CN113128117A - 基于ai人工神经网络的研究的低压集抄运维仿真装置 - Google Patents

基于ai人工神经网络的研究的低压集抄运维仿真装置 Download PDF

Info

Publication number
CN113128117A
CN113128117A CN202110423540.0A CN202110423540A CN113128117A CN 113128117 A CN113128117 A CN 113128117A CN 202110423540 A CN202110423540 A CN 202110423540A CN 113128117 A CN113128117 A CN 113128117A
Authority
CN
China
Prior art keywords
module
neural network
alarm
artificial neural
fault
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
Application number
CN202110423540.0A
Other languages
English (en)
Inventor
张保山
汤向伟
张进宝
张科伟
李振明
陈春江
李建朋
王继伟
许红岗
靳小鹏
胥晓光
张娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan Nengchuang Electronic Technology Co ltd
Original Assignee
Henan Nengchuang Electronic Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan Nengchuang Electronic Technology Co ltd filed Critical Henan Nengchuang Electronic Technology Co ltd
Priority to CN202110423540.0A priority Critical patent/CN113128117A/zh
Publication of CN113128117A publication Critical patent/CN113128117A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/061—Details of electronic electricity meters
    • G01R22/063—Details of electronic electricity meters related to remote communication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/60—Arrangements in telecontrol or telemetry systems for transmitting utility meters data, i.e. transmission of data from the reader of the utility meter

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computational Linguistics (AREA)
  • Power Engineering (AREA)
  • Geometry (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Neurology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于AI人工神经网络的研究的低压集抄运维仿真装置，包括低压集抄运维防真装置、AI人工神经网络和训练集，所述低压集抄运维防真装置包括终端电表、集抄端和供电公司云端服务器，所述终端电表用于采集每户用电量数值信息，所述集抄端用于采集、汇总、统计各个终端电表采集的用电量数值信息，所述供电公司云端服务器用于对用电量进行储存、计费、收费等工作；本发明将AI人工神经网络运用在低压集抄运维仿真装置上，可以有无限的扩展，AI人工神经网络，可以提高机器的可操作性，更加智能化，通过训练集自主训练，能够更加智能的收集错误，同时也对后期维运工作人员的专业技能降低要求，由***自主完成工作。

Description

基于AI人工神经网络的研究的低压集抄运维仿真装置
技术领域
本发明涉及低压集抄领域，具体涉及一种基于AI人工神经网络的研究的低压集抄运维仿真装置。
背景技术
低压集抄既低压用户集中抄表***是指由主站通过远程通讯信道将多个电能表电能量的记录值（窗口值）的信息集中抄读的***，在计量自动化体系中，低压集抄运维***是非常重要的组成成分，在实际工作中，低压集抄***对智能电表的信息收集约束功能有很大影响，目前我国电网工作部门主要的工作之一是提升低压集抄运维管理工作，对低压集抄运维基础进行深刻分析。
但是低压集抄技术引进时间不长，转岗人员的基础知识薄弱，人员现场处理经验不足，同时培训设备体积大、造价高，当前集中于公司的技术技能创新基地部署，不利于班组技术骨干常态化持续开展运维技能培训班以实现全面提高运维水平的目的。
发明内容
本发明所要解决的技术问题在于：低压集抄技术引进时间不长，转岗人员的基础知识薄弱，人员现场处理经验不足，同时培训设备体积大、造价高，当前集中于公司的技术技能创新基地部署，不利于班组技术骨干常态化持续开展运维技能培训班以实现全面提高运维水平的目的。
本发明是通过以下技术方案解决上述技术问题的，一种基于AI人工神经网络的研究的低压集抄运维仿真装置，包括低压集抄运维防真装置、AI人工神经网络和训练集，所述低压集抄运维防真装置包括终端电表、集抄端和供电公司云端服务器；
所述终端电表用于采集每户用电量数值信息；
所述集抄端用于采集、汇总、统计各个终端电表采集的用电量数值信息；
所述供电公司云端服务器用于对用电量进行储存、计费、收费等工作。
优选的，所述集抄端包括CPU、数据采集模块、通讯模块、RTC、数据储存模块、传输模块和故障报警模块。
优选的，所述集抄端具体处理步骤如下：
步骤一：CPU对模块进行命令、数据处理和运算；
步骤二：通讯模块与终端电表简历互联网通讯渠道；
步骤三：数据采集模块采集到各个终端电表所记录的电量信息；
步骤四：采集的电量数值信息由数据储存模块储存；
步骤五：储存的信息由传输模块传输至供电公司云端服务器；
步骤六：当遇到故障的时候，故障报警模块产生报警信息；
步骤七：RTC为集抄端提供实时时钟，并且为数据采集模块、数据储存模块、传输模块、故障报警模块提供采集时间记录、储存时间记录、传输时间记录、报警时间。
优选的，所述故障报警模块包括储存单元、分区单元和报警单元，分区单元对储存单元进行分区，分别分为a区、b区、c区···n区，a区、b区、c区···n区分别储存可能产生的不同故障信息的不同报警信号。
优选的，所述训练集包括报警模型库、故障模型库和排列模块，报警模型库用于储存不同故障信息的报警信号，故障模型库用于储存可能产生的不同故障信息，排列模块将两种信息进行1对1排列。
优选的，所述训练集与故障报警模块中储存的报警信息和故障信息一一对应。
优选的，该基于AI人工神经网络的研究的低压集抄运维仿真装置AI人工神经网络的训练步骤如下：
步骤1：在故障模型库中列出可能的***故障；
步骤2：在警报模型库中列出对应故障的不同警报信号；
步骤3：由排列模块对每种故障排列出对应的警报，由此构成训练集；
步骤4：用一组试验警报信号检验AI人工神经网络是否能正确判断对应的***故障；
步骤5：引入错误或者丢失的警报信号，检验AI人工神经网络在遇到含有“噪声”警报信号输入时的性能。
本发明相比现有技术具有以下优点：
将AI人工神经网络运用在低压集抄运维仿真装置上，可以有无限的扩展，AI人工神经网络，可以提高机器的可操作性，更加智能化；
通过训练集自主训练，能够更加智能的收集错误，同时也对后期维运工作人员的专业技能降低要求，由***自主完成工作，更加利于使用。
附图说明
图1是本发明的***框图；
图2是本发明的集抄端的***图；
图3是本发明的故障报警模块的***图；
图4是本发明的训练集的***图；
图5是本发明的AI人工神经网络训练步骤流程图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1-5所示，本实施例提供一种技术方案：一种基于AI人工神经网络的研究的低压集抄运维仿真装置，包括低压集抄运维防真装置、AI人工神经网络和训练集，低压集抄运维防真装置包括终端电表、集抄端和供电公司云端服务器；
终端电表用于采集每户用电量数值信息；
集抄端用于采集、汇总、统计各个终端电表采集的用电量数值信息；
供电公司云端服务器用于对用电量进行储存、计费、收费等工作。
集抄端包括CPU、数据采集模块、通讯模块、RTC、数据储存模块、传输模块和故障报警模块。
集抄端具体处理步骤如下：
步骤一：CPU对模块进行命令、数据处理和运算；
步骤二：通讯模块与终端电表简历互联网通讯渠道；
步骤三：数据采集模块采集到各个终端电表所记录的电量信息；
步骤四：采集的电量数值信息由数据储存模块储存；
步骤五：储存的信息由传输模块传输至供电公司云端服务器；
步骤六：当遇到故障的时候，故障报警模块产生报警信息；
步骤七：RTC为集抄端提供实时时钟，并且为数据采集模块、数据储存模块、传输模块、故障报警模块提供采集时间记录、储存时间记录、传输时间记录、报警时间。
故障报警模块包括储存单元、分区单元和报警单元，分区单元对储存单元进行分区，分别分为a区、b区、c区···n区，a区、b区、c区···n区分别储存可能产生的不同故障信息的不同报警信号。
训练集包括报警模型库、故障模型库和排列模块，报警模型库用于储存不同故障信息的报警信号，故障模型库用于储存可能产生的不同故障信息，排列模块将两种信息进行1对1排列。
训练集与故障报警模块中储存的报警信息和故障信息一一对应。
该基于AI人工神经网络的研究的低压集抄运维仿真装置AI人工神经网络的训练步骤如下：
步骤1：在故障模型库中列出可能的***故障；
步骤2：在警报模型库中列出对应故障的不同警报信号；
步骤3：由排列模块对每种故障排列出对应的警报，由此构成训练集；
步骤4：用一组试验警报信号检验AI人工神经网络是否能正确判断对应的***故障；
步骤5：引入错误或者丢失的警报信号，检验AI人工神经网络在遇到含有“噪声”警报信号输入时的性能。
综上，本发明在使用时，在集抄的时候CPU对模块进行命令、数据处理和运算，通讯模块与终端电表简历互联网通讯渠道，数据采集模块采集到各个终端电表所记录的电量信息，采集的电量数值信息由数据储存模块储存，储存的信息由传输模块传输至供电公司云端服务器，当遇到故障的时候，故障报警模块产生报警信息，RTC为集抄端提供实时时钟，并且为数据采集模块、数据储存模块、传输模块、故障报警模块提供采集时间记录、储存时间记录、传输时间记录、报警时间，使用训练集对AI人工神经网络进行训练，用一组试验警报信号检验AI人工神经网络是否能正确判断对应的***故障，引入错误或者丢失的警报信号，检验AI人工神经网络在遇到含有“噪声”警报信号输入时的性能，当产生报警信号的时候，AI人工神经网络分析警报信号“噪声”，随之根据训练所得的故障信号，向工作人员反馈故障信号，。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种基于AI人工神经网络的研究的低压集抄运维仿真装置，其特征在于，包括低压集抄运维防真装置、AI人工神经网络和训练集，所述低压集抄运维防真装置包括终端电表、集抄端和供电公司云端服务器；
所述终端电表用于采集每户用电量数值信息；
所述集抄端用于采集、汇总、统计各个终端电表采集的用电量数值信息；
所述供电公司云端服务器用于对用电量进行储存、计费、收费等工作。
2.根据权利要求1所述的一种基于AI人工神经网络的研究的低压集抄运维仿真装置，其特征在于：所述集抄端包括CPU、数据采集模块、通讯模块、RTC、数据储存模块、传输模块和故障报警模块。
3.根据权利要求2所述的一种基于AI人工神经网络的研究的低压集抄运维仿真装置，其特征在于：所述集抄端具体处理步骤如下：
步骤一：CPU对模块进行命令、数据处理和运算；
步骤二：通讯模块与终端电表简历互联网通讯渠道；
步骤三：数据采集模块采集到各个终端电表所记录的电量信息；
步骤四：采集的电量数值信息由数据储存模块储存；
步骤五：储存的信息由传输模块传输至供电公司云端服务器；
步骤六：当遇到故障的时候，故障报警模块产生报警信息；
步骤七：RTC为集抄端提供实时时钟，并且为数据采集模块、数据储存模块、传输模块、故障报警模块提供采集时间记录、储存时间记录、传输时间记录、报警时间。
4.根据权利要求2所述的一种基于AI人工神经网络的研究的低压集抄运维仿真装置，其特征在于：所述故障报警模块包括储存单元、分区单元和报警单元，分区单元对储存单元进行分区，分别分为a区、b区、c区···n区，a区、b区、c区···n区分别储存可能产生的不同故障信息的不同报警信号。
5.根据权利要求1所述的一种基于AI人工神经网络的研究的低压集抄运维仿真装置，其特征在于：所述训练集包括报警模型库、故障模型库和排列模块，报警模型库用于储存不同故障信息的报警信号，故障模型库用于储存可能产生的不同故障信息，排列模块将两种信息进行1对1排列。
6.根据权利要求4或5所述的一种基于AI人工神经网络的研究的低压集抄运维仿真装置，其特征在于：所述训练集与故障报警模块中储存的报警信息和故障信息一一对应。
7.根据权利要求1-7任一项所述的一种基于AI人工神经网络的研究的低压集抄运维仿真装置，其特征在于：该基于AI人工神经网络的研究的低压集抄运维仿真装置AI人工神经网络的训练步骤如下：
步骤1：在故障模型库中列出可能的***故障；
步骤2：在警报模型库中列出对应故障的不同警报信号；
步骤3：由排列模块对每种故障排列出对应的警报，由此构成训练集；
步骤4：用一组试验警报信号检验AI人工神经网络是否能正确判断对应的***故障；
步骤5：引入错误或者丢失的警报信号，检验AI人工神经网络在遇到含有“噪声”警报信号输入时的性能。
CN202110423540.0A 2021-04-20 2021-04-20 基于ai人工神经网络的研究的低压集抄运维仿真装置 Pending CN113128117A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110423540.0A CN113128117A (zh) 2021-04-20 2021-04-20 基于ai人工神经网络的研究的低压集抄运维仿真装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110423540.0A CN113128117A (zh) 2021-04-20 2021-04-20 基于ai人工神经网络的研究的低压集抄运维仿真装置

Publications (1)

Publication Number Publication Date
CN113128117A true CN113128117A (zh) 2021-07-16

Family

ID=76777862

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110423540.0A Pending CN113128117A (zh) 2021-04-20 2021-04-20 基于ai人工神经网络的研究的低压集抄运维仿真装置

Country Status (1)

Country Link
CN (1) CN113128117A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190716A (zh) * 2018-10-23 2019-01-11 深圳增强现实技术有限公司 低压集抄故障的处理方法、装置及电子设备
WO2024108443A1 (zh) * 2022-11-23 2024-05-30 华为技术有限公司 通信方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011063593A2 (zh) * 2010-08-27 2011-06-03 北京华鑫志和科技有限公司 一种多网融合的智能电网***
CN103226890A (zh) * 2013-03-19 2013-07-31 上海欧忆智能网络有限公司 远程集抄智能用电***及其集抄方法
CN103532233A (zh) * 2013-10-14 2014-01-22 国网重庆市电力公司客户服务中心 基于gprs技术的用电信息采集异常精确定位***
CN104360208A (zh) * 2014-12-05 2015-02-18 国家电网公司 用电信息采集运维***的采集故障分析及处理方法
CN108961713A (zh) * 2018-06-28 2018-12-07 国网天津市电力公司电力科学研究院 一种用于低压台区的智能集抄***
CN109145006A (zh) * 2018-09-21 2019-01-04 深圳蜜獾智抄科技有限公司 一种集抄数据分析管理***
CN110753276A (zh) * 2019-10-29 2020-02-04 淅川县电业局 一种智能抄表***和控制方法
CN111190072A (zh) * 2019-12-11 2020-05-22 贵州电网有限责任公司 集抄***诊断模型建立方法、故障诊断方法及装置
CN112418231A (zh) * 2020-11-16 2021-02-26 河南能创电子科技有限公司 一种集抄运维与ai模型的***算法
CN112435523A (zh) * 2020-11-16 2021-03-02 河南能创电子科技有限公司 一种低压集抄自主运维ai仿真平台

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011063593A2 (zh) * 2010-08-27 2011-06-03 北京华鑫志和科技有限公司 一种多网融合的智能电网***
CN103226890A (zh) * 2013-03-19 2013-07-31 上海欧忆智能网络有限公司 远程集抄智能用电***及其集抄方法
CN103532233A (zh) * 2013-10-14 2014-01-22 国网重庆市电力公司客户服务中心 基于gprs技术的用电信息采集异常精确定位***
CN104360208A (zh) * 2014-12-05 2015-02-18 国家电网公司 用电信息采集运维***的采集故障分析及处理方法
CN108961713A (zh) * 2018-06-28 2018-12-07 国网天津市电力公司电力科学研究院 一种用于低压台区的智能集抄***
CN109145006A (zh) * 2018-09-21 2019-01-04 深圳蜜獾智抄科技有限公司 一种集抄数据分析管理***
CN110753276A (zh) * 2019-10-29 2020-02-04 淅川县电业局 一种智能抄表***和控制方法
CN111190072A (zh) * 2019-12-11 2020-05-22 贵州电网有限责任公司 集抄***诊断模型建立方法、故障诊断方法及装置
CN112418231A (zh) * 2020-11-16 2021-02-26 河南能创电子科技有限公司 一种集抄运维与ai模型的***算法
CN112435523A (zh) * 2020-11-16 2021-03-02 河南能创电子科技有限公司 一种低压集抄自主运维ai仿真平台

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190716A (zh) * 2018-10-23 2019-01-11 深圳增强现实技术有限公司 低压集抄故障的处理方法、装置及电子设备
WO2024108443A1 (zh) * 2022-11-23 2024-05-30 华为技术有限公司 通信方法及装置

Similar Documents

Publication Publication Date Title
CN102520715B (zh) 一种通用化的卫星地面总体控制测试***
CN107786000B (zh) 数字化继电保护测试仪配置文件的智能生成方法
CN102323499A (zh) 一种继电保护设备实现自动化测试的方法
CN113128117A (zh) 基于ai人工神经网络的研究的低压集抄运维仿真装置
CN109765447A (zh) 一种智能变电站继电保护自动测试方法
CN103200051A (zh) 智能变电站报文仿真测试与关联报文分析***及方法
CN107479540B (zh) 故障诊断方法以及***
CN105824001B (zh) 一种数字电能表iec61850符合性测试方法及其***
CN106779095B (zh) 基于kmp算法的智能变电站设备软压板校核的方法
CN105652232A (zh) 一种基于流处理的电能计量装置在线异常诊断方法及***
CN101282526A (zh) 一种手机待机电流、待机时间及充电流程的测试设备
CN101957428A (zh) 监控电路板的自动测试方法与工具
CN201611448U (zh) 一种电力***控制保护装置的闭环试验平台
CN105785118A (zh) 仿真智能电能表
CN112381467A (zh) 一种基于配电台区全量采集大数据的人工智能线损分析***
CN104392603B (zh) 一种现场用电信息采集设备智能诊断***
CN110308358B (zh) 一种配电自动化终端测试方法及装置
CN106353592A (zh) 基于仿真智能电能表的测试***
CN105785117A (zh) 计量电路
CN106909615B (zh) 一种主站与子站间数据信息一致性验证方法和装置
CN116599572A (zh) 一种商用批产卫星单机智能化测试方法
CN115207909B (zh) 一种台区拓扑识别方法、装置、设备及存储介质
CN106546936B (zh) 一种能效监测设备检测用虚拟检测***及检测方法
CN114545069A (zh) 一种用电信息采集核对模拟测试装置及其方法
CN205263224U (zh) 一种用于twc单盘的自动化测试平台

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