CN115269869A - 一种隐患数据信息检索方法、装置、计算机设备及介质 - Google Patents

一种隐患数据信息检索方法、装置、计算机设备及介质 Download PDF

Info

Publication number
CN115269869A
CN115269869A CN202210883661.8A CN202210883661A CN115269869A CN 115269869 A CN115269869 A CN 115269869A CN 202210883661 A CN202210883661 A CN 202210883661A CN 115269869 A CN115269869 A CN 115269869A
Authority
CN
China
Prior art keywords
equipment
data
hidden danger
health
state data
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
Application number
CN202210883661.8A
Other languages
English (en)
Inventor
林华城
许冠竑
苏春华
陆建巧
叶泳泰
陈锦迅
赖佛强
涂兵
郑力嘉
余代吉
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.)
Guangdong Power Grid Co Ltd
Huizhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Huizhou Power Supply Bureau of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Huizhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202210883661.8A priority Critical patent/CN115269869A/zh
Publication of CN115269869A publication Critical patent/CN115269869A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Library & Information Science (AREA)
  • Power Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明实施例公开了一种隐患数据信息检索方法、装置、设备及介质。该方法包括：确定设备运行状态数据；获取与各设备运行状态数据所关联的权重值，并与各设备运行状态数据计算得到设备健康指数；根据设备健康指数确定当前设备健康状态等级；若当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据；将所述隐患数据通过构建好的图谱数据库中检索，将所述隐患数据通过构建好的图谱数据库中检索，得到隐患数据所关联的隐患数据信息。本发明实施例，解决了在高压电力设备中难以定位隐患和故障的问题，实现了能够有效地对高压电力设备进行监测，提高了隐患和故障定位的准确率，降低了人力成本和节省了时间成本。

Description

一种隐患数据信息检索方法、装置、计算机设备及介质
技术领域
本发明实施例涉及计算机数据处理技术，尤其涉及一种隐患数据信息检索方法、装置、计算机设备及介质。
背景技术
高压电力客户安全监管是提升电网安全运行水平的重要环节。高压电力客户的变压器、高压开关柜、跌落式熔断器等用电设备也是用电安全检查的重点，及时排除设备安全隐患对保证电网安全运行具有重要作用。随着物联网技术的发展，高压客户电力设备的状态监测系统越来越普及。
发明人在发明的过程中发现现有技术的缺陷为：基于监测参数可计算其健康指数，用于反映设备实时健康状态，然后由于电力设备的复杂性和多样性，设备关键监测参数等参数之间难以建立明晰的关系，给业务人员感知隐患和故障定位带来困难。而设备故障、安全隐患的知识散落存在于各种不同的规程、标准和文档记录之中，缺乏统一的管理和查询手段，难以充分发挥其价值。
发明内容
本发明实施例提供了一种隐患数据信息检索方法、装置、计算机设备及介质，以实现有效地对高压电力设备进行监测，提高了隐患和故障定位的准确率。
第一方面，本发明实施例提供了一种隐患数据信息检索方法，其中，包括：
确定设备运行状态数据；
获取与各所述设备运行状态数据所关联的权重值，并与各所述设备运行状态数据计算得到设备健康指数；
根据所述设备健康指数确定当前设备健康状态等级；
若所述当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据；
将所述隐患数据通过构建好的图谱数据库中检索，得到所述隐患数据所关联的隐患数据信息。
第二方面，本发明实施例还提供了一种隐患数据信息检索装置，该隐患数据信息检索装置包括：
设备运行状态数据确定模块，用于确定设备运行状态数据；
设备健康指数计算模块，用于获取与各所述设备运行状态数据所关联的权重值，并与各所述设备运行状态数据计算得到设备健康指数；
设备健康状态等级确定模块，用于根据所述设备健康指数确定当前设备健康状态等级；
设备运行状态隐患数据确定模块，用于若所述当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据；
隐患数据信息确定模块，用于将所述隐患数据通过构建好的图谱数据库中检索，得到所述隐患数据所关联的隐患数据信息。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如本发明任意实施例所述的隐患数据信息检索方法。
第四方面，本发明实施例还提供了一种包含计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如本发明任意实施例所述的隐患数据信息检索方法。
本发明实施例所提供的技术方案，通过确定设备运行状态数据；获取与各设备运行状态数据所关联的权重值，并与各设备运行状态数据计算得到设备健康指数；根据设备健康指数确定当前设备健康状态等级；若当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据；将所述隐患数据通过构建好的图谱数据库中检索，得到隐患数据所关联的隐患数据信息。本发明实施例，解决了在高压电力设备中难以定位隐患和故障的问题，实现了能够有效地对高压电力设备进行监测，提高了隐患和故障定位的准确率，降低了人力成本和节省了时间成本。
附图说明
图1为本发明实施例一提供的一种隐患数据信息检索方法的流程图；
图2为本发明实施例二提供的另一种隐患数据信息检索方法的流程图；
图3是本发明实施例三提供的一种隐患数据信息检索装置的结构示意图；
图4是本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种隐患数据信息检索方法的流程图。本实施例可适用于对高压电力设备进行隐患和故障定位的情况。本实施例的方法可以由隐患数据信息检索装置执行，该装置可以通过软件和/或硬件的方式实现，该装置可配置于服务器或者终端设备中。
相应的，该方法具体包括如下步骤：
S110、确定设备运行状态数据。
其中，设备运行状态数据可以是描述当前设备运行状态的参数，可以从待测设备进行数据的采集。
可以理解的是，在当前时间可以采集到设备运行状态数据集，其中通过对设备运行状态数据集中的多条原始设备运行状态数据进行标准化处理，得到设备运行状态数据。设备运行状态数据可以描述当前设备的温度、电压、功率等参数的数据，从待测设备上的各个传感器可以进行数据的采集操作。也即，可以在温度传感器采集温度数据，在电压传感器采集电压数据，以及在功率传感器采集功率数据。
可选的，所述确定设备运行状态数据，包括：获取设备运行状态数据集中的各设备运行的设备原始状态数据的数据类型，其中，所述数据类型包括最小优型、中间优型和最大优型；获取各个设备原始运行状态数据所关联的历史最大设备运行状态数据、历史最小设备运行状态数据、以及历史最优设备运行状态数据；根据如下公式对所述各个设备的原始运行状态数据进行标准化处理，得到所述各个设备运行状态数据；
Figure BDA0003765148640000051
其中，xi为设备原始运行状态数据，
Figure BDA0003765148640000052
为历史最大设备运行状态数据，
Figure BDA0003765148640000053
为历史最小设备运行状态数据，
Figure BDA0003765148640000054
为历史最优设备运行状态数据。
其中，设备原始状态数据可以是待测设备中的传感器中采集到的数据，没有进行标准化处理的数据。数据类型可以是描述设备原始状态数据的类型，不同的设备原始状态数据可以有不同的数据属性，比如设备原始状态数据为温度时，设备的温度越小越好，因此设备原始状态数据的数据类型为最小优型。最小优型可以是待测设备对应的设备原始状态数据越小，表明待测设备的状态越好的数据类型。中间优型可以是待测设备对应的设备原始状态数据处于中间状态的数据时(不能处于极大或者极小的情况)，表明待测设备的状态越好的数据类型。最大优型可以是待测设备对应的设备原始状态数据越大，表明待测设备的状态越好的数据类型。
可以理解的是，历史最大设备运行状态数据可以是描述在设备运行状态数据中，存在的历史最大数据的数值。历史最小设备运行状态数据可以是描述在设备运行状态数据中，存在的历史最小数据的数值。历史最优设备运行状态数据可以是描述在设备运行状态数据中，存在的历史最佳数据的数值。
在本实施例中，首先对原始运行状态数据进行数据类型的判断，然后根据相应的上述公式对原始运行状态数据进行标准化处理，可以进而得到设备运行状态数据。
这样设置的好处在于：通过对原始运行状态数据进行标准化处理，这样使得得到的设备运行状态数据更加准确，从而能够更好地判断出设备是否存在隐患问题。
S120、获取与各所述设备运行状态数据所关联的权重值，并与各所述设备运行状态数据计算得到设备健康指数。
其中，权重值可以是衡量各设备运行状态数据的权重占比的值。设备健康指数可以是描述待测设备健康的状况的指数，可以理解的是，设备健康指数越大，设备越健康，也可以根据设备健康指数计算出对应的设备健康状态等级。
可选的，所述获取与各所述设备运行状态数据所关联的权重值，并与各所述设备运行状态数据计算得到设备健康指数，包括：根据如下公式确定设备健康指数HI；
Figure BDA0003765148640000061
其中，hi为设备运行状态数据，βi为权重值，n为设备运行状态数据集中对应的设备运行状态数据的条数。
示例性的，假设设备运行状态数据为H＝{h1，h2，h3，…,hi,…,hn}，可以获取到对应的权重值为β＝{β1，β2，β3，…,βi,…,βn}，可以对应计算出设备健康指数，也即
Figure BDA0003765148640000062
可以理解的是，由于设备运行状态数据是经过设备原始运行状态数据经过标准化处理得到的数据，并且设备运行状态数据的大小范围在0～1之间。又由于权重值的大小范围也在0～1之间，因此，计算出的
Figure BDA0003765148640000063
的值也在0～1之间，进而可得设备健康指数的大小在0～5之间。
130、根据所述设备健康指数确定当前设备健康状态等级。
其中，当前设备健康状态等级可以是描述以等级的衡量标准来描述当前设备健康程度。其中，当前设备健康状态等级可以包括健康等级、亚健康等级、一般缺陷等级、严重缺陷等级和危险缺陷等级。
可以理解的是，根据每个计算出的设备健康指数都能找到对应的当前设备健康状态等级，从而根据当前设备健康状态等级来判定当前设备是否存在隐患。
可选的，所述根据所述设备健康指数确定当前设备健康状态等级，包括：当所述设备健康指数大于等于第一数值、且小于等于第二数值时，则所述当前设备健康状态等级为健康等级；当所述设备健康指数大于等于第三数值、且小所述第一数值时，则所述当前设备健康状态等级为亚健康等级；当所述设备健康指数大于等于第四数值、且小于所述第三数值时，则所述当前设备健康状态等级为一般缺陷等级；当所述设备健康指数大于等于第五数值、且小于所述第四数值时，则所述当前设备健康状态等级为严重缺陷等级；当所述设备健康指数大于等于第六数值、且小于所述第五数值时，则所述当前设备健康状态等级为危险缺陷等级。
其中，第一数值可以是衡量设备健康指数的第一阈值。第二数值可以是衡量设备健康指数的第二阈值。第三数值可以是衡量设备健康指数的第三阈值。第四数值可以是衡量设备健康指数的第四阈值。第五数值可以是衡量设备健康指数的第五阈值。第六数值可以是衡量设备健康指数的第六阈值。
可以理解的是，若当前设备健康指数的大小位于第一数值和第二数值之间时，当前设备健康状态等级为健康等级；若当前设备健康指数的大小位于第二数值和第三数值之间时，当前设备健康状态等级为亚健康等级；若当前设备健康指数的大小位于第三数值和第四数值之间时，当前设备健康状态等级为一般缺陷等级；若当前设备健康指数的大小位于第四数值和第五数值之间时，当前设备健康状态等级为严重缺陷等级；若当前设备健康指数的大小位于第五数值和第六数值之间时，当前设备健康状态等级为危险缺陷等级。
示例性的，由于前述提到过，设备健康指数的大小在0～5之间。因此可以进一步的确定，若当前设备健康指数大于等于4、并且小于等于5时，当前设备健康状态等级为健康等级；若当前设备健康指数大于等于3、并且小于4时，当前设备健康状态等级为亚健康等级；若当前设备健康指数大于等于2、并且小于3时，当前设备健康状态等级为一般缺陷等级；若当前设备健康指数大于等于1、并且小于2时，当前设备健康状态等级为严重缺陷等级；若当前设备健康指数大于等于0、并且小于1时，当前设备健康状态等级为危险缺陷等级。
这样设置的好处在于：能够更加清楚直接地对设备健康指数进行等级判断和确定，从而能够更加准确对当前设备健康状态等级是否降级进行判断，可以进一步的节约时间成本，能够更好的对待测设备的故障进行准确定位。
S140、若所述当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据。
其中，设备运行状态隐患数据可以是在设备运行状态数据可能存在隐患的数据，也即能够造成待测设备对应的当前设备健康状态等级降级的设备运行状态数据。
可以理解的是，若当前设备健康状态等级降级时，说明相较于上个周期的当前设备健康状态等级，当前的设备健康状态等级比较低，也就是当前待测设备可能会存在问题，需要进行故障定位检修，避免造成更大的设备危害，从而造成人力物力财力的损失。
可选的，所述若所述当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据，包括：获取所述待测设备的当前周期的参照设备运行状态数据集和参照设备健康状态等级；其中，参照设备运行状态数据集中包含多条参照设备运行状态数据；根据所述待测设备的参照设备健康状态等级，判断当前设备健康状态等级是否降级，若是，则在设备运行状态数据中确定设备运行状态隐患数据。
