CN112288132A - 一种电力巡检时间预测方法、装置及*** - Google Patents
一种电力巡检时间预测方法、装置及*** Download PDFInfo
- Publication number
- CN112288132A CN112288132A CN202011025108.8A CN202011025108A CN112288132A CN 112288132 A CN112288132 A CN 112288132A CN 202011025108 A CN202011025108 A CN 202011025108A CN 112288132 A CN112288132 A CN 112288132A
- Authority
- CN
- China
- Prior art keywords
- inspection
- time
- inspected
- power
- 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.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000013528 artificial neural network Methods 0.000 claims abstract description 21
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种电力巡检时间预测方法、装置及***,获取历史巡检参数组成训练样本;通过神经网络算法对训练样本进行训练,获得巡检时间预测模型;对每个待巡检设备,基于巡检时间预测模型预测下次巡检时间。本发明无需依靠人工经验,且考虑了多个巡检参数,获得较精确的预测模型,可预测出较精确的巡检时间,消除漏检或过检的情况,及时消除安全隐患,且节省人力物力。
Description
技术领域
本发明涉及电力巡检领域,具体涉及一种电力巡检时间预测方法、装置及***。
背景技术
在电力领域,需要实时对电力设备(如变压器)进行巡检,以免存在安全隐患而不被发现。目前,对电力设备的巡检时间一般靠经验制定,定时对电力设备巡检。这种方式所制定的巡检时间依赖人工经验,不够准确,难以避免漏检或过检的情况,造成安全隐患不能被及时处理或浪费人力物力。
发明内容
为解决上述问题,本发明提供一种电力巡检时间预测方法、装置及***,自动精确预测巡检时间,为巡检提供依据。
本发明的技术方案是:一种电力巡检时间预测方法,包括以下步骤:
获取历史巡检参数组成训练样本;
通过神经网络算法对训练样本进行训练,获得巡检时间预测模型;
对每个待巡检设备,基于巡检时间预测模型预测下次巡检时间。
进一步地,巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长;
其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数;对应两次故障间隔时长为神经网络算法的输出参数。
进一步地,该方法还包括以下步骤:
实时显示所预测的每个待巡检设备的下次巡检时间;
在距离下次巡检时间一定时间间隔时,向巡检终端发送提醒信息。
进一步地,向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。
本发明的技术方案还包括一种电力巡检时间预测装置,包括,
历史数据获取模块:获取历史巡检参数,并组成训练样本;
预测模型训练模块:通过神经网络算法对训练样本进行训练,获得巡检时间预测模型;
巡检时间预测模块:对每个待巡检设备,基于巡检时间预测模型预测下次巡检时间。
进一步地,巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长;
其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数;对应两次故障间隔时长为神经网络算法的输出参数。
进一步地,该装置还包括,
显示模块:实时显示所预测的每个待巡检设备的下次巡检时间;
信息发送模块:在距离下次巡检时间一定时间间隔时,向巡检终端发送提醒信息。
进一步地,向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。
本发明的技术方案还包括一种电力巡检时间预测***,包括预测后台、巡检终端、数据库;预测后台分别与巡检终端、数据库通信;
所述预测后台配置有上述任一项所述的装置;
所述数据库中存储有各个待巡检设备的地理位置和巡检规范;
所述巡检终端接收预测后台发送的提醒信息并显示。
本发明提供的一种电力巡检时间预测方法、装置及***,基于历史巡检参数通过神经网络算法建立巡检时间预测模型,通过巡检时间预测模型预测待巡检设备的巡检时间。相对于现有技术,本发明无需依靠人工经验,且考虑了多个巡检参数,获得较精确的预测模型,可预测出较精确的巡检时间,消除漏检或过检的情况,及时消除安全隐患,且节省人力物力。
附图说明
图1是本发明具体实施例一方法流程示意图;
图2是本发明具体实施例二结构示意框图;
图3是本发明具体实施例三结构示意框图。
具体实施方式
下面结合附图并通过具体实施例对本发明进行详细阐述,以下实施例是对本发明的解释,而本发明并不局限于以下实施方式。
实施例一
如图1所示,本实施例提供一种电力巡检时间预测方法,包括以下步骤:
S1,获取历史巡检参数组成训练样本;
S2,通过神经网络算法对训练样本进行训练,获得巡检时间预测模型;
S3,对每个待巡检设备,基于巡检时间预测模型预测下次巡检时间。
该方法基于大量历史巡检参数,通过神经网络算法建立巡检时间预测模型,通过巡检时间预测模型预测每个待巡检设备的巡检时间,相对于依靠人工经验制定巡检时间,考虑了巡检参数,所预测巡检时间更精确可靠。
变电站是电力领域通常需要巡检的设备,其故障发生概率与多个因素有关。本实施例中,所获取的巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长。其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数;对应两次故障间隔时长为神经网络算法的输出参数。
需要说明的是,所供辖区用电量为一定时间内(如一天、一周)的平均用电量,环境温度和环境湿度也是一定时间内的平均数值。针对每个待巡检设备预测下次巡检时间时,累计获取用电量、环境温湿度参数即可。
任一电力设备任意一次发生故障的巡检参数可作为一个训练样本,从历史数据中可获取多个训练样本进行训练,提高模型预测精确度。
本实施例中,预测出下次巡检时间后,实时实时显示所预测的每个待巡检设备的下次巡检时间,供后台监控人员了解状态。另外,在距离下次巡检时间一定时间间隔时,向巡检终端发送提醒信息。例如离预测时间一周、三天或一天时,向巡检终端发送提醒信息,使现场巡检人员及时掌握巡检信息。其中,发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范,现场巡检人员根据提醒信息即可及时对待巡检设备进行巡检。
实施例二
如图2所示,在实施例一基础上,本实施例提供一种电力巡检时间预测装置,包括以下功能模块。
历史数据获取模块1:获取历史巡检参数,并组成训练样本;
预测模型训练模块2:通过神经网络算法对训练样本进行训练,获得巡检时间预测模型;
巡检时间预测模块3:对每个待巡检设备,基于巡检时间预测模型预测下次巡检时间。
其中,历史数据获取模块1所示获取巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长。电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数;对应两次故障间隔时长为神经网络算法的输出参数。
任一电力设备任意一次发生故障的巡检参数可作为一个训练样本,历史数据获取模块1从历史数据中可获取多组巡检参数,组成多个训练样本进行训练,提高模型预测精确度。
另外,还包括显示模块4和信息发送模块5。显示模块4实时显示所预测的每个待巡检设备的下次巡检时间;信息发送模块5在距离下次巡检时间一定时间间隔时,向巡检终端发送提醒信息。其中,信息发送模块5向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。显示模块4和信息发送模块5使后台监控人员和现场巡检人员及时了解巡检信息。
实施例三
如图3所示,在实施例一和实施例二基础上,本实施例提供一种电力巡检时间预测***,包括预测后台101、巡检终端102、数据库103。其中,预测后台101分别与巡检终端102、数据库103通信。
预测后台101配置有实施例二所述的装置,数据库103中存储有各个待巡检设备的地理位置和巡检规范,巡检终端102接收预测后台发送的提醒信息并显示。
预测后台101根据所配置装置预测每个待巡检设备的巡检时间,在任一待巡检设备即将到达巡检时间时,从数据库103获取对应设备的地理位置和巡检规范,及时向巡检终端102发送提醒信息。提醒信息包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。巡检终端102由现场巡检人员手持,比如现场巡检人员的手机可作为巡检终端102,及时节省提醒信息,供现场巡检人员掌握巡检信息。
以上公开的仅为本发明的优选实施方式,但本发明并非局限于此,任何本领域的技术人员能思之的没有创造性的变化,以及在不脱离本发明原理前提下所作的若干改进和润饰,都应落在本发明的保护范围内。
Claims (9)
1.一种电力巡检时间预测方法,其特征在于,包括以下步骤:
获取历史巡检参数组成训练样本;
通过神经网络算法对训练样本进行训练,获得巡检时间预测模型;
对每个待巡检设备,基于巡检时间预测模型预测下次巡检时间。
2.根据权利要求1所述的电力巡检时间预测方法,其特征在于,巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长;
其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数;对应两次故障间隔时长为神经网络算法的输出参数。
3.根据权利要求1或2所述的电力巡检时间预测方法,其特征在于,该方法还包括以下步骤:
实时显示所预测的每个待巡检设备的下次巡检时间;
在距离下次巡检时间一定时间间隔时,向巡检终端发送提醒信息。
4.根据权利要求3所述的电力巡检时间预测方法,其特征在于,向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。
5.一种电力巡检时间预测装置,其特征在于,包括,
历史数据获取模块:获取历史巡检参数,并组成训练样本;
预测模型训练模块:通过神经网络算法对训练样本进行训练,获得巡检时间预测模型;
巡检时间预测模块:对每个待巡检设备,基于巡检时间预测模型预测下次巡检时间。
6.根据权利要求5所述的电力巡检时间预测装置,其特征在于,巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长;
其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数;对应两次故障间隔时长为神经网络算法的输出参数。
7.根据权利要求6所述的电力巡检时间预测装置,其特征在于,该装置还包括,
显示模块:实时显示所预测的每个待巡检设备的下次巡检时间;
信息发送模块:在距离下次巡检时间一定时间间隔时,向巡检终端发送提醒信息。
8.根据权利要求7所述的电力巡检时间预测装置,其特征在于,向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。
9.一种电力巡检时间预测***,其特征在于,包括预测后台、巡检终端、数据库;预测后台分别与巡检终端、数据库通信;
所述预测后台配置有权利要求5-8任一项所述的装置;
所述数据库中存储有各个待巡检设备的地理位置和巡检规范;
所述巡检终端接收预测后台发送的提醒信息并显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011025108.8A CN112288132A (zh) | 2020-09-25 | 2020-09-25 | 一种电力巡检时间预测方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011025108.8A CN112288132A (zh) | 2020-09-25 | 2020-09-25 | 一种电力巡检时间预测方法、装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112288132A true CN112288132A (zh) | 2021-01-29 |
Family
ID=74421994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011025108.8A Pending CN112288132A (zh) | 2020-09-25 | 2020-09-25 | 一种电力巡检时间预测方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288132A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884174A (zh) * | 2021-02-05 | 2021-06-01 | 上海市市政工程管理咨询有限公司 | 公路日常养护信息管理方法和*** |
CN113155133A (zh) * | 2021-04-25 | 2021-07-23 | 国网山东省电力公司鄄城县供电公司 | 电力设备的检查线路确定方法、装置以及电子终端 |
CN115775088A (zh) * | 2023-02-13 | 2023-03-10 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气巡检计划确定方法与物联网*** |
-
2020
- 2020-09-25 CN CN202011025108.8A patent/CN112288132A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884174A (zh) * | 2021-02-05 | 2021-06-01 | 上海市市政工程管理咨询有限公司 | 公路日常养护信息管理方法和*** |
CN113155133A (zh) * | 2021-04-25 | 2021-07-23 | 国网山东省电力公司鄄城县供电公司 | 电力设备的检查线路确定方法、装置以及电子终端 |
CN115775088A (zh) * | 2023-02-13 | 2023-03-10 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气巡检计划确定方法与物联网*** |
US12045837B2 (en) | 2023-02-13 | 2024-07-23 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods for determining smart gas inspection plans and internet of things systems thereof |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106056695B (zh) | 一种基于物联网的智能移动巡检终端 | |
CN112288132A (zh) | 一种电力巡检时间预测方法、装置及*** | |
CN109347203A (zh) | 一种电力设备智能运维*** | |
CN205920517U (zh) | 一种基于物联网的智能移动巡检终端 | |
CN114038169A (zh) | 生产设备故障监测方法、装置、设备及介质 | |
CN103545934B (zh) | 变配电站台区全景巡视监控***及其管理方法 | |
CN112886468B (zh) | 一种基于巡维数据的输电线路区域故障定位方法及装置 | |
CN106817708B (zh) | 一种巡检簇构建方法及装置 | |
CN109389524B (zh) | 基于电网数据的一体化运维协同管理方法、存储设备、终端 | |
CN110569997A (zh) | 一种基于多维度数据体系的充电站运行维护方法 | |
CN113759215A (zh) | 基于物联网的电力故障检测***及方法 | |
CN105245001A (zh) | 一种事件驱动的变电站事故智能告警处理方法和装置 | |
CN106444710A (zh) | 配电自动化三遥功能闭环测试***及方法 | |
CN109713789B (zh) | 一种基于bim技术的变配电所智能实时分级报警方法 | |
CN108718112A (zh) | 一种基于北斗导航***的电网监测***及方法 | |
CN112562276A (zh) | 一种设备故障报警方法及*** | |
CN103020721B (zh) | 一种评估电网调度自动化***实时数据处理效率的方法 | |
CN111371180B (zh) | 变电站巡查监管与数据分析*** | |
CN109038818A (zh) | 电力设备远程监控***及方法 | |
CN116866512A (zh) | 一种光伏电站巡检***及其运行方法 | |
CN114899947A (zh) | 基于智能变电站的一次设备监测分析*** | |
CN114498939A (zh) | 面向数字孪生的变电站智能监控***及方法 | |
CN107896159B (zh) | 变电站运维绩效评价的***和方法 | |
CN113858231A (zh) | 一种变电站轨道机器人***的控制方法 | |
CN107294205B (zh) | 一种基于保信主站数据的变电站状态监视方法 |
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 |