CN114282605A - 一种配电网设备异常识别方法及其*** - Google Patents
一种配电网设备异常识别方法及其*** Download PDFInfo
- Publication number
- CN114282605A CN114282605A CN202111495800.1A CN202111495800A CN114282605A CN 114282605 A CN114282605 A CN 114282605A CN 202111495800 A CN202111495800 A CN 202111495800A CN 114282605 A CN114282605 A CN 114282605A
- Authority
- CN
- China
- Prior art keywords
- state
- distribution network
- equipment
- defect
- power distribution
- 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
Images
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请涉及一种配电网设备异常识别方法及其***,在获得配电网设备运行状态信息集合之后能够进一步确定缺陷环境运行状态信息集合,这样可以通过不同的状态描述挖掘子网对不同的运行状态信息进行针对性挖掘和识别,以准确完整地获得不同的状态描述分布。进一步地,综合不同的状态描述分布并调用设备缺陷识别子网能够精准定位配电网设备运行状态信息所指向的缺陷主题量化可能性,这样可以依据缺陷主题量化可能性精准定位配电网设备运行状态信息集合所对应的异常识别情况,从而结合设备运行层面和缺陷环境层面进行分析以提高配电网设备异常识别的精度的可信度。
Description
技术领域
本申请实施例涉及配电网安全分析技术领域,具体涉及一种配电网设备异常识别方法及其***。
背景技术
配电站(配电室)/变电站是电力***重要设施,对配电站和变电站的异常监测和识别,是整个配电网设施安全、作业安全的重要保障,保障设备现场环境的安全对电力***的稳定、可靠运行起到重要的作用。然而在实际应用中,配电网的规模相对庞大,这样可能会提高异常识别难度。比如,相关技术往往仅基于一个层面进行配电网的异常识别,这样难以保障异常识别的精度和可信度。
发明内容
有鉴于此,本申请实施例提供了一种配电网设备异常识别方法及其***。
本申请实施例提供了一种配电网设备异常识别方法,应用于配电网设备异常识别***,所述方法至少包括:采集配电网设备运行状态信息集合;其中,所述配电网设备运行状态信息集合包含存在先后顺序的若干组配电网设备运行状态信息;利用所述配电网设备运行状态信息集合确定缺陷环境运行状态信息集合;其中,所述缺陷环境运行状态信息集合包含存在先后顺序的若干组缺陷环境运行状态信息;结合所述配电网设备运行状态信息集合,通过配电网设备异常识别网络所涵盖的第一状态描述挖掘子网确定配电网设备状态描述分布集合;其中,所述配电网设备状态描述分布集合包括若干个配电网设备状态描述分布;结合所述缺陷环境运行状态信息集合,通过所述配电网设备异常识别网络所涵盖的第二状态描述挖掘子网确定缺陷环境状态描述分布集合;其中,所述缺陷环境状态描述分布集合包括若干个缺陷环境状态描述分布;结合所述配电网设备状态描述分布集合以及所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性;利用所述缺陷主题量化可能性确定所述配电网设备运行状态信息集合的异常识别情况。
对于一些优选的实施例而言,所述结合所述配电网设备状态描述分布集合以及所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性,包括:结合所述配电网设备状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第一设备线路结构局部关注子网确定若干个第一数组型设备状态内容;其中,每个第一数组型设备状态内容匹配于一个配电网设备状态描述分布;结合所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第二设备线路结构局部关注子网确定若干个第二数组型设备状态内容;其中,每个第二数组型设备状态内容匹配于一个缺陷环境状态描述分布;对所述若干个第一数组型设备状态内容以及所述若干个第二数组型设备状态内容进行合并操作,得到若干个目标数组型设备状态内容;其中,每个目标数组型设备状态内容涵盖一个第一数组型设备状态内容以及一个第二数组型设备状态内容;结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的所述设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性。
对于一些优选的实施例而言,所述结合所述配电网设备状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第一设备线路结构局部关注子网确定若干个第一数组型设备状态内容,包括:对于所述配电网设备状态描述分布集合中的每个配电网设备状态描述分布,通过所述第一设备线路结构局部关注子网所涵盖的个体性描述精简模型确定第一个体性精简化状态描述分布;其中,所述第一设备线路结构局部关注子网属于所述配电网设备异常识别网络;对于所述配电网设备状态描述分布集合中的每个配电网设备状态描述分布,通过所述第一设备线路结构局部关注子网所涵盖的群体性描述精简模型确定第一群体性精简化状态描述分布;对于所述配电网设备状态描述分布集合中的每个配电网设备状态描述分布,结合所述第一个体性精简化状态描述分布以及所述第一群体性精简化状态描述分布,通过所述第一设备线路结构局部关注子网所涵盖的滑动平均处理模型确定第一全局化状态描述分布;对于所述配电网设备状态描述分布集合中的每个配电网设备状态描述分布,结合所述第一全局化状态描述分布以及所述配电网设备状态描述分布,通过所述第一设备线路结构局部关注子网所涵盖的第一群体性描述精简模型确定第一数组型设备状态内容。
对于一些优选的实施例而言,所述结合所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第二设备线路结构局部关注子网确定若干个第二数组型设备状态内容,包括:对于所述缺陷环境状态描述分布集合中的每个缺陷环境状态描述分布,通过所述第二设备线路结构局部关注子网所涵盖的个体性描述精简模型确定第二个体性精简化状态描述分布;其中,所述第二设备线路结构局部关注子网属于所述配电网设备异常识别网络;对于所述缺陷环境状态描述分布集合中的每个缺陷环境状态描述分布,通过所述第二设备线路结构局部关注子网所涵盖的群体性描述精简模型确定第二群体性精简化状态描述分布;对于所述缺陷环境状态描述分布集合中的每个缺陷环境状态描述分布,结合所述第二个体性精简化状态描述分布以及所述第二群体性精简化状态描述分布,通过所述第二设备线路结构局部关注子网所涵盖的滑动平均处理模型确定第二全局化状态描述分布;对于所述缺陷环境状态描述分布集合中的每个缺陷环境状态描述分布,结合所述第二全局化状态描述分布以及所述缺陷环境状态描述分布,通过所述第二设备线路结构局部关注子网所涵盖的第二群体性描述精简模型确定第二数组型设备状态内容。
对于一些优选的实施例而言,所述结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的所述设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性,包括:结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的设备实时需求局部关注子网确定全局化数组型设备状态内容;其中,所述全局化数组型设备状态内容为利用所述若干个目标数组型设备状态内容以及若干个时维重要性指数确定的,每个目标数组型设备状态内容匹配于一个时维重要性指数;结合所述全局化数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的所述设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性。
对于一些优选的实施例而言,所述结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的设备实时需求局部关注子网确定全局化数组型设备状态内容,包括:结合所述若干个目标数组型设备状态内容,通过所述设备实时需求局部关注子网所涵盖的第一局部关注模型确定若干个第一局部数组型设备状态内容;其中,所述设备实时需求局部关注子网属于所述配电网设备异常识别网络;结合所述若干个第一局部数组型设备状态内容,通过所述设备实时需求局部关注子网所涵盖的第二局部关注模型确定若干个第二局部数组型设备状态内容;利用所述若干个第二局部数组型设备状态内容确定若干个时维重要性指数;其中,每个时维重要性指数匹配于一个目标数组型设备状态内容;利用所述若干个目标数组型设备状态内容以及若干个时维重要性指数,确定所述全局化数组型设备状态内容。
对于一些优选的实施例而言,所述结合所述配电网设备状态描述分布集合以及所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性,包括:结合所述配电网设备状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第一群体性描述精简模型确定若干个第一数组型设备状态内容;其中,每个第一数组型设备状态内容匹配于一个配电网设备状态描述分布;结合所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第二群体性描述精简模型确定若干个第二数组型设备状态内容;其中,每个第二数组型设备状态内容匹配于一个缺陷环境状态描述分布;对所述若干个第一数组型设备状态内容以及所述若干个第二数组型设备状态内容进行合并操作,得到若干个目标数组型设备状态内容;其中,每个目标数组型设备状态内容涵盖一个第一数组型设备状态内容以及一个第二数组型设备状态内容;结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的设备实时需求局部关注子网确定全局化数组型设备状态内容;其中,所述全局化数组型设备状态内容为利用所述若干个目标数组型设备状态内容以及若干个时维重要性指数确定的,每个目标数组型设备状态内容匹配于一个时维重要性指数;结合所述全局化数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的所述设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性。
对于一些优选的实施例而言,所述利用所述配电网设备运行状态信息集合确定缺陷环境运行状态信息集合,包括:对于所述配电网设备运行状态信息集合中的每个配电网设备运行状态信息,通过运行状态信息优化网络确定第一缺陷环境信息集、第二缺陷环境信息集以及第三缺陷环境信息集;利用所述每个配电网设备运行状态信息所指向的所述第一缺陷环境信息集、所述第二缺陷环境信息集以及所述第三缺陷环境信息集,确定所述每个配电网设备运行状态信息所指向的缺陷环境运行状态信息。
本申请实施例还提供了一种配电网设备异常识别***,包括处理器、网络模块和存储器;所述处理器和所述存储器通过所述网络模块通信,所述处理器从所述存储器中读取计算机程序并运行,以执行上述的方法。
本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在运行时实现上述的方法。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序在运行时实现上述的方法。
应用于本申请实施例,首先采集配电网设备运行状态信息集合,然后根据配电网设备运行状态信息集合确定缺陷环境运行状态信息集合,基于配电网设备运行状态信息集合,通过配电网设备异常识别网络所涵盖的第一状态描述挖掘子网确定配电网设备状态描述分布集合,并且基于缺陷环境运行状态信息集合,通过配电网设备异常识别网络所涵盖的第二状态描述挖掘子网确定缺陷环境状态描述分布集合,再基于配电网设备状态描述分布集合以及缺陷环境状态描述分布集合,通过配电网设备异常识别网络所涵盖的设备缺陷识别子网确定配电网设备运行状态信息所指向的缺陷主题量化可能性,继而依据缺陷主题量化可能性确定配电网设备运行状态信息集合的异常识别情况。
通过上述技术方案,在获得配电网设备运行状态信息集合之后能够进一步确定缺陷环境运行状态信息集合,这样可以通过不同的状态描述挖掘子网对不同的运行状态信息进行针对性挖掘和识别,以准确完整地获得不同的状态描述分布。进一步地,综合不同的状态描述分布并调用设备缺陷识别子网能够精准定位配电网设备运行状态信息所指向的缺陷主题量化可能性,这样可以依据缺陷主题量化可能性精准定位配电网设备运行状态信息集合所对应的异常识别情况,从而结合设备运行层面和缺陷环境层面进行分析以提高配电网设备异常识别的精度的可信度。
在后面的描述中,将部分地陈述其他的特征。在检查后面内容和附图时,本领域的技术人员将部分地发现这些特征,或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面,当前申请中的特征可以被实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,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相关的附图。
图1为本申请实施例所提供的一种配电网设备异常识别***的方框示意图。
图2为本申请实施例所提供的一种配电网设备异常识别方法的流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本申请的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
图1示出了本申请实施例所提供的一种配电网设备异常识别***10的方框示意图。本申请实施例中的配电网设备异常识别***10可以为具有数据存储、传输、处理功能的服务端,如图1所示,配电网设备异常识别***10包括:存储器11、处理器12、网络模块13和配电网设备异常识别装置20。
存储器11、处理器12和网络模块13之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有配电网设备异常识别装置20,所述配电网设备异常识别装置20包括至少一个可以软件或固件(firmware)的形式储存于所述存储器11中的软件功能模块,所述处理器12通过运行存储在存储器11内的软件程序以及模块,例如本申请实施例中的配电网设备异常识别装置20,从而执行各种功能应用以及数据处理,即实现本申请实施例中的配电网设备异常识别方法。
其中,所述存储器11可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器11用于存储程序,所述处理器12在接收到执行指令后,执行所述程序。
所述处理器12可能是一种集成电路芯片,具有数据的处理能力。上述的处理器12可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
网络模块13用于通过网络建立配电网设备异常识别***10与其他通信终端设备之间的通信连接,实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解,图1所示的结构仅为示意,配电网设备异常识别***10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序在运行时实现上述的方法。
图2示出了本申请实施例所提供的一种配电网设备异常识别方法的流程图。所述方法有关的流程所定义的方法步骤应用于配电网设备异常识别***10,可以由所述处理器12实现,所述方法包括以下步骤所描述的内容。
步骤21、采集配电网设备运行状态信息集合。
在本申请实施例中,所述配电网设备运行状态信息集合包含存在先后顺序(在时间上连续的)的若干组配电网设备运行状态信息(包括但不限于电压状态信息、电流状态信息、功耗状态信息等、表计状态信息、变压器状态信息等)。
步骤22、利用所述配电网设备运行状态信息集合确定缺陷环境运行状态信息集合。
在本申请实施例中,所述缺陷环境运行状态信息集合包含存在先后顺序的若干组缺陷环境运行状态信息(包括但不限于设备损坏状态信息、设备污秽度状态信息、环境温度状态信息、环境湿度状态信息等)。
在一些可能的示例中,步骤22所描述的利用所述配电网设备运行状态信息集合确定缺陷环境运行状态信息集合,可以通过步骤221和步骤222实现。
步骤221、对于所述配电网设备运行状态信息集合中的每个配电网设备运行状态信息,通过运行状态信息优化网络确定第一缺陷环境信息集、第二缺陷环境信息集以及第三缺陷环境信息集。
在本申请实施例中,运行状态信息优化网络用于对噪声信息进行过滤,第一缺陷环境信息集、第二缺陷环境信息集以及第三缺陷环境信息集的重要性指数(取值范围为0~1)不同。
步骤222、利用所述每个配电网设备运行状态信息所指向的所述第一缺陷环境信息集、所述第二缺陷环境信息集以及所述第三缺陷环境信息集,确定所述每个配电网设备运行状态信息所指向的缺陷环境运行状态信息。
如此设计,通过实施步骤221-步骤222,能够基于不同的重要性指数进行缺陷环境信息集的确定,从而保障缺陷环境运行状态信息的完整性和精度。
步骤23、结合所述配电网设备运行状态信息集合,通过配电网设备异常识别网络(比如可以理解为神经网络模型,包括但不限于CNN或者LSTM等)所涵盖的第一状态描述挖掘子网(比如可以理解为特征提取子网或者特征提取模块等)确定配电网设备状态描述分布集合。
在本申请实施例中,所述配电网设备状态描述分布集合包括若干个配电网设备状态描述分布(比如可以理解为配电网设备的状态特征图)。
步骤24、结合所述缺陷环境运行状态信息集合,通过所述配电网设备异常识别网络所涵盖的第二状态描述挖掘子网确定缺陷环境状态描述分布集合。
在本申请实施例中,所述缺陷环境状态描述分布集合包括若干个缺陷环境状态描述分布(比可以理解为缺陷环/异常境状的状态特征图)。
步骤25、结合所述配电网设备状态描述分布集合以及所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的设备缺陷识别子网(该设备缺陷识别子网可以理解为分类子网,包括但不限于分类器、支持向量机等)确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性(该缺陷主题量化可能性可以理解为缺陷主题概率,比如缺陷主题量化可能性A_0.6可以表征配电网设备运行状态信息所指向缺陷主题“绝缘子破损”的识别概率为0.6)。
在一些可能的实施例中,步骤25所描述的结合所述配电网设备状态描述分布集合以及所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性,可以通过步骤251-步骤254所描述的技术方案实现。
步骤251、结合所述配电网设备状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第一设备线路结构局部关注子网确定若干个第一数组型设备状态内容。
在本申请实施例中,每个第一数组型设备状态内容(比如可以理解为特征向量)匹配于一个配电网设备状态描述分布。进一步地,设备线路结构局部关注子网可以理解为空间关注模型或者空域注意力模型。
在一些可独立实施的设计思路下,步骤251所描述的结合所述配电网设备状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第一设备线路结构局部关注子网确定若干个第一数组型设备状态内容,可以包括以下内容:对于所述配电网设备状态描述分布集合中的每个配电网设备状态描述分布,通过所述第一设备线路结构局部关注子网所涵盖的个体性描述精简模型确定第一个体性精简化状态描述分布;其中,所述第一设备线路结构局部关注子网属于所述配电网设备异常识别网络;对于所述配电网设备状态描述分布集合中的每个配电网设备状态描述分布,通过所述第一设备线路结构局部关注子网所涵盖的群体性描述精简模型确定第一群体性精简化状态描述分布;对于所述配电网设备状态描述分布集合中的每个配电网设备状态描述分布,结合所述第一个体性精简化状态描述分布以及所述第一群体性精简化状态描述分布,通过所述第一设备线路结构局部关注子网所涵盖的滑动平均处理模型确定第一全局化状态描述分布;对于所述配电网设备状态描述分布集合中的每个配电网设备状态描述分布,结合所述第一全局化状态描述分布以及所述配电网设备状态描述分布,通过所述第一设备线路结构局部关注子网所涵盖的第一群体性描述精简模型确定第一数组型设备状态内容。
在本申请实施例中,个体性精简化对应于最大池化处理,群体性精简化对应于平均池化处理,相关的精简模型作类似理解,在此不作赘述。如此设计,能够保障第一数组型设备状态内容的精度和特征识别度。
步骤252、结合所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第二设备线路结构局部关注子网确定若干个第二数组型设备状态内容。
在本申请实施例中,每个第二数组型设备状态内容匹配于一个缺陷环境状态描述分布。
对于一些可独立实施的设计思路而言,步骤252所描述的
步骤253、对所述若干个第一数组型设备状态内容以及所述若干个第二数组型设备状态内容进行合并操作,得到若干个目标数组型设备状态内容。
在本申请实施例中,每个目标数组型设备状态内容涵盖一个第一数组型设备状态内容以及一个第二数组型设备状态内容。此外,合并操作可以理解为拼接操作。
步骤254、结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的所述设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性。
对于一些可独立实施的设计思路而言,步骤254所描述的结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的所述设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性,可以通过一下技术方案实现:结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的设备实时需求局部关注子网确定全局化数组型设备状态内容;其中,所述全局化数组型设备状态内容为利用所述若干个目标数组型设备状态内容以及若干个时维重要性指数确定的,每个目标数组型设备状态内容匹配于一个时维重要性指数;结合所述全局化数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的所述设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性。
在本申请实施例中,设备实时需求局部关注子网可以理解为时间关注模型或者时维注意力模型,而全局化数组型设备状态内容可以理解为经过融合的状态特征向量,且时维重要性指数可以理解为时序权重,如此,可以基于时效性层面确定缺陷主题量化可能性,从而保障异常识别尽可能不会出现延迟。
在另一些可能的实施例中,上述步骤所描述的结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的设备实时需求局部关注子网确定全局化数组型设备状态内容,可以包括一下内容:结合所述若干个目标数组型设备状态内容,通过所述设备实时需求局部关注子网所涵盖的第一局部关注模型确定若干个第一局部数组型设备状态内容;其中,所述设备实时需求局部关注子网属于所述配电网设备异常识别网络;结合所述若干个第一局部数组型设备状态内容,通过所述设备实时需求局部关注子网所涵盖的第二局部关注模型确定若干个第二局部数组型设备状态内容;利用所述若干个第二局部数组型设备状态内容确定若干个时维重要性指数;其中,每个时维重要性指数匹配于一个目标数组型设备状态内容;利用所述若干个目标数组型设备状态内容以及若干个时维重要性指数,确定所述全局化数组型设备状态内容。
如此设计,通过分治思想和阶段性处理,能够完整、快速地确定全局化数组型设备状态内容。
可以理解的是,通过步骤251-步骤254,能够借助设备线路结构局部关注子网确定对应的特征向量,并基于特征向量的融合进行缺陷主题量化可能性的准确确定。
在另一些可独立实施的设计思路下,步骤25所描述的结合所述配电网设备状态描述分布集合以及所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性,可以通过以下技术方案实现:结合所述配电网设备状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第一群体性描述精简模型确定若干个第一数组型设备状态内容;其中,每个第一数组型设备状态内容匹配于一个配电网设备状态描述分布;结合所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第二群体性描述精简模型确定若干个第二数组型设备状态内容;其中,每个第二数组型设备状态内容匹配于一个缺陷环境状态描述分布;对所述若干个第一数组型设备状态内容以及所述若干个第二数组型设备状态内容进行合并操作,得到若干个目标数组型设备状态内容;其中,每个目标数组型设备状态内容涵盖一个第一数组型设备状态内容以及一个第二数组型设备状态内容;结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的设备实时需求局部关注子网确定全局化数组型设备状态内容;其中,所述全局化数组型设备状态内容为利用所述若干个目标数组型设备状态内容以及若干个时维重要性指数确定的,每个目标数组型设备状态内容匹配于一个时维重要性指数;结合所述全局化数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的所述设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性。
步骤26、利用所述缺陷主题量化可能性确定所述配电网设备运行状态信息集合的异常识别情况。
在本申请实施例中,可以通过将缺陷主题量化可能性与设定概率进行比较以确定异常识别情况,比如缺陷主题量化可能性B_0.9所对应的概率0.9大于设定概率0.8,则可以确定配电网设备运行状态信息集合的异常识别情况为缺陷主题量化可能性B_0.9对应的缺陷主题“变压器呼吸器缺陷”。
示例性地,本申请针对设备本体缺陷的异常识别主要包括:变压器、CT/PT漏油识别,表计破损识别,绝缘子破损识别,变压器呼吸器缺陷识别,设备表面污秽识别等,但不限于此。
在另一可能的示例中,还可以借助上述思路建立图像识别策略,从而实现对安监领域人员的违章行为识别,比如将根据实际典型作业场景,收集电网公司制定的对应标准作业规程,确立实际的常见违规行为识别需求痛点,开展基于视频流的人员行为检测。通过综合挖掘深度学***。
在一些实施例中,针对配电网典型场景下的人员违章行为识别技术主要包含以下内容:基于视频流的人员违章行为识别:跨越安全围栏、单人放倒人字梯、高空抛物、作业现场吸烟、人员异常倒地等;基于视频帧的人员违章行为识别:未戴安全帽、未系安全帽下颌带、未佩戴绝缘手套、未规范着工装、作业现场吸烟、作业期间打电话、跨越或下穿安全围栏、作业现场孔洞未遮盖、绝缘梯上有人工作时无人扶梯、未设置安全标示牌、现场无工作负责人、未穿绝缘靴、配电站房异物检测等。其他涉及目标跟踪的人员违章行为识别:如人员进入禁止闯入区域,吊臂下有人等。人员安全行为识别相关算法模型可以灵活的部署于云端和边缘设备,且模型独立性强,具有较强的集成和调用便利性,适合各业务场景大范围广泛推广。
基于此,该设计思路包含利用人工智能实现现场视频、图像故障场景的自动识别,能够自动判断出现场设备场地情况的环境异常和行为场景并给予自动告警,向安全管控平台传输风险场景识别结果,实现***的自动告警,同时能够与其他传感装置实现联动控制,统一进行现场传动设备的集中监视和统一管理。如发现非法入侵情况,自动转动摄像头聚焦非法入侵点,实现图像的聚焦化,便于工作人员调阅查询;发现火灾或者烟雾等安全隐患情况,通过安全管控平台控制相对应的消防实施进行灭火处理,消除安全隐患。总之,采用网络、计算、AI智能、传动控制核心能力为一体,就近提供最近端服务,产生更快的现场服务响应能力。
综上,应用于本申请实施例,首先采集配电网设备运行状态信息集合,然后根据配电网设备运行状态信息集合确定缺陷环境运行状态信息集合,基于配电网设备运行状态信息集合,通过配电网设备异常识别网络所涵盖的第一状态描述挖掘子网确定配电网设备状态描述分布集合,并且基于缺陷环境运行状态信息集合,通过配电网设备异常识别网络所涵盖的第二状态描述挖掘子网确定缺陷环境状态描述分布集合,再基于配电网设备状态描述分布集合以及缺陷环境状态描述分布集合,通过配电网设备异常识别网络所涵盖的设备缺陷识别子网确定配电网设备运行状态信息所指向的缺陷主题量化可能性,继而依据缺陷主题量化可能性确定配电网设备运行状态信息集合的异常识别情况。
通过上述技术方案,在获得配电网设备运行状态信息集合之后能够进一步确定缺陷环境运行状态信息集合,这样可以通过不同的状态描述挖掘子网对不同的运行状态信息进行针对性挖掘和识别,以准确完整地获得不同的状态描述分布。进一步地,综合不同的状态描述分布并调用设备缺陷识别子网能够精准定位配电网设备运行状态信息所指向的缺陷主题量化可能性,这样可以依据缺陷主题量化可能性精准定位配电网设备运行状态信息集合所对应的异常识别情况,从而结合设备运行层面和缺陷环境层面进行分析以提高配电网设备异常识别的精度的可信度。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,配电网设备异常识别***10,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种配电网设备异常识别方法,其特征在于,应用于配电网设备异常识别***,所述方法至少包括:
采集配电网设备运行状态信息集合;其中,所述配电网设备运行状态信息集合包含存在先后顺序的若干组配电网设备运行状态信息;
利用所述配电网设备运行状态信息集合确定缺陷环境运行状态信息集合;其中,所述缺陷环境运行状态信息集合包含存在先后顺序的若干组缺陷环境运行状态信息;
结合所述配电网设备运行状态信息集合,通过配电网设备异常识别网络所涵盖的第一状态描述挖掘子网确定配电网设备状态描述分布