CN115423127B - 一种基于人工智能的电力设备现场运维方法及系统 - Google Patents
一种基于人工智能的电力设备现场运维方法及系统 Download PDFInfo
- Publication number
- CN115423127B CN115423127B CN202211049996.6A CN202211049996A CN115423127B CN 115423127 B CN115423127 B CN 115423127B CN 202211049996 A CN202211049996 A CN 202211049996A CN 115423127 B CN115423127 B CN 115423127B
- Authority
- CN
- China
- Prior art keywords
- early warning
- equipment
- maintenance
- monitoring
- 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.)
- Active
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 132
- 230000002159 abnormal effect Effects 0.000 claims abstract description 65
- 230000005856 abnormality Effects 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000013139 quantization Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000003213 activating effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 239000002699 waste material Substances 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于人工智能的电力设备现场运维方法及系统，涉及电力设备运维管理相关领域，所述方法包括：通过对电力设备现场区域进行网格划分，确定网格交点集合；基于所述网格交点集合设置监测点位，获取数据监测模块输出的实时监测数据；将所述实时监测数据输入异常预警模型中，输出设备预警信息；基于设备现场运维终端的远程协助请求信息调取运维知识库，将所述运维知识库嵌于所述异常预警模型；根据所述设备预警信息和所述运维知识库，生成运维方案。解决了电力设备运维的准确性不强，容易产生成本浪费，且运维效率低，影响电力设备运行指令的技术问题，达到了提高异常设备定位精度和运维效率，保证电力设备稳定运行的技术效果。
Description
技术领域
本发明涉及电力设备运维管理相关领域，尤其涉及一种基于人工智能的电力设备现场运维方法及系统。
背景技术
随着科学信息技术的不断发展，电力行业也随着不断发展，因此，对于电力系统的变电设备管理成为关键所在，而电力系统中电力设备的安全检查与维护，是保证电力系统稳定、有效运行的基础，能够提高电力系统的运行效率和电能运输质量，实现经济效益的最大化，但目前，针对电力设备现场的检查和维护具有较大的盲目性，不能够正确判断故障点，从而造成人力、物力等方面的浪费。
现阶段对于电力设备运维的准确性不强，容易产生成本浪费，且运维效率低，影响电力设备运行质量的技术问题。
发明内容
针对现有技术中的缺陷，本申请通过提供一种基于人工智能的电力设备现场运维方法及系统，解决了现阶段对于电力设备运维的准确性不强，容易产生成本浪费，且运维效率低，影响电力设备运行质量的技术问题，达到了基于多个功能模型拟合的方式对电力设备运行进行监测，从而提高了异常定位精度和运维效率，进而保证电力设备稳定运行的技术效果。
一方面，本申请提供一种基于人工智能的电力设备现场运维方法，所述方法应用于电力设备现场运维系统，所述系统与数据监测模块通信连接，所述方法包括：连接电力设备管理系统进行数据采集，获取电力设备现场区域；通过对所述电力设备现场区域进行网格划分，确定网格交点集合；基于所述网格交点集合设置监测点位，以使所述数据监测模块按照所述监测点位进行数据监测，输出实时监测数据；将所述实时监测数据输入异常预警模型中，根据所述异常预警模型，输出设备预警信息，其中，所述异常预警模型用于进行异常设备定位；基于设备现场运维终端，获取远程协助请求信息；按照所述远程协助请求信息调取运维知识库，将所述运维知识库嵌于所述异常预警模型；根据所述设备预警信息和所述运维知识库，生成运维方案以待所述设备现场运维终端执行。
