CN117034127B - 一种基于大数据的电网设备监测预警方法、系统和介质 - Google Patents
一种基于大数据的电网设备监测预警方法、系统和介质 Download PDFInfo
- Publication number
- CN117034127B CN117034127B CN202311306130.3A CN202311306130A CN117034127B CN 117034127 B CN117034127 B CN 117034127B CN 202311306130 A CN202311306130 A CN 202311306130A CN 117034127 B CN117034127 B CN 117034127B
- Authority
- CN
- China
- Prior art keywords
- power grid
- sub
- grid equipment
- domain
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 210
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000001514 detection method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000007613 environmental effect Effects 0.000 claims abstract description 7
- 238000005265 energy consumption Methods 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 17
- 239000000178 monomer Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 9
- 108020001568 subdomains Proteins 0.000 claims description 9
- 230000000379 polymerizing effect Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000004931 aggregating effect Effects 0.000 claims description 6
- 238000006116 polymerization reaction Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 61
- 238000011156 evaluation Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- 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
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请提供了一种基于大数据的电网设备监测预警方法、系统和介质。该方法包括:采集区域电网设备和环境的监测信息并生成特征图谱以及特征树模型并对局域设备进行分布规划获得多个子域电网设备群和对应子特征树模型并提取特征数据,后结合环境数据处理获得功耗运行特征量值,并聚合获得子域电网设备群能效分布数据,后进行能效校核再进行阈值对比识别能效超标的预警子域电网设备群,后获得预警子域类型电网设备的性能偏离指数并进行显示和录入;从而基于大数据对电网设备进行子域划分和设备运行分布状况检验并识别能效校对超标的子域并进行类型设备的性能偏离状况检测和显示录入,实现通过大数据对电网设备运行性能状况进行智能检测和预警技术。
Description
技术领域
本申请涉及大数据及电网维护技术领域,具体而言,涉及一种基于大数据的电网设备监测预警方法、系统和介质。
背景技术
电网设备是电网的重要核心单元,由于电网设备的设置具有局域性和功能性,不同局域间设置的设备类型和数量排布具有较大差异性,且同类设备在不同局域间由于功用和局域环境的差异导致性能也存在较大差异性,这就导致难以对整体电网设备进行宏观、精准、有效的监测评估和预警,而单体设备或小设备组的监测只能针对其本身性能,而无法从关联设备群和功能局域上进行有效监测预警,因此,导致对电网设备的各类型设备在不同局域、不同环境下的运行性能的监测评估手段存在空缺,缺乏可实现对电网设备结合以及环境、局域功能要素进行有效评估和精准预警的手段。
针对上述问题,目前亟待有效的技术解决方案。
发明内容
本申请的目的在于提供基于大数据的电网设备监测预警方法、系统和介质,可以基于大数据对电网设备进行子域划分和子域设备运行分布状况检验并识别能效校对超标的子域并进行类型设备的性能偏离状况检测和显示录入,实现通过大数据对电网设备运行性能状况进行智能检测和预警技术。
采集预设区域内各类型电网设备在预设时间节点内的电网设备监测信息和设备局域环境监测信息;
根据所述电网设备监测信息生成区域电网设备运行监测特征图谱,根据区域电网设备运行监测特征图谱结合所述设备局域环境监测信息生成电网设备区域动态特征树模型;
根据所述电网设备区域动态特征树模型提取各局域电网的局域设备动态特征数据,并对各局域电网的局域设备进行分布规划获得多个子域电网设备群,根据各子域电网设备群对所述区域电网设备运行监测特征图谱进行特征划分获得对应多个子域电网设备群特征子图谱;
根据所述多个子域电网设备群特征子图谱结合子域环境监测信息生成多个子域电网设备群子特征树模型,并提取对应各子域电网设备群特征数据;
根据所述子域环境监测信息提取子域环境动态监测数据,并结合对应所述各子域电网设备群特征数据进行处理,获得各子域电网设备功耗运行特征量值,并结合对应子域电网设备群特征子图谱进行聚合获得所述预设区域内的子域电网设备群能效分布数据;
根据所述电网设备区域动态特征树模型提取所述多个子域电网设备群对应定位的各子域电网设备群能效指标数据,并与所述子域电网设备群能效分布数据按照定位进行能效校核,获得所述预设区域内的子域电网设备群能效校核分布数据,再与预设电网设备群能效校对分布阈值进行对比,识别所述多个子域电网设备群中能效校对超标的子域电网设备群,并标识为预警子域电网设备群;
获取所述预警子域电网设备群中各类型单体电网设备在所述预设时间节点内的类型单体设备运行检测数据,并结合所述预设区域内各类型单体电网设备的预设类型单体设备运行均指标数据进行处理,获得类型单体设备性能偏差度系数,并进行聚合获得预警子域类型电网设备的性能偏离指数,并对性能偏离指数进行显示以及录入区域电网设备运行日志信息库。
可选地,在本申请所述的基于大数据的电网设备监测预警方法中,所述采集预设区域内各类型电网设备在预设时间节点内的电网设备监测信息和设备局域环境监测信息,包括:
采集预设区域内各类型电网设备在预设时间节点内的电网设备监测信息,包括电网设备性能特征信息、电网设备任务进程信息以及电网设备能耗功效信息;
采集所述预设区域内各类型电网设备在预设时间节点内的设备局域环境监测信息,包括运行温湿度信息、电网链路负荷信息、系统侵入干扰信息以及信号射频干扰信息。
可选地,在本申请所述的基于大数据的电网设备监测预警方法中,所述根据所述电网设备监测信息生成区域电网设备运行监测特征图谱,根据区域电网设备运行监测特征图谱结合所述设备局域环境监测信息生成电网设备区域动态特征树模型,包括:
根据所述电网设备性能特征信息、电网设备任务进程信息和电网设备能耗功效信息分别提取各类型电网设备的类型电网设备检测子信息,分别获得电网设备性能特征子信息、电网设备任务进程子信息和电网设备能耗功效子信息;
所述电网设备性能特征子信息包括电网设备功用属性信息和电网设备性能检测信息;
所述电网设备任务进程子信息包括电网设备任务完成率信息和电网设备宕机故障记载信息;
所述电网设备能耗功效子信息包括电网设备能耗信息和电网设备功效信息;
根据全部各类型电网设备的所述电网设备功用属性信息、电网设备性能检测信息和电网设备任务完成率信息、电网设备宕机故障记载信息以及电网设备能耗信息、电网设备功效信息生成区域电网设备运行监测特征图谱;
根据所述区域电网设备运行监测特征图谱结合所述运行温湿度信息、电网链路负荷信息、系统侵入干扰信息以及信号射频干扰信息生成电网设备区域动态特征树模型。
可选地,在本申请所述的基于大数据的电网设备监测预警方法中,所述根据所述电网设备区域动态特征树模型提取各局域电网的局域设备动态特征数据,并对各局域电网的局域设备进行分布规划获得多个子域电网设备群,根据各子域电网设备群对所述区域电网设备运行监测特征图谱进行特征划分获得对应多个子域电网设备群特征子图谱,包括:
根据所述电网设备区域动态特征树模型按照预设电网设备局域功能分布提取各局域电网的局域设备动态特征数据,包括局域设备能耗数据、局域设备功效数据、局域设备任务条数据以及局域设备运行负荷数据;
根据所述局域设备动态特征数据通过预设电网子域分布模型对所述各局域电网的局域设备进行分布规划,获得多个子域电网设备群;
根据各子域电网设备群对所述区域电网设备运行监测特征图谱进行特征划分,获得对应多个子域电网设备群特征子图谱。
可选地,在本申请所述的基于大数据的电网设备监测预警方法中,所述根据所述多个子域电网设备群特征子图谱结合子域环境监测信息生成多个子域电网设备群子特征树模型,并提取对应各子域电网设备群特征数据,包括:
根据所述子域电网设备群特征子图谱采集对应的预设时间节点内的子域环境监测信息,包括子域温湿度信息、子域链路负荷信息、子域系统干扰信息以及子域信号射频干扰信息;
根据所述多个子域电网设备群特征子图谱结合对应所述子域环境监测信息生成多个子域电网设备群子特征树模型;
根据所述多个子域电网设备群子特征树模型提取对应各子域电网设备群特征数据,包括子域设备群能耗数据、子域设备群功效数据以及子域设备群负荷数据。
可选地,在本申请所述的基于大数据的电网设备监测预警方法中,所述根据所述子域环境监测信息提取子域环境动态监测数据,并结合对应所述各子域电网设备群特征数据进行处理,获得各子域电网设备功耗运行特征量值,并结合对应子域电网设备群特征子图谱进行聚合获得所述预设区域内的子域电网设备群能效分布数据,包括:
根据所述子域环境监测信息提取子域环境动态监测数据,包括子域温湿度数据、子域链路负荷数据、子域系统干扰数据以及子域信号射频干扰数据;
根据所述子域温湿度数据、子域链路负荷数据、子域系统干扰数据以及子域信号射频干扰数据结合对应所述子域设备群能耗数据、子域设备群功效数据以及子域设备群负荷数据进行处理,获得各子域电网设备功耗运行特征量值;
根据所述各子域电网设备功耗运行特征量值结合对应子域电网设备群特征子图谱进行聚合,获得所述预设区域内的子域电网设备群能效分布数据;
所述各子域电网设备功耗运行特征量值的计算公式为:
;
其中,为第i个子域电网设备群的子域电网设备功耗运行特征量值,/>、/>、/>、分别为第i个子域电网设备群的子域温湿度数据、子域链路负荷数据、子域系统干扰数据、子域信号射频干扰数据,/>、/>、/>分别为第i个子域电网设备群的子域设备群能耗数据、子域设备群功效数据、子域设备群负荷数据,/>、/>、/>、/>、/>、/>、/>为预设特征系数。
可选地,在本申请所述的基于大数据的电网设备监测预警方法中,所述根据所述电网设备区域动态特征树模型提取所述多个子域电网设备群对应定位的各子域电网设备群能效指标数据,并与所述子域电网设备群能效分布数据按照定位进行能效校核,获得所述预设区域内的子域电网设备群能效校核分布数据,再与预设电网设备群能效校对分布阈值进行对比,识别所述多个子域电网设备群中能效校对超标的子域电网设备群,并标识为预警子域电网设备群,包括:
根据所述电网设备区域动态特征树模型提取所述多个子域电网设备群对应定位的各子域电网设备群能效指标数据;
根据所述各子域电网设备群能效指标数据与所述子域电网设备群能效分布数据按照定位进行子域电网设备群能效校核,获得所述预设区域内的子域电网设备群能效校核分布数据;
根据所述子域电网设备群能效校核分布数据与预设电网设备群能效校对分布阈值进行对比,获得各子域电网设备群对应的能效校对阈值对比结果分布情况;
对所述能效校对阈值对比结果分布情况进行识别,获得所述多个子域电网设备群中能效校对超标的子域电网设备群,并标识为预警子域电网设备群;
所述子域电网设备群能效校核分布数据的计算公式为:
;
其中,为子域电网设备群能效校核分布数据,/>为第i个子域电网设备群的子域电网设备群能效指标数据,/>为第i个子域电网设备群的子域电网设备功耗运行特征量值,n为预设区域内的子域电网设备群个数,/>、/>为第i个子域电网设备群的预设特征系数。
可选地,在本申请所述的基于大数据的电网设备监测预警方法中,所述获取所述预警子域电网设备群中各类型单体电网设备在所述预设时间节点内的类型单体设备运行检测数据,并结合所述预设区域内各类型单体电网设备的预设类型单体设备运行均指标数据进行处理,获得类型单体设备性能偏差度系数,并进行聚合获得预警子域类型电网设备的性能偏离指数,并对性能偏离指数进行显示以及录入区域电网设备运行日志信息库,包括:
获取所述预警子域电网设备群中各类型单体电网设备在所述预设时间节点内的类型单体设备运行检测数据,包括单体设备故障频次数据、单体设备告警次数数据、单体设备功耗数据以及单体设备过载负荷数据;
获取所述预设区域内各类型单体电网设备在所述预设时间节点内的预设类型单体设备运行均指标数据,包括单体设备异常率均指标数据、单体设备功耗均指标数据以及单体设备运行负荷均指标数据;
根据所述类型单体设备运行检测数据与对应所述预设类型单体设备运行均指标数据进行处理,获得类型单体设备性能偏差度系数;
对所述预警子域电网设备群中类型单体电网设备的性能偏差度系数进行聚合,获得预警子域类型电网设备的性能偏离指数;
对所述性能偏离指数结合对应类型电网设备的电网设备性能特征信息进行显示,并录入区域电网设备运行日志信息库;
所述类型单体设备性能偏差度系数的计算公式为:
;
其中,为类型单体设备性能偏差度系数,/>、/>、/>、/>分别为单体设备故障频次数据、单体设备告警次数数据、单体设备功耗数据、单体设备过载负荷数据,/>、/>、/>分别为单体设备异常率均指标数据、单体设备功耗均指标数据、单体设备运行负荷均指标数据,/>、/>、/>、/>、/>、/>、/>为预设特征系数。
第二方面,本申请提供了基于大数据的电网设备监测预警系统,该系统包括:存储器及处理器,所述存储器中包括基于大数据的电网设备监测预警方法的程序,所述基于大数据的电网设备监测预警方法的程序被所述处理器执行时实现以下步骤:
采集预设区域内各类型电网设备在预设时间节点内的电网设备监测信息和设备局域环境监测信息;
根据所述电网设备监测信息生成区域电网设备运行监测特征图谱,根据区域电网设备运行监测特征图谱结合所述设备局域环境监测信息生成电网设备区域动态特征树模型;
根据所述电网设备区域动态特征树模型提取各局域电网的局域设备动态特征数据,并对各局域电网的局域设备进行分布规划获得多个子域电网设备群,根据各子域电网设备群对所述区域电网设备运行监测特征图谱进行特征划分获得对应多个子域电网设备群特征子图谱;
根据所述多个子域电网设备群特征子图谱结合子域环境监测信息生成多个子域电网设备群子特征树模型,并提取对应各子域电网设备群特征数据;
根据所述子域环境监测信息提取子域环境动态监测数据,并结合对应所述各子域电网设备群特征数据进行处理,获得各子域电网设备功耗运行特征量值,并结合对应子域电网设备群特征子图谱进行聚合获得所述预设区域内的子域电网设备群能效分布数据;
根据所述电网设备区域动态特征树模型提取所述多个子域电网设备群对应定位的各子域电网设备群能效指标数据,并与所述子域电网设备群能效分布数据按照定位进行能效校核,获得所述预设区域内的子域电网设备群能效校核分布数据,再与预设电网设备群能效校对分布阈值进行对比,识别所述多个子域电网设备群中能效校对超标的子域电网设备群,并标识为预警子域电网设备群;
获取所述预警子域电网设备群中各类型单体电网设备在所述预设时间节点内的类型单体设备运行检测数据,并结合所述预设区域内各类型单体电网设备的预设类型单体设备运行均指标数据进行处理,获得类型单体设备性能偏差度系数,并进行聚合获得预警子域类型电网设备的性能偏离指数,并对性能偏离指数进行显示以及录入区域电网设备运行日志信息库。
第三方面,本申请还提供了计算机可读存储介质,所述计算机可读存储介质中包括基于大数据的电网设备监测预警方法程序,所述基于大数据的电网设备监测预警方法程序被处理器执行时,实现如上述任一项所述的基于大数据的电网设备监测预警方法的步骤。
由上可知,本申请提供的一种基于大数据的电网设备监测预警方法、系统和介质,通过采集区域电网设备和设备环境的监测信息并生成特征图谱以及特征树模型,再提取局域设备动态特征数据并对局域设备进行分布规划获得多个子域电网设备群,对特征图谱划分为多个特征子图谱,再结合子域环境监测信息生成多个子特征树模型并提取各子域电网设备群特征数据,后结合子域环境动态监测数据处理获得各子域电网设备功耗运行特征量值,并结合特征子图谱进行聚合获得子域电网设备群能效分布数据,后与提取的各子域电网设备群能效指标数据进行能效校核获得子域电网设备群能效校核分布数据,再与分布阈值进行对比识别能效校对超标的子域电网设备群并标识为预警子域电网设备群,并获取其中各类型单体电网设备的类型单体设备运行检测数据并结合预设类型单体设备运行均指标数据进行处理并聚合获得预警子域类型电网设备的性能偏离指数,并进行显示和录入信息库;从而基于大数据对电网设备进行子域划分和子域设备运行分布状况检验并识别能效校对超标的子域并进行类型设备的性能偏离状况检测和显示录入,实现通过大数据对电网设备运行性能状况进行智能检测和预警技术。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的基于大数据的电网设备监测预警方法的流程图;
图2为本申请实施例提供的基于大数据的电网设备监测预警方法的获取电网设备监测信息和设备局域环境监测信息的流程图;
图3为本申请实施例提供的基于大数据的电网设备监测预警方法的生成电网设备区域动态特征树模型的流程图;
图4为本申请实施例提供的基于大数据的电网设备监测预警系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到,相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的基于大数据的电网设备监测预警方法的流程图。该基于大数据的电网设备监测预警方法用于终端设备中,例如电脑、手机终端等。该基于大数据的电网设备监测预警方法,包括以下步骤:
S101、采集预设区域内各类型电网设备在预设时间节点内的电网设备监测信息和设备局域环境监测信息;
S102、根据所述电网设备监测信息生成区域电网设备运行监测特征图谱,根据区域电网设备运行监测特征图谱结合所述设备局域环境监测信息生成电网设备区域动态特征树模型;
S103、根据所述电网设备区域动态特征树模型提取各局域电网的局域设备动态特征数据,并对各局域电网的局域设备进行分布规划获得多个子域电网设备群,根据各子域电网设备群对所述区域电网设备运行监测特征图谱进行特征划分获得对应多个子域电网设备群特征子图谱;
S104、根据所述多个子域电网设备群特征子图谱结合子域环境监测信息生成多个子域电网设备群子特征树模型,并提取对应各子域电网设备群特征数据;
S105、根据所述子域环境监测信息提取子域环境动态监测数据,并结合对应所述各子域电网设备群特征数据进行处理,获得各子域电网设备功耗运行特征量值,并结合对应子域电网设备群特征子图谱进行聚合获得所述预设区域内的子域电网设备群能效分布数据;
S106、根据所述电网设备区域动态特征树模型提取所述多个子域电网设备群对应定位的各子域电网设备群能效指标数据,并与所述子域电网设备群能效分布数据按照定位进行能效校核,获得所述预设区域内的子域电网设备群能效校核分布数据,再与预设电网设备群能效校对分布阈值进行对比,识别所述多个子域电网设备群中能效校对超标的子域电网设备群,并标识为预警子域电网设备群;
S107、获取所述预警子域电网设备群中各类型单体电网设备在所述预设时间节点内的类型单体设备运行检测数据,并结合所述预设区域内各类型单体电网设备的预设类型单体设备运行均指标数据进行处理,获得类型单体设备性能偏差度系数,并进行聚合获得预警子域类型电网设备的性能偏离指数,并对性能偏离指数进行显示以及录入区域电网设备运行日志信息库。
需要说明的是,为实现对区域内电网设备的运行状况监测和超标预警,对区域内电网设备进行功能排布划分为子域设备群,再对子域设备群的运行性能状况结合其运行环境进行处理以对各子域设备进行功耗状况衡量,再对各子域进行聚合获得区域内设备群的能效分布情况,后根据各子域设备群的能效分布情况与各子域能效指标数据按照子域定位进行校核,获得各子域设备群的能效校核分布情况,并通过阈值对比识别其中超标的子域设备群,以找寻识别出异常的子域设备群,再针对预警的子域设备群中的各类型单体设备通过对应的某类型单体设备的运行均指标进行进一步处理,从而获得反映预警子域中各类型单体设备的性能偏差度系数,即检测出超标预警子域中各类型单体设备的性能偏差情况,再对预警子域中某类型设备全部数量的单体设备的性能偏差度情况进行聚合获得子域中该类型设备的偏离度指数,再结合其对应类型设备的信息进行共同显示并录入电网设备的运行日志信息库中,从而实现通过电网设备运行的大数据对电网设备运行性能状况进行智能检测和预警技术,具体对区域内各类型电网设备以及各设备所在局部区域的运行环境生成反映其运行监测状况的特征图谱以及特征树模型,再根据特征树模型提取各局域设备的特征数据,并按照预设方式对局域设备进行分布规划划分为多个子域电网设备群,根据子域电网设备群对特征图谱进行对应划分,划分为与子域电网设备群进行对应描述的特征子图谱,即相当于将描述区域电网设备的特征图谱按照规划的子域进行划分为子图谱,各子图谱是对各对应子域电网设备群的特征描述,再根据子图谱结合子区域对应的环境监测信息生成对应的子特征树模型,并提取对应各子域电网设备群特征数据,即通过子特征树模型提取子域电网设备群对应的相关特征数据,再根据子域环境监测信息提取子域环境动态监测数据,并结合对应各子域电网设备群特征数据进行处理获得各子域电网设备功耗运行特征量值,即反映各子域电网设备群的功耗运行状况量,再将各子域的对应功耗运行特征量值按照特征子图谱进行聚合获得预设区域内的子域电网设备群能效分布数据,即聚合得到区域内设备群的能效分布情况,再根据电网设备区域动态特征树模型提取多个子域电网设备群相对应的各子域电网设备群能效指标数据,并与子域电网设备群能效分布数据按照定位进行对应能效校核,获得预设区域内的子域电网设备群能效校核分布数据,再进一步与预设电网设备群能效校对分布阈值进行对比识别多个子域电网设备群中能效校对超标的子域电网设备群并标识为预警子域电网设备群,即将各子域电网设备群的能效校核结果的分布情况通过对应各子域定位对应的分布阈值进行阈值对比获得各个子域的阈值对比结果,将阈值对比结果超标的子域电网设备群进行标识,从而通过阈值对比找寻超标需预警的子域电网设备群,从而对整体区域的各个子域电网设备群实现各子域检测和预警,找到监测超标的子域对应的电网设备群,进一步对被预警标识的子域电网设备群中的各类型电网设备进行性能偏离状况识别,明确被预警的子域中各类型电网设备的性能运行状况,以便进行有效监控,获取预警子域电网设备群中各类型单体电网设备的运行检测数据,并结合各类型单体电网设备的预设均指标数据进行处理获得类型单体设备性能偏差度系数,再将子域中同类型电网设备进行聚合获得预警子域类型电网设备的性能偏离指数,并对性能偏离指数进行显示以及录入区域电网设备运行日志信息库,以实现对区域内超标预警的子域的各类型电网设备的性能运行状况的检测和显示录入。
请参照图2,图2是本申请一些实施例中的基于大数据的电网设备监测预警方法的获取电网设备监测信息和设备局域环境监测信息的流程图。根据本发明实施例,所述采集预设区域内各类型电网设备在预设时间节点内的电网设备监测信息和设备局域环境监测信息,具体为:
S201、采集预设区域内各类型电网设备在预设时间节点内的电网设备监测信息,包括电网设备性能特征信息、电网设备任务进程信息以及电网设备能耗功效信息;
S202、采集所述预设区域内各类型电网设备在预设时间节点内的设备局域环境监测信息,包括运行温湿度信息、电网链路负荷信息、系统侵入干扰信息以及信号射频干扰信息。
需要说明的是,为实现对区域电网设备运行状况的监测和预警,需首先明确区域内各功能、范围的局域电网设备组的运行情况,为获得对区域全部电网设备的合理局域划分,需先采集区域全部各类型电网设备的信息以及设备所在局域物理环境如物理空间、位置地形、系统电网负荷、信号干扰、屏蔽干扰等环境信息,其中电网设备监测信息包括电网设备性能特征信息、电网设备执行预设任务的进程情况信息以及电网设备能耗功效信息,设备局域环境监测信息包括设备所处环境的温湿度信息、电网链路的负荷信息、系统侵入造成的干扰信息以及信号射频造成的环境干扰信息。
请参照图3,图3是本申请一些实施例中的基于大数据的电网设备监测预警方法的生成电网设备区域动态特征树模型的流程图。根据本发明实施例,所述根据所述电网设备监测信息生成区域电网设备运行监测特征图谱,根据区域电网设备运行监测特征图谱结合所述设备局域环境监测信息生成电网设备区域动态特征树模型,具体为:
S301、根据所述电网设备性能特征信息、电网设备任务进程信息和电网设备能耗功效信息分别提取各类型电网设备的类型电网设备检测子信息,分别获得电网设备性能特征子信息、电网设备任务进程子信息和电网设备能耗功效子信息;
所述电网设备性能特征子信息包括电网设备功用属性信息和电网设备性能检测信息;
所述电网设备任务进程子信息包括电网设备任务完成率信息和电网设备宕机故障记载信息;
所述电网设备能耗功效子信息包括电网设备能耗信息和电网设备功效信息;
S302、根据全部各类型电网设备的所述电网设备功用属性信息、电网设备性能检测信息和电网设备任务完成率信息、电网设备宕机故障记载信息以及电网设备能耗信息、电网设备功效信息生成区域电网设备运行监测特征图谱;
S303、根据所述区域电网设备运行监测特征图谱结合所述运行温湿度信息、电网链路负荷信息、系统侵入干扰信息以及信号射频干扰信息生成电网设备区域动态特征树模型。
需要说明的是,为映射出区域各类型电网设备的运行动态状况,以实现对区域电网设备动态特征的数据描述,需生成电网设备区域动态特征树模型,该特征树模型是反映全部电网设备在运行环境状况下的动态化描述的数据模型,根据该特征树模型可查询获得区域内各类型电网设备在不同所处运行环境下的运行特征数据信息,根据电网设备监测信息分别提取各类型电网设备的类型电网设备检测子信息,分别获得电网设备性能特征子信息、电网设备任务进程子信息和电网设备能耗功效子信息,其中电网设备性能特征子信息包括电网设备的功用属性信息如功能用途、应用范围、功用属性等描述电网设备本身功能作用和应用属性的信息,和电网设备的性能检测信息,电网设备任务进程子信息包括电网设备执行设定任务的完成率信息和电网设备出现宕机和故障进行记载下的记录信息,电网设备能耗功效子信息包括电网设备运行的能耗信息和电网设备运行的功效信息,根据全部各类型电网设备的上述信息生成区域电网设备运行监测特征图谱,该特征图谱是对区域电网设备运行状况特征的数据描述,是反映区域设备运行情况的数据认知图谱,再根据区域电网设备运行监测特征图谱结合设备局域环境监测信息生成描绘区域电网设备在运行局域环境下的动态特征的特征组织树模型。
根据本发明实施例,所述根据所述电网设备区域动态特征树模型提取各局域电网的局域设备动态特征数据,并对各局域电网的局域设备进行分布规划获得多个子域电网设备群,根据各子域电网设备群对所述区域电网设备运行监测特征图谱进行特征划分获得对应多个子域电网设备群特征子图谱,具体为:
根据所述电网设备区域动态特征树模型按照预设电网设备局域功能分布提取各局域电网的局域设备动态特征数据,包括局域设备能耗数据、局域设备功效数据、局域设备任务条数据以及局域设备运行负荷数据;
根据所述局域设备动态特征数据通过预设电网子域分布模型对所述各局域电网的局域设备进行分布规划,获得多个子域电网设备群;
根据各子域电网设备群对所述区域电网设备运行监测特征图谱进行特征划分,获得对应多个子域电网设备群特征子图谱。
需要说明的是,为实现对区域电网设备的精准监测,对区域电网设备根据其模块或系统等预设的设备局域功能分布方式进行规划划分为多个局域,使区域的电网设备按照局域分布规划进行拆分为多个局域,并提取局域电网设备的动态特征数据包括局域设备的能耗数据、功效数据、任务条完成进度数据以及运行负荷数据,再将局域设备按照设备特征通过预设电网子域分布模型进行分布规划,划分为多个子域及其包含的电网设备群,电网设备群是通过功用、关联性、链路、系统链等分布规划方式获得的子域中关联包含的电网设备的群体,预设电网子域分布模型是通过大量类型电网设备的局域设备动态特征数据按照其分布规划方法进行大量训练,获得的用于对局域电网设备按照其动态特征数据进行分布划分的模型,通过该模型可对局域设备进行分布规划,获得多个子域及其包含的电网设备群,并根据子域电网设备群对应的将区域电网设备运行监测特征图谱划分为多个对应的子域电网设备群特征子图谱,即实现通过对区域电网设备的子域分布划分,对应划分电网设备并获得子域电网设备群对应的特征子图谱,通过各个特征子图谱获得对各对应子域电网设备群的特征描述。
根据本发明实施例,所述根据所述多个子域电网设备群特征子图谱结合子域环境监测信息生成多个子域电网设备群子特征树模型,并提取对应各子域电网设备群特征数据,具体为:
根据所述子域电网设备群特征子图谱采集对应的预设时间节点内的子域环境监测信息,包括子域温湿度信息、子域链路负荷信息、子域系统干扰信息以及子域信号射频干扰信息;
根据所述多个子域电网设备群特征子图谱结合对应所述子域环境监测信息生成多个子域电网设备群子特征树模型;
根据所述多个子域电网设备群子特征树模型提取对应各子域电网设备群特征数据,包括子域设备群能耗数据、子域设备群功效数据以及子域设备群负荷数据。
需要说明的是,在获得了划分的各个子域以及包含的电网设备群,以及对应的特征子图谱后,为获得相应各子域电网设备群的特征数据,根据各子域电网设备群特征子图谱结合对应采集的子域环境监测信息生成描绘各子域电网设备在运行环境下的各子特征树模型,根据各子特征树模型可提取获得子域内电网设备群在所处运行环境下的特征数据信息,包括子域设备群能耗数据、子域设备群功效数据以及子域设备群负荷数据。
根据本发明实施例,所述根据所述子域环境监测信息提取子域环境动态监测数据,并结合对应所述各子域电网设备群特征数据进行处理,获得各子域电网设备功耗运行特征量值,并结合对应子域电网设备群特征子图谱进行聚合获得所述预设区域内的子域电网设备群能效分布数据,具体为:
根据所述子域环境监测信息提取子域环境动态监测数据,包括子域温湿度数据、子域链路负荷数据、子域系统干扰数据以及子域信号射频干扰数据;
根据所述子域温湿度数据、子域链路负荷数据、子域系统干扰数据以及子域信号射频干扰数据结合对应所述子域设备群能耗数据、子域设备群功效数据以及子域设备群负荷数据进行处理,获得各子域电网设备功耗运行特征量值;
根据所述各子域电网设备功耗运行特征量值结合对应子域电网设备群特征子图谱进行聚合,获得所述预设区域内的子域电网设备群能效分布数据;
所述各子域电网设备功耗运行特征量值的计算公式为:
;
其中,为第i个子域电网设备群的子域电网设备功耗运行特征量值,/>、/>、/>、分别为第i个子域电网设备群的子域温湿度数据、子域链路负荷数据、子域系统干扰数据、子域信号射频干扰数据,/>、/>、/>分别为第i个子域电网设备群的子域设备群能耗数据、子域设备群功效数据、子域设备群负荷数据,/>、/>、/>、/>、/>、/>、/>为预设特征系数(特征系数通过预设电网设备信息数据平台库进行查询获取)。
需要说明的是,为检验预设时间节点内各划分的子域电网设备群的运行状况,通过各子域电网设备群的运行状况特征数据结合各子域运行所处的子域环境监测信息提取的对应监测数据进行处理,获得各子域电网设备群的功耗运行特征量值,该特征量值是对各子域的电网设备群运行性能状况的衡量值,可反映和衡量各子域的电网设备群的功耗运行的状况量,后再对预设区域中各子域的子域电网设备群的对应该特征量值按照对应的特征子图谱进行聚合,获得预设区域内的子域电网设备群能效分布数据,即将各子域的特征量值结果聚合得到预设区域内设备群的运行能效分布情况数据,该分布数据反映了预设区域内各子域中电网设备群的运行能效状况的分布情况;其中,所述预设区域内的子域电网设备群能效分布数据的计算公式为:
;
其中,为子域电网设备群能效分布数据,/>为第i个子域电网设备群的子域电网设备功耗运行特征量值,n为预设区域内的子域电网设备群映射的特征子图谱个数,/>为第i个子域电网设备群的预设特征系数。
根据本发明实施例,所述根据所述电网设备区域动态特征树模型提取所述多个子域电网设备群对应定位的各子域电网设备群能效指标数据,并与所述子域电网设备群能效分布数据按照定位进行能效校核,获得所述预设区域内的子域电网设备群能效校核分布数据,再与预设电网设备群能效校对分布阈值进行对比,识别所述多个子域电网设备群中能效校对超标的子域电网设备群,并标识为预警子域电网设备群,具体为:
根据所述电网设备区域动态特征树模型提取所述多个子域电网设备群对应定位的各子域电网设备群能效指标数据;
根据所述各子域电网设备群能效指标数据与所述子域电网设备群能效分布数据按照定位进行子域电网设备群能效校核,获得所述预设区域内的子域电网设备群能效校核分布数据;
根据所述子域电网设备群能效校核分布数据与预设电网设备群能效校对分布阈值进行对比,获得各子域电网设备群对应的能效校对阈值对比结果分布情况;
对所述能效校对阈值对比结果分布情况进行识别,获得所述多个子域电网设备群中能效校对超标的子域电网设备群,并标识为预警子域电网设备群;
所述子域电网设备群能效校核分布数据的计算公式为:
;
其中,为子域电网设备群能效校核分布数据,/>为第i个子域电网设备群的子域电网设备群能效指标数据,/>为第i个子域电网设备群的子域电网设备功耗运行特征量值,n为预设区域内的子域电网设备群个数,/>、/>为第i个子域电网设备群的预设特征系数(特征系数通过预设电网设备信息数据平台库进行查询获取)。
需要说明的是,为衡量预设区域内各子域电网设备群的运行能效分布中的超标预警子域,便于对监测获得的超标告警子域进行明确,以引起重视、排除风险隐患,根据电网设备区域动态特征树模型提取出多个子域电网设备群对应的各子域电网设备群能效指标数据,即获取各子域的设备群运行能效指标,通过各子域的能效指标数据与子域电网设备群能效分布数据按照子域的定位进行对应能效校核,获得预设区域内的子域电网设备群能效校核分布数据,即获得对预设区域内全部子域的电网设备群的校核结果的分布情况,再进一步将子域电网设备群能效校核分布数据与预设电网设备群能效校对分布阈值进行对比,获得各子域电网设备群对应的能效校对阈值对比结果分布情况,通过阈值对比结果分布情况识别出各子域电网设备群中能效校对超标的子域电网设备群并标识为预警子域电网设备群,即将各子域电网设备群的能效校核结果的分布情况通过对应各子域定位对应的分布阈值进行阈值对比获得各个子域的阈值对比结果,将阈值对比结果超标的子域电网设备群进行明确标识,从而通过阈值对比找寻超标需预警的子域电网设备群,对整体区域的各个子域电网设备群实现各子域检测和预警,找到监测超标的子域对应的电网设备群,以便对被预设标识的子域中的电网设备群进行进一步处理。
根据本发明实施例,所述获取所述预警子域电网设备群中各类型单体电网设备在所述预设时间节点内的类型单体设备运行检测数据,并结合所述预设区域内各类型单体电网设备的预设类型单体设备运行均指标数据进行处理,获得类型单体设备性能偏差度系数,并进行聚合获得预警子域类型电网设备的性能偏离指数,并对性能偏离指数进行显示以及录入区域电网设备运行日志信息库,具体为:
获取所述预警子域电网设备群中各类型单体电网设备在所述预设时间节点内的类型单体设备运行检测数据,包括单体设备故障频次数据、单体设备告警次数数据、单体设备功耗数据以及单体设备过载负荷数据;
获取所述预设区域内各类型单体电网设备在所述预设时间节点内的预设类型单体设备运行均指标数据,包括单体设备异常率均指标数据、单体设备功耗均指标数据以及单体设备运行负荷均指标数据;
根据所述类型单体设备运行检测数据与对应所述预设类型单体设备运行均指标数据进行处理,获得类型单体设备性能偏差度系数;
对所述预警子域电网设备群中类型单体电网设备的性能偏差度系数进行聚合,获得预警子域类型电网设备的性能偏离指数;
对所述性能偏离指数结合对应类型电网设备的电网设备性能特征信息进行显示,并录入区域电网设备运行日志信息库;
所述类型单体设备性能偏差度系数的计算公式为:
;
其中,为类型单体设备性能偏差度系数,/>、/>、/>、/>分别为单体设备故障频次数据、单体设备告警次数数据、单体设备功耗数据、单体设备过载负荷数据,/>、/>、/>分别为单体设备异常率均指标数据、单体设备功耗均指标数据、单体设备运行负荷均指标数据,/>、/>、/>、/>、/>、/>、/>为预设特征系数(特征系数通过预设电网设备信息数据平台库进行查询获取)。
需要说明的是,对获得的超标预警的子域的电网设备群,由于各子域中包含的电网设备的类型或数量不同,因此,为识别各类型电网设备的运行情况,以便进一步对各设备的状态进行明确,需对被预警标识的子域电网设备群中的各类型电网设备进行性能偏离状况识别,通过获取预警子域电网设备群中各类型单体电网设备的运行检测数据,并结合各类型单体电网设备的预设均指标数据进行处理获得类型单体设备性能偏差度系数,预设类型单体设备运行均指标数据是查询获取的在预设时间节点内各类型单体设备运行的评价指标数据,再将子域中同类型电网设备的性能偏差度系数进行聚合获得预警子域类型电网设备的性能偏离指数,并对性能偏离指数进行显示以及录入区域电网设备运行日志信息库,以实现对区域内超标预警的子域的各类型电网设备的性能运行状况的检测和显示录入。
如图4所示,本发明还公开了基于大数据的电网设备监测预警系统4,包括存储器41和处理器42,所述存储器中包括基于大数据的电网设备监测预警方法程序,所述基于大数据的电网设备监测预警方法程序被所述处理器执行时实现如上述基于大数据的电网设备监测预警方法的步骤。
本发明第三方面提供了可读存储介质,所述可读存储介质中包括基于大数据的电网设备监测预警方法程序,所述基于大数据的电网设备监测预警方法程序被处理器执行时,实现如上述任一项所述的基于大数据的电网设备监测预警方法的步骤。
本发明公开的基于大数据的电网设备监测预警方法、系统和介质,通过采集区域电网设备和设备环境的监测信息并生成特征图谱以及特征树模型,再提取局域设备动态特征数据并对局域设备进行分布规划获得多个子域电网设备群,对特征图谱划分为多个特征子图谱,再结合子域环境监测信息生成多个子特征树模型并提取各子域电网设备群特征数据,后结合子域环境动态监测数据处理获得各子域电网设备功耗运行特征量值,并结合特征子图谱进行聚合获得子域电网设备群能效分布数据,后与提取的各子域电网设备群能效指标数据进行能效校核获得子域电网设备群能效校核分布数据,再与分布阈值进行对比识别能效校对超标的子域电网设备群并标识为预警子域电网设备群,并获取其中各类型单体电网设备的类型单体设备运行检测数据并结合预设类型单体设备运行均指标数据进行处理并聚合获得预警子域类型电网设备的性能偏离指数,并进行显示和录入信息库;从而基于大数据对电网设备进行子域划分和子域设备运行分布状况检验并识别能效校对超标的子域并进行类型设备的性能偏离状况检测和显示录入,实现通过大数据对电网设备运行性能状况进行智能检测和预警技术。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种基于大数据的电网设备监测预警方法,其特征在于,包括以下步骤:
采集预设区域内各类型电网设备在预设时间节点内的电网设备监测信息和设备局域环境监测信息;
根据所述电网设备监测信息生成区域电网设备运行监测特征图谱,根据区域电网设备运行监测特征图谱结合所述设备局域环境监测信息生成电网设备区域动态特征树模型;
根据所述电网设备区域动态特征树模型提取各局域电网的局域设备动态特征数据,并对各局域电网的局域设备进行分布规划获得多个子域电网设备群,根据各子域电网设备群对所述区域电网设备运行监测特征图谱进行特征划分获得对应多个子域电网设备群特征子图谱;
根据所述多个子域电网设备群特征子图谱结合子域环境监测信息生成多个子域电网设备群子特征树模型,并提取对应各子域电网设备群特征数据;
根据所述子域环境监测信息提取子域环境动态监测数据,并结合对应所述各子域电网设备群特征数据进行处理,获得各子域电网设备功耗运行特征量值,并结合对应子域电网设备群特征子图谱进行聚合获得所述预设区域内的子域电网设备群能效分布数据;
根据所述电网设备区域动态特征树模型提取所述多个子域电网设备群对应定位的各子域电网设备群能效指标数据,并与所述子域电网设备群能效分布数据按照定位进行能效校核,获得所述预设区域内的子域电网设备群能效校核分布数据,再与预设电网设备群能效校对分布阈值进行对比,识别所述多个子域电网设备群中能效校对超标的子域电网设备群,并标识为预警子域电网设备群;
获取所述预警子域电网设备群中各类型单体电网设备在所述预设时间节点内的类型单体设备运行检测数据,并结合所述预设区域内各类型单体电网设备的预设类型单体设备运行均指标数据进行处理,获得类型单体设备性能偏差度系数,并进行聚合获得预警子域类型电网设备的性能偏离指数,并对性能偏离指数进行显示以及录入区域电网设备运行日志信息库。
2.根据权利要求1所述的基于大数据的电网设备监测预警方法,其特征在于,所述采集预设区域内各类型电网设备在预设时间节点内的电网设备监测信息和设备局域环境监测信息,包括:
采集预设区域内各类型电网设备在预设时间节点内的电网设备监测信息,包括电网设备性能特征信息、电网设备任务进程信息以及电网设备能耗功效信息;
采集所述预设区域内各类型电网设备在预设时间节点内的设备局域环境监测信息,包括运行温湿度信息、电网链路负荷信息、系统侵入干扰信息以及信号射频干扰信息。
3.根据权利要求2所述的基于大数据的电网设备监测预警方法,其特征在于,所述根据所述电网设备监测信息生成区域电网设备运行监测特征图谱,根据区域电网设备运行监测特征图谱结合所述设备局域环境监测信息生成电网设备区域动态特征树模型,包括:
根据所述电网设备性能特征信息、电网设备任务进程信息和电网设备能耗功效信息分别提取各类型电网设备的类型电网设备检测子信息,分别获得电网设备性能特征子信息、电网设备任务进程子信息和电网设备能耗功效子信息;
所述电网设备性能特征子信息包括电网设备功用属性信息和电网设备性能检测信息;
所述电网设备任务进程子信息包括电网设备任务完成率信息和电网设备宕机故障记载信息;
所述电网设备能耗功效子信息包括电网设备能耗信息和电网设备功效信息;
根据全部各类型电网设备的所述电网设备功用属性信息、电网设备性能检测信息和电网设备任务完成率信息、电网设备宕机故障记载信息以及电网设备能耗信息、电网设备功效信息生成区域电网设备运行监测特征图谱;
根据所述区域电网设备运行监测特征图谱结合所述运行温湿度信息、电网链路负荷信息、系统侵入干扰信息以及信号射频干扰信息生成电网设备区域动态特征树模型。
4.根据权利要求3所述的基于大数据的电网设备监测预警方法,其特征在于,所述根据所述电网设备区域动态特征树模型提取各局域电网的局域设备动态特征数据,并对各局域电网的局域设备进行分布规划获得多个子域电网设备群,根据各子域电网设备群对所述区域电网设备运行监测特征图谱进行特征划分获得对应多个子域电网设备群特征子图谱,包括:
根据所述电网设备区域动态特征树模型按照预设电网设备局域功能分布提取各局域电网的局域设备动态特征数据,包括局域设备能耗数据、局域设备功效数据、局域设备任务条数据以及局域设备运行负荷数据;
根据所述局域设备动态特征数据通过预设电网子域分布模型对所述各局域电网的局域设备进行分布规划,获得多个子域电网设备群;
根据各子域电网设备群对所述区域电网设备运行监测特征图谱进行特征划分,获得对应多个子域电网设备群特征子图谱。
5.根据权利要求4所述的基于大数据的电网设备监测预警方法,其特征在于,所述根据所述多个子域电网设备群特征子图谱结合子域环境监测信息生成多个子域电网设备群子特征树模型,并提取对应各子域电网设备群特征数据,包括:
根据所述子域电网设备群特征子图谱采集对应的预设时间节点内的子域环境监测信息,包括子域温湿度信息、子域链路负荷信息、子域系统干扰信息以及子域信号射频干扰信息;
根据所述多个子域电网设备群特征子图谱结合对应所述子域环境监测信息生成多个子域电网设备群子特征树模型;
根据所述多个子域电网设备群子特征树模型提取对应各子域电网设备群特征数据,包括子域设备群能耗数据、子域设备群功效数据以及子域设备群负荷数据。
6.根据权利要求5所述的基于大数据的电网设备监测预警方法,其特征在于,所述根据所述子域环境监测信息提取子域环境动态监测数据,并结合对应所述各子域电网设备群特征数据进行处理,获得各子域电网设备功耗运行特征量值,并结合对应子域电网设备群特征子图谱进行聚合获得所述预设区域内的子域电网设备群能效分布数据,包括:
根据所述子域环境监测信息提取子域环境动态监测数据,包括子域温湿度数据、子域链路负荷数据、子域系统干扰数据以及子域信号射频干扰数据;
根据所述子域温湿度数据、子域链路负荷数据、子域系统干扰数据以及子域信号射频干扰数据结合对应所述子域设备群能耗数据、子域设备群功效数据以及子域设备群负荷数据进行处理,获得各子域电网设备功耗运行特征量值;
根据所述各子域电网设备功耗运行特征量值结合对应子域电网设备群特征子图谱进行聚合,获得所述预设区域内的子域电网设备群能效分布数据;
所述各子域电网设备功耗运行特征量值的计算公式为:
;
其中,为第i个子域电网设备群的子域电网设备功耗运行特征量值,/>、/>、/>、/>分别为第i个子域电网设备群的子域温湿度数据、子域链路负荷数据、子域系统干扰数据、子域信号射频干扰数据,/>、/>、/>分别为第i个子域电网设备群的子域设备群能耗数据、子域设备群功效数据、子域设备群负荷数据,/>、/>、/>、/>、/>、/>、/>为预设特征系数。
7.根据权利要求6所述的基于大数据的电网设备监测预警方法,其特征在于,所述根据所述电网设备区域动态特征树模型提取所述多个子域电网设备群对应定位的各子域电网设备群能效指标数据,并与所述子域电网设备群能效分布数据按照定位进行能效校核,获得所述预设区域内的子域电网设备群能效校核分布数据,再与预设电网设备群能效校对分布阈值进行对比,识别所述多个子域电网设备群中能效校对超标的子域电网设备群,并标识为预警子域电网设备群,包括:
根据所述电网设备区域动态特征树模型提取所述多个子域电网设备群对应定位的各子域电网设备群能效指标数据;
根据所述各子域电网设备群能效指标数据与所述子域电网设备群能效分布数据按照定位进行子域电网设备群能效校核,获得所述预设区域内的子域电网设备群能效校核分布数据;
根据所述子域电网设备群能效校核分布数据与预设电网设备群能效校对分布阈值进行对比,获得各子域电网设备群对应的能效校对阈值对比结果分布情况;
对所述能效校对阈值对比结果分布情况进行识别,获得所述多个子域电网设备群中能效校对超标的子域电网设备群,并标识为预警子域电网设备群;
所述子域电网设备群能效校核分布数据的计算公式为:
;
其中,为子域电网设备群能效校核分布数据,/>为第i个子域电网设备群的子域电网设备群能效指标数据,/>为第i个子域电网设备群的子域电网设备功耗运行特征量值,n为预设区域内的子域电网设备群个数,/>、/>为第i个子域电网设备群的预设特征系数。
8.根据权利要求7所述的基于大数据的电网设备监测预警方法,其特征在于,所述获取所述预警子域电网设备群中各类型单体电网设备在所述预设时间节点内的类型单体设备运行检测数据,并结合所述预设区域内各类型单体电网设备的预设类型单体设备运行均指标数据进行处理,获得类型单体设备性能偏差度系数,并进行聚合获得预警子域类型电网设备的性能偏离指数,并对性能偏离指数进行显示以及录入区域电网设备运行日志信息库,包括:
获取所述预警子域电网设备群中各类型单体电网设备在所述预设时间节点内的类型单体设备运行检测数据,包括单体设备故障频次数据、单体设备告警次数数据、单体设备功耗数据以及单体设备过载负荷数据;
获取所述预设区域内各类型单体电网设备在所述预设时间节点内的预设类型单体设备运行均指标数据,包括单体设备异常率均指标数据、单体设备功耗均指标数据以及单体设备运行负荷均指标数据;
根据所述类型单体设备运行检测数据与对应所述预设类型单体设备运行均指标数据进行处理,获得类型单体设备性能偏差度系数;
对所述预警子域电网设备群中类型单体电网设备的性能偏差度系数进行聚合,获得预警子域类型电网设备的性能偏离指数;
对所述性能偏离指数结合对应类型电网设备的电网设备性能特征信息进行显示,并录入区域电网设备运行日志信息库;
所述类型单体设备性能偏差度系数的计算公式为:
;
其中,为类型单体设备性能偏差度系数,/>、/>、/>、/>分别为单体设备故障频次数据、单体设备告警次数数据、单体设备功耗数据、单体设备过载负荷数据,/>、/>、/>分别为单体设备异常率均指标数据、单体设备功耗均指标数据、单体设备运行负荷均指标数据,/>、/>、/>、/>、/>、/>、/>为预设特征系数。
9.基于大数据的电网设备监测预警系统,其特征在于,该系统包括:存储器及处理器,所述存储器中包括基于大数据的电网设备监测预警方法的程序,所述基于大数据的电网设备监测预警方法的程序被所述处理器执行时实现以下步骤:
采集预设区域内各类型电网设备在预设时间节点内的电网设备监测信息和设备局域环境监测信息;
根据所述电网设备监测信息生成区域电网设备运行监测特征图谱,根据区域电网设备运行监测特征图谱结合所述设备局域环境监测信息生成电网设备区域动态特征树模型;
根据所述电网设备区域动态特征树模型提取各局域电网的局域设备动态特征数据,并对各局域电网的局域设备进行分布规划获得多个子域电网设备群,根据各子域电网设备群对所述区域电网设备运行监测特征图谱进行特征划分获得对应多个子域电网设备群特征子图谱;
根据所述多个子域电网设备群特征子图谱结合子域环境监测信息生成多个子域电网设备群子特征树模型,并提取对应各子域电网设备群特征数据;
根据所述子域环境监测信息提取子域环境动态监测数据,并结合对应所述各子域电网设备群特征数据进行处理,获得各子域电网设备功耗运行特征量值,并结合对应子域电网设备群特征子图谱进行聚合获得所述预设区域内的子域电网设备群能效分布数据;
根据所述电网设备区域动态特征树模型提取所述多个子域电网设备群对应定位的各子域电网设备群能效指标数据,并与所述子域电网设备群能效分布数据按照定位进行能效校核,获得所述预设区域内的子域电网设备群能效校核分布数据,再与预设电网设备群能效校对分布阈值进行对比,识别所述多个子域电网设备群中能效校对超标的子域电网设备群,并标识为预警子域电网设备群;
获取所述预警子域电网设备群中各类型单体电网设备在所述预设时间节点内的类型单体设备运行检测数据,并结合所述预设区域内各类型单体电网设备的预设类型单体设备运行均指标数据进行处理,获得类型单体设备性能偏差度系数,并进行聚合获得预警子域类型电网设备的性能偏离指数,并对性能偏离指数进行显示以及录入区域电网设备运行日志信息库。
10.计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括基于大数据的电网设备监测预警方法程序,所述基于大数据的电网设备监测预警方法程序被处理器执行时,实现如权利要求1至8中任一项所述的基于大数据的电网设备监测预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311306130.3A CN117034127B (zh) | 2023-10-10 | 2023-10-10 | 一种基于大数据的电网设备监测预警方法、系统和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311306130.3A CN117034127B (zh) | 2023-10-10 | 2023-10-10 | 一种基于大数据的电网设备监测预警方法、系统和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117034127A CN117034127A (zh) | 2023-11-10 |
CN117034127B true CN117034127B (zh) | 2023-12-08 |
Family
ID=88602770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311306130.3A Active CN117034127B (zh) | 2023-10-10 | 2023-10-10 | 一种基于大数据的电网设备监测预警方法、系统和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117034127B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103901330A (zh) * | 2014-04-15 | 2014-07-02 | 上海君世电气科技有限公司 | 一种xlpe电缆局部放电在线监测方法 |
CN106845510A (zh) * | 2016-11-07 | 2017-06-13 | 中国传媒大学 | 基于深度层级特征融合的中国传统视觉文化符号识别方法 |
CN110059716A (zh) * | 2019-03-12 | 2019-07-26 | 西北大学 | 一种cnn-lstm-svm网络模型的构建及mooc辍学预测方法 |
CN115865649A (zh) * | 2023-02-28 | 2023-03-28 | 网思科技股份有限公司 | 一种智能运维管理控制方法、系统和存储介质 |
CN116112292A (zh) * | 2023-04-12 | 2023-05-12 | 湖南丛茂科技有限公司 | 基于网络流量大数据的异常行为检测方法、系统和介质 |
CN116255655A (zh) * | 2023-05-11 | 2023-06-13 | 中铁建工集团有限公司 | 基于大数据的设备智能检调方法、系统和介质 |
CN116502925A (zh) * | 2023-06-28 | 2023-07-28 | 深圳普菲特信息科技股份有限公司 | 基于大数据的数字工厂设备巡检评估方法、系统和介质 |
-
2023
- 2023-10-10 CN CN202311306130.3A patent/CN117034127B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103901330A (zh) * | 2014-04-15 | 2014-07-02 | 上海君世电气科技有限公司 | 一种xlpe电缆局部放电在线监测方法 |
CN106845510A (zh) * | 2016-11-07 | 2017-06-13 | 中国传媒大学 | 基于深度层级特征融合的中国传统视觉文化符号识别方法 |
CN110059716A (zh) * | 2019-03-12 | 2019-07-26 | 西北大学 | 一种cnn-lstm-svm网络模型的构建及mooc辍学预测方法 |
CN115865649A (zh) * | 2023-02-28 | 2023-03-28 | 网思科技股份有限公司 | 一种智能运维管理控制方法、系统和存储介质 |
CN116112292A (zh) * | 2023-04-12 | 2023-05-12 | 湖南丛茂科技有限公司 | 基于网络流量大数据的异常行为检测方法、系统和介质 |
CN116255655A (zh) * | 2023-05-11 | 2023-06-13 | 中铁建工集团有限公司 | 基于大数据的设备智能检调方法、系统和介质 |
CN116502925A (zh) * | 2023-06-28 | 2023-07-28 | 深圳普菲特信息科技股份有限公司 | 基于大数据的数字工厂设备巡检评估方法、系统和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117034127A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Angelos et al. | Detection and identification of abnormalities in customer consumptions in power distribution systems | |
CN111008193B (zh) | 一种数据清洗与质量评价方法及系统 | |
CN110647924B (zh) | 一种基于支持向量描述与k近邻算法的gis设备状态评估方法 | |
CN107390628A (zh) | 配网状态监测与预警方法及系统 | |
CN116366374B (zh) | 基于大数据的电网网络管理的安全评估方法、系统及介质 | |
CN116502925B (zh) | 基于大数据的数字工厂设备巡检评估方法、系统和介质 | |
CN115995886A (zh) | 一种电力设备的电力监控系统 | |
CN113362009A (zh) | 一种物资库存管理方法、系统及计算机存储介质 | |
CN116094837A (zh) | 基于网络大数据的网终应用采集分析方法、系统及介质 | |
CN115796708A (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN113671886B (zh) | 一种基于5g的消防安全监控方法及系统 | |
CN117034127B (zh) | 一种基于大数据的电网设备监测预警方法、系统和介质 | |
CN113236595B (zh) | 风机故障分析方法、装置、设备及可读存储介质 | |
CN117390403A (zh) | 一种新能源灯塔发电站的电网故障检测方法及系统 | |
CN113112216A (zh) | 一种针对设备缺陷的预判分析方法 | |
CN116248176B (zh) | 一种光纤状态监测预警方法、系统、设备和介质 | |
CN117093943A (zh) | 一种用电量监测预警方法及装置 | |
CN116912061A (zh) | 基于大数据的土壤生态环境监测管理方法及系统 | |
CN116380228A (zh) | 衡器运行监测方法、系统、终端及存储介质 | |
CN105260830B (zh) | 一种局放智能组件性能评估方法 | |
CN113919151A (zh) | 一种基于主动触发的电测量设备加速可靠性试验方法 | |
CN115981911A (zh) | 内存故障的预测方法、电子设备和计算机可读存储介质 | |
CN114002640A (zh) | 智能电表性能评价方法 | |
CN116979702B (zh) | 基于大数据的输电线路智能监测质检方法、系统和介质 | |
CN113285847A (zh) | 一种智能换流站监测系统的通信网络异常检测方法及系统 |
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 |