CN115932476B - 基于数字孪生的故障定位方法、装置、电子设备及介质 - Google Patents

Abstract

本申请涉及配电站监测的领域，尤其是涉及基于数字孪生的故障定位方法、装置、电子设备及介质，该方法包括获取目标配电站的用电信息和环境信息，用电信息包括配电站中各个设备分别对应的用电参数，环境信息包括目标配电站中各个设备分别对应的工作环境信息，然后基于环境信息确定故障现象，再基于用电信息和故障现象确定预测故障原因，并且基于故障原因在目标模型中定位出故障设备对应的故障模型,目标模型基于目标配电站中各个设备分别对应的仿真模型以及各个设备的连接关系建立，仿真模型基于对应设备中元器件的点云数据建立以及元器件之间的连接关系建立。本申请具有提高确定配电站故障的效率的效果。

Description

基于数字孪生的故障定位方法、装置、电子设备及介质

技术领域

本申请涉及配电站监测的领域，尤其是涉及基于数字孪生的故障定位方法、装置、电子设备及介质。

背景技术

在我国，电力系统和设施较为庞大且复杂，配电站数量较多。当配电站出现故障时，往往需要检修人员前往检修，但是一般配电站设备较多，且连接关系复杂，往往需要花费较长的时间定位故障原因，之后再针对故障原因进行维修。但是，存在检修人员对该配电站不熟悉等原因，因此，定位故障时，往往需要耗费更多的时间。

发明内容

为了提高确定配电站故障的效率，本申请提供一种基于数字孪生的故障定位方法、装置、电子设备及介质。

第一方面，本申请提供一种基于数字孪生的故障定位方法，采用如下的技术方案：

一种基于数字孪生的故障定位方法，包括：

获取目标配电站的用电信息和环境信息，所述用电信息包括配电站中各个设备分别对应的用电参数，所述环境信息包括目标配电站中各个设备分别对应的工作环境信息；

基于所述环境信息确定故障现象；

基于所述用电信息和所述故障现象确定预测故障原因；

基于所述故障原因在目标模型中定位出所述故障设备对应的故障模型, 所述目标模型基于目标配电站中各个设备分别对应的仿真模型以及各个设备的连接关系建立，仿真模型基于对应设备中元器件的点云数据建立以及元器件之间的连接关系建立。

通过采用上述技术方案，基于环境信息可以发现故障现象，然后基于用电信息和故障现象能够预测得到预测故障原因，便于给检修人员提供首先检修的思路和方向，便于节约时间提高效率；其次由于预测故障原因是预测的，也可能存在不准确的情况，同时，由于检修人员对当前的配电站可能不熟悉，因此通过故障原因定位出故障设备对应的故障模型，以便于检修人员预先了解故障设备内部的结构和情况，以提高检修时的效率和安全性。

在一种可能实现的方式中，所述基于所述环境信息确定故障现象，包括：

确定环境信息对应的数据类型；

基于所述数据类型提取对应的环境信息的特征信息；

基于所有所述特征信息确定故障现象。

通过采用上述技术方案，通过对不同的数据类型进行对应的特征信息的提取，便于更准确地基于确定的特征信息确定故障现象。

在一种可能实现的方式中，所述基于所述用电信息和所述故障现象确定故障原因，包括：

基于所述故障现象确定第一故障原因；

从所述用电信息中确定用电参数异常的异常设备；

基于所述异常设备对应的用电参数对所述异常设备对应的故障模型进行仿真，确定异常设备的第二故障原因；

基于所述第二故障原因和所述第一故障原因对所述异常设备对应的故障模型进行测试，得到目标模型中的仿真用电信息，所述仿真用电信息包括各个仿真模型对应的仿真用电参数；

基于所述仿真用电信息和所述用电信息确定隐性故障原因；

基于所述第一故障原因、所述第二故障原因以及所述隐性故障原因确定故障原因，所述故障原因包括所有故障元器件。

通过采用上述技术方案，在确定第一故障原因和第二故障原因之后，基于第一故障原因和第二故障原因进行仿真模拟测试，基于仿真用电参数以验证第一故障原因和第二故障原因的准确性，以及验证是否存在未发现的隐形故障原因；再基于第一故障原因、第二故障原因以及隐性故障原因确定故障原因，以便于进一步得到更准确地故障原因的结果。

在一种可能实现的方式中，所述基于所述仿真用电信息和所述用电信息确定隐性故障原因，包括：

确定差异参数，所述差异参数为所述用电信息中与所述仿真用电信息中存在差异的用电参数；

将所述差异参数输入故障预测模型，得到隐性故障原因；

所述预测故障模型是将基于知识图谱建立的初始网络模型经过训练得到，所述知识图谱包括每个设备中各个元器件的连接关系、位置关系以及具备相互作用的元器件间的约束关系；

所述初始网络模型的训练样本包括目标配电站中各个设备分别对应的每个故障信息，每个故障信息包括设备中任一个元器件故障时对设备对应的用电参数影响的相关度。

通过采用上述技术方案，获取的用电信息和仿真得到的故障设备的仿真用电信息进行对比，则得到的差异参数即为隐性故障原因所引起的，通过差异参数以及训练好的故障预测模型，得到隐性故障原因，便于更深入且完整地定位故障原因。

在一种可能实现的方式中，所述方法还包括：

从所述故障模型中对各个所述故障元器件进行标记，得到在故障模型中的各个标记元器件；

基于所有所述标记元器件确定标准顺序；

基于所述标准顺序生成对每个所述标记元器件的指示信息。

通过采用上述技术方案，对故障模型中的故障元器件进行标记后，得到标记元器件，在确定标记元器件检修的标准顺序之后，基于标准顺序生成对每个元器件的指示信息，以提醒检修人员，便于检修人员的规范性操作，进而提高安全性。

在一种可能实现的方式中，所述方法还包括：

获取多个检修图像，所述检修图像为检修人员在对故障设备进行检修时的图像；

基于所述多个检修图像确定检修人员的行为特征和检修人员对标记元器件的检修顺序；

判断所述行为特征是否符合预设的标准行为，以及所述检修顺序是否符合所述标准顺序；

若任一项不符合，则生成告警信息。

通过采用上述技术方案，通过获取检修图像，且基于检修图像得到的检修顺序，在判断检修顺序不符合预设的标准顺序之后，通过生成提示信息以便于提醒相关人员。

在一种可能实现的方式中，所述基于所述多个检修图像确定检修人员的行为特征和检修人员对标记元器件的检修顺序，包括：

基于所述多个检修图像确定每张检修图像中的人体姿态以及每张检修图像中的元器件类型；

基于至少三个相邻的手部动作确定一个行为特征；

基于每个检修图像的获取顺序以及每个检修图像中的元器件类型，确定检修人员对故障元器件的检修顺序。

第二方面，本申请提供一种基于数字孪生的故障定位装置，采用如下的技术方案：

一种基于数字孪生的故障定位装置，包括：

获取模块，用于获取目标配电站的用电信息和环境信息，所述用电信息包括配电站中各个设备分别对应的用电参数，所述环境信息包括目标配电站中各个设备分别对应的工作环境信息；

故障现象确定模块，用于基于所述环境信息确定故障现象；

故障原因确定模块，用于基于所述用电信息和所述故障现象确定预测故障原因；

故障模型确定模块，基于所述故障原因在目标模型中定位出所述故障设备对应的故障模型, 所述目标模型基于目标配电站中各个设备分别对应的仿真模型以及各个设备的连接关系建立，仿真模型基于对应设备中元器件的点云数据建立以及元器件之间的连接关系建立。

通过采用上述技术方案，该装置能够基于环境信息可以发现故障现象，然后基于用电信息和故障现象能够预测得到预测故障原因，便于给检修人员提供首先检修的思路和方向，便于节约时间提高效率；其次由于预测故障原因是预测的，也可能存在不准确的情况，同时，由于检修人员对当前的配电站可能不熟悉，因此通过故障原因定位出故障设备对应的故障模型，以便于检修人员预先了解故障设备内部的结构和情况，以提高检修时的效率和安全性。

在一种可能实现的方式中，当故障现象确定模块在基于所述环境信息确定故障现象时，具体用于：

确定环境信息对应的数据类型；

基于所述数据类型提取对应的环境信息的特征信息；

基于所有所述特征信息确定故障现象。

在一种可能实现的方式中，当故障原因确定模块在基于所述用电信息和所述故障现象确定故障原因时，具体用于：

基于所述故障现象确定第一故障原因；

从所述用电信息中确定用电参数异常的异常设备；

基于所述异常设备对应的用电参数对所述异常设备对应的故障模型进行仿真，确定异常设备的第二故障原因；

基于所述第二故障原因和所述第一故障原因对所述异常设备对应的故障模型进行测试，得到目标模型中的仿真用电信息，所述仿真用电信息包括各个仿真模型对应的仿真用电参数；

基于所述仿真用电信息和所述用电信息确定隐性故障原因；

基于所述第一故障原因、所述第二故障原因以及所述隐性故障原因确定故障原因，所述故障原因包括所有故障元器件。

在一种可能实现的方式中，当故障原因确定模块在基于所述仿真用电信息和所述用电信息确定隐性故障原因时，具体用于：

确定差异参数，所述差异参数为所述用电信息中与所述仿真用电信息中存在差异的用电参数；

将所述差异参数输入故障预测模型，得到隐性故障原因；

所述预测故障模型是将基于知识图谱建立的初始网络模型经过训练得到，所述知识图谱包括每个设备中各个元器件的连接关系、位置关系以及具备相互作用的元器件间的约束关系；

所述初始网络模型的训练样本包括目标配电站中各个设备分别对应的每个故障信息，每个故障信息包括设备中任一个元器件故障时对设备对应的用电参数影响的相关度。

在一种可能实现的方式中，所述装置还包括：

标记模块，用于从所述故障模型中对各个所述故障元器件进行标记，得到在故障模型中的各个标记元器件；

标准顺序确定模块，用于基于所有所述标记元器件确定标准顺序；

指示信息生成模块，用于基于所述标准顺序生成对每个所述标记元器件的指示信息。

在一种可能实现的方式中，所述装置还包括：

检修图像获取模块，用于获取多个检修图像，所述检修图像为检修人员在对故障设备进行检修时的图像；

检修顺序确定模块，用于基于所述多个检修图像确定检修人员的行为特征和检修人员对标记元器件的检修顺序；

判断模块，用于判断所述行为特征是否符合预设的标准行为，以及所述检修顺序是否符合所述标准顺序；

告警信息生成模块，用于生成告警信息。

在一种可能实现的方式中，当检修顺序确定模块在基于所述多个检修图像确定检修人员的行为特征和检修人员对标记元器件的检修顺序时，具体用于：

基于所述多个检修图像确定每张检修图像中的人体姿态以及每张检修图像中的元器件类型；

基于至少三个相邻的手部动作确定一个行为特征；

基于每个检修图像的获取顺序以及每个检修图像中的元器件类型，确定检修人员对故障元器件的检修顺序。

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：

至少一个处理器；

存储器；

至少一个应用程序，其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述基于数字孪生的故障定位方法。

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，包括：存储有能够被处理器加载并执行上述基于数字孪生的故障定位方法的计算机程序。

综上所述，本申请包括以下至少一种有益技术效果：

1.基于环境信息可以发现故障现象，然后基于用电信息和故障现象能够预测得到预测故障原因，便于给检修人员提供首先检修的思路和方向，便于节约时间提高效率；其次由于预测故障原因是预测的，也可能存在不准确的情况，同时，由于检修人员对当前的配电站可能不熟悉，因此通过故障原因定位出故障设备对应的故障模型，以便于检修人员预先了解故障设备内部的结构和情况，以提高检修时的效率和安全性；

2.在确定第一故障原因和第二故障原因之后，基于第一故障原因和第二故障原因进行仿真模拟测试，基于仿真用电参数以验证第一故障原因和第二故障原因的准确性，以及验证是否存在未发现的隐形故障原因；再基于第一故障原因、第二故障原因以及隐性故障原因确定故障原因，以便于进一步得到更准确地故障原因的结果。

附图说明

图1是本申请实施例中基于数字孪生的故障定位方法的流程示意图；

图2是本申请实施例中基于数字孪生的故障定位装置的结构示意图；

图3是本申请实施例中电子设备的结构示意图。

具体实施方式

以下结合附图1-3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。

本申请实施例提供了一种基于数字孪生的故障定位方法，由电子设备执行，参照图1，该方法包括,步骤S101-步骤S104，其中：

步骤S101、获取目标配电站的用电信息和环境信息，用电信息包括配电站中各个设备分别对应的用电参数，环境信息包括目标配电站中各个设备分别对应的工作环境信息。

在本申请实施例中，目标配电站的用电参数包括各个配电柜内的用单参数以及每个配电柜内各个设备的用电参数，不同的设备对应的用电参数类型也不相同，例如，电压表的用电参数应为电压值，电感的用电参数应为电流值。其中环境信息包括每个配电柜各自对应的环境信息，环境信息可以包括噪音分贝值，温度值，当然也包括其他能够表征配电柜的运行状态的参考信息，本申请实施例中对此不进行具体限定。

进一步地，可以在每个配电柜内设置具备远程通信功能的监测模块，检测模块获取配电柜内各个设备的用电参数，然后通过监测模块和电子设备的通信，以使得电子设备能够获取对应配电柜的用电参数，若设备独立于配电柜设置，则对独立于配电柜设置的设备设置监测模块以获取此类设备的用电参数。环境信息中的噪音分贝值可以在每个配电柜/独立于配电柜设置的设备处设置具备远程通讯功能的噪音监测装置和温度监测模块，通过噪音检测装置和温度监测模块与电子设备的远程通讯，以使得电子设备获取对应配电柜/设备的噪音分贝值和温度值； 进一步地，也可以获取每个配电柜/独立于配电柜设置的设备对应的红外图像，通过对红外图像的分析获取对应配电柜/设备的温度值。

步骤S102、基于环境信息确定故障现象。

在本申请实施例中，首先确定环境信息对应的数据类型，然后基于数据类型提取对应的环境信息的特征信息，再基于所有特征信息确定故障现象。

具体地，在步骤S101中公开了获取环境信息的几种方式，在现实情况中，可能采用某一种方式，也可能上述几种方式均采用。例如，若采用红外图像确定温度的方式时，获取的应该是图像信息，则对图像信息首先应该去噪后进行灰度处理和二值化处理，提取处理后的图像中的灰度值信息，则灰度值信息为特征信息，之后再基于灰度值信息确定对应的温度值。若获取到的为的温度检测模块的数据类型，则对于同一配电柜/设备应该获取多个时刻的温度值，以确定常数或者最大数为该配电柜/设备对应的温度值，也即此时的特征信息为多个时刻的温度值。

进一步地，每个配电柜都应对应有预设的环境信息的参考区间，例如A配电柜在正常工作时的环境信息的参考区间为 噪音分贝值（33 dB -70dB）,温度值为（10℃-50℃），在确定了任一配电柜/设备对应的环境信息之后，基于任一配电柜的环境信息和对应的参考区间进行比对，确定故障现象，故障现象可以为A配电柜噪声异常和/或温度较高。

步骤S103、基于用电信息和故障现象确定预测故障原因。

在本申请实施例中，在确定环境信息异常的配电柜/设备之后，事实上，由于不同的配电柜/设备之间存在相关联的用电关系，因此某一个配电柜的环境信息异常，故障原因不一定在该配电柜内，也可能是其他配电柜/设备异常导致的，因此基于所有异常设备的用电信息和故障现象进行预测，能够得到预测故障原因。

步骤S104、基于故障原因在目标模型中定位出故障设备对应的故障模型, 目标模型基于目标配电站中各个设备分别对应的仿真模型以及各个设备的连接关系建立，仿真模型基于对应设备中元器件的点云数据建立以及元器件之间的连接关系建立。

在本申请实施例中，在步骤S103中得到的预测故障原因后，基于故障原因定位到故障设备对应的模型，也即故障模型，在目标模型中对故障模型进行差异化显示，且目标模型中每一个模型均可被单独调取。

在本申请实施例中，基于环境信息可以发现故障现象，然后基于用电信息和故障现象能够预测得到预测故障原因，便于给检修人员提供首先检修的思路和方向，便于节约时间提高效率；其次由于预测故障原因是预测的，也可能存在不准确的情况，同时，由于检修人员对当前的配电站可能不熟悉，因此通过故障原因定位出故障设备对应的故障模型，以便于检修人员预先了解故障设备内部的结构和情况，以提高检修时的效率和安全性。

进一步地，基于用电信息和故障现象确定故障原因，可以包括步骤SA1（图中未示出）-步骤SA6（图中未示出），其中：

步骤SA1、基于故障现象确定第一故障原因。

具体地，第一故障原因，包括所有故障设备的故障原因。基于故障现象确定故障原因时，确定故障设备对应的环境参数，然后基于该环境参数和该配电柜的参考区间确定第一故障原因。例如，A配电柜的参考区间为 噪音分贝值（33 dB -70dB）,温度值为（10℃-50℃），其环境参数为50Db，温度值为100℃，则当前温度值比参考区间的温度最大值高50摄氏度，可以对大于参考区间的温度值进行梯度划分，例如，50℃-70℃一个区间，71℃-100℃为一个区间，确定环境信息中的温度值落在哪个温度区间，进而基于该温度区间对应的可能的故障原因为该故障设备对应的故障原因。

例如在50℃-70℃区间时，由于温升相对参考区间较小，对应的故障原因可能为某个元器件故障，或者局部电流电压异常；如果在71℃-100℃的区间，则可能还包括散热设备的异常。

进一步地，每个故障设备的故障原因是基于其参考区间和当前环境信息的对比确定的，因此，故障原因只能表示该配电柜/设备内部本身的故障，而难以推断出是否因为其他设备的原因导致的该配电柜/设备故障，也即第一故障原因包括每个故障配电柜/设备其自身的故障。

步骤SA2、从用电信息中确定用电参数异常的异常设备。

具体地，由于每个设备都设置由对应的额定工作参数，且每个配电柜内部的对应元器件也设置有对应的额定工作参数，因此，通过各个设备分别对应的额定工作参数和用电参数能够确定出异常设备。

步骤SA3、基于异常设备对应的用电参数对异常设备对应的故障模型进行仿真，确定异常设备的第二故障原因。

具体地，每个故障设备对应的用电参数包括该故障设备内对应的各个元器件的用电参数；在确定故障设备之后，基于每个故障设备内元器件的用电参数设置对应故障模型中每个元器件各自对应的参数， 然后将所有故障模型中的时间速率设置为现实时间速率的至少2倍以上，然后开始进行仿真，以便较快地得到第二故障原因。由于第二故障原因是基于所有的故障设备的用电参数以及所有故障设备对应的仿真模型进行仿真得到的，而各个故障模型之间存在连接关系且故障模型之间的元器件也存在连接关系，因而，第二故障原因能够更准确地表征在因用电关系和连接关系的存在所对应的真实故障原因。

步骤SA4、基于第二故障原因和第一故障原因对异常设备对应的故障模型进行测试，得到目标模型中的仿真用电信息，仿真用电信息包括各个仿真模型对应的仿真用电参数；

步骤SA5、基于仿真用电信息和用电信息确定隐性故障原因。

具体地，在确定第一故障原因和第二故障原因之后，基于第二故障原因和第一故障原因对异常设备对应的故障模型进行测试，也就是，将第一故障原因和第二故障原因做为仿真环境配置对应的故障模型，然后确定每个故障设备的非异常参数，基于非异常用电参数对非异常单数对应的元器件在故障模型进行配置后开始进行仿真，以得到仿真用电参数，异常的用电参数所对应的元器件经过仿真后的用电参数为仿真用电参数。也即，每个故障设备/元器件均对应一个实际测量得到的异常用电参数，和经过仿真测试得到的仿真用电参数，再基于仿真用电参数和用电信息中所有的异常用电参数，以确定隐性故障原因。

步骤SA6、基于第一故障原因、第二故障原因以及隐性故障原因确定故障原因，故障原因包括所有故障元器件。

在确定第一故障原因和第二故障原因之后，基于第一故障原因和第二故障原因进行仿真模拟测试，基于仿真用电参数以验证第一故障原因和第二故障原因的准确性，以及验证是否存在未发现的隐形故障原因；再基于第一故障原因、第二故障原因以及隐性故障原因确定故障原因，以便于进一步得到更准确地故障原因的结果。

进一步地，基于仿真用电信息和用电信息确定隐性故障原因的方式可以包括步骤SA51（图中未示出）-步骤SA52（图中未示出），其中：

步骤SA51、确定差异参数，差异参数为用电信息中与仿真用电信息中存在差异的用电参数；

步骤SA52、将差异参数输入故障预测模型，得到隐性故障原因。

具体地，每个故障设备/元器件均对应一个实际测量得到的异常用电参数，同时还对应一个经过仿真测试得到的仿真用电参数，将每个故障设备/元器件的异常用电参数和仿真用电参数进行对比，存在差异的元器件对应的异常用电参数即为差异参数，也即隐性故障原因是导致差异参数的主要原因。

进一步地，故障预测模型应该是预先训练好的，预测故障模型是将基于知识图谱建立的初始网络模型经过训练得到，知识图谱包括每个设备中各个元器件的连接关系、位置关系以及具备相互作用的元器件间的约束关系；初始网络模型的训练样本包括目标配电站中各个设备分别对应的每个故障信息，每个故障信息包括设备中任一个元器件故障时对设备对应的用电参数影响的相关度。

在确定故障设备和故障原因之后，检修人员需要对故障元器件进行维修或更换。通常在电力行业，为了用电安全，会限定一些对元器件的拆装熟顺序的规范流程，但是事实上，存在一些检修人员不会完全按照要求的顺序进行操作。因此，本申请实施例中一种基于数字孪生的故障定位方法，还可以包括步骤SB1（图中未示出）-步骤SB3（图中未示出），其中：

步骤SB1、从故障模型中对各个故障元器件进行标记，得到在故障模型中的各个标记元器件。

具体地，故障原因应包括各个故障元器件，确定故障设备对应的故障模型，然后确定每个故障设备中的各个故障元器件为标记元器件，对每个故障设备中的标记元器件进行标记，标记方式可以为差异化显示，例如设置与非故障模型不同的颜色，或者不同的亮度，也可以为预设标签标记。

步骤SB2、基于所有标记元器件确定标准顺序。

具体地，可以预设基于每个设备中各个元器件之间的位置关系和连接关系设置各个元器件之间的拆装优先级，在确定任一故障设备中的故标记元器件后，基于任一故障设备中的标记元器件各自对应的拆装优先级确定针对任一故障设备的标准顺序。

步骤SB3、基于标准顺序生成对每个标记元器件的指示信息。

进一步地，对于任一故障设备，基于其对应的标准顺序生成对每个标记元器件的指示信息，指示信息可以为文字信息，也可以为语音信息，也可以为图像信息，本申请实施例中不进行具体限定，只要便于对检修人员进行提示即可。

进一步地，为了便于监督检修人员对故障元器件的拆装顺序是否对应的标准顺序，在本申请实施例中，一种基于数字孪生的故障定位方法还包括步骤SC1（图中未示出）-步骤SC4（图中未示出），其中：

步骤SC1、获取多个检修图像，检修图像为检修人员在对故障设备进行检修时的图像。

具体地，一般的配电站均会设置无人值守设备，例如自动巡检即车辆/机器人等，检修图像可以由无人值守设备拍摄，也可以由工作人员在检修时预先设置图像采集设备。

步骤SC2、基于多个检修图像确定检修人员的行为特征和检修人员对标记元器件的检修顺序。

具体地，对每张检修图像按照拍摄时间顺序进行顺序标号。对每张检修图像进行特征提取，提取的特征包括检修人员的手部动作，在检修的标记元器件的类型。基于至少三个相邻的手部动作确定一个行为特征，行为特征即表征是拆卸还是安装行为。基于检修图像的顺序表号，以及确定的行为特征以及每张检修图像中元器件的类型，确定检修顺序，检修顺序包括对每个元器件的拆卸和安装顺序，例如检修顺序依次为，拆卸A，拆卸B，拆卸C,安装C，安装B，安装A。

进一步地，行为特征还应包括检修人员的手部物品，对每个检修图像进行特征提取的时候，还可以提取手部的物品类型，例如，绝缘手套。

步骤SC3、判断行为特征是否符合预设的标准行为，以及检修顺序是否符合标准顺序；

步骤SC4、若任一项不符合，则生成告警信息。

具体地，告警信息可以为任意格式的信息，只要便于对检修人员进行提示即可。

上述实施例从方法流程的角度介绍一种基于数字孪生的故障定位方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种基于数字孪生的故障定位装置，具体详见下述实施例。

本申请实施例提供一种基于数字孪生的故障定位装置，如图2所示，该装置200具体可以包括：

一种基于数字孪生的故障定位装置，包括：

获取模块，用于获取目标配电站的用电信息和环境信息，用电信息包括配电站中各个设备分别对应的用电参数，环境信息包括目标配电站中各个设备分别对应的工作环境信息；

故障现象确定模块，用于基于环境信息确定故障现象；

故障原因确定模块，用于基于用电信息和故障现象确定预测故障原因；

故障模型确定模块，基于故障原因在目标模型中定位出故障设备对应的故障模型, 目标模型基于目标配电站中各个设备分别对应的仿真模型以及各个设备的连接关系建立，仿真模型基于对应设备中元器件的点云数据建立以及元器件之间的连接关系建立。

在一种可能实现的方式中，当故障现象确定模块在基于环境信息确定故障现象时，具体用于：

确定环境信息对应的数据类型；

基于数据类型提取对应的环境信息的特征信息；

基于所有特征信息确定故障现象。

在一种可能实现的方式中，当故障原因确定模块在基于用电信息和故障现象确定故障原因时，具体用于：

基于故障现象确定第一故障原因；

从用电信息中确定用电参数异常的异常设备；

基于异常设备对应的用电参数对异常设备对应的故障模型进行仿真，确定异常设备的第二故障原因；

基于第二故障原因和第一故障原因对异常设备对应的故障模型进行测试，得到目标模型中的仿真用电信息，仿真用电信息包括各个仿真模型对应的仿真用电参数；

基于仿真用电信息和用电信息确定隐性故障原因；

基于第一故障原因、第二故障原因以及隐性故障原因确定故障原因，故障原因包括所有故障元器件。

在一种可能实现的方式中，当故障原因确定模块在基于仿真用电信息和用电信息确定隐性故障原因时，具体用于：

确定差异参数，差异参数为用电信息中与仿真用电信息中存在差异的用电参数；

将差异参数输入故障预测模型，得到隐性故障原因；

预测故障模型是将基于知识图谱建立的初始网络模型经过训练得到，知识图谱包括每个设备中各个元器件的连接关系、位置关系以及具备相互作用的元器件间的约束关系；

初始网络模型的训练样本包括目标配电站中各个设备分别对应的每个故障信息，每个故障信息包括设备中任一个元器件故障时对设备对应的用电参数影响的相关度。

在一种可能实现的方式中，装置还包括：

标记模块，用于从故障模型中对各个故障元器件进行标记，得到在故障模型中的各个标记元器件；

标准顺序确定模块，用于基于所有标记元器件确定标准顺序；

指示信息生成模块，用于基于标准顺序生成对每个标记元器件的指示信息。

在一种可能实现的方式中，装置还包括：

检修图像获取模块，用于获取多个检修图像，检修图像为检修人员在对故障设备进行检修时的图像；

检修顺序确定模块，用于基于多个检修图像确定检修人员的行为特征和检修人员对标记元器件的检修顺序；

判断模块，用于判断行为特征是否符合预设的标准行为，以及检修顺序是否符合标准顺序；

告警信息生成模块，用于生成告警信息。

在一种可能实现的方式中，当检修顺序确定模块在基于多个检修图像确定检修人员的行为特征和检修人员对标记元器件的检修顺序时，具体用于：

基于多个检修图像确定每张检修图像中的人体姿态以及每张检修图像中的元器件类型；

基于至少三个相邻的手部动作确定一个行为特征；

基于每个检修图像的获取顺序以及每个检修图像中的元器件类型，确定检修人员对故障元器件的检修顺序。

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300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300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300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种类型的总线。

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，不应对本公开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。

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 (8)

1.一种基于数字孪生的故障定位方法，其特征在于，包括：

获取目标配电站的用电信息和环境信息，所述用电信息包括配电站中各个设备分别对应的用电参数，所述环境信息包括目标配电站中各个设备分别对应的工作环境信息；

基于所述环境信息确定故障现象；

基于所述用电信息和所述故障现象确定预测故障原因；

基于所述故障原因在目标模型中定位出故障设备对应的故障模型, 所述目标模型基于目标配电站中各个设备分别对应的仿真模型以及各个设备的连接关系建立，仿真模型基于对应设备中元器件的点云数据建立以及元器件之间的连接关系建立；

所述基于所述用电信息和所述故障现象确定故障原因，包括：

基于所述故障现象确定第一故障原因；

从所述用电信息中确定用电参数异常的异常设备；

基于所述异常设备对应的用电参数对所述异常设备对应的故障模型进行仿真，确定异常设备的第二故障原因；

基于所述第二故障原因和所述第一故障原因对所述异常设备对应的故障模型进行测试，得到目标模型中的仿真用电信息，所述仿真用电信息包括各个仿真模型对应的仿真用电参数；

基于所述仿真用电信息和所述用电信息确定隐性故障原因；

基于所述第一故障原因、所述第二故障原因以及所述隐性故障原因确定故障原因，所述故障原因包括所有故障元器件；

所述基于所述仿真用电信息和所述用电信息确定隐性故障原因，包括：

确定差异参数，所述差异参数为所述用电信息中与所述仿真用电信息中存在差异的用电参数；

将所述差异参数输入故障预测模型，得到隐性故障原因；

所述预测故障模型是将基于知识图谱建立的初始网络模型经过训练得到，所述知识图谱包括每个设备中各个元器件的连接关系、位置关系以及具备相互作用的元器件间的约束关系；

所述初始网络模型的训练样本包括目标配电站中各个设备分别对应的每个故障信息，每个故障信息包括设备中任一个元器件故障时对设备对应的用电参数影响的相关度。

2.根据权利要求1所述的一种基于数字孪生的故障定位方法，其特征在于，所述基于所述环境信息确定故障现象，包括：

确定环境信息对应的数据类型；

基于所述数据类型提取对应的环境信息的特征信息；

基于所有所述特征信息确定故障现象。

3.根据权利要求1所述的一种基于数字孪生的故障定位方法，其特征在于，还包括：

从所述故障模型中对各个所述故障元器件进行标记，得到在故障模型中的各个标记元器件；

基于所有所述标记元器件确定标准顺序；

基于所述标准顺序生成对每个所述标记元器件的指示信息。

4.根据权利要求3所述的一种基于数字孪生的故障定位方法，其特征在于，还包括：

获取多个检修图像，所述检修图像为检修人员在对故障设备进行检修时的图像；

基于所述多个检修图像确定检修人员的行为特征和检修人员对标记元器件的检修顺序；

判断所述行为特征是否符合预设的标准行为，以及所述检修顺序是否符合所述标准顺序；

若任一项不符合，则生成告警信息。

5.根据权利要求4所述的一种基于数字孪生的故障定位方法，其特征在于，所述基于所述多个检修图像确定检修人员的行为特征和检修人员对标记元器件的检修顺序，包括：

基于所述多个检修图像确定每张检修图像中的人体姿态以及每张检修图像中的元器件类型；

基于至少三个相邻的手部动作确定一个行为特征；

基于每个检修图像的获取顺序以及每个检修图像中的元器件类型，确定检修人员对故障元器件的检修顺序。

6.一种基于数字孪生的故障定位装置，其特征在于，包括：

获取模块，用于获取目标配电站的用电信息和环境信息，所述用电信息包括配电站中各个设备分别对应的用电参数，所述环境信息包括目标配电站中各个设备分别对应的工作环境信息；

故障现象确定模块，用于基于所述环境信息确定故障现象；

故障原因确定模块，用于基于所述用电信息和所述故障现象确定预测故障原因；

故障模型确定模块，基于所述故障原因在目标模型中定位出故障设备对应的故障模型, 所述目标模型基于目标配电站中各个设备分别对应的仿真模型以及各个设备的连接关系建立，仿真模型基于对应设备中元器件的点云数据建立以及元器件之间的连接关系建立；

当故障原因确定模块在基于所述用电信息和所述故障现象确定故障原因时，具体用于：

基于所述故障现象确定第一故障原因；

从所述用电信息中确定用电参数异常的异常设备；

基于所述异常设备对应的用电参数对所述异常设备对应的故障模型进行仿真，确定异常设备的第二故障原因；

基于所述第二故障原因和所述第一故障原因对所述异常设备对应的故障模型进行测试，得到目标模型中的仿真用电信息，所述仿真用电信息包括各个仿真模型对应的仿真用电参数；

基于所述仿真用电信息和所述用电信息确定隐性故障原因；

基于所述第一故障原因、所述第二故障原因以及所述隐性故障原因确定故障原因，所述故障原因包括所有故障元器件；

当故障原因确定模块在基于所述仿真用电信息和所述用电信息确定隐性故障原因时，具体用于：

确定差异参数，所述差异参数为所述用电信息中与所述仿真用电信息中存在差异的用电参数；

将所述差异参数输入故障预测模型，得到隐性故障原因；

所述预测故障模型是将基于知识图谱建立的初始网络模型经过训练得到，所述知识图谱包括每个设备中各个元器件的连接关系、位置关系以及具备相互作用的元器件间的约束关系；

所述初始网络模型的训练样本包括目标配电站中各个设备分别对应的每个故障信息，每个故障信息包括设备中任一个元器件故障时对设备对应的用电参数影响的相关度。

7.一种电子设备，其特征在于，该电子设备包括：

至少一个处理器；

存储器；

至少一个应用程序，其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行权利要求1-5中任一项所述基于数字孪生的故障定位方法。

8.一种计算机可读存储介质，其特征在于，包括：存储有能够被处理器加载并执行如权利要求1-5中任一项所述方法的计算机程序。