CN116046077B - 一种基于温湿度监测的gis状态检测方法 - Google Patents

一种基于温湿度监测的gis状态检测方法 Download PDF

Info

Publication number
CN116046077B
CN116046077B CN202310240419.3A CN202310240419A CN116046077B CN 116046077 B CN116046077 B CN 116046077B CN 202310240419 A CN202310240419 A CN 202310240419A CN 116046077 B CN116046077 B CN 116046077B
Authority
CN
China
Prior art keywords
gis equipment
gis
state
equipment
scale factor
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.)
Active
Application number
CN202310240419.3A
Other languages
English (en)
Other versions
CN116046077A (zh
Inventor
钟建平
李敬宣
李骏翔
陶洪峰
余培军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Post & Telecommunication Engineering Construction Co ltd
Original Assignee
Zhejiang Post & Telecommunication Engineering Construction Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Post & Telecommunication Engineering Construction Co ltd filed Critical Zhejiang Post & Telecommunication Engineering Construction Co ltd
Priority to CN202310240419.3A priority Critical patent/CN116046077B/zh
Publication of CN116046077A publication Critical patent/CN116046077A/zh
Application granted granted Critical
Publication of CN116046077B publication Critical patent/CN116046077B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明提供一种基于温湿度监测的GIS状态检测方法，属于非电变量监测技术领域，具体包括：实时获取GIS设备的内部气体的运行压力，并基于所述运行压力确定所述GIS设备处于疑似故障状态时，实时获取GIS设备的内部气体的运行温度，并基于运行温度以及运行压力确定处于潜在故障状态时，基于内部气体的含水量、气体种类、运行温度、运行压力，采用故障预测模型，确定GIS设备的运行状态，并至少基于GIS设备的运行状态、输出告警信号的次数、处于疑似故障状态以及疑似泄露状态的次数，输出GIS设备的检修建议，从而进一步提升了GIS状态检测的准确性和可靠性。

Description

一种基于温湿度监测的GIS状态检测方法
技术领域
本发明属于非电变量监测技术领域，尤其涉及一种基于温湿度监测的GIS状态检测方法。
背景技术
为了实现对GIS的运行变量的监测以及运行状态的实时检测，在授权发明专利授权公告号CN104729584B《基于声表面波的GIS开关柜在线检测系统》中通过利用SAW传感器测量GIS开关柜内的各种物理量(如温度、压力、微水)，通过这些物理量的变化反映整个设备的运行状态，并通过SAW传感器采集器统一采集后，将数据统一通过扩展通讯的方式传送给监控系统和后台，从而实现了对GIS开关柜的在线监控，但是却存在以下技术问题:
1、忽视了结合压力、含水量等的检测结果进行泄露气室的定位以及泄露状态的判断，压力以及微水的变化若是由于GIS的气室泄露导致的，除了会对GIS的自身绝缘状态造成影响，若任由其进一步发展，则对GIS设备的运行的造成更大的影响。
2、忽视了对GIS内部的气体的温度以及压力的监测结果进行含水量以及其他气体分解产物的监测，当GIS的内部的温度和压力均未发生明显变化时，此时也不可能会导致气体含水量的变化以及其他气体分解产生的产生，因此若不能结合上述因素，则有可能会导致不必要的监测。
针对上述技术问题，本发明提供了一种基于温湿度监测的GIS状态检测方法。
发明内容
为实现本发明目的，本发明采用如下技术方案：
根据本发明的一个方面，提供了一种基于温湿度监测的GIS状态检测方法。
一种基于温湿度监测的GIS状态检测方法，其特征在于，具体包括：
S11实时获取GIS设备的内部气体的运行压力，并基于所述运行压力确定所述GIS设备是否处于疑似泄露状态，若是，则进入步骤S14，若否，则进入步骤S12；
S12基于所述GIS设备的运行压力确定所述GIS设备是否处于疑似故障状态，若是，则进入步骤S13，若否，则返回步骤S11；
S13实时获取所述GIS设备的内部气体的运行温度，并基于所述运行温度以及运行压力确定所述GIS设备是否处于潜在故障状态，若是，则进入步骤S15，若否，则进入步骤S11；
S14实时获取所述GIS设备的内部气体的含水量以及气体种类，并基于所述含水量、运行压力、气体种类确定所述GIS设备是否处于泄露状态，若是，则输出告警信号，若否，则进入步骤S15；
S15基于所述内部气体的含水量、气体种类、运行温度、运行压力，采用故障预测模型，确定所述GIS设备的运行状态，并至少基于所述GIS设备的运行状态、输出告警信号的次数、处于疑似故障状态以及疑似泄露状态的次数，输出所述GIS设备的检修建议。
通过首先基于GIS设备的内部气体的运行压力的检测，并根据运行压力的检测情况分情况进行采集数据的获取，从而避免了原有的同时获取多组数据导致的运行稳定性不可靠的技术问题的出现，从而在保证检测的可靠性的基础上，促进了运行的稳定性。
通过结合运行温度以及运行压力进行GIS设备的潜在故障状态的判断，从而避免了由于温度变化导致的运行压力的变化，从而导致的误判的技术问题，进一步减少了不必要的检测和数据的读取，提升了运行的稳定性和可靠性。
通过结合所述内部气体的含水量、气体种类、运行温度、运行压力，采用故障预测模型，确定所述GIS设备的运行状态，从而实现了从多重角度对GIS设备的运行状态的判断，保证了运行状态的检测的准确性，同时也避免了原有的仅仅依靠某一种数据的超标情况进行判断导致的判断不够准确以及不够及时的技术问题，提升了判断的准确性和可靠性。
通过基于所述GIS设备的运行状态、输出告警信号的次数、处于疑似故障状态以及疑似泄露状态的次数，输出所述GIS设备的检修建议，从而不仅仅结合当前数据进行检修建议的输出，同时结合历史数据，进而使得问题设备能够在第一时间被检修处理，防止故障的进一步扩散导致安全问题的出现。
另一方面，本申请实施例中提供一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种基于温湿度监测的GIS状态检测方法。
另一方面，本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于温湿度监测的GIS状态检测方法。
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显；
图1是根据实施例1的一种基于温湿度监测的GIS状态检测方法的流程图；
图2是根据实施例1的比例因子构建的具体步骤的流程图；
图3是根据实施例1的GIS设备的泄露状态评估的具体步骤的流程图；
图4是根据实施例1的GIS设备的检修建议输出的具体步骤的流程图；
图5是根据实施例3的一种计算机存储介质的结构图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
