CN116976858B - 一种电器柜智能化运维管理方法、系统及电子设备 - Google Patents
一种电器柜智能化运维管理方法、系统及电子设备 Download PDFInfo
- Publication number
- CN116976858B CN116976858B CN202310997255.9A CN202310997255A CN116976858B CN 116976858 B CN116976858 B CN 116976858B CN 202310997255 A CN202310997255 A CN 202310997255A CN 116976858 B CN116976858 B CN 116976858B
- Authority
- CN
- China
- Prior art keywords
- maintenance management
- fault
- electrical cabinet
- data
- abnormal
- 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
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 319
- 238000007726 management method Methods 0.000 title claims abstract description 285
- 230000002159 abnormal effect Effects 0.000 claims abstract description 153
- 238000003745 diagnosis Methods 0.000 claims abstract description 102
- 230000007547 defect Effects 0.000 claims abstract description 67
- 230000009471 action Effects 0.000 claims abstract description 42
- 230000036541 health Effects 0.000 claims abstract description 35
- 238000007689 inspection Methods 0.000 claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000004140 cleaning Methods 0.000 claims abstract description 17
- 230000007812 deficiency Effects 0.000 claims abstract description 14
- 238000005065 mining Methods 0.000 claims abstract description 12
- 238000007418 data mining Methods 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 9
- 238000013524 data verification Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000009413 insulation Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电器柜领域,一种电器柜智能化运维管理方法及系统,包括:接收智能化运维管理指令,根据所述智能化运维管理指令挖掘电器柜运维管理数据,所述电器柜运维管理数据包括台账数据、缺陷数据、告警信息、动作记录以及巡检数据;对所述电器柜运维管理数据进行预处理,对所述台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集;提取所述运维管理数据集的异常特征。本发明可以解决当前电器柜运维管理的数据挖掘不彻底、无法对故障诊断和健康评估的技术问题,同时还能够提高定位诊断故障点的准确率,还能够预测电器柜的健康状态。
Description
技术领域
本发明涉及电器柜领域,尤其涉及一种电器柜智能化运维管理方法、系统及电子设备及计算机可读存储介质。
背景技术
电器柜是配电系统的末级设备,电器柜是电动机控制中心的统称,电器柜使用在负荷比较分散、回路较少的场合;电动机控制中心用于负荷集中、回路较多的场合。它们把上一级配电设备某一电路的电能分配给就近的负荷。这级设备应对负荷提供保护、监视和控制,所以电器柜运维管理是非常重要的,能够保护设备。但现有的电器柜智能化运维管理方法及系统无法解决当前电器柜运维管理的数据挖掘不彻底、无法对故障诊断和健康评估的技术问题,同时还不能够提高定位诊断故障点的准确率,无法预测电器柜的健康状态。
发明内容
本发明提供一种电器柜智能化运维管理方法、系统及计算机可读存储介质,其主要目的在于可以解决当前电器柜运维管理的数据挖掘不彻底、无法对故障诊断和健康评估的技术问题,同时还能够提高定位诊断故障点的准确率,还能够预测电器柜的健康状态。
为实现上述目的,本发明提供的一种电器柜智能化运维管理方法,包括:
接收智能化运维管理指令,根据所述智能化运维管理指令挖掘电器柜运维管理数据,所述电器柜运维管理数据包括台账数据、缺陷数据、告警信息、动作记录以及巡检数据;
对所述电器柜运维管理数据进行预处理,对台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集;
提取所述运维管理数据集的异常特征,包括:
将所述运维管理数据集的异常特征集合定义为Pn={P1,P2,...,Pn},Pn表示为第n个异常特征数据;
根据所述运维管理数据集的异常特征集合计算异常特征值,获得所述运维管理数据集的异常特征,表示为:
其中,G表示为运维管理数据集的异常特征值,Ki表示为第n个异常特征数据验证信息,a表示为运维管理数据集的异常特征向量,u表示为运维管理数据集的异常特征向量的加权值,R表示为运维管理数据集的异常特征分布概率;
构建故障定位诊断模型,根据所述运维管理数据集的异常特征定位所述电器柜中的故障点,并对所述电器柜中的故障点进行诊断,获得故障诊断结果;
接收所述故障诊断结果的指令,根据所述故障诊断结果对所述电器柜进行智能化运维管理,并根据所述故障诊断结果对所述电器柜运维管理数据进行评估,获得电器柜运维管理评估质量。
优选地,所述台账数据包括保护型号、生产厂家、电压等级、投运日期;所述缺陷数据包括缺陷发现时间、缺陷内容、缺陷原因、缺陷部位;所述告警信息包括电器柜编号信息、告警数据;所述动作记录包括动作时间、复归时间;所述巡检数据包括运行环境、绝缘情况。
优选地,所述对所述电器柜运维管理数据进行预处理,对所述台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集,包括:
对所述台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行编码,分别表示为A={a1,a2,...,am},B={b1,b2,...,bn},C={c1,c2,...,co},D={d1,d2,...,dp},E={e1,e2,...,eq},am,bn,co,dp,eq分别表示第m个台账数据,第n个缺陷数据,第o个告警信息,第p个动作记录,第q个巡检数据;
当所述缺陷数据缺少所述台账数据、动作记录以及巡检数据时,将A,D,E中的数据分别与B中缺陷记录进行匹配,匹配成功后,为所述缺陷数据补缺匹配成功的所述缺陷记录ai,di,ei;
当所述告警信息中存在若干条重复告警记录,将所述若干条重复告警记录di进行去重;
将所述补缺匹配成功的所述缺陷记录ai,di,ei与所述若干条重复告警记录di进行清洗形成所述运维管理数据集。
优选地,所述构建故障定位诊断模型,根据所述运维管理数据集的异常特征定位所述电器柜中的故障点,包括:
根据所述运维管理数据集的异常特征获取任意一个所述电器柜的两次故障时间点与故障行波,分别为t1,t2,所述故障行波在所述故障时间点t1,t2之间的距离为L,表达式为:
其中,v表示为故障点行波在空气中的传播速度;
根据所述故障行波在所述故障时间点t1,t2之间的距离对所述电器柜中的故障点进行定位,获得所述电器柜中的故障点位置,表达式:
其中,JP表示为运维管理数据集的异常特征集合中故障点位置,γ表示为故障行波的拥挤因子,L表示为两次故障时间点之间的距离,表示运维管理数据集的异常特征集合在tm时间点的故障行波。
优选地,所述并对所述电器柜中的故障点进行诊断,获得故障诊断结果,包括:
对所述电器柜中的故障点进行分类处理,将所述电器柜中的故障点分为正常状态、注意状态、异常状态与严重状态;
设定所述正常状态、注意状态、异常状态与严重状态的故障阈值,分别为W1,,W3,W4,所述正常状态的故障阈值W1为0,所述注意状态的故障阈值为0<W2≤50,所述异常状态的故障阈值为50<W3≤90,所述严重状态的故障阈值为90<W4≤100;
根据所述正常状态、注意状态、异常状态与严重状态的故障阈值为所述电器柜中的故障点分配诊断措施,获取所述电器柜中的故障点的有效诊断集,为W={w1,w2,...,wm};
根据所述电器柜中的故障点的诊断集计算所述故障诊断结果,表达式为:
其中,P表示为故障诊断结果,N表示为故障诊断总次数,wm表示为电器柜中的故障点的有效诊断次数,若P的值越大,则所述电器柜中的故障点分配诊断措施的效果越好。
优选地,所述接收所述故障诊断结果的指令,根据所述故障诊断结果对所述电器柜进行智能化运维管理,包括:
根据所述故障诊断结果确定所述正常状态、注意状态、异常状态与严重状态的故障实际阈值;
判断所述正常状态、注意状态、异常状态与严重状态的故障实际阈值是否匹配所述故障阈值;
若所述故障实际阈值与所述故障阈值相匹配,则根据所述正常状态、注意状态、异常状态与严重状态对应的自动生成运维工单;
将所述自动生成运维工单分配给对应的运维人员;
所述对应的运维人员根据所述故障点分配诊断措施对所述电器柜进行智能化运维管理。
优选地,所述并根据所述故障诊断结果对所述电器柜运维管理数据进行评估,获得电器柜运维管理评估质量,包括:
记录所述电器柜中的故障点的有效诊断集中的每次故障点产生时的健康状态;
设定所述每次故障点产生时的健康状态的特征向量为F={F1,F2,...,Fn};
对所述每次故障点产生时的健康状态进行训练评估,获得所述电器柜运维管理评估质量,表达式为:
其中,HI表示电器柜运维管理评估质量,表示为电器柜t时刻的运维管理评估质量,F1(t),F2(t),...,Fn(t)表示为每次故障点产生时的健康状态的特征值;
若电器柜运维管理评估质量HI值越高,则电器柜的健康状态越低;
若电器柜运维管理评估质量HI值越低,则电器柜的健康状态越高。
一种电器柜智能化运维管理系统,包括:
数据挖掘模块,用于根据智能化运维管理指令挖掘电器柜运维管理数据,电器柜运维管理数据包括台账数据、缺陷数据、告警信息、动作记录以及巡检数据;
数据预处理模块,用于对电器柜运维管理数据进行预处理,对台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集;
特征提取模块,提取运维管理数据集的异常特征,包括:
将运维管理数据集的异常特征集合定义为Pn={P1,P2,...,Pn},Pn表示为第n个异常特征数据;
根据运维管理数据集的异常特征集合计算异常特征值,获得运维管理数据集的异常特征,表示为:
其中,G表示为运维管理数据集的异常特征值,Ki表示为第n个异常特征数据验证信息,a表示为运维管理数据集的异常特征向量,u表示为运维管理数据集的异常特征向量的加权值,R表示为运维管理数据集的异常特征分布概率;
故障定位诊断模块,用于根据运维管理数据集的异常特征定位电器柜中的故障点,并对电器柜中的故障点进行诊断,获得故障诊断结果;
运维管理模块,用于根据故障诊断结果对电器柜进行智能化运维管理;
健康评估模块,用于根据故障诊断结果对电器柜运维管理数据进行评估,获得电器柜运维管理评估质量。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的一种电器柜智能化运维管理方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的一种电器柜智能化运维管理方法。
本发明实施例为解决背景技术所述问题,先接收智能化运维管理指令,根据智能化运维管理指令挖掘电器柜运维管理数据,不仅能提高运维管理数据挖掘的效率,还提高了挖掘异常数据的准确率;再对电器柜运维管理数据进行预处理,对台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集,从而提高运维数据集的质量;然后提取运维管理数据集的异常特征,根据运维管理数据集的异常特征集合计算异常特征值,获得运维管理数据集的异常特征;再然后构建故障定位诊断模型,根据运维管理数据集的异常特征定位电器柜中的故障点,并对电器柜中的故障点进行诊断,获得故障诊断结果;最后接收故障诊断结果的指令,根据故障诊断结果对电器柜进行智能化运维管理,让运维人员根据不同诊断措施进出运维管理,并根据故障诊断结果对电器柜运维管理数据进行评估,获得电器柜运维管理评估质量,判断当前电器柜的健康状态。因此本发明提出的一种电器柜智能化运维管理方法、系统、电子设备及计算机可读存储介质,可以解决当前电器柜运维管理的数据挖掘不彻底、无法对故障诊断和健康评估的技术问题,同时还能够提高定位诊断故障点的准确率,还能够预测电器柜的健康状态。
附图说明
图1为本发明一实施例提供的一种电器柜智能化运维管理方法的流程示意图;
图2为本发明一实施例提供的一种电器柜智能化运维管理系统的功能模块图;
图3为本发明一实施例提供的实现所述一种电器柜智能化运维管理方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种电器柜智能化运维管理方法。所述一种电器柜智能化运维管理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述一种电器柜智能化运维管理方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的一种电器柜智能化运维管理方法的流程示意图。在本实施例中,所述一种电器柜智能化运维管理方法包括:
S1:接收智能化运维管理指令,根据所述智能化运维管理指令挖掘电器柜运维管理数据,所述电器柜运维管理数据包括台账数据、缺陷数据、告警信息、动作记录以及巡检数据;
详细地,所述台账数据包括保护型号、生产厂家、电压等级、投运日期;所述缺陷数据包括缺陷发现时间、缺陷内容、缺陷原因、缺陷部位;所述告警信息包括电器柜编号信息、告警数据;所述动作记录包括动作时间、复归时间;所述巡检数据包括运行环境、绝缘情况。
需要解释的是,本发明实施例中,智能化运维管理系统掌握台账数据、缺陷数据、告警信息、动作记录以及巡检数据全部信息,才能够在电器柜运维管理数据进行预处理中能够更详细的将数据进行去重、补缺、清洗,从而获得更全面的运维数据集。
S2:对所述电器柜运维管理数据进行预处理,对台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集;
详细地,所述对所述电器柜运维管理数据进行预处理,对所述台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集,包括:
对所述台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行编码,分别表示为A={a1,a2,...,am},B={b1,b2,...,bn},C={c1,c2,...,co},D={d1,d2,...,dp},E={e1,e2,...,eq},am,bn,co,dp,eq分别表示第m个台账数据,第n个缺陷数据,第o个告警信息,第p个动作记录,第q个巡检数据;
当所述缺陷数据缺少所述台账数据、动作记录以及巡检数据时,将A,D,E中的数据分别与B中缺陷记录进行匹配,匹配成功后,为所述缺陷数据补缺匹配成功的所述缺陷记录ai,di,ei;
当所述告警信息中存在若干条重复告警记录,将所述若干条重复告警记录di进行去重;
将所述补缺匹配成功的所述缺陷记录ai,di,ei与所述若干条重复告警记录di进行清洗形成所述运维管理数据集。
示例性地,当电器柜的同一个故障问题,在没有处理的情况下,告警信息中会出现若干条相同的告警记录,此时,需要将重复的告警记录进行去重,在精简运维管理数据集的同时,还能够提高定位故障点的效率,避免故障定位时进行多次定位;
需要解释的是,本发明实施例中,缺陷数据是记录台账数据、动作记录以及巡检数据中的异常记录,当缺陷数据中缺少台账数据、动作记录以及巡检数据中异常记录时,需要将缺陷数据中之前记录的缺陷记录补充到台账数据、动作记录以及巡检数据中。
S3:提取所述运维管理数据集的异常特征,包括:
将所述运维管理数据集的异常特征集合定义为Pn={P1,P2,...,Pn},Pn表示为第n个异常特征数据;
根据所述运维管理数据集的异常特征集合计算异常特征值,获得所述运维管理数据集的异常特征,表示为:
其中,G表示为运维管理数据集的异常特征值,Ki表示为第n个异常特征数据验证信息,a表示为运维管理数据集的异常特征向量,u表示为运维管理数据集的异常特征向量的加权值,R表示为运维管理数据集的异常特征分布概率;
S4:构建故障定位诊断模型,根据所述运维管理数据集的异常特征定位所述电器柜中的故障点,并对所述电器柜中的故障点进行诊断,获得故障诊断结果;
详细地,所述构建故障定位诊断模型,根据所述运维管理数据集的异常特征定位所述电器柜中的故障点,包括:
根据所述运维管理数据集的异常特征获取任意一个所述电器柜的两次故障时间点与故障行波,分别为t1,t2,所述故障行波在所述故障时间点t1,t2之间的距离为L,表达式为:
其中,v表示为故障点行波在空气中的传播速度;
根据所述故障行波在所述故障时间点t1,t2之间的距离对所述电器柜中的故障点进行定位,获得所述电器柜中的故障点位置,表达式:
其中,JP表示为运维管理数据集的异常特征集合中故障点位置,γ表示为故障行波的拥挤因子,L表示为两次故障时间点之间的距离,表示运维管理数据集的异常特征集合在tm时间点的故障行波。
需要解释是,本发明实施例中,当电器柜中出现故障点时,电器柜的运行路径会有所改变,两次故障点出现的时间会形成一个路径,产生距离,通过利用故障行波的拥挤因子定位故障点。
进一步地,所述并对所述电器柜中的故障点进行诊断,获得故障诊断结果,包括:
对所述电器柜中的故障点进行分类处理,将所述电器柜中的故障点分为正常状态、注意状态、异常状态与严重状态;
设定所述正常状态、注意状态、异常状态与严重状态的故障阈值,分别为W1,,W3,W4,所述正常状态的故障阈值W1为0,所述注意状态的故障阈值为0<W2≤50,所述异常状态的故障阈值为50<W3≤90,所述严重状态的故障阈值为90<W4≤100;
根据所述正常状态、注意状态、异常状态与严重状态的故障阈值为所述电器柜中的故障点分配诊断措施,获取所述电器柜中的故障点的有效诊断集,为W={w1,w2,...,wm};
根据所述电器柜中的故障点的诊断集计算所述故障诊断结果,表达式为:
其中,P表示为故障诊断结果,N表示为故障诊断总次数,wm表示为电器柜中的故障点的有效诊断次数,若P的值越大,则所述电器柜中的故障点分配诊断措施的效果越好。
需要解释的是,本发明实施例中,正常状态的故障阈值W1为0表示电器柜没有故障,通过电器柜中的故障点的有效诊断集与故障诊断总次数确定故障诊断结果,来判断系统自动对故障点分配的诊断措施是否有效。
S5:接收所述故障诊断结果的指令,根据所述故障诊断结果对所述电器柜进行智能化运维管理,并根据所述故障诊断结果对所述电器柜运维管理数据进行评估,获得电器柜运维管理评估质量。
详细地,所述接收所述故障诊断结果的指令,根据所述故障诊断结果对所述电器柜进行智能化运维管理,包括:
根据所述故障诊断结果确定所述正常状态、注意状态、异常状态与严重状态的故障实际阈值;
判断所述正常状态、注意状态、异常状态与严重状态的故障实际阈值是否匹配所述故障阈值;
若所述故障实际阈值与所述故障阈值相匹配,则根据所述正常状态、注意状态、异常状态与严重状态对应的自动生成运维工单;
将所述自动生成运维工单分配给对应的运维人员;
所述对应的运维人员根据所述故障点分配诊断措施对所述电器柜进行智能化运维管理。
需要解释的是,本发明实施例中,在电器柜运维管理中,对运维人员进行专业及运维技术等级的划分,结合当前故障点的所属专业和运维难度分析,将运维工单派送至合适的运维人员,合理调配运维人员,实现针对性运维,不仅能够提高运维效率,还能够体现运维管理系统的智能化。
进一步地,所述并根据所述故障诊断结果对所述电器柜运维管理数据进行评估,获得电器柜运维管理评估质量,包括:
记录所述电器柜中的故障点的有效诊断集中的每次故障点产生时的健康状态;
设定所述每次故障点产生时的健康状态的特征向量为F={F1,F2,...,Fn};
对所述每次故障点产生时的健康状态进行训练评估,获得所述电器柜运维管理评估质量,表达式为:
其中,HI表示电器柜运维管理评估质量,表示为电器柜t时刻的运维管理评估质量,F1(t),F2(t),...,Fn(t)表示为每次故障点产生时的健康状态的特征值;
若电器柜运维管理评估质量HI值越高,则电器柜的健康状态越低;
若电器柜运维管理评估质量HI值越低,则电器柜的健康状态越高。
需要解释的是,本发明实施例中,电器柜在使用的过程中,会减少电器柜的使用寿命,通过对电器柜的质量评估,了解电器柜的健康状态,从而能够有计划的对电器柜进行维护,降低电器柜的故障概率,为电器柜的运维管理提供一种新思路。
本发明实施例为解决背景技术所述问题,先接收智能化运维管理指令,根据智能化运维管理指令挖掘电器柜运维管理数据,不仅能提高运维管理数据挖掘的效率,还提高了挖掘异常数据的准确率;再对电器柜运维管理数据进行预处理,对台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集,从而提高运维数据集的质量;然后提取运维管理数据集的异常特征,根据运维管理数据集的异常特征集合计算异常特征值,获得运维管理数据集的异常特征;再然后构建故障定位诊断模型,根据运维管理数据集的异常特征定位电器柜中的故障点,并对电器柜中的故障点进行诊断,获得故障诊断结果;最后接收故障诊断结果的指令,根据故障诊断结果对电器柜进行智能化运维管理,让运维人员根据不同诊断措施进出运维管理,并根据故障诊断结果对电器柜运维管理数据进行评估,获得电器柜运维管理评估质量,判断当前电器柜的健康状态。因此本发明提出的一种电器柜智能化运维管理方法、系统、电子设备及计算机可读存储介质,可以解决当前电器柜运维管理的数据挖掘不彻底、无法对故障诊断和健康评估的技术问题,同时还能够提高定位诊断故障点的准确率,还能够预测电器柜的健康状态。
如图2所示,是本发明一实施例提供的一种电器柜智能化运维管理系统的功能模块图。
本发明所述一种电器柜智能化运维管理系统100可以安装于电子设备中。根据实现的功能,所述一种电器柜智能化运维管理系统100可以包括数据挖掘模块101、数据预处理模块102、特征提取模块103、故障定位诊断模块104、运维管理模块105及健康评估模块106。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
一种电器柜智能化运维管理系统,包括:
数据挖掘模块101,用于根据智能化运维管理指令挖掘电器柜运维管理数据,电器柜运维管理数据包括台账数据、缺陷数据、告警信息、动作记录以及巡检数据;
数据预处理模块102,用于对电器柜运维管理数据进行预处理,对台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集;
特征提取模块103,提取运维管理数据集的异常特征,包括:
将运维管理数据集的异常特征集合定义为Pn={P1,P2,...,Pn},Pn表示为第n个异常特征数据;
根据运维管理数据集的异常特征集合计算异常特征值,获得运维管理数据集的异常特征,表示为:
其中,G表示为运维管理数据集的异常特征值,Ki表示为第n个异常特征数据验证信息,a表示为运维管理数据集的异常特征向量,u表示为运维管理数据集的异常特征向量的加权值,R表示为运维管理数据集的异常特征分布概率;
故障定位诊断模块104,用于根据运维管理数据集的异常特征定位电器柜中的故障点,并对电器柜中的故障点进行诊断,获得故障诊断结果;
运维管理模块105,用于根据故障诊断结果对电器柜进行智能化运维管理;
健康评估模块106,用于根据故障诊断结果对电器柜运维管理数据进行评估,获得电器柜运维管理评估质量。
需要解释的是,本发明实施例中,电器柜智能化运维管理系统还包括提供给运维人员使用的运维APP,该运维APP通过用CDMA网络在电子设备1中运行,电子设备1包括常用的手机端或电脑端,当电器柜智能化运维管理系统定位到电器柜中的故障点并进行故障诊断后,运维管理模块105根据故障结果生成运维工单,并将运维工单派送至合适的运维人员,运维人员通过手机端或电脑端运维运维APP远程接收运维工单,,根据运维工单对电器柜进行维护管理。
详细地,本发明实施例中所述一种电器柜智能化运维管理系统100中的所述各模块在使用时采用与上述的图1中所述的基于区块链的产品供应链管理方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图3所示,是本发明一实施例提供的实现一种电器柜智能化运维管理方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线12,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如一种电器柜智能化运维管理方法程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(SmartMediaCard,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(FlashCard)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如一种电器柜智能化运维管理方法程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(CentralProcessingunit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如一种电器柜智能化运维管理方法程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线12可以是外设部件互连标准(peripheralcomponentinterconnect,简称PCI)总线或扩展工业标准结构(extendedindustrystandardarchitecture,简称EISA)总线等。该总线12可以分为地址总线、数据总线、控制总线等。所述总线12被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(OrganicLight-EmittingDiode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的一种电器柜智能化运维管理方法程序是多个指令的组合,在所述处理器10中运行时,可以实现:
接收智能化运维管理指令,根据所述智能化运维管理指令挖掘电器柜运维管理数据,所述电器柜运维管理数据包括台账数据、缺陷数据、告警信息、动作记录以及巡检数据;
对所述电器柜运维管理数据进行预处理,对台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集;
提取所述运维管理数据集的异常特征,包括:
将所述运维管理数据集的异常特征集合定义为Pn={P1,P2,...,Pn},Pn表示为第n个异常特征数据;
根据所述运维管理数据集的异常特征集合计算异常特征值,获得所述运维管理数据集的异常特征,表示为:
其中,G表示为运维管理数据集的异常特征值,Ki表示为第n个异常特征数据验证信息,a表示为运维管理数据集的异常特征向量,u表示为运维管理数据集的异常特征向量的加权值,R表示为运维管理数据集的异常特征分布概率;
构建故障定位诊断模型,根据所述运维管理数据集的异常特征定位所述电器柜中的故障点,并对所述电器柜中的故障点进行诊断,获得故障诊断结果;
接收所述故障诊断结果的指令,根据所述故障诊断结果对所述电器柜进行智能化运维管理,并根据所述故障诊断结果对所述电器柜运维管理数据进行评估,获得电器柜运维管理评估质量。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
接收智能化运维管理指令,根据所述智能化运维管理指令挖掘电器柜运维管理数据,所述电器柜运维管理数据包括台账数据、缺陷数据、告警信息、动作记录以及巡检数据;
对所述电器柜运维管理数据进行预处理,对台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集;
提取所述运维管理数据集的异常特征,包括:
将所述运维管理数据集的异常特征集合定义为Pn={P1,P2,...,Pn},Pn表示为第n个异常特征数据;
根据所述运维管理数据集的异常特征集合计算异常特征值,获得所述运维管理数据集的异常特征,表示为:
其中,G表示为运维管理数据集的异常特征值,Ki表示为第n个异常特征数据验证信息,a表示为运维管理数据集的异常特征向量,u表示为运维管理数据集的异常特征向量的加权值,R表示为运维管理数据集的异常特征分布概率;
构建故障定位诊断模型,根据所述运维管理数据集的异常特征定位所述电器柜中的故障点,并对所述电器柜中的故障点进行诊断,获得故障诊断结果;
接收所述故障诊断结果的指令,根据所述故障诊断结果对所述电器柜进行智能化运维管理,并根据所述故障诊断结果对所述电器柜运维管理数据进行评估,获得电器柜运维管理评估质量。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (7)
1.一种电器柜智能化运维管理方法,其特征在于,所述方法包括:
接收智能化运维管理指令,根据所述智能化运维管理指令挖掘电器柜运维管理数据,所述电器柜运维管理数据包括台账数据、缺陷数据、告警信息、动作记录以及巡检数据;
对所述电器柜运维管理数据进行预处理,对所述台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集;
提取所述运维管理数据集的异常特征,包括:
将所述运维管理数据集的异常特征集合定义为Pn={P1,P2,...,Pn},Pn表示为第n个异常特征数据;
根据所述运维管理数据集的异常特征集合计算异常特征值,获得所述运维管理数据集的异常特征,表示为:
其中,G表示为运维管理数据集的异常特征值,Ki表示为第n个异常特征数据验证信息,a表示为运维管理数据集的异常特征向量,u表示为运维管理数据集的异常特征向量的加权值,R表示为运维管理数据集的异常特征分布概率;
构建故障定位诊断模型,根据所述运维管理数据集的异常特征定位所述电器柜中的故障点,并对所述电器柜中的故障点进行诊断,获得故障诊断结果,包括:
根据所述运维管理数据集的异常特征获取任意一个所述电器柜的两次故障时间点与故障行波,分别为t1,t2,所述故障行波在所述故障时间点t1,t2之间的距离为L,表达式为:
其中,v表示为故障点行波在空气中的传播速度;
根据所述故障行波在所述故障时间点t1,t2之间的距离对所述电器柜中的故障点进行定位,获得所述电器柜中的故障点位置,表达式:
其中,JP表示为运维管理数据集的异常特征集合中故障点位置,γ表示为故障行波的拥挤因子,L表示为两次故障时间点之间的距离,表示运维管理数据集的异常特征集合在tm时间点的故障行波;
接收所述故障诊断结果的指令,根据所述故障诊断结果对所述电器柜进行智能化运维管理,并根据所述故障诊断结果对所述电器柜运维管理数据进行评估,获得电器柜运维管理评估质量。
2.如权利要求1所述的一种电器柜智能化运维管理方法,其特征在于,所述台账数据包括保护型号、生产厂家、电压等级、投运日期;所述缺陷数据包括缺陷发现时间、缺陷内容、缺陷原因、缺陷部位;所述告警信息包括电器柜编号信息、告警数据;所述动作记录包括动作时间、复归时间;所述巡检数据包括运行环境、绝缘情况。
3.如权利要求1所述的一种电器柜智能化运维管理方法,其特征在于,所述对所述电器柜运维管理数据进行预处理,对所述台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集,包括:
对所述台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行编码,分别表示为A={a1,a2,...,am},B={b1,b2,...,bn},C={c1,c2,...,co},D={d1,d2,...,dp},E={e1,e2,...,eq},am,bn,co,dp,eq分别表示第m个台账数据,第n个缺陷数据,第o个告警信息,第p个动作记录,第q个巡检数据;
当所述缺陷数据缺少所述台账数据、动作记录以及巡检数据时,将A,D,E中的数据分别与B中缺陷记录进行匹配,匹配成功后,为所述缺陷数据补缺匹配成功的所述缺陷记录ai,di,ei;
当所述告警信息中存在若干条重复告警记录,将所述若干条重复告警记录di进行去重;
将所述补缺匹配成功的所述缺陷记录ai,di,ei与所述若干条重复告警记录di进行清洗形成所述运维管理数据集。
4.如权利要求1所述的一种电器柜智能化运维管理方法,其特征在于,所述并对所述电器柜中的故障点进行诊断,获得故障诊断结果,包括:
对所述电器柜中的故障点进行分类处理,将所述电器柜中的故障点分为正常状态、注意状态、异常状态与严重状态;
设定所述正常状态、注意状态、异常状态与严重状态的故障阈值,分别为W1,W2,W3,W4,所述正常状态的故障阈值W1为0,所述注意状态的故障阈值为0<W2≤50,所述异常状态的故障阈值为50<W3≤90,所述严重状态的故障阈值为90<W4≤100;
根据所述正常状态、注意状态、异常状态与严重状态的故障阈值为所述电器柜中的故障点分配诊断措施,获取所述电器柜中的故障点的有效诊断集,为W={w1,w2,...,wm};
根据所述电器柜中的故障点的诊断集计算所述故障诊断结果,表达式为:
其中,P表示为故障诊断结果,N表示为故障诊断总次数,wm表示为电器柜中的故障点的有效诊断次数,若P的值越大,则所述电器柜中的故障点分配诊断措施的效果越好。
5.如权利要求4所述的一种电器柜智能化运维管理方法,其特征在于,所述接收所述故障诊断结果的指令,根据所述故障诊断结果对所述电器柜进行智能化运维管理,包括:
根据所述故障诊断结果确定所述正常状态、注意状态、异常状态与严重状态的故障实际阈值;
判断所述正常状态、注意状态、异常状态与严重状态的故障实际阈值是否匹配所述故障阈值;
若所述故障实际阈值与所述故障阈值相匹配,则根据所述正常状态、注意状态、异常状态与严重状态对应的自动生成运维工单;
将所述自动生成运维工单分配给对应的运维人员;
所述对应的运维人员根据所述故障点分配诊断措施对所述电器柜进行智能化运维管理。
6.如权利要求5所述的一种电器柜智能化运维管理方法,其特征在于,所述并根据所述故障诊断结果对所述电器柜运维管理数据进行评估,获得电器柜运维管理评估质量,包括:
记录所述电器柜中的故障点的有效诊断集中的每次故障点产生时的健康状态;
设定所述每次故障点产生时的健康状态的特征向量为F={F1,F2,...,Fn};
对所述每次故障点产生时的健康状态进行训练评估,获得所述电器柜运维管理评估质量,表达式为:
其中,HI表示电器柜运维管理评估质量,表示为电器柜t时刻的运维管理评估质量,F1(t),F2(t),...,Fn(t)表示为每次故障点产生时的健康状态的特征值;
若电器柜运维管理评估质量HI值越高,则电器柜的健康状态越低;
若电器柜运维管理评估质量HI值越低,则电器柜的健康状态越高。
7.一种电器柜智能化运维管理系统,其特征在于,包括:
数据挖掘模块,用于根据智能化运维管理指令挖掘电器柜运维管理数据,电器柜运维管理数据包括台账数据、缺陷数据、告警信息、动作记录以及巡检数据;
数据预处理模块,用于对电器柜运维管理数据进行预处理,对台账数据、缺陷数据、告警信息、动作记录以及巡检数据进行去重、补缺操作,再经过清洗形成运维管理数据集;
特征提取模块,提取运维管理数据集的异常特征,包括:
将运维管理数据集的异常特征集合定义为Pn={P1,P2,...,Pn},Pn表示为第n个异常特征数据;
根据运维管理数据集的异常特征集合计算异常特征值,获得运维管理数据集的异常特征,表示为:
其中,G表示为运维管理数据集的异常特征值,Ki表示为第n个异常特征数据验证信息,a表示为运维管理数据集的异常特征向量,u表示为运维管理数据集的异常特征向量的加权值,R表示为运维管理数据集的异常特征分布概率;
故障定位诊断模块,用于根据运维管理数据集的异常特征定位电器柜中的故障点,并对电器柜中的故障点进行诊断,获得故障诊断结果,包括:
根据所述运维管理数据集的异常特征获取任意一个所述电器柜的两次故障时间点与故障行波,分别为t1,t2,所述故障行波在所述故障时间点t1,t2之间的距离为L,表达式为:
其中,v表示为故障点行波在空气中的传播速度;
根据所述故障行波在所述故障时间点t1,t2之间的距离对所述电器柜中的故障点进行定位,获得所述电器柜中的故障点位置,表达式:
其中,JP表示为运维管理数据集的异常特征集合中故障点位置,γ表示为故障行波的拥挤因子,L表示为两次故障时间点之间的距离,表示运维管理数据集的异常特征集合在tm时间点的故障行波;
运维管理模块,用于根据故障诊断结果对电器柜进行智能化运维管理;
健康评估模块,用于根据故障诊断结果对电器柜运维管理数据进行评估,获得电器柜运维管理评估质量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310997255.9A CN116976858B (zh) | 2023-08-09 | 2023-08-09 | 一种电器柜智能化运维管理方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310997255.9A CN116976858B (zh) | 2023-08-09 | 2023-08-09 | 一种电器柜智能化运维管理方法、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116976858A CN116976858A (zh) | 2023-10-31 |
CN116976858B true CN116976858B (zh) | 2024-05-28 |
Family
ID=88479495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310997255.9A Active CN116976858B (zh) | 2023-08-09 | 2023-08-09 | 一种电器柜智能化运维管理方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116976858B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020207371A1 (zh) * | 2019-04-08 | 2020-10-15 | 阿里巴巴集团控股有限公司 | 数据处理系统和方法、装置以及电子设备 |
CN113988421A (zh) * | 2021-10-29 | 2022-01-28 | 北京中恒博瑞数字电力科技有限公司 | 基于深度学习的风电机组功率智能预测方法 |
CN114389359A (zh) * | 2021-12-23 | 2022-04-22 | 广西电网有限责任公司 | 一种基于云边协同的集控式继电保护设备智能运维方法 |
CN114819225A (zh) * | 2022-05-13 | 2022-07-29 | 中山大学 | 一种海上能源机组智能化运维方法及系统 |
CN116302795A (zh) * | 2023-02-14 | 2023-06-23 | 华迪计算机集团有限公司 | 一种基于人工智能的终端运维系统及方法 |
-
2023
- 2023-08-09 CN CN202310997255.9A patent/CN116976858B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020207371A1 (zh) * | 2019-04-08 | 2020-10-15 | 阿里巴巴集团控股有限公司 | 数据处理系统和方法、装置以及电子设备 |
CN113988421A (zh) * | 2021-10-29 | 2022-01-28 | 北京中恒博瑞数字电力科技有限公司 | 基于深度学习的风电机组功率智能预测方法 |
CN114389359A (zh) * | 2021-12-23 | 2022-04-22 | 广西电网有限责任公司 | 一种基于云边协同的集控式继电保护设备智能运维方法 |
CN114819225A (zh) * | 2022-05-13 | 2022-07-29 | 中山大学 | 一种海上能源机组智能化运维方法及系统 |
CN116302795A (zh) * | 2023-02-14 | 2023-06-23 | 华迪计算机集团有限公司 | 一种基于人工智能的终端运维系统及方法 |
Non-Patent Citations (4)
Title |
---|
5G网络技术对提升4G网络性能的研究;刘奕;;数码世界;20200401(第04期);全文 * |
何清素.基于电网故障的态势感知平台设计.2022,第35卷(第2期),全文. * |
基于大数据的配电自动化终端智能运维管理系统;张华正;张永庆;;电气应用;20180505(第09期);全文 * |
电力系统继电保护故障分析与处理措施研究;宋卫红;《电脑与电信》;20220910(第9期);第81-84页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116976858A (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111652279B (zh) | 基于时序数据的行为评价方法、装置及可读存储介质 | |
CN113780691A (zh) | 数据测试方法、装置、电子设备及存储介质 | |
CN111950621B (zh) | 基于人工智能的目标数据检测方法、装置、设备及介质 | |
CN111694844B (zh) | 基于配置算法的企业运行数据分析方法、装置及电子设备 | |
CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
CN111985545B (zh) | 基于人工智能的目标数据检测方法、装置、设备及介质 | |
CN111339072B (zh) | 基于用户行为的变化值分析方法、装置、电子设备及介质 | |
CN113504935A (zh) | 软件开发质量评估方法、装置、电子设备及可读存储介质 | |
CN117114409A (zh) | 企业数据的数据处理方法、设备和存储介质 | |
CN115081538A (zh) | 基于机器学习的客户关系识别方法、装置、设备及介质 | |
CN116976858B (zh) | 一种电器柜智能化运维管理方法、系统及电子设备 | |
CN111401691B (zh) | 业务进度监控方法、装置及计算机可读存储介质 | |
CN114676859B (zh) | 基于物联网的综合安全防护系统及方法 | |
CN114372892A (zh) | 支付数据监控方法、装置、设备及介质 | |
CN111651652B (zh) | 基于人工智能的情感倾向识别方法、装置、设备及介质 | |
CN112069387B (zh) | 互联网事件传播爆发预测方法、装置、电子设备及介质 | |
CN114742412A (zh) | 一种软件技术服务系统及方法 | |
CN115630855A (zh) | 一种智能粗锡冶炼系统及方法 | |
CN112597490A (zh) | 安全威胁编排响应方法、装置、电子设备及可读存储介质 | |
CN113360945B (zh) | 基于差分隐私的噪声添加方法、装置、设备及介质 | |
CN114971429B (zh) | 一种天然气开采用控制系统 | |
CN117235760B (zh) | 企业数据的加密存储方法、装置、计算机设备及存储介质 | |
CN115225489B (zh) | 队列业务流量阈值动态控制方法、电子设备及存储介质 | |
CN118131680B (zh) | 用于魔芋制品加工的设备安全监控方法及装置 | |
CN117830010A (zh) | 订单状态一致性检测方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |