CN115529331A - 配电网箱式设备故障监测方法、系统和计算机设备 - Google Patents

配电网箱式设备故障监测方法、系统和计算机设备 Download PDF

Info

Publication number
CN115529331A
CN115529331A CN202211175864.8A CN202211175864A CN115529331A CN 115529331 A CN115529331 A CN 115529331A CN 202211175864 A CN202211175864 A CN 202211175864A CN 115529331 A CN115529331 A CN 115529331A
Authority
CN
China
Prior art keywords
data
computing module
fault
cloud
edge
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
CN202211175864.8A
Other languages
English (en)
Inventor
李鹏
王永雪
王昊宇
陆孝锋
仝瑞宁
张瀚文
佘应森
王瀚铖
张昱豪
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.)
Yunnan University YNU
Original Assignee
Yunnan University YNU
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 Yunnan University YNU filed Critical Yunnan University YNU
Priority to CN202211175864.8A priority Critical patent/CN115529331A/zh
Publication of CN115529331A publication Critical patent/CN115529331A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/56—Testing of electric apparatus
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本申请提供一种配电网箱式设备故障监测方法、系统和计算机设备，所述方法包括：通过故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果；若边缘分析结果为无故障，边缘计算模块按照预设的数据上传频率，从量测数据中获取第一上传数据并上传到云计算模块，云计算模块的设备运行状态分析模型对第一上传数据进行运行状态分析，得到第一云分析结果；若第一云分析结果为有故障，根据对应的第一下发数据和第一云分析结果生成第一报警信息，云计算模块将第一报警信息下发给边缘计算模块；边缘计算模块执行对应的故障响应动作，并更新故障诊断模型。本申请可以提高边缘计算模块的分析准确性，降低云计算模块的工作压力。

Description

配电网箱式设备故障监测方法、系统和计算机设备
技术领域
本申请涉及配电网箱式设备的监测技术领域，具体涉及一种配电网箱式设备故障监测方法、系统和计算机设备。
背景技术
配电网箱式设备是配电系统中实现电能转换和分配的重要核心设备，其运行状态直接影响配电系统供电可靠性与稳定性。现有故障监测系统多采用集中式分析的数据处理方式，通过设备侧的传感器及相关终端数据采集装置将采集的设备运行数据集中上传至云计算中心进行数据特征分析与故障诊断模型训练，从而实现设备故障的检测。大规模的多源量测数据导致云计算中心数据计算复杂度高、计算速度慢。此外，随着配电网的规模日益扩大化和复杂化，配电设备数量不断增多，并且箱式设备所处环境复杂多样，配电网箱式设备与云计算中心之间的数据交互存在一定程度的通信延迟，并且集中式数据分析导致训练的故障诊断模型难以有针对性地适用于各复杂运行场景的设备，从而导致故障诊断精度低。
发明内容
本申请的目的在于克服现有技术中的缺点与不足，提供一种配电网箱式设备故障监测方法、系统和计算机设备，可以通过配电网箱式设备的边缘计算模块和云端服务器的云计算模块对配电网箱式设备的量测数据进行故障分析，以降低云计算模块的工作压力，并根据边缘计算模块的分析结果和云端服务器诊断结果，对边缘计算模块的故障诊断模型进行更新，以提高边缘计算模块的分析准确性。
本申请的一个实施例提供一种配电网箱式设备故障监测方法，应用于配电网箱式设备和云端服务器，所述配电网箱式设备设有边缘计算模块，所述云端服务器设有与所述边缘计算模块连接的云计算模块；所述边缘计算模块设有故障诊断模型，所述云计算模块设有设备运行状态分析模型；
所述配电网箱式设备故障监测方法包括以下步骤：
通过所述边缘计算模块的故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果；
若边所述边缘分析结果为无故障，驱动所述边缘计算模块按照预设的数据上传频率，从所述量测数据中获取第一上传数据并上传到所述云计算模块，以通过所述云计算模块的设备运行状态分析模型对所述第一上传数据进行运行状态分析，得到第一云分析结果；
若所述第一云分析结果为有故障，将对应的所述第一上传数据确定为第一下发数据，根据所述第一云分析结果和所述第一下发数据生成第一报警信息，驱动所述云计算模块将所述第一报警信息下发给所述边缘计算模块；
响应于所述第一报警信息，所述边缘计算模块执行与所述第一云分析结果对应的故障响应动作，并根据所述第一下发数据更新所述故障诊断模型。
相对于现有技术，本申请先通过配电网箱式设备的边缘计算模块的故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果，若边缘分析结果为无故障，边缘计算模块按照预设的数据上传频率，将第一上传数据上传给云计算模块，以通过所述云计算模块的设备运行状态分析模型对所述第一上传数据进行运行状态分析，得到第一云分析结果，若所述第一云分析结果为有故障，驱动所述云计算模块执行对应的故障响应动作，并根据云计算模块下发的数据更新所述故障诊断模型，以提高边缘计算模块的分析准确性，而且由于边缘计算模块时设置于配电网箱式设备的，因此实时获取配电网箱式设备的量测数据，降低获取数据的延迟，同时，由于边缘分析结果为无故障时，云计算模块接收到的数据是根据预设的数据上传频率进行上传的，因此还可以大大降低云计算模块的工作压力。
进一步，还包括：
若边所述边缘分析结果为有故障，将对应的量测数据确定为第二上传数据，根据所述边缘分析结果和所述第二上传数据生成第二报警信息，驱动所述边缘计算模块将所述第二报警信息上传给所述云计算模块；
响应于所述第二报警信息，所述云计算模块根据所述第二上传数据进行运行状态分析，得到第二云分析结果；
若所述第二云分析结果为无故障，驱动所述云计算模块第一下发数据请求给所述边缘计算模块，以驱动所述边缘计算模块上传所述故障诊断模型的当前运行数据；
所述云计算模块根据所述当前运行数据对所述故障诊断模型进行诊断，若诊断结果为所述故障诊断模型正常，根据所述第二上传数据更新所述设备运行状态分析模型。
当第二云分析结果与所述边缘分析结果不同时，可以根据所述故障诊断模型是正常的诊断结果，判断云计算模块的设备运行状态分析模型存在缺陷或准确性地，根据第二上传数据更新所述设备运行状态分析模型，以解决设备运行状态分析模型、提高设备运行状态分析模型的准确性。
进一步，若诊断结果为所述故障诊断模型异常，将所述第二上传数据确定为第二下发数据，根据所述诊断结果和所述第二下发数据生成更新信息；驱动所述云计算模块将所述更新信息下发给所述边缘计算模块；
响应于所述更新信息，所述边缘计算模块根据所述诊断结果，通过所述第二下发数据更新所述故障诊断模型。
当故障诊断模型异常时，可以通过第二下发数据更新故障诊断模型，以解决故障诊断模型、提高故障诊断模型的准确性。
进一步，若所述第二云分析结果为有故障，将所述第二上传数据存储到数据库；
根据预设的更新周期，通过所述数据库存储的数据更新所述设备运行状态分析模型。
通过定期利用数据库存储的数据更新设备运行状态分析模型，可以提高设备运行状态分析模型的准确性。
进一步，若所述第一云分析结果为无故障，将所述第一上传数据存储到数据库；
根据预设的更新周期，通过所述数据库存储的数据更新所述设备运行状态分析模型。
通过定期利用数据库存储的数据更新设备运行状态分析模型，可以提高设备运行状态分析模型的准确性。
进一步，所述通过所述边缘计算模块的故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果的步骤，包括：
获取所述量测数据的数据序列和相关矩阵；
采用求和自回归移动平均模型拟合所述数据序列，并确定求和自回归移动平均模型中的模型参数值；
根据所述模型参数值，计算出所述相关矩阵的极限分布数据；
根据所述极限分布数据进行故障分析，得到所述边缘分析结果。
通过量测数据的相关矩阵的极限分布数据进行故障分析，可以得到准确性高的边缘分析结果。
进一步，所述获取所述量测数据的数据序列和相关矩阵的步骤，包括：根据预设的序列截取长度，接收各种所述量测数据，以得到各种所述量测数据的多个数据序列；
对所述数据序列进行差分与归一化处理，得到处理后的数据序列。
通过对数据序列进行预处理，提高数据序列的稳定性。
进一步，所述获取所述量测数据的数据序列和相关矩阵的步骤，包括：
采用滑动窗口法将所述数据序列分成若干段数据子序列；
根据各段所述数据子序列，以及各段所述数据子序列中的数据，构建所述量测数据的相关矩阵。
本申请的一个实施例还提供一种配电网箱式设备故障监测系统，包括：应用于配电网箱式设备和云端服务器，所述配电网箱式设备设有边缘计算模块，所述云端服务器设有与所述边缘计算模块连接的云计算模块；所述边缘计算模块设有故障诊断模型，所述云计算模块设有设备运行状态分析模型；
所述配电网箱式设备故障监测系统还包括以下模块：
边缘分析结果获取模块，通过所述边缘计算模块的故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果；
第一云分析结果获取模块，若边所述边缘分析结果为无故障，驱动所述边缘计算模块按照预设的数据上传频率，从所述量测数据中获取第一上传数据并上传到所述云计算模块，以通过所述云计算模块的设备运行状态分析模型对所述第一上传数据进行运行状态分析，得到第一云分析结果；
第一报警信息下发模块，若所述第一云分析结果为有故障，将对应的所述第一上传数据确定为第一下发数据，根据所述第一云分析结果和所述第一下发数据生成第一报警信息，驱动所述云计算模块将所述第一报警信息下发给所述边缘计算模块；
故障诊断模型更新模块，响应于所述第一报警信息，所述边缘计算模块执行与所述第一云分析结果对应的故障响应动作，并根据所述第一下发数据更新所述故障诊断模型。
相对于现有技术，本申请先通过配电网箱式设备的边缘计算模块的故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果，若边缘分析结果为无故障，边缘计算模块按照预设的数据上传频率，将第一上传数据上传给云计算模块，以通过所述云计算模块的设备运行状态分析模型对所述第一上传数据进行运行状态分析，得到第一云分析结果，若所述第一云分析结果为有故障，驱动所述云计算模块执行对应的故障响应动作，并根据云计算模块下发的数据更新所述故障诊断模型，以提高边缘计算模块的分析准确性，而且由于边缘计算模块时设置于配电网箱式设备的，因此实时获取配电网箱式设备的量测数据，降低获取数据的延迟，同时，由于边缘分析结果为无故障时，云计算模块接收到的数据是根据预设的数据上传频率进行上传的，因此还可以大大降低云计算模块的工作压力。
本申请的一个实施例还提供一种计算机设备，包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的配电网箱式设备故障监测方法的步骤。
为了能更清晰的理解本申请，以下将结合附图说明阐述本申请的具体实施方式。
附图说明
图1为本申请一个实施例的配电网箱式设备故障监测方法的流程图。
图2为本申请一个实施例的配电网箱式设备故障监测方法的步骤S5-S8的流程图。
图3为本申请一个实施例的配电网箱式设备故障监测系统的模块连接示意图。
1、边缘分析结果获取模块；2、第一云分析结果获取模块；3、第一报警信息下发模块；4、故障诊断模型更新模块。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请实施例保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。在此所使用的词语“如果”/“若”可以被解释成为“在……时”或“当……时”或“响应于确定”。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
请参阅图1，其是本申请一个实施例的配电网箱式设备故障监测方法的流程图，所述配电网箱式设备故障监测方法应用于配电网箱式设备和云端服务器，所述配电网箱式设备设有边缘计算模块，所述云端服务器设有与所述边缘计算模块连接的云计算模块；所述边缘计算模块设有故障诊断模型，所述云计算模块设有设备运行状态分析模型；
所述配电网箱式设备故障监测方法包括以下步骤：
S1：通过所述边缘计算模块的故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果；
所述量测数据包括但不限于配电网箱式设备运行的电压、电流、功率等。
S2：若边所述边缘分析结果为无故障，驱动所述边缘计算模块按照预设的数据上传频率，从所述量测数据中获取第一上传数据并上传到所述云计算模块，以通过所述云计算模块的设备运行状态分析模型对所述第一上传数据进行运行状态分析，得到第一云分析结果；
预设的数据上传频率是每若干个小时上传一次数据，例如可以是1小时上传一次、2小时上传一次、3小时上传一次、4小时上传一次等。
S3：若所述第一云分析结果为有故障，将对应的所述第一上传数据确定为第一下发数据，根据所述第一云分析结果和所述第一下发数据生成第一报警信息，驱动所述云计算模块将所述第一报警信息下发给所述边缘计算模块；
S4：响应于所述第一报警信息，所述边缘计算模块执行与所述第一云分析结果对应的故障响应动作，并根据所述第一下发数据更新所述故障诊断模型。
相对于现有技术，本申请先通过配电网箱式设备的边缘计算模块的故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果，若边缘分析结果为无故障，边缘计算模块按照预设的数据上传频率，将第一上传数据上传给云计算模块，以通过所述云计算模块的设备运行状态分析模型对所述第一上传数据进行运行状态分析，得到第一云分析结果，若所述第一云分析结果为有故障，驱动所述云计算模块执行对应的故障响应动作，并根据云计算模块下发的数据更新所述故障诊断模型，以提高边缘计算模块的分析准确性，而且由于边缘计算模块时设置于配电网箱式设备的，因此实时获取配电网箱式设备的量测数据，降低获取数据的延迟，同时，由于边缘分析结果为无故障时，云计算模块接收到的数据是根据预设的数据上传频率进行上传的，因此还可以大大降低云计算模块的工作压力。
在一个可行的实施例中，所述步骤S1：通过所述边缘计算模块的故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果的步骤，包括：
S101：获取所述量测数据的数据序列和相关矩阵；
S102：采用求和自回归移动平均模型拟合所述数据序列，并确定求和自回归移动平均模型中的模型参数值；
其中，求和自回归移动平均模型ARIMA(p，d，q)如下公式所示：
Figure BDA0003865090680000061
其中，XL为数据序列，C为常数，p和q分别为自回归和移动平均阶数，αi和Θi分别为自回归和移动平均模型系数，d为差分阶数。
其中，差分阶数与序列的平稳性相关，直接使用ADF(AugmentedDickey-Fullertest)检验，若检验不通过则对序列进行二阶差分后再进行检验，不通过则继续进行高阶差分计算，直至检验通过。p和q采用贝叶斯信息准则(BayesianInformationCriterion，BIC)进行确定：
BIC＝(p+q)ln(l)-2ln(SI)；
其中，SI表示似然函数，通过约束BIC绝对小以提高模型的拟合程度。
S103：根据所述模型参数值，计算出所述相关矩阵的极限分布数据；
计算相关矩阵的极限谱分布h(x)，极限谱分布在o点的Stieltjes变换收敛于：
Figure BDA0003865090680000071
其中，c为常数且
Figure BDA0003865090680000072
f(ω)为序列自相关函数的傅里叶变换，通过ARIMA模型的谱密度表示，
Figure BDA0003865090680000073
S104：根据所述极限谱分布数据进行故障分析，得到所述边缘分析结果。
具体地，由于设备处于正常运行与故障状态时极限谱分布存在明显差异，因此存在临界正常数α，使得区间[0,α]设备正常运行状态时极限谱分布接近于0，而故障状态时极限谱分布显著高于0。可选地，当故障状态时极限谱分布高于预设值时，表示故障状态时极限谱分布显著高于0。
在本实施例中，通过量测数据的相关矩阵的极限分布数据进行故障分析，可以得到准确性高的边缘分析结果。
在一个可行的实施例中，所述S101：获取所述量测数据的数据序列和相关矩阵的步骤，包括：根据预设的序列截取长度，接收各种所述量测数据，以得到各种所述量测数据的多个数据序列：
XL＝{x1,x2…xL}；
其中，XL为数据序列，x1,x2…xL为数据序列中的第一、第二……第L个数值。
优选地，还在数据序列中添加正负两种白噪声：
Figure BDA0003865090680000074
其中，e为白噪声并且e满足标准正态分布，v∈Z(1,L)，Z表示正整数，rand为[0,1]之间随机数。
对所述数据序列进行差分与归一化处理；
Δxv＝xv-xv-1；
Figure BDA0003865090680000081
其中，Δxv表示差分处理结果，
Figure BDA0003865090680000082
表示归一化处理结果，E(Δxv)表示序列总体平均值，var(Δxv)表示序列总体方差。经过处理后的数列可进一步整理为：
Figure BDA0003865090680000083
其中，
Figure BDA0003865090680000084
表示处理后的数据序列。
在本实施例中，通过对数据序列进行预处理，提高数据序列的稳定性。
在一个可行的实施例中，所述S101：获取所述量测数据的数据序列和相关矩阵的步骤，包括：
采用滑动窗口法将所述数据序列分成若干段数据子序列；
根据各段所述数据子序列，以及各段所述数据子序列中的数据，构建所述量测数据的相关矩阵。
其中，滑动窗口法的窗口长度为l，数据序列分成r段数据子序列，可以得到复杂度为
Figure BDA0003865090680000085
的边缘计算量测矩阵
Figure BDA0003865090680000086
Figure BDA0003865090680000087
通过N个经过数据序列初始化的量测矩阵构成总体完备量测矩阵
Figure BDA0003865090680000088
将总体完备量测矩阵的相关矩阵确定为所述量测数据的相关矩阵，其中，总体完备量测矩阵的相关矩阵
Figure BDA0003865090680000089
为：
Figure BDA00038650906800000810
其中，
Figure BDA00038650906800000811
λ为Markov因子，用以修正数据序列中的少量异常值，
Figure BDA00038650906800000812
其中，Nij表示状态变换次数，i和j表示状态量，相关矩阵中每个参数有m种由配电网箱式设备运行状态控制的状态范围，m约束数据状态变换范围。数据序列可以看作一个高阶的马尔可夫链，引入Markov因子可以有效抑制数据序列采集过程中受外界因素等干扰而产生的少量异常值，以保证数据平稳性。
Figure BDA0003865090680000091
为通过z-score归一化后的高斯随机矩阵，X为线性变换系数矩阵。相关矩阵
Figure BDA0003865090680000092
的极限谱分布能有效地表示数据的特征分布，并用以检测配电设备是否存在故障。
请参阅图2，在一个可行的实施例中，还包括：
S5：若边所述边缘分析结果为有故障，将对应的量测数据确定为第二上传数据，根据所述边缘分析结果和所述第二上传数据生成第二报警信息，驱动所述边缘计算模块将所述第二报警信息上传给所述云计算模块；
S6：响应于所述第二报警信息，所述云计算模块根据所述第二上传数据进行运行状态分析，得到第二云分析结果；
S7：若所述第二云分析结果为无故障，驱动所述云计算模块第一下发数据请求给所述边缘计算模块，以驱动所述边缘计算模块上传所述故障诊断模型的当前运行数据；
S8：所述云计算模块根据所述当前运行数据对所述故障诊断模型进行诊断，若诊断结果为所述故障诊断模型正常，根据所述第二上传数据更新所述设备运行状态分析模型。
在本实施例中，当第二云分析结果与所述边缘分析结果不同时，可以根据所述故障诊断模型是正常的诊断结果，判断云计算模块的设备运行状态分析模型存在缺陷或准确性地，根据第二上传数据更新所述设备运行状态分析模型，以解决设备运行状态分析模型、提高设备运行状态分析模型的准确性。
在一个可行的实施例中，S9：若诊断结果为所述故障诊断模型异常，将所述第二上传数据确定为第二下发数据，根据所述诊断结果和所述第二下发数据生成更新信息；驱动所述云计算模块将所述更新信息下发给所述边缘计算模块；
S10：响应于所述更新信息，所述边缘计算模块根据所述诊断结果，通过所述第二下发数据更新所述故障诊断模型。
S11：当故障诊断模型异常时，可以通过第二下发数据更新故障诊断模型，以解决故障诊断模型、提高故障诊断模型的准确性。
在一个可行的实施例中，S12：若所述第二云分析结果为有故障，将所述第二上传数据存储到数据库；
S13：根据预设的更新周期，通过所述数据库存储的数据更新所述设备运行状态分析模型。
在本实施例中，通过定期利用数据库存储的数据更新设备运行状态分析模型，可以提高设备运行状态分析模型的准确性。
在一个可行的实施例中，S14：若所述第一云分析结果为无故障，将所述第一上传数据存储到数据库；
S15：根据预设的更新周期，通过所述数据库存储的数据更新所述设备运行状态分析模型。
在本实施例中，通过定期利用数据库存储的数据更新设备运行状态分析模型，可以提高设备运行状态分析模型的准确性。
请参阅图3，本申请的一个实施例还提供一种配电网箱式设备故障监测系统，包括：应用于配电网箱式设备和云端服务器，所述配电网箱式设备设有边缘计算模块，所述云端服务器设有与所述边缘计算模块连接的云计算模块；所述边缘计算模块设有故障诊断模型，所述云计算模块设有设备运行状态分析模型；
所述配电网箱式设备故障监测系统还包括以下模块：
边缘分析结果获取模块1，通过所述边缘计算模块的故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果；
第一云分析结果获取模块2，若边所述边缘分析结果为无故障，驱动所述边缘计算模块按照预设的数据上传频率，从所述量测数据中获取第一上传数据并上传到所述云计算模块，以通过所述云计算模块的设备运行状态分析模型对所述第一上传数据进行运行状态分析，得到第一云分析结果；
第一报警信息下发模块3，若所述第一云分析结果为有故障，将对应的所述第一上传数据确定为第一下发数据，根据所述第一云分析结果和所述第一下发数据生成第一报警信息，驱动所述云计算模块将所述第一报警信息下发给所述边缘计算模块；
故障诊断模型更新模块4，响应于所述第一报警信息，所述边缘计算模块执行与所述第一云分析结果对应的故障响应动作，并根据所述第一下发数据更新所述故障诊断模型。
所述量测数据包括但不限于配电网箱式设备运行的电压、电流、功率等。
预设的数据上传频率是每若干个小时上传一次数据，例如可以是1小时上传一次、2小时上传一次、3小时上传一次、4小时上传一次等。
相对于现有技术，本申请先通过配电网箱式设备的边缘计算模块的故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果，若边缘分析结果为无故障，边缘计算模块按照预设的数据上传频率，将第一上传数据上传给云计算模块，以通过所述云计算模块的设备运行状态分析模型对所述第一上传数据进行运行状态分析，得到第一云分析结果，若所述第一云分析结果为有故障，驱动所述云计算模块执行对应的故障响应动作，并根据云计算模块下发的数据更新所述故障诊断模型，以提高边缘计算模块的分析准确性，而且由于边缘计算模块时设置于配电网箱式设备的，因此实时获取配电网箱式设备的量测数据，降低获取数据的延迟，同时，由于边缘分析结果为无故障时，云计算模块接收到的数据是根据预设的数据上传频率进行上传的，因此还可以大大降低云计算模块的工作压力。
本申请的一个实施例还提供一种计算机设备，包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的配电网箱式设备故障监测方法的步骤。
以上所描述的设备实施例仅仅是示意性的，其中所述作为分离部件说明的组件可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
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选定的功能的装置。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选定的功能。
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选定的功能的步骤。
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(flashRAM)。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)

1.一种配电网箱式设备故障监测方法，其特征在于：应用于配电网箱式设备和云端服务器，所述配电网箱式设备设有边缘计算模块，所述云端服务器设有与所述边缘计算模块连接的云计算模块；所述边缘计算模块设有故障诊断模型，所述云计算模块设有设备运行状态分析模型；
所述配电网箱式设备故障监测方法包括以下步骤：
通过所述边缘计算模块的故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果；
若边所述边缘分析结果为无故障，驱动所述边缘计算模块按照预设的数据上传频率，从所述量测数据中获取第一上传数据并上传到所述云计算模块，以通过所述云计算模块的设备运行状态分析模型对所述第一上传数据进行运行状态分析，得到第一云分析结果；
若所述第一云分析结果为有故障，将对应的所述第一上传数据确定为第一下发数据，根据所述第一云分析结果和所述第一下发数据生成第一报警信息，驱动所述云计算模块将所述第一报警信息下发给所述边缘计算模块；
响应于所述第一报警信息，所述边缘计算模块执行与所述第一云分析结果对应的故障响应动作，并根据所述第一下发数据更新所述故障诊断模型。
2.根据权利要求1所述的配电网箱式设备故障监测方法，其特征在于，还包括：
若边所述边缘分析结果为有故障，将对应的量测数据确定为第二上传数据，根据所述边缘分析结果和所述第二上传数据生成第二报警信息，驱动所述边缘计算模块将所述第二报警信息上传给所述云计算模块；
响应于所述第二报警信息，所述云计算模块根据所述第二上传数据进行运行状态分析，得到第二云分析结果；
若所述第二云分析结果为无故障，驱动所述云计算模块第一下发数据请求给所述边缘计算模块，以驱动所述边缘计算模块上传所述故障诊断模型的当前运行数据；
所述云计算模块根据所述当前运行数据对所述故障诊断模型进行诊断，若诊断结果为所述故障诊断模型正常，根据所述第二上传数据更新所述设备运行状态分析模型。
3.根据权利要求2所述的配电网箱式设备故障监测方法，其特征在于：若诊断结果为所述故障诊断模型异常，将所述第二上传数据确定为第二下发数据，根据所述诊断结果和所述第二下发数据生成更新信息；驱动所述云计算模块将所述更新信息下发给所述边缘计算模块；
响应于所述更新信息，所述边缘计算模块根据所述诊断结果，通过所述第二下发数据更新所述故障诊断模型。
4.根据权利要求2所述的配电网箱式设备故障监测方法，其特征在于：若所述第二云分析结果为有故障，将所述第二上传数据存储到数据库；
根据预设的更新周期，通过所述数据库存储的数据更新所述设备运行状态分析模型。
5.根据权利要求1所述的配电网箱式设备故障监测方法，其特征在于：若所述第一云分析结果为无故障，将所述第一上传数据存储到数据库；
根据预设的更新周期，通过所述数据库存储的数据更新所述设备运行状态分析模型。
6.根据权利要求1所述的配电网箱式设备故障监测方法，其特征在于，所述通过所述边缘计算模块的故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果的步骤，包括：
获取所述量测数据的数据序列和相关矩阵；
采用求和自回归移动平均模型拟合所述数据序列，并确定求和自回归移动平均模型中的模型参数值；
根据所述模型参数值，计算出所述相关矩阵的极限分布数据；
根据所述极限分布数据进行故障分析，得到所述边缘分析结果。
7.根据权利要求6所述的配电网箱式设备故障监测方法，其特征在于，所述获取所述量测数据的数据序列和相关矩阵的步骤，包括：
根据预设的序列截取长度，接收各种所述量测数据，以得到各种所述量测数据的多个数据序列；
对所述数据序列进行差分与归一化处理，得到处理后的数据序列。
8.根据权利要求7所述的配电网箱式设备故障监测方法，其特征在于，所述获取所述量测数据的数据序列和相关矩阵的步骤，包括：
采用滑动窗口法将所述数据序列分成若干段数据子序列；
根据各段所述数据子序列，以及各段所述数据子序列中的数据，构建所述量测数据的相关矩阵。
9.一种配电网箱式设备故障监测系统，其特征在于，包括：应用于配电网箱式设备和云端服务器，所述配电网箱式设备设有边缘计算模块，所述云端服务器设有与所述边缘计算模块连接的云计算模块；所述边缘计算模块设有故障诊断模型，所述云计算模块设有设备运行状态分析模型；
所述配电网箱式设备故障监测系统还包括以下模块：
边缘分析结果获取模块，通过所述边缘计算模块的故障诊断模型对配电网箱式设备的量测数据进行故障分析，得到边缘分析结果；
第一云分析结果获取模块，若边所述边缘分析结果为无故障，驱动所述边缘计算模块按照预设的数据上传频率，从所述量测数据中获取第一上传数据并上传到所述云计算模块，以通过所述云计算模块的设备运行状态分析模型对所述第一上传数据进行运行状态分析，得到第一云分析结果；
第一报警信息下发模块，若所述第一云分析结果为有故障，将对应的所述第一上传数据确定为第一下发数据，根据所述第一云分析结果和所述第一下发数据生成第一报警信息，驱动所述云计算模块将所述第一报警信息下发给所述边缘计算模块；
故障诊断模型更新模块，响应于所述第一报警信息，所述边缘计算模块执行与所述第一云分析结果对应的故障响应动作，并根据所述第一下发数据更新所述故障诊断模型。
10.一种计算机设备，其特征在于：包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序，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任一项所述的配电网箱式设备故障监测方法的步骤。
CN202211175864.8A 2022-09-26 2022-09-26 配电网箱式设备故障监测方法、系统和计算机设备 Pending CN115529331A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211175864.8A CN115529331A (zh) 2022-09-26 2022-09-26 配电网箱式设备故障监测方法、系统和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211175864.8A CN115529331A (zh) 2022-09-26 2022-09-26 配电网箱式设备故障监测方法、系统和计算机设备

Publications (1)

Publication Number Publication Date
CN115529331A true CN115529331A (zh) 2022-12-27

Family

ID=84700364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211175864.8A Pending CN115529331A (zh) 2022-09-26 2022-09-26 配电网箱式设备故障监测方法、系统和计算机设备

Country Status (1)

Country Link
CN (1) CN115529331A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019233047A1 (zh) * 2018-06-07 2019-12-12 国电南瑞科技股份有限公司 基于电网调度的运维方法
CN111059612A (zh) * 2019-12-26 2020-04-24 天津华春智慧能源科技发展有限公司 一种云计算的城市供暖故障检测设备及方法
CN113656938A (zh) * 2021-07-07 2021-11-16 北京智芯微电子科技有限公司 配电网变压器的监管方法、控制装置、及存储介质
CN114167214A (zh) * 2021-12-02 2022-03-11 浙江大学 基于随机矩阵理论的低压配电网边-云协同故障检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019233047A1 (zh) * 2018-06-07 2019-12-12 国电南瑞科技股份有限公司 基于电网调度的运维方法
CN111059612A (zh) * 2019-12-26 2020-04-24 天津华春智慧能源科技发展有限公司 一种云计算的城市供暖故障检测设备及方法
CN113656938A (zh) * 2021-07-07 2021-11-16 北京智芯微电子科技有限公司 配电网变压器的监管方法、控制装置、及存储介质
CN114167214A (zh) * 2021-12-02 2022-03-11 浙江大学 基于随机矩阵理论的低压配电网边-云协同故障检测方法

Similar Documents

Publication Publication Date Title
CN112393931B (zh) 检测方法、装置、电子设备和计算机可读介质
US20190370163A1 (en) Method and apparatus for outputting information
CN105593864B (zh) 用于维护设备的分析设备退化
US20220004163A1 (en) Apparatus for predicting equipment damage
CN110991055A (zh) 一种旋转类机械产品剩余寿命预测系统
WO2023206860A1 (zh) 一种机械设备故障的确定方法及装置
CN110858072B (zh) 设备运行状态的确定方法及装置
CN109213034B (zh) 设备健康度监控方法、装置、计算机设备及可读存储介质
CN108009063B (zh) 一种电子设备故障阈值检测的方法
CN111767957A (zh) 一种日志异常的检测方法、装置、存储介质及电子设备
CN114265001B (zh) 一种智能电表计量误差评估方法
CN112926636A (zh) 牵引变流器柜体温度异常检测方法和装置
CN113948159A (zh) 一种变压器的故障检测方法、装置及设备
CN102252709A (zh) 一种非电量测量系统故障诊断方法
CN116756597B (zh) 基于人工智能的风电机组谐波数据实时监测方法
CN116482460A (zh) 电网设备故障诊断方法及相关设备
CN117290685A (zh) 一种基于历史数据的电厂电力设备专家诊断系统及方法
CN115529331A (zh) 配电网箱式设备故障监测方法、系统和计算机设备
CN112034312A (zh) 一种电力设备绝缘缺陷模式识别方法
CN116643308A (zh) 一种利用相似地震预测地震台站异常数据的方法及系统
CN115510998A (zh) 交易异常值检测方法及装置
CN115166625A (zh) 智能电表误差估计方法及装置
CN114398235A (zh) 基于融合学习和假设检验的内存回收趋势预警装置及方法
WO2021031091A1 (en) Method and apparatus for detecting operating status of device, and computer readable medium
CN115599037B (zh) 一种基因检测实验室设备自动化监控方法

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