CN103178615B - 电力设备故障监控方法及其*** - Google Patents
电力设备故障监控方法及其*** Download PDFInfo
- Publication number
- CN103178615B CN103178615B CN201310047323.1A CN201310047323A CN103178615B CN 103178615 B CN103178615 B CN 103178615B CN 201310047323 A CN201310047323 A CN 201310047323A CN 103178615 B CN103178615 B CN 103178615B
- Authority
- CN
- China
- Prior art keywords
- state index
- fault
- index data
- data
- model
- 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
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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/242—Home appliances
-
- 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
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
- Y04S40/126—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using wireless data transmission
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供一种电力设备故障监控方法及其***,所述方法包括以下步骤:获取电力设备的状态指标数据,其中,所述设备状态指标数据包括在线检测状态指标数据和观测状态指标数据;根据预先设定的状态指标阈值,判断获取的各个所述状态指标数据是否异常,并获取异常的状态指标数据;根据所述异常的状态指标数据,按照预设的故障判断模型,判断电力设备的故障类型,获取对该故障类型预设的处理指令,其中,所述故障判断模型包括各个所述状态指标数据与各种故障类型的关联关系,所述关联关系的权值以及各种故障类型的处理指令。能够对电力设备的故障进行诊断、处理和预防,提高电力设备的安全性。
Description
技术领域
本发明涉及电力设备监控的技术领域,特别是涉及一种电力设备故障监控方法,以及一种电力设备故障监控***。
背景技术
电力企业在设备的运行维护过程中,通过运行人员的人工采集、在线监测、预防性试验等多种方式,可采集到表征设备的健康状况,是否存在故障(包括显性和隐性故障)的数据。设备的状态标准数据是多方面的,例如对一台电力变压器,我们可以通过红外测温的方式获取其各个部位的温度,从而得知,设备是否存在着发热的故障,并且故障在什么部位,这是我们需要借助仪器获取表征设备是否存在故障的数据,即设备的状态指标数据。同样,我们通过观察的方式获取大部分外在的表征设备状态的数据,例如看到设备在漏油,听到设备内部有异响等,所有这些可以表达出设备是否存在故障,状态是否正常的信息,也是设备的状态指标数据
但是目前,在实际的设备缺陷诊断、处理中这些数据因为专业管理范畴不同、信息化实现方式不同等原因,无法被有效应用于设备的故障诊断,并且设备的故障是多样的,当故障发生时,有一些对于运行人员而言是明显的,但也有一些发生在设备内部或者通过现有的检测技术是无法检测到的,我们这些无法直接检测或需要推理证实的故障为隐性故障,对于隐性故障的诊断和处理,一直是设备故障诊断工作中的重点和难点。
发明内容
针对上述背景技术中存在的问题,本发明的目的在于提供一种电力设备故障监控方法及其***,可以根据电力设备的状态指标数据进行故障监控和诊断,提高电力设备的安全性。
一种电力设备故障监控方法,包括以下步骤:
获取电力设备的状态指标数据,其中,所述电力设备的状态指标数据包括在线检测状态指标数据和观测状态指标数据;
根据预先设定的状态指标阈值,判断获取的各个所述状态指标数据是否异常,并获取异常的状态指标数据;
根据所述异常的状态指标数据,按照预设的故障判断模型,判断电力设备的故障类型,获取对该故障类型预设的处理指令,其中,所述故障判断模型包括各个所述状态指标数据与各种故障类型的关联关系,所述关联关系的权值以及各种故障类型的处理指令;
所述故障判断模型包括故障模型以及状态指标故障模型;
所述故障模型包括各种所述故障类型,及其对应的故障现象以及处理指令;
所述状态指标故障模型包括各个所述状态指标数据与各种故障类型的关联关系,以及所述关联关系的权值;所述状态指标故障模型采用神经网络的技术,在开始建立时采取的模式是一层,定输入、输出和权重的神经网络,随着数据的反馈以及检测判断次数的增加,实现完全的神经网络;
按照预设的故障判断模型,判断电力设备的故障类型的步骤包括:
根据所述异常的状态指标数据查找所述状态指标故障模型,查找与所述异常的状态指标数据具有关联关系的故障类型,以及所述关联关系的权值,计算各种所述故障类型发生的概率;
根据各种所述故障类型发生的概率,以及各种所述故障类型的故障现象,判断电力设备的故障类型;
其中,根据预先设定的状态指标阈值,判断获取的各个所述状态指标数据是否异常的步骤包括:
按照预设的状态指标判断模型中的判断依据,判断所述状态指标数据对应的得分值,将所述得分值乘以所述状态指标的权值,获取所述状态指标数据的总得分值;
将所述总得分值与对应的状态指标阈值比较,根据比较结果判断各个所述状态指标数据是否异常;其中,所述状态指标判断模型包括各个所述状态指标的分值、权值,判断依据。
一种电力设备故障监控***,包括:
数据获取模块,用于获取电力设备的状态指标数据,其中,所述电力设备的状态指标数据包括在线检测状态指标数据和观测状态指标数据;
状态指标判断模块,用于根据预先设定的状态指标阈值,判断获取的各个所述状态指标数据是否异常,并获取异常的状态指标数据;
故障检测模块,用于根据所述异常的状态指标数据,按照预设的故障判断模型,判断电力设备的故障类型,获取对该故障类型预设的处理指令,其中,所述故障判断模型包括各个所述状态指标数据与各种故障类型的关联关系,所述关联关系的权值以及各种故障类型的处理指令;
所述故障判断模型包括故障模型以及状态指标故障模型;
所述故障模型包括各种所述故障类型,及其对应的故障现象以及处理指令;
所述状态指标故障模型包括各个所述状态指标数据与各种故障类型的关联关系,以及所述关联关系的权值;所述状态指标故障模型采用神经网络的技术,在开始建立时采取的模式是一层,定输入、输出和权重的神经网络,随着数据的反馈以及检测判断次数的增加,实现完全的神经网络;
所述故障检测模块根据所述异常的状态指标数据查找所述状态指标故障模型,查找与所述异常的状态指标数据具有关联关系的故障类型,以及所述关联关系的权值,计算各种所述故障类型发生的概率;并根据各种所述故障类型发生的概率,以及各种所述故障类型的故障现象,判断电力设备的故障类型;
其中,所述状态指标判断模块按照预设的状态指标判断模型中的判断依据,判断所述状态指标数据对应的得分值,将所述得分值乘以所述状态指标的权值,获取所述状态指标数据的总得分值;并将所述总得分值与对应的状态指标阈值比较,根据比较结果判断各个所述状态指标数据是否异常;其中,所述状态指标判断模型包括各个所述状态指标的分值、权值,判断依据。
本发明的电力设备故障监控方法及其***,通过获取电力设备的状态指标数据,对所述状态指标数据的判断,获取异常的状态指标数据;按照所述故障判断模型中的状态指标数据与各种故障类型的关联关系以及对应的权值,判断所述电力设备的异常状态指标数据对应的是何种类型的故障,并获取对该故障类型的处理指令,对电力设备的故障进行诊断、处理和预防,提高电力设备的安全性。
附图说明
图1是本发明电力设备故障监控方法的流程示意图;
图2是本发明电力设备故障监控方法中状态指标判断模型中的电力设备的状态指标数据的示意图;
图3是本发明电力设备故障监控方法中故障模型的数据关系的示意图;
图4是本发明电力设备故障监控方法中状态指标故障模型的数据关系的示意图;
图5是本发明电力设备故障监控***的结构示意图。
具体实施方式
请参阅图1,图1是本发明电力设备故障监控方法的流程示意图。
所述电力设备故障监控方法包括以下步骤:
S101,获取电力设备的状态指标数据,其中,所述电力设备的状态指标数据包括在线检测状态指标数据和观测状态指标数据;
S102,根据预先设定的状态指标阈值,判断获取的各个所述状态指标数据是否异常,并获取异常的状态指标数据;
S103,根据所述异常的状态指标数据,按照预设的故障判断模型,判断电力设备的故障类型,获取对该故障类型预设的处理指令,其中,所述故障判断模型包括各个所述状态指标数据与各种故障类型的关联关系,所述关联关系的权值以及各种故障类型的处理指令。
其中,对于步骤S101,所述电力设备的状态指标数据可从各数据***中获取,考虑到随着技术的进步,电力行业越来越多地采用了在线监测装置对设备进行监测,以及为迎合高可靠性的要求而越来越多地开展不停电试验等原因,本发明对设备的状态指标数据的来源进行信息化识别,例如将变压器的油色谱的采集数据通过变压器油色谱在线监测装置获取而不再通过变压器油的预防性试验获取。目前,识别到的设备的状态指标数据来源有管理运行数据的MIS***、EMS***、在线监测***。
在本步骤中,根据所述状态指标数据的来源,对所述状态指标数据标记数据源信息;其中,所述数据源包括MIS***、EMS***、在线监测***。通过标记所述数据源信息,使各个所述状态指标数据的数据来源清晰呈现,更好地实现故障监控的效果。
对于步骤S102,根据预先设定的状态指标阈值,判断获取的各个所述状态指标数据是否异常的步骤包括:
按照预设的状态指标判断模型中的判断依据,判断所述状态指标数据对应的得分值,将所述得分值乘以所述状态指标的权值,获取所述状态指标数据的总得分值;
将所述总得分值与对应的状态指标阈值比较,根据比较结果判断各个所述状态指标数据是否异常;其中,所述状态指标判断模型包括各个所述状态指标的分值、权值,判断依据。
所述状态指标判断模型依据目前开展的设备状态评价导则,通过对不同的电力设备,以其功能特点、技术特点和运行环境特点为考量,梳理对设备故障诊断有影响的状态指标数据,规范设备的状态指标。对这些状态指标数据进行规范化,比如对于变压器绝缘油中溶解气体含量的变化趋势。所述状态指标判断模型中的电力设备的状态指标数据如图2所示。对于每一个设备的状态指标数据,需要考虑其分值、权重、处理措施等因素。
当根据状态指标数据以及所述状态指标判断模型计算出所述状态指标数据的总得分值高于对应的状态指标阈值,则判断所述状态指标数据出现异常,获取对应的所述状态指标数据作为所述异常的状态指标数据;如果所述状态指标数据的总得分值不高于对应的状态指标阈值,则判断所述状态指标数据未出现异常。
对于S103,所述故障判断模型包括各个所述状态指标数据与各种故障类型的关联关系,所述关联关系的权值以及各种故障类型的处理指令。
根据所述异常的状态指标数据,按照预设的故障判断模型中与各种故障类型的关联关系以及对应的权值,计算所述异常的状态指标数据引起各种故障类型的概率值,根据所述概率值判断电力设备的故障类型,再根据所述故障判断模型查找获取对该故障类型预设的处理指令。
其中,在一种优选实施方式中,所述故障判断模型包括故障模型以及状态指标故障模型;
所述故障模型包括各种所述故障类型,及其对应的故障现象以及处理指令;
所述状态指标故障模型包括各个所述状态指标数据与各种故障类型的关联关系,以及所述关联关系的权值;
在本步骤中,按照预设的故障判断模型,判断电力设备的故障类型的步骤包括:
根据所述异常的状态指标数据查找所述状态指标故障模型,查找与所述异常的状态指标数据具有关联关系的故障类型,以及所述关联关系的权值,计算各种所述故障类型发生的概率;
根据各种所述故障类型发生的概率,以及各种所述故障类型的故障现象,判断电力设备的故障类型。
所述故障模型的数据关系如图3所示。主要是依据设备运行管理、厂家的技术资料以及电网的运行环境设定,包括设备部位、故障程度、影响、处理措施等。
所述状态指标故障模型的数据关系如图4所示。建立状态指标数据到故障类型的关联关系。所述状态指标故障模型优选采用神经网络的技术,在开始建立时首先采取的模式是一层,定输入、输出和权重的神经网络,而随着数据的反馈以及检测判断次数的增加,逐渐发展为通过信息化手段实现完全的神经网络。图4是避雷器的状态指标数据与对应的故障类型之间的状态指标故障模型的数据关系,打钩表示这个状态指标和数据和某个故障类型之间存在关联关系,数据表示关联关系的程度,即对应的权重。
在判断出设备的故障类型之后,根据所述故障模型查找所述故障类型所对应的处理指令,根据所述处理指令可以对所述电力设备的故障进行控制,维护等处理措施。预防或者及时处理电力设备的故障,提高电力设备的运行安全性。
作为本发明的一种优选实施方式,获取对该故障类型预设的处理指令之后,进一步执行以下步骤:
根据所述处理指令对所述电力设备执行相应的故障处理,并返回处理结果;
根据所述处理结果更新所述故障判断模型。
优选地,获取所述电力设备在处理结束后更新的状态指标数据,根据所述状态指标数据更新所述故障判断模型。
通过不断将所述电力设备在处理结束后更新的状态指标数据反馈给所述故障判断模型,可使所述故障判断模型的神经网络不断完善,提高故障监控的准确性。
请参阅图5,图5是本发明电力设备故障监控***的结构示意图。
所述电力设备故障监控***包括:
数据获取模块11,用于获取电力设备的状态指标数据,其中,所述电力设备的状态指标数据包括在线检测状态指标数据和观测状态指标数据;
状态指标判断模块12,用于根据预先设定的状态指标阈值,判断获取的各个所述状态指标数据是否异常,并获取异常的状态指标数据;
故障检测模块13,用于根据所述异常的状态指标数据,按照预设的故障判断模型,判断电力设备的故障类型,获取对该故障类型预设的处理指令,其中,所述故障判断模型包括各个所述状态指标数据与各种故障类型的关联关系,所述关联关系的权值以及各种故障类型的处理指令。
其中,所述数据获取模块11可从各数据***中获取所述电力设备的状态指标数据,考虑到随着技术的进步,电力行业越来越多地采用了在线监测装置对设备进行监测,以及为迎合高可靠性的要求而越来越多地开展不停电试验等原因,本发明对设备的状态指标数据的来源进行信息化识别,例如将变压器的油色谱的采集数据通过变压器油色谱在线监测装置获取而不再通过变压器油的预防性试验获取。目前,识别到的设备的状态指标数据来源有管理运行数据的MIS***、EMS***、在线监测***。
在实施方式中,所述数据获取模块11进一步根据所述状态指标数据的来源,对所述状态指标数据标记数据源信息;其中,所述数据源包括MIS***、EMS***、在线监测***。通过标记所述数据源信息,使各个所述状态指标数据的数据来源清晰呈现,更好地实现故障监控的效果。
所述状态指标判断模块12按照预设的状态指标判断模型中的判断依据,判断所述状态指标数据对应的得分值,将所述得分值乘以所述状态指标的权值,获取所述状态指标数据的总得分值;将所述总得分值与对应的状态指标阈值比较,根据比较结果判断各个所述状态指标数据是否异常;其中,所述状态指标判断模型包括各个所述状态指标的分值、权值,判断依据。
所述状态指标判断模型依据目前开展的设备状态评价导则,通过对不同的电力设备,以其功能特点、技术特点和运行环境特点为考量,梳理对设备故障诊断有影响的状态指标数据,规范设备的状态指标。对这些状态指标数据进行规范化,比如对于变压器绝缘油中溶解气体含量的变化趋势。所述状态指标判断模型中的电力设备的状态指标数据集合如图2所示。对于每一个设备的状态指标数据,需要考虑其分值、权重、处理措施等因素。
当所述状态指标判断模块12根据状态指标数据以及所述状态指标判断模型计算出所述状态指标数据的总得分值高于对应的状态指标阈值,则判断所述状态指标数据出现异常,获取对应的所述状态指标数据作为所述异常的状态指标数据;如果所述状态指标数据的总得分值不高于对应的状态指标阈值,则判断所述状态指标数据未出现异常。
所述故障检测模块13使用的所述故障判断模型包括各个所述状态指标数据与各种故障类型的关联关系、所述关联关系的权值以及各种故障类型的处理指令。
根据所述异常的状态指标数据,按照预设的故障判断模型中与各种故障类型的关联关系以及对应的权值,计算所述异常的状态指标数据引起各种故障类型的概率值,根据所述概率值判断电力设备的故障类型,再根据所述故障判断模型查找获取对该故障类型预设的处理指令。
其中,在一种优选实施方式中,所述故障判断模型包括故障模型以及状态指标故障模型;
所述故障模型包括各种所述故障类型,及其对应的故障现象以及处理指令;
所述状态指标故障模型包括各个所述状态指标数据与各种故障类型的关联关系,以及所述关联关系的权值;
所述故障检测模块13根据所述异常的状态指标数据查找所述状态指标故障模型,查找与所述异常的状态指标数据具有关联关系的故障类型,以及所述关联关系的权值,计算各种所述故障类型发生的概率;根据各种所述故障类型发生的概率,以及各种所述故障类型的故障现象,判断电力设备的故障类型。
所述故障模型的数据关系主要是依据设备运行管理、厂家的技术资料以及电网的运行环境设定,包括设备部位、故障程度、影响、处理措施等。
所述状态指标故障模型建立状态指标数据到故障类型的关联关系。所述状态指标故障模型优选采用神经网络的技术,在开始建立时首先采取的模式是一层,定输入、输出和权重的神经网络,而随着数据的反馈以及检测判断次数的增加,逐渐发展为通过信息化手段实现完全的神经网络。
所述故障检测模块13在判断出设备的故障类型之后,根据所述故障模型查找所述故障类型所对应的处理指令,根据所述处理指令可以对所述电力设备的故障进行控制,维护等处理措施。预防或者及时处理电力设备的故障,提高电力设备的运行安全性。
作为本发明的一种优选实施方式,所述电力设备故障监控***进一步包括:
执行模块,用于根据所述处理指令对所述电力设备执行相应的故障处理,并返回处理结果;
更新模块,用于根据所述处理结果更新所述故障判断模型。
优选地,所述更新模块获取所述电力设备在处理结束后更新的状态指标数据,根据所述状态指标数据更新所述故障判断模型。
通过不断将所述电力设备在处理结束后更新的状态指标数据反馈给所述故障判断模型,可使所述故障判断模型的神经网络不断完善,提高故障监控的准确性。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种电力设备故障监控方法,其特征在于,包括以下步骤:
获取电力设备的状态指标数据,其中,所述电力设备的状态指标数据包括在线检测状态指标数据和观测状态指标数据;
根据预先设定的状态指标阈值,判断获取的各个所述状态指标数据是否异常,并获取异常的状态指标数据;
根据所述异常的状态指标数据,按照预设的故障判断模型,判断电力设备的故障类型,获取对该故障类型预设的处理指令,其中,所述故障判断模型包括各个所述状态指标数据与各种故障类型的关联关系,所述关联关系的权值以及各种故障类型的处理指令;
所述故障判断模型包括故障模型以及状态指标故障模型;
所述故障模型包括各种所述故障类型,及其对应的故障现象以及处理指令;
所述状态指标故障模型包括各个所述状态指标数据与各种故障类型的关联关系,以及所述关联关系的权值;所述状态指标故障模型采用神经网络的技术,在开始建立时采取的模式是一层,定输入、输出和权重的神经网络,随着数据的反馈以及检测判断次数的增加,实现完全的神经网络;
按照预设的故障判断模型,判断电力设备的故障类型的步骤包括:
根据所述异常的状态指标数据查找所述状态指标故障模型,查找与所述异常的状态指标数据具有关联关系的故障类型,以及所述关联关系的权值,计算各种所述故障类型发生的概率;
根据各种所述故障类型发生的概率,以及各种所述故障类型的故障现象,判断电力设备的故障类型;
其中,根据预先设定的状态指标阈值,判断获取的各个所述状态指标数据是否异常的步骤包括:
按照预设的状态指标判断模型中的判断依据,判断所述状态指标数据对应的得分值,将所述得分值乘以所述状态指标的权值,获取所述状态指标数据的总得分值;
将所述总得分值与对应的状态指标阈值比较,根据比较结果判断各个所述状态指标数据是否异常;其中,所述状态指标判断模型包括各个所述状态指标的分值、权值,判断依据。
2.如权利要求1所述的电力设备故障监控方法,其特征在于,获取电力设备的状态指标数据的步骤包括:
根据所述状态指标数据的来源,对所述状态指标数据标记数据源信息;其中,所述数据源包括MIS***、EMS***、在线监测***。
3.如权利要求1所述的电力设备故障监控方法,其特征在于,获取对该故障类型预设的处理指令之后,进一步执行以下步骤:
根据所述处理指令对所述电力设备执行相应的故障处理,并返回处理结果;
根据所述处理结果更新所述故障判断模型。
4.如权利要求3所述的电力设备故障监控方法,其特征在于,所述根据处理结果更新所述故障判断模型的步骤包括:
获取所述电力设备在处理结束后更新的状态指标数据,根据所述状态指标数据更新所述故障判断模型。
5.一种电力设备故障监控***,其特征在于,包括:
数据获取模块,用于获取电力设备的状态指标数据,其中,所述电力设备的状态指标数据包括在线检测状态指标数据和观测状态指标数据;
状态指标判断模块,用于根据预先设定的状态指标阈值,判断获取的各个所述状态指标数据是否异常,并获取异常的状态指标数据;
故障检测模块,用于根据所述异常的状态指标数据,按照预设的故障判断模型,判断电力设备的故障类型,获取对该故障类型预设的处理指令,其中,所述故障判断模型包括各个所述状态指标数据与各种故障类型的关联关系,所述关联关系的权值以及各种故障类型的处理指令;
所述故障判断模型包括故障模型以及状态指标故障模型;
所述故障模型包括各种所述故障类型,及其对应的故障现象以及处理指令;
所述状态指标故障模型包括各个所述状态指标数据与各种故障类型的关联关系,以及所述关联关系的权值;所述状态指标故障模型采用神经网络的技术,在开始建立时采取的模式是一层,定输入、输出和权重的神经网络,随着数据的反馈以及检测判断次数的增加,实现完全的神经网络;
所述故障检测模块根据所述异常的状态指标数据查找所述状态指标故障模型,查找与所述异常的状态指标数据具有关联关系的故障类型,以及所述关联关系的权值,计算各种所述故障类型发生的概率;并根据各种所述故障类型发生的概率,以及各种所述故障类型的故障现象,判断电力设备的故障类型;
其中,所述状态指标判断模块按照预设的状态指标判断模型中的判断依据,判断所述状态指标数据对应的得分值,将所述得分值乘以所述状态指标的权值,获取所述状态指标数据的总得分值;并将所述总得分值与对应的状态指标阈值比较,根据比较结果判断各个所述状态指标数据是否异常;其中,所述状态指标判断模型包括各个所述状态指标的分值、权值,判断依据。
6.如权利要求5所述的电力设备故障监控***,其特征在于:进一步包括:
执行模块,用于根据所述处理指令对所述电力设备执行相应的故障处理,并返回处理结果;
更新模块,用于根据所述处理结果更新所述故障判断模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310047323.1A CN103178615B (zh) | 2013-02-05 | 2013-02-05 | 电力设备故障监控方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310047323.1A CN103178615B (zh) | 2013-02-05 | 2013-02-05 | 电力设备故障监控方法及其*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103178615A CN103178615A (zh) | 2013-06-26 |
CN103178615B true CN103178615B (zh) | 2016-09-14 |
Family
ID=48638294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310047323.1A Active CN103178615B (zh) | 2013-02-05 | 2013-02-05 | 电力设备故障监控方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103178615B (zh) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103616877B (zh) * | 2013-11-27 | 2017-01-25 | 广州杰赛科技股份有限公司 | 能源管网的监控诊断方法和*** |
CN104158298A (zh) * | 2014-09-03 | 2014-11-19 | 国家电网公司 | 调度自动化***异常事件的识别方法及装置 |
CN104281979B (zh) * | 2014-09-26 | 2018-05-04 | 广东电网有限责任公司电力科学研究院 | 配电变压器台区低电压故障类型检测方法和*** |
CN104268805A (zh) * | 2014-10-29 | 2015-01-07 | 杭州凯达电力建设有限公司 | 一种线路管理方法及*** |
CN104361236B (zh) * | 2014-11-17 | 2018-02-13 | 国家电网公司 | 电力设备健康状态的评估方法 |
CN104484371B (zh) * | 2014-12-05 | 2017-11-10 | 广州供电局有限公司 | 电力营销异常数据在线监控分析方法和*** |
CN104503883A (zh) * | 2014-12-29 | 2015-04-08 | 广州视睿电子科技有限公司 | 智能交互平板维护提示方法和*** |
CN105260823A (zh) * | 2015-09-23 | 2016-01-20 | 中广核核电运营有限公司 | 一种重大设备健康状态的评估方法及*** |
CN105548766A (zh) * | 2015-12-31 | 2016-05-04 | 国网浙江奉化市供电公司 | 一种电力设备故障监控的方法及*** |
CN107121616B (zh) * | 2016-02-24 | 2020-03-24 | 西门子公司 | 一种用于对智能仪表进行故障定位的方法和装置 |
CN105825052A (zh) * | 2016-03-15 | 2016-08-03 | 中国人民解放军总后勤部***药品仪器检验所 | 一种大型医疗设备监测方法及装置 |
CN105976021B (zh) * | 2016-05-24 | 2018-10-19 | 北京工业大学 | 一种带式输送机滚筒组件故障诊断方法 |
CN106026395A (zh) * | 2016-06-20 | 2016-10-12 | 河北箱变电器有限公司 | 一种电力***远程智能监控*** |
CN106026402A (zh) * | 2016-07-06 | 2016-10-12 | 河北箱变电器有限公司 | 一种电力设备故障解决方案*** |
CN106843101A (zh) * | 2016-12-13 | 2017-06-13 | 国网北京市电力公司 | 数据分析处理方法及装置 |
CN106679626B (zh) * | 2016-12-25 | 2019-12-17 | 杭州博烁晟斐智能科技有限公司 | 一种通信铁塔倾斜与倒塌实时监测方法及*** |
CN108122129B (zh) * | 2017-12-01 | 2022-02-22 | 上海子午线新荣科技有限公司 | 一种数据处理方法、装置及电子设备 |
CN108171341A (zh) * | 2017-12-19 | 2018-06-15 | 深圳交控科技有限公司 | 信号设备的状态分析方法与装置 |
CN108508874B (zh) * | 2018-05-08 | 2019-12-31 | 网宿科技股份有限公司 | 一种监控设备故障的方法和装置 |
CN111240946B (zh) * | 2018-11-29 | 2021-12-07 | 珠海格力电器股份有限公司 | 一种设备故障诊断数据的处理方法、处理*** |
CN110380907B (zh) * | 2019-07-26 | 2021-09-24 | 京信网络***股份有限公司 | 一种网络故障诊断方法、装置、网络设备及存储介质 |
CN112346941A (zh) * | 2019-08-08 | 2021-02-09 | 北京国双科技有限公司 | 一种故障诊断方法及装置 |
CN111126824B (zh) * | 2019-12-19 | 2023-11-21 | ***通信集团江苏有限公司 | 多指标关联模型训练方法及多指标异常分析方法 |
CN112485744A (zh) * | 2020-11-16 | 2021-03-12 | 国网山东省电力公司莒县供电公司 | 电容式电压互感器故障识别方法及设备 |
CN114325224B (zh) * | 2021-12-14 | 2023-09-22 | 国网浙江省电力有限公司电力科学研究院 | 一种基于配网实时数据的故障区间定位的方法 |
CN114978877B (zh) * | 2022-05-13 | 2024-04-05 | 京东科技信息技术有限公司 | 一种异常处理方法、装置、电子设备及计算机可读介质 |
CN115032323A (zh) * | 2022-06-06 | 2022-09-09 | 云南电网有限责任公司电力科学研究院 | 确定油色谱数据异常的方法、电子设备及存储介质 |
CN114841081A (zh) * | 2022-06-21 | 2022-08-02 | 国网河南省电力公司郑州供电公司 | 一种电力设备异常事故控制方法及*** |
CN117374976B (zh) * | 2023-12-06 | 2024-02-27 | 北京天恒安科集团有限公司 | 基于线路故障自动识别的电气安全管理*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1484034A (zh) * | 2002-09-18 | 2004-03-24 | 新疆特变电工股份有限公司 | 变压器在线智能监测***及其智能分析诊断方法 |
CN1916949A (zh) * | 2006-09-06 | 2007-02-21 | 曾德华 | 电力设备状态评估及维修策略支撑*** |
CN102663537A (zh) * | 2012-03-13 | 2012-09-12 | 凯里供电局 | 一种基于风险评估的电力设备检修*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034019A (zh) * | 2010-10-12 | 2011-04-27 | 重庆大学 | 六氟化硫电气设备绝缘状态综合评估的方法 |
-
2013
- 2013-02-05 CN CN201310047323.1A patent/CN103178615B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1484034A (zh) * | 2002-09-18 | 2004-03-24 | 新疆特变电工股份有限公司 | 变压器在线智能监测***及其智能分析诊断方法 |
CN1916949A (zh) * | 2006-09-06 | 2007-02-21 | 曾德华 | 电力设备状态评估及维修策略支撑*** |
CN102663537A (zh) * | 2012-03-13 | 2012-09-12 | 凯里供电局 | 一种基于风险评估的电力设备检修*** |
Non-Patent Citations (1)
Title |
---|
电力变压器状态诊断方法的研究;郭坚铮;《华北电力大学硕士论文》;20111201;第2-27页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103178615A (zh) | 2013-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103178615B (zh) | 电力设备故障监控方法及其*** | |
CN106597231B (zh) | 基于多源信息融合和深度学习网络的gis故障检测***及方法 | |
CN103149475B (zh) | 电力设备故障诊断方法及*** | |
CN111024416B (zh) | 一种列车牵引***的故障诊断方法及*** | |
CN103901298A (zh) | 变电站设备运行状态的检测方法与*** | |
US20130275813A1 (en) | Method and system for use in condition monitoring | |
CN102324068A (zh) | 电力二次设备风险评估方法及其*** | |
CN102270879A (zh) | 无人值班变电站的设备音频监控*** | |
CN103078403B (zh) | 一种智能变电站二次***的在线状态评估方法 | |
Feng et al. | A technical framework of PHM and active maintenance for modern high-speed railway traction power supply systems | |
KR101613100B1 (ko) | 통신 이상 검출 장치, 통신 이상 검출 방법 및 기록매체 | |
US20180190403A1 (en) | Plant operation system and plant operation method | |
CN105699808A (zh) | 基于在线间接测温方式的开关柜故障诊断方法 | |
CN104444682B (zh) | 一种检测及预测电梯层门门锁故障的方法 | |
CN112713649A (zh) | 一种基于极限学习机的电力设备剩余寿命预测方法 | |
JPWO2017195261A1 (ja) | エレベーター遠隔保守支援システム、およびエレベーター遠隔保守支援方法 | |
CN117420380A (zh) | 一种配电网故障预警、处置方法及*** | |
CN105425768A (zh) | 一种电力二次设备监测装置及方法 | |
CN105758661A (zh) | 一种锅炉受热面寿命评估***和方法 | |
CN105467971A (zh) | 一种电力二次设备监测***及方法 | |
CN105703258A (zh) | Gis开关设备动作状态监测***及其使用方法 | |
US20110264396A1 (en) | Electrical circuit with physical layer diagnostics system | |
CN106959394A (zh) | 一种高压大容量statcom状态评估方法和*** | |
CN107656518A (zh) | 一种***故障推理方法 | |
CN103630776A (zh) | 一种电力设备故障概率评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |