CN115859162A - 基于物联网的配电系统健康诊断方法及相关装置 - Google Patents

Abstract

本发明涉及物联网技术领域，公开了一种基于物联网的配电系统健康诊断方法及相关装置，用于提高配电系统的异常检测准确率以及检测效率。所述方法包括：获取目标配电系统的运行状态数据，并根据运行状态数据，对目标配电系统进行类别分析，得到配电系统类别；根据运行状态数据，对目标配电系统进行配电设备负载计算，得到多个配电设备负载数据；根据配电系统类别，对初始配电诊断模型进行参数配置，得到目标配电诊断模型；分别构建负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值；将多个负载特征值输入目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果。

Description

基于物联网的配电系统健康诊断方法及相关装置

技术领域

本发明涉及物联网技术领域，尤其涉及一种基于物联网的配电系统健康诊断方法及相关装置。

背景技术

将电力系统中从降压配电变电站出口到用户端的这一段系统称为配电系统。配电系统是由多种配电设备组成的变换电压和直接向终端用户分配电能的一个电力网络系统。

目前的配电系统分析方案，通常是通过人工对配电系统中各个设备进行巡查，进而得出配电系统的异常原因，现有方案受人工经验的影响较大，导致现有方案的准确率和效率很低。

发明内容

本发明提供了一种基于物联网的配电系统健康诊断方法及相关装置，用于提高配电系统的异常检测准确率以及检测效率。

本发明第一方面提供了一种基于物联网的配电系统健康诊断方法，所述基于物联网的配电系统健康诊断方法包括：

获取目标配电系统的运行状态数据，并根据所述运行状态数据，对所述目标配电系统进行类别分析，得到配电系统类别，其中，所述配电系统类别包括：高压配电系统、中压配电系统和低压配电系统；

根据所述运行状态数据，对所述目标配电系统进行配电设备负载计算，得到多个配电设备负载数据；

根据所述配电系统类别，对预置的初始配电诊断模型进行参数配置，得到目标配电诊断模型；

分别构建每个配电设备负载数据的负载曲线，并根据所述负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值；

将所述多个负载特征值输入所述目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果，其中，所述配电设备异常检测结果包括：异常运行类型以及目标异常配电设备。

结合第一方面，在本发明第一方面的第一实施方式中，所述获取目标配电系统的运行状态数据，并根据所述运行状态数据，对所述目标配电系统进行类别分析，得到配电系统类别，其中，所述配电系统类别包括：高压配电系统、中压配电系统和低压配电系统，包括：

基于预置的监控传感器，采集目标配电系统的运行状态数据；

对所述运行状态数据进行电压检测，得到所述目标配电系统对应的输入电压数据；

分别将第一目标值和第二目标值与所述输入电压数据进行比较，其中，所述第一目标值大于所述第二目标值；

若所述输入电压数据大于或者等于所述第一目标值，则确定所述目标配电系统的配电系统类别为高压配电系统；

若所述输入电压数据小于所述第一目标值且大于所述第二目标值，则确定所述目标配电系统的配电系统类别为中压配电系统；

若所述输入电压数据小于或者等于所述第二目标值，则确定所述目标配电系统的配电系统类别为低压配电系统。

结合第一方面，在本发明第一方面的第二实施方式中，所述根据所述运行状态数据，对所述目标配电系统进行配电设备负载计算，得到多个配电设备负载数据，包括：

根据所述运行状态数据，确定所述目标配电系统中的多个配电设备；

分别计算所述多个配电设备的负载数据，得到每个配电设备的初始负载数据；

对每个配电设备的初始负载数据进行数据校验，得到数据校验结果；

根据所述数据校验结果生成多个配电设备负载数据。

结合第一方面，在本发明第一方面的第三实施方式中，所述根据所述配电系统类别，对预置的初始配电诊断模型进行参数配置，得到目标配电诊断模型，包括：

根据所述配电系统类别，从预置的模型参数集合中匹配对应的目标模型参数组合；

根据所述目标模型参数组合，对预置的初始配电诊断模型进行参数配置，得到配置完成的初始配电诊断模型；

对所述配置完成的初始配电诊断模型进行模型测试，得到模型测试结果；

根据所述模型测试结果和所述配置完成的初始配电诊断模型生成目标配电诊断模型。

结合第一方面，在本发明第一方面的第四实施方式中，所述分别构建每个配电设备负载数据的负载曲线，并根据所述负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值，包括：

对每个配电设备负载数据进行离散化处理，得到每个配电设备负载数据对应的离散分布图；

对每个配电设备负载数据对应的离散分布图进行曲线拟合，生成每个配电设备负载数据的负载曲线；

获取每个配电设备负载数据的负载曲线对应的曲线特征；

根据所述曲线特征对所述配电设备负载数据进行特征数据提取，得到每个配电设备负载数据的多个特征指标；

分别对每个配电设备负载数据的多个特征指标进行数值映射，得到多个负载特征值。

结合第一方面，在本发明第一方面的第五实施方式中，所述将所述多个负载特征值输入所述目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果，其中，所述配电设备异常检测结果包括：异常运行类型以及目标异常配电设备，包括：

分别对多个负载特征值进行加权赋值，得到多个目标权值，并将所述多个目标权值转换为向量格式，得到目标输入向量；

将所述目标输入向量输入所述目标配电诊断模型，其中，所述目标配电诊断模型包括编码网络、解码网络以及预测层；

通过所述目标配电诊断模型对所述目标输入向量进行配电设备异常检测，得到配电设备异常检测结果，其中，所述配电设备异常检测结果包括：异常运行类型以及目标异常配电设备。

结合第一方面，在本发明第一方面的第六实施方式中，所述基于物联网的配电系统健康诊断方法还包括：

根据所述异常运行类型，对所述目标异常配电设备进行风险等级分析，生成风险预测等级；

对所述风险预测等级进行风险处理方案匹配，得到风险处理方案；

根据所述风险处理方案对所述目标异常配电设备下发风险处理指令，并对所述目标异常配电设备进行状态监测。

本发明第二方面提供了一种基于物联网的配电系统健康诊断装置，所述基于物联网的配电系统健康诊断装置包括：

获取模块，用于获取目标配电系统的运行状态数据，并根据所述运行状态数据，对所述目标配电系统进行类别分析，得到配电系统类别，其中，所述配电系统类别包括：高压配电系统、中压配电系统和低压配电系统；

计算模块，用于根据所述运行状态数据，对所述目标配电系统进行配电设备负载计算，得到多个配电设备负载数据；

配置模块，用于根据所述配电系统类别，对预置的初始配电诊断模型进行参数配置，得到目标配电诊断模型；

提取模块，用于分别构建每个配电设备负载数据的负载曲线，并根据所述负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值；

检测模块，用于将所述多个负载特征值输入所述目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果，其中，所述配电设备异常检测结果包括：异常运行类型以及目标异常配电设备。

结合第二方面，在本发明第二方面的第一实施方式中，所述获取模块具体用于：

基于预置的监控传感器，采集目标配电系统的运行状态数据；

对所述运行状态数据进行电压检测，得到所述目标配电系统对应的输入电压数据；

分别将第一目标值和第二目标值与所述输入电压数据进行比较，其中，所述第一目标值大于所述第二目标值；

若所述输入电压数据大于或者等于所述第一目标值，则确定所述目标配电系统的配电系统类别为高压配电系统；

若所述输入电压数据小于所述第一目标值且大于所述第二目标值，则确定所述目标配电系统的配电系统类别为中压配电系统；

若所述输入电压数据小于或者等于所述第二目标值，则确定所述目标配电系统的配电系统类别为低压配电系统。

结合第二方面，在本发明第二方面的第二实施方式中，所述计算模块具体用于：

根据所述运行状态数据，确定所述目标配电系统中的多个配电设备；

分别计算所述多个配电设备的负载数据，得到每个配电设备的初始负载数据；

对每个配电设备的初始负载数据进行数据校验，得到数据校验结果；

根据所述数据校验结果生成多个配电设备负载数据。

结合第二方面，在本发明第二方面的第三实施方式中，所述配置模块具体用于：

根据所述配电系统类别，从预置的模型参数集合中匹配对应的目标模型参数组合；

根据所述目标模型参数组合，对预置的初始配电诊断模型进行参数配置，得到配置完成的初始配电诊断模型；

对所述配置完成的初始配电诊断模型进行模型测试，得到模型测试结果；

根据所述模型测试结果和所述配置完成的初始配电诊断模型生成目标配电诊断模型。

结合第二方面，在本发明第二方面的第四实施方式中，所述提取模块具体用于：

对每个配电设备负载数据进行离散化处理，得到每个配电设备负载数据对应的离散分布图；

对每个配电设备负载数据对应的离散分布图进行曲线拟合，生成每个配电设备负载数据的负载曲线；

获取每个配电设备负载数据的负载曲线对应的曲线特征；

根据所述曲线特征对所述配电设备负载数据进行特征数据提取，得到每个配电设备负载数据的多个特征指标；

分别对每个配电设备负载数据的多个特征指标进行数值映射，得到多个负载特征值。

结合第二方面，在本发明第二方面的第五实施方式中，所述检测模块具体用于：

分别对多个负载特征值进行加权赋值，得到多个目标权值，并将所述多个目标权值转换为向量格式，得到目标输入向量；

将所述目标输入向量输入所述目标配电诊断模型，其中，所述目标配电诊断模型包括编码网络、解码网络以及预测层；

通过所述目标配电诊断模型对所述目标输入向量进行配电设备异常检测，得到配电设备异常检测结果，其中，所述配电设备异常检测结果包括：异常运行类型以及目标异常配电设备。

结合第二方面，在本发明第二方面的第六实施方式中，所述基于物联网的配电系统健康诊断装置还包括：

匹配模块，用于根据所述异常运行类型，对所述目标异常配电设备进行风险等级分析，生成风险预测等级；对所述风险预测等级进行风险处理方案匹配，得到风险处理方案；根据所述风险处理方案对所述目标异常配电设备下发风险处理指令，并对所述目标异常配电设备进行状态监测。

本发明第三方面提供了一种基于物联网的配电系统健康诊断设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于物联网的配电系统健康诊断设备执行上述的基于物联网的配电系统健康诊断方法。

本发明的第四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中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于物联网的配电系统健康诊断方法。

本发明提供的技术方案中，获取目标配电系统的运行状态数据，并根据运行状态数据，对目标配电系统进行类别分析，得到配电系统类别；根据运行状态数据，对目标配电系统进行配电设备负载计算，得到多个配电设备负载数据；根据配电系统类别，对初始配电诊断模型进行参数配置，得到目标配电诊断模型；分别构建负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值；将多个负载特征值输入目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果，本发明通过对目标配电系统进行类别划分以及负载计算，使得目标配电诊断模型可以更加精细化的识别目标配电系统中多个配电设备的潜在异常，进而提高了配电系统的异常检测准确率，并且由于本发明采用人工智能模型进行智能化的检测，提高了配电系统的检测效率。

附图说明

图1为本发明实施例中基于物联网的配电系统健康诊断方法的一个流程图；

图2为本发明实施例中配电设备负载计算的流程图；

图3为本发明实施例中对初始配电诊断模型进行参数配置的流程图；

图4为本发明实施例中对每个配电设备负载数据进行特征值提取的流程图；

图5为本发明实施例中基于物联网的配电系统健康诊断装置的一个实施例示意图；

图6为本发明实施例中基于物联网的配电系统健康诊断装置的另一个实施例示意图；

图7为本发明实施例中基于物联网的配电系统健康诊断设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种基于物联网的配电系统健康诊断方法及相关装置，用于提高配电系统的异常检测准确率以及检测效率。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”、“第三”、“第四”等（如果存在）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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，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。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于物联网的配电系统健康诊断方法的一个流程图包括：

S101、获取目标配电系统的运行状态数据，并根据运行状态数据，对目标配电系统进行类别分析，得到配电系统类别，其中，配电系统类别包括：高压配电系统、中压配电系统和低压配电系统；

可以理解的是，本发明的执行主体可以为基于物联网的配电系统健康诊断装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。

具体的，服务器获取目标配电系统的运行状态数据，进而服务器对该运行状态数据进行电压数据提取，确定该目标配电系统对应的电压数据，进一步的，服务器根据该目标配电系统对应的电压数据对目标配电系统进行类别分析，确定该配电系统类别，需要说明的是，该配电系统类别包括高压配电系统，中压配电系统及低压配电系统。

S102、根据运行状态数据，对目标配电系统进行配电设备负载计算，得到多个配电设备负载数据；

具体的，服务器对该运行状态数据进行数据标识分析，确定出多个数据标识，进而服务器根据该多个数据标识确定出该目标配电系统中的多个配电设备，进一步的，服务器分别对每一配电设备进行负载计算，得到多个配电设备负载数据。

S103、根据配电系统类别，对预置的初始配电诊断模型进行参数配置，得到目标配电诊断模型；

需要说明的是，服务器根据该配电系统类别对该初始配电诊断模型进行参数匹配，其中，服务器预先获取预置的模型参数集合，进一步的，服务器从该模型参数集合中确定对应的目标模型参数，进而服务器根据该目标模型参数对该初始配电诊断模型进行参数配置，得到目标配电诊断模型。其中，目标配电诊断模型是根据不同的配电系统类别进行初始配电诊断模型的参数配置的，因此目标配电诊断模型表示多个配电诊断模型，具体可以包括：用于高压配电系统的高压配电诊断模型、用于中压配电系统的中压配电诊断模型以及用于低压配电系统的低压配电诊断模型。

S104、分别构建每个配电设备负载数据的负载曲线，并根据负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值；

具体的，服务器首先对每个配电设备负载数据进行离散化处理，进而确定与每个配电设备负载数据对应的离散分布图，进一步的，服务器根据每个配电设备负载数据对应的离散分布图构建每个配电设备负载数据的负载曲线，进一步的，服务器对每个配电设备负载数据的负载曲线进行曲线特征分析，确定对应的曲线特征，最终根据该曲线特征对每个配电设备负载数据进行特征值提取，得到多个负载特征值。

S105、将多个负载特征值输入目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果，其中，配电设备异常检测结果包括：异常运行类型以及目标异常配电设备。

具体的，服务器将多个负载特征值输入目标配电诊断模型，进而该目标配电诊断模型对多个负载特征值进行向量转换，得到目标输入向量，进而将该目标输入向量输入该目标配电诊断模型进行配电设备异常检测，最终得到配电设备异常检测结果。其中，异常运行类型具体包括：低压负载异常、高压负载异常以及超高压负载异常。

本发明实施例中，获取目标配电系统的运行状态数据，并根据运行状态数据，对目标配电系统进行类别分析，得到配电系统类别；根据运行状态数据，对目标配电系统进行配电设备负载计算，得到多个配电设备负载数据；根据配电系统类别，对初始配电诊断模型进行参数配置，得到目标配电诊断模型；分别构建负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值；将多个负载特征值输入目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果，本发明通过对目标配电系统进行类别划分以及负载计算，使得目标配电诊断模型可以更加精细化的识别目标配电系统中多个配电设备的潜在异常，进而提高了配电系统的异常检测准确率，并且由于本发明采用人工智能模型进行智能化的检测，提高了配电系统的检测效率。

在一具体实施例中，执行步骤S101的过程可以具体包括如下步骤：

（1）基于预置的监控传感器，采集目标配电系统的运行状态数据；

（2）对运行状态数据进行电压检测，得到目标配电系统对应的输入电压数据；

（3）分别将第一目标值和第二目标值与输入电压数据进行比较，其中，第一目标值大于第二目标值；

（4）若输入电压数据大于或者等于第一目标值，则确定目标配电系统的配电系统类别为高压配电系统；

（5）若输入电压数据小于第一目标值且大于第二目标值，则确定目标配电系统的配电系统类别为中压配电系统；

（6）若输入电压数据小于或者等于第二目标值，则确定目标配电系统的配电系统类别为低压配电系统。

具体的，服务器基于预置的监控传感器，采集目标配电系统的运行状态数据，其中，该预置的监控传感器可以包括电流传感器或电压传感器等，此处不作限定。

对运行状态数据进行电压检测，得到目标配电系统对应的输入电压数据，其中，服务器对该运行状态数据进行数据量纲分析，确定出对应的电压量纲数据，进一步的，服务器对该电压量纲数据进行输入电压计算，得到目标配电系统对应的输入电压数据，分别将第一目标值和第二目标值与输入电压数据进行比较，其中，第一目标值大于第二目标值，若输入电压数据大于或者等于第一目标值，则确定目标配电系统的配电系统类别为高压配电系统，若输入电压数据小于第一目标值且大于第二目标值，则确定目标配电系统的配电系统类别为中压配电系统，需要说明的是，该第一目标值及第二目标值可以根据实际情况灵活设置，若输入电压数据小于或者等于第二目标值，则确定目标配电系统的配电系统类别为低压配电系统。

在一具体实施例中，如图2所示，执行步骤S102的过程可以具体包括如下步骤：

S201、根据运行状态数据，确定目标配电系统中的多个配电设备；

S202、分别计算多个配电设备的负载数据，得到每个配电设备的初始负载数据；

S203、对每个配电设备的初始负载数据进行数据校验，得到数据校验结果；

S204、根据数据校验结果生成多个配电设备负载数据。

具体的，服务器根据运行状态数据，确定目标配电系统中的多个配电设备，其中，服务器对该运行状态数据进行标识分析，确定多个数据标识，进而服务器根据该多个数据标识确定目标配电系统中的多个配电设备，分别计算多个配电设备的负载数据，得到每个配电设备的初始负载数据，需要说明的是，在计算每个配电设备的负载数据时，服务器分别对每一配电设备进行负载率分析，确定出与每一配电设备对应的负载率，进而服务器确定该目标配电系统的总负载，进而服务器根据该目标配电系统的总负载以及与每一配电设备对应的负载率进行负载数据计算，得到每个配电设备的初始负载数据。对每个配电设备的初始负载数据进行数据校验，得到数据校验结果，其中，服务器对每个配电设备的负载数据进行数据量纲正确性分析，确定对应的正确性分析结果，进而服务器通过该正确性分析结果对每个配电设备的负载数据进行数据校验，得到数据校验结果，最终，服务器根据数据校验结果生成多个配电设备负载数据。

在一具体实施例中，如图3所示，执行步骤S103的过程可以具体包括如下步骤：

S301、根据配电系统类别，从预置的模型参数集合中匹配对应的目标模型参数组合；

S302、根据目标模型参数组合，对预置的初始配电诊断模型进行参数配置，得到配置完成的初始配电诊断模型；

S303、对配置完成的初始配电诊断模型进行模型测试，得到模型测试结果；

S304、根据模型测试结果和配置完成的初始配电诊断模型生成目标配电诊断模型。

具体的，服务器根据配电系统类别，从预置的模型参数集合中匹配对应的目标模型参数组合，其中，服务器根据该配电系统类别确定参数类别，进而服务器根据该参数类别从该预置的模型参数集合中进行参数匹配，得到对应的目标模型参数组合，根据目标模型参数组合，对预置的初始配电诊断模型进行参数配置，得到配置完成的初始配电诊断模型，对配置完成的初始配电诊断模型进行模型测试，得到模型测试结果，其中，在进行模式测试的过程中，服务器将多个历史配电负载数据输入该初始配电诊断模型进行预测，确定对应的预测结果，进而服务器根据该预测结果确定对应的模型损失值，最终服务器将该模型损失值作为该模型测试结果，最终，服务器根据模型测试结果和配置完成的初始配电诊断模型生成目标配电诊断模型。

在一具体实施例中，如图4所示，执行步骤S104的过程可以具体包括如下步骤：

S401、对每个配电设备负载数据进行离散化处理，得到每个配电设备负载数据对应的离散分布图；

S402、对每个配电设备负载数据对应的离散分布图进行曲线拟合，生成每个配电设备负载数据的负载曲线；

S403、获取每个配电设备负载数据的负载曲线对应的曲线特征；

S404、根据曲线特征对配电设备负载数据进行特征数据提取，得到每个配电设备负载数据的多个特征指标；

S405、分别对每个配电设备负载数据的多个特征指标进行数值映射，得到多个负载特征值。

具体的，服务器对每个配电设备负载数据进行离散化处理，得到每个配电设备负载数据对应的离散分布图，其中，在进行离散化处理时，服务器对每个配电设备负载数据进行数据离散程度分析，确定与每一配电设备负载数据对应的数据离散程度，进而服务器根据与每一配电设备负载数据对应的数据离散程度进行离散化处理，得到每个配电设备负载数据对应的离散分布图，进一步的，对每个配电设备负载数据对应的离散分布图进行曲线拟合，生成每个配电设备负载数据的负载曲线，获取每个配电设备负载数据的负载曲线对应的曲线特征，其中，该曲线特征包括曲线拐点、数据尖峰等曲线特征，进一步的，服务器根据曲线特征对配电设备负载数据进行特征数据提取，得到每个配电设备负载数据的多个特征指标，分别对每个配电设备负载数据的多个特征指标进行数值映射，得到多个负载特征值。

在一具体实施例中，执行步骤S105的过程可以具体包括如下步骤：

（1）分别对多个负载特征值进行加权赋值，得到多个目标权值，并将多个目标权值转换为向量格式，得到目标输入向量；

（2）将目标输入向量输入目标配电诊断模型，其中，目标配电诊断模型包括编码网络、解码网络以及预测层；

（3）通过目标配电诊断模型对目标输入向量进行配电设备异常检测，得到配电设备异常检测结果，其中，配电设备异常检测结果包括：异常运行类型以及目标异常配电设备。

具体的，分别对多个负载特征值进行加权赋值，得到多个目标权值，并将多个目标权值转换为向量格式，得到目标输入向量，其中，服务器对该多个负载特征值进行权重分配，确定与每一负载特征值对应的数据权重，进而服务器根据与每一负载特征值对应的数据权重分别对多个负载特征值进行加权赋值，得到多个目标权值，进而服务器对该多个目标权值进行矩阵转换，确定对应的多个矩阵，最终服务器根据该多个矩阵转换为向量格式，得到目标输入向量，进一步的，服务器将目标输入向量输入目标配电诊断模型，其中，目标配电诊断模型包括编码网络、解码网络以及预测层，通过目标配电诊断模型对目标输入向量进行配电设备异常检测，得到配电设备异常检测结果，其中，配电设备异常检测结果包括：异常运行类型以及目标异常配电设备。

在一具体实施例中，上述基于物联网的配电系统健康诊断方法还包括如下步骤：

（1）根据异常运行类型，对目标异常配电设备进行风险等级分析，生成风险预测等级；

（2）对风险预测等级进行风险处理方案匹配，得到风险处理方案；

（3）根据风险处理方案对目标异常配电设备下发风险处理指令，并对目标异常配电设备进行状态监测。

具体的，根据异常运行类型，对目标异常配电设备进行风险等级分析，生成风险预测等级，其中，服务器根据预置的风险等级映射表对该异常运行类型进行风险等级分析，确定对应的风险预测等级，进一步的，服务器获取预置的风险处理方案数据数据库，进而服务器根据该风险方案数据库对该风险预测等级进行风险处理方案匹配，得到风险处理方案，最终，服务器根据风险处理方案对目标异常配电设备下发风险处理指令，并对目标异常配电设备进行状态监测。其中，低压负载异常对应的风险预测等级为一级风险，一级风险的风险处理方案包括：对低压负载异常的配电设备按照预设第一检查频率进行定期检查，及时发现异常情况，并采集配电设备状态数据进行处理，实施定期维护、定期更换配电设备零部件等措施；高压负载异常对应的风险预测等级为二级风险，二级风险的风险处理方案包括：对高压负载异常的配电设备按照预设第二检查频率进行定期检查，采集配电设备状态数据进行处理，并派发人工维护工单进现场检查，及时排查故障问题；超高压负载异常对应的风险预测等级为三级风险，三级风险的风险处理方案包括：对超高压负载异常的配电设备按照预设第三检查频率进行定期检查，采集配电设备状态数据进行处理，对配电设备进行断电、关停等处理。

上面对本发明实施例中基于物联网的配电系统健康诊断方法进行了描述，下面对本发明实施例中基于物联网的配电系统健康诊断装置进行描述，请参阅图5，本发明实施例中基于物联网的配电系统健康诊断装置一个实施例包括：

获取模块501，用于获取目标配电系统的运行状态数据，并根据所述运行状态数据，对所述目标配电系统进行类别分析，得到配电系统类别，其中，所述配电系统类别包括：高压配电系统、中压配电系统和低压配电系统；

计算模块502，用于根据所述运行状态数据，对所述目标配电系统进行配电设备负载计算，得到多个配电设备负载数据；

配置模块503，用于根据所述配电系统类别，对预置的初始配电诊断模型进行参数配置，得到目标配电诊断模型；

提取模块504，用于分别构建每个配电设备负载数据的负载曲线，并根据所述负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值；

检测模块505，用于将所述多个负载特征值输入所述目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果，其中，所述配电设备异常检测结果包括：异常运行类型以及目标异常配电设备。

通过上述各个组成部分的协同合作，获取目标配电系统的运行状态数据，并根据运行状态数据，对目标配电系统进行类别分析，得到配电系统类别；根据运行状态数据，对目标配电系统进行配电设备负载计算，得到多个配电设备负载数据；根据配电系统类别，对初始配电诊断模型进行参数配置，得到目标配电诊断模型；分别构建负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值；将多个负载特征值输入目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果，本发明通过对目标配电系统进行类别划分以及负载计算，使得目标配电诊断模型可以更加精细化的识别目标配电系统中多个配电设备的潜在异常，进而提高了配电系统的异常检测准确率，并且由于本发明采用人工智能模型进行智能化的检测，提高了配电系统的检测效率。

请参阅图6，本发明实施例中基于物联网的配电系统健康诊断装置另一个实施例包括：

获取模块501，用于获取目标配电系统的运行状态数据，并根据所述运行状态数据，对所述目标配电系统进行类别分析，得到配电系统类别，其中，所述配电系统类别包括：高压配电系统、中压配电系统和低压配电系统；

计算模块502，用于根据所述运行状态数据，对所述目标配电系统进行配电设备负载计算，得到多个配电设备负载数据；

配置模块503，用于根据所述配电系统类别，对预置的初始配电诊断模型进行参数配置，得到目标配电诊断模型；

提取模块504，用于分别构建每个配电设备负载数据的负载曲线，并根据所述负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值；

检测模块505，用于将所述多个负载特征值输入所述目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果，其中，所述配电设备异常检测结果包括：异常运行类型以及目标异常配电设备。

可选的，所述获取模块501具体用于：

基于预置的监控传感器，采集目标配电系统的运行状态数据；

对所述运行状态数据进行电压检测，得到所述目标配电系统对应的输入电压数据；

分别将第一目标值和第二目标值与所述输入电压数据进行比较，其中，所述第一目标值大于所述第二目标值；

若所述输入电压数据大于或者等于所述第一目标值，则确定所述目标配电系统的配电系统类别为高压配电系统；

若所述输入电压数据小于所述第一目标值且大于所述第二目标值，则确定所述目标配电系统的配电系统类别为中压配电系统；

若所述输入电压数据小于或者等于所述第二目标值，则确定所述目标配电系统的配电系统类别为低压配电系统。

可选的，所述计算模块502具体用于：

根据所述运行状态数据，确定所述目标配电系统中的多个配电设备；

分别计算所述多个配电设备的负载数据，得到每个配电设备的初始负载数据；

对每个配电设备的初始负载数据进行数据校验，得到数据校验结果；

根据所述数据校验结果生成多个配电设备负载数据。

可选的，所述配置模块503具体用于：

根据所述配电系统类别，从预置的模型参数集合中匹配对应的目标模型参数组合；

根据所述目标模型参数组合，对预置的初始配电诊断模型进行参数配置，得到配置完成的初始配电诊断模型；

对所述配置完成的初始配电诊断模型进行模型测试，得到模型测试结果；

根据所述模型测试结果和所述配置完成的初始配电诊断模型生成目标配电诊断模型。

可选的，所述提取模块504具体用于：

对每个配电设备负载数据进行离散化处理，得到每个配电设备负载数据对应的离散分布图；

对每个配电设备负载数据对应的离散分布图进行曲线拟合，生成每个配电设备负载数据的负载曲线；

获取每个配电设备负载数据的负载曲线对应的曲线特征；

根据所述曲线特征对所述配电设备负载数据进行特征数据提取，得到每个配电设备负载数据的多个特征指标；

分别对每个配电设备负载数据的多个特征指标进行数值映射，得到多个负载特征值。

可选的，所述检测模块505具体用于：

分别对多个负载特征值进行加权赋值，得到多个目标权值，并将所述多个目标权值转换为向量格式，得到目标输入向量；

将所述目标输入向量输入所述目标配电诊断模型，其中，所述目标配电诊断模型包括编码网络、解码网络以及预测层；

通过所述目标配电诊断模型对所述目标输入向量进行配电设备异常检测，得到配电设备异常检测结果，其中，所述配电设备异常检测结果包括：异常运行类型以及目标异常配电设备。

可选的，所述基于物联网的配电系统健康诊断装置还包括：

匹配模块506，用于根据所述异常运行类型，对所述目标异常配电设备进行风险等级分析，生成风险预测等级；对所述风险预测等级进行风险处理方案匹配，得到风险处理方案；根据所述风险处理方案对所述目标异常配电设备下发风险处理指令，并对所述目标异常配电设备进行状态监测。

本发明实施例中，获取目标配电系统的运行状态数据，并根据运行状态数据，对目标配电系统进行类别分析，得到配电系统类别；根据运行状态数据，对目标配电系统进行配电设备负载计算，得到多个配电设备负载数据；根据配电系统类别，对初始配电诊断模型进行参数配置，得到目标配电诊断模型；分别构建负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值；将多个负载特征值输入目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果，本发明通过对目标配电系统进行类别划分以及负载计算，使得目标配电诊断模型可以更加精细化的识别目标配电系统中多个配电设备的潜在异常，进而提高了配电系统的异常检测准确率，并且由于本发明采用人工智能模型进行智能化的检测，提高了配电系统的检测效率。

上面图5和图6从模块化功能实体的角度对本发明实施例中的基于物联网的配电系统健康诊断装置进行详细描述，下面从硬件处理的角度对本发明实施例中基于物联网的配电系统健康诊断设备进行详细描述。

图7是本发明实施例提供的一种基于物联网的配电系统健康诊断设备的结构示意图，该基于物联网的配电系统健康诊断设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对基于物联网的配电系统健康诊断设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在基于物联网的配电系统健康诊断设备600上执行存储介质630中的一系列指令操作。

基于物联网的配电系统健康诊断设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图7示出的基于物联网的配电系统健康诊断设备结构并不构成对基于物联网的配电系统健康诊断设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种基于物联网的配电系统健康诊断设备，所述基于物联网的配电系统健康诊断设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述基于物联网的配电系统健康诊断方法的步骤。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述基于物联网的配电系统健康诊断方法的步骤。

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，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random acceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上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精神和范围。

Claims (10)

1.一种基于物联网的配电系统健康诊断方法，其特征在于，所述基于物联网的配电系统健康诊断方法包括：

获取目标配电系统的运行状态数据，并根据所述运行状态数据，对所述目标配电系统进行类别分析，得到配电系统类别，其中，所述配电系统类别包括：高压配电系统、中压配电系统和低压配电系统；

根据所述运行状态数据，对所述目标配电系统进行配电设备负载计算，得到多个配电设备负载数据；

根据所述配电系统类别，对预置的初始配电诊断模型进行参数配置，得到目标配电诊断模型；

分别构建每个配电设备负载数据的负载曲线，并根据所述负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值；

将所述多个负载特征值输入所述目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果，其中，所述配电设备异常检测结果包括：异常运行类型以及目标异常配电设备。

2.根据权利要求1所述的基于物联网的配电系统健康诊断方法，其特征在于，所述获取目标配电系统的运行状态数据，并根据所述运行状态数据，对所述目标配电系统进行类别分析，得到配电系统类别，其中，所述配电系统类别包括：高压配电系统、中压配电系统和低压配电系统，包括：

基于预置的监控传感器，采集目标配电系统的运行状态数据；

对所述运行状态数据进行电压检测，得到所述目标配电系统对应的输入电压数据；

分别将第一目标值和第二目标值与所述输入电压数据进行比较，其中，所述第一目标值大于所述第二目标值；

若所述输入电压数据大于或者等于所述第一目标值，则确定所述目标配电系统的配电系统类别为高压配电系统；

若所述输入电压数据小于所述第一目标值且大于所述第二目标值，则确定所述目标配电系统的配电系统类别为中压配电系统；

若所述输入电压数据小于或者等于所述第二目标值，则确定所述目标配电系统的配电系统类别为低压配电系统。

3.根据权利要求1所述的基于物联网的配电系统健康诊断方法，其特征在于，所述根据所述运行状态数据，对所述目标配电系统进行配电设备负载计算，得到多个配电设备负载数据，包括：

根据所述运行状态数据，确定所述目标配电系统中的多个配电设备；

分别计算所述多个配电设备的负载数据，得到每个配电设备的初始负载数据；

对每个配电设备的初始负载数据进行数据校验，得到数据校验结果；

根据所述数据校验结果生成多个配电设备负载数据。

4.根据权利要求1所述的基于物联网的配电系统健康诊断方法，其特征在于，所述根据所述配电系统类别，对预置的初始配电诊断模型进行参数配置，得到目标配电诊断模型，包括：

根据所述配电系统类别，从预置的模型参数集合中匹配对应的目标模型参数组合；

根据所述目标模型参数组合，对预置的初始配电诊断模型进行参数配置，得到配置完成的初始配电诊断模型；

对所述配置完成的初始配电诊断模型进行模型测试，得到模型测试结果；

根据所述模型测试结果和所述配置完成的初始配电诊断模型生成目标配电诊断模型。

5.根据权利要求1所述的基于物联网的配电系统健康诊断方法，其特征在于，所述分别构建每个配电设备负载数据的负载曲线，并根据所述负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值，包括：

对每个配电设备负载数据进行离散化处理，得到每个配电设备负载数据对应的离散分布图；

对每个配电设备负载数据对应的离散分布图进行曲线拟合，生成每个配电设备负载数据的负载曲线；

获取每个配电设备负载数据的负载曲线对应的曲线特征；

根据所述曲线特征对所述配电设备负载数据进行特征数据提取，得到每个配电设备负载数据的多个特征指标；

分别对每个配电设备负载数据的多个特征指标进行数值映射，得到多个负载特征值。

6.根据权利要求1所述的基于物联网的配电系统健康诊断方法，其特征在于，所述将所述多个负载特征值输入所述目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果，其中，所述配电设备异常检测结果包括：异常运行类型以及目标异常配电设备，包括：

分别对多个负载特征值进行加权赋值，得到多个目标权值，并将所述多个目标权值转换为向量格式，得到目标输入向量；

将所述目标输入向量输入所述目标配电诊断模型，其中，所述目标配电诊断模型包括编码网络、解码网络以及预测层；

通过所述目标配电诊断模型对所述目标输入向量进行配电设备异常检测，得到配电设备异常检测结果，其中，所述配电设备异常检测结果包括：异常运行类型以及目标异常配电设备。

7.根据权利要求1所述的基于物联网的配电系统健康诊断方法，其特征在于，所述基于物联网的配电系统健康诊断方法还包括：

根据所述异常运行类型，对所述目标异常配电设备进行风险等级分析，生成风险预测等级；

对所述风险预测等级进行风险处理方案匹配，得到风险处理方案；

根据所述风险处理方案对所述目标异常配电设备下发风险处理指令，并对所述目标异常配电设备进行状态监测。

8.一种基于物联网的配电系统健康诊断装置，其特征在于，所述基于物联网的配电系统健康诊断装置包括：

获取模块，用于获取目标配电系统的运行状态数据，并根据所述运行状态数据，对所述目标配电系统进行类别分析，得到配电系统类别，其中，所述配电系统类别包括：高压配电系统、中压配电系统和低压配电系统；

计算模块，用于根据所述运行状态数据，对所述目标配电系统进行配电设备负载计算，得到多个配电设备负载数据；

配置模块，用于根据所述配电系统类别，对预置的初始配电诊断模型进行参数配置，得到目标配电诊断模型；

提取模块，用于分别构建每个配电设备负载数据的负载曲线，并根据所述负载曲线对每个配电设备负载数据进行特征值提取，得到多个负载特征值；

检测模块，用于将所述多个负载特征值输入所述目标配电诊断模型进行配电设备异常检测，得到配电设备异常检测结果，其中，所述配电设备异常检测结果包括：异常运行类型以及目标异常配电设备。

9.一种基于物联网的配电系统健康诊断设备，其特征在于，所述基于物联网的配电系统健康诊断设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于物联网的配电系统健康诊断设备执行如权利要求1-7中任一项所述的基于物联网的配电系统健康诊断方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的基于物联网的配电系统健康诊断方法。

Images