实施例1
为解决上述问题，根据本发明的一个方面，如图1所示，提供了根据本发明的一种基于温湿度监测的GIS状态检测方法，其特征在于，具体包括：
S11实时获取GIS设备的内部气体的运行压力，并基于所述运行压力确定所述GIS设备是否处于疑似泄露状态，若是，则进入步骤S14，若否，则进入步骤S12；
需要说明的是，基于所述GIS设备的母线长度、开关数量、气室数量构建比例因子，并基于所述比例因子与所述GIS设备的运行压力的额定值构建压力上限值和压力下限值。
具体的举个例子，当比例因子为3%时，则GIS设备的运行压力的额定值的103%以及97%，分别为压力上限值以及压力下限值，并根据该压力上限值和压力下限值进行疑似泄露状态以及疑似故障状态的判断。
具体的举个例子，如图2所示，所述比例因子构建的具体步骤为：
S21基于所述GIS设备的电压等级、额定运行压力，得到所述GIS设备的基础比例因子；
需要说明的是，GIS设备的基础比例因子的取值范围在0到0.1之间，具体的跟电压等级、额定运行压力相关，其中电压等级越高、额定运行压力越大，则基础比例因子越小，具体的可以采用经验公式、数学模型、机器学习算法等方式进行确定。
S22基于所述GIS设备的母线长度、气室数量，得到所述GIS设备的运行比例因子；
需要说明的是，GIS设备的运行比例因子的取值范围在0到0.05之间，具体的跟母线长度、气室数量相关，其中母线长度越长、气室数量越多，则运行比例因子越小，具体的可以采用经验公式、数学模型、机器学习算法等方式进行确定。
S23基于所述GIS设备的开关数量、操作频率，得到所述GIS设备的操作比例因子；
需要说明的是，GIS设备的操作比例因子的取值范围在0到0.1之间，具体的跟开关数量、操作频率相关，其中开关数量越多、操作频率越多，则运行比例因子越小，具体的可以采用经验公式、数学模型、机器学习算法等方式进行确定。
S24基于所述基础比例因子、所述运行比例因子、所述操作比例因子，得到所述GIS设备的比例因子。
具体的举例说明，GIS设备的比例因子通过层次分析法的数学模型进行搭建，也可以通过构建预测模型的方式进行搭建，从而可以综合多方面的因素实现对比例因子的确定。
具体的举例说明，若所述基础比例因子、所述运行比例因子、所述操作比例因子分别为0.06，0.03，0.06，则GIS设备的比例因子可以为0.05。
S12基于所述GIS设备的运行压力确定所述GIS设备是否处于疑似故障状态，若是，则进入步骤S13，若否，则返回步骤S11；
需要说明的是，所述GIS设备的比例因子的取值范围在2%-5%之间，具体的根据所述GIS设备的所述基础比例因子、所述运行比例因子、所述操作比例因子进行确定，其中所述基础比例因子越大、所述运行比例因子越大、所述操作比例因子越大，则所述GIS设备的比例因子就越大。
在另外一种可能的实施例中，当所述GIS设备的运行压力小于GIS设备的压力下限值时，则确定所述GIS设备处于疑似泄露状态，当所述GIS设备的运行压力大于GIS设备的压力上限值时，则确定所述GIS设备处于疑似故障状态。
具体的举例说明，当GIS设备的运行压力小于额定压力的95%时，则确定所述GIS设备处于疑似泄露状态，当GIS设备的运行压力大于额定压力的105%时，则确定所述GIS设备处于疑似故障状态。
通过首先基于GIS设备的内部气体的运行压力的检测，并根据运行压力的检测情况分情况进行采集数据的获取，从而避免了原有的同时获取多组数据导致的运行稳定性不可靠的技术问题的出现，从而在保证检测的可靠性的基础上，促进了运行的稳定性。
S13实时获取所述GIS设备的内部气体的运行温度，并基于所述运行温度以及运行压力确定所述GIS设备是否处于潜在故障状态，若是，则进入步骤S15，若否，则进入步骤S11；
需要说明的是，通过首先对运行温度是否大于一定的设定值进行判断，当运行温度变高后，再确定当前的运行温度以及运行压力的变化趋势是否匹配，当不匹配时则确定处于潜在故障状态，或者温度过高时，也可以直接判定为潜在故障状态。
需要另外说明的是，当运行温度不高且处于下降趋势时，而运行压力过高，则确定历史中发生过故障，因此需要对其运行状态进行进一步的判断。
通过结合运行温度以及运行压力进行GIS设备的潜在故障状态的判断，从而避免了由于温度变化导致的运行压力的变化，从而导致的误判的技术问题，进一步减少了不必要的检测和数据的读取，提升了运行的稳定性和可靠性。
S14实时获取所述GIS设备的内部气体的含水量以及气体种类，并基于所述含水量、运行压力、气体种类确定所述GIS设备是否处于泄露状态，若是，则输出告警信号，若否，则进入步骤S15；
具体的，如图3所示，所述GIS设备的泄露状态评估的具体步骤为：
S31获取所述GIS设备的运行压力，并基于所述GIS设备的运行压力确定所述GIS设备是否处于泄露状态，若是，则确定所述GIS设备处于泄露状态，若否，则进入步骤S32；
具体的举例说明，当运行压力过低时，此时可以直接确定GIS设备处于泄露状态，而无需进行其他数据的判断。
S32获取所述GIS设备的气体的含水量，并基于所述GIS设备的含水量确定所述GIS设备是否处于泄露状态，若是，则确定所述GIS设备处于泄露状态，若否，则进入步骤S33；
需要说明的是，当GIS设备的气体的含水量过高时，则可以断定处于泄露状态，只有与空气进行气体交互时，才有可能使其含水量异常过高。
S33获取所述GIS设备的内部的气体种类以及不同气体种类的含量，并确定所述GIS设备是否处于泄露状态，若是，则确定所述GIS设备处于泄露状态，若否，则进入步骤S34；
需要说明的时，当气体种类以及不同气体种类的含量与空气中的气体种类的含量类似时，则可以断定处于泄露状态，只有与空气进行气体交互时，才有可能使其含量以及不同的气体种类的含量类似。
S34基于所述GIS设备的气体的含水量、运行压力、气体种类以及不同气体种类的含量得到所述GIS设备的泄露状态评估值，并基于所述泄露状态评估值确定所述GIS设备是否处于泄露状态。
具体的举例说明，所述GIS设备的泄露状态评估值采用基于PSO-ELM算法的评估模型，取值范围再0到1之间，其中泄露状态评估值越大，则说明此时GIS设备越有可能处于泄露状态，从而可以实现对泄露状态的提前评估。
具体的举例说明，所示基于PSO-ELM算法的评估模型的构建的具体步骤为：
步骤1对ELM的神经元种类及个数进行寻优;
步骤2在步骤1的基础上，对输入层权重w和隐含层偏置b进行迭代寻优，代替随机设定的方式，以降低预测输出与实际值之间的误差，强化ELM预测模型的泛化能力。
根据时序特征输入层的数据结构，结合IPSO算法对神经元种类及个数、输入层权值w、隐含层偏置b进行寻优。IPSO算法对HP-ELM预测模型的参数优化分为以下两个阶段。
阶段1使用IPSO算法对ELM的神经元种类及个数进行寻优，随机生成输入层权重w和隐含层偏置b，具体步骤如下。
步骤1对历史数据进行预处理，构建时序特征输入层数据，并划分训练集与测试集。
步骤2初始化IPSO算法的最大迭代次数T,种群规模NP，对ELM的分析确定寻优维度为6，对应神经元的6个种类，结合步骤1中构建的输入层数据，完成IPSO- ELM预测模型的初始化。
步骤3将HP-ELM预测模型作为适应度函数，将初代粒子个数作为HP-ELM预测模型的神经元个数，计算初代种群的适应度值，并确定个体最优解和全局最优解。
步骤4对PSO算法的改进，对粒子的速度参数和位置参数进行更新，根据ELM预测模型的输出更新个体最优解和全局最优解。
步骤5判断是否达到终止条件，若是，则训练停止，并记录寻优参数，否则执行步骤4。
阶段2使用IPSO算法对己确定神经元种类和个数的HP-ELM预测模型的输入层权重w和隐含层偏置b进行寻优，具体步骤如下。
步骤1使用阶段1中步骤1构建的时序特征输入层作为预测模型的训练集和预测集，初始化IPSO算法的最大迭代次数、种群规模等。
步骤2根据阶段1的寻优结果设定HP-ELM预测模型的隐含层神经元种类和个数，并根据神经元的总个数确定IPSO算法的寻优维度。
步骤3将确定神经元种类和个数的HP-ELM预测模型作为适应度函数，对初始粒子值按照寻优维度进行调整，作为HP-ELM预测模型的输入层权重w和隐含层偏置b，计算初代种群的适应度值，并确定个体最优解和全局最优解。
步骤4根据3.2.2节对PSO算法的改进，对粒子的速度参数和位置参数进行更新，根据HP-ELM预测模型的输出更新个体最优解和全最优解。
步骤5判断是否达到终止条件，若是，则训练停止，并记录寻优参数，否则执行步骤4。
需要另外说明的是，通过对 PSO 算法的分析可知，粒子的惯性权重在寻优过程中保持不变，如果惯性权重设置较小，则粒子的搜索区域较小，种群收敛速度较慢；如果惯性权重设置过大，则算法后期粒子可能跃过较优点，局部搜索效果较差。然而，不仅在迭代次数增大的过程中需要对惯性权重进行调整，在同一代的粒子之间还应该设置不同的惯性权重。据此，我们提出基于粒子适应度值的权重修正公式，即第i个粒子的权重为：
Figure SMS_1
其中fiti为当前第i个粒子的适应度值，其中fiti为当前第i个粒子的适应度值，/>
Figure SMS_2
为第t次迭代时的全局最优点处的适应度值，T为最大迭代次数。为第t次迭代时的全局最优点处的适应度值，T为最大迭代次数。
由式可知，惯性权重的值始终大于0，且种群内部各个粒子的惯性权重各不相同。当前粒子的适应度值与全局最优点处的适应度值的差值与惯性权重的关系呈正相关，即差值越大，对应的惯性权重越大，因为该粒子与全局最优点的距离较远，需要增大惯性权重以提高算法的全局搜索能力。惯性权重增大会提高粒子的移动速度，使其尽快到达全局最优解附近。反之，差值越小，对应的惯性权重越小，因为粒子目前的位置距离全局最优点较近，需要减小惯性权重以提高算法的局部搜索能力，寻到更优解。
S15基于所述内部气体的含水量、气体种类、运行温度、运行压力，采用故障预测模型，确定所述GIS设备的运行状态，并至少基于所述GIS设备的运行状态、输出告警信号的次数、处于疑似故障状态以及疑似泄露状态的次数，输出所述GIS设备的检修建议。
需要说明的是，所述GIS设备的运行状态包括故障运行状态、疑似故障运行状态、正常运行状态。
具体的举例说明，GIS设备的运行状态通过基于上述数据构建输入集，采用基于机器学习算法的评估模型进行评估。
需要说明的是，如图4所示，所述GIS设备的检修建议输出的具体步骤为：
S41基于所述GIS设备的运行状态，确定所述GIS设备的运行状态是否处于故障运行状态或者疑似故障运行状态，若是，则进入步骤S42，若否，则进入步骤S44；
S42基于所述GIS设备的输出告警信号的次数确定所述GIS设备是否为问题设备，若是，则输出需要立马停电检修，若否，则进入步骤S43；
具体的举例说明的，当GIS设备在指定时间内的输出告警信号的次数大于一定的数量的时候，则判断其为问题设备。
S43基于所述GIS设备的处于疑似故障状态以及疑似泄露状态的次数确定所述GIS设备是否为问题设备，若是，则输出需要立马停电检修，若否，则进入步骤S44；
具体的举例说明的，当GIS设备在指定时间内的处于疑似故障状态以及疑似泄露状态的次数大于一定的数量的时候，则判断其为问题设备。
S44基于所述GIS设备的运行状态、输出告警信号的次数、处于疑似故障状态以及疑似泄露状态的次数，确定所述GIS设备的状态检测值，并基于所述GIS设备的状态检测值给出所述GIS设备的检修建议。
通过结合所述内部气体的含水量、气体种类、运行温度、运行压力，采用故障预测模型，确定所述GIS设备的运行状态，从而实现了从多重角度对GIS设备的运行状态的判断，保证了运行状态的检测的准确性，同时也避免了原有的仅仅依靠某一种数据的超标情况进行判断导致的判断不够准确以及不够及时的技术问题，提升了判断的准确性和可靠性。
通过基于所述GIS设备的运行状态、输出告警信号的次数、处于疑似故障状态以及疑似泄露状态的次数，输出所述GIS设备的检修建议，从而不仅仅结合当前数据进行检修建议的输出，同时结合历史数据，进而使得问题设备能够在第一时间被检修处理，防止故障的进一步扩散导致安全问题的出现。
实施例2
本申请实施例中提供一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种基于温湿度监测的GIS状态检测方法。
具体的，本实施例还提供了一种计算机系统，该计算机系统包括通过系统总线连接的处理器、存储器、网络接口和数据库；其中，该计算机系统的处理器用于提供计算和控制能力；该计算机系统的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述的一种基于温湿度监测的GIS状态检测方法。
实施例3
如图4所示，本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于温湿度监测的GIS状态检测方法。
具体的，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以 通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可 包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM （PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括 随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得， 诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强 型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM （RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (6)

1.一种基于温湿度监测的GIS状态检测方法，其特征在于，具体包括：
S11实时获取GIS设备的内部气体的运行压力，并基于所述运行压力确定所述GIS设备是否处于疑似泄露状态，若是，则进入步骤S14，若否，则进入步骤S12；
S12基于所述GIS设备的运行压力确定所述GIS设备是否处于疑似故障状态，若是，则进入步骤S13，若否，则返回步骤S11；
基于所述GIS设备的母线长度、开关数量、气室数量构建比例因子，并基于所述比例因子与所述GIS设备的运行压力的额定值构建压力上限值和压力下限值；
所述比例因子构建的具体步骤为：
基于所述GIS设备的电压等级、额定运行压力，得到所述GIS设备的基础比例因子；
基于所述GIS设备的母线长度、气室数量，得到所述GIS设备的运行比例因子；
基于所述GIS设备的开关数量、操作频率，得到所述GIS设备的操作比例因子；
基于所述基础比例因子、所述运行比例因子、所述操作比例因子，得到所述GIS设备的比例因子；
当所述GIS设备的运行压力小于GIS设备的压力下限值时，则确定所述GIS设备处于疑似泄露状态，当所述GIS设备的运行压力大于GIS设备的压力上限值时，则确定所述GIS设备处于疑似故障状态；
S13实时获取所述GIS设备的内部气体的运行温度，并基于所述运行温度以及运行压力确定所述GIS设备是否处于潜在故障状态，若是，则进入步骤S15，若否，则进入步骤S11；
S14实时获取所述GIS设备的内部气体的含水量以及气体种类，并基于所述含水量、运行压力、气体种类确定所述GIS设备是否处于泄露状态，若是，则输出告警信号，若否，则进入步骤S15；
所述GIS设备的泄露状态评估的具体步骤为：
获取所述GIS设备的运行压力，并基于所述GIS设备的运行压力确定所述GIS设备是否处于泄露状态，若是，则确定所述GIS设备处于泄露状态，若否，则进入下一步骤；
获取所述GIS设备的气体的含水量，并基于所述GIS设备的含水量确定所述GIS设备是否处于泄露状态，若是，则确定所述GIS设备处于泄露状态，若否，则进入下一步骤；
获取所述GIS设备的内部的气体种类以及不同气体种类的含量，并确定所述GIS设备是否处于泄露状态，若是，则确定所述GIS设备处于泄露状态，若否，则进入下一步骤；
基于所述GIS设备的气体的含水量、运行压力、气体种类以及不同气体种类的含量得到所述GIS设备的泄露状态评估值，并基于所述泄露状态评估值确定所述GIS设备是否处于泄露状态；
S15基于所述内部气体的含水量、气体种类、运行温度、运行压力，采用故障预测模型，确定所述GIS设备的运行状态，并至少基于所述GIS设备的运行状态、输出告警信号的次数、处于疑似故障状态以及疑似泄露状态的次数，输出所述GIS设备的检修建议。
2.如权利要求1所述的GIS状态检测方法，其特征在于，所述GIS设备的比例因子的取值范围在2%-5%之间，具体的根据所述GIS设备的所述基础比例因子、所述运行比例因子、所述操作比例因子进行确定，其中所述基础比例因子越大、所述运行比例因子越大、所述操作比例因子越大，则所述GIS设备的比例因子就越大。
3.如权利要求1所述的GIS状态检测方法，其特征在于，所述GIS设备的运行状态包括故障运行状态、疑似故障运行状态、正常运行状态。
4.如权利要求1所述的GIS状态检测方法，其特征在于，所述GIS设备的检修建议输出的具体步骤为：
S41基于所述GIS设备的运行状态，确定所述GIS设备的运行状态是否处于故障运行状态或者疑似故障运行状态，若是，则进入步骤S42，若否，则进入步骤S44；
S42基于所述GIS设备的输出告警信号的次数确定所述GIS设备是否为问题设备，若是，则输出需要立马停电检修，若否，则进入步骤S43；
S43基于所述GIS设备的处于疑似故障状态以及疑似泄露状态的次数确定所述GIS设备是否为问题设备，若是，则输出需要立马停电检修，若否，则进入步骤S44；
S44基于所述GIS设备的运行状态、输出告警信号的次数、处于疑似故障状态以及疑似泄露状态的次数，确定所述GIS设备的状态检测值，并基于所述GIS设备的状态检测值给出所述GIS设备的检修建议。
5.一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行权利要求1-4任一项所述的一种基于温湿度监测的GIS状态检测方法。
6.一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-4任一项所述的一种基于温湿度监测的GIS状态检测方法。
CN202310240419.3A 2023-03-14 2023-03-14 一种基于温湿度监测的gis状态检测方法 Active CN116046077B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310240419.3A CN116046077B (zh) 2023-03-14 2023-03-14 一种基于温湿度监测的gis状态检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310240419.3A CN116046077B (zh) 2023-03-14 2023-03-14 一种基于温湿度监测的gis状态检测方法

Publications (2)

Publication Number Publication Date
CN116046077A CN116046077A (zh) 2023-05-02
CN116046077B true CN116046077B (zh) 2023-07-14

Family

ID=86125792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310240419.3A Active CN116046077B (zh) 2023-03-14 2023-03-14 一种基于温湿度监测的gis状态检测方法

Country Status (1)

Country Link
CN (1) CN116046077B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2011100274A4 (en) * 2011-03-10 2011-04-21 Thermax Sustainable Energy Solutions Ltd A system and method for monitoring green house gas related data of an entity
CN202067135U (zh) * 2011-05-13 2011-12-07 汉赢创业（北京）科技有限公司 一种多功能型气体综合在线测控装置
CN102318025A (zh) * 2009-01-30 2012-01-11 威卡亚历山大威甘德股份有限公司 用于确定绝缘室或开关柜中的sf6气体的填充量的测量设备及相应的方法
CN110261748A (zh) * 2019-07-10 2019-09-20 重庆科技学院 Gis设备绝缘性能识别方法及系统
CN110647924A (zh) * 2019-09-05 2020-01-03 国网河北省电力有限公司电力科学研究院 一种基于支持向量描述与k近邻算法的gis设备状态评估方法
CN110793647A (zh) * 2019-11-27 2020-02-14 成都工百利自动化设备有限公司 一种基于高压开关柜温度场分布的温度探测方法及系统
KR102297179B1 (ko) * 2020-12-30 2021-09-02 (주)이림엔지니어링 변전소의 공기순환 시스템
CN114487643A (zh) * 2021-12-16 2022-05-13 国网河南省电力公司检修公司 一种特高压gil设备现场交接验收综合测试平台
CN115096366A (zh) * 2022-06-27 2022-09-23 国网江苏省电力有限公司扬州市江都区供电分公司 一种sf6环网柜运行状态监测系统及其状态评估方法
CN115542099A (zh) * 2022-11-28 2022-12-30 国网山东省电力公司东营供电公司 一种在线gis局部放电检测方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9212966B2 (en) * 2011-08-05 2015-12-15 Solon Manufacturing Company Network manageable advanced gas sensor apparatus and method

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102318025A (zh) * 2009-01-30 2012-01-11 威卡亚历山大威甘德股份有限公司 用于确定绝缘室或开关柜中的sf6气体的填充量的测量设备及相应的方法
AU2011100274A4 (en) * 2011-03-10 2011-04-21 Thermax Sustainable Energy Solutions Ltd A system and method for monitoring green house gas related data of an entity
CN202067135U (zh) * 2011-05-13 2011-12-07 汉赢创业（北京）科技有限公司 一种多功能型气体综合在线测控装置
CN110261748A (zh) * 2019-07-10 2019-09-20 重庆科技学院 Gis设备绝缘性能识别方法及系统
CN110647924A (zh) * 2019-09-05 2020-01-03 国网河北省电力有限公司电力科学研究院 一种基于支持向量描述与k近邻算法的gis设备状态评估方法
CN110793647A (zh) * 2019-11-27 2020-02-14 成都工百利自动化设备有限公司 一种基于高压开关柜温度场分布的温度探测方法及系统
KR102297179B1 (ko) * 2020-12-30 2021-09-02 (주)이림엔지니어링 변전소의 공기순환 시스템
CN114487643A (zh) * 2021-12-16 2022-05-13 国网河南省电力公司检修公司 一种特高压gil设备现场交接验收综合测试平台
CN115096366A (zh) * 2022-06-27 2022-09-23 国网江苏省电力有限公司扬州市江都区供电分公司 一种sf6环网柜运行状态监测系统及其状态评估方法
CN115542099A (zh) * 2022-11-28 2022-12-30 国网山东省电力公司东营供电公司 一种在线gis局部放电检测方法和装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A High Precision Cost-effective Ultrasonic Sensor for Detection of Gas Leakage in Gas Insulated Switchgear;Soumya Debashis Das等;2021 International Conference on Sustainable Energy and Future Electric Transportation (SEFET);全文 *
Determination of gas leakage rate of gis-test systems by measurement of pressure and temperature;Martin Hinow等;2010 IEEE International Symposium on Electrical Insulation;全文 *
基于改进PSO优化BP神经网络的变压器故障诊断;丁腾飞;曹云侠;;制造业自动化(第10期);全文 *
基于温湿度补偿的低功耗燃气井监测系统设计;陆鑫涛;仪表技术与传感器(第10期);全文 *
某水电站GIS电缆层中SF_6重气扩散的数值模拟;丁宗果;何天祺;刘勇;秦丹;;建筑热能通风空调(第01期);全文 *

Also Published As

Publication number Publication date
CN116046077A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
EP3809220A1 (en) Method and system for semi-supervised deep anomaly detection for large-scale industrial monitoring systems based on time-series data utilizing digital twin simulation data
US20130204812A1 (en) Method for computer-aided closed-loop and/or open-loop control of a technical system
KR101994465B1 (ko) 기술 시스템, 특히 전기 에너지-발생 설비의 동작의 컴퓨터-보조 모니터링을 위한 방법
CN111444953A (zh) 一种基于改进粒子群优化算法的传感器故障监测方法
CN111639798A (zh) 智能的预测模型选择方法及装置
CN111881023B (zh) 一种基于多模型对比的软件老化预测方法及装置
CN111191838B (zh) 一种集成人工智能算法的工业设备状态管控方法和装置
Lv et al. An early fault detection method for induced draft fans based on MSET with informative memory matrix selection
CN105468850A (zh) 基于多残差回归预测算法的电子产品退化趋势预测方法
CN112202726B (zh) 一种基于上下文感知的系统异常检测方法
CN116257884B (zh) 一种基于流量分析的电商平台客户数据处理方法与系统
CN114943321A (zh) 一种针对硬盘的故障预测方法、装置及设备
CN115455746B (zh) 一种核动力装置运行监测数据异常检测与校正一体化方法
Yu et al. Pump remaining useful life prediction based on multi-source fusion and monotonicity-constrained particle filtering
CN102257448A (zh) 使用切换模型进行机器状况监视的文件的滤波和预测
CN116187552A (zh) 异常检测方法、计算设备及计算机存储介质
CN112231134A (zh) 神经网络处理器的故障处理方法及装置、设备、存储介质
US20210287525A1 (en) Method for learning latest data considering external influences in early warning system and system for same
CN116046077B (zh) 一种基于温湿度监测的gis状态检测方法
CN110825561A (zh) 控制系统以及控制装置
CN112128950B (zh) 一种基于多种模型对比的机房温湿度预测方法及系统
CN117436593A (zh) 基于人工智能的焚烧炉系统故障预测方法及系统
CN116033142B (zh) 一种基于摄像装置的环境光测量方法与系统
CN115795999B (zh) 一种长期服役抽水蓄能机组性能异常预警方法
CN115913898B (zh) 一种基于机器学习算法的物联网终端故障诊断方法与介质

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
GR01 Patent grant
GR01 Patent grant