另一方面，本申请还提供了一种基于人工智能的电力设备现场运维方法的系统，所述系统包括：现场数据采集模块，所述现场数据采集模块用于连接电力设备管理系统进行数据采集，获取电力设备现场区域；区域划分模块，所述区域划分模块用于通过对所述电力设备现场区域进行网格划分，确定网格交点集合；数据监测模块，所述数据监测模块用于基于所述网格交点集合设置监测点位，以使所述数据监测模块按照所述监测点位进行数据监测，输出实时监测数据；异常预警模块，所述异常预警模块用于将所述实时监测数据输入异常预警模型中，根据所述异常预警模型，输出设备预警信息，其中，所述异常预警模型用于进行异常设备定位；远程协助模块，所述远程协助模块用于基于设备现场运维终端，获取远程协助请求信息；知识库调用模块，所述知识库调用模块用于按照所述远程协助请求信息调取运维知识库，将所述运维知识库嵌于所述异常预警模型；运维方案执行模块，所述运维方案执行模块用于根据所述设备预警信息和所述运维知识库，生成运维方案以待所述设备现场运维终端执行。
拟通过本申请提出的一种基于人工智能的电力设备现场运维方法及系统，所产生的技术效果如下：
由于采用了通过连接电力设备管理系统对设备运维的对象进行数据采集，从而获取电力设备现场区域，并按照监测属性在该现场区域上进行网格划分，确定网格交点集合，进一步的，以所述网格交点集合上设置对应的传感器作为监测点位进行数据的采集，输出实时监测数据，从而以所述实时监测数据作为基础数据实现异常预警模型的功能，即用于进行异常设备的定位输出对应的设备预警信息，为了进一步的提高运维管理的有效性，基于所述设备现场运维终端获取远程协助请求信息，来进行运维知识库的调取，以结合所述设备预警信息和所述运维知识库，生成针对所述设备预警信息的运维方案，达到了基于多个功能模型拟合的方式对电力设备运行进行监测，从而提高了异常定位精度和运维效率，进而保证电力设备稳定运行的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读参照以下附图对非限制性实施例所做的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本申请实施例一种基于人工智能的电力设备现场运维方法的流程示意图；
图2为本申请实施例一种基于人工智能的电力设备现场运维方法的确定网格交点集合的流程示意图；
图3为本申请实施例一种基于人工智能的电力设备现场运维方法的异常预警模型分析的流程示意图；
图4为本申请实施例一种基于人工智能的电力设备现场运维方法的系统的结构示意图；
附图标记说明：现场数据采集模块11，区域划分模块12，数据监测模块13，异常预警模块14，远程协助模块15，知识库调用模块16，运维方案执行模块17。
具体实施方式
实施例一
如图1所示，本申请实施例提供了一种基于人工智能的电力设备现场运维方法，所述方法应用于电力设备现场运维系统，所述系统与数据监测模块通信连接，所述方法包括：
步骤S100：连接电力设备管理系统进行数据采集，获取电力设备现场区域；
电力设备作为当前电网的基础设备，与电网的可靠性和安全性相关，因此，电力设备的日常维护保养管理成为目前的电力系统的关键，而在目前的电力设备运维中，其变电设备的检查仍然存在一定的实时难度，比如检修方向不准确，容易造成人力资源或者维修成本的浪费，从而影响电力设备运行的质量，拟提出一种基于人工智能的电力设备现场运维方法，经由数据监测模块连接实现智能化的数据监测，从而提高了异常定位精度和运维效率，进而保证电力设备稳定运行的技术效果。
通过连接电力设备管理系统，获取目标运维区域，确定其运维范围有助于进一步实现设备的准确管理，基于所述电力设备管理系统获取数据进而确定电力设备现场区域，其中，所述电力设备现场区域为处于所述目标运维区域中任一部分的现场区域，能够进一步提高数据来源的准确性和数据获取效率。
步骤S200：通过对所述电力设备现场区域进行网格划分，确定网格交点集合；
步骤S300：基于所述网格交点集合设置监测点位，以使所述数据监测模块按照所述监测点位进行数据监测，输出实时监测数据；
具体而言，当获取所述电力设备现场区域后，为了实现智能化的设备运维，提高运维效率，增加其数据监测的定位性和数据来源可追溯性，从而实现对应目的，因此，对所述电力设备现场区域进行网络划分，按照网格划分后的网格交点生成所述网格交底集合，其中，对所述电力设备现场区域进行网格划分的过程有：
进一步的，如图2所示，通过对所述电力设备现场区域进行网格划分，确定网格交点集合，本申请实施例步骤S200还包括：
步骤S210：根据所述电力设备现场区域的区域数据，获取网格监测密度；
步骤S220：获取用于监测所述电力设备现场区域的各项监测因子；
步骤S230：以所述各项监测因子和所述网格监测密度，生成监测网格线；
步骤S240：根据所述监测网络线对所述电力设备现场区域进行网格划分，得到所述网格交点集合。
具体而言，为了保证所述网格交点集合获取途径的有效性，通过对所述电力设备现场区域的区域几何数据进行分析，确定网格监测密度，以确保构建网格划分时的数据有效性。进一步的，获取用于监测所述电力设备现场区域的各项监测因子，其中，所述各项监测因子为进行电力设备监测的各项指标，从而以所述各项监测因子在所述电力设备现场区域上进行对应点位的分配，且基于所述网格监测密度的设置，对其点位分配时的间距进行进一步的调整，从而进行网格划分，并采集网格中的交点集合，以得到所述网格交点集合。
进一步的，根据所述网格交点集合获取对应的有效监测点位，由所述数据监测模块按照所述监测点位进行数据监测，其中，各个监测点位上具有对应的传感器，即所述数据监测模块为各个传感器拟合而成的数据采集单元，能够进行数据交互，从而输出所述实时监测数据。
应理解，根据所述网格交点集合获取对应的有效监测点位，是为了保证所有的监测点位能够最大利用化，排除一些冗余的交点，不仅能够提高数据监测的效率，还能够满足数据的采集需求。其排除冗余交点的步骤有：
进一步的，本申请实施例步骤300还包括：
步骤S310：利用分布式冗余交点判断算法，对所述网格交点集合进行交点冗余计算，输出标识冗余交点；
步骤S320：从所述网格交底集合中剔除所述标识冗余交点，输出所述监测点位，其中，所述监测点位包括对应的监测传感器。
具体而言，分布式冗余交点判断算法能够对采集到的所有网格交点集合进行计算，获取每个节点基于局部圆周覆盖情况，独立计算自身是否为冗余节点，换句话说，由于每个交点上具有对应的传感器，即找到任一两个传感器感知区域边界，即感知半径关系及交点处的覆盖程度来检测冗余，从而输出标识冗余交点，其中，所述标识冗余交点为检测获取的冗余交点，可进行剔除处理，从而将剔除所述标识冗余交点后的剩余交底集合作为所述监测点位，保证了监测点位的有效性，达到了去除传感器冗余节点，从而降低计算复杂度，通信开销及设备成本，同时能够准确判断监测数据的有效性和精确性的效果。
步骤S400：将所述实时监测数据输入异常预警模型中，根据所述异常预警模型，输出设备预警信息，其中，所述异常预警模型用于进行异常设备定位；
进一步的，如图3所示，本申请实施例步骤S400还包括：
步骤S410：获取所述电力设备现场区域的环境属性信息；
步骤S420：按照所述环境属性信息对所述电力设备现场区域进行分类，得到内环境现场区域和外环境现场区域；
步骤S430：以所述内环境现场区域和所述外环境现场区域，分别搭建内环境异常预警模型和外环境异常预警模型；
步骤S440：按照所述内环境异常预警模型和所述外环境异常预警模型，生成所述异常预警模型。
进一步的，本申请实施例步骤S400还包括：
步骤S450：将所述实时监测数据输入所述异常预警模型中，其中，所述异常预警模型包括数据分类层、模型匹配层和预警输出层；
步骤S460：按照所述数据分类层，对输入的所述实时监测数据进行分类，获取内环境监测数据和外环境监测数据；
步骤S470：根据所述模型匹配层，对所述内环境监测数据匹配内环境异常预警模型，对所述外环境监测数据匹配外环境异常预警模型，输出内环境预警信息和外环境预警信息；
步骤S480：通过所述预警输出层，将所述内环境预警信息和所述外环境预警信息输出。
具体而言，基于获取的实时监测数据，进一步的实现异常设备定位，由于所述实时监测数据为针对所述电力设备现场区域的所有监测数据，其电力设备在室内环境下和室外环境下的异常监测指标不相同，因此，为了针对所述实时监测数据进行更精确化的异常分析，搭建包括内环境和外环境的异常预警模型，用于输出所述设备预警信息，即所述设备预警信息包括内环境预警信息和外环境预警信息。
进一步的，搭建包括内环境和外环境的异常预警模型，需要对所述电力设备现场区域中的环境属性进行分析，进而分类得到内环境现场区域和外环境现场区域，按照内、外环境的电力设备异常数据进行样本数据拟合和样本数据的模型训练，从而搭建内环境异常预警模型和外环境异常预警模型，生成所述异常预警模型。
所述异常预警模型能够包括数据分类层、模型匹配层和预警输出层，按照所述数据分类层对输入的所述实时监测数据进行内、外环境的分类，按照所述模型匹配层对分类后的数据进行内、外环境的模型匹配，从而将所述内环境预警信息和所述外环境预警信息通过所述预警输出层，作为最终的所述设备预警信息进行输出，达到了基于实时监测环境的进一步细致分类，提高设备预警信息的有效度和准确度。
步骤S500：基于设备现场运维终端，获取远程协助请求信息；
进一步的，本申请实施例步骤S500还包括：
步骤S510：将所述设备预警信息输入异常复杂度分析模型，根据所述异常复杂度分析模型进行分析，获取复杂度指数；
步骤S520：基于所述设备现场运维终端，生成预设复杂度指数；
步骤S530：判断所述复杂度指数是否大于所述预设复杂度指数，若所述复杂度指数大于所述预设复杂度指数，激活远程协助指令；
步骤S540：按照所述远程协助指令，生成所述远程协助请求信息。
具体而言，当获取所述设备预警信息后，为了提高系统自身的智能处理性，结合该设备预警信息，执行对应处理操作，当设备预警信息自身较为复杂时，本系统自身不满足处理条件时，通过获取远程协助请求信息进行协助处理。
针对设备预警信息进行进一步分析的过程如下：将获取的所述设备预警信息输入异常复杂度分析模型中，根据所述异常复杂度分析模型对所述设备预警信息进行分析，确定处理该设备预警信息以达成智能运维结果的条件是否满足系统自身运维条件，所述异常复杂度分析模型输出的复杂度指数为标识所述设备预警信息的处理复杂程度，所述预设复杂度指数为基于所述设备现场运维终端历史执行日志确定出的预设复杂度指数，从而判断所述复杂度指数是否大于所述预设复杂度指数，若所述复杂度指数大于所述预设复杂度指数，标识目前所述设备现场运维终端无法满足处理所述设备预警信息的终端条件，因此，激活远程协助指令用于生成所述远程协助请求信息。
进一步的，本申请实施例步骤S510还包括：
步骤S511：将所述设备预警信息输入所述异常复杂度分析模型中，获取设备预警量化指数、设备预警罕见度指数和设备预警联动指数；
步骤S512：根据所述设备预警量化指数、所述设备预警罕见度指数和所述设备预警联动指数，配置权重比值；
步骤S513：按照所述权重比值对所述设备预警量化指数、所述设备预警罕见度指数和所述设备预警联动指数进行计算，得到所述复杂度指数。
具体而言，将所述设备预警信息输入所述异常复杂度分析模型中进行处理复杂度分析，包括设备预警量化分析、设备预警罕见度分析和设备预警联动分析，其中，设备预警量化分析为所述设备预警信息中存在异常状态的设备数量的数量大小；所述设备预警罕见度分析为所述设备预警信息中设备异常状态历史出现次数；所述设备预警联动分析为存在异常状态需要关联维修的关联涉及范围。从而根据所述异常复杂度分析模型，获取针对于所述设备预警信息的设备预警量化指数、设备预警罕见度指数和设备预警联动指数，并按照与复杂度计算的信息熵计算大小，分别配置对应的权重比值，进而按照所述权重比值对所述设备预警量化指数、所述设备预警罕见度指数和所述设备预警联动指数进行计算，得到所述复杂度指数，通过三维指标分析，实现远程协助请求的条件限制，在降低系统容量负载的情况下，提高运维效率。
步骤S600：按照所述远程协助请求信息调取运维知识库，将所述运维知识库嵌于所述异常预警模型；
步骤S700：根据所述设备预警信息和所述运维知识库，生成运维方案以待所述设备现场运维终端执行。
具体而言，当激活远程协助请求信息后，调取所述运维知识库，其中，所述运维知识库是通过对所述电力设备现场区域中的所有设备进行分析，获取对应设备处于异常状态的样本数据，以及对应的执行措施，从而形成对应的映射关系，进一步的，所述运维知识库嵌于所述异常预警模型中，将所述异常预警模型获取的设备预警信息与所运维知识库进行综合分析，生成运维方案，使得所述设备现场运维终端按照所述运维方案执行相应操作，从而达到了基于多个功能模型拟合的方式对电力设备运行进行监测，从而提高了异常定位精度和运维效率，进而保证电力设备稳定运行的技术效果。
结合上述实施例，本发明具有如下的有益效果：
由于采用了通过连接电力设备管理系统对设备运维的对象进行数据采集，从而获取电力设备现场区域，并按照监测属性在该现场区域上进行网格划分，确定网格交点集合，进一步的，以所述网格交点集合上设置对应的传感器作为监测点位进行数据的采集，输出实时监测数据，从而以所述实时监测数据作为基础数据实现异常预警模型的功能，即用于进行异常设备的定位输出对应的设备预警信息，为了进一步的提高运维管理的有效性，基于所述设备现场运维终端获取远程协助请求信息，来进行运维知识库的调取，以结合所述设备预警信息和所述运维知识库，生成针对所述设备预警信息的运维方案，达到了基于多个功能模型拟合的方式对电力设备运行进行监测，从而提高了异常定位精度和运维效率，进而保证电力设备稳定运行的技术效果。
采用了利用分布式冗余交点判断算法从所述网格交点集合获取对应的有效监测点位，排除一些冗余的交点，达到了去除传感器冗余节点，从而降低计算复杂度，通信开销及设备成本，同时能够准确判断监测数据的有效性和精确性的效果。
采用了根据所述异常复杂度分析模型对所述设备预警信息进行分析，包括设备预警量化分析、设备预警罕见度分析和设备预警联动分析，通过三维指标分析，实现远程协助请求的条件限制，在降低系统容量负载的情况下，提高运维效率。
实施例二
基于与前述实施例中一种基于人工智能的电力设备现场运维方法同样发明构思，本发明还提供了一种基于人工智能的电力设备现场运维方法的系统，如图4所示，所述系统包括：
现场数据采集模块11，所述现场数据采集模块11用于连接电力设备管理系统进行数据采集，获取电力设备现场区域；
区域划分模块12，所述区域划分模块12用于通过对所述电力设备现场区域进行网格划分，确定网格交点集合；
数据监测模块13，所述数据监测模块13用于基于所述网格交点集合设置监测点位，以使所述数据监测模块按照所述监测点位进行数据监测，输出实时监测数据；
异常预警模块14，所述异常预警模块14用于将所述实时监测数据输入异常预警模型中，根据所述异常预警模型，输出设备预警信息，其中，所述异常预警模型用于进行异常设备定位；
远程协助模块15，所述远程协助模块15用于基于设备现场运维终端，获取远程协助请求信息；
知识库调用模块16，所述知识库调用模块16用于按照所述远程协助请求信息调取运维知识库，将所述运维知识库嵌于所述异常预警模型；
运维方案执行模块17，所述运维方案执行模块17用于根据所述设备预警信息和所述运维知识库，生成运维方案以待所述设备现场运维终端执行。
进一步的，所述区域划分模块12还包括：
区域数据分析单元，所述区域数据分析单元用于根据所述电力设备现场区域的区域数据，获取网格监测密度；
监测因子获取单元，所述监测因子获取单元用于获取用于监测所述电力设备现场区域的各项监测因子；
网格线输出单元，所述网格线输出单元用于以所述各项监测因子和所述网格监测密度，生成监测网格线；
网格交点采集单元，所述网格交点采集单元用于根据所述监测网络线对所述电力设备现场区域进行网格划分，得到所述网格交点集合。
进一步的，所述数据监测模块13还包括：
交点冗余计算单元，所述交点冗余计算采集单元用于利用分布式冗余交点判断算法，对所述网格交点集合进行交点冗余计算，输出标识冗余交点；
监测点位输出单元，所述监测点位输出单元从所述网格交底集合中剔除所述标识冗余交点，输出所述监测点位，其中，所述监测点位包括对应的监测传感器。
进一步的，所述异常预警模块14还包括：
环境属性获取单元，所述环境属性获取单元用于获取所述电力设备现场区域的环境属性信息；
区域分类单元，所述区域分类单元按照所述环境属性信息对所述电力设备现场区域进行分类，得到内环境现场区域和外环境现场区域；
模型搭建单元，所述模型搭建单元以所述内环境现场区域和所述外环境现场区域，分别搭建内环境异常预警模型和外环境异常预警模型；
模型拟合单元，所述模型拟合单元按照所述内环境异常预警模型和所述外环境异常预警模型，生成所述异常预警模型。
进一步的，所述模型拟合单元还包括：
模型输入单元，所述模型输入单元用于将所述实时监测数据输入所述异常预警模型中，其中，所述异常预警模型包括数据分类层、模型匹配层和预警输出层；
监测数据分类单元，所述监测数据分类单元用于按照所述数据分类层，对输入的所述实时监测数据进行分类，获取内环境监测数据和外环境监测数据；
模型匹配单元，所述模型匹配单元用于根据所述模型匹配层，对所述内环境监测数据匹配内环境异常预警模型，对所述外环境监测数据匹配外环境异常预警模型，输出内环境预警信息和外环境预警信息；
预警输出单元，所述预警输出单元用于通过所述预警输出层，将所述内环境预警信息和所述外环境预警信息输出。
进一步的，所述远程协助模块15还包括：
预警信息分析单元，所述预警信息分析单元用于将所述设备预警信息输入异常复杂度分析模型，根据所述异常复杂度分析模型进行分析，获取复杂度指数；
数据阈值设置单元，所述数据阈值设置单元用于基于所述设备现场运维终端，生成预设复杂度指数；
指数判断单元，所述指数判断单元用于判断所述复杂度指数是否大于所述预设复杂度指数，若所述复杂度指数大于所述预设复杂度指数，激活远程协助指令；
协助请求生成单元，所述协助请求生成单元用于按照所述远程协助指令，生成所述远程协助请求信息。
进一步的，所述预警信息分析单元还包括：
复杂度分析单元，所述复杂度分析单元用于将所述设备预警信息输入所述异常复杂度分析模型中，获取设备预警量化指数、设备预警罕见度指数和设备预警联动指数；
指数权重配置单元，所述指数权重配置单元用于根据所述设备预警量化指数、所述设备预警罕见度指数和所述设备预警联动指数，配置权重比值；
复杂度计算单元，所述复杂度计算单元用于按照所述权重比值对所述设备预警量化指数、所述设备预警罕见度指数和所述设备预警联动指数进行计算，得到所述复杂度指数。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的装置及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。以上实施例所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种基于人工智能的电力设备现场运维方法，其特征在于，所述方法应用于电力设备现场运维系统，所述系统与数据监测模块通信连接，所述方法包括：
连接电力设备管理系统进行数据采集，获取电力设备现场区域；
通过对所述电力设备现场区域进行网格划分，确定网格交点集合；
基于所述网格交点集合设置监测点位，以使所述数据监测模块按照所述监测点位进行数据监测，输出实时监测数据；
将所述实时监测数据输入异常预警模型中，根据所述异常预警模型，输出设备预警信息，其中，所述异常预警模型用于进行异常设备定位；
基于设备现场运维终端，获取远程协助请求信息；
按照所述远程协助请求信息调取运维知识库，将所述运维知识库嵌于所述异常预警模型；
根据所述设备预警信息和所述运维知识库，生成运维方案以待所述设备现场运维终端执行。
2.如权利要求1所述的方法，其特征在于，通过对所述电力设备现场区域进行网格划分，确定网格交点集合，所述方法还包括：
根据所述电力设备现场区域的区域数据，获取网格监测密度；
获取用于监测所述电力设备现场区域的各项监测因子；
以所述各项监测因子和所述网格监测密度，生成监测网格线；
根据所述监测网格线对所述电力设备现场区域进行网格划分，得到所述网格交点集合。
3.如权利要求2所述的方法，其特征在于，基于所述网格交点集合设置监测点位，所述方法还包括：
利用分布式冗余交点判断算法，对所述网格交点集合进行交点冗余计算，输出标识冗余交点，所述分布式冗余交点判断算法为根据感知半径关系和网格交点处的覆盖程度对交点进行判断是否为冗余交点的判断算法；
从所述网格交点集合中剔除所述标识冗余交点，输出所述监测点位，其中，所述监测点位包括对应的监测传感器。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述电力设备现场区域的环境属性信息；
按照所述环境属性信息对所述电力设备现场区域进行分类，得到内环境现场区域和外环境现场区域；
以所述内环境现场区域和所述外环境现场区域，分别搭建内环境异常预警模型和外环境异常预警模型；
按照所述内环境异常预警模型和所述外环境异常预警模型，生成所述异常预警模型。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
将所述实时监测数据输入所述异常预警模型中，其中，所述异常预警模型包括数据分类层、模型匹配层和预警输出层；
按照所述数据分类层，对输入的所述实时监测数据进行分类，获取内环境监测数据和外环境监测数据；
根据所述模型匹配层，对所述内环境监测数据匹配内环境异常预警模型，对所述外环境监测数据匹配外环境异常预警模型，输出内环境预警信息和外环境预警信息；
通过所述预警输出层，将所述内环境预警信息和所述外环境预警信息输出。
6.如权利要求1所述的方法，其特征在于，所述基于设备现场运维终端，获取远程协助请求信息，所述方法还包括：
将所述设备预警信息输入异常复杂度分析模型，根据所述异常复杂度分析模型进行分析，获取复杂度指数；
基于所述设备现场运维终端，生成预设复杂度指数；
判断所述复杂度指数是否大于所述预设复杂度指数，若所述复杂度指数大于所述预设复杂度指数，激活远程协助指令；
按照所述远程协助指令，生成所述远程协助请求信息。
7.如权利要求6所述的方法，其特征在于，将所述设备预警信息输入异常复杂度分析模型，所述方法还包括：
将所述设备预警信息输入所述异常复杂度分析模型中，获取设备预警量化指数、设备预警罕见度指数和设备预警联动指数；
根据所述设备预警量化指数、所述设备预警罕见度指数和所述设备预警联动指数，配置权重比值；
按照所述权重比值对所述设备预警量化指数、所述设备预警罕见度指数和所述设备预警联动指数进行计算，得到所述复杂度指数。
8.一种基于人工智能的电力设备现场运维方法的系统，所述系统与数据监测模块通信连接，其特征在于，所述系统包括：
现场数据采集模块，所述现场数据采集模块用于连接电力设备管理系统进行数据采集，获取电力设备现场区域；
区域划分模块，所述区域划分模块用于通过对所述电力设备现场区域进行网格划分，确定网格交点集合；
数据监测模块，所述数据监测模块用于基于所述网格交点集合设置监测点位，以使所述数据监测模块按照所述监测点位进行数据监测，输出实时监测数据；
异常预警模块，所述异常预警模块用于将所述实时监测数据输入异常预警模型中，根据所述异常预警模型，输出设备预警信息，其中，所述异常预警模型用于进行异常设备定位；
远程协助模块，所述远程协助模块用于基于设备现场运维终端，获取远程协助请求信息；
知识库调用模块，所述知识库调用模块用于按照所述远程协助请求信息调取运维知识库，将所述运维知识库嵌于所述异常预警模型；
运维方案执行模块，所述运维方案执行模块用于根据所述设备预警信息和所述运维知识库，生成运维方案以待所述设备现场运维终端执行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211049996.6A CN115423127B (zh) | 2022-08-30 | 2022-08-30 | 一种基于人工智能的电力设备现场运维方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211049996.6A CN115423127B (zh) | 2022-08-30 | 2022-08-30 | 一种基于人工智能的电力设备现场运维方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115423127A CN115423127A (zh) | 2022-12-02 |
| CN115423127B true CN115423127B (zh) | 2023-08-01 |
Family
ID=84199388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211049996.6A Active CN115423127B (zh) | 2022-08-30 | 2022-08-30 | 一种基于人工智能的电力设备现场运维方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115423127B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115936680B (zh) * | 2023-02-06 | 2023-05-12 | 北京安录国际技术有限公司 | 一种设备运维的智能派单方法及系统 |
| CN115833400B (zh) * | 2023-02-07 | 2023-04-18 | 山东盛日电力集团有限公司 | 一种变电站电力设备的监测预警方法及系统 |
| CN116155694B (zh) * | 2023-04-04 | 2023-07-04 | 深圳中正信息科技有限公司 | 物联设备的管理方法、设备和可读存储介质 |
| CN116627072B (zh) * | 2023-05-29 | 2024-01-23 | 山东龙源电力工程有限公司 | 一种基于火电厂设备的检修监测维护系统 |
| CN116699335B (zh) * | 2023-06-16 | 2024-03-08 | 广州友智电气技术有限公司 | 一种高压电力设备的局部放电监测方法及系统 |
| CN117057579B (zh) * | 2023-08-31 | 2024-04-02 | 浙江万胜智通科技有限公司 | 一种分布式配电网的运行维护方法及系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015027484A1 (en) * | 2013-08-30 | 2015-03-05 | Accenture Global Services Limited | System, method and apparatuses for distribution network reconfiguration and a tangible computer readable medium |
| JP6276732B2 (ja) * | 2015-07-03 | 2018-02-07 | 横河電機株式会社 | 設備保全管理システムおよび設備保全管理方法 |
| CN112905408B (zh) * | 2021-01-12 | 2024-08-20 | 南方电网数字电网研究院有限公司 | 一种用于电力运维网络安全监测预警系统的服务器 |
| CN112766517B (zh) * | 2021-01-12 | 2023-02-03 | 南方电网数字电网研究院有限公司 | 一种电力运维网络安全的监测预警方法 |
| CN113112216A (zh) * | 2021-03-03 | 2021-07-13 | 广东电网有限责任公司 | 一种针对设备缺陷的预判分析方法 |
| CN113313272A (zh) * | 2021-06-15 | 2021-08-27 | 江苏杰瑞信息科技有限公司 | 一种基于人工智能的船舶辅机设备故障智能预警设计方法 |
-
2022
- 2022-08-30 CN CN202211049996.6A patent/CN115423127B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115423127A (zh) | 2022-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115423127B (zh) | 一种基于人工智能的电力设备现场运维方法及系统 | |
| CN115833400B (zh) | 一种变电站电力设备的监测预警方法及系统 | |
| CN108627720B (zh) | 一种基于贝叶斯算法的电力设备状态监测方法 | |
| CN105512448A (zh) | 一种配电网健康指数的评估方法 | |
| CN115514679B (zh) | 一种基于通信模块的异常来源监测方法及系统 | |
| CN112734977B (zh) | 一种基于物联网的设备风险预警系统及算法 | |
| CN118134267B (zh) | 基于多数据融合建模的变电站安全预警方法及系统 | |
| CN116577788B (zh) | 输电线路异物侵限监测方法、装置和计算机设备 | |
| CN116704733B (zh) | 铝合金电缆的老化预警方法及系统 | |
| CN114023399A (zh) | 一种基于人工智能的空气颗粒物分析预警方法和装置 | |
| CN118194142B (zh) | 一种智慧管网的震后修复工程分析方法及系统 | |
| CN118521433B (zh) | 基于知识图谱的变电站数字孪生预警决策方法及系统 | |
| CN117595504A (zh) | 一种电网运行状态的智能监测预警方法 | |
| CN105867267A (zh) | 通过图像识别技术实现配电站房仪表读数自动上报的方法 | |
| CN117200449B (zh) | 一种基于多维算法分析的电网监测管理方法及系统 | |
| CN116979690B (zh) | 一种基于物联网的电网远程智能监测系统及方法 | |
| CN117706290A (zh) | 一种电缆终端潜在击穿故障预警方法 | |
| CN116754022A (zh) | 电缆隧道的在线检测应急预警方法及系统 | |
| CN117349444A (zh) | 一种基于知识推理的二次设备防误方法 | |
| CN112966867B (zh) | 基于pso-bp神经网络和四分位法的变压器预警方法 | |
| CN109213119A (zh) | 基于在线学习的复杂工业关键部件故障预测方法及系统 | |
| CN118258516B (zh) | 一种基于人工智能的充电环境温度监测报警系统 | |
| CN117875946B (zh) | 一种用于变电站设备运维的人机协同自主红外巡检方法 | |
| Ke et al. | Research on three-dimensional perception and protection technology for power construction safety operations | |
| Xu et al. | Research on executing equipment control algorithm based on multi-sensor pipe gallery |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231130 Address after: 510700 3 / F, 4 / F, 5 / F, building J1 and 3 / F, building J3, No. 11, Kexiang Road, Huangpu District, Guangzhou City, Guangdong Province Patentee after: Southern Power Grid Energy Storage Co.,Ltd. Western Maintenance and Testing Branch Address before: 562400 No.1 Beijing Road, Jushan street, Xingyi City, Qianxinan Buyi and Miao Autonomous Prefecture, Guizhou Province Patentee before: China Southern power grid peak load regulation and frequency modulation power generation Co.,Ltd. Western maintenance test branch |