CN115693962A - 一种变电站设备监测方法、装置、电子设备及介质 - Google Patents
一种变电站设备监测方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN115693962A CN115693962A CN202211713270.8A CN202211713270A CN115693962A CN 115693962 A CN115693962 A CN 115693962A CN 202211713270 A CN202211713270 A CN 202211713270A CN 115693962 A CN115693962 A CN 115693962A
- Authority
- CN
- China
- Prior art keywords
- equipment
- power transformation
- detection
- determining
- target
- 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
Images
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请涉及一种变电站设备监测方法、装置、电子设备及介质,涉及数据监测处理的领域,该方法包括获取天气数据,从历史故障记录中确定在当前天气数据下发生故障的目标变电设备以及目标变电设备的故障原因,基于故障原因确定目标变电设备对应的目标检测设备,对目标检测设备采集的检测数据设定异常阈值,获取目标检测设备的检测数据,若存在超过异常阈值的检测数据,则确定对应的异常检测设备,对异常检测设备以及目标变电设备进行标记。本申请能够实现根据天气情况的不同降低变电设备发生故障的可能性。
Description
技术领域
本申请涉及数据监测处理的领域,尤其是涉及一种变电站设备监测方法、装置、电子设备及介质。
背景技术
变电站内包括变电设备和检测变电设备工作的检测设备,变电站内的变电设备是否发生故障与天气情况具有一定的关系,即,不同的天气情况会使变电设备产生不同的故障,比如在较为极端的天气时,变电设备发生故障的概率增加,因此,如何根据天气情况的不同降低变电设备发生故障的可能性成为一个问题。
发明内容
为了实现根据天气情况的不同降低变电设备发生故障的可能性,本申请提供一种变电站设备监测方法、装置、电子设备及介质。
第一方面,本申请提供一种变电站设备监测方法,采用如下的技术方案:
一种变电站设备监测方法,包括:
获取天气数据,从历史故障记录中确定在当前天气数据下发生故障的目标变电设备以及目标变电设备的故障原因;
基于所述故障原因确定所述目标变电设备对应的目标检测设备;
对所述目标检测设备采集的检测数据设定异常阈值;
获取所述目标检测设备的检测数据;
若存在超过异常阈值的检测数据,则确定对应的异常检测设备,对所述异常检测设备以及所述目标变电设备进行标记。
通过采用上述技术方案,获取当前的天气数据,并从历史故障记录中确定相同天气条件下发生过故障的目标变电设备以及发生故障的原因,历史中发生过故障的变电设备在当前相同的天气情况下再次发生故障的可能性较大,因此,根据具体的故障原因确定目标变电设备的相关检测设备,即目标检测设备,目标检测设备用于检测变电设备的工作情况或周围环境情况等;设定目标检测设备对应的异常阈值,目标检测设备采集的检测数据达到异常阈值时,说明目标变电设备发生故障的可能性较大。因此,获取目标检测设备对应的检测数据,若存在超过异常阈值的检测数据,则确定对应的异常检测设备,并对异常检测设备和目标变电设备进行标记,从而便于工作人员重点查看,进而实现根据天气情况的不同降低变电设备发生故障的概率。
在另一种可能实现的方式中,所述对所述目标检测设备采集的检测数据设定异常阈值,包括:
获取所述目标变电设备发生故障时,所述目标检测设备采集的历史数据;
根据所述历史数据确定用于计算异常阈值的第一系数;
基于所述历史数据以及所述第一系数确定每个目标检测设备的异常阈值。
通过采用上述技术方案,获取目标变电设备发生故障时,对应的目标检测设备采集的历史数据,历史数据的大小决定异常阈值的大小,历史数据越大,对应的异常阈值越小,历史数据越小,对应的异常阈值相对越大。因此根据历史数据确定计算异常阈值的第一系数,根据第一系数以及历史数据即可确定出异常阈值,通过历史数据以及第一系数确定异常阈值更准确可靠。
在另一种可能实现的方式中,所述方法还包括:
当检测到任一变电设备发生故障时,从历史故障记录中确定所述任一变电设备发生故障时的影响范围以及对应的目标检测设备的历史参数;
基于所述影响范围以及所述历史参数确定第二系数;
基于当前目标检测设备的检测数据以及所述第二系数,确定当前影响范围;
确定所述当前影响范围内的重点变电设备;
获取所述重点变电设备对应的监控图像;
对所述监控图像进行故障识别,得到所述重点变电设备对应的故障识别结果。
通过采用上述技术方案,变电设备发生故障时,可能会对周围范围内的其他设备造成影响并产生故障;因此从历史故障记录中确定变电设备故障时的影响范围,影响范围还与发生故障时对应的检测设备的历史参数有关,参数越高越大,对应的影响范围也就越大,因此可以通过历史发生故障时的影响范围和检测设备的历史参数确定计算影响范围大小的第二系数,再根据当前目标检测设备的检测数据即可确定出当前发生故障时对应的影响范围,确定出当前影响范围后,当前影响范围内的变电设备均有可能收到影响,因此将影响范围内的变电设备确定为重点变电设备;获取重点变电设备对应的监控图像,从而便于对重点变电设备进行监控,对监控图像进行故障识别,从而能够得到重点变电设备对应的是否发生故障的识别结果,从而能够及时得知重点变电设备是否收到影响,防止事故扩散。
在另一种可能实现的方式中,所述方法还包括:
确定所述重点变电设备对应的检测设备;
优先输出所述重点变电设备对应的检测设备的检测数据。
通过采用上述技术方案,确定出重点变电设备后,再确定每个重点变电设备对应的检测设备,优先输出重点变电设备的检测数据,从而提高了重点变电设备的优先级,能够更直观方便地对重点变电设备进行监测。
在另一种可能实现的方式中,所述方法还包括:
计算任一变电设备对应的每种检测设备的检测数据的方差;
若存在方差大于对应的预设方差的可疑检测数据,则将所述可疑检测数据对应的目标检测设备确定为可疑检测设备;
确定所述可疑检测设备的数量与全部检测设备的数量的第一占比;
确定所述异常检测设备的数量与全部目标检测设备的数量的第二占比;
基于所述第一占比、第二占比以及各自对应的权重确定所述任一变电设备发生故障的概率;
若所述概率达到第一预设概率阈值,则确定备用变电设备;
控制所述备用变电设备接入所述任一变电设备的供电网络中。
通过采用上述技术方案,计算每种检测设备的检测数据的方差,方差表征数据变化的稳定度,方差越大,数据越不稳定,出现故障的概率越大;方差大于对应的预设方差说明数据较为不稳定,达到预设方差的数据种类越多,即可以检测设备的数量越多,发生故障的可能性越大,因此计算可疑检测设备数量与全部检测设备数量的第一占比;达到异常阈值的异常检测设备数量越多,同样说明发生故障的可能性越大,因此计算异常检测设备数量与全部目标检测设备数量的第二占比;第一占比和第二占比影响发生故障的相关程度不同,因此设定不同的权重,结合第一占比、第二占比和各自的权重即可计算出较为可靠的发生故障的概率,计算出的概率达到第一预设概率阈值,则说明极有可能发生故障,因此确定备用的变电设备,将备用的变电设备接入可能发生故障的变电设备所在的供电网络中,以使得变电设备在发生故障时,不容易影响供电网络的正常运行。
在另一种可能实现的方式中,所述确定备用变电设备,包括:
确定同种类且未处于所述当前影响范围内的待选变电设备;
获取每个待选变电设备对应的每种检测数据的第一变化折线图;
获取所述任一变电设备发生故障的概率低于第二预设概率阈值时的每种检测数据的第二变化折线图;
基于所述第一变化折线图以及第二变化折线图计算每种检测数据的相似度;
基于每个待选变电设备对应的相似度计算所述每个待选变电设备的平均相似度;
将相似度最高的待选变电设备确定为所述备用变电设备。
通过采用上述技术方案,先确定出同种类的,且没有在当前影响范围内的变电设备;获取可能发生故障的变电设备发生故障的概率低于第二预设概率阈值时,即不容易发生故障时的每种检测数据的第二折线图;计算可能发生故障的变电设备与每个待选设备的每种检测数据的相似度;得到每个待选变电设备的每种检测数据的相似度后,计算每个待选变电设备对应的平均相似度;平均相似度越高,说明待选变电设备与容易发生故障的变电设备在不容易发生故障时的工作情况较为接近,更适合作为备用变电设备,通过上述方式确定出的备用变电设备更适合接替发生故障的变电设备。
在另一种可能实现的方式中,所述确定备用变电设备,包括:
实时计算概率,并确定概率变化速率;
根据概率变化速率确定所述概率达到第一预设概率阈值的时间点;
确定同种类且未处于所述当前影响范围内的待选变电设备;
获取每个待选变电设备对应的每种检测数据的变化情况;
基于所述变化情况计算每种检测数据在所述时间点处的数值;
确定所述数值与对应的预设阈值的差值;
确定每个待选变电设备对应的每种检测数据的差值的总和;
将所述总和最大的待选变电设备确定为备用变电设备。
通过采用上述技术方案,实时计算概率即可得到概率变化速率,进而能够计算出变电设备达到第一预设概率阈值的时间点。获取其他待选变电设备的每种检测数据的变化情况,根据变化情况即可计算出每种检测数据在变电设备发生故障的时间点时的数值。然后计算每种数据与对应的预设阈值的差值,差值越大,说明距离发生故障的预设阈值越远,待选变电设备越稳定,发生故障的可能性越小。然后计算每个待选变电设备对应的所有的差值的总和,总和越大,说明其对应的每种检测数据均距离发生故障的阈值较远,在变电设备发生故障时更稳定,更适合作为备用变电设备。
第二方面,本申请提供一种变电站设备监测装置,采用如下的技术方案:
一种变电站设备监测装置,包括:
天气获取模块,用于获取天气数据,从历史故障记录中确定在当前天气数据下发生故障的目标变电设备以及目标变电设备的故障原因;
设备确定模块,用于基于所述故障原因确定所述目标变电设备对应的目标检测设备;
阈值确定模块,用于对所述目标检测设备采集的检测数据设定异常阈值;
数据获取模块,用于获取所述目标检测设备的检测数据;
标记模块,用于当存在超过异常阈值内的检测数据时,确定对应的异常检测设备,对所述异常检测设备以及所述目标变电设备进行标记。
通过采用上述技术方案,天气获取模块获取当前的天气数据,并从历史故障记录中确定相同天气条件下发生过故障的目标变电设备以及发生故障的原因,历史中发生过故障的变电设备在当前相同的天气情况下再次发生故障的可能性较大,因此,设备确定模块根据具体的故障原因确定目标变电设备的相关检测设备,即目标检测设备,目标检测设备用于检测变电设备的工作情况或周围环境情况等;阈值确定模块设定目标检测设备对应的异常阈值,目标检测设备采集的检测数据超过异常阈值时,说明目标变电设备发生故障的可能性较大。因此,数据获取模块获取目标检测设备对应的检测数据,若存在超过异常阈值的检测数据,则标记模块确定对应的异常检测设备,并对异常检测设备和目标变电设备进行标记,从而便于工作人员重点查看,进而实现根据天气情况的不同降低变电设备发生故障的概率。
在另一种可能的实现方式中,所述阈值确定模块在对所述目标检测设备采集的检测数据设定异常阈值时,具体用于:
获取所述目标变电设备发生故障时,所述目标检测设备采集的历史数据;
根据所述历史数据确定用于计算异常阈值的第一系数;
基于所述历史数据以及所述第一系数确定每个目标检测设备的异常阈值。
在另一种可能的实现方式中,所述装置还包括:
范围和参数确定模块,用于当检测到任一变电设备发生故障时,从历史故障记录中确定所述任一变电设备发生故障时的影响范围以及对应的目标检测设备的历史参数;
系数确定模块,用于基于所述影响范围以及所述历史参数确定第二系数;
影响范围确定模块,用于基于当前目标检测设备的检测数据以及所述第二系数,确定当前影响范围;
重点变电设备确定模块,用于确定所述当前影响范围内的重点变电设备;
图像获取模块,用于获取所述重点变电设备对应的监控图像;
故障识别模块,用于对所述监控图像进行故障识别,得到所述重点变电设备对应的故障识别结果。
在另一种可能的实现方式中,所述装置还包括:
检测设备确定模块,用于确定所述重点变电设备对应的检测设备;
输出模块,用于优先输出所述重点变电设备对应的检测设备的检测数据。
在另一种可能的实现方式中,所述装置还包括:
方差计算模块,用于计算任一变电设备对应的每种检测设备的检测数据的方差;
可疑检测设备确定模块,用于当存在方差大于对应的预设方差的可疑检测数据时,将所述可疑检测数据对应的目标检测设备确定为可疑检测设备;
第一占比确定模块,用于确定所述可疑检测设备的数量与全部检测设备的数量的第一占比;
第二占比确定模块,用于确定所述异常检测设备的数量与全部目标检测设备的数量的第二占比;
概率确定模块,用于基于所述第一占比、第二占比以及各自对应的权重确定所述任一变电设备发生故障的概率;
备用变电设备确定模块,用于当所述概率达到第一预设概率阈值时,则确定备用变电设备;
控制模块,用于控制所述备用变电设备接入所述任一变电设备的供电网络中。
在另一种可能的实现方式中,所述备用变电设备在确定备用变电设备时,具体用于:
确定同种类且未处于所述当前影响范围内的待选变电设备;
获取每个待选变电设备对应的每种检测数据的第一变化折线图;
获取所述任一变电设备发生故障的概率低于第二预设概率阈值时的每种检测数据的第二变化折线图;
基于所述第一变化折线图以及第二变化折线图计算每种检测数据的相似度;
基于每个待选变电设备对应的相似度计算所述每个待选变电设备的平均相似度;
将相似度最高的待选变电设备确定为所述备用变电设备。
在另一种可能的实现方式中,所述备用变电设备确定模块在确定备用变电设备时,还具体用于:
实时计算概率,并确定概率变化速率;
根据概率变化速率确定所述概率达到第一预设概率阈值的时间点;
确定同种类且未处于所述当前影响范围内的待选变电设备;
获取每个待选变电设备对应的每种检测数据的变化情况;
基于所述变化情况计算每种检测数据在所述时间点处的数值;
确定所述数值与对应的预设阈值的差值;
确定每个待选变电设备对应的每种检测数据的差值的总和;
将所述总和最大的待选变电设备确定为备用变电设备。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个应用程序配置用于:执行根据第一方面任一种可能的实现方式所示的一种变电站设备监测方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,当所述计算机程序在计算机中执行时,令所述计算机执行第一方面任一项所述的一种变电站设备监测方法。
综上所述,本申请包括以下至少一种有益技术效果:
1. 获取当前的天气数据,并从历史故障记录中确定相同天气条件下发生过故障的目标变电设备以及发生故障的原因,历史中发生过故障的变电设备在当前相同的天气情况下再次发生故障的可能性较大,因此,根据具体的故障原因确定目标变电设备的相关检测设备,即目标检测设备,目标检测设备用于检测变电设备的工作情况或周围环境情况等;设定目标检测设备对应的异常阈值,目标检测设备采集的检测数据达到异常阈值时,说明目标变电设备发生故障的可能性较大。因此,获取目标检测设备对应的检测数据,若存在超过异常阈值的检测数据,则确定对应的异常检测设备,并对异常检测设备和目标变电设备进行标记,从而便于工作人员重点查看,进而实现根据天气情况的不同降低变电设备发生故障的概率;
2. 计算每种检测设备的检测数据的方差,方差表征数据变化的稳定度,方差越大,数据越不稳定,出现故障的概率越大;方差大于对应的预设方差说明数据较为不稳定,达到预设方差的数据种类越多,即可以检测设备的数量越多,发生故障的可能性越大,因此计算可疑检测设备数量与全部检测设备数量的第一占比;达到异常阈值的异常检测设备数量越多,同样说明发生故障的可能性越大,因此计算异常检测设备数量与全部目标检测设备数量的第二占比;第一占比和第二占比影响发生故障的相关程度不同,因此设定不同的权重,结合第一占比、第二占比和各自的权重即可计算出较为可靠的发生故障的概率,计算出的概率达到第一预设概率阈值,则说明极有可能发生故障,因此确定备用的变电设备,将备用的变电设备接入可能发生故障的变电设备所在的供电网络中,以使得变电设备在发生故障时,不容易影响供电网络的正常运行。
附图说明
图1是本申请实施例的一种变电站设备监测方法的流程示意图。
图2是本申请实施例的一种变电站设备监测装置的结构示意图。
图3是本申请实施例的一种电子设备的结构示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种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。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种变电站设备监测方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括步骤S101、步骤S102、步骤S103、步骤S104以及步骤S105,其中,
S101,获取天气数据,从历史故障记录中确定在当前天气数据下发生故障的目标变电设备以及目标变电设备的故障原因。
对于本申请实施例,电子设备可通过互联网或云服务器获取由相关部门发布的当前变电站所在区域的天气情况。变电站中变电设备在发生故障时,电子设备可对每次发生的故障进行记录,假设当前变电站内的天气数据为“大雨”,电子设备获取历史中变电站在大雨的天气情况下发生故障的目标变电设备,以及目标变电设备每次发生故障的原因,假设目标变电设备为“变压器”,发生故障的原因为“线路短路”。因此,在当前的天气情况下变压器发生故障的可能性较大。
S102,基于故障原因确定目标变电设备对应的目标检测设备。
对于本申请实施例,以步骤S101为例,目标变电设备为变压器,发生故障的原因为线路短路,因此,根据线路短路可以确定出与线路短路对应的目标检测设备,例如,线路短路对应的目标检测设备为电流传感器和电压传感器。
其中,每种故障原因和对应的目标检测设备具有对应关系,因此在确定出目标变电设备对应的故障原因后,根据故障原因与目标检测设备的对应关系即可确定出目标检测设备。
S103,对目标检测设备采集的检测数据设定异常阈值。
对于本申请实施例,目标检测设备采集的检测数据为目标变电设备发生与历史故障记录中相同故障时最重要最相关的数据。因此对目标检测设备采集的数据设定异常阈值,异常阈值为目标变电设备不容易发生故障的阈值,从而降低目标变电设备发生故障的可能性。
S104,获取目标检测设备的检测数据。
对于本申请实施例,电子设备在确定出目标检测设备对应的异常阈值后,开始获取目标检测设备采集的数据,目标检测设备与电子设备进行有线或无线连接,从而使得电子设备能够获取到目标检测设备采集的检测数据。
在本申请实施例中,由于变电站中设备种类以及设备数量较多,不同的设备可能由不同的厂家提供,因此部分设备可以进行自动化的控制,即电子设备能够直接控制,部分设备不能由电子设备直接控制,还需要经过设备对应的管理平台实现控制,进而不便于对变电站中的设备进行统一整体管理。
因此,变电站内的每个设备对应有转换平台,电子设备连接各个设备的转换平台。转换平台根据设置好的转换规则对数据或指令进行转换。转换平台在接收到设备的数据时,将数据转换为电子设备能够识别的格式,然后发送至电子设备。当电子设备向变电站内的设备发送控制指令时,转换平台接收到控制指令后将控制指令转换为设备能够识别的格式,然后发送至变电站内的设备处,变电站内的设备接收到转换后的控制指令后,从而能够根据转换后的控制指令做出反应。
S105,若存在超过异常阈值的检测数据,则确定对应的异常检测设备,对异常检测设备以及目标变电设备进行标记。
对于本申请实施例,当目标检测设备的数量为至少两个时,每种目标检测设备各自对应的异常阈值可以不同,即可以根据检测数据的种类设置对应的异常阈值。因此当存在处于对应的异常阈值之外的检测数据,则说明目标变电设备发生故障的可能性较高,因此电子设备确定出异常的检测设备,并对异常检测设备采集的检测数据以及目标变电设备进行标记,从而能够突出目标变电设备容易发生故障,并且突出目标变电设备发生故障时对应的异常检测数据,用户及时得知异常检测数据,进而实现在当前天气情况下降低变电设备发生故障的可能性。
本申请实施例的一种可能的实现方式,步骤S103中对目标检测设备采集的检测数据设定异常阈值,具体包括步骤S1031(图中未示出)、步骤S1032(图中未示出)以及步骤S1033(图中未示出),其中,
S1031,获取目标变电设备发生故障时,目标检测设备采集的历史数据。
对于本申请实施例,以步骤S102为例,电子设备获取目标变电设备在发生故障时,每个目标检测设备的历史数据。目标检测设备的历史数据数值越高,其对应的检测数据的异常阈值需设置的越低,发生故障时历史数据相对越低,其对应的检测数据的异常阈值需相对设置的越高,从而降低发生故障的可能性。
S1032,根据历史数据确定用于计算异常阈值的第一系数。
对于本申请实施例,可根据检测设备历史数据的大小确定不同的第一系数,例如历史数据的数值越高,对应的第一系数越小,历史数据的数值越小,对应的第一系数越大。第一系数为异常阈值占历史数据的百分比。历史数据大小与第一系数具有对应关系,在获取到历史数据后,根据对应关系即可确定出对应的第一系数。
S1033,基于历史数据以及第一系数确定每个目标检测设备的异常阈值。
例如,目标变电设备发生故障时,电流传感器的数值为50安(A)对应的系数为0.8,因此即可确定出电流传感器的异常阈值为40A。
本申请实施例的一种可能的实现方式,方法还包括步骤S105(图中未示出)、步骤S106(图中未示出)、步骤S107(图中未示出)、步骤S108(图中未示出)、步骤S109(图中未示出)以及步骤S110(图中未示出),其中,步骤S106可在步骤S105之后执行,其中,
S105,当检测到任一变电设备发生故障时,从历史故障记录中确定任一变电设备发生故障时的影响范围以及对应的目标检测设备的历史参数。
对于本申请实施例,当检测到目标变电设备发生异常时,则说明该目标变电设备可能会影响到特定范围内的其他变电设备,因此为了预测出当前目标变电设备的影响范围,可以对历史故障记录中目标变电设备的影响范围以及对应的目标检测设备的历史参数进行分析,以得到当前目标变电设备发生故障时的影响范围,因此,获取该目标变电设备在历史故障记录中的影响范围,以及目标检测设备在影响范围下对应的历史参数。
S106,基于影响范围以及历史参数确定第二系数。
对于本申请实施例,例如历史故障记录中的影响范围为目标变电设备周围两米的范围,假设目标检测设备为电流传感器,电流传感器的历史参数为50(A)。因此能够确定出历史参数影响目标变电设备影响范围的系数为0.04。
S107,基于当前目标检测设备的检测数据以及第二系数,确定当前影响范围。
对于本申请实施例,以步骤S106为例,电子设备获取电流传感器当前的检测数据,假设获取到电流传感器当前的检测数据为40A,再结合系数0.04即可确定出目标变电设备当前的影响范围,因此,当前目标变电设备的影响范围为目标变电设备周围1.6米的范围。
S108,确定当前影响范围内的重点变电设备。
对于本申请实施例,变电站内变电设备的分布情况,以及变电设备与变电设备之间的距离可提前由工作人员测绘得到,工作人员测绘得到变电设备的分布情况以及变电设备与变电设备之间的距离后,可绘制变电站内变电设备的分布图,并将分布图电子化存储在电子设备中。因此电子设备调用分布图即可确定出发生故障的目标变电设备在分布图中的位置,并且能够根据确定出的影响范围确定出影响范围内的其他变电设备,即重点变电设备。
S109,获取重点变电设备对应的监控图像。
对于本申请实施例,在确定出重点变电设备后,可获取重点变电设备对应的监控图像。具体的,监控图像可由图像采集装置,如摄像头装置采集得到,每个变电设备均对应有能够采集到监控图像的摄像头装置。因此在确定出重点变电设备后,电子设备获取重点变电设备对应的摄像头装置采集的监控图像即可。
S110,对监控图像进行故障识别,得到重点变电设备对应的故障识别结果。
对于本申请实施例,可将监控图像输入制训练好的网络模型中进行故障识别,从而能够得到重点变电设备是否发生故障的故障识别结果。具体的网络模型可以是神经网络模型,进一步的,神经网络模型可以是卷积神经网络模型,也可以是循环神经网络模型,在此不作限定。
本申请实施例的一种可能的实现方式,方法还包括步骤S111(图中未示出)以及步骤S112(图中未示出),其中,步骤S111可在步骤S108之后执行,
S111,确定重点变电设备对应的检测设备。
S112,优先输出重点变电设备对应的检测设备的检测数据。
对于本申请实施例,在确定出重点变电设备后即可确定出重点变电设备对应的检测设备。假设重点变电设备的检测设备为温度传感器以及电流传感器。因此电子设备优先输出重点变电设备对应的检测设备的数据。例如在显示屏上优先显示温度传感器的数据以及电流传感器的数据。从而能够使得工作人员更及时直观地了解到重点变电设备是否发生异常。
本申请实施例的一种可能的实现方式,方法还包括步骤S113(图中未示出)、步骤S114(图中未示出)、步骤S115(图中未示出)、步骤S116(图中未示出)、步骤S117(图中未示出)、步骤S118(图中未示出)以及步骤S119(图中未示出),其中,步骤S113可在步骤S103之后执行,其中,
S113,计算任一变电设备对应的每种检测设备的检测数据的方差。
对于本申请实施例,假设某一变电设备为变压器,对应的检测数据有电流数据和电压数据。因此电子设备在获取到该变压器的电流数据和电压数据后,分别计算电流数据和电压数据的方差。从而能够确定出该变压器电流数据和电压数据的稳定情况。
S114,若存在方差大于对应的预设方差的可疑检测数据,则将可疑检测数据对应的目标检测设备确定为可疑检测设备。
对于本申请实施例,以步骤S113为例,假设电流数据的方差大于对应的预设方差阈值,则说明该变压器的电流数据较为不稳定,该变压器的电流数据可能出现异常,即,电流数据为异常检测数据。因此将采集该电流数据的电流传感器确定为可疑检测设备。
S115,确定可疑检测设备的数量与全部检测设备的数量的第一占比。
对于本申请实施例,一个变电设备可能对应有多种检测数据,也即对应有多个检测设备。以步骤S113为例,假设变压器除对应有电流传感器和电压传感器之外,还对应有另外三个检测设备。因此电子设备确定出五个检测设备中的全部可疑检测设备,即所有方差大于预设方差阈值的检测设备。假设可以检测设备的数量为两个,电子设备计算可疑检测设备占全部检测设备的数量占比,即第一占比,在本申请实施例中,电子设备确定出的第一占比为40%。
S116,确定异常检测设备的数量与全部目标检测设备的数量的第二占比。
对于本申请实施例,根据该变电设备的故障原因确定出目标检测设备分别为电流传感器和电压传感器。其中,电流传感器的检测数据达到对应的异常阈值,因此电流传感器为异常检测设备。电子设备计算异常检测设备数量占全部目标检测设备的数量占比,也即第二占比,在本申请实施例中,电子设备确定出的第二占比为50%。
S117,基于第一占比、第二占比以及各自对应的权重确定任一变电设备发生故障的概率。
对于本申请实施例,假设第一占比的权重为0.4,第二占比的权重为0.6。以步骤S115和步骤S116为例,电子设备根据第一占比40%、第二占比20%以及各自对应的权重计算出发生故障的概率为46%。
S118,若概率达到第一预设概率阈值,则确定备用变电设备。
对于本申请实施例,假设第一预设概率阈值为60%。若计算出发生故障的概率达到60%,则说明变电设备发生故障概率的可能性较大,该变电设备可能无法继续在所在的供电线路中正常工作,因此需要确定备用的变电设备。
S119,控制备用变电设备接入任一变电设备的供电网络中。
对于本申请实施例,在确定出备用变电设备后,控制备用变电设备接在该变电设备所在的供电线路中即可,从而使得该变电设备所在的供电线路始终保持正常状态。
本申请实施例的一种可能的实现方式,步骤S118中确定备用变电设备,具体包括步骤S1181(图中未示出)、步骤S1182(图中未示出)、步骤S1183(图中未示出)、步骤S1184(图中未示出)、步骤S1185(图中未示出)以及步骤S1186(图中未示出),其中,
S1181,确定同种类且未处于当前影响范围内的待选变电设备。
对于本申请实施例,电子设备从变电站全部的变电设备中确定出所有与可能发生故障的变电设备同种类的,且位于该变电设备发生故障时影响范围之外的变电设备,即待选变电设备。
S1182,获取每个待选变电设备对应的每种检测数据的第一变化折线图。
对于本申请实施例,电子设备获取每个待选变电设备对应的每种检测数据,并且基于每种检测数据绘制出第一变化折线图,从而能够更直观的得知每种检测数据的变化情况。
S1183,获取任一变电设备发生故障的概率低于第二预设概率阈值时的每种检测数据的第二变化折线图。
对于本申请实施例,假设第二预设概率阈值为30%,发生故障的概率低于30%则说明每一种检测数据均较为稳定,该电子设备处于较为稳定的工作状态,该电子设备不容易发生故障。电子设备根据该变电设备的第一占比和第二占比实时计算发生故障的概率,因此在计算出发生故障的概率低于30%时,获取每种检测数据与时间的变化情况并绘制出第二变化折线图。
S1184,基于第一变化折线图以及第二变化折线图计算每种检测数据的相似度。
对于本申请实施例,电子设备确定出每种检测数据的第二变化折线图后,分别计算第二变化折线图与每个待选变电设备中相同种类检测数据的第一变化折线图的相似度。
具体的,计算相似度可通过结构相似性度量(SSIM)计算。也可通过余弦相似度计算,即将第一变化折线图和第二变化折线图表示成向量,通过计算向量之间的余弦距离来表征两张图片的相似度,还可通过直方图计算第一相似度,还可通过其他方式计算第一相似度,在此不做限定。
S1185,基于每个待选变电设备对应的相似度计算每个待选变电设备的平均相似度。
对于本申请实施例,电子设备计算出该变电设备与每个待选变电设备之间每一种检测数据的相似度后。计算每个待选变电设备对应的相似度平均值。例如,待选变电设备共有三个,检测数据共有三种,待选变电设备A对应的相似度分别为90%、85%以及70%;待选变电设备B对应的相似度分别为85%、92%以及93%;待选变电设备C对应的相似度为88%、90%以及82%。因此电子设备计算出待选变电设备A对应的平均相似度为81.67%,待选变电设备B对应的平均相似度为90%,待选变电设备C对应的平均相似度为86.67%。
S1186,将相似度最高的待选变电设备确定为备用变电设备。
对于本申请实施例,以步骤S1185为例,待选变电设备B的平均相似度最高,也即待选变电设备B与该变电设备发生故障概率较低,即工作较为稳定时的每种检测数据均较为相似,因此最适合作为接替该变电设备的备用变电设备,将待选变电设备B作为备用变电设备接入该变电设备的供电线路时,对该供电线路的影响最小,对供电线路内其他数据的波动影响较小。
本申请实施例的一种可能的实现方式,步骤S118中确定备用变电设备,具体还包括步骤Sa(图中未示出)、步骤Sb(图中未示出)、步骤Sc(图中未示出)、步骤Sd(图中未示出)、步骤Se(图中未示出)、步骤Sf(图中未示出)、步骤Sg(图中未示出)以及步骤Sh(图中未示出),其中,
Sa,实时计算概率,并确定概率变化速率。
对于本申请实施例,电子设备实时计算该变电设备发生故障的概率,并根据发生故障概率的变化情况确定出概率变化速率。
Sb,根据概率变化速率确定概率达到第一预设概率阈值的时间点。
对于本申请实施例,电子设备确定出概率变化速率后,即可根据当前的计算出的该变电设备发生故障的概率,计算出该变电设备发生故障的概率达到第一预设概率阈值的时间点。
Sc,确定同种类且未处于当前影响范围内的待选变电设备。
对于本申请实施例,电子设备从变电站全部的变电设备中确定出所有与可能发生故障的变电设备同种类的,且位于该变电设备发生故障时影响范围之外的变电设备,即待选变电设备。
Sd,获取每个待选变电设备对应的每种检测数据的变化情况。
对于本申请实施例,在确定出待选变电设备后,电子设备获取每个待选变电设备的每种检测数据随时间变化的数据,即可获取到每种检测数据的变化情况。
Se,基于变化情况计算每种检测数据在时间点处的数值。
对于本申请实施例,确定出每个待选变电设备的每种检测数据的变化情况后,即可计算出每种检测数据在达到第一预设概率阈值时间点处的数值。
Sf,确定数值与对应的预设阈值的差值。
对于本申请实施例,预设阈值为每种检测数据发生异常时的阈值,因此电子设备计算出每种数据在发生故障的概率第一预设概率阈值时间点处的数值后,计算每种检测数据的数值与预设阈值的差值,差值越大的说明检测数据变化较慢,说明待选变电设备越稳定,在达到第一预设概率阈值时间点处时,与对应的预设阈值仍有较大差距。
Sg,确定每个待选变电设备对应的每种检测数据的差值的总和。
对于本申请实施例,电子设备计算每个待选变电设备对应的每种检测数据的差值总和,差值总和越大,说明待选变电设备的检测数据变化越小,越适合作为备用变电设备。
Sh,将总和最大的待选变电设备确定为备用变电设备。
在确定出总和最大的待选变电设备后,将该变电设备确定为备选变电设备即可。
本申请实施例的一种可能的实现方式,步骤S118中确定备用变电设备,具体还可以包括:步骤S1(图中未示出)、步骤S2(图中未示出)、步骤S3(图中未示出)、步骤S4(图中未示出)、步骤S5(图中未示出)、步骤S6(图中未示出)以及步骤S7(图中未示出),其中,
S1,实时计算概率,并确定概率变化速率。
对于本申请实施例,电子设备计算实时的第一占比和第二占比,进而实时计算发生故障的概率,从而能够确定出概率随时间的变化速率。
S2,根据概率变化速率确定概率达到第一预设概率阈值的时间点。
对于本申请实施例,确定出概率变化速率后结合当前概率即可计算出变电设备达到第一预设概率阈值,即发生故障概率较大的时间点,假设时间点为15:00。
S3,确定时间点对应的多个历史同期时间点。
以步骤S2为例,确定时间点为15:00后,再确定过去时间中的15:00,例如过去7天中每天的15:00,即历史同期时间点,。
S4,获取待选变电设备在多个历史同期时间点的每种检测数据。对于本申请实施例,电子设备内存储有过去一段时间内的每种检测数据。假设获取过去一周7天内每天15:00的检测数据。
S5,计算每种检测数据在多个历史同期时间点的方差。
以步骤S4为例,获取到过去7天每天15:00的检测数据后,计算每种检测数据的方差,方差越小,说明检测数据在该时间点越稳定。
S6,计算每个待选变电设备对应的每种检测数据的方差的总和。
对于本申请实施例,计算每个待选变电设备对应的全部检测数据的方差总和,方差总和越小,说明任一变电设备在确定出的时间点发生故障时,待选变电设备的每种检测数据均较为稳定,越适合作为备用变电设备。
S7,将总和最小的待选变电设备确定为备用变电设备。
对于本申请实施例,方差总和最小的待选变电设备工作最稳定,因此将方差总和最小的待选变电设备确定为备用变电设备,从而在变电设备发生故障时,该备用变电设备接入供电线路后能够稳定工作。
上述实施例从方法流程的角度介绍一种变电站设备监测方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种变电站设备监测装置,具体详见下述实施例。
本申请实施例提供一种变电站设备监测装置20,如图2所示,该变电站设备监测装置20具体可以包括:
天气获取模块201,用于获取天气数据,从历史故障记录中确定在当前天气数据下发生故障的目标变电设备以及目标变电设备的故障原因;
设备确定模块202,用于基于故障原因确定目标变电设备对应的目标检测设备;
阈值确定模块203,用于对目标检测设备采集的检测数据设定异常阈值;
数据获取模块204,用于获取目标检测设备的检测数据;
标记模块205,用于当存在超过异常阈值的检测数据时,确定对应的异常检测设备,对异常检测设备以及目标变电设备进行标记。
本申请实施例提供了一种变电站设备监测装置20,其中,天气获取模块201获取当前的天气数据,并从历史故障记录中确定相同天气条件下发生过故障的目标变电设备以及发生故障的原因,历史中发生过故障的变电设备在当前相同的天气情况下再次发生故障的可能性较大,因此,设备确定模块202根据具体的故障原因确定目标变电设备的相关检测设备,即目标检测设备,目标检测设备用于检测变电设备的工作情况或周围环境情况等;阈值确定模块203设定目标检测设备对应的异常阈值,目标检测设备采集的检测数据超过异常阈值时,说明目标变电设备发生故障的可能性较大。因此,数据获取模块204获取目标检测设备对应的检测数据,若存在位于异常阈值内的检测数据,则标记模块205确定对应的异常检测设备,并对异常检测设备和目标变电设备进行标记,从而便于工作人员重点查看,进而实现根据天气情况的不同降低变电设备发生故障的概率。
本申请实施例的一种可能的实现方式,阈值确定模块203在对目标检测设备采集的检测数据设定异常阈值时,具体用于:
获取目标变电设备发生故障时,目标检测设备采集的历史数据;
根据历史数据确定用于计算异常阈值的第一系数;
基于历史数据以及第一系数确定每个目标检测设备的异常阈值。
本申请实施例的一种可能的实现方式,装置20还包括:
范围和参数确定模块,用于当检测到任一变电设备发生故障时,从历史故障记录中确定任一变电设备发生故障时的影响范围以及对应的目标检测设备的历史参数;
系数确定模块,用于基于影响范围以及历史参数确定第二系数;
影响范围确定模块,用于基于当前目标检测设备的检测数据以及第二系数,确定当前影响范围;
重点变电设备确定模块,用于确定当前影响范围内的重点变电设备;
图像获取模块,用于获取重点变电设备对应的监控图像;
故障识别模块,用于对监控图像进行故障识别,得到重点变电设备对应的故障识别结果。
本申请实施例的一种可能的实现方式,装置20还包括:
检测设备确定模块,用于确定重点变电设备对应的检测设备;
输出模块,用于优先输出重点变电设备对应的检测设备的检测数据。
本申请实施例的一种可能的实现方式,装置20还包括:
方差计算模块,用于计算任一变电设备对应的每种检测设备的检测数据的方差;
可疑检测设备确定模块,用于当存在方差大于对应的预设方差的可疑检测数据时,将可疑检测数据对应的目标检测设备确定为可疑检测设备;
第一占比确定模块,用于确定可疑检测设备的数量与全部检测设备的数量的第一占比;
第二占比确定模块,用于确定异常检测设备的数量与全部目标检测设备的数量的第二占比;
概率确定模块,用于基于第一占比、第二占比以及各自对应的权重确定任一变电设备发生故障的概率;
备用变电设备确定模块,用于当概率达到第一预设概率阈值时,则确定备用变电设备;
控制模块,用于控制备用变电设备接入任一变电设备的供电网络中。
本申请实施例的一种可能的实现方式,备用变电设备在确定备用变电设备时,具体用于:
确定同种类且未处于当前影响范围内的待选变电设备;
获取每个待选变电设备对应的每种检测数据的第一变化折线图;
获取任一变电设备发生故障的概率低于第二预设概率阈值时的每种检测数据的第二变化折线图;
基于第一变化折线图以及第二变化折线图计算每种检测数据的相似度;
基于每个待选变电设备对应的相似度计算每个待选变电设备的平均相似度;
将相似度最高的待选变电设备确定为备用变电设备。
本申请实施例的一种可能的实现方式,备用变电设备确定模块在确定备用变电设备时,还具体用于:
实时计算概率,并确定概率变化速率;
根据概率变化速率确定概率达到第一预设概率阈值的时间点;
确定同种类且未处于当前影响范围内的待选变电设备;
获取每个待选变电设备对应的每种检测数据的变化情况;
基于变化情况计算每种检测数据在时间点处的数值;
确定数值与对应的预设阈值的差值;
确定每个待选变电设备对应的每种检测数据的差值的总和;
将总和最大的待选变电设备确定为备用变电设备。
在本申请实施例中,第一占比确定模块以及第二占比确定模块可以是相同的占比确定模块,也可以是不同的占比确定模块。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的一种变电站设备监测装置20的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例中提供了一种电子设备,如图3所示,图3所示的电子设备30包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备30还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备30的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与相关技术相比,本申请实施例中获取当前的天气数据,并从历史故障记录中确定相同天气条件下发生过故障的目标变电设备以及发生故障的原因,历史中发生过故障的变电设备在当前相同的天气情况下再次发生故障的可能性较大,因此,根据具体的故障原因确定目标变电设备的相关检测设备,即目标检测设备,目标检测设备用于检测变电设备的工作情况或周围环境情况等;设定目标检测设备对应的异常阈值,目标检测设备采集的检测数据达到异常阈值时,说明目标变电设备发生故障的可能性较大。因此,获取目标检测设备对应的检测数据,若存在超过异常阈值的检测数据,则确定对应的异常检测设备,并对异常检测设备和目标变电设备进行标记,从而便于工作人员重点查看,进而实现根据天气情况的不同降低变电设备发生故障的概率。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种变电站设备监测方法,其特征在于,包括:
获取天气数据,从历史故障记录中确定在当前天气数据下发生故障的目标变电设备以及目标变电设备的故障原因;
基于所述故障原因确定所述目标变电设备对应的目标检测设备;
对所述目标检测设备采集的检测数据设定异常阈值;
获取所述目标检测设备的检测数据;
若存在超过异常阈值的检测数据,则确定对应的异常检测设备,对所述异常检测设备以及所述目标变电设备进行标记。
2.根据权利要求1所述的一种变电站设备监测方法,其特征在于,所述对所述目标检测设备采集的检测数据设定异常阈值,包括:
获取所述目标变电设备发生故障时,所述目标检测设备采集的历史数据;
根据所述历史数据确定用于计算异常阈值的第一系数;
基于所述历史数据以及所述第一系数确定每个目标检测设备的异常阈值。
3.根据权利要求2所述的一种变电站设备监测方法,其特征在于,所述方法还包括:
当检测到任一变电设备发生故障时,从历史故障记录中确定所述任一变电设备发生故障时的影响范围以及对应的目标检测设备的历史参数;
基于所述影响范围以及所述历史参数确定第二系数;
基于当前目标检测设备的检测数据以及所述第二系数,确定当前影响范围;
确定所述当前影响范围内的重点变电设备;
获取所述重点变电设备对应的监控图像;
对所述监控图像进行故障识别,得到所述重点变电设备对应的故障识别结果。
4.根据权利要求3所述的一种变电站设备监测方法,其特征在于,所述方法还包括:
确定所述重点变电设备对应的检测设备;
优先输出所述重点变电设备对应的检测设备的检测数据。
5.根据权利要求1所述的一种变电站设备监测方法,其特征在于,所述方法还包括:
计算任一变电设备对应的每种检测设备的检测数据的方差;
若存在方差大于对应的预设方差的可疑检测数据,则将所述可疑检测数据对应的目标检测设备确定为可疑检测设备;
确定所述可疑检测设备的数量与全部检测设备的数量的第一占比;
确定所述异常检测设备的数量与全部目标检测设备的数量的第二占比;
基于所述第一占比、第二占比以及各自对应的权重确定所述任一变电设备发生故障的概率;
若所述概率达到第一预设概率阈值,则确定备用变电设备;
控制所述备用变电设备接入所述任一变电设备的供电网络中。
6.根据权利要求5所述的一种变电站设备监测方法,其特征在于,所述确定备用变电设备,包括:
确定同种类且未处于所述当前影响范围内的待选变电设备;
获取每个待选变电设备对应的每种检测数据的第一变化折线图;
获取所述任一变电设备发生故障的概率低于第二预设概率阈值时的每种检测数据的第二变化折线图;
基于所述第一变化折线图以及第二变化折线图计算每种检测数据的相似度;
基于每个待选变电设备对应的相似度计算所述每个待选变电设备的平均相似度;
将相似度最高的待选变电设备确定为所述备用变电设备。
7.根据权利要求5所述的一种变电站设备监测方法,其特征在于,所述确定备用变电设备,包括:
实时计算概率,并确定概率变化速率;
根据概率变化速率确定所述概率达到第一预设概率阈值的时间点;
确定同种类且未处于所述当前影响范围内的待选变电设备;
获取每个待选变电设备对应的每种检测数据的变化情况;
基于所述变化情况计算每种检测数据在所述时间点处的数值;
确定所述数值与对应的预设阈值的差值;
确定每个待选变电设备对应的每种检测数据的差值的总和;
将所述总和最大的待选变电设备确定为备用变电设备。
8.一种变电站设备监测装置,其特征在于,包括:
天气获取模块,用于获取天气数据,从历史故障记录中确定在当前天气数据下发生故障的目标变电设备以及目标变电设备的故障原因;
设备确定模块,用于基于所述故障原因确定所述目标变电设备对应的目标检测设备;
阈值确定模块,用于对所述目标检测设备采集的检测数据设定异常阈值;
数据获取模块,用于获取所述目标检测设备的检测数据;
标记模块,用于当存在超过异常阈值的检测数据时,确定对应的异常检测设备,对所述异常检测设备以及所述目标变电设备进行标记。
9.一种电子设备,其特征在于,其包括:
一个或者多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个应用程序配置用于:执行根据权利要求1~7任一项所述的一种变电站设备监测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~7任一项所述的一种变电站设备监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211713270.8A CN115693962B (zh) | 2022-12-30 | 2022-12-30 | 一种变电站设备监测方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211713270.8A CN115693962B (zh) | 2022-12-30 | 2022-12-30 | 一种变电站设备监测方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115693962A true CN115693962A (zh) | 2023-02-03 |
CN115693962B CN115693962B (zh) | 2023-03-21 |
Family
ID=85055211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211713270.8A Active CN115693962B (zh) | 2022-12-30 | 2022-12-30 | 一种变电站设备监测方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115693962B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103595131A (zh) * | 2013-11-15 | 2014-02-19 | 国家电网公司 | 一种变电站变电设备在线监测系统 |
CN108008254A (zh) * | 2017-12-28 | 2018-05-08 | 国网上海市电力公司 | 一种变电站接地网故障诊断方法及装置 |
CN109919432A (zh) * | 2019-01-28 | 2019-06-21 | 国网湖北省电力有限公司宜昌供电公司 | 一种基于大数据的变电站设备故障影响因素分析方法 |
US20200241514A1 (en) * | 2019-01-28 | 2020-07-30 | Exxonmobil Research And Engineering Company | Method and systems for fault detection and identification |
CN112526251A (zh) * | 2020-10-22 | 2021-03-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于数据驱动的变电站电力设备故障诊断方法 |
CN113537268A (zh) * | 2020-11-24 | 2021-10-22 | 腾讯科技(深圳)有限公司 | 一种故障检测方法、装置、计算机设备及存储介质 |
-
2022
- 2022-12-30 CN CN202211713270.8A patent/CN115693962B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103595131A (zh) * | 2013-11-15 | 2014-02-19 | 国家电网公司 | 一种变电站变电设备在线监测系统 |
CN108008254A (zh) * | 2017-12-28 | 2018-05-08 | 国网上海市电力公司 | 一种变电站接地网故障诊断方法及装置 |
CN109919432A (zh) * | 2019-01-28 | 2019-06-21 | 国网湖北省电力有限公司宜昌供电公司 | 一种基于大数据的变电站设备故障影响因素分析方法 |
US20200241514A1 (en) * | 2019-01-28 | 2020-07-30 | Exxonmobil Research And Engineering Company | Method and systems for fault detection and identification |
CN112526251A (zh) * | 2020-10-22 | 2021-03-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于数据驱动的变电站电力设备故障诊断方法 |
CN113537268A (zh) * | 2020-11-24 | 2021-10-22 | 腾讯科技(深圳)有限公司 | 一种故障检测方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
梁伟;王楠;李振斌;: "变电站智能监控系统研究" * |
殷峰;李刚;石小帅;: "在线监测技术在变电检修中的应用分析" * |
Also Published As
Publication number | Publication date |
---|---|
CN115693962B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111949646B (zh) | 基于大数据的设备运行状况分析方法、装置、设备及介质 | |
CN115420325B (zh) | 排查储能装置异常传感器的方法、终端设备及存储介质 | |
CN112508638B (zh) | 数据处理的方法、装置及计算机设备 | |
CN112513883A (zh) | 异常检测方法和设备 | |
CN114387762A (zh) | 一种楼宇数据管理的方法、装置、设备及存储介质 | |
CN111383246A (zh) | 条幅检测方法、装置及设备 | |
CN115689534A (zh) | 基于大数据的设备寿命管理的方法、装置、设备及介质 | |
KR20210083418A (ko) | 건물의 화재 예측 분석 장치 및 방법 | |
CN112637888B (zh) | 覆盖空洞区域识别方法、装置、设备及可读存储介质 | |
CN115693962B (zh) | 一种变电站设备监测方法、装置、电子设备及介质 | |
CN111465045B (zh) | 一种ap的监控方法、监控服务器和监控系统 | |
CN113506293A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN112163618A (zh) | 一种设备故障的检测方法及检测系统 | |
CN116702006A (zh) | 异常判定方法、装置、计算机设备及存储介质 | |
CN115643231A (zh) | 车载终端设备检测的方法、装置、电子设备及存储介质 | |
CN113190997B (zh) | 一种大数据终端数据修复方法及系统 | |
CN111693822B (zh) | 一种基于云平台的电气设备线路故障检测系统 | |
CN114839554A (zh) | 一种电池告警方法、装置、电子设备及存储介质 | |
CN114913600A (zh) | 一种电表窃电检测方法、装置、电子设备及存储介质 | |
CN113946493A (zh) | 一种监控阈值确定及监控报警方法、装置、设备和介质 | |
CN113986671A (zh) | 运维数据异常检测方法、装置、设备及介质 | |
CN112364900A (zh) | 用于智慧建筑的设备告警管理方法、装置、客户端及介质 | |
CN114885231B (zh) | 一种通讯协议自适应的信号采集方法、系统、终端及介质 | |
CN116880395B (zh) | 基于dcs系统的监控方法、装置、设备及介质 | |
CN116526415B (zh) | 一种电力设备保护装置及其控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |