CN115618303A - 基于信息融合技术的调度自动化监测及故障定位系统 - Google Patents
基于信息融合技术的调度自动化监测及故障定位系统 Download PDFInfo
- Publication number
- CN115618303A CN115618303A CN202211406184.2A CN202211406184A CN115618303A CN 115618303 A CN115618303 A CN 115618303A CN 202211406184 A CN202211406184 A CN 202211406184A CN 115618303 A CN115618303 A CN 115618303A
- Authority
- CN
- China
- Prior art keywords
- fault
- information
- data
- module
- abnormal
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 76
- 238000005516 engineering process Methods 0.000 title claims abstract description 52
- 230000004927 fusion Effects 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 85
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 28
- 239000000523 sample Substances 0.000 claims abstract description 28
- 238000012800 visualization Methods 0.000 claims abstract description 20
- 238000012098 association analyses Methods 0.000 claims abstract description 6
- 230000002159 abnormal effect Effects 0.000 claims description 67
- 238000011156 evaluation Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 19
- 238000010219 correlation analysis Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 208000024891 symptom Diseases 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims 1
- 230000000977 initiatory effect Effects 0.000 claims 1
- 230000006854 communication Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000010223 real-time analysis Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了基于信息融合技术的调度自动化监测及故障定位系统,包括部署在电路上的多个探针和与所述探针连接的电力监测设备;数据业务分析平台包括调度自动化系统和关联分析系统以及数据库,关联分析系统包括获取模块、分析模块、人工智能辅助处理模块、输出模块和故障反演模块;可视化平台,包括API调用模块与可视化模块,通过API调用模块与所述数据业务分析平台连接,本发明构建出对于电力的自动化监测及故障定位系统,具有自动化数据流全过程无损采集、实时解析、异常特征识别、多维信息融合故障判别、可视化展示和故障反演功能,并改善了关联分析系统的分析范围,不仅提高多维数据融合后续的故障反演的实施。
Description
技术领域
本发明涉及监测系统技术领域,特别是基于信息融合技术的调度自动化监测及故障定位系统。
背景技术
随着电网规模的快速发展和特高压交直流建设,国内电网将呈现出特大型交直流混合电网形态,电网特征、运行特性都将发生重大变化,也给电网安全运行与高效管理带来了全新挑战。调度自动化系统作为电网调度运行和集中监控的核心技术支撑手段,应依托技术进步适应新形势的要求,进一步提升自动化运行水平和技术支撑能力,从而增强调度与驾驭大电网的能力。
但目前调度自动化系统数据流过程一直未能得到有效监视;因此在发生交换机运行速度缓慢、异常IP冲突、ARP攻击、网络风暴等时无法分析其原因,甚至遥控失败、遥信跳变、遥测突变,无法进行故障定位及事故反演;同时现有的电力故障关联定位技术存在关联、定位不准确,关联样本的类型单一,且数量多和冗余等问题;没有良好的测评和准确故障定位功能,导致后续的运维数据多且准确度一般等问题。这些问题不但给自动化人员日常运维带来困惑,同时不利于调度自动化的安全生产。。
发明内容
鉴于上述现有的监测系统中存在的问题,提出了本发明。
因此,本发明提供基于信息融合技术的调度自动化监测及故障定位系统,其构建出针对电力的自动化监测及故障定位系统,具有自动化数据流全过程无损采集、实时解析、异常特征识别、多维信息融合故障判别、可视化展示和故障反演功能,并改善了关联分析系统的分析范围,不仅提高多维数据融合后故障分析的效果,且提高了定位故障点的精准度以及后续的故障反演的实施效果。
为解决上述技术问题,本发明提供如下技术方案:包括:
监测端,包括部署在电路上的多个探针和与所述探针连接的电力监测设备,所述监测端用于采集电力监测设备的数据,对于深度解析以及模式识别后的数据信息,通过核心交换机上传到数据业务分析平台;
数据业务分析平台,包括调度自动化系统和关联分析系统以及数据库,其中所述调度自动化系统用于数据流的异常特征识别与告警,所述关联分析系统连接电力调度中心,建立故障指标体系模型,用于至少两个故障元件信息的诊断分析,所述数据库用于缓存所述数据业务分析平台的处理数据;所述关联分析系统包括获取模块、分析模块、人工智能辅助处理模块、输出模块和故障反演模块,其中,所述人工智能辅助处理模块用于通过异常特征识别技术以及多维信息融合故障判别技术进行人工智能辅助处理,并通过人工智能辅助处理进行网络异常故障判别后准确定位故障点,所述人工智能辅助处理模块包括异常特征识别单元、测评调取单元、多维信息融合单元、准确故障定位单元和人工智能辅助定位单元;
所述异常特征识别单元,基于所述电力监测设备的数据的异常特征进行识别训练后,用于对获取模块所获取的电力监测设备的数据,进行异常特征识别操作生成电力监测设备的异常数据;
测评调取单元,根据所述电力监测设备的异常数据,用于调取不同的测评算法和对应的原始异常数据样本数据进行测评并生成相应测评信息,测评算法包括回归算法或树算法;
所述多维信息融合单元,基于所述测评调取单元调取相应的测评算法处理生成的相应测评信息,并调用所述数据库中满足一致性指标的相关多维信息,将测评信息与多维信息融合后,生成样本特性信息,以此来表征所述样本特性关联的准确性;
准确故障定位单元,用于将所述多维信息融合单元生成的样本特性信息分为两份,分别用于训练阶段的精准性故障定位样本信息和实际预测阶段的精准性故障定位样本信息,生成准确故障定位判别特征信息;
人工智能辅助定位单元,用于根据所述准确故障定位判别特征信息,进行判别后生成结果自动定位故障点,并生成相应的故障信息;
可视化平台,包括API调用模块与可视化模块,通过API调用模块与所述数据业务分析平台连接,用于对处理数据和故障信息行接收、挖掘和展现,即对业务数据和故障信息进行实时展示。
作为本发明的一种优选方案,其中:所述获取模块用于获取所有的网络原始报文,采用全过程无损采集技术实现网络报文抓取,并把网络原始报文进行存储;所述分析模块用于从海量网络报文中对网络报文流量情况、网络报文语法、网络报文语义进行分析,从而得到原始状态数据,数据进行存储;
所述输出模块连接所述数据业务分析平台,用于将故障判别的信息通过可视化手段直接展现给用户;所述故障反演模块用于结合历史存储数据,进行故障反演,再现故障时异常场景。
作为本发明的一种优选方案,其中:所述关联分析系统用于至少两个故障元件信息的诊断分析,包括获取单故障元件信息、相关性指标信息和不冗余指标信息;其中,所述单故障元件信息包括故障元件的位置指标,且单故障元件信息为覆盖一个故障的元件的信息;所述相关性指标息包括通过至少一个合理的诊断,推断是单故障元件,并应发匹配至少一个症状;所述不冗余指标标息包括通过至少一个合理的诊断推断,同时引发相关指标的全部覆盖。
作为本发明的一种优选方案,其中:所述关联分析系统用于至少两个故障元件信息的诊断分析,还包括进行、多信息特征融合,进行智能判别;具体地通过故障指标模型进行匹对,找到异常信息关键点,实现自动化故障智能判断。
作为本发明的一种优选方案,其中:所述调度自动化系统通过分析故障的异常特征识别技术,筛选出故障的异常特征数据进行有效传输流量,同时比较检测基线的生成指标实际测量值和预设基线值的大小,若前者大于后者则产生告警。
作为本发明的一种优选方案,其中:所述调度自动化系统支持动态学习合法流量基线、自动监测攻击并自动启动防护,同时灵活配置学习流量基线的模型。
作为本发明的一种优选方案,其中:所述故障反演模块包括解析模块、处理模块、传输模块和回放模块;所述解析模块通过数据采集对网络报文进行解析,所述处理模块根据源目IP地址、协议、时间进行流处理,所述传输模块把处理后的会话流信息发送给数据业务分析平台进行存储,所述回放模块调用数据业务分析平台相应的存储信息进行回放;所述故障反演模块还包括镜像模块;所述镜像模块通过数据采集将网络报文信息全部镜像到数据业务分析平台。
作为本发明的一种优选方案,其中:所述数据业务分析平台还包括配置监控系统,所述配置监控系统对节点参数配置、用户配置、监测状态、流量、存储空间、报警进行监控,且所述配置监控系统与所述可视化平台连接。
作为本发明的一种优选方案,其中:数据采集,采集电力监测设备的数据,对于深度解析以及模式识别后的数据信息进行采集,并通过核心交换机上传到数据业务分析平台;
数据业务分析,通过调度自动化系统对数据流的异常特征识别与告警进行诊断分析,同时通过关联分析系统对至少两个故障元件信息进行诊断分析;
通过调度核心交换机获取所有的网络原始报文,采用全过程无损采集技术实现网络报文抓取,并把网络原始报文进行存储;
从海量网络报文中对网络报文流量情况、网络报文语法、网络报文语义进行分析,从而得到原始状态数据,数据进行存储;
通过异常特征识别技术及多维信息融合故障判别技术进行人工智能辅助处理;
通过人工智能辅助处理进行网络异常故障判别,准确定位故障点;
将故障判别的信息通过可视化手段直接展现给用户;
结合历史存储数据,可以进行故障反演,再现故障时异常场景,包括以下方法:
数据采集对网络报文进行解析,根据源目IP地址、协议、时间进行流处理,把处理后的会话流信息发送给数据业务分析平台进行存储,需要回放的时候,直接回放即可,不用在进行数据的解析重归类;或
数据采集将网络报文信息全部镜像到数据业务分析平台,然后由数据业务分析平台对网络报文进行基于源目IP地址、协议、时间等元素的解析归类,并进行最后的存储,需要回放的时候,也不用再进行数据的解析重归类;或
数据采集将网络报文信息全部镜像到数据业务分析平台,数据业务分析平台将网络报文数据直接存储,需要回放的时候,需要对所存储的网络报文进行一次索引,对数据报文进行基于源目IP地址、协议、时间等元素的解析归类。
本发明的有益效果:本发明在充分调研分析调度自动化业务需求的基础上,调度自动化系统数据流可视化监测及故障定位研究实现对调度自动化系统网络进行监听、分析及监测的运行方式,实现对整个调度自动化网络通信状态及工作状态进行在线监视,及时发现网络通信或设备故障及隐患并进行告警;并通过对通信协议的在线解析,及时发现自动化系统网络中的故障点并进行多方式的告警;同时具有良好的测评和准确故障定位功能,使得关联、定位工作变得更加的准确和全面,避免了类型单一和冗余的样本数据,能够生成准确故障定位判别特征信息,提高了后续分析定位的效果,且通过对网络通信数据的全记录,可追忆重现通信过程及故障。
基于上述可知本发明构建出针对电力的自动化监测及故障定位系统,具有自动化数据流全过程无损采集、实时解析、异常特征识别、多维信息融合故障判别、可视化展示和故障反演功能,并改善了关联分析系统的分析范围,不仅提高多维数据融合后故障分析的效果,且提高了定位故障点的精准度以及后续的故障反演的实施效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明实施例中基于信息融合技术的调度自动化监测及故障定位系统的模块化结构示意图;
图2为本发明实施例中基于信息融合技术的调度自动化监测及故障定位系统的应用网络示意图;
图3为本发明实施例中基于信息融合技术的调度自动化监测及故障定位方法中数据业务分析的流程图;
图4为本发明实施例中人工智能辅助处理模块的模块化结构示意图。
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。
本发明提出了基于信息融合技术的调度自动化监测及故障定位系统及其方法,为了提高调度自动化的安全稳定性,为调度自动化通信过程提供可视化、透明化技术支撑,实时掌握调度自动化网络。基于实时调度自动化系统数据的在线收集、分析,实现分析调度业务应用数据的变化过程,对调度网络通信流量、协议分布、“四遥”过程、网络风暴、异常攻击等实时分析、提取、告警;同时形成海量的调度运行数据信息库。基于调度数据网及调度自动化关键业务,研究电力实时控制流的在线解析技术、关键业务的故障智能判别及可视化展示技术、电力调度自动化数据流的“黑匣子”技术,形成一整套调度自动化系统数据流可视化监测及故障定位的系统,有效提高调度自动化运行管理水平和技术支撑能力,为电网的安全稳定运行提供技术保障。
下面通过实施例并结合附图对本方案做进一步具体说明。
参照图1、图2和图3以及图4,为本发明的一个实施例,该实施例提供了基于信息融合技术的调度自动化监测及故障定位系统,包括监测端、数据业务分析平台和可视化平台;其中监测端,包括部署在电路上的多个探针和与探针连接的电力监测设备,监测端用于采集电力监测设备的数据,对于深度解析以及模式识别后的数据信息,通过核心交换机上传到数据业务分析平台;数据业务分析平台,包括调度自动化系统和关联分析系统以及数据库,其中调度自动化系统用于数据流的异常特征识别与告警,关联分析系统连接电力调度中心,建立故障指标体系模型,用于至少两个故障元件信息的诊断分析,数据库用于缓存数据业务分析平台的处理数据;关联分析系统包括获取模块、分析模块、人工智能辅助处理模块、输出模块和故障反演模块;其中,所述人工智能辅助处理模块用于通过异常特征识别技术以及多维信息融合故障判别技术进行人工智能辅助处理,并通过人工智能辅助处理进行网络异常故障判别后准确定位故障点,所述人工智能辅助处理模块包括异常特征识别单元、测评调取单元、多维信息融合单元、准确故障定位单元和人工智能辅助定位单元;所述异常特征识别单元,基于所述电力监测设备的数据的异常特征进行识别训练后,用于对获取模块所获取的电力监测设备的数据,进行异常特征识别操作生成电力监测设备的异常数据;测评调取单元,根据所述电力监测设备的异常数据,用于调取不同的测评算法和对应的原始异常数据样本数据进行测评并生成相应测评信息,测评算法包括回归算法或树算法;所述多维信息融合单元,基于所述测评调取单元调取相应的测评算法处理生成的相应测评信息,并调用所述数据库中满足一致性指标的相关多维信息,将测评信息与多维信息融合后,生成样本特性信息,以此来表征所述样本特性关联的准确性;准确故障定位单元,用于将所述多维信息融合单元生成的样本特性信息分为两份,分别用于训练阶段的精准性故障定位样本信息和实际预测阶段的精准性故障定位样本信息,生成准确故障定位判别特征信息;人工智能辅助定位单元,用于根据所述准确故障定位判别特征信息,进行判别后生成结果自动定位故障点,并生成相应的故障点信息。
基于上述可知,本实施例实现对整个调度自动化网络通信状态及工作状态进行在线监视,及时发现网络通信或设备故障及隐患并进行告警;并通过对通信协议的在线解析,及时发现自动化系统网络中的故障点并进行多方式的告警;同时具有良好的测评和准确故障定位功能,使得关联、定位工作变得更加的准确和全面,避免了类型单一和冗余的样本数据,能够生成准确故障定位判别特征信息,提高了后续分析定位的效果,且通过对网络通信数据的全记录,可追忆重现通信过程及故障。
本实施例的可视化平台包括API调用模块与可视化模块,通过API调用模块与所述数据业务分析平台连接,用于对处理数据和故障信息行接收、挖掘和展现,即对业务数据和故障信息进行实时展示。
基于上述可知本发明在充分调研分析调度自动化业务需求的基础上,调度自动化系统数据流可视化监测及故障定位研究实现对调度自动化系统网络进行监听、分析及监测的运行方式,实现对整个调度自动化网络通信状态及工作状态进行在线监视,及时发现网络通信或设备故障及隐患并进行告警;并通过对通信协议的在线解析,及时发现自动化系统网络中的故障点并进行多方式的告警;同时通过对网络通信数据的全记录,可追忆重现通信过程及故障。
本实施例具体地,获取模块用于获取所有的网络原始报文,采用全过程无损采集技术实现网络报文抓取,并把网络原始报文进行存储;分析模块用于从海量网络报文中对网络报文流量情况、网络报文语法、网络报文语义进行分析,从而得到原始状态数据,数据进行存储;人工智能辅助处理模块用于通过异常特征识别技术及多维信息融合故障判别技术进行人工智能辅助处理,并通过人工智能辅助处理进行网络异常故障判别,准确定位故障点;输出模块连接数据业务分析平台,用于将故障判别的信息通过可视化手段直接展现给用户;故障反演模块用于结合历史存储数据,进行故障反演,再现故障时异常场景。
本实施例的关联分析系统用于至少两个故障元件信息的诊断分析,包括获取单故障元件信息、相关性指标信息和不冗余指标信息;其中,单故障元件信息包括故障元件的位置指标,单故障元件信息为覆盖一个故障的元件的信息;相关性指标息包括通过至少一个合理的诊断推断是单故障元件,并应发匹配至少一个症状;不冗余指标标息包括通过至少一个合理的诊断推断,同时引发相关指标的全部覆盖。
本实施例的关联分析系统用于至少两个故障元件信息的诊断分析,还包括进行多数据、多信息特征融合,进行智能判别;具体地通过故障指标模型进行匹对,找到异常信息关键点,实现自动化故障智能判断。例如通过对104协议时间、空间维度分析,可监测类似远动装置104协议假在线、主站遥控失败、站端;此外,对于远程装置频繁切换等异常事件,为运维人员提供定位决策支持建议,消除自动化系统运行中存在的安全隐患。
本实施例优选地,调度自动化系统通过分析故障的异常特征识别技术,筛选出故障的异常特征数据进行有效传输流量,同时比较检测基线的生成指标实际测量值和预设基线值的大小,若前者大于后者则产生告警。由此可见基线的生成是异常流量检测最关键的过程。
同时本实施例的调度自动化系统支持动态学习合法流量基线、自动监测攻击并自动启动防护,同时灵活配置学习流量基线的模型。例如上一小时、上一天、上一周相同时间段,也可以配置参考时间段个数,例如参考前三周相同时间段的流量;系统根据事先配置的学习模型自动计算当前时间段的合法流量基线,随着时间的推移会实时计算并调整合法流量基线,对业务数据进行预警通知。然后还要解决对于数据网中非法IP和非法端口的识别告警,比如说贵州省调度数据网中发现了其它省的IP地址,可以提前预警,减少漏洞,发现问题后可以提早采取措施,分析问题原因,找到相应整改方法。
本实施例需要进一步说明地,故障反演模块包括解析模块、处理模块、传输模块和回放模块;解析模块通过数据采集对网络报文进行解析,处理模块根据源目IP地址、协议、时间进行流处理,传输模块把处理后的会话流信息发送给数据业务分析平台进行存储,回放模块调用数据业务分析平台相应的存储信息进行回放;故障反演模块还包括镜像模块;镜像模块通过数据采集将网络报文信息全部镜像到数据业务分析平台。
本实施例需要强调的是该数据业务分析平台还包括配置监控模块,配置监控模块对节点参数配置、用户配置、监测状态、流量、存储空间、报警进行监控,且所述配置监控模块与所述可视化平台连接。
综上所述可知本发明构建出对于电力的自动化监测及故障定位系统,具有自动化数据流全过程无损采集、实时解析、异常特征识别、多维信息融合故障判别、可视化展示和故障反演功能,并改善了关联分析系统的分析范围,不仅提高多维数据融合后续的故障反演的实施。
本实施例的基于信息融合技术的调度自动化监测及故障定位系统,在操作时包括以下步骤:
步骤S1,数据采集,采集电力监测设备的数据,对于深度解析以及模式识别后的数据信息进行采集,并通过核心交换机上传到数据业务分析平台;
步骤S2,数据业务分析,通过调度自动化系统对数据流的异常特征识别与告警进行诊断分析,同时通过关联分析系统对至少两个故障元件信息进行诊断分析;
步骤S201,通过调度核心交换机获取所有的网络原始报文,采用全过程无损采集技术实现网络报文抓取,并把网络原始报文进行存储;
步骤S202,从海量网络报文中对网络报文流量情况、网络报文语法、网络报文语义进行分析,从而得到原始状态数据,数据进行存储;
步骤S203,通过异常特征识别技术及多维信息融合故障判别技术进行人工智能辅助处理;
步骤S204,通过人工智能辅助处理进行网络异常故障判别,准确定位故障点;
步骤S205,将故障判别的信息通过可视化手段直接展现给用户;
步骤S206,结合历史存储数据,可以进行故障反演,再现故障时异常场景,包括以下方法:
方法一:数据采集对网络报文进行解析,根据源目IP地址、协议、时间进行流处理,把处理后的会话流信息发送给数据业务分析平台进行存储,需要回放的时候,直接回放即可,不用在进行数据的解析重归类;
方法二:数据采集将网络报文信息全部镜像到数据业务分析平台,然后由数据业务分析平台对网络报文进行基于源目IP地址、协议、时间等元素的解析归类,并进行最后的存储,需要回放的时候,也不用再进行数据的解析重归类;
方法三:数据采集将网络报文信息全部镜像到数据业务分析平台,数据业务分析平台将网络报文数据直接存储,需要回放的时候,需要对所存储的网络报文进行一次索引,对数据报文进行基于源目IP地址、协议、时间等元素的解析归类。
综上所述,应用本发明能够达到下面三大功能,如下:
1)调度自动化系统数据流的在线解析;
本发明旨在丰富数据网网管系统内涵,通过海量数据实时镜像俘获,并分析调度数据网安全I区传输的关键电力实时控制信息、相关向上级调度控制中心传输的电网运行信息以及PMU传输信息特征。打通数据网与关键业务传输的壁垒,实现调度自动化系统数据流的全过程监视,业务数据流的在线解析。
2)关键业务的故障智能判别及可视化展示技术;
本发明针对调度数据网传输的关键业务涉及的海量数据,项目分析提取关键模式,例如数据流量特征、业务协议特征、故障规约协议特征、遥控命令的时序特征等,通过多数据、多模式特征的信息融合技术,进行模式识别。对异常数据流量信息、异常业务操作信息、异常业务状态信息进行实时在线智能分析并告警,同时为运行系统的隐患排查提供决策支持。通过业务的可视化技术,对空间流、时间流以及事件流进行展示,便于用户更形象更直观进行分析、监视。
3)电力调度自动化数据流的“黑匣子”功能;
本发明通过实时海量数据的存储技术,将调度数据网中的数据会话流和全报文进行保存,实现电力调度自动化关键信息的“黑匣子”。同时项目通过对保存的海量数据进行数据挖掘,为自动化业务系统、调度数据网系统的规划、建设提供理论指导;另外,当电网发生异常故障甚至事故时,可以通过“黑匣子”进行数据提取还原。本发明可应用于省、地、县级电力调控中心的调度自动化系统,具有推广价值。通过本项目,可直接实时和有效的发现调度自动化系统中存在的安全隐患,提高供电公司的自动化运行管理水平,并为电网的安全、稳定、优质及经济运行奠定良好的基础,安全及效益社会显著。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.基于信息融合技术的调度自动化监测及故障定位系统,其特征在于,包括:
监测端,包括部署在电路上的多个探针和与所述探针连接的电力监测设备,所述监测端用于采集电力监测设备的数据,对于深度解析以及模式识别后的数据信息,通过核心交换机上传到数据业务分析平台;
数据业务分析平台,包括调度自动化系统和关联分析系统以及数据库,其中所述调度自动化系统用于数据流的异常特征识别与告警,所述关联分析系统连接电力调度中心,建立故障指标体系模型,用于至少两个故障元件信息的诊断分析,所述数据库用于缓存所述数据业务分析平台的处理数据;所述关联分析系统包括获取模块、分析模块、人工智能辅助处理模块、输出模块和故障反演模块;其中,所述人工智能辅助处理模块用于通过异常特征识别技术以及多维信息融合故障判别技术进行人工智能辅助处理,并通过人工智能辅助处理进行网络异常故障判别后准确定位故障点,所述人工智能辅助处理模块包括异常特征识别单元、测评调取单元、多维信息融合单元、准确故障定位单元和人工智能辅助定位单元;
所述异常特征识别单元,基于所述电力监测设备的数据的异常特征进行识别训练后,用于对获取模块所获取的电力监测设备的数据,进行异常特征识别操作生成电力监测设备的异常数据;
所述测评调取单元,根据所述电力监测设备的异常数据,用于调取不同的测评算法和对应的原始异常数据样本数据进行测评并生成相应测评信息,测评算法包括回归算法或树算法;
所述多维信息融合单元,基于所述测评调取单元调取相应的测评算法处理生成的相应测评信息,并调用所述数据库中满足一致性指标的相关多维信息,将测评信息与多维信息融合后,生成样本特性信息,以此来表征所述样本特性关联的准确性;
准确故障定位单元,用于将所述多维信息融合单元生成的样本特性信息分为两份,分别用于训练阶段的精准性故障定位样本信息和实际预测阶段的精准性故障定位样本信息,生成准确故障定位判别特征信息;
人工智能辅助定位单元,用于根据所述准确故障定位判别特征信息,进行判别后生成结果自动定位故障点,并生成相应的故障信息;
可视化平台,包括API调用模块与可视化模块,通过API调用模块与所述数据业务分析平台连接,用于对处理数据和故障信息行接收、挖掘和展现,即对业务数据和故障信息进行实时展示。
2.如权利要求1所述的基于信息融合技术的调度自动化监测及故障定位系统,其特征在于,所述获取模块用于获取所有的网络原始报文,采用全过程无损采集技术实现网络报文抓取,并把网络原始报文进行存储;
所述分析模块用于从海量网络报文中对网络报文流量情况、网络报文语法、网络报文语义进行分析,从而得到原始状态数据,数据进行存储;
所述输出模块连接所述数据业务分析平台,用于将故障判别的信息通过可视化手段直接展现给用户;
所述故障反演模块用于结合历史存储数据,进行故障反演,再现故障时异常场景。
3.如权利要求1所述的基于信息融合技术的调度自动化监测及故障定位系统,其特征在于,所述关联分析系统用于至少两个故障元件信息的诊断分析,包括获取单故障元件信息、相关性指标信息和不冗余指标信息;
其中,所述单故障元件信息包括故障元件的位置指标,且单故障元件信息为覆盖一个故障的元件的信息;所述相关性指标息包括通过至少一个合理的诊断,推断是单故障元件,并应发匹配至少一个症状;所述不冗余指标标息包括通过至少一个合理的诊断推断,同时引发相关指标的全部覆盖。
4.如权利要求3所述的基于信息融合技术的调度自动化监测及故障定位系统,其特征在于,所述关联分析系统用于至少两个故障元件信息的诊断分析,还包括进行多数据、多信息特征融合,进行智能判别;具体地通过故障指标模型进行匹对,找到异常信息关键点,实现自动化故障智能判断。
5.如权利要求1所述的基于信息融合技术的调度自动化监测及故障定位系统,其特征在于,所述调度自动化系统通过分析故障的异常特征识别技术,筛选出故障的异常特征数据进行有效传输流量,同时比较检测基线的生成指标实际测量值和预设基线值的大小,若前者大于后者则产生告警。
6.如权利要求5所述的基于信息融合技术的调度自动化监测及故障定位系统,其特征在于,所述调度自动化系统支持动态学习合法流量基线、自动监测攻击并自动启动防护,同时灵活配置学习流量基线的模型。
7.如权利要求1所述的基于信息融合技术的调度自动化监测及故障定位系统,其特征在于,所述故障反演模块包括解析模块、处理模块、传输模块和回放模块;所述解析模块通过数据采集对网络报文进行解析,所述处理模块根据源目IP地址、协议、时间进行流处理,所述传输模块把处理后的会话流信息发送给数据业务分析平台进行存储,所述回放模块调用数据业务分析平台相应的存储信息进行回放;
所述故障反演模块还包括镜像模块;所述镜像模块通过数据采集将网络报文信息全部镜像到数据业务分析平台。
8.如权利要求1所述的基于信息融合技术的调度自动化监测及故障定位系统,其特征在于,所述数据业务分析平台还包括配置监控系统,所述配置监控系统对节点参数配置、用户配置、监测状态、流量、存储空间、报警进行监控,且所述配置监控系统与所述可视化平台连接。
9.如权利要求7所述的基于信息融合技术的调度自动化监测及故障定位系统,其特征在于,包括以下步骤:
数据采集,采集电力监测设备的数据,对于深度解析以及模式识别后的数据信息进行采集,并通过核心交换机上传到数据业务分析平台;
数据业务分析,通过调度自动化系统对数据流的异常特征识别与告警进行诊断分析,同时通过关联分析系统对至少两个故障元件信息进行诊断分析;
通过调度核心交换机获取所有的网络原始报文,采用全过程无损采集技术实现网络报文抓取,并把网络原始报文进行存储;
从海量网络报文中对网络报文流量情况、网络报文语法、网络报文语义进行分析,从而得到原始状态数据,数据进行存储;
通过异常特征识别技术及多维信息融合故障判别技术进行人工智能辅助处理;
通过人工智能辅助处理进行网络异常故障判别,准确定位故障点;
将故障判别的信息通过可视化手段直接展现给用户;
结合历史存储数据,可以进行故障反演,再现故障时异常场景。
10.如权利要求9所述的基于信息融合技术的调度自动化监测及故障定位系统,其特征在于,所述结合历史存储数据,可以进行故障反演,再现故障时异常场景,包括以下方法:
数据采集对网络报文进行解析,根据源目IP地址、协议、时间进行流处理,把处理后的会话流信息发送给数据业务分析平台进行存储,需要回放的时候,直接回放即可,不用在进行数据的解析重归类;或
数据采集将网络报文信息全部镜像到数据业务分析平台,然后由数据业务分析平台对网络报文进行基于源目IP地址、协议、时间等元素的解析归类,并进行最后的存储,需要回放的时候,也不用再进行数据的解析重归类;或
数据采集将网络报文信息全部镜像到数据业务分析平台,数据业务分析平台将网络报文数据直接存储,需要回放的时候,需要对所存储的网络报文进行一次索引,对数据报文进行基于源目IP地址、协议、时间等元素的解析归类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211406184.2A CN115618303B (zh) | 2022-11-10 | 2022-11-10 | 基于信息融合技术的调度自动化监测及故障定位系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211406184.2A CN115618303B (zh) | 2022-11-10 | 2022-11-10 | 基于信息融合技术的调度自动化监测及故障定位系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115618303A true CN115618303A (zh) | 2023-01-17 |
CN115618303B CN115618303B (zh) | 2023-08-22 |
Family
ID=84878340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211406184.2A Active CN115618303B (zh) | 2022-11-10 | 2022-11-10 | 基于信息融合技术的调度自动化监测及故障定位系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115618303B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116979690A (zh) * | 2023-07-06 | 2023-10-31 | 江苏卓特电气科技有限公司 | 一种基于物联网的电网远程智能监测系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644304A (zh) * | 2017-11-06 | 2018-01-30 | 国网辽宁省电力有限公司大连供电公司 | 一种智能变电站二次网络设备数据全息分析展现方法 |
CN108280774A (zh) * | 2017-12-18 | 2018-07-13 | 国网山东省电力公司泰安供电公司 | 一种智能变电站高维数据可视化方法 |
CN110717665A (zh) * | 2019-09-30 | 2020-01-21 | 国家电网有限公司 | 基于调度控制系统故障辨识及趋性分析系统和方法 |
US20220137612A1 (en) * | 2020-11-05 | 2022-05-05 | Wuhan University | Transformer fault diagnosis and positioning system based on digital twin |
-
2022
- 2022-11-10 CN CN202211406184.2A patent/CN115618303B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644304A (zh) * | 2017-11-06 | 2018-01-30 | 国网辽宁省电力有限公司大连供电公司 | 一种智能变电站二次网络设备数据全息分析展现方法 |
CN108280774A (zh) * | 2017-12-18 | 2018-07-13 | 国网山东省电力公司泰安供电公司 | 一种智能变电站高维数据可视化方法 |
CN110717665A (zh) * | 2019-09-30 | 2020-01-21 | 国家电网有限公司 | 基于调度控制系统故障辨识及趋性分析系统和方法 |
US20220137612A1 (en) * | 2020-11-05 | 2022-05-05 | Wuhan University | Transformer fault diagnosis and positioning system based on digital twin |
Non-Patent Citations (1)
Title |
---|
侯仁政;张岩;张小易;袁宇波;: "基于多源数据融合的电力系统故障诊断与评估平台开发", 机电工程 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116979690A (zh) * | 2023-07-06 | 2023-10-31 | 江苏卓特电气科技有限公司 | 一种基于物联网的电网远程智能监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115618303B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110707823B (zh) | 一种变电站多维智能远程巡检系统 | |
CN104753178A (zh) | 一种电网故障处理系统 | |
CN108388950A (zh) | 基于大数据的变压器智能运维方法及系统 | |
CN111431284B (zh) | 一种基于bim技术的变电站智能化管控系统 | |
CN111290324B (zh) | 5t探测站安全监控诊断系统及其健康报警方法 | |
CN113537415A (zh) | 基于多信息融合的换流站巡检方法、装置和计算机设备 | |
CN114881808B (zh) | 基于大数据的电力窃电精准识别方法及防窃电系统 | |
CN112150596A (zh) | 一种变电站设备故障全息再现方法及系统 | |
CN112467724A (zh) | 一种低压配电网故障研判方法 | |
CN112186901B (zh) | 一种变电站全景感知监控方法及系统 | |
KR20110048771A (ko) | 전력 텔레메트릭스의 엔지니어링 플랫폼 시스템 및 그 이용방법 | |
CN111144782A (zh) | 一种基于gis技术的电力配网设备在线监测系统 | |
CN112202789B (zh) | 一种变电站全景感知数据处理方法及系统 | |
CN115618303B (zh) | 基于信息融合技术的调度自动化监测及故障定位系统 | |
CN116169778A (zh) | 一种基于配电网异常分析的处理方法及系统 | |
CN111678557A (zh) | 一种电气化铁道牵引变压器智能监测系统及方法 | |
CN113409162A (zh) | 一种基于智能事件处理的集控站设备监控系统及控制方法 | |
CN116094174A (zh) | 基于知识图谱的电网运维监控方法、系统、设备及介质 | |
CN114527717A (zh) | 一种化工安全生产预警系统及其安全预警方法 | |
CN112348306A (zh) | 一种面向配电运检中的TitanOS人工智能开发方法及装置 | |
CN116896166A (zh) | 一种城市电缆的数字孪生全景管控系统及方法 | |
CN104166941B (zh) | 一种用于电网潮流图的告警信息可视化方法及其系统 | |
CN118280069A (zh) | 一种基于gis的电网灾害监测及预警系统 | |
CN113153262A (zh) | 一种基于电缆热特性的海上油田可接入容量评估方法 | |
CN117129796A (zh) | 基于大数据的电力电网故障识别系统 |
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 |