CN117035313B - 一种基于故障报文的事故异常分析方法 - Google Patents
一种基于故障报文的事故异常分析方法 Download PDFInfo
- Publication number
- CN117035313B CN117035313B CN202310999703.9A CN202310999703A CN117035313B CN 117035313 B CN117035313 B CN 117035313B CN 202310999703 A CN202310999703 A CN 202310999703A CN 117035313 B CN117035313 B CN 117035313B
- Authority
- CN
- China
- Prior art keywords
- fault
- maintenance
- time
- analysis
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 139
- 238000012423 maintenance Methods 0.000 claims abstract description 175
- 230000002159 abnormal effect Effects 0.000 claims description 92
- 230000005856 abnormality Effects 0.000 claims description 19
- 238000012163 sequencing technique Methods 0.000 claims description 18
- 238000010801 machine learning Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000002156 mixing Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000003062 neural network model Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 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
- G06Q10/06—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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于故障报文的事故异常分析方法，涉及电力事故分析技术领域，通过设置运维守点模块，可以根据故障报文将不同类型故障问题的运维人员安排在合适的运维守点等待调配，使得变电站设备各个设备出现相应类型故障时，对应故障问题的运维人员可以高效的对故障进行事故异常分析以及故障检修，设置异常分析模块，在多个故障设备同时发出相同故障类型的故障报文时，可以合理调配运维人员对故障设备进行事故异常分析，方便在运维人员人数不足时合理处理故障设备。
Description
技术领域
本发明涉及电力事故分析技术领域，更具体地说，它涉及一种基于故障报文的事故异常分析方法。
背景技术
变电站是指电力系统中对电压和电流进行变换，接受电能及分配电能的场所，在发电厂内的变电站是升压变电站，其作用是将发电机发出的电能升压后馈送到高压电网中。
变电站中需要配备多个运维人员，每个运维人员需要负责对应类型的设备故障问题。当变电站中的设备出现异常事故时，故障报文中会显示故障编码，当接收到故障编码后，根据故障编码的不同类型，会安排解决对应类型故障问题的运维人员进行事故异常分析。但是目前变电站中的运维人员都是安排同一的办公室中，当设备出现问题时，运维人员无法及时对设备的事故异常进行分析以及解决故障。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种基于故障报文的事故异常分析方法。
为实现上述目的，本发明提供了如下技术方案：
一种基于故障报文的事故异常分析方法，包括如下步骤：
步骤一：采集故障报文的故障编码，构建机器学习模型，将故障编码作为机器学习模型的输入数据，获取得到故障设备的位置以及故障类型；
步骤二：获取得到故障设备在系统当前时间之前的所有异常维修记录，将不同类型故障问题的运维人员安排在合适的运维守点等待调配；
步骤三：合理调配运维人员对故障设备进行事故异常分析。
进一步的，包括报文采集模块、运维守点模块、异常分析模块；
所述报文采集模块用于采集故障报文的故障编码，并将故障报文的故障编码发送至服务器中存储；
所述运维守点模块用于将不同类型故障问题的运维人员安排在合适的运维守点等待调配，具体为：
构建机器学习模型，将故障编码作为机器学习模型的输入数据，获取得到故障设备的位置以及故障类型；
获取得到故障设备在系统当前时间之前的所有异常维修记录，获取得到异常等待时长与异常分析时长，将异常维修记录的异常等待时长与异常分析时长进行对比，当异常等待时长≥异常分析时长时，将异常等待时长与异常分析时长进行差值计算，获取得到调配超时时长，当异常等待时长＜异常分析时长时，不作处理；
将同一故障设备的相同故障类型异常维修记录标记为同类故维记录，将同类故维记录按照故障时间的先后顺序进行排序，将排序后相邻两个同类故维记录的故障时间进行时间差值计算，获取得到同类异常间隔，将同类故维记录的所有同类异常间隔进行求和处理并取均值，获取得到同类异常均隔Td；
设置每个同类故维记录的异常分析时长均对应一个基准分析时长，将异常分析时长与基准分析时长进行对比，当异常分析时长小于基准分析时长时，将该异常分析时长标记为合理分析时长，获取得到合理分析值Dz，当异常分析时长大于基准分析时长时，将该异常分析时长标记为延时分析时长，获取得到延时分析值Ea；
将同类故维记录的所有调配超时时长进行求和处理，获取得到调配超时总长Ms，获取得到该故障设备的同类参考值Gn，设置同类参考值阈值为Jw，当同类参考值Gn≥同类参考值阈值Jw时，将该故障设备标记为参考设备，当同类参考值Gn＜同类参考值阈值Jw时，不作处理，通过多个参考设备的位置计算出中心位置，并将中心位置标记为运维守点，将解决该类故障问题的运维人员安排在运维守点；
所述异常分析模块用于合理调配运维人员对故障设备进行事故异常分析，具体为：
当多个故障设备同时发出相同故障类型的故障报文时，获取得到故障设备关于该类故障问题的同类参考值Gn；
获取得到当前位置在运维守点的运维人员人数，并标记为Rh，设置运维人数阈值为St，当运维人员人数Rh≥运维人数阈值St时，不作处理，当运维人员人数Rh＜运维人数阈值St时，获取得到故障设备的位置，将运维守点的位置与故障设备的位置进行距离差值计算，获取得到运维距离差Ce，利用公式获取得到故障设备的运维优先值Wx，其中，d1为同类参考值系数、d2为运维距离差系数；
将运维优先值Wx数值最大的故障设备标记为优选设备，将运维守点内的运维人员优先调配至优选设备进行事故异常分析。
进一步的，同类参考值Gn通过下述步骤获取得到：利用公式获取得到该故障设备的同类参考值Gn，其中，c1为同类异常均隔系数、c2为合理分析值系数、c3为延时分析值系数、c4为调配超时总长系数。
进一步的，合理分析值Dz通过下述步骤获取得到：将基准分析时长与合理分析时长进行差值计算，获取合理提前时长，将所有的合理提前时长进行求和处理并取均值，获取得到平均提前时长Tk，将合理分析时长所对应的维修开始时间按照时间先后顺序进行排序，将排序后相邻两个维修开始时间进行差值计算，获取得到合理维修间隔，将所有的合理维修间隔进行求和处理并取均值，获取得到平均合维间隔Fp；利用公式获取得到合理分析值Dz，其中，a1为平均提前时长系数、a2为平均合维间隔系数。
进一步的，延时分析值Ea通过下述步骤获取得到：将延时分析时长与基准分析时长进行差值计算，获取延时落后时长，将所有的延时落后时长进行求和处理并取均值，获取得到平均落后时长Ls，将延时分析时长所对应的维修结束时间按照时间先后顺序进行排序，将排序后相邻两个维修结束时间进行差值计算，获取得到延时维修间隔，将所有的延时维修间隔进行求和处理并取均值，获取得到平均延维间隔Rw；利用公式获取得到延时分析值Ea，其中，b1为平均落后时长系数、b2为平均延维间隔系数。
进一步的，异常维修记录包括故障时间、维修开始时间、维修结束时间。
进一步的，异常等待时长通过下述步骤获取得到：将异常维修记录的维修开始时间与故障时间进行时间差值计算，获取得到异常等待时长。
进一步的，异常分析时长通过下述步骤获取得到：将异常维修记录的维修结束时间与维修开始时间进行时间差值计算，获取得到异常分析时长。
与现有技术相比，本发明具备以下有益效果：
1、设置运维守点模块，可以根据故障报文将不同类型故障问题的运维人员安排在合适的运维守点等待调配，使得变电站设备各个设备出现相应类型故障时，对应故障问题的运维人员可以高效的对故障进行事故异常分析以及故障检修；
2、设置异常分析模块，在多个故障设备同时发出相同故障类型的故障报文时，可以合理调配运维人员对故障设备进行事故异常分析，方便在运维人员人数不足时合理处理故障设备。
附图说明
图1为一种基于故障报文的事故异常分析方法的流程框图；
图2为本发明运维守点模块的原理框图；
图3为本发明异常分析模块的原理框图。
具体实施方式
实施例1
参照图1至图2，一种基于故障报文的事故异常分析方法，包括报文采集模块、运维守点模块；
报文采集模块用于采集故障报文的故障编码，并将故障报文的故障编码发送至服务器中存储。
运维守点模块用于将不同类型故障问题的运维人员安排在合适的运维守点等待调配，具体为：
构建机器学习模型，将故障编码作为机器学习模型的输入数据，获取得到故障设备的位置以及故障类型。机器学习模型通过下述步骤获取得到：获取得到n个故障编码，按照设定比例划分成训练集和验证集，构建神经网络模型，通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大于迭代次数阈值时，则判定神经网络模型完成训练，将训练完成的神经网络模型标记为机器学习模型。
获取得到故障设备在系统当前时间之前的所有异常维修记录，异常维修记录包括故障时间、维修开始时间、维修结束时间。如故障设备a中异常维修记录(1)的故障时间为2022年3月15日12：25：30，维修开始时间为2022年3月15日12：31：40，维修结束时间为2022年3月15日12：55：23。
获取得到异常等待时长与异常分析时长，异常等待时长通过下述步骤获取得到：将异常维修记录的维修开始时间与故障时间进行时间差值计算，获取得到异常等待时长。异常分析时长通过下述步骤获取得到：将异常维修记录的维修结束时间与维修开始时间进行时间差值计算，获取得到异常分析时长。将异常维修记录的异常等待时长与异常分析时长进行对比，当异常等待时长≥异常分析时长时，将异常等待时长与异常分析时长进行差值计算，获取得到调配超时时长，当异常等待时长＜异常分析时长时，不作处理。
将同一故障设备的相同故障类型异常维修记录标记为同类故维记录，故障设备的故障类型包括但不限于母线故障、输电线路故障、变压器故障。
将同类故维记录按照故障时间的先后顺序进行排序，将排序后相邻两个同类故维记录的故障时间进行时间差值计算，获取得到同类异常间隔，将同类故维记录的所有同类异常间隔进行求和处理并取均值，获取得到同类异常均隔Td。
设置每个同类故维记录的异常分析时长均对应一个基准分析时长(是根据多次实验取得的分析时长，可以根据需求进行适应性修改)，将异常分析时长与基准分析时长进行对比，当异常分析时长小于基准分析时长时，将该异常分析时长标记为合理分析时长，获取得到合理分析值Dz，合理分析值Dz通过下述步骤获取得到：将基准分析时长与合理分析时长进行差值计算，获取合理提前时长，将所有的合理提前时长进行求和处理并取均值，获取得到平均提前时长Tk，将合理分析时长所对应的维修开始时间按照时间先后顺序进行排序，将排序后相邻两个维修开始时间进行差值计算，获取得到合理维修间隔，将所有的合理维修间隔进行求和处理并取均值，获取得到平均合维间隔Fp；利用公式获取得到合理分析值Dz，其中，a1为平均提前时长系数、a2为平均合维间隔系数，a1的取值为0.84，a2的取值为0.68。当异常分析时长大于基准分析时长时，将该异常分析时长标记为延时分析时长，获取得到延时分析值Ea；延时分析值Ea通过下述步骤获取得到：将延时分析时长与基准分析时长进行差值计算，获取延时落后时长，将所有的延时落后时长进行求和处理并取均值，获取得到平均落后时长Ls，将延时分析时长所对应的维修结束时间按照时间先后顺序进行排序，将排序后相邻两个维修结束时间进行差值计算，获取得到延时维修间隔，将所有的延时维修间隔进行求和处理并取均值，获取得到平均延维间隔Rw；利用公式获取得到延时分析值Ea，其中，b1为平均落后时长系数、b2为平均延维间隔系数，b1的取值为0.83，b2的取值为0.67。
将同类故维记录的所有调配超时时长进行求和处理，获取得到调配超时总长Ms，获取得到该故障设备的同类参考值Gn，同类参考值Gn通过下述步骤获取得到：利用公式获取得到该故障设备的同类参考值Gn，其中，c1为同类异常均隔系数、c2为合理分析值系数、c3为延时分析值系数、c4为调配超时总长系数，c1的取值为0.53，c2的取值为0.75，c3的取值为0.76，c4的取值为0.13。设置同类参考值阈值为Jw，当同类参考值Gn≥同类参考值阈值Jw时，将该故障设备标记为参考设备，当同类参考值Gn＜同类参考值阈值Jw时，不作处理，通过多个参考设备的位置计算出中心位置，并将中心位置标记为运维守点，将解决该类故障问题的运维人员安排在运维守点。设置同类参考值阈值为5.8，一共a、b、c、d、e五个关于母线故障类型的故障设备，故障设备a关于母线故障类型的同类参考值为6.4时，故障设备b关于母线故障类型的同类参考值为8.1时，故障设备c关于母线故障类型的同类参考值为3.9时，故障设备d关于母线故障类型的同类参考值为5.4时，故障设备e关于母线故障类型的同类参考值为7.3时，将故障设备a、b、e标记为参考设备，通过故障设备a、b、e的位置计算出中心位置，并将中心位置标记为运维守点，将解决母线故障类型问题的运维人员安排在运维守点。设置运维守点模块，可以根据故障报文将不同类型故障问题的运维人员安排在合适的运维守点等待调配，使得变电站设备各个设备出现相应类型故障时，对应故障问题的运维人员可以高效的对故障进行事故异常分析以及故障检修。
