CN115618198A - 一种互感器故障知识图谱的构建方法及相关设备 - Google Patents
一种互感器故障知识图谱的构建方法及相关设备 Download PDFInfo
- Publication number
- CN115618198A CN115618198A CN202211345447.3A CN202211345447A CN115618198A CN 115618198 A CN115618198 A CN 115618198A CN 202211345447 A CN202211345447 A CN 202211345447A CN 115618198 A CN115618198 A CN 115618198A
- Authority
- CN
- China
- Prior art keywords
- fault
- transformer
- knowledge
- mutual inductor
- waveform
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- 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
- G06N5/022—Knowledge engineering; Knowledge acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Animal Behavior & Ethology (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例公开了一种互感器故障知识图谱的构建方法及相关设备,所述方法包括:获取互感器的基础信息,所述基础信息包括所述互感器内的元件信息和各元件的故障信息,并基于所述元件信息和所述故障信息构建本体库,所述故障类型和对应故障类型的故障波形;对互感器的合并单元的输出信号进行信号数据采集,基于小波变换法及奇异熵变换识别所述输出信号对应的故障特征,并完成知识抽取;根据所述故障波形、针对所述互感器的历史文本数据和所述输出信号构建所述互感器故障的知识图谱。有效的挖掘电子互感器故障中的操作特性和波形状态,用多尺度模块综合处理的方法获取信号奇异点及其奇异时刻,使得需要对互感器进行的维护维修操作变得更加明了易读,为互感器的运维人员提供了便利。
Description
技术领域
本发明涉及一种互感器维护技术领域,尤其涉及一种互感器故障知识图谱的构建方法及相关设备。
背景技术
现代电力系统正朝着数字化和智能化方向发展,智能变电站系统是智能电网系统中的重要部分,其要求互感器能够直接输出数字信号,并可传输给站内的二次设备。传感更加准确化、传输趋于光纤化、输出为数字化的互感器主流趋势促使了电子式互感器的诞生与不断发展。经过几十年的不断发展,电子式互感器已经取得了许多突破性的进展,各种不同原理的电子式互感器也不断发展。在智能变电站系统中,使用电子式互感器来进行母线电压的测量,出现了一些因电子式互感器运行不稳定所产生的一些故障,导致在实际运行过程中,现场母线电压并没有下降的情况下测量到母线电压下降,从而导致了保护误动作引起停电事故,给电力系统的稳定运行带来了一定的隐患。
目前,受限于数据及构建方法,互感器故障知识图谱准确性低,使用不便。
发明内容
有鉴于此,本发明提供了一种互感器故障知识图谱的构建方法及相关设备,用于解决现有技术中互感器故障知识图谱准确性低,不利于运维人员使用的问题。为达上述之一或部分或全部目的或是其他目的,本发明提出一种互感器故障知识图谱的构建方法,所述方法,包括:
获取互感器的基础信息,所述基础信息包括所述互感器内的元件信息和各元件的故障信息,并基于所述元件信息和所述故障信息构建互感器本体库,所述故障类型和对应故障类型的故障波形;
获取所述互感器的合并单元的输出信号,基于小波变换法及奇异熵变换识别所述输出信号对应的故障特征,并完成知识抽取;
根据所述故障波形、针对所述互感器的历史文本数据和所述输出信号构建所述互感器故障的知识图谱。
可选的,在所述基于所述元件信息和所述故障信息构建互感器本体库的步骤之前,还包括:
基于故障波形采集装置获取所述互感器各部件的故障波形,所述故障波形采集装置包括一次传感器、一次转换器、传输系统和二次转换器,所述一次传感器将所述互感器各部件的多源异构数据经所述一次转换器送到所述传输系统,所述传输系统将所述互感器各部件的多源异构数据转换为模拟信号和波形信号。
可选的,所述基于所述元件信息和所述故障信息构建互感器本体库的步骤,包括:
所述元件信息代表所述互感器包括空心线圈、均压环、分流器、远端模块、光缆和合并单元;
所述故障类型包括电网故障、远端模块故障、均压环故障和激光电源故障;
利用GraphX对互感器各部件的波形信号进行分类并储存,构建互感器本体库。
可选的,所述获取所述互感器的合并单元的输出信号,基于小波变换法及奇异熵变换识别所述输出信号对应的故障特征,并完成知识抽取的步骤,包括:
获取所述互感器的合并单元的输出信号,对采所述输出信号进行第j层小波包分解,得到小波包分解产生的频段,并提取每一个频段的信息特征;
对小波包分解产生的各个频段进行波形重构,得到各个频段的小波信号,将所述各个频段的小波信号重新进行频带划分;
分别求取每个重构频带所蕴含的能量特征,将所述能量特征作为故障类型分类器的输入元素,识别所述输出信号对应的故障特征,并完成知识抽取。
可选的,所述根据所述故障波形、针对所述互感器的历史文本数据和所述输出信号构建所述互感器故障的知识图谱的步骤,包括:
在针对所述互感器的历史文本数据中抽取得到的实体对象,并进行实体消歧和共指消解,并根据针对所述互感器的历史文本数据中的往期数据与新加入数据融合进行知识更新;
通过SPARQL编码方法对所述波形信号按照波形和频率进行分类和编码,得到目标数据;
通过基于XML方法储存所述目标数据并构建互感器故障的知识图谱。
可选的,所述构建互感器故障的知识图谱的步骤,包括:
将所述互感器本体库的波形信号上传GraphScope一站式图计算平台,对所述波形信号进行图谱分析和存储,得到波形图谱;
根据所述互感器本体库及针对所述互感器的历史文本数据完成知识图谱的数据层和图谱层的构建,并规范实体、关系以及实体的类型和属性之间的联系;
将经过信息抽取、知识融合、知识更新的波形图谱以及针对所述互感器的历史文本数据中的往期数据加入所述互感器本体库,得到目标互感器本体库;
根据所述目标互感器本体库构建互感器故障的知识图谱。
可选的,所述将经过信息抽取、知识融合、知识更新的波形图谱以及针对所述互感器的历史文本数据中的往期数据加入所述互感器本体库,得到目标互感器本体库的步骤,包括:
所述互感器本体库采用反复增量迭代的方法,在不断迭代的过程中补充以及增加数据知识图谱,得到所述目标互感器本体库。
另一方面,本申请提供了一种互感器故障知识图谱的构建装置,包括:
数据采集模块,用于获取互感器的基础信息,所述基础信息包括所述互感器内的元件信息和各元件的故障信息,并基于所述元件信息和所述故障信息构建互感器本体库,所述故障类型和对应故障类型的故障波形;
知识抽取模块,用于获取所述互感器的合并单元的输出信号,基于小波变换法及奇异熵变换识别所述输出信号对应的故障特征,并完成知识抽取;
图谱生成模块,用于根据所述故障波形、针对所述互感器的历史文本数据和所述输出信号构建所述互感器故障的知识图谱。
第三方面,本申请实施例提供了一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线通信,所述机器可读指令被所述处理器执行时执行如上述的互感器故障知识图谱的构建方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上述的互感器故障知识图谱的构建方法的步骤。
实施本发明实施例,将具有如下有益效果:
基于传感装置进行多源异构数据的提取,对电子互感器各部件及故障类型进行本体库设计;然后基于小波变换法及奇异熵变换识别电子互感器的故障特征并完成信息处理和知识抽取;最后基于GraphScope一站式图计算平台对获得数据中的波形信息本体库并结合互感器历史巡检数库对异构多源数据进行了存储,完成电子互感器故障的知识图谱构建。有效的挖掘电子互感器故障中的操作特性和波形状态,用多尺度模块综合处理的方法获取信号奇异点及其奇异时刻,首先,对电子互感器各部件如:空心线圈、均压环、分流器、远端模块、光缆、合并单元等,加以故障波形采集,然后采用小波奇异熵算法,利用电网各种异常状况下电气量信号与电子式互感器故障时电气量信号的区别来检测互感器的突变故障,结合了电子互感器信号处理技术和基于历史巡查知识的处理技术,提取故障特征量使用小波包能量谱,并使用GraphScope一站式图计算平台形成知识图谱,进行可视化。使得需要对电子互感器进行的维护维修操作变得更加明了易读,为互感器的运维人员提供了便利。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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的前提下,还可以根据这些附图获得其他的附图。
其中:
图1是本申请实施例提供的一种互感器故障知识图谱的构建方法的流程图;
图2是本申请实施例提供的一种互感器故障知识图谱的构建方法中小波分解的流程图;
图3是本申请实施例提供的一种互感器中合并单元的结构示意图;
图4是本申请实施例提供的一种互感器故障知识图谱的构建方法中故障波形采集装置的结构示意图;
图5是本申请实施例提供的一种互感器故障知识图谱的构建方法中互感器基本结构图;
图6是本申请实施例提供的一种互感器故障知识图谱的构建装置的结构示意图;
图7是本申请实施例提供的一种电子设备的结构示意图;
图8是本申请实施例提供的一种存储介质的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都属于本发明保护的范围。
如图1所示,本申请实施例提供了一种互感器故障知识图谱的构建方法,所述方法,包括:
S101、获取互感器的基础信息,所述基础信息包括所述互感器内的元件信息和各元件的故障信息,并基于所述元件信息和所述故障信息构建互感器本体库,所述故障类型和对应故障类型的故障波形;
在一种可能的实施方式中,所述基于所述元件信息和所述故障信息构建互感器本体库的步骤,包括:
所述元件信息代表所述互感器包括空心线圈、均压环、分流器、远端模块、光缆和合并单元;
所述故障类型包括电网故障、远端模块故障、均压环故障和激光电源故障;
利用GraphX对互感器各部件的波形信号进行分类并储存,构建互感器本体库。
示例性的,以电子互感器为例,如图5所示,先对电子互感器各部件及故障类型进行本体库设计,了解互感器各部件的耦合关系,电子互感器的主要构成:空心线圈、均压环、分流器、远端模块、光缆、合并单元。电子式互感器通过信号处理箱接收传感头输出的模拟感应信号,经信号处理箱进行滤波、幅值、相位仪校准后变成标准输出信号,提供给计量、保护和测量设备。故障类型包括电网故障:电网在日常运行中,常见电线电缆老化变质,相间短路等,需区分电网故障与互感器故障。远端模块老化:电子式互感器采集卡负责采集CT数据并将数据通过光纤发送到合并单云,根据变电站历年缺陷处理数据,判断远端模块可能性大。均压环松动:适用于电压形式为交流的,可将高压均匀分布在物体周围,保证在环形各部位之间没有电位差,当均压环松动,从而无法达到均压的效果。激光电源:激光电源有功率调节功能受合并单元控制,当远端模块发送数据异常,合并单元判断采集卡接收激光电源功率低,合并单元提升激光电源功率。当激光电源由于老化发射功率达不到远端模块正常工作要求,远端模块不能正常工作,采样数据异常。
利用GraphX对互感器各部件的波形信号进行分类并储存,构建互感器本体库。
S102、获取所述互感器的合并单元的输出信号,基于小波变换法及奇异熵变换识别所述输出信号对应的故障特征,并完成知识抽取;
示例性的,利用电网各种异常状况下电气量信号与电子式互感器故障时电气量信号的区别来检测互感器的突变故障。如图3所示,所述合并单元是互感器的核心部分,包括了数据的处理和同步时钟信号的整合,然后将数字化信号送给电力系统二次设备进行处理。
S103、根据所述故障波形、针对所述互感器的历史文本数据和所述输出信号构建所述互感器故障的知识图谱。
示例性的,结合了电子互感器信号处理技术和基于历史巡查知识的处理技术,提取故障特征量使用小波包能量谱,并使用GraphScope一站式图计算平台形成知识图谱,进行可视化。
在一种可能的实施方式中,在所述基于所述元件信息和所述故障信息构建互感器本体库的步骤之前,还包括:
基于故障波形采集装置,如图4所示,获取所述互感器各部件的故障波形,所述故障波形采集装置包括一次传感器、一次转换器、传输系统和二次转换器,所述一次传感器将所述互感器各部件的多源异构数据经所述一次转换器送到所述传输系统,所述传输系统将所述互感器各部件的多源异构数据转换为模拟信号和波形信号。
示例性的,所述一次传感器的主要功能是将测量信号收集到线圈,并将其处理为电压-电流信号,测量信号就是电子互感器故障时的电压-电流信号,经过合并单元输出故障波形信号。所述一次转化器主要包括积分器和信号转化器,积分器将传感器采集的信号进行积分处理得到电压信号,在通过光电转换单元将电信号变成便于传输的光信号进行传输。所述传输系统为光纤传输单元,用于实现一二次系统的通讯和信号传输问题。所述二次转换器主要是将传输系统送来的光信号进行转化,变成可以读取的电信号,并且将该电信号打包成数据包,分别输出模拟信号和波形化信号。
在一种可能的实施方式中,所述获取所述互感器的合并单元的输出信号,基于小波变换法及奇异熵变换识别所述输出信号对应的故障特征,并完成知识抽取的步骤,包括:
获取所述互感器的合并单元的输出信号,对所述输出信号进行第j层小波包分解,得到小波包分解产生的频段,并提取每一个频段的信息特征;
对小波包分解产生的各个频段进行波形重构,得到各个频段的小波信号,将所述各个频段的小波信号重新进行频带划分;
分别求取每个重构频带所蕴含的能量特征,将所述能量特征作为故障类型分类器的输入元素,识别所述输出信号对应的故障特征,并完成知识抽取。
示例性的,如图2所示,获取所述互感器的合并单元的输出信号,对所述输出信号进行第j层小波包分解,提取每一个频段的信息特征。
对小波包分解产生的各个频段进行波形重构,目的是除去信号带来的噪声,将各个频段的小波信号重新进行频带划分。
分别求取每个重构频带所蕴含的能量,能量特征量作为故障类型分类器的输入元素,即小波能量谱作为信号特征量进行仿真的训练和学习。
通过光纤获取合并单元从电子互感器采集的数据,即一个电压互感器与一个电流互感器为一组待处理数据。对电流进行小波变换其精细系数:
Ia表示A相电流,j表示分解层数,k表示分解时间点,根据小波分解的时窗决定K取值范围。k=z/2nn为总采样点数,z为正整数取值为1~2n。
设小波变换模的阀值为Δbj,Δb为电网正常运行时对三相电压电流分别做小波变换取每一层变换的小波模最大值的1.5倍。j为小波分解层数。因每一层精细系数的模极大值通常都不一样所以单独设置每一层模阀值。
在这里设置一个时间阀值k对比每一层的模极大值点时间系数ki。
|ki-kj|≤Δk
上述公式i和j分别表示i层和j层的模极大值对应的时间系数k,既信号采样点位置。
对于满足要求的时间系数k取其j个数值里平均值。
kq=(k1+k2+k3+....+kj)/j
对于不满足上式条件时k取值-1。
对求出的小波模极大值时刻点再进行小波奇异熵变换。设置小波奇异熵变换阀值Δw,Δw为电子互感器正常运行时包括电网故障但互感器工作良好时的信号进行奇异熵变换获得的最大模值的1.5倍。与小波模极大值不一样,小波奇异熵变换取奇异点时刻并向后延展j个采样点的隔层精细系数bk j;获得j行j列矩阵Djxj。
wk≥Δw,小波变换模极大值点信号的奇异熵计算大于阀值则为互感器故障。
wk≤Δw,小波变换模极大值点信号的奇异熵计算小于阀值则为电网故障。
当系统出现故障的时候,首先会判断其是电网故障还是互感器故障,故障类型不同,对信号进行小波分解的小波系数也会不同,不同频带的频率称为也会有所不同,进而对能量谱的分布也会产生一定的影响,因此在信号发生故障的情况下,小波分解产生的特征量能量谱也会发生变化,不同频带所占有的信息配比也会不同。实际上小波的多尺度分解进信号每次分解都产生低频和高频信号,所占有的能量谱表示信号的所有信息特征,因此可以利用小波能量谱对故障诊断中有一定的应用。
在一种可能的实施方式中,所述根据所述故障波形、针对所述互感器的历史文本数据和所述输出信号构建所述互感器故障的知识图谱的步骤,包括:
在针对所述互感器的历史文本数据中抽取得到的实体对象,并进行实体消歧和共指消解,并根据针对所述互感器的历史文本数据中的往期数据与新加入数据融合进行知识更新;
通过SPARQL编码方法对所述波形信号按照波形和频率进行分类和编码,得到目标数据;
通过基于XML方法储存所述目标数据并构建互感器故障的知识图谱。
示例性的,从本体库中抽取互感器各类故障波形图并上传GraphScope一站式图计算平台,对传感器,转换器,合并单位进行数据清洗和数据处理,分别针对传感器,转换器,合并单位的故障波形数据的处对波形数据进行图谱分析。保留有效和易于识别的故障图谱。
从历史巡检数据、台账数据、设备使用说明等文本数据中中抽取得到的实体对象,即,故障元件,进行实体消歧和共指消解,剔除冗余和错误概念,并根据往期数据与新加入数据融合进行知识更新。
通过SPARQL编码方法对所采数据进行分层和分类,按照波形和频率进行分类和编码,对不同故障产生的不同频带的频率分类,构建知识图谱,便于区分不同故障类型。
通过手动加基于XML方法储存数据并构建电子互感器故障的知识图谱。
在一种可能的实施方式中,所述构建互感器故障的知识图谱的步骤,包括:
将所述互感器本体库的波形信号上传GraphScope一站式图计算平台,对所述波形信号进行图谱分析和存储,得到波形图谱;
根据所述互感器本体库及针对所述互感器的历史文本数据完成知识图谱的数据层和图谱层的构建,并规范实体、关系以及实体的类型和属性之间的联系;
将经过信息抽取、知识融合、知识更新的波形图谱以及针对所述互感器的历史文本数据中的往期数据加入所述互感器本体库,得到目标互感器本体库;
根据所述目标互感器本体库构建互感器故障的知识图谱。
示例性的,知识图谱的架构,包括知识图谱自身的逻辑结构以及构建知识图谱所采用的技术(体系)架构,从逻辑上将知识图谱划分为2个层次:数据层和图谱层。图谱层在数据层之上,是知识图谱的核心.在图谱层存储的是经过提炼的知识,采用本体库管理知识图谱的图谱层,借助本体库对公理、规则和约束条件的支持能力来规范实体、关系以及实体的类型和属性等对象之间的联系.
互感器信息抽取一种自动化地从半结构化和无结构数据中抽取实体、关系以及实体属性等结构化信息的技术涉及的关键技术包括:实体抽取、关系抽取和属性抽取。
