CN111311133B - 一种应用于电网生产设备的监测*** - Google Patents

Abstract

应用于电网生产设备的监测***，包括：数据采集模块，实时采集包括反应生产设备状态的基础数据、分布、所处线路，判断生产设备缺陷以及缺陷类型、等级；缺陷管理模块，统计特定时间内生产设备缺陷数、分布、消缺数、消缺时间，将统计数据存储形成历史记录数据；数据处理模块，基于历史记录数据进行机器学习，建立预测模型对区域内生产设备进行预测；多个移动端，用于录入数据且内设有配设移动端人员特征信息；中心控制客户端，可视化上述模块数据，并基于移动端内信息发送实时或预测缺陷警示至特定移动端。实现对缺陷发生的实时监测，且利用生产域内的缺陷处理历史记录，对缺陷发生进行预测，更能依据移动端配设人员特征信息进行有效消缺安排。

Description

一种应用于电网生产设备的监测***

技术领域

本发明涉及电网信息领域，更具体地，涉及一种应用于电网生产设备的监测***。

背景技术

随着大数据以及物联网的发展，其在电网***上的应用也愈加常见，智能电网也应运而生。智能电网的其中一个应用就是实现远程监控，从而实现对生产、运营情况进行实时掌握，有助于将生产运营情况与电网企业经营管理策略紧密结合，从而加强电网管理的透明化、自动化，实现对电网***更好的发展。

现有技术中普遍采用物联网或大数据进行整个电网的设备监控，其监控范围通常体现在整个电网各个节点上的监测，在监测到电网的某个节点故障后就派出相关维护人员进行维护。其在电网生产设备上的应用也是如此，只能启动监测和事后故障报警，所以生产域即生产领域内相应的缺陷生产设备记录、消缺记录只是作为历史记录而存在，无法被应用到实际电网生产设备缺陷发生的分析中，只能用于电网管理业务中指标、项目的统筹计算。而生产设备发生缺陷往往不全是偶然因素，恶劣环境、所在线路负载过大等因素都会显著提高生产设备缺陷发生的概率，所以部分生产设备发生缺陷是有规律可循的。获取该规律后则能实现缺陷生产设备预测，提前做好消缺准备则能显著减少消缺成本、生产设备缺陷带来的损失。

此外，现有技术中采用普遍采用人工无差别派遣缺陷生产设备所处管辖区的维护人员进行消缺，其无法依据实时监测信息以及每个维修人员的特征信息进行人员调度和警示信息发送，如管辖区内一部分维修人员擅长处理杆塔缺陷，另一部分人员则擅长处理设备塌陷缺陷等，无差别派遣时则无法实现针对性消缺安排，从而无法实现针对性发送警示信息，无法提高消缺效率。

发明内容

本发明旨在克服上述现有技术的至少一种不足，提供一种应用于电网生产设备的监测***，不仅能实现实时的缺陷生产设备报警，还能依据包括缺陷生产设备的所有生产设备状态、生产设备分布、生产设备连接线路建立预测模型，实现消缺的提前准备以及规避缺陷发生隐患，优化消缺过程，并为电网运营其他方面的监测预测提供依据；同时，更能结合人员特征信息在生产设备缺陷发生时实现有针对性的消缺。

本发明采取的技术方案是，一种应用于电网生产设备的监测***，包括：

（1）数据采集模块，用于实时采集包括反应生产设备状态的基础数据、生产设备分布数据、生产设备所处线路数据，且基于基础数据判断生产设备是否处于缺陷状态以及缺陷状态下的缺陷类型、缺陷等级；所述基础数据为反应在生产设备运行维护阶段下生设备状态的数据，包括生产设备本体缺陷、生产设备连接线路的对地距离变化、生产设备连接线路的负载变化、生产设备相对地面发生的位置变化等，生产设备分布数据包括生产设备地理分布、生产设备所处地形、整个生产域内的生产设备数量等，所述生产设备所处线路数据包括生产设备线路分布。所述缺陷类型包括架空送电线路、送电电缆线路中的具体设备发生缺陷类型，如杆塔倾斜或电缆支架损坏等；所述缺陷等级包括紧急缺陷、重大缺陷、一般缺陷，即为现有技术中常用的缺陷等级区分；

（2）缺陷管理模块，用于接收数据采集模块采集数据并统计特定时间内管理区域内生产设备缺陷数、缺陷分布，以提供工作人员消缺依据，还统计消缺数、每个缺陷生产设备开始消缺至完成消缺的时间；所述缺陷管理模块还将统计数据进行存储形成后续监测的历史记录数据；缺陷管理模块统计数据不仅能实时监测生产设备缺陷状况，还存储至存储介质中形成不断更新的历史记录，有助于为分析生产域内缺陷发生提供参考数据。而统计特定时间内的数据则能与企业管理向呼应，有助于缺陷次数、生产设备消缺及时率、生产设备缺陷消缺率等企业指标数据计算；

（3）数据处理模块，基于缺陷管理模块历史记录数据进行机器学习，并建立预测模型对区域内生产设备进行缺陷发生预测；其能通过历史记录的更新不断进行训练，以获取准确度高的预测模型，依据预测模型能够对生产域内生产设备进行缺陷发生预测，有助于对预测缺陷生产设备实现重点关注，从而规避生产设备缺陷的发生。在无法避免时，也能基于预测结果实现消缺提前准备，从而增加电网生产域运营的稳定性，减小缺陷发生后带来的经济损失；

（4）多个移动端，用于人工录入反应生产设备状态的基础数据、生产设备分布数据、生产设备所处线路数据至数据采集模块，设有定位部件，且移动端内设有配设移动端人员的特征信息，所述特征信息包括对应配设移动端人员的基本资料、技术岗位、消缺历史记录、消缺率、对各类缺陷的消缺时间、维护范围等；在数据采集模块失效或需人工进行数据采集时，通过配设移动端人员进行采集以及录入，从而规避无法采集数据的情况。更重要的是，移动端还作为通讯设备用于接收中心控制客户端发出的特定警示信息，从而引导配设移动端人员进行消缺和维护；

（5）中心控制客户端，可视化数据采集模块、缺陷管理模块、数据处理模块的原数据和处理后数据，并基于移动端内信息发送基于缺陷管理模块的警示信息、基于数据处理模块的预测警示信息至特定移动端。中心控制客户端获取所有模块的数据并将其可视化，有助于中心控制客户端人员进行人工查询、管理。且通过其基于缺陷管理模块发出的缺陷实时发生警示信息进行人员消缺安排，通过其基于数据处理模块的预测警示信息，实现对预测缺陷生产设备的重点关注和提前消缺准备。其消缺安排则是基于移动端内信息，包括移动端定位信息、录入信息、对应人员特征信息进行人员、时间安排。

优选的，还包括用于规划消缺人员的调度模块，所述调度模块通过中心客户端获取缺陷生产设备信息、缺陷生产设备分布信息，通过移动端获取移动端位置信息、配设移动端人员的特征信息，并依据特定调度策略发出调度信息至预安排消缺人员配设的移动端。缺陷生产设备信息至少包括缺陷类型、缺陷生产设备等级、缺陷生产设备型号等信息，调度模块依据接收到的所有信息依据特定调度策略进行人员调度，从而规划最快的实时消缺。或接受预测警示信息后作出人员、时间安排，实现去除缺陷发生隐患的规划或提前消缺的规划。

优选的，所述数据处理模块接收调度模块获取的所有信息，依据已有的生产设备分布与移动端位置信息建立消缺的二分网络，同时根据缺陷生产设备分布对缺陷设备集合建立偏序关系，对缺陷管理模块的历史记录数据、配设移动端人员的特征信息建模，得到深度神经网络模型；依据历史消缺记录中配设移动端人员消缺后产生的效果加强或减弱深度学习模型，确定最优的特定调度策略并发送至调度模块。在建立深度神经网络模型的过程中，使用二分图对生产设备、配设移动端人员进行匹配，将人员与生产设备作为节点并连接，随着历史记录中消缺数据的更迭不断更迭连接边上的权重。

优选的，所述调度模块获取特定调度策略后，依据已有的地图、缺陷生产设备信息、缺陷生产设备分布、移动端位置信息、配设移动端人员特征信息进行路线规划并提示消缺所需特定设备。

优选的，所述数据处理模块还结合预测模型以及用于规划调度的深度神经网络模拟预测缺陷发生状态下最优的特定调度策略。将预测缺陷发生存储为模拟的历史数据，从而利用用于规划调度的深度神经网络制定在预测结果发生时最优的特定调度策略，且在获取最优特定调度策略后删除模拟历史数据，减少负载。

优选的，所述数据处理模块基于人工智能学***台，有助于在其基础上利用多种算法实现更为多样的机器学习实现。

优选的，所述数据采集模块包括设置于生产设备和/或生产设备连接线路上的电流互感器、电压互感器、定位传感器、湿度传感器、温度传感器、图像传感器，均为常用的检测设备，能够广泛应用于电网各个生产设备上；数据采集模块还包括数据传输部件，用于发送数据。

优选的，还包括指标监控模块，所述指标监控模块用于统计缺陷管理模块管理区域内包括缺陷发生次数、消缺率、及时消缺率与指标监控模块预设阈值的比值；所述指标监控模块能够充分将实时监测数据进行展示，从而作为生产域管理依据。

优选的，所述指标监控模块接收数据处理模块的预测数据，并基于预测数据进行模拟消缺以获取和记录数据处理模块预测结果正确下的预测比值。基于预测数据和模拟消缺后能够及时反馈在预测结果正确的状况下各项指标完成度，还能获得基于预测数据规避缺陷发生隐患后进行再次缺陷发生预测，从而获取规避隐患后预测结果正确的状况下各项指标完成度，具体的，结合不同预测下的指标完成度，管理者能够针对性的作出消缺、规避隐患的改变和重点区域，不仅利用模拟演练出指标完成度最高时的策略，并将其策略回馈至调度模块加强学习模型，以校正原调度策略。

优选的，所述缺陷管理模块存储的统计数据还包括区域内运作生产设备类型、型号，以及退役生产设备、报废生产设备、预投入生产设备的数量、类型、型号。有助于对生产域内未工作设备进行记录，能为其他生产设备退役、维护时间作出参考。

优选的，所述中心控制客户端以包括图片、文字、符号、三维模型的形式对实时缺陷生产设备、缺陷等级、预测缺陷生产设备、预测缺陷等级进行标记。

优选的，还包括价值预测模块，所述价值预测模块用于接收缺陷管理模块、数据处理模块处理的数据后依据数据库中存储的包括折损设备价格表、生产设备连接线路表、生产设备连接线路的供电量、生产设备连接线路经过的建筑分布进行区域内价值评估，且所述价值预测模块结合预测模型对预测缺陷发生产生的经济损失进行预测评估。基于实时缺陷生产设备数据，能够评估实时缺陷生产设备带来的经济损失，有助于后续更为精准的损失计算。而基于预测结果实现对预测结果正确状态下经济损失的评估则能为具体的消缺策略提供另一参考因素，结合具体的指标完成率等共同作为消缺规划的考虑因素。

与现有技术相比，本发明的有益效果为：对生产域***内的生产设备进行实时监测，从而及时反馈缺陷信息，实现及时消缺，从而减少缺陷发生带来的损失。更重要的是，其基于机器学习有效利用生产域内的缺陷发生至消缺完成的历史记录，从而对生产域内的缺陷发生进行预测，不仅能够有助于提前做好消缺准备，更能及时重点关注预测缺陷对象，从而及时发现缺陷隐患达到规避的目的，提升整个电网***运营的稳定性。更重要的是能够依据人员特征信息在缺陷发生时进行针对性消缺安排，从而提高消缺效率，结合调度模块、预测模型的演练则能制定出更为优秀的调度策略，从而实现更为高效、合理的调度。此外，基于预测模型能够为整个电网生产域运营各个方面提供参考数据，至少基于该参考数据电网生产域运营能够进行消缺模拟并结合指标完成、价值评估来逐步完善消缺策略，从而为实际缺陷发生后提供最佳的消缺策略。

附图说明

图1为本发明的结构示意图。

图2为本发明中心控制客户端可视化面板（一）。

图3为本发明中心控制客户端可视化面板（二）。

图4为本发明中心控制客户端可视化面板（三）。

图5为本发明中心控制客户端可视化面板（四）。

图6为本发明中心控制客户端可视化面板（五）。

图7为本发明中心控制客户端可视化面板（六）。

具体实施方式

本发明附图仅用于示例性说明，不能理解为对本发明的限制。为了更好说明以下实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

实施例

如图1所示，本实施例公开了一种应用于电网生产设备的监测***，包括：

（1）数据采集模块，用于实时采集包括反应生产设备状态的基础数据、生产设备分布数据、生产设备所处线路数据，且基于基础数据判断生产设备是否处于缺陷状态以及缺陷状态下的缺陷类型、缺陷等级；所述基础数据为反应在生产设备运行维护阶段下生设备状态的数据，包括生产设备本体缺陷、生产设备连接线路的对地距离变化、生产设备连接线路的负载变化、生产设备相对地面发生的位置变化等，生产设备分布数据包括生产设备地理分布、生产设备所处地形、整个生产域内的生产设备数量等，所述生产设备所处线路数据包括生产设备线路分布。所述缺陷类型包括架空送电线路、送电电缆线路中的具体设备发生缺陷类型，如杆塔倾斜或电缆支架损坏等；所述缺陷等级包括紧急缺陷、重大缺陷、一般缺陷，即为现有技术中常用的缺陷等级区分。本实施例通过部署数据采集模块在电网生产设备以及生产设备连接线路上进行数据采集；

（2）缺陷管理模块，用于接收数据采集模块采集数据并统计特定时间内管理区域内生产设备缺陷数、缺陷分布，以提供工作人员消缺依据，还统计消缺数、每个缺陷生产设备开始消缺至完成消缺的时间；所述缺陷管理模块还将统计数据进行存储形成后续监测的历史记录数据；如图2所示，为缺陷管理统计面板，至少包括缺陷次数、生产设备消缺及时率、生产设备缺陷消缺率、消缺时间、到期缺陷、各个缺陷等级发生状况的统计。其中统计消缺率等数据的时间单位为年，具体的根据需要可针对于月度、季度进行统计。此外，如图4所示，至少还可视化了具体缺陷设备、缺陷表象以及缺陷分布；

（3）数据处理模块，基于缺陷管理模块历史记录数据进行机器学习，并建立预测模型对区域内生产设备进行缺陷发生预测；

（4）多个移动端，与工作人员为一对一对应关系，用于人工录入反应生产设备状态的基础数据、生产设备分布数据、生产设备所处线路数据至数据采集模块，设有定位部件，且移动端内设有配设移动端人员的特征信息，所述特征信息包括对应配设移动端人员的基本资料、技术岗位、消缺历史记录、消缺率、对各类缺陷的消缺时间、维护范围等；在数据采集模块失效或需人工进行数据采集时，通过配设移动端人员进行采集以及录入，从而规避无法采集数据的情况。移动端作为通讯设备用于接收中心控制客户端发出的特定警示信息，从而引导配设移动端人员进行消缺和维护；

（5）中心控制客户端，可视化数据采集模块、缺陷管理模块、数据处理模块的原数据和处理后数据，并基于移动端内信息发送基于缺陷管理模块的警示信息、基于数据处理模块的预测警示信息至特定移动端。其消缺安排则是基于移动端内信息，包括移动端定位信息、录入信息、对应人员特征信息进行人员、时间安排。

本实施例中，中心控制客户端获取所有模块的数据并将其可视化，有助于中心控制客户端人员进行人工查询、管理。且通过其基于缺陷管理模块发出的缺陷实时发生警示信息进行人员消缺安排，而通过其基于数据处理模块的预测警示信息，则能实现对预测缺陷生产设备的重点关注和提前消缺准备。且本实施例中缺陷管理模块、数据处理模块、中心控制客户端均为计算机设备，移动端为具有可视化页面的小型计算机或手机，且至少均通过远程无线网络进行连接。如图3所示，至少包括生产设备缺陷监测、线路监测、缺陷因素分解、基于生产设备地理分布的分析柱状图等实际应用在电网所需可视化的面板和标识。

本实施例中，所述缺陷管理模块存储的统计数据还包括区域内运作生产设备类型、型号，以及退役生产设备、报废生产设备、预投入生产设备的数量、类型、型号。有助于对生产域内未工作设备进行记录，能为其他生产设备退役、维护时间作出参考。

本实施例中，所述中心控制客户端以包括图片、文字、符号、三维模型的形式对实时缺陷生产设备、缺陷等级、预测缺陷生产设备、预测缺陷等级进行标记。

本实施例中，还包括用于规划消缺人员的调度模块，所述调度模块通过中心客户端获取缺陷生产设备信息、缺陷生产设备分布信息，通过移动端获取移动端位置信息、配设移动端人员的特征信息，并依据特定调度策略发出调度信息至预安排消缺人员配设的移动端。缺陷生产设备信息至少包括缺陷类型、缺陷生产设备等级、缺陷生产设备型号等信息，调度模块依据接收到的所有信息依据特定调度策略进行人员调度，从而规划最快的实时消缺。或接受预测警示信息后作出人员、时间安排，实现去除缺陷发生隐患的规划或提前消缺的规划。如图5所示，至少包括发现缺陷至消缺的整个流程调度和监控。

本实施例中，所述数据处理模块接收调度模块获取的所有信息，依据已有的生产设备分布与移动端位置信息建立消缺的二分网络，同时根据缺陷生产设备分布对缺陷设备集合建立偏序关系，对缺陷管理模块的历史记录数据、配设移动端人员的特征信息建模，得到用于规划调度的深度神经网络模型，与预测模型不为同一模型；依据历史消缺记录中配设移动端人员消缺后产生的效果加强或减弱深度学习，从而确定最优的特定调度策略并发送至调度模块。在建立深度神经网络模型的过程中，使用二分图对生产设备、配设移动端人员进行匹配，将人员与生产设备作为节点并连接，随着历史记录中消缺数据的更迭不断更迭连接边上的权重。同时，根据缺陷生产设备地理分布对缺陷生产设备建立偏序关系，优化匹配策略。此外，也可以根据所有生产设备地理分布对所有生产设备建立偏序关系，再结合缺陷生产设备分布优化匹配策略。

本实施例中，所述调度模块获取特定调度策略后，依据已有的地图、缺陷生产设备信息、缺陷生产设备分布、移动端位置信息、配设移动端人员特征信息进行路线规划并提示消缺所需特定设备。通过缺陷生产设备具体信息获取分配人员数以及所需技术岗位，再依据移动端位置、预规划行进路线，调度能最快到达消缺位置的具有对应技术岗位的人员，优选的，还能依据缺陷类型提示消缺所需设备，以方便人员准备消缺设备。

本实施例中，所述数据处理模块还结合预测模型以及用于规划调度的深度神经网络模拟预测缺陷发生状态下最优的特定调度策略。将预测缺陷发生存储为模拟的历史数据，从而利用用于规划调度的深度神经网络制定在预测结果发生时最优的特定调度策略，且在获取最优特定调度策略后删除模拟历史数据，减少负载。

本实施例中，所述数据处理模块基于人工智能学习***TensorFlow利用包括随机森林算法和卷积神经网络算法进行机器学习。

本实施例中，所述数据采集模块包括设置于生产设备和生产设备连接线路上的电流互感器、电压互感器、定位传感器、湿度传感器、温度传感器、图像传感器，数据传输部件。所述电流互感器、电压互感器则均为电网***中常用检测设备，定位传感器则能为生产设备分布提供距离地理位置，湿度传感器、温度传感器则能检测生产设备周边环境变化，有助于判断缺陷类型，图像传感器对生产设备以及周围环境进行监测，优选的还通过图像识别技术进行自动故障分析，数据传输部件用于传送采集数据。

本实施例中，还包括指标监控模块，所述指标监控模块用于统计缺陷管理模块管理区域内包括缺陷发生次数、消缺率、及时消缺率与指标监控模块预设阈值的比值。所述指标监控模块能够充分将实时监测数据进行展示，从而作为生产域管理依据。

本实施例中，所述指标监控模块接收数据处理模块的预测数据，并基于预测数据进行模拟消缺以获取和记录数据处理模块预测结果正确下的预测比值。基于预测数据和模拟消缺后能够及时反馈在预测结果正确的状况下各项指标完成度，还能获得基于预测数据规避缺陷发生隐患后进行再次缺陷发生预测，从而获取规避隐患后预测结果正确的状况下各项指标完成度，具体的，结合不同预测下的指标完成度，管理者能够针对性的作出消缺、规避隐患的改变和重点区域，不仅利用模拟演练出指标完成度最高时的策略，并将其策略回馈至调度模块加强学习模型，以校正原调度策略。

本实施例中，还包括价值预测模块，所述价值预测模块用于接收缺陷管理模块、数据处理模块处理的数据后依据数据库中存储的包括折损设备价格表、生产设备连接线路表、生产设备连接线路的供电量、生产设备连接线路经过的建筑分布进行区域内价值评估，且所述价值预测模块结合预测模型对预测缺陷发生产生的经济损失进行预测评估。基于实时缺陷生产设备数据，能够评估实时缺陷生产设备带来的经济损失，有助于后续更为精准的损失计算。而基于预测结果实现对预测结果正确状态下经济损失的评估则能为具体的消缺策略提供另一参考因素，结合具体的指标完成率等共同作为消缺规划的考虑因素。如图6、7所示，至少包括对分布在各个区域的价值、资产分析和可视化。

显然，本发明的上述实施例仅仅是为清楚地说明本发明技术方案所作的举例，而并非是对本发明的具体实施方式的限定。凡在本发明权利要求书的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (5)

1.一种应用于电网生产设备的监测***，其特征在于，包括：

数据采集模块，用于实时采集包括反应生产设备状态的基础数据、生产设备分布数据、生产设备所处线路数据，且基于基础数据判断生产设备是否处于缺陷状态以及缺陷状态下的缺陷类型、缺陷等级；

缺陷管理模块，用于接收数据采集模块采集的数据并统计预定时间内管理区域内生产设备缺陷数、缺陷分布，提供工作人员消缺依据，还统计消缺数、每个缺陷生产设备开始消缺至完成消缺的时间；所述缺陷管理模块还将统计数据进行存储形成后续监测的历史记录数据；

数据处理模块，基于缺陷管理模块历史记录数据进行机器学习，并建立预测模型对区域内生产设备进行缺陷发生预测；

多个移动端，用于人工录入反应生产设备状态的基础数据、生产设备分布数据、生产设备所处线路数据至数据采集模块，设有定位部件，且移动端内设有配设移动端人员的特征信息，所述特征信息包括对应配设移动端人员的资料、岗位、消缺率、对各类缺陷的消缺时间；移动端还作为通讯设备用于接收中心控制客户端发出的预定警示信息，从而引导配设移动端人员进行消缺和维护；

中心控制客户端，用于可视化数据采集模块、缺陷管理模块、数据处理模块的原数据和处理后数据，并基于移动端内信息发送基于缺陷管理模块的警示信息、基于数据处理模块的预测警示信息至预定移动端；且通过其基于缺陷管理模块发出的缺陷实时发生警示信息进行人员消缺安排，通过其基于数据处理模块的预测警示信息，实现对预测缺陷生产设备的重点关注和提前消缺准备；

还包括用于规划消缺人员的调度模块，所述调度模块通过中心客户端获取缺陷生产设备信息、缺陷生产设备分布信息，通过移动端获取移动端位置信息、配设移动端人员的特征信息，并依据预定调度策略发出调度信息至预安排消缺人员配设的移动端；缺陷生产设备信息至少包括缺陷类型、缺陷生产设备等级、缺陷生产设备型号，调度模块依据接收到的所有信息依据预定调度策略进行人员调度，规划最快的实时消缺，或，接受预测警示信息后作出人员、时间安排，实现去除缺陷发生隐患的规划或提前消缺的规划；

所述数据处理模块接收调度模块获取的所有信息，依据已有的生产设备分布与移动端位置信息建立消缺的二分网络，同时根据缺陷生产设备分布对缺陷设备集合建立偏序关系，对缺陷管理模块的历史记录数据、配设移动端人员的特征信息建模，得到深度神经网络模型；依据历史消缺记录中配设移动端人员消缺后产生的效果加强或减弱深度学习模型，确定最优的预定调度策略并发送至调度模块；在建立深度神经网络模型的过程中，使用二分图对生产设备、配设移动端人员进行匹配，将人员与生产设备作为节点并连接，随着历史记录中消缺数据的更迭不断更迭连接边上的权重；

所述调度模块获取预定调度策略后，依据已有的地图、缺陷生产设备信息、缺陷生产设备分布、移动端位置信息、配设移动端人员特征信息进行路线规划并提示消缺所需预定设备；

所述数据处理模块还结合预测模型以及用于规划调度的深度神经网络模拟预测缺陷发生状态下最优的预定调度策略；将预测缺陷发生存储为模拟的历史数据，从而利用用于规划调度的深度神经网络制定在预测结果发生时最优的预定调度策略，且在获取最优预定调度策略后删除模拟历史数据以减少负载；

还包括指标监控模块，所述指标监控模块用于统计缺陷管理模块管理区域内包括缺陷发生次数、消缺率、及时消缺率与指标监控模块预设阈值的比值；

所述指标监控模块接收数据处理模块的预测数据，并基于预测数据进行模拟消缺以获取和记录数据处理模块预测结果正确下的预测比值。

2.根据权利要求1所述的一种应用于电网生产设备的监测***，其特征在于，所述数据处理模块基于人工智能学习***TensorFlow利用包括随机森林算法和/或卷积神经网络算法和/或逻辑斯蒂回归算法进行机器学习。

3.根据权利要求1所述的一种应用于电网生产设备的监测***，其特征在于，所述数据采集模块包括：设置于生产设备上的电流互感器、电压互感器、定位传感器、湿度传感器、温度传感器和图像传感器；和，设置于生产设备连接线路上的电流互感器、电压互感器、定位传感器、湿度传感器、温度传感器和图像传感器。

4.根据权利要求1所述的一种应用于电网生产设备的监测***，其特征在于，所述中心控制客户端以包括图片、文字、符号和三维模型的形式对实时缺陷生产设备、缺陷等级、预测缺陷生产设备和预测缺陷等级进行标记。

5.根据权利要求1所述的一种应用于电网生产设备的监测***，其特征在于，还包括价值预测模块，所述价值预测模块用于接收缺陷管理模块、数据处理模块处理的数据后依据数据库中存储的包括折损设备价格表、生产设备连接线路表、生产设备连接线路的供电量和生产设备连接线路经过的建筑分布进行区域内价值评估，且所述价值预测模块结合预测模型对预测缺陷发生产生的经济损失进行预测评估。

Images