CN117745054A - 一种设备异常事件全生命周期管控平台及方法 - Google Patents
一种设备异常事件全生命周期管控平台及方法 Download PDFInfo
- Publication number
- CN117745054A CN117745054A CN202311327087.9A CN202311327087A CN117745054A CN 117745054 A CN117745054 A CN 117745054A CN 202311327087 A CN202311327087 A CN 202311327087A CN 117745054 A CN117745054 A CN 117745054A
- Authority
- CN
- China
- Prior art keywords
- event
- data
- abnormal
- life cycle
- monitoring
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012544 monitoring process Methods 0.000 claims abstract description 108
- 230000004913 activation Effects 0.000 claims abstract description 44
- 238000011282 treatment Methods 0.000 claims abstract description 40
- 238000004891 communication Methods 0.000 claims description 46
- 238000011160 research Methods 0.000 claims description 42
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 10
- 230000003213 activating effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 18
- 230000000694 effects Effects 0.000 abstract description 6
- 238000007726 management method Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了一种设备异常事件全生命周期管控平台及方法,包括:设备监控端,获取监控信号;设备监控端连接有激活节点,激活事件;激活节点连接有数据中心,研判事件并生成处置简报;数据中心连接有跟踪模型,根据处置简报跟踪管控;能够通过监控信号确定激活的事件,进而对激活事件进行研判来进行设备异常事件的跟踪处置;实现重要的数据优先传输,实现相似度低的数据传输的效率更高,实现相关数据中存在异常风险的数据的传输更快的效果;实现重要的数据优先传输,实现相似度低的数据传输的效率更高,实现相关数据中存在异常风险的数据的传输更快的效果。
Description
技术领域
本发明涉及电力设备全生命周期管控技术领域,尤其涉及一种设备异常事件全生命周期管控平台及方法。
背景技术
配电网运行过程中需要实时监控运行状态以确保供配电安全,但是配网中设备存在种类繁多、数目庞大的特点,对于配网设备的管控往往需要多种信息汇总进行判断。随着大数据的关联分析被多个场景应用,现有的电力系统中也存在使用物联网技术对电力设备的管控,将运营阶段的监测数据进行采集与汇聚,以监测电力装备的质量状态,但是现有技术中,不同电力设备的管控往往需要多个部门多维度、多角度的进行配合操作,并且不同设备存在有不同情况的异常事件,在设备的全生命周期中需要较长时间较多数据的跟踪管控,现有技术往往对异常事件判断不够准确,评价标准差异较大,电力设备的异常时间管控时效、安全性均存在不足。
例如,一种在中国专利文献上公开的“一种用于管控电力系统中流程规范与设备全生命周期的系统”,其公告号:CN104134246A,公开了包括每个变电站内被管控的单元包括以下全部或部分:大门单元、围墙周界单元、通道单元、消防单元、环动单元、视频监控单元、开关刀闸单元、中置柜单元、变压器单元、电缆沟单元、移动手持终端,所述被管控的单元均与变电站内站端主机连接,并通过交换机与智能监控平台、数据库连接,以及信号收发装置与站外移动终端连接,但是该方案没有对于异常事件的自动研判跟踪。
发明内容
为了解决现有技术中对异常事件自动研判跟踪不准确的问题,本发明提供一种设备异常事件全生命周期管控平台及方法,能够自动根据数据特征激活不同事件,能够研判并准确识别异常事件,对异常事件进行跟踪管控。
为了实现上述目的,本发明提供如下技术方案:
一种设备异常事件全生命周期管控平台,包括:设备监控端,获取监控信号;设备监控端连接有激活节点,激活事件;激活节点连接有数据中心,研判事件并生成处置简报;数据中心连接有跟踪模型,根据处置简报跟踪管控。能够通过监控信号确定激活的事件,进而对激活事件进行研判来进行设备异常事件的跟踪处置。
作为优选的,所述的获取监控信号包括,获取设备的多重哈希值,为同一个设备的哈希值设置同一组相似矩阵,将相似矩阵拟合为基点组,确定哈希值与基点组的指向向量集合,分别在不同信道上传不同指向向量。实现重要的数据优先传输,实现相似度低的数据传输的效率更高,实现相关数据中存在异常风险的数据的传输更快的效果。
作为优选的,所述的激活节点设有信号判断模块,信号判断模块连接有事件调用模块;信号判断模块区分监控信号中的关键信号,根据关键信号激活事件调用模块中的对应事件。实现对不同事件的激活。
作为优选的,所述的研判事件包括,分解事件为多个字段,分别检测字段是否位于异常数据库中,根据检测为是的字段组合得到研判分数,根据研判分数确定事件类型。实现根据事件类型和事件进度的综合考量来确定实际异常事件,提高异常事件的判断准确率,对于不同异常事件的不同进度所造成的数据相同的情况也能进行分类判断。
作为优选的,所述的事件调用模块中的事件被激活后,事件调用模块调用事件对应的数据调用模型来获取激活事件中的相关数据。实现根据事件不同调用不同的数据,并对一些监控信号中显示正常的数据也能纳入管控。
作为优选的,所述的数据中心根据事件的相关数据进行异常研判,获取相关数据对应变量的历史数据,将历史数据经过机器学习模型训练得到验证数据库,根据验证数据库的概率分布进行异常研判。得出每个事件的发生概率。
作为优选的,所述的研判事件还包括,聚类出研判分数的多个中心,以多个中心作为特征确定研判分数的KNN距离,根据KNN距离投票得到每个特征的权重,对每个字段分别赋权更新研判分数,对研判分数所在的数值区间确定事件类型。能够根据每个特征对实际事件影响的不同对研判分数进行调整,使能考虑到同一数据在不同事件中影响力不同的影响。
作为优选的,所述的跟踪管控包括,将处置简报进行解密得到管控信号,根据管控信号对设备的全生命周期进行跟踪,并将跟踪结果实时加密返回。确保设备的全程管控安全性。
一种设备异常事件全生命周期管控方法,适用于如任一项实施例所述的一种设备异常事件全生命周期管控平台,包括如下步骤:获取监控信号,根据监控信号自动激活事件,对激活事件进行异常研判并跟踪处置。能够根据激活事件所调用的数据再进行实际研判,并对研判后的事件进行跟踪,确定事件对应的数据类型的具体变化。
作为优选的,还包括,建立通信简报,通过通信简报记录全生命周期数据,将通信简报作为可续数据链进行传输,所述的通信简报随着异常事件的变更改变签名。通过通信简报实现对监控信号及事件的跟踪。
作为优选的,所述的对激活事件进行异常研判并跟踪处置后,生成分析报告,分析报告将异常事件的全过程进行记录;
将分析报告按照时间序列存储到为案例,以供再次激活事件时可以选择。实现关键词、信息释义、原因分析、造成后果、处置要点、需检查内容的汇总。同时实现已有案例的实时更新,使得事件库中越来越丰富。
作为优选的,所述的获取监控信号包括,获取设备的不同参数的监控信号,将监控信号按照时间序列排序;
其中相同时间节点的监控信号保留,对保留信号的数目和监控信号的获取数目进行验证,在保留信号的数目达到阈值后采用该组监控信号。对于不同位置、不同型号的传感器的数据能够进行统一,使得数据的准确性更高,避免因为数据的时间不统一造成事件判断错误。
作为优选的,所述的根据监控信号激活事件包括,对一组监控信号识别其中的关键信号;
根据关键信号确定要激活事件的类型,其中关键信号为激活事件中特征最明显的一个或多个参数代表的信号。对于同一组监控信号中,每个信号在不同事件中的影响力并不相同,将其中关键信号提取出来,使得不再根据一些影响力较差的信号进行判断,提高判断的速度和准确性。
作为优选的,所述的通信简报用于跟踪处置,所述的通信简报在监控信号获取时生成,所述的通信简报设有监控信号的标记。通信简报随着监控信号的进一步处理而流转,使得通信简报均具有对应的监控信号,便于对监控信号或通信简报进行溯源。
作为优选的,所述的跟踪处置未完成时,不生成分析报告,通过通信简报报警;
对通信简报报警的事件进行实时监视,并为不同的事件设置不同的报警信号。通过设定跟踪处置的检测环节,在一定检测阈值内判断跟踪处置是否在预期的时间内完成,并通过报警信号来对事件进行提醒。
作为优选的,所述的研判事件包括,检测事件中各项数据的异常情况,对各项数据的异常情况打分,得到研判分数,根据研判分数判断事件的类型。
作为优选的,所述的检测事件中各项数据的异常情况时,将事件根据分解标准进行分解,分解得到代表不同设备状态参数的数据,分别根据这些数据进行多次判断。
作为优选的,所述的异常研判还包括,对研判分数进行聚类分析,得到代表多个不同事件类型的中心点,采用KNN方法对这些中心进行打分,得到每个事件类型的权重。实现聚类分析确定研判数据的多个可能事件,并通过KNN距离以每个事件作为特征得到每个事件的权重,从而根据每个事件之间的相关程度影响下的可能性来进行赋权。从而得到准确的研判分数,在数值区间固定的情况下,通过提高研判分数的准确性来提高事件类型的准确判断。
一种存储设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如任一项实施例所述的一种设备异常事件全生命周期管控方法。该存储设备不限于任意实现上述功能的电子设备上。
一种计算机刻度存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述的计算机程序被处理器执行时实现如任一项实施例所述的一种设备异常事件全生命周期管控方法。该存储介质不限于任意实现上述功能的电子设备上。
本发明具有如下优点:
(1)能够通过监控信号确定激活的事件,进而对激活事件进行研判来进行设备异常事件的跟踪处置;(2)实现重要的数据优先传输,实现相似度低的数据传输的效率更高,实现相关数据中存在异常风险的数据的传输更快的效果;(3)实现重要的数据优先传输,实现相似度低的数据传输的效率更高,实现相关数据中存在异常风险的数据的传输更快的效果。
附图说明
下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
图1是实施例中方法步骤示意图。
图2是实施例中系统框图示意图。
图中:
1-设备监控端;2-激活节点;3-数据中心;4-跟踪模型;5-信号判断模块;6-事件调用模块。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图2所示,在一个较佳的实施例中,本发明公开了一种设备异常事件全生命周期管控平台,包括:设备监控端1,获取监控信号;设备监控端1连接有激活节点2,激活事件;激活节点2连接有数据中心3,研判事件并生成处置简报;数据中心3连接有跟踪模型4,根据处置简报跟踪管控。
在使用时,通过设备监控端获取设备运行全过程的监控数据,设备监控端设有录入接口,由新一代集控系统进行数据推送,并调用第三方接口,获取工业视频、雷电信息及保信信息,实现数据关联,能够对数据进行整合获取。
设备监控端将监控数据转化为监控信号经过云端上传,经过激活节点进行事件认证,在发生设备异常事件时激活监控信号对应的事件,将监控信号转化为事件经过云端上传,实现设备异常的上报,从而激活对应的异常事件管控。激活事件时自动调用时间、变电站、设备台账、核心光字信号、天气等信息。
通过数据中心对激活的事件进行是否异常情况及异常情况的研判,数据中心根据激活事件的相关信息情况综合判断设备的该事件发展情况,同时根据事件发展情况生成对应的处置简报,处置简报包括将设备在该事件下对应数据调节为目标值的控制指令或将设备的该事件结束的控制指令。实现全生命周期的业务下发。
在其他的实施例中,处置简报包括跳闸汇报线路信息、线路危险点处置信息、故障位置处置信息、取油样安排、主变受冲击分析处置信息等信息。并将处置简报经过云端与通信下发给对应操作的部门与跟踪模型。
通过跟踪模型对处置简报的进度进行实时跟踪,包括对处置简报中事件的相关数据进行实时调用跟踪监控,对处置简报中具体的操作信息的完成度进行获取来跟踪监控。从而实时监控异常事件处置到哪一环节,以及每一环节所操作的内容。从而对异常事件进行全流程监控。
在其他的实施例中,所述的获取监控信号包括,获取设备的多重哈希值,为同一个设备的哈希值设置同一组相似矩阵,将相似矩阵拟合为基点组,确定哈希值与基点组的指向向量集合,分别在不同信道上传不同指向向量。
在使用时,获取描述设备相关数据的多个监控信号,对监控信号经过单项函数转换为对应的数据指纹,不同数据经过单项函数转换得到的数据指纹各不相同,使得数据的本体不被传输。根据设备数据的采集端不同将设备划分为多个子设备的组合,为每个子设备下的所有哈希值设置一组相似矩阵,将该相似矩阵加入到数据指纹的开头作为识别字段,实现“不同设备”的不同数据指纹的分类。然后将相似矩阵拟合为一组基点的集合,该集合中的基点作为起点,对应的哈希值作为终点,得到指向向量的集合,通过指向向量来描述对应数据指纹的变化方向,通过该变化方向确定信号传输的信道位置及次序,实现重要的数据优先传输,实现相似度低的数据传输的效率更高,实现相关数据中存在异常风险的数据的传输更快的效果。
在其他的实施例中,将相似矩阵拟合为多个基点分布的基点图像,将多个哈希值根据相对距离拟合为散点图,将散点图与基点图对应并转换为同一平面图中,进而得到数据指纹基于指向向量的重要性分布。
在其他的实施例中,根据数据指纹的重要性分布将指向向量传递时,指向向量的数据链包括基点组及数据指纹,数据指纹包括数据指纹本体和识别字段,通过识别字段与基点组进行数据识别认证,确保数据指纹的分类认证正确。
在其他的实施例中,所述的激活节点设有信号判断模块5,信号判断模块5连接有事件调用模块6;信号判断模块区分监控信号中的关键信号,根据关键信号激活事件调用模块中的对应事件。
在使用时,通过信号判断模块根据监控信号判断对应事件,首先区分监控信号中对事件有较大影响的关键信号,然后根据关键信号确认需要激活的事件。此外将事件存储在事件调用模块中,激活事件调用模块中的事件。
在其他的实施例中,事件调用模块中存储有多个事件序列,每个事件序列中存储有多个数据类型,激活事件后根据事件序列中的数据类型进行数据调用。在区分关键信号时,通过事件序列中数据类型的排序确定关键信号的数据类型。
在其他的实施例中,激活事件后,事件调用模块自动调用时间、变电站、设备台账、核心光字信号、天气等信息。事件包括跳闸汇报线路、线路危险点处置、故障位置处置、取油样安排、主变受冲击分析处置等事件。
在其他的实施例中,所述的研判事件包括,分解事件为多个字段,分别检测字段是否位于异常数据库中,根据检测为是的字段组合得到研判分数,根据研判分数确定事件类型。
在使用时,根据数据类型设定分解标准,将事件根据分解标准分解为多个字段,每个字段描述了事件中不同数据类型的实际数据状态;设定异常数据库,异常数据库中存储了多个数据类型的故障数据集,故障数据集中设有该数据类型的多个误差范围和故障区间,不同故障区间代表同一事件的不同进度或不同事件的发生。
在其他的实施例中,根据异常数据库和分解的字段进行匹配后,将匹配成功的字段所对应异常数据库中的异常事件进行提取,对这些组合根据事件类型和进度分别赋权,赋权后重新得到匹配数目作为研判分数,将该研判分数作为事件类型的判断依据。实现根据事件类型和事件进度的综合考量来确定实际异常事件,提高异常事件的判断准确率,对于不同异常事件的不同进度所造成的数据相同的情况也能进行分类判断。
在其他的实施例中,所述的事件调用模块中的事件被激活后,事件调用模块调用事件对应的数据调用模型来获取激活事件中的相关数据。
在使用时,事件调用模块中存储有多个数据调用模型,数据调用模型后连接有多种数据接口组成的数据调用层,不同的数据调用模型能够调用多种不同的数据类型,不同的数据调用模型分别与数据调用层中多个数据接口连接。激活事件中的相关数据后,数据调用模型从多个接口中获取事件对应的数据。数据包括时间、变电站、设备台账、核心光字信号、天气等信息。
在其他的实施例中,事件调用模块将调用的多种数据类型转换为新的监控信号发送到数据中心进行研判。实现根据实际数据的研判。
在其他的实施例中,事件调用模块将调用的多种数据类型加入到对应监控信号的数据链末端并上传到数据中心。实现根据实际数据及数据变化的事件进度研判。
在其他的实施例中,所述的数据中心根据事件的相关数据进行异常研判,获取相关数据对应变量的历史数据,将历史数据经过机器学习模型训练得到验证数据库,根据验证数据库的概率分布进行异常研判。
在使用时,数据中心获取激活节点激活的事件进行研判并生成处置简报。数据中心中存储有数据类型的历史数据,根据历史数据进行机器学习模型性训练,得到数据类型的所有事件的可能,组成验证数据库,然后根据验证数据库中各个事件的概率分布得到此时数据类型所对应的事件的可能。得出每个数据类型的每个事件概率。
在其他的实施例中,机器学习模型包括随机森林模型、lasso模型。
在随机森林模型中,用N来表示训练用例或样本的个数,M表示特征数目。
输入特征数目m,用于确定决策树上一个节点的决策结果;其中m应远小于M。
从N个训练用例或样本中以有放回抽样的方式,取样N次,形成一个训练集,即bootstrap取样,并用未抽到的用例或样本作预测,评估其误差。
对于每一个节点,随机选择m个特征,决策树上每个节点的决定都是基于这些特征确定的。根据这m个特征,计算其最佳的分裂方式。
每棵树都会完整成长而不会剪枝,这有可能在建完一棵正常树状分类器后会被采用。
在其他的实施例中,所述的研判事件还包括,聚类出研判分数的多个中心,以多个中心作为特征确定研判分数的KNN距离,根据KNN距离投票得到每个特征的权重,对每个字段分别赋权更新研判分数,对研判分数所在的数值区间确定事件类型。
在使用时,通过聚类分析确定研判数据的多个可能事件,并通过KNN距离以每个事件作为特征得到每个事件的权重,从而根据每个事件之间的相关程度影响下的可能性来进行赋权。从而得到准确的研判分数,在数值区间固定的情况下,通过提高研判分数的准确性来提高事件类型的准确判断。
在其他的实施例中,所述的跟踪管控包括,将处置简报进行解密得到管控信号,根据管控信号对设备的全生命周期进行跟踪,并将跟踪结果实时加密返回。
在使用时,处置简报在发出时为密文状态,处置简报下发到数据类型对应的操作端后,经过解密得到管控信号,根据管控信号对设备在全生命周期内的对应数据类型进行跟踪,并以处置简报的加密方式返回。
在其他的实施例中,处置简报经过哈希算法转换为处置哈希值。
如图1所示,本方案公开了一种设备异常事件全生命周期管控方法,适用于如任一项实施例所述的一种设备异常事件全生命周期管控平台,包括如下步骤:获取监控信号,根据监控信号自动激活事件,对激活事件进行异常研判并跟踪处理。
在使用时,获取设备实时的监控信号,监控信号包括设备的全生命周期中多种数据类型;对监控信号进行处理确定事件具体的数据类型;根据激活事件所调用的数据再进行实际研判,并对研判后的事件进行跟踪,确定事件对应的数据类型的具体变化。
在其他的实施例中,还包括,建立通信简报,通过通信简报记录全生命周期数据,将通信简报作为可续数据链进行传输,所述的通信简报随着异常事件的变更改变签名。
在使用时,通过通信简报将上述方法的每一步骤进行上传,并随着异常事件的全流程跟踪不断续接通信简报,同时通过事件签名对通信简报进行标记。
在其他的实施例中,激活事件包括两种激活方式,1、自动激活:根据信号识别功能提取区分好的关键核心信号,自动激活相应异常事件或是跳闸事件,并且根据信号内容在信号激活页面自动填入时间、变电站、设备台账、核心光字信号、天气等信息,并激活对应的异常事件管控;2、手动激活:在激活页面选择好要激活的事件,输入相关字段内容包括时间、变电站、设备台账、核心光字信号、天气等信息,从而激活异常事件管控。激活成功后,在主监视画面弹出事件报警窗,其中跳闸事件为红色报警、异常事件为黄色报警。激活事件成功后系统会根据设定内容自动生成跳闸简报或异常简报,在此基础上将跳闸简报或异常简报进行修改完善,确认无误后发送。
在其他的实施例中,包括异常事件处置,异常事件处置分为三个阶段,第一个信息研判阶段:在信息研判页面中获取相应数据类型的内容,系统根据所填写的字段,自动生成异常简报或跳闸简报,并在确认无误后发送给相关终端。第二个检查处置阶段:在处置检查页面中获取处置过程中的记录,系统根据所填写的字段,自动生成处置异常简报或处置跳闸简报,并在确认无误后发送给相关终端。第三个跟踪管控阶段:在跟踪管控页面中获取相关字段,系统根据所填写的字段,自动生成跟踪异常简报或跟踪跳闸简报,用并在确认无误后发送给相关终端。
在其他的实施例中,在异常事件跟踪时,实时监控异常事件处置进行到哪一环节,以及每一环节所获取的内容。实现设备异常报警、事故跳闸全过程处置,具备跳闸事件类型展示、设备缺陷管控展示、异常定位展示等作用。
在其他的实施例中,所述的对激活事件进行异常研判并跟踪处置后,包括S51、生成分析报告,分析报告将异常事件的全过程进行记录;
S52、将分析报告按照时间序列存储到为案例,以供再次激活事件时可以选择。实现关键词、信息释义、原因分析、造成后果、处置要点、需检查内容的汇总。同时实现已有案例的实时更新,使得事件库中越来越丰富。
在使用时,将每次的案例都进行存储,使得事件库中不断更新,在重复进行事件判定时,能够判断出当前事件是否是事件库中的事件,以及当前事件是否是事件库中正在进行的异常事件,当前事件相对于前一次数据的变化情况。
在其他的实施例中,所述的获取监控信号包括,S11、获取设备的不同参数的监控信号,将监控信号按照时间序列排序;
S12、其中相同时间节点的监控信号保留,对保留信号的数目和监控信号的获取数目进行验证,在保留信号的数目达到阈值后采用该组监控信号。对于不同位置、不同型号的传感器的数据能够进行统一,使得数据的准确性更高,避免因为数据的时间不统一造成事件判断错误。
在其他的实施例中,所述的根据监控信号激活事件包括,S21、对一组监控信号识别其中的关键信号;
S22、根据关键信号确定要激活事件的类型,其中关键信号为激活事件中特征最明显的一个或多个参数代表的信号。对于同一组监控信号中,每个信号在不同事件中的影响力并不相同,将其中关键信号提取出来,使得不再根据一些影响力较差的信号进行判断,提高判断的速度和准确性。
在使用时,由于数据量庞大,其中监控信号的数据处理如果不经过筛选容易造成运算量大的问题,所以经过提取关键信号这一步骤,对监控信号进行预处理,实现数据的筛选。
在设备异常报警、事故跳闸全过程处置,具备跳闸事件类型展示、设备缺陷管控展示、异常定位展示等事件中,每个事件中具有变化幅度最大的数据,通常被认为是该事件中的关键数据,将所述关键数据对应的监控信号即认为是关键信号。
并根据关键信号确定不同事件类型中每种关键信号所对应的关键词、信息释义、原因分析、造成后果、处置要点、需检查内容。
然后再根据监控信号的关键信号进行激活事件类型的判断,也更容易判断出激活事件的类型,同时能够便于确定激活事件中的哪些数据需要后续进行处置。
在其他的实施例中,所述的通信简报用于跟踪处置,所述的通信简报在监控信号获取时生成,所述的通信简报设有监控信号的标记。通信简报随着监控信号的进一步处理而流转,使得通信简报均具有对应的监控信号,便于对监控信号或通信简报进行溯源。
在使用时,对于每个通信简报,查询通信简报上的监控信号的标记即可确定该通信简报中事件的具体数据原因是什么,而通信简报岁随着每一个步骤分别发送到不同环节的操作人员的手机中,从而实现全流程跟踪。
在其他的实施例中,包括S53、所述的跟踪处置未完成时,不生成分析报告,通过通信简报报警;
S54、对通信简报报警的事件进行实时监视,并为不同的事件设置不同的报警信号。通过设定跟踪处置的检测环节,在一定检测阈值内判断跟踪处置是否在预期的时间内完成,并通过报警信号来对事件进行提醒。
在使用时,为通信简报末端设置报警信号,当通信简报末端有报警信号时,将通信简报发送到对应操作人员的手机上。
在其他的实施例中,所述的研判事件包括,S3、检测事件中各项数据的异常情况,对各项数据的异常情况打分,得到研判分数,根据研判分数判断事件的类型。
在使用时,根据不同数据的情况,分别选出该数据的情况所对应的事件类型,然后对于同一事件类型,进行所有数据的得分统计,得到研判分数,进而确定事件的类型。
在其他的实施例中,所述的检测事件中各项数据的异常情况时,将事件根据分解标准进行分解,分解得到代表不同设备状态参数的数据,分别根据这些数据进行多次判断。
在使用时,获取事件的数据链后,根据提前依据不同数据类型确定好的分类标准进行分类,将数据链分解为多个数据,此时多个数据分别具有不同的数据类型,即此时多个数据分别代表不同的参数。
在其他的实施例中,所述的异常研判还包括,对研判分数进行聚类分析,得到代表多个不同事件类型的中心点,采用KNN方法对这些中心进行打分,得到每个事件类型的权重。实现聚类分析确定研判数据的多个可能事件,并通过KNN距离以每个事件作为特征得到每个事件的权重,从而根据每个事件之间的相关程度影响下的可能性来进行赋权。从而得到准确的研判分数,在数值区间固定的情况下,通过提高研判分数的准确性来提高事件类型的准确判断。
在其他的实施例中,对于KNN方法,使用更接近于实际的距离函数以取代标准的欧氏距离,包括 WAKNN、VDM。
搜索更加合理的K值以取代指定大小的K值,包括SNNB、 DKNAW。
运用更加精确的概率估测方法去取代简单的投票机制,包括 KNNDW、LWNB、ICLNB。
建立高效的索引,以提高KNN算法的运行效率,包括 KDTree、 NBTree。
在使用时,通过KNN方法进行打分时,包括如下四个步骤,准备数据,对数据进行预处理;
计算测试样本点到其他每个样本点的距离;
每个距离进行排序,然后选择出距离最小的K个点;
对K个点所属的类别进行比较,根据少数服从多数的原则,将测试样本点归入在K个点中占比最高的那一类。
在其他的实施例中,手动激活包括,监控技术问答,监控技术问答根据通信简报中原因分析、造成后果、前期研判、处置要点进行确定关键信号,每次修改时对这些进行重新关联,历史版本包含正在使用的版本,监控技术问答每次修改都是创建一个新的问答记录,经过层层验证确定和历史版本中没有重复记录添加到历史版本中,此时处于待审核状态,仅在审核列表可见,其中复盘分析室添加的首先会进入草稿状态,复盘结束进入待审核状态,后续遵循监控技术问答流程包括一系列验证。
在其他的实施例中,包括手动激活,用户在激活页面选择好要激活的事件,手动输入相关字段内容包括时间、变电站、设备台账、核心光字信号和天气信息,手动激活异常事件管控。
在其他的实施例中,建立案例时,还包括复盘分析;通过复盘分析案例选择模块,用户可以从案例库查询中选择案例进行分析,也可以直接进入复盘分析室进行案例分析。
一种存储设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如任一项实施例所述的一种设备异常事件全生命周期管控方法。该存储设备不限于任意实现上述功能的电子设备上。
一种计算机刻度存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述的计算机程序被处理器执行时实现如任一项实施例所述的一种设备异常事件全生命周期管控方法。该存储介质不限于任意实现上述功能的电子设备上。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (20)
1.一种设备异常事件全生命周期管控平台,其特征在于,包括:设备监控端,获取监控信号;设备监控端连接有激活节点,激活事件;
激活节点连接有数据中心,研判事件并生成处置简报;
数据中心连接有跟踪模型,根据处置简报跟踪管控。
2.根据权利要求1所述的一种设备异常事件全生命周期管控平台,其特征在于,所述的获取监控信号包括,获取设备的多重哈希值,为同一个设备的哈希值设置同一组相似矩阵;
将相似矩阵拟合为基点组,确定哈希值与基点组的指向向量集合;
分别在不同信道上传不同指向向量。
3.根据权利要求1或2所述的一种设备异常事件全生命周期管控平台,其特征在于,所述的激活节点设有信号判断模块,信号判断模块连接有事件调用模块;
信号判断模块区分监控信号中的关键信号,根据关键信号激活事件调用模块中的对应事件。
4.根据权利要求1或2所述的一种设备异常事件全生命周期管控平台,其特征在于,所述的研判事件包括,分解事件为多个字段,分别检测字段是否位于异常数据库中;
根据检测为是的字段组合得到研判分数,根据研判分数确定事件类型。
5.根据权利要求3所述的一种设备异常事件全生命周期管控平台,其特征在于,所述的事件调用模块中的事件被激活后,事件调用模块调用事件对应的数据调用模型来获取激活事件中的相关数据。
6.根据权利要求5所述的一种设备异常事件全生命周期管控平台,其特征在于,所述的数据中心根据事件的相关数据进行异常研判,获取相关数据对应变量的历史数据,将历史数据经过机器学习模型训练得到验证数据库,根据验证数据库的概率分布进行异常研判。
7.根据权利要求4所述的一种设备异常事件全生命周期管控平台,其特征在于,所述的研判事件还包括,聚类出研判分数的多个中心,以多个中心作为特征确定研判分数的KNN距离;
根据KNN距离投票得到每个特征的权重,对每个字段分别赋权更新研判分数;
对研判分数所在的数值区间确定事件类型。
8.根据权利要求1或2所述的一种设备异常事件全生命周期管控平台,其特征在于,所述的跟踪管控包括,将处置简报进行解密得到管控信号,根据管控信号对设备的全生命周期进行跟踪,并将跟踪结果实时加密返回。
9.一种设备异常事件全生命周期管控方法,适用于如权利要求1至8任一项所述的一种设备异常事件全生命周期管控平台,其特征在于,包括如下步骤:获取监控信号,根据监控信号激活事件;
对激活事件进行异常研判并跟踪处置。
10.根据权利要求9所述的一种设备异常事件全生命周期管控方法,其特征在于,还包括,建立通信简报,通过通信简报记录全生命周期数据,将通信简报作为可续数据链进行传输,所述的通信简报随着异常事件的变更改变签名。
11.根据权利要求10所述的一种设备异常事件全生命周期管控方法,其特征在于,所述的对激活事件进行异常研判并跟踪处置后,生成分析报告,分析报告将异常事件的全过程进行记录;
将分析报告按照时间序列存储到为案例,以供再次激活事件时可以选择。
12.根据权利要求9或10或11所述的一种设备异常事件全生命周期管控方法,其特征在于,所述的获取监控信号包括,获取设备的不同参数的监控信号,将监控信号按照时间序列排序;
其中相同时间节点的监控信号保留,对保留信号的数目和监控信号的获取数目进行验证,在保留信号的数目达到阈值后采用该组监控信号。
13.根据权利要求12所述的一种设备异常事件全生命周期管控方法,其特征在于,所述的根据监控信号激活事件包括,对一组监控信号识别其中的关键信号;
根据关键信号确定要激活事件的类型,其中关键信号为激活事件中特征最明显的一个或多个参数代表的信号。
14.根据权利要求10所述的一种设备异常事件全生命周期管控方法,其特征在于,所述的通信简报用于跟踪处置,所述的通信简报在监控信号获取时生成,所述的通信简报设有监控信号的标记。
15.根据权利要求11所述的一种设备异常事件全生命周期管控方法,其特征在于,所述的跟踪处置未完成时,不生成分析报告,通过通信简报报警;
对通信简报报警的事件进行实时监视,并为不同的事件设置不同的报警信号。
16.根据权利要求9所述的一种设备异常事件全生命周期管控方法,其特征在于,所述的研判事件包括,检测事件中各项数据的异常情况,对各项数据的异常情况打分,得到研判分数,根据研判分数判断事件的类型。
17.根据权利要求16所述的一种设备异常事件全生命周期管控方法,其特征在于,所述的检测事件中各项数据的异常情况时,将事件根据分解标准进行分解,分解得到代表不同设备状态参数的数据,分别根据这些数据进行多次判断。
18.根据权利要求9或10或11所述的一种设备异常事件全生命周期管控方法,其特征在于,所述的异常研判还包括,对研判分数进行聚类分析,得到代表多个不同事件类型的中心点,采用KNN方法对这些中心进行打分,得到每个事件类型的权重。
19.一种存储设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如权利要求9至18任一项所述的一种设备异常事件全生命周期管控方法。
20.一种计算机刻度存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述的计算机程序被处理器执行时实现如权利要求9至18任一项所述的一种设备异常事件全生命周期管控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311327087.9A CN117745054A (zh) | 2023-10-13 | 2023-10-13 | 一种设备异常事件全生命周期管控平台及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311327087.9A CN117745054A (zh) | 2023-10-13 | 2023-10-13 | 一种设备异常事件全生命周期管控平台及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117745054A true CN117745054A (zh) | 2024-03-22 |
Family
ID=90281887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311327087.9A Pending CN117745054A (zh) | 2023-10-13 | 2023-10-13 | 一种设备异常事件全生命周期管控平台及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745054A (zh) |
-
2023
- 2023-10-13 CN CN202311327087.9A patent/CN117745054A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111445106B (zh) | 一种用电采集设备故障处理作业现场安全控制方法及系统 | |
CN109714187A (zh) | 基于机器学习的日志分析方法、装置、设备及存储介质 | |
CN116204842B (zh) | 一种电气设备的异常监测方法及系统 | |
CN112418717A (zh) | 基于人工智能的工程现场人员行为预警方法和系统 | |
CN115358155A (zh) | 一种电力大数据异常预警方法、装置、设备及可读存储介质 | |
KR20190001501A (ko) | 통신망의 인공지능 운용 시스템 및 이의 동작 방법 | |
CN112651306A (zh) | 工具取用监控方法及装置 | |
CN113516565A (zh) | 一种基于知识库的电力监控系统告警智能处理方法及其装置 | |
CN117368651B (zh) | 一种配电网故障综合分析系统及方法 | |
CN116032602A (zh) | 一种自动识别威胁数据的方法、装置、设备及存储介质 | |
CN117439916A (zh) | 一种网络安全测试评估系统及方法 | |
CN117141265A (zh) | 一种智能无线充电桩的运行监测系统及监测方法 | |
CN117041312A (zh) | 基于物联网的企业级信息技术监控系统 | |
CN111651760A (zh) | 一种设备安全状态综合分析的方法及计算机可读存储介质 | |
CN117745054A (zh) | 一种设备异常事件全生命周期管控平台及方法 | |
CN116136897A (zh) | 信息处理方法以及装置 | |
CN114189585A (zh) | 骚扰电话异常检测方法、装置及计算设备 | |
CN117151675B (zh) | 一种基于视频监控和加密的远程运维方法及系统 | |
CN117768013B (zh) | 一种卫星地面站链路的智能运维系统 | |
CN116260640B (zh) | 基于人工智能进行大数据分析的信息拦截控制方法及系统 | |
CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
CN117421684B (zh) | 基于数据挖掘和神经网络的异常数据监测与分析方法 | |
CN116383020B (zh) | 一种基于区块链的互联网数据分析管理系统及方法 | |
CN116956282B (zh) | 基于网络资产内存时间序列多特征数据的异常检测系统 | |
CN115589317A (zh) | 指令的处理方法、装置、电子设备及非易失性存储介质 |
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 |