CN113887861A - 一种输变电主设备准实时数据监测*** - Google Patents
一种输变电主设备准实时数据监测*** Download PDFInfo
- Publication number
- CN113887861A CN113887861A CN202110967636.3A CN202110967636A CN113887861A CN 113887861 A CN113887861 A CN 113887861A CN 202110967636 A CN202110967636 A CN 202110967636A CN 113887861 A CN113887861 A CN 113887861A
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- module
- real
- quasi
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 57
- 230000009466 transformation Effects 0.000 title claims abstract description 56
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 230000007547 defect Effects 0.000 claims abstract description 91
- 238000012545 processing Methods 0.000 claims abstract description 72
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000011157 data evaluation Methods 0.000 claims abstract description 15
- 238000007405 data analysis Methods 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 238000013473 artificial intelligence Methods 0.000 claims description 12
- 238000012502 risk assessment Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000004927 fusion Effects 0.000 abstract 1
- 238000000034 method Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000007787 solid Substances 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- G06N3/08—Learning methods
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Molecular Biology (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种输变电主设备准实时数据监测***，涉及输变电设备监测技术领域，通过数据接入模块和数据处理模块对输变电主设备的准实时数据的汇集融合和集成监测，实现一次设备运行状态实时监测；通过数据缺陷分析模块、以及风险数据评估模块以及报警模块的处理结果，能够对输变电主设备我的告警及预警信息的监测和发布，实时掌握设备运行状态；通过还可以持续关注输变电主设备准实时数据监测***的数据在线率、可用率等问题，督导各单位进行***运维、整改，协助保障各类设备监测***稳定运行。
Description
技术领域
本发明属于输变电设备监测技术领域，尤其涉及一种输变电主设备准实时数据监测***。
背景技术
电力设备在日常使用和运转过程中，由于受负荷、内部应力、磨损、腐蚀等因素的影响，个别部位或整体会出现形态、组分和电气性能等方面发生改变的状况，此性能劣化现象将降低电力设备的可靠性，严重者甚至会造成事故。
输变电监测设备主要通过对输、变电环节的电气、机械等设备的运行状态进行监测，通过各类传感器获取其运行状况、运行质量的相关信息，以动态跟踪各种劣化过程的发展状况，以便电力运维管理部门在电力设备可能出现故障或性能下降到影响正常工作前，及时进行维修、更换，从而保障电力设备运行的安全性、稳定性和可靠性。
