CN115619379A - 电力设备的故障处理方法、装置、设备和介质 - Google Patents
电力设备的故障处理方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN115619379A CN115619379A CN202211333211.8A CN202211333211A CN115619379A CN 115619379 A CN115619379 A CN 115619379A CN 202211333211 A CN202211333211 A CN 202211333211A CN 115619379 A CN115619379 A CN 115619379A
- Authority
- CN
- China
- Prior art keywords
- attribute data
- target
- data
- detected
- fault type
- 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
- 238000003672 processing method Methods 0.000 title abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 238000006243 chemical reaction Methods 0.000 claims description 70
- 238000000034 method Methods 0.000 claims description 42
- 238000013024 troubleshooting Methods 0.000 claims description 25
- 238000004140 cleaning Methods 0.000 claims description 24
- 230000008030 elimination Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 9
- 238000003379 elimination reaction Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 9
- 238000012795 verification Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000013075 data extraction Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 235000008113 selfheal Nutrition 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电力设备的故障处理方法,包括:获取待检测电力设备的第一原始属性数据,并对所述第一原始属性数据进行数据处理,确定第一优化属性数据;根据所述第一优化属性数据确定所述待检测电力设备的第一目标故障类型,并根据候选故障类型与候选排故程序之间的关联关系,确定与所述第一目标故障类型关联的第一目标排故程序;将所述第一目标排故程序发送至所述待检测电力设备,以控制所述待检测电力设备运行所述第一目标排故程序进行故障排除。本发明实现了对电力设备进行自动化故障处理的效果,减少了人工参与的环节,降低了人力成本,提高了故障处理效率和故障排除成功率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种电力设备的故障处理方法、装置、设备和介质。
背景技术
随着电网的发展和社会的进步,使得电力设备的使用率增高,也使得用户对电力设备的运行提出了更高的要求,因此加强对电力设备故障的诊断处理显得尤为重要。
目前对于电力设备故障的诊断处理,大多由技术人员凭借历史经验在设备现场进行操作,存在人力成本高、故障处理效率低以及故障排除成功率低等问题。
发明内容
本发明提供了一种电力设备的故障处理方法、装置、设备和介质,以解决现有电力设备故障的诊断处理中,存在人力成本高、故障处理效率低以及故障排除成功率低等问题。
根据本发明的一方面,提供了一种电力设备的故障处理方法,包括:
获取待检测电力设备的第一原始属性数据,并对所述第一原始属性数据进行数据处理,确定第一优化属性数据;
