CN116365520A - 输电线路设备风险预测方法、装置和计算机设备 - Google Patents
输电线路设备风险预测方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN116365520A CN116365520A CN202310646435.2A CN202310646435A CN116365520A CN 116365520 A CN116365520 A CN 116365520A CN 202310646435 A CN202310646435 A CN 202310646435A CN 116365520 A CN116365520 A CN 116365520A
- Authority
- CN
- China
- Prior art keywords
- damage
- transmission line
- power transmission
- information
- line equipment
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 397
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012423 maintenance Methods 0.000 claims description 34
- 230000007613 environmental effect Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 22
- 238000005299 abrasion Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000012212 insulator Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
- H02J3/0012—Contingency detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
-
- 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
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Medical Informatics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种输电线路设备风险预测方法、装置、计算机设备和存储介质。所述方法包括:获取输电线路设备在损坏时间段内的损坏信息;根据损坏信息,确认输电线路设备在损坏时间段内的损坏速度信息;损坏速度信息包括不同环境信息下的子损坏速度信息;将损坏信息与损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到输电线路设备的剩余使用寿命;根据剩余使用寿命,确认输电线路设备的风险预测结果。采用本方法,能够提高输电线路设备的风险预测结果的可靠性。
Description
技术领域
本申请涉及电网技术领域,特别是涉及一种输电线路设备风险预测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
输电线路是电力系统的重要组成部分,当输电线路内部的设备损坏时,会影响电力系统的正常运行;因此,需要对输电线路设备进行风险预测,从而保证电力系统正常提供电力服务。
传统技术中,在对输电线路设备进行风险预测时,常常需要运维人员实地勘探输电线路设备,并结合以往经验,对输电线路设备的风险进行预测。然而,输电线路一般布置在野外,环境复杂,且人工的预测会受到主观因素的影响,从而导致风险预测结果的可靠性较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高风险预测结果的可靠性的输电线路设备风险预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种输电线路设备风险预测方法。所述方法包括:
获取输电线路设备在损坏时间段内的损坏信息;
根据所述损坏信息,确认所述输电线路设备在所述损坏时间段内的损坏速度信息;所述损坏速度信息包括不同环境信息下的子损坏速度信息;
将所述损坏信息与所述损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到所述输电线路设备的剩余使用寿命;
根据所述剩余使用寿命,确认所述输电线路设备的风险预测结果。
在其中一个实施例中,所述根据所述损坏信息,确认所述输电线路设备在所述损坏时间段内的损坏速度信息,包括:
确认所述输电线路设备在所述损坏时间段内的环境信息;
根据所述环境信息,对所述损坏时间段进行划分处理,得到不同环境信息下的子损坏时间段;
根据所述子损坏时间段对应的子损坏信息,确认所述输电线路设备在不同环境信息下的子损坏速度信息;
根据所述输电线路设备在不同环境信息下的子损坏速度信息,得到所述输电线路设备在所述损坏时间段内的损坏速度信息。
在其中一个实施例中,所述将所述损坏信息与所述损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到所述输电线路设备的剩余使用寿命,包括:
通过所述预先训练的寿命预测模型,在所述输电线路设备的子损坏速度信息中,确认与环境预测信息对应的目标子损坏速度信息;所述环境预测信息为通过环境预测模型预测得到的所述输电线路设备在预设时间段内的环境信息;
根据所述目标子损坏速度信息、所述环境预测信息与所述损坏信息,确认所述输电线路设备的剩余使用寿命。
在其中一个实施例中,在将所述损坏信息与所述损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到所述输电线路设备的剩余使用寿命之后,还包括:
根据所述输电线路设备的剩余使用寿命,确定针对所述输电线路设备的下一次风险预测时间;
确认所述输电线路设备在所述下一次风险预测时间下的目标损坏信息与目标损坏速度信息;
将所述目标损坏信息确认为所述损坏信息,将所述目标损坏速度信息确认为所述损坏速度信息,并返回将所述损坏信息与所述损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到所述输电线路设备的剩余使用寿命的步骤,直到所述输电线路设备的剩余使用寿命满足预设剩余使用寿命阈值。
在其中一个实施例中,在获取输电线路设备在损坏时间段内的损坏信息之后,还包括:
确认所述输电线路设备的预设累计损坏信息阈值;
在所述输电线路设备的累计损坏信息满足所述预设累计损坏信息阈值的情况下,生成所述输电线路设备的运维信息;所述累计损坏信息用于表征所述输电线路设备的累计损坏程度;
所述根据所述损坏信息,确认所述输电线路设备在所述损坏时间段内的损坏速度信息,包括:
在所述输电线路设备的累计损坏信息不满足所述预设累计损坏信息阈值的情况下,根据所述损坏信息,确认所述输电线路设备在所述损坏时间段内的损坏速度信息。
在其中一个实施例中,在根据所述剩余使用寿命,确认所述输电线路设备的风险预测结果之后,还包括:
在所述输电线路设备为多个的情况下,将对应的风险预测结果满足预设风险预测结果条件的输电线路设备,确认为风险设备;
在所述风险设备的数量为至少两个的情况下,确认各个所述风险设备与对应的输电线路之间的关联信息;所述关联信息用于表征所述风险设备对于所述输电线路的影响程度;
根据所述关联信息从高到低的顺序,确定各个所述风险设备之间的运维顺序。
在其中一个实施例中,所述获取输电线路设备在损坏时间段内的损坏信息,包括:
确认所述输电线路设备在所述损坏时间段内的初始损坏状态与目标损坏状态;
根据所述初始损坏状态与所述目标损坏状态,确认所述输电线路设备的损坏信息。
第二方面,本申请还提供了一种输电线路设备风险预测装置。所述装置包括:
损坏信息获取模块,用于获取输电线路设备在损坏时间段内的损坏信息;
速度信息确认模块,用于根据所述损坏信息,确认所述输电线路设备在所述损坏时间段内的损坏速度信息;所述损坏速度信息包括不同环境信息下的子损坏速度信息;
剩余寿命预测模块,用于将所述损坏信息与所述损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到所述输电线路设备的剩余使用寿命;
预测结果确认模块,用于根据所述剩余使用寿命,确认所述输电线路设备的风险预测结果。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取输电线路设备在损坏时间段内的损坏信息;
根据所述损坏信息,确认所述输电线路设备在所述损坏时间段内的损坏速度信息;所述损坏速度信息包括不同环境信息下的子损坏速度信息;
将所述损坏信息与所述损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到所述输电线路设备的剩余使用寿命;
根据所述剩余使用寿命,确认所述输电线路设备的风险预测结果。
第四方面,本申请还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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取输电线路设备在损坏时间段内的损坏信息;
根据所述损坏信息,确认所述输电线路设备在所述损坏时间段内的损坏速度信息;所述损坏速度信息包括不同环境信息下的子损坏速度信息;
将所述损坏信息与所述损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到所述输电线路设备的剩余使用寿命;
根据所述剩余使用寿命,确认所述输电线路设备的风险预测结果。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取输电线路设备在损坏时间段内的损坏信息;
根据所述损坏信息,确认所述输电线路设备在所述损坏时间段内的损坏速度信息;所述损坏速度信息包括不同环境信息下的子损坏速度信息;
将所述损坏信息与所述损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到所述输电线路设备的剩余使用寿命;
根据所述剩余使用寿命,确认所述输电线路设备的风险预测结果。
上述输电线路设备风险预测方法、装置、计算机设备、存储介质和计算机程序产品,首先获取输电线路设备在损坏时间段内的损坏信息;然后根据损坏信息,确认输电线路设备在损坏时间段内的损坏速度信息;损坏速度信息包括不同环境信息下的子损坏速度信息;接着将损坏信息与损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到输电线路设备的剩余使用寿命;最后根据剩余使用寿命,确认输电线路设备的风险预测结果。这样,通过输电线路设备在损坏时间段内的损坏信息,能够确认输电线路设备在不同环境信息下的子损坏速度,进而对输电线路设备的剩余寿命进行预测,并基于输电线路设备的剩余寿命预测结果,确定输电线路设备的风险预测结果;基于以上过程的输电线路设备风险预测方法,无需通过人工预测,从而避免了主观因素对风险预测的影响,进而提高了风险预测结果的可靠性。
附图说明
图1为一个实施例中输电线路设备风险预测方法的流程示意图;
图2为一个实施例中得到输电线路设备在损坏时间段内的损坏速度信息的步骤的流程示意图;
图3为一个实施例中再次预测输电线路设备的剩余使用寿命的步骤的流程示意图;
图4为一个实施例中确定各个输电线路设备之间的运维顺序的步骤的流程示意图;
图5为另一个实施例中输电线路设备风险预测方法的流程示意图;
图6为一个实施例中基于输电线路全工况信息的风险评估方法的流程示意图;
图7为一个实施例中输电线路设备风险预测装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一示例性实施例中,如图1所示,提供了一种输电线路设备风险预测方法,本实施例以该方法应用于服务器进行举例说明;可以理解的是,该方法也可以应用于终端,还可以应用于包括服务器和终端的系统,并通过服务器和终端之间的交互实现。其中,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现;终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、以及平板电脑等。本实施例中,该方法包括以下步骤:
步骤S102,获取输电线路设备在损坏时间段内的损坏信息。
其中,损坏时间段是指此次风险预测与上一次风险预测之间的时间段。
其中,输电线路设备是指组成输电线路的各个部分,本申请将输电线路分为基础、杆塔、导线、绝缘子、金具、接地装置、附属设施和通道环境八个部分,通过对八个部分的输电线路设备的风险预测,实现对输电线路的运行状况的监测。
其中,损坏信息用于表征输电线路设备在使用过程中的磨损情况,例如输电线路设备在使用过程中,仪器精度的变化情况、仪器灵敏度的变化情况等。
具体地,服务器首先通过损坏程度检测仪器,检测输电线路设备此次风险预测时的损坏程度;然后服务器根据上一次风险预测时的损坏程度,与此次风险预测的损坏程度,得到用于表征输电线路设备在损坏时间段内的磨损情况的损坏信息。
以百分比形式表示损坏信息为例进行说明,假设服务器通过损坏程度检测仪器,得到输电线路设备此次风险预测时的损坏程度为80%,且服务器根据历史风险预测记录得知,输电线路设备在上一次风险预测时的损坏程度为60%,那么输电线路设备在对应的损坏时间段内的损坏信息即为80%-60%=20%。
步骤S104,根据损坏信息,确认输电线路设备在损坏时间段内的损坏速度信息。
其中,损坏速度信息用于表征输电线路设备在使用过程中的磨损快慢情况,损坏速度信息包括不同环境信息下的子损坏速度信息,不同环境下的磨损快慢情况不同。
具体地,服务器根据输电线路设备在损坏时间段内的磨损情况,确认用于表征输电线路设备的磨损快慢情况的子损坏速度信息,从而得到输电线路设备在损坏时间段内的损坏速度信息。
举例说明,假设损坏时间段为三十天,且这三十天的环境信息不同,那么服务器按照环境信息,对损坏时间段与损坏信息进行划分,从而确认不同环境信息下的子损坏速度信息,进而得到输电线路设备在损坏时间段内的损坏速度信息。
步骤S106,将损坏信息与损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到输电线路设备的剩余使用寿命。
其中,预先训练的寿命预测模型用于预测输电线路设备的剩余使用寿命,预先训练的寿命预测模型可以是对寿命预测过程所涉及的公式抽象得到的数学模型,也可以是以样本输电线路设备的实际使用寿命作为训练集,多次训练得到的深度学习模型。
具体地,服务器将损坏信息与损坏速度信息输入至预先训练的寿命预测模型中,通过预先训练的寿命预测模型,对输电线路设备的剩余使用寿命进行预测,从而得到输电线路设备的剩余使用寿命。
需要说明的是,以样本输电线路设备的实际使用寿命作为训练集,得到预先训练的寿命预测模型的过程如下:服务器首先将样本输电线路设备在样本时间段内的样本损坏信息与样本速度损坏信息,输入至待训练的寿命预测模型中,得到样本输电线路设备在样本时间段之后的剩余使用寿命预测结果;然后,服务器通过损失函数,计算样本输电线路设备在样本时间段之后的实际剩余使用与剩余使用寿命预测结果之间的损失值,并根据损失值调整待训练的寿命预测模型的训练参数,从而对待训练的寿命预测模型进行训练,得到对应的损失值小于预设阈值的训练完成的寿命预测模型,并将训练完成的寿命预测模型作为预先训练的寿命预测模型。
步骤S108,根据剩余使用寿命,确认输电线路设备的风险预测结果。
其中,输电线路设备的风险预测结果用于表征输电线路设备的风险高低。
具体地,服务器根据输电线路设备的剩余使用寿命,查询剩余使用寿命与风险等级之间的关系,得到与剩余使用寿命对应的风险等级,作为输电线路设备的风险预测结果。
举例说明,假设剩余使用寿命与风险等级之间的关系如下:剩余使用寿命在1个月以下的,对应的风险等级为高;剩余使用寿命在1个月~6个月的,对应的风险等级为较高;剩余使用寿命在6个月~12个月的,对应的风险等级为正常;剩余使用寿命在12个月以上的,对应的风险等级为低;而服务器通过预先训练的寿命预测模型,得到的输电线路设备的剩余使用寿命为78天,即剩余使用寿命在1个月~6个月之间;那么,服务器通过以上关系,可将输电线路设备的风险等级确认为风险较高。
上述输电线路设备风险预测方法中,服务器首先获取输电线路设备在损坏时间段内的损坏信息;然后根据损坏信息,确认输电线路设备在损坏时间段内的损坏速度信息;损坏速度信息包括不同环境信息下的子损坏速度信息;接着将损坏信息与损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到输电线路设备的剩余使用寿命;最后根据剩余使用寿命,确认输电线路设备的风险预测结果。这样,服务器通过输电线路设备在损坏时间段内的损坏信息,能够确认输电线路设备在不同环境信息下的子损坏速度,进而对输电线路设备的剩余寿命进行预测,并基于输电线路设备的剩余寿命预测结果,确定输电线路设备的风险预测结果;基于以上过程的输电线路设备风险预测方法,无需通过人工预测,从而避免了主观因素对风险预测的影响,进而提高了风险预测结果的可靠性。
如图2所示,在一示例性实施例中,上述步骤S104,根据损坏信息,确认输电线路设备在损坏时间段内的损坏速度信息,具体包括以下步骤:
步骤S202,确认输电线路设备在损坏时间段内的环境信息。
步骤S204,根据环境信息,对损坏时间段进行划分处理,得到不同环境信息下的子损坏时间段。
步骤S206,根据子损坏时间段对应的子损坏信息,确认输电线路设备在不同环境信息下的子损坏速度信息。
步骤S208,根据输电线路设备在不同环境信息下的子损坏速度信息,得到输电线路设备在损坏时间段内的损坏速度信息。
其中,环境信息用于表征输电线路设备所处的外界环境的天气状况,环境信息至少包括正常天气、雷雨天气、风雪天气、冰雹天气等。
能够理解的是,在损坏时间段内,服务器会以日为时间间隔,检测输电线路设备的损坏程度,因此服务器在根据环境信息划分损坏时间段的同时,也能够确定每一子损坏时间段对应的子损坏速度信息。
具体地,服务器首先确认输电线路设备在损坏时间段内所处的外界环境的天气状况,得到输电线路设备在损坏时间段内的环境信息;然后,服务器根据环境信息,对损坏时间段进行划分处理,得到在不同环境信息下的子损坏时间段;接着,服务器根据每日的损坏程度检测结果,确认各个子损坏时间段对应的子损坏信息,从而确认输电线路设备在不同环境信息下的子损坏速度信息,进而得到输电线路设备在损坏时间段内的损坏速度信息。
举例说明,假设损坏时间段为三十天,且这三十天内的天气状况如下:第一天至第六天为正常天气,第七天至第十天为雷雨天气,第十一天至第十八天为正常天气,第十九天至第二十五天为风雪天气,第二十六天至第三十天为正常天气;服务器按照上述天气状况的分布,对损坏时间段与损坏信息进行划分,得到各个子损坏时间段对应的子损坏信息如下:第一天至第六天的子损坏信息为2.2%,第七天至第十天的子损坏信息为3.8%,第十一天至第十八天的子损坏信息为3.4%,第十九天至第二十五天的子损坏信息为8.2%,第二十六天至第三十天的子损坏信息为2.4%。接着,服务器根据公式:子损坏速度信息=子损坏信息/子损坏时间段天数,计算不同环境信息下的子损坏速度信息。例如,正常天气的子损坏速度信息,为各个天气状况为正常天气的子损坏时间段对应的子损坏信息的总和,除以各个天气状况为正常天气的子损坏时间段的总天数,即(2.2%+2.4%+3.4%)/(6+5+8)≈0.0042,同理可得,雷雨天气的子损坏速度信息为3.8%/4≈0.0095,风雪天气的子损坏速度信息为8%/7≈0.0114。
本实施例中,服务器通过环境信息,对损坏时间段进行划分,从而对损坏信息进行划分,并基于划分结果,确认不同环境信息下的子损坏速度信息,进而能够明确不同环境信息对于输电线路设备的磨损快慢情况的影响,为后续准确预测输电线路设备的剩余使用寿命提供了预测依据,提高了输电线路设备的风险预测结果的可靠性。
在一示例性实施例中,上述步骤S106,将损坏信息与损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到输电线路设备的剩余使用寿命,具体包括以下内容:通过预先训练的寿命预测模型,在输电线路设备的子损坏速度信息中,确认与环境预测信息对应的目标子损坏速度信息;根据目标子损坏速度信息、环境预测信息与损坏信息,确认输电线路设备的剩余使用寿命。
其中,预设时间段为此次风险预测之后的一段时间。
其中,环境预测信息为通过环境预测模型预测得到的输电线路设备在预设时间段内的环境信息。
能够理解的是,环境预测模型是以样本气象数据为训练集,经过多次训练得到的深度学习模型。
具体地,服务器首先通过环境预测模型,预测输电线路设备在预设时间段内所处的外界环境的天气状况,作为环境预测信息;例如,服务器将输电线路设备在损坏时间段内所处的外界坏境的天气状况输入至环境预测模型中,对输电线路设备在预设时间段内所处的外界环境的天气状况进行预测。然后,服务器将环境预测信息、损坏速度信息以及损坏信息输入至预先训练的寿命预测模型中,通过预先训练的寿命预测模型,在输电线路设备的各个子损坏速度信息中,确认与环境预测信息对应的目标子损坏速度信息,并根据目标子损坏速度信息与环境预测信息,在损坏信息的基础上,预测输电线路设备的剩余使用寿命。
举例说明,假设预设时间段为未来三十五天,且服务器根据环境预测模型,得到的环境预测信息如下:第一天至第十二天为正常天气,第十三天至第二十四天为风雪天气,第二十五天至第三十五天为正常天气;那么服务器根据预先训练的寿命预测模型,可以得到与以上环境预测信息对应的目标子损坏速度信息:正常天气为0.0042,风雪天气为0.0114;接着,预先训练的寿命预测模型可以预测得到,在未来的第一天至第十二天,输电线路设备的损坏信息约为5.04%,在未来的第十三天至第二十四,输电线路设备的损坏信息约为13.68%,由于输电线路设备此次风险预测时的损坏程度为80%,因此在未来的第二十七天,输电线路设备的损坏程度即将到达100%,即输电线路设备的剩余使用寿命为二十七天。
本实施例中,服务器通过环境预测模型,能够得到输电线路设备在未来一段时间内的环境预测信息,并通过预先训练的寿命预测模型,在目前的损坏信息的基础上,根据环境预测信息和与环境预测信息对应的子损坏速度信息,准确预测输电线路设备的剩余使用寿命,从而提高了输电线路设备的风险预测结果的可靠性。
如图3所示,在一示例性实施例中,上述步骤S106,在将损坏信息与损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到输电线路设备的剩余使用寿命之后,还具体包括以下步骤:
步骤S302,根据输电线路设备的剩余使用寿命,确定针对输电线路设备的下一次风险预测时间。
步骤S304,确认输电线路设备在下一次风险预测时间下的目标损坏信息与目标损坏速度信息。
步骤S306,将目标损坏信息确认为损坏信息,将目标损坏速度信息确认为损坏速度信息,并返回将损坏信息与损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到输电线路设备的剩余使用寿命的步骤,直到输电线路设备的剩余使用寿命满足预设剩余使用寿命阈值。
其中,针对输电线路设备的下一次风险预测时间,是指下一次对输电线路设备进行风险预测的时间点。
其中,目标损坏信息用于表征输电线路设备在此次风险预测与下一次风险预测之间的时间段内的磨损情况,目标损坏速度信息用于表征输电线路设备在此次风险预测与下一次风险预测之间的时间段内的磨损快慢情况。
其中,预设剩余使用寿命阈值是指输电线路设备的最小剩余使用寿命,当输电线路设备的剩余使用寿命小于最小剩余使用寿命时,需要运维该输电线路设备,比如对输电线路设备进行更换或维修。
具体地,服务器首先根据输电线路设备的剩余使用寿命,确定下一次对输电线路设备进行风险预测的时间点,比如以剩余使用寿命的二分之一作为风险预测时间间隔,确定下一次风险预测的时间,并在时间到达该时间点时,确认输电线路设备在此期间(此次风险预测与下一次风险预测之间的时间段)的磨损情况与磨损快慢情况,分别作为目标损坏信息与目标损坏速度信息;接着,服务器将目标损坏信息确认为损坏信息,将目标损坏速度信息确认为损坏速度信息,返回步骤S106“将损坏信息与损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到输电线路设备的剩余使用寿命”,再次对输电线路设备的剩余使用寿命进行预测,直到输电线路设备的剩余使用寿命小于该输电线路设备的预设剩余使用寿命阈值。
举例说明,假设风险预测间隔默认为1个月,而输电线路设备的剩余使用寿命为6个月,那么服务器可以将下一次风险预测的时间调整为3个月以后,以减少对输电线路设备的风险预测次数;然后在3个月以后,服务器确认输电线路设备在这3个月内的损坏信息与损坏速度信息,作为目标损坏信息与目标损坏速度信息,并以目标损坏信息为损坏信息,以目标损坏速度为损坏速度,返回步骤S106,实现对输电线路设备的再一次剩余寿命预测;若3个月后得到的剩余使用寿命大于该输电线路设备的最小剩余使用寿命,继续重复步骤S302~S306;若3个月后得到的剩余使用寿命小于该输电线路设备的最小剩余使用寿命,则服务器生成该输电线路设备的运维信息,以提示运维人员更换或维修该输电线路设备。
本实施例中,服务器通过输电线路设备的剩余使用寿命,能够根据实际情况灵活确定下一次风险预测的时间,一方面,避免了在剩余使用寿命较长的情况下,短期内需要对输电线路设备进行不必要的风险预测;另一方面,避免了在剩余使用寿命较短的情况下,由于风险预测间隔较长,从而无法及时监控输电线路设备的风险,从而提高了输电线路设备的风险预测结果的可靠性。此外,服务器通过输电线路设备的剩余使用寿命和预设剩余使用寿命阈值,还能够及时生成输电线路设备的运维信息。
在一示例性实施例中,上述步骤S102,在获取输电线路设备在损坏时间段内的损坏信息之后,还具体包括以下内容:确认输电线路设备的预设累计损坏信息阈值;在输电线路设备的累计损坏信息满足预设累计损坏信息阈值的情况下,生成输电线路设备的运维信息。
上述步骤S104,根据输电线路设备的损坏信息,确认输电线路设备在损坏时间段内的损坏速度信息,具体包括以下内容:在输电线路设备的累计损坏信息不满足预设累计损坏信息阈值的情况下,根据输电线路设备的损坏信息,确认输电线路设备在损坏时间段内的损坏速度信息。
能够理解的是,服务器在获取输电线路设备在损坏时间段内的损坏信息时,是基于输电线路设备此次风险预测时的损坏程度(即此次风险预测时的累计损坏信息),与上一次风险预测时的损坏程度(即上一次风险预测时的累计损坏信息)确定的。
其中,预设累计损坏信息阈值用于表征输电线路设备的最大损坏程度;假设输电线路设备的预设累计损坏信息阈值为90%,那么当服务器检测到输电线路设备此次风险预测时的损坏程度(即累计损坏信息)大于90%时,说明需要对输电线路设备进行运维。
其中,运维信息用于提示运维人员对输电线路设备进行更换或维修。
具体地,服务器在获取输电线路设备在损坏时间段内的损坏信息之后,需要获取输电线路设备的预设累计损坏信息阈值,并判断输电线路设备的累计损坏信息是否大于预设累计损坏信息阈值;若大于,则说明需要对输电线路设备进行运维,服务器生成该输电线路设备的运维信息,以提示运维人员更换或维修该输电线路设备;若小于,则说明该输电线路设备的损坏程度仍然在正常范围以内,服务器根据输电线路设备的损坏信息,确认输电线路设备在损坏时间段内的损坏速度信息。
本实施例中,服务器通过输电线路设备的累计损坏信息,与预设累计损坏信息阈值之间的对比,判断输电线路设备能否继续正常运行,从而及时提示运维人员对输电线路设备进行运维,进而保证了电网的正常运行。
如图4所示,在一示例性实施例中,上述步骤S108,在根据剩余使用寿命,确认输电线路设备的风险预测结果之后,还具体包括以下步骤:
步骤S402,在输电线路设备为多个的情况下,将对应的风险预测结果满足预设风险预测结果条件的输电线路设备,确认为风险设备。
步骤S404,在风险设备的数量为至少两个的情况下,确认各个风险设备与对应的输电线路之间的关联信息。
步骤S406,根据关联信息从高到低的顺序,确定各个风险设备之间的运维顺序。
其中,关联信息用于表征风险设备对于风险设备所属的输电线路的影响程度。
其中,预设风险预测结果条件为风险等级为较高。
具体地,在输电线路设备为多个的情况下,服务器将对应的风险等级大于较高风险等级的输电线路设备确认为风险设备;然后在风险设备的数量为至少两个的情况下,服务器确认各个风险设备对于风险设备所属的输电线路的影响程度,并按照影响程度从高到低的顺序,确定各个风险设备之间的运维顺序,以及按照运维顺序,生成各个风险设备的运维信息,以提示运维人员按照顺序更换或维修输电线路设备。
举例说明,假设按照对输电线路的影响程度,对八个输电线路设备进行排序,得到的排序结果为:导线、杆塔、金具、绝缘子、通道环境、接地装置、附属设施、基础;而在风险预测中,杆塔的风险等级为较高,通道环境的风险等级为高,附属设施的风险等级为较高,那么服务器将按照影响程度排序结果,确定各个风险设备之间的运维先后顺序为杆塔、通道环境、附属设施,并依次生成这三个输电线路设备的运维信息。
本实施例中,服务器通过输电线路设备对于输电线路的影响程度,在多个输电线路设备均发生风险的情况下,明确了各个发生风险的输电线路设备之间的运维顺序,从而指导运维人员在保证电网正常运行的情况下,及时对输电线路设备进行运维。
在一示例性实施例中,上述步骤S102,获取输电线路设备在损坏时间段内的损坏信息,具体包括以下内容:确认输电线路设备在损坏时间段内的初始损坏状态与目标损坏状态;根据初始损坏状态与目标损坏状态,确认输电线路设备的损坏信息。
其中,初始损坏状态,用于表征输电线路设备上一次风险预测时的损坏程度;目标损坏状态,用于表征输电线路设备此次风险预测时的损坏程度。
具体地,服务器首先通过损坏程度检测仪器,检测输电线路设备此次风险预测时的损坏程度;然后服务器将上一次风险预测时的损坏程度,与此次风险预测的损坏程度之间的差值,确认为用于表征输电线路设备在损坏时间段内的磨损情况的损坏信息。
在本实施例中,服务器通过上一次风险预测时的损坏程度,与此次风险预测的损坏程度之间的差值,得到输电线路设备在损坏时间段内的损坏信息,能够为后续输电线路设备的风险预测提供预测依据。
在一示例性实施例中,如图5所示,提供了另一种输电线路设备风险预测方法,以该方法应用于服务器为例进行说明,包括以下步骤:
步骤S501,获取输电线路设备在损坏时间段内的损坏信息。
步骤S502,确认所述输电线路设备在损坏时间段内的环境信息。
步骤S503,根据环境信息,对损坏时间段进行划分处理,得到不同环境信息下的子损坏时间段。
步骤S504,根据子损坏时间段对应的子损坏信息,确认输电线路设备在不同环境信息下的子损坏速度信息,根据输电线路设备在不同环境信息下的子损坏速度信息,得到输电线路设备在损坏时间段内的损坏速度信息。
步骤S505,将损坏信息与损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到输电线路设备的剩余使用寿命。
步骤S506,根据剩余使用寿命,确认输电线路设备的风险预测结果。
步骤S507,在输电线路设备为多个的情况下,将对应的风险预测结果满足预设风险预测结果条件的输电线路设备,确认为风险设备。
步骤S508,在风险设备的数量为至少两个的情况下,确认各个风险设备与对应的输电线路之间的关联信息;关联信息用于表征风险设备对于输电线路的影响程度。
步骤S509,根据关联信息从高到低的顺序,确定各个风险设备之间的运维顺序。
在步骤S501之后,还包括以下内容:确认输电线路设备的预设累计损坏信息阈值;在输电线路设备的累计损坏信息满足预设累计损坏信息阈值的情况下,生成输电线路设备的运维信息。
在步骤S505之后,还包括以下内容:根据输电线路设备的剩余使用寿命,确定针对输电线路设备的下一次风险预测时间;确认输电线路设备在下一次风险预测时间下的目标损坏信息与目标损坏速度信息;将目标损坏信息确认为损坏信息,将目标损坏速度信息确认为损坏速度信息,并返回该步骤,直到输电线路设备的剩余使用寿命满足预设剩余使用寿命阈值。
本实施例中,首先,服务器通过环境信息,对损坏时间段进行划分,从而对损坏信息进行划分,并基于划分结果,确认不同环境信息下的子损坏速度信息,进而能够明确不同环境信息对于输电线路设备的磨损快慢情况的影响,为后续准确预测输电线路设备的剩余使用寿命提供了预测依据;其次,服务器通过输电线路设备的剩余使用寿命,能够根据实际情况灵活确定下一次风险预测的时间,一方面,避免了在剩余使用寿命较长的情况下,短期内需要对输电线路设备进行不必要的风险预测;另一方面,避免了在剩余使用寿命较短的情况下,由于风险预测间隔较长,从而无法及时监控输电线路设备的风险,从而提高了输电线路设备的风险预测结果的可靠性。再次,服务器通过输电线路设备的剩余使用寿命和预设剩余使用寿命阈值,还能够及时生成输电线路设备的运维信息。此外,服务器通过输电线路设备对于输电线路的影响程度,在多个输电线路设备均发生风险的情况下,明确了各个发生风险的输电线路设备之间的运维顺序,从而指导运维人员在保证电网正常运行的情况下,及时对输电线路设备进行运维。基于以上过程的输电线路设备风险预测方法,能够避免主观因素对风险预测的影响,从而提高了风险预测结果的可靠性。
为了更清晰阐明本申请实施例提供的输电线路设备风险预测方法,以下以一个具体的实施例对该输电线路设备风险预测方法进行具体说明。在一示例性实施例中,本申请还提供了一种基于输电线路全工况信息的风险评估方法,具体包括以下步骤:
步骤1:将输电线路内部的设备分为基础、杆塔、导线、绝缘子、金具、接地装置、附属设施和通道环境八个部分,服务器按预设的时间间隔,检测各个输电线路设备的磨损情况,在各个输电线路设备的磨损情况超出正常范围时,提示运维人员更换输电线路设备。
步骤2:服务器采集各个输电线路设备所处的气候环境,并计算各个输电线路设备在不同气候环境下的磨损速度。
步骤3:服务器根据各个输电线路设备的磨损情况和磨损速度,预测各个输电线路设备的剩余使用寿命,并根据剩余使用寿命,确定各个输电线路设备的风险等级。
步骤4:服务器根据各个输电线路设备的剩余使用寿命,调整下一次风险预测时的时间。
步骤5:当输电线路上有多个输电线路设备产生风险时,服务器根据各个输电线路设备对于输电线路整体运行的影响程度,指示运维人员依次更换各个产生风险的输电线路设备。
如图6所示,该基于输电线路全工况信息的风险评估方法,还可以通过如下方式进行:服务器首先获取输电线路设备在使用前的设备状态值,然后在基于正常环境与恶劣环境对输电线路设备进行使用之后,获取输电线路设备的使用后状态值,最后再通过对比设备使用后状态值与设备正常范围值,来评估输电线路设备的风险。
本实施例中,服务器通过对输电线路中各个设备的磨损状况和所处的气候环境进行评估,从而能够根据输电线路设备的磨损速度预测出输电线路设备距离发生风险的时间段,进而对输电线路设备进行风险评估;并且在输电线路设备的磨损超出正常范围内时,及时提示运维人员对其进行更换,防止输电线路产生故障影响人们的正常生活。
应该理解的是,虽然如上所述的各实施例所涉及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,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的输电线路设备风险预测方法的输电线路设备风险预测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个输电线路设备风险预测装置实施例中的具体限定可以参见上文中对于输电线路设备风险预测方法的限定,在此不再赘述。
在一示例性实施例中,如图7所示,提供了一种输电线路设备风险预测装置,包括:损坏信息获取模块702、速度信息确认模块704、剩余寿命预测模块706和预测结果确认模块708,其中:
损坏信息获取模块702,用于获取输电线路设备在损坏时间段内的损坏信息。
速度信息确认模块704,用于根据损坏信息,确认输电线路设备在损坏时间段内的损坏速度信息;损坏速度信息包括不同环境信息下的子损坏速度信息。
剩余寿命预测模块706,用于将损坏信息与损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到输电线路设备的剩余使用寿命。
预测结果确认模块708,用于根据剩余使用寿命,确认输电线路设备的风险预测结果。
在一示例性实施例中,速度信息确认模块704,还用于确认输电线路设备在损坏时间段内的环境信息;根据环境信息,对损坏时间段进行划分处理,得到不同环境信息下的子损坏时间段;根据子损坏时间段对应的子损坏信息,确认输电线路设备在不同环境信息下的子损坏速度信息;根据输电线路设备在不同环境信息下的子损坏速度信息,得到输电线路设备在损坏时间段内的损坏速度信息。
在一示例性实施例中,剩余寿命预测模块706,还用于通过预先训练的寿命预测模型,在输电线路设备的子损坏速度信息中,确认与环境预测信息对应的目标子损坏速度信息;环境预测信息为通过环境预测模型预测得到的输电线路设备在预设时间段内的环境信息;根据目标子损坏速度信息、环境预测信息与损坏信息,确认输电线路设备的剩余使用寿命。
在一示例性实施例中,剩余寿命预测模块706,还用于根据输电线路设备的剩余使用寿命,确定针对输电线路设备的下一次风险预测时间;确认输电线路设备在下一次风险预测时间下的目标损坏信息与目标损坏速度信息;将目标损坏信息确认为损坏信息,将目标损坏速度信息确认为损坏速度信息,并返回将损坏信息与损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到输电线路设备的剩余使用寿命的步骤,直到输电线路设备的剩余使用寿命满足预设剩余使用寿命阈值。
在一示例性实施例中,损坏信息获取模块702,还用于确认输电线路设备的预设累计损坏信息阈值;在输电线路设备的累计损坏信息满足预设累计损坏信息阈值的情况下,生成输电线路设备的运维信息;预设累计损坏信息用于表征输电线路设备的累计损坏程度。
速度信息确认模块704,还用于在输电线路设备的损坏信息不满足预设累计损坏信息阈值的情况下,根据损坏信息,确认输电线路设备在损坏时间段内的损坏速度信息。
在一示例性实施例中,输电线路设备风险预测装置还包括运维顺序确定模块,用于在输电线路设备为多个的情况下,将对应的风险预测结果满足预设风险预测结果条件的输电线路设备,确认为风险设备;在风险设备的数量为至少两个的情况下,确认各个风险设备与对应的输电线路之间的关联信息;关联信息用于表征风险设备对于输电线路的影响程度;根据关联信息从高到低的顺序,确定各个风险设备之间的运维顺序。
上述输电线路设备风险预测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。
在一示例性实施例中,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。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。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和内存储器。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输电线路设备的损坏信息、损坏速度信息以及环境信息等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信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输电线路设备风险预测方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一示例性实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一示例性实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一示例性实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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的,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、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random AccessMemory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种输电线路设备风险预测方法,其特征在于,所述方法包括:
获取输电线路设备在损坏时间段内的损坏信息;
根据所述损坏信息,确认所述输电线路设备在所述损坏时间段内的损坏速度信息;所述损坏速度信息包括不同环境信息下的子损坏速度信息;
将所述损坏信息与所述损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到所述输电线路设备的剩余使用寿命;
根据所述剩余使用寿命,确认所述输电线路设备的风险预测结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述损坏信息,确认所述输电线路设备在所述损坏时间段内的损坏速度信息,包括:
确认所述输电线路设备在所述损坏时间段内的环境信息;
根据所述环境信息,对所述损坏时间段进行划分处理,得到不同环境信息下的子损坏时间段;
根据所述子损坏时间段对应的子损坏信息,确认所述输电线路设备在不同环境信息下的子损坏速度信息;
根据所述输电线路设备在不同环境信息下的子损坏速度信息,得到所述输电线路设备在所述损坏时间段内的损坏速度信息。
3.根据权利要求1所述的方法,其特征在于,所述将所述损坏信息与所述损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到所述输电线路设备的剩余使用寿命,包括:
通过所述预先训练的寿命预测模型,在所述输电线路设备的子损坏速度信息中,确认与环境预测信息对应的目标子损坏速度信息;所述环境预测信息为通过环境预测模型预测得到的所述输电线路设备在预设时间段内的环境信息;
根据所述目标子损坏速度信息、所述环境预测信息与所述损坏信息,确认所述输电线路设备的剩余使用寿命。
4.根据权利要求1所述的方法,其特征在于,在将所述损坏信息与所述损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到所述输电线路设备的剩余使用寿命之后,还包括:
根据所述输电线路设备的剩余使用寿命,确定针对所述输电线路设备的下一次风险预测时间;
确认所述输电线路设备在所述下一次风险预测时间下的目标损坏信息与目标损坏速度信息;
将所述目标损坏信息确认为所述损坏信息,将所述目标损坏速度信息确认为所述损坏速度信息,并返回将所述损坏信息与所述损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到所述输电线路设备的剩余使用寿命的步骤,直到所述输电线路设备的剩余使用寿命满足预设剩余使用寿命阈值。
5.根据权利要求1所述的方法,其特征在于,在获取输电线路设备在损坏时间段内的损坏信息之后,还包括:
确认所述输电线路设备的预设累计损坏信息阈值;
在所述输电线路设备的累计损坏信息满足所述预设累计损坏信息阈值的情况下,生成所述输电线路设备的运维信息;所述累计损坏信息用于表征所述输电线路设备的累计损坏程度;
所述根据所述损坏信息,确认所述输电线路设备在所述损坏时间段内的损坏速度信息,包括:
在所述输电线路设备的累计损坏信息不满足所述预设累计损坏信息阈值的情况下,根据所述损坏信息,确认所述输电线路设备在所述损坏时间段内的损坏速度信息。
6.根据权利要求1所述的方法,其特征在于,在根据所述剩余使用寿命,确认所述输电线路设备的风险预测结果之后,还包括:
在所述输电线路设备为多个的情况下,将对应的风险预测结果满足预设风险预测结果条件的输电线路设备,确认为风险设备;
在所述风险设备的数量为至少两个的情况下,确认各个所述风险设备与对应的输电线路之间的关联信息;所述关联信息用于表征所述风险设备对于所述输电线路的影响程度;
根据所述关联信息从高到低的顺序,确定各个所述风险设备之间的运维顺序。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述获取输电线路设备在损坏时间段内的损坏信息,包括:
确认所述输电线路设备在所述损坏时间段内的初始损坏状态与目标损坏状态;
根据所述初始损坏状态与所述目标损坏状态,确认所述输电线路设备的损坏信息。
8.一种输电线路设备风险预测装置,其特征在于,所述装置包括:
损坏信息获取模块,用于获取输电线路设备在损坏时间段内的损坏信息;
速度信息确认模块,用于根据所述损坏信息,确认所述输电线路设备在所述损坏时间段内的损坏速度信息;所述损坏速度信息包括不同环境信息下的子损坏速度信息;
剩余寿命预测模块,用于将所述损坏信息与所述损坏速度信息输入至预先训练的寿命预测模型中,进行剩余寿命预测,得到所述输电线路设备的剩余使用寿命;
预测结果确认模块,用于根据所述剩余使用寿命,确认所述输电线路设备的风险预测结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310646435.2A CN116365520B (zh) | 2023-06-02 | 2023-06-02 | 输电线路设备风险预测方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310646435.2A CN116365520B (zh) | 2023-06-02 | 2023-06-02 | 输电线路设备风险预测方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116365520A true CN116365520A (zh) | 2023-06-30 |
CN116365520B CN116365520B (zh) | 2023-10-27 |
Family
ID=86905472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310646435.2A Active CN116365520B (zh) | 2023-06-02 | 2023-06-02 | 输电线路设备风险预测方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116365520B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050015283A1 (en) * | 2003-06-11 | 2005-01-20 | Kabushiki Kaisha Toshiba | Electric-power-generating-facility operation management support system, electric-power-generating-facility operation management support method, and program for executing support method, and program for executing operation management support method on computer |
CN109492832A (zh) * | 2018-12-24 | 2019-03-19 | 斑马网络技术有限公司 | 蓄电池的寿命预测方法、装置、设备以及存储介质 |
US20210224755A1 (en) * | 2017-10-27 | 2021-07-22 | State Grid Zhejiang Electric Power Corporation Economic And Technological Research Institute | Decision method of condition-based maintenance to power grid risk |
CN114139946A (zh) * | 2021-11-30 | 2022-03-04 | 广东电网有限责任公司 | 一种输电线路的风险评估方法、系统、设备和介质 |
CN114219120A (zh) * | 2021-10-28 | 2022-03-22 | 国家电网有限公司西北分部 | 一种输电线路的故障类型预测方法及装置 |
US20220365525A1 (en) * | 2021-05-12 | 2022-11-17 | Yokogawa Electric Corporation | Systems, methods, and devices for equipment monitoring and fault prediction |
CN115759408A (zh) * | 2022-11-21 | 2023-03-07 | 贵州电网有限责任公司 | 一种输变电设备寿命预测方法、装置、设备及存储介质 |
CN116131468A (zh) * | 2023-04-18 | 2023-05-16 | 国网浙江省电力有限公司宁波供电公司 | 一种基于物联网的电力系统实时动态监测方法及系统 |
-
2023
- 2023-06-02 CN CN202310646435.2A patent/CN116365520B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050015283A1 (en) * | 2003-06-11 | 2005-01-20 | Kabushiki Kaisha Toshiba | Electric-power-generating-facility operation management support system, electric-power-generating-facility operation management support method, and program for executing support method, and program for executing operation management support method on computer |
US20210224755A1 (en) * | 2017-10-27 | 2021-07-22 | State Grid Zhejiang Electric Power Corporation Economic And Technological Research Institute | Decision method of condition-based maintenance to power grid risk |
CN109492832A (zh) * | 2018-12-24 | 2019-03-19 | 斑马网络技术有限公司 | 蓄电池的寿命预测方法、装置、设备以及存储介质 |
US20220365525A1 (en) * | 2021-05-12 | 2022-11-17 | Yokogawa Electric Corporation | Systems, methods, and devices for equipment monitoring and fault prediction |
CN114219120A (zh) * | 2021-10-28 | 2022-03-22 | 国家电网有限公司西北分部 | 一种输电线路的故障类型预测方法及装置 |
CN114139946A (zh) * | 2021-11-30 | 2022-03-04 | 广东电网有限责任公司 | 一种输电线路的风险评估方法、系统、设备和介质 |
CN115759408A (zh) * | 2022-11-21 | 2023-03-07 | 贵州电网有限责任公司 | 一种输变电设备寿命预测方法、装置、设备及存储介质 |
CN116131468A (zh) * | 2023-04-18 | 2023-05-16 | 国网浙江省电力有限公司宁波供电公司 | 一种基于物联网的电力系统实时动态监测方法及系统 |
Non-Patent Citations (1)
Title |
---|
李银峰 等: "电力输电线路的状态评估与风险对策", 集成电路应用, vol. 37, no. 12, pages 106 - 107 * |
Also Published As
Publication number | Publication date |
---|---|
CN116365520B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Stefenon et al. | Time series forecasting using ensemble learning methods for emergency prevention in hydroelectric power plants with dam | |
US10989838B2 (en) | Weather-driven multi-category infrastructure impact forecasting | |
CN115936448A (zh) | 一种基于大数据的城市配电网电力评估系统及方法 | |
CN112215442A (zh) | 电力系统短期负荷预测方法、系统、设备及介质 | |
CN113743673A (zh) | 一种台风期间的电力负荷预测方法 | |
CN113758652B (zh) | 换流变压器漏油检测方法、装置、计算机设备和存储介质 | |
CN116794510A (zh) | 故障预测方法、装置、计算机设备和存储介质 | |
CN111062590A (zh) | 用电异常行为检测方法、装置、计算机设备和存储介质 | |
Barbosa et al. | Estimation of metal oxide surge arresters' useful life based on time series forecasts | |
Ashofteh et al. | Application of bi-objective genetic programming for optimizing irrigation rules using two reservoir performance criteria | |
CN114446019A (zh) | 告警信息处理方法、装置、设备、存储介质和产品 | |
Hatziargyriou et al. | Probabilistic load flow for assessment of voltage instability | |
CN116365520B (zh) | 输电线路设备风险预测方法、装置和计算机设备 | |
CN110544031B (zh) | 电能表可靠度预计方法、装置、计算机设备和存储介质 | |
Zhang et al. | Extreme wind power forecast error analysis considering its application in day‐ahead reserve capacity planning | |
CN115456247A (zh) | 线路规划方法、装置、计算机设备和可读存储介质 | |
Tokombayev et al. | High temperature low sag upgrades and payback for the economic operation improvement of power transmission systems | |
CN117217822B (zh) | 电力交易指数预测的方法、装置、终端设备及存储介质 | |
CN112634593B (zh) | 设备预警方法、装置、计算机设备和存储介质 | |
CN115809610B (zh) | 基于多阶跃负荷的直埋三芯电缆载流量预测方法及系统 | |
CN116452004A (zh) | 一种恶劣气象条件下的电网风险控制方法和装置 | |
CN117391459B (zh) | 基于深度学习的电力运行风险预警方法及系统 | |
Vilar | Winning the Big Data Technologies Horizon Prize: Fast and reliable forecasting of electricity grid traffic by identification of recurrent fluctuations | |
CN115860463A (zh) | 输电线路预警方法、装置、计算机设备和存储介质 | |
CN108923540B (zh) | 一种基于分段量测的配电网馈线负荷获取方法及装置 |
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 |