SET;
故障现象相似度计算,包括采用余弦相似度的匹配算法,将所述当前故障与所述预选故障案例集PRE-SET的故障进行一一匹配,并计算历史故障现象相似度PHES;
故障状态相似度计算,包括对所述故障时间段设备运行状态值进行向量化处理,并采用加权马氏距离算法将所述当前故障的参数状态向量与预选故障案例集PRE-SET的参数状态进行一一匹配,得到历史故障参数状态相似度STAS;
利用线性加权法建立故障相似性评估函数,计算历史故障相似度SIM。
作为本发明所述的水利一体化运维管理方法的一种优选方案,其中:采用改进的词语逆频率方式计算加权算法TF-IWF对故障现象进行关键词的提取及文本的向量化处理,步骤包括,
对故障现象文本数据进行去停用词与分词处理,并用列表格式进行存储;
采用改进的词语逆频率方式计算加权算法TF-IWF提取关键词,得到故障现象文本数据的向量表达。
作为本发明所述的水利一体化运维管理方法的一种优选方案,其中:所述当前故障运维工单的生成包括,
选取相似度最大的历史故障案例作为典型故障案例,并根据所述典型故障案例对所述当前故障进行分析,若相似度最高值大于预设阈值A,则根据所述典型的故障案例关联的运维工单直接生成所述当前故障运维工单,否则提交运维负责人对其修改后生成新的当前故障运维工单。
作为本发明所述的水利一体化运维管理方法的一种优选方案,其中:系统根据故障所属专业、运维难度和故障紧急程度将所述当前故障运维工单派发给对应的运维人员。
作为本发明所述的水利一体化运维管理方法的一种优选方案,其中:所述运维难度包括,利用熵权法确定不同故障情况下各运维难度影响因子的权重,计算出运维难度系数值。
作为本发明所述的水利一体化运维管理方法的一种优选方案,其中:所述故障紧急程度评估包括,
建立故障紧急程度判定模型,并根据所述判定模型计算出具体评估值;
将所述评估值按照故障紧急程度分为紧急、严重和一般三个等级;
根据所述故障紧急程度的评估等级,确定运维处理的时间区间。
作为本发明所述的水利一体化运维管理方法的一种优选方案,其中:所述运维实施效果的自动评价包括,
接收到运维完成信号,启动设备试运行并开始计时,并收集设备运行状态监测数据;
对于运行状态量或开关量,查询LOT时间段内,对应参数是否出现报警信号、异动信号;对于模拟量,结合设定的参数上下限阈值,查询是否存在越限;
建立运维实施效果评价模型,确定评价结果。
本发明提供的另一种技术方案:包括,
资源管理模块,包括构建水利综合信息平台,用于储存和管理水利工程各类信息资源;
数据挖掘模块,包括对采集到的实时监测数据进行清洗和审查,利用数据流的方法对采集的原始数据进行预处理,并采用大数据分析对数据进行降维;所述预处理完成后,选用基于深度置信网络的深度学习方法作为数据挖掘工具,收集水利设备的流量、温度、振摆、压力、电流、电压等历史监测数据和分析报告,自动学习和提取故障状态特征;
故障诊断模块,包括基于数据挖掘模块进行故障的识别和分类,并利用历史故障相似度计算,获取典型故障案例,根据典型故障案例对当前故障进行细化诊断,并生成运维工单指导运维工作;
配置模块,包括自定义流程,配置流程节点属性及权限,配置流程流转关系,设计表单模板并绑定流程进行流转处理;
流程管理模块,包括表单实例的创建、更新、删除、提交与查询。
作为本发明所述的水利一体化运维管理系统的一种优选方案,其中:系统将数据采集、征兆获取、故障诊断、人员调配、运维过程记录集中至一个平台处理,并根据收集运维实施效果的反馈情况,形成自学习、自反馈机制,通过历史积累不断修正和完善故障模型和运维流程。
本发明的有益效果:本发明提出的水利一体化运维管理系统将数据采集、在线监测、故障诊断、运维预案、人员调配、运维后评价、运维过程记录等所有运维工作集中在一个平台处理,加强水利运维工作的协调性,优化资源配置,保证运维工作的高效进行,节约人力资源的同时,也避免了主观因素造成的不全面、不准确。
附图说明
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性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一个实施例提供的一种水利一体化运维管理方法的基本流程示意图;
图2为本发明一个实施例提供的一种水利一体化运维管理方法的历史故障相似度计算方法的流程示意图;
图3为本发明一个实施例提供的一种水利一体化运维管理方法的水利运维实施效果自动评价的流程示意图;
图4为本发明另一个实施例提供的一种水利一体化运维管理系统的架构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1~图4,为本发明的一个实施例,提供了一种水利一体化运维管理方法及系统,包括:
S1:基于实时监测数据、保护装置告警信息以及巡检报告,获取水利设备故障的信息或征兆。
S2:采用基于深度置信网络的故障诊断方法对故障进行识别和分类。需要说明的是:
具体步骤如下:
①对采集的时域数据进行归一化处理后,按比例分为训练集和测试集;
②建立多隐层的DBN网络模型,对堆叠RBN进行逐层无监督训练;
③在DBN模型顶层添加Softmax分类器,对故障类型添加标注,确定模型输出维数;
④对DBN模型的关键参数进行反向微调,优化网络模型性能;
⑤保存训练好的DBN模型,利用测试集进行故障辨识和分类性能测试。
S3:对故障进行历史故障相似度计算,并将故障与故障诊断知识库中的故障案例进行匹配生成当前故障运维工单,系统将当前故障运维工单派发给对应运维人员并展开运维工作。需要说明的是:
故障诊断知识库中每条故障记录包括:故障时间、故障现象、故障类型、故障原因、故障时间段设备运行状态值;同时,每个故障案例绑定相应的运维工单。
历史故障相似度计算步骤包括,
①提取当前故障信息,当前故障信息包括故障现象、故障类型、故障时间段设备运行状态值。
本实施例选取的数据主要来源于某水利枢纽故障诊断知识库中的历史故障案例,其详细记录了历史故障时间、故障现象、故障类型、故障原因、故障时间段设备状态值,随机选取任一故障案例数据,记为当前故障信息。
②同类型故障筛选,包括基于故障诊断知识库,筛选出与当前故障类型一致的历史故障案例,并定义为预选故障案例集PRE-SET;以变压器故障为例,故障类型包括变压器油温过高,变压器绕组放电、击穿或烧毁,变压器铁芯过热等,而造成变压器油温过高的原因多种,可能是涡流、夹紧铁芯用的穿心螺丝绝缘损坏,可能是变压器内部故障如绕组短路,也可能是油路堵等。为明确具体原因,需再作进一步细化诊断。
③故障现象相似度计算,包括采用余弦相似度的匹配算法,将当前故障与预选故障案例集PRE-SET的故障进行一一匹配,并计算历史故障现象相似度PHES。
由于故障现象属于长文本数据,在进行相似度计算前,需要对故障现象的文本数据集进行预处理工作,具体步骤包括,
对故障现象文本数据进行去停用词与分词处理,并用列表格式进行存储;
采用改进的词语逆频率方式计算加权算法TF-IWF提取关键词,得到故障现象文本数据的向量表达。
对于n维向量X=(x1,x2……xn)距中心向量U=(u1,u2……un)的余弦相似度定义为:
其中,X表示处理后的当前故障现象的向量表达,U表示PRE-SET集的历史故障现象的向量表达;
由上式可知,对于余弦相似度,两向量方向夹角越是接近重合,其相似程度越大,其值越接近1,衡量两个向量相似程度,原则上统一为度量值越小则相似程度越高,为此计算正弦相似度以反映故障现象相似程度PHES,计算公式如下:
④故障状态相似度计算,包括对故障时间段设备运行状态值进行向量化处理,并采用加权马氏距离算法将当前故障的参数状态向量与预选故障案例集PRE-SET的参数状态进行一一匹配,得到历史故障参数状态相似度STAS;
先对故障时间段参数状态值作数据处理,对于运行状态量或开关量,查询在故障时间段内对应参数是否出现报警信号,若有则将此参数置1,否则置0;对于模拟量,遍历该模拟量在此时间段内的所有值,若该参数在对应时间段内有样本点位于参数较高或参数较低区间,则将该参数标记为运行较高或运行较低;进一步,若有样本点位于参数过高或参数过低区间,则将参数标记修正为运行过高或过低,在标记完成后,将其不同物理含义映射成对应数值。
表1模拟量状态标记。
序号 | 模拟量参数状态 | 标记值 |
1 | 运行过低 | -2 |
2 | 运行较低 | -1 |
3 | 运行正常 | 0 |
4 | 运行较高 | 1 |
5 | 运行过高 | 2 |
对标记完成后的参数状态值作向量化处理,为描述方便,本文将其称为状态向量,采用加权马氏距离算法,将当前故障的状态向量与PRE-SET集的状态向量一一进行对比计算;使用参数的量值大小、主成分分析对相似度的贡献率作为权重参考,得到的权值矩阵记为Wmd。故障状态相似度STAS的计算公式包括,
其中,Xparm=(xparm1,xparm2……xparmn)表示当前故障的状态向量,Uparm=(uparm1,uparm2……uparmn)为PRE-SET集的状态向量。
⑤利用线性加权法建立故障相似性评估函数,计算历史故障相似度SIM。
具体的,考虑两个维度的相似度量数据有较强的相关性且其数据的量级不同,对其赋值权重w1、w2,历史故障相似度SIM包括,
SIM=PHES×w1+STAS×w2
当前故障运维工单的生成包括,
选取相似度最大的历史故障案例作为典型故障案例,并根据典型故障案例对当前故障进行分析,若相似度最高值大于预设阈值A,则根据典型的故障案例关联的运维工单直接生成当前故障运维工单,否则提交运维负责人对其修改后生成新的当前故障运维工单。
系统根据故障所属专业、运维难度和故障紧急程度将当前故障运维工单派发给对应的运维人员。
运维难度包括,利用熵权法确定不同故障情况下各运维难度影响因子的权重,计算出运维难度系数值。
具体的,根据故障所属专业分类、运维难度系数评估结果,筛选出相应专业和技术等级的运维人员;根据故障紧急程度评估结果确定运维开始时间,并筛选出当值的运维人员;取二者交集确定运维实施人员。
具体的,由水利运维专家讨论确定运维难度的影响因子,本专利确定的运维难度影响因子包括三类:1)设备自身复杂度、2)设备所处地理形势、3)近期气象,不同故障情况下,各因子影响程度不同,由熵权法确定各自权重,计算出运维难度系数值。
具体的,故障紧急程度指故障修复的紧急程度,由水利运维专家讨论确定的影响故障修复紧急程度的要素有:1)不可替代程度、2)是否属于水利工程关键设备、3)对系统的影响范围及程度。
故障紧急程度评估包括,
建立故障紧急程度判定模型,并根据判定模型计算出具体评估值;
将评估值按照故障紧急程度分为紧急、严重和一般三个等级;
根据故障紧急程度的评估等级,确定运维处理的时间区间。
S4:运维工作实施结束,启动设备试运行并开始倒计时,分析设定间隔时长LOT内的运行状态监测数据,实现对运维实施效果的自动评价。需要说明的是:
运维实施效果的自动评价包括,
接收到运维完成信号,启动设备试运行并开始计时,并收集设备运行状态监测数据;
对于运行状态量或开关量,查询LOT时间段内,对应参数是否出现报警信号、异动信号;对于模拟量,结合设定的参数上下限阈值,查询是否存在越限;
建立运维实施效果评价模型,确定评价结果。
判断运维实施效果是否合格,若合格,将故障诊断结果与运维过程反馈给故障诊断知识库,否则返回步骤S2,重新调整数据分析模型和运维流程,调整后再次派发运维工单实施,直至运维实施效果合格为止。
为了实现上述水利一体化运维管理方法,本发明还提出一种水利一体化运维管理系统,包括:
资源管理模块,包括构建水利综合信息平台,用于储存和管理水利工程各类信息资源;资源管理模块用于构建水利综合信息平台,便于及时录入、修改或删除知识库中相关信息,水利枢纽日常生产过程中,存在大量的多媒体数据文件,包括工程技术资料、生产运行指标、设计图纸等,通过构建通用化接口,实现文件资源的直接上传,文件上传完成,资源管理后台模块能自动识别文件类型,并支持对上传的文件进行属性设置、添加文本说明;采用ElasticSearch作为数据存储系统,通过非结构化数据管理,建立海量数据分类存储平台,统一枢纽内部所有文档信息,实现知识挖掘、智能搜索与信息复用。
数据挖掘模块,包括对采集到的实时监测数据进行清洗和审查,利用数据流的方法对采集的原始数据进行预处理,保证数据的实时性,并采用大数据分析对数据进行降维;预处理完成后,选用基于深度置信网络的深度学习方法作为数据挖掘工具,收集水利设备的流量、温度、振摆、压力、电流、电压等历史监测数据和分析报告,自动学习和提取故障状态特征,指导后续做故障诊断的工作。
故障诊断模块,包括基于数据挖掘模块进行故障的识别和分类,并利用历史故障相似度计算,获取典型故障案例,根据典型故障案例对当前故障细化诊断,并生成运维工单指导运维工作;
配置模块,包括自定义流程,配置流程节点属性及权限,配置流程流转关系,设计表单模板并绑定流程进行流转处理;采用Activiti作为工作流引擎,图形化界面配置流程节点与各流程的触发条件,当流程的触发条件满足时,按触发条件对应的运维流程自动执行运维操作。
流程管理模块,包括表单实例的创建、更新、删除、提交与查询,该模块功能包括巡检管理、设备管理、检修管理等,接收到故障诊断模块运维工单的完成命令,根据运维模型综合评估结果,发送至匹配的运维人员;运维完成,启动设备试运行,自动调用计时单元开始计时,若在设定时长内设备运行无异常,则自动判定为合格,否则视为不合格;运维效果合格,则将诊断过程与运维流程更新至资源管理模块;若不合格,则作出优化提醒,优化后重新诊断定位。
系统将数据采集、征兆获取、故障诊断、人员调配、运维过程记录集中至一个平台处理,并根据收集运维实施效果的反馈情况,形成自学习、自反馈机制,通过历史积累不断修正和完善故障模型和运维流程。
实施例2
参照图1为本发明的第二个实施例,该实施例不同于第一个实施例的是,提供了一种水利一体化运维管理方法及系统的验证测试,为对本方法中采用的技术效果加以验证说明,本实施例采用传统技术方案与本发明方法进行对比测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果。
传统的技术方案:进行故障识别与分类并列出故障发生的多种可能原因,由运维人员进行各项原因的排查,定位具体原因后再采用人工方式进行运维工单的手动编写,使运维工作过度依赖员工的经验和能力,容易出现主观因素造成的不规范、不准确、不及时。
为验证本方法相对传统方法具有较高的准确度,在完成故障分类后,能实现故障的细化诊断与精准运维指导,并自动生成运维工单,节约人力资源的同时,也避免了主观因素造成的不全面、不准确。
本实施例中将采用传统的基于余弦相似度的故障现象相似度计算、基于加权马氏距离的故障状态相似度计算和本方法对准确度进行测量对比。
实验选取1000组数据,将基于余弦相似度的故障现象相似度计算,基于加权马氏距离的故障状态相似度计算,本发明提出的两级组合的故障相似度计算这三种相似度计算方法进行准确度上的对比,根据匹配的典型故障案例的故障具体原因是否一致,以验证结果的准确性。
表2不同相似度计算方法对比结果。
算法类别 | 余弦相似度 | 加权马氏距离 | 本发明方法 |
准确度 | 93% | 89% | 98% |
由表2可知,本发明所采用的两级组合的算法在准确率提升方面较为显著。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种水利一体化运维管理方法,其特征在于,包括:
基于实时监测数据、保护装置告警信息以及巡检报告,获取水利设备故障的信息或征兆;
采用基于深度置信网络的故障诊断方法对所述故障进行识别和分类;
对所述故障进行历史故障相似度计算,并将所述故障与故障诊断知识库中的故障案例进行匹配生成当前故障运维工单,系统将所述当前故障运维工单派发给对应运维人员并展开运维工作;
运维工作实施结束,启动设备试运行并开始倒计时,分析设定间隔时长LOT内的运行状态监测数据,实现对运维实施效果的自动评价。
2.如权利要求1所述的水利一体化运维管理方法,其特征在于:所述历史故障相似度计算步骤包括,
提取当前故障信息,所述当前故障信息包括故障现象、故障类型、故障时间段设备运行状态值;
同类型故障筛选,包括基于所述故障诊断知识库,筛选出与所述当前故障类型一致的历史故障案例,并定义为预选故障案例集PRE-SET;
故障现象相似度计算,包括采用余弦相似度的匹配算法,将所述当前故障与所述预选故障案例集PRE-SET的故障进行一一匹配,并计算历史故障现象相似度PHES;
故障状态相似度计算,包括对所述故障时间段设备运行状态值进行向量化处理,并采用加权马氏距离算法将所述当前故障的参数状态向量与预选故障案例集PRE-SET的参数状态进行一一匹配,得到历史故障参数状态相似度STAS;
利用线性加权法建立故障相似性评估函数,计算历史故障相似度SIM。
3.如权利要求2所述的水利一体化运维管理方法,其特征在于:计算故障现象相似度前,需要对故障现象文本数据进行预处理工作,包括,
对所述故障现象文本数据进行去停用词与分词处理,并用列表格式进行存储;
采用改进的词语逆频率方式计算加权算法TF-IWF提取关键词,得到故障现象文本数据的向量表达。
4.如权利要求3所述的水利一体化运维管理方法,其特征在于:所述当前故障运维工单的生成包括,
选取相似度最大的历史故障案例作为典型故障案例,并根据所述典型故障案例对所述当前故障进行分析,若相似度最高值大于预设阈值A,则根据所述典型的故障案例关联的运维工单直接生成所述当前故障运维工单,否则提交运维负责人对其修改后生成新的当前故障运维工单。
5.如权利要求4所述的水利一体化运维管理方法,其特征在于:系统根据故障所属专业、运维难度和故障紧急程度将所述当前故障运维工单派发给对应的运维人员。
6.如权利要求5所述的水利一体化运维管理方法,其特征在于:所述运维难度包括,利用熵权法确定不同故障情况下各运维难度影响因子的权重,计算出运维难度系数值。
7.如权利要求5或6所述的水利一体化运维管理方法,其特征在于:所述故障紧急程度评估包括,
建立故障紧急程度判定模型,并根据所述判定模型计算出具体评估值;
将所述评估值按照故障紧急程度分为紧急、严重和一般三个等级;
根据所述故障紧急程度的评估等级,确定运维处理的时间区间。
8.如权利要求1所述的水利一体化运维管理方法及系统,其特征在于:所述运维实施效果的自动评价包括,
接收到运维完成信号,启动设备试运行并开始计时,并收集设备运行状态监测数据;
对于运行状态量或开关量,查询LOT时间段内,对应参数是否出现报警信号、异动信号;对于模拟量,结合设定的参数上下限阈值,查询是否存在越限;
建立运维实施效果评价模型,确定评价结果。
9.一种采用如权利要求1~6任一所述的水利一体化运维管理方法的系统,其特征在于:包括,
资源管理模块,包括构建水利综合信息平台,用于储存和管理水利工程各类信息资源;
数据挖掘模块,包括对采集到的实时监测数据进行清洗和审查,利用数据流的方法对采集的原始数据进行预处理,并采用大数据分析对数据进行降维;所述预处理完成后,选用基于深度置信网络的深度学习方法作为数据挖掘工具,收集水利设备的流量、温度、振摆、压力、电流、电压等历史监测数据和分析报告,自动学习和提取故障状态特征;
故障诊断模块,包括基于数据挖掘模块进行故障的识别和分类,并利用历史故障相似度计算,获取典型故障案例,根据典型故障案例对当前故障进行细化诊断,并生成运维工单指导运维工作;
配置模块,包括自定义流程,配置流程节点属性及权限,配置流程流转关系,设计表单模板并绑定流程进行流转处理;
流程管理模块,包括表单实例的创建、更新、删除、提交与查询。
10.如权利要求9所述的水利一体化运维管理系统,其特征在于:系统将数据采集、征兆获取、故障诊断、人员调配、运维过程记录集中至一个平台处理,并根据收集运维实施效果的反馈情况,形成自学习、自反馈机制,通过历史积累不断修正和完善故障模型和运维流程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210152711.5A CN114638476A (zh) | 2022-02-18 | 2022-02-18 | 一种水利一体化运维管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210152711.5A CN114638476A (zh) | 2022-02-18 | 2022-02-18 | 一种水利一体化运维管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114638476A true CN114638476A (zh) | 2022-06-17 |
Family
ID=81946679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210152711.5A Pending CN114638476A (zh) | 2022-02-18 | 2022-02-18 | 一种水利一体化运维管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114638476A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456331A (zh) * | 2022-08-03 | 2022-12-09 | 南京河海南自水电自动化有限公司 | 多维多测点模型在线监控算法在监测分析系统平台的应用 |
CN115526437A (zh) * | 2022-11-28 | 2022-12-27 | 广东电网有限责任公司中山供电局 | 一种配网调度作业流程管控处理方法和系统 |
CN115827411A (zh) * | 2022-12-08 | 2023-03-21 | 国家管网集团北方管道有限责任公司 | 一种用于自动化设备的在线监测及运维评估系统和方法 |
CN116485212A (zh) * | 2023-06-25 | 2023-07-25 | 天津津轨汇海科技发展有限公司 | 一种轨道交通供电设备用安全操作管理方法及系统 |
CN116483955A (zh) * | 2023-06-20 | 2023-07-25 | 北京中科朗易科技有限责任公司 | 基于运维工单的运维方法、装置、设备及可读存储介质 |
CN117314244A (zh) * | 2023-10-07 | 2023-12-29 | 中节能(石家庄)环保能源有限公司 | 一种基于数据分析的工艺流程数据监管系统及方法 |
-
2022
- 2022-02-18 CN CN202210152711.5A patent/CN114638476A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456331A (zh) * | 2022-08-03 | 2022-12-09 | 南京河海南自水电自动化有限公司 | 多维多测点模型在线监控算法在监测分析系统平台的应用 |
CN115456331B (zh) * | 2022-08-03 | 2024-02-02 | 南京河海南自水电自动化有限公司 | 多维多测点模型在线监控算法在监测分析系统平台的应用 |
CN115526437A (zh) * | 2022-11-28 | 2022-12-27 | 广东电网有限责任公司中山供电局 | 一种配网调度作业流程管控处理方法和系统 |
CN115827411A (zh) * | 2022-12-08 | 2023-03-21 | 国家管网集团北方管道有限责任公司 | 一种用于自动化设备的在线监测及运维评估系统和方法 |
CN116483955A (zh) * | 2023-06-20 | 2023-07-25 | 北京中科朗易科技有限责任公司 | 基于运维工单的运维方法、装置、设备及可读存储介质 |
CN116485212A (zh) * | 2023-06-25 | 2023-07-25 | 天津津轨汇海科技发展有限公司 | 一种轨道交通供电设备用安全操作管理方法及系统 |
CN116485212B (zh) * | 2023-06-25 | 2023-09-12 | 天津津轨汇海科技发展有限公司 | 一种轨道交通供电设备用安全操作管理方法及系统 |
CN117314244A (zh) * | 2023-10-07 | 2023-12-29 | 中节能(石家庄)环保能源有限公司 | 一种基于数据分析的工艺流程数据监管系统及方法 |
CN117314244B (zh) * | 2023-10-07 | 2024-03-19 | 中节能(石家庄)环保能源有限公司 | 一种基于数据分析的工艺流程数据监管系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114638476A (zh) | 一种水利一体化运维管理方法及系统 | |
CN113435652B (zh) | 一种一次设备缺陷诊断与预测方法 | |
CN108830745B (zh) | 基于监控信息的电网连锁故障诊断、预警、评估系统 | |
CN110929918B (zh) | 一种基于CNN和LightGBM的10kV馈线故障预测方法 | |
CN106371427B (zh) | 基于层次分析法和模糊融合的工业过程故障分类方法 | |
CN110837866A (zh) | 基于XGBoost的电力二次设备缺陷程度评估方法 | |
CN108985380B (zh) | 一种基于聚类集成的转辙机故障识别方法 | |
CN111738462B (zh) | 电力计量装置故障抢修主动服务预警方法 | |
CN112383052A (zh) | 基于电力物联网的电网故障修复方法和装置 | |
CN108304567B (zh) | 高压变压器工况模式识别与数据分类方法及系统 | |
US20220360084A1 (en) | Transient stability assessment method for an electric power system | |
CN110705859A (zh) | 基于pca-自组织神经网络的中低压配电网运行状态评估方法 | |
CN113342784A (zh) | 一种电网主变设备风险评估的数据库设计方法 | |
CN116703368B (zh) | 基于数据挖掘的同期线损智能闭环监测方法 | |
CN113987294A (zh) | 一种基于遗传优化gru神经网络的cvt在线故障诊断方法 | |
Dong | Combining unsupervised and supervised learning for asset class failure prediction in power systems | |
CN116821107A (zh) | 一种用于智慧电厂的主数据智能化管理方法及系统 | |
CN117057666B (zh) | 一种数字化配电网的配电质量评估方法及系统 | |
Ramirez-Gonzalez et al. | Convolutional neural network based approach for static security assessment of power systems | |
CN115713027A (zh) | 一种变压器状态评估方法、装置及系统 | |
CN112072789B (zh) | 低电压台区识别方法、检修方法及其预警方法 | |
CN113886592A (zh) | 一种电力信息通信系统运维数据的质量检测方法 | |
CN113221442A (zh) | 一种电厂设备健康评估模型的构建方法及装置 | |
CN116756619B (zh) | 一种基于大数据的设备智能诊断方法及系统 | |
CN117131425B (zh) | 一种基于反馈数据的数控机床加工状态监测方法及系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 210003, 38 new model street, Gulou District, Jiangsu, Nanjing Applicant after: Guodian Nanjing Automation Co.,Ltd. Applicant after: NANJING HEHAI NANZI HYDROPOWER AUTOMATION Co.,Ltd. Address before: No.39 Shuige Road, Jiangning District, Nanjing City, Jiangsu Province, 211100 Applicant before: Guodian Nanjing Automation Co.,Ltd. Applicant before: NANJING HEHAI NANZI HYDROPOWER AUTOMATION Co.,Ltd. |