CN116070129A - 一种水电集控事故智能诊断系统 - Google Patents

Abstract

本发明提一种水电集控事故智能诊断系统，包括在集控中心进行统一部署的基础模型管理、专家系统诊断模型构建、信号辨识、智能诊断、事故处置和趋势性分析，其特征在于：所述基础模型管理是构建完整的“电站‑设备‑点表信息”关联关系结构化数据，所述专家系统诊断模型构建是实现各运行工况模型构建及告警信息标签规则模型，所述智能诊断包括智能辨识及推送是通过对解析后的告警信息进行研判，通过设有的智能信号辨识，可通过标签的扩展性强、检索快、分析块特点，大幅提高海量遥测、遥信数据的检索及查询速度，通过设有的智能故障处置，可根据日常经验形成故障诊断专家库，对故障进行诊断，并自动形成处置策略。

Description

一种水电集控事故智能诊断系统

技术领域

本发明涉及水电集控事故智能诊断领域，具体为一种水电集控事故智能诊断系统。

背景技术

近年来，国内随着我国电力工业的发展，设备的信息化程度越来越高，设备状态监测技术日益成熟，设备运行数据与测试数据激增，借助信息技术对设备进行在线状态评估势在必行。设备状态在线监测不等于状态监测，设备状态评估也不等于设备状态在线评估。状态监测包括在线监测，必要时的离线检测及试验，以及不与运行设备直接接触的(如红外监测等)所有可得到运行状态数据的手段；在线监测是指直接安装在设备本体上可实时记录表征设备运行状态特征量的测量系统及技术。设备状态诊断是根据某一时刻在线监测的特征量与前面监测的结果进行纵向比较分析，与同类设备或同一设备不同相在线监测的结果进行横向比较，并结合历年离线检测试验数据和运行经验等，对故障类型、严重程度及原因等做出综合判断，进而做出维修策略及方法。设备状态在线评估是以在线监测结果对故障的类型、位置、严重程度及原因做出判断，并预测出设备继续运行的剩余寿命和给出维修策略及方法的建议。显然在线诊断要求在线监测系统必须具有能反映各种特征量(单一特征最很难满足应用要求)的监测功能、丰富的专家系统和智能化的诊断能力。

国外对设备运行状态检修及事故处置的相关研究主要集中在方法的研究、新技术的研究、具体实施系统的研究等方面。(1)美国电力科学研究院(EPRI)提出了检修优化(PMO)解决方案包括设备检修依据分析、预知维修或状态检修、工作管理和持续改进，在此基础上发展的维修计划和进度安排工具软件可辅助开展状态检修。(2)Alston公司开发了用于确定设备的计划运行寿命及可靠性水平，根据运行数据的积累、时间分析、检测周期、采购管理、商业和人为因素等，通过获取、保留和分析故障数据得到设备的基本状态，达到优化检修的目的。

目前四电站人员短缺、运维技术力量参差不齐，集控值班人员负责接入电站信号监屏、开停机、负荷调整、开关站设备倒闸操作及调度日常协调等相关工作，监屏报警信号繁杂多样，由设备操作、开停机、现场作业消缺、厂用电源倒换、设备故障、事故等引发的有效、无效报警信号跳屏频发，集控值班人员监视工作压力大，存在漏看光字等风险，为电厂安全稳定运行带来隐患。

发明内容

本发明的目的在于提供一种水电集控事故智能诊断系统，以解决上述背景技术提出的问题。

为实现上述目的，本发明提供如下技术方案：一种水电集控事故智能诊断系统，包括在集控中心进行统一部署的基础模型管理、专家系统诊断模型构建、信号辨识、智能诊断、事故处置和趋势性分析，所述基础模型管理是构建完整的“电站-设备-点表信息”关联关系结构化数据，所述专家系统诊断模型构建是实现各运行工况模型构建及告警信息标签规则模型，所述智能诊断包括智能辨识及推送是通过对解析后的告警信息进行研判，所述事故处置是根据信号处置专家库，针对每一个诊断出的故障，系统都提供人工确认复核的操作过程，所述专家系统诊断模型构建还包括专家系统诊断，所述专家系统诊断主要包括知识库、推理机及解释器，所述智能辨识是对解析后的告警信息进行研判，过滤掉无效告警信息，输出有效告警信息，所述智能推送是通过对解析后的告警信息进行研判，对于研判后无效的告警信息进行标签、归类和存储，作为历史数据进行检索和查看。

作为本发明的进一步描述：所述基础模型管理可构建完整的“电站-设备-点表信息”关联关系结构化数据，可以通过文件解析、数据接口等方式，生成基于设备的关联关系库，为后期在应用过程中基于设备进行多维度查询相关数据，所述基础模型管理还包括模型获取、数据关联性、信号数据接入、数据清洗和数据清洗规则。

作为本发明的进一步描述：所述专家系统诊断模型构建包括工况模型构建和告警信息标签规则模型，工况模型构建是基于基础模型管理，对重点的7类工况进行建模，包括，设备检修工况、开机工况、停机工况、负荷调整工况、倒闸操作工况、厂用电倒闸操作工况及通信通道切换工况，告警信息标签规则模型是对监控信号进行标签化建模，如：伴生标签、频发标签、超期未复归标签。

作为本发明的进一步描述：所述专家系统诊断模型构建还包括专家系统的电网故障诊断，其方法是建立一个具有大量专门知识和经验的程序系统，它根据领域专家提供的知识和经验进行推理和判断，模拟专家的决策过程，来解决电网故障诊断方面的问题，专家系统方法能够提供强有力的推理并具有解释能力，他主要包括主要包括知识库、推理机及解释器三部分。

作为本发明的进一步描述：所述知识库是通过知识工程师和领域专家合作分析设备的典型异常，进行分类归纳和总结，采用规则表达式方式存储，形成知识库，知识库具备学习机制，通过人机交互界面进行知识的扩充学习及修正学习。

作为本发明的进一步描述：所述推理机是利用当前设备异常信息以及知识库的归纳信息，对当前进入到推理机的信息按照推理策略逐步推理直到得出结果。

作为本发明的进一步描述：所述解释器是依据推理机推理出的故障或事故结论的可信度进行排序，并以可视化方式给出故障诊断结果及处理建议。

作为本发明的进一步描述：所述智能辨识是对解析后的告警信息进行研判，过滤掉无效告警信息，输出有效告警信息，通过之前对“各运行工况模型”及“告警信息标签规则模型”的研究，以及对各模型判定规则的设定，需要采用一种合理的研判机制进行多目标同步研判，保证告警信息研判的准确性及实时性。

作为本发明的进一步描述：所述智能推送是通过对解析后的告警信息进行研判，对于研判后无效的告警信息进行标签、归类和存储，作为历史数据进行检索和查看，对于有效告警信息按照告警时间依次推送至监屏窗口，并通过智能告警(响铃、弹窗)的方式告知值班工作人员，对于长时间(时间间隔根据实际情况可设置)未复归的告警信号，则通过“告警未复归”窗口滚动显示，此类告警需值班人员时刻关注，查找告警原因，直至确认告警复归。

作为本发明的进一步描述：所述事故处置是根据信号处置专家库，针对每一个诊断出的故障，系统都提供人工确认复核的操作过程，调控人员可判别是否为故障，系统同时推出故障过程中的运行数据情况和故障处置策略。

与现有技术相比，本发明的有益效果是：

(1)通过设有的智能信号辨识，可利用标签技术，通过标签的扩展性强、检索快、分析块特点，大幅提高海量遥测、遥信数据的检索及查询速度。建立大数据资源之上的统一逻辑模型，在“标签”这种逻辑模型视图上结合画像分析、规则预警、文本挖掘、个性化推荐、关系网络等多个业务场景的数据服务，快速过滤无效信号，为监控人员提升监控效率；

(2)通过设有的智能故障处置，可根据日常经验形成故障诊断专家库，利用主告警信号、辅告警信号等信号的分类和组合，对实时采集的信号数据进行解析，结合故障产生时段的运行数据，对故障进行诊断，并自动形成处置策略。

(3)本系统主要通过对告警信号的分类、标签、关联等研究，建立电站、设备、数据点之间的关联关系，智能推送有效告警信息并提示值班人员，并结合事故处置，系统提供处置策略及辅助集控人员对事故进行判断，提升事故处置效率，减轻值班工作压力，提高监屏及告警信息处理效率，进一步保障电厂及电网安全运行。

1，减轻集控值班人员监屏压力

通过本系统的建设，值班人员无需实时盯着监控系统屏幕，当出现有效的告警信号时，系统会将有效告警信号智能推送至有效信息区，并且通过系统弹框、语音提示的方式，提醒值班人员。

2，避免监屏有效光字信息遗漏

系统通过对监控信息的分类、标签、关联等处理，过滤大量刷屏、伴生、检修关联等无效信息，对有效的、有用的告警信息进行单独展示，避免了监屏大量告警信息中有效光字信息的遗漏。

3，提升集控值班人员事故处置效率

将事故应急处置流程可视化，关键时候辅助、指导运行值班人员进行应急处置，同时自动分析比较设备工况与应急预定工况的偏差，在大量自动化信号中快速、准确的掌握设备故障和应急处置相关的实时信息，帮助值班人员更快、更准确的掌握现场工况和事件发展时态。

4，保障电厂及电网安全稳定运行

通过减轻监屏人员压力，防止有效的告警信息漏看，为事故事件提供处置策略，精准为值班人员提供告警信息并及时告知、处置，提高值班人员工作效率，有效保障电厂及电网安全稳定运行。

附图说明

图1为本发明的系统结构示意图；

图2为本发明的专家诊断系统逻辑结构示意图。

具体实施方式

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，都属于本发明保护的范围。

请参阅图1-图2，本发明提供一种技术方案：一种水电集控事故智能诊断系统，包括在集控中心进行统一部署的基础模型管理、专家系统诊断模型构建、信号辨识、智能诊断、事故处置和趋势性分析，基础模型管理是构建完整的“电站-设备-点表信息”关联关系结构化数据，专家系统诊断模型构建是实现各运行工况模型构建及告警信息标签规则模型，智能诊断包括智能辨识及推送是通过对解析后的告警信息进行研判，事故处置是根据信号处置专家库，针对每一个诊断出的故障，系统都提供人工确认复核的操作过程，专家系统诊断模型构建还包括专家系统诊断，专家系统诊断主要包括知识库、推理机及解释器，智能辨识是对解析后的告警信息进行研判，过滤掉无效告警信息，输出有效告警信息，智能推送是通过对解析后的告警信息进行研判，对于研判后无效的告警信息进行标签、归类和存储，作为历史数据进行检索和查看。

在本实施例中：基础模型管理可构建完整的“电站-设备-点表信息”关联关系结构化数据，可以通过文件解析、数据接口等方式，生成基于设备的关联关系库，为后期在应用过程中基于设备进行多维度查询相关数据，基础模型管理还包括模型获取、数据关联性、信号数据接入、数据清洗和数据清洗规则。

具体使用时：基础模型管理：构建完整的“电站-设备-点表信息”关联关系结构化数据。可以通过文件解析、数据接口等方式，生成基于设备的关联关系库，为后期在应用过程中基于设备进行多维度查询相关数据，比如设备厂家、型号、电站、开关、点号、故障、事故、检修等相关数据，快速查找到设备的电站及点号信息，构建“电站-设备-点表信息”关联关系结构化数据，通过模型解析或文件解析的方式获取电站、设备、点表的信息，并构建关联关系。从监控系统获取实时信号数据，对数据进行过滤和清洗。

模型获取：获取监控系统CIM模型信息，通过解析模型信息获取电站及设备信息。

数据关联性：基于电站、设备的基础模型，将各设备的量测点号与设备信息进行关联。

信号数据接入：通过读库、报文解析、104规约解析、数据队列等方式读取信号的模拟量信息、状态量信息，将该数据进行存储。

数据清洗：通过获取的模拟量信息进行数据的初步清洗，将数据为空值、连续不发生变化、数据格式不正常等类型的数据进行过滤，并推送至用户。

数据清洗规则：对清洗规则进行维护，包括：空数据、不变化的数据、格式不正确的数据等。

在本实施例中：专家系统诊断模型构建包括工况模型构建和告警信息标签规则模型，工况模型构建是基于基础模型管理，对重点的7类工况进行建模，包括，设备检修工况、开机工况、停机工况、负荷调整工况、倒闸操作工况、厂用电倒闸操作工况及通信通道切换工况，告警信息标签规则模型是对监控信号进行标签化建模，如：伴生标签、频发标签、超期未复归标签，专家系统诊断模型构建还包括专家系统的电网故障诊断，其方法是建立一个具有大量专门知识和经验的程序系统，它根据领域专家提供的知识和经验进行推理和判断，模拟专家的决策过程，来解决电网故障诊断方面的问题，专家系统方法能够提供强有力的推理并具有解释能力，他主要包括主要包括知识库、推理机及解释器三部分，知识库是通过知识工程师和领域专家合作分析设备的典型异常，进行分类归纳和总结，采用规则表达式方式存储，形成知识库，知识库具备学习机制，通过人机交互界面进行知识的扩充学习及修正学习，推理机是利用当前设备异常信息以及知识库的归纳信息，对当前进入到推理机的信息按照推理策略逐步推理直到得出结果，解释器是依据推理机推理出的故障或事故结论的可信度进行排序，并以可视化方式给出故障诊断结果及处理建议。

具体使用时：专家系统诊断模型构建：实现各运行工况模型构建及告警信息标签规则模型，运行工况模型构建是基于基础模型管理，对重点的7类工况进行建模，包括：设备检修工况、开机工况、停机工况、负荷调整工况、倒闸操作工况、厂用电倒闸操作工况及通信通道切换工况。告警信息标签是对监控信号进行标签化建模，如：伴生标签、频发标签、超期未复归标签等，实现各运行工况模型构建及告警信息标签规则模型。

各运行工况模型：在“电站-设备-点表信息”关联关系库基础上，构建各运行工况下监控信息点表配置模型。主要的运行工况有7种：设备检修工况、开机工况、停机工况、负荷调整工况、倒闸操作工况、厂用电倒闸操作工况及通信通道切换工况。针对每种运行工况，我们将其对应的监控告警信息与“电站-设备-点表信息”关联关系库进行关联，当发生设备检修、开停机、负荷调整、倒闸操作、厂用电倒闸及通信通道切换等工况时，系统智能匹配该工况下的监控信息点数据，同时可以对每种运行工况下需要推送至监屏窗口的有效信息进行人工配置。

告警信息标签规则模型：对除各运行工况以外的大量告警刷屏光字进行规则定义。通过对大渡河调度大厅监控系统历史数据的研究以及对大量刷屏光字的归类分析，主要有“频发”和“瞬发”信号居多。同时根据监屏过程中可能发生的特殊情况，以及在本次研究中未分析全面的情况，除频发、瞬发信号外，我们还设置了伴生、抑制、封锁、超期未复归、遥测不变化、遥测突变、误发、漏发、可疑等多种告警信号研判规则及标签管理规则，主要用于对大量杂乱告警信息的全面进行解析分析；同时，在每种标签规则模型中，都设计有相应的规则配置及自定义，实现对标签规则模型库的完善及优化。

在本实施例中：智能辨识是对解析后的告警信息进行研判，过滤掉无效告警信息，输出有效告警信息，通过之前对“各运行工况模型”及“告警信息标签规则模型”的研究，以及对各模型判定规则的设定，需要采用一种合理的研判机制进行多目标同步研判，保证告警信息研判的准确性及实时性，智能推送是通过对解析后的告警信息进行研判，对于研判后无效的告警信息进行标签、归类和存储，作为历史数据进行检索和查看，对于有效告警信息按照告警时间依次推送至监屏窗口，并通过智能告警(响铃、弹窗)的方式告知值班工作人员，对于长时间(时间间隔根据实际情况可设置)未复归的告警信号，则通过“告警未复归”窗口滚动显示，此类告警需值班人员时刻关注，查找告警原因，直至确认告警复归，事故处置是根据信号处置专家库，针对每一个诊断出的故障，系统都提供人工确认复核的操作过程，调控人员可判别是否为故障，系统同时推出故障过程中的运行数据情况和故障处置策略。

具体使用时：智能辨识及推送：通过对解析后的告警信息进行研判，对于研判后无效的告警信息进行标签、归类和存储，作为历史数据进行检索和查看；对于有效告警信息按照告警时间依次推送至监屏窗口，通过对解析后的告警信息进行研判，对于研判后无效的告警信息进行标签、归类和存储，作为历史数据进行检索和查看；对于有效告警信息按照告警时间依次推送至监屏窗口。

智能辨识：对解析后的告警信息进行研判，过滤掉无效告警信息，输出有效告警信息。通过之前对“各运行工况模型”及“告警信息标签规则模型”的研究，以及对各模型判定规则的设定，需要采用一种合理的研判机制进行多目标同步研判，保证告警信息研判的准确性及实时性。

智能推送：通过对解析后的告警信息进行研判，对于研判后无效的告警信息进行标签、归类和存储，作为历史数据进行检索和查看；对于有效告警信息按照告警时间依次推送至监屏窗口，并通过智能告警(响铃、弹窗)的方式告知值班工作人员；对于长时间(时间间隔根据实际情况可设置)未复归的告警信号，则通过“告警未复归”窗口滚动显示，此类告警需值班人员时刻关注，查找告警原因，直至确认告警复归。

在本实施例中：事故处置是根据信号处置专家库，针对每一个诊断出的故障，系统都提供人工确认复核的操作过程，调控人员可判别是否为故障，系统同时推出故障过程中的运行数据情况和故障处置策略。

具体使用时：事故处置：根据信号处置专家库，针对每一个诊断出的故障，系统都提供人工确认复核的操作过程，调控人员可判别是否为故障，系统同时推出故障过程中的运行数据情况和故障处置策略，通过人工维护构建故障处置策略库，针对不同设备的不同故障，给出处置建议，指导辅助调控人员进行故障处理。处置策略包括：处置方案、处置流程、设备说明书、各电站运行规程、故障过程前后的运行信息。

方案管理：实现处置方案、设备说明书、运行规程等各类文案的维护管理。

经验规则库：将集控各电站的应急事件处置经验进行整合，将其信息化、数据化，形成事件应急处置经验规则库，作为指导应急处置的基础信息。用以保障集控/电厂应急处置的准确性和提升运行专业技能水平。主要包括：事件库、报警信息库、运行数据库、规则库维护等内容。

事故处置管理：系统在接收到告警信息后依据故障库规则快速匹配生成应急事件，能够将应急事件发生时用于事件诊断的报警信息发生状态及实时运行数据同步展示，同时能够将事件处置的流程可视化，支持同步推送给集控和电厂。在事件处置完毕后集控可对应急事件的处置过程进行归类判断是否合格以及进行事件的关闭归档，对于不合格的处置流程集控需给出处置建议，以便后续同类事件发生时优化处置过程。

本说明中未作详细描述的内容属于本领域专业技术人员公知的现有技术，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种水电集控事故智能诊断系统，包括在集控中心进行统一部署的基础模型管理、专家系统诊断模型构建、信号辨识、智能诊断、事故处置和趋势性分析，其特征在于：所述基础模型管理是构建完整的“电站-设备-点表信息”关联关系结构化数据，所述专家系统诊断模型构建是实现各运行工况模型构建及告警信息标签规则模型，所述智能诊断包括智能辨识及推送是通过对解析后的告警信息进行研判，所述事故处置是根据信号处置专家库，针对每一个诊断出的故障，系统都提供人工确认复核的操作过程，所述专家系统诊断模型构建还包括专家系统诊断，所述专家系统诊断主要包括知识库、推理机及解释器，所述智能辨识是对解析后的告警信息进行研判，过滤掉无效告警信息，输出有效告警信息，所述智能推送是通过对解析后的告警信息进行研判，对于研判后无效的告警信息进行标签、归类和存储，作为历史数据进行检索和查看。

2.根据权利要求1所述的一种水电集控事故智能诊断系统，其特征在于：所述基础模型管理可构建完整的“电站-设备-点表信息”关联关系结构化数据，可以通过文件解析、数据接口等方式，生成基于设备的关联关系库，为后期在应用过程中基于设备进行多维度查询相关数据，所述基础模型管理还包括模型获取、数据关联性、信号数据接入、数据清洗和数据清洗规则。

3.根据权利要求1所述的一种水电集控事故智能诊断系统，其特征在于：所述专家系统诊断模型构建包括工况模型构建和告警信息标签规则模型，工况模型构建是基于基础模型管理，对重点的7类工况进行建模，包括，设备检修工况、开机工况、停机工况、负荷调整工况、倒闸操作工况、厂用电倒闸操作工况及通信通道切换工况，告警信息标签规则模型是对监控信号进行标签化建模，如：伴生标签、频发标签、超期未复归标签。

4.根据权利要求1所述的一种水电集控事故智能诊断系统，其特征在于：所述专家系统诊断模型构建还包括专家系统的电网故障诊断，其方法是建立一个具有大量专门知识和经验的程序系统，它根据领域专家提供的知识和经验进行推理和判断，模拟专家的决策过程，来解决电网故障诊断方面的问题，专家系统方法能够提供强有力的推理并具有解释能力，他主要包括主要包括知识库、推理机及解释器三部分。

5.根据权利要求4所述的一种水电集控事故智能诊断系统，其特征在于：所述知识库是通过知识工程师和领域专家合作分析设备的典型异常，进行分类归纳和总结，采用规则表达式方式存储，形成知识库，知识库具备学习机制，通过人机交互界面进行知识的扩充学习及修正学习。

6.根据权利要求4所述的一种水电集控事故智能诊断系统，其特征在于：所述推理机是利用当前设备异常信息以及知识库的归纳信息，对当前进入到推理机的信息按照推理策略逐步推理直到得出结果。

7.根据权利要求4所述的一种水电集控事故智能诊断系统，其特征在于：所述解释器是依据推理机推理出的故障或事故结论的可信度进行排序，并以可视化方式给出故障诊断结果及处理建议。

8.根据权利要求1所述的一种水电集控事故智能诊断系统，其特征在于：所述智能辨识是对解析后的告警信息进行研判，过滤掉无效告警信息，输出有效告警信息，通过之前对“各运行工况模型”及“告警信息标签规则模型”的研究，以及对各模型判定规则的设定，需要采用一种合理的研判机制进行多目标同步研判，保证告警信息研判的准确性及实时性。

9.根据权利要求1所述的一种水电集控事故智能诊断系统，其特征在于：所述智能推送是通过对解析后的告警信息进行研判，对于研判后无效的告警信息进行标签、归类和存储，作为历史数据进行检索和查看，对于有效告警信息按照告警时间依次推送至监屏窗口，并通过智能告警的方式告知值班工作人员，对于长时间未复归的告警信号，则通过“告警未复归”窗口滚动显示，此类告警需值班人员时刻关注，查找告警原因，直至确认告警复归。

10.根据权利要求1所述的一种水电集控事故智能诊断系统，其特征在于：所述事故处置是根据信号处置专家库，针对每一个诊断出的故障，系统都提供人工确认复核的操作过程，调控人员可判别是否为故障，系统同时推出故障过程中的运行数据情况和故障处置策略。

Images