其中，参照设备运行状态数据集可以是包含有多条参照设备运行状态数据的数据集。具体的，参照设备运行状态数据集可以是获取当前待测设备存储的上一个周期设备运行状态数据集，当然待测设备的参照设备运行状态数据集也需要实时更新，确保与最近一个周期进行对比。
可以理解的是，参照设备健康状态等级可以是描述上一个周期的设备健康状态的等级。具体的，获取当前待测设备存储的上一个周期设备健康状态等级，当然待测设备的参照设备健康状态等级也需要实时更新，确保与最近一个周期进行对比。
具体的，参照设备运行状态数据可以是描述上一个周期的设备运行状态数据。可以理解的是，参照设备运行状态数据是从参照设备运行状态数据集中获取的，每个参照设备运行状态数据集中包含多条参照设备运行状态数据。
在本实施例中，通过当前设备健康状态等级和参照设备健康状态等级进行对比，来确定当前设备健康状态等级是否存在降级，也就是当前待测设备的健康状态相比之前发生变化，因此需要对存在降级的情况进行设备运行状态隐患数据的确定。
可选的，所述在设备运行状态数据中确定设备运行状态隐患数据，包括：根据公式zi＝βi(hi′-hi)，分别计算出各所述设备运行状态数据对应的设备健康状态降级贡献度zi，其中，hi′为参照设备运行状态数据；对各所述设备健康状态降级贡献度按照从大到小进行排序，并确定选取前N个所述设备健康状态降级贡献度所对应的所述设备运行状态数据为设备运行状态隐患数据。
其中，设备健康状态降级贡献度可以是设备运行状态数据对影响设备健康状态降级产生的影响程度，当目标设备运行状态数据变化程度较大时，可能对设备健康状态产生的影响较大，也即有可能是设备运行状态隐患数据。
示例性的，假设存在三条设备运行状态数据中，分别温度为a、功率为b、以及电压为c。由于当前的设备健康状态等级降级，之前获取到的参照设备运行状态数据中，分别温度为a1、功率为b1、以及电压为c1。并且获取到温度对应的权重为β1、功率对应的权重为β2、以及电压对应的权重为β3。进而可以计算出，温度的设备健康状态降级贡献度为z1＝β1(a1-a)；功率的设备健康状态降级贡献度为z2＝β2(b2-b)；电压的设备健康状态降级贡献度为z3＝β3(c3-c)。假设，z1＞z2＞z3，这里选取前2个设备健康状态降级贡献度所对应的所述设备运行状态数据为设备运行状态隐患数据，也即选取温度和功率所对应的设备运行状态数据。
这样设置的好处在于：通过设备健康状态降级贡献度的计算，能够更加清楚地反映出那些设备运行状态数据造成设备健康状态等级的降级，从而能够更加准确地确定设备运行状态隐患数据，也能更好地对设备故障进行定位处理。
S150、将所述隐患数据通过构建好的图谱数据库中检索，得到所述隐患数据所关联的隐患数据信息。
其中，图谱数据库可以是存储各电力高压设备的图谱的数据库。可以理解的是，以图谱的形式进行存储，能够更加准确地确定出各电力高压设备的从属关系，进而更加有条理性，检索更加快速。隐患数据信息可以是通过检索隐患数据，图谱数据库反馈的关于各电力高压设备的相关数据信息。
可以理解的是，当将温度相关的隐患数据输入至所述图谱数据库，所述图谱数据库将隐患数据生成相关的条件语句来进行检索，通过检索可以得到隐患数据信息，并可以反馈给相关工作人员。
本发明实施例所提供的技术方案，通过确定设备运行状态数据；获取与各设备运行状态数据所关联的权重值，并与各设备运行状态数据计算得到设备健康指数；根据设备健康指数确定当前设备健康状态等级；若当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据；将所述隐患数据通过构建好的图谱数据库中检索，得到隐患数据所关联的隐患数据信息。本发明实施例，解决了在高压电力设备中难以定位隐患和故障的问题，实现了能够有效地对高压电力设备进行监测，提高了隐患和故障定位的准确率，降低了人力成本和节省了时间成本。
实施例二
图2为本发明实施例二提供的另一种隐患数据信息检索方法的流程图。本实施例以上述各实施例为基础进行优化，在本实施例中，在将所述隐患数据通过构建好的图谱数据库中检索，得到所述隐患数据所关联的隐患数据信息之前，还包括图谱数据库的构建。
相应的，该方法具体包括如下步骤：
S210、确定设备运行状态数据。
S220、获取与各所述设备运行状态数据所关联的权重值，并与各所述设备运行状态数据计算得到设备健康指数。
S230、根据所述设备健康指数确定当前设备健康状态等级。
S240、若所述当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据。
S250、获取设备信息数据文本，对所述设备信息数据文本进行预处理，得到预处理设备信息数据文本。
其中，设备信息数据文本可以是以文本的方式来描述各电力高压设备的数据信息。预处理设备信息数据文本可以是经过预处理的设备信息数据文本，在该文本中不包含标点符号等冗余的数据信息。
S260、将所述预处理设备信息数据文本输入至预先训练好的命名实体识别模型中，得到命名实体识别数据文本。
其中，所述命名实体识别数据文本包括设备信息、参照设备运行状态数据集和参照设备健康状态等级。
可以理解的是，命名实体识别模型能够对预处理设备信息数据文本进行设备的模型，能够对预处理设备信息数据文本中的不同信息进行命名等操作，使得预处理设备信息数据文本能够更好地描述各电力高压设备。
具体的，命名实体识别数据文本可以是描述设备的信息文本，其中，可以具体包括设备信息、参照设备运行状态数据集和参照设备健康状态等级。
S270、将所述设备信息、参照设备运行状态数据集和参照设备健康状态等级通过三元组关系模板进行关系抽取，构建图谱数据库。
其中，三元组关系模板可以是建立三种类型参数的关联关系的模板。这里具体是建立所述设备信息、参照设备运行状态数据集和参照设备健康状态等级三者之间的关系。
示例性的，首先，对数据源进行整理。具体包括：从电力行业设备运维、健康管理相关的法规、标准和规程等信息，以及以前的设备维修、故障记录等多源的非结构化文本资料信息进行梳理，作为构建图谱数据库的数据源。
进一步的，按照自顶向下的方式设计电力设备安全隐患知识本体表达模型，并用Protégé建模，完成图谱数据库模式层构建。并进行文本预处理操作，对设备隐患相关的多源的文本基于正则表达式去除标点符号，再利用jieba工具进行分词，然后将分词结果进行词性标注(可以采用BIO标注策略)。
相应的，可以采用Bert-BiLSTM-CRF模型(也即命名实体识别模型)进行命名实体识别。首先选取部分预处理后的文本作为训练样本训练Bert-BiLSTM-CRF模型，利用训练好的模型对全部预处理文本进行命名实体识别。
最后，基于模板的关系抽取，预定义高压电力设备信息、监测参数、以及安全隐患的三元组关系模板，并在此基础上利用半监督的Bootstapping方法进行实体间关系抽取。从而，将Protégé建模的本体模型映射到Neo4j图数据库中，然后将已抽取的三元组关系导入到Neo4j图数据库，完成图谱数据库的构建。
S280、将所述隐患数据通过构建好的图谱数据库中检索，得到所述隐患数据所关联的隐患数据信息。
本发明实施例所提供的技术方案，通过确定设备运行状态数据；获取与各设备运行状态数据所关联的权重值，并与各设备运行状态数据计算得到设备健康指数；根据设备健康指数确定当前设备健康状态等级；若当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据；获取设备信息数据文本，对所述设备信息数据文本进行预处理，得到预处理设备信息数据文本；将所述预处理设备信息数据文本输入至预先训练好的命名实体识别模型中，得到命名实体识别数据文本；其中，所述命名实体识别数据文本包括设备信息、参照设备运行状态数据集和参照设备健康状态等级；将所述设备信息、参照设备运行状态数据集和参照设备健康状态等级通过三元组关系模板进行关系抽取，构建图谱数据库；将所述隐患数据通过构建好的图谱数据库中检索，得到隐患数据所关联的隐患数据信息。这样能够更好的根据高压电力设备的电子资料整合而得到图谱数据库，能够方便进行隐患数据检索，从而能够得到更加准确地隐患数据信息，以实现提高隐患和故障定位的准确率，降低了人力成本和节省了时间成本。
实施例三
图3是本发明实施例三提供的一种隐患数据信息检索装置的结构示意图，本实施例所提供的一种隐患数据信息检索装置可以通过软件和/或硬件来实现，可配置于终端设备或者服务器中。用来实现本发明实施例中的一种隐患数据信息检索方法。如图3所示，该装置具体可包括：设备运行状态数据确定模块310、设备健康指数计算模块320、设备健康状态等级确定模块330、设备运行状态隐患数据确定模块340和隐患数据信息确定模块350。
其中，设备运行状态数据确定模块310，用于确定设备运行状态数据；
设备健康指数计算模块320，用于获取与各所述设备运行状态数据所关联的权重值，并与各所述设备运行状态数据计算得到设备健康指数；
设备健康状态等级确定模块330，用于根据所述设备健康指数确定当前设备健康状态等级；
设备运行状态隐患数据确定模块340，用于若所述当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据；
隐患数据信息确定模块350，用于将所述隐患数据通过构建好的图谱数据库中检索，得到所述隐患数据所关联的隐患数据信息。
本发明实施例所提供的技术方案，通过确定设备运行状态数据；获取与各设备运行状态数据所关联的权重值，并与各设备运行状态数据计算得到设备健康指数；根据设备健康指数确定当前设备健康状态等级；若当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据；将所述隐患数据通过构建好的图谱数据库中检索，得到隐患数据所关联的隐患数据信息。本发明实施例，解决了在高压电力设备中难以定位隐患和故障的问题，实现了能够有效地对高压电力设备进行监测，提高了隐患和故障定位的准确率，降低了人力成本和节省了时间成本。
在上述各实施例的基础上，设备健康指数计算模块320，可以具体用于：根据如下公式确定设备健康指数HI；
Figure BDA0003765148640000151
其中，hi为设备运行状态数据，βi为权重值，n为设备运行状态数据集中对应的设备运行状态数据的条数。
在上述各实施例的基础上，设备健康状态等级确定模块330，可以具体用于：当所述设备健康指数大于等于第一数值、且小于等于第二数值时，则所述当前设备健康状态等级为健康等级；当所述设备健康指数大于等于第三数值、且小所述第一数值时，则所述当前设备健康状态等级为亚健康等级；当所述设备健康指数大于等于第四数值、且小于所述第三数值时，则所述当前设备健康状态等级为一般缺陷等级；当所述设备健康指数大于等于第五数值、且小于所述第四数值时，则所述当前设备健康状态等级为严重缺陷等级；当所述设备健康指数大于等于第六数值、且小于所述第五数值时，则所述当前设备健康状态等级为危险缺陷等级。
在上述各实施例的基础上，设备运行状态隐患数据确定模块340，可以具体用于：获取所述待测设备的当前周期的参照设备运行状态数据集和参照设备健康状态等级；其中，参照设备运行状态数据集中包含多条参照设备运行状态数据；根据所述待测设备的参照设备健康状态等级，判断当前设备健康状态等级是否降级，若是，则在设备运行状态数据中确定设备运行状态隐患数据。
在上述各实施例的基础上，设备运行状态隐患数据确定模块340，可以具体用于：根据公式zi＝βi(h′i-hi)，分别计算出各所述设备运行状态数据对应的设备健康状态降级贡献度zi，其中，h′i为参照设备运行状态数据；对各所述设备健康状态降级贡献度按照从大到小进行排序，并确定选取前N个所述设备健康状态降级贡献度所对应的所述设备运行状态数据为设备运行状态隐患数据。
在上述各实施例的基础上，设备运行状态数据确定模块310，可以具体用于：获取设备运行状态数据集中的各设备运行的设备原始状态数据的数据类型，其中，所述数据类型包括最小优型、中间优型和最大优型；
获取各个设备原始运行状态数据所关联的历史最大设备运行状态数据、历史最小设备运行状态数据、以及历史最优设备运行状态数据；
根据如下公式对所述各个设备的原始运行状态数据进行标准化处理，得到所述各个设备运行状态数据；
Figure BDA0003765148640000171
其中，xi为设备原始运行状态数据，
Figure BDA0003765148640000172
为历史最大设备运行状态数据，
Figure BDA0003765148640000173
为历史最小设备运行状态数据，
Figure BDA0003765148640000174
为历史最优设备运行状态数据。
在上述各实施例的基础上，还包括，图谱数据库构建模块，可以具体用于：在将所述隐患数据通过构建好的图谱数据库中检索，得到所述隐患数据所关联的隐患数据信息之前，获取设备信息数据文本，对所述设备信息数据文本进行预处理，得到预处理设备信息数据文本；将所述预处理设备信息数据文本输入至预先训练好的命名实体识别模型中，得到命名实体识别数据文本；其中，所述命名实体识别数据文本包括设备信息、参照设备运行状态数据集和参照设备健康状态等级；将所述设备信息、参照设备运行状态数据集和参照设备健康状态等级通过三元组关系模板进行关系抽取，构建图谱数据库。
上述隐患数据信息检索装置可执行本发明任意实施例所提供的隐患数据信息检索方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四提供的一种计算机设备的结构示意图。如图4所示，该设备包括处理器410、存储器420、输入装置430和输出装置440；设备中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的隐患数据信息检索方法对应的程序指令/模块(例如，设备运行状态数据确定模块310、设备健康指数计算模块320、设备健康状态等级确定模块330、设备运行状态隐患数据确定模块340和隐患数据信息确定模块350)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的隐患数据信息检索方法，该方法包括：
确定设备运行状态数据；获取与各所述设备运行状态数据所关联的权重值，并与各所述设备运行状态数据计算得到设备健康指数；根据所述设备健康指数确定当前设备健康状态等级；若所述当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据；将所述隐患数据通过构建好的图谱数据库中检索，得到所述隐患数据所关联的隐患数据信息。
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可读存储介质，所述计算机可读指令在由计算机处理器执行时用于执行一种隐患数据信息检索方法，该方法包括：确定设备运行状态数据；获取与各所述设备运行状态数据所关联的权重值，并与各所述设备运行状态数据计算得到设备健康指数；根据所述设备健康指数确定当前设备健康状态等级；若所述当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据；将所述隐患数据通过构建好的图谱数据库中检索，得到所述隐患数据所关联的隐患数据信息。
当然，本发明实施例所提供的一种包含计算机可读存储介质，其计算机可读指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的隐患数据信息检索方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的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，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述隐患数据信息检索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种隐患数据信息检索方法，其特征在于，包括：
确定设备运行状态数据；
获取与各所述设备运行状态数据所关联的权重值，并与各所述设备运行状态数据计算得到设备健康指数；
根据所述设备健康指数确定当前设备健康状态等级；
若所述当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据；
将所述隐患数据通过构建好的图谱数据库中检索，得到所述隐患数据所关联的隐患数据信息。
2.根据权利要求1所述的方法，其特征在于，所述获取与各所述设备运行状态数据所关联的权重值，并与各所述设备运行状态数据计算得到设备健康指数，包括：
根据如下公式确定设备健康指数HI；
Figure FDA0003765148630000011
其中，hi为设备运行状态数据，βi为权重值，n为设备运行状态数据集中对应的设备运行状态数据的条数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述设备健康指数确定当前设备健康状态等级，包括：
当所述设备健康指数大于等于第一数值、且小于等于第二数值时，则所述当前设备健康状态等级为健康等级；
当所述设备健康指数大于等于第三数值、且小所述第一数值时，则所述当前设备健康状态等级为亚健康等级；
当所述设备健康指数大于等于第四数值、且小于所述第三数值时，则所述当前设备健康状态等级为一般缺陷等级；
当所述设备健康指数大于等于第五数值、且小于所述第四数值时，则所述当前设备健康状态等级为严重缺陷等级；
当所述设备健康指数大于等于第六数值、且小于所述第五数值时，则所述当前设备健康状态等级为危险缺陷等级。
4.根据权利要求3所述的方法，其特征在于，所述若所述当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据，包括：
获取所述待测设备的当前周期的参照设备运行状态数据集和参照设备健康状态等级；其中，参照设备运行状态数据集中包含多条参照设备运行状态数据；
根据所述待测设备的参照设备健康状态等级，判断当前设备健康状态等级是否降级，若是，则在设备运行状态数据中确定设备运行状态隐患数据。
5.根据权利要求4所述的方法，其特征在于，所述在设备运行状态数据中确定设备运行状态隐患数据，包括：
根据公式zi＝βi(hi′-hi)，分别计算出各所述设备运行状态数据对应的设备健康状态降级贡献度zi，其中，hi′为参照设备运行状态数据；
对各所述设备健康状态降级贡献度按照从大到小进行排序，并确定选取前N个所述设备健康状态降级贡献度所对应的所述设备运行状态数据为设备运行状态隐患数据。
6.根据权利要求2所述的方法，其特征在于，所述确定设备运行状态数据，包括：
获取设备运行状态数据集中的各设备运行的设备原始状态数据的数据类型，其中，所述数据类型包括最小优型、中间优型和最大优型；
获取各个设备原始运行状态数据所关联的历史最大设备运行状态数据、历史最小设备运行状态数据、以及历史最优设备运行状态数据；
根据如下公式对所述各个设备的原始运行状态数据进行标准化处理，得到所述各个设备运行状态数据；
Figure FDA0003765148630000031
其中，xi为设备原始运行状态数据，
Figure FDA0003765148630000032
为历史最大设备运行状态数据，
Figure FDA0003765148630000033
为历史最小设备运行状态数据，
Figure FDA0003765148630000034
为历史最优设备运行状态数据。
7.根据权利要求1所述的方法，其特征在于，在将所述隐患数据通过构建好的图谱数据库中检索，得到所述隐患数据所关联的隐患数据信息之前，还包括：
获取设备信息数据文本，对所述设备信息数据文本进行预处理，得到预处理设备信息数据文本；
将所述预处理设备信息数据文本输入至预先训练好的命名实体识别模型中，得到命名实体识别数据文本；其中，所述命名实体识别数据文本包括设备信息、参照设备运行状态数据集和参照设备健康状态等级；
将所述设备信息、参照设备运行状态数据集和参照设备健康状态等级通过三元组关系模板进行关系抽取，构建图谱数据库。
8.一种隐患数据信息检索装置，其特征在于，包括：
设备运行状态数据确定模块，用于确定设备运行状态数据；
设备健康指数计算模块，用于获取与各所述设备运行状态数据所关联的权重值，并与各所述设备运行状态数据计算得到设备健康指数；
设备健康状态等级确定模块，用于根据所述设备健康指数确定当前设备健康状态等级；
设备运行状态隐患数据确定模块，用于若所述当前设备健康状态等级降级，则在设备运行状态数据中确定设备运行状态隐患数据；
隐患数据信息确定模块，用于将所述隐患数据通过构建好的图谱数据库中检索，得到所述隐患数据所关联的隐患数据信息。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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1-7中任一项所述的隐患数据信息检索方法。
10.一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1-7中任一所述的隐患数据信息检索方法。
CN202210883661.8A 2022-07-26 2022-07-26 一种隐患数据信息检索方法、装置、计算机设备及介质 Pending CN115269869A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210883661.8A CN115269869A (zh) 2022-07-26 2022-07-26 一种隐患数据信息检索方法、装置、计算机设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210883661.8A CN115269869A (zh) 2022-07-26 2022-07-26 一种隐患数据信息检索方法、装置、计算机设备及介质

Publications (1)

Publication Number Publication Date
CN115269869A true CN115269869A (zh) 2022-11-01

Family

ID=83768929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210883661.8A Pending CN115269869A (zh) 2022-07-26 2022-07-26 一种隐患数据信息检索方法、装置、计算机设备及介质

Country Status (1)

Country Link
CN (1) CN115269869A (zh)

Similar Documents

Publication Publication Date Title
CN113282461B (zh) 传输网的告警识别方法和装置
WO2021139279A1 (zh) 基于分类模型的数据处理方法、装置、电子设备及介质
CN112016602B (zh) 电网故障原因与状态量的关联分析方法，设备和存储介质
CN108304567B (zh) 高压变压器工况模式识别与数据分类方法及系统
CN111080117A (zh) 设备风险标签的构建方法、装置、电子设备及存储介质
CN113837596A (zh) 一种故障确定方法、装置、电子设备及存储介质
CN116737510B (zh) 一种基于数据分析的键盘智能监测方法及系统
CN112419268A (zh) 一种输电线路图像缺陷检测方法、装置、设备及介质
CN116523284A (zh) 基于机器学习的业务操作流程自动化评估方法、系统
CN114328277A (zh) 一种软件缺陷预测和质量分析方法、装置、设备及介质
CN117035563B (zh) 产品质量安全风险监测方法、设备、监测系统及介质
CN114020715A (zh) 一种日志数据的处理方法、装置、介质及设备
CN113313304A (zh) 一种基于大数据决策树的电网事故异常分析方法及系统
CN111522705A (zh) 一种工业大数据智能运维解决方法
CN115269869A (zh) 一种隐患数据信息检索方法、装置、计算机设备及介质
CN116702084A (zh) 一种基于模糊理论的一二次融合柱上断路器状态评价方法
CN115409100A (zh) 电力事故应急方案生成方法、装置、介质及设备
CN115660451A (zh) 基于rpa的供应商风险预警方法、装置、设备及介质
CN115494431A (zh) 一种变压器故障告警方法、终端设备和计算机可读存储介质
CN114385472A (zh) 一种异常数据的检测方法、装置、设备及存储介质
CN113361730A (zh) 一种检修计划的风险预警方法、装置、设备和介质
CN111475548A (zh) 一种基于大数据挖掘技术的用电异常分析决策系统
CN111612302A (zh) 一种集团级数据管理方法和设备
CN116739223B (zh) 企业排污实时监管方法、装置、存储介质及电子设备
CN116795998A (zh) 一种继电保护缺陷诊断知识图谱的构建方法、装置及介质

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