由此可见输变电主设备的准时数据监测非常重要，然而目前并没有对输变电主设备的准实时数据监测***，因此，需要一种输变电主设备的准时数据监测，为电力工作人员提供数据支撑，协助保证电网的运行。
发明内容
本发明的目的在于提供一种输变电主设备准实时数据监测***，从而克服了现有没有对输变电主设备的准实时数据监测***的缺点。
为实现上述目的，本发明提供了一种输变电主设备准实时数据监测***，包括：。
数据接入模块，所述数据接入模块用于接入输变电主设备的准实时数据；
准实时数据仓，所述准实时数据仓用于存储所述数据接入模块传输的数据；
数据处理模块，所述数据处理模块用于对数据接入模块接入的输变电主设备的准实时数据进行整理、分类以及关联处理；
缺陷数据分析模块，所述缺陷数据分析模块用于获取所述数据处理模块处理得到的缺陷数据，并对所述缺陷数据进行分析处理；以及
风险数据评估模块，所述风险数据评估模块用于根据缺陷数据分析模块处理得到的各类设备数据进行风险评估。
进一步的，还包括展示模块，所述展示模块用于对数据处理模块处理、缺陷数据分析模块以及风险数据评估模块处理的数据进行展示的数据结合地图进行展示。
进一步的，还包括报警模块，所述报警模块用于根据所述数据处理模块处理得到的缺陷数据进行判断是否需要报警。
进一步的，所述数据接入模块采用准实时以太网接入时间敏感网络。
进一步的，所述数据处理模块用于对数据接入模块接入的输变电主设备的准实时数据进行整理、分类以及关联处理包括：
通过所述数据接入模块获取输变电主设备的准实时数据；
根据数据类型、电压等级、设备类型、数据源对所述准实时数据进行分类，并进行关联；
根据每一种类型设备的所有数据对所述设备进行面向供应商的评价，并对不同设备采取分档次、分区间线性分布处理，后通过显示模块进行显示；
分别对每一种类型设备的所有进行处理得到异常状态数据，所述异常状态数据为缺陷数据。
进一步的，所述数据缺陷分析模块缺陷数据分析模块用于获取所述数据处理模块处理得到的缺陷数据，并对所述缺陷数据进行分析处理包括：
获取数据处理模块处理得到的缺陷数据；
根据所述缺陷数据确定设备的缺陷状态；
对所述异常状态进行进一步分析，分析设备的缺陷造成的原因、发生部位以及各类缺陷随投运年限的趋势分布规律；
统计设备缺陷发生率较高的设备厂家和设备型号；
根据对所述异常状态进行进一步分析结果和设备厂家和设备型号以表格或柱形图方式通过显示模块显示。
进一步的，所述风险数据评估模块根据设备处理模块处理得到的各类设备数据进行风险评估包括：
采用BP神经网络建立人工智能风险评估模型，所述人工智能风险评估模型的输出为设备异常造成的后果、设备发生的故障概率；
将缺陷数据分析模块处理的结果输入所述人工智能风险评估模型，得到设备异常造成的后果、设备发生的故障概率；
根据所述设备异常造成的后果、设备发生的故障概率综合评估设备风险的大小和确定设备风险的级别。
进一步的，在所述准实时以太网接入时间敏感网络连接有Flume***，通过Flume***与准实时数据仓连接。
与现有的技术相比，本发明具有如下有益效果：
本发明所提供的输变电主设备准实时数据监测***，通过数据接入模块用于接入输变电主设备的准实时数据；准实时数据仓存储数据接入模块传输的数据；数据处理模块用于对数据接入模块接入的输变电主设备的准实时数据进行整理、分类以及关联等处理；缺陷数据分析模块用于获取数据处理模块处理得到的缺陷数据，并对所述缺陷数据进行分析处理；风险数据评估模块根据缺陷数据分析模块处理得到的各类设备数据进行风险评估。通过数据接入模块和数据处理模块对输变电主设备的准实时数据的汇集融合和集成监测，实现一次设备运行状态实时监测；通过数据缺陷分析模块、以及风险数据评估模块以及报警模块的处理结果，能够对输变电主设备的告警及预警信息的监测和发布，实时掌握设备运行状态；还可以持续关注输变电主设备准实时数据监测***的数据在线率、可用率等问题，督导各单位进行***运维、整改，协助保障各类设备监测***稳定运行。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一种输变电主设备准实时数据监测***的结构示意图。
具体实施方式
下面结合本发明实施例中的附图，对本发明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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1示出了本发明所提供的其中一个实施例输变电主设备准实时数据监测***，包括：数据接入模块、准实时数据仓、数据处理模块、缺陷数据分析模块以及风险数据评估模块，
所述数据接入模块用于接入输变电主设备的准实时数据；
所述准实时数据仓用于存储所述数据接入模块传输的数据；
所述数据处理模块用于对数据接入模块接入的输变电主设备的准实时数据进行整理、分类以及关联等处理；
所述缺陷数据分析模块用于获取所述数据处理模块处理得到的缺陷数据，并对所述缺陷数据进行分析处理；
所述风险数据评估模块用于根据缺陷数据分析模块处理得到的各类设备数据进行风险评估。
上述的输变电主设备准实时数据监测***，通过数据接入模块用于接入输变电主设备的准实时数据；准实时数据仓存储数据接入模块传输的数据；数据处理模块用于对数据接入模块接入的输变电主设备的准实时数据进行整理、分类以及关联等处理；缺陷数据分析模块用于获取数据处理模块处理得到的缺陷数据，并对所述缺陷数据进行分析处理；风险数据评估模块根据缺陷数据分析模块处理得到的各类设备数据进行风险评估。通过数据接入模块和数据处理模块对输变电主设备的准实时数据的汇集融合和集成监测，实现一次设备运行状态实时监测；通过数据缺陷分析模块、风险数据评估模块以及报警模块的处理结果，能够对输变电主设备我的告警及预警信息的监测和发布，实时掌握设备运行状态；还可以持续关注输变电主设备准实时数据监测***的数据在线率、可用率等问题，督导各单位进行***运维、整改，协助保障各类设备监测***稳定运行。
其中一个实施例，输变电主设备准实时数据监测***还包括展示模块，所述展示模块用于对数据处理模块处理、缺陷数据分析模块以及风险数据评估模块处理的数据进行展示的数据结合地图进行展示。
具体的，所述显示模块根据数据处理模块得到的：数据类型、电压等级、设备类型、数据源等，并按照不同单位层级，结合地图进行数据展示；此外，还可以根据其他设定进行展示数据处理结果、中间数据等。
其中一个实施例，输变电主设备准实时数据监测***还包括报警模块，所述报警模块用于根据所述数据处理模块处理得到的缺陷数据进行判断是否需要报警。
报警模块具体包括：阈值报警模块、趋势报警模块以及关联报警模块，
所述阈值报警模块从所述缺陷数据分析模块的分析结果进行处理，发出相应的阈值警报，并通过显示模块进行显示；
所述趋势报警模块根据所述缺陷数据分析模块的分析结果，结合阈值警报处理得到设备的缺陷发展趋势，并通过显示模块进行显示；
所述关联报警模块首先将将阈值报警模块和趋势报警模块的结果通知后台监控人员；然后从所述准实时数据仓中获取对应的原准实时数据，并根据所述原准实时数据查找相应的数据来源，向数据来源端同时发出用于将阈值报警模块和趋势报警模块的结果；若所述来源上有改数据监测人员的移动端通信方式，则还将将阈值报警模块和趋势报警模块的结果发送至监测人员的移动端，并通过显示模块进行显示结果；通过关联报警能够使该报警结果以最快的速度进行提醒，同时还能够通过其他监控者进行提醒，从而保证了设备的监测的实时性、及时性以及准确性。
上述的报警模块采用阈值报警模块、趋势报警模块以及关联报警模块的结合，实现关键设备的综合报警，并以多种通知方式及时呈现用户。
其中一实施例，报警模块以标签的形式来显示各种不同的告警内容。
其中一个实施例，阈值报警模块对缺陷数据分析模块分析的每种缺陷数据的阈值范围进行划分，并对划分的阈值范围标注相应的严重程度，判断缺陷数据分析模块的分析的缺陷数据属于哪个阈值范围，则根据所阈值范围的严重程度发出提醒，严重程度分为：一般缺陷、重大缺陷、经济缺陷、五级事件、四级事件、三级事件、二级事件、一级事件、一般事故、较大事故、重大事故以及托板重大事故。
所述趋势报警模块根据所述缺陷数据分析模块的分析结果，结合阈值警报处理得到设备的缺陷发展趋势包括：
根据缺陷数据分析模块的分析结果和阈值报警模块的阈值报警模块分析的数据以及结果，构建趋势预测模块，通过所述趋势预测模块得到对应缺陷的发展趋势，同时所述趋势报警模块分别根据每个类型设备的缺陷设置对应的损坏。
其中一个实施例，趋势预测模块采用线性拟合模型。趋势预设结果y=阈值报警模块的严重程度的权重×故障概率×100%，对应的，y越大，则缺陷越需要早处理，且y对应有缺陷的发展程度。
其中一个实施例，所述数据接入模块采用准实时以太网接入时间敏感网络。
准实时以太网接入时间敏感网络通过非标实时以太网专用芯片工作分离，将组包、解析工作交给基于PC或IPC的标准以太网控制器，数据帧收发机制交给工业网关处FPGA完成；在下发至工业网关时，解析出非标准实时以太网本周期的的完整数据帧，发送给非标准实时以太网的从站，即能够多方面对准实时数据进行获取，既替代了专用通信芯片，又避免了繁杂的映射关系处理，可大大降低成本。
其中一个实施例，所述数据处理模块用于对数据接入模块接入的输变电主设备的准实时数据进行整理、分类以及关联等处理包括：
S11、通过所述数据接入模块获取输变电主设备的准实时数据；
S12、根据数据类型、电压等级、设备类型、数据源对所述准实时数据进行分类，并进行关联，并且采用人工智能的数据检测方法，将多余的语音数据剔除；
S13、根据每一种类型设备的所有数据对所述设备进行面向供应商的评价，具体的，从设备的接入率、在线率、故障率、售后服务等方面对供应商进行评价，并对不同设备采取分档次、分区间线性分布处理，后通过显示模块进行显示，通过显示结果能够有效拉开优劣差距；
S14、分别对每一种类型设备的所有进行处理得到异常状态数据，所述异常状态数据为缺陷数据。
其中一个实施例，数据处理模块分别对每一种类型设备的所有进行处理得到异常状态数据包括以下步骤：
S1401、对其中一类设备进行数据分类为单状态量数据和多状态量数据，利用智能语音处理相互技术、智能图像识别技术将单状态量数据和多状态量数据中的语音数据和图像数据识别出来，转换为文本数据；
S1402、每个所述单状态量数据的正常状态值范围，并对每个所述单状态量数据通过AR模型拟合；
S1403、构建自组织神经网络模块，将AR模型拟合后的历史数据输入所述自组织神经网络模块进行训练，得到训练好的自组织神经网络模块；
S1404、将实时获取的每个所述单状态量数据通过AR模型拟合，后输入训练好的自组织神经网络模块，得到单状态量数据的时间序列，判断单状态量数据是否符合AR分布，若符合，则为正常数据，反之为异常数据；
S1405、所述多状态量数据通过训练好的自组织神经网络模块得到转移概率矩阵；
S1406、根据所述转移概率矩阵通过基于密度的聚类算法判断是否存在异常数据，所述异常数据为缺陷数据。
通过采用智能语音相互技术、智能图像识别技术、深度学习算法等优化了鼠标垫主设备准实时数据检测的工作模式、增强了专业管理,为监控工作的顺利、高效完成奠定坚实基础。
其中一个实施例，所述输变电主设备包括：主变压器、断路器和输电线路。
其中一个实施例，所述数据缺陷分析模块缺陷数据分析模块用于获取所述数据处理模块处理得到的缺陷数据，并对所述缺陷数据进行分析处理包括：
S21、获取数据处理模块处理得到的缺陷数据；
S22、根据所述缺陷数据确定设备的缺陷状态；
S23、对所述异常状态进行进一步分析，分析设备的缺陷造成的原因、发生部位以及各类缺陷随投运年限的趋势分布规律等；
S24、统计设备缺陷发生率较高的设备厂家和设备型号；
S25、根据对所述异常状态进行进一步分析结果和设备厂家和设备型号以表格或柱形图等方式通过显示模块显示。
可以通过缺陷数据分析模块分析的结果对设备缺陷发生进行提前预判，为设备运维策略制定提供支撑。
其中一个实施例，所述风险数据评估模块根据设备处理模块处理得到的各类设备数据进行风险评估包括：
S31、采用BP神经网络建立人工智能风险评估模型，所述人工智能风险评估模型的输出为设备异常造成的后果、设备发生的故障概率；
S32、将缺陷数据分析模块处理的结果输入所述人工智能风险评估模型，得到设备异常造成的后果、设备发生的故障概率；
S33、根据所述设备异常造成的后果、设备发生的故障概率综合评估设备风险的大小和确定设备风险的级别。
此外，人工智能风险评估模型根据所述缺陷数据确定设备异常造成的后果和设备发生的故障概率，后自动根据缺陷数据作为训练样本，待到一定数量时，将训练样本对人工智能风险评估模型进行训练，以提高人工智能风险评估模型的准确性。
其中，在综合评估过程中将设备异常造成的后果和故障概率的乘积作为定级的依据。
其中一个实施例，在所述准实时以太网接入时间敏感网络连接有Flume***，通过Flume***与准实时数据仓连接。
具体的，在所述准实时以太网接入时间敏感网络中的标准以太网控制器与Flume***连接。
通过Flume是一个分布式的、可靠性的、可用的数据收集***，Flume可以有效地收集，聚合和移动大量的数据，可以从许多不同的来源转移到一个集中的数据仓中，通过输变电主设备准实时数据监测***使得输变电主设备准实时数据监测***的数据接入的整个过程更可靠。
此外，还可以通过其他云服务器与Flume***连接，通过其他云服务器接入不同的准实时数据，例如设备台账、缺陷记录和缺陷分析报告等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述移动终端的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述移动终端中模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所揭露的仅为本发明的具体实施方式，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，可轻易想到变化或变型，都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种输变电主设备准实时数据监测***，其特征在于，包括：
数据接入模块，所述数据接入模块用于接入输变电主设备的准实时数据；
准实时数据仓，所述准实时数据仓用于存储所述数据接入模块传输的数据；
数据处理模块，所述数据处理模块用于对数据接入模块接入的输变电主设备的准实时数据进行整理、分类以及关联处理；
缺陷数据分析模块，所述缺陷数据分析模块用于获取所述数据处理模块处理得到的缺陷数据，并对所述缺陷数据进行分析处理；以及
风险数据评估模块，所述风险数据评估模块用于根据缺陷数据分析模块处理得到的各类设备数据进行风险评估。
2.根据权利要求1所述的输变电主设备准实时数据监测***，其特征在于，还包括展示模块，所述展示模块用于对数据处理模块处理、缺陷数据分析模块以及风险数据评估模块处理的数据进行展示的数据结合地图进行展示。
3.根据权利要求1所述的输变电主设备准实时数据监测***，其特征在于，还包括报警模块，所述报警模块用于根据所述数据处理模块处理得到的缺陷数据进行判断是否需要报警。
4.根据权利要求1所述的输变电主设备准实时数据监测***，其特征在于，所述数据接入模块采用准实时以太网接入时间敏感网络。
5.根据权利要求1所述的输变电主设备准实时数据监测***，其特征在于，所述数据处理模块用于对数据接入模块接入的输变电主设备的准实时数据进行整理、分类以及关联处理包括：
通过所述数据接入模块获取输变电主设备的准实时数据；
根据数据类型、电压等级、设备类型、数据源对所述准实时数据进行分类，并进行关联；
根据每一种类型设备的所有数据对所述设备进行面向供应商的评价，并对不同设备采取分档次、分区间线性分布处理，后通过显示模块进行显示；
分别对每一种类型设备的所有进行处理得到异常状态数据，所述异常状态数据为缺陷数据。
6.根据权利要求1所述的输变电主设备准实时数据监测***，其特征在于，
所述数据缺陷分析模块缺陷数据分析模块用于获取所述数据处理模块处理得到的缺陷数据，并对所述缺陷数据进行分析处理包括：
获取数据处理模块处理得到的缺陷数据；
根据所述缺陷数据确定设备的缺陷状态；
对所述异常状态进行进一步分析，分析设备的缺陷造成的原因、发生部位以及各类缺陷随投运年限的趋势分布规律；
统计设备缺陷发生率较高的设备厂家和设备型号；
根据对所述异常状态进行进一步分析结果和设备厂家和设备型号以表格或柱形图方式通过显示模块显示。
7.根据权利要求1所述的输变电主设备准实时数据监测***，其特征在于，所述风险数据评估模块根据设备处理模块处理得到的各类设备数据进行风险评估包括：
采用BP神经网络建立人工智能风险评估模型，所述人工智能风险评估模型的输出为设备异常造成的后果、设备发生的故障概率；
将缺陷数据分析模块处理的结果输入所述人工智能风险评估模型，得到设备异常造成的后果、设备发生的故障概率；
根据所述设备异常造成的后果、设备发生的故障概率综合评估设备风险的大小和确定设备风险的级别。
8.根据权利要求1所述的输变电主设备准实时数据监测***，其特征在于，在所述准实时以太网接入时间敏感网络连接有Flume***，通过Flume***与准实时数据仓连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110967636.3A CN113887861A (zh) | 2021-08-23 | 2021-08-23 | 一种输变电主设备准实时数据监测*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110967636.3A CN113887861A (zh) | 2021-08-23 | 2021-08-23 | 一种输变电主设备准实时数据监测*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113887861A true CN113887861A (zh) | 2022-01-04 |
Family
ID=79011182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110967636.3A Pending CN113887861A (zh) | 2021-08-23 | 2021-08-23 | 一种输变电主设备准实时数据监测*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113887861A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116980202A (zh) * | 2023-07-27 | 2023-10-31 | 广州尚全信息技术有限公司 | 一种网络安全运维监控方法及*** |
-
2021
- 2021-08-23 CN CN202110967636.3A patent/CN113887861A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116980202A (zh) * | 2023-07-27 | 2023-10-31 | 广州尚全信息技术有限公司 | 一种网络安全运维监控方法及*** |
| CN116980202B (zh) * | 2023-07-27 | 2023-12-26 | 广州尚全信息技术有限公司 | 一种网络安全运维监控方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106815709B (zh) | 一种服务快速响应中心支撑***及方法 | |
| CN101750561B (zh) | 一种电能质量监控评估*** | |
| US10116165B2 (en) | Powergrid operation and supervision system | |
| US20240142063A1 (en) | Method for troubleshooting potential safety hazards of compressor in smart gas pipeline network and internet of things system thereof | |
| CN105574593B (zh) | 基于云计算和大数据的轨道状态静态检控***及方法 | |
| US20200117151A1 (en) | Outage and switch management for a power grid system | |
| CN111639885A (zh) | 一种农污管理***及管理方法 | |
| CN112666885A (zh) | 基于工业互联网环保设备监控管理平台 | |
| CN114021971A (zh) | 一种高速公路运维管理综合评价***、方法及存储介质 | |
| CN116880412A (zh) | 一种基于云的可视化生产管理平台 | |
| CN112307003A (zh) | 电网数据多维辅助分析方法、***、终端及可读存储介质 | |
| CN110855012A (zh) | 一种台区实时线损智能分析*** | |
| CN113627784A (zh) | 一种基于工业互联网的企业资产管理智能决策*** | |
| CN109117526A (zh) | 一种适用于机械***设备维修指引数据记录及分析*** | |
| CN114596693A (zh) | 用于能源监控和管理的方法、***、介质和程序产品 | |
| CN112270429A (zh) | 基于云边协同的动力电池极片制造设备维护方法和*** | |
| CN115330404A (zh) | 用于电力营销稽查的***及方法 | |
| CN113887861A (zh) | 一种输变电主设备准实时数据监测*** | |
| KR102662702B1 (ko) | 정보통신 설비 점검 시스템 및 방법 | |
| CN212990152U (zh) | 一种农污管理*** | |
| CN106199251A (zh) | 一种基于自适应建模分析的配电网故障预警***及方法 | |
| CN101706898A (zh) | 用于检验检疫的输欧消费品安全风险评估预警***及方法 | |
| CN113064399A (zh) | 一种基于大数据分布式编程框架的工业监控软件预测维护*** | |
| CN111709597A (zh) | 一种电网生产域运营监测*** | |
| CN111311033B (zh) | 一种基于电量互保评价的售电公司电量偏差控制*** |
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 |