知识融合包括两部分内容:实体链接和历史巡检数据知识合并.通过知识融合,可以消除概念的歧义,剔除冗余和错误概念,从而确保知识的质量。
知识更新可以消除实体指称项与实体对象之间的歧义,得到一系列基本的事实表达,然而,图谱本身并不等于知识,要最终获得结构化、网络化的知识体系。
所述信息的抽取主要包括:互感器实体抽取、互感器关系抽取和互感器属性抽取。实体抽取包括前述的电网故障、远端模块老化、均压环松动、激光电源。
互感器关系抽取:文本语料经过实体抽取,得到的是一系列离散的命名实体,为了得到语义信息,还需要从相关语料中提取出实体之间的关联关系,通过关系将实体(概念)联系起来,才能够形成网状的知识结构。
互感器属性抽取:从不同信息源中采集特定实体的属性信息。
在一种可能的实施方式中,所述将经过信息抽取、知识融合、知识更新的波形图谱以及针对所述互感器的历史文本数据中的往期数据加入所述互感器本体库,得到目标互感器本体库的步骤,包括:
所述互感器本体库采用反复增量迭代的方法,在不断迭代的过程中补充以及增加数据知识图谱,得到所述目标互感器本体库。
示例性的,根据互感器本体库采用反复增量迭代的方法,在不断迭代的过程中补充以及增加数据知识图谱,不断完善数据知识图谱。
另一方面,如图6所示,本申请提供了一种互感器故障知识图谱的构建装置,包括:
数据采集模块201,用于获取互感器的基础信息,所述基础信息包括所述互感器内的元件信息和各元件的故障信息,并基于所述元件信息和所述故障信息构建互感器本体库,所述故障类型和对应故障类型的故障波形;
知识抽取模块202,用于获取所述互感器的合并单元的输出信号,基于小波变换法及奇异熵变换识别所述输出信号对应的故障特征,并完成知识抽取;
图谱生成模块203,用于根据所述故障波形、针对所述互感器的历史文本数据和所述输出信号构建所述互感器故障的知识图谱。
在一种可能的实施方式中,如图7所示,本申请实施例提供了一种电子设备300,包括:包括存储器310、处理器320及存储在存储器310上并可在处理器320上运行的计算机程序311,处理器320执行计算机程序311时,实现:获取互感器的基础信息,所述基础信息包括所述互感器内的元件信息和各元件的故障信息,并基于所述元件信息和所述故障信息构建互感器本体库,所述故障类型和对应故障类型的故障波形;获取所述互感器的合并单元的输出信号,基于小波变换法及奇异熵变换识别所述输出信号对应的故障特征,并完成知识抽取;根据所述故障波形、针对所述互感器的历史文本数据和所述输出信号构建所述互感器故障的知识图谱的步骤。
在一种可能的实施方式中,如图8所示,本申请实施例提供了一种计算机可读存储介质400,其上存储有计算机程序411,该计算机程序411被处理器执行时实现:获取互感器的基础信息,所述基础信息包括所述互感器内的元件信息和各元件的故障信息,并基于所述元件信息和所述故障信息构建互感器本体库,所述故障类型和对应故障类型的故障波形;获取所述互感器的合并单元的输出信号,基于小波变换法及奇异熵变换识别所述输出信号对应的故障特征,并完成知识抽取;根据所述故障波形、针对所述互感器的历史文本数据和所述输出信号构建所述互感器故障的知识图谱的步骤。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
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,本发明不限于这里上述的特定实施例,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。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种互感器故障知识图谱的构建方法,其特征在于,包括:
获取互感器的基础信息,所述基础信息包括所述互感器内的元件信息和各元件的故障信息,并基于所述元件信息和所述故障信息构建互感器本体库,所述故障类型和对应故障类型的故障波形;
获取所述互感器的合并单元的输出信号,基于小波变换法及奇异熵变换识别所述输出信号对应的故障特征,并完成知识抽取;
根据所述故障波形、针对所述互感器的历史文本数据和所述输出信号构建所述互感器故障的知识图谱。
2.如权利要求1所述的一种互感器故障知识图谱的构建方法,其特征在于,在所述基于所述元件信息和所述故障信息构建互感器本体库的步骤之前,还包括:
基于故障波形采集装置获取所述互感器各部件的故障波形,所述故障波形采集装置包括一次传感器、一次转换器、传输系统和二次转换器,所述一次传感器将所述互感器各部件的多源异构数据经所述一次转换器送到所述传输系统,所述传输系统将所述互感器各部件的多源异构数据转换为模拟信号和波形信号。
3.如权利要求2所述的一种互感器故障知识图谱的构建方法,其特征在于,所述基于所述元件信息和所述故障信息构建互感器本体库的步骤,包括:
所述元件信息代表所述互感器包括空心线圈、均压环、分流器、远端模块、光缆和合并单元;
所述故障类型包括电网故障、远端模块故障、均压环故障和激光电源故障;
利用GraphX对互感器各部件的波形信号进行分类并储存,构建互感器本体库。
4.如权利要求1所述的一种互感器故障知识图谱的构建方法,其特征在于,所述获取所述互感器的合并单元的输出信号,基于小波变换法及奇异熵变换识别所述输出信号对应的故障特征,并完成知识抽取的步骤,包括:
获取所述互感器的合并单元的输出信号,对采所述输出信号进行第j层小波包分解,得到小波包分解产生的频段,并提取每一个频段的信息特征;
对小波包分解产生的各个频段进行波形重构,得到各个频段的小波信号,将所述各个频段的小波信号重新进行频带划分;
分别求取每个重构频带所蕴含的能量特征,将所述能量特征作为故障类型分类器的输入元素,识别所述输出信号对应的故障特征,并完成知识抽取。
5.如权利要求3所述的一种互感器故障知识图谱的构建方法,其特征在于,所述根据所述故障波形、针对所述互感器的历史文本数据和所述输出信号构建所述互感器故障的知识图谱的步骤,包括:
在针对所述互感器的历史文本数据中抽取得到的实体对象,并进行实体消歧和共指消解,并根据针对所述互感器的历史文本数据中的往期数据与新加入数据融合进行知识更新;
通过SPARQL编码方法对所述波形信号按照波形和频率进行分类和编码,得到目标数据;
通过基于XML方法储存所述目标数据并构建互感器故障的知识图谱。
6.如权利要求5所述的一种互感器故障知识图谱的构建方法,其特征在于,所述构建互感器故障的知识图谱的步骤,包括:
将所述互感器本体库的波形信号上传GraphScope一站式图计算平台,对所述波形信号进行图谱分析和存储,得到波形图谱;
根据所述互感器本体库及针对所述互感器的历史文本数据完成知识图谱的数据层和图谱层的构建,并规范实体、关系以及实体的类型和属性之间的联系;
将经过信息抽取、知识融合、知识更新的波形图谱以及针对所述互感器的历史文本数据中的往期数据加入所述互感器本体库,得到目标互感器本体库;
根据所述目标互感器本体库构建互感器故障的知识图谱。
7.如权利要求1所述的一种互感器故障知识图谱的构建方法,其特征在于,所述将经过信息抽取、知识融合、知识更新的波形图谱以及针对所述互感器的历史文本数据中的往期数据加入所述互感器本体库,得到目标互感器本体库的步骤,包括:
所述互感器本体库采用反复增量迭代的方法,在不断迭代的过程中补充以及增加数据知识图谱,得到所述目标互感器本体库。
8.一种互感器故障知识图谱的构建装置,其特征在于,包括:
数据采集模块,用于获取互感器的基础信息,所述基础信息包括所述互感器内的元件信息和各元件的故障信息,并基于所述元件信息和所述故障信息构建互感器本体库,所述故障类型和对应故障类型的故障波形;
知识抽取模块,用于获取所述互感器的合并单元的输出信号,基于小波变换法及奇异熵变换识别所述输出信号对应的故障特征,并完成知识抽取;
图谱生成模块,用于根据所述故障波形、针对所述互感器的历史文本数据和所述输出信号构建所述互感器故障的知识图谱。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至7中任一项所述的互感器故障知识图谱的构建方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7中任一项所述的互感器故障知识图谱的构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211345447.3A CN115618198A (zh) | 2022-10-31 | 2022-10-31 | 一种互感器故障知识图谱的构建方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211345447.3A CN115618198A (zh) | 2022-10-31 | 2022-10-31 | 一种互感器故障知识图谱的构建方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115618198A true CN115618198A (zh) | 2023-01-17 |
Family
ID=84876144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211345447.3A Pending CN115618198A (zh) | 2022-10-31 | 2022-10-31 | 一种互感器故障知识图谱的构建方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115618198A (zh) |
-
2022
- 2022-10-31 CN CN202211345447.3A patent/CN115618198A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Malik et al. | Intelligent data-analytics for condition monitoring: smart grid applications | |
CN103077212A (zh) | 变电站配置文件管控方法和系统 | |
CN112803592A (zh) | 一种适用于分布式电站的智能故障预警方法及系统 | |
Santodomingo et al. | Ontology matching approach to the harmonization of CIM and IEC 61850 standards | |
Xu et al. | Detection and classification of power quality disturbances in distribution networks based on VMD and DFA | |
CN105606920A (zh) | 确定电力变换器的健康的当前和将来状态的系统和方法 | |
Le et al. | FLISR approach for smart distribution networks using E-Terra Software—A case study | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
CN109617001B (zh) | 一种继电保护多源异构信息智能化处理系统 | |
Duer et al. | Creating of structure of facts for the knowledge base of an expert system for wind power plant's equipment diagnosis | |
CN103198222A (zh) | 一种用于综合停电检修计划的平衡优化方法 | |
Basu et al. | Situational awareness for the electrical power grid | |
CN109449923A (zh) | 一种有源配电系统运行灵活性的量化分析方法及相关产品 | |
Popovic et al. | Smart grid data analytics for digital protective relay event recordings | |
Li et al. | A quantitative causal diagram based optimal sensor allocation strategy considering the propagation of fault risk | |
CN115085385A (zh) | 一种电力网络安全监测分析方法 | |
CN111414354A (zh) | 一种风电场数据的处理方法、装置及计算机可读存储介质 | |
CN115618198A (zh) | 一种互感器故障知识图谱的构建方法及相关设备 | |
CN117169804A (zh) | 基于合电流矢量分析的电流互感器误差状态在线辨识方法 | |
CN116070140B (zh) | 一种配电变电站安全运行状态监测系统及方法 | |
CN116632826A (zh) | 一种配电网的问题处理方法、装置、电子设备及存储介质 | |
Lima et al. | Hardware and software architecture for power quality analysis | |
CN111416439A (zh) | 一种变电站全景数据集成及智能告警系统 | |
Zhang et al. | Transformer maintenance decision based on condition monitoring and fuzzy probability hybrid reliability assessment | |
Song et al. | Improved Cluster Intelligent and Complex Optimization Algorithm for Power Equipment CAD‐Assisted Intelligent Operation and Maintenance |
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 |