CN117425831A - 用于分析警报以解决电气系统问题的系统和方法 - Google Patents
用于分析警报以解决电气系统问题的系统和方法 Download PDFInfo
- Publication number
- CN117425831A CN117425831A CN202280038639.1A CN202280038639A CN117425831A CN 117425831 A CN117425831 A CN 117425831A CN 202280038639 A CN202280038639 A CN 202280038639A CN 117425831 A CN117425831 A CN 117425831A
- Authority
- CN
- China
- Prior art keywords
- alarm
- identified
- event
- alarms
- events
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 360
- 238000004458 analytical method Methods 0.000 claims abstract description 172
- 230000009471 action Effects 0.000 claims description 170
- 230000000116 mitigating effect Effects 0.000 claims description 89
- 238000005259 measurement Methods 0.000 claims description 65
- 230000004044 response Effects 0.000 claims description 57
- 238000005067 remediation Methods 0.000 claims description 50
- 230000001960 triggered effect Effects 0.000 claims description 42
- 208000024891 symptom Diseases 0.000 claims description 29
- 230000008901 benefit Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 23
- 238000007726 management method Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 16
- 238000013459 approach Methods 0.000 claims description 11
- 230000002776 aggregation Effects 0.000 claims description 9
- 238000004220 aggregation Methods 0.000 claims description 9
- 238000012913 prioritisation Methods 0.000 claims description 8
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 83
- 238000004519 manufacturing process Methods 0.000 abstract description 35
- 239000004065 semiconductor Substances 0.000 abstract description 9
- 235000013361 beverage Nutrition 0.000 abstract description 7
- 235000013305 food Nutrition 0.000 abstract description 7
- 230000006399 behavior Effects 0.000 description 272
- 230000000694 effects Effects 0.000 description 39
- 238000004422 calculation algorithm Methods 0.000 description 38
- 230000036541 health Effects 0.000 description 30
- 230000008859 change Effects 0.000 description 22
- 238000004891 communication Methods 0.000 description 22
- 230000000246 remedial effect Effects 0.000 description 21
- 230000001052 transient effect Effects 0.000 description 17
- 238000012800 visualization Methods 0.000 description 17
- 238000010801 machine learning Methods 0.000 description 16
- 238000012423 maintenance Methods 0.000 description 16
- 230000009257 reactivity Effects 0.000 description 15
- 238000011144 upstream manufacturing Methods 0.000 description 15
- 239000003990 capacitor Substances 0.000 description 14
- 230000007704 transition Effects 0.000 description 14
- 206010044565 Tremor Diseases 0.000 description 13
- 230000002159 abnormal effect Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 238000011084 recovery Methods 0.000 description 11
- 230000002829 reductive effect Effects 0.000 description 11
- 229920000181 Ethylene propylene rubber Polymers 0.000 description 10
- 238000009826 distribution Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 9
- 238000009434 installation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000003921 oil Substances 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 7
- 230000007774 longterm Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 230000001965 increasing effect Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 230000001627 detrimental effect Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 230000002411 adverse Effects 0.000 description 4
- 230000001427 coherent effect Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000001976 improved effect Effects 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 230000000153 supplemental effect Effects 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 230000002045 lasting effect Effects 0.000 description 3
- 230000007257 malfunction Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000013024 troubleshooting Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000006424 Flood reaction Methods 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000012047 cause and effect analysis Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010616 electrical installation Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000013450 outlier detection Methods 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 206010002198 Anaphylactic reaction Diseases 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 235000012571 Ficus glomerata Nutrition 0.000 description 1
- 244000153665 Ficus glomerata Species 0.000 description 1
- 206010063493 Premature ageing Diseases 0.000 description 1
- 208000032038 Premature aging Diseases 0.000 description 1
- 108091081062 Repeated sequence (DNA) Proteins 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000000172 allergic effect Effects 0.000 description 1
- 230000036783 anaphylactic response Effects 0.000 description 1
- 208000003455 anaphylaxis Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 208000010668 atopic eczema Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010225 co-occurrence analysis Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000002939 deleterious effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000000803 paradoxical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
- -1 time Substances 0.000 description 1
- 235000012431 wafers Nutrition 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本文描述的是与提供电气系统分析相关的系统和方法。电气系统可以与例如至少一个负载、过程、建筑物、设施、船只、飞机或其他类型的结构相关联。此外，电气系统可以与一个或多个细分市场(例如，客户细分市场)相关联，例如，零售、办公室，半导体晶圆厂、汽车制造厂、酒店、医院、数据中心、食品和饮料、石油和天然气。
Description
相关申请的交叉引用
本申请要求于2021年3月31日提交的美国临时申请第63/168,517号、于2021年4月15日提交的美国临时申请第63/175,274号以及于2021年12月9日提交的美国临时申请第63/287,835号的权益和优先权，这些申请是根据35U.S.C§119(e)提交的，并且通过引用以其整体并入本文。
技术领域
本公开总体上涉及电气系统，并且更具体地，涉及与分析警报以解决电气系统问题有关的系统和方法。
背景技术
不断变化的能源世界使得优化电力可靠性、能源成本和操作效率越来越具有挑战性，例如在关键电力环境(例如医院、数据中心、机场和制造设施)中。由于增加的电子控制设备，公用电网变得更加动态，并且设施配电系统变得更加复杂并且对电能质量问题敏感，威胁网络稳定性。竞争压力和环境法规正在推动对能源效率和商业可持续性的期望比以往任何时候都要高。解决这些挑战需要专门设计的新的数字工具，以便能够更快地响应与电气/电力系统可靠性和操作稳定性相关的机会和风险。
电力质量问题是意外业务停机和设备故障/损坏/失灵的主要原因。可能归因于电力质量问题的对设备的有害影响的示例包括设备部件(例如，马达、电容器、电缆、变压器等)的过热、加速的磨损、设备部件的过早老化、故障和误操作以及错误的断路器或继电器操作。
由电力质量问题产生的经济影响可以包括增加的能源账单、额外的财务处罚(例如，由于电能中断而导致的处罚)以及对环境的潜在有害影响(例如，增加的碳足迹)。电力质量问题还可能不利地导致增加的需求电费、增加的电气/电力系统损耗以及电压降的增加。受电力质量问题影响的区域的三个示例包括：正常运行时间、资产状况和能效。例如，系统正常运行时间可能受到由于电压下降、中断和/或欠压/过压状况而无意中从服务中移除的电气安装的影响。此外，由谐波、电压膨胀或瞬变引起的电路的有害跳闸也可能导致减少的正常运行时间。资产和基础设施(例如，电缆、变压器、电容器组等)可能受到电力质量问题和相关联的状况的不利影响。例如，设备过热、设计特性的意外变化和/或降低的使用寿命仅仅是由电力质量异常引起的几个问题。最后，能量的有效使用也受到电力质量问题的影响。
根据具体示例，电容器组可能受到被表征为电压和/或电流信号的稳态失真的电力质量问题(例如，谐波)的影响。来自电弧炉(EAF)、电气化铁路系统、基于晶闸管的电压和频率改变设备的非线性电力负载已经成为电网中重要的谐波产生源。这些技术将大量谐波电流注入到电气系统中，导致电网中的源电压失真。谐波可以以多种方式不利地影响电容器组的正常操作(例如，增加功率损耗、产生谐波谐振、增加谐波电流、导致熔断器失效、以及通过额外的加热降低电容器组的使用寿命)。许多上述事件将生成事件数据和警报数据。
发明内容
本文描述的是与提供电气系统分析有关的系统和方法。例如，电气系统可以与至少一个负载、过程、建筑物、设施、船只、飞机或其他类型的结构相关联。另外，电气系统可以与一个或多个部分(例如，客户细分)相关联，例如，零售店、办公室、半导体工厂、汽车制造设施、酒店、医院、数据中心、食品和饮料以及石油和天然气等。
众所周知，电气系统分析可能非常耗时，并且通常基于固定阈值和商业智能(例如，数据立方体、使专家用户接入事件和警报数据、导航、选择、过滤、组合、聚合结果或放大细节的工具)。现有的工具和技术通常需要专家用户进行动手调查。为了能够分析所有细节，需要大量的努力和时间来筛选所有数据并识别相关信息。如已知的，电气系统分析需要对应用领域和专业知识的相当多的理解以识别和分析解决问题、对场地/部分/建筑物的背景的理解以及对驱动负载和过程的良好理解。
现有技术要求系统操作员评估警报、事件传播、警报滋扰行为、警报模式识别、重合波形信息、负载影响、事件源位置、相关事件分析、历史警报数据分析以避免过焦、空间环境等。简而言之，评估警报可能是压倒性的；然而，不评估警报可能是有风险且昂贵的。警报分析是耗时的，并且除了支持现场的操作之外还需要额外的时间(例如，电力系统工程师指出，在数据中心发生重大问题之后，可能需要他们长达3周来进行事后警报分析，以确保事件的所有潜在原因被识别。检查缓解解决方案的鲁棒性和覆盖范围也是重要的，这可能潜在地影响电气系统的设计(并且可能改变未来实施的解决方案的规范以避免重复事件)。
警报可以是快速识别问题使得正常运行时间被改善的有力工具。然而，即使对于有经验的终端用户，警报也可能是令人不安的、不及时的和压倒性的，特别是在较大的系统中。一些事件产生不同类型的警报(例如，PQ事件、过流、通信错误等)，这可能加剧混淆和不明确性，导致错误，并浪费时间和/或资源。具有讽刺意味的是(并且可能更重要的是)，警报可能导致终端用户忽视电力监测系统(EPMS)提供的价值和信息，因为终端用户可能不知道警报如何相互关联。与理解警报数据的重要性相关联的线索通常分布在多个源、多个警报类型和/或时间范围内。由于源自终端用户的电气系统的警报的体积、复杂性和潜在重要性，对它们的相关性的牢固理解对于从EPMS获得最大益处是必不可少的。并且这可能成为不久的将来的主要障碍，因为合格的电力系统工程师离开了劳动力并且可用的专业知识变得稀缺。
在此，为简单起见，术语EPMS还用于指监测和控制系统(MCS)、功率监测系统(PMS)或测量、导出、控制和/或提供/报告关于电气系统的信息的任何其它系统。监督控制和数据采集(SCADA)系统(例如，电力SCADA、制造SCADA)、建筑物管理系统(BMS)、可编程逻辑控制器(PLC)、输入/输出系统和设备和/或能够进行监测、测量、导出、收集、处理、产生、分析、警告、通信、显示、报告、存储和/或与设施的(一个或多个)公用设施系统(例如，WAGES：水、空气、气体、电、蒸汽)相关联或其一部分的任何其他动作和/或过程中的至少一个的任何其他系统或系统和/或设备的组合可以被认为与该应用相关。另外，诊断系统在本文中用作EPMS的一部分或子集，用于识别、分析、确定、查明、学习、教导、提供、受益和/或以其他方式评估数据，以获得对一个或多个数据含义的更好理解。
警报分析和识别电气系统内发生的异常状况的一个目标是提出和优化缓解动作。这需要对客户细分、与电力事件相关(或可能受电力事件影响)的负载类型以及特定负载对客户过程或建筑物功能的关键性的良好理解。因此，对现场和客户系统的深入理解是成功分析警报、确定异常状况的原因以及定义、选择和/或优先化潜在解决方案和缓解的基本要素。
从下面的讨论中可以理解，所公开的系统和方法自动检查大量数据，以更快地识别和解决EPMS(或其它来源)、电气系统和/或设备问题。它们区分噪声(警报滋扰行为)和相关信号/数据。它们识别可能的滋扰来源(例如，丢失事件和警报加时间戳的数据)，并使EPMS(或其他来源)能够通过利用其他可用数据和专业知识来校正某些类型的丢失数据(例如，部分地校正丢失数据)。该系统和方法自动处理所有可用数据，降低了在分析中忽略重要数据或导出信息的风险，如在设定的时间约束内操作的人类专家可能发生的。另外，所公开的系统和方法提供了对分析中的潜在影响和原因(来源位置)的指导，并基于部分背景(例如，数据中心vs.工业vs.办公室等)、负载类型(例如，电机、汽车工业过程、HVAC、照明、IT机架等)以及其他库和设置提供推荐。
除了上述益处之外，将容易理解的是，存在与所公开的系统和方法相关联的许多其它益处。例如，如将从以下在本公开的发明内容和具体实施方式部分中的讨论中进一步理解的，所公开的系统和方法能够：
-简化客户故障排除以更快地缓解或解决问题，
-减少数据混乱以减少客户混淆，
-自动化事件分析以减少客户错误和遗漏，
-对事件进行优先级排序，以帮助客户聚焦于最重要的问题，
-使能诸如原因分析、问题定位、影响、长期问题、改进机会等的服务，以及
-提供基于客户类型/细分的自定义事件分析。
在本公开的一个方面，提供了与减少电气系统中的警报滋扰行为相关的系统和方法。一种用于减少电气系统中的警报滋扰行为的方法可以包括，例如，处理来自或源自由电气系统中的至少一个智能电子设备(IED)捕获或导出的能量相关信号的电气测量数据，以识别电气系统中的事件(例如，功率事件)、以及响应于电气系统中(或与电气系统相关)的识别的事件和/或其它事件(例如，除了识别的功率事件之外的事件，诸如HVAC控制改变或制造SCADA过程控制动作或检测到的负载状态改变)而触发的警报。可以聚合至少与识别的事件和识别的警报相关的信息，以及可以分析(例如，自动地和/或动态地分析)所聚合的信息以识别至少一个警报滋扰行为。在一些实施例中，可基于(或响应于)至少一个识别的警报滋扰行为来采取或执行至少一个动作。例如，可以识别用于解决至少一个识别的警报滋扰行为的至少一个潜在缓解或补救，以及可以选择和推荐至少一个潜在缓解或补救中的一个或多个(例如，基于与电气系统相关联的特定用户和/或客户细分类型)。
根据本公开的一些实施例，聚合的信息包括来自以下各项中的至少一个的信息：EPMS、SCADA系统(例如，电力SCADA、制造SCADA)、建筑物管理系统(BMS)、I/O设备和系统用户(例如，用户启动的动作)。在一些实施例中，EPMS可以包括负责捕获或导出能量相关信号的至少一个IED。
根据本公开的一些实施例，聚合的信息可被进一步分析以识别丢失的或不完整的数据(例如，由于IED失去控制功率)，以及丢失的或不完整的数据对至少一个识别的警报滋扰行为的影响。在一些实施例中，至少一个识别的警报滋扰行为是次优警报健康状况的指示。另外，在一些实施例中，基于或响应于至少一个识别的警报滋扰行为而采取或执行的至少一个动作包括用于改善警报健康状况的至少一个动作。
根据本公开的一些实施例，所述至少一个识别的警报滋扰行为包括指示至少一个预定义或规定的警报滋扰行为、用户定义的(例如，定制的)警报滋扰行为或学习到的警报滋扰行为的行为。在一些实施例中，预定义或规定的警报滋扰行为至少部分地基于良好的工程实践、在美国国家标准协会(ANSI)/国际自动化协会(ISA)18.2警报“审计和哲学循环”(A、B、C、D、H、I、J)的典型步骤之一期间或在现场的调试时定义的阈值(在没有诸如由ISA18.2推荐的正式过程的情况下，这可以等同于步骤A至E)或规定的阈值(例如，诸如当在不同的新项目或过程的更新中构建数据中心时，重新实现在先前安装中使用和测试的规定的阈值)来定义。另外，在一些实施例中，学习到的警报滋扰行为是从对从以下中的至少一个接收的数据的分析中学习的：系统用户、以及I/O系统和IED(或其他来源)。在一些实施例中，至少一个预定义或规定的警报滋扰行为、用户定义的警报滋扰行为或学习到的警报滋扰行为至少部分地基于客户细分类型或负载类型。
根据本公开的一些实施例，基于或响应于至少一个识别的警报滋扰行为而采取或执行的至少一个动作包括表征和/或量化至少一个识别的警报滋扰行为。在一些实施例中，表征包括将至少一个识别的警报滋扰行为分组成多个预定义或规定的警报滋扰行为、多个用户定义的警报滋扰行为或多个学习到的警报滋扰行为中的一个或多个。多个预定义或规定的警报滋扰行为、多个用户定义的警报滋扰行为或多个学习到的警报滋扰行为可以包括例如以下中的至少一个：陈旧警报滋扰行为、颤动警报滋扰行为、短暂警报滋扰行为和洪水警报滋扰行为。在一些实施例中，响应于确定至少一个识别的警报滋扰行为满足与多个预定义或规定的警报滋扰行为、多个用户定义的警报滋扰行为或多个学习到的警报滋扰行为中的一个或多个相关联的预定义的、规定的、用户定义的或学习到的(滋扰问题的验证)阈值，将至少一个识别的警报滋扰行为分组成多个预定义或规定的警报滋扰行为、多个用户定义的警报滋扰行为或多个学习到的警报滋扰行为中的一个或多个。
根据本公开的一些实施例，在表征和/或量化至少一个识别的警报滋扰行为之前，预处理与至少一个识别的警报滋扰行为相关的信息。在一些实施例中，预处理包括识别、过滤和/或校正与至少一个识别的警报滋扰行为相关的信息中的错误。错误可以基于例如不正确或不完整的数据(例如，不正确的时间戳)。
根据本公开的一些实施例，可以确定所述至少一个识别的警报滋扰行为是否满足规定条件。在一些实施例中，规定条件包括在给定分析周期内至少一个识别的警报滋扰行为的最小出现量，用于出于未来分析的目的将至少一个识别的警报滋扰行为视为滋扰行为。在一些实施例中，响应于至少一个识别的警报滋扰行为不满足规定条件，可从包括至少一个识别的警报滋扰行为的数据集、处理步骤、图形呈现或报告中过滤或移除至少一个识别的警报滋扰行为。
根据本公开的一些实施例，可以将与表征和/或量化的至少一个识别的警报滋扰行为相关的信息附加到与识别的警报相关联的时间序列信息。附加信息可以包括例如与识别的警报的(一个或多个)发生时间、识别的警报的(一个或多个)发生频率、识别的警报的(一个或多个)持续时间、识别的警报的(一个或多个)幅度、识别的警报的(一个或多个)严重性、识别的警报的(一个或多个)位置、识别的警报的组或簇等有关的信息。
还提供了用于减少电气系统中的警报滋扰行为的系统。在一个方面，一种用于减少电气系统中的警报滋扰行为的系统包括至少一个处理器和耦合到所述至少一个处理器的至少一个存储器设备。至少一个处理器和至少一个存储器设备可以被配置成处理来自或源自由电气系统中的至少IED捕获或导出的能量相关信号的电气测量数据，以识别电气系统中的事件，以及响应于识别的事件和/或电气系统中或与电气系统相关的其他事件而触发的警报。可以聚合与至少识别的事件和识别的警报相关的信息，并且可以分析(例如，自动地和/或动态地分析)所聚合的信息以识别至少一个警报滋扰行为。在一些实施例中，可基于或响应于至少一个识别的警报滋扰行为来采取或执行至少一个动作。根据本公开的一些实施例，该系统对应于、包括EPMS或是EPMS的一部分。
如将从本公开的具体实施方式部分中的讨论中进一步理解的，用于减少电气系统中的警报滋扰行为的所公开的系统和方法自动检查大量数据以更快速地识别和解决系统和/或设备问题。这包括不同的滋扰行为，诸如颤动警报、短暂警报和洪水时段。本发明还识别并提出自动校正丢失事件及其时间戳，所述丢失事件及其时间戳产生可能使警报分析和可视化模糊的滋扰行为。
重要的是要注意，ANSI/ISA 18.2明确地从其范围中排除了如何识别警报滋扰行为、警报滋扰行为的潜在原因、如何减少警报滋扰行为等的任何方法或任何操作定义。更具体地，该标准不定义或不要求用于警报识别的任何特定方法。相反，标准(例如，在标准的第8.2节中)指示可以通过各种良好的工程实践或监管要求来识别警报。关于警报类型(例如，标准的第10.4节)，标准指示应当基于工程判断仔细选择警报类型。某些类型，例如变化率、偏差、不良测量和控制器输出警报，如果它们未正确应用，则可能是滋扰警报的来源。因此，所公开的用于减少警报滋扰行为的系统和方法的目的是提供用于识别警报滋扰行为、警报滋扰行为的原因的技术，以及用于减少警报滋扰行为等的技术，使得可以在电气系统应用中从ANSI/ISA 18.2实现更清楚和更有价值。
所公开的用于减少电气系统中的警报滋扰行为的系统和方法的其它示例性益处包括：
·减少数据杂波和滋扰信息，以优化处理、通信和存储要求，
·简化了客户评估和问题解决方案，
·最小化客户所需的专业知识，
·自动化警报分析以减少客户错误和遗漏，
·通过节省时间、提高效率和洞察力来提高EPMS的价值，以及
·利用客户细分和负载类型进行独特且集中的评估。
本文还提供了与分析警报以表征电气系统问题有关的系统和方法。在一个方面中，一种用于表征电气系统问题的警报的方法包括处理来自或源自由电气系统中的至少一个IED捕获或导出的能量相关信号的电气测量数据，以识别电气系统中的事件(例如，功率事件)，以及响应于识别的事件而触发的警报。可以聚合与至少识别的事件和/或识别的警报相关的信息，并且可以分析(例如，自动或动态地分析)聚合的信息以确定与电气系统相关联的问题，以及与电气系统相关联的问题的起源(例如，时间、位置)、来源(例如，过程、特定负载)、原因(例如，过程或负载正在做的事情，诸如过程中的电动机启动)、转变/演变(例如，随时间的变化)和/或相互关系。与电气系统相关联的(一个或多个)问题可能例如导致电气系统的不令人满意的操作。
根据本公开的一些实施例，聚合的信息包括来自以下至少一个的信息：EPMS(或其它源)、SCADA系统(例如，电力SCADA、制造SCADA)、建筑物管理系统(BMS)、I/O设备和系统用户(例如，用户启动的动作)。在一些实施例中，EPMS(或其他来源)可以包括负责捕获或导出能量相关信号的至少一个IED。在一些实施例中，例如，可以进一步分析聚合的信息以确定与EPM相关联的问题。与EPMS相关联的问题可以包括例如与EPMS相关联的问题未检测到或未充分检测到电气系统中存在的问题。在一些实施例中，可以通过修改EPMS(或其他来源)内相关联的一个或多个设置来解决与EPMS相关联的问题。应当理解，如本领域普通技术人员将理解的，可以以各种其他方式解决与EPMS相关联的问题。
根据本公开的一些实施例，电气系统中存在的问题指示电气系统的健康状况。电气系统的健康状况可以对应于例如电气系统(或子部件，诸如负载/设备、基础设施等)的状况或电气系统按预期执行或操作的能力。根据本公开的一些实施例，电气系统的健康状况与电气系统的警报健康状况相关，并且电气系统的警报健康状况可以指示电气系统的健康状况。电气系统的警报健康状况可以例如至少部分地基于对以下中的至少一个的分析来确定：识别的警报的数量、类型、行为、影响、严重性、广度和位置。
根据本公开的一些实施例，可以确定识别的警报和/或与识别的警报相关联的警报周期对电气系统的影响。另外，可以提供可行动的推荐以减少或消除问题的原因和识别的警报和/或与识别的警报相关联的警报时段的测量影响。根据本公开的一些实施例，可行动推荐基于分部类型(例如，零售、办公室、酒店、医院、数据中心、食品和饮料以及石油和天然气)、负载类型和/或客户配置和/或确定的偏好。
根据本公开的一些实施例，可以相应地传送与识别的警报相关的相关信息。相关信息可以例如提供对以下各项中的一项或多项的实时感知：警报健康状况、(一个或多个)警报配置、警报操作、(一个或多个)警报源、警报影响、警报不存在和最近的警报活动。相关信息可以例如被提供在警报数据仪表板、报告、文本、电子邮件、可听通信和/或另一警报上。在一些情况下，警报数据仪表板可以是可定制的和可配置的(例如，基于用户细分和/或响应于用户输入)。另外，警报数据仪表板的一个或多个方面可以是用户可选择的，并且能够响应于警报数据仪表板上的一个或多个用户动作(例如，点击、手势或其他交互)而提供进一步的见解和分析。例如，可以向以下中的至少一个提供通信：终端用户、设备制造商、服务团队、其他感兴趣的个人或方(例如，感兴趣的个人或方提供用户动作)和/或库。
根据本公开的一些实施例，可以分析识别的事件和/或识别的警报以识别识别的事件和/或识别的警报的共现组，以及识别的识别的事件和/或识别的警报的共现组的重现。根据本公开的一些实施例，与识别的事件和/或识别的警报的识别的共现组有关的信息可以被包括在用于确定电气系统中是否存在问题或可能问题以及导致电气系统的次优操作的问题的来源或原因的聚合的信息中。
根据本公开的一些实施例，识别的事件可以包括电力质量事件和/或能够触发保护装置(例如，保护继电器)的事件。电力质量事件可以例如指示电气系统中的电能质量问题。
根据本公开的一些实施例，基于细分类型(例如，零售、办公室、旅馆、医院、数据中心、食品和饮料以及石油和天然气)(即，电气系统问题对于每个现场/客户应用是动态的)和/或负载类型，信息被聚合，和/或电气系统中存在的问题被确定。另外，根据本公开的一些实施例，利用聚合的信息来分析与影响和位置有关的信息，以确定问题是否与电气系统相关联，以及与电气系统相关联的问题的起源、来源、原因、转变/演变和/或相互关系。
根据本公开的一些实施例，在识别与电气系统相关联的问题的起源、来源、原因、转变/演变和/或相互关系之后，可以采取一个或多个动作来增加或改进电气系统的操作。一个或多个动作可以包括例如对一个或多个警报参数或阈值的调整。在一些实施例中，这些动作由与电气系统相关联的控制系统自动执行。例如，控制系统可以通信地耦合到负责捕获或导出能量相关信号的至少一个IED，和/或耦合到基于云的系统、现场/边缘软件、网关和与电气系统相关联的其他头端系统。
还提供了用于分析警报以表征电气系统问题的系统。在一个方面，一种用于分析警报以表征电气系统问题的系统包括至少一个处理器和设备耦合到至少一个处理器的至少一个存储器。处理器的至少一个设备和至少一个存储器可以配置成处理来自或源自由电气系统中的至少一个IED捕获或导出的能量相关信号的电气测量数据，以识别电气系统中的事件(例如，功率事件)和响应于识别的事件而触发的警报。可以聚合与至少识别的事件和/或识别的警报相关的信息，并且可以分析聚合的信息以确定与电气系统相关联的问题以及与电气系统相关联的问题的起源、来源、原因、转变/演变和/或相互关系。
如将从本公开的具体实施方式部分中的讨论中进一步理解的，用于分析警报以表征电气系统问题的所公开的系统和方法分析警报数据以确定警报、系统影响、空间环境、段类型和/或负载类型的相互关系，从而确定电气事件的范围和影响。(终端用户的电气系统及其EPM两者的)上下文数据可用于确定与警报数据相关联的事件的历史、同时和潜在未来影响。在分析中提供了关于可能的影响和原因(源位置)的指导。另外，可以基于细分(数据中心vs.工业vs.办公室)及其相应的典型负载(电机、汽车工业过程、HVAC、照明、IT机架等)和设置来提供推荐。
由于每个能量消费者在其能量使用方面是唯一的，因此多个警报的优先级、阈值和/或合并也可以是独特的。所公开的用于分析警报以表征电气系统问题的系统和方法自动处理警报以简化来自EPM的指示，这提高了终端用户及时响应的能力。其目的是利用终端用户的市场细分/类型来通过警报对特定客户的能量细分的重要性来评估警报。例如，在一个市场细分/类型(例如，半导体工厂、数据中心等)中经历电压骤降事件可能比在第二市场细分/类型(例如，商业办公楼等)中对操作具有更有害的影响。另外，一个市场细分/类型中的事件的时间(例如，白天、晚上等)可能比另一个市场细分/类型更有害。所公开的用于分析警报以表征电气系统问题的系统和方法有助于警报数据的合并，以帮助终端用户识别用于故障排除的问题并提供因果分析。
所公开的用于分析警报以表征电气系统问题的系统和方法的示例益处包括：
·简化客户故障排除以更快地识别问题，
·最小化来自警报数据的“误报”以减少客户混淆，
·自动化事件分析以减少客户错误和遗漏，
·优先化警报以便于关注最重要的电气问题，
·启用诸如原因分析、问题定位、影响和效果、长期问题等新服务，以及
·利用客户细分/类型进行自定义事件分析。
本文还提供了与分析警报以解决电气系统问题有关的系统和方法。在一个方面中，一种用于警报以解决电气系统问题的方法包括处理来自或源自由电气系统中的至少一个IED捕获或导出的能量相关信号的电气测量数据，以识别以下中的至少一个：电气系统中的(一个或多个)事件(例如，功率事件)、响应于识别的(一个或多个)事件而触发的(一个或多个)警报、以及识别的(一个或多个)事件和/或识别的(一个或多个)警报的(一个或多个)原因和/或(一个或多个)来源。可以聚合与以下中的至少一个相关的信息：识别的事件、识别的警报和/或识别的事件和/或识别的警报的识别的原因和/或起源，并且可以分析聚合的信息以识别缓解和/或补救机会和技术，以解决以下中的至少一个：事件症状、警报来源和识别的事件和/或识别的警报的识别的原因/起源。
识别的缓解和/或补救机会和技术可以包括例如对与电气系统相关联的EPMS的操作、设备类型和方面中的至少一个的推荐改变，以改进电气系统或EPMS的特性、参数、性质和属性中的至少一个。根据本公开的一些实施例，基于对聚合的信息的分析，可以采取或执行至少一个动作(例如，至少一种类型的缓解和/或补救)以改进或解决以下中的至少一个：事件症状、警报源、以及识别的事件和/或识别的警报的识别的原因/来源。
根据本公开的一些实施例，事件症状、警报源以及识别的事件和/或识别的警报的识别的原因和/或起源中的至少一个的位置、事件类型、段类型、数量等中的至少一个可以用于确定所采取或执行的至少一个动作。另外，根据本公开的一些实施例，可以使用以下中的至少一个来推荐所采取或执行的至少一个动作的优先级排序：事件症状、警报源、以及识别的事件和/或识别的警报的识别的原因/起源中的至少一个的位置、事件类型、段类型、数量等。推荐的优先级排序还可以基于例如以下中的至少一个：(一个或多个)事件症状、(一个或多个)警报源、以及(一个或多个)识别的原因和/或(一个或多个)起源中的至少一个的严重性、影响和流行度。
根据本发明的一些实施例，在采取或执行所述至少一个动作之后，可评估(例如，验证和确认)所述至少一个动作的有效性(例如，在预定时间段之后)。评估可以包括分析并比较来自采取或执行至少一个动作之前的聚合的信息与来自采取或执行至少一个动作之后的聚合的信息。在采取或执行至少一个动作之前的聚合的信息可以例如从在采取或执行至少一个动作之前的第一时间由至少IED捕获或导出的能量相关信号导出。另外，可以从在采取或执行至少一个动作之后的第二时间由至少IED捕获或导出的能量相关信号导出在采取或执行至少一个动作之后的聚合的信息。
根据本公开的一些实施例，评估(例如，测量、验证和确认)量化所采取或执行的至少一个动作的有效性。响应于量化的有效性满足或超过可接受的阈值，可以确定是否需要继续采取或执行至少一个动作。另外，响应于量化的有效性不满足或超过可接受的阈值，可以确定是否需要对所采取或执行的至少一个动作进行任何调整，或者是否应该采取或执行至少一个替代动作。
根据本公开的一些实施例，可以利用与第一设施或位置相关联的段和/或负载类型信息来更有效地和/或主动地减轻/补救事件症状、警报源以及第二设施或位置处的所识别事件和/或所识别警报的所识别原因/起源。
根据本公开的一些实施例，聚合的信息包括来自以下至少一个的信息：EPMS、SCADA系统(例如，电力SCADA、制造SCADA)、建筑物管理系统(BMS)、I/O设备、系统用户(例如，用户启动的动作)和库。在一些实施例中，EPMS可以包括负责捕获或导出能量相关信号的至少一个IED。在一些实施例中，例如，可以进一步分析聚合的信息以识别和/或确定缓解/补救机会和技术/途径/方法，以解决与EPMS(或其他来源)相关联的问题。与EPMS相关联的问题可以包括例如与EPMS相关联的问题未检测到或未充分检测到电气系统中存在的问题。在一些实施例中，用于解决与EPMS相关联的问题的所识别和/或所确定的缓解/补救机会和技术/途径/方法包括改变与EPMS相关联的一个或多个设置以解决与EPMS相关联的问题。根据本公开的一些实施例，可以进一步分析聚合的信息以确定至少一个IED的数量、放置、类型和/或配置，以改善和/或增强EPMS中的警报和相关联数据的质量。
根据本公开的一些实施例，可以使用与电气系统相关联的EPMS来生成、产生或发起一个或多个警报，以指示减轻/补救事件症状、警报源以及识别的事件和/或识别的警报的原因/起源中的至少一个的机会。另外，根据本公开的一些实施例，可以使用所公开的系统和方法来规划和/或提供与减轻/补救电气系统和/或与电气系统相关联的EPMS中的问题相关联的益处(例如，货币益处)。
还提供了用于分析警报以解决电气系统问题的系统。在一个方面，一种用于分析警报以解决电气系统问题的系统包括至少一个处理器和设备耦合到至少一个处理器的至少一个存储器。至少一个处理器和至少一个存储器设备可以被配置为：处理来自或源自由电气系统中的至少一个IED捕获或导出的能量相关信号的电气测量数据，以识别以下中的至少一个：电气系统中的(一个或多个)事件(例如，功率事件)、响应于识别的(一个或多个)事件而触发的(一个或多个)警报、以及识别的(一个或多个)事件和/或识别的(一个或多个)警报的(一个或多个)原因和/或(一个或多个)来源。可以聚合与以下中的至少一个相关的信息：识别的事件、识别的警报和/或识别的事件和/或识别的警报的识别的原因和/或起源，并且可以分析聚合的信息以识别缓解和/或补救机会和技术，以解决以下中的至少一个：事件症状、警报源以及识别的事件和/或识别的警报的识别的原因和/或起源。根据本公开的一些实施例，基于对聚合的信息的分析，可以采取或执行至少一个动作以改进或解决以下中的至少一个：事件症状、警报源、以及识别的事件和/或识别的警报的识别的原因和/或来源。
如从本公开的具体实施方式部分中的讨论将进一步理解的，用于分析警报以解决电气系统问题的所公开的系统和方法的最终目的是理解在电气系统内发生的潜在异常状况并提出缓解或补救动作。警报的分析是确定异常状况的(一个或多个)原因以及如何解决/减轻/补救它的重要因素。另外，警报的分析可以帮助最终用户验证为纠正问题而采取的缓解或补救步骤的成功(或失败)，并学习如何在未来优化缓解和补救解决方案选择和实现。这些问题可能与终端用户的电气系统或甚至EPMS本身相关联的困难有关。由于源自终端用户的电气系统的警报的体积、复杂性和潜在重要性，对它们的相关性的牢固理解对于从EPMS获得最大益处是必不可少的。可以从源自终端用户的系统内的数据或从根据其他类似细分类型确定的推荐来提供分辨率。另外，警报的自动审核可以用于确定与EPMS配置和/或覆盖范围不足相关联的风险，以确保EPMS的最佳性能。可以评估和确定警报相互关系，以便于更快地理解未来事件和对未来事件的缓解/补救动作。另外，使用市场细分和/或负载信息来推荐“调谐的”警报设置。
所公开的用于分析警报以解决电气系统问题的系统和方法的示例益处包括：
·减少对客户专业知识和分析的要求，
·通过更有效和自动化的操作来改善行动时间，
·利用市场细分(及其各自的负载类型)实现警报设置和报告建议自动化，
·针对电气系统和EPMS问题提供具体的缓解建议，
·自动化缓解技术的优先级排序，
·通过报告和接口验证缓解效果，以及
·使服务能够根据需要评估和提供缓解方法。
根据本公开的一些实施例，上述系统和方法(以及本文公开的其它系统和方法)可以使用上述至少一个IED中的一个或多个IED来实现，所述IED被描述为捕获或导出能量相关信号。另外，在一些实施例中，该方法(或其部分)可以远离至少一个IED实现，例如，在诊断系统上和/或在与电气系统相关联的EPMS的其他部分上。在一些实施例中，至少一个IED可以被耦合以测量能量相关信号，在输入处从能量相关信号接收电气测量数据或从能量相关信号导出的电气测量数据，并且被配置为生成至少一个或多个输出。输出可以用于在电气系统中识别电力事件、触发其他动作和/或识别响应于识别的电力事件而触发的警报。至少一个IED的示例可以包括智能公共事业仪表、电力质量仪表和/或另一计量设备(或设备)。至少一个IED可以包括例如断路器、继电器、电力质量校正装置、不间断电源(UPS)滤波器和/或变速驱动器(VSD)。另外，在一些实施例中，至少一个IED可以包括至少一个虚拟仪表。
在一些实施例中，至少一个IED中的每个IED安装或位于电气系统中的多个计量点(例如，物理或虚拟计量点)中的相应计量点处，并且由至少一个IED中的每个IED捕获或导出的能量相关信号与相应计量点相关联。例如，至少一个负载(例如，电气装备或设备)可以安装或位于多个计量点中的每个计量点处，并且至少一个IED中的每个IED可以被配置成监测安装或位于IED安装或位于的相应计量点处的至少一个负载。在所示示例中，由至少一个IED捕获或导出的能量相关信号可以与至少一个负载相关联。
如本文所使用的，IED(例如，EPMS的一部分)是被优化以执行特定功能或功能组的计算电子设备。如上所述，IED的示例包括智能公用事业仪表、电能质量仪表和其他计量设备。IED还可嵌入变速驱动器(VSD)不间断电源(UPS)、断路器、继电器、变压器或任何其他电装置中。IED可用于在各种安装中执行监测和控制功能。安装可以包括公用设施系统、工业设施、仓库、办公楼或其他商业综合体、校园设施、计算协同定位中心、数据中心、配电网络等。例如，在IED是电力监测设备的情况下，它可以耦合到配电系统(或安装在配电系统中)，并且被配置为感测和存储数据作为表示配电系统的操作特性(例如，电压、电流、波形失真、功率等)的电气参数。这些参数和特性可以由用户分析以评估潜在的性能、可靠性或与电力质量相关的问题。IED可以至少包括控制器(其在某些IED中可以被配置为同时、串行或两者运行一个或多个应用)、固件、存储器、通信接口和连接器，所述连接器以任何电压电平、配置和/或类型(例如，AC、DC)将IED连接到外部系统、设备和/或部件。IED的监测和控制功能的至少某些方面可以体现在IED可访问的计算机程序中。
在一些实施例中，这里使用的术语“IED”可以指并行和/或串联操作的IED的分级结构。例如，IED可以对应于能量表、功率表和/或其他类型的资源表的层级。分层结构可以包括基于树的分层结构，诸如二叉树、具有从每个父节点或多个父节点下降的一个或多个子节点的树或其组合，其中每个节点表示特定IED。在一些实例中，IED的层级可共享数据或硬件资源并且可执行共享软件。
应当理解，由上述至少一个IED捕获或导出的能量相关信号可以包括例如电压信号、电流信号、输入/输出(I/O)数据和导出或提取的值中的至少一个。在一些实施例中，I/O数据包括数字信号(例如，两个离散状态)和模拟信号(例如，连续可变)中的至少一个。数字信号可以包括例如开/关状态、开/关状态、高/低状态、同步脉冲和任何其他代表性双稳态信号中的至少一个。另外，模拟信号可以包括例如温度、压力、体积、空间、速率、湿度和任何其他物理或用户/使用表示信号中的至少一个。
根据本公开的一些实施例，导出或提取的值包括来自测量电压信号和/或测量电流信号中的至少一个的计算、计算、估计、导出、开发、内插、外推、评估和以其它方式确定的附加能量相关值中的至少一个。在一些实施例中，导出值附加地或替代地包括以下中的至少一个：有功功率、视在功率、无功功率、能量、谐波失真、功率因数、谐波功率的幅度/方向、谐波电压、谐波电流、间谐波电流、间谐波电压、间谐波功率的幅度/方向、分谐波功率的幅度/方向、单相电流、相位角、阻抗、序分量、总电压谐波失真、总电流谐波失真、三相电流、相电压、线电压、频谱分析和/或其他类似/相关参数。在一些实施例中，导出值附加地或替代地包括至少一个能量相关特性，该能量相关特性包括幅度、方向、相位角、百分比、比率、水平、持续时间、相关联的频率分量、能量相关参数形状和/或衰减率。根据本公开的一些实施例，例如，导出或提取的值可以链接到至少一个进程、负载识别等。
应当理解，由至少一个IED捕获或导出的能量相关信号可以包括(或利用)从例如电压和电流信号(包括电压和电流本身)中的至少一个导出的基本上任何电气参数。还应当理解，能量相关信号可以由至少一个IED连续地或半连续地/周期性地捕获/记录和/或发送和/或记录，并且可以基于能量相关信号来检测/识别功率事件和/或警报。
在一些实施例中，从来自能量相关信号或从能量相关信号导出的电气测量数据识别功率事件包括识别功率事件的功率质量事件类型。电力质量事件类型可以包括例如以下中的至少一个：电压骤降、电压骤升、电压或电流瞬变、临时中断以及电压或电流谐波失真。应当理解，存在多种类型的电力质量事件，并且存在这些类型的电力质量事件的某些特性。根据IEEE标准1159-2019，例如，电压骤降是在0.5个周期至1分钟的持续时间内，在工频下以均方根电压或电流为单位降低到0.1至0.9每单位(pu)之间。典型值为0.1至0.9pu。另外，根据IEEE标准1159-2019，电压膨胀是在从0.5个周期到1分钟的持续时间内在功率频率下的均方根电压或电流的增加。应当理解，IEEE标准1159-2019是定义/表征电力质量事件的一个标准主体(在这种情况下为IEEE)的方式。应当理解，还存在定义电能质量类别/事件的其他标准，诸如国际电工委员会(IEC)、美国国家标准协会(ANSI)等，其可以具有不同的描述或电力质量事件类型、特性和术语。在一些实施例中，电力质量事件可以是定制的电力质量事件(例如，由用户定义或用于诸如半导体工业的分部和/或应用)。
在一些实施例中，上述系统和方法可以包括一个或多个以下特征，这些特征可以单独地或者与一些实施例中的其它特征组合。在一些实施例中，响应于电气测量数据高于一个或多个警报上限阈值或低于一个或多个警报下限阈值而触发警报中的至少一个。例如，作为一种示例类型的功率事件的异常电压状况对应于测量的IED电压高于一个或多个上限警报阈值或低于一个或多个下限警报阈值。
在一些实施例中，响应于多个电源事件，附加地或可选地触发至少一个警报。例如，可以响应于在特定时间段内发生的骤降和中断(或其他一组功率事件)而触发警报。在另一实施例中，许多警报可以在同一时间段(例如，在10分钟时间段内)或在警报共同发生的事件序列中共同发生(又名“事故”，又名“重叠事件序列(SooE)”)。在一种情况下，我们可能具有警报的短突发，其可能非常强烈但不持续。这些将被认为是“警报尖峰”。一个示例是一百二十个电压骤降警报，所有这些警报都在小于一分钟的持续时间内发生。在另一种情况下，这些压倒性警报可以被认为是“峰值时段”，其特征在于较长的持续时间。较长的持续时间可以由固定的时间段(持续时间)定义，例如，跨越三个不同的10分钟时间段，或者具有超过20分钟的持续时间。可替代地，它们可以动态地发生并且从正常持续时间段导出。例如，系统可以使用第三分位数乘以因子3的持续时间来确定“正常持续时间”，然后当事件持续时间长于“正常持续时间”时，将事件分类为峰值时段。典型的示例是持续2小时的21个电压谐波警报。
在一些实施例中，可以在聚合的信息中识别判别式特征。识别判别式特性可以包括例如识别与任何类型的事件(电力事件或如前所述的其他事件)和/或警报时段相关联的断点，对每个事件和/或警报时段建模，对每个建模的事件和/或警报时段分类，以及识别每个建模的事件和/或警报时段中的判别式特性。在一些实施例中，可以基于检测到的来自聚合的信息的相关数据的变化来识别事件和/或警报时段。例如，与事件和/或警报时段相关联的断点可以对应于将事件和/或警报时段中的一个事件和/或警报时段与下一个事件和/或警报时段分开的聚合的信息中的显著变化点。
在一些实施例中，对事件和/或警报周期中的每一个建模包括为事件和/或警报周期中的每一个确定最佳可能模型，以及基于所确定的最佳可能模型对事件和/或警报周期中的每一个建模。例如，可以通过将事件和/或警报时段的每个事件和/或警报时段与事件和/或警报时段的先前事件和/或警报时段进行比较来确定最佳可能模型。作为一个示例，可以将每个事件和/或警报时段对电气系统的影响与先前事件和/或警报时段对电气系统的影响进行比较，以确定最佳可能模型。例如，当前日期/实时数量的警报/事件可以被确定为具有比过去五年(或另一时间段)中的任何先前日期多得多的警报/事件。另外，当前日期可以被确定为具有比先前事件序列(SoE)组大十倍(或另一倍数)的SoE。两者都可以生成触发诊断报告的动作，例如，示出判别差异以帮助识别和集中于发生错误的情况，或者至少在发生错误的情况下，或者当警报/事件开始时。
在一些实施例中，每个建模的事件和/或警报周期可以基于对建模的事件和/或警报周期的分析被分类为例如稳定的、上升的或下降的。另外或可替代地，可以通过曲线拟合技术对事件和/或警报时段中的每一个进行分类，例如，使用一个或多个统计或机器学习算法来提供丰富或更精细的模型。例如，统计或机器学习算法可以对事件和/或警报时段的斜率或斜率变化进行建模。可以使用简单的中值模型(以及许多其他模型和/或建模技术)。这可以用于定义趋势和推断缓解和/或补救解决方案的优先级。
在一些实施例中，例如，可以针对与电气系统相关联的过程或应用来确定识别的判别特性中的每一个的相对关键性分数。在一些实施例中，可以针对特定时间段确定相对关键性分数。例如，特定时间段可以与事件时段和/或警报时段中的一个或多个相关联。在一些实施例中，相对关键性分数基于识别的判别特性在特定时间段内对过程或应用程序的影响。作为一个示例，识别的判别式特性对过程或应用的影响可以涉及与识别的判别式特性相关联的有形或无形成本。在一些实施例中，相对关键性分数可以用于优先响应识别的警报。在另一实施例中，可以基于针对场地的给定分段、应用、过程、建筑物或当前负载类型的风险和/或测量的影响和/或可能或可能的影响评估来确定相对关键性分数。
在一些实施例中，利用从与能量相关信号相关联的波形捕获导出的正常行为简档来丰富识别的事件和/或识别的警报，然后例如使用正常操作的波形捕获(不是由于异常状况而触发的)以及所导出的简档来用作判别维度识别和分组的比较，所导出的简档创建“正常简档”并将这些简档存储在数字存储库中。在一些实施例中，这些简档可以链接到负载接通/断开或功耗简档以及其他系统的状态变化或过程。这为当前应用提供了更完整或更精确的诊断、推荐、动作的上下文，尤其是在影响其他系统时。它还丰富了警报/事件/警报的分析和解释，因为它提供了附加的上下文信息(提供更多的含义或帮助)以识别可能或可能的来源。示例可以包括使用机器学习或其他AI算法来识别最可能的源或源的组合，以解释状态的变化或值的变化。
另外的目的和优点将部分地在下面的描述中阐述，并且部分地将从描述中显而易见，或者可以通过本公开的实践来学习。这些目的和优点中的至少一些可以通过本公开中特别指出的元件和组合来实现和获得。
应当理解，前面的一般性描述和下面的详细描述都仅仅是示例性和说明性的，而不是对所公开的本发明的限制。
附图说明
本公开的前述特征以及本公开本身可以从以下对附图的详细描述中更全面地理解，其中：
图1示出了根据本公开的实施例的示例网络系统架构；
图1A示出了根据本公开的实施例的可以在网络系统中使用的示例智能电子设备(IED)；
图1B示出了根据本公开的实施例的IED的示例配置；
图2示出了根据本公开的实施例的用于减少电气系统中的警报滋扰行为的示例方法；
图3A示出了可以根据本公开的实施例生成的聚合的信息的示例图；
图3B示出了根据本发明的实施例的颤动警报滋扰行为；
图3C示出了根据本发明的实施例的重现事件和/或警报的示例分析；
图3D示出了根据本发明的实施例的用于识别潜在警报设置改变及其对减少滋扰行为的影响的初始统计分析的示例；
图4示出了根据本发明的实施例的用于响应于识别的警报滋扰行为而分析和采取动作的示例方法；
图5示出了根据本发明的实施例的用于表征识别的警报滋扰行为的示例方法；
图6示出了根据本公开的实施例的用于分析警报以表征电气系统问题的示例方法；
图7示出了根据本公开的实施例的示例警报数据仪表板；
图8示出了根据本公开的实施例的用于分析警报以表征电气系统问题的另一示例方法；
图9示出了根据本发明的实施例的与识别压倒性时段相关的各种概念；
图9A示出了图9的第一透视图；
图9B示出了图9的第二透视图；
图9C示出了图9的第三透视图；
图10示出了根据本发明的实施例的与识别压倒性时段相关的各种概念；
图11示出了根据本公开的实施例的利用机器学习变化点识别算法的示例；
图12示出了根据本公开的实施例的用于分析警报以表征电气系统问题的另一示例方法；
图13示出了根据本公开的实施例的示例滋扰来源位置信息；
图14示出了根据本发明的实施例的示例模式；
图15A示出了根据本公开的实施例的序列分析的示例；
图15B示出了根据本公开的实施例的序列的另一个示例分析；
图16示出了根据本发明的实施例的两种类型的压倒性时段；
图17示出了根据本发明的实施例的可减少警报提供的益处的若干示例条件；
图18示出了根据本公开的实施例的用于分析警报以解决电气系统问题的示例方法；
图19示出了根据本公开的实施例的用于分析警报以解决电气系统问题的另一示例方法；以及
图20示出了根据本发明的实施例的设定点驱动警报如何与警报拾取、丢失和延迟一起起作用。
具体实施方式
现在将更具体地描述本文寻求保护的概念、系统和技术的特征和其它细节。应当理解，本文描述的任何具体实施例是通过说明的方式示出的，而不是作为对本公开和本文描述的概念的限制。在不脱离寻求保护的概念的范围的情况下，可以在各个实施例中采用本文描述的主题的特征。
参考图1，其中示出了被配置为执行智能事件和/或警报分析和管理等的示例性网络系统架构的示意图。该架构包括电气或功率监测和控制系统，在本文中称为EPMS，其包括一个或多个网络节点126以及用户设备114和116，以监测和控制设施108、110和112的装备或其他设备102、104和106。网络系统架构还包括电气或电力系统，该电气或电力系统包括(一个或多个)发电节点122，以跨公用设施的配电网络(例如，电网118和120)以及设施108、110和112向设施108、110和112供电。设施108、110和112可以是自动化工业设施或包括自动化工业设备，或者是商业建筑物或大学校园，作为许多其他设施中的一个示例。网络架构中的系统和设备可以使用局域网(LAN)、广域网(WAN)或互联网络(包括因特网)来通过通信网络124进行通信。通信网络124可以是有线和/或无线网络，其使用例如物理和/或无线数据链路来在网络节点之中(或之间)携带网络数据。
每个网络节点126可以包括计算机系统，例如智能电子设备(IED)，以感测、监测、捕获和分析电气系统上的能量相关数据。根据各个实施例，IED可以捕获表示电气系统上的电压、电流、功率或其他可测量电气特性的信号波形，创建功率事件简档，执行事件分析以识别功率事件和包括响应于功率事件而触发的警报的附加信息，并且执行其他操作作为用于管理本文描述的智能警报的系统和方法的一部分。IED可以是智能设备，诸如智能功率计或其他功率设备，或者被并入到电气系统上的功率计或其他功率设备中或与其相关联。该架构可以包括多个IED，其以层级或层关系布置在电气系统上的不同上游和下游位置处(例如，如图1B所示，如下面将讨论的)，以在沿着电气系统的任何期望位置处(包括沿着电网、在公用设施和设施之间以及在设施内的位置)监测、导出或计算、分析和共享能量相关信息(例如，测量数据、导出的数据、事件数据和附加信息、事件分析的结果、事件简档等)。IED中的每一个可以安装在电气系统中的多个计量点或位置中的相应计量点或位置处(例如，如图1B中所示，如下面将讨论的)。
在一些实施例中，用户可以使用用户设备114和116中的至少一个来查看关于IED的信息(例如，IED制造、型号、类型等)和由IED收集的数据(例如，能量使用统计)。另外，在一些实施例中，用户可以使用用户设备114和116中的至少一个来配置IED。每个用户设备114和116可以包括计算设备，例如台式计算机、膝上型计算机、手持式计算机、平板计算机、智能电话等。另外，每个用户设备114和116可包括或耦接到一个或多个输入/输出设备，例如，以促进用户与IED的交互(例如，以查看关于IED的信息)。
在一些实施例中，EPMS还可以包括诊断系统125，或者经由通信网络124通信地耦合到诊断系统125。在一些实施例中，EPMS的上述IED和用户设备114和116可以直接通信地耦合到诊断系统125。在其他实施例中，IED和用户设备114和116可以例如通过中间设备(诸如云连接的集线器或网关)间接地通信地耦合到诊断系统125。云连接的集线器(或网关)可以例如向IED和用户设备114和116提供到诊断系统125的接入。
诊断系统125可以是云计算系统或云连接的计算系统的示例。在实施例中，诊断系统125可以是位于设施108、110和112中的一个或多个内的服务器，或者可以是远程定位的基于云的服务。在一些实施例中，诊断系统125可以包括与IED的计算功能组件类似的计算功能组件，但是通常可以拥有数据处理中涉及的更大量和/或更强大版本的组件，诸如处理器、存储器、存储装置、互连机构等。诊断系统125可以被配置为实现各种分析技术以识别从IED接收的测量数据中的模式，如下面进一步讨论的。本文讨论的各种分析技术还涉及执行一个或多个软件功能、算法、指令、应用和参数，这些软件功能、算法、指令、应用和参数存储在通信地耦合到诊断系统125的一个或多个存储器源上。在某些实施例中，术语“功能”、“算法”、“指令”、“应用”或“参数”还可以分别指代并行和/或串联操作的功能、算法、指令、应用或参数的层次结构。层次结构可以包括基于树的层次结构，例如二叉树，具有以下特征的树：从每个父节点下降的一个或多个子节点，或其组合，其中每个节点表示特定函数、算法、指令、应用或参数。
在实施例中，由于诊断系统125连接到云，因此它可以经由云接入附加的云连接设备或数据库(未示出)。例如，诊断系统125可以接入先前从至少一个IED接收的历史测量数据、历史电力事件和/或警报数据、或在分析从至少一个IED接收的当前测量数据时可能有用的其他数据。在实施例中，云连接的设备或数据库可以对应于与一个或多个外部数据源相关联的设备或数据库。
在实施例中，通过利用诊断系统125相对于IED的云连接性和增强的计算资源，可以在适当时对从一个或多个IED检索的数据以及对可以接收的附加数据源(例如，从电气系统中的其他设备，诸如湿度和温度传感器)执行复杂的分析。该分析可以用于动态地控制与电气系统相关联的一个或多个参数、过程、条件或设备(例如，102、104和106)。
在实施例中，参数、过程、条件或设备由EPM的一个或多个控制设备动态控制。在实施例中，控制设备可以对应于、包括或被包括在电气系统内或外部的上述IED、诊断系统和/或其他设备中的一个或多个。
应当理解，图1所示的网络架构只是许多可能适用于本文所述系统和方法的潜在网络架构中的一个示例网络架构。可以使用任何合适的网络架构，其允许EPMS的组件(例如，IED、诊断系统、用户设备等)、设备或负载、设施等之间的通信和交互，以执行本文描述的操作。例如，本文的系统和方法，包括但不限于事件(例如，电力事件)的识别和响应于事件触发的警报的识别，可以经由一个或多个网络节点通过基于云的架构来实现。
参照图1A，可适用于图1所示的网络系统架构100的示例IED 140例如包括控制器141、存储器设备142、存储装置144和接口145。IED 140还包括输入-输出(I/O)端口146、传感器147、通信模块148和用于通信地耦合两个或更多个IED部件141-148的互连机构143。
存储器设备142可以包括易失性存储器，例如DRAM或SRAM。存储器设备142可以存储在IED 140的操作期间收集的程序和数据。例如，在IED 140被配置成监测或测量与电气系统中的一个或多个设备或负载相关联的一个或多个电气参数的实施例中，存储器设备142可以存储所监测的电气参数(例如，来自由IED 140捕获或导出的能量相关信号)。
存储系统144可以包括计算机可读和可写的非易失性记录介质，例如磁盘或闪存，其中存储了定义由控制器141执行的程序或由程序处理的信息的信号。控制器141可以根据已知的计算和数据传输机制来控制存储系统144和存储器设备142之间的数据传输。在实施例中，由IED 140监测或测量的电气参数可以存储在存储系统144中。
I/O端口146可用于将负载(例如，图1A中所示的111)耦合到IED140，并且传感器147可用于监测或测量与负载相关联的电气参数。I/O端口146还可以用于将诸如传感器设备(例如，温度和/或运动传感器设备)和/或用户输入设备(例如，本地或远程计算设备)(未示出)的外部设备耦合到IED 140。I/O端口146还可以耦合到一个或多个用户输入/输出机构，例如按钮、显示器、声学设备等，以提供警报(例如，显示视觉警报，例如文本和/或稳定或闪烁的光，或者提供音频警报，例如蜂鸣声或长时间的声音)和/或允许用户与IED 140交互。
通信模块148可被配置成将IED 140耦合到一个或多个外部通信网络或设备。这些网络可以是安装有IED 140的建筑物内的专用网络，或者是诸如因特网的公共网络。在实施例中，通信模块148还可以被配置成将IED 140耦合到与包括IED 140的网络系统架构相关联的云连接的集线器或云连接的中央处理单元。
IED控制器141可以包括被配置成执行IED 140的指定功能的一个或多个处理器。处理器可以是商业上可获得的处理器，诸如可从英特尔公司获得的众所周知的PentiumTM、CoreTM或AtomTM类处理器。许多其他处理器是可用的，包括可编程逻辑控制器。IED控制器141能够执行操作系统以定义与IED 140相关联的应用能够在其上运行的计算平台。
在实施例中，由IED 140监测或测量的电气参数可以在控制器141的输入处被接收作为IED输入数据，并且控制器141可以处理测量的电气参数以在其输出处生成IED输出数据或信号。在实施例中，IED输出数据或信号可以对应于IED 140的输出。例如，可以在I/O端口146处提供IED输出数据或信号。在实施例中，IED输出数据或信号可以由诊断系统接收，例如用于进一步处理(例如，以识别电力事件，如上面结合图1简要讨论的)，和/或由IED耦合到的设备(例如，负载)接收(例如，用于控制与设备相关联的一个或多个参数，如下面将进一步讨论的)。在一个示例中，IED 140可以包括用于显示指示IED输出数据或信号的可视化的接口145。在实施例中，界面145可以对应于图形用户界面(GUI)。
IED 140的部件可通过互连机构143耦合在一起，互连机构143可包括一个或多个总线、布线或其它电气连接装置。互连机构143可以使能在IED 140的系统部件之间交换通信(例如，数据、指令等)。
应当理解，IED 140只是根据本公开的各个方面的IED的许多潜在配置之一。例如，根据本公开的实施例的IED可以包括比IED 140更多(或更少)的部件。另外，在实施例中，可以组合IED 140的一个或多个部件。例如，在实施例中，可以组合存储器142和存储装置144。
参照图1B，示出了电气系统中诸如IED 140的IED的示例配置(例如，分级配置)。如上所述，电气系统通常包括一个或多个计量点或位置。还如上所述，一个或多个IED可以(临时地或永久地)安装或定位在计量位置处，例如，以测量、保护和/或控制电气系统中的一个或多个负载。在一些情况下，IED可以是电力监测系统(EPMS)的一部分或与其相关联。例如，EPMS可以负责监测和/或控制电气系统。
所示的电气系统包括多个计量位置(这里是M1、M2、M3等)。在电气系统是“完全计量”系统的实施例中，例如，至少一个IED安装在第一计量位置M1处，至少一个IED安装在第二计量位置M2处，以此类推。连接1是电气系统中的物理点，其中能量流(由安装在M1处的至少一个IED在M1处测量)发散以向左电气系统分支(与计量位置M3、M4、M7、M8相关联)和右电气系统分支(与计量位置M2、M5、M6、M9、M10相关联)提供能量。根据本公开的一些实施例，如下面将进一步讨论的，安装在各个计量位置处的IED(这里是M1、M2、M3等)可以共享来自或源自由IED捕获或从IED导出的能量相关信号的电气测量数据。共享的电气测量数据可以用于例如识别电气系统中的功率事件，以及识别响应于识别的功率事件而触发的警报。例如，安装在计量位置M7、M8处的IED可以与安装在计量位置M3处的IED共享电气测量数据，以识别计量位置M3处的功率事件，以及识别响应于计量位置M3处的识别的功率事件而触发的警报。
在所示示例中，安装在计量位置M3处的IED被认为是安装在计量位置M7、M8处的IED的“上游”。另外，在所示示例中，安装在计量位置M7、M8处的IED被认为是相对于安装在计量位置M3处的IED的下游。如本文所使用的，术语“上游”和“下游”用于指电气系统内的电气位置。更具体地，电气位置“上游”和“下游”是相对于收集数据并提供该信息的IED的电气位置而言的。例如，在包括多个IED的电气系统中，一个或多个IED可定位(或安装)在相对于电气系统中的一个或多个其他IED上游的电气位置处，并且一个或多个IED可定位(或安装)在相对于电气系统中的一个或多个另外的IED下游的电气位置处。位于第二IED或负载上游的电路上的第一IED或负载可以例如在电气上定位成比第二IED或负载更靠近电气系统的输入或来源(例如，公用设施馈电)。相反，位于第二IED或负载下游的电路上的第一IED或负载可以在电气上定位成比另一IED更靠近电气系统的端部或终点。上述第一IED和第二IED可记录电气事件的电压和电流相位信息(例如，通过对相应信号进行采样)并将该信息通信地发送到诊断系统(例如，图1中所示的125)。EPMS然后可分析电压和电流相位信息(例如，瞬时、均方根(rms)、波形和/或其他电气特性)以确定电压事件的来源是在第一IED和/或第二IED电气耦接到电气系统(或网络)的电气上游还是电气下游，例如，以确定功率事件的方向(即，上游或下游)。
应当理解，上面讨论的IED的配置或布置只是电气系统中IED的许多潜在配置之一。
参考图2和下面的附图，示出了几个流程图(或流程图表)以说明本公开的各种方法。如在本文中可以被称为“处理块”的矩形元素(由图2中的元素205代表)可以表示计算机软件和/或IED算法指令或指令组。如在本文中可以被称为“判定块”的菱形元素表示计算机软件和/或IED算法指令或指令组，其影响由处理块表示的计算机软件和/或IED算法指令的执行。处理块和判定块可以表示由诸如数字信号处理器电路或专用集成电路(ASIC)的功能性等效电路执行的步骤。
流程图没有描述任何特定编程语言的语法。相反，流程图示出了本领域普通技术人员制造电路或生成计算机软件以执行特定装置所需的处理所需的功能信息。应当注意，未示出许多例程程序元素，诸如循环和变量的初始化以及临时变量的使用。本领域普通技术人员将理解，除非本文另有说明，否则所描述的框的特定顺序仅是说明性的并且可以变化。因此，除非另有说明，否则下面描述的框是无序的；这意味着，在可能的情况下，可以以任何方便或期望的顺序执行框，包括同时执行的顺序框，反之亦然。还应当理解，在一些实施例中，可以组合来自下面描述的流程图的各个特征。因此，除非另有说明，否则来自下面描述的流程图之一的特征可以与下面描述的流程图中的其他流程图的特征组合，例如，以捕获与提供试图受本公开保护的电气系统分析相关联的系统和方法的各种优点和方面。
用于减少电气系统中的警报滋扰行为的系统和方法
参照图2-图5，示出了涉及用于减少电气系统中的警报滋扰行为的系统和方法的示例图。根据本发明的各个方面，重要分析是警报滋扰行为识别。如本领域技术人员所知，以及使用警报工作的任何人所知，并且在专用于制造中的警报管理的美国国家标准协会(ANSI)/国际自动化协会(ISA)18.2“用于过程工业的警报系统的管理”中以高级定义描述的，可以检测警报的滋扰行为，并为正确操作进行补救。警报滋扰行为倾向于压倒用户和/或使理解和分析混乱，例如，通过在警报洪水或一些警报可能快速重新发生(颤动行为警报)或短持续时间重新发生警报(短暂)或具有长期警报(陈旧行为警报)的时段期间淹没用户和/或使理解和分析混乱。
这些滋扰行为警报变得非常“嘈杂”(例如，当用户看到数百个警报在诸如观察的一分钟内的短暂时段内到来时)，并且使得人类观察者或警报系统的任何用户越来越难以或甚至不可能辨别什么是重要的、什么是新的、什么是变化的、或者什么是共同发生的警报模式。该噪声水平甚至可能以累积的方式增加，从而降低警报系统的有效性(并且因此，警报系统的值)，因为如果先前未解决的问题没有立即或尽可能快地解决先前未解决的问题(在下一个新类型的问题出现或已知模式的再次发生之前)，则每个新问题都增加了先前未解决的问题。
所公开的系统和方法提供了用于自动滋扰分析以处理大量事件和警报数据以减少滋扰警报行为的技术，其可提供这样的警报滋扰行为的相关诊断、推荐和潜在校正动作。这又应该通过减少嘈杂行为并帮助用户关注和优先考虑需要解决的真实问题来帮助分析警报。例如，维护工程师可以使用事件和警报滋扰分析来减少在警报系统接收到信号并将其正确地存储在警报数据库中之前由于不可靠的Wi-Fi通信或网关中的电力损失而导致的事件数据的通信损失可能已经生成的陈旧警报的数量。
今天，维护工程师可能暴露于大量的警报(例如，在2秒内超过500次警报的实际情况)。使用所公开的系统和方法，可以改善操作安全性、响应时间、恢复时间和/或效率。还可以约束电力质量问题或其他不期望的状况对电气/电力系统或设施的有害影响。另外，由于更快地识别问题的原因，可以改善缓解和补救活动的质量。警报滋扰行为的这种减少可以例如帮助维护工程师正确地专注于影响分析，并减少与事件或相关事件数据和警报数据的事后分析相关联的数据混乱。
现在参考图2，流程图示出了用于减少电气系统中的警报滋扰行为的示例方法200。方法200可以例如在电气/电力系统中的至少一个IED(例如，图1A中所示的121)的处理器、电气/电力系统中的诊断系统(例如，图1中所示的125)的处理器上实现，和/或远离至少一个IED和诊断系统，例如在云计算设备上实现。例如，如上面结合图1所讨论的，可以在其上实现方法200的至少一个IED、诊断系统和/或其他设备可以被包括在电气/电力系统中的EPMS中或与之相关联。
如图2所示，方法200开始于框205，其中由电气/电力系统中的至少一个IED捕获或导出能量相关信号(或波形)。至少一个IED可以(暂时地或永久地)安装或定位在电气/电力系统中的相应计量位置处，并且能量相关信号可以与相应计量位置(或安装在相应计量位置处的一个或多个负载)相关联。在一些实施例中，相应计量位置可以是电力系统中的多个计量位置中的相应计量位置，例如，在至少一个IED包括多个IED的实施例中。在这些实施例中，能量相关信号可以由相应的多个计量位置中的每一个处的多个IED捕获或导出。例如，IED中的第一IED可以安装在或位于电力系统中的第一计量位置(例如，图1B中所示的M1)处，并且由第一IED捕获的能量相关信号可以在第一计量位置处捕获，或者从在第一计量位置处进行的测量导出。另外，IED中的第二IED可以安装在或位于电力系统中的第二计量位置(例如，图1B中所示的M2)处，并且由第二IED捕获的能量相关信号可以在第二计量位置处捕获，或者从在第二计量位置处进行的测量导出。
由至少一个IED测量或导出的能量相关信号可以包括例如以下中的至少一个：电压、电流、能量、有功功率、视在功率、无功功率、谐波电压、谐波电流、总电压谐波失真、总电流谐波失真、谐波功率、单独相电流、三相电流、相电压和线电压，作为几个示例。应当理解，可以由至少一个IED捕获或导出其他类型的能量相关信号(例如，与电气系统上的活动相关或来自EPM的警报信号或指示)。例如，在本公开的发明内容部分中讨论了能量相关信号的其他示例。
在框210处，例如，在至少一个IED上、在诊断系统上和/或远离至少一个IED和诊断系统处处理来自或源自在框205处由至少一个IED捕获或导出的能量相关信号的电气测量数据，以识别电气/电力系统中的事件。识别的事件可以与其中安装至少一个IED的计量位置、由至少一个IED监测的一个或多个负载(例如，图1中所示的102、104、106)和/或电气/电力系统的其它部分(例如，远程部分)或设备相关联。
根据本公开的一些实施例，识别的事件包括电力事件和/或能够触发保护设备(例如，保护继电器)的事件。例如，识别的事件可以包括在不同故障情况下使电机离线跳闸，所述故障情况包括：热应力、单相、接地故障/地故障、短路、锁定转子、过度占空比、轴承故障、欠压条件或谐波导致断路器离线跳闸、过电流事件等。例如，电力事件可以包括电力质量事件。在功率事件包括功率质量事件的实施例中，在框210处识别事件可以包括识别功率事件的功率质量事件类型。电力质量事件类型可以包括例如以下中的至少一个：电压骤降、电压骤升、电压或电流瞬变、临时中断、持续中断以及电压或电流谐波失真，作为几个示例。应当理解，可以识别其他类型的事件。其他类型的事件可以包括例如由制造设备经由I/O信号或SCADA系统检测和发信号通知的(一个或多个)制造过程或(一个或多个)负载相关事件、(一个或多个)HVAC相关事件，包括BMS的用户超控设置、过电流、峰值需求、低功率因数或超前功率因数、指示电气系统上的变化或与电气系统相关的(一个或多个)I/O输入。
识别事件可以附加地或可选地包括识别事件的幅度、事件的持续时间、事件在电气/电力系统中的位置和/或可能有助于识别响应于识别的事件而触发的警报(即，智能警报)的其他信息，如下面将进一步讨论的。在一些实施例中，例如，在至少一个IED包括位于电气/电力系统中的相应多个计量位置处的多个IED的实施例中，可以基于来自或源自由多个IED捕获或导出的能量相关信号的电气测量数据来确定(一个或多个)幅度、(一个或多个)持续时间、(一个或多个)位置和/或其他信息。例如，多个IED可以与多个IED中的选定IED(或EPMS)共享由多个IED捕获或导出的能量相关信号，并且共享的能量相关信号可以用于确定与识别的事件相关联的幅度、持续时间、位置和/或其他信息。这可以包括确定通过电力系统传播的事件的滋扰的不同测量水平(例如，幅度或持续时间)之间的差异，因为这可以从能量相关信号和每个IED的位置推断。在一些实施例中，由多个IED捕获或导出的能量相关信号可以存储在与多个IED相关联的存储器设备上、存储在与诊断系统相关联的存储器设备上和/或存储在另一存储器设备上，这取决于方法200的实施方式(例如，存储在至少一个IED上、存储在诊断系统上和/或存储在另一设备或系统上)。
在一个示例实施方式中，所述至少一个IED中的每个IED可以测量每相的电压和电流，并从这些电压和电流中导出附加的测量(例如频率、功率、功率因数、无功功率、电压谐波、电流谐波等)。基于这些测量的任何组合，可以检测到事件，例如，当超过阈值时(例如，当电压下降到标称电压的10％以下时检测到电压骤降)。事件生成表征事件的事件数据的集合。通常，事件将具有诸如“持续时间”或“受影响阶段”的公共数据。其他数据(例如，“幅度”、“最差阶段”、“不平衡”、“电压THD”等)可能更特定于事件的类型。
在框215处，确定是否已经、应该或应该已经响应于电气系统中或与电气系统相关联的识别的事件(例如，电力事件)而触发任何警报。在一些实施例中，可以响应于识别的事件而(例如，自动地或半自动地)触发警报。例如，由电气/电力系统中的IED监测的负载可以具有警报阈值上限和/或警报阈值下限，并且可以响应于例如在框205处由IED捕获的电压和/或电流信号高于警报阈值上限和/或低于警报阈值下限而触发警报(或多个警报)。例如，作为一种示例类型的功率事件的异常电压状况对应于测量的IED电压高于一个或多个上限警报阈值或低于一个或多个下限警报阈值。在一些实施例中，可以响应于异常电压状况而触发警报(或多个警报)。在一些实施例中，例如与异常电压状况和/或其他电力事件相关联的警报上限阈值和警报下限阈值与由电气/电力系统中的IED监测的一个或多个负载、过程和/或系统的推荐操作范围对准。
警报触发可导致电气/电力系统的一个或多个部分(例如，负载)例如由IED、诊断计算设备和/或在其上实现方法200的其它系统或设备自动控制。例如，警报触发可以导致由IED监测的负载被调整(例如，关断，或者调整一个或多个参数)。
另外或可选地，警报触发可以导致通知或警告，指示警报被发送到例如EPMS的一个或多个设备或系统。在一些实施例中，EPMS或EPMS的用户可以响应于通知或警告而采取动作(或多个动作)。示例动作可以包括控制电气/电力系统的上述一个或多个部分，或者延迟、改变顺序或甚至推迟另一系统中(例如，在电力SCADA系统中，或在建筑物管理系统中，或在制造SCADA系统中，仅是几个示例)的过程。应当理解，当然可以执行其他动作。
在一个示例实施方式中，基于检测到的事件，可以在为安装定制的相同阈值或不同阈值上触发警报。例如，一个现场、现场的一部分或甚至一个IED可以被配置为仅在电压骤降影响系统时才生成警报，从而利用负载损失值(如发明人在另一个发明中所描述的)。至少一个IED可以将事件数据发送/存储为带时间戳的事件数据。这意味着数据可以接收事件和/或警报的确切检测时间的时间戳。这可以包括事件的开始、任何显著变化或最高显著值(诸如最坏幅度)、或从“AB相电压骤降”到“AB相和AN相电压骤降”的变化、以及事件的丢失时间戳(诸如例如当所有电压电平回到+/-10％标称电压电平时)。
除了事件/警报数据之外，至少一个IED还可以捕获波形数据。这可以实现并增强事件/问题的进一步分析和可视化。另外，也可以使用恒定间隔记录的值来描述每个事件/警报的统计上下文。例如，这可以包括利用针对每个10分钟或15分钟恒定间隔捕获的测量值，诸如出于说明的目的，中值和/或平均电压电平、每相的最小和最大电压电平、均值和/或平均功率和/或最小功率和/或最大功率。应当理解，在本发明中可以捕获和利用其他数据，诸如与设备相关的数据(例如，设备设置，诸如触发事件和警报检测的阈值，无论是否捕获波形)、与电气系统和安装相关的其他数据(例如，电气单线图、描述负载、铭牌信息、基础设施设备等)、描述由IED监测的负载类型的数据(例如，照明、HVAC)、物理位置(例如，GPS坐标、地址、现场、建筑物、楼层、阻抗等)、I/O数据、PLC数据以及与过程和控制系统(例如，建筑物管理系统或制造SCADA系统)相关的数据。
在框220处，聚合选择信息。例如，在一个示例实施方式中，可以聚合与识别的事件和识别的警报有关的信息(例如，每日事件或警报的数量、时间重叠事件组的数量、对下游负载的影响等)。与识别的事件和识别的警报有关的信息可以被聚合为例如针对特定时间段或间隔的量(即，框301)，例如，如图3A中的曲线图300所示的每季度(即，框302)，如下面将进一步描述的，或者每小时、每周、每月等。附加地或替代地，可以基于事件类型、警报类型、IED类型、负载类型、计量位置、特定过程或应用的警报危害性等来聚合与识别的事件和识别的警报有关的信息。聚合的信息可以指示特定时间段内事件和/或警报发生的数量(或频率)。另外，聚合的信息可以基于事件类型、警报类型、IED类型、负载类型、(一个或多个)计量位置等来指示事件和/或警报的发生的数量(或(一个或多个)频率)。
作为一个示例，聚合的信息可以包括一天的事件和/或警报的聚合的数量(或计数)，如图3A所示。聚合的总和可以例如指示或被解释为确定事件和/或警报的数量是否在可接受的限度内。另外，在一些情况下，聚合的总和可以指示具有捕获或导出能量相关信号的至少一个IED的设施(例如，图1中所示的108、110、112)的操作者是否已经失去对设施中的警报的控制或处于失去对设施中的警报的控制的风险中(例如，由于聚合的总和高于可接受的阈值)。作为一个示例，在一天时段内数百个警报的聚合的总和可以指示设施操作员已经失去对设施的事件/警报的控制。在一些实施例中，聚合的信息(以及聚合的总和)可以存储在与至少一个IED、EPMS和/或在其上实现方法200的其他系统或设备相关联的存储器设备上。
从上面的讨论中可以明显看出，在一些实施例中，可以绘制聚合的信息，如图3A所示的曲线300所示。然而，应当理解，在一些实施例中，聚合的信息不需要被绘制或以其他方式可视化。在绘制聚合的信息的实施例中，可以例如在用户设备(例如，图1中所示的114)的显示设备和/或EPMS的另一设备或与EPMS相关联的和/或包括在发送给用户的报告和/或通知中的显示设备上呈现绘图。
图3A示出了事件和/或警报如何演变成失控并影响警报电气/电力系统的健康。例如，如图3A所示，在第一季度之前，存在几乎没有检测到任何东西的非常长的时间段；既不是事件也不是警报(这可以是刚调试现场之后的情况)。在第1季度内，可能存在警报或事件可能稀疏地出现的长时段，而10分钟时间段或甚至几天中的大多数没有事件或警报。在第2季度(和310)，系统改变。安装新负载，电力系统及其操作可以随着修改(例如，在制造工厂或其过程内、改变HVAC屋顶单元等)而演变，并且可以实现现场的扩展(例如，添加仓库、添加新过程以扩展生产能力等)，维护团队由于问题的出现或作为预防动作而进行改变。随着警报的数量开始上升(例如，警报的发生频率和数量增加)，这变得可见。
在第3季度(以及在311之后)，可以观察到用户失去对他们的警报数量的控制；数量不返回到0。这可能有许多不同的原因。例如，维护管理器或具有理解和维护电力系统的一些关键专家不再管理EPMS(例如，退休的、重新定位的、新工作)。更换可能不理解现场的负载、设备、过程、系统、EPMS等，因此可能无法很好地理解警报原因。此时，警报可能开始累积(例如，高THD可能变为新的正常，电压不平衡可能无法解决，电压骤降可能由新电机引起)，并且警报健康状况可能恶化，如框313所示。
应当理解，上面讨论的示例类型的聚合的信息(例如，事件和警报)和说明仅仅是根据本公开的实施例可以在框220处聚合的许多可能的示例类型的聚合的信息中的几种。例如，根据本公开的一些实施例，聚合的信息还可以包括来自以下中的至少一个的信息：电力监测系统(EPMS)、SCADA系统(例如，电力SCADA、制造SCADA)、建筑物管理系统(BMS)、I/O设备和系统用户(例如，用户发起的动作)。如本公开中先前指出的，在一些实例中，EPMS可以包括负责捕获或导出能量相关信号的至少一个IED(例如，在方法200的框205处)。
在框225处，分析聚合的信息以识别至少一个警报滋扰行为。更确切地说，在框225处，分析聚合的信息以大体上确定聚合的信息的一个或多个部分或细分部分是否包括指示警报滋扰行为的行为。根据本公开的一些实施例，指示警报滋扰行为的行为可包括指示至少一个预定义或规定的警报滋扰行为、用户定义的警报滋扰行为或学习到的警报滋扰行为的行为。
在本发明的一个方面中，预定义或规定的警报滋扰行为至少部分地基于良好的工程实践、在警报ISA 18.2“审计和哲学循环”(A、B、C、D、H、I、J)的典型步骤之一期间或在现场调试时(在缺乏诸如ISA 18.2推荐的正式过程的情况下，这可以等同于步骤A到E)定义的阈值或规定的阈值(例如，在新项目中建立的数据中心、过程的更新、从先前安装重新实施规定的阈值)来定义。另外，在本公开的一个方面，用户定义的警报滋扰行为是由系统用户、操作员等定义的警报滋扰行为。例如，用户可以将8小时的警报持续时间定义为在一个细分部分或特定现场中被认为是“陈旧警报”。在另一个现场中，用户可以使用24小时持续时间的警报被认为是“陈旧警报”。合理的是，在第一种情况下，可能存在3个不同的工作轮班，并且比单个轮班更长的任何警报将被认为是“陈旧警报”(即，如果在一个轮班内不可解析或未处理)。在第二种情况下，只有一个团队维护系统，因此24小时是该现场的正常工作日持续时间。此外，在本公开的一个方面中，所学习的警报滋扰行为是从以下中的至少一个学习的：系统用户以及I/O系统和设备(例如，在学习时段内)。例如，在一个应用中，EPMS的用户可以使用移动应用，该移动应用使能将警报标记为滋扰行为(例如，基于对其制造过程的理解)。然后，系统可以在显示滋扰行为的警报上的可视化中应用过滤器(在图3中在框312处示出)。
可以理解，可以利用许多变量和测量来进行学习。例如，系统可以利用“确认警报的时间”作为度量来确定何时达到洪水时段。该想法是检测阈值(例如，一个10分钟间隔内的警报数量)，之后用户不能保持先前的正常度量。例如，系统可以推断正常的“确认警报的时间”，其范围在10分钟和1小时之间。系统可以计算警报数量与确认时间之间的关系的模型(例如，利用多段回归曲线)。然后，例如，系统可以使用机器学习算法(例如，分段的R包)来检测回归线的两个分段之间的拐点。是(is)断点或拐点可用于检测洪水滋扰行为。系统可以迭代，直到警报数量的推断阈值被认为是显著和重复的。在一些实施例中，考虑到改进和进一步降级，该阈值可以是动态的。例如，还可以将阈值调整到工作班次或团队。其他可能的变量和测量可以包括时间相关的(例如，“识别问题的时间”、“定义缓解动作的时间”等)或用户定义的变量和测量(例如，用户在被警报淹没时按下按钮)。
在一些情况下，至少一个预定义或规定的警报滋扰行为、用户定义的警报滋扰行为或学习到的警报滋扰行为至少部分地基于客户类型/细分(例如，零售、办公室、旅馆、医院、数据中心、食品和饮料、石油和天然气等)。更具体地，由于每个客户类型/细分具有其自己的唯一配置、要求和约束，因此至少一个预定义或规定的警报滋扰行为、用户定义的警报滋扰行为或学习到的警报滋扰行为对于不同的客户类型/细分可能不一定相同。相反，在一些情况下，至少一个预定义或规定的警报滋扰行为、用户定义的警报滋扰行为或学习到的警报滋扰行为可能需要针对不同的客户类型/细分而被不同地校准、配置和/或学习。例如，数据中心中的反应性比办公楼中的反应性关键得多。因此，陈旧滋扰警报的持续时间在办公楼中可为24小时。相比之下，陈旧滋扰警报的持续时间在数据中心中可仅为3小时。
与识别、定义、表征、量化等至少一个警报滋扰行为有关的附加方面将从结合框230和下面的附图的讨论中进一步理解。
应当理解，在一些情况下，可进一步评估在框225处分析的信息(即，上文所论述的聚合的信息)以识别额外情况、问题、关注或条件(即，超出识别警报滋扰行为)。例如，可以分析聚合的信息以识别丢失或不完整的数据(例如，由于控制电力的IED循环)及其对至少一个识别的警报滋扰行为和/或对识别至少一个警报滋扰行为的过程的影响。举例来说，系统可运行分析以识别警报类型与针对陈旧滋扰警报的检测到的陈旧警报滋扰行为的一致性。存在不能是陈旧警报的警报类型的定义。例如，电压骤降可以被定义为1分钟的事件的最大持续时间。如果IED在最大1分钟持续时间内未检测到事件的丢失，则IED将警报类型和标签改变为另一类型的电力质量事件(例如，欠压)。由IED提供的事件类型对于检测不正确的陈旧警报滋扰行为并且实现系统补救或缓解动作(例如，在一个实施方式中过滤该陈旧警报、补充最大实际持续时间相关的结束丢失结束时间戳以提供用于补充的时间戳的数据质量置信水平)是重要的。该具体示例将在后面的部分中更详细地描述。
还应当理解，在一些情况下，在框225分析的信息可以自动或动态地(即，没有用户触发分析)、半自动地(例如，具有用户定义的触发或条件)或手动地(例如，响应于用户输入)分析，例如，基于预定义的设置或用户配置的偏好。
在框225之后，可基于或响应于至少一个识别的警报滋扰行为，在框230处采取或执行至少一个动作。例如，如下面将结合附图进一步讨论的，在一些情况下，所采取或执行的至少一个动作可以包括表征和/或量化至少一个识别的警报滋扰行为。另外，在一些情况下，所采取或执行的至少一个动作可包括改善警报健康状况的至少一个动作，例如，在至少一个识别的警报滋扰行为是次优警报健康状况的指示的实施例中。
在框230之后，或在框225之后，在框225处未检测到警报滋扰行为的情况下，所述方法可结束，返回到框205，或可采取一个或多个动作。例如，在期望连续地或半连续地或周期性地捕获能量相关信号并动态地分析这些捕获的能量相关信号以识别警报滋扰行为的实施例中，该方法可以返回到框205(例如，用于捕获和分析进一步的能量相关信号)。可替代地，在期望分析捕获的能量相关信号的单个集合的实施例中，例如，该方法可以结束或者可以采取一个或多个动作。示例动作可以包括存储、显示和/或分析先前捕获或导出的能量相关信号。可以从下面的进一步讨论中理解其他示例动作。在该方法在框230(或框225)之后结束的实施例中，例如，可以响应于用户输入和/或控制信号(例如，定时器/时钟)再次发起该方法。
应当理解，在一些实施例中，方法200可以包括一个或多个附加块。从下面的讨论中将理解所公开的发明的其他示例方面、特征和变型。
参考图4，流程图示出了用于响应于识别的警报滋扰行为来分析和采取动作的示例方法400。根据本公开的一些实施例，方法400说明了可以结合上面结合图2讨论的方法200执行的示例步骤。举例来说，在一个示例实施方式中，方法400的一个或多个步骤可对应于可在方法200的框225处识别至少一个警报滋扰行为之后在方法200的框230处执行的示例步骤。类似于方法200，方法400可以在电气/电力系统中的至少一个IED(例如，图1A中所示的121)的处理器、电气/电力系统中的诊断系统(例如，图1中所示的125)的处理器上实现，和/或远离至少一个IED和诊断系统。
如图4所示，方法400开始于框405，其中接收与至少一个识别的警报滋扰行为相关的信息。所接收的信息可包括例如与在方法200的框225处识别至少一个警报滋扰行为相关联的信息。举例来说，所接收的信息可包括来自方法200的框220的用于在框225处识别至少一个警报滋扰行为的聚合的信息(例如，事件和/或警报信息)。
在框410处，基于在框405处接收的信息来表征和/或量化至少一个识别的警报滋扰行为。
根据本发明的实施例，可根据所述至少一个识别的警报滋扰行为的检测到的滋扰行为来检测或导出各种度量。例如，可以针对至少一个IED中的每个IED以及针对每个IED检测到的每个警报类型来检测或导出度量，类似于以下示例度量：
·针对时段的警报的数量，
·发生滋扰行为时每个间隔的警报数量，
·持续时间的第80百分位数、第90百分位数、第95百分位数、第98百分位数、到下一个警报的持续时间，
·极值分布(例如，幅度、不平衡等是什么)，
·等等。
根据本发明的一些实施例，相关性取决于滋扰行为的类型和事件和/或警报类型。举例来说，在一些情况下，用于检测/识别事件(例如，在方法200的框210处)的任何测量可产生滋扰警报。因此，设置有时可能被不正确地定义，并且阈值可能太低或太高而不能捕获事件和警报，而实际上不存在事件和警报或者不起影响。这通常是知道细分和相关类型的负载有助于识别滋扰事件和/或警报的地方，因为在此现场处不存在对负载的可能影响。
与表征和/或量化至少一个识别的警报滋扰行为有关的更详细的方面将结合下面的附图(例如，图5)进一步讨论。然而，这里足以说，除了上述之外或代替上述，表征和/或量化可以包括将至少一个识别的警报滋扰行为分组成多个以下内容中的一个或多个：预定义或规定的警报滋扰行为、用户定义的警报滋扰行为或学习到的警报滋扰行为。
在框415处，在表征和/或量化至少一个识别的警报滋扰行为之后，确定至少一个识别的警报滋扰行为是否满足至少一个规定条件。更具体地，分析与至少一个识别的警报滋扰行为的表征和/或量化相关的信息，以确定至少一个识别的警报滋扰行为是否满足至少一个规定条件。规定条件可包括例如在给定分析周期内至少一个识别的警报滋扰行为的最小发生量，用于出于未来分析的目的将至少一个识别的警报滋扰行为视为滋扰行为。在一个示例实施方式中，在框415处发生的步骤包括过滤步骤。举例来说，一个简单重现(或另一选择数量的出现或重现)可不被视为滋扰行为。根据本公开的一些实施例，可从数据集中过滤或移除这种类型的行为，包括至少一个识别的警报滋扰行为。
单次发生对于陈旧警报可能是有效的。举例来说，在较长时段(例如数小时或甚至数天和数周)内存在的10个陈旧警报将变成警报(当存在时)的基线，且因此将不需要重复多次以被指定为滋扰行为。至于警报洪水，即使只有一个10分钟间隔在特定分析时段内显示洪水行为(例如，在2分钟内有550个警报命中系统)，滋扰行为也可能是有效的。一些实施方式可以认为一个洪水时段太短而不能“持久地压倒”团队。在这种情况下，系统可以采用相关性过滤器。可能的实施方式的一些示例包括：(1)需要至少3个连续的10分钟间隔来显示洪水行为，或者(2)可能需要在3个连续的10分钟间隔的滑动窗口上的复合平均警报量来声明洪水滋扰行为有效。应当理解，这些仅仅是许多可能的示例实施方式中的几个。
在框415处，如果确定至少一个识别的警报滋扰行为满足规定条件(例如上文所论述的那些条件)，那么所述方法可进行到框420。替代地，如果确定至少一个识别的警报滋扰行为不满足规定条件，则该方法可以结束或返回到框405(例如，用于处理与至少一个识别的警报滋扰行为相关的附加或新接收的信息)。
在框420处，可将与至少一个识别的滋扰行为相关的信息附加到与识别的警报(例如，在方法200的框215处识别的警报)相关联的时间序列信息。附加信息可以包括例如与识别的警报的(一个或多个)发生时间、识别的警报的(一个或多个)发生频率、识别的警报的(一个或多个)持续时间、识别的警报的(一个或多个)幅度、识别的警报的(一个或多个)严重性、识别的警报的(一个或多个)位置、识别的警报的组或簇、元数据等有关的信息。根据本公开的一些实施例，在框420处附加的信息被分层在可以在框410处标记或附加的信息之上(例如，当执行结合图5讨论的示例步骤时，如下面将进一步讨论的)。
在一个示例实施方式中，在框415处通过过滤器的事件将与滋扰数据相关联的信息附加到现有事件和/或警报数据用于稍后处理步骤。更具体地，该数据可以丰富现有的事件和/或警报数据。举例来说，其可提供要用于稍后处理步骤(例如，过滤可视化中的滋扰行为、仅对滋扰事件及/或警报采取动作，或相反地，仅对不显示任何滋扰行为的事件及/或警报采取动作)的额外新数据。可以使该数据可用或推送到警报分析系统的其他层或利用或分析任何事件和/或警报数据的任何其他系统。另外，该数据可以存储在相同的数据库中，或者附加到事件数据文件(例如，在json文件、附加json文件等内部)。它也可以以与其他事件数据类似的方式被推送和发布。
在框425处，可识别至少一个潜在滋扰补救以解决至少一个识别的警报滋扰行为，例如，基于对附加或标记到时间序列信息的信息的分析(例如，在框410和/或420处)。根据本发明的一些实施例，可从可能的滋扰补救技术、设备、建议的设置调整等的列表、库或存储库识别至少一个潜在滋扰补救。另外，根据本发明的一些实施例，所述至少一个识别的潜在滋扰补救可包括关于如何避免关于警报/事件的滋扰行为的推荐。举例来说，所述至少一个识别的潜在滋扰补救可包括时间戳校正、假陈旧警报持续时间的移除及陈旧警报的滋扰特性的可能移除。对于每个IED、给定IED的每个事件类型以及每个事件和/或警报，可以例如使用由IED提供的时间戳和持续时间来检查和验证持续时间。如果两者之间存在差异，则可以识别可能的补救动作。例如，由设备报告的持续时间可以用于替换丢失或错误的丢失/结束时间戳(例如，拾取时间戳加上由IED报告的事件持续时间以创建丢失的丢失/结束时间戳)。这可以触发警报健康状态更新，因为它指示不良事件数据质量(并且可以包括影响最终数据质量的丢失数据)。
另外，对于每个IED、给定IED的每个事件类型以及每个事件和/或警报，可以利用事件类型的最大可能或适用持续时间来评估和验证持续时间。如果从时间戳导出的持续时间超过事件类型的最大持续时间，则事件的丢失/结束时间戳和持续时间可以在系统中被标记为“质量差-错误”。这进而可以触发系统分析以识别可能的补救动作。例如，该事件类型的最大可能持续时间可以用于替换丢失或错误的丢失/结束时间戳(例如，拾取时间戳加上由IED报告的事件持续时间以创建丢失的丢失/结束时间戳)。同样，这可触发警报健康状态更新，因为它指示不良事件数据质量(并且可包括影响最终数据质量的丢失数据)。
存在几种类型的用于颤动滋扰警报行为的减轻和/或补救。可以在来源处或在每个后续层和子层(例如，预处理层、分析层和动作层，其可以根据动作的类型再次细分，诸如可视化和/或控制子层)处执行补救。现有技术的补救通常集中在来源上。第一个想法是在警报被认为有效之前利用持续时间来避免触发“持续时间非常短的事件”。可选地，另一个想法是延长持续时间以避免检测到与先前警报不同的“快速重现事件”。所提出的补救可以利用专业知识来延长开启延迟设置(即，延长事件和/或警报被触发或“开启”之前的时间)或关闭延迟设置(即，延长事件和/或警报“关闭”之前的时间)。这些补救步骤例如在ISA18.2标准中描述，并且例如应用于诸如石油和天然气的部门中。
应当理解，这些类型的补救的主要缺点是它们降低了检测事件发生及其在每次发生内的相关细节的能力，导致信息丢失。例如，如果在前一事件结束之后的1分钟内再次发生十个事件或警报，并且专家已经定义了2分钟的关闭延迟时间设置以减少颤动行为，则仅触发一个警报而不是十个不同的警报。作为另一示例，如果五个原始警报确定事件的来源在它们的IED的连接点的上游，并且五个后续警报确定事件的来源在它们的IED的连接点的下游，则该关键信息将丢失并且不被捕获为与第一警报和/或事件不同。以相同的方式，如果五个最终警报具有不同水平的负载影响/损失(例如，30、40、50、40、30)，则该详细信息也将丢失，因为在IED水平处将仅检测到一个事件/警报。
在一个实施方式中，所公开的发明提出自动推荐(例如，报告)对每个IED和警报的接通延迟和断开延迟持续时间的设置改变。在另一实施方式中，所公开的发明提出自动推荐更新每个IED的接通延迟和关断延迟持续时间的设置。在恒定周期或在每个IED和/或每个类型的事件和/或警报的任何检测到的模式变化时，系统可以从持续时间和到该周期的所有事件的下一次警报重现的持续时间导出推荐的最佳设置，以减少颤动滋扰行为。
例如，对于所有“快速重现事件和/或警报”，系统可以定义理想的关闭延迟持续时间，这减少了滋扰重现的数量。例如，图3C用曲线图330示出了这一点。附图标记331指示y轴，其是以秒为单位的事件持续时间。另外，附图标记332指示x轴，其是以秒为单位的到下一次再次发生警报的持续时间。附图标记333指示该警报作为小气泡发生一次，并且附图标记334指示x轴上所有警报的第90百分位的垂直线。该线示出了表示左侧所有数据点的90％的所有警报(即，所有颤动警报再次发生)。附图标记335表示y轴上所有警报的第90百分位的水平线。这条线在底部示出了表示所有数据点的90％的所有警报(即，所有颤动警报再次发生)。另外，附图标记336表示与块334和335的垂直线和水平线相关的量，并且链接到这两条线的接合点。
应当理解，可以有几种方式从数据推断出该持续时间到下一个警报阈值。一个简单的实施方式将使用统计数据，例如(在许多其他方法中)“对于到下一次再次发生颤动滋扰行为警报的持续时间的第80百分位数、第90百分位数、第95百分位数、第98百分位数的警报数量是多少？”系统可以选择预定的最高聚合值(例如第95百分位数或第98百分位数)，并将相应的持续时间值添加到关闭延迟持续时间。该系统还可以被配置为具有更优化的方法，诸如使用惩罚分数来确定相对改进，以避免可能不会拾取附加的不同事件/警报的系统的过度调谐。例如，系统可以基于滋扰补救量的百分比增加或到下一个警报的持续时间的百分比增加来计算改善比率。
应当理解，可以使用其它度量作为优化度量。例如，系统可以使用针对分析时段计算的每个间隔的警报平均值的全局度量，将其与先前时段进行比较。当发生大的改变(例如，滋扰警报重现的数量的增加)时，系统可建议更新设置，使得滋扰警报的数量自动减少。在此情况下，系统可确定百分位数以回到先前数量的滋扰行为(例如，如果这些行为被视为可接受)而非使用固定百分位数。系统还可以由用户通过实现用户反馈回路来训练可接受(并且相反地，不可接受)的内容，以在太多警报再次发生时训练系统。系统用户可以例如使用他们的智能电话上的输入移动接口来选择何时在警报系统的可视化屏幕上再次发生太多警报。
如上所述，关于所讨论的补救示例，所公开的发明能够实现简单的解决方案。如上文所解释的，这基本上创建了滤波器，因为更详细和相关的信息可能不再可用于补充分析步骤，因为IED灵敏度降低。在某些条件下，如果系统或特定设备上的特定设置过度敏感(例如，捕获冗余或不重要的事件和/或警报)，则可能需要降低的灵敏度。所公开的发明集中于适当级别的补救，这意味着系统不通过应用任意滤波器(改变设备开启延迟和关闭延迟持续时间设置)而是通过添加后续层内的每个离散使用所需的相应补救来减少在来源处捕获的数据。
缓解和补救也可以被定义和调整到每一层和子层的需要。层和子层可以包括预处理层、分析层和动作层，其可以根据动作的类型(例如，可视化和/或控制子层)再次被细分。例如，可以在源处不应用任何信号减少(即，滤波)(例如，IED开启延迟或关闭延迟持续时间设置)并且不改变任何阈值设置(除非某些事情是错误的或与测量和与事件和警报相关联的其他信息不一致)的情况下设置系统。这意味着每当相关测量(例如，电压、电流、功率、功率因数、THD、无功功率等)越过阈值时，捕获事件。如果超过某个阈值，则每次可以触发对应的警报。此时，与ISA 18.2相反，事件或警报的数量不被认为是对系统的滋扰。用户不需要看到系统处理和解决的警报量或被系统处理和解决的警报量“淹没”或“压倒”。本发明集中于解析每一层(一次一个)并相应地响应每一层的附加值。数据呈现层使能在区分特定用户、细分部分和/或简档的基本信息之后简单地呈现结果。
在移除每一层处的滋扰行为之后，本发明识别事件的初始来源、广度、传播，并识别事件和/或警报对系统的影响(例如，初始IED拾取、初始仪表位置、事件来源、系统内事件的传播、有影响或无影响等)。如已经讨论的，这是不降低信号电平(例如，人为地降低信息的粒度、灵敏度和发生频率)的重要原因。
根据本公开的一些实施例，在预处理步骤(例如，在方法500的框510，如下面将进一步讨论的)可以不应用补救。分析事件和警报，并且将识别和表征任何滋扰行为(根据任何标准，诸如ISA18.2和任何附加的用户/系统定义)。在一些实施例中，在因果分析层中不执行系统的颤动警报移除；然而，它取决于正在进行的分析步骤。
根据本公开的一些实施例，可以例如在可视界面上提供其它补救选项。例如，可以提供“事件序列高级”可视化的聚合。在该可视化中，只有一个事件聚合从初始拾取时间戳到重叠事件序列结束的所有聊天事件。该事件序列具有度量，诸如在序列期间发生的每个事件和/或警报类型的颤动警报的数量、拾取时间戳和/或最差影响。在另一实施方式中，可以在单个警报类型内区分、分类、分离、分析、处理、管理或其他相关和/或相关联的动作。例如，电压骤降可以被分离或分类成源自IED上游的电压骤降和源自IED下游的电压骤降。类似地，例如，可以相应地分离或分选受影响的相(例如，A、B、C或1、2、3个中性导体等)。上游来源和下游来源被区分并附加到事件和/或警报标签，并且在图中显示为不同的线。还可以提供聚合的“事件存在1分钟或10分钟间隔”可视化。在该可视化中，事件可以被认为存在于每1分钟或每10分钟间隔中，无论在该间隔期间发生一次或多次发生。如果在此期间出现任何颤动，则可以简单地将间隔标记和/或标明为“颤动发生”。可以使用特定颜色或强度热图颜色代码来执行标记和/或标记以指示这种颤动。这可以在与全局“事件存在”可视化分开的图/图形中执行。还可以提供洪水分析可视化，其中识别离散洪水时段，并且颤动行为对每个洪水时段的贡献可辨别为每个IED的每个事件/警报的堆叠图。
应理解，可为滋扰行为提供更多全局度量。数据可经聚合，例如包括分析周期中的颤动滋扰行为的量及相对于先前分析周期的趋势等。还可以呈现每个事件的细节和/或每个设备的警报。这些可以包括全局度量以识别特定警报和对给定滋扰行为贡献最大的IED、前十个最差贡献者(例如，事件和/或警报类型、IED累积所有事件和/或警报等)。在一些情况下，可以在报告中或在用户界面中提供与推荐相关联的特定度量以用于每个IED的每个事件和/或警报。在动作层(控制子层)处，例如，可以提供极值分布(例如，幅度、不平衡等)。
对于短暂的滋扰警报行为，可以理解，存在许多可能的减轻和/或补救动作。在一个实施方式中，系统可以准备分析以帮助专家调整警报阈值。例如，可以分析警报阈值以确定阈值水平是否被正确地配置/设置。根据本公开的一些实施例，这可能需要领域专业知识，并且不能由系统独立地(即，自主地)执行。然而，系统可以准备分析并使用类似于颤动行为分析的图。这种类型的图帮助用户理解触发警报的哪些极值出现(例如，事件的最大/最小幅度)。这有助于确定阈值以减少触发/检测到的警报的数量。与负载损失算法一致，该特征有助于确定负载可以穿越的幅度，而不会对负载和过程产生显著影响。因此，专家可以使用该分析来确定事件设置阈值，其将不同于被确定为仅在超过有影响的事件阈值时触发的警报(例如，捕获标称电压的90％处的电压骤降和相关信息，但直到电压骤降低于标称电压的60％才触发警报)。图3D示出了这样的曲线图340。在这种情况下，由附图标记341指示的测量值是电压THD。如在与附图标记342相关联的线中可见的，大多数出现与6％的值相关。然而，在某些情况下，一些发生在电压THD的6％处，如附图标记343所示。
在某些情况下，洪水时段的解决可能更复杂，因为这种滋扰行为通常不能直接链接到单个警报或特定IED。在一些情况下，单个IED可以生成洪水时段中的许多/大部分。在一个示例中，这可能是由于不正确或过敏感的警报阈值(例如，被配置为标称电压的5％的电压骤降阈值)。在这种情况下，系统的极值图可能足以使专家识别该过敏感阈值，因为他们将看到标称电压的95％和90％之间的许多电压骤降警报(即，明显的异常阈值)。对于专家来说，缓解动作将是显而易见的，以减少洪水状况，并且可能还减少颤动警报滋扰行为或短暂警报滋扰行为。这也可以指示不正确的设置(例如，错误的CT/PT比)或故障的IED。需要专家评估IED及其配置以识别问题。然而，系统可以识别洪水时段的单个来源以帮助指导维护动作。在许多情况下，类似和不同类型的多个IED和警报被涉及并且在洪水时段内共同发生，每个洪水时段可能不同。系统可能需要对在每个洪水时段和所有洪水时段期间共同发生的IED和警报进行更高级的分析。
在一些情况下，至少一个识别的警报滋扰行为可以指示与电气系统(例如，电气系统本身或与相关联的EPMS设备)相关联的问题，如将从下面的进一步讨论中理解的。可以采取或执行至少一个动作或缓解类型以改善或解决问题。应理解，在一些情况下，此至少一个动作或缓解类型可与在框425处识别的至少一个潜在滋扰补救相关。
在框425处识别至少一个潜在滋扰补救之后，可在框430处基于或响应于所述至少一个识别的潜在滋扰补救而采取或执行至少一个动作。例如，所采取或执行的至少一个动作可以包括选择和推荐至少一个潜在滋扰补救中的一个或多个。例如，可以基于与电气系统相关联的特定用户和/或客户细分类型来选择和推荐至少一个潜在滋扰补救中的一个或多个。另外，所述至少一个潜在滋扰补救(例如，所选择和推荐的至少一个潜在滋扰补救)可被应用或启动(例如，自动地、半自动地或手动地)。根据本公开的一些实施例，可以通过以下中的至少一个向终端用户提供推荐：文本、电子邮件、报告、警报、可听通信和(例如，用户设备的)屏幕/显示器的界面上的通信。
根据本公开的一些实施例，重要的是在对事件采取行动之前确保这种可能的补救解决方案的一致性。例如，仪表可以拾取一系列不同类型的事件，所有事件都是实际上是初始事件的一部分的连续滋扰。这已经关于可以开始为线到线故障事件并且变成两相接地故障事件的示例电压滋扰被观察到，每个方面具有其自己的持续时间。因此，系统可以检查对于给定IED是否仅发生一个单个事件并且在重叠事件的给定序列内。可替代地，它可以确定几个事件是否彼此跟随或甚至共同发生。此时，系统可以插入具有不同的正确单独事件持续时间的调和步骤。整个事件可以是由至少两个连续和/或共同发生的事件组成的复杂事件套件，每个事件具有可能校正的持续时间。该协调步骤确保整体事件将获得正确的持续时间(即，考虑所有组成持续时间)并使用这些来证实现有的复杂事件持续时间或创建一个复杂事件和相关联的整体持续时间。
在协调持续时间和丢失时间戳之后，现在可以评估事件数据的丢失的拾取时间戳，这是与丢失的丢失时间戳对称的过程。例如，系统可以识别对于给定IED或每种类型的事件和/或警报不具有匹配的拾取时间戳的丢失时间戳(例如，针对两个丢失时间戳寻找诸如一个拾取时间戳的模式)。如果事件丢失时间戳与由IED发送的事件数据中的设备事件持续时间相关联，则可以推断事件的丢失的拾取时间戳(例如，使用丢失时间戳来推断持续时间)。系统确定事件类型的最大持续时间。对于上述电压骤降示例，最大持续时间将在2.55秒至1分钟之间，这取决于IED的地理位置和规范和/或标准版本或潜在的自定义设置。如果事件丢失时间戳不具有任何相关联的持续时间并且事件类型具有最大持续时间，则系统将触发创建丢失的拾取时间戳。将通过采用丢失时间戳并推导最大可能的持续时间来计算拾取时间戳。创建的事件和/或警报拾取时间戳将被标记为“不太有效的数据”。
在一些示例实施方式中，可以使用一个或多个警报系统健康状况指示器来观察和提供警报系统健康状况的改善或劣化。例如，如果通过该过程检测到丢失的时间戳的数量的非比例增加，则指示器可以突出显示来自该测量的警报系统健康劣化。在这种情况下，可以提供对不良数据质量的特定源(例如，与这种增加相关的单个设备，或者它是否在系统上传播)的附加分析。相反，如果丢失的时间戳的比例量减少(诸如当从3％变为1％时)，则警报系统健康置信度指数应当提高。
在每种情况下，如果系统稍后接收到测量的事件和/或警报数据，则重要的是使系统能够通过再次经历这些步骤来校正任何替换的数据。这应该重新触发机制以重新检查陈旧警报滋扰行为，因为迟到的数据可能提供一些但不是全部的丢失时间戳。在一个示例实施方式中，检测到的陈旧警报行为中的至少一些可被移除并用较低数据质量时间戳来补救。
如前面提到的和结合图5进一步描述的，在某些情况下几种滋扰行为可能同时发生。这例如在洪水时段期间是明显的，洪水时段是例如在10分钟间隔内发生的滋扰检测到的行为的一个示例类型。在洪水时段期间，可以观察到显示颤动滋扰警报行为的若干警报(诸如每个警报在该10分钟间隔内重复10次)。
根据本发明的一些实施例，系统可选择应用不同的减轻或补救措施，这取决于例如滋扰行为的类型。最明显但最容易调整的可以是负责捕获能量相关信号的至少一个IED上的设置。这应当首先被分析以识别至少一个IED的任何不正确的设置或问题。如果所有设置都是合适的并且对应于该部分中的标准或合理的工程实践和过程类型或监测的负载，则在没有彻底影响分析的情况下，不需要在源处采取进一步的动作。原因是这可能导致系统对实际有效警报和/或实际有效事件变得盲目。如果实现了错误的设置，则可能无法检测到问题。
根据本公开的一些实施例，第二个最明显的步骤可以是保持不同处理和分析步骤中的复杂性，并简化用户的呈现。这通常是UX/UI工作的基本部分，例如，每个用户仅需要看到与他们各自的角色相关。例如，在C级报告中可能仅出现高级统计数据以及可能的示出全局趋势的图形和很少的要点。对于这些用户，吸收信息的时间可以是大约五秒；因此，需要快速理解所有警报滋扰行为。在另一种情况下，专家可能需要分析数据中心中的关键断电之前的时段的所有事件和警报，以准确地事后事件。对于该示例，所描述的所需时间范围从数小时到数天(甚至数周)的调查，以确保和验证该情况在未来的重现最小化。
应当理解，可以实现许多不同的解决方案。在一个示例实施方式中，最明显的解决方案是简单地以值1呈现警报，或者以值0不呈现警报。任何这样的图都将容易读取，因为这是存在/不存在状态图。这有助于人脑可视化警报的共现(并且相反，当警报不共现时)。这有助于消除用户的UX中的聊天行为。在另外的示例实施方式中，解决方案可以是移除陈旧警报并为该分析时段(例如，被分析的月)的所有陈旧警报创建特定/不同的图。在另一示例实施方式中，洪水时段可以在单独的图中呈现，并且与其他警报时段分开分析。这通常将避免其他时段的最高值“使图偏斜”的现象。通过单独地移除和处理/分析洪水，在非洪水时段期间发生的附加模式可以变得更加可见。
在另一个可能的实施方式中，实时系统(例如，SCADA系统)可以使用户能够在警报到达时更深入地研究每个事件。它仍然可以具有“简化层”，其中滋扰行为不会使屏幕混乱，但是该系统将使专家用户能够放大基本方面，而无需最初显示任何警报相关的滋扰行为，例如聊天或短暂行为(但是仍然可以显示和突出显示洪水时段)。在另一示例实施方式中，系统可产生建议特定滋扰行为减少(减轻和补救)动作的定期(例如，每月)滋扰警报报告。
在另一个示例实施方式中，系统可以去除不需要细节的特定处理步骤中的滋扰行为。对于聊天行为，系统可以确定直到事件的下一次发生的典型持续时间是什么。然后，它可以确定该警报的(一个或多个)设置成为连续警报。这可以例如通过改变退出(警报结束)之前的持续时间来完成。根据本公开的一些实施例，系统可以能够区分颤动仪表(即，具有颤动警报的仪表)、颤动警报(即，具有颤动行为的警报)和颤动警报滋扰行为(即，当其颤动时)。系统还可以能够对源(IED)是否不断地颤动进行分类，然后可以分析是否出现任何明显的模式，并且当仪表不断地颤动时相应地进行细化。例如，当HVAC冷却或加热设施时，或者仅在一天中的某些时间运行的某些过程期间，源可能在现场启动期间震颤。
在某些情况下，可以识别和指示不断颤动的仪表/警报器。这种区别对于提供正确的推荐可能是重要的，因为聊天行为是相对概念。例如，它可以在系统级别、在每个设备级别处被定义，可以基于到下一个警报的固定持续时间(例如1小时)，或者它可以相对于每个地点/计量器。例如，系统可以基于统计和基于领域专业知识的规则的混合来推断到同一警报的下一次重现的典型持续时间，什么阈值与将该计量器归于聊天行为相关。在另一实施方式中，系统可以提出或甚至采取动作来自动校正或向用户提出以在实施方式之前验证校正(例如，如前所述创建缺失的拾取时间戳或缺失的丢失时间戳)。
应当理解，在框430处可以采取或执行许多其它示例动作。例如，对于给定的滋扰行为，可以在不同级别触发若干缓解和补救动作；在处理中可以不移除警报数据。可以创建特定的可视化，其中在实时系统UX接口(例如，SCADA系统)中去除滋扰行为。可创建滋扰减少报告，且可将波形捕获标记为包括滋扰行为。可以启用对滋扰行为的过滤(例如，在用于C级仪表板的EPMS中仅示出相关事件数据)。可以过滤错误的陈旧警报，并且可以创建丢失的拾取时间戳或丢失时间戳。
在框430之后，该方法可以结束，返回到框405，或者可以采取一个或多个动作。例如，在期望连续地(或半连续地)分析与至少一个识别的警报滋扰行为(即，一个或多个不同的时间点)相关的接收到的信息的实施例中，该方法可以返回到框405(例如，分析进一步接收到的信息)。可替代地，在期望分析接收到的信息的单个集合的实施例中，例如，该方法可以结束或者可以采取一个或多个动作。示例动作可以包括存储、显示和/或分析与至少一个识别的警报滋扰行为相关的先前接收的信息。其他示例动作对于本领域普通技术人员而言将是显而易见的。在该方法在框430之后结束的实施例中，例如，可以响应于用户输入和/或控制信号再次发起该方法。
应当理解，在一些实施例中，方法400可以包括一个或多个附加框。例如，附加示例框可以在方法400和/或本文公开的其他方法中发生，并且可以包括基于文本/标签描述来校正由设备发送的警报信息(诸如拾取时间戳)的能力。例如，今天的事件可以在检测的时刻被标记；然而，分析时段可能已经开始得更早。这对于在一段时间内(例如，在1、2、5、10或15分钟间隔内或甚至1、2、6、8或24小时内)完成的任何RMS计算都是正确的。在这些情况中的每一种情况下，系统分析警报/事件的文本或标签或类型，并从中提取计算事件的时段/间隔。如果检测到并触发警报或事件，则IED或系统校正事件拾取时间戳以覆盖每个事件的整个间隔/时段。例如，与拾取时间戳和丢失时间戳“2021.03.01 22:00:00”相关联的“超过THD平均均值10分钟警报”，丢失时间戳“2021.03.01 22:00:00”是当IED具有高于警报阈值的值并发出警报时。然后，这将被校正为“事件拾取时间戳＝2021.03.01 21:50:00”和“丢失时间戳＝2021.03.01 22:00:00”。这更准确地反映了覆盖区间的现实。在这种情况下，系统创建事件本身(即，具有与用于平均值计算的间隔相关联的校正时段)与警报被检测到并发送时(即，在该时间结束时10分钟间隔)之间的新时间戳区分。
从下面的讨论中将理解所公开的发明的其它示例性方面、特征和变型。
参看图5，流程图说明用于表征识别的警报滋扰行为的示例方法500。根据本公开的一些实施例，方法500说明了可以结合上面结合图2和图4讨论的方法200和400执行的示例步骤。例如，在一个示例实施方式中，在方法500中执行的步骤可以对应于可以在方法400的框405、410和415中的一个或多个处执行的示例步骤。类似于方法200和400，方法500可以在电气/电力系统中的至少一个IED(例如，图1A中所示的121)的处理器、电气/电力系统中的诊断系统(例如，图1中所示的125)的处理器上实现，和/或远离至少一个IED和诊断系统。
如图5中所说明，方法500开始于框505，其中接收与至少一个识别的警报滋扰行为相关的信息。类似于方法400的框405，在一些情况下，所接收的信息可包括来自方法200的框220的聚合的信息，所述聚合的信息用于在方法200的框225处识别至少一个警报滋扰行为。
在框510处，预处理在框505接收的信息。应当理解，信息的预处理可以采取各种形式并且包括各种步骤。例如，在实施方式一个示例中，可以从信息中过滤出明显的错误(例如，错误的日期)。例如，可能的安装和/或记录能力之前的日期(例如，19世纪的日期)或未来日期(例如，未来五天)、可能由于IED的错误和/或故障引起的错误、或者可能由于通信错误引起的错误(例如，当使用无线电传输时，并且信号可被修改或仅部分接收)或由于系统配置改变(例如，时间戳约定)更频繁地发生的错误可从信息中过滤。根据本公开的一些实施例，系统可以向用户提供关于任何应用的过滤器以及关于每个过滤器的程度(例如，数据被过滤的百分比)和可能影响的有用信息和警告。
应当理解，框510处的准备处理可包括许多附加或替代步骤。例如，可以针对从来自或源自由至少一个IED捕获的能量相关信号的电气测量数据识别的每个事件来检测和/或分析事件的持续时间(例如，在方法200的框205处)。在本发明的一个方面，可以基于可用事件和/或警报数据重新计算事件的持续时间。另外，可以重新计算警报健康状态指示符以评估相干性和数据质量。由此，可以观察到接收和/或存储的数据是否完整(例如，利用事件类型，对于相同事件是否存在事件拾取时间戳数据和事件丢失时间戳数据)。重要的是区分产生假滋扰行为的缺失数据与显示滋扰行为的真实事件及/或警报(例如，陈旧警报在被确认或接收到事件结束之前连续保持作用数天或甚至数周)。
在本公开的一些实施例中，可以针对事件和/或警报类型来检查每个警报持续时间。例如，许多电力质量事件具有与事件类型相关联的规定的最大持续时间。例如，根据IEEE标准1159-2019，电压骤降被限制为小于1分钟的持续时间，其可以因标准而异。在一些情况下，该定义和许多其他定义可以包括在设备设置数据中。如果实施方法500的(一个或多个)系统和/或(一个或多个)设备将电压骤降警报指示为包括滋扰行为(例如，10小时持续时间)，则根据定义这是不正确的。因此，它可以被认为是错误的滋扰行为，并且最可能是由于错过事件时间戳的丢失。在一些情况下，还可以确定直到检测到/触发下一事件的持续时间。例如，这可以是用于检测特定类型的滋扰行为的关键度量，特定类型的滋扰行为包括针对给定事件或警报的聊天和短暂。
在框510处，还可以确定与要分析的信息相关联的时间段(例如，每月、每季度、每年)。例如，可以在框510处创建/定义/确定进一步分析所需的时间相关帧。例如，可以确定应该分析从拾取时间戳到丢失时间戳的每个10分钟时间间隔。由此，可以创建10分钟间隔，包括在某些情况下没有发生事件的间隔。应当理解，在其他情况下，可以附加地或替代地分析每个1分钟间隔帧、1小时间隔帧等。
在框510处，还可从来自各个设备或所有设备的事件推断入射帧(即，重叠事件的序列)。在本发明的一个示例实施方式中，在框510处，可以过滤或移除作为持久事件(例如，持续超过10分钟、1小时或另一限定时间段的事件)的所有事件。这样做是为了避免创建异质的序列(例如，持续3小时的一个长事件和/或警报将聚合大约21个子序列的非常短的持续时间事件，诸如一系列电压下降)。这创建了推断可能的时间关系的重叠事件序列。
在框510处，还可以为每个上述帧识别相关度量(10分钟间隔的示例，但对于入射帧也是真实的)。这些度量可以包括例如(1)(在每10分钟间隔中)存在的事件和/或警报，(2)(在每10分钟间隔中)发生的事件和/或警报的类型，和/或(3)(在每10分钟间隔中)这些事件和/或警报的不同IED源。应当理解，许多其他附加或替代度量也是可能的，并且由本发明设想。
在框510处，还可以为每个事件和/或警报识别相关信息。例如，可以识别极值(例如，电压骤降事件的幅度、电压不平衡事件的两个相位之间的最大不平衡等)。另外，可以提取所有相关的文本信息，并且可以创建到不同类型的事件和/或警报的唯一参考的映射。这些事件和/或警报可以包括例如电力质量事件或系统中存在的任何其他类型的事件和/或警报(例如，保护事件和/或警报、操作状态、设置改变等)。
应当理解，在框510处可以执行许多附加或替代步骤。在本发明的一个方面中，可在考虑若干目标的情况下执行额外或替代步骤。这些目标可以包括例如细化分析。例如，重叠事件的序列可以通过仅按类似类型的事件分组(例如，与任何电压不平衡或电压谐波序列分开地仅将电压骤降和电压骤升分组在一个组中)来进一步细分。主要目标还可以包括准备动作/建议。例如，单线图可以用于创建与特定类型的负载(例如，当通电时可以创建电压骤降的电机)相关的分支。
在框510之后，在方法500的随后框中使用来自框505和/或510的信息来表征至少一个识别的警报滋扰行为。更具体地，分析至少一个识别的警报滋扰行为以确定至少一个识别的警报滋扰行为是否能够被分组为多个预定义或规定的警报滋扰行为、用户定义的警报滋扰行为和/或学习到的警报滋扰行为中的一个或多个。在所示实施例中，多个预定义或规定的警报滋扰行为、用户定义的警报滋扰行为和/或学习到的警报滋扰行为包括以下中的至少一个：陈旧警报滋扰行为、颤动警报滋扰行为、短暂警报滋扰行为和洪水警报滋扰行为，如将从下面的讨论中进一步理解的。应当理解，这些仅是由所公开的发明描述的警报滋扰行为的几种可能类型。警报滋扰行为的其他示例类型对于本领域普通技术人员而言将是显而易见的(例如，未充分显示严重性或关键性分数的警报可被认为是警报滋扰行为，非影响性警报可被认为是警报滋扰行为等)。
现在返回到框510，在框510处预处理数据之后，方法前进到框515，其中确定是否检测到第一类型的滋扰警报行为(即，陈旧警报滋扰行为)。例如，可以分析具有与至少一个识别的警报滋扰行为相关的信息的预处理数据，以确定至少一个识别的警报滋扰行为是否满足与陈旧的警报滋扰行为相关联的预定义的、规定的、用户定义的或学习的阈值。
陈旧警报滋扰行为是众所周知的滋扰行为类别，其在诸如ISA 18.2的标准内以非常一般的术语描述。例如，ISA 18.2将陈旧警报定义为“在延长的时间段(例如，24小时)内保持通告的警报”。所公开的发明能够利用用户定义的持续时间阈值，诸如“持续时间持续超过x小时的任何警报”。应当理解，x可以在每个现场变化(例如，一个现场可以使用8小时作为阈值以超过8小时的工作班次，而另一个现场可以使用24小时来反映每日率)。
应当理解，可以根据事件和警报类型不同地设置阈值。例如，根据定义，稳态电力质量事件比瞬态事件持续长得多。阈值可以由领域专家设置、由用户和/或由系统工程师在调试时间(例如，对于任何稳态类型的事件和/或警报为24小时，并且对于任何非稳态类型的事件和/或警报为8小时(对于工作班次持续时间))细化。
还应当理解，阈值也可以由系统通过学习每种类型的事件和/或警报的“正常”持续时间来推断。例如，系统可以使用统计方法，包括在持续时间异常方面考虑任何极端异常值(例如，利用现有技术中值持续时间+3*持续时间的IQR的统计状态)。在另一个实施方式中，系统可以使用机器学习算法来检测异常值或对“正常行为”建模。所有这些机器学习算法可以包含在无监督机器学习领域(例如，基于聚类的、K最近邻、LSTM、ARIMA、神经网络等)中的术语“异常检测算法”中。总之，将存在许多可能的不同实现和算法组合。
在框515处，如果确定至少一个识别的警报滋扰行为满足与陈旧警报滋扰行为相关联的预定义的、规定的、用户定义的或学习到的阈值，那么所述方法可前进到框520，其中可将至少一个识别的警报滋扰行为识别和/或标记为展现陈旧警报滋扰行为。替代地，如果确定至少一个识别的警报滋扰行为不满足与陈旧警报滋扰行为相关联的预定义的、规定的、用户定义的或学习到的阈值，那么所述方法可进行到框525，其中可确定至少一个识别的警报滋扰行为是否满足与第二类型的警报滋扰行为(即，颤动警报滋扰行为)相关联的预定义的、规定的、用户定义的或学习到的阈值。
颤动警报滋扰行为是一种众所周知的滋扰行为类别，其在诸如ISA 18.2的标准内以非常通用的术语描述。例如，ISA 18.2将颤动警报定义为“在短时间内在活动状态和非活动状态之间重复转换的警报”。例如，图3B提供了颤动警报滋扰行为的图示。第一曲线图320给出了每10分钟间隔一个月数量的警报的概览。这些范围从每个间隔0个警报到每个间隔76个警报，如附图标记322所示。附图标记321示出了在曲线图325中使用的缩放周期。在曲线图325中，显示颤动警报滋扰行为的警报的比例变得可见。如附图标记326所示，所有警报都被标记为显示颤动警报滋扰行为。可替代地，仅在由附图标记327指示的间隔中呈现的警报的一部分显示颤动的滋扰行为。
根据本发明的一些实施例，与颤动警报滋扰行为相关联的阈值可包括至少一个用户定义的阈值。例如，用户定义的阈值可以包括用户定义的持续时间阈值(例如，“到下一个警报的持续时间低于某个阈值的任何警报”)。例如，Y可以是标准值，因此“如果警报在1小时内重复，则将其标记为颤动警报”。例如，一个现场可以基于测量的或假设的响应能力使用1小时作为阈值，因此警报的管理团队、维护团队或另一团队采取动作的能力能够分析、解决和/或确认警报。然而，在另一个地点，Y可以被设置为十分钟，因为团队的反应性高得多，因此只有更快的重现率才被认为是聊天行为。
系统还可以通过学习例如每种类型的事件和/或警报到下一次警报发生的“正常”持续时间来推断与颤动警报滋扰行为相关联的阈值。例如，系统可以从数据推断什么被认为是短时间段。另外，系统可以利用动作数据(例如，确认、解决、搁置等)来学习警报管理中涉及的团队的反应性的正常时间。在一个示例实施方式中，它可以比较警报在系统中出现的时间(例如，当警报被呈现或传送给负责确认警报的团队时)和对该警报采取行动(例如，确认、搁置等)所需的时间。然后可以分析起作用所需的该时间(即，持续时间)以确定典型的(例如，中值或平均时间)反应性时间。系统还可以基于任何统计值(诸如标准偏差或IQR)从该数据推断中值周围的带宽。
通过利用典型的反应时间和带宽(例如，典型的反应持续时间加上典型的带宽持续时间的总和)，系统可以推断每个现场的“反应性持续时间”，甚至是每个事件类型的“反应性持续时间”。将该推断的“反应性持续时间”应用于下一个警报的时间允许确定哪个警报发生呈现“在活动状态和非活动状态之间转换的短时间段”。这可以例如根据每个事件和/或警报类型进行调整，因为不同的团队可能受到影响。另外，这可以根据每个团队进行调整，因为白天和夜班之间的反应性可能不同(例如，工人的数量可能不同，因此反应性可能受到影响)。
如果确定至少一个识别的警报滋扰行为满足与颤动警报滋扰行为相关联的预定义的、规定的、用户定义的或学习的阈值，那么所述方法可进行到框530，其中可将至少一个识别的警报滋扰行为识别或标记为包括颤动警报滋扰行为。替代地，如果确定至少一个识别的警报滋扰行为不满足与颤动警报滋扰行为相关联的预定义的、规定的、用户定义的或学习的阈值，那么方法可进行到框535，其中可确定至少一个识别的警报滋扰行为是否满足与第三类型的警报滋扰行为(即，短暂警报滋扰行为)相关联的预定义的、规定的、用户定义的或学习的阈值。
短暂警报滋扰行为是众所周知的滋扰行为类别，其在标准(例如ISA 18.2)内以非常一般的术语描述。例如，ISA 18.2将短暂警报定义为“在短时间内在活动警报状态和非活动警报状态之间转换而不快速重复的警报”。
所公开的发明能够利用用户定义的持续时间阈值(例如，“到下一个警报的持续时间低于某个阈值的任何警报”)。例如，Z可以是用户定义的阈值(例如，“到下一个警报的持续时间长于1小时，但小于3小时”)。类似于颤动警报，例如，短暂警报对于每个现场、位置、建筑物、过程等可能是不同的，并且对段上下文敏感。在一个示例实施方式中，可以使用与较低起始点相同的聊天阈值来推断短暂警报(即，未显示聊天行为的任何频繁重现的警报可以是短暂行为的候选)，然后可以定义或推断较高阈值。例如，可以通过利用规则或专业知识(即，简单阈值，使其成为混合推理+基于专业知识的模型)来确定较高阈值。还可以例如使用极端异常值检测方法或寻找“下一个正常/异常断点”算法(例如，使用变化点识别或中值+3*IQR)来推断较高阈值。例如，Z将是任何再次发生的警报，其中到下一个警报的持续时间落在较低阈值和较高阈值内。
如果确定至少一个识别的警报滋扰行为满足与短暂警报滋扰行为相关联的预定义的、规定的、用户定义的或学习的阈值，那么所述方法可前进到框540，其中可将至少一个识别的警报滋扰行为识别或标记为包括短暂警报滋扰行为。替代地，如果确定至少一个识别的警报滋扰行为不满足与短暂警报滋扰行为相关联的预定义的、规定的、用户定义的或学习的阈值，那么方法可进行到框545，其中可确定至少一个识别的警报滋扰行为是否满足与第四类型的警报滋扰行为(即，洪水警报滋扰行为)相关联的预定义的、规定的、用户定义的或学习的阈值。
洪水警报滋扰行为是一种公知的滋扰行为类别，在诸如ISA 18.2的标准内以非常通用的术语描述。例如，ISA 18.2将洪水警报定义为“警报率大于操作员可以有效管理的条件(例如，每10分钟超过10次警报)”。
所公开的发明能够利用用户定义的警报率阈值(例如，每十分钟超过十次警报)。例如，阈值可以相对于操作员的数量(例如，两个操作员将是每10分钟超过20次警报的速率，三个操作员将是每10分钟超过30次警报的速率)。类似于其它滋扰行为警报，每细分(石油和天然气、半导体制造商、数据中心或办公楼)、场地、位置、建筑物、过程的警报率比率可非常不同。另外，可以推断警报率比率，例如，利用动作数据(即，确认、解决、搁置等)来学习警报管理中涉及的团队的反应性的正常时间。在一个示例实施方式中，可以比较警报在系统中出现的时间(呈现或传送给负责确认警报的团队的时间)和对该警报采取行动(确认、搁置等)所需的时间。然后可以分析起作用所需的时间(持续时间)以确定典型的(例如，中值或平均时间)反应性时间。还可以从该数据推断出基于任何统计值(例如标准偏差或IQR)的中值周围的带宽。
利用典型的反应时间和带宽(例如，典型的反应持续时间加上典型的带宽持续时间的总和)，可以为每个现场和每种类型的事件推断出“反应性持续时间”。通过应用该推断的“反应性持续时间”警报率，可以确定使得不可能在10分钟时间间隔内处理数据的警报率，或者如果大于10分钟间隔，则确定正常的动作持续时间。根据本公开的一些实施例，这可以根据每个事件和/或警报类型进行调整，因为不同的团队可能受到影响。另外，这可以根据每个团队进行调整，因为白班和夜班之间的反应性可能不同(例如，工人的数量可能不同，因此反应性可能受到影响)。
对于框545处的洪水警报滋扰分类及对于其它警报滋扰分类(例如上文所指出的那些)，应理解，还可通过用户交互的分析来教系统哪些阈值(及其它特性)对于每一给定滋扰行为是典型的。另外，可以从用户标记推断(即，学习、导出)阈值(和其他特性)。举例来说，每一团队可具有界面或工具以将警报标记为显示滋扰行为，从而使得用户能够选择所显示的滋扰行为的类型。在一些实施例中，系统可以概括警报的团队或用户定义。例如，系统还可以将警报定义调整到每个事件和/或警报类型、每个团队、现场内的每个位置或过程。
现在返回到框545，如果确定至少一个识别的警报滋扰行为满足与洪水警报滋扰行为相关联的预定义的、规定的、用户定义的或学习的阈值，那么所述方法可前进到框550，其中可将至少一个识别的警报滋扰行为识别或标记为包括洪水警报滋扰行为。替代地，如果确定至少一个识别的警报滋扰行为不满足与洪水警报滋扰行为相关联的预定义的、规定的、用户定义的或学习的阈值，那么所述方法可进行到框555，其中可确定是否已分析所有时间段(和相关联数据)。
在框555处，如果确定已经分析了所有时间段(和相关联的数据)，则该方法可以结束，返回到框505，或者可以采取一个或多个动作。例如，在接收到与至少一个识别的警报滋扰行为相关的新信息的实施方案中，可能期望返回到框505以接收并随后处理和分析新接收的信息(例如，以进一步表征和/或重新表征新接收的信息)。另外，在重新定义与各种类型的警报滋扰行为相关联的预定义的、规定的、用户定义的或学习的阈值中的一个或多个的情况下(例如，由于客户需求或约束的变化)，可能期望进一步表征和/或重新表征先前表征的警报滋扰行为。此外，在添加新类型的警报滋扰行为(即，超出上文所论述的四个示例警报滋扰行为)的情况下，可期望进一步表征和/或重新表征先前表征的警报滋扰行为。其他示例动作(例如，存储和显示与所表征的警报滋扰行为相关的信息等)对于本领域普通技术人员而言将是显而易见的。在该方法在框555之后结束的实施例中，例如，该方法可以响应于用户输入和/或控制信号而重新发起。
现在返回到框555，如果确定尚未分析所有时间段(和相关联的数据)，则该方法可以返回到框510，用于预处理和表征尚未分析的时间段(和相关联的数据)。
应当理解，在一些实施例中，方法500可以包括一个或多个附加框。从下面的讨论中将理解所公开的发明的其他示例方面、特征和变型。
用于分析警报以表征电气系统问题的系统和方法
1根据本公开的另一方面，提供了用于分析警报以表征电气系统问题的系统和方法。众所周知，EPMS中警报的一个重要目的是通知客户在其电气系统内发生异常事件。警报可以是快速识别问题以改善正常运行时间的强大工具；然而，即使对于有经验的终端用户，警报也可能是令人不安的、不及时的和压倒性的，特别是在较大的系统中。一些事件可能产生不同类型的警报(例如，PQ事件、过流、通信错误等)，这可能加剧混淆和不明确性，导致错误，并浪费时间和/或资源。具有讽刺意味(也许更重要的是)，警报可能导致终端用户忽视其EPMS提供的价值，因为终端用户可能不知道警报是如何相互关联的。
通常，理解警报数据重要性的线索分散在多个警报、各种警报类型和/或时间范围内。所公开的用于分析警报以表征电气系统问题的系统和方法分析警报数据以确定警报、系统影响、空间上下文、细分类型和/或负载类型的相互关系，从而确定电气事件的范围和影响。(终端用户的电气系统及其EPMS两者的)上下文数据可用于确定与警报数据相关联的事件的历史、同时和潜在未来影响。
可以从分析中提供关于潜在影响和原因(例如，源位置)的指导。例如，用于解决或处理问题的推荐可以基于细分(例如，数据中心vs.工业vs.办公楼)和典型负载(例如，电机、照明、汽车工业过程、HVAC、IT机架等)和设置。因为每个能量消费者“唯一地”使用能量，所以多个警报的优先级、阈值和/或合并也可以是独特的。所公开的系统和方法自动处理警报以简化来自EPMS的指示，这提高了终端用户及时响应的能力。其目的是利用终端用户的市场细分/类型来通过警报对特定客户的能量细分的重要性来评估警报。例如，在一个市场细分/类型(例如，半导体工厂、数据中心等)中经历电压骤降事件可能比在第二市场细分/类型(例如，商业办公楼等)中对操作具有更有害的影响。另外，事件在一个市场细分/类型中发生的时间(例如，白天、晚上等)可能比在另一个市场细分/类型中更有害。所公开的系统和方法促进警报数据的合并，以帮助终端用户识别用于故障排除和原因分析的问题。
参照图6，流程图示出了根据本公开的一个方面的用于分析警报以表征电气系统问题的示例方法600。类似于先前讨论的方法(例如，方法200、400、500)，方法600可在电气/电力系统中的至少一个IED(例如，图1A中所示的121)的处理器、电气/电力系统中的诊断计算系统(例如，图1中所示的125)的处理器上实施，和/或远离至少一个IED和诊断计算系统。
如图6所示，方法600开始于框605，类似于上面讨论的方法200的框205，能量相关信号(或波形)由电力系统中的至少一个IED捕获或导出。在框610处，类似于方法200的框210，处理来自能量相关信号或从能量相关信号导出的电气测量数据，以识别电气/功率系统中的事件(例如，功率事件)。另外，在框615处，类似于方法200的框215，响应于电气系统中的或与电气系统相关联的识别的事件(例如，电力事件)，确定是否已经、应该或应该已经触发任何警报。
在框620处，聚合选择信息。例如，在一个示例实施方式中，可以聚合与至少识别的事件和/或识别的警报有关的信息(例如，每日事件或警报的数量、按时间重叠的事件组的数量、对下游负载的影响等)。应当理解，可以在框620处聚合其他示例类型的信息，类似于先前方法的可比较的框(例如，方法200的框220)。例如，根据本公开的实施例，聚合的信息还可以包括来自以下中的至少一个的信息：EPMS、SCADA系统(例如，电力SCADA、制造SCADA)、建筑物管理系统(BMS)、I/O设备或数据、PLC数据和系统用户(例如，用户发起的动作)。如本公开中先前指出的，在一些实例中，EPMS可以包括负责捕获或导出能量相关信号的至少一个IED(例如，在方法600的框605处)。
类似于方法200的框220，根据本公开的一些实施例，在框620处聚合的信息可以至少部分地基于客户或细分类型(例如，零售、办公室、旅馆、医院、数据中心、食品和饮料以及石油和天然气)来聚合，因为电气系统问题对于每个现场/客户应用可能是唯一的。
在框625处，分析聚合的信息以确定与电气系统相关联的问题。在一些实施例中，例如，与电气系统相关联的问题可以包括与负责监测电气系统的EPMS相关联的问题。与EPMS相关联的(一个或多个)问题可以包括例如与EPMS相关联的(一个或多个)问题未检测到或未充分检测到电气系统中存在的(一个或多个)问题(例如，未配置、错误配置、IED问题、通信问题等)。应当理解，许多其他类型的问题可能存在并被确定。例如，问题可以与负载、基础设施(例如，变压器)和/或除了电气系统中的EPMS之外的其他类型的监测设备相关联。例如，来自第一IED的数据事件和/或警报数据能够用于识别应该或应该已经(但不是)从第二IED捕获的事件和/或警报。该方法可以用于识别错误配置(例如，不正确的阈值设置)、丢失数据、不适当的IED应用等。在另一应用中，系统可以检测到所有IED仅使用默认设置和/或没有针对该现场调谐或配置警报。在任一种情况下，系统将可选地发出警报并向EPMS的用户发送报告。
应当理解，可以使用各种类型的信息来确定与电气系统相关联的问题。例如，在一些示例实施方式中，可以利用聚合的信息来分析与影响和位置有关的信息，以确定与电气系统相关联的问题。另外，根据本公开的一些实施例，可以至少部分地基于客户或细分类型来确定与电气系统相关联的问题。
根据本公开的一些实施例，与电气系统相关联的问题可以指示电气系统的健康状况。电气系统的健康状况可以对应于例如电气系统的状况或电气系统按预期执行或操作的能力。在一些示例实施方式中，电气系统的健康状况可以与电气系统的警报健康状况相关，其中电气系统的警报健康状况指示电气系统的健康状况。电气系统的警报健康状况可以例如至少部分地基于对以下中的至少一个的分析来确定：识别的警报的(一个或多个)数量、(一个或多个)类型、(一个或多个)行为、(一个或多个)影响和(一个或多个)位置。
在框630处，还可以分析聚合的信息以确定与电气系统相关联的问题的起源、来源、原因、转变/演变和/或相互关系。类似于框625，根据本公开的一些实施例，可以利用聚合的信息来分析与影响和/或位置有关的信息，以确定与电气系统相关联的问题的起源、来源、原因、转变/演变和/或相互关系。
根据本公开的一些实施例，起源可以包括问题的时间、位置等。另外，(一个或多个)源可以包括与(一个或多个)问题相关联的(一个或多个)进程和/或(一个或多个)特定负载。(一个或多个)原因可以包括(一个或多个)过程或(一个或多个)特定负载正在做的事情(例如，过程中的电机启动)。转变/演变可以包括(一个或多个)问题随时间的变化。例如，(一个或多个)问题的转变/演变可以指示(一个或多个)问题随时间变化的(一个或多个)严重性、(一个或多个)影响、(一个或多个)优先级、(一个或多个)类型等。例如，问题可能随着时间的推移从第一问题类型转变/演变为第二问题类型(例如，相对地改变为相对地故障)。
问题的相互关系可以指示与电气系统相关联的各种问题之间的关系。例如，电气系统中的第一问题可以直接或间接地与电气系统中的第二问题相关联。了解这些问题之间的相互关系可以帮助更好地表征问题并且更有效地识别用于解决或解决问题的解决方案。例如，继续上述示例，通过树枝吹到高架三相电路的一个相上(例如，相接地故障)来生成初始警报。然后，由于故障状况而产生电弧并闪蒸到高架三相电路的第二相(例如，相间接地故障)。
在框635处，可以例如基于在框630处确定的问题的起源、来源、原因、转变/演变和/或相互关系来采取或执行一个或多个动作以解决与电气系统相关联的问题。例如，可以采取动作以增加或改善电气系统的操作。在本公开中稍后进一步讨论与分析警报以解决电气系统问题有关的更详细的方面。然而，这里足以说，在实例中，解决与电气系统相关联的问题的一个或多个动作可以包括对一个或多个警报参数或阈值的调整。另外，在与电气系统相关联的问题包括与负责监测电气系统的EPMS相关联的问题的实施例中，一个或多个动作可以包括调整与EPMS配置相关联的一个或多个设置以解决与EPMS相关联的问题。
在一个示例实施方式中，解决问题的一个或多个动作由与电气系统相关联的控制系统自动执行。控制系统可以例如通信地耦合到负责捕获或导出能量相关信号的至少一个IED，和/或通信地耦合到基于云的系统、现场/边缘软件、网关和/或与电气系统相关联的其他头端系统。
应当理解，在一些实施例中，方法600可以包括一个或多个附加框。例如，在一些实施例中，方法600还可以包括确定识别的警报和/或与识别的警报相关联的警报时段对电气系统的影响，并且提供用于减少或消除识别的警报和/或与识别的警报相关联的警报时段对电气系统的影响的可行动建议。根据本公开的一些实施例，可行动推荐可以基于客户或细分类型和/或客户配置或确定的偏好。
另外，方法600(和本文公开的其它方法)还可以包括传送与识别的警报相关的相关信息。相关信息可例如提供对以下各项中的一项或多项的实时感知：警报健康状况、(多个)警报配置、(多个)警报操作、(多个)警报来源、(多个)警报影响和最近的警报活动。根据本公开的一些实施例，可在警报数据仪表板、报告、文本、电子邮件和/或可听通信上提供相关信息。简要地参考图7，示出了根据本公开的一些实施例的示例性警报数据仪表板。在一些示例性具体实施中，警报数据仪表板可为可定制和可配置的(例如，基于客户细分和/或响应于用户输入)。另外，在一些示例性具体实施方式中，警报数据仪表板的一个或多个方面可为用户可选择的，并且能够响应于警报数据仪表板上的一个或多个用户动作而提供更详细的见解和分析。
众所周知，警报向客户提供EPMS最重要的价值之一。不幸的是，如果没有适当地配置和/或应用，它们也可能是最大的麻烦之一。具有EPMS的人普遍需要管理无数警报，一些是关键的，一些是微不足道的，一些是频繁的，一些是偶尔的；并且客户总是关心两者之间的区别。存在与客户面临的警报相关联的许多问题，包括：过度警报、外来警报、警报危急度，并且最特别地，它们对整个系统的暗示。令人遗憾的是，产生警报的事件可能是设施对盈利能力、损失和整体生产率的最关键影响。企业受到其资源和专业知识的限制，因此重要的是简化/优化警报信息以帮助客户简化、解释和解决EPMS警报(以及产生它们的事件)。
例如，图7所示的警报数据仪表板提供了许多工具来促进这些需求。例如，警报数据仪表板为客户提供对其EPMS的警报上层结构的清晰视图/理解。警报数据仪表板中所示的每个“桌面小程序”(例如，警报健康桌面小程序、警报配置桌面小程序等)以高级别呈现；然而，可以允许客户“深潜”到任何小部件的信息中(例如，基于或响应于用户与小部件的交互)。这些工具允许设施管理者更容易地理解并快速地实时响应电气警报和事件。它们还可用于根据特定细分市场的需要/要求(即，什么是重要的，什么是不重要的)“调整”最终用户的EPMS。最终，该特征增加了EPMS的价值和有用性，从而节省了设施管理器时间、金钱和资源。
本领域的普通技术人员应当理解，类似于图7中所示的警报数据仪表板的警报数据仪表板可提供除上述那些之外的许多益处。例如，警报数据仪表板可以：(1)简化一个页面/屏幕上的多个警报集合，(2)为专家和非专家两者提供对警报健康、配置、操作、来源、影响和最近活动的“概览”实时感知，(3)基于客户细分上下文启用小部件的标准配置，提供警报信息和问题的连续评估，(4)突出显示关键警报优先级，(5)经由基于其影响(或潜在影响)的划分来提供重要的警报健康度量，(6)根据对EPMS的预计影响来划分配置问题，(7)根据与最终用户的电气系统相关的历史问题来归一化和划分操作影响，以及(8)提供从全面到详细的警报信息“深度潜入”的能力。
应当理解，图7中所示的警报数据仪表板是本文设想的许多示例仪表板中的一个。
参照图8，流程图示出了用于分析警报以表征电气系统问题的另一示例方法800。根据本公开的一些实施例，方法800说明了可以结合上面讨论的一个或多个方法(例如，方法600)执行的示例步骤。类似于上面讨论的方法，方法800可在电气/电力系统中的至少一个IED(例如，图1A中示出的121)的处理器、电气/电力系统中的诊断计算系统(例如，图1中示出的125)的处理器上实现，和/或远离至少一个IED和诊断计算系统。
如图8所示，方法800开始于框805，其中类似于上面讨论的方法200的框205，由电气/电力系统中的至少一个IED捕获或导出能量相关信号(或波形)。在框810处，处理来自或源自能量相关信号的电气测量数据，以识别压倒性时段(与正常操作水平区分开)。更具体地，处理电气测量数据以识别电气系统中的事件和/或警报的压倒性时段。例如，可以基于对与在电气系统中识别的事件和/或警报相关联的聚合的信息的分析来识别事件和/或警报的压倒性时段。如先前附图中所指出的，在一些情况下，可以响应于识别的事件而触发警报。
根据本公开的一些实施例，框810处的目标是识别和标记压倒性事件和/或警报的所有时段。这些可以等同于例如在特定时间段(或在一个或多个特定时间段内)发生的异常高的事件和/或警报率。应当理解，可以分析不同的时间段，例如，基于最适合每个分析和/或呈现(例如，报告中的图形或软件的UX中的图形)来选择/分析时间段，以及组合若干时间段以从每个时间段分析中提取不同的信息。图16提供了两种类型的压倒性时段的图示：尖峰(1620)和峰值时段(1630)。如在该图上可见的，在1635中(例如，基于中值+1.5×IQR的正常异常值)和在1625中(例如，基于中值+3×IQR的极端异常值)从每个间隔的警报数量的统计分析推断阈值。这些较长的持续时间可以由固定的时间段(持续时间)定义，例如，跨越3个不同的10分钟时间段或具有超过20分钟的持续时间。可替代地，它们可以从正常持续时间段动态地导出。例如，系统可以使用第三分位数乘以因子3的持续时间来确定“正常持续时间”，然后当持续时间长于该“正常持续时间”时将事件分类为峰值时段。
图9和图10示出了与识别压倒性时段相关的各种概念。例如，在图9中，使用固定的10分钟间隔周期，这对于电力设施可能是典型的(取决于地理位置，因为一些国家使用15分钟间隔周期，但是这两者可以被认为是类似的)。该10分钟间隔周期也用作ISA 18.2标准内的参考。它易于理解并且非常直观；然而，缺点是警报可以在任何给定的10分钟间隔内的任何时间出现。因此，可以在给定的10分钟间隔的最后一分钟出现一系列警报，例如在12分钟内持续。在这种情况下，它在间隔1的最后一分钟开始，继续整个间隔2，并且在间隔3的分钟1结束时结束。例如，可以通过3个不同的10分钟间隔来报告这些系列警报。非专业人员可以将该警报系列视为30分钟的持续时间，这显然是不正确的。
应当理解，存在可以使用的几个其它固定时间周期。例如，可以使用1分钟的时间段。该时间段的示例优点是事件开始和结束的更高分辨率。该时间段的示例缺点是较少的聚合，这可能为用户产生更多的复杂性。另外，它不在ISA 18.2中使用，并且可能被认为持续时间太短而无法测量任何响应能力。一分钟的时间间隔周期通常也不匹配任何团队或过程反应性测量(10分钟通常用作团队被警告所需的最小时间，并且可能对新事件和/或警报具有快速的第一级响应)。
根据本公开的实施例，也可以使用1小时的时间段。该时间段的主要优点是在较长时间段(相对于1分钟或10分钟时间段)内聚合数据。另外，例如，维护管理器容易将八个1小时时段视为工作轮班的代表。主要缺点是与某些类型的事件(诸如电压骤降或电压骤升或瞬变)的持续时间相比，1小时非常长。另外，在该长时间间隔期间可能发生若干次发生或再次发生。应当理解，在一些情况下，该时间段可能无法为稍后步骤中进行的某些类型的分析提供足够的粒度。
根据本公开的实施例，也可以使用2小时的时间周期。应当理解，例如，2小时时间段具有与1小时时间间隔时间段类似的益处和缺点。在一些情况下，可以使用2小时时间段来触发某些稳态警报(例如，“2小时时间间隔内的平均THD”警报)。因此，在2小时间隔持续时间内聚合警报将匹配用于触发警报的间隔(例如，用于计算平均值的2小时)。示例益处可以是分析时间段与针对这些类型的警报的警报触发时段匹配。示例缺点是粒度的减小。同样，如果将持续时间小于1秒的事件与2小时间隔进行比较，则时间分析的精度降低到1:7200(2小时×60分钟×60秒)。
应当理解，可以使用其它固定时间段，例如8小时(即，相当于典型的工作班次)、每天、每周、每月、每季度、每学期、每年。这些时间段对于报告聚合结果是有用的，诸如当在1年分析时段内比较不同季节时突出显示警报的平均速率的增加趋势或压倒性时段的数量。
应当理解，还存在事件/警报驱动周期(即，事件/警报推断时段)。这些时段不基于任何固定参考，诸如间隔的持续时间、拾取时间戳或丢失时间戳。根据定义，仅当检测到事件和/或警报时才触发事件和/或警报，这有时可能使固定时间段不太相关。在一些情况下，只有几个时间段可以具有事件和/或警报。另外，在一些情况下，可能存在非常短的警报突发(例如，2秒内的警报)。在10分钟内(例如，由35个不同的IED拾取的70个警报的四个突发)或另一时间间隔内也可以存在若干个警报突发，例如，其中每个突发是短的(例如，几秒)并且与下一个警报突发间隔超过一分钟。
图10示出了利用事件和/或警报驱动的周期，例如“重叠事件序列的检测”，其通常具有不同的持续时间。例如，一些可能仅持续2秒。如在共同未决的美国专利申请第17/044,934号中所述，例如，其名称为“Systems and Methods for Intelligent Alarm Grouping”并被转让给与本公开相同的受让人，系统可以添加一些持续时间以扩展这些序列的丢失时间戳，目标是扩展序列并抓取任何相关但延迟的事件和/或警报(或补偿时钟漂移)。结果是，如果在给定持续时间期间没有发生新的事件/警报，则任何序列将被认为已经结束。这可以是固定的持续时间(例如，没有事件和/或警报发生的最小60秒)，或者可以从前几个月推断(例如，基于当不应用时间延长计算时到下一个重叠事件序列的典型持续时间)。另外，这甚至可以被调谐到电力质量的类型或事件和/或警报的保护类型。
图10在框1030中具有类似于框930的组。它们是由系统基于所有序列中的警报共现而计算的组(数字1015示出了该图的X轴上的序列数量)。数字1010中的线也类似于数字910。数字1020也类似于920。这是单个序列(类似于10分钟间隔)的图示。数字1040示出了与940中相同的事件。这为用户和自动分析提供了更多细节。在940中，三个连续的10分钟间隔显示来自所有这些IED的电压下降。在1040中，系统检测到9个序列变得可见。这些序列的内部细节可以在图15B中进一步可视化，其中数字1510示出相同的IED首先在这些序列中的八个中检测到该事件，总是指示向下方向进入电气系统。数字1050示出了与920类似的单个事件，因此放大序列不会提供来自分析10分钟间隔数据的附加区别信息。
如何检测压倒性周期的不同实现是可能的，并且由本公开覆盖。在一个示例实施方式中，可以使用统计方法，诸如在分析时段(例如，1个月或1个季度作为示例)内计算，计算中值和四分位比(即，IQR或第25百分位与第75百分位之间的距离)。例如，可以基于“中值+1.5*IQR”(即，“异常值”阈值)和“中值+3*IQR”(即，极端异常值阈值)来确定两个不同的阈值。
图11示出了机器学习变化点识别算法的利用(例如，基于中值或均值变化或方差变化)。例如，使用这些算法，系统可以计算所有变化点的位置(数字1120示出了这些变化点中的一个)。从每个新的变化点向前直到检测到下一个变化点，算法将能够定义该区段的中值(数字1130示出了这些中值之一)。每个区段由包括在两个连续变化点之间的所有时间间隔组成。一旦识别出这些区段，就可以通过区段中包含的区间的数量对每个区段进行加权，然后可以应用定义正常、异常和极端的方法。它可以依赖于统计(例如，上述中值和IQR、异常值的“平均值+2*标准偏差”、极端异常值阈值的“平均值+4*标准偏差”)或一些其他机器学习方法(例如，聚类)。
在另一个示例实施方式中，机器学习或人工智能算法或工具可以用于相同的目的。例如，使用由图11表示的警报的示例并使用聚类，我们可以找到4个聚类(例如，聚类1覆盖从0到2个值的范围，聚类2覆盖在3到10个警报之间的范围，聚类3覆盖15到45的范围，并且聚类4覆盖从55到210的范围)。采用每个簇的上限值，我们可以推导出2、10和45处的阈值(每10分钟间隔的警报)。通过对照分布检查这一点，我们看到在聚类4中仅存在非常少的值，在聚类3中存在很少的值，并且在聚类1和2中存在大多数值(>50％的值总量)。保持两个较高的聚类，我们可以将值45(以及因此上面的所有点)视为极高值作为阈值，并且我们可以将异常高值(也称为异常值)的阈值视为15至44之间的值。
应当理解，可以有许多其它算法和工具以及方法，这些算法和工具以及方法可以被AI、机器学习领域的任何技术人员考虑和实现或利用，特别是在异常值识别或异常检测领域。
在框815处，可以表征在框810处识别的压倒性时段。例如，通过利用上述识别的异常值和极端异常值的阈值，可以将每个间隔和/或序列标记为潜在的“压倒性时段/间隔”(即，警报数量高于异常值阈值)或“极端压倒性时段/间隔”(即，警报数量高于极端异常值阈值)。
在该统计和/或机器学习标签之后，应当应用一些专业知识或常识规则来过滤“荒谬的”分类(例如，从纯统计方法来看，当大多数值为每个间隔0个警报时，每个间隔2个警报可能已经被认为是异常值，并且4个警报被认为是极端异常值)。这些规则可能非常简单，例如，“如果每10分钟间隔少于15次警报，则不使用该阈值”，或者“如果每10分钟间隔多于50次警报，则创建阈值”。或者它们可以通过利用现场的专业知识和知识来具体设置(例如，如果知道运营商的数量)。全面的警报知识和了解维修警报处理能力有助于制定这些规则。另外，可以使用专业知识规则、利用统计或机器学习算法来推导特定客户细分或驱动过程或负载类型的典型阈值。
在将每个间隔标记为“正常”、“压倒性周期/间隔”或“极其压倒性周期/间隔”之后，系统可以将相关特性附加到每个间隔(例如，存在的警报的数量、存在警报的不同IED的数量、存在的不同类型的警报等)，并且可以随着分析的进行而逐渐丰富这些特性(例如，添加在间隔期间存在的簇的数量，例如，如在框820中可见的)。
应当理解，识别时段是阐明减轻和补救动作以及更具体地对警报健康的潜在影响的重要步骤。为了确定要优先化的动作，知道可以减少或解决“压倒性时段/间隔”中的哪个部分和多少个可能是有用的。
在框820处，可以识别共同发生的事件组。如从先前步骤显而易见的，不清楚事件和/或警报可以如何彼此相关。在不寻找共现现象的情况下，它将产生非常模糊的警报图片，并且即使对于专家的眼睛也不会看到清晰的图案，这使得任何分析都非常困难。如今，专家使用IED的位置来选择IED的子集或尝试识别相关IED，并且通常可以选择事件和/或警报的时间窗口以集中分析。一旦分析了子集，就测试分析以查看它是否是可一般化的(例如，它是否解决了在该时间段期间发生的警报问题)。这可以迭代若干次，试图减少事件/警报的数量，查看其他IED或时间段。通过不分析所有可用数据(即，集中于仪表和/或时间间隔/周期的子集)，可能会丢失必要组件，并且在异常共同发生的警报与总是或通常共同发生的警报之间没有辨别。
在一个示例实施方式中，共现警报组可以基于成对相关计算，以提供每个IED对之间的距离测量。然后可以将其变换为矩阵，该矩阵是分层聚类算法(例如，使用K均值聚类)的输入。使用任何方法来确定聚类的最佳数量(例如，单个方法或诸如“nbclust”R包中描述的方法的组合)，可以在定义为最佳的级别切割聚类树。在另一示例实施方式中，系统可以使用任何相关的距离测量计算(例如，欧几里得、相关性、z分数、DTW、基于形状的距离等)或任何机器学习时间序列聚类算法或套件(例如，动态时间规整、基于形状的聚类、置换分布聚类、蝌蚪聚类、k形聚类等)。在所分析的时间段内不或仅很少同时发生)。
存在几个新颖的步骤。例如，系统可以寻找警报的共现。为了执行这一点，系统仅利用分析的一个步骤(即，针对时间间隔中存在的警报的值1，或者如果在相同间隔期间不存在(活动警报)则为0)。在稍后的步骤中，利用警报的数量(例如，缓解动作的可能影响评估中的缓解优先化的影响、缓解性能测量)。
系统可以迭代通过重叠事件的序列，重新计算每个簇的子序列。最初，作为第一步骤，重叠事件的序列可以考虑共同发生的所有警报和事件。这可能对序列的真实边界造成混淆(例如，这可能链接在一个簇期间发生的所有警报)。
根据本公开的一些实施例，系统可以使用不同的时间段来计算聚类，分析和协调任何差异。至少，例如，系统可以基于固定的“10分钟间隔”中警报的存在(或不存在)和动态(事件推断的)“重叠事件的序列”来运行聚类。对于这些中的每一个，系统可以识别最佳数量的聚类并识别警报的共现的聚类(例如，并且警报包含在每个聚类中)。
然后，系统可以识别任何差异，例如，通过将由“重叠事件序列”识别的聚类与“10分钟间隔”的聚类进行比较。系统可以基于几个原理来解决差异。例如，可以利用最细粒度的信息来解决差异，该信息通常是“重叠事件序列”聚类。由于这些序列可能短得多(有时小于1秒)，并且由于存在在10分钟间隔期间发生的所有序列的细节，因此更多的信息将是可用的。可以触发迭代，例如，以在稍后的步骤中细化聚类，可能每次更多信息被附加到聚类时。每个序列的附加数据的示例可以是事件是否被确定为源自IED的上游或下游。另外，可以按顺序确定来自IED的源的最高置信水平。在一些情况下，还可以确定负载影响信息。例如，可以确定是否由于电压骤降而检测到任何负载损失。另外，可以在每个序列中确定最大影响。
根据本公开的一些实施例，系统可以将业务逻辑应用于这些统计和机器学习工具。在该商业逻辑的一个示例实施方式中，仅包含一个(例如，或2、3个)警报的所有簇可以被聚类到“一组独特的单个警报”中。这些警报中的每一个可以具有非常独特的存在签名(即，它本身被聚类并且不与其他警报重叠，每个警报是独立的组)，使得每个簇可以被正确地识别。因此，可以确定机器学习做了预期的事情。然而，单个警报簇不表示对警报管理有用的任何事物。然后，系统可以应用商业逻辑来将所有这些单簇警报分组为一组新的“独特的单警报”。系统可以对2或3个警报的簇应用类似的过程，这取决于在分析时段期间发生的独特警报的数量。主要优点是理解重复出现并且具有不显示任何模式的一组所有警报的模式，除了没有公共模式也可以被认为是模式。这些分组在进一步分析中可以是有用的，以过滤来自进一步分析、显示/图形的警报，或者例如用于缓解动作调查。
根据本公开的一些实施例，系统可以从聚类和共现分析推断分层关系，并添加这些以细化分组。在图9A中，例如，我们可以可视地示出链接，诸如(1)簇6(框961)被包括在簇5(框962)中，以及(2)簇5(框962)被包括在簇4(框963)中。框965示出了簇7与簇4不同的一个示例发生。在该图示中，系统使用术语“簇”而不是“组”作为同义词。例如，在簇1中，警报A、B、C总是共同发生。警报D也经常与ABC共同发生，但有时不存在。专家规则可以利用事件和/或警报信息(例如，大小、持续时间、电气安装内部的位置等)来验证关系。在一些示例实施方式中，当检测到输入数据的显著变化时，系统可以重新计算聚类。例如，当检测到重叠事件的新子序列时，系统可以使用新子序列来重新计算组(也称为簇)。
在框825处，可以确定共同发生的事件组是否重新发生，例如，模式重复的频率。另外，可以确定模式是否在至少一个组中重新出现。然后，系统可以评估聚类的有用性。为了执行该评估，系统可以首先识别在每个分组中重新发生多少事件。这是评估创建的簇(即，共同发生的事件和/或警报的组)的有用性的一个标准。
前面的步骤使用同现作为关键输入来定义相似和不相似的分组。这意味着它基于时间戳和持续时间来识别判别模式。然而，在该阶段，系统尚未确定定义缓解动作对系统的影响。通过评估每个簇并确定重新发生的序列的数量，系统将能够预测每个簇的未来警报的可能减少，以及是否实现给定的缓解动作并实现预期的结果。
例如，簇1可以具有30个不同的警报。平均而言，每个序列可以包括序列内的45个警报，其中一些警报重复。在一个示例实施方式中，簇1可以具有20个序列，其中出现相似的模式。通过专注于解决与簇1相关的问题，在随后的一个月中，警报的数量应该减少900个警报(20个序列*每个序列平均警报数量为45)。如果所有其他警报仅很少重复(例如，5次或更少)，则基于警报的计数和模式的重现，系统可以将关注更重复的警报确定为最有用的。例如，可以从警报数据(例如，影响)或从上下文数据(例如，段的类型、负载类型等)导出其他有用性标准。
在框825处，如果确定至少一个共同发生的事件组重新发生，则该方法可以进行到框830。可替代地，如果确定没有共同发生的事件重新发生，则该方法可以结束或返回到框805(例如，捕获和分析附加的能量相关信号)。
在框830处，确定每个重复发生的共现事件组的组特征。例如，这些组(即，簇)中的每一个可以通过其内容和模式来表征。例如：
·每组中发生的不同警报的数量和典型模式，
·每组中不同IED的数量和警报源，
·每组的分析时段中的再出现的数量，
·每个组的典型警报类型的列表，
·每个组中的警报类型的列表，
·在每个组中共同出现的不频繁事件类型的列表，
·基于基于专业知识的规则来识别要进一步分离的组(例如，识别在同一组中发生的事件类型之间“没有可能的链接”)，以及
·确定每个组的典型事件相关测量值或导出值(例如，事件和/或警报的典型持续时间、影响的阶段的典型数量、典型幅度等)。
当系统移动通过工作流程时，可以迭代地完成这些特性(例如，添加根源识别、影响评估、位置分析、方向检测、可能的缓解动作、缓解和补救解决方案的影响评估等)。
在框835处，识别组/事件的原因分析使能者或简化者。例如，在框830处识别的每个重现的共现事件组的组特性可以用于确定与电气系统相关联的问题，诸如问题的起源、来源、原因、转变/演变和/或相互关系。
应当理解，所有以下步骤可以组合，并且这些步骤中的任一个可以顺序地或与其它步骤中的任一个并行地运行。为了本申请的清楚目的，每个步骤将被描述为单独的步骤。但是该应用将从交叉相关和交叉检查中获得，以确定分析使能者的任何组合。当这些步骤中的一个或多个被组合并且被认为仅应用于事件和/或警报组中的一个时，分析可能变得更相关。理想地，如果每个组具有相关联的一组不同的相关特性，则每个组的原因分析应触发特定且不同的缓解和/或补救动作。并行地，系统可以总是通过评估其他组是否通过每个组合步骤开始相关来检查辨别的损失。
高级原则是特定于一组事件和/或警报、该组的特定IED列表或仅在该组中在这些IED上发生的任何特定类型的事件和/或警报的任何事物(或任何特定组合)可以被认为是可能的独特分析使能者。创建组的重叠的任何事物将被重新评估并且可能与其他测量和/或使能者重新组合(例如，IED列表可出现在组1和组5中)。在组1中，事件类型是具有非常短的持续时间的所有电压骤降。在组5中，所有事件作为稳态事件与电压THD相关。在这种情况下，IED列表+PQ事件类型的组合将是判别特性并且可能变得重要。因此，利用相关IED的位置、相关联的负载、受影响的电路分支和任何其他使能者可以链接到IED+PQ类型的事件的特定组合密钥。例如，负载影响可以被确定(例如，负载的50％的损失)并且与负载的操作相关(例如，马达的保护继电器已经跳闸)，并且电气系统内部的位置可以结合特定过程(例如，电容器组通电)被利用并且与PQ类型(例如，电压骤降)相关。通过查看所有这些信息和相关的时间序列，系统可以推断出通电电容器组产生电压骤降，从而触发电机保护继电器，从而影响特定生产现场位置中50％的电机驱动负载。这可能仅限于电气系统的两个分支(即，其他分支不受该事件的影响，因为没有检测到警报在其他IED上共同发生)。
在框840处，响应于识别的原因分析、使能者或简化者，采取或执行一个或多个动作。例如，可以部分地基于识别的原因分析、使能者或简化者来采取这些动作以缓解或补救与电气系统相关联的问题。通过解决与电气系统相关联的问题，在一些情况下可以改善电气系统的操作。
应当理解，有许多类型的信号、数据和/或信息可以用作输入以选择(例如，最佳匹配)和/或触发缓解和/或补救动作。例如，在一个示例实施方式中，系统可以利用每个组(例如，如结合图12所描述的)、若干组和/或所有组的排序列表作为输入。另外，在另一示例实施方式中，例如，系统可以使用结合图12描述的步骤的任何或所有结果作为输入。在另一示例实施方式中，任何直接测量、关于细分类型、现场大小、负载类型、任何其他现场、现场组、客户组和/或用于定义基准的用户组等的任何信息可以用作输入。在另一示例实施方式中，任何先前的动作和相关联的触发、测量、信息、事件、警报和/或任何其他相关数据可以用作输入。在另一示例实施方式中，任何学习到的触发(例如，触发、测量、信息、事件、警报和/或任何其他相关数据)可以用作输入。应当理解，触发和选择/最佳匹配动作的动作可以是预定义的或学习的(例如，从专家规则、基于示例阈值、使用一些移动应用选择最佳解决方案的用户输入、定义、描述和/或触发最佳动作)。应当理解，这些实施方式中的每一个可以根据需要以任何方式组合或布置。
例如，可以在框840处采取的补救和/或缓解动作的各种实施方式将在本公开的后面讨论。
在框840之后，该方法可以结束，返回到框805，或者可以采取一个或多个动作。例如，在一个实施例中，该方法可以继续到方法1200以进行进一步分析。从下面的讨论中将理解所公开的发明的其他示例方面、特征和/或变型。
参照图12，该流程图示出了用于分析警报以表征电气系统问题的另一示例方法1200。根据本公开的一些实施例，方法1200说明了可以结合上面讨论的一个或多个方法(例如，方法800)执行的示例步骤。类似于上面讨论的方法，方法1200可在电气/电力系统中的至少一个IED(例如，图1A中示出的121)的处理器、电气/电力系统中的诊断计算系统(例如，图1中示出的125)的处理器、EPMS和/或远离至少一个IED和诊断计算系统(例如，在EPMS的另一部分/位置中)上实现。
如图12所示，方法1200开始于框1205，类似于上面讨论的方法800的框820，可以识别共同发生的事件和/或警报组。在框1210处，可以表征每组事件/警报中的每个事件(序列/事件)。根据本公开的一些实施例，该框类似于方法800的框830，其中确定每个重复发生的事件和/或警报组的组特征。
在框1215处，可确定位置是使能者(关键判别因子)的位置。例如，哪个IED首先拾取事件、IED位于电气系统中的何处等。系统将搜索每个事件的事件源位置(即，重叠事件的序列)。根据本公开的一些实施例，可以通过利用存在于给定簇中和可能频繁地共同发生但出现在给定簇的序列中的至少一个序列中的不相关簇中的所有IED来识别事件源位置。例如，可以利用每个簇的IED列表和电气单线图中包含的分层信息来为每个簇的每个事件建立任何典型的特定分支位置。另外，该信息可以用于推断一般影响事件(例如，电力系统的所有分支都检测到该事件和/或警报)。
根据本公开的一些实施例，可以确定是否存在与其它组重叠的任何位置。如果是，则可以推断差异或关系。例如，簇1和簇2中可以存在相同的IED；然而，两个簇之间的事件类型可能不同。还可以例如利用附加的相关特性(例如，序列的数量、警报的数量、每种类型的事件的IED能力和设置等)来执行每个位置的识别。另外，可以通过利用IED列表和更一般的上下文信息来执行每个簇的识别。在一些情况下，可以确定每个簇到任何物理建筑物位置(例如，事件区、距离)或到从位置分析导出的任何典型应用(例如，HVAC、照明、电机等)的链接，从而潜在地创建特定图形表示或图形以帮助专家分析(例如，扩展热图、每个簇受影响的电气系统分支可视化等)。
根据本公开的一些实施例，分析滋扰来源位置信息本身可能已经提供了一些有用的信息。例如，如果所有滋扰来源位置测量指示电力系统内的源，则即使在没有电气系统图(例如，单线图或SLD)的情况下，分析也可以清楚地推断原因/源最可能在现场内(即，不源自公用设施)。如果除了电气系统图之外还可获得滋扰来源位置信息，则系统可以利用位置作为可能的判别信息进行甚至进一步的分析。可以产生进一步的可视化，例如，如图13所示。在那里，滋扰来源位置信息通过灰度或颜色方案(例如，下游源是红色，上游源是蓝色)以及通过灰度(例如，高置信度是黑色，低置信度是浅灰色)或颜色强度(例如，高置信度是非常强烈的颜色，低置信度是不太明显的颜色)来表示。数字1310示出了该曲线图中的这些滋扰来源位置中的一个。
在框1220处，可以确定上下文数据在哪里是使能的(关键判别因子)。根据本公开的一些实施例，上下文数据可以被定义为不是测量但是描述这些测量的环境的一些方面的所有数据。为了说明而提供的一些示例是负载(例如，马达或电容器组)、建筑和制造过程、诸如照明或HVAC的应用等。根据本公开的一些实施例，可以为每个事故确定可用的和相关的上下文数据。
下面提供的是不同上下文的示例。
·建筑物相关负载(例如，HVAC屋顶单元、水泵等)、建筑物相关应用(例如，照明、电梯等)、建筑物相关过程和控制(例如，BMS等)。
·与制造相关的负载(例如，传送带中的马达等)、与制造相关的应用(例如，自动化涂装舱室应用等)、与制造相关的过程和控制(例如，制造SCADA系统等)。
·与电力系统相关的负载(例如，变压器、电容器组等)、与电力系统相关的应用(例如，电力监测系统)、与电力系统相关的过程和控制(例如，电力系统SCADA系统等)。
这些上下文中的每一个都可以提供有用的数据，例如设置、带有时间戳的设置改变、I/O的带时间戳的状态改变、控制或处理拾取或丢失时间戳、带有铭牌信息的加载描述，仅仅是为了提供数据的示例。这是非常广泛的，并且通常与客户细分、建筑物类型、应用类型、现场大小以及用于对现场、建筑物和客户的活动进行分类的其他变量相关，这可能是客户细分或客户应用的标准实践。
根据本公开的一些实施例，系统可将情景数据链接到事件和/或警报组和发生时间。在一个示例实施方式中，将带时间戳的上下文数据与警报组和每个事件发生时间段(例如，序列和/或10分钟间隔)组合。另外，在一个示例实施方式中，与该组事件和/或警报的事件、警报和/或IED相关的全局设置(例如，BMS或电力SCADA系统的配置等)可以作为元数据附加到该组。在一个示例实施方式中，由存在于该组事件和/或警报中的IED监测的识别的负载可以作为元数据附加到每个事件和/或警报组。从上述示例中显而易见的是，不同的附接层是可能的，例如，从每个事件和/或警报到IED，并且直到整个系统或应用中的任何一个。系统可以利用该数据来识别辨别分析的潜在使能者。
利用该特定类型的数据，系统可以识别事件和/或警报组的数据与该特定数据之间的特定链接。为了确定链路是否是特定的，可以将组彼此进行比较。如果该数据中的任何一个特定于给定组并且不出现或不能由系统链接到任何其他组(例如，BMS过程变化总是与某些警报共同发生)，则系统可以认为该数据与一个特定组相关且不同。然后，系统或用户输入可以应用专家规则来教导系统如何确定什么是判别使能者。为了将“潜在使能者”移动到经验证的“使能者”状态，系统可以利用基于专业知识(例如，电力系统对给定事件(诸如变压器或电容器组通电)的正常测量)或知识(例如，现场类型、客户细分类型、安装尺寸等)的规则。系统还可以随着时间(例如，6个月的学习时段)从用户输入(例如，维护团队等)学习和导出使能者。
在框1225处，可以确定影响在哪里是使能因素(即，关键判别因子)。例如，可以识别每组警报的每个事件内的可能和测量的影响。应当理解，不同的影响测量或可能的影响评估是研究的核心领域。这种影响分析和测量的一个示例可以包括对负载损失(即，通常由于事件)的影响分析和测量。负载损失描述了事件前和事件后时间段之间负载损失的百分比。例如，电流和/或功率电平在事件被触发之前被归一化到100％，并且损耗负载指示事件之后的减少/损耗。例如，在事件结束之后仅保留事件前电流或功率的30％。
根据本公开的一些实施例，可以识别每组警报的每个事件内的所有测量的影响。每个事故可以包括来自相同IED的相同类型的事件和/或警报的若干次发生。另外，事件和/或警报中的每一个可以具有与其相关联的影响测量。如果没有测量可用，则可以识别可能的影响。另外，置信水平可以与该估计相关联。利用区段和建筑物类型，可以推断出可能负载的列表。另外，系统可以利用基于专业知识的规则来确定可能的影响。例如，应当理解，接触器将不具有足够的能量来在电压骤降事件的一定幅度和/或持续时间下保持闭合。如果这是“常开”接触器，则接触器将断开，并且由该接触器驱动的所有负载将被断电。结合位置、应用、负载或电气系统图纸信息，这种类型的分析将获得更高的置信度。系统可以能够估计具有相关联的置信水平的影响。
根据本公开的一些实施例，警报组可以通过测量或估计的影响来表征，并确定影响水平(真实或可能＝风险)。例如，信息可以在事故级别聚合，并且如果系统识别出它像逐步增量影响，则系统可以选择最高影响或累积效果，以便通过测量的影响来表征警报组。
现在描述的是观察到一系列连续损失或负载的示例情况。已经表明，在一个月内，在簇(即，共同发生的警报组)中，发生了十五个不同的电压骤降序列。但是这些中的八个在小于一小时内出现(即，每个与下一次出现相隔至少一分钟，典型持续时间小于几秒)。通过比较在重叠事件(即，事故)的一个序列内或在一些非常接近的序列之间发生的所有这些电压骤降的负载水平(例如，在20分钟间隔内发生三个电压骤降序列)，系统可以推断每个负载损失是不同的，或者系统可以推断负载损失是相加的(即，影响是累积的)。
系统可以推断每个负载损失是不同的。在这种情况下，如果每个事件前返回到第一初始事件前电平的类似电平，则系统可以示出非常有弹性的电力系统和驱动负载。例如，第一次骤降事件之前的功率被归一化为100％，并且第一次事件之后的负载损失为72％。然后，负载在第二骤降事件发生之前恢复到99％，例如，在第二事件之后将负载损失降低到75％。在这种情况下，它指示在下一个电压骤降发生之前恢复了任何负载损失。如果过程由负载本身内的BMS或一些控制系统(例如，屋顶单元控制等)自动重新启动，并且将给出最大恢复时间的指示(在先前的专利申请中描述)，则这是可能的。系统还可以检测初始冲击并且随后稳定，例如，如果仅第一电压骤降发生具有负载损失并且电压骤降的所有连续发生没有生成任何负载损失。
系统还可以检测电压骤降的渐进影响(即，负载的累积损失)。例如，第一电压骤降发生可以检测到负载的30％从系统移除，例如，在标称电压的60％处(即，在电压骤降期间)。随后，更严重的电压骤降可能在第一次发生之后不久(例如，在初始电压骤降之后30秒)发生。可以检测到额外的负载损失，再次下降50％。系统可以从发生第一电压骤降之前的初始水平推断出65％的总负载损失(初始30％+(左侧70％的50％))。
为了通过估计的影响来表征警报组，可以在事故级别聚合估计的影响。现在描述的是可以使用估计影响的示例。例如，在废水处理厂中，可以使用对该过程至关重要的许多大型马达。如果发生电压骤降并且在相对长的持续时间内产生不包含负载测量值的任何损失的警报(例如，电压在小于一秒内下降到标称电压的30％)，则专家规则可以规定如果现场没有安装穿越能力(例如，没有不间断的电源)，则所有接触器都打开。这将意味着系统可以将影响估计推断为大于水处理设备的负载损失的90％。
在框1230处，可以确定序列分析(即，在序列中第一事件和/或警报的最小识别)是使能因素(即，关键判别因子)的位置。针对一个特定事件的这种类型的分析在其使用中是广泛的。因此，这将不在本文中开发，而是以高级别简单地描述和说明。作为这种类型的分析的基础的核心假设是首先IED检测到事件并且潜在地触发最接近问题源的警报。使其有效的隐式条件是IED的时钟应当被同步(即，拾取时间戳全部发生在几分之一秒内)。
本申请将集中于与组的分析(即，在权利要求中)相关的第一事件和/或警报的具体应用。本发明的示例新颖方面是利用第一事件的识别和/或针对一组共现事件的警报。通过首先分组并且然后将该分析仅应用于该组的IED，其使得能够在一个特定事故时间区分可能的共现事件，但是可能是完全不相关的。主要益处是降低错误地识别第一IED以拾取事件和/或警报的概率。因此，这种分组使得能够在每个事件中查看与每组事件和/或警报相关联的真实第一位置。因此，它确定每个组的局部化(即，仅限于该组的警报)第一事件和/或警报。
在为每个组中存在的所有事件建立第一位置之后，系统可以寻找指示不正确分组的任何模式或寻找组之间的任何关系。如果检测到不正确的分组，则系统将尝试将组划分成多个组。系统可以触发步骤1215的再处理并推断新的共现组列表。在这些步骤之后，可以提供与每个特定组相关的IST事件和/或所有事件的警报的更稳健的评估。系统可以识别模式并且推断在该组的所有事件内发生的事件的典型序列。
图15A提供了关于事件的十四次发生的序列统计的图示。另外，图15B提供了不同事件的详细视图。序列106至113显示相同的重复模式，每次以8045个下游警报开始。这些序列对应于940和1040，并且能够被认为是对事件的渐进缩放和序列的详细视图(基于时间戳)。值得注意的是，图15B似乎确认了时间戳似乎是同步的，因为没有计量器总是相对于时间滞后或超前。系统可以执行如前所述的自动检查。执行的另一个自动检查是检测任何异常值行为。序列174突出并且在考虑1590时将被重新分析，并且这可以重新触发潜在的聚类迭代。在一个示例实施方式中，可以利用一些分析规则。在其他情况下，系统可以请求用户/专家评估，并且随后可以从这些分类中学习并将它们建议给用户进行验证。
系统可以识别每个组的不同模式。“最频繁重复出现的模式”，例如在8个相邻序列(106-113)中重复出现的第一模式，代表该组中57％的出现(即，该组的14个序列中的8个)。该主要模式被系统认为几天后在序列140中重新发生。第二种模式将被区分为发生在两个相邻序列(169和170)中的“部分存在”。在一个实施方式中，系统可以决定将170聚合到169中，并且可以将170视为170的事件的“副本”。
警报序列的三个其他单次出现将被认为是不同的并且被单独分析。系统可以学习专家分析以推断附加规则以使处理自动化。这些序列是114、150和174。此外，系统可以应用不同的模拟选项来检查潜在的匹配。例如，系统可以将174标记为特定的，因为大多数警报看起来彼此紧密相关，尽管与检测到的第一事件(即，1590)处于异常关系(时间上)。然后，如果1590事件不被认为是该序列的一部分，则系统可以在174处与在114中检测到的类似的第一警报进行比较。
利用可从上述应用获得的附加数据，警报1590的持续时间已知持续少于0.05秒。因此，系统将分析一个应用中的警报的持续时间之间的差异，1)只有一个警报与所有其他警报分开出现的事实，2)所有其他警报似乎彼此对准的事实，以及3)第一警报和所有后续警报之间的距离为4秒的事实，提供80的比率(即，4秒的“下一个时间”/0.05秒的“警报持续时间”)。通过使用所有这些指示，系统可以将该特定事件分成两个单独的事件。
根据本公开的一些实施例，系统可检测IED时钟不同步的概率。另外，根据本公开的一些实施例，系统可以通过利用若干指示符并成对地比较事件的接送的时间戳来创建正确序列的置信度指数。如果对于相同的成对IED比较，在不同组中发生类似的超前或滞后，则这是特别有效的。例如，如果两个特定IED出现在具有不同警报类型的两个或更多个不同组中，并且总是存在类似的超前或滞后时间，则这将指示时钟不同步。比较所有成对超前或滞后时间，系统可以确定一个特定设备的时钟是否不同步或者不同的设备是否似乎都具有时钟同步问题。例如，这可以用于通过指向建立时间同步过程的缓解动作以及可能的系统代理定期执行时钟同步(例如，每天在00h00一次)来改善EPMS。系统还可以从这种分析导出置信度指数。在上述示例中，似乎具有类似超前时间戳的若干设备可以使系统归因于低置信度，因为发生了可能的时钟同步问题。相反，如果没有出现超前或滞后规则时间戳的模式，则时间戳顺序将变化，并且系统将得到时钟时间同步的高置信度。
根据本公开的一些实施例，系统还可以寻找警报出现的任何重现模式。这可以被定义为警报分析的序列。系统可以例如评估是否出现任何模式。如果没有模式表示某个权重(例如，表示5个警报的组中所有当前警报的15％)，则可以搜索局部模式以聚焦于前2或3个步骤。图14提供了出现一些清晰图案的示例的图示，并且一个特定表示图示了如何以图形方式显示这样的图案。该算法和该分析的相关图形输出的输入数据是一系列15个序列，与图15B)中描述的相似但不同。图14呈现了读取这些序列内的发生顺序的图形输出。被分析的共现警报组包含十二个警报并且包含15个不同的事件-1410。对于这些事件中的每一个，使用事件中出现的警报序列。在所有15种情况下，首先出现警报3-1420。在所有15种情况下，警报1、5、6和12恰好在警报3-1430之后一起出现。随后，图案开始发散。在一种情况下，不触发其他警报(例如，路径直接到结束)-1440。另外，在六种情况下，触发警报2。此外，在八种情况下，触发警报4。应当理解，可以执行附加分析并且可以观察到更多警报。
序列的另一种分析可由图15A说明。在附图标记1505处，在x轴上使用的测量是以秒为单位的从第一次发生警报开始的持续时间。这提供了视觉表示，用户可以使用该视觉表示来理解所有警报是否在时间上非常接近，或者在一个警报的发生与随后的警报之间是否存在时间间隙(即，进一步提供用于源和因果分析的关键信息)。附图标记1510示出了按顺序排序的中值持续时间(附图标记1540在“箱线图”中示出了这一点)。警报的该排序列表已经为任何专家提供了易于阅读的信息，因为出现在顶行中的警报是最频繁出现的第一个(附图标记1520)。这里使用的统计图的类型为与四分位数(例如，附图标记1530是第二四分位数，附图标记1550是第三四分位数)和异常值(例如，附图标记1560)相关的数据分析领域的任何技术人员提供了进一步易于读取的信息。然后，图15B添加给定警报组的更多细节。附图标记1580是出现给定组的任何警报的每个序列的编号。附图标记1590突出显示与最频繁显示的图案(例如，附图标记1510)非常不同的一些图案。
在框1235处，可以确定事件和/或警报的类型在哪里是使能者。应当理解，该确定可能是警报用户、试图对警报进行故障排除的专家、或者甚至It团队向专家询问警报类型列表所执行的最常见的分析。
首先考虑每组事件和/或警报的单一类型的事件。现在返回到图9，如附图标记940和955所示，几组共同发生的事件和/或警报(即，簇)可以仅具有一种类型的事件和/或警报。当事件和/或警报的类型对于每组事件和/或警报是不同的时，系统可以推断事件和/或警报的类型是使能者(即，组之间的判别)。另外，当特定类型的事件和/或警报由若干组共享时，系统利用该信息来比较组并执行链接分析(参见880-确定组关系)。事件和/或警报的类型已经是至少两个组之间的公共密钥，并且将相应地用于识别可能的链接。系统还利用该信息来区分不共享这种类型的事件和/或警报的组。
当单一类型的事件和/或警报出现在大多数组中时，事件和/或警报的类型可以主要是用于共享相同类型的事件和/或警报的所有组的链路分析的使能者(如880中所述)。对于不共享相同类型的事件和/或警报的一个或几个警报组，它们也可能更有判别力。然而，在某些情况下，几种类型的警报可以在同一组事件和/或警报内共同发生，这可以重新触发分析(例如，循环回到1205)。
根据本发明的一些实施例，例如，基于专业知识或规则，分组可以被细化并分成更相干的子组。一些事件可能是共同发生的，但本质上是不同类型的。另外，可能存在许多共同发生警报的可能原因，最简单的原因是全局过程，同时打开若干机器/负载。然而，这些机器/负载可能具有不同的问题，并且可能由其他过程独立启动。例如，HVAC控制动作仅在某些条件下触发若干动作(例如，与BMS的一个特定处理步骤相关的若干泵和屋顶单元)。全局过程的另一示例是制造SCADA系统中的复杂生产过程步骤，其可以启动若干马达和焊接机，而马达和焊接机在其他过程步骤中没有关系。
基于专家不兼容性规则，系统可以将组分成具有单个或仅被认为兼容类型的共同发生事件和/或警报的子组。这些规则可以是预定义的或者可以被学习(例如，通过用户输入)。在一个示例实施方式中，如果若干组显示该特性，则可以基于将事件和/或警报的分组(即，聚类)特别地重新应用于该组或这些组来细化分组并将分组分成更相干的子组。系统可添加用于聚类的附加标准以扩展到时间共现测量之外并且朝向多维聚类移动(例如，添加警报持续时间、警报类型、警报严重性分数、警报影响、事件源位置等)。
在评估之后，系统可以认为组是一致的。可以执行进一步的分析以确定多种类型的事件是否与相同的事件和/或警报相关。如果确认，这可能是专家分析的强指标(使能者)。结合其他使能者(例如，顺序中的第一警报、负载冲击的损失、指示特定分支和负载的事件源位置等)，这将有助于区分单个原因(例如，一个电机启动产生电压骤降等)和全局过程相关问题。
如以上描述所示，事件和/或警报的类型可以是任何分析的一部分，并且在许多或大多数情况下通常将是事件和/或警报的判别分析的使能者。这对于更好地理解正在发生什么、检测到的事件和/或警报的原因或结果、以及可能存在于不同组之间和/或组内的不同事件和/或警报之间的关系可能是有用的。重要的是要注意，由于这种事件的典型持续时间的定义，电力质量事件和/或警报的定义、稳态事件(例如，谐波、电压不平衡)的模式和非稳态事件(例如，电压下降、膨胀、瞬变)的模式可能非常不同。
稳态PQ事件通常持续比一个或多个10分钟间隔更长的时间，在视觉上变成扩展时段(例如，图9和图9A中的950)，当警报出现时，或者当“几天连续警报”模式变得可见时(例如，图9和图9A中的960)，该扩展时段显示可以被称为“半天开放时间”的时段。而根据定义，非稳态事件通常具有短的持续时间。这意味着这样的事件和/或警报仅在单个或非常有限的连续10分钟间隔内可见。这由图9和图9B中的942示出，其中电压骤降仅存在于一个单个10分钟间隔中，或者由图9和图9B中的945示出，其中电压骤降存在于五个连续间隔中。
如果非稳态事件显示类似于950或更差(例如960)的模式，那么对于理解电力质量事件的任何专家或任何人来说，问题需要解决可能是明显的。警报可能存在问题，例如，当警报设置可能过敏感(例如，电压骤降设置为5％)或者测量可能不正确(例如，IED中不正确的CT或PT比率设置产生测量误差)时。在现场中还可能存在未解决的问题，从而产生不断重复或冗余的警报。
在这些情况下，可能需要影响评估分析来理解，利用负载损失或对受影响负载的风险评估(即，使用区段知识和负载类型灵敏度)。如果未测量负载影响并且影响的风险低，则终端用户可以选择改变警报和/或事件设置以减少相关的警报滋扰行为。这是因为事件和/或警报没有负载影响并且不需要任何终端用户动作，现在被分类为滋扰警报。如果测量到负载冲击和/或可能存在冲击风险，则应触发警报和/或缓解或校正动作。如在其他情况下所述，创新是将这种类型的分析应用于共同发生的事件和/或警报的组。
在框1240处，可以确定组关系。在该步骤中，系统可以统一来自先前执行的分析的不同分组和信息。信息可以包括例如不同的识别的使能者(例如，位置、影响、事件类型、序列等)。因此，系统可以确定组之间可能存在的关系以及共同发生的警报组之间可能存在的关系类型。
在一个示例实施方式中，系统可以推断包含逻辑。例如，当组A包含组B时，可以利用规则。规则可以包括一般假设，例如，当A具有比B更多的事件/突发事件发生时。绝对包含也可以从简单规则推断，例如，每次A发生时B都被包括在A中(即，A共现)。对于“最频繁包含”，B可以在其发生的大部分时间内被包含。这“大部分时间”可以是预定义的(例如，90％百分比阈值)或推断的(例如，在一年学习周期内从组“学习”，将阈值识别为在来自聚类的同现的相同聚类A内，创建新的聚类B)。当最终用户不深入理解系统时(例如，指定新的维护管理器)，这是有用的。
应当理解，在某些情况下，组A可以独立于组B。例如，在事件中可能存在警报的最小重叠(即，“重叠事件的序列”)。当没有警报重叠(即，没有共现)时，可以确定绝对独立性。例如，当观察指示(通常)当A发生时，B不共现时，可以确定一般独立性。对于“大多数时间”，定义这些的方法的上述说明应该被认为是适用的(例如，预定义的、学习的)。
在另一个示例实施方式中，系统可以分析组逻辑的“事件类型的差异或接近度”。例如，当事件和/或警报的类型对于一组事件和/或警报是不同的时，系统可以将组确认为独立的。另外，当特定类型的事件和/或警报由多个组共享时，系统可以运行包含逻辑以检查这些组的任何类型的包含。系统可以使用这来减少对其执行包含分析的组的子集。该方法利用事件类型作为比较哪些组以及哪些组已经被认为是独立的(即，由于事件和/或警报的类型)的初步过滤器。当单个类型的事件和/或警报出现在大多数组中时，事件和/或警报的类型可以主要是用于确认属于大多数组的不同类型的事件和/或警报的几个组(即，簇)的独立性的使能者。
在几种类型的警报可能在同一组事件和/或警报内共同发生的情况下，系统可以评估簇是不相关子组的概率。例如，如果系统基于不同类型的事件将子组评估为不相关，则系统将细化分组并将组划分为更相干的子组。作为另一示例，系统可以认为该组是一致的，并且在评估之后在进一步分析中利用该组(例如，多种类型的事件被认为与相同的事件和/或警报相关)。
根据本公开的一些实施例，方法1200的该步骤集中于识别任何类型的关系以验证，并且如果需要的话，改进分组。这些分组是所有分析的关键方面。在上述示例中，重点在于验证或拆分组。在另一个实施方式中，还可以将组连接在一起以创建更全局的组。在图9中，簇7可以被认为包括在簇2中。基于使用预定义规则的最终用户输入(例如，如果识别出绝对包含，则合并两个组)，系统可以将组合并在一起。
在框1245处，可以基于其它使能者将组重新分组或进一步分成子组。例如，利用滋扰来源位置信息来分离组，使得所有事件和/或警报指示朝向源(即，可能的源在上游)，并且当滋扰来源位置指示下游或具有混合方向(即，不清楚的源)时，所有事件和/或警报与事件和/或警报分离。系统还可以利用不同的序列模式将组划分为更相干的子组(例如，一个组总是具有首先发生的警报#1，而另一组可以聚合所有警报，其中没有第一警报的清楚模式发生，并且没有其他重复的序列模式可以被识别)。
在框1250处，可以定义判别特征和使能者的排序列表。通过该步骤，系统已经迭代通过组并达到组的稳定性。这可以被认为是分割和分组事件和/或警报的最佳状态。分析的每个维度(例如，位置、影响、时间起源、负载上下文、电气系统的布局)现在与每个事故(即，“共同发生的事件和/或警报的组”、“警报的簇”)相关。
根据本公开的一些实施例，必要的是理解这些维度中的每一个或任何一个可以有助于识别问题的来源和原因，或者可以是“在事件分析中关注哪里”和“识别哪些链接”的指示符以供进一步分析。在这些情况中的每一种情况下，目标是使用自动分析来朝向识别问题的原因(例如，电容器组通电、电机启动等)或问题的来源(例如，原因未知，但是IED的电气系统中最接近问题/事件的位置是已知的)移动。在每种情况下，这种自动分析有助于表征和理解每个问题。例如，可以确定是否存在可以帮助优先化的重复模式。另外，可以确定是否存在由于数据量或其复杂性(例如，与一组事件和/或警报相关的所有事件的相关性分析)而可能被人类分析员错过的模式和链接。
在框1250处，可以对该列表进行排序、组合和/或可能地减少，以保持最有判别力、最重要和最有帮助的信息用于将来的分析。例如，该信息可以用于选择、触发和/或实现用于缓解和补救的最佳动作(例如，在方法800的框840和本文公开的其他方法处)。在一些实施方式中，系统可以利用可以被认为是“恒定”的维度。例如，在一个实例中，所有组中的所有警报可以指示相同类型的事件。因此，单一类型的事件和/或警报可以被认为是“恒定的”。重要的是强调这是非常不寻常的(即，通常，许多不同类型的警报倾向于在较长的时间段内发生)。在一些情况下，这可能成为要利用的最相关的信息。因此，最终用户和维护团队将仅关注一种类型的问题。实施缓解动作(例如，用于电压下降的穿越解决方案)变得更容易定义或指定。
在另一个示例中，许多警报可能与电压骤降有关，并且在使用该特征的所有仪表中，滋扰来源位置可以朝向源系统地指示。系统还从电气系统布局知道若干IED是公用设施阴影仪表(即，安装在公用设施仪表附近)。在这种情况下，系统可以报告所有电压下降似乎源自公用事业并且电压下降源自公用事业系统。因此，系统可以生成月度报告，该月度报告指示和量化过程影响并且基于受影响的负载的知识来评估财务影响。
在一些示例实施方式中，系统可以为每组事件和/或警报建立所有不同维度的等级。例如，系统可以利用测量的信息(例如，由于电压骤降引起的负载损失)、警报设置(例如，事件严重性)和更一般的现场相关信息(例如，地理位置、客户细分、设施大小、受影响的负载)来定义在用户和电力系统中受影响最大的组的排名(即，警报管理)。在一些实例中，排序可以基于测量(例如，利用平均最差严重性分数来定义每个组的排序)。另外，在一些情况下，排序可以基于专家规则。例如，取决于事件和/或警报的类型(例如，当检测到负载损失时电压骤降的得分为100、电压不平衡的得分为90、电压THD的得分为80等)，可以利用相对排名的预定义列表。此外，在一些情况下，排序可以基于学习的信息，例如，当最终用户的界面使用户能够为每个分析的单个事件和/或警报或一组事件和/或警报分配排序分数时。系统可以使用这些和其他手段来建立不同维度的排名。
系统还可以过滤不被认为是判别式的(即，“不影响”)维度。例如，在上述排序步骤之后，系统可以应用过滤器来移除被认为与该组事件和/或警报无关的维度。在一些情况下，它可以基于简单的规则(例如，在100的标度上的最小排名分数40)或任何其他更复杂或学习的行为或模式(例如，当用户不再用排名分数标记事件和/或警报或警报组时)。
在一些示例实施方式中，对于每个组并且具有总体排序分数，系统可以在所有这些可能的处理步骤结束时具有可能的维度排序列表。可以根据每个组来过滤该列表。通常，可以存在若干维度。系统将利用未过滤维度的这种组合来确定用于可能的缓解和/或补救的动作。将利用全局排名分数来确定组之间的优先级。偶尔，将存在一个维度。在这种情况下，相对分数基于该单个维度，该单个维度被认为对于确定动作和该动作的优先级是最重要和足够的。不经常地，维度将不存在(即，所有维度将被过滤为不相关)。在这种情况下，系统将推断不请求对该特定警报组的进一步分析，并且优先级将被认为低于最小阈值。
在一个示例实施方式中，例如，系统可以将更高的优先级赋予与方法800的框810“识别压倒性(从正常操作)时段”和框815“表征压倒性时段”有规律地相关联的任何组。将较高等级分数归因于定期与压倒性时段(即，“警报的洪水时段”)相关联的组的原因是，如果系统解析这些时段，则警报的用户(例如，维护团队、工程师)可能能够清楚地观察到警报是压倒性的和/或与压倒性时段相关联。
在框1250之后，该方法可以结束，返回到框1205，或者可以采取一个或多个动作，如本领域普通技术人员所理解的。
众所周知，警报具有许多目的，包括增强安全性、识别问题、提高质量和降低风险。例如，EPMS(和相关的)警报在历史上已经用于指示或引起对重要状况或问题的注意。这些重要条件可以包括例如异常事件、满足阈值、超过参数、负载通电或断电、实现某些标准、以及指示分配时间已经过去，仅举几例。
理想配置的EPMS将永远不会在重要事件上不能警报，并且在没有事件时永远不会警报。不幸的是，真正的EPMS可能根本没有被配置，可能被错误配置，可能没有使用适当的IED(或其他设备)用于预期应用，可能没有正确放置或安装IED，或者这些问题的某种组合。图17示出了可以降低警报提供的益处的若干示例条件。
为了优化EMPS(和关联/相关系统)的值，应当将其设计为仅捕获与用户相关的事件；可能存在不同类型的用户、最终用户和合作伙伴(如服务团队)。例如，将阈值设置得太高将导致潜在地丢失重要事件。另外，将阈值设置得太低可能生成太多警报，从而导致错误警报和警报疲劳。
虽然警报通常用于指示(例如，可听地、可视地、物理地等)某种形式的事件，但是它们也可用于其它目的。单独地并且作为系统分析警报还提供了与警报相关的线索和信息：
·原点(例如，特定负载类型、操作参数等)，
·原因(例如，电机启动、故障、变速驱动器操作等)，
·位置/来源(例如，公用设施、内部设施等)，
·严重性(例如，事件的幅度等)，
·关键性(例如，附加到每个IED中的每个警报的“优先级”)，
·系统影响(例如，经历事件的系统的部分等)，
·影响(例如，对负载、恢复时间等的影响)，
·发生(例如，事件是任意的还是慢性问题、共现和再发生的模式等)，以及
·重要性(例如，结果等)。
应当理解，更全面的评估可以提供与警报的有效性、冗余性、必要性、优先级和/或功效相关的一般和特定信息。
分析警报提供了对启动它们的事件的洞察；然而，在一些情况下也可以推断那些事件的解决方案，特别是当通过其应用的上下文(例如，段、负载等)查看时。通过缓解或补救解决警报源(以及它们指示的事件)将潜在地减少电气系统问题，其中由EPMS生成的警报数量(取决于其设备数量)的相应复合减少。
在EPMS中具有警报的最终目的是减轻或补救电气系统问题。EPMS警报24/7(希望)可用于提供问题存在、存在或将存在的第一指示(例如，当检测到重复出现的规律重复出现的警报模式并且将再次出现时，除非在可预见的未来减轻或补救)。一旦问题被认识和识别，下一步是通过缓解和/或补救使其消失。
现在参考图18，该流程图示出了根据本公开的一个方面的用于分析警报以例如通过减轻和/或补救解决电气系统问题的示例方法1800。类似于先前讨论的方法，方法1800可以在电气/电力系统中的至少一个IED(例如，图1A中示出的121)的处理器、电气/电力系统中的诊断系统(例如，图1中示出的125)的处理器上实现，和/或远离至少一个IED和诊断系统。
如图18所示，方法1800开始于框1805，其中类似于上面讨论的方法200的框205，由电气/电力系统中的至少一个IED捕获或导出能量相关信号(或波形)。根据本公开的实施例，至少一个IED可以是EPMS的一部分或与EPMS相关联。
在框1810处，类似于方法200的框210，处理来自能量相关信号或从能量相关信号导出的电气测量数据，以识别电/功率系统中的事件(例如，功率事件)。另外，在框1815处，类似于方法200的框215，确定响应于电气系统中或与电气系统相关联的所识别事件(例如，电力事件)是否已经、应该或应该已经触发任何警报。
在框1820处，识别识别的事件和/或识别的警报的原因和/或起源。在这种情况下，原因是什么发起了事件。示例可以包括电动机启动、电容器组通电、雷击、非线性负载操作、非法的中性点-地线结合等。在这种情况下，起源是事件发生的地方或事件发生的位置。示例可以包括参考点的上游、参考点的下游、公用设施/源系统上、设施内部等。参考点可以包括例如IED、电容器组、电机、变速驱动器、插座、电机控制中心、断路器或继电器等。
在框1825处，聚合选择信息。例如，在一个示例实施方式中，可以聚合与以下中的至少一个有关的信息：识别的事件、识别的警报、以及识别的事件和/或识别的警报的识别的原因和/或起源。例如，日常事件或警报的数量、或按时间重叠的事件组的数量、或对下游负载的影响仅是许多其他示例中的几个示例。应当理解，可以在框1825处聚合其他示例类型的信息，类似于先前方法的可比较的框(例如，方法200的框220)。例如，根据本公开的实施例，聚合的信息还可以包括来自以下中的至少一个的信息：EPMS、SCADA系统(例如，电力SCADA、制造SCADA)、建筑物管理系统(BMS)、I/O设备和数据、PLC数据和系统用户(例如，用户发起的动作)。如本公开中先前指出的，在一些实例中，EPMS可以包括负责捕获或导出能量相关信号的至少一个IED(例如，在方法200的框205处)。
类似于方法200的框220，根据本发明的一些实施例，可至少部分地基于分部类型(例如，零售、办公室、旅馆、医院、数据中心、食品和饮料以及石油和天然气)来聚合在框1825处聚合的信息。重要的是要注意，电气系统问题通常对于每个现场/客户应用是唯一的。
在框1830处，分析聚合的信息以识别寻址机会。更具体地，在一个示例实施方式中，可以分析聚合的信息以识别和/或确定缓解/补救机会和技术/途径/方法，例如，以解决以下中的至少一个：(一个或多个)事件症状、(一个或多个)警报源、以及识别的(一个或多个)原因和/或识别的(一个或多个)事件和/或识别的(一个或多个)警报的(一个或多个)来源。在这种情况下，事件症状是通常与事件类型相关联的一般和特定特征。这些可能取决于特定段类型、特定负载类型、操作或问题、设施内的特定位置、一天中的特定时间等。示例可以包括当下游故障发生时断路器断开，当电机启动时灯变暗或闪烁，当电容器组通电时VSD脱机等。在这种情况下，警报源是设备、系统和/或其他向EPM提供警报的提供者。示例可以包括计量设备、断路器、继电器、UPS、PLC、模拟或数字I/O源、基于云的存储库、边缘系统、网关等。“解决警报源”意味着解决与警报源相关联的事件或问题，例如，由于错误配置、没有数据、数据太多、不是正确的数据等。
在框1835处，采取或执行至少一个动作(例如，至少一种减轻或补救技术)以改进或解决以下中的至少一个：事件症状、警报源、以及识别的原因和/或识别的事件和/或识别的警报的起源。根据本公开的一些实施例，在框1830处，基于对聚合的信息的分析来采取或执行至少一个动作。下面结合图19进一步描述与至少一个动作有关的附加方面，包括示例性类型的动作和缓解技术。
在框1835之后，该方法可以结束，返回到框1805，或者可以采取一个或多个动作。例如，在一个实施例中，该方法还可以包括评估在框1835处采取或执行的至少一个动作的有效性。例如，将从结合图19的讨论中理解所公开的发明的其他示例方面、特征和变型，包括与评估至少一个动作的有效性相关联的技术。
现在参考图19，该流程图示出了根据本公开的一个方面的用于分析警报以例如通过减轻和/或补救解决电气系统问题的另一示例方法1900。根据本公开的一些实施例，方法1900说明了可以结合上面讨论的一个或多个方法(例如，方法1800)执行的示例步骤。类似于上面讨论的方法，方法1900可以在电气/电力系统中的至少一个IED(例如，图1A中示出的121)的处理器、电气/电力系统中的诊断系统(例如，图1中示出的125)的处理器上实现，和/或远离至少一个IED和诊断系统。
如图19所示，方法1900开始于框1905，其中确定是否正确配置了相关警报。更具体地，在EPMS系统(例如，包括上面结合图18讨论的至少一个IED)中，初始步骤是确保相关警报被适当地配置为在警报管理系统(即，AMS)中使用。AMS可以位于IED、边缘、网关、基于云的或任何其他内部或外部位置内。AMS的目的是管理本文档中描述的警报算法。EPMS产生许多类型的警报，包括电压骤降、电压膨胀、高速瞬变、谐波失真、低功率因数、超前功率因数、频率偏差、电压和电流不平衡以及过电流，仅举几例。因为每个参数是唯一的，所以它们将(在大多数情况下)使用不同的阈值来触发。它们还可以在触发之前结合一种形式的延迟(有时称为警报滞后)，以确保阈值已经超过足够的时间段以使事件相关。
因为本发明利用警报，至少需要一个警报来启动该过程(这里，在框1910)。至少一个警报可以源自EPMS、PLC系统、数字或模拟I/O、和/或影响管理警报的系统的任何其他内部或外部源内的任何地方。这可以包括IED、连接到换能器的其他设备、在边缘(现场软件)或从网关导出的警报、基于云的系统和/或可以被警报的任何其他数据源。
在框1915处，相应地分析进入AMS的一个或多个警报，以确定它们与相关联的电气系统或其EPM的相关性。根据本公开的一些实施例，可在分析中使用与问题、事件、警报类型、警报源、警报特性和段信息相关的各种上下文数据库，例如，如框1920、1925、1930、1935所示。另外，还可利用历史数据(包括过去的警报数据)、历史分析和/或历史确定。尽管在单独的功能块中示出，但是在一些情况下，缓解和补救技术和建议(这里，块1940)也可以包括在库功能块内。
AMS(或相关组件)包含与该应用程序相关的库。相关联的组件可以位于单个存储库(例如，基于云的存储器)中或跨多个存储库(例如，EPMS和基于云的存储库)。可以根据需要或期望更新一个或多个库，以相应地确保库和所得分析的准确性。
图19中示出了四个通用库(如上所述)；然而，应用可以使用比所示的信息更多或更少的信息，包括促进有用的警报分析所需的补充信息。另外，算法可以从终端用户请求附加信息(例如，元数据、用户交互等)以提供更直接和有用的结果。包括在库内的信息可以是规定性的、经验的/经验的和/或理论的。
图19所示的第一示例库是警报类型和指示库(由框1925描绘)，其可用于描述与警报参数、特性、类型、数据、指示、限制、配置等相关的信息。例如，存在许多警报类型，包括电力质量相关的(例如，凹陷、瞬变、谐波等)、能量相关的(例如，峰值需求、功率因数、消耗等)等。每个都旨在用于其自己的重要区域，可以具有唯一的警报阈值和设定点、优先级、延迟等。警报可以用于稳态问题/状况，并且一些警报可以用于不加选择的事件。警报也可以与其他警报组合使用(例如，布尔警报)，而其他警报可以充当“独立”警报。输入/输出(即，I/O)警报可用于从开关和/或换能器引入外部信息，或者可用于触发到外部IED和/或其他设备的输出信号。一些IED(或其他警报源)可以仅提供警报的子集，因此理解IED(或其他警报源)的约束对于进而理解所提出的缓解或补救解决方案的约束是重要的。警报类型和事故库的关键是理解接收到的警报数据并确保适当的数据可用于分析和解决电气问题。图20提供了设置点驱动的警报如何与警报拾取、丢失和延迟一起工作的简单图示。
IED、边缘、网关和/或基于云的应用产生警报，警报又可以提供和/或产生补充信息。例如，电压骤降事件可以在IED中生成电压骤降警报。该电压骤降警报随后可以触发对电压骤降事件的分析，触发对与电压骤降警报相关联的数据的分析，提供关于电压骤降的影响、持续时间、类型、恢复时间、位置等的附加信息。
因为警报源将具有固有的限制，所以警报类型和指示库将在可能的程度上包含这些限制。例如，特定的计量设备可能具有其采样率的限制，这可能约束可用的或可以从事件导出的信息。当分析警报以确定缓解或补救的最佳方法时，考虑该信息将是重要的。
配置信息也可以包括在警报类型和指示库中，因为不正确的配置会影响算法产生的警报的质量/数量。因为解决方案的一部分涉及测量、验证和/或确认缓解和/或补救活动，所以警报源的适当配置是相关的。应当理解，评估可以包括以下中的至少一个：测量、验证和确认缓解和/或补救活动。配置信息可以与单个警报源相关联，或者通过两个或更多个警报源的镜头查看(即，系统视图)。另外，改变/调整一个或多个警报源的配置以改善由EPMS(或其他来源)产生的警报信息的质量/数量可能是重要的。最后，因为可以改变/更新一个或多个设备的配置，所以保持对一个或多个警报配置的任何改变的记录以确保分析的一致性是相关的。
图19所示的第二示例库是事件和问题特征库(由框1930描述)，其可以用于描述与事件和问题相关的信息，包括原因、症状、影响/分支、典型的事件波形特征等。例如，由EPMS(或其他警报源)生成的警报可以针对事件和问题特征库的内容进行评估，以确定潜在的警报原因、来源、位置、一般影响、严重性、恢复参数、系统影响、其他症状和/或附加条件。另外，可以根据需要从离散警报源和/或从两个或更多个警报源评估事件和问题特性。事件和问题特征库的关键是理解引起(或可能已经引起)警报的外部(即，警报源)刺激及其对与警报相关联的操作、过程、系统和/或设备的影响和/或后果。
应当理解，存在导致警报的一系列事件。一些示例性事件原因和相关联的警报包括但不限于：
虽然事件原因有时也可以被认为是症状，但是附加线索可以指示潜在问题。虽然不是详尽的列表，但是这里列出了一些示例性症状：
2与事件相关联的影响/后果可以包括一系列不利影响，包括(但不限于)：
支出
事件源位置可以通过检查从单个设备生成的电压和电流警报波形数据来广泛地确定，或者通过检查由多个设备生成的电压和电流警报波形数据来更精确地确定(即，从系统的角度)。EPMS或电气系统的分层上下文可以用于提供第一警报源和第二警报源之间的离散关系。时间相互关系、警报的时间戳和事件序列中的推断顺序也可以指示源位置。另外，事件的源位置可以由终端用户手动输入并随时间表征，以评估和确定具有类似参数/特性的警报，以确定事件的潜在源位置。事件源上下文可以从事件和问题特性库确定，从事件和/或警报数据导出，或者从其他来源检索。
影响事件和非影响事件之间的划分是重要的，因为它可以用于确定缓解和/或补救解决方案的优先级排序。重要的是在此注意到，由于影响事件对最终用户的电气系统和商业利益的影响，影响事件通常是问题；然而，非影响事件可能仅仅是烦恼。因为1)存在不同类型的影响，并且2)事件可能与另一系统不同地影响一个系统，所以重要的是考虑应用的上下文(例如，细分市场、过程、负载等)。对于不同类型的冲击的示例，主电源的中断可以是一种类型的冲击，而过度谐波(及其对设备的所得影响)可以是另一种类型的冲击。前者中断生产(即，生产影响)；后者影响设备寿命(以及相关成本和生产风险)。对于事件不同地影响系统的影响的示例，办公楼中的电压骤降将对建筑物操作具有与相同事件对数据中心的操作将具有的影响不同的影响。前者能够以比后者更低的可靠性要求操作。此外，与减轻或补救事件相关联的成本将是不同的(在许多情况下是显著的)，因为办公楼可能无法证明优异的可靠性，而优异的可靠性对于数据中心的操作是至关重要的。
事件的严重性和广度的重要性再次由系统的应用(在某种程度上)确定，并且基本上是影响主题的“子集”。事件影响的严重性可以基于负载、过程、系统和/或设施受影响的程度、时间、地点以及程度来确定。同样，当客户操作的关键要素受到影响时，影响的广度更相关。同样，事件对系统的影响可以由相关联的系统的功能或目的(在更大程度上)确定。
与事件相关的另一个重要参数是应用程序/负载/系统/进程/设施从事件中恢复的能力。因此，恢复时段指示将电气系统带回(在一定程度内)到其事件前状况(例如，负载、操作特性等)所需的持续时间。对于不同的设施或事件类型，恢复时段可以是不同的；然而，恢复时段可以在类似的事件类型内(统计地)对准，特别是如果源位置是相似的。在一些情况下(以及在一些客户细分内)，情况可能并非如此，因此应考虑例外。可以通过相应地分析连续事件特性来学习随时间推移的典型恢复时段。可以使用一个或多个EPMS组件(或其他来源)来测量/确定恢复时段。
可以考虑关于事件的原因和效果的附加系统影响，包括(但不限于)：能源可靠性、系统设计(例如，数据中心1、2、3、4、5级、所使用的设备等)、地理位置和当地气象、规章、技术等。在事件的原因和效果与经历所述事件的相关联的客户细分之间可能存在一些重叠，这将在下面提供。
图19中所示的第三示例库是段信息库(由框1935描绘)，其用于描述与唯一客户段(或客户类型)相关联的特定特性、特征和/或需求。每个客户细分使用用于不同目的的能量。例如，汽车制造商使用能量来制造汽车，半导体制造设施使用能量来生产硅晶片和芯片，并且医院使用能量来提供对患者的治疗。这些示例中的每一个彼此不同，但通常类似于执行相同功能的其他示例；段信息库的关键是理解与特定类型的客户和能量消费者相关联的事件的易感性和对其的影响，同时适当考虑他们消耗能量的最终目的。
如前所述，每种事件类型以不同的方式影响客户细分。例如，两个客户细分(例如，数据中心和半导体制造设施)可能对电压骤降具有类似的易感性；然而，影响是独特的。电压骤降事件可能中断数据中心的操作，从而导致服务器丢失、客户受影响以及(重要的是)声誉受损。可替代地，半导体制造设施中的电压骤降可能导致产品、时间的损失和资源(例如，能量、水等)的浪费。每个都将经历业务影响，但是以不同的方式。
另外，每个段倾向于使用特定负载类型的唯一阵列。例如，汽车制造商使用压缩空气系统进行涂漆，塑料挤出设施使用变速驱动器，医院使用敏感的医疗设备(例如，MRI等)等。假设大多数客户群使用类似类型的设备(在其细分内)，则表明它们对某些事件的敏感性也是可比较的。通过(在一定程度上)基于警报所源自的客户细分来分析警报，提供用于缓解和补救的建议在某种程度上被简化。同样，即使两个不同的客户群使用类似的设备，他们仍然可能具有用于其设施/业务的不同目的、目标、产品和系统。
总而言之，框1935所示的段信息库用于分析特定客户段/类型是否应该关心事件，如果是，则分析他们为什么应该关心事件，以及当在系统中检测到多个事件时他们应该如何进行优先级排序。某些客户群由于其运营的关键性而更倾向于在缓解和补救解决方案中投资更多。重要的是，在分析警报数据和由其产生的事件时，考虑独特的设备和相关联的过程、对事件的易感性、业务目标、所需的利润率以及独特的客户细分内的风险。
图19中示出的第四示例库是缓解和补救技术和建议库(为了简单起见，此后称为缓解库)(由框1940描绘)，其用于为事件和EPMS问题提供适用和相关的解决方案。如上所述，存在与警报相关联的许多类型的事件和问题，并且每个特定客户细分倾向于更容易受到特定事件类型集合的影响(由于他们使用的设备和过程)。该库将事件和问题特性以及段信息连接到适当的缓解或补救解决方案，其最终由警报数据驱动。简而言之，缓解库的关键是解决设备、过程、系统和/或设施易感性、风险和问题，以缓和或消除事件对客户的设施和业务的影响。
现在返回到图19所示的流程，在至少在框1910发生警报之后，并且在框1915分析警报以确定警报是否响应于事件而被触发，例如，基于来自或源自捕获的能量相关信号和上述库的分析信息，在框1945确定是否存在与警报相关联的任何事件。
在一个示例实施方式中，来自一个或多个库的数据可用于识别初期的、任意的或长期的问题(即，“有问题吗？”)。一旦识别出问题，则可选地使用来自一个或多个库的数据来确定问题与客户细分/类型的相关性(即，“我应该关心？”)。同样，问题可能与客户的电气系统(例如，设备、基础设施等)或其伴随的EPM的各方面相关联。此外，警报的存在(或不存在)可以指示要解决的问题。
更简单地说，警报可以指示事件的发生，并且事件指示可能存在需要解决的问题。通过库的镜头对警报的分析将这些概念连接在一起。该块将警报连接到事件，因为EPMS(或其他来源)警报是用于识别事件(和问题)的基本数据。
在框1945处，在某些情况下，可以从与事件不相关联的警报中过滤与事件相关联的警报。如果确定存在与(一个或多个)警报相关联的至少一个事件，则该方法可以进行到框1950，其中确定是否存在可用于解决(一个或多个)事件的任何机会。可替代地，如果确定不存在与(一个或多个)警报相关联的至少一个事件，则该方法可以在一些情况下结束，或者可以决定存储该决定以用于未来分析、趋势分析或与算法相关的其他步骤。
在框1950处，确定是否有机会减轻或补救由警报指示的事件。在一些情况下，可以可选地绕过该步骤，直到满足给定事件类型(或事件特性)的阈值。例如，一个事件可能不指示存在慢性问题；因此，提供缓解可能不是成本有效的。然而，大量事件可能指示存在长期问题，因此应考虑缓解或补救措施。在一个示例实施方式中，可以生成、产生或发起一个或更多个警报(例如，使用与电气系统相关联的EPMS)以指示减轻或补救事件症状、警报源以及识别的事件和/或识别的警报的原因/起源中的至少一个的机会。在一些情况下，这些警报可以呈现在用户界面上、可听地、经由文本等发生。
在框1950处的另一个评估是与至少一个事件相关的缓解或补救技术和/或建议的可用性。在这种情况下，可能没有可用的缓解或补救技术或建议，或者可能没有足够的信息可用于确定缓解或补救的需要。在这两种情况下，可选地存储来自先前块的分析和决策，以用于未来分析、趋势和/或相应地与算法相关的其他步骤。没有足够的信息或没有缓解或补救技术或建议的指示将绕过为缓解或补救事件以及可选地测量/验证/验证所述事件而采取的动作。
如果框1950处的评估指示至少一种缓解或补救技术和/或建议是可用的，则过程进行到框1955，其中确定解决事件的最优解决方案。库中的至少一个提供的信息可以用于评估减轻、补救和/或提供解决事件的建议的能力。用于确定至少一个缓解、补救和/或建议是否可行的技术、建议和阈值可以基于分析/分析、测量/验证/验证数据、手动修订在库中更新，从基于云的应用或其他来源周期性地或根据需要推送。
在框1955处，执行分析以提供减轻或补救问题的最佳解决方案，所述问题可能需要来自一个或多个库的信息。例如，缓解库(例如，框1940)可以包括缓解和/或补救技术和建议的阵列，其通常与和电气系统和/或EPM相关的问题和关注点的阵列相关联。因此，与电气系统和/或EPMS相关的问题和关注点的阵列与其他库(例如，事件和问题特性库、警报类型和指示库等)内的信息相关。相应地，可以基于段类型、事件类型和/或警报类型的组合对缓解和补救技术和建议进行优先级排序和优化。应当理解，在所有情况下，最佳目标是减轻或补救问题；不一定是单个事件(尽管它可以完成)。事件的发生指示可能存在问题，但不一定存在问题。在知道是否存在问题之前，应当确定/设置/理解事件的阈值。
如果确定一个或多个问题正在系统内发生/共同发生，则可以基于几个因素中的一个或多个来选择和提供推荐的缓解和/或补救方法，所述几个因素包括：1)最小成本，2)最小维护，3)最小安装，4)最小空间要求，5)针对问题和/或细分类型的行业和/或其它类似客户类型推荐，6)针对问题和/或细分类型的标准推荐，7)针对问题和/或细分类型的设备制造商推荐，8)针对问题和/或细分类型的测量/验证/确认数据的最佳执行历史解决方案，9)可以在技术上、操作上和/或公司上被认为令人满意的其它方法，和/或10)前述因素的任何组合。此外，可以使用或利用至少一个历史或实时度量来识别减轻或解决与电气系统和/或EPM相关联的一个或多个问题的一个或多个最佳方法。
应当理解，缓解和补救技术可以包括解决电气或EPMS问题的一系列方法。在不考虑问题的原因的情况下，下表提供了问题和潜在的缓解或补救技术的几个简单示例。
重要的是重申，上表中提供的缓解或补救技术仅仅是为了说明的目的，并且(实际上)需要额外的信息来证实或验证。
应当理解，缓解或补救可以涉及解决问题的其它方法或建议。例如，可以建议平衡长期不平衡的三相电路，安装降压启动器以减少电机跨线启动时的电压下降，或者缩短SPD上的引线长度。缓解或补救建议通常基于负载/设备类型来确定。例如，使用来自段信息库的数据(由框1935描绘)，可以确定通常在客户设施处使用的设备类型。从那里，警报(以及它们表示的事件)用于选择方法或向客户提供关于解决某些问题的指导。
应当理解，可以使用来自一个或多个库的信息来帮助减轻或补救客户问题。另外，来自一个或多个特定库的数据可以根据任何数量的因素进行优先级排序或去优先级排序，这些因素包括(但不限于)：客户细分/类型、事件类型、警报类型、设备类型、警报源等。测量的、导出的、统计的、分层的、元数据或其他形式的数据/信息可以用于更新库，或者与任何一个或多个库结合使用以确定最佳解决方案。
在框1955处识别出解决事件的最优解之后，可以响应于事件采取一个或多个动作。(一个或多个)动作可以包括例如用于解决在框1955处识别的(一个或多个)事件的(一个或多个)最优解。另外，(一个或多个)动作可以包括存储、显示和/或分析与(一个或多个)最优解决方案相关的信息。
在采取适当的动作来处理事件之后，算法可以可选地继续评估事件，以确定响应于事件而采取的动作的影响或有效性，以处理事件。该可选步骤可以永久地/持续地、周期性地或特别地发生。在一个示例实施方式中，评估包括分析并比较来自采取或执行至少一个动作之前的聚合的信息与来自采取或执行至少一个动作之后的聚合的信息。根据本公开的一些实施例，从在采取或执行至少一个动作之前的第一时间由至少IED捕获或导出的能量相关信号导出在采取或执行至少一个动作之前的聚合的信息。另外，根据本公开的一些实施例，在采取或执行至少一个动作之后的聚合的信息是从在采取或执行至少一个动作之后的第二时间由至少IED捕获或导出的能量相关信号导出的。
该步骤的输出/结果可以是提供或指示背景、目的、有效性、新的或补充建议、对附加信息和/或机会的请求、离散或系统益处(例如ROI、减少的恢复时间、金钱节省、减少的停机时间、减少的事件等)等中的至少一个。在评估包括量化所采取或执行的至少一个动作的有效性的实施例中，可以确定量化的有效性是否满足或超过可接受的阈值。响应于量化的有效性满足或超过可接受阈值，可以确定是否需要继续采取或执行至少一个动作。另外，响应于量化的有效性不满足或超过可接受阈值，可以确定是否需要对所采取或执行的至少一个动作进行任何调整，或者是否应该采取或执行至少一个替代动作。来自这些(或其他)输出/结果的反馈也可以可选地提供给至少一个库，用于更新、改进、补充和/或删除用于缓解或补救建议的信息和/或数据。
在框1970处，由算法产生的、附加到库的和/或以其它方式与本文所述的过程相关的数据和/或信息可以被存储以供历史使用、集成到算法和/或库中、分析补充机会和/或统计评估以供附加见解。由算法产生的数据和/或信息还可以用于相应地改变/调整EPMS(或其他来源)配置设置和阈值。最后，该信息可以用于更新、改变、删除或调整位于与EPMS(或其他来源)相关的任何数据储存库(例如，库等)中的数据，包括基于云的储存库和库、基于边缘的系统、网关和/或任何IED(或相关设备)。
在框1975处，算法(或相关系统)可选地向最终用户、系统、支持人员、服务人员和/或其他感兴趣方提供输出(以某种形式)。输出可以是报告、电子邮件、通知、信号和/或与该算法/过程的步骤、分析和/或结论相关的任何其他指示。可以如第一配置功能块中所配置的那样不加选择地、周期性地和/或连续地产生输出。根据需要或期望，可以保留来自该应用的一个或多个输出的一个或多个记录。输出可以包含与减轻或补救由至少一个警报指示的至少一个事件相关的推荐/建议、动作、数据、分析、反馈和/或信息。另外，输出可以相应地考虑EPMS(或其他警报源)和/或电气系统的任何方面、事件、问题和/或改进。
在框1975之后，该方法可以结束，返回到框1905，或者可以采取一个或多个动作，这对于本领域普通技术人员来说是显而易见的。
如上文所描述且如所属领域的技术人员将了解，本文中的揭示内容的实施例可经配置为系统、方法或其组合。因此，本公开的实施例可以包括各种装置，包括硬件、软件、固件或其任何组合。
应当理解，这里寻求保护的概念、系统、电路和技术不限于在这里描述的示例应用(例如，功率监控系统应用)中使用，而是可以在期望提供电气系统分析的基本上任何应用中有用。虽然已经说明和描述了本公开的特定实施例和应用，但是应当理解，本公开的实施例不限于本文公开的精确构造和组成，并且在不脱离如所附权利要求中限定的本公开的精神和范围的情况下，各种修改、改变和变化可以从前述描述中显而易见。
已经描述了用于说明作为本专利主题的各种概念、结构和技术的优选实施例，现在对于本领域普通技术人员来说显而易见的是，可以使用包含这些概念、结构和技术的其他实施例。另外，本文描述的不同实施例的元件可以组合以形成上面未具体阐述的其他实施例。
因此，认为本专利的范围不应限于所描述的实施例，而是应仅由所附权利要求书的精神和范围限制。
Claims (26)
1.一种用于分析警报以解决电气系统问题的方法，包括：
处理来自或源自由所述电气系统中的至少一个智能电子设备(IED)捕获或导出的能量相关信号的电气测量数据，以识别以下中的至少一个：所述电气系统中的事件(例如，功率事件)、响应于所识别的事件而触发的警报以及所识别的事件和/或所识别的警报的原因和/或来源；
聚合与以下中的至少一个相关的信息：所识别的事件、所识别的警报和/或所识别的事件和/或所识别的警报的所识别的原因和/或来源；
分析聚合的信息以识别缓解和/或补救机会和技术，以解决以下中的至少一个：事件症状、警报源以及所识别的原因和/或所识别的事件和/或所识别的警报的来源；以及
基于对聚合的信息的分析，采取或执行至少一个动作以改进或解决以下中的至少一个：所识别的事件和/或所识别的警报的事件症状、警报源以及所识别的原因和/或来源。
2.根据权利要求1所述的方法，其中使用以下中的至少一个来确定所采取或执行的至少一个动作：所述事件症状、所述警报源以及所识别的事件和/或所识别的警报的所识别的原因和/或来源中的至少一个的位置、事件类型、片段类型和数量。
3.根据权利要求1所述的方法，其中使用以下中的至少一个来推荐所采取或执行的所述至少一个动作的优先级排序：所述事件症状、所述警报源以及所识别的事件和/或所识别的警报的所识别的原因和/或来源中的至少一个的位置、事件类型、片段类型和数量。
4.根据权利要求3所述的方法，其中，推荐的优先级排序还基于以下中的至少一个：所述事件症状、所述警报源以及所识别的原因和/或来源中的至少一个的严重性、影响、风险水平和流行度。
5.根据权利要求1所述的方法，还包括：
在采取或执行所述至少一个动作之后，评估所述至少一个动作的有效性。
6.根据权利要求5所述的方法，其中，所述评估包括分析并比较来自采取或执行所述至少一个动作之前的聚合的信息与来自采取或执行所述至少一个动作之后的聚合的信息。
7.根据权利要求6所述的方法，其中，在采取或执行所述至少一个动作之前的聚合的信息是从由所述至少IED在采取或执行所述至少一个动作之前的第一时间捕获或导出的所述能量相关信号导出的，并且在采取或执行所述至少一个动作之后的聚合的信息是从由所述至少IED在采取或执行所述至少一个动作之后的第二时间捕获或导出的所述能量相关信号导出的。
8.根据权利要求5所述的方法，其中，所述评估量化所采取或执行的所述至少一个动作的有效性。
9.根据权利要求8所述的方法，还包括：响应于量化的有效性满足或超过可接受的阈值，确定是否需要继续采取或执行所述至少一个动作。
10.根据权利要求8所述的方法，还包括：响应于量化的有效性不满足或不超过可接受的阈值，确定是否需要对所采取或执行的至少一个动作进行任何调整，或者是否应该采取或执行至少一个替代动作。
11.根据权利要求1所述的方法，还包括：利用与第一设施或位置相关联的片段和/或负载类型信息来更有效地和/或主动地减轻/补救第二设施或位置处的所述事件症状、所述警报源以及所识别的事件和/或所识别的警报的所识别的原因和/或来源。
12.根据权利要求1所述的方法，其中，所述聚合的信息还包括来自以下中的至少一个的信息：电力监测系统(EPMS)、SCADA系统、建筑物管理系统(BMS)、I/O设备和系统用户。
13.根据权利要求12所述的方法，其中，所述聚合的信息被进一步分析以识别和/或确定缓解/补救机会和技术/途径/方法，以解决与所述EPMS相关联的问题。
14.根据权利要求13所述的方法，其中，与所述EPMS相关联的问题包括与所述EPMS相关联的问题未检测到或未充分检测到所述电气系统中存在的问题。
15.根据权利要求13所述的方法，其中，所识别和/或确定的用于解决与所述EPMS相关联的问题的缓解/补救机会和技术/途径/方法包括调整与所述EPMS相关联的一个或多个设置以解决与所述EPMS相关联的问题。
16.根据权利要求12所述的方法，其中，所述EPMS包括负责捕获或导出所述能量相关信号的所述至少一个IED。
17.根据权利要求16所述的方法，其中，所述聚合的信息被进一步分析以确定所述至少一个IED的数量、放置、类型和/或配置，以改善和/或增强所述EPMS中的警报和相关联数据的质量。
18.根据权利要求1所述的方法，还包括：
使用与电气系统相关联的EPMS生成、产生或发起一个或多个警报，以指示减轻/补救所述事件症状、警报源以及所识别的事件和/或所识别的警报的原因/来源中的至少一个的机会。
19.根据权利要求1所述的方法，还包括：投射和/或提供与减轻/补救所述电气系统中和/或与所述电气系统相关联的EPMS中的问题相关联的益处。
20.根据权利要求1所述的方法，其中，用于解决事件症状、警报源以及所识别的事件和/或所识别的警报的原因/来源中的至少一个的所识别和/或所确定的缓解/补救机会和技术/途径/方法包括：对与所述电气系统相关联的EPMS的操作性质、设备类型和方面中的至少一个的推荐改变，以改进所述电气系统或所述EPMS的特性、参数、性质和属性中的至少一个。
21.根据权利要求1所述的方法，其中，自动地或动态地分析所述聚合的信息。
22.根据权利要求1所述的方法，其中，所述至少一个动作包括至少一种缓解或补救技术。
23.一种用于分析警报以解决电气系统问题的系统，包括：
至少一个处理器；
至少一个存储器设备，其耦合到所述至少一个处理器，所述至少一个处理器和所述至少一个存储器设备经配置以：
处理来自或源自由所述电气系统中的至少一个智能电子设备(IED)捕获或导出的能量相关信号的电气测量数据，以识别以下中的至少一个：所述电气系统中的事件(例如，功率事件)、响应于所识别的事件而触发的警报以及所识别的事件和/或所识别的警报的原因和/或来源；
聚合与以下中的至少一个相关的信息：所识别的事件、所识别的警报和/或所识别的事件和/或所识别的警报的所识别的原因和/或来源；
分析聚合的信息以识别和/或确定缓解/补救机会和技术/途径/方法，以解决以下中的至少一个：事件症状、警报源以及所识别的原因和/或所识别的事件和/或所识别的警报的来源；以及
基于对聚合的信息的分析，采取或执行至少一个动作以改进或解决以下中的至少一个：所识别的事件和/或所识别的警报的事件症状、警报源以及所识别的原因和/或来源。
24.根据权利要求23所述的系统，其中，所述至少一个处理器和所述至少一个存储器设备还被配置为：
使用与电气系统相关联的电力监测系统(EPMS)来生成、产生或发起一个或多个警报，以指示减轻/补救所述事件症状、警报源以及所识别的事件和/或所识别的警报的原因/来源中的至少一个的机会。
25.根据权利要求23所述的系统，其中，所述至少一个处理器和所述至少一个存储器设备还被配置为：
投射和/或提供与减轻/补救所述电气系统中和/或与所述电气系统相关联的EPMS中的问题相关联的益处。
26.根据权利要求23所述的系统，其中，用于解决事件症状、警报源以及所识别的事件和/或所识别的警报的原因/来源中的至少一个的所识别和/或所确定的缓解/补救机会和技术/途径/方法包括：对与所述电气系统相关联的EPMS的操作性质、设备类型和方面中的至少一个的推荐改变，以改进所述电气系统或所述EPMS的特性、参数、性质和属性中的至少一个。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US63/168,517 | 2021-03-31 | ||
| US63/175,274 | 2021-04-15 | ||
| US202163287835P | 2021-12-09 | 2021-12-09 | |
| US63/287,835 | 2021-12-09 | ||
| PCT/US2022/022601 WO2022212545A1 (en) | 2021-03-31 | 2022-03-30 | Systems and methods for analyzing alarms to address electrical system issues |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117425831A true CN117425831A (zh) | 2024-01-19 |
Family
ID=88802540
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280038639.1A Pending CN117425831A (zh) | 2021-03-31 | 2022-03-30 | 用于分析警报以解决电气系统问题的系统和方法 |
| CN202280026969.9A Pending CN117119950A (zh) | 2021-03-31 | 2022-03-30 | 用于减少电气系统中的警报滋扰行为的系统和方法 |
| CN202280038472.9A Pending CN117461013A (zh) | 2021-03-31 | 2022-03-30 | 用于分析警报以表征电气系统问题的系统和方法 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280026969.9A Pending CN117119950A (zh) | 2021-03-31 | 2022-03-30 | 用于减少电气系统中的警报滋扰行为的系统和方法 |
| CN202280038472.9A Pending CN117461013A (zh) | 2021-03-31 | 2022-03-30 | 用于分析警报以表征电气系统问题的系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (3) | CN117425831A (zh) |
-
2022
- 2022-03-30 CN CN202280038639.1A patent/CN117425831A/zh active Pending
- 2022-03-30 CN CN202280026969.9A patent/CN117119950A/zh active Pending
- 2022-03-30 CN CN202280038472.9A patent/CN117461013A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CN117119950A (zh) | 2023-11-24 |
| CN117461013A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11443610B2 (en) | Systems and methods for managing smart alarms | |
| CN112654874B (zh) | 用于分析电气系统中的电能质量事件的方法 | |
| CN110687366B (zh) | 用于管理电气系统中的电压事件报警的系统和方法 | |
| US11604502B2 (en) | Systems and methods for intelligent alarm grouping | |
| US20220319299A1 (en) | Systems and methods for analyzing alarms to characterize electrical system issues | |
| CN110794229A (zh) | 用于表征电气系统中电能质量事件的补充技术 | |
| CN114167156A (zh) | 用于管理电气系统中的电压事件警报的系统和方法 | |
| CA3140345A1 (en) | Systems and methods for managing smart alarms | |
| US20200393501A1 (en) | Systems and methods to analyze waveforms from multiple devices in power systems | |
| EP4002042A2 (en) | Systems and methods for managing smart alarms | |
| CN117425831A (zh) | 用于分析警报以解决电气系统问题的系统和方法 |
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 |