CN117057785B - 电力设备运维调度方法、系统、电子设备及存储介质 - Google Patents
电力设备运维调度方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117057785B CN117057785B CN202311307664.8A CN202311307664A CN117057785B CN 117057785 B CN117057785 B CN 117057785B CN 202311307664 A CN202311307664 A CN 202311307664A CN 117057785 B CN117057785 B CN 117057785B
- Authority
- CN
- China
- Prior art keywords
- maintenance
- inspection
- fault
- equipment
- power 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 162
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000007689 inspection Methods 0.000 claims abstract description 100
- 238000011161 development Methods 0.000 claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000009826 distribution Methods 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims description 28
- 238000012937 correction Methods 0.000 claims description 17
- 230000036541 health Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000003064 k means clustering Methods 0.000 claims description 3
- 230000000452 restraining effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims 2
- 238000012163 sequencing technique Methods 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000008439 repair process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process 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
- G06Q10/20—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
- G06F18/24—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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力设备运维调度方法、系统、电子设备及存储介质，属于智能电网运维技术领域。包括获取并行电力设备的运行数据，根据运行数据，确定并行电力设备的运行状态；获取并行电力设备的分布信息和属性信息，根据分布信息、属性信息和运行状态，确定巡检计划；根据并行电力设备的运行状态进行故障预测，获取故障发展状态并进行故障发展等级划分；根据并行电力设备的属性信息和故障发展等级，确定维修影响因子；并以供电可持续性和维修成本为约束，确定电力设备的维修方案。能够根据电力设备的实时运行状态进行巡检计划的制定和异常设备的维修，提高电力设备的维护效率，解决运维人员巡检效率低下且无法及时对故障设备进行检修的问题。
Description
技术领域
本发明涉及智能电网运维技术领域，特别是涉及一种电力设备运维调度方法、系统、电子设备及存储介质。
背景技术
本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。
电力运维指的是专业人员对电力线路、电力运行和电力抢修进行的维护工作，是配电网安全运行的重要保障。随着设备自动化水平的提高和智能电网建设工作的不断推进，电网的规模也在不断扩大，这对电力设备的运维管理工作带来了极大的挑战。
虽然随着物联网技术的发展，可以借助物联网设备进行电力设备的运行监测，但随着电力设备的大量增加，电力系统的复杂度不断增高，使得运维人员难以对运行数据进行完整性分析并与日常的巡检计划结合，导致运维效率低下，管控不全面。
此外，在电力设备的运维过程中，一般秉持着“先故障先维修”和“事后维修”的原则对电力设备进行维护，而当多个并行的电力设备同时处于异常状态时，依据上述原则则会忽略了故障发展对设备运行状态和电网运行稳定性的影响，无法保障电网电力输送的稳定性。
发明内容
为了解决现有技术的不足，本发明提供了一种电力设备运维调度方法、系统、电子设备及计算机可读存储介质，一方面，将电力设备的运行状态和巡检计划的制定有机结合，在保障对电力系统进行全面管控的同时，提高运维效率；另一方面，考虑故障发展状态对设备运行的影响，制定故障设备的维修顺序，在降低维修成本的同时，保障电力系统的稳定运行。
第一方面，本发明提供了一种电力设备运维调度方法；
一种电力设备运维调度方法，包括：
获取并行电力设备的运行数据，根据运行数据，确定并行电力设备的运行状态；
获取并行电力设备的分布信息和属性信息，根据并行电力设备的分布信息、属性信息和运行状态，确定巡检计划；
根据并行电力设备的运行状态进行故障预测，获取故障发展状态并进行故障发展等级划分；
根据并行电力设备的属性信息和故障发展等级，确定维修影响因子；基于维修影响因子，以供电可持续性和维修成本为约束，确定电力设备的维修顺序和维修时间。
进一步的，所述根据运行数据，确定并行电力设备的运行状态具体为：
对运行数据进行归一化处理，获取多个运行状态评价参数；
根据运行状态参数，分别并行计算运行状态得分；将运行状态得分与预设的运行评价指标范围比较，获取对应的运行状态；
其中，运行状态包括健康、注意、轻微、异常和严重。
进一步的，所述获取并行电力设备的分布信息和属性信息，根据并行电力设备的分布信息、属性信息和运行状态，确定巡检计划包括：
获取电力设备的累计运行时间，根据电力设备的累计运行时间和运行状态，确定巡检顺序；
获取电力设备的位置信息，根据巡检顺序和位置信息，生成巡检路径。
进一步的，所述根据并行电力设备的运行状态进行故障预测，获取故障发展状态并进行故障发展等级划分包括：
根据电力设备的运行状态，提取非正常运行设备的运行数据；
根据非正常运行设备的运行数据，确定故障类型和故障危害等级；
获取非正常运行设备的累计运行时间和设备健康等级，根据累计运行时间和设备健康等级，基于故障类型和故障危害等级，获取故障发展预测指标；
将故障发展预测指标与预设的故障发展等级范围比较，获取故障发展等级。
进一步的，所述根据并行电力设备的属性信息和故障发展等级，确定维修影响因子包括：
根据电力设备对电网的影响程度，获取第一维修影响权重；
根据故障发展等级，计算影响权重修正值；基于影响权重修正值和第一维修影响权重，生成维修影响因子。
进一步的，所述基于维修影响因子，以供电可持续性和维修成本为约束，确定电力设备的维修顺序和维修时间包括：
基于维修影响因子，确定非正常电力设备的维修优先级组合；
根据维修优先级组合，计算待维修设备的维修成本；
以维修成本和供电可持续性为约束，计算待维修设备的最大停机时间，确定非正常电力设备的维修顺序。
优选的，所述以维修成本为约束，计算待维修设备的最大停机时间具体为：获取待维修设备已完成的电能产量，根据待维修设备的故障发展等级，确定待维修设备的最大停机时间。
第二方面，本发明提供了一种电力设备运维调度系统；
一种电力设备运维调度系统，包括：
运行状态评估模块，用于获取并行电力设备的运行数据，根据运行数据，确定并行电力设备的运行状态；
巡检计划生成模块，用于获取并行电力设备的分布信息和属性信息，根据并行电力设备的分布信息、属性信息和运行状态，确定巡检计划；
故障发展预测模块，用于根据并行电力设备的运行状态进行故障预测，获取故障发展状态并进行故障发展等级划分；
维修调度模块，用于根据并行电力设备的属性信息和故障发展等级，确定维修影响因子；基于维修影响因子，以供电可持续性和维修成本为约束，确定电力设备的维修顺序和维修时间。
第三方面，本发明提供了一种电子设备；
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述电力设备运维调度方法的步骤。
第四方面，本发明提供了一种计算机可读存储介质；
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述电力设备运维调度方法的步骤。
与现有技术相比，本发明的有益效果是：
1、本发明提供的技术方案，将电网中多个电力设备的运行状态、健康属性和位置分布有机结合，进行巡检计划的制定，能够根据电力设备的实时状态进行有针对性的运维，提高运维效率，且保障对大规模电网的全面维护；能够根据电力设备的位置进行巡检安排，降低人力成本，提高运维效率。
2、本发明提供的技术方案，并没有将设备故障视为一个固定状态，充分考虑设备故障的发展趋势，制定电力设备的维修方案，避免多个电力设备出现故障时，运维人员人手不够，无法对电力设备进行及时有效维修，而影响电力设备的正常运行；且有效降低了维修成本。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例提供的流程示意图；
图2为本发明实施例提供的系统架构示意图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
接下来，结合图1对本实施例公开的一种电力设备运维调度方法进行详细说明。该电力设备运维调度方法，包括如下步骤：
S1、获取并行电力设备的运行数据，根据运行数据，确定并行电力设备的运行状态。
进一步的，步骤S1具体包括：
S101、对运行数据分别进行归一化处理，获取多个运行状态评价参数；其中，运行数据为电压信息、电流信息和/或温度信息等。
具体的，对运行数据进行归一化处理并计算期望值，根据归一化处理后的运行数据和期望值，获取运行状态评价参数。
示例性的，假设采集到的运行数据为，则归一化后的运行数据为：
其中，为第/>个归一化后的运行数据，/>为最大值，/>为最小值，/>为第i个运行数据。
根据归一化处理后的运行数据，计算期望值，表示为：
其中，为期望值，/>为第/>个归一化后的运行数据，/>为运行数据的总个数。
根据归一化处理后的运行数据和期望值，获取运行状态评价参数，运行状态评价参数表示如下：
其中，为运行状态评价参数，/>为第/>个归一化后的运行数据，/>为期望值，/>为运行数据的总个数。
S102、根据运行状态评价参数，分别并行计算多个电力设备的运行状态得分；将运行状态得分与预设的运行评价指标范围比较，获取对应的运行状态。其中，运行状态包括健康、注意、轻微、异常和严重。
进一步的，运行状态得分表示为：
其中，为运行状态评价参数，s为熵值，/>。
S2、获取并行电力设备的分布信息和属性信息，根据并行电力设备的分布信息、属性信息和运行状态，确定巡检计划。具体包括：
S201、获取电力设备的累计运行时间，根据电力设备的累计运行时间和运行状态，确定巡检顺序。
具体的，首先，获取各电力设备的累计运行时间并进行归一化处理，获取第一巡检影响因子；第一巡检影响因子表示为：
其中，为累计运行时间，n为电力设备的总数，本实施例中，n=5。
然后，根据设备的运行状态类型赋值，确定第二巡检影响因子；具体的，第二巡检影响因子为预设，第二巡检影响因子之和为1，本实施例中，/>。
根据第一巡检影响因子和第二巡检影响因子，基于电力设备的健康属性信息，确定巡检影响指标；根据巡检影响指标的由大到小，确定巡检顺序。
其中，巡检影响指标表示为：
其中，γ为巡检影响指标，为第一巡检影响因子，/>为第二巡检影响因子，A为第一权重，B为第二权重，A<B且A+B=1，H为电力设备的健康因子，H表示为：
进而将设备的运行时间、运行状态和属性信息有机结合，确定准确反应设备的运行状态的巡检影响指标。
S202、获取电力设备的位置信息，根据巡检顺序和位置信息，生成巡检路径。其中，巡检路径为根据巡检顺序依次巡检所得到，确定巡检路径后，可通过视频巡检、无人机巡检或人工巡检的方式实施巡检计划。
进一步的，若采用无人机巡检，则无人机巡检路径的确定流程如下：
（1）将电力设备的位置信息和巡检顺序输入航测软件，生成无人机初始航线。
（2）考虑到无人机的安全运行和巡检效率，对无人机巡检时的航高和无人机与电力设备的水平距离进行约束，更新无人机初始航线，确定无人机巡检路径。
具体的，无人机巡检时与电力设备之间的水平距离应满足：
其中，L为无人机与电力设备的水平距离，为电力设备的最大长度，/>为电力设备的安全距离。
无人机巡检时的航高需满足：
其中，为无人机巡检时的航高，/>为电力设备的最大长度，/>为电力设备的安全距离，/>为无人机与电力设备的直线距离和垂直距离之间的夹角。
通过上述公式计算出的无人机巡检时的航高和无人机与电力设备的水平距离，替换无人机初始航线中的相关参数，更新无人机初始航线。
S3、根据并行电力设备的运行状态进行故障预测，获取故障发展状态并进行故障发展等级划分。具体包括：
S301、根据电力设备的运行状态，提取非正常运行设备的运行数据。
具体的，提取电力设备的运行状态为轻微、异常和严重所对应的运行数据。
S302、根据非正常运行设备的运行数据，确定故障类型和故障危害等级。
进一步的，过滤非正常运行设备的运行数据，以去除冗余数据；将运行数据与预设的故障状态模板库进行对比，确定故障类型和故障危害等级；其中，故障危害等级包括一级故障、二级故障和三级故障，危害性逐级降低。
S303、获取非正常运行设备的累计运行时间和设备健康等级，根据累计运行时间和设备健康等级，基于故障类型和故障危害等级，获取故障发展预测指标。
进一步的，根据故障类型和故障危害等级，确定故障发展因子；根据非正常运行设备对应的第一巡检影响因子、第二巡检影响因子和故障发展因子，确定故障发展预测指标，故障发展预测指标表示为：
其中，为第一巡检影响因子，/>为第二巡检影响因子，/>为故障发展因子，/>为故障持续时间，/>,/>为故障开始时间，/>为设备由当前状态劣化至最严重状态的时间。
故障发展因子表示为：
其中，故障类型参数为根据故障类型与电力设备运行的关联程度预设。
S304、将故障发展预测指标与预设的故障发展等级范围比较，获取故障发展等级。
S4、根据并行电力设备的属性信息和故障发展等级，确定维修影响因子；基于维修影响因子，以供电可持续性和维修成本为约束，确定电力设备的维修顺序和维修时间。具体包括：
S401、根据电力设备对电网的影响程度，获取第一维修影响权重；根据故障发展等级，计算影响权重修正值；基于影响权重修正值和第一维修影响权重，生成维修影响因子。
其中，第一影响权重表示为：
式中，为第一影响权重，/>为第二巡检影响因子。
影响权重修正值表示为：
维修影响因子表示为：
式中，为维修影响因子，/>为第一影响权重，/>为影响权重修正值，/>为影响权重修正值的均值。
S402、基于维修影响因子，确定非正常电力设备的维修优先级组合；根据维修优先级组合，计算待维修设备的维修成本；以维修成本和供电可持续性为约束为约束，计算待维修设备的最大停机时间，确定非正常电力设备的维修顺序。
进一步的，通过K-MEANs聚类算法对维修影响因子进行聚类处理，将相似度大的维修影响因子作为一个维修优先级组合，根据维修影响因子的大小，对维修优先级组合进行排序，确定维修优先级。
根据维修优先级，选择待维修设备，获取待维修设备的成本参数，计算维修成本，维修成本表示为：
其中，用于描述设备维护工作是否属于对应的优先级，/>为特定优先级维护所需的成本，/>用于描述对应维护措施的实施是否需要停机，/>表示需要，否则/>为设备停机后的固定启动费用，/>为单位时间的停机机会成本，/>为单位时间的停机损失成本，/>为对应设备的停机时间，由维修工作实施所带来的停机时间和因故障停机后未及时维修而带来的停机时间构成，/>为设备在对应优先级维护工作下的单位固定设置费用，/>为因设备不完全利用所造成的损失成本。
计算待维修设备的停机时间，判断是否小于最大停机时间，若是，则确定维修该设备，若否，则重新选择设备，执行上述操作，直至确定好维修顺序；停机时间表示为：
其中，为故障发展预测指标，/>为常数。
待维修设备的最大停机时间表示为：
其中，为用户可接受的最大设备停机时间，/>为该时段内设备停机前已经完成的电能产量，/>为单位时间内电力生产能力，/>为设备的停机时点，/>为因维修造成的停机时间。
实施例二
结合图2，本实施例公开了一种电力设备运维调度系统，包括：
运行状态评估模块，用于获取并行电力设备的运行数据，根据运行数据，确定并行电力设备的运行状态；
巡检计划生成模块，用于获取并行电力设备的分布信息和属性信息，根据并行电力设备的分布信息、属性信息和运行状态，确定巡检计划；
故障发展预测模块，用于根据并行电力设备的运行状态进行故障预测，获取故障发展状态并进行故障发展等级划分；
维修调度模块，用于根据并行电力设备的属性信息和故障发展等级，确定维修影响因子；基于维修影响因子，以供电可持续性和维修成本为约束，确定电力设备的维修顺序和维修时间。
此处需要说明的是，上述运行状态评估模块、巡检计划生成模块、故障发展预测模块和维修调度模块对应于实施例一中的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
实施例三
本发明实施例三提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，计算机指令被处理器运行时，完成上述电力设备运维调度方法的步骤。
实施例四
本发明实施例四提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述电力设备运维调度方法的步骤。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
上述实施例中对各个实施例的描述各有侧重，某个实施例中没有详述的部分可以参见其他实施例的相关描述。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种电力设备运维调度方法，其特征在于，包括：
获取并行电力设备的运行数据，根据运行数据，确定并行电力设备的运行状态；具体包括：
对运行数据进行归一化处理并计算期望值，根据归一化处理后的运行数据和期望值，获取运行状态评价参数；
具体的，假设采集到的运行数据为，则归一化后的运行数据为：
其中，为第/>个归一化后的运行数据，/>为最大值，/>为最小值，/>为第i个运行数据；
根据归一化处理后的运行数据，计算期望值，表示为：
其中，为期望值，/>为第/>个归一化后的运行数据，/>为运行数据的总个数；
根据归一化处理后的运行数据和期望值，获取运行状态评价参数，运行状态评价参数表示如下：
其中，为运行状态评价参数，/>为第/>个归一化后的运行数据，/>为期望值，/>为运行数据的总个数；
根据运行状态评价参数，分别并行计算多个电力设备的运行状态得分；将运行状态得分与预设的运行评价指标范围比较，获取对应的运行状态；其中，运行状态包括健康、注意、轻微、异常和严重；
运行状态得分表示为：
其中，为运行状态评价参数，s为熵值，/>；
获取并行电力设备的分布信息和属性信息，根据并行电力设备的分布信息、属性信息和运行状态，确定巡检计划；具体包括：
获取各电力设备的累计运行时间并进行归一化处理，获取第一巡检影响因子；第一巡检影响因子表示为：
其中，为累计运行时间，n为电力设备的总数；
根据设备的运行状态类型赋值，确定第二巡检影响因子；其中，第二巡检影响因子为预设，第二巡检影响因子之和为1；
根据第一巡检影响因子和第二巡检影响因子，基于电力设备的健康属性信息，确定巡检影响指标；根据巡检影响指标的由大到小，确定巡检顺序；
其中，巡检影响指标表示为：
其中，γ为巡检影响指标，为第一巡检影响因子，/>为第二巡检影响因子，A为第一权重，B为第二权重，A<B且A+B=1，H为电力设备的健康因子，H表示为：
获取电力设备的位置信息，根据巡检顺序和位置信息，生成巡检路径；其中，巡检路径为根据巡检顺序依次巡检所得到，确定巡检路径后，通过视频巡检、无人机巡检或人工巡检的方式实施巡检计划；
其中，无人机巡检路径的确定流程如下：
将电力设备的位置信息和巡检顺序输入航测软件，生成无人机初始航线；
考虑到无人机的安全运行和巡检效率，对无人机巡检时的航高和无人机与电力设备的水平距离进行约束，更新无人机初始航线，确定无人机巡检路径；
根据并行电力设备的运行状态进行故障预测，获取故障发展状态并进行故障发展等级划分；具体包括：
提取电力设备的运行状态为轻微、异常和严重所对应的运行数据；
过滤非正常运行设备的运行数据，以去除冗余数据；将运行数据与预设的故障状态模板库进行对比，确定故障类型和故障危害等级；其中，故障危害等级包括一级故障、二级故障和三级故障，危害性逐级降低；
根据故障类型和故障危害等级，确定故障发展因子；根据非正常运行设备对应的第一巡检影响因子、第二巡检影响因子和故障发展因子，确定故障发展预测指标，故障发展预测指标表示为：
其中，为第一巡检影响因子，/>为第二巡检影响因子，/>为故障发展因子，/>为故障持续时间，/>,/>为故障开始时间，/>为设备由当前状态劣化至最严重状态的时间；
故障发展因子表示为：
其中，故障类型参数为根据故障类型与电力设备运行的关联程度预设；
将故障发展预测指标与预设的故障发展等级范围比较，获取故障发展等级；
根据并行电力设备的属性信息和故障发展等级，确定维修影响因子；基于维修影响因子，以供电可持续性和维修成本为约束，确定电力设备的维修顺序和维修时间；具体包括：
根据电力设备对电网的影响程度，获取第一维修影响权重；根据故障发展等级，计算影响权重修正值；基于影响权重修正值和第一维修影响权重，生成维修影响因子；
其中，第一影响权重表示为：
式中，为第一影响权重，/>为第二巡检影响因子；
影响权重修正值表示为：
维修影响因子表示为：
式中，为维修影响因子，/>为第一影响权重，/>为影响权重修正值，/>为影响权重修正值的均值；
通过K-MEANs聚类算法对维修影响因子进行聚类处理，将相似度大的维修影响因子作为一个维修优先级组合，根据维修影响因子的大小，对维修优先级组合进行排序，确定维修优先级；
根据维修优先级，选择待维修设备，获取待维修设备的成本参数，计算维修成本，维修成本表示为：
其中，用于描述设备维护工作是否属于对应的优先级，/>为特定优先级维护所需的成本，/>用于描述对应维护措施的实施是否需要停机，/>表示需要，否则 />为设备停机后的固定启动费用，/>为单位时间的停机机会成本，/>为单位时间的停机损失成本，为对应设备的停机时间，由维修工作实施所带来的停机时间和因故障停机后未及时维修而带来的停机时间构成，/>为设备在对应优先级维护工作下的单位固定设置费用，/>为因设备不完全利用所造成的损失成本；
计算待维修设备的停机时间，判断是否小于最大停机时间，若是，则确定维修该设备，若否，则重新选择设备，执行上述操作，直至确定好维修顺序；停机时间表示为：
其中，为故障发展预测指标，/>为常数；
待维修设备的最大停机时间表示为：
其中，为用户可接受的最大设备停机时间，/>为该时段内设备停机前已经完成的电能产量，/>为单位时间内电力生产能力，/>为设备的停机时点，/>为因维修造成的停机时间。
2.一种电力设备运维调度系统，其特征在于，包括：
运行状态评估模块，用于获取并行电力设备的运行数据，根据运行数据，确定并行电力设备的运行状态；具体包括：
对运行数据进行归一化处理并计算期望值，根据归一化处理后的运行数据和期望值，获取运行状态评价参数；
具体的，假设采集到的运行数据为，则归一化后的运行数据为：
其中，为第/>个归一化后的运行数据，/>为最大值，/>为最小值，/>为第i个运行数据；
根据归一化处理后的运行数据，计算期望值，表示为：
其中，为期望值，/>为第/>个归一化后的运行数据，/>为运行数据的总个数；
根据归一化处理后的运行数据和期望值，获取运行状态评价参数，运行状态评价参数表示如下：
其中，为运行状态评价参数，/>为第/>个归一化后的运行数据，/>为期望值，/>为运行数据的总个数；
根据运行状态评价参数，分别并行计算多个电力设备的运行状态得分；将运行状态得分与预设的运行评价指标范围比较，获取对应的运行状态；其中，运行状态包括健康、注意、轻微、异常和严重；
运行状态得分表示为：
其中，为运行状态评价参数，s为熵值，/>；
巡检计划生成模块，用于获取并行电力设备的分布信息和属性信息，根据并行电力设备的分布信息、属性信息和运行状态，确定巡检计划；具体包括：
获取各电力设备的累计运行时间并进行归一化处理，获取第一巡检影响因子；第一巡检影响因子表示为：
其中，为累计运行时间，n为电力设备的总数；
根据设备的运行状态类型赋值，确定第二巡检影响因子；其中，第二巡检影响因子为预设，第二巡检影响因子之和为1；
根据第一巡检影响因子和第二巡检影响因子，基于电力设备的健康属性信息，确定巡检影响指标；根据巡检影响指标的由大到小，确定巡检顺序；
其中，巡检影响指标表示为：
其中，γ为巡检影响指标，为第一巡检影响因子，/>为第二巡检影响因子，A为第一权重，B为第二权重，A<B且A+B=1，H为电力设备的健康因子，H表示为：
获取电力设备的位置信息，根据巡检顺序和位置信息，生成巡检路径；其中，巡检路径为根据巡检顺序依次巡检所得到，确定巡检路径后，通过视频巡检、无人机巡检或人工巡检的方式实施巡检计划；
其中，无人机巡检路径的确定流程如下：
将电力设备的位置信息和巡检顺序输入航测软件，生成无人机初始航线；
考虑到无人机的安全运行和巡检效率，对无人机巡检时的航高和无人机与电力设备的水平距离进行约束，更新无人机初始航线，确定无人机巡检路径；
故障发展预测模块，用于根据并行电力设备的运行状态进行故障预测，获取故障发展状态并进行故障发展等级划分；具体包括：
提取电力设备的运行状态为轻微、异常和严重所对应的运行数据；
过滤非正常运行设备的运行数据，以去除冗余数据；将运行数据与预设的故障状态模板库进行对比，确定故障类型和故障危害等级；其中，故障危害等级包括一级故障、二级故障和三级故障，危害性逐级降低；
根据故障类型和故障危害等级，确定故障发展因子；根据非正常运行设备对应的第一巡检影响因子、第二巡检影响因子和故障发展因子，确定故障发展预测指标，故障发展预测指标表示为：
其中，为第一巡检影响因子，/>为第二巡检影响因子，/>为故障发展因子，/>为故障持续时间，/>,/>为故障开始时间，/>为设备由当前状态劣化至最严重状态的时间；
故障发展因子表示为：
其中，故障类型参数为根据故障类型与电力设备运行的关联程度预设；
将故障发展预测指标与预设的故障发展等级范围比较，获取故障发展等级；
维修调度模块，用于根据并行电力设备的属性信息和故障发展等级，确定维修影响因子；基于维修影响因子，以供电可持续性和维修成本为约束，确定电力设备的维修顺序和维修时间；具体包括：
根据电力设备对电网的影响程度，获取第一维修影响权重；根据故障发展等级，计算影响权重修正值；基于影响权重修正值和第一维修影响权重，生成维修影响因子；
其中，第一影响权重表示为：
式中，为第一影响权重，/>为第二巡检影响因子；
影响权重修正值表示为：
维修影响因子表示为：
式中，为维修影响因子，/>为第一影响权重，/>为影响权重修正值，/>为影响权重修正值的均值；
通过K-MEANs聚类算法对维修影响因子进行聚类处理，将相似度大的维修影响因子作为一个维修优先级组合，根据维修影响因子的大小，对维修优先级组合进行排序，确定维修优先级；
根据维修优先级，选择待维修设备，获取待维修设备的成本参数，计算维修成本，维修成本表示为：
其中，用于描述设备维护工作是否属于对应的优先级，/>为特定优先级维护所需的成本，/>用于描述对应维护措施的实施是否需要停机，/>表示需要，否则 />为设备停机后的固定启动费用，/>为单位时间的停机机会成本，/>为单位时间的停机损失成本，为对应设备的停机时间，由维修工作实施所带来的停机时间和因故障停机后未及时维修而带来的停机时间构成，/>为设备在对应优先级维护工作下的单位固定设置费用，/>为因设备不完全利用所造成的损失成本；
计算待维修设备的停机时间，判断是否小于最大停机时间，若是，则确定维修该设备，若否，则重新选择设备，执行上述操作，直至确定好维修顺序；停机时间表示为：
其中，为故障发展预测指标，/>为常数；
待维修设备的最大停机时间表示为：
其中，为用户可接受的最大设备停机时间，/>为该时段内设备停机前已经完成的电能产量，/>为单位时间内电力生产能力，/>为设备的停机时点，/>为因维修造成的停机时间。
3.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1所述电力设备运维调度方法的步骤。
4.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1所述电力设备运维调度方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311307664.8A CN117057785B (zh) | 2023-10-11 | 2023-10-11 | 电力设备运维调度方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311307664.8A CN117057785B (zh) | 2023-10-11 | 2023-10-11 | 电力设备运维调度方法、系统、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117057785A CN117057785A (zh) | 2023-11-14 |
| CN117057785B true CN117057785B (zh) | 2024-01-19 |
Family
ID=88664732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311307664.8A Active CN117057785B (zh) | 2023-10-11 | 2023-10-11 | 电力设备运维调度方法、系统、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117057785B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117314683B (zh) * | 2023-11-28 | 2024-03-19 | 天津市英环信诚科技有限公司 | 电力运维方法、装置、设备及介质 |
| CN117522091B (zh) * | 2024-01-08 | 2024-04-16 | 国网四川省电力公司电力科学研究院 | 震后电力设备应急抢修的智能调度系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101859409A (zh) * | 2010-05-25 | 2010-10-13 | 广西电网公司电力科学研究院 | 基于风险评估的输变电设备状态检修体系 |
| CN111626443A (zh) * | 2020-05-19 | 2020-09-04 | 广东电网有限责任公司 | 电力设备的运维方法、系统、装置、设备和存储介质 |
| KR20210123673A (ko) * | 2020-04-03 | 2021-10-14 | 한국전력공사 | 전력용 변압기 정비 관리 방법 및 전력용 변압기 정비 관리 장치 |
| WO2022088890A1 (zh) * | 2020-10-28 | 2022-05-05 | 中国电力科学研究院有限公司 | 电网中长期检修计划的校核方法、系统、设备及存储介质 |
| CN115016339A (zh) * | 2022-05-20 | 2022-09-06 | 山东浪潮科学研究院有限公司 | 一种室外电力设备的监测方法、设备及介质 |
| CN115713320A (zh) * | 2022-11-01 | 2023-02-24 | 国网河北省电力有限公司 | 设备的运维策略优化方法、装置、设备及存储介质 |
| CN116316613A (zh) * | 2023-05-18 | 2023-06-23 | 中国电建集团山东电力建设第一工程有限公司 | 电力设备运行监测方法、系统、电子设备及存储介质 |
-
2023
- 2023-10-11 CN CN202311307664.8A patent/CN117057785B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101859409A (zh) * | 2010-05-25 | 2010-10-13 | 广西电网公司电力科学研究院 | 基于风险评估的输变电设备状态检修体系 |
| KR20210123673A (ko) * | 2020-04-03 | 2021-10-14 | 한국전력공사 | 전력용 변압기 정비 관리 방법 및 전력용 변압기 정비 관리 장치 |
| CN111626443A (zh) * | 2020-05-19 | 2020-09-04 | 广东电网有限责任公司 | 电力设备的运维方法、系统、装置、设备和存储介质 |
| WO2022088890A1 (zh) * | 2020-10-28 | 2022-05-05 | 中国电力科学研究院有限公司 | 电网中长期检修计划的校核方法、系统、设备及存储介质 |
| CN115016339A (zh) * | 2022-05-20 | 2022-09-06 | 山东浪潮科学研究院有限公司 | 一种室外电力设备的监测方法、设备及介质 |
| CN115713320A (zh) * | 2022-11-01 | 2023-02-24 | 国网河北省电力有限公司 | 设备的运维策略优化方法、装置、设备及存储介质 |
| CN116316613A (zh) * | 2023-05-18 | 2023-06-23 | 中国电建集团山东电力建设第一工程有限公司 | 电力设备运行监测方法、系统、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 电力设备状态大数据分析的研究和应用;江秀臣;盛戈;;高电压技术(04);7-16 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117057785A (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117057785B (zh) | 电力设备运维调度方法、系统、电子设备及存储介质 | |
| CN109598416B (zh) | 一种复材车间的动态排产系统及排产方法 | |
| CN108375715B (zh) | 一种配电网线路故障风险日预测方法及系统 | |
| CN111639921B (zh) | 一种基于专家系统的设备故障智判与辅助处置方法 | |
| US9043263B2 (en) | Systems and methods for control reliability operations using TMR | |
| CN108287317B (zh) | 电池功率预测模型生成方法及系统、功率预测方法及系统 | |
| CN110320893B (zh) | 一种基于rcm的火电机组设备检修方法 | |
| CN101859409A (zh) | 基于风险评估的输变电设备状态检修体系 | |
| CN110046182A (zh) | 一种巨型水电厂智能报警阈值设置方法及系统 | |
| CN107256449A (zh) | 一种智能变电站继电保护装置状态评价与评估方法 | |
| CN113077075B (zh) | 新能源不确定性电力系统安全风险预防控制方法及装置 | |
| CN112383045B (zh) | 新能源发电不确定性的暂态稳定越限概率计算方法和装置 | |
| KR20150116966A (ko) | 용수량 수요 예측 장치 | |
| CN116424096B (zh) | 资源动态优化配置的新能源汽车电池采集总成方法及系统 | |
| CN115760068A (zh) | 一种轨道交通工具的机电设备维修方法及系统 | |
| CN114243702A (zh) | 一种电网avc系统运行参数的预测方法、系统及存储介质 | |
| CN116316613A (zh) | 电力设备运行监测方法、系统、电子设备及存储介质 | |
| CN114037194B (zh) | 基于机器学习的水电厂发电负荷预测系统及方法 | |
| CN117374978B (zh) | 结合知识图谱构建的并网调度管理方法及系统 | |
| CN111080472A (zh) | 一种电力系统负荷预测和分析方法 | |
| CN109961160B (zh) | 一种基于潮流参数的电网未来运行趋势预估方法及系统 | |
| CN114529166A (zh) | 一种配电网运行安全风险预警方法及系统 | |
| JPH0877211A (ja) | プラントの保全支援装置 | |
| CN112734141B (zh) | 一种多元化负荷区间预测方法及装置 | |
| CN102592004A (zh) | 钢铁联合企业全工序能况在线分析诊断系统及方法 |
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 |