CN117557244A - 基于知识图谱的电力运维警戒系统 - Google Patents
基于知识图谱的电力运维警戒系统 Download PDFInfo
- Publication number
- CN117557244A CN117557244A CN202311263787.6A CN202311263787A CN117557244A CN 117557244 A CN117557244 A CN 117557244A CN 202311263787 A CN202311263787 A CN 202311263787A CN 117557244 A CN117557244 A CN 117557244A
- Authority
- CN
- China
- Prior art keywords
- power
- equipment
- power equipment
- operation data
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims abstract description 92
- 230000005856 abnormality Effects 0.000 claims abstract description 27
- 238000010276 construction Methods 0.000 claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims description 28
- 230000008520 organization Effects 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000001276 controlling effect Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000002633 protecting effect Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供了一种基于知识图谱的电力运维警戒系统，涉及电力运维技术领域，用于提高电力运维预警的及时性以及预警精度。该控制系统主要包括：数据采集装置用于采集一次电力设备以及二次电力设备的结构关系数据，并将结构关系数据传输给电力知识图谱构建装置，电力知识图谱构建装置根据数据采集装置发送的结构关系数据构建电力知识图谱，并将构建的电力知识图谱存储到所述电力知识图谱库中；计算机控制装置接收数据采集装置采集的电力运行数据，并调用电力知识图谱库中的电力知识图谱确定所述电力运行数据是否出现异常；电力告警装置输出异常信息。
Description
技术领域
本申请涉及电力运维技术领域，尤其涉及一种基于知识图谱的电力运维警戒系统。
背景技术
为了配合我国经济的高速发展，进一步提高电力产能，满足全国电力的供给需求，更加复杂化的电力设施、各种变电设备和大规模的输电网络被引进供电系统。由于我国地域辽阔、人口聚居复杂多样、资源分布不均衡，大量的变电设施和输电线路网络分布在复杂多变的室外环境中，不断地经受着风吹、雨淋、暴晒等恶劣天气的摧残，电力设备外观存在严重缺陷，极易发生设备故障，导致供电事故，对电力作业人员和用户的生命财产安全造成严重威胁。
目前，依靠现有的巡检装置或是人工巡检效率低下，不能实时高效的获取设备表面状况，电力运维存在很大的安全隐患。
发明内容
本申请实施例提供一种基于知识图谱的电力运维警戒系统，用于提高电力运维预警的及时性以及预警精度。
本发明实施例提供一种基于知识图谱的电力运维警戒系统，该系统包括：数据采集装置、电力知识图谱构建装置、电力知识图谱库、计算机控制装置，电力告警装置；
所述数据采集装置，用于采集一次电力设备以及二次电力设备的结构关系数据，并将所述结构关系数据传输给所述电力知识图谱构建装置，所述一次电力设备为直接用于生产、输送和分配电能的生产过程的高压电气设备；所述二次电力设备为对所述一次电力设备进行监测、控制、调节和保护的电气设备称为二次电力设备；
所述电力知识图谱构建装置，用于根据所述数据采集装置发送的结构关系数据构建电力知识图谱，并将构建的电力知识图谱存储到所述电力知识图谱库中；
所述计算机控制装置，用于接收所述数据采集装置采集的电力运行数据，并调用所述电力知识图谱库中的电力知识图谱确定所述电力运行数据是否出现异常；
所述电力告警装置，用于接收所述计算机控制装置传输的电力运行数据的异常信息，并输出所述异常信息。
其中，所述数据采集装置与所述电力知识图谱构建装置和所述计算机控制装置通信连接，所述计算机控制装置和所述电力知识图谱库、所述电力告警装置通信连接。
其中，所述电力知识图谱构建装置，具体用于根据所述数据采集装置发送的结构关系数据，构建电力组织架构图谱和电力设备图谱；其中，所述电力组织架构图谱包括电力的各层级的组织架构，所述电力设备图谱包括所有电力设备的设备详细信息。
其中，所述计算机控制装置具体包括：
提取模块，用于提取所述电力运行数据中各电力设备分别对应的电力设备标识以及设备运行数据；
验证模块，通过在所述电力设备图谱中查找每个电力设备标识对应的设备数据，确定对应电力设备的设备运行数据是否出现异常。
其中，所述验证模块还用于：
若确定对应电力设备的设备运行数据出现异常，则将运行数据出现异常的电力设备确定为第一电力设备，并获取所述第一电力设备的电力设备标识；
从所述电力组织架构图谱中确定出所述第一电力设备的电力设备标识所在组织架构内的所有电力设备，并将确定的所有电力设备确定为第二电力设备。
其中，所述验证模块还用于：
获取预置时间段内的所述第一电力设备和所述第二电力设备分别对应的设备运行数据；
将所述第一电力设备和所述第二电力设备分别对应的设备运行数据转换为设备运行数据特征矩阵；
将所述设备运行数据特征矩阵输入到设备异常识别模型，预测到的异常电力设备，所述异常电力设备为所述第一电力设备和所述第二电力设备中的一个或多个。
其中，所述设备异常识别模型的训练过程为：
获取预置时间段内的样本电力设备运行数据组以及所述样本电力设备运行数据组内的异常电力设备标签，所述样本电力设备运行数据组中包括隶属于同一组织架构内的多个相互影响的电力设备的设备运行数据；
将所述样本电力设备运行数据组转换为样本设备运行数据特征矩阵；
将所述样本设备运行数据特征矩阵输入到设备异常识别模型，预测得到异常电力设备标识；
计算所述样本电力设备运行数据组内异常电力设备标识和所述异常电力设备标签的损失值，并在所述损失值小于预置数值时停止对所述设备异常识别模型的训练。
其中，所述计算所述样本电力设备运行数据组内异常电力设备标识和所述异常电力设备标签的损失值，包括：
通过下述公式计算所述损失值：
；
其中，为计算的损失值，为样本电力设备运行数据组内包含的电力设备数
量，为样本电力设备运行数据组内第个电力设备的预测结果，为样本电力设备运行数
据组内第个电力设备的电力设备标签，为样本电力设备运行数据组内与第个电力设备
相关联的电力设备的预测结果，为样本电力设备运行数据组内与第个电力设备相关联
的电力设备的电力设备标签，为样本电力设备运行数据组内与第个电力设备相关联的电
力设备的数量，为预设权重值。
其中，所述数据采集装置还用于：
接收所述计算机控制装置传输的预测到的异常电力设备，并采集预测到的异常电力设备对应的图片数据；
将采集的图片数据传输给所述计算机控制装置，使得所述计算机控制装置根据采集的图片数据确定所述预测到的异常电力设备是否出现故障。
其中，所述电力告警装置包括：
接收模块，用于接收所述计算机控制装置传输的异常电力设备；
显示模块，用于在显示模块显示预测到的异常电力设备。
本发明提供一种基于知识图谱的电力运维警戒系统，该系统包括：数据采集装置、电力知识图谱构建装置、电力知识图谱库、计算机控制装置，电力告警装置。其中，数据采集装置用于采集一次电力设备以及二次电力设备的结构关系数据，一次电力设备为直接用于生产、输送和分配电能的生产过程的高压电气设备；二次电力设备为对一次电力设备进行监测、控制、调节和保护的电气设备称为二次电力设备；并将结构关系数据传输给电力知识图谱构建装置，电力知识图谱构建装置根据数据采集装置发送的结构关系数据构建电力知识图谱，并将构建的电力知识图谱存储到电力知识图谱库中；计算机控制装置用于接收数据采集装置采集的电力运行数据，并调用电力知识图谱库中的电力知识图谱确定电力运行数据是否出现异常；电力告警装置接收计算机控制装置传输的电力运行数据的异常信息并输出异常信息。相对于现有技术依靠巡检装置或是人工巡检对电力出现的问题进行告警相比，本申请中的计算机控制装置基于电力知识图谱库对数据采集装置采集的电力运行数据进行确定是否出现异常，然后对电力运行数据出现的异常状况进行告警，整个过程无需人工介入操作，因此通过本申请可以提高电力运维预警的及时性以及预警精度。
附图说明
图1为本申请提供的一种基于知识图谱的电力运维警戒系统执行流程图；
图2为本申请提供的一种基于知识图谱的电力运维警戒系统结构图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请实施例的技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请实施例技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1所示，为本发明实施例提供的一种基于知识图谱的电力运维警戒系统，该系统包括：数据采集装置、电力知识图谱构建装置、电力知识图谱库、计算机控制装置，电力告警装置，数据采集装置与电力知识图谱构建装置和计算机控制装置通信连接，所述计算机控制装置和电力知识图谱库、电力告警装置通信连接。该基于知识图谱的电力运维警戒系统的执行流程如下所示：
S101，数据采集装置采集一次电力设备以及二次电力设备的结构关系数据，并将所述结构关系数据传输给电力知识图谱构建装置。
其中，所述一次电力设备为直接用于生产、输送和分配电能的生产过程的高压电气设备；它包括发电机、变压器、断路器、隔离开关、自动开关、接触器、刀开关、母线、输电线路、电力电缆、电抗器、电动机等。由一次设备相互连接，构成发电、输电、配电或进行其他生产过程的电气设备称为一次电力设备。所述二次电力设备为对所述一次电力设备进行监测、控制、调节和保护的电气设备称为二次电力设备。如熔断器、控制开关、电能表、继电器、控制电缆等。由二次电力设备相互连接，构成对一次电力设备进行监测、控制、调节和保护的电气设备称为二次电力设备。
本实施例中的结构关系数据用于表示一次电力设备以及二次电力设备之间的结构以及隶属关系，如油浸式变压器和干式变压器属于变压器，铁芯、绕组、散热器属于油浸式变压器的组件，本实施例对结构关系不做具体限定。
S102，电力知识图谱构建装置根据数据采集装置发送的结构关系数据构建电力知识图谱，并将构建的电力知识图谱存储到所述电力知识图谱库中。
在本实施例中，电力知识图谱构建装置专门用作构建相关的电力知识图谱，即在接收到数据采集装置发送的结构关系数据之后，根据该结构关系数据进行构建电力知识图谱，然后将构建的电力知识图谱存储到电力知识图谱库中，以便于在后续步骤中根据该电力知识图谱库中的电力知识图谱确定电力运行数据是否正常。
更具体的，电力知识图谱构建装置具体用于根据所述数据采集装置发送的结构关系数据，构建电力组织架构图谱和电力设备图谱；其中，所述电力组织架构图谱包括电力的各层级的组织架构，即隶属关系、线路关系等，所述电力设备图谱包括所有电力设备的设备详细信息，设备详细信息中包含电力设备的标识、型号、安装使用时间、巡检时间等，本实施例对此不做具体限定。
S103，计算机控制装置用于接收数据采集装置采集的电力运行数据，并调用所述电力知识图谱库中的电力知识图谱确定所述电力运行数据是否出现异常。
在本申请提供的一个可选实施例中，调用所述电力知识图谱库中的电力知识图谱确定所述电力运行数据是否出现异常包括：
S1031，提取电力运行数据中各电力设备分别对应的电力设备标识以及设备运行数据。
其中，电力设备标识用于唯一标识对应的电力设备，通过该电力标识信息可以查找到对应电力设备的安装位置、属性数据以及与其相关的其他电力设备等信息。
在本实施例中，设备运行数据用于表示对应电力设备在当前的相关运行属性数据，如若电力设备为导线，导线的设备运行数据可以为当前的输电电压。
S1032，通过在所述电力设备图谱中查找每个电力设备标识对应的设备数据，确定对应电力设备的设备运行数据是否出现异常。
在本实施例中，由于电力设备图谱中包括所有电力设备的设备详细信息，因此通过查询电力设备图谱中的电力设备标识对应的设备数据可以确定每个电力设备在正常工作状态时的各项属性数据的范围，然后基于电力设备基于各项属性数据的范围确定电力设备的设备运行数据是否出现异常，即通过比对电力设备的设备运行数据是否在对应属性数据的范围内，若设备运行数据在该范围内，则该项数据运行正常；若设备运行数据不在该范围内，则该项数据运行异常。
S1033，若确定对应电力设备的设备运行数据出现异常，则将运行数据出现异常的电力设备确定为第一电力设备，并获取所述第一电力设备的电力设备标识。
在本实施例中，为了区分异常的电力设备，本实施例将通过电力设备图谱确定的异常电力设备确定为第一电力设备，然后获取第一电力设备的电力设备标识，以便于在后续步骤中基于第一电力设备的电力设备标识从电力组织架构图谱中确定出与第一电力设备有关联的第二电力设备，即第一电力设备出现的异常有可能是第二电力设备引起的；或是与第一电力设备同属于同一架构下或是同一线路段的第二电力设备等，本实施例对此不做具体限定。
S1034，从电力组织架构图谱中确定出所述第一电力设备的电力设备标识所在组织架构内的所有电力设备，并将确定的所有电力设备确定为第二电力设备。
需要说明的是，电力组织架构图谱中记录有每个组织架构或是电力线路下各个电力设备分别对应的电力设备标识，通过电力设备标识可以获取隶属于同一组织架构或同一电力线路下的所有电力设备。
例如，电力线路A下的电力设备的电力设备标识都是以A10为开头，若获取到某个电力设备的电力设备标识为A1001，则可以确定该电力设备隶属于电力线路A，此时获取电力线路A下的所有的电力设备（即电力设备标识以A10开头的电力设备），即将电力线路A下的所有电力设备确定为第二电力设备。
S1035，获取预置时间段内的第一电力设备和第二电力设备分别对应的设备运行数据。
其中，预置时间段可以根据实际需求进行设定，如该预置时间段可以为1小时、2小时或是5小时等，本实施例对此不做具体限定。
S1036，将所述第一电力设备和所述第二电力设备分别对应的设备运行数据转换为设备运行数据特征矩阵。
具体的，本实施例在获取到第一电力设备和第二电力设备分别对应的设备运行数据之后，还可以对设备运行数据进行处理，如过滤设备运行数据中的异常数据，将数据进行归一化等，然后将处理后的数据转换为设备运行数据特征矩阵，该设备运行数据特征矩阵中每一行代表一个时间点的第一电力设备和第二电力设备对应的设备运行数据，每一列代表一个电力设备（第一电力设备、第二电力设备）在各个时间点的设备运行数据。
S1037，将设备运行数据特征矩阵输入到设备异常识别模型，预测到的异常电力设备，异常电力设备为第一电力设备和第二电力设备中的一个或多个。
其中，设备异常识别模型为预先训练好的神经网络模型，通过该设备异常识别模型可以预测得到设备运行数据特征矩阵对应的异常电力设备。
例如，与第一电力设备1相关的第二电力设备包含第二电力设备1、第二电力设备2以及第二电力设备3，在得到上述4个电力设备对应的设备运行数据特征矩阵之后，预测得到的异常电力设备为第二电力设备2，即通过设备异常模型确定的异常设备为第二电力设备2，也就是说第一电力设备1虽然在运行数据上存在异常，但是导致其异常的原因是第二电力设备2，也就是第二电力设备2为真正异常的电力设备。
对本申请实施例，在将第一电力设备和第二电力设备分别对应的设备运行数据转换为设备运行数据特征矩阵之后，将设备运行数据特征矩阵输入到设备异常识别模型，便可以预测得到异常电力设备。由于本实施例中的设备异常识别模型是通过大量的数据训练得到的，因此将设备运行数据特征矩阵输入到该模型之后，便可以从设备运行数据特征矩阵中挖掘出真正出现运行异常的电力设备，从而通过本实施例可以提高异常电力设备确定的准确率。
所述设备异常识别模型的训练过程为：获取预置时间段内的样本电力设备运行数据组以及所述样本电力设备运行数据组内的异常电力设备标签，所述样本电力设备运行数据组中包括隶属于同一组织架构内的多个相互影响的电力设备的设备运行数据；将所述样本电力设备运行数据组转换为样本设备运行数据特征矩阵；将所述样本设备运行数据特征矩阵输入到设备异常识别模型，预测得到异常电力设备标识；计算所述样本电力设备运行数据组内异常电力设备标识和所述异常电力设备标签的损失值，并在所述损失值小于预置数值时停止对所述设备异常识别模型的训练。
更具体的，本实施例可通过下述公式计算所述损失值：
；
其中，为计算的损失值，为样本电力设备运行数据组内包含的电力设备数
量，为样本电力设备运行数据组内第个电力设备的预测结果，为样本电力设备运行数
据组内第个电力设备的电力设备标签，为样本电力设备运行数据组内与第个电力设备
相关联的电力设备的预测结果，为样本电力设备运行数据组内与第个电力设备相关联
的电力设备的电力设备标签，为样本电力设备运行数据组内与第个电力设备相关联的电
力设备的数量，为预设权重值，该权重值可以根据实际需求进行设定，如将的权重值
设置大于的权重值。
S104，电力告警装置用于接收所述计算机控制装置传输的电力运行数据的异常信息，并输出所述异常信息。
进一步的，本实施例还可以在接收所述计算机控制装置传输的预测到的异常电力设备，并采集预测到的异常电力设备对应的图片数据；将采集的图片数据传输给所述计算机控制装置，使得所述计算机控制装置根据采集的图片数据确定所述预测到的异常电力设备是否出现故障。具体的，本实施例中的计算机控制装置可对采集的图片数据进行图像识别，通过图像识别结果进一步确定异常电力设备是否出现故障。
在本申请提供的一个可选实施例中，还可以将图片数据转换为加入到设备运行数据特征矩阵中，即设备运行数据特征矩阵中不仅包含电力设备的设备运行数据，还包括电力设备的图像特征数据，然后将设备运行数据特征矩阵输入到设备异常识别模型预测到的异常电力设备，即通过多种维度的特征数据共同确定出现异常的电力设备，从而通过本实施例可以进一步提高异常电力设备确定的准确率。
需要说明的是，本实施例中的采集的图片数据除了包含第一电力设备，还包含第二电力设备。优选的，本实施例可以首先通过图像识别技术确定第一电力设备和第二电力设备中包含的异常电力设备，若通过图像识别技术未确定出异常的电力设备，则将设备运行数据特征矩阵输入到设备异常识别模型预测到的异常电力设备。
更具体的，本实施例中的电力告警装置包括：接收模块，用于接收所述计算机控制装置传输的异常电力设备；显示模块，用于在显示模块显示预测到的异常电力设备。
本发明实施例提供一种基于知识图谱的电力运维警戒系统，该系统包括：数据采集装置、电力知识图谱构建装置、电力知识图谱库、计算机控制装置，电力告警装置。其中，数据采集装置用于采集一次电力设备以及二次电力设备的结构关系数据，一次电力设备为直接用于生产、输送和分配电能的生产过程的高压电气设备；二次电力设备为对一次电力设备进行监测、控制、调节和保护的电气设备称为二次电力设备；并将结构关系数据传输给电力知识图谱构建装置，电力知识图谱构建装置根据数据采集装置发送的结构关系数据构建电力知识图谱，并将构建的电力知识图谱存储到电力知识图谱库中；计算机控制装置用于接收数据采集装置采集的电力运行数据，并调用电力知识图谱库中的电力知识图谱确定电力运行数据是否出现异常；电力告警装置接收计算机控制装置传输的电力运行数据的异常信息并输出异常信息。相对于现有技术依靠巡检装置或是人工巡检对电力出现的问题进行告警相比，本申请中的计算机控制装置基于电力知识图谱库对数据采集装置采集的电力运行数据进行确定是否出现异常，然后对电力运行数据出现的异常状况进行告警，整个过程无需人工介入操作，因此通过本申请可以提高电力运维预警的及时性以及预警精度。
在一实施例中，提供一种基于知识图谱的电力运维警戒系统。如图2所示，该系统包括：数据采集装置、电力知识图谱构建装置、电力知识图谱库、计算机控制装置，电力告警装置；
所述数据采集装置，用于采集一次电力设备以及二次电力设备的结构关系数据，并将所述结构关系数据传输给所述电力知识图谱构建装置，所述一次电力设备为直接用于生产、输送和分配电能的生产过程的高压电气设备；所述二次电力设备为对所述一次电力设备进行监测、控制、调节和保护的电气设备称为二次电力设备；
所述电力知识图谱构建装置，用于根据所述数据采集装置发送的结构关系数据构建电力知识图谱，并将构建的电力知识图谱存储到所述电力知识图谱库中；
所述计算机控制装置，用于接收所述数据采集装置采集的电力运行数据，并调用所述电力知识图谱库中的电力知识图谱确定所述电力运行数据是否出现异常；
所述电力告警装置，用于接收所述计算机控制装置传输的电力运行数据的异常信息，并输出所述异常信息。
在本发明提供的一个可选实施例中，所述数据采集装置与所述电力知识图谱构建装置和所述计算机控制装置通信连接，所述计算机控制装置和所述电力知识图谱库、所述电力告警装置通信连接。
在本发明提供的一个可选实施例中，所述电力知识图谱构建装置，具体用于根据所述数据采集装置发送的结构关系数据，构建电力组织架构图谱和电力设备图谱；其中，所述电力组织架构图谱包括电力的各层级的组织架构，所述电力设备图谱包括所有电力设备的设备详细信息。
在本发明提供的一个可选实施例中，所述计算机控制装置具体包括：
提取模块，用于提取所述电力运行数据中各电力设备分别对应的电力设备标识以及设备运行数据；
验证模块，通过在所述电力设备图谱中查找每个电力设备标识对应的设备数据，确定对应电力设备的设备运行数据是否出现异常。
在本发明提供的一个可选实施例中，所述验证模块还用于：
若确定对应电力设备的设备运行数据出现异常，则将运行数据出现异常的电力设备确定为第一电力设备，并获取所述第一电力设备的电力设备标识；
从所述电力组织架构图谱中确定出所述第一电力设备的电力设备标识所在组织架构内的所有电力设备，并将确定的所有电力设备确定为第二电力设备。
在本发明提供的一个可选实施例中，所述验证模块还用于：
获取预置时间段内的所述第一电力设备和所述第二电力设备分别对应的设备运行数据；
将所述第一电力设备和所述第二电力设备分别对应的设备运行数据转换为设备运行数据特征矩阵；
将所述设备运行数据特征矩阵输入到设备异常识别模型，预测到的异常电力设备，所述异常电力设备为所述第一电力设备和所述第二电力设备中的一个或多个。
在本发明提供的一个可选实施例中，所述设备异常识别模型的训练过程为：
获取预置时间段内的样本电力设备运行数据组以及所述样本电力设备运行数据组内的异常电力设备标签，所述样本电力设备运行数据组中包括隶属于同一组织架构内的多个相互影响的电力设备的设备运行数据；
将所述样本电力设备运行数据组转换为样本设备运行数据特征矩阵；
将所述样本设备运行数据特征矩阵输入到设备异常识别模型，预测得到异常电力设备标识；
计算所述样本电力设备运行数据组内异常电力设备标识和所述异常电力设备标签的损失值，并在所述损失值小于预置数值时停止对所述设备异常识别模型的训练。
在本发明提供的一个可选实施例中，所述计算所述样本电力设备运行数据组内异常电力设备标识和所述异常电力设备标签的损失值，包括：
通过下述公式计算所述损失值：
；
其中，为计算的损失值，为样本电力设备运行数据组内包含的电力设备数
量，为样本电力设备运行数据组内第个电力设备的预测结果，为样本电力设备运行数
据组内第个电力设备的电力设备标签，为样本电力设备运行数据组内与第个电力设备
相关联的电力设备的预测结果，为样本电力设备运行数据组内与第个电力设备相关联
的电力设备的电力设备标签，为样本电力设备运行数据组内与第个电力设备相关联的电
力设备的数量，为预设权重值。
在本发明提供的一个可选实施例中，所述数据采集装置还用于：
接收所述计算机控制装置传输的预测到的异常电力设备，并采集预测到的异常电力设备对应的图片数据；
将采集的图片数据传输给所述计算机控制装置，使得所述计算机控制装置根据采集的图片数据确定所述预测到的异常电力设备是否出现故障。
在本发明提供的一个可选实施例中，所述电力告警装置包括：
接收模块，用于接收所述计算机控制装置传输的异常电力设备；
显示模块，用于在显示模块显示预测到的异常电力设备。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于知识图谱的电力运维警戒系统，其特征在于，所述系统包括：数据采集装置、电力知识图谱构建装置、电力知识图谱库、计算机控制装置，电力告警装置；
所述数据采集装置，用于采集一次电力设备以及二次电力设备的结构关系数据，并将所述结构关系数据传输给所述电力知识图谱构建装置，所述一次电力设备为直接用于生产、输送和分配电能的生产过程的高压电气设备；所述二次电力设备为对所述一次电力设备进行监测、控制、调节和保护的电气设备称为二次电力设备；
所述电力知识图谱构建装置，用于根据所述数据采集装置发送的结构关系数据构建电力知识图谱，并将构建的电力知识图谱存储到所述电力知识图谱库中；
所述计算机控制装置，用于接收所述数据采集装置采集的电力运行数据，并调用所述电力知识图谱库中的电力知识图谱确定所述电力运行数据是否出现异常；
所述电力告警装置，用于接收所述计算机控制装置传输的电力运行数据的异常信息，并输出所述异常信息。
2.根据权利要求1所述的系统，其特征在于，所述数据采集装置与所述电力知识图谱构建装置和所述计算机控制装置通信连接，所述计算机控制装置和所述电力知识图谱库、所述电力告警装置通信连接。
3.根据权利要求1或2所述的系统，其特征在于，所述电力知识图谱构建装置，具体用于根据所述数据采集装置发送的结构关系数据，构建电力组织架构图谱和电力设备图谱；其中，所述电力组织架构图谱包括电力的各层级的组织架构，所述电力设备图谱包括所有电力设备的设备详细信息。
4.根据权利要求3所述的系统，其特征在于，所述计算机控制装置具体包括：
提取模块，用于提取所述电力运行数据中各电力设备分别对应的电力设备标识以及设备运行数据；
验证模块，通过在所述电力设备图谱中查找每个电力设备标识对应的设备数据，确定对应电力设备的设备运行数据是否出现异常。
5.根据权利要求4所述的系统，其特征在于，所述验证模块还用于：
若确定对应电力设备的设备运行数据出现异常，则将运行数据出现异常的电力设备确定为第一电力设备，并获取所述第一电力设备的电力设备标识；
从所述电力组织架构图谱中确定出所述第一电力设备的电力设备标识所在组织架构内的所有电力设备，并将确定的所有电力设备确定为第二电力设备。
6.根据权利要求5所述的系统，其特征在于，所述验证模块还用于：
获取预置时间段内的所述第一电力设备和所述第二电力设备分别对应的设备运行数据；
将所述第一电力设备和所述第二电力设备分别对应的设备运行数据转换为设备运行数据特征矩阵；
将所述设备运行数据特征矩阵输入到设备异常识别模型，预测到的异常电力设备，所述异常电力设备为所述第一电力设备和所述第二电力设备中的一个或多个。
7.根据权利要求6所述的系统，其特征在于，所述设备异常识别模型的训练过程为：
获取预置时间段内的样本电力设备运行数据组以及所述样本电力设备运行数据组内的异常电力设备标签，所述样本电力设备运行数据组中包括隶属于同一组织架构内的多个相互影响的电力设备的设备运行数据；
将所述样本电力设备运行数据组转换为样本设备运行数据特征矩阵；
将所述样本设备运行数据特征矩阵输入到设备异常识别模型，预测得到异常电力设备标识；
计算所述样本电力设备运行数据组内异常电力设备标识和所述异常电力设备标签的损失值，并在所述损失值小于预置数值时停止对所述设备异常识别模型的训练。
8.根据权利要求6所述的系统，其特征在于，所述计算所述样本电力设备运行数据组内异常电力设备标识和所述异常电力设备标签的损失值，包括：
通过下述公式计算所述损失值：
；
其中，为计算的损失值，/>为样本电力设备运行数据组内包含的电力设备数量，/>为样本电力设备运行数据组内第/>个电力设备的预测结果，/>为样本电力设备运行数据组内第个电力设备的电力设备标签，/>为样本电力设备运行数据组内与第/>个电力设备相关联的电力设备的预测结果，/>为样本电力设备运行数据组内与第/>个电力设备相关联的电力设备的电力设备标签，/>为样本电力设备运行数据组内与第/>个电力设备相关联的电力设备的数量，/>为预设权重值。
9.根据权利要求6所述的系统，其特征在于，所述数据采集装置还用于：
接收所述计算机控制装置传输的预测到的异常电力设备，并采集预测到的异常电力设备对应的图片数据；
将采集的图片数据传输给所述计算机控制装置，使得所述计算机控制装置根据采集的图片数据确定所述预测到的异常电力设备是否出现故障。
10.根据权利要求9所述的系统，其特征在于，所述电力告警装置包括：
接收模块，用于接收所述计算机控制装置传输的异常电力设备；
显示模块，用于在显示模块显示预测到的异常电力设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311263787.6A CN117557244B (zh) | 2023-09-27 | 2023-09-27 | 基于知识图谱的电力运维警戒系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311263787.6A CN117557244B (zh) | 2023-09-27 | 2023-09-27 | 基于知识图谱的电力运维警戒系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117557244A true CN117557244A (zh) | 2024-02-13 |
| CN117557244B CN117557244B (zh) | 2024-07-02 |
Family
ID=89809930
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311263787.6A Active CN117557244B (zh) | 2023-09-27 | 2023-09-27 | 基于知识图谱的电力运维警戒系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117557244B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020248581A1 (zh) * | 2019-06-11 | 2020-12-17 | 中国科学院自动化研究所 | 图数据识别方法、装置、计算机设备和存储介质 |
| WO2021037174A1 (zh) * | 2019-08-29 | 2021-03-04 | 杭州海康威视数字技术股份有限公司 | 一种神经网络模型训练方法及装置 |
| CN112838946A (zh) * | 2020-12-17 | 2021-05-25 | 国网江苏省电力有限公司信息通信分公司 | 基于通信网故障智能感知与预警模型的构建方法 |
| CN113312499A (zh) * | 2021-06-15 | 2021-08-27 | 合肥工业大学 | 一种基于知识图谱的电力安全预警方法及系统 |
| CN113377964A (zh) * | 2021-06-30 | 2021-09-10 | 武汉大学 | 知识图谱链接预测方法、装置、设备及存储介质 |
| WO2021184630A1 (zh) * | 2020-03-19 | 2021-09-23 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱定位排污对象的方法及相关设备 |
| CN115907505A (zh) * | 2022-10-10 | 2023-04-04 | 国家电网有限公司客户服务中心 | 一种基于知识图谱的电力互联网运维预警方法及系统 |
| CN116009480A (zh) * | 2023-03-24 | 2023-04-25 | 中科航迈数控软件(深圳)有限公司 | 一种数控机床的故障监测方法、装置、设备及存储介质 |
| CN116094174A (zh) * | 2023-02-27 | 2023-05-09 | 国网上海市电力公司 | 基于知识图谱的电网运维监控方法、系统、设备及介质 |
| CN116225760A (zh) * | 2023-02-07 | 2023-06-06 | 宁波大学 | 一种基于运维知识图谱的实时根因分析方法 |
| CN116523294A (zh) * | 2023-03-13 | 2023-08-01 | 广东电网有限责任公司江门供电局 | 基于知识图谱的电网风险预警及决策系统、方法及设备 |
-
2023
- 2023-09-27 CN CN202311263787.6A patent/CN117557244B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020248581A1 (zh) * | 2019-06-11 | 2020-12-17 | 中国科学院自动化研究所 | 图数据识别方法、装置、计算机设备和存储介质 |
| WO2021037174A1 (zh) * | 2019-08-29 | 2021-03-04 | 杭州海康威视数字技术股份有限公司 | 一种神经网络模型训练方法及装置 |
| WO2021184630A1 (zh) * | 2020-03-19 | 2021-09-23 | 平安国际智慧城市科技股份有限公司 | 基于知识图谱定位排污对象的方法及相关设备 |
| CN112838946A (zh) * | 2020-12-17 | 2021-05-25 | 国网江苏省电力有限公司信息通信分公司 | 基于通信网故障智能感知与预警模型的构建方法 |
| CN113312499A (zh) * | 2021-06-15 | 2021-08-27 | 合肥工业大学 | 一种基于知识图谱的电力安全预警方法及系统 |
| CN113377964A (zh) * | 2021-06-30 | 2021-09-10 | 武汉大学 | 知识图谱链接预测方法、装置、设备及存储介质 |
| CN115907505A (zh) * | 2022-10-10 | 2023-04-04 | 国家电网有限公司客户服务中心 | 一种基于知识图谱的电力互联网运维预警方法及系统 |
| CN116225760A (zh) * | 2023-02-07 | 2023-06-06 | 宁波大学 | 一种基于运维知识图谱的实时根因分析方法 |
| CN116094174A (zh) * | 2023-02-27 | 2023-05-09 | 国网上海市电力公司 | 基于知识图谱的电网运维监控方法、系统、设备及介质 |
| CN116523294A (zh) * | 2023-03-13 | 2023-08-01 | 广东电网有限责任公司江门供电局 | 基于知识图谱的电网风险预警及决策系统、方法及设备 |
| CN116009480A (zh) * | 2023-03-24 | 2023-04-25 | 中科航迈数控软件(深圳)有限公司 | 一种数控机床的故障监测方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117557244B (zh) | 2024-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108564254B (zh) | 基于大数据的配电设备状态可视化平台 | |
| CN110020967B (zh) | 一种电网调度端变电站智能告警的信息处理方法及装置 | |
| CN109146093A (zh) | 一种基于学习的电力设备现场勘查方法 | |
| CN109655712A (zh) | 一种配电网线路故障原因分析方法与系统 | |
| CN112134357A (zh) | 基于云服务的配电自动化主站系统 | |
| CN109062993A (zh) | 一种离线电网故障处置预案生成方法及其装置 | |
| CN108876197B (zh) | 一种电力设备集群及群组分析系统 | |
| CN105245001A (zh) | 一种事件驱动的变电站事故智能告警处理方法和装置 | |
| CN110716103A (zh) | 一种配网故障的预警方法 | |
| CN117590223A (zh) | 断路器的在线监测系统及其方法 | |
| CN116094174A (zh) | 基于知识图谱的电网运维监控方法、系统、设备及介质 | |
| CN116169778A (zh) | 一种基于配电网异常分析的处理方法及系统 | |
| CN110492612B (zh) | 基于物联网的电力系统监测系统 | |
| CN114202079A (zh) | 一种配电网故障抢修调度系统 | |
| CN110706365A (zh) | 一种用于电力设备图像特征数据建模方法 | |
| CN117557244B (zh) | 基于知识图谱的电力运维警戒系统 | |
| CN113655333A (zh) | 基于大数据挖掘分析的分布式故障监测方法及系统 | |
| CN117394535A (zh) | 交直流混合配电网数字孪生系统 | |
| CN115459449A (zh) | 一种可实时分析变压器运行性能的变电站监测方法及系统 | |
| CN115563550A (zh) | 一种基于k近邻的配网调度操作票错误关键字识别方法 | |
| CN115238957A (zh) | 一种输电线路走廊预警方法和系统 | |
| CN115267616A (zh) | 基于企业数据中台的变压器运行状态监测系统及方法 | |
| CN114692787A (zh) | 基于多源数据的三绕组主变压器事件分析处理方法和系统 | |
| CN110502604B (zh) | 一种在运站监控信息表梳理的自动处置方法 | |
| CN114239874A (zh) | 一种基于城市能源地图的电网数据处理系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |