CN115619289A - 基于区块链的配电变压器质量检测结果判别方法及装置 - Google Patents
基于区块链的配电变压器质量检测结果判别方法及装置 Download PDFInfo
- Publication number
- CN115619289A CN115619289A CN202211461526.0A CN202211461526A CN115619289A CN 115619289 A CN115619289 A CN 115619289A CN 202211461526 A CN202211461526 A CN 202211461526A CN 115619289 A CN115619289 A CN 115619289A
- Authority
- CN
- China
- Prior art keywords
- data
- distribution transformer
- quality detection
- detection
- consensus
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 237
- 238000009826 distribution Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012795 verification Methods 0.000 claims abstract description 20
- 230000001915 proofreading effect Effects 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 13
- 230000000977 initiatory effect Effects 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 32
- 238000007689 inspection Methods 0.000 claims description 30
- 238000004519 manufacturing process Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004804 winding Methods 0.000 claims description 8
- 238000009413 insulation Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012850 discrimination method Methods 0.000 claims description 4
- 238000009863 impact test Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000013524 data verification Methods 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 2
- 230000005856 abnormality Effects 0.000 claims 1
- 239000000463 material Substances 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000002759 z-score normalization 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提供了基于区块链的配电变压器质量检测结果判别方法及装置,属于变压器检测技术领域;解决了配电变压器质量检测报告数据篡改的问题;包括如下步骤:S1:收集数据:收集配电变压器供应商提供同一批次同一型号的配电变压器质量检测数据集,并获取所有质量检测报告中配电变压器的关键状态参量;S2:将配电变压器质量检测数据集和质量检测报告提取的关键状态参量进行一致性比对,并将比对规则以代码的形式固化智能合约,并部署在区块链节点中;S3:区块链节点数据同步:通过区块链将一段时间内的参数信息和校对结果发起共识验证;S4:可疑质量检测报告筛选:对经过S3校对的可疑数据对应的质量检测报告进行筛选;本发明应用于变压器。
Description
技术领域
本发明提供了基于区块链的配电变压器质量检测结果判别方法及装置,属于变压器检测技术领域。
背景技术
随着电力物资领域建设步伐的不断加大,对10kV配电变压器物资采购的数量也显著增加,配电变压器检测结果判别出现真伪风险,特别是一些由外部相关方提供的输入性材料,仍需依靠参与方举证的方式获取,对于这些输入性材料真实性的管理花费了大量的管理成本,同时也存在材料真伪问题给管理上带来一定的风险。在提供配电变压器质量检测报告过程中,物资设备提供商存在篡改检测结果的行为(增减原有检测项、修改原有检测项参数、伙同检测机构出具假报告等),需要电力公司采购人员对配电变压器提交电力公司内部检测机构进行抽样检验,内部检测机构对配电变压器进行抽样检验后,对检测项异常的参数,如若供应商提出异议,检测项需二次质检复核,上述多个业务环节中进行手工核查和交叉比对,工作量大、数据量大、专业性高。
申请号为201910933689.6的发明专利一种配电变压器检测结果的辅助评判方法公开了一种配电变压器检测结果的辅助评判方法,包括S1:整理提取合格的配电变压器抽样检测数据,将其整理成数据特征样本集;S2:对上述数据特征样本集进行数据清洗;S3:使用Z-score标准化方法对数据特征量进行归一化处理;S4:建立单类支持向量机判断模型,得到判断模型参数;S5:训练完毕后,针对测试数据集,使用建立的判断模型来进行判断,标记异常点,输出结果。该方法将多个检验报告各项指标的检测数据经过预处理后,使用OCSVM对正常数据进行训练,得到合理的模型参数,然后用训练出的模型不测试集进行判别,从而可以找出疑似误评的异常检测报告。实验人员可以参考评估结果,决定是否对异常检测报告对应的变压器进行复检。但是上述方法仍然存在数据被篡改的可能性,检测结果的真实性和可靠性不高。
发明内容
本发明为了解决配电变压器质量检测报告数据篡改的问题,提出了一种基于区块链的配电变压器质量检测结果判别方法及装置。
为了解决上述技术问题,本发明采用的技术方案为:基于区块链的配电变压器质量检测结果判别方法,包括如下步骤:
S1:收集数据:收集配电变压器供应商提供同一批次同一型号的配电变压器质量检测数据集,并获取所有质量检测报告中配电变压器的关键状态参量,将其整理成数据特征样本集,将一台配电变压器质量检测报告提取的关键状态参量视作一个样本,这台配电变压器所进行的各项质量检测试验产生的关键状态参量作为这个样本的特征属性;
S2:将配电变压器质量检测数据集和质量检测报告提取的关键状态参量进行一致性比对,并将比对规则以代码的形式固化智能合约,并部署在区块链节点中,实现链上自动化比对;
S3:区块链节点数据同步:通过区块链将一段时间内的参数信息和校对结果发起共识验证;
S4:可疑质量检测报告筛选:对经过S3校对的可疑数据对应的质量检测报告进行筛选。
所述步骤S1中配电变压器质量检测数据集包括配电变压器关键状态参量数据和配电变压器生产过程数据,其中配电变压器关键状态参量包括:绕组对地及绕组间直流绝缘电阻测量、铁心和夹件绝缘检查、绕组电阻测量、电压比测量和联结组标号检定、空载损耗和空载电流测量、短路阻抗和负载损耗测量、外施耐压试验、感应耐压试验、局部放电测量、有载分接开关试验、压力密封试验、温升试验、声级测定、线端雷电全波冲击试验、线端雷电截波冲击试验、短路承受能力试验、压力变形试验数据。
所述步骤S2中配电变压器质量检测数据集和质量检测报告提取的关键状态参量进行一致性比对包括:
将供应商配电变压器技术标准数据和检测机构质检报告数据比对;
将供应商配电变压器招标参数数据和检测机构质检报告数据比对;
将供应商配电变压器生产过程数据和检配电变压器技术标准数据比对;
将供应商配电变压器生产过程数据和检配电变压器招标参数数据比对;
其中对比规则为区间值判断,判断测机构质检报告数据是否在配电变压器技术标准数据范围内,判断测机构质检报告数据是否在配电变压器招标参数数据范围内,判断配电变压器生产过程数据是否在检配电变压器技术标准数据范围内,判断配电变压器生产过程数据是否在检配电变压器招标参数数据范围内。
所述步骤S3具体包括:
区块链节点分为共识节点和参数节点,节点内的存储区块分为参数区块和校验区块,共识节点存储校验区块,参数节点只存储参数区块,区块中有标志辨识区块类型;
a:发起共识,由主节点收集一段时间内的参数信息和校对结果,并发送至所有共识节点、参数节点,即发起共识要求;
b:共识数据验证,即参与共识的节点验证主节点的共识要求,如果通过,则共识节点将向主节点确认共识信息;
c:主节点、共识节点和参数节点达成共识后,主节点广播共识确认消息,主节点发布参数或校对数据到区块并加入区块,节点将区块加入到自身所维护的区块链后,根据检查点协议删除日志中的请求信息,开始下一轮共识。
所述链上自动化对比的过程如下:
a:检测人员通过系统注册获取公钥和私钥,并将质量检测报告判别方法制定一份智能合约,并用自己的私钥进行数字签名,数字签名后的智能合约会传入区块链网络中;
b:固化质量检测报告判别方法:智能合约传入区块链网络中进行统一验证,合约通过网络扩散并存入区块链的每个节点上,一旦共识机制被触发启用,智能合约由检测机构验证合约的有效性,验证成功后生成为一个哈希区块ID并迅速扩散到全网,其它共识节点保存智能合约;
c:共识结果返回系统:共识一致后,将哈希区块ID返回至系统,确定质量检测报告判别方法的合法性;
d:参数节点调用智能合约自动执行:参数节点会定时遍历每个共识节点智能合约,自动完成整个质量检测报告判别;
e:质量检测报告判别过程:达到智能合约执行条件时,首先从校对区块中读取需要判别的质量检测报告数据、生产过程数据,在区块链网络中进行一致性验证,接着从参数区块中读取技术标准数据、招标参数数据,在区块链网络中进行一致性验证,完成双一致性验证后,智能合约自动完成质量检测报告数据的判别。
所述步骤S4中筛选可疑质量检测报告的方法包括两种:
a:以招标参数检测项范围中间值为基准,与检测报告检测项参数进行方差计算,方差对应的检测报告从大到小排序;
b:以生产参数检测项为基准,与检测报告检测项参数进行方差计算,方差对应的检测报告从大到小排序。
所述步骤S4中筛选可疑质量报告时,综合考虑两种筛选方式,方差大的检测报告可疑性大,选出可疑性大的检测报告进行电力公司内部的质量检测,通过配电变压器检测设备,直接获取内部检测报告检测项参数,判断测内部质检报告数据是否在配电变压器招标参数数据范围内;上述操作重复步骤S3过程,存储在共识节点中。
基于区块链的配电变压器质量检测装置,所述检测装置包括:至少一个处理器,至少一个温度传感器,至少一个湿度传感器,至少一个传输接口,至少一个存储器和至少一个系统总线;以上模块通过系统总线进行通信;
所述处理器内置有:
质量检测报告数据接收模组,用于获得配电变压器检测设备对配电变压器二次质量检测的关键状态参量数据;
质量检测报告数据规范化处理模组,用于按照质量检测报告标准数据形式,对质量检测报告数据进行格式规范,得到规范质量检测报告的关键状态参量数据;
质量检测计算模组,用于按照设定的配电变压器检测环境计算规则,根据配电变压器质量检测时所处环境的温度、数据,对关键状态参量数据进行偏差补偿计算处理,得到处理后的关键状态参量数据结果;
异常检测模组,如果检测出的关键状态参量数据结果存在异常,确定关键状态参量数据的异常特征;
结果传输模组,用于关键状态参量结果、温度、湿度等数据的上链存储。
所述质量检测计算模组,包括:质量检测计算从模组,用于按照设定的计算规则,温度、湿度对配电变压器检测关键状态参量进行误差补偿,接着根据智能合约比对规则进行计算,得到计算后的关键状态参量数据结果。
所述监测装置部署在配电变压器检测设备源端,在对筛选出的可疑质量报告进行二次抽检核验时,检测装置能够及时得到检测报告关键状态参量,并根据检测环境的温度、湿度对关键状态参量进行误差评估,上链存证。本发明相对于现有技术具备的有益效果为:本发明基于链上存储的可信生产过程数据和质检过程数据,建立从链上数据获取到质检数据比对的自动化处理流程,实现对上链检测报告的交叉验证,对可疑数据实现预警,防止检测报告的伪造,从而避免人为因素造成质检结果的不公,保证质检业务的公开透明,从而实现对问题产品的可信安全的可追溯验证和对外部供应商和质检机构的可信把控。
附图说明
下面结合附图对本发明做进一步说明:
图1为本发明方法的流程图;
图2为本发明检测装置的结构示意图;
图3为本发明检测装置中处理器内置的模块连接结构示意图。
具体实施方式
如图1至图3所示,本发明解决了如下问题:1、质量检测报告数据篡改问题:在核实配电变压器供应商提供的质量检测报告业务环节中,供应商存在减原有检测项、修改原有检测项参数、伙同检测机构出具假报告等行为。电力公司内部检测人员需在多个业务环节中进行手工核查和交叉比对,工作量大、数据量大、专业性高;2、缺少互信风险:配电变压器出现质量问题后,存在质量责任难以界定、供应商与项目单位或供应商与上游供应商之间相互推诿的问题。通过检测机构的二次检验来界定责任,成本高、时间周期跨度长。
针对上述问题,本发明提供了一种基于区块链的配电变压器质量检测结果判别方法,用于配电变压器质量检测可疑结果的判别,并提高电力公司内部质量检测的公信力。通过本发明可以找出疑似问题的质量检测报告,供检测人员参考,以帮助检测人员决定是否对疑似问题的质量检测报告对应的配电变压器进行复检。
本发明主要包括以下步骤:
1)收集数据:
收集配电变压器供应商提供同一批次同一型号的配电变压器质量检测数据集(配电变压器关键状态参量的结构化数据、配电变压器生产过程结构化数据),并获取所有质量检测报告中配电变压器的关键状态参量(非结构化数据转结构数据),包括绕组对地及绕组间直流绝缘电阻测量、铁心和夹件绝缘检查、绕组电阻测量、电压比测量和联结组标号检定、空载损耗和空载电流测量、短路阻抗和负载损耗测量、外施耐压试验、感应耐压试验、局部放电测量、有载分接开关试验、压力密封试验、温升试验、声级测定、线端雷电全波冲击试验、线端雷电截波冲击试验、短路承受能力试验、压力变形试验等,将其整理成数据特征样本集,将一台配电变压器质量检测报告提取的关键状态参量视作一个样本,这台配电变压器所进行的各项质量检测试验产生的关键状态参量作为这个样本的特征属性;
2)将配电变压器质量检测数据集和质量检测报告提取的关键状态参量进行一致性比对:
将供应商配电变压器技术标准数据和检测机构质检报告数据比对,该比对为区间值判断,判断测机构质检报告数据是否在配电变压器技术标准数据范围内;将供应商配电变压器招标参数数据和检测机构质检报告数据比对,比对规则同上;将供应商配电变压器生产过程数据和检配电变压器技术标准数据比对,比对规则同上;将供应商配电变压器生产过程数据和检配电变压器招标参数数据比对,比对规则同上。
以上过程以代码的形式固化智能合约,并部署在区块链节点中,实现链上自动化比对。具体步骤如下:
a:电力公司内部检测人员通过系统注册获取公钥和私钥,并将质量检测报告判别方法制定一份智能合约,并用自己的私钥进行数字签名,数字签名后的智能合约会传入区块链网络中。
b:固化质量检测报告判别方法。智能合约传入区块链网络中进行统一验证。合约通过网络扩散并存入区块链的每个节点上,一旦共识机制被触发启用,智能合约由检测机构验证合约的有效性,验证成功后生成为一个哈希区块ID并迅速扩散到全网,其它共识节点保存智能合约。
c:共识结果返回系统。共识一致后,将哈希区块ID返回至系统,确定质量检测报告判别方法的合法性。
d:参数节点调用智能合约自动执行。参数节点会定时遍历每个共识节点智能合约,自动完成整个质量检测报告判别。
e:质量检测报告判别过程。达到智能合约执行条件时,首先从校对区块中读取需要判别的质量检测报告数据、生产过程数据,在区块链网络中进行一致性验证,也就是对质量检测数据、生产过程数据进行一次共识,证明质量检测报告数据、生产过程数据没有被篡改过,接着从参数区块中读取技术标准数据、招标参数数据,在区块链网络中进行一致性验证,完成双一致性验证后,智能合约自动完成质量检测报告数据的判别。
3)区块链节点数据同步机理:
区块链节点分为共识节点(全量节点,数量大于等于4)和参数节点(轻量节点,数量等于1),节点内的存储区块分为参数区块和校验区块,共识节点存储校验区块,参数节点只存储参数区块,区块中有标志辨识区块类型。
a:发起共识,由主节点收集一段时间内的参数信息和校对结果,并发送至所有共识节点、参数节点,即发起共识要求;其中上述参数信息包括参数信息1和参数信息2,其中参数信息1指技术标准范围,即配电变压器的关键状态参量国家指定的范围,在这个范围内,认定合格(校对结果),不在这个范围内认定不合格(校对结果);参数信息2指招标要求的关键状态参量范围,该范围标准优于国家的技术标准范围。校对结果包括国家技术标准范围、招标技术标准范围、生产过程中的单个值、检测报告中的单个值。
b:共识数据验证,即参与共识的节点验证主节点的共识要求,如果通过,则共识节点将向主节点确认共识信息(参数区块、校验区块);
c:主节点、共识节点和参数节点达成共识后,主节点广播共识确认消息,主节点发布参数或校对数据到区块并加入区块,网络中共识达成的条件为主节点收到至少2f个来自其它参与共识节点广播的相同共识消息,节点将区块加入到自身所维护的区块链后(共识节点只维护校对区块,参数节点只维护参数区块),根据检查点协议删除日志中的请求信息,开始下一轮共识。其中检查点协议指区块链共识算法中拜占庭系统的检查点协议。
4)可疑质量检测报告筛选:
针对上述校对的可疑数据对应的质量检测报告筛选;
a:以招标参数检测项范围中间值为基准(数据来源:招标数据来源参数节点),与检测报告检测项参数进行方差计算,方差对应的检测报告从大到小排序;
b:以生产参数检测项为基准(数据来源:生产数据来源参数节点),与检测报告检测项参数进行方法计算,方差对应的检测报告从大到小排序。
综合考虑a、b两种筛选方式,方差大的检测报告存在造假的可能性更大,选出可疑性大的检测报告进行电力公司内部的质量检测,通过配电变压器检测设备,直接获取内部检测报告检测项参数,判断测内部质检报告数据是否在配电变压器招标参数数据范围内(参数数据来源参数节点);上述操作重复步骤(3)过程,存储在共识节点中。
可疑度高的两种形式为:
1:配电变压器不满足招标参数要求,通过关键状态参量微调,调高或调低,满足招标参数要求,用招标参数中间值进行方差计算,找出可疑度高的。
2:生产过程的关键状态参量和检测报告的关键状态参量,从逻辑上说应该是相差不大的,或者相同,如果两个单一值,相差较大。则也存在很高的可疑度。
对应本申请实施例提供的一种基于区块链的配电变压器质量检测结果判别装置。
如图2所示,其示出了本申请提供的一种基于区块链的配电变压器质量检测结果判别装置的一种组成结构示意图。该装置包括:至少一个处理器,至少一个温度传感器,至少一个湿度传感器,至少一个传输接口,至少一个存储器和至少一个系统总线;以上模块通过系统总线进行通信;
处理器是一个中央处理器CPU、图形处理器GPU等;
存储器包含高速RAM存储器和非易失性存储器等;
其中,存储器存储有程序,处理器可执行存储器存储的程序,实现本申请实施例提供的一种质量检测判别方法的各个步骤:
一种质量检测判别方法,包括:
a:质量检测关键状态参量数据接收,对配电变压器检测设备输出的关键状态参量进行数据接收;
b:质量检测报告数据规范化处理,用于按照质量检测报告标准数据形式,对质量检测报告数据进行格式规范,得到规范质量检测报告的关键状态参量数据;
c:质量检测数据处理,用于按照设定的配电变压器检测环境计算规则,根据温湿度参数,对关键状态参量数据进行偏差补偿计算处理,得到处理后的关键状态参量数据结果;
d:异常检测告警,用智能合约比对规则对检测出的关键状态参量数据结果进行异常判断;
e:结果传输上链,用于关键状态参量结果数据的上链存储。
由于变压器内各种材料的性质、特性与温度有一定关系。比如,电力变压器的绝缘电阻在温度为-20℃~40℃范围之内,其阻值会随着温度的升高而减少,会随温度的降低而升高。所以,为了检测温度对配电变压器关键状态参量的影响,本发明在检测装置上安装了温湿度传感器,能够对检测时变压器所述环境的温度、湿度进行采集,确保变压器试验流程的顺利进行以及试验结果的准确和可靠。
该装置应用于配电变压器检测设备,一种基于区块链的配电变压器质量检测结果判别系统包括一个质量检测判别装置。在检测装置上设置温湿度传感器、定位模块,该检测装置被部署在配电变压器检测设备源端,在对步骤S4筛选出的可疑质量报告进行二次抽检核验时,检测装置能够及时得到检测报告关键状态参量,并根据检测环境的温度、湿度对关键状态参量进行误差评估,上链存证。
图3示出了该质量检测判别装置处理器内的结构示意图,本实施例的检测装置的处理器内部可以包括:
a:质量检测报告数据接收模组,用于获得配电变压器检测设备对配电变压器二次质量检测的关键状态参量数据;
b:质量检测报告数据规范化处理模组,用于按照质量检测报告标准数据形式,对质量检测报告数据进行格式规范,得到规范质量检测报告的关键状态参量数据;
c:质量检测计算模组,用于按照设定的配电变压器检测环境计算规则,根据配电变压器质量检测时所处环境的温度、数据,对关键状态参量数据进行偏差补偿计算处理,得到处理后的关键状态参量数据结果;
d:异常检测模组,如果检测出的关键状态参量数据结果存在异常,确定关键状态参量数据的异常特征;
e:结果传输模组,用于关键状态参量结果、温度、湿度等数据的上链存储。
其中质量检测计算模组,包括:质量检测计算从模组,用于按照设定的计算规则,温度、湿度对配电变压器检测关键状态参量进行误差补偿,接着根据智能合约比对规则进行计算,得到计算后的关键状态参量数据结果。
关于本发明具体结构需要说明的是,本发明采用的各部件模块相互之间的连接关系是确定的、可实现的,除实施例中特殊说明的以外,其特定的连接关系可以带来相应的技术效果,并基于不依赖相应软件程序执行的前提下,解决本发明提出的技术问题,本发明中出现的部件、模块、具体元器件的型号、相互间连接方式以及,由上述技术特征带来的常规使用方法、可预期技术效果,除具体说明的以外,均属于本领域技术人员在申请日前可以获取到的专利、期刊论文、技术手册、技术词典、教科书中已公开内容,或属于本领域常规技术、公知常识等现有技术,无需赘述,使得本案提供的技术方案是清楚、完整、可实现的,并能根据该技术手段重现或获得相应的实体产品。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.基于区块链的配电变压器质量检测结果判别方法,其特征在于:包括如下步骤:
S1:收集数据:收集配电变压器供应商提供同一批次同一型号的配电变压器质量检测数据集,并获取所有质量检测报告中配电变压器的关键状态参量,将其整理成数据特征样本集,将一台配电变压器质量检测报告提取的关键状态参量视作一个样本,这台配电变压器所进行的各项质量检测试验产生的关键状态参量作为这个样本的特征属性;
S2:将配电变压器质量检测数据集和质量检测报告提取的关键状态参量进行一致性比对,并将比对规则以代码的形式固化智能合约,并部署在区块链节点中,实现链上自动化比对;
S3:区块链节点数据同步:通过区块链将一段时间内的参数信息和校对结果发起共识验证;
S4:可疑质量检测报告筛选:对经过S3校对的可疑数据对应的质量检测报告进行筛选。
2.根据权利要求1所述的基于区块链的配电变压器质量检测结果判别方法,其特征在于:所述步骤S1中配电变压器质量检测数据集包括配电变压器关键状态参量数据和配电变压器生产过程数据,其中配电变压器关键状态参量包括:绕组对地及绕组间直流绝缘电阻测量、铁心和夹件绝缘检查、绕组电阻测量、电压比测量和联结组标号检定、空载损耗和空载电流测量、短路阻抗和负载损耗测量、外施耐压试验、感应耐压试验、局部放电测量、有载分接开关试验、压力密封试验、温升试验、声级测定、线端雷电全波冲击试验、线端雷电截波冲击试验、短路承受能力试验、压力变形试验数据。
3.根据权利要求2所述的基于区块链的配电变压器质量检测结果判别方法,其特征在于:所述步骤S2中配电变压器质量检测数据集和质量检测报告提取的关键状态参量进行一致性比对包括:
将供应商配电变压器技术标准数据和检测机构质检报告数据比对;
将供应商配电变压器招标参数数据和检测机构质检报告数据比对;
将供应商配电变压器生产过程数据和检配电变压器技术标准数据比对;
将供应商配电变压器生产过程数据和检配电变压器招标参数数据比对;
其中对比规则为区间值判断,判断测机构质检报告数据是否在配电变压器技术标准数据范围内,判断测机构质检报告数据是否在配电变压器招标参数数据范围内,判断配电变压器生产过程数据是否在检配电变压器技术标准数据范围内,判断配电变压器生产过程数据是否在检配电变压器招标参数数据范围内。
4.根据权利要求3所述的基于区块链的配电变压器质量检测结果判别方法,其特征在于:所述步骤S3具体包括:
区块链节点分为共识节点和参数节点,节点内的存储区块分为参数区块和校验区块,共识节点存储校验区块,参数节点只存储参数区块,区块中有标志辨识区块类型;
a:发起共识,由主节点收集一段时间内的参数信息和校对结果,并发送至所有共识节点、参数节点,即发起共识要求;
b:共识数据验证,即参与共识的节点验证主节点的共识要求,如果通过,则共识节点将向主节点确认共识信息;
c:主节点、共识节点和参数节点达成共识后,主节点广播共识确认消息,主节点发布参数或校对数据到区块并加入区块,节点将区块加入到自身所维护的区块链后,根据检查点协议删除日志中的请求信息,开始下一轮共识。
5.根据权利要求4所述的基于区块链的配电变压器质量检测结果判别方法,其特征在于:所述链上自动化对比的过程如下:
a:检测人员通过系统注册获取公钥和私钥,并将质量检测报告判别方法制定一份智能合约,并用自己的私钥进行数字签名,数字签名后的智能合约会传入区块链网络中;
b:固化质量检测报告判别方法:智能合约传入区块链网络中进行统一验证,合约通过网络扩散并存入区块链的每个节点上,一旦共识机制被触发启用,智能合约由检测机构验证合约的有效性,验证成功后生成为一个哈希区块ID并迅速扩散到全网,其它共识节点保存智能合约;
c:共识结果返回系统:共识一致后,将哈希区块ID返回至系统,确定质量检测报告判别方法的合法性;
d:参数节点调用智能合约自动执行:参数节点会定时遍历每个共识节点智能合约,自动完成整个质量检测报告判别;
e:质量检测报告判别过程:达到智能合约执行条件时,首先从校对区块中读取需要判别的质量检测报告数据、生产过程数据,在区块链网络中进行一致性验证,接着从参数区块中读取技术标准数据、招标参数数据,在区块链网络中进行一致性验证,完成双一致性验证后,智能合约自动完成质量检测报告数据的判别。
6.根据权利要求1所述的基于区块链的配电变压器质量检测结果判别方法,其特征在于:所述步骤S4中筛选可疑质量检测报告的方法包括两种:
a:以招标参数检测项范围中间值为基准,与检测报告检测项参数进行方差计算,方差对应的检测报告从大到小排序;
b:以生产参数检测项为基准,与检测报告检测项参数进行方差计算,方差对应的检测报告从大到小排序。
7.根据权利要求5所述的基于区块链的配电变压器质量检测结果判别方法,其特征在于:所述步骤S4中筛选可疑质量报告时,综合考虑两种筛选方式,方差大的检测报告可疑性大,选出可疑性大的检测报告进行电力公司内部的质量检测,通过配电变压器检测设备,直接获取内部检测报告检测项参数,判断测内部质检报告数据是否在配电变压器招标参数数据范围内;上述操作重复步骤S3过程,存储在共识节点中。
8.基于区块链的配电变压器质量检测装置,其特征在于:所述检测装置包括:至少一个处理器,至少一个温度传感器,至少一个湿度传感器,至少一个传输接口,至少一个存储器和至少一个系统总线;以上模块通过系统总线进行通信;
所述处理器内置有:
质量检测报告数据接收模组,用于获得配电变压器检测设备对配电变压器二次质量检测的关键状态参量数据;
质量检测报告数据规范化处理模组,用于按照质量检测报告标准数据形式,对质量检测报告数据进行格式规范,得到规范质量检测报告的关键状态参量数据;
质量检测计算模组,用于按照设定的配电变压器检测环境计算规则,根据配电变压器质量检测时所处环境的温度、数据,对关键状态参量数据进行偏差补偿计算处理,得到处理后的关键状态参量数据结果;
异常检测模组,如果检测出的关键状态参量数据结果存在异常,确定关键状态参量数据的异常特征;
结果传输模组,用于关键状态参量结果、温度、湿度等数据的上链存储。
9.根据权利要求8所述的基于区块链的配电变压器质量检测装置,其特征在于:
所述质量检测计算模组,包括:质量检测计算从模组,用于按照设定的计算规则,温度、湿度对配电变压器检测关键状态参量进行误差补偿,接着根据智能合约比对规则进行计算,得到计算后的关键状态参量数据结果。
10.根据权利要求8所述的基于区块链的配电变压器质量检测装置,其特征在于:所述监测装置部署在配电变压器检测设备源端,在对筛选出的可疑质量报告进行二次抽检核验时,检测装置能够及时得到检测报告关键状态参量,并根据检测环境的温度、湿度对关键状态参量进行误差评估,上链存证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211461526.0A CN115619289A (zh) | 2022-11-16 | 2022-11-16 | 基于区块链的配电变压器质量检测结果判别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211461526.0A CN115619289A (zh) | 2022-11-16 | 2022-11-16 | 基于区块链的配电变压器质量检测结果判别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115619289A true CN115619289A (zh) | 2023-01-17 |
Family
ID=84878595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211461526.0A Pending CN115619289A (zh) | 2022-11-16 | 2022-11-16 | 基于区块链的配电变压器质量检测结果判别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619289A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078115A (zh) * | 2023-10-17 | 2023-11-17 | 山东省十里香芝麻制品股份有限公司 | 一种基于区块链的芝麻原料质检管理方法及系统 |
CN117455312A (zh) * | 2023-12-12 | 2024-01-26 | 国网信通亿力科技有限责任公司 | 基于区块链技术的电网智慧供应链质量检测方法及系统 |
-
2022
- 2022-11-16 CN CN202211461526.0A patent/CN115619289A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078115A (zh) * | 2023-10-17 | 2023-11-17 | 山东省十里香芝麻制品股份有限公司 | 一种基于区块链的芝麻原料质检管理方法及系统 |
CN117455312A (zh) * | 2023-12-12 | 2024-01-26 | 国网信通亿力科技有限责任公司 | 基于区块链技术的电网智慧供应链质量检测方法及系统 |
CN117455312B (zh) * | 2023-12-12 | 2024-03-08 | 国网信通亿力科技有限责任公司 | 基于区块链技术的电网智慧供应链质量检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115619289A (zh) | 基于区块链的配电变压器质量检测结果判别方法及装置 | |
CN111461555A (zh) | 一种生产线质量监测方法、装置及系统 | |
CN106651169A (zh) | 基于模糊综合评价的配电自动化终端状态评价方法及系统 | |
US20200292471A1 (en) | Solder paste printing quality inspection system and method | |
CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
CN108898311A (zh) | 一种面向智能配电网抢修调度平台的数据质量检测方法 | |
CN111008193A (zh) | 一种数据清洗与质量评价方法及系统 | |
CN116205637B (zh) | 基于物联网与工业大数据的智能工厂管理系统 | |
KR101953558B1 (ko) | 스마트 기기 결함 관리 장치 및 방법 | |
CN108010305A (zh) | 一种综合能源管理平台数据采集故障的自诊断方法 | |
CN115265635B (zh) | 一种基于数据分析的工业机器视觉检测管理系统 | |
CN114091340B (zh) | 一种基于多物理场直流局部放电模型的构建与判别方法 | |
CN113657747B (zh) | 一种企业安全生产标准化级别智能评定系统 | |
CN109409629B (zh) | 基于多属性决策模型的采集终端生产厂商评价方法 | |
CN110687492A (zh) | 一种在线监督低压电流互感器自动化检定系统的检测质量的方法及系统 | |
CN109725199A (zh) | 一种基于gpib网络的谐波监测装置全自动测试系统 | |
CN106644436B (zh) | 一种断路器机械特性的评定方法 | |
CN109784777B (zh) | 基于时序信息片段云相似度度量的电网设备状态评估方法 | |
CN105205576A (zh) | 煤质化验室信息管理系统 | |
CN112734208B (zh) | 燃煤验收监测装置、方法、设备以及可读存储介质 | |
CN116611953A (zh) | 基于物联网的电能表生产制造实时数据管理方法和系统 | |
CN116843314A (zh) | 监控终端运维管理方法、系统、设备及存储介质 | |
CN115509854A (zh) | 一种巡检处理方法、巡检服务器及系统 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
CN114511209A (zh) | 光纤电缆链路质量评估方法、装置、电子设备及存储介质 |
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 |