实施例2
参照图3，在实施例1的基础上，还包括异常分析模块，异常分析模块用于合理调配运维人员对故障设备进行事故异常分析，具体为：
当多个故障设备同时发出相同故障类型的故障报文时，获取得到故障设备关于该类故障问题的同类参考值Gn。
获取得到当前位置在运维守点的运维人员人数，并标记为Rh，设置运维人数阈值为St(运维人数阈值是根据相应设备数量等综合因素综合设置的，可以根据需求进行适应性修改)，当运维人员人数Rh≥运维人数阈值St时，不作处理，当运维人员人数Rh＜运维人数阈值St时，获取得到故障设备的位置，将运维守点的位置与故障设备的位置进行距离差值计算，获取得到运维距离差Ce，利用公式获取得到故障设备的运维优先值Wx，其中，d1为同类参考值系数、d2为运维距离差系数，d1的取值为0.79，d2的取值为0.54。将运维优先值Wx数值最大的故障设备标记为优选设备，将运维守点内的运维人员优先调配至优选设备进行事故异常分析。当故障设备x、y、z同时发送变压器故障的故障报文时，运维人数阈值为5人，当运维人员人数为6人时，不作处理(运维人员可以内部协商去处理故障设备x、y、z的故障)，当运维人员人数为3人时，且故障设备y的运维优先值Wx数值最大，3个运维人员优先调配至故障设备y进行事故异常分析。设置异常分析模块，在多个故障设备同时发出相同故障类型的故障报文时，可以合理调配运维人员对故障设备进行事故异常分析，方便在运维人员人数不足时合理处理故障设备。
工作原理：
设置运维守点模块，可以根据故障报文将不同类型故障问题的运维人员安排在合适的运维守点等待调配，使得变电站设备各个设备出现相应类型故障时，对应故障问题的运维人员可以高效的对故障进行事故异常分析以及故障检修。设置异常分析模块，在多个故障设备同时发出相同故障类型的故障报文时，可以合理调配运维人员对故障设备进行事故异常分析，方便在运维人员人数不足时合理处理故障设备。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本模板的保护范围。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (1)
1.一种基于故障报文的事故异常分析方法，其特征在于，包括如下步骤：
步骤一：采集故障报文的故障编码，构建机器学习模型，将故障编码作为机器学习模型的输入数据，获取得到故障设备的位置以及故障类型；
步骤二：获取得到故障设备在系统当前时间之前的所有异常维修记录，将不同类型故障问题的运维人员安排在合适的运维守点等待调配；
步骤三：合理调配运维人员对故障设备进行事故异常分析；
包括报文采集模块、运维守点模块、异常分析模块；
所述报文采集模块用于采集故障报文的故障编码，并将故障报文的故障编码发送至服务器中存储；
所述运维守点模块用于将不同类型故障问题的运维人员安排在合适的运维守点等待调配，具体为：
构建机器学习模型，将故障编码作为机器学习模型的输入数据，获取得到故障设备的位置以及故障类型；
获取得到故障设备在系统当前时间之前的所有异常维修记录，获取得到异常等待时长与异常分析时长，将异常维修记录的异常等待时长与异常分析时长进行对比，当异常等待时长≥异常分析时长时，将异常等待时长与异常分析时长进行差值计算，获取得到调配超时时长，当异常等待时长＜异常分析时长时，不作处理；
将同一故障设备的相同故障类型异常维修记录标记为同类故维记录，将同类故维记录按照故障时间的先后顺序进行排序，将排序后相邻两个同类故维记录的故障时间进行时间差值计算，获取得到同类异常间隔，将同类故维记录的所有同类异常间隔进行求和处理并取均值，获取得到同类异常均隔Td；
设置每个同类故维记录的异常分析时长均对应一个基准分析时长，将异常分析时长与基准分析时长进行对比，当异常分析时长小于基准分析时长时，将该异常分析时长标记为合理分析时长，获取得到合理分析值Dz，当异常分析时长大于基准分析时长时，将该异常分析时长标记为延时分析时长，获取得到延时分析值Ea；
将同类故维记录的所有调配超时时长进行求和处理，获取得到调配超时总长Ms，获取得到该故障设备的同类参考值Gn，设置同类参考值阈值为Jw，当同类参考值Gn≥同类参考值阈值Jw时，将该故障设备标记为参考设备，当同类参考值Gn＜同类参考值阈值Jw时，不作处理，通过多个参考设备的位置计算出中心位置，并将中心位置标记为运维守点，将解决该类故障问题的运维人员安排在运维守点；
所述异常分析模块用于合理调配运维人员对故障设备进行事故异常分析，具体为：
当多个故障设备同时发出相同故障类型的故障报文时，获取得到故障设备关于该类故障问题的同类参考值Gn；
获取得到当前位置在运维守点的运维人员人数，并标记为Rh，设置运维人数阈值为St，当运维人员人数Rh≥运维人数阈值St时，不作处理，当运维人员人数Rh＜运维人数阈值St时，获取得到故障设备的位置，将运维守点的位置与故障设备的位置进行距离差值计算，获取得到运维距离差Ce，利用公式获取得到故障设备的运维优先值Wx，其中，d1为同类参考值系数、d2为运维距离差系数；
将运维优先值Wx数值最大的故障设备标记为优选设备，将运维守点内的运维人员优先调配至优选设备进行事故异常分析；
同类参考值Gn通过下述步骤获取得到：利用公式获取得到该故障设备的同类参考值Gn，其中，c1为同类异常均隔系数、c2为合理分析值系数、c3为延时分析值系数、c4为调配超时总长系数；
合理分析值Dz通过下述步骤获取得到：将基准分析时长与合理分析时长进行差值计算，获取合理提前时长，将所有的合理提前时长进行求和处理并取均值，获取得到平均提前时长Tk，将合理分析时长所对应的维修开始时间按照时间先后顺序进行排序，将排序后相邻两个维修开始时间进行差值计算，获取得到合理维修间隔，将所有的合理维修间隔进行求和处理并取均值，获取得到平均合维间隔Fp；利用公式获取得到合理分析值Dz，其中，a1为平均提前时长系数、a2为平均合维间隔系数；
延时分析值Ea通过下述步骤获取得到：将延时分析时长与基准分析时长进行差值计算，获取延时落后时长，将所有的延时落后时长进行求和处理并取均值，获取得到平均落后时长Ls，将延时分析时长所对应的维修结束时间按照时间先后顺序进行排序，将排序后相邻两个维修结束时间进行差值计算，获取得到延时维修间隔，将所有的延时维修间隔进行求和处理并取均值，获取得到平均延维间隔Rw；利用公式获取得到延时分析值Ea，其中，b1为平均落后时长系数、b2为平均延维间隔系数；
异常维修记录包括故障时间、维修开始时间、维修结束时间；
异常等待时长通过下述步骤获取得到：将异常维修记录的维修开始时间与故障时间进行时间差值计算，获取得到异常等待时长；
异常分析时长通过下述步骤获取得到：将异常维修记录的维修结束时间与维修开始时间进行时间差值计算，获取得到异常分析时长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310999703.9A CN117035313B (zh) | 2023-08-09 | 2023-08-09 | 一种基于故障报文的事故异常分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310999703.9A CN117035313B (zh) | 2023-08-09 | 2023-08-09 | 一种基于故障报文的事故异常分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117035313A CN117035313A (zh) | 2023-11-10 |
| CN117035313B true CN117035313B (zh) | 2024-04-19 |
Family
ID=88629490
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310999703.9A Active CN117035313B (zh) | 2023-08-09 | 2023-08-09 | 一种基于故障报文的事故异常分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117035313B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651161A (zh) * | 2016-12-08 | 2017-05-10 | 国网浙江杭州市富阳区供电公司 | 采集运维动态派工方法 |
| CN108471168A (zh) * | 2018-05-23 | 2018-08-31 | 山东广域科技有限责任公司 | 一种变电站无线数据传输和检修管理系统及方法 |
| CN113452141A (zh) * | 2021-06-29 | 2021-09-28 | 湖南方心科技股份有限公司 | 基于物联数据的封闭式集成控制系统 |
| CN114200203A (zh) * | 2021-12-10 | 2022-03-18 | 国网山东省电力公司济南供电公司 | 一种变电站计量装置故障监控方法和系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7345281B2 (ja) * | 2019-05-31 | 2023-09-15 | 株式会社日立産機システム | 監視装置、および監視システム |
-
2023
- 2023-08-09 CN CN202310999703.9A patent/CN117035313B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651161A (zh) * | 2016-12-08 | 2017-05-10 | 国网浙江杭州市富阳区供电公司 | 采集运维动态派工方法 |
| CN108471168A (zh) * | 2018-05-23 | 2018-08-31 | 山东广域科技有限责任公司 | 一种变电站无线数据传输和检修管理系统及方法 |
| CN113452141A (zh) * | 2021-06-29 | 2021-09-28 | 湖南方心科技股份有限公司 | 基于物联数据的封闭式集成控制系统 |
| CN114200203A (zh) * | 2021-12-10 | 2022-03-18 | 国网山东省电力公司济南供电公司 | 一种变电站计量装置故障监控方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于机器学习决策树的计量设备异常分析;刘岩;巨汉基;丁恒春;袁瑞铭;吕凛杰;张海燕;;自动化与仪器仪表;20180525(05);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117035313A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3043299A1 (en) | Aircraft engine maintenance system | |
| CN110414871A (zh) | 基于边缘计算的变电站二次设备故障监测系统及监测方法 | |
| CN117035313B (zh) | 一种基于故障报文的事故异常分析方法 | |
| CN115619382A (zh) | 一种电力调度可视化管理方法及系统 | |
| CN108564344A (zh) | 一种直流换流站故障数据自动采集方法及装置 | |
| CN112241391A (zh) | 供电公司电力数据的提取、清理、整合方法及系统 | |
| CN110927495A (zh) | 一种电力计量终端设备异常监测方法 | |
| CN113955601B (zh) | 基于物联网的电梯维修保养监测方法、系统及相关设备 | |
| CN110988584A (zh) | 一种电力系统智能监控和自动控制系统 | |
| CN115271641A (zh) | 一种配电线路第一种工作票基础信息自动审核方法 | |
| CN110018378B (zh) | 多报修工单分布同一架空线路不同变压器的故障研判方法 | |
| CN203102357U (zh) | 一种高压直流换流站事故辅助处理系统 | |
| CN113595100A (zh) | 一种电力补偿系统 | |
| CN105631174A (zh) | 一种变电站配电设备检修防范方法 | |
| CN113672647B (zh) | 一种计划停电规范校验方法及装置 | |
| CN117336156B (zh) | 一种小电流接地告警信号的综合治理系统 | |
| CN114578815B (zh) | 一种智能清洁服务器机柜的机房、智能清洁方法 | |
| CN103336839A (zh) | 一种电力系统专业化检修数据处理方法 | |
| CN106027676A (zh) | 电力设备状态信息融合与展示系统 | |
| CN110570079B (zh) | 一种并列供电系统多种运行状态联合概率的计算方法 | |
| CN114077967A (zh) | 基于配网调度运行平台的配网调度管理方法及系统 | |
| CN117235502A (zh) | 一种大工业用户负荷特征提取与用电模式分析系统及方法 | |
| CN117474383A (zh) | 一种场站无故障运行时间计算方法 | |
| CN116933183A (zh) | 基于大数据的日自动抄表分析方法及系统 | |
| CN117974057A (zh) | 一种微波组件生产线的智能管理系统 |
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 |