根据所述第一优化属性数据确定所述待检测电力设备的第一目标故障类型,并根据候选故障类型与候选排故程序之间的关联关系,确定与所述第一目标故障类型关联的第一目标排故程序;
将所述第一目标排故程序发送至所述待检测电力设备,以控制所述待检测电力设备运行所述第一目标排故程序进行故障排除。
根据本发明的另一方面,提供了一种电力设备的故障处理装置,包括:
属性数据确定模块,用于获取待检测电力设备的第一原始属性数据,并对所述第一原始属性数据进行数据处理,确定第一优化属性数据;
排故程序确定模块,用于根据所述第一优化属性数据确定所述待检测电力设备的第一目标故障类型,并根据候选故障类型与候选排故程序之间的关联关系,确定与所述第一目标故障类型关联的第一目标排故程序;
故障排除模块,用于将所述第一目标排故程序发送至所述待检测电力设备,以控制所述待检测电力设备运行所述第一目标排故程序进行故障排除。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的电力设备的故障处理方法。
根据本发明的另一方面,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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电力设备的故障处理方法。
本发明实施例的技术方案,通过获取待检测电力设备的第一原始属性数据,并对第一原始属性数据进行数据处理,确定第一优化属性数据;根据第一优化属性数据确定待检测电力设备的第一目标故障类型,并根据候选故障类型与候选排故程序之间的关联关系,确定与第一目标故障类型关联的第一目标排故程序;将第一目标排故程序发送至待检测电力设备,以控制待检测电力设备运行第一目标排故程序进行故障排除,实现了对电力设备进行自动化故障处理的效果,减少了人工参与的环节,降低了人力成本,提高了故障处理效率和故障排除成功率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供了一种电力设备的故障处理方法的流程图;
图2为本发明实施例二提供的一种电力设备的故障处理方法的流程图;
图3为本发明实施例三提供的一种电力设备的故障处理装置的结构示意图;
图4是实现本发明实施例的电力设备的故障处理方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“候选”和“目标”等是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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
随着信息化建设的发展,电网企业已陆续推出大数据平台、公司资产运营监控平台、全业务数据中心等信息化项目,通过这些信息化项目建设,落实对数据资产分析、挖掘和利用。
电力调度系统作为电网安全运行的核心保障,积累了海量结构化数据、非结构化数据、历史数据及实时运行数据,这些数据中蕴含着电网运行和安全生产的宝贵信息,将这部分数据归集到一起,充分挖掘电力调度数据价值,对于提升电网安全、稳定以及高质量运行,降低系统运营成本具有重要意义。
实施例一
图1为本发明实施例一提供了一种电力设备的故障处理方法的流程图,本实施例可适用于故障处理设备自动化对电力设备的故障进行处理的情况,该方法可以由电力设备的故障处理装置来执行,该电力设备的故障处理装置可配置于故障处理设备中,可以采用硬件和/或软件的形式实现。如图1所示,该方法包括:
S101、获取待检测电力设备的第一原始属性数据,并对第一原始属性数据进行数据处理,确定第一优化属性数据。
其中,待检测电力设备表示具有故障检测需求的电力设备,例如可以是电网电力调度系统包括的电力设备等。第一原始属性数据包括但不限于待检测电力设备自身的设备硬件数据,待检测电力设备运行产生的工作数据,和/或在历史时刻记录的待检测电力设备的故障数据等等,例如,第一原始属性数据包括但不限于待检测电力设备的实时监测数据、运行数据、设备制造厂商、设备运行年限、设备历史故障次数、运维次数、运维结果数据、运维后电网设备参数数据以及历史故障信息数据等等。
在一种实施方式中,集成信息系统数据库与至少一类数据源通信连接,用于从至少一类数据源中获取该类数据源存储的待检测电力设备的第一原始属性数据。其中,数据源的类型包括但不限于设备管理体系数据源、工单数据源、在线监测数据源、线路巡视数据源、辅助监控数据源、历史故障数据源、线路监拍数据源、实时负荷数据源和APP使用数据源等。
故障处理设备按照预设时间间隔对集成信息系统数据库中存储的第一原始属性数据进行数据抽取,例如每十小时进行一次数据抽取,并将抽取得到的第一原始属性数据存储在本地系统数据仓库中,用于后续的数据处理。
故障处理设备从本地系统数据仓库中获取第一原始属性数据,并按照设计好的数据清洗规则及算法,对第一原始属性数据进行数据清洗,以去除不完整数据,生成第一清洗属性数据。进而按照设计好的数据转换规则及算法,对第一清洗属性数据进行数据转换,以生成满足数据格式要求的第一转换属性数据。最终按照设计好的数据质量校验规则及算法,对第一转换属性数据进行质量校验,并根据质量校验结果对第一转换属性数据再次进行数据转换,并根据再次数据转换得到的结果,确定第一优化属性数据。
S102、根据第一优化属性数据确定待检测电力设备的第一目标故障类型,并根据候选故障类型与候选排故程序之间的关联关系,确定与第一目标故障类型关联的第一目标排故程序。
其中,预先为待检测电力设备可能出现的各类候选故障类型,编写了相应的候选排故程序,候选排故程序是一种故障自愈程序,当电力设备运行候选排故程序后,则能够排除电力设备相应候选故障类型对应的故障。并且,还建立了候选故障类型与候选排故程序之间的关联关系,即根据任一候选故障类型,可以直接确定其关联的候选排故程序。
在一种实施方式中,故障处理设备对集成信息系统数据库中的第一原始属性数据进行数据抽取,并将抽取到的数据作为训练样本数据,并根据技术人员对训练样本数据的故障类型标注结果,确定训练样本数据的真实故障类型。将训练样本数据输入至待训练模型中,获取待训练模型输出的预测故障类型。采用设定的损失函数计算真实故障类型和预测故障类型之间的损失值,并根据损失值采用反向传播方法对待训练模型的模型参数进行更新,直至待训练模型输出的预测故障类型与真实故障类型之间的损失值最小时,判定待训练模型为训练成熟的模型,作为故障预测模型,用于待检测电力设备故障类型的判定。
故障处理设备将第一优化属性数据输入至故障预测模型中,供故障预测模型基于训练结果对第一优化属性数据进行故障预测,获取故障预测模型输出的第一目标故障类型。
故障处理设备将第一目标故障类型和候选故障类型与候选排故程序之间的关联关系进行匹配,确定与第一目标故障类型相匹配的候选故障类型,并将该候选故障类型关联的候选排故程序,作为与第一目标故障类型关联的第一目标排故程序。
S103、将第一目标排故程序发送至待检测电力设备,以控制待检测电力设备运行第一目标排故程序进行故障排除。
在一种实施方式中,故障处理设备与待检测电力设备之间预先建立了通信连接,例如通过包括但不限于局域网、广域网、蓝牙、WiFi和NFC(Near Field Communication,近场通信)中的一种方式通信连接。故障处理设备确定第一目标排故程序后,通过与待检测电力设备之间的通信连接,将第一目标排故程序发送至待检测电力设备。待检测电力设备接收到第一目标排故程序后,在本地端安装并运行第一目标排故程序,用于对待检测电力设备存在的故障进行自愈。
可选的,故障处理设备编写包含第一排故程序的电子邮件,并将编写的电子邮件通过局域网发送至待检测电力设备中。待检测电力设备接收到电子邮件后,通过待检测电力设备连接的微型计算机对电子邮件中的第一排故程序进行安装,程序安装完成后再由微型计算机自动运行第一排故程序,以通过第一排故程序对待检测电力设备存在的故障进行自愈。
本发明通过获取待检测电力设备的第一原始属性数据,并对第一原始属性数据进行数据处理,确定第一优化属性数据;根据第一优化属性数据确定待检测电力设备的第一目标故障类型,并根据候选故障类型与候选排故程序之间的关联关系,确定与第一目标故障类型关联的第一目标排故程序;将第一目标排故程序发送至待检测电力设备,以控制待检测电力设备运行第一目标排故程序进行故障排除,实现了对电力设备进行自动化故障处理的效果,减少了人工参与的环节,降低了人力成本,提高了故障处理效率和故障排除成功率。
实施例二
图2为本发明实施例二提供的一种电力设备的故障处理方法的流程图,本实施例对上述实施例进行进一步优化与扩展,并可以与上述各个可选实施方式进行结合。如图2所示,该方法包括:
S201、获取待检测电力设备的第一原始属性数据,对第一原始属性数据进行数据清洗,生成第一清洗属性数据,并根据预设的数据格式对第一清洗属性数据进行数据转换,生成第一转换属性数据。
在一种实施方式中,故障处理设备获取第一原始属性数据,并按照设计好的数据清洗规则及算法,对第一原始属性数据进行数据清洗,以去除不完整数据,生成第一清洗属性数据。按照设计好的数据转换规则及算法,对第一清洗属性数据进行数据转换,以将不满足数据格式要求的脏数据,转换成满足数据格式要求的第一转换属性数据。
S202、确定第一转换属性数据的数据质量,并根据数据质量确定第一优化属性数据。
其中,数据质量体现了第一转换属性数据是否满足数据挖掘要求,即当任一条第一转换属性数据的数据质量较低时,表示该条第一转换属性数据不满足数据挖掘要求,当任一条第一转换属性数据的数据质量较高时,则表示该条第一转换属性数据满足数据挖掘要求。
在一种实施方式中,故障处理设备按照设计好的数据质量校验规则及算法,对各条第一转换属性数据进行质量校验,确定各条第一转换属性数据的数据质量。进而根据各条第一转换属性数据的数据质量,从各条第一转换属性数据中确定第一优化属性数据。
通过对第一原始属性数据进行数据清洗,生成第一清洗属性数据,保证了数据的完整性;通过根据预设的数据格式对第一清洗属性数据进行数据转换,生成第一转换属性数据,实现了对不满足数据格式要求的脏数据进行转换的效果;通过确定第一转换属性数据的数据质量,并根据数据质量确定第一优化属性数据,保证了挖掘数据的质量和可靠性。
可选的,根据数据质量确定第一优化属性数据,包括以下A1和B1两种情况:
A1、在数据质量满足质量门限值的情况下,将第一转换属性数据作为第一优化属性数据。
其中,质量门限值可以根据实际业务需求进行设置和调整。
在一种实施方式中,将各条第一转换属性数据的数据质量,分别与质量门限值进行数值比对,在全部第一转换属性数据的数据质量均大于或等于质量门限值的情况下,即全部第一转换属性数据的数据质量均满足质量门限值的情况下,将全部第一转换属性数据直接作为第一优化属性数据。
B1、在数据质量不满足质量门限值的情况下,从第一转换属性数据中确定低质量属性数据,并根据预设的数据格式对低质量属性数据再次进行数据转换,生成第二转换属性数据,并根据第二转换属性数据的数据质量确定第一优化属性数据。
在一种实施方式中,将各条第一转换属性数据的数据质量,分别与质量门限值进行数值比对,在存在至少一条第一转换属性数据的数据质量小于质量门限值的情况下,即数据质量不满足质量门限值的情况下,将该第一转换属性数据作为低质量属性数据,且将剩余的数据质量满足质量门限值的第一转换属性数据,作为高质量属性数据。
按照设计好的数据转换规则及算法,对低质量属性数据再次进行数据转换,生成第二转换属性数据,进而将第二转换属性数据的数据质量与质量门限值再次进行数值比对,直至全部的第二转换属性数据的数据质量均大于或等于质量门限值时,将第二转换属性数据与高质量属性数据共同作为第一优化属性数据。
通过在数据质量满足质量门限值的情况下,将第一转换属性数据作为第一优化属性数据;在数据质量不满足质量门限值的情况下,从第一转换属性数据中确定低质量属性数据,并根据预设的数据格式对低质量属性数据再次进行数据转换,生成第二转换属性数据,并根据第二转换属性数据的数据质量确定第一优化属性数据,保证了数据转换结果的数据质量,间接提高了后续确定待检测电力设备的第一目标故障类型的准确性。
可选的,确定第一优化属性数据之后,还包括:
对第一优化属性数据进行数据加载,其中,数据加载过程采用feed_dict方式,feed_dict方式是通过使用tf.placeholder定位数据占位符在Graph中读取数据,并将数据直接嵌入到Graph中,在会话中运行该Graph,通过feed_dict方式喂数据。
S203、将第一优化属性数据输入至故障预测模型中,并根据故障预测模型的输出结果,确定第一目标故障类型。
其中,第一目标故障类型为设备自身故障类型,或者运维故障类型,设备自身故障类型表示电力设备自身运行而产生的故障类型,运维故障类型表示由于运维人员对电力设备不当的运维操作,而产生的故障类型。故障预测模型是根据从第一原始属性数据抽取出的训练样本数据进行模型训练得到的。
在一种实施方式中,将第一优化属性数据输入至故障预测模型中,供故障预测模型基于训练结果对第一优化属性数据进行故障预测,获取故障预测模型输出的第一目标故障类型。
通过将第一优化属性数据输入至故障预测模型中,并根据故障预测模型的输出结果,确定第一目标故障类型,从而实现了采用模型预测的方式自动预测待检测电力设备的故障类型的效果,大大节省了人工成本,提高了效率。
S204、根据候选故障类型与候选排故程序之间的关联关系,确定与第一目标故障类型关联的第一目标排故程序,并将第一目标排故程序发送至待检测电力设备,以控制待检测电力设备运行第一目标排故程序进行故障排除。
S205、响应于从待检测电力设备中获取的程序运行完成指令,获取待检测电力设备的第二原始属性数据,并对第二原始属性数据进行数据处理,确定第二优化属性数据。
在一种实施方式中,待检测电力设备连接的微型计算机在运行完成第一目标排故程序后,向故障处理设备发送程序运行完成指令。故障处理设备响应于程序运行完成指令,在集成信息系统数据库中再次进行数据抽取,获取待检测电力设备的第二原始属性数据。按照设计好的数据清洗规则及算法,对第二原始属性数据进行数据清洗,以去除不完整数据,生成第二清洗属性数据。按照设计好的数据转换规则及算法,对第二清洗属性数据进行数据转换,以将不满足数据格式要求的脏数据,转换成满足数据格式要求的第二转换属性数据。确定第二转换属性数据的数据质量,并根据数据质量确定第二优化属性数据。
S206、根据第二优化属性数据确定待检测电力设备是否存在故障。
在一种实施方式中,故障处理设备将第二优化属性数据输入至故障预测模型中,供故障预测模型基于训练结果对第二优化属性数据进行故障预测,确定待检测电力设备是否存在故障。
在待检测电力设备不存在故障的情况下,则表示待检测电力设备故障自愈成功。
S207、在待检测电力设备存在故障的情况下,确定待检测电力设备的第二目标故障类型,并根据第二目标故障类型和第一目标故障类型,对待检测电力设备进行再次排故。
其中,第二目标故障类型为设备自身故障类型,或者运维故障类型。
在一种实施方式中,在待检测电力设备存在故障的情况下,获取故障预测模型输出的待检测电力设备的第二目标故障类型。将第二目标故障类型与第一目标故障类型进行比对,并根据比对结果对待检测电力设备进行再次排故。
通过响应于从待检测电力设备中获取的程序运行完成指令,获取待检测电力设备的第二原始属性数据,并对第二原始属性数据进行数据处理,确定第二优化属性数据;根据第二优化属性数据确定待检测电力设备是否存在故障;在待检测电力设备存在故障的情况下,确定待检测电力设备的第二目标故障类型,并根据第二目标故障类型和第一目标故障类型,对待检测电力设备进行再次排故,实现了对待检测电力设备的故障排除结果进行校验的效果,保证了故障排除的有效性。
可选的,根据第二目标故障类型和第一目标故障类型,对待检测电力设备进行再次排故,包括:
在第二目标故障类型和第一目标故障类型不同的情况下,根据候选故障类型与候选排故程序之间的关联关系,确定与第二目标故障类型关联的第二目标排故程序;将第二目标排故程序发送至待检测电力设备,以控制待检测电力设备运行第二目标排故程序进行故障排除。
在一种实施方式中,故障处理设备将第二目标故障类型与第一目标故障类型进行比对,若第二目标故障类型和第一目标故障类型不同,则表示待检测电力设备本次故障自愈成功,但依然存在其他类型的故障。
故障处理设备将第二目标故障类型和候选故障类型与候选排故程序之间的关联关系进行匹配,确定与第二目标故障类型相匹配的候选故障类型,并将该候选故障类型关联的候选排故程序,作为与第二目标故障类型关联的第二目标排故程序。
故障处理设备确定第二目标排故程序后,通过与待检测电力设备之间的通信连接,将第二目标排故程序发送至待检测电力设备。待检测电力设备接收到第二目标排故程序后,在本地端安装并运行第二目标排故程序,用于对待检测电力设备存在的故障再次进行自愈。
通过在第二目标故障类型和第一目标故障类型不同的情况下,根据候选故障类型与候选排故程序之间的关联关系,确定与第二目标故障类型关联的第二目标排故程序;将第二目标排故程序发送至待检测电力设备,以控制待检测电力设备运行第二目标排故程序进行故障排除,实现了对待检测电力设备的故障排除结果进行校验的效果,使得在待检测电力设备出现其他类型故障的情况下,再次进行故障排除,保证待检测电力设备能够正常运行。
可选的,根据第二目标故障类型和第一目标故障类型,对待检测电力设备进行再次排故,包括:
在第二目标故障类型和第一目标故障类型相同的情况下,向待检测电力设备发送程序重启指令,以控制待检测电力设备重新运行第一目标排故程序进行故障排除。
在一种实施方式中,故障处理设备将第二目标故障类型与第一目标故障类型进行比对,若第二目标故障类型和第一目标故障类型相同,则表示待检测电力设备本次故障自愈失败。故障处理设备则生成程序重启指令,并将程序重启指令发送给待检测电力设备。待检测电力设备接收到程序重启指令后,由待检测电力设备连接的微型计算机,响应程序重启指令对第一目标排故程序重新启动运行,用于再次对待检测电力设备存在的故障进行自愈。
通过在第二目标故障类型和第一目标故障类型相同的情况下,向待检测电力设备发送程序重启指令,以控制待检测电力设备重新运行第一目标排故程序进行故障排除。
实施例三
图3为本发明实施例三提供的一种电力设备的故障处理装置的结构示意图。如图3所示,该装置包括:
属性数据确定模块31,用于获取待检测电力设备的第一原始属性数据,并对第一原始属性数据进行数据处理,确定第一优化属性数据;
排故程序确定模块32,用于根据第一优化属性数据确定待检测电力设备的第一目标故障类型,并根据候选故障类型与候选排故程序之间的关联关系,确定与第一目标故障类型关联的第一目标排故程序;
故障排除模块33,用于将第一目标排故程序发送至待检测电力设备,以控制待检测电力设备运行第一目标排故程序进行故障排除。
可选的,属性数据确定模块31,具体用于:
对第一原始属性数据进行数据清洗,生成第一清洗属性数据,并根据预设的数据格式对第一清洗属性数据进行数据转换,生成第一转换属性数据;
确定第一转换属性数据的数据质量,并根据数据质量确定第一优化属性数据。
可选的,属性数据确定模块31,具体还用于:
在数据质量满足质量门限值的情况下,将第一转换属性数据作为第一优化属性数据;
在数据质量不满足质量门限值的情况下,从第一转换属性数据中确定低质量属性数据,并根据预设的数据格式对低质量属性数据再次进行数据转换,生成第二转换属性数据,并根据第二转换属性数据的数据质量确定第一优化属性数据。
可选的,排故程序确定模块32,具体用于:
将第一优化属性数据输入至故障预测模型中,并根据故障预测模型的输出结果,确定第一目标故障类型;
其中,第一目标故障类型为设备自身故障类型,或者运维故障类型。
可选的,装置还包括排故校验模块,具体用于:
响应于从待检测电力设备中获取的程序运行完成指令,获取待检测电力设备的第二原始属性数据,并对第二原始属性数据进行数据处理,确定第二优化属性数据;
根据第二优化属性数据确定待检测电力设备是否存在故障;
在待检测电力设备存在故障的情况下,确定待检测电力设备的第二目标故障类型,并根据第二目标故障类型和第一目标故障类型,对待检测电力设备进行再次排故。
可选的,排故校验模块,具体还用于:
在第二目标故障类型和第一目标故障类型不同的情况下,根据候选故障类型与候选排故程序之间的关联关系,确定与第二目标故障类型关联的第二目标排故程序;
将第二目标排故程序发送至待检测电力设备,以控制待检测电力设备运行第二目标排故程序进行故障排除。
可选的,排故校验模块,具体还用于:
在第二目标故障类型和第一目标故障类型相同的情况下,向待检测电力设备发送程序重启指令,以控制待检测电力设备重新运行第一目标排故程序进行故障排除。
本发明实施例所提供的电力设备的故障处理装置可执行本发明任意实施例所提供的电力设备的故障处理方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备40包括至少一个处理器41,以及与至少一个处理器41通信连接的存储器,如只读存储器(ROM)42、随机访问存储器(RAM)43等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器41可以根据存储在只读存储器(ROM)42中的计算机程序或者从存储单元48加载到随机访问存储器(RAM)43中的计算机程序,来执行各种适当的动作和处理。在RAM 43中,还可存储电子设备40操作所需的各种程序和数据。处理器41、ROM 42以及RAM 43通过总线44彼此相连。输入/输出(I/O)接口45也连接至总线44。
电子设备40中的多个部件连接至I/O接口45,包括:输入单元46,例如键盘、鼠标等;输出单元47,例如各种类型的显示器、扬声器等;存储单元48,例如磁盘、光盘等;以及通信单元49,例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器41可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器41的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器41执行上文所描述的各个方法和处理,例如电力设备的故障处理方法。
在一些实施例中,电力设备的故障处理方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元48。在一些实施例中,计算机程序的部分或者全部可以经由ROM 42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到RAM 43并由处理器41执行时,可以执行上文描述的电力设备的故障处理方法的一个或多个步骤。备选地,在其他实施例中,处理器41可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行电力设备的故障处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种电力设备的故障处理方法,其特征在于,包括:
获取待检测电力设备的第一原始属性数据,并对所述第一原始属性数据进行数据处理,确定第一优化属性数据;
根据所述第一优化属性数据确定所述待检测电力设备的第一目标故障类型,并根据候选故障类型与候选排故程序之间的关联关系,确定与所述第一目标故障类型关联的第一目标排故程序;
将所述第一目标排故程序发送至所述待检测电力设备,以控制所述待检测电力设备运行所述第一目标排故程序进行故障排除。
2.根据权利要求1所述的方法,其特征在于,所述对所述第一原始属性数据进行数据处理,确定第一优化属性数据,包括:
对所述第一原始属性数据进行数据清洗,生成第一清洗属性数据,并根据预设的数据格式对所述第一清洗属性数据进行数据转换,生成第一转换属性数据;
确定所述第一转换属性数据的数据质量,并根据所述数据质量确定第一优化属性数据。
3.根据权利要求2所述的方法,其特征在于,所述根据所述数据质量确定第一优化属性数据,包括:
在所述数据质量满足质量门限值的情况下,将所述第一转换属性数据作为所述第一优化属性数据;
在所述数据质量不满足质量门限值的情况下,从所述第一转换属性数据中确定低质量属性数据,并根据预设的数据格式对所述低质量属性数据再次进行数据转换,生成第二转换属性数据,并根据所述第二转换属性数据的数据质量确定第一优化属性数据。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一优化属性数据确定所述待检测电力设备的第一目标故障类型,包括:
将所述第一优化属性数据输入至故障预测模型中,并根据所述故障预测模型的输出结果,确定所述第一目标故障类型;
其中,所述第一目标故障类型为设备自身故障类型,或者运维故障类型。
5.根据权利要求1所述的方法,所述将所述第一目标排故程序发送至所述待检测电力设备之后,还包括:
响应于从所述待检测电力设备中获取的程序运行完成指令,获取所述待检测电力设备的第二原始属性数据,并对所述第二原始属性数据进行数据处理,确定第二优化属性数据;
根据所述第二优化属性数据确定所述待检测电力设备是否存在故障;
在所述待检测电力设备存在故障的情况下,确定所述待检测电力设备的第二目标故障类型,并根据所述第二目标故障类型和所述第一目标故障类型,对所述待检测电力设备进行再次排故。
6.根据权利要求5所述的方法,其中,所述根据所述第二目标故障类型和所述第一目标故障类型,对所述待检测电力设备进行再次排故,包括:
在所述第二目标故障类型和所述第一目标故障类型不同的情况下,根据候选故障类型与候选排故程序之间的关联关系,确定与所述第二目标故障类型关联的第二目标排故程序;
将所述第二目标排故程序发送至所述待检测电力设备,以控制所述待检测电力设备运行所述第二目标排故程序进行故障排除。
7.根据权利要求5所述的方法,其中,所述根据所述第二目标故障类型和所述第一目标故障类型,对所述待检测电力设备进行再次排故,包括:
在所述第二目标故障类型和所述第一目标故障类型相同的情况下,向所述待检测电力设备发送程序重启指令,以控制所述待检测电力设备重新运行所述第一目标排故程序进行故障排除。
8.一种电力设备的故障处理装置,其特征在于,包括:
属性数据确定模块,用于获取待检测电力设备的第一原始属性数据,并对所述第一原始属性数据进行数据处理,确定第一优化属性数据;
排故程序确定模块,用于根据所述第一优化属性数据确定所述待检测电力设备的第一目标故障类型,并根据候选故障类型与候选排故程序之间的关联关系,确定与所述第一目标故障类型关联的第一目标排故程序;
故障排除模块,用于将所述第一目标排故程序发送至所述待检测电力设备,以控制所述待检测电力设备运行所述第一目标排故程序进行故障排除。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的电力设备的故障处理方法。
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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的电力设备的故障处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211333211.8A CN115619379A (zh) | 2022-10-28 | 2022-10-28 | 电力设备的故障处理方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211333211.8A CN115619379A (zh) | 2022-10-28 | 2022-10-28 | 电力设备的故障处理方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115619379A true CN115619379A (zh) | 2023-01-17 |
Family
ID=84876976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211333211.8A Pending CN115619379A (zh) | 2022-10-28 | 2022-10-28 | 电力设备的故障处理方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619379A (zh) |
-
2022
- 2022-10-28 CN CN202211333211.8A patent/CN115619379A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115529595A (zh) | 一种日志数据的异常检测方法、装置、设备及介质 | |
CN111080472A (zh) | 一种电力系统负荷预测和分析方法 | |
CN113487182A (zh) | 设备健康状态评估方法、装置、计算机设备和介质 | |
CN117424224A (zh) | 一种停电计划平衡优化方法、装置、设备及存储介质 | |
CN116755974A (zh) | 云计算平台运维方法、装置、电子设备及存储介质 | |
CN115619379A (zh) | 电力设备的故障处理方法、装置、设备和介质 | |
CN115890684A (zh) | 一种机器人调度方法、装置、设备及介质 | |
CN114186738A (zh) | 一种故障预警方法、装置、电子设备和存储介质 | |
CN115099778A (zh) | 一种工业制造设备的管控方法、系统、设备及介质 | |
CN117389828A (zh) | 供电服务器管理方法、装置、系统、设备以及存储介质 | |
CN117435586A (zh) | 一种数据处理方法、装置、设备及介质 | |
CN115204424A (zh) | 云原生系统的智能运维方法、装置、设备及存储介质 | |
CN118152959A (zh) | 一种重合闸异常检测方法、装置、设备以及存储介质 | |
CN116805176A (zh) | 一种台区的负荷预测方法、装置、设备及存储介质 | |
CN117131990A (zh) | 电网基建信息管理方法、装置、电子设备及存储介质 | |
CN115392733A (zh) | 配网规划项目工程量投资估算方法、装置、设备及存储介质 | |
CN117763091A (zh) | 一种基于权重修正的设备故障检测方法及相关组件 | |
CN115129538A (zh) | 一种事件处理方法、装置、设备及介质 | |
CN117687993A (zh) | 一种数据迁移方法、装置、设备以及存储介质 | |
CN116883198A (zh) | 一种数据质量的评估方法、装置、电子设备以及介质 | |
CN117609993A (zh) | 一种指标分析方法、装置、设备及存储介质 | |
CN117632688A (zh) | 一种数据处理方法、装置、设备以及存储介质 | |
CN116973668A (zh) | 一种电网线路故障诊断方法、装置、电子设备和存储介质 | |
CN117495527A (zh) | 一种投产风险确定方法、装置、设备及存储介质 | |
CN115330356A (zh) | 一种工单处理超时的告警方法、装置、设备及介质 |
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 |