CN118095812A - 一种电厂智能巡检管理方法及系统 - Google Patents
一种电厂智能巡检管理方法及系统 Download PDFInfo
- Publication number
- CN118095812A CN118095812A CN202410524291.8A CN202410524291A CN118095812A CN 118095812 A CN118095812 A CN 118095812A CN 202410524291 A CN202410524291 A CN 202410524291A CN 118095812 A CN118095812 A CN 118095812A
- Authority
- CN
- China
- Prior art keywords
- inspection
- network
- patrol
- circulation
- initial
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 23
- 239000002245 particle Substances 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000007689 inspection Methods 0.000 claims description 342
- 125000004122 cyclic group Chemical group 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000001960 triggered 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电厂智能巡检管理方法及系统,涉及电厂巡检技术领域,公开了构建初始巡检循环网络,并进行区块划分,得到若干初始巡检循环子网络,计算初始巡检循环子网络的第一巡检合理程度,并进行筛选,对筛选后的初始巡检循环子网络进行动态缩限调整,得到参考巡检循环子网络,对参考巡检循环网络配置动态扫描粒子,计算每一参考巡检循环子网络的巡检概率,对参考循环网络进行第二巡检合理程度的计算,基于第二巡检合理程度对参考循环网络进行排序,并基于序次选定应用的参考循环网络,本发明公开的上述技术方案实现了对人力资源的合理安排,保证了在有限的人力资源下,更加高效合理的对电厂进行巡检。
Description
技术领域
本发明涉及电厂巡检技术领域,尤其涉及一种电厂智能管理方法及系统。
背景技术
在电厂等大型工业设施中,巡检工作是确保设备正常运行和预防故障的关键环节。然而,由于人力资源的有限性,如何合理地安排和优化巡检工作,以提高巡检效率和准确性,成为了一个亟待解决的问题。为了有效地利用有限的人力资源,智能巡检管理方法及系统的开发变得尤为重要。
发明内容
本发明的目的是提供一种能够合理安排人力资源的电厂巡检管理方法及系统。
本发明公开了一种电厂智能巡检管理方法,包括:
获取巡检位置节点以及巡检历史记录;
基于巡检物理坐标构建初始巡检循环网络,初始巡检循环网络包括若干巡检位置节点,巡检位置节点之间基于巡检位置节点次序、间隔时间以及循环周期构建节点连接线,巡检位置节点关联有巡检历史记录;
基于巡检的连同性要求,对初始巡检循环网络进行区块划分,得到若干初始巡检循环子网络,基于对每一巡检位置节点关联的巡检历史记录的分析,确定初始巡检循环子网络的第一巡检合理程度;
将第一巡检合理程度大于等于预设值的初始巡检循环子网络筛选出来,并对初始巡检循环子网络的循环周期和巡检位置节点之间的间隔时间进行动态缩限调整,得到参考巡检循环子网络,并将参考巡检循环子网络进行重新构建,得到若干参考巡检循环网络;
基于巡检人力资源量,对巡检循环网路配置动态扫描粒子,并基于每一参考巡检循环子网络的参考巡检循环子网络在重要性和时间消耗的维度上的特征,确定动态扫描粒子每次选定参考巡检循环子网络的巡检概率;
基于动态扫描粒子对应的巡检概率对参考循环网络进行动态模拟,并基于参考循环网络的全局完成的合理性对模拟结果进行第二巡检合理程度的计算,并基于第二巡检合理程度对参考循环网络进行排序,并基于序次选定应用的参考循环网络。
在本发明公开的一些实施例中,确定初始巡检循环子网络的第一巡检合理程度的方法包括:
对同一巡检位置节点的巡检历史记录进行分析提取,得到巡检目标在相邻巡检序次之间出现差异表现的差异因子;
对差异因子的差异表现进行量化定义,得到差异参考量,并将差异因子的差异参考量和预设差异参考阈值进行比对,并基于比对结果,确定出差异因子的需关注参考值;
统计初始巡检循环子网络中差异因子在连续预设次数的需关注参考值,并基于统计的需关注参考值确定初始循环子网络的第一巡检合理程度。
在本发明公开的一些实施例中,计算初始循环子网络的第一巡检合理程度表达式为:
;
其中,为第一巡检合理程度,/>为预设的巡检合理程度最大值,/>为连续预设次数,/>为第一巡检合理程度转换系数,/>为第i次巡检序次时所有差异因子的需关注参考值的总和,/>为需关注参考值调整常数;
;
其中,为初始巡检循环子网络中差异因子的总和,/>为第x个差异因子预设的需关注权重系数,/>为差异比对判断函数,若/>小于等于/>,则/>输出/>,若/>大于/>,则/>输出/>。
在本发明公开的一些实施例中,差异因子包括设备温度特征、设备湿度特征、设备压力特征、设备振动特征、设备运行功率特征、设备电压特征、设备电流特征、资源消耗特征、污染程度特征和设备磨损特征。
在本发明公开的一些实施例中,对初始巡检循环子网络的循环周期和巡检位置节点之间的间隔时间进行动态缩限调整的方法包括:
计算第一巡检合理程度和预设的标准巡检合理程度的巡检合理程度差异量;
计算初始巡检循环子网络的循环周期与预设最低循环周期之间的循环周期差异量,并计算初始巡检循环子网络的间隔时间与预设最低间隔时间之间的间隔时间差异量;
基于巡检合理程度差异量,分别确定出循环周期差异量和间隔时间差异量的缩限单位尺度;
确定缩限单位尺度的表达式为:
;
其中,为缩限单位尺度,/>为预设的标准巡检合理程度,/>为第一巡检合理程度,/>为预设的分母调整常数,/>为循环周期差异量或间隔时间差异量。
在本发明公开的一些实施例中,确定动态扫描粒子每次选定参考巡检循环子网络的巡检概率的方法包括:
基于参考巡检子网络对应的巡检对象的重要性,对参考巡检子网络配置重要性权重系数;
对初始巡检循环子网络中的巡检位置节点数量进行统计,并基于巡检位置节点数量确定初始巡检循环子网络的最小时间消耗量;
计算初始巡检循环子网络的总时间消耗量和参考时间消耗量的时间消耗差异量,并基于时间消耗差异量和最小时间消耗量的比例,确定出对初始巡检循环子网络的最小时间消耗量的修正程度,进而确定出动态扫描粒子每次选定参考巡检循环子网络的巡检概率;
其中,计算巡检概率的表达式为:
;
其中,为巡检概率,/>为修正程度转换系数,/>为初始巡检循环子网络的总时间消耗量,/>为初始巡检循环子网络的最小时间消耗量,/>为时间消耗比例调整常数,/>为所有初始巡检循环子网络的总时间消耗量。
在本发明公开的一些实施例中,基于参考循环网络的全局完成的合理性对模拟结果进行第二巡检合理程度计算的方法包括:
对每一巡检位置节点的巡检历史记录进行分析,得到巡检目标在相邻巡检序次之间出现差异表现的差异因子;
对差异因子的差异表现的规律进行分析,得到差异表现曲线,差异表现曲线的横坐标为时间,纵坐标为差异参考量;
驱使每一巡检位置节点对应的差异表现曲线进行更新,并基于每一次动态扫描粒子对巡检位置节点的触发,对差异表现曲线进行反向推进;
基于对每一巡检位置节点的差异表现曲线的分析,确定出不同初始巡检循环子网络的第一巡检合理程度,并计算所有初始巡检循环子网络的总和,得到第二巡检合理程度。
在本发明公开的一些实施例中,基于序次选定应用的参考循环网路的方法包括:
对进行排序后的参考循环网络的第二巡检合理程度进行逐序分析,计算得到相邻参考循环网络之间第二巡检合理程度的合理程度差异量;
将相邻之间合理程度差异量小于等于预设值,且连续的若干参考循环网络筛选出来进行应用。
在本发明公开的一些实施例中,还公开有一种电厂智能巡检管理系统,包括:
第一模块,用于获取巡检位置节点以及巡检历史记录;
第二模块,用于基于巡检物理坐标构建初始巡检循环网络,初始巡检循环网络包括若干巡检位置节点,巡检位置节点之间基于巡检位置节点次序、间隔时间以及循环周期构建节点连接线,巡检位置节点关联有巡检历史记录;
第三模块,用于基于巡检的连同性要求,对初始巡检循环网络进行区块划分,得到若干初始巡检循环子网络,基于对每一巡检位置节点关联的巡检历史记录的分析,确定初始巡检循环子网络的第一巡检合理程度;
第四模块,用于将第一巡检合理程度大于等于预设值的初始巡检循环子网络筛选出来,并对初始巡检循环子网络的循环周期和巡检位置节点之间的间隔时间进行动态缩限调整,得到参考巡检循环子网络,并将参考巡检循环子网络进行重新构建,得到若干参考巡检循环网络;
第五模块,用于基于巡检人力资源量,对巡检循环网路配置动态扫描粒子,并基于每一参考巡检循环子网络的参考巡检循环子网络在重要性和时间消耗的维度上的特征,确定动态扫描粒子每次选定参考巡检循环子网络的巡检概率;
第六模块,用于基于动态扫描粒子对应的巡检概率对参考循环网络进行动态模拟,并基于参考循环网络的全局完成的合理性对模拟结果进行第二巡检合理程度的计算,并基于第二巡检合理程度对参考循环网络进行排序,并基于序次选定应用的参考循环网络。
本发明公开了一种电厂智能巡检管理方法及系统,涉及电厂巡检技术领域,公开了构建初始巡检循环网络,并进行区块划分,得到若干初始巡检循环子网络,计算初始巡检循环子网络的第一巡检合理程度,并进行筛选,对筛选后的初始巡检循环子网络进行动态缩限调整,得到参考巡检循环子网络,对参考巡检循环网络配置动态扫描粒子,计算每一参考巡检循环子网络的巡检概率,对参考循环网络进行第二巡检合理程度的计算,基于第二巡检合理程度对参考循环网络进行排序,并基于序次选定应用的参考循环网络,本发明公开的上述技术方案实现了对人力资源的合理安排,保证了在有限的人力资源下,更加高效合理的对电厂进行巡检。
附图说明
图1为本发明提出的一种电厂智能巡检管理方法的方法步骤图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。
本发明公开了一种电厂智能巡检管理方法,参阅图1,包括:
步骤S100,获取巡检位置节点以及巡检历史记录。
在这一步中,是数据收集的过程,它涉及到从巡检记录中提取位置节点的信息,这些信息可能包括设备的类型、位置、巡检频率等;同时,收集历史记录,如设备故障历史、维护记录、巡检结果等,这些数据将为后续分析提供依据。
步骤S200,基于巡检物理坐标构建初始巡检循环网络,初始巡检循环网络包括若干巡检位置节点,巡检位置节点之间基于巡检位置节点次序、间隔时间以及循环周期构建节点连接线,巡检位置节点关联有巡检历史记录。
在这一步骤中,使用巡检物理坐标来构建巡检循环网络。网络中的节点代表巡检位置,而节点之间的连线则表示巡检人员在巡检这些位置时所需要的时间间隔;这些时间间隔可能基于巡检任务的复杂性、巡检人员的能力、巡检设备的状态等因素来确定。
步骤S300,基于巡检的连同性要求,对初始巡检循环网络进行区块划分,得到若干初始巡检循环子网络,基于对每一巡检位置节点关联的巡检历史记录的分析,确定初始巡检循环子网络的第一巡检合理程度。
在这一步中,根据巡检的连同性要求,将初始巡检循环网络划分为若干子网络。每个子网络内的巡检位置节点基于巡检历史记录的分析,确定其第一巡检的合理程度。
在本发明公开的一些实施例中,确定初始巡检循环子网络的第一巡检合理程度的方法包括:
步骤S301,对同一巡检位置节点的巡检历史记录进行分析提取,得到巡检目标在相邻巡检序次之间出现差异表现的差异因子。
在这一步中,通过对同一巡检位置节点的巡检历史记录进行分析,可以发现巡检目标在不同巡检序次之间的差异表现;这些差异表现可以被视为差异因子,有助于识别设备性能的退化或潜在故障。
在本发明公开的一些实施例中,差异因子包括设备温度特征、设备湿度特征、设备压力特征、设备振动特征、设备运行功率特征、设备电压特征、设备电流特征、资源消耗特征、污染程度特征和设备磨损特征。
步骤S302,对差异因子的差异表现进行量化定义,得到差异参考量,并将差异因子的差异参考量和预设差异参考阈值进行比对,并基于比对结果,确定出差异因子的需关注参考值。
在这一步中,对差异因子的差异表现进行量化定义,可以得到差异参考量;将差异参考量与预设差异参考阈值进行比对,可以确定哪些差异因子需要特别关注;这样可以及时发现设备问题,并采取相应的措施。
步骤S303,统计初始巡检循环子网络中差异因子在连续预设次数的需关注参考值,并基于统计的需关注参考值确定初始循环子网络的第一巡检合理程度。
在这一步中,统计差异因子在连续预设次数的需关注参考值,可以评估巡检子网络的巡检合理程度;基于统计的需关注参考值,可以确定初始循环子网络的第一巡检合理程度。这样可以确保巡检计划的有效性和优化,提高巡检效率和质量。
在本发明公开的一些实施例中,计算初始循环子网络的第一巡检合理程度表达式为:
。
其中,为第一巡检合理程度,/>为预设的巡检合理程度最大值,/>为连续预设次数,/>为第一巡检合理程度转换系数,/>为第i次巡检序次时所有差异因子的需关注参考值的总和,/>为需关注参考值调整常数;
。
其中,为初始巡检循环子网络中差异因子的总和,/>为第x个差异因子预设的需关注权重系数,/>为差异比对判断函数,若/>小于等于/>,则/>输出/>,若/>大于/>,则/>输出/>。
步骤S400,将第一巡检合理程度大于等于预设值的初始巡检循环子网络筛选出来,并对初始巡检循环子网络的循环周期和巡检位置节点之间的间隔时间进行动态缩限调整,得到参考巡检循环子网络,并将参考巡检循环子网络进行重新构建,得到若干参考巡检循环网络。
在这一步中,从初始巡检循环子网络中筛选出第一巡检合理程度大于等于预设值的子网络;然后,对这些子网络的循环周期和巡检位置节点之间的间隔时间进行动态调整,以优化巡检计划。
在本发明公开的一些实施例中,对初始巡检循环子网络的循环周期和巡检位置节点之间的间隔时间进行动态缩限调整的方法包括:
步骤S401,计算第一巡检合理程度和预设的标准巡检合理程度的巡检合理程度差异量。
步骤S402,计算初始巡检循环子网络的循环周期与预设最低循环周期之间的循环周期差异量,并计算初始巡检循环子网络的间隔时间与预设最低间隔时间之间的间隔时间差异量。
步骤S403,基于巡检合理程度差异量,分别确定出循环周期差异量和间隔时间差异量的缩限单位尺度。
确定缩限单位尺度的表达式为:
。
其中,为缩限单位尺度,/>为预设的标准巡检合理程度,/>为第一巡检合理程度,/>为预设的分母调整常数,/>为循环周期差异量或间隔时间差异量。
步骤S500,基于巡检人力资源量,对巡检循环网路配置动态扫描粒子,并基于每一参考巡检循环子网络的参考巡检循环子网络在重要性和时间消耗的维度上的特征,确定动态扫描粒子每次选定参考巡检循环子网络的巡检概率。
在这一步中,根据巡检人力资源量,对参考巡检循环网络配置动态扫描粒子;这些粒子代表巡检人员的巡检任务,它们的选择概率基于每个参考巡检循环子网络的重要性和时间消耗特征来确定。
在本发明公开的一些实施例中,确定动态扫描粒子每次选定参考巡检循环子网络的巡检概率的方法包括:
步骤S501,基于参考巡检子网络对应的巡检对象的重要性,对参考巡检子网络配置重要性权重系数。
步骤S502,对初始巡检循环子网络中的巡检位置节点数量进行统计,并基于巡检位置节点数量确定初始巡检循环子网络的最小时间消耗量。
步骤S503,计算初始巡检循环子网络的总时间消耗量和参考时间消耗量的时间消耗差异量,并基于时间消耗差异量和最小时间消耗量的比例,确定出对初始巡检循环子网络的最小时间消耗量的修正程度,进而确定出动态扫描粒子每次选定参考巡检循环子网络的巡检概率。
其中,计算巡检概率的表达式为:
。
其中,为巡检概率,/>为修正程度转换系数,/>为初始巡检循环子网络的总时间消耗量,/>为初始巡检循环子网络的最小时间消耗量,/>为时间消耗比例调整常数,/>为所有初始巡检循环子网络的总时间消耗量。
步骤S600,基于动态扫描粒子对应的巡检概率对参考循环网络进行动态模拟,并基于参考循环网络的全局完成的合理性对模拟结果进行第二巡检合理程度的计算,并基于第二巡检合理程度对参考循环网络进行排序,并基于序次选定应用的参考循环网络。
使用动态扫描粒子对应的巡检概率对参考循环网络进行动态模拟。通过模拟结果,评估参考循环网络的全局完成的合理性,并基于第二巡检合理程度对参考循环网络进行排序。最后,基于序次选定应用的参考循环网络。
在本发明公开的一些实施例中,基于参考循环网络的全局完成的合理性对模拟结果进行第二巡检合理程度计算的方法包括:
步骤S601,对每一巡检位置节点的巡检历史记录进行分析,得到巡检目标在相邻巡检序次之间出现差异表现的差异因子。
在这一步中,通过对每个巡检位置节点的巡检历史记录进行分析,可以提取出巡检目标在不同巡检序次之间的差异表现,这些差异表现可以被视为差异因子。
步骤S602,对差异因子的差异表现的规律进行分析,得到差异表现曲线,差异表现曲线的横坐标为时间,纵坐标为差异参考量。
在这一步中,通过分析差异因子的差异表现,可以得到一个随时间变化的差异表现曲线。这个曲线可以用来可视化差异因子的变化趋势,并帮助理解和预测设备的状态。
步骤S603,驱使每一巡检位置节点对应的差异表现曲线进行更新,并基于每一次动态扫描粒子对巡检位置节点的触发,对差异表现曲线进行反向推进。
在这一步中,通过模拟巡检过程,对每个巡检位置节点的差异表现曲线进行更新,以反映巡检过程中设备状态的变化;每次动态扫描粒子的触发都会导致差异表现曲线向前推进,模拟巡检的连续性。
步骤S604,基于对每一巡检位置节点的差异表现曲线的分析,确定出不同初始巡检循环子网络的第一巡检合理程度,并计算所有初始巡检循环子网络的总和,得到第二巡检合理程度。
在这一步中,通过对每个巡检位置节点的差异表现曲线的分析,可以确定不同初始巡检循环子网络的第一巡检合理程度;将这些合理程度加总,得到所有初始巡检循环子网络的总和,从而得到第二巡检合理程度;这个合理程度可以作为评估巡检计划优化效果的指标。
在本发明公开的一些实施例中,基于序次选定应用的参考循环网路的方法包括:
步骤S605,对进行排序后的参考循环网络的第二巡检合理程度进行逐序分析,计算得到相邻参考循环网络之间第二巡检合理程度的合理程度差异量。
步骤S606,将相邻之间合理程度差异量小于等于预设值,且连续的若干参考循环网络筛选出来进行应用。
上述技术方案实现了提高巡检效率和质量,同时确保合理利用有限的人力资源;通过这些步骤,电厂可以实现对巡检工作的精细化管理,提高设备的安全性和可靠性,降低运营成本。
在本发明公开的一些实施例中,还公开有一种电厂智能巡检管理系统,包括:
第一模块,用于获取巡检位置节点以及巡检历史记录。
第二模块,用于基于巡检物理坐标构建初始巡检循环网络,初始巡检循环网络包括若干巡检位置节点,巡检位置节点之间基于巡检位置节点次序、间隔时间以及循环周期构建节点连接线,巡检位置节点关联有巡检历史记录。
第三模块,用于基于巡检的连同性要求,对初始巡检循环网络进行区块划分,得到若干初始巡检循环子网络,基于对每一巡检位置节点关联的巡检历史记录的分析,确定初始巡检循环子网络的第一巡检合理程度。
第四模块,用于将第一巡检合理程度大于等于预设值的初始巡检循环子网络筛选出来,并对初始巡检循环子网络的循环周期和巡检位置节点之间的间隔时间进行动态缩限调整,得到参考巡检循环子网络,并将参考巡检循环子网络进行重新构建,得到若干参考巡检循环网络。
第五模块,用于基于巡检人力资源量,对巡检循环网路配置动态扫描粒子,并基于每一参考巡检循环子网络的参考巡检循环子网络在重要性和时间消耗的维度上的特征,确定动态扫描粒子每次选定参考巡检循环子网络的巡检概率。
第六模块,用于基于动态扫描粒子对应的巡检概率对参考循环网络进行动态模拟,并基于参考循环网络的全局完成的合理性对模拟结果进行第二巡检合理程度的计算,并基于第二巡检合理程度对参考循环网络进行排序,并基于序次选定应用的参考循环网络。
本发明公开了一种电厂智能巡检管理方法及系统,涉及电厂巡检技术领域,公开了构建初始巡检循环网络,并进行区块划分,得到若干初始巡检循环子网络,计算初始巡检循环子网络的第一巡检合理程度,并进行筛选,对筛选后的初始巡检循环子网络进行动态缩限调整,得到参考巡检循环子网络,对参考巡检循环网络配置动态扫描粒子,计算每一参考巡检循环子网络的巡检概率,对参考循环网络进行第二巡检合理程度的计算,基于第二巡检合理程度对参考循环网络进行排序,并基于序次选定应用的参考循环网络,本发明公开的上述技术方案实现了对人力资源的合理安排,保证了在有限的人力资源下,更加高效合理的对电厂进行巡检。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种电厂智能巡检管理方法,其特征在于,包括:
获取巡检位置节点以及巡检历史记录;
基于巡检物理坐标构建初始巡检循环网络,初始巡检循环网络包括若干巡检位置节点,巡检位置节点之间基于巡检位置节点次序、间隔时间以及循环周期构建节点连接线,巡检位置节点关联有巡检历史记录;
基于巡检的连同性要求,对初始巡检循环网络进行区块划分,得到若干初始巡检循环子网络,基于对每一巡检位置节点关联的巡检历史记录的分析,确定初始巡检循环子网络的第一巡检合理程度;
将第一巡检合理程度大于等于预设值的初始巡检循环子网络筛选出来,并对初始巡检循环子网络的循环周期和巡检位置节点之间的间隔时间进行动态缩限调整,得到参考巡检循环子网络,并将参考巡检循环子网络进行重新构建,得到若干参考巡检循环网络;
基于巡检人力资源量,对参考巡检循环网路配置动态扫描粒子,并基于每一参考巡检循环子网络的参考巡检循环子网络在重要性和时间消耗的维度上的特征,确定动态扫描粒子每次选定参考巡检循环子网络的巡检概率;
基于动态扫描粒子对应的巡检概率对参考循环网络进行动态模拟,并基于参考循环网络的全局完成的合理性对模拟结果进行第二巡检合理程度的计算,并基于第二巡检合理程度对参考循环网络进行排序,并基于序次选定应用的参考循环网络。
2.根据权利要求1所述的一种电厂智能巡检管理方法,其特征在于,确定初始巡检循环子网络的第一巡检合理程度的方法包括:
对同一巡检位置节点的巡检历史记录进行分析提取,得到巡检目标在相邻巡检序次之间出现差异表现的差异因子;
对差异因子的差异表现进行量化定义,得到差异参考量,并将差异因子的差异参考量和预设差异参考阈值进行比对,并基于比对结果,确定出差异因子的需关注参考值;
统计初始巡检循环子网络中差异因子在连续预设次数的需关注参考值,并基于统计的需关注参考值确定初始循环子网络的第一巡检合理程度。
3.根据权利要求2所述的一种电厂智能巡检管理方法,其特征在于,计算初始循环子网络的第一巡检合理程度表达式为:
;
其中,为第一巡检合理程度,/>为预设的巡检合理程度最大值,/>为连续预设次数,/>为第一巡检合理程度转换系数,/>为第i次巡检序次时所有差异因子的需关注参考值的总和,/>为需关注参考值调整常数;
;
其中,为初始巡检循环子网络中差异因子的总和,/>为第x个差异因子预设的需关注权重系数,/>为差异比对判断函数,若/>小于等于/>,则/>输出,若/>大于/>,则/>输出/>。
4.根据权利要求1所述的一种电厂智能巡检管理方法,其特征在于,差异因子包括设备温度特征、设备湿度特征、设备压力特征、设备振动特征、设备运行功率特征、设备电压特征、设备电流特征、资源消耗特征、污染程度特征和设备磨损特征。
5.根据权利要求1所述的一种电厂智能巡检管理方法,其特征在于,对初始巡检循环子网络的循环周期和巡检位置节点之间的间隔时间进行动态缩限调整的方法包括:
计算第一巡检合理程度和预设的标准巡检合理程度的巡检合理程度差异量;
计算初始巡检循环子网络的循环周期与预设最低循环周期之间的循环周期差异量,并计算初始巡检循环子网络的间隔时间与预设最低间隔时间之间的间隔时间差异量;
基于巡检合理程度差异量,分别确定出循环周期差异量和间隔时间差异量的缩限单位尺度;
确定缩限单位尺度的表达式为:
;
其中,为缩限单位尺度,/>为预设的标准巡检合理程度,/>为第一巡检合理程度,/>为预设的分母调整常数,/>为循环周期差异量或间隔时间差异量。
6.根据权利要求1所述的一种电厂智能巡检管理方法,其特征在于,确定动态扫描粒子每次选定参考巡检循环子网络的巡检概率的方法包括:
基于参考巡检子网络对应的巡检对象的重要性,对参考巡检子网络配置重要性权重系数;
对初始巡检循环子网络中的巡检位置节点数量进行统计,并基于巡检位置节点数量确定初始巡检循环子网络的最小时间消耗量;
计算初始巡检循环子网络的总时间消耗量和参考时间消耗量的时间消耗差异量,并基于时间消耗差异量和最小时间消耗量的比例,确定出对初始巡检循环子网络的最小时间消耗量的修正程度,进而确定出动态扫描粒子每次选定参考巡检循环子网络的巡检概率;
其中,计算巡检概率的表达式为:
;
其中,为巡检概率,/>为修正程度转换系数,/>为初始巡检循环子网络的总时间消耗量,/>为初始巡检循环子网络的最小时间消耗量,/>为时间消耗比例调整常数,/>为所有初始巡检循环子网络的总时间消耗量。
7.根据权利要求1所述的一种电厂智能巡检管理方法,其特征在于,基于参考循环网络的全局完成的合理性对模拟结果进行第二巡检合理程度计算的方法包括:
对每一巡检位置节点的巡检历史记录进行分析,得到巡检目标在相邻巡检序次之间出现差异表现的差异因子;
对差异因子的差异表现的规律进行分析,得到差异表现曲线,差异表现曲线的横坐标为时间,纵坐标为差异参考量;
驱使每一巡检位置节点对应的差异表现曲线进行更新,并基于每一次动态扫描粒子对巡检位置节点的触发,对差异表现曲线进行反向推进;
基于对每一巡检位置节点的差异表现曲线的分析,确定出不同初始巡检循环子网络的第一巡检合理程度,并计算所有初始巡检循环子网络的总和,得到第二巡检合理程度。
8.根据权利要求1所述的一种电厂智能巡检管理方法,其特征在于,基于序次选定应用的参考循环网路的方法包括:
对进行排序后的参考循环网络的第二巡检合理程度进行逐序分析,计算得到相邻参考循环网络之间第二巡检合理程度的合理程度差异量;
将相邻之间合理程度差异量小于等于预设值,且连续的若干参考循环网络筛选出来进行应用。
9.一种电厂智能巡检管理系统,其特征在于,包括:
第一模块,用于获取巡检位置节点以及巡检历史记录;
第二模块,用于基于巡检物理坐标构建初始巡检循环网络,初始巡检循环网络包括若干巡检位置节点,巡检位置节点之间基于巡检位置节点次序、间隔时间以及循环周期构建节点连接线,巡检位置节点关联有巡检历史记录;
第三模块,用于基于巡检的连同性要求,对初始巡检循环网络进行区块划分,得到若干初始巡检循环子网络,基于对每一巡检位置节点关联的巡检历史记录的分析,确定初始巡检循环子网络的第一巡检合理程度;
第四模块,用于将第一巡检合理程度大于等于预设值的初始巡检循环子网络筛选出来,并对初始巡检循环子网络的循环周期和巡检位置节点之间的间隔时间进行动态缩限调整,得到参考巡检循环子网络,并将参考巡检循环子网络进行重新构建,得到若干参考巡检循环网络;
第五模块,用于基于巡检人力资源量,对巡检循环网路配置动态扫描粒子,并基于每一参考巡检循环子网络的参考巡检循环子网络在重要性和时间消耗的维度上的特征,确定动态扫描粒子每次选定参考巡检循环子网络的巡检概率;
第六模块,用于基于动态扫描粒子对应的巡检概率对参考循环网络进行动态模拟,并基于参考循环网络的全局完成的合理性对模拟结果进行第二巡检合理程度的计算,并基于第二巡检合理程度对参考循环网络进行排序,并基于序次选定应用的参考循环网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410524291.8A CN118095812A (zh) | 2024-04-29 | 2024-04-29 | 一种电厂智能巡检管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410524291.8A CN118095812A (zh) | 2024-04-29 | 2024-04-29 | 一种电厂智能巡检管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118095812A true CN118095812A (zh) | 2024-05-28 |
Family
ID=91151070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410524291.8A Pending CN118095812A (zh) | 2024-04-29 | 2024-04-29 | 一种电厂智能巡检管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118095812A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022142931A1 (zh) * | 2020-12-28 | 2022-07-07 | 中兴通讯股份有限公司 | 一种网络设备的巡检方法、装置、设备和存储介质 |
CN114723077A (zh) * | 2022-03-04 | 2022-07-08 | 贵州电网有限责任公司 | 一种变电站智能巡检方法及系统 |
JP2023107061A (ja) * | 2022-01-21 | 2023-08-02 | 株式会社エナリス | 電力協調制御システム、電力協調制御方法及び電力協調制御プログラム |
CN117200060A (zh) * | 2023-09-07 | 2023-12-08 | 中国三峡新能源(集团)股份有限公司河南分公司 | 基于新能源电厂的智能巡检方法及系统 |
CN117239930A (zh) * | 2023-09-21 | 2023-12-15 | 国网智能科技股份有限公司 | 一种配电网智能巡检系统及方法 |
CN117251764A (zh) * | 2023-09-21 | 2023-12-19 | 国网智能科技股份有限公司 | 一种配电网故障巡检方法、系统、设备及存储介质 |
CN117934248A (zh) * | 2024-03-25 | 2024-04-26 | 山东汇通创软信息技术有限公司 | 一种电厂安全管控平台数据分析方法及系统 |
-
2024
- 2024-04-29 CN CN202410524291.8A patent/CN118095812A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022142931A1 (zh) * | 2020-12-28 | 2022-07-07 | 中兴通讯股份有限公司 | 一种网络设备的巡检方法、装置、设备和存储介质 |
JP2023107061A (ja) * | 2022-01-21 | 2023-08-02 | 株式会社エナリス | 電力協調制御システム、電力協調制御方法及び電力協調制御プログラム |
CN114723077A (zh) * | 2022-03-04 | 2022-07-08 | 贵州电网有限责任公司 | 一种变电站智能巡检方法及系统 |
CN117200060A (zh) * | 2023-09-07 | 2023-12-08 | 中国三峡新能源(集团)股份有限公司河南分公司 | 基于新能源电厂的智能巡检方法及系统 |
CN117239930A (zh) * | 2023-09-21 | 2023-12-15 | 国网智能科技股份有限公司 | 一种配电网智能巡检系统及方法 |
CN117251764A (zh) * | 2023-09-21 | 2023-12-19 | 国网智能科技股份有限公司 | 一种配电网故障巡检方法、系统、设备及存储介质 |
CN117934248A (zh) * | 2024-03-25 | 2024-04-26 | 山东汇通创软信息技术有限公司 | 一种电厂安全管控平台数据分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116129366A (zh) | 基于数字孪生的园区监测方法及相关装置 | |
CN106095639A (zh) | 一种集群亚健康预警方法及系统 | |
CN114021784A (zh) | 设备的剩余使用寿命的确定方法、装置和电子设备 | |
CN116862081B (zh) | 一种污染治理设备运维方法及系统 | |
CN115310361A (zh) | 基于wgan-cnn煤矿井下粉尘浓度预测方法和系统 | |
CN115687038A (zh) | 一种基于大数据的硬盘故障预测系统及方法 | |
CN116861694A (zh) | 一种基于人工智能的电缆温度预测方法 | |
CN115329663A (zh) | 处理电力负荷监测稀疏数据的关键特征选择方法和装置 | |
CN111277646A (zh) | 群智感知中基于关联关系和地理位置预测的任务分发算法 | |
CN118095812A (zh) | 一种电厂智能巡检管理方法及系统 | |
CN110399537B (zh) | 一种基于人工智能技术的警情时空预测方法 | |
CN112686773A (zh) | 一种基于融合业务拓扑的电力计量全链路关键业务异常定位模型构建方法 | |
CN116883128A (zh) | 洗钱团伙的挖掘方法、装置、电子设备及计算机存储介质 | |
CN115297016A (zh) | 一种基于深度学习的电力网络活跃度评价和预测方法 | |
Wang et al. | LSTM-based alarm prediction in the mobile communication network | |
CN111625525A (zh) | 一种环境数据修复/填充方法及系统 | |
Kogeda et al. | A probabilistic approach to faults prediction in cellular networks | |
CN113065690A (zh) | 一种交通预测方法及装置 | |
CN116703321B (zh) | 一种基于绿色生产的药厂管理方法及系统 | |
CN113138875B (zh) | 一种故障检测方法、终端以及计算机存储介质 | |
CN116390147B (zh) | 一种无线网络质量的评估方法、装置和电子设备 | |
CN117932972B (zh) | 基于web应用于设备状态算法模型的可视化建模平台及方法 | |
Holub et al. | Formation of feedback in the structures of poly-agent functionals | |
CN117113267B (zh) | 基于大数据的预测模型训练方法、光伏发电性能检测方法 | |
CN117951636A (zh) | 基于物联网数据融合的土壤污染检测方法、装置及介质 |
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 |