CN115208745A - 一种电力系统故障定位方法、装置及故障定位设备 - Google Patents
一种电力系统故障定位方法、装置及故障定位设备 Download PDFInfo
- Publication number
- CN115208745A CN115208745A CN202110400409.2A CN202110400409A CN115208745A CN 115208745 A CN115208745 A CN 115208745A CN 202110400409 A CN202110400409 A CN 202110400409A CN 115208745 A CN115208745 A CN 115208745A
- Authority
- CN
- China
- Prior art keywords
- power system
- performance data
- fault
- warning information
- condition
- 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 50
- 238000007477 logistic regression Methods 0.000 claims description 37
- 238000010606 normalization Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 28
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
Abstract
本发明提供一种电力系统故障定位方法、装置及故障定位设备,属于电力通讯技术领域,所述电力系统故障定位方法包括:校验电力系统是否可正常通讯以及第三方平台是否可正常采集所述电力系统的性能数据;在电力系统无法正常通讯的情况下,获取电力系统的网卡信息,根据网卡信息生成针对网络侧的网络故障告警信息;在电力系统可正常通讯且第三方平台可正常采集电力系统的性能数据的情况下,采集电力系统的性能数据,根据性能数据确定是否生成针对电力系统自身的电力系统故障预警信息。本发明通过对采集的性能数据进行分析,在排查电力系统本身通讯故障的同时,还可以排出是否是运营商侧的故障问题,从而得到更精确的故障告警数据。
Description
技术领域
本发明涉及电力通讯技术领域,尤其涉及一种电力系统故障定位方法、装置及故障定位设备。
背景技术
目前,关于电力系统中设备的通讯故障定位研究主要侧重于设备本身的通讯模块异常这一方向,现有的电力系统设备通讯故障告警大多是通过电力系统设备将告警数据上报至基站、核心网或本地采集,没有考虑到电力系统设备通讯异常状态下运营商侧的故障问题,无法做到更为精准的故障问题定位。
发明内容
有鉴于此,本发明提供一种电力系统故障定位方法、装置及故障定位设备,用于解决目前电力系统故障问题定位不精准的问题。
为解决上述技术问题,第一方面,本发明提供一种电力系统故障定位方法,包括:
校验电力系统是否可正常通讯以及第三方平台是否可正常采集所述电力系统的性能数据;
在所述电力系统无法正常通讯的情况下,获取所述电力系统的网卡信息,根据所述网卡信息生成针对网络侧的网络故障告警信息;
在所述电力系统可正常通讯、且所述第三方平台可正常采集所述电力系统的性能数据的情况下,采集所述电力系统的性能数据,根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息。
可选的,所述根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息,包括:
根据采集到的性能数据建立时间序列表达式;
根据所述时间序列表达式,计算所述电力系统在预设时刻的预测性能数据;
在预测性能数据不符合预设条件的情况下,调整所述时间序列表达式的参数,直至得到的预测性能数据满足预设条件。
可选的,所述在预测性能数据不符合预设条件的情况下,调整所述时间序列表达式的参数,直至得到的预测性能数据满足预设条件包括:
根据采集到的性能数据以及所述预测性能数据,采用拟合优度校验方法计算拟合优度,在所述拟合优度小于预设拟合优度阈值的情况下,调整所述时间序列表达式的参数,直至得到的拟合优度大于所述预设拟合优度阈值。
可选的,所述根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息还包括:
对采集到的性能数据进行归一化处理;
根据经归一化处理后的性能数据,构建二值多元Logistic回归模型;
将归一化处理后的性能数据作为二值多元Logistic回归模型的输入,利用所述二值多元Logistic回归模型预测所述电力系统自身是否发生故障,生成预测结果,其中,所述二值多元Logistic回归模型根据归一化处理后的电力系统的历史性能数据和告警数据建立;
根据所述预测结果以及所述预测性能数据确定是否生成电力系统故障预警信息。
可选的,所述对采集到的性能数据进行归一化处理中,采用以下公式:
可选的,所述二值多元Logistic回归模型为:
p=p(y=0|A′1,A′2,…,A′k)=1-p(y=1|A′1,A′2,…,A′k),
其中,y表示电力系统是否告警,为1,0变量;变量A′1,A′2,…,A′k表示经过归一化处理后的历史性能数据;α和βi(i=1,2,…k)为系数。
可选的,所述根据所述预测结果以及所述预测性能数据确定是否生成电力系统故障预警信息包括以下至少一项:
在所述预测结果为所述电力系统不发生故障、且所述预测性能数据不超过第一性能数据阈值的情况下,确定不生成电力系统故障预警信息;
在所述预测结果为所述电力系统发生故障、但所述预测性能数据不超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息;
在所述预测结果为所述电力系统不发生故障、且所述预测性能数据超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息;
在所述预测结果为所述电力系统发生故障、且所述预测性能数据超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息。
可选的,还包括:
计算目标时刻采集到的所述电力系统的目标性能数据与预设时刻为目标时刻下的预测性能数据的准确度;
根据所述准确度以及所述目标性能数据,确定是否生成电力系统故障告警信息。
第二方面,本发明还提供一种电力系统故障定位装置,包括:
校验模块,用于校验电力系统是否可正常通讯以及第三方平台是否可正常采集所述电力系统的性能数据;
第一告警模块,用于在所述电力系统无法正常通讯的情况下,获取所述电力系统的网卡信息,根据所述网卡信息生成针对网络侧的网络故障告警信息;
第二告警模块,用于在所述电力系统可正常通讯、且所述第三方平台可正常采集所述电力系统的性能数据的情况下,采集所述电力系统的性能数据,根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息。
可选的,所述第二告警模块包括:
时间序列单元,用于根据采集到的性能数据建立时间序列表达式;
第一计算单元,用于根据所述时间序列表达式,计算所述电力系统在预设时刻的预测性能数据;
调整单元,用于在预测性能数据不符合预设条件的情况下,调整所述时间序列表达式的参数,直至得到的预测性能数据满足预设条件。
可选的,所述调整单元包括:
调整子单元,用于根据采集到的性能数据以及所述预测性能数据,采用拟合优度校验方法计算拟合优度,在所述拟合优度小于预设拟合优度阈值的情况下,调整所述时间序列表达式的参数,直至得到的拟合优度大于所述预设拟合优度阈值。
可选的,所述第二告警模块还包括:
归一化单元,用于对采集到的性能数据进行归一化处理;
预测单元,用于将归一化处理后的性能数据作为二值多元Logistic回归模型的输入,利用所述二值多元Logistic回归模型预测所述电力系统自身是否发生故障,生成预测结果,其中,所述二值多元Logistic回归模型根据归一化处理后的电力系统的历史性能数据和告警数据建立;
预警单元,用于根据所述预测结果以及所述预测性能数据确定是否生成电力系统故障预警信息。
可选的,所述对采集到的性能数据进行归一化处理中,采用以下公式:
可选的,所述二值多元Logistic回归模型为:
p=p(y=0|A′1,A′2,…,A′k)=1-p(y=1|A′1,A′2,…,A′k),
其中,y表示电力系统是否告警,为1,0变量;变量A′1,A′2,…,A′k表示经过归一化处理后的历史性能数据;α和βi(i=1,2,…k)为系数。
可选的,所述预警单元包括以下至少一项:
第一预警子单元,用于在所述预测结果为所述电力系统不发生故障、且所述预测性能数据不超过第一性能数据阈值的情况下,确定不生成电力系统故障预警信息;
第二预警子单元,用于在所述预测结果为所述电力系统发生故障、但所述预测性能数据不超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息;
第三预警子单元,用于在所述预测结果为所述电力系统不发生故障、且所述预测性能数据超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息:
第四预警子单元,用于在所述预测结果为所述电力系统发生故障、且所述预测性能数据超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息。
可选的,还包括:
准确度模块,用于计算目标时刻采集到的所述电力系统的目标性能数据与预设时刻为目标时刻下的预测性能数据的准确度;
第三告警模块,用于根据所述准确度以及所述目标性能数据,确定是否生成电力系统故障告警信息。
第三方面,本发明还提供一种故障定位设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;所述处理器执行所述计算机程序时实现上述任一种电力系统故障定位方法。
第四方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一种电力系统故障定位方法中的步骤。
本发明的上述技术方案的有益效果如下:
本发明实施例中,通过对采集的性能数据进行分析,在排查电力系统本身通讯故障的同时,还可以排出是否是运营商侧的故障问题,从而得到更精确的故障告警数据。
附图说明
图1为本发明实施例一提供的一种电力系统故障定位方法的流程示意图;
图2为本发明实施例二提供的一种电力系统故障定位装置的结构示意图;
图3为本发明实施例三提供的一种故障定位设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,图1为本发明实施例一提供的一种电力系统故障定位方法的流程示意图,该方法包括以下步骤:
步骤11:校验电力系统是否可正常通讯以及第三方平台是否可正常采集所述电力系统的性能数据;
步骤12:在所述电力系统无法正常通讯的情况下,获取所述电力系统的网卡信息,根据所述网卡信息生成针对网络侧的网络故障告警信息;
步骤13:在所述电力系统可正常通讯、且所述第三方平台可正常采集所述电力系统的性能数据的情况下,采集所述电力系统的性能数据,根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息。
本发明实施例中,通过校验电力系统中的通讯模块是否能够正常通讯,来判断电力系统是否发生通讯故障;在校验电力系统是否可正常通讯时,可以先校验电力系统的某一通讯模块是否能够正常通讯,若能够正常通讯,并且第三方平台也可以正常采集到电力系统的性能数据,则采集电力系统的性能数据;若电力系统的某一通讯模块无法正常通讯,则校验电力系统的其他通讯模块是否能够正常通讯,例如通过召测相应通讯模块的方式来校验同一单元下的其他通讯模块是否能够正常通讯,若其他通讯模块能正常通讯,第三方平台可采集到电力系统的性能数据,则采集电力系统的性能数据;若其他通讯模块也均不能正常通讯,则获取所述电力系统中相应通讯模块的网卡信息,例如根据物联网卡的IP地址,获取相应物联网卡的套餐流量信息,包括已使用流量、剩余流量、卡的状态等等,从而根据所述网卡信息生成针对网络侧的网络故障告警信息,例如,若当前的已使用流量已超过流量套餐范围,则生成超流量的故障告警信息,若当前的已使用流量未超出流量套餐范围、资费等也未超过套餐使用限制,意味着运营商侧出现了故障,则生成运营商侧的故障告警信息,此时可根据如各个基站负载的通讯模块的数量来排查上述故障是否为基站的容量不足、断电、覆盖不足等问题所导致。
本发明实施例中,在所述电力系统可正常通讯、且所述第三方平台可正常采集所述电力系统的性能数据的情况下,采集电力系统的性能数据,其中,所述性能数据可以包括电力系统中电力设备各个模块的CPU使用率、内存占用率、温度、信号强度、信噪比等等,当然,可以为上述CPU使用率、内存占用率、温度、信号强度、信噪比中的一者或多者。由于可以采集到电力系统的性能数据,即排除了网络侧存在故障的可能,因此在采集到电力系统的性能数据后,即可对电力系统的性能数据进行分析,从而确定是否生成针对电力系统自身的电力系统故障预警信息,也即判断电力系统自身是否发生故障。
本发明的一些实施例中,所述根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息,包括:
根据采集到的性能数据建立时间序列表达式;
根据所述时间序列表达式,计算所述电力系统在预设时刻的预测性能数据;
在预测性能数据不符合预设条件的情况下,调整所述时间序列表达式的参数,直至得到的预测性能数据满足预设条件。
示例性的,由于采集到的电力系统的性能数据随时间变化,因此可以将根据采集到的性能数据建立时间序列表达式,时间序列表达式如下:
At=[α(t),α(t+1),α(t+2),…,α(t+n)],
其中,At表示采集电力系统的性能数据,t为采集性能数据的时间,n为正整数,α为横截面数据。
则,当t=t0时,有:
其中,表示电力系统发生故障的时间点为t0时采集到的电力系统的预测性能数据,t0表示电力系统发生故障的时间点,即预设时刻。例如,在预测电力系统在未来某一时刻是否会发生故障时,可以将该时刻代入到上述的时间序列表达式,计算得到在该预设时刻的预测性能数据,该预测性能数据并非是真实采集到的电力系统的性能数据,只是根据已采集到的历史数据按照表达式推测计算得到。
在预测性能数据不符合预设条件的情况下,需要调整所述时间序列表达式的参数,直至得到的预测性能数据满足预设条件。具体来说,由于时间序列表达式根据采集到的电力系统的性能数据得到,则时间序列表达式中各项参数的选取对利用时间序列表达式计算得到的预测性能数据的准确性有影响,因此,还需要对得到的预测性能数据的准确性进行分析。
本发明的一些实施例中,可选的,所述在预测性能数据不符合预设条件的情况下,调整所述时间序列表达式的参数,直至得到的预测性能数据满足预设条件包括:
根据采集到的性能数据以及所述预测性能数据,采用拟合优度校验方法计算拟合优度,在所述拟合优度小于预设拟合优度阈值的情况下,调整所述时间序列表达式的参数,直至得到的拟合优度大于所述预设拟合优度阈值。
进而,根据回归平方和(SSR)与总平方和(SST)计算拟合优度R2:
其中,k为采集到的性能数据的类别数量,例如在性能数据包括CPU使用率、内存占用率、温度、信号强度、信噪比的情况下,k=5,n为采集到的性能数据的组数,n-1表示总平方和的自由度,n-k-1表示残差平方和的自由度,当越接近于1,则说明拟合效果越好,即证明拟合值越准确。可选的,本发明实施例中,为了保证得到的预测性能数据的准确性,在进行下一步处理之前,应调整拟合优度的数值大于预设拟合优度阈值,否则预测性能数据与实际值偏差较大将导致故障预警出现偏差,因此,在拟合优度小于预设拟合优度阈值的情况下,则应调整上述时间序列表达式中的参数,直至得到的预测性能数据在采用拟合优度校验方法进行校验时,其拟合优度大于所述预设拟合优度阈值,此时,对应的预测性能数据才能确认为有效,才可继续后续的处理。示例性的,所述预设拟合优度阈值可以设置为0.5。
本发明的另一些实施例中,所述根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息还包括:
对采集到的性能数据进行归一化处理;
将归一化处理后的性能数据作为二值多元Logistic回归模型的输入,利用所述二值多元Logistic回归模型预测所述电力系统自身是否发生故障,生成预测结果,其中,所述二值多元Logistic回归模型根据归一化处理后的电力系统的历史性能数据和告警数据建立;
根据所述预测结果以及所述预测性能数据确定是否生成电力系统故障预警信息。
也就是说,由于采集到的电力系统的性能数据的量纲、基数等有较大的差别,为了避免这些因素对数据造成的影响,使故障预警结果更加可信,因此,本发明实施例可以对采集到的性能数据进行归一化处理,也即将采集到的性能数据组成的数据集转换成[0,1]之间的小数之后再进行分析。示例性的,所述对采集到的性能数据进行归一化处理中,采用以下公式:
接着,将归一化处理后的性能数据作为二值多元Logistic回归模型的输入,利用所述二值多元Logistic回归模型预测所述电力系统自身是否发生故障,生成预测结果;Logistic回归,即Logistic Regression,逻辑回归,二值多元Logistic回归模型可以用于预测采集到的性能数据是否能够使电力系统自身处于告警状态,也即预测电力系统是否发生故障。在采用二值多元Logistic回归模型进行预测之前,需要先建立并训练好能够用于根据采集到的性能数据预测电力系统是否处于告警状态的二值多元Logistic回归模型,而该二值多元Logistic回归模型即根据归一化处理后的电力系统的历史性能数据和告警数据建立,其中,每一组归一化处理后的历史性能数据都会对应一个告警数据,用来表征电力系统(或者说电力系统某部分设备)在该历史性能数据下是处于告警状态还是处于正常状态。具体的,电力系统是否告警只有两个状态,即电力系统告警和电力系统正常,对于这种变量而言,其结果不是0就是1,其余性能数据均可作为影响电力系统是否告警的因素,基于以上特点,可以建立如下的二值多元Logistic回归模型:
p=p(y=0|A′1,A′2,…,A′k)=1-p(y=1|A′1,A′2,…,A′k),
其中,y表示电力系统是否告警,为1,0变量,y=1表示电力系统告警,y=0表示电力系统正常;变量A′1,A′2,…,A′k表示经过归一化处理后的历史性能数据;α和βi(i=1,2,…k)为系数。
上述表达式中,系数α和βi为待定值,需要进行求解,本发明的一些实施例中,示例性的,可以根据最大似然函数求解上述系数。
由于函数y是一个Sigmoid函数,因此可以得到,当电力系统处于告警状态时,预测值y=1的概率为:
同时有,当电力系统处于正常状态时,预测值y=0的概率为:
p(y=0)=1-p(y=1),
因此,当有n组归一化处理后的历史性能数据时,则有似然函数:
为了使预测值更为准确,因此通过最大似然函数法求解上述似然函数的最大值:
为了求解最大值,可以沿着梯度增加的方向计算,不断迭代更新权重:
由此,在初步建立了二值多元Logistic回归模型之后,利用多组归一化处理后的电力系统的历史性能数据和告警数据对二值多元Logistic回归模型进行训练,计算出系数α和βi,可以得到能够根据采集到的归一化处理后的性能数据来预测电力系统是否处于告警状态的二值多元Logistic回归模型。最后,将本次采集的经归一化处理后的性能数据作为训练好的二值多元Logistic回归模型的输入,即可得到预测结果,预测结果也是0,1变量,预测结果为0即表示电力系统不发生故障,或者说电力系统正常,预测结果为1即表示电力系统故障,或者说电力系统告警。
至此,经过上述各步骤,得到了预设时刻的电力系统的预测性能数据以及电力系统设备是否告警的预测结果。
本发明实施例中,所述根据所述预测结果以及所述预测性能数据确定是否生成电力系统故障预警信息包括以下至少一项:
在所述预测结果为所述电力系统不发生故障、且所述预测性能数据不超过第一性能数据阈值的情况下,确定不生成电力系统故障预警信息;
在所述预测结果为所述电力系统发生故障、但所述预测性能数据不超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息;
在所述预测结果为所述电力系统不发生故障、且所述预测性能数据超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息;
在所述预测结果为所述电力系统发生故障、且所述预测性能数据超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息。
也就是说,当y=0、且预测性能数据的数值不超过预设的第一性能数据阈值时,说明无论从预测角度和告警阈值限制角度,均可认为该电力系统设备的性能指标正常,无需生成故障预警信息;当y=1,但预测性能数据的数值不超过预设的第一性能数据阈值时,说明电力系统的目标设备虽然各项指标没有超过限制,但是综合已采集的各项采集数据来看,该电力系统的目标设备已经处于异常状态,因此生成对应目标设备的故障预警信息;当y=0、且预测性能数据的数值超过预设的第一性能数据阈值时,说明根据电力系统设备以往的性能数据分析,电力系统的目标设备不会因为一时的负载过高而造成电力系统目标设备故障,但由于预测性能数据超过设定的门限值,故此时的电力系统目标设备已经处于异常状态,则应生成对应目标设备的故障预警信息;当y=1,且预测性能数据的数值超过预设的第一性能数据阈值时,说明电力系统目标设备无论从各项指标的单独标准来看,还是综合总体性能来看,均处于异常状态,故生成对应目标设备的故障预警信息。其中,所述目标设备即性能数据的采集对象,即性能数据所属的设备。
本发明的另一些实施例中,可选的,所述电力系统故障定位方法还包括:
计算目标时刻采集到的所述电力系统的目标性能数据与预设时刻为目标时刻下的预测性能数据的准确度;
根据所述准确度以及所述目标性能数据,确定是否生成电力系统故障告警信息。
其中,所述根据所述准确度以及所述目标性能数据,确定是否生成电力系统故障告警信息包括以下至少一项:
在所述准确度不大于0.05、且所述目标性能数据不超过第二性能数据阈值的情况下,确定不生成电力系统故障告警信息;
在所述准确度不大于0.05、但所述目标性能数据超过第二性能数据阈值的情况下,确定生成电力系统中目标设备的故障告警信息;
在所述准确度大于0.05、但所述目标性能数据不超过第二性能数据阈值的情况下,确定生成电力系统中目标设备的故障告警信息;
在所述准确度大于0.05、且所述目标性能数据超过第二性能数据阈值的情况下,确定生成电力系统中目标设备的故障告警信息。
具体的,设目标时刻采集到的电力系统的目标性能数据为A,则准确度
其中,为将预设时刻代入上述时间序列表达式中计算得到的预测性能数据。考虑到预测值与真实值之间的偏差,根据3σ准则,当准确度不小于95%时,认为预测值是准确的,即真实值与预测值之间的差距不超过0.05。目标性能数据A即为真实值,为预测值。具体分析如下:
当时,但目标性能数据A超过电力系统的各项性能指标的门限值,由于门限值是用户自主设定的告警界限,因此虽然预测值分析此时电力系统的目标设备不会出现故障,但仍认为电力系统的目标设备满足告警条件,应触发电力系统的目标设备的故障告警信息。
当时,但目标性能数据A没有超过电力系统的各项性能指标的门限值,说明此时预测值与采集到的性能数据(即实际值)差别较大,虽然实际值没有超过对应的告警门限值,但是可能电力系统的目标设备仍出现了异常导致此时的性能数据与预测值不符,因此生成对应目标设备的故障告警信息,提示用户该设备可能即将或已经出现异常。
当时,且目标性能数据A超过了性能指标的门限值,说明此时电力系统的目标设备的性能数据已经与预期产生了较大的偏差,同时由于性能数据超过用户设定的门限值,故此时的电力系统的目标设备已经处于故障状态,则生成对应目标设备的故障告警信息。其中,所述目标设备即性能数据的采集对象,即性能数据所属的设备。
由此,本发明实施例还可以根据某一时刻采集到的性能数据与该时刻下的预测性能数据的准确度来判断电力系统是否发生故障,与前述的判断方法组合,更准确、全面地判断电力系统是否发生故障。
本发明实施例中,通过对采集的性能数据进行分析,在排查电力系统本身通讯故障的同时,还可以排出是否是运营商侧的故障问题,从而得到更精确的故障告警数据。
请参阅图2,图2是本发明实施例二提供的一种电力系统故障定位装置的结构示意图,该终端20包括:
校验模块21,用于校验电力系统是否可正常通讯以及第三方平台是否可正常采集所述电力系统的性能数据;
第一告警模块22,用于在所述电力系统无法正常通讯的情况下,获取所述电力系统的网卡信息,根据所述网卡信息生成针对网络侧的网络故障告警信息;
第二告警模块23,用于在所述电力系统可正常通讯、且所述第三方平台可正常采集所述电力系统的性能数据的情况下,采集所述电力系统的性能数据,根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息。
可选的,所述第二告警模块包括:
时间序列单元,用于根据采集到的性能数据建立时间序列表达式;
第一计算单元,用于根据所述时间序列表达式,计算所述电力系统在预设时刻的预测性能数据;
调整单元,用于在预测性能数据不符合预设条件的情况下,调整所述时间序列表达式的参数,直至得到的预测性能数据满足预设条件。
可选的,所述调整单元包括:
调整子单元,用于根据采集到的性能数据以及所述预测性能数据,采用拟合优度校验方法计算拟合优度,在所述拟合优度小于预设拟合优度阈值的情况下,调整所述时间序列表达式的参数,直至得到的拟合优度大于所述预设拟合优度阈值。
可选的,所述第二告警模块还包括:
归一化单元,用于对采集到的性能数据进行归一化处理;
预测单元,用于将归一化处理后的性能数据作为二值多元Logistic回归模型的输入,利用所述二值多元Logistic回归模型预测所述电力系统自身是否发生故障,生成预测结果,其中,所述二值多元Logistic回归模型根据归一化处理后的电力系统的历史性能数据和告警数据建立;
预警单元,用于根据所述预测结果以及所述预测性能数据确定是否生成电力系统故障预警信息。
可选的,所述对采集到的性能数据进行归一化处理中,采用以下公式:
可选的,所述二值多元Logistic回归模型为:
p=p(y=0|A′1,A′2,…,A′k)=1-p(y=1|A′1,A′2,…,A′k),
其中,y=1表示电力系统告警,y=0表示电力系统正常;变量A′1,A′2,…,A′k表示经过归一化处理后的历史性能数据;α和βi(i=1,2,…k)为系数。
可选的,所述预警单元包括以下至少一项:
第一预警子单元,用于在所述预测结果为所述电力系统不发生故障、且所述预测性能数据不超过第一性能数据阈值的情况下,确定不生成电力系统故障预警信息;
第二预警子单元,用于在所述预测结果为所述电力系统发生故障、但所述预测性能数据不超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息;
第三预警子单元,用于在所述预测结果为所述电力系统不发生故障、且所述预测性能数据超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息:
第四预警子单元,用于在所述预测结果为所述电力系统发生故障、且所述预测性能数据超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息。
可选的,还包括:
准确度模块,用于计算目标时刻采集到的所述电力系统的目标性能数据与预设时刻为目标时刻下的预测性能数据的准确度;
第三告警模块,用于根据所述准确度以及所述目标性能数据,确定是否生成电力系统故障告警信息。
本发明实施例是与上述方法实施例一对应的产品实施例,故在此不再赘述,详细请参阅上述实施例一。
请参阅图3,图3是本发明实施例三提供的一种故障定位设备的结构示意图,该故障定位设备30包括处理器31、存储器32及存储在所述存储器32上并可在所述处理器31上运行的计算机程序;所述处理器31执行所述计算机程序时实现如下步骤:
校验电力系统是否可正常通讯以及第三方平台是否可正常采集所述电力系统的性能数据;
在所述电力系统无法正常通讯的情况下,获取所述电力系统的网卡信息,根据所述网卡信息生成针对网络侧的网络故障告警信息;
在所述电力系统可正常通讯、且所述第三方平台可正常采集所述电力系统的性能数据的情况下,采集所述电力系统的性能数据,根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息。
本发明实施例中,可选的,所述处理器31执行所述计算机程序时还可实现如下步骤:
所述根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息,包括:
根据采集到的性能数据建立时间序列表达式;
根据所述时间序列表达式,计算所述电力系统在预设时刻的预测性能数据;
在预测性能数据不符合预设条件的情况下,调整所述时间序列表达式的参数,直至得到的预测性能数据满足预设条件。
可选的,所述在预测性能数据不符合预设条件的情况下,调整所述时间序列表达式的参数,直至得到的预测性能数据满足预设条件包括:
根据采集到的性能数据以及所述预测性能数据,采用拟合优度校验方法计算拟合优度,在所述拟合优度小于预设拟合优度阈值的情况下,调整所述时间序列表达式的参数,直至得到的拟合优度大于所述预设拟合优度阈值。
可选的,所述根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息还包括:
对采集到的性能数据进行归一化处理;
将归一化处理后的性能数据作为二值多元Logistic回归模型的输入,利用所述二值多元Logistic回归模型预测所述电力系统自身是否发生故障,生成预测结果,其中,所述二值多元Logistic回归模型根据归一化处理后的电力系统的历史性能数据和告警数据建立;
根据所述预测结果以及所述预测性能数据确定是否生成电力系统故障预警信息。
可选的,所述对采集到的性能数据进行归一化处理中,采用以下公式:
可选的,所述二值多元Logistic回归模型为:
p=p(y=0|A′1,A′2,…,A′k)=1-p(y=1|A′1,A′2,…,A′k),
其中,y表示电力系统是否告警,为1,0变量;变量A′1,A′2,…,A′k表示经过归一化处理后的历史性能数据;α和βi(i=1,2,…k)为系数。
可选的,所述根据所述预测结果以及所述预测性能数据确定是否生成电力系统故障预警信息包括以下至少一项:
在所述预测结果为所述电力系统不发生故障、且所述预测性能数据不超过第一性能数据阈值的情况下,确定不生成电力系统故障预警信息;
在所述预测结果为所述电力系统发生故障、但所述预测性能数据不超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息;
在所述预测结果为所述电力系统不发生故障、且所述预测性能数据超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息;
在所述预测结果为所述电力系统发生故障、且所述预测性能数据超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息。
本发明实施例中,可选的,所述处理器31执行所述计算机程序时还可实现如下步骤:
计算目标时刻采集到的所述电力系统的目标性能数据与预设时刻为目标时刻下的预测性能数据的准确度;
根据所述准确度以及所述目标性能数据,确定是否生成电力系统故障告警信息。
本发明实施例的具体工作过程与上述方法实施例一中的一致,故在此不再赘述,详细请参阅上述实施例一中方法步骤的说明。
本发明实施例四提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例一中任一种电力系统故障定位方法中的步骤。详细请参阅以上对应实施例中方法步骤的说明。
上述计算机可读存储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。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种电力系统故障定位方法,其特征在于,包括:
校验电力系统是否可正常通讯以及第三方平台是否可正常采集所述电力系统的性能数据;
在所述电力系统无法正常通讯的情况下,获取所述电力系统的网卡信息,根据所述网卡信息生成针对网络侧的网络故障告警信息;
在所述电力系统可正常通讯、且所述第三方平台可正常采集所述电力系统的性能数据的情况下,采集所述电力系统的性能数据,根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息。
2.根据权利要求1所述的电力系统故障定位方法,其特征在于,所述根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息,包括:
根据采集到的性能数据建立时间序列表达式;
根据所述时间序列表达式,计算所述电力系统在预设时刻的预测性能数据;
在预测性能数据不符合预设条件的情况下,调整所述时间序列表达式的参数,直至得到的预测性能数据满足预设条件。
3.根据权利要求2所述的电力系统故障定位方法,其特征在于,所述在预测性能数据不符合预设条件的情况下,调整所述时间序列表达式的参数,直至得到的预测性能数据满足预设条件包括:
根据采集到的性能数据以及所述预测性能数据,采用拟合优度校验方法计算拟合优度,在所述拟合优度小于预设拟合优度阈值的情况下,调整所述时间序列表达式的参数,直至得到的拟合优度大于所述预设拟合优度阈值。
4.根据权利要求2所述的电力系统故障定位方法,其特征在于,所述根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息还包括:
对采集到的性能数据进行归一化处理;
将归一化处理后的性能数据作为二值多元Logistic回归模型的输入,利用所述二值多元Logistic回归模型预测所述电力系统自身是否发生故障,生成预测结果,其中,所述二值多元Logistic回归模型根据归一化处理后的电力系统的历史性能数据和告警数据建立;
根据所述预测结果以及所述预测性能数据确定是否生成电力系统故障预警信息。
7.根据权利要求4所述的电力系统故障定位方法,其特征在于,所述根据所述预测结果以及所述预测性能数据确定是否生成电力系统故障预警信息包括以下至少一项:
在所述预测结果为所述电力系统不发生故障、且所述预测性能数据不超过第一性能数据阈值的情况下,确定不生成电力系统故障预警信息;
在所述预测结果为所述电力系统发生故障、但所述预测性能数据不超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息;
在所述预测结果为所述电力系统不发生故障、且所述预测性能数据超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息;
在所述预测结果为所述电力系统发生故障、且所述预测性能数据超过第一性能数据阈值的情况下,生成电力系统中目标设备的故障预警信息。
8.根据权利要求2所述的电力系统故障定位方法,其特征在于,还包括:
计算目标时刻采集到的所述电力系统的目标性能数据与预设时刻为目标时刻下的预测性能数据的准确度;
根据所述准确度以及所述目标性能数据,确定是否生成电力系统故障告警信息。
9.一种电力系统故障定位装置,其特征在于,包括:
校验模块,用于校验电力系统是否可正常通讯以及第三方平台是否可正常采集所述电力系统的性能数据;
第一告警模块,用于在所述电力系统无法正常通讯的情况下,获取所述电力系统的网卡信息,根据所述网卡信息生成针对网络侧的网络故障告警信息;
第二告警模块,用于在所述电力系统可正常通讯、且所述第三方平台可正常采集所述电力系统的性能数据的情况下,采集所述电力系统的性能数据,根据采集到的性能数据确定是否生成针对所述电力系统自身的电力系统故障预警信息。
10.一种故障定位设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的电力系统故障定位方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至8中任一项所述的电力系统故障定位方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110400409.2A CN115208745A (zh) | 2021-04-14 | 2021-04-14 | 一种电力系统故障定位方法、装置及故障定位设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110400409.2A CN115208745A (zh) | 2021-04-14 | 2021-04-14 | 一种电力系统故障定位方法、装置及故障定位设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115208745A true CN115208745A (zh) | 2022-10-18 |
Family
ID=83574321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110400409.2A Pending CN115208745A (zh) | 2021-04-14 | 2021-04-14 | 一种电力系统故障定位方法、装置及故障定位设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115208745A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180120558A (ko) * | 2017-04-27 | 2018-11-06 | 주식회사 케이티 | 딥러닝 기반 통신망 장비의 장애 예측 시스템 및 방법 |
CN109861390A (zh) * | 2018-12-30 | 2019-06-07 | 珠海一多监测科技有限公司 | 一种电力设备运行监控系统 |
CN110601900A (zh) * | 2019-09-23 | 2019-12-20 | 中盈优创资讯科技有限公司 | 一种网络故障预警方法及装置 |
-
2021
- 2021-04-14 CN CN202110400409.2A patent/CN115208745A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180120558A (ko) * | 2017-04-27 | 2018-11-06 | 주식회사 케이티 | 딥러닝 기반 통신망 장비의 장애 예측 시스템 및 방법 |
CN109861390A (zh) * | 2018-12-30 | 2019-06-07 | 珠海一多监测科技有限公司 | 一种电力设备运行监控系统 |
CN110601900A (zh) * | 2019-09-23 | 2019-12-20 | 中盈优创资讯科技有限公司 | 一种网络故障预警方法及装置 |
Non-Patent Citations (1)
Title |
---|
赵明乾: "基于大数据的电力设备故障分析与诊断的研究", 《中国优秀硕士学位论文全文数据库》, pages 151 - 252 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766059A (zh) | 一种变压器故障的预测方法、装置和设备 | |
CN116154900B (zh) | 一种电池储能电站的主动安全三级防控系统及方法 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN110858072B (zh) | 设备运行状态的确定方法及装置 | |
CN116306806A (zh) | 故障诊断模型确定方法、装置及非易失性存储介质 | |
CN112926636A (zh) | 牵引变流器柜体温度异常检测方法和装置 | |
CN114138601A (zh) | 一种业务告警方法、装置、设备及存储介质 | |
CN116739829B (zh) | 一种基于大数据的电力数据分析方法、系统及介质 | |
CN117170915A (zh) | 数据中心设备故障预测方法、装置和计算机设备 | |
CN115208745A (zh) | 一种电力系统故障定位方法、装置及故障定位设备 | |
CN116380228A (zh) | 衡器运行监测方法、系统、终端及存储介质 | |
CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
CN116663747A (zh) | 一种基于数据中心基础设施的智能预警方法及系统 | |
CN116401137A (zh) | 一种芯粒健康状态预测方法、装置、电子设备及存储介质 | |
CN115982591A (zh) | 变压器健康状态的检测方法及装置、设备及存储介质 | |
CN112947177B (zh) | 一种设备点检系统、方法、装置及存储介质 | |
CN115684792A (zh) | 一种基于人工智能的电气自动化设备检测系统 | |
CN115373339A (zh) | 一种基于工业互联网的机床备件监控方法、设备及介质 | |
CN110619413A (zh) | 用于评估风力发电机组健康度的方法及装置 | |
CN115981911A (zh) | 内存故障的预测方法、电子设备和计算机可读存储介质 | |
CN117572158B (zh) | 录波定位型故障指示方法、系统及指示器 | |
CN116661954B (zh) | 虚拟机异常预测方法、装置、通信设备及存储介质 | |
CN114492636B (zh) | 一种变压器绕组状态信号的采集系统 | |
CN115511106B (zh) | 基于时序数据生成训练数据的方法、设备和可读存储介质 | |
CN116991149B (zh) | 一种费控产品检验方法、装置、电子设备及存储介质 |
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 |