CN116723211B - 大空间环境电力设备远程巡检装置 - Google Patents

大空间环境电力设备远程巡检装置 Download PDF

Info

Publication number
CN116723211B
CN116723211B CN202310603778.0A CN202310603778A CN116723211B CN 116723211 B CN116723211 B CN 116723211B CN 202310603778 A CN202310603778 A CN 202310603778A CN 116723211 B CN116723211 B CN 116723211B
Authority
CN
China
Prior art keywords
equipment
power equipment
moment
power
space environment
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
CN202310603778.0A
Other languages
English (en)
Other versions
CN116723211A (zh
Inventor
孟庆东
袁辉
高莹
高绍群
童瑶
张伟
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.)
Gaotang Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Gaotang Power Supply Co of State Grid Shandong Electric Power 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 Gaotang Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Gaotang Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority to CN202310603778.0A priority Critical patent/CN116723211B/zh
Publication of CN116723211A publication Critical patent/CN116723211A/zh
Application granted granted Critical
Publication of CN116723211B publication Critical patent/CN116723211B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06N3/0499—Feedforward networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • 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
    • 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
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • 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
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1209—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using acoustic measurements
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
    • G07C1/20—Checking timed patrols, e.g. of watchman
    • 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
    • H02J13/00006—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077—Imaging
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)

Abstract

本发明涉及一种大空间环境电力设备远程巡检系统，涉及电力设备巡检领域，用于内置有多台电力设备的大空间环境，所述装置包括：数据解析设备，用于为每一台电力设备采用个性化的预测模型以基于其各台关联电力设备的过往时刻电力参数和各台关联电力设备数量预测其后续时刻的各项电力参数；远程调控设备，用于基于每台电力设备的预测的各项电力参数确定是否需要对其在后续时刻之前提前部署本地巡检资源。通过本发明，针对未来故障规模难以预测导致在未来本地巡检资源的配置无法与未来故障规模匹配的技术问题，能够在复杂布置环境下有效获知电力设备故障时机和故障严重程度，实现大空间环境下有限巡检资源的定向、有序流动。

Description

大空间环境电力设备远程巡检装置
技术领域
本发明涉及电力设备巡检领域，尤其涉及一种大空间环境电力设备远程巡检装置。
背景技术
电力设备通常置于空旷、人少的环境下，原因在于尽可能避免对附近居民或者其他设施造成电磁干扰或者噪声干扰，同时，一旦出现设备故障，例如火灾、爆炸或者电磁泄露等灾情时，能够便于排障车辆驶入、避免分心疏散居民或者其他设施，加快灾情消除速度，避免事故蔓延。
然而，这样的安置模式也存在一定的弊端；例如，为了尽可能充分利用有限空间，示例的，在大中城市的广阔区域内，土地资源极端宝贵，电力设施管理部门会尽可能地在这样的大空间环境下布置较多的电力设备，例如升压变电设施、主网变电设施、二次变电设施、配电设施、各种继电保护设施等，各种类型的设施放置在同一块区域内，增加了设备管理的复杂度；同时众多电力设备的集中使得设置的本地巡检人员身心健康受到较大的影响。
为此，电力设施管理部门一般采用各类本地巡检机制或者采用基于远程控制的本地巡检设施的远程巡检机制辅助少量本地巡检人员的巡检模式，甚至不配置本地巡检人员，以在保证各类设备巡检效果的同时，减少对巡检人员的人身伤害。
示例地，中国发明专利公开文本CN108226676A提出的一种无线电力线路巡检系统，所述系统包括设备日常点检模块、设备专责点检模块、设备状态分析模块、诊断模块以及远程诊断中心，所述设备日常点检模块、设备专责点检模块以及所述设备状态分析模块将得到的检查结果发送至诊断模块，所述诊断模块用于对设备进行诊断并对诊断策略进行评估，并将诊断结果以及评估结果发送至远程诊断中心；实现了设备点检工作自动生成、系统化管理，规范了工作的内容、标准，采用了有效性评价算法实现了自动判断定期工作是否合格是否有效，为电厂技术监督工作的管理和考核提供了准确依据。
示例地，中国发明专利公开文本CN110672980A提出的一种基于紫外、红外、可见成像的电力巡检在线监测系统，所述系统将可见光、红外、紫外三种检测手段有机结合起来，优势互补，解决现在高压设备监测的技术问题，实现超/特高压变电站及输电线路放发热性缺陷、放电性缺陷和异物闯入检测预报；通过紫外、可见与红外视频前端采集模块、智能分析、处理模块、和远程监控终端；前端采集模块与智能分析、处理模块相连，实现三通道视频流的传输，智能分析、处理模块与远程监控终端相连，实现视频流的分析处理和远程终端的交互控制。
显然，上述现有技术仅仅考虑到了本地巡检机制或者远程巡检机制，没有考虑到大空间环境下布置较多的电力设备增加的各类电力设备维护的复杂度，以及由于能够调配的本地巡检资源有限，例如巡检人员、巡检机器以及排障车辆有限，导致很难准确判断每一台电力设备未来出现故障的时机以及出现故障的严重性，使得有限的本地巡检资源难以得到充分利用或者在面临严重故障场景时本地巡检资源捉襟见肘。
发明内容
为了解决上述问题，本发明提供了一种大空间环境电力设备远程巡检装置，专门用于布置大量电力设备的大空间环境，能够基于电力设备之间的相互耦合状态建立各台电力设备之间的关联关系，在获取各台电力设备过往时刻各类电力参数的基础上，利用目标电力设备的个性化预测模型，基于目标电力设备的各台关联电力设备的历史电力参数预测目标电力设备后续时刻的各类电力参数，并基于每一台电力设备的各类预测电力参数执行在大空间环境下的巡检资源的远程调配，从而在准确获知电力设备故障时机和故障严重程度的同时，实现大空间环境下有限巡检资源的定向、有序流动。
根据本发明的第一方面，提供了一种大空间环境电力设备远程巡检装置，所述装置包括：
信息存储设备，设置在远程服务器端，用于采用关系数据库存储所述大空间环境下每一台电力设备与其各台关联电力设备的关联关系，每一台电力设备的任一台关联电力设备为同处于所述大空间环境下且与所述每一台电力设备存在耦合关系的一台电力设备；
巡检采集设备，设置在所述大空间环境的本地端且通过无线网络与远程服务器端的各个设备建立网络连接，用于获取所述大空间环境下每一过往时刻多台电力设备分别对应的多个工作电流、多个电晕放电标识、多个局部过热标识、多个超声波幅值以及多个工作温度，电力设备是否发生电晕放电，对应的电晕放电标识不同，电力设备是否发生局部过热，对应的局部过热标识不同；
数据解析设备，设置在远程服务器端且分别与所述信息存储设备以及所述巡检采集设备连接，用于针对所述大空间环境下每一台电力设备作为目标电力设备建立其对应的多层前馈神经网络模型，将某一时刻之前某一过往时刻所述目标电力设备的各台关联电力设备分别对应的多个工作电流、多个电晕放电标识、多个局部过热标识、多个超声波幅值以及多个工作温度作为某一时刻之前某一过往时刻的基础设备信息，所述多层前馈神经网络模型以紧邻某一时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量作为输入数据，运行以获取输出的某一时刻所述目标电力设备的预测工作电流、预测电晕放电标识、预测局部过热标识、预测超声波幅值以及预测工作温度；
远程调控设备，设置在远程服务器端且与所述数据解析设备连接，用于基于所述数据解析设备输出的未来设定时刻目标电力设备的预测工作电流、预测电晕放电标识、预测局部过热标识、预测超声波幅值以及预测工作温度确定是否需要对目标电力设备在未来设定时刻之前提前部署本地巡检资源，所述本地巡检资源包括本地巡检人员以及本地维修设备；
其中，在时间轴上设置多个时刻，所述多个时刻中每两个相邻时刻的间隔相等；
其中，所述多个过往时刻的时刻数量取值与所述目标电力设备的各台关联电力设备的设备数量正向关联。
根据本发明的第二方面，提供了一种大空间环境电力设备远程巡检装置，相比较于根据本发明的第一方面，所述装置还包括：
参数学习设备，设置在远程服务器端且与所述数据解析设备连接，用于针对目标电力设备对应的多层前馈神经网络模型，采用某一历史时刻所述目标电力设备的工作电流、电晕放电标识、局部过热标识、超声波幅值以及工作温度作为所述模型的输出数据，采用所述某一历史时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量作为所述模型的输入数据，完成对所述模型的一次参数学习；
其中，所述参数学习设备还用于将完成预设数目的多次参数学习的所述模型发送给所述数据解析设备用于执行预测操作；
其中，所述模型对应的目标电力设备的各台关联电力设备的设备数量越少，所述预设数目的取值越少；
在所述数据解析设备中，将紧邻未来设定时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量输入到所述目标电力设备对应的所述多层前馈神经网络模型，并运行所述多层前馈神经网络模型以获取所述多层前馈神经网络模型输出的未来设定时刻所述目标电力设备的预测工作电流、预测电晕放电标识、预测局部过热标识、预测超声波幅值以及预测工作温度；
其中，将紧邻未来设定时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量输入到所述目标电力设备对应的所述多层前馈神经网络模型包括：当紧邻未来设定时刻之前多个过往时刻中存在某一过往时刻晚于当前时刻时而导致其对应的基础设备信息未知时，先采用所述模型对所述某一过往时刻所述目标电力设备的预测工作电流、预测电晕放电标识、预测局部过热标识、预测超声波幅值以及预测工作温度进行预测并作为所述某一过往时刻所述目标电力设备的工作电流、电晕放电标识、局部过热标识、超声波幅值以及工作温度以参与后续的未来设定时刻的模型预测；
其中，将紧邻未来设定时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量输入到所述目标电力设备对应的所述多层前馈神经网络模型还包括：当紧邻未来设定时刻之前多个过往时刻中存在两个以上某一过往时刻晚于当前时刻时而导致其对应的基础设备信息未知时，先采用所述模型对所述两个以上某一过往时刻中最早时刻进行模型预测，将模型预测结果参与所述最早时刻下一过往时刻的模型预测，直到所有过往时刻对应的基础设备信息经过预测后为已知，将已知的所有过往时刻对应的基础设备信息参与后续的未来设定时刻的模型预测。
根据本发明的第三方面，提供了一种大空间环境电力设备远程巡检方法，所述方法包括使用如上述的大空间环境电力设备远程巡检装置以基于大空间环境下任一目标电力设备的关联电力设备的过往时刻各类电力参数以及关联电力设备数量采用人工智能模型预测目标电力设备的后续时刻各类电力参数并执行相应数量的本地巡检资源派遣。
由此可见，相比较于现有技术，本发明至少需要具备以下三处显著的技术进步：
首先、基于大空间环境下电力设备耦合状态建立电力设备关联关系，采用各类巡检设备完成各台电力设备过往时刻各类电力参数的巡检操作，为电力设备后续时刻的电力参数预测以及后续时刻的远程巡检调控提供关键数据。
其次、在执行远程巡检的远程服务器端，基于每一台电力设备的各台关联电力设备的过往时刻各类电力参数以及关联电力设备数量采用人工智能模型预测目标电力设备的后续时刻各类电力参数，其中，为不同电力设备定制不同的人工智能模型，表现为模型输入数据的不同以及训练次数的不同。
再次、具体的远程巡检调控中，基于未来设定时刻目标电力设备预测出现工作电流异常、电晕放电、局部过热标识、超声波幅值超限以及工作温度异常五项中同时出现的项数确定在未来设定时刻之前提前部署本地巡检资源数量，其中，同时出现的项数越多，在未来设定时刻之前提前部署本地巡检资源数量越多，从而在充分利用有限巡检资源的同时，提升了远程巡检调控的智能化水平。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明的大空间环境电力设备远程巡检装置的技术流程图。
图2为根据本发明的实施例1示出的大空间环境电力设备远程巡检装置的结构示意图。
图3为根据本发明的实施例2示出的大空间环境电力设备远程巡检装置的结构示意图。
图4为根据本发明的实施例3示出的大空间环境电力设备远程巡检装置的结构示意图。
图5为根据本发明的实施例4示出的大空间环境电力设备远程巡检装置的结构示意图。
图6为根据本发明的实施例5示出的大空间环境电力设备远程巡检装置的结构示意图。
图7为根据本发明的实施例6示出的大空间环境电力设备远程巡检装置的结构示意图。
图8为根据本发明的实施例7示出的大空间环境电力设备远程巡检装置的结构示意图。
具体实施方式
如图1所示，给出了根据本发明示出的大空间环境电力设备远程巡检装置的技术流程图。
在图1中，本发明的具体的技术流程可以拆分成以下三个主要步骤：
第一步、根据大空间环境下各个电力设备之间的耦合关系建立每一电子设备与其关联电子设备的关联对应关系，并采用关系数据库的方式对上述关联对应关系进行存储，如图1所示，示例的，所述大空间环境可以是某一大型变电站的工作环境；
第二步、将所述大空间环境中的每一电力设备作为目标电力设备，在执行未知的某一时刻的所述目标电力设备的各类电力参数的预测时，首先基于上述关联对应关系提取所述目标电力设备的各个关联电力设备，其次将所述某一时刻之前每一过往时刻的各个关联电力设备的电力参数作为每一过往时刻对应的输入数据备用；
第三步，将紧邻所述某一时刻的预设数量的各个过往时刻分别对应的各个输入数据输入到所述目标电力设备的个性化设计的多层前馈神经网络模型，辅以关联电力设备的设备数量作为输入，以运行所述多层前馈神经网络模型，获得所述模型输出的预测数据，即某一时刻的所述目标电力设备的各类电力参数；
其中，根据某一时刻的所述目标电力设备的各类电力参数中异常参数的数量占比确定在未来所述某一时刻之前提前远程部署的本地巡检资源数量，所述数量占比越大，提前远程部署的本地巡检资源数量越多，从而在充分利用所述大空间环境内有限的本地巡检资源的同时，提升了远程巡检调控的智能化水平；
其中，不同目标电力设备的个性化设计的多层前馈神经网络模型区别在于学习次数不同、输入数据数量不同以及关联电力设备的数量不同。
本发明的关键点在于，在预测每一目标电力设备的未来电力参数的过程中，充分考虑其耦合的各个关联电力设备的历史电力参数以及关联电力设备数量，采用个性化的预测模型获取目标电力设备的未来电力参数，同时，基于预测的未来电力参数为相应目标电力设备提供不同的巡检配置资源，从而提升了未来电力参数预测的可靠性以及未来电力巡检资源配置的有效性。
下面，将对本发明的大空间环境电力设备远程巡检装置以实施例的方式进行具体说明。
实施例1
图2为根据本发明的实施例1示出的大空间环境电力设备远程巡检装置的结构示意图。
如图2所示，所述大空间环境电力设备远程巡检装置包括以下部件：
信息存储设备，设置在远程服务器端，用于采用关系数据库存储所述大空间环境下每一台电力设备与其各台关联电力设备的关联关系，每一台电力设备的任一台关联电力设备为同处于所述大空间环境下且与所述每一台电力设备存在耦合关系的一台电力设备；
示例的，所述信息存储设备为单个大数据存储节点或者单个云计算存储节点；
或者，所述信息存储设备为一个大数据存储网元阵列或者一个云计算存储网元阵列，所述大数据存储网元阵列由多个大数据存储网元构成，所述多个大数据存储网元分别存储不同电力设备的电力信息，所述云计算存储网元阵列由多个云计算存储网元构成，所述多个云计算存储网元分别存储不同电力设备的电力信息；
其中，电力设备的电力信息包括与其各台关联电力设备的关联关系以及各项历史电力巡检数据；
巡检采集设备，设置在所述大空间环境的本地端且通过无线网络与远程服务器端的各个设备建立网络连接，用于获取所述大空间环境下每一过往时刻多台电力设备分别对应的多个工作电流、多个电晕放电标识、多个局部过热标识、多个超声波幅值以及多个工作温度，电力设备是否发生电晕放电，对应的电晕放电标识不同，电力设备是否发生局部过热，对应的局部过热标识不同；
数据解析设备，设置在远程服务器端且分别与所述信息存储设备以及所述巡检采集设备连接，用于针对所述大空间环境下每一台电力设备作为目标电力设备建立其对应的多层前馈神经网络模型，将某一时刻之前某一过往时刻所述目标电力设备的各台关联电力设备分别对应的多个工作电流、多个电晕放电标识、多个局部过热标识、多个超声波幅值以及多个工作温度作为某一时刻之前某一过往时刻的基础设备信息，所述多层前馈神经网络模型以紧邻某一时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量作为输入数据，运行以获取输出的某一时刻所述目标电力设备的预测工作电流、预测电晕放电标识、预测局部过热标识、预测超声波幅值以及预测工作温度；
远程调控设备，设置在远程服务器端且与所述数据解析设备连接，用于基于所述数据解析设备输出的未来设定时刻目标电力设备的预测工作电流、预测电晕放电标识、预测局部过热标识、预测超声波幅值以及预测工作温度确定是否需要对目标电力设备在未来设定时刻之前提前部署本地巡检资源，所述本地巡检资源包括本地巡检人员以及本地维修设备；
示例的，所述数据解析设备通过时分双工通信链路或者频分双工通信链路与巡检采集设备网络连接；
其中，在时间轴上设置多个时刻，所述多个时刻中每两个相邻时刻的间隔相等；
例如，在时间轴上每两个相邻时刻的间隔的取值为10秒、20秒、40秒、1分钟或者5分钟中的一种；
其中，所述多个过往时刻的时刻数量取值与所述目标电力设备的各台关联电力设备的设备数量正向关联；
以及所述多个过往时刻的时刻数量取值与所述目标电力设备的各台关联电力设备的设备数量正向关联包括：所述目标电力设备的各台关联电力设备的设备数量越多，所述多个过往时刻的时刻数量取值越大。
实施例2
图3为根据本发明的实施例2示出的大空间环境电力设备远程巡检装置的结构示意图。
如图3所示，相比较于本发明的实施例1，所述大空间环境电力设备远程巡检装置还包括：
参数学习设备，设置在远程服务器端且与所述数据解析设备连接，用于针对目标电力设备对应的多层前馈神经网络模型，采用某一历史时刻所述目标电力设备的工作电流、电晕放电标识、局部过热标识、超声波幅值以及工作温度作为所述模型的输出数据，采用所述某一历史时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量作为所述模型的输入数据，完成对所述模型的一次参数学习；
示例的，每完成一次学习，目标电力设备对应的多层前馈神经网络模型完成一次模型参数的重构，在学习前后，相同种类的模型参数可能不同，也可能相同；
其中，所述参数学习设备还用于将完成预设数目的多次参数学习的所述模型发送给所述数据解析设备用于执行预测操作；
其中，所述模型对应的目标电力设备的各台关联电力设备的设备数量越少，所述预设数目的取值越少；
在所述数据解析设备中，将紧邻未来设定时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量输入到所述目标电力设备对应的所述多层前馈神经网络模型，并运行所述多层前馈神经网络模型以获取所述多层前馈神经网络模型输出的未来设定时刻所述目标电力设备的预测工作电流、预测电晕放电标识、预测局部过热标识、预测超声波幅值以及预测工作温度；
其中，将紧邻未来设定时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量输入到所述目标电力设备对应的所述多层前馈神经网络模型包括：当紧邻未来设定时刻之前多个过往时刻中存在某一过往时刻晚于当前时刻时而导致其对应的基础设备信息未知时，先采用所述模型对所述某一过往时刻所述目标电力设备的预测工作电流、预测电晕放电标识、预测局部过热标识、预测超声波幅值以及预测工作温度进行预测并作为所述某一过往时刻所述目标电力设备的工作电流、电晕放电标识、局部过热标识、超声波幅值以及工作温度以参与后续的未来设定时刻的模型预测；
其中，将紧邻未来设定时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量输入到所述目标电力设备对应的所述多层前馈神经网络模型还包括：当紧邻未来设定时刻之前多个过往时刻中存在两个以上某一过往时刻晚于当前时刻时而导致其对应的基础设备信息未知时，先采用所述模型对所述两个以上某一过往时刻中最早时刻进行模型预测，将模型预测结果参与所述最早时刻下一过往时刻的模型预测，直到所有过往时刻对应的基础设备信息经过预测后为已知，将已知的所有过往时刻对应的基础设备信息参与后续的未来设定时刻的模型预测；
示例的，在时间轴上每两个相邻时刻的间隔的取值为5分钟的情况下，当前时间为上午10:00，在未来设定时刻为上午10:22时，在执行未来设定时刻的模型预测之前，需要执行上午10:17的模型预测、上午10:12的模型预测、上午10:07的模型预测、上午10:02的模型预测；
这时，先执行上午10:02的模型预测，将上午10:02的模型预测结果用于上午10:07的模型预测，将上午10:02的模型预测结果、上午10:07的模型预测结果用于上午10:17的模型预测，最后，将上午10:02的模型预测结果、上午10:07的模型预测结果、上午10:17的模型预测结果用于上午10:22的模型预测，从而完成了未来设定时刻的模型预测。
实施例3
图4为根据本发明的实施例3示出的大空间环境电力设备远程巡检装置的结构示意图。
如图4所示，相比较于本发明的实施例2，所述大空间环境电力设备远程巡检装置还包括：
电流测量设备，与所述巡检采集设备电性连接，设置在所述大空间环境的本地端且包括多个电流测量单元，用于分别测量多台电力设备在每一时刻的工作电流并发送给所述巡检采集设备的内置存储芯片；
其中，可以采用第一同步控制单元，用于分别与所述多个电流测量单元连接，实现所述多个电流测量单元的同步电流测量。
实施例4
图5为根据本发明的实施例4示出的大空间环境电力设备远程巡检装置的结构示意图。
如图5所示，相比较于本发明的实施例2，所述大空间环境电力设备远程巡检装置还包括：
放电检测设备，与所述巡检采集设备电性连接，设置在所述大空间环境的本地端且包括多个紫外采集分析单元，用于分别基于紫外图像采集和分析判断多台电力设备在每一时刻是否发生电晕放电并将相应的电晕放电标识发送给所述巡检采集设备的内置存储芯片；
其中，可以采用第二同步控制单元，用于分别与所述多个紫外采集分析单元连接，实现所述多个紫外采集分析单元的同步分析；
示例的，在执行每一次紫外图像采集和分析时，可以将紫外图像与可见光图像进行叠加以确定发生电晕放电的位置是否归属某一电力设备，因此，这时需要引入一个成像视野与紫外采集分析单元相同的可见光采集分析单元。
实施例5
图6为根据本发明的实施例5示出的大空间环境电力设备远程巡检装置的结构示意图。
如图6所示，相比较于本发明的实施例2，所述大空间环境电力设备远程巡检装置还包括：
过热判断设备，与所述巡检采集设备电性连接，设置在所述大空间环境的本地端且包括多个红外采集分析单元，用于分别基于红外图像采集和分析判断多台电力设备在每一时刻是否发生局部过热并将相应的局部过热标识发送给所述巡检采集设备的内置存储芯片；
其中，可以采用第三同步控制单元，用于分别与所述多个红外采集分析单元连接，实现所述多个红外采集分析单元的同步分析。
实施例6
图7为根据本发明的实施例6示出的大空间环境电力设备远程巡检装置的结构示意图。
如图7所示，相比较于本发明的实施例2，所述大空间环境电力设备远程巡检装置还包括：
超声提取设备，与所述巡检采集设备电性连接，设置在所述大空间环境的本地端且包括多个超声波检测仪，用于分别测量多台电力设备在每一时刻的超声波幅值并发送给所述巡检采集设备的内置存储芯片；
其中，可以采用第四同步控制单元，用于分别与所述多个超声波检测仪连接，实现所述多个超声波检测仪的同步超声波幅值测量。
实施例7
图8为根据本发明的实施例7示出的大空间环境电力设备远程巡检装置的结构示意图。
如图8所示，相比较于本发明的实施例2，所述大空间环境电力设备远程巡检装置还包括：
温度传感设备，与所述巡检采集设备电性连接，设置在所述大空间环境的本地端且包括多个非接触式温度传感器，用于分别测量多台电力设备在每一时刻的工作温度并发送给所述巡检采集设备的内置存储芯片；
其中，可以采用第五同步控制单元，用于分别与所述多个非接触式温度传感器连接，实现所述多个非接触式温度传感器的同步温度测量。
在上述实施例的任一实施例中，可选地，在所述大空间环境电力设备远程巡检装置中：
所述多层前馈神经网络模型由输入层、输出层和中间层组成，所述中间层位于所述输入层和所述输出层之间且被扩展为多层结构；
其中，所述数据预判设备与所述信息存储设备电性连接且与所述巡检采集设备网络连接；
其中，采用关系数据库存储所述大空间环境下每一台电力设备与其各台关联电力设备的关联关系，每一台电力设备的任一台关联电力设备为同处于所述大空间环境下且与所述每一台电力设备存在耦合关系的一台电力设备包括：在所述关系数据库中，以所述大空间环境下每一台电力设备的设备编号为索引，存储其各台关联电力设备分别对应的各个设备编号；
其中，在所述关系数据库中，以所述大空间环境下每一台电力设备的设备编号为索引，存储其各台关联电力设备分别对应的各个设备编号包括：所述大空间环境下的每一台电力设备的设备编号为二进制编码数值；
其中，所述关系数据库可以基于MySQL、Oracle、SqlServer、SQLite、INFORMIX、Redis、MongoDB、HBase、Neo4J以及CouchDB中的一种。
以及在上述实施例的任一实施例中，可选地，在所述大空间环境电力设备远程巡检装置中：
获取所述大空间环境下每一过往时刻多台电力设备分别对应的多个工作电流、多个电晕放电标识、多个局部过热标识、多个超声波幅值以及多个工作温度包括：针对每一台电力设备，当其在某一过往时刻出现电晕放电时，将某一过往时刻其的电晕放电标识设置为0XFF，否则，将某一过往时刻其的电晕放电标识设置为0X00；
其中，获取所述大空间环境下每一过往时刻多台电力设备分别对应的多个工作电流、多个电晕放电标识、多个局部过热标识、多个超声波幅值以及多个工作温度包括：针对每一台电力设备，当其在某一过往时刻出现局部过热时，将某一过往时刻其的局部过热标识设置为0XFF，否则，将某一过往时刻其的局部过热标识设置为0X00；
其中，获取所述大空间环境下每一过往时刻多台电力设备分别对应的多个工作电流、多个电晕放电标识、多个局部过热标识、多个超声波幅值以及多个工作温度包括：针对每一台电力设备，其在任一过往时刻的工作电流、超声波幅值以及工作温度都为二进制编码数值；
其中，通过进行基于二进制编码转换的归一化处理，实现了每一目标电力设备的多层前馈神经网络模型的二进制编码数值的输入，同时实现了每一目标电力设备的多层前馈神经网络模型的二进制编码数值的输出。
实施例8
在本实施例中，本发明搭建了一种大空间环境电力设备远程巡检方法，所述方法包括使用如上述的大空间环境电力设备远程巡检装置以基于大空间环境下任一目标电力设备的关联电力设备的过往时刻各类电力参数以及关联电力设备数量采用人工智能模型预测目标电力设备的后续时刻各类电力参数并执行相应数量的本地巡检资源派遣。
由此可见，本发明能够基于电力设备之间的相互耦合状态建立各台电力设备之间的关联关系，在获取各台电力设备过往时刻各类电力参数的基础上，利用目标电力设备的个性化预测模型，基于目标电力设备的各台关联电力设备的历史电力参数预测目标电力设备后续时刻的各类电力参数，并基于每一台电力设备的各类预测电力参数执行在大空间环境下的巡检资源的远程调配，从而在准确获知电力设备故障时机和故障严重程度的同时，实现大空间环境下有限巡检资源的定向、有序流动。
另外，在本发明中，更具体的，基于所述数据解析设备输出的未来设定时刻目标电力设备的预测工作电流、预测电晕放电标识、预测局部过热标识、预测超声波幅值以及预测工作温度确定是否需要对目标电力设备在未来设定时刻之前提前部署本地巡检资源，所述本地巡检资源包括本地巡检人员以及本地维修设备包括：基于未来设定时刻目标电力设备预测出现工作电流异常、电晕放电、局部过热标识、超声波幅值超限以及工作温度异常五项中同时出现的项数确定在未来设定时刻之前提前部署本地巡检资源数量；
以及更具体的，基于未来设定时刻目标电力设备预测出现工作电流异常、电晕放电、局部过热标识、超声波幅值超限以及工作温度异常五项中同时出现的项数确定在未来设定时刻之前提前部署本地巡检资源数量包括：未来设定时刻目标电力设备预测出现工作电流异常、电晕放电、局部过热标识、超声波幅值超限以及工作温度异常五项中同时出现的项数越多，在未来设定时刻之前提前部署本地巡检资源数量越多。
最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，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，或者对其中部分或者全部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公开各实施例技术方案的范围，其均应涵盖在本公开的权利要求和说明书的范围当中。

Claims (8)

1.一种大空间环境电力设备远程巡检装置，用于内置有多台电力设备的大空间环境，其特征在于，所述装置包括：
数据解析设备，设置在远程服务器端，用于针对大空间环境下每一台电力设备作为目标电力设备建立其对应的多层前馈神经网络模型，将某一时刻之前某一过往时刻所述目标电力设备的各台关联电力设备分别对应的多个工作电流、多个电晕放电标识、多个局部过热标识、多个超声波幅值以及多个工作温度作为某一时刻之前某一过往时刻的基础设备信息，所述多层前馈神经网络模型以紧邻某一时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量作为输入数据，运行以获取输出的某一时刻所述目标电力设备的预测工作电流、预测电晕放电标识、预测局部过热标识、预测超声波幅值以及预测工作温度；
远程调控设备，设置在远程服务器端且与所述数据解析设备连接，用于基于所述数据解析设备输出的未来设定时刻目标电力设备的预测工作电流、预测电晕放电标识、预测局部过热标识、预测超声波幅值以及预测工作温度确定是否需要对目标电力设备在未来设定时刻之前提前部署本地巡检资源，所述本地巡检资源包括本地巡检人员以及本地维修设备；
信息存储设备，设置在远程服务器端且与所述数据解析设备连接，用于采用关系数据库存储所述大空间环境下每一台电力设备与其各台关联电力设备的关联关系，每一台电力设备的任一台关联电力设备为同处于所述大空间环境下且与所述每一台电力设备存在耦合关系的一台电力设备；
巡检采集设备，设置在所述大空间环境的本地端且通过无线网络与远程服务器端的各个设备建立网络连接，同时与所述数据解析设备连接，用于获取所述大空间环境下每一过往时刻多台电力设备分别对应的多个工作电流、多个电晕放电标识、多个局部过热标识、多个超声波幅值以及多个工作温度，电力设备是否发生电晕放电，对应的电晕放电标识不同，电力设备是否发生局部过热，对应的局部过热标识不同；
参数学习设备，设置在远程服务器端且与所述数据解析设备连接，用于针对目标电力设备对应的多层前馈神经网络模型，采用某一历史时刻所述目标电力设备的工作电流、电晕放电标识、局部过热标识、超声波幅值以及工作温度作为所述模型的输出数据，采用所述某一历史时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量作为所述模型的输入数据，完成对所述模型的一次参数学习；
其中，在时间轴上设置多个时刻，所述多个时刻中每两个相邻时刻的间隔相等；
其中，所述多个过往时刻的时刻数量取值与所述目标电力设备的各台关联电力设备的设备数量正向关联；
其中，所述参数学习设备还用于将完成预设数目的多次参数学习的所述模型发送给所述数据解析设备用于执行预测操作；
其中，所述模型对应的目标电力设备的各台关联电力设备的设备数量越少，所述预设数目的取值越少；
其中，在所述数据解析设备中，将紧邻未来设定时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量输入到所述目标电力设备对应的所述多层前馈神经网络模型，并运行所述多层前馈神经网络模型以获取所述多层前馈神经网络模型输出的未来设定时刻所述目标电力设备的预测工作电流、预测电晕放电标识、预测局部过热标识、预测超声波幅值以及预测工作温度；
其中，将紧邻未来设定时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量输入到所述目标电力设备对应的所述多层前馈神经网络模型包括：当紧邻未来设定时刻之前多个过往时刻中存在某一过往时刻晚于当前时刻时而导致其对应的基础设备信息未知时，先采用所述模型对所述某一过往时刻所述目标电力设备的预测工作电流、预测电晕放电标识、预测局部过热标识、预测超声波幅值以及预测工作温度进行预测并作为所述某一过往时刻所述目标电力设备的工作电流、电晕放电标识、局部过热标识、超声波幅值以及工作温度以参与后续的未来设定时刻的模型预测；
其中，将紧邻未来设定时刻之前多个过往时刻分别对应的多份基础设备信息以及所述目标电力设备的各台关联电力设备的设备数量输入到所述目标电力设备对应的所述多层前馈神经网络模型还包括：当紧邻未来设定时刻之前多个过往时刻中存在两个以上某一过往时刻晚于当前时刻时而导致其对应的基础设备信息未知时，先采用所述模型对所述两个以上某一过往时刻中最早时刻进行模型预测，将模型预测结果参与所述最早时刻下一过往时刻的模型预测，直到所有过往时刻对应的基础设备信息经过预测后为已知，将已知的所有过往时刻对应的基础设备信息参与后续的未来设定时刻的模型预测。
2.如权利要求1所述的大空间环境电力设备远程巡检装置，其特征在于，所述装置还包括：
电流测量设备，与所述巡检采集设备电性连接，设置在所述大空间环境的本地端且包括多个电流测量单元，用于分别测量多台电力设备在每一时刻的工作电流并发送给所述巡检采集设备的内置存储芯片。
3.如权利要求1所述的大空间环境电力设备远程巡检装置，其特征在于，所述装置还包括：
放电检测设备，与所述巡检采集设备电性连接，设置在所述大空间环境的本地端且包括多个紫外采集分析单元，用于分别基于紫外图像采集和分析判断多台电力设备在每一时刻是否发生电晕放电并将相应的电晕放电标识发送给所述巡检采集设备的内置存储芯片。
4.如权利要求1所述的大空间环境电力设备远程巡检装置，其特征在于，所述装置还包括：
过热判断设备，与所述巡检采集设备电性连接，设置在所述大空间环境的本地端且包括多个红外采集分析单元，用于分别基于红外图像采集和分析判断多台电力设备在每一时刻是否发生局部过热并将相应的局部过热标识发送给所述巡检采集设备的内置存储芯片。
5.如权利要求1所述的大空间环境电力设备远程巡检装置，其特征在于，所述装置还包括：
超声提取设备，与所述巡检采集设备电性连接，设置在所述大空间环境的本地端且包括多个超声波检测仪，用于分别测量多台电力设备在每一时刻的超声波幅值并发送给所述巡检采集设备的内置存储芯片。
6.如权利要求1所述的大空间环境电力设备远程巡检装置，其特征在于，所述装置还包括：
温度传感设备，与所述巡检采集设备电性连接，设置在所述大空间环境的本地端且包括多个非接触式温度传感器，用于分别测量多台电力设备在每一时刻的工作温度并发送给所述巡检采集设备的内置存储芯片。
7.如权利要求1-6任一所述的大空间环境电力设备远程巡检装置，其特征在于：
所述多层前馈神经网络模型由输入层、输出层和中间层组成，所述中间层位于所述输入层和所述输出层之间且被扩展为多层结构；
其中，所述数据解析设备与所述信息存储设备电性连接且与所述巡检采集设备网络连接；
其中，采用关系数据库存储所述大空间环境下每一台电力设备与其各台关联电力设备的关联关系，每一台电力设备的任一台关联电力设备为同处于所述大空间环境下且与所述每一台电力设备存在耦合关系的一台电力设备包括：在所述关系数据库中，以所述大空间环境下每一台电力设备的设备编号为索引，存储其各台关联电力设备分别对应的各个设备编号；
其中，在所述关系数据库中，以所述大空间环境下每一台电力设备的设备编号为索引，存储其各台关联电力设备分别对应的各个设备编号包括：所述大空间环境下的每一台电力设备的设备编号为二进制编码数值；
其中，获取所述大空间环境下每一过往时刻多台电力设备分别对应的多个工作电流、多个电晕放电标识、多个局部过热标识、多个超声波幅值以及多个工作温度包括：针对每一台电力设备，当其在某一过往时刻出现电晕放电时，将某一过往时刻其的电晕放电标识设置为0XFF，否则，将某一过往时刻其的电晕放电标识设置为0X00；
其中，获取所述大空间环境下每一过往时刻多台电力设备分别对应的多个工作电流、多个电晕放电标识、多个局部过热标识、多个超声波幅值以及多个工作温度包括：针对每一台电力设备，当其在某一过往时刻出现局部过热时，将某一过往时刻其的局部过热标识设置为0XFF，否则，将某一过往时刻其的局部过热标识设置为0X00；
其中，获取所述大空间环境下每一过往时刻多台电力设备分别对应的多个工作电流、多个电晕放电标识、多个局部过热标识、多个超声波幅值以及多个工作温度包括：针对每一台电力设备，其在任一过往时刻的工作电流、超声波幅值以及工作温度都为二进制编码数值。
8.一种大空间环境电力设备远程巡检方法，所述方法包括使用如权利要求1-7任一所述的大空间环境电力设备远程巡检装置以基于大空间环境下任一目标电力设备的关联电力设备的过往时刻各类电力参数以及关联电力设备数量采用人工智能模型预测目标电力设备的后续时刻各类电力参数并执行相应数量的本地巡检资源派遣。
CN202310603778.0A 2023-05-26 2023-05-26 大空间环境电力设备远程巡检装置 Active CN116723211B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310603778.0A CN116723211B (zh) 2023-05-26 2023-05-26 大空间环境电力设备远程巡检装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310603778.0A CN116723211B (zh) 2023-05-26 2023-05-26 大空间环境电力设备远程巡检装置

Publications (2)

Publication Number Publication Date
CN116723211A CN116723211A (zh) 2023-09-08
CN116723211B true CN116723211B (zh) 2024-04-12

Family

ID=87865227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310603778.0A Active CN116723211B (zh) 2023-05-26 2023-05-26 大空间环境电力设备远程巡检装置

Country Status (1)

Country Link
CN (1) CN116723211B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117040141B (zh) * 2023-10-10 2023-12-08 广州健新科技有限责任公司 电力智能网关的安全监测系统及方法
CN117783797B (zh) * 2024-02-28 2024-05-10 国网山东省电力公司莒县供电公司 配电自动化开关局放检测预警系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104218679A (zh) * 2014-09-12 2014-12-17 国家电网公司 一种基于遥视系统的变电站远程自动巡检方法
CN105261079A (zh) * 2015-11-11 2016-01-20 国网山东济阳县供电公司 便携式智能电力巡检装置
CN105807743A (zh) * 2016-03-15 2016-07-27 国网江苏省电力公司电力科学研究院 变电站设备故障缺陷分析远程支撑系统
CN112910094A (zh) * 2021-03-05 2021-06-04 国网河南省电力公司郑州供电公司 基于泛在电力物联网的变电站远方自动巡检系统及方法
WO2022095616A1 (zh) * 2020-11-03 2022-05-12 国网智能科技股份有限公司 一种变电站在线智能巡视系统及方法
KR20220108482A (ko) * 2021-01-27 2022-08-03 엘에스일렉트릭(주) 전력 기기 진단 장치
CN115373403A (zh) * 2022-09-19 2022-11-22 太平洋建设集团有限公司 一种建筑机械设备巡检服务系统
CN115393566A (zh) * 2022-09-01 2022-11-25 国网智能电网研究院有限公司 电力设备的故障识别与预警方法、装置、存储介质、设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11453421B2 (en) * 2019-10-11 2022-09-27 Progress Rail Services Corporation System and method for predicting failures of train components

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104218679A (zh) * 2014-09-12 2014-12-17 国家电网公司 一种基于遥视系统的变电站远程自动巡检方法
CN105261079A (zh) * 2015-11-11 2016-01-20 国网山东济阳县供电公司 便携式智能电力巡检装置
CN105807743A (zh) * 2016-03-15 2016-07-27 国网江苏省电力公司电力科学研究院 变电站设备故障缺陷分析远程支撑系统
WO2022095616A1 (zh) * 2020-11-03 2022-05-12 国网智能科技股份有限公司 一种变电站在线智能巡视系统及方法
KR20220108482A (ko) * 2021-01-27 2022-08-03 엘에스일렉트릭(주) 전력 기기 진단 장치
CN112910094A (zh) * 2021-03-05 2021-06-04 国网河南省电力公司郑州供电公司 基于泛在电力物联网的变电站远方自动巡检系统及方法
CN115393566A (zh) * 2022-09-01 2022-11-25 国网智能电网研究院有限公司 电力设备的故障识别与预警方法、装置、存储介质、设备
CN115373403A (zh) * 2022-09-19 2022-11-22 太平洋建设集团有限公司 一种建筑机械设备巡检服务系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
便携式电力设备巡检装置;陈启卷, 毛慧和, 肖志怀, 余波, 刘斌;电力系统自动化;20010215(第03期);全文 *
基于大数据的风电设备远程故障监测与诊断系统研究;赵晓明;孙希德;;电力大数据;20190421(第04期);全文 *
改进关联规则方法在电力设备故障预测中的应用;班淑珍;韩俊峰;;电网与清洁能源;20151025(第10期);全文 *
输配电设备泛在电力物联网建设思路与发展趋势;江秀臣;刘亚东;傅晓飞;徐鹏;王劭菁;盛戈;;高电压技术;20190528(第05期);全文 *

Also Published As

Publication number Publication date
CN116723211A (zh) 2023-09-08

Similar Documents

Publication Publication Date Title
CN116723211B (zh) 大空间环境电力设备远程巡检装置
CN105353702B (zh) 高压设备智能监控系统
CN103246265B (zh) 机电设备检测维护方法
CN1991652B (zh) 可编程逻辑控制器和中央单元之间通信的通信方法及自动远程监控和诊断系统
CN104020754B (zh) 一种变电站一次主设备状态监测信息接入调控系统的方法
CN110766277B (zh) 用于核工业现场的健康评估及诊断系统和移动终端
CN105512448B (zh) 一种配电网健康指数的评估方法
CN113763667B (zh) 一种基于5g边缘计算的火灾预警及状态监测装置及方法
Feng et al. A technical framework of PHM and active maintenance for modern high-speed railway traction power supply systems
CN110988559A (zh) 基于物联网的变电站直流系统全生命周期的在线监测方法
CN106646068A (zh) 基于多参量信息融合的智能变电站二次系统缺陷诊断方法
CN109459659A (zh) 一种用于预测电力系统故障的系统及方法
CN111045364B (zh) 一种基于大数据平台的动力环境监控系统辅助决策方法
CN117612345A (zh) 一种电力设备状态监测报警系统及方法
CN114498934A (zh) 一种变电站监控系统
CN206742968U (zh) 一种配电室智能值班机器人系统
CN118194142B (zh) 一种智慧管网的震后修复工程分析方法及系统
CN114280383B (zh) 一种大型地面站天线的健康检测装置及健康检测方法
CN208969502U (zh) 焦炉车辆故障智能化诊断装置
CN105867267A (zh) 通过图像识别技术实现配电站房仪表读数自动上报的方法
CN117607531A (zh) 一种变电站直流系统故障排查系统及其排查方法
CN109962528A (zh) 一种变电站二次设备智能管控系统
CN111240299A (zh) 焦炉车辆故障智能化诊断装置及其使用方法
KR20240001975A (ko) 인공지능을 이용한 태양광 발전량 예측 및 모니터링 시스템
CN107065724A (zh) 一种配电室智能值班机器人系统及控制方法

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