CN116345690A - 基于供电系统bom的pscada虚警识别方法及系统 - Google Patents
基于供电系统bom的pscada虚警识别方法及系统 Download PDFInfo
- Publication number
- CN116345690A CN116345690A CN202310315311.6A CN202310315311A CN116345690A CN 116345690 A CN116345690 A CN 116345690A CN 202310315311 A CN202310315311 A CN 202310315311A CN 116345690 A CN116345690 A CN 116345690A
- Authority
- CN
- China
- Prior art keywords
- data
- power supply
- supply system
- fault
- false alarm
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000002159 abnormal effect Effects 0.000 claims abstract description 112
- 238000004458 analytical method Methods 0.000 claims abstract description 84
- 238000012423 maintenance Methods 0.000 claims abstract description 52
- 238000007405 data analysis Methods 0.000 claims abstract description 49
- 230000036541 health Effects 0.000 claims abstract description 39
- 230000007613 environmental effect Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 11
- 231100000279 safety data Toxicity 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 10
- 238000012806 monitoring device Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明设计供电系统检测的技术领域，尤其涉及基于供电系统BOM的PSCADA虚警识别方法及系统，基于供电系统BOM的PSCADA虚警识别方法包括实时获取供电系统的工作数据，工作数据包括设备类型数据以及该设备对应的工况数据；将工作数据输入至预设的故障分析模型内，得到数据分析结果，数据分析结果包括异常故障数据结果和虚警数据结果；当分析结果为异常故障数据结果，基于工作数据获取故障数据，根据故障数据获取系统异常信息，基于系统异常信息制定供电系统维护计划；当分析结果为虚警数据结果，基于工作数据构建系统服役曲线，根据系统服役曲线获取供电系统的健康预测信息。本申请具有提高供电系统运行的稳定性和可靠性的效果。
Description
技术领域
本发明涉及供电系统检测的技术领域，尤其是涉及一种基于供电系统BOM的PSCADA虚警识别方法及系统。
背景技术
城市轨道交通供电系统是轨道交通的重要组成部分，主要为列车提供牵引动力，同时能够给辅助设施，如照明、通风、空调、排水、通信、防灾报警等提供电力，供电系统的安全可靠性是城市轨道交通设备正常运行的重要保证，因此，如何快速识别供电系统的故障信息，快速处理故障恢复供电具有重要意义。
目前，城市轨道交通供电系统内会连接有PSCADA 系统，PSCADA系统会实时采集供电系统内各设备的工作数据，对数据进行分析，以判断供电系统是否出现故障，在识别出供电系统出现故障后，通知工作人员及时对供电系统进行修复。
但是，现有技术中对城市轨道交通供电系统进行故障识别过程中，对于采集到的供电系统工作数据分析过程中，容易出现虚警情况，虚警情况是由于工作数据分析结果出现误判导致的，即对工作数据分析情况判断为出现故障，然而可能是由于外界一些因素导致供电系统的工作数据出现短暂的异常，被误判为出现故障，但实际供电系统并无发生故障，使得供电系统因为虚警情况自动会停止工作，进而对供电系统的工作造成影响，因此，存在一定的改进空间。
发明内容
为了提高供电系统运行的稳定性和供电系统的可靠性，本申请提供一种基于供电系统BOM的PSCADA虚警识别方法及系统。
本申请的上述发明目的一是通过以下技术方案得以实现的：
一种基于供电系统BOM的PSCADA虚警识别方法，所述基于供电系统BOM的PSCADA虚警识别方法包括步骤：
实时获取供电系统的工作数据，其中，所述工作数据包括设备类型数据以及该设备对应的工况数据；
将所述工作数据输入至预设的故障分析模型内，得到数据分析结果，所述数据分析结果包括异常故障数据结果和虚警数据结果；
当所述分析结果为异常故障数据结果，基于所述工作数据获取故障数据，根据所述故障数据获取系统异常信息，基于所述系统异常信息制定供电系统维护计划；
当所述分析结果为虚警数据结果，基于所述工作数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的健康预测信息。
通过采用上述技术方案，在供电系统正常运维过程中，通过供电系统内的监测装置实时采集供电系统的工作数据，从供电系统的工作数据中能够获取到供电系统的设备类型数据以及相对应的工况数据，通过故障分析模型对供电系统的工作数据进行分析，利用供电系统的工作数据分析结果判断供电系统是否出现故障或者虚警故障，当对供电系统的工作数据分析结果为异常故障数据结果时，通过故障数据分析出供电系统出现故障的系统异常信息，具体包括故障类型、发生故障的设备以及发生故障的具体位置等信息，针对系统异常信息制定合适的供电系统维护计划，能够准确识别出供电系统的故障情况，并根据供电系统的具体故障制定相对应的维护计划，进而能够快速且准确的对供电系统进行维护，当对供电系统的工作数据分析结果为虚警数据结果时，利用供电系统的工作数据对供电系统进行健康预测，能够在供电系统出现虚警时维持供电系统的正常运行，同时也能在供电系统出现虚警情况后，对供电系统的健康情况进行预测，实现对供电系统健康预警功能，利用供电系统的工作数据，分析出供电系统是否出现故障或是出现虚警情况，并对供电系统进行及时维护，提高了供电系统运行的稳定性。
本申请在一较佳示例中可以进一步配置为：所述将所述工作数据输入至预设的故障分析模型内，得到数据分析结果，所述数据分析结果包括异常故障数据结果和虚警数据结果，具体包括：
在预设监测时间段内，基于所述工作数据获取状态异常数据，将所述状态异常数据输入至故障分析模型中；
将所述状态异常数据与故障分析模型内的安全数据线进行比较，计算状态异常数据超出安全数据线的区域面积；
根据所述区域面积与预设的故障面积判断条件进行比较，当区域面积小于故障面积判断条件时，数据分析结果为虚警数据结果；当区域面积大于或等于故障面积判断条件时，所述数据分析结果为异常故障数据结果。
通过采用上述技术方案，通过分析出现状态异常数据时间段内的数据，计算状态异常数据超出故障分析模型中的安全数据线的区域面积，利用区域面积的大小情况识别出供电系统出现状态异常数据是发生故障抑或是其他因素导致的虚警情况，实现对供电系统状态异常数据的分析功能，识别出供电系统具体的异常情况，提高供电系统的故障识别准确性。
本申请在一较佳示例中可以进一步配置为：在所述将所述工作数据输入至预设的故障分析模型内，得到数据分析结果之前，所述基于供电系统BOM的PSCADA虚警识别方法还包括：
获取供电系统的历史工作数据和系统维护台账数据，基于所述历史工作数据获取历史故障数据；
基于所述历史故障数据和系统维护台账数据构建故障分析模型。
通过采用上述技术方案，通过收集供电系统的历史工作数据，分析出供电系统出现过的历史故障，整理形成供电系统的历史故障数据，将得到的历史故障数据和供电系统的系统维护台账数据作为基础，构建出供电系统的故障分析模型，进而便于对供电系统进行故障分析，从而便于对供电系统进行健康监测。
本申请在一较佳示例中可以进一步配置为：在所述将所述工作数据输入至预设的故障分析模型内，得到数据分析结果之后，所述基于供电系统BOM的PSCADA虚警识别方法还包括：
获取供电系统的环境数据，基于所述环境数据获取环境特征参数；
根据所述环境特征参数对故障分析模型进行训练。
通过采用上述技术方案，供电系统在运维过程中，供电系统的环境情况会对供电系统的工作性能产生影响，因此构建出故障分析模型后，同时获取供电系统的环境数据，对环境数据进行分析，得到环境特征参数，利用环境特征参数对故障分析模型进行训练，能够得到供电系统出现异常时候与供电系统的环境的关联关系，使得对供电系统的异常预警更加地精确。
本申请在一较佳示例中可以进一步配置为：所述当所述分析结果为异常故障数据结果，基于所述工作数据获取故障数据，根据所述故障数据获取系统异常信息，基于所述系统异常信息制定供电系统维护计划，具体包括：
基于所述故障数据获取故障特征信息，对所述故障特征信息进行降噪分布处理，得到系统异常信息；
根据所述异常信息获取供电系统的故障类型信息，基于所述故障类型信息指定供电系统维护计划。
通过采用上述技术方案，当供电系统出现故障时，利用供电系统的工作数据获取到供电系统的故障数据，对故障数据进行分析得到供电系统的故障特征信息，对故障特征信息进行降噪分布处理，将故障特征信息中的多余信息去除，并将故障特征信息分类，得到系统异常信息，通过对系统异常信息分析出供电系统出现的具体故障类型信息，进而便于针对故障类型信息制定相对应的维护计划。
本申请在一较佳示例中可以进一步配置为：所述当所述分析结果为虚警数据结果，基于所述工作数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的健康预测信息，具体包括：
根据所述工作数据获取虚警异常数据，将所述虚警异常数据输入至预设的寿命预测模型中，获取供电系统的健康数据；
基于所述健康数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的使用寿命数据，基于所述使用寿命数据获取健康预测信息。
通过采用上述技术方案，当供电系统出现虚警情况时，通过对供电系统的工作数据分析得到出现的虚警异常数据，利用预设的供电系统的寿命预测模型对虚警异常数据进行分析，得到供电系统的健康数据，实现对供电系统的健康情况监测功能，通过供电系统的健康数据构建供电系统的系统服役曲线，在供电系统的系统服役曲线的辅助下，便于预测出供电系统的可使用寿命情况，进而便于工作人员制定对城轨供电设备的未来维护方案，进而实现对城轨供电设备的健康管理功能。
本申请的上述发明目的二是通过以下技术方案得以实现的：
一种基于供电系统BOM的PSCADA虚警识别装置，所述基于供电系统BOM的PSCADA虚警识别装置包括：
工作数据获取模块，用于实时获取供电系统的工作数据，其中，所述工作数据包括设备类型数据以及该设备对应的工况数据；
故障判断模块，用于将所述工作数据输入至预设的故障分析模型内，得到数据分析结果，所述数据分析结果包括异常故障数据结果和虚警数据结果；
故障处理模块，用于当所述分析结果为异常故障数据结果，基于所述工作数据获取故障数据，根据所述故障数据获取系统异常信息，基于所述系统异常信息制定供电系统维护计划；
虚警处理模块，用于当所述分析结果为虚警数据结果，基于所述工作数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的健康预测信息。
通过采用上述技术方案，在供电系统正常运维过程中，通过供电系统内的监测装置实时采集供电系统的工作数据，从供电系统的工作数据中能够获取到供电系统的设备类型数据以及相对应的工况数据，通过故障分析模型对供电系统的工作数据进行分析，利用供电系统的工作数据分析结果判断供电系统是否出现故障或者虚警故障，当对供电系统的工作数据分析结果为异常故障数据结果时，通过故障数据分析出供电系统出现故障的系统异常信息，具体包括故障类型、发生故障的设备以及发生故障的具体位置等信息，针对系统异常信息制定合适的供电系统维护计划，能够准确识别出供电系统的故障情况，并根据供电系统的具体故障制定相对应的维护计划，进而能够快速且准确的对供电系统进行维护，当对供电系统的工作数据分析结果为虚警数据结果时，利用供电系统的工作数据对供电系统进行健康预测，能够在供电系统出现虚警时维持供电系统的正常运行，同时也能在供电系统出现虚警情况后，对供电系统的健康情况进行预测，实现对供电系统健康预警功能，利用供电系统的工作数据，分析出供电系统是否出现故障或是出现虚警情况，并对供电系统进行及时维护，提高了供电系统运行的稳定性。
本申请的上述目的三是通过以下技术方案得以实现的：
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于供电系统BOM的PSCADA虚警识别方法的步骤。
本申请的上述目的四是通过以下技术方案得以实现的：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于供电系统BOM的PSCADA虚警识别方法的步骤。
综上所述，本申请包括以下至少一种有益技术效果：
1、在供电系统正常运维过程中，通过供电系统内的监测装置实时采集供电系统的工作数据，从供电系统的工作数据中能够获取到供电系统的设备类型数据以及相对应的工况数据，通过故障分析模型对供电系统的工作数据进行分析，利用供电系统的工作数据分析结果判断供电系统是否出现故障或者虚警故障，利用供电系统的工作数据，分析出供电系统是否出现故障或是出现虚警情况，并对供电系统进行及时维护，提高了供电系统运行的稳定性；
2、通过分析出现状态异常数据时间段内的数据，计算状态异常数据超出故障分析模型中的安全数据线的区域面积，利用区域面积的大小情况识别出供电系统出现状态异常数据是发生故障抑或是其他因素导致的虚警情况，实现对供电系统状态异常数据的分析功能，识别出供电系统具体的异常情况，提高供电系统的故障识别准确性；
3、供电系统在运维过程中，供电系统的环境情况会对供电系统的工作性能产生影响，因此构建出故障分析模型后，同时获取供电系统的环境数据，对环境数据进行分析，得到环境特征参数，利用环境特征参数对故障分析模型进行训练，能够得到供电系统出现异常时候与供电系统的环境的关联关系，使得对供电系统的异常预警更加地精确。
附图说明
图1是本申请一实施例中基于供电系统BOM的PSCADA虚警识别方法的一流程图；
图2是本申请一实施例中基于供电系统BOM的PSCADA虚警识别方法中步骤S20的实现流程图；
图3是本申请一实施例中基于供电系统BOM的PSCADA虚警识别方法的另一实现流程图；
图4是本申请一实施例中基于供电系统BOM的PSCADA虚警识别方法的另一实现流程图；
图5是本申请一实施例中基于供电系统BOM的PSCADA虚警识别方法中步骤S30的实现流程图；
图6是本申请一实施例中基于供电系统BOM的PSCADA虚警识别方法中步骤S40的实现流程图；
图7是本申请一实施例中基于供电系统BOM的PSCADA虚警识别系统的一原理框图；
图8是本申请一实施例中的计算机设备示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
在一实施例中，如图1所示，本申请公开了一种基于供电系统BOM的PSCADA虚警识别方法，具体包括如下步骤：
S10：实时获取供电系统的工作数据，其中，所述工作数据包括设备类型数据以及该设备对应的工况数据。
在本实施例中，工作数据是指供电系统在运维过程中的工况数据。
具体的，在供电系统正常运维过程中，通过供电系统内的监测装置实时采集供电系统的工况数据，其中，供电系统的工况数据中包含了供电系统中的各个设备类型数据和该设备的工况数据，设备类型数据具体是指供电系统中的各个设备型号类型等信息，监测装置采集每个设备在正常运维过程中的具体工况数据。
S20：将所述工作数据输入至预设的故障分析模型内，得到数据分析结果，所述数据分析结果包括异常故障数据结果和虚警数据结果。
在本实施例中，故障分析模型是指用于对供电系统分析是否发生故障或者发生虚警的数据处理模型，异常数据结果是指供电系统发生故障的结果，虚警数据结果是指供电系统发生虚警的结果。
具体的，将采集到的供电系统的工作数据输入至故障分析模型内，故障分析模型对供电系统的工作数据进行分析处理，利用供电系统的工作数据分析结果判断供电系统是否出现故障或者虚警故障，进而能够判断出供电系统是否出现故障抑或是出现虚警情况。
S30：当所述分析结果为异常故障数据结果，基于所述工作数据获取故障数据，根据所述故障数据获取系统异常信息，基于所述系统异常信息制定供电系统维护计划。
在本实施例中，故障数据是指供电系统发生故障时候的工况数据，系统异常信息是指发生故障的具体设备以及发生的故障类型，供电系统维护计划是指对供电系统进行维修的计划。
具体的，当故障分析模型判断出供电系统发生故障时，对供电系统的工作数据提取中故障数据，通过对供电系统的故障数据进行分析，得到供电系统发生故障的具体设备、具体位置以及故障类型等系统异常信息。
进一步地，根据得到的发生故障的具体设备、具体位置以及故障类型等系统异常信息对供电系统制定出相对应的维护计划，能够准确识别出供电系统的故障情况，并根据供电系统的具体故障制定相对应的维护计划，进而能够快速且准确的对供电系统进行维护。
S40：当所述分析结果为虚警数据结果，基于所述工作数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的健康预测信息。
在本实施例中，系统服役曲线是指供电系统的寿命周期曲线，健康预测信息是指供电系统的健康情况。
具体的，当对供电系统的工作数据分析结果为虚警数据结果时，利用供电系统的工作数据对供电系统进行健康预测，能够在供电系统出现虚警时维持供电系统的正常运行，同时也能在供电系统出现虚警情况后，对供电系统的健康情况进行预测，实现对供电系统健康预警功能。
在本实施例中，在供电系统正常运维过程中，通过供电系统内的监测装置实时采集供电系统的工作数据，从供电系统的工作数据中能够获取到供电系统的设备类型数据以及相对应的工况数据，通过故障分析模型对供电系统的工作数据进行分析，利用供电系统的工作数据分析结果判断供电系统是否出现故障或者虚警故障，当对供电系统的工作数据分析结果为异常故障数据结果时，通过故障数据分析出供电系统出现故障的系统异常信息，具体包括故障类型、发生故障的设备以及发生故障的具体位置等信息，针对系统异常信息制定合适的供电系统维护计划，能够准确识别出供电系统的故障情况，并根据供电系统的具体故障制定相对应的维护计划，进而能够快速且准确的对供电系统进行维护，当对供电系统的工作数据分析结果为虚警数据结果时，利用供电系统的工作数据对供电系统进行健康预测，能够在供电系统出现虚警时维持供电系统的正常运行，同时也能在供电系统出现虚警情况后，对供电系统的健康情况进行预测，实现对供电系统健康预警功能，利用供电系统的工作数据，分析出供电系统是否出现故障或是出现虚警情况，并对供电系统进行及时维护，提高了供电系统运行的稳定性。
在一实施例中，如图2所示，在步骤S20中，即将所述工作数据输入至预设的故障分析模型内，得到数据分析结果，所述数据分析结果包括异常故障数据结果和虚警数据结果，具体包括：
S21：在预设监测时间段内，基于所述工作数据获取状态异常数据，将所述状态异常数据输入至故障分析模型中。
在本实施例中，状态异常数据是指供电系统在正常工作过程中出现的异常状态的数据。
具体的，在监测时间段内，采集供电系统的工作数据，并将出现明显跳跃的数据，例如数据突然升高或这数据突然降低的数据段提取出来，形成状态异常数据，将该状态异常数据输入至故障分析模型内，以便于分析供电系统是否出现故障或者是出现虚警情况。
S22：将所述状态异常数据与故障分析模型内的安全数据线进行比较，计算状态异常数据超出安全数据线的区域面积。
在本实施例中，安全数据线是指供电系统正常状态下的数据基准线，区域面积是指供电系统出现明显跳跃段的数据段与安全数据线形成的区域的具体面积。
具体的，通过分析出现状态异常数据时间段内的数据，基于出现明显跳跃的数据的时间段计算状态异常数据超出故障分析模型中的供电系统正常状态下的数据基准线的区域面积，例如，可通过定积分公式，对状态异常数据与安全数据线形成的区域图形进行计算，计算得出该区域图形的面积。
S23：根据所述区域面积与预设的故障面积判断条件进行比较，当区域面积小于故障面积判断条件时，数据分析结果为虚警数据结果；当区域面积大于或等于故障面积判断条件时，所述数据分析结果为异常故障数据结果。
具体的，利用区域面积的大小情况识别出供电系统出现状态异常数据是发生故障抑或是其他因素导致的虚警情况，当区域面积小于故障面积判断条件时，确定供电系统发生虚警情况，当区域面积大于或等于故障面积判断条件时，确定供电系统发生故障，实现对供电系统状态异常数据的分析功能，识别出供电系统具体的异常情况，提高供电系统的故障识别准确性。
在一实施例中，如图3所示，在步骤S20之前，即在将所述工作数据输入至预设的故障分析模型内，得到数据分析结果之前，基于供电系统BOM的PSCADA虚警识别方法还包括：
S201：获取供电系统的历史工作数据和系统维护台账数据，基于所述历史工作数据获取历史故障数据。
历史工况数据是指城轨供电设备的历史工作数据，设备维保台账数据是指对城轨供电设备历史维修的记录数据，历史故障集合是指城轨供电设备以往出现过的故障的具体信息以及维修情况。
具体的，工作人员可将城轨供电设备的历史工作数据和对城轨供电设备历史维修的记录数据输入至系统内，将城轨供电设备的历史工作情况与进行维修过的维修记录数据相关联，在城轨供电设备的历史工作数据中获取城轨供电设备以往出现过的故障的具体信息以及维修情况的整集
在本实施例中，历史工作数据是指供电系统的历史工况数据，系统维护台账数据是指对供电系统进行维护的历史记录数据，历史故障数据是指供电系统在过往时间出现的历史故障信息。
具体的，工作人员可将供电系统的历史工况数据和对供电系统进行维护的历史记录数据输入至系统内，将供电系统的历史工况数据和进行维护的历史记录数据进行相关联，通过收集供电系统的历史工况数据，分析出供电系统出现过的历史故障信息。
S202：基于所述历史故障数据和系统维护台账数据构建故障分析模型。
具体的，将得到的历史故障信息和供电系统的进行维护的历史记录数据作为基础，构建出该供电系统的故障分析模型，进而便于对供电系统进行故障分析，从而便于对供电系统进行健康监测。
在一实施例中，如图4所示，在步骤S20之后，即在将所述工作数据输入至预设的故障分析模型内，得到数据分析结果之后，基于供电系统BOM的PSCADA虚警识别方法还包括：
S203：获取供电系统的环境数据，基于所述环境数据获取环境特征参数。
在本实施例中，环境数据是指供电系统的工作环境数据，环境特征参数是指供电系统的工作环境的变化参数。
具体的，供电系统在正常工作过程中，会在供电系统的工作环境中安装有多种传感器，传感器用于实时监测供电系统的工作环境数据，利用传感器采集供电系统的工作环境数据，例如供电系统的工作温度、湿度、空气等环境数据，通过对采集到的工作环境数据分析，得出供电系统的工作环境各类数据的变化参数。
S204：根据所述环境特征参数对故障分析模型进行训练。
具体的，供电系统在运维过程中，供电系统的环境情况会对供电系统的工作性能产生影响，因此构建出故障分析模型后，同时获取供电系统的环境数据，对环境数据进行分析，得到环境特征参数，利用环境特征参数对故障分析模型进行训练，能够得到供电系统出现异常时候与供电系统的环境的关联关系，使得对供电系统的异常预警更加地精确。
在一实施例中，如图5所示，在步骤S30中，即当所述分析结果为异常故障数据结果，基于所述工作数据获取故障数据，根据所述故障数据获取系统异常信息，基于所述系统异常信息制定供电系统维护计划，具体包括：
S31：基于所述故障数据获取故障特征信息，对所述故障特征信息进行降噪分布处理，得到系统异常信息。
在本实施例中，故障特征信息是指发生故障的具体特征数据。
具体的，当供电系统出现故障时，利用供电系统的工作数据获取到供电系统的故障数据，对故障数据进行分析得到供电系统的故障特征信息，对故障特征信息进行降噪分布处理，将故障特征信息中的多余信息去除，并将故障特征信息分类，得到各个的故障类型情况。
S32：根据所述异常信息获取供电系统的故障类型信息，基于所述故障类型信息指定供电系统维护计划。
在本实施例中，故障类型信息是指故障类别、故障位置、故障情况等信息。
具体的，通过对供电系统发生故障的异常情况分析，得到供电系统发生故障的具体设备、具体位置以及故障类型等信息，针对供电系统发生的故障类别，故障具体位置，故障的具体情况，制定相对应合适的供电系统维护计划。
在一实施例中，如图6所示，在步骤S40中，即当所述分析结果为虚警数据结果，基于所述工作数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的健康预测信息，具体包括：
S41：根据所述工作数据获取虚警异常数据，将所述虚警异常数据输入至预设的寿命预测模型中，获取供电系统的健康数据。
在本实施例中，虚警异常数据是指突然发生异常且异常持续时间较短的工作数据，寿命预测模型是指用于预测供电系统可使用寿命的模型，健康数据是指供电系统的当前健康值。
具体的，当供电系统出现虚警情况时，对供电系统的工作数据提取出突然发生异常且异常持续时间较短的工作数据，利用预设的预测供电系统可使用寿命的模型对工作数据进行分析，得到当前供电系统的健康值，实现对供电系统的健康情况监测功能。
S42：基于所述健康数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的使用寿命数据，基于所述使用寿命数据获取健康预测信息。
具体的，通过供电系统的健康数据构建供电系统的系统服役曲线，在供电系统的系统服役曲线的辅助下，便于预测出供电系统的可使用寿命情况，进而便于工作人员制定对城轨供电设备的未来维护方案，进而实现对城轨供电设备的健康管理功能。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在一实施例中，提供一种基于供电系统BOM的PSCADA虚警识别装置，该基于供电系统BOM的PSCADA虚警识别装置与上述实施例中基于供电系统BOM的PSCADA虚警识别方法一一对应。如图7所示，该基于供电系统BOM的PSCADA虚警识别装置包括工作数据获取模块、故障判断模块、故障处理模块和虚警处理模块。各功能模块详细说明如下：
工作数据获取模块，用于实时获取供电系统的工作数据，其中，所述工作数据包括设备类型数据以及该设备对应的工况数据；
故障判断模块，用于将所述工作数据输入至预设的故障分析模型内，得到数据分析结果，所述数据分析结果包括异常故障数据结果和虚警数据结果；
故障处理模块，用于当所述分析结果为异常故障数据结果，基于所述工作数据获取故障数据，根据所述故障数据获取系统异常信息，基于所述系统异常信息制定供电系统维护计划；
虚警处理模块，用于当所述分析结果为虚警数据结果，基于所述工作数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的健康预测信息。
可选的，还包括：
环境监测模块，用于获取供电系统的环境数据，基于所述环境数据获取环境特征参数；根据所述环境特征参数对故障分析模型进行训练。
关于基于供电系统BOM的PSCADA虚警识别装置的具体限定可以参见上文中对于基于供电系统BOM的PSCADA虚警识别方法的限定，在此不再赘述。上述基于供电系统BOM的PSCADA虚警识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备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，该计算机设备的处理器用于提供计算和控制能力。该计算机设备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。该计算机设备的数据库用于存储工作数据、故障分析模型和数据分析结果。该计算机设备的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一种基于供电系统BOM的PSCADA虚警识别方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
实时获取供电系统的工作数据，其中，所述工作数据包括设备类型数据以及该设备对应的工况数据；
将所述工作数据输入至预设的故障分析模型内，得到数据分析结果，所述数据分析结果包括异常故障数据结果和虚警数据结果；
当所述分析结果为异常故障数据结果，基于所述工作数据获取故障数据，根据所述故障数据获取系统异常信息，基于所述系统异常信息制定供电系统维护计划；
当所述分析结果为虚警数据结果，基于所述工作数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的健康预测信息。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
实时获取供电系统的工作数据，其中，所述工作数据包括设备类型数据以及该设备对应的工况数据；
将所述工作数据输入至预设的故障分析模型内，得到数据分析结果，所述数据分析结果包括异常故障数据结果和虚警数据结果；
当所述分析结果为异常故障数据结果，基于所述工作数据获取故障数据，根据所述故障数据获取系统异常信息，基于所述系统异常信息制定供电系统维护计划；
当所述分析结果为虚警数据结果，基于所述工作数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的健康预测信息。
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。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于供电系统BOM的PSCADA虚警识别方法，其特征在于，所述基于供电系统BOM的PSCADA虚警识别方法包括步骤：
实时获取供电系统的工作数据，其中，所述工作数据包括设备类型数据以及该设备对应的工况数据；
将所述工作数据输入至预设的故障分析模型内，得到数据分析结果，所述数据分析结果包括异常故障数据结果和虚警数据结果；
当所述分析结果为异常故障数据结果，基于所述工作数据获取故障数据，根据所述故障数据获取系统异常信息，基于所述系统异常信息制定供电系统维护计划；
当所述分析结果为虚警数据结果，基于所述工作数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的健康预测信息。
2.根据权利要求1所述的基于供电系统BOM的PSCADA虚警识别方法，其特征在于，所述将所述工作数据输入至预设的故障分析模型内，得到数据分析结果，所述数据分析结果包括异常故障数据结果和虚警数据结果，具体包括：
在预设监测时间段内，基于所述工作数据获取状态异常数据，将所述状态异常数据输入至故障分析模型中；
将所述状态异常数据与故障分析模型内的安全数据线进行比较，计算状态异常数据超出安全数据线的区域面积；
根据所述区域面积与预设的故障面积判断条件进行比较，当区域面积小于故障面积判断条件时，数据分析结果为虚警数据结果；当区域面积大于或等于故障面积判断条件时，所述数据分析结果为异常故障数据结果。
3.根据权利要求1所述的基于供电系统BOM的PSCADA虚警识别方法，其特征在于，在所述将所述工作数据输入至预设的故障分析模型内，得到数据分析结果之前，所述基于供电系统BOM的PSCADA虚警识别方法还包括：
获取供电系统的历史工作数据和系统维护台账数据，基于所述历史工作数据获取历史故障数据；
基于所述历史故障数据和系统维护台账数据构建故障分析模型。
4.根据权利要求1所述的基于供电系统BOM的PSCADA虚警识别方法，其特征在于，在所述将所述工作数据输入至预设的故障分析模型内，得到数据分析结果之后，所述基于供电系统BOM的PSCADA虚警识别方法还包括：
获取供电系统的环境数据，基于所述环境数据获取环境特征参数；
根据所述环境特征参数对故障分析模型进行训练。
5.根据权利要求1所述的基于供电系统BOM的PSCADA虚警识别方法，其特征在于，所述当所述分析结果为异常故障数据结果，基于所述工作数据获取故障数据，根据所述故障数据获取系统异常信息，基于所述系统异常信息制定供电系统维护计划，具体包括：
基于所述故障数据获取故障特征信息，对所述故障特征信息进行降噪分布处理，得到系统异常信息；
根据所述异常信息获取供电系统的故障类型信息，基于所述故障类型信息指定供电系统维护计划。
6.根据权利要求1所述的基于供电系统BOM的PSCADA虚警识别方法，其特征在于，所述当所述分析结果为虚警数据结果，基于所述工作数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的健康预测信息，具体包括：
根据所述工作数据获取虚警异常数据，将所述虚警异常数据输入至预设的寿命预测模型中，获取供电系统的健康数据；
基于所述健康数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的使用寿命数据，基于所述使用寿命数据获取健康预测信息。
7.一种基于供电系统BOM的PSCADA虚警识别装置，其特征在于，所述基于供电系统BOM的PSCADA虚警识别装置包括：
工作数据获取模块，用于实时获取供电系统的工作数据，其中，所述工作数据包括设备类型数据以及该设备对应的工况数据；
故障判断模块，用于将所述工作数据输入至预设的故障分析模型内，得到数据分析结果，所述数据分析结果包括异常故障数据结果和虚警数据结果；
故障处理模块，用于当所述分析结果为异常故障数据结果，基于所述工作数据获取故障数据，根据所述故障数据获取系统异常信息，基于所述系统异常信息制定供电系统维护计划；
虚警处理模块，用于当所述分析结果为虚警数据结果，基于所述工作数据构建系统服役曲线，根据所述系统服役曲线获取供电系统的健康预测信息。
8.根据权力要求7所述的基于供电系统BOM的PSCADA虚警识别装置，其特征在于，还包括：
环境监测模块，用于获取供电系统的环境数据，基于所述环境数据获取环境特征参数；根据所述环境特征参数对故障分析模型进行训练。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述基于供电系统BOM的PSCADA虚警识别方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于供电系统BOM的PSCADA虚警识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310315311.6A CN116345690B (zh) | 2023-03-28 | 2023-03-28 | 基于供电系统设备清单的电力监测虚警识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310315311.6A CN116345690B (zh) | 2023-03-28 | 2023-03-28 | 基于供电系统设备清单的电力监测虚警识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116345690A true CN116345690A (zh) | 2023-06-27 |
| CN116345690B CN116345690B (zh) | 2023-08-29 |
Family
ID=86887430
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310315311.6A Active CN116345690B (zh) | 2023-03-28 | 2023-03-28 | 基于供电系统设备清单的电力监测虚警识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116345690B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117704693A (zh) * | 2023-12-28 | 2024-03-15 | 广州冰泉制冷设备有限责任公司 | 一种管冰机冷却风机控制方法、系统、设备及介质 |
| CN117852893A (zh) * | 2024-02-19 | 2024-04-09 | 公诚管理咨询有限公司 | 基于人工智能技术的工程安全风险检测方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110264323A1 (en) * | 2010-04-27 | 2011-10-27 | Denso Corporation | Failure sign detection apparatus |
| CN110620369A (zh) * | 2019-08-18 | 2019-12-27 | 陕西航空电气有限责任公司 | 一种航空发电系统过压故障诊断和隔离方法 |
| US20200233397A1 (en) * | 2019-01-23 | 2020-07-23 | New York University | System, method and computer-accessible medium for machine condition monitoring |
-
2023
- 2023-03-28 CN CN202310315311.6A patent/CN116345690B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110264323A1 (en) * | 2010-04-27 | 2011-10-27 | Denso Corporation | Failure sign detection apparatus |
| US20200233397A1 (en) * | 2019-01-23 | 2020-07-23 | New York University | System, method and computer-accessible medium for machine condition monitoring |
| CN110620369A (zh) * | 2019-08-18 | 2019-12-27 | 陕西航空电气有限责任公司 | 一种航空发电系统过压故障诊断和隔离方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王玘等: "高铁牵引供电系统PHM与主动维护研究", 西南交通大学学报, vol. 50, no. 05, pages 942 - 952 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117704693A (zh) * | 2023-12-28 | 2024-03-15 | 广州冰泉制冷设备有限责任公司 | 一种管冰机冷却风机控制方法、系统、设备及介质 |
| CN117852893A (zh) * | 2024-02-19 | 2024-04-09 | 公诚管理咨询有限公司 | 基于人工智能技术的工程安全风险检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116345690B (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116345690B (zh) | 基于供电系统设备清单的电力监测虚警识别方法及系统 | |
| US8463485B2 (en) | Process for service diagnostic and service procedures enhancement | |
| CN115759357B (zh) | 基于pscada数据的供电设备安全预测方法、系统、设备及介质 | |
| US20170161963A1 (en) | Method of identifying anomalies | |
| JP2005339558A (ja) | タービン機械システム及びこれに類するものに対する統一品質評価を作成し、自動故障診断ツールを提供するための方法 | |
| CN112363920B (zh) | 测试用例的修复方法、装置、计算机设备和存储介质 | |
| US8621305B2 (en) | Methods systems and apparatus for determining whether built-in-test fault codes are indicative of an actual fault condition or a false alarm | |
| CN118132999B (zh) | Uv led电源的故障诊断方法、装置、设备及存储介质 | |
| CN110471395B (zh) | 一种故障检测方法、装置、设备及存储介质 | |
| CN115511136B (zh) | 基于层次分析和故障树的设备故障辅助诊断方法及系统 | |
| CN110264055B (zh) | 部件危害性评估方法、装置、设备及计算机可读存储介质 | |
| CN117852893A (zh) | 基于人工智能技术的工程安全风险检测方法及系统 | |
| CN117435883A (zh) | 一种基于数字孪生的设备故障预测的方法和系统 | |
| CN112381242A (zh) | 核电站设备维修项目数据处理方法及系统 | |
| CN113313365A (zh) | 一种一次风机的劣化预警方法及设备 | |
| CN114322446B (zh) | 冷却系统故障预警方法、装置、冷却系统及作业机械 | |
| CN115795907A (zh) | 一种机电设备的可靠性评估方法、系统、设备及介质 | |
| CN109754490A (zh) | 电力机车制动系统的健康管理方法、装置、介质及设备 | |
| CN114120598A (zh) | 轨道交通供电预警方法、装置、计算机设备以及存储介质 | |
| CN112737120A (zh) | 区域电网控制报告的生成方法、装置和计算机设备 | |
| CN113259427B (zh) | 一种系统故障快速排查方法、装置及计算机设备 | |
| CN111983649B (zh) | 一种基于自动化分析的车辆gps设备离线表现预测方法 | |
| CN118403324A (zh) | 消防设备的信息处理方法、装置、设备以及存储介质 | |
| CN118382174A (zh) | 路灯故障检测方法、装置、计算机设备以及存储介质 | |
| CN116452187A (zh) | 一种基于城轨iscs的电扶梯故障预测方法及系统 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240110 Address after: Room 1227-1, 12th floor, Haitai building, No. 229, Middle North Fourth Ring Road, Haidian District, Beijing 100089 Patentee after: Beijing maglev Co.,Ltd. Address before: Room 408, 1-14, 4 / F, Hengxiang building, No.15 Tuanjie hunanli, Chaoyang District, Beijing 100020 Patentee before: Beijing thinking Shichuang Technology Co.,Ltd. |