CN117875945B - 一种电网设备维修预测方法、系统和介质 - Google Patents
一种电网设备维修预测方法、系统和介质 Download PDFInfo
- Publication number
- CN117875945B CN117875945B CN202410265692.6A CN202410265692A CN117875945B CN 117875945 B CN117875945 B CN 117875945B CN 202410265692 A CN202410265692 A CN 202410265692A CN 117875945 B CN117875945 B CN 117875945B
- Authority
- CN
- China
- Prior art keywords
- data
- maintenance
- power grid
- standard
- grid equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 438
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims description 107
- 239000002279 physical standard Substances 0.000 claims description 18
- 230000006870 function Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请实施例提供了一种电网设备维修预测方法、系统和介质。该方法包括:根据获取电网设备的元件特征数据和历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据、标准运行参数数据和历史运行参数数据,根据预设第一维修预测模型对元件生命特征数据进行维修指标测评处理,获得第一维修指标数据;再根据预设第二维修预测模型对标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据,然后获取元件的重要等级数据及对应元件的权重分配数据,结合第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得电网设备的元件运行维修指数,最后通过阈值对比获得元件维修优先级,并获得对应的电网维修方案。
Description
技术领域
本申请涉及数控机床领域,具体而言,涉及一种电网设备维修预测方法、系统和介质。
背景技术
电网设备的应用中,不可避免的会出现故障问题和维修问题,基于数量庞大的电网设备,电网设备的故障和维修次数也会增多,传统的定期检测、维修方式耗时、耗力,已经不能满足现在的发展需要。而又由于现代社会对电力供应连续性的要求越来越高,因此,对如何实现电网设备的精准维修预测,提高设备维修的及时性和准确性,降低设备故障率,提出了新的要求。
针对上述问题,目前亟待有效的技术解决方案。
发明内容
本申请的目的在于提供一种电网设备维修预测方法、系统和介质,可以实现根据获取电网设备的元件特征数据和历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据、标准运行参数数据和历史运行参数数据,根据预设第一维修预测模型对元件生命特征数据进行维修指标测评处理,获得第一维修指标数据;再根据预设第二维修预测模型对标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据,然后获取元件的重要等级数据及对应元件的权重分配数据,结合第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得电网设备的元件运行维修指数,最后通过阈值对比获得元件维修优先级,并获得对应的电网维修方案的技术。
本申请还提供了一种电网设备维修预测方法,包括以下步骤:
获取电网设备的元件特征数据和历史运行数据;
根据所述元件特征数据和所述历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据;
根据预设第一维修预测模型对所述元件生命特征数据进行维修指标测评处理,获得第一维修指标数据;
根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据和历史运行参数数据;
根据预设第二维修预测模型对所述标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据;
获取元件的重要等级数据及对应元件的权重分配数据,根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数;
根据所述元件运行维修指数与所述电网设备对应的预设元件维修评估阈值进行阈值对比,获得所述电网设备的元件维修优先级。
可选地,在本申请所述的电网设备维修预测方法中,所述获取电网设备的元件特征数据和历史运行数据,具体包括:
获取电网设备的元件特征数据,包括元件种类数据和对应元件的标准寿命数据;
获取电网设备的历史运行数据,包括元件运行时长数据、历史故障元件数据以及对应的历史故障元件维修方式数据。
可选地,在本申请所述的电网设备维修预测方法中,所述根据所述元件特征数据和所述历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据,具体包括:
根据所述元件种类数据、标准寿命数据、元件运行时长数据、历史故障元件数据以及历史故障元件维修方式数据生成电网设备元件生命状态特征画像;
根据所述电网设备元件生命状态特征画像提取元件生命特征数据,包括元件动态标准寿命数据和元件动态已用寿命数据。
可选地,在本申请所述的电网设备维修预测方法中,所述根据预设第一维修预测模型对所述元件生命特征数据进行维修指标测评处理,获得第一维修指标数据,具体包括:
根据预设第一维修预测模型对所述元件动态标准寿命数据和元件动态已用寿命数据进行维修指标测评处理,获得第一维修指标数据;
所述预设第一维修预测模型的计算公式为:
;
其中,为第一维修指标数据,/>为元件动态已用寿命数据,/>为元件动态标准寿命数据,/>为预设特征系数。
可选地,在本申请所述的电网设备维修预测方法中,所述根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据和历史运行参数数据,具体包括:
根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据,包括电气标准参数数据和物理标准参数数据;
根据所述电气标准参数数据提取标准电流数据和标准电压数据,根据所述物理标准参数数据提取元件标准温度数据和运行环境标准湿度数据;
根据所述电网设备元件生命状态特征画像提取电网设备元件的历史运行参数数据,包括历史运行电气参数数据和历史运行物理参数数据;
根据所述历史运行电气参数数据提取异常电流次数、异常电流值、异常电压次数以及异常电压值,根据所述历史运行物理参数数据提取元件运行异常温度数据和运行环境异常湿度数据。
可选地,在本申请所述的电网设备维修预测方法中,所述根据预设第二维修预测模型对所述标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据,具体包括:
将所述标准电流数据、标准电压数据、元件标准温度数据、运行环境标准湿度数据、异常电流次数、异常电流值、异常电压次数、异常电压值、元件运行异常温度数据以及运行环境异常湿度数据输入预设第二维修预测模型处理获得第二维修指标数据;
所述预设第二维修预测模型的计算公式为:
;
其中,为第二维修指标数据,/>为异常电流次数,/>为异常电压次数,/>为异常电流值,/>为标准电流数据,/>为异常电压值,/>为标准电压数据,/>为元件运行异常温度数据,/>为元件标准温度数据,/>为运行环境异常湿度数据,/>为运行环境标准湿度数据,、/>、/>、/>为预设特征系数。
可选地,在本申请所述的电网设备维修预测方法中,所述获取元件的重要等级数据及对应元件的权重分配数据,根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数,具体包括:
获取元件的重要等级数据,包括I级、Ⅱ级以及Ⅲ级;
根据所述重要等级数据分别获取对应的权重分配数据,包括第一维修指标数据系数和第二维修指标数据系数;
根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数;
所述加权处理计算公式为:
;
其中,为元件运行维修指数,/>为第一维修指标数据系数,/>为第二维修指标数据系数,/>为第一维修指标数据,/>为第二维修指标数据。
可选地,在本申请所述的电网设备维修预测方法中,所述根据所述元件运行维修指数与所述电网设备对应的预设元件维修评估阈值进行阈值对比,获得所述电网设备的元件维修优先级,具体包括:
获取预设元件维修评估阈值;
根据所述元件运行维修指数与所述预设元件维修评估阈值进行阈值对比;
根据阈值对比结果获得所述电网设备的元件维修优先级;
根据所述元件维修优先级获得对应的电网维修方案。
第二方面,本申请提供了一种电网设备维修预测系统,该系统包括:存储器及处理器,所述存储器中包括电网设备维修预测方法的程序,所述电网设备维修预测方法的程序被所述处理器执行时实现以下步骤:
获取电网设备的元件特征数据和历史运行数据;
根据所述元件特征数据和所述历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据;
根据预设第一维修预测模型对所述元件生命特征数据进行维修指标测评处理,获得第一维修指标数据;
根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据和历史运行参数数据;
根据预设第二维修预测模型对所述标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据;
获取元件的重要等级数据及对应元件的权重分配数据,根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数;
根据所述元件运行维修指数与所述电网设备对应的预设元件维修评估阈值进行阈值对比,获得所述电网设备的元件维修优先级。
第三方面,本申请还提供了一种可读存储介质,所述可读存储介质中包括电网设备维修预测方法程序,所述电网设备维修预测方法程序被处理器执行时,实现如上述任一项所述的一种电网设备维修预测方法的步骤。
由上可知,本申请提供的电网设备维修预测方法、系统和介质。该方法根据获取电网设备的元件特征数据和历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据、标准运行参数数据和历史运行参数数据,根据预设第一维修预测模型对元件生命特征数据进行维修指标测评处理,获得第一维修指标数据;再根据预设第二维修预测模型对标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据,然后获取元件的重要等级数据及对应元件的权重分配数据,结合第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得电网设备的元件运行维修指数,最后通过阈值对比获得元件维修优先级,并获得对应的电网维修方案的技术。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种电网设备维修预测方法的流程图;
图2为本申请实施例提供的一种电网设备维修预测方法的获取电网设备的元件特征数据和历史运行数据的流程图;
图3为本申请实施例提供的一种电网设备维修预测方法的获得元件生命特征数据的流程图。
图4为本申请实施例提供的一种电网设备维修预测方法的标准运行参数数据和历史运行参数数据的流程图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的电网设备维修预测方法的流程图。该电网设备维修预测方法用于终端设备中,例如手机、电脑等。该电网设备维修预测方法,包括以下步骤:
S11、获取电网设备的元件特征数据和历史运行数据;
S12、根据所述元件特征数据和所述历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据;
S13、根据预设第一维修预测模型对所述元件生命特征数据进行维修指标测评处理,获得第一维修指标数据;
S14、根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据和历史运行参数数据;
S15、根据预设第二维修预测模型对所述标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据;
S16、获取元件的重要等级数据及对应元件的权重分配数据,根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数;
S17、根据所述元件运行维修指数与所述电网设备对应的预设元件维修评估阈值进行阈值对比,获得所述电网设备的元件维修优先级。
其中,为了实现电网设备维修预测,首先要获取电网设备的元件特征数据和历史运行数据,根据元件特征数据和历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据,然后根据预设第一维修预测模型对元件生命特征数据进行维修指标测评处理,获得第一维修指标数据,再根据电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据和历史运行参数数据,然后通过预设第二维修预测模型对标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据,电网设备运营过程中,不同元件有不同的重要等级,获取元件的重要等级数据及对应元件的权重分配数据,将第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数,元件运行维修指数是反映电网设备元件需要进行维修程度的综合指数,将元件运行维修指数与预设元件维修评估阈值进行阈值对比,获得所述电网设备的元件维修优先级,根据元件维修优先级获得对应的电网维修方案。
请参照图2,图2是本申请实施例提供的一种电网设备维修预测方法的获得元件特征数据和历史运行数据的流程图。根据本发明实施例,所述获取电网设备的元件特征数据和历史运行数据,具体包括:
S21、获取电网设备的元件特征数据,包括元件种类数据和对应元件的标准寿命数据;
S22、获取电网设备的历史运行数据,包括元件运行时长数据、历史故障元件数据以及对应的历史故障元件维修方式数据。
其中,电网设备在运行过程中,电子元件的作用至关重要,而且相对其他类型零部件,是相对易损或发生故障的,因此元件的维修预测一定程度上就决定了电网设备的维修预测,为了评估、预测电网设备元件的维修,首先要获取电网设备的元件特征数据,包括元件种类数据和对应元件的标准寿命数据,元件种类数据是指可以确定元件种类的数据,标准寿命数据是指元件在使用条件范围内所具有的标准使用寿命数据,使用时长越接近标准寿命数据越容易出现故障。然后获取电网设备的历史运行数据,历史运行数据包括元件运行时长数据、历史故障元件数据以及对应的历史故障元件维修方式数据,历史故障元件数据是指在以往的使用过程中,发生故障的元件数据,通过元件数据可以确定元件的种类,历史故障元件维修方式数据是指对故障元件维修方式的数据,包括更换元件数据和维修元件数据。
请参照图3,图3是本申请实施例提供的一种电网设备维修预测方法的获得元件生命特征数据的流程图。根据本发明实施例,所述根据所述元件特征数据和所述历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据,具体包括:
S31、根据所述元件种类数据、标准寿命数据、元件运行时长数据、历史故障元件数据以及历史故障元件维修方式数据生成电网设备元件生命状态特征画像;
S32、根据所述电网设备元件生命状态特征画像提取元件生命特征数据,包括元件动态标准寿命数据和元件动态已用寿命数据。
其中,为实现对电网设备元件的精准数字化描绘,通过生成电网设备元件生命状态特征画像以映射元件生命状态的数据化信息,首先根据元件特征数据和所述历史运行数据生成电网设备元件生命状态特征画像,电网设备元件生命状态特征画像是对电网设备的元件生命状态特征的描绘,是反映元件生命状态的数字图,便于对元件生命状态进行数据化处理,并根据电网设备元件生命状态特征画像提取元件生命特征数据,包括元件动态标准寿命数据和元件动态已用寿命数据,元件动态标准寿命数据是指如果发生元件更换,则同步将更换后元件的寿命数据进行更新,元件动态已用寿命数据是指发生元件更换或维修后,对元件已用寿命进行更新的数据。
根据本发明实施例,所述根据预设第一维修预测模型对所述元件生命特征数据进行维修指标测评处理,获得第一维修指标数据,具体包括:
根据预设第一维修预测模型对所述元件动态标准寿命数据和元件动态已用寿命数据进行维修指标测评处理,获得第一维修指标数据;
所述预设第一维修预测模型的计算公式为:
;
其中,为第一维修指标数据,/>为元件动态已用寿命数据,/>为元件动态标准寿命数据,/>为预设特征系数(预设特征系数通过预设电网设备维修预测平台数据库获取)。
其中,方法中预设第一维修预测模型,预设第一维修预测模型中包含有第一维修指标数据公式,将元件动态标准寿命数据和元件动态已用寿命数据输入预设第一维修预测模型中通过维修指标测评计算处理,获得第一维修指标数据,第一维修指标数据一定程度上反映了元件需要维修的程度,指数越大,需要维修的概率就越大。
请参照图4,图4是本申请实施例提供的一种电网设备维修预测方法的获得标准运行参数数据和历史运行参数数据的流程图。根据本发明实施例,所述所述根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据和历史运行参数数据,具体包括:
S41、根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据,包括电气标准参数数据和物理标准参数数据;
S42、根据所述电气标准参数数据提取标准电流数据和标准电压数据,根据所述物理标准参数数据提取元件标准温度数据和运行环境标准湿度数据;
S43、根据所述电网设备元件生命状态特征画像提取电网设备元件的历史运行参数数据,包括历史运行电气参数数据和历史运行物理参数数据;
S44、根据所述历史运行电气参数数据提取异常电流次数、异常电流值、异常电压次数以及异常电压值,根据所述历史运行物理参数数据提取元件运行异常温度数据和运行环境异常湿度数据。
其中,通过已经生成的电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据,包括了电气标准参数数据和物理标准参数数据,电气标准参数数据包括标准电流数据和标准电压数据,物理标准参数数据包括元件标准温度数据和运行环境标准湿度数据,电气标准数据是指电网设备的元件在正常工作时的电气标准参数,物理标准参数数据是指电网设备的元件在正常工作时的物理标准参数,根据电网设备元件生命状态特征画像提取电网设备元件的历史运行参数数据,包括历史运行电气参数数据和历史运行物理参数数据,在电网设备的运行过程当中,电气参数和物理参数是有变化的,而且有些是根据元件不同而有变化的,根据历史运行电气参数数据提取出异常电流次数、异常电流值、异常电压次数以及异常电压值,根据历史运行物理参数数据提取出元件运行异常温度数据和运行环境异常湿度数据,这些均是影响元件使用寿命的因素。
根据本发明实施例,所述根据预设第二维修预测模型对所述标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据,具体包括:
将所述标准电流数据、标准电压数据、元件标准温度数据、运行环境标准湿度数据、异常电流次数、异常电流值、异常电压次数、异常电压值、元件运行异常温度数据以及运行环境异常湿度数据输入预设第二维修预测模型处理获得第二维修指标数据;
所述预设第二维修预测模型的计算公式为:
;
其中,为第二维修指标数据,/>为异常电流次数,/>为异常电压次数,/>为异常电流值,/>为标准电流数据,/>为异常电压值,/>为标准电压数据,/>为元件运行异常温度数据,/>为元件标准温度数据,/>为运行环境异常湿度数据,/>为运行环境标准湿度数据,、/>、/>、/>为预设特征系数(预设特征系数通过预设电网设备维修预测平台数据库获取)。
其中,方法中预设第二维修预测模型,预设第二维修预测模型中包含有第二维修指标数据公式,将标准电流数据、标准电压数据、元件标准温度数据、运行环境标准湿度数据、异常电流次数、异常电流值、异常电压次数、异常电压值、元件运行异常温度数据以及运行环境异常湿度数据输入预设第二维修预测模型处理获得第二维修指标数据,第二维修指标数据一定程度上反映了元件需要维修的程度,第二维修指标数据越大,需要维修的概率就越大。
根据本发明实施例,所述获取元件的重要等级数据及对应元件的权重分配数据,根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数,具体包括:
获取元件的重要等级数据,包括I级、Ⅱ级以及Ⅲ级;
根据所述重要等级数据分别获取对应的权重分配数据,包括第一维修指标数据系数和第二维修指标数据系数;
根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数;
所述加权处理计算公式为:
;
其中,为元件运行维修指数,/>为第一维修指标数据系数,/>为第二维修指标数据系数,/>为第一维修指标数据,/>为第二维修指标数据。
其中,在电网设备中,各元件的功能不同,因此重要等级也不同,不同重要等级的元件,第一维修指标数据和第二维修指标数据对元件的维修预测影响度也不同,因此先获取元件的重要等级数据,包括I级、Ⅱ级以及Ⅲ级,然后根据重要等级数据分别获得与各重要等级所对应权重分配系数,包括第一维修指标数据系数和第二维修指标数据系数,最后再将第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数,元件运行维修指数是综合考虑各项因素后对元件需要维修程度的一种衡量参数,元件运行维修指数越大,元件发生故障或需要维修的概率就越大。
根据本发明实施例,所述根据所述元件运行维修指数与所述电网设备对应的预设元件维修评估阈值进行阈值对比,获得所述电网设备的元件维修优先级,具体包括:
获取预设元件维修评估阈值;
根据所述元件运行维修指数与所述预设元件维修评估阈值进行阈值对比;
根据阈值对比结果获得所述电网设备的元件维修优先级;
根据所述元件维修优先级获得对应的电网维修方案。
其中,在获得元件运行维修指数后,并不能够直观的判断元件维修预测的紧急或者重要程度,因此需要获取预设元件维修评估阈值,将元件运行维修指数与预设元件维修评估阈值进行阈值对比,根据阈值对比结果获得电网设备的元件维修优先级,根据元件维修优先级获得对应的电网维修方案。在本实施例中,元件维修优先级可以设置为优先紧急、一般紧急和一般,预设元件维修评估阈值设置为:[0,0.6),元件维修优先级为一般;[0.6,0.8),元件维修优先级为一般紧急,[0.8,1],元件维修优先级为优先紧急,当计算获得元件运行维修指数为0.85时,元件维修优先级为优先紧急。
本发明还公开了一种电网设备维修预测系统,包括存储器和处理器,所述存储器中包括电网设备维修预测方法程序,所述电网设备维修预测方法程序被所述处理器执行时实现如下步骤:
获取电网设备的元件特征数据和历史运行数据;
根据所述元件特征数据和所述历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据;
根据预设第一维修预测模型对所述元件生命特征数据进行维修指标测评处理,获得第一维修指标数据;
根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据和历史运行参数数据;
根据预设第二维修预测模型对所述标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据;
获取元件的重要等级数据及对应元件的权重分配数据,根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数;
根据所述元件运行维修指数与所述电网设备对应的预设元件维修评估阈值进行阈值对比,获得所述电网设备的元件维修优先级。
其中,为了实现电网设备维修预测,首先要获取电网设备的元件特征数据和历史运行数据,根据元件特征数据和历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据,然后根据预设第一维修预测模型对元件生命特征数据进行维修指标测评处理,获得第一维修指标数据,再根据电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据和历史运行参数数据,然后通过预设第二维修预测模型对标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据,电网设备运营过程中,不同元件有不同的重要等级,获取元件的重要等级数据及对应元件的权重分配数据,将第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数,元件运行维修指数是反映电网设备元件需要进行维修程度的综合指数,将元件运行维修指数与预设元件维修评估阈值进行阈值对比,获得所述电网设备的元件维修优先级,根据元件维修优先级获得对应的电网维修方案。
根据本发明实施例,所述获取电网设备的元件特征数据和历史运行数据,具体包括:
获取电网设备的元件特征数据,包括元件种类数据和对应元件的标准寿命数据;
获取电网设备的历史运行数据,包括元件运行时长数据、历史故障元件数据以及对应的历史故障元件维修方式数据。
其中,电网设备在运行过程中,电子元件的作用至关重要,而且相对其他类型零部件,是相对易损或发生故障的,因此元件的维修预测一定程度上就决定了电网设备的维修预测,为了评估、预测电网设备元件的维修,首先要获取电网设备的元件特征数据,包括元件种类数据和对应元件的标准寿命数据,元件种类数据是指可以确定元件种类的数据,标准寿命数据是指元件在使用条件范围内所具有的标准使用寿命数据,使用时长越接近标准寿命数据越容易出现故障。然后获取电网设备的历史运行数据,历史运行数据包括元件运行时长数据、历史故障元件数据以及对应的历史故障元件维修方式数据,历史故障元件数据是指在以往的使用过程中,发生故障的元件数据,通过元件数据可以确定元件的种类,历史故障元件维修方式数据是指对故障元件维修方式的数据,包括更换元件数据和维修元件数据。
根据本发明实施例,所述根据所述元件特征数据和所述历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据,具体包括:
根据所述元件种类数据、标准寿命数据、元件运行时长数据、历史故障元件数据以及历史故障元件维修方式数据生成电网设备元件生命状态特征画像;
根据所述电网设备元件生命状态特征画像提取元件生命特征数据,包括元件动态标准寿命数据和元件动态已用寿命数据。
其中,为实现对电网设备元件的精准数字化描绘,通过生成电网设备元件生命状态特征画像以映射元件生命状态的数据化信息,首先根据元件特征数据和所述历史运行数据生成电网设备元件生命状态特征画像,电网设备元件生命状态特征画像是对电网设备的元件生命状态特征的描绘,是反映元件生命状态的数字图,便于对元件生命状态进行数据化处理,并根据电网设备元件生命状态特征画像提取元件生命特征数据,包括元件动态标准寿命数据和元件动态已用寿命数据,元件动态标准寿命数据是指如果发生元件更换,则同步将更换后元件的寿命数据进行更新,元件动态已用寿命数据是指发生元件更换或维修后,对元件已用寿命进行更新的数据。
根据本发明实施例,所述根据预设第一维修预测模型对所述元件生命特征数据进行维修指标测评处理,获得第一维修指标数据,具体包括:
根据预设第一维修预测模型对所述元件动态标准寿命数据和元件动态已用寿命数据进行维修指标测评处理,获得第一维修指标数据;
所述预设第一维修预测模型的计算公式为:
;
其中,为第一维修指标数据,/>为元件动态已用寿命数据,/>为元件动态标准寿命数据,/>为预设特征系数(预设特征系数通过预设电网设备维修预测平台数据库获取)。
其中,方法中预设第一维修预测模型,预设第一维修预测模型中包含有第一维修指标数据公式,将元件动态标准寿命数据和元件动态已用寿命数据输入预设第一维修预测模型中通过维修指标测评计算处理,获得第一维修指标数据,第一维修指标数据一定程度上反映了元件需要维修的程度,指数越大,需要维修的概率就越大。
根据本发明实施例,所述所述根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据和历史运行参数数据,具体包括:
根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据,包括电气标准参数数据和物理标准参数数据;
根据所述电气标准参数数据提取标准电流数据和标准电压数据,根据所述物理标准参数数据提取元件标准温度数据和运行环境标准湿度数据;
根据所述电网设备元件生命状态特征画像提取电网设备元件的历史运行参数数据,包括历史运行电气参数数据和历史运行物理参数数据;
根据所述历史运行电气参数数据提取异常电流次数、异常电流值、异常电压次数以及异常电压值,根据所述历史运行物理参数数据提取元件运行异常温度数据和运行环境异常湿度数据。
其中,通过已经生成的电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据,包括了电气标准参数数据和物理标准参数数据,电气标准参数数据包括标准电流数据和标准电压数据,物理标准参数数据包括元件标准温度数据和运行环境标准湿度数据,电气标准数据是指电网设备的元件在正常工作时的电气标准参数,物理标准参数数据是指电网设备的元件在正常工作时的物理标准参数,根据电网设备元件生命状态特征画像提取电网设备元件的历史运行参数数据,包括历史运行电气参数数据和历史运行物理参数数据,在电网设备的运行过程当中,电气参数和物理参数是有变化的,而且有些是根据元件不同而有变化的,根据历史运行电气参数数据提取出异常电流次数、异常电流值、异常电压次数以及异常电压值,根据历史运行物理参数数据提取出元件运行异常温度数据和运行环境异常湿度数据,这些均是影响元件使用寿命的因素。
根据本发明实施例,所述根据预设第二维修预测模型对所述标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据,具体包括:
将所述标准电流数据、标准电压数据、元件标准温度数据、运行环境标准湿度数据、异常电流次数、异常电流值、异常电压次数、异常电压值、元件运行异常温度数据以及运行环境异常湿度数据输入预设第二维修预测模型处理获得第二维修指标数据;
所述预设第二维修预测模型的计算公式为:
;/>
其中,为第二维修指标数据,/>为异常电流次数,/>为异常电压次数,/>为异常电流值,/>为标准电流数据,/>为异常电压值,/>为标准电压数据,/>为元件运行异常温度数据,/>为元件标准温度数据,/>为运行环境异常湿度数据,/>为运行环境标准湿度数据,、/>、/>、/>为预设特征系数(预设特征系数通过预设电网设备维修预测平台数据库获取)。
其中,方法中预设第二维修预测模型,预设第二维修预测模型中包含有第二维修指标数据公式,将标准电流数据、标准电压数据、元件标准温度数据、运行环境标准湿度数据、异常电流次数、异常电流值、异常电压次数、异常电压值、元件运行异常温度数据以及运行环境异常湿度数据输入预设第二维修预测模型处理获得第二维修指标数据,第二维修指标数据一定程度上反映了元件需要维修的程度,第二维修指标数据越大,需要维修的概率就越大。
根据本发明实施例,所述获取元件的重要等级数据及对应元件的权重分配数据,根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数,具体包括:
获取元件的重要等级数据,包括I级、Ⅱ级以及Ⅲ级;
根据所述重要等级数据分别获取对应的权重分配数据,包括第一维修指标数据系数和第二维修指标数据系数;
根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数;
所述加权处理计算公式为:
;
其中,为元件运行维修指数,/>为第一维修指标数据系数,/>为第二维修指标数据系数,/>为第一维修指标数据,/>为第二维修指标数据。
其中,在电网设备中,各元件的功能不同,因此重要等级也不同,不同重要等级的元件,第一维修指标数据和第二维修指标数据对元件的维修预测影响度也不同,因此先获取元件的重要等级数据,包括I级、Ⅱ级以及Ⅲ级,然后根据重要等级数据分别获得与各重要等级所对应权重分配系数,包括第一维修指标数据系数和第二维修指标数据系数,最后再将第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数,元件运行维修指数是综合考虑各项因素后对元件需要维修程度的一种衡量参数,元件运行维修指数越大,元件发生故障或需要维修的概率就越大。
根据本发明实施例,所述根据所述元件运行维修指数与所述电网设备对应的预设元件维修评估阈值进行阈值对比,获得所述电网设备的元件维修优先级,具体包括:
获取预设元件维修评估阈值;
根据所述元件运行维修指数与所述预设元件维修评估阈值进行阈值对比;
根据阈值对比结果获得所述电网设备的元件维修优先级;
根据所述元件维修优先级获得对应的电网维修方案。
其中,在获得元件运行维修指数后,并不能够直观的判断元件维修预测的紧急或者重要程度,因此需要获取预设元件维修评估阈值,将元件运行维修指数与预设元件维修评估阈值进行阈值对比,根据阈值对比结果获得电网设备的元件维修优先级,根据元件维修优先级获得对应的电网维修方案。在本实施例中,元件维修优先级可以设置为优先紧急、一般紧急和一般,预设元件维修评估阈值设置为:[0,0.6),元件维修优先级为一般;[0.6,0.8),元件维修优先级为一般紧急,[0.8,1],元件维修优先级为优先紧急,当计算获得元件运行维修指数为0.85时,元件维修优先级为优先紧急。
本发明第三方面提供了一种可读存储介质,所述可读存储介质中包括一种电网设备维修预测方法程序,所述电网设备维修预测方法程序被处理器执行时,实现如上述任一项所述的一种电网设备维修预测方法的步骤。
本发明公开的一种电网设备维修预测方法、系统和介质,根据获取电网设备的元件特征数据和历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据、标准运行参数数据和历史运行参数数据,根据预设第一维修预测模型对元件生命特征数据进行维修指标测评处理,获得第一维修指标数据;再根据预设第二维修预测模型对标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据,然后获取元件的重要等级数据及对应元件的权重分配数据,结合第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得电网设备的元件运行维修指数,最后通过阈值对比获得元件维修优先级,并获得对应的电网维修方案。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (5)
1.一种电网设备维修预测方法,其特征在于,包括:
获取电网设备的元件特征数据和历史运行数据;
根据所述元件特征数据和所述历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据;
根据预设第一维修预测模型对所述元件生命特征数据进行维修指标测评处理,获得第一维修指标数据;
根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据和历史运行参数数据;
根据预设第二维修预测模型对所述标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据;
获取元件的重要等级数据及对应元件的权重分配数据,根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数;
根据所述元件运行维修指数与所述电网设备对应的预设元件维修评估阈值进行阈值对比,获得所述电网设备的元件维修优先级;
所述获取电网设备的元件特征数据和历史运行数据,具体包括:
获取电网设备的元件特征数据,包括元件种类数据和对应元件的标准寿命数据;
获取电网设备的历史运行数据,包括元件运行时长数据、历史故障元件数据以及对应的历史故障元件维修方式数据;
所述根据所述元件特征数据和所述历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据,具体包括:
根据所述元件种类数据、标准寿命数据、元件运行时长数据、历史故障元件数据以及历史故障元件维修方式数据生成电网设备元件生命状态特征画像;
根据所述电网设备元件生命状态特征画像提取元件生命特征数据,包括元件动态标准寿命数据和元件动态已用寿命数据;
所述根据预设第一维修预测模型对所述元件生命特征数据进行维修指标测评处理,获得第一维修指标数据,具体包括:
根据预设第一维修预测模型对所述元件动态标准寿命数据和元件动态已用寿命数据进行维修指标测评处理,获得第一维修指标数据;
所述预设第一维修预测模型的计算公式为:
;
其中,为第一维修指标数据,/>为元件动态已用寿命数据,/>为元件动态标准寿命数据,/>为预设特征系数;
所述根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据和历史运行参数数据,具体包括:
根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据,包括电气标准参数数据和物理标准参数数据;
根据所述电气标准参数数据提取标准电流数据和标准电压数据,根据所述物理标准参数数据提取元件标准温度数据和运行环境标准湿度数据;
根据所述电网设备元件生命状态特征画像提取电网设备元件的历史运行参数数据,包括历史运行电气参数数据和历史运行物理参数数据;
根据所述历史运行电气参数数据提取异常电流次数、异常电流值、异常电压次数以及异常电压值,根据所述历史运行物理参数数据提取元件运行异常温度数据和运行环境异湿度数据;
所述根据预设第二维修预测模型对所述标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据,具体包括:
将所述标准电流数据、标准电压数据、元件标准温度数据、运行环境标准湿度数据、异常电流次数、异常电流值、异常电压次数、异常电压值、元件运行异常温度数据以及运行环境异常湿度数据输入预设第二维修预测模型处理获得第二维修指标数据;
所述预设第二维修预测模型的计算公式为:
;
其中,为第二维修指标数据,/>为异常电流次数,/>为异常电压次数,/>为异常电流值,/>为标准电流数据,/>为异常电压值,/>为标准电压数据,/>为元件运行异常温度数据,/>为元件标准温度数据,/>为运行环境异常湿度数据,/>为运行环境标准湿度数据,/>、/>、/>、/>为预设特征系数。
2.根据权利要求1所述的电网设备维修预测方法,其特征在于,所述获取元件的重要等级数据及对应元件的权重分配数据,根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数,具体包括:
获取元件的重要等级数据,包括I级、Ⅱ级以及Ⅲ级;
根据所述重要等级数据分别获取对应的权重分配数据,包括第一维修指标数据系数和第二维修指标数据系数;
根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数;
所述加权处理计算公式为:
;
其中,为元件运行维修指数,/>为第一维修指标数据系数,/>为第二维修指标数据系数,/>为第一维修指标数据,/>为第二维修指标数据。
3.根据权利要求1所述的电网设备维修预测方法,其特征在于,所述根据所述元件运行维修指数与所述电网设备对应的预设元件维修评估阈值进行阈值对比,获得所述电网设备的元件维修优先级,具体包括:
获取预设元件维修评估阈值;
根据所述元件运行维修指数与所述预设元件维修评估阈值进行阈值对比;
根据阈值对比结果获得所述电网设备的元件维修优先级;
根据所述元件维修优先级获得对应的电网维修方案。
4.一种电网设备维修预测系统,其特征在于,包括存储器和处理器,所述存储器中包括电网设备维修预测方法程序,所述电网设备维修预测方法程序被所述处理器执行时实现如下步骤:
获取电网设备的元件特征数据和历史运行数据;
根据所述元件特征数据和所述历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据;
根据预设第一维修预测模型对所述元件生命特征数据进行维修指标测评处理,获得第一维修指标数据;
根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据和历史运行参数数据;
根据预设第二维修预测模型对所述标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据;
获取元件的重要等级数据及对应元件的权重分配数据,根据所述第一维修指标数据、第二维修指标数据和权重分配数据进行加权处理,获得所述电网设备的元件运行维修指数;
根据所述元件运行维修指数与所述电网设备对应的预设元件维修评估阈值进行阈值对比,获得所述电网设备的元件维修优先级;
所述获取电网设备的元件特征数据和历史运行数据,具体包括:
获取电网设备的元件特征数据,包括元件种类数据和对应元件的标准寿命数据;
获取电网设备的历史运行数据,包括元件运行时长数据、历史故障元件数据以及对应的历史故障元件维修方式数据;
所述根据所述元件特征数据和所述历史运行数据生成电网设备元件生命状态特征画像,并提取元件生命特征数据,具体包括:
根据所述元件种类数据、标准寿命数据、元件运行时长数据、历史故障元件数据以及历史故障元件维修方式数据生成电网设备元件生命状态特征画像;
根据所述电网设备元件生命状态特征画像提取元件生命特征数据,包括元件动态标准寿命数据和元件动态已用寿命数据;
所述根据预设第一维修预测模型对所述元件生命特征数据进行维修指标测评处理,获得第一维修指标数据,具体包括:
根据预设第一维修预测模型对所述元件动态标准寿命数据和元件动态已用寿命数据进行维修指标测评处理,获得第一维修指标数据;
所述预设第一维修预测模型的计算公式为:
;
其中,为第一维修指标数据,/>为元件动态已用寿命数据,/>为元件动态标准寿命数据,/>为预设特征系数;
所述根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据和历史运行参数数据,具体包括:
根据所述电网设备元件生命状态特征画像提取电网设备元件的标准运行参数数据,包括电气标准参数数据和物理标准参数数据;
根据所述电气标准参数数据提取标准电流数据和标准电压数据,根据所述物理标准参数数据提取元件标准温度数据和运行环境标准湿度数据;
根据所述电网设备元件生命状态特征画像提取电网设备元件的历史运行参数数据,包括历史运行电气参数数据和历史运行物理参数数据;
根据所述历史运行电气参数数据提取异常电流次数、异常电流值、异常电压次数以及异常电压值,根据所述历史运行物理参数数据提取元件运行异常温度数据和运行环境异常湿度数据;
所述根据预设第二维修预测模型对所述标准运行参数数据和历史运行参数数据进行处理,获得第二维修指标数据,具体包括:
将所述标准电流数据、标准电压数据、元件标准温度数据、运行环境标准湿度数据、异常电流次数、异常电流值、异常电压次数、异常电压值、元件运行异常温度数据以及运行环境异常湿度数据输入预设第二维修预测模型处理获得第二维修指标数据;
所述预设第二维修预测模型的计算公式为:
;
其中,为第二维修指标数据,/>为异常电流次数,/>为异常电压次数,/>为异常电流值,/>为标准电流数据,/>为异常电压值,/>为标准电压数据,/>为元件运行异常温度数据,/>为元件标准温度数据,/>为运行环境异常湿度数据,/>为运行环境标准湿度数据,/>、/>、/>、/>为预设特征系数。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括一种电网设备维修预测方法程序,所述一种电网设备维修预测方法程序被处理器执行时,实现如权利要求1至3中任一项所述的一种电网设备维修预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410265692.6A CN117875945B (zh) | 2024-03-08 | 2024-03-08 | 一种电网设备维修预测方法、系统和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410265692.6A CN117875945B (zh) | 2024-03-08 | 2024-03-08 | 一种电网设备维修预测方法、系统和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117875945A CN117875945A (zh) | 2024-04-12 |
CN117875945B true CN117875945B (zh) | 2024-05-28 |
Family
ID=90581560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410265692.6A Active CN117875945B (zh) | 2024-03-08 | 2024-03-08 | 一种电网设备维修预测方法、系统和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117875945B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2882796A1 (en) * | 2007-05-16 | 2009-02-12 | Power Analytics Corporation | Real-time predictive systems for intelligent energy monitoring and management of electrical power networks |
CN102623910A (zh) * | 2012-04-27 | 2012-08-01 | 重庆大学 | 一种基于可靠性的开关设备维修决策方法 |
CN112561736A (zh) * | 2020-12-23 | 2021-03-26 | 四川轻化工大学 | 智能变电站继电器保护装置故障诊断系统和方法 |
KR20220144707A (ko) * | 2021-04-20 | 2022-10-27 | 진테크이엔지(주) | 고도화된 crnn 알고리즘을 적용한 고장 예측 및 사전정비 시스템 |
CN115762739A (zh) * | 2022-11-23 | 2023-03-07 | 中澄明(北京)商务服务有限公司 | 一种基于物联网的医疗设备故障报备平台及方法 |
CN116187593A (zh) * | 2023-04-27 | 2023-05-30 | 国网山东省电力公司滨州市沾化区供电公司 | 一种配电网故障预测处理方法、装置、设备、存储介质 |
CN116187983A (zh) * | 2023-04-26 | 2023-05-30 | 山西恒信风光新能源技术有限公司 | 一种风电机组运维管理方法、装置、设备及存储介质 |
CN116993329A (zh) * | 2023-09-27 | 2023-11-03 | 深圳百沃彰世科技有限公司 | 一种基于数据分析的通讯设备运行维修决策管理系统 |
CN117422177A (zh) * | 2023-10-30 | 2024-01-19 | 国网冀北电力有限公司 | 一种电网技改维修规模预测方法及装置 |
CN117434387A (zh) * | 2023-11-24 | 2024-01-23 | 国网江苏省电力有限公司营销服务中心 | 基于边缘计算的配网线路故障分析方法、系统和介质 |
CN117611392A (zh) * | 2023-12-15 | 2024-02-27 | 国网新疆电力有限公司信息通信公司 | 基于电网设备资源的数字电网综合展示系统 |
-
2024
- 2024-03-08 CN CN202410265692.6A patent/CN117875945B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2882796A1 (en) * | 2007-05-16 | 2009-02-12 | Power Analytics Corporation | Real-time predictive systems for intelligent energy monitoring and management of electrical power networks |
CN102623910A (zh) * | 2012-04-27 | 2012-08-01 | 重庆大学 | 一种基于可靠性的开关设备维修决策方法 |
CN112561736A (zh) * | 2020-12-23 | 2021-03-26 | 四川轻化工大学 | 智能变电站继电器保护装置故障诊断系统和方法 |
KR20220144707A (ko) * | 2021-04-20 | 2022-10-27 | 진테크이엔지(주) | 고도화된 crnn 알고리즘을 적용한 고장 예측 및 사전정비 시스템 |
CN115762739A (zh) * | 2022-11-23 | 2023-03-07 | 中澄明(北京)商务服务有限公司 | 一种基于物联网的医疗设备故障报备平台及方法 |
CN116187983A (zh) * | 2023-04-26 | 2023-05-30 | 山西恒信风光新能源技术有限公司 | 一种风电机组运维管理方法、装置、设备及存储介质 |
CN116187593A (zh) * | 2023-04-27 | 2023-05-30 | 国网山东省电力公司滨州市沾化区供电公司 | 一种配电网故障预测处理方法、装置、设备、存储介质 |
CN116993329A (zh) * | 2023-09-27 | 2023-11-03 | 深圳百沃彰世科技有限公司 | 一种基于数据分析的通讯设备运行维修决策管理系统 |
CN117422177A (zh) * | 2023-10-30 | 2024-01-19 | 国网冀北电力有限公司 | 一种电网技改维修规模预测方法及装置 |
CN117434387A (zh) * | 2023-11-24 | 2024-01-23 | 国网江苏省电力有限公司营销服务中心 | 基于边缘计算的配网线路故障分析方法、系统和介质 |
CN117611392A (zh) * | 2023-12-15 | 2024-02-27 | 国网新疆电力有限公司信息通信公司 | 基于电网设备资源的数字电网综合展示系统 |
Non-Patent Citations (1)
Title |
---|
基于信息融合的750kV电网二次设备状态评估;王晓亮 等;电力系统及其自动化学报;20130228;25(第01期);40-46 * |
Also Published As
Publication number | Publication date |
---|---|
CN117875945A (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114514141A (zh) | 充电站监测方法和设备 | |
CN116362630B (zh) | 基于物联网的锡膏印刷机管理方法、系统及介质 | |
CN113554526A (zh) | 电力设备的故障预警方法、装置、存储介质及处理器 | |
CN113837596A (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN115238831A (zh) | 故障预测方法、装置、计算机设备、存储介质和程序产品 | |
CN113723861A (zh) | 异常用电行为检测方法、装置、计算机设备和存储介质 | |
KR102315580B1 (ko) | 건물의 화재 예측 분석 장치 및 방법 | |
Wani et al. | Diagnosis of incipient dominant and boundary faults using composite DGA method | |
CN115935807A (zh) | 基于图马尔可夫神经网络的诊断模型的训练方法 | |
CN115524002A (zh) | 一种电厂旋转设备的运行状态预警方法、系统及存储介质 | |
CN112529432B (zh) | 一种电压暂降严重程度评估方法、装置及电子设备 | |
CN117875945B (zh) | 一种电网设备维修预测方法、系统和介质 | |
CN114076841A (zh) | 基于用电信息数据的窃电行为识别方法及系统 | |
CN117668692A (zh) | 基于故障检测的智能化电能监控方法、装置、设备和介质 | |
CN113537519A (zh) | 一种识别异常设备的方法和装置 | |
CN117742303B (zh) | 一种生产自动化设备检测方法、系统和介质 | |
CN117828450B (zh) | 一种基于大数据的封装测试方法、系统和介质 | |
CN118091520B (zh) | 一种10us方波浪涌测试设备智能调控方法及系统 | |
CN115936535B (zh) | 一种电力变压器的使用周期提升方法、装置、设备及介质 | |
CN115616437B (zh) | 一种epc特种电源的智能调测控制方法及系统 | |
CN115796459B (zh) | 基于多源数据的低压台区电压质量分析方法、装置 | |
CN115829543B (zh) | 基于故障需检区间的电力设备预防性试验有效性确定方法 | |
CN116365520B (zh) | 输电线路设备风险预测方法、装置和计算机设备 | |
CN116304776B (zh) | 基于k-Means算法的电网数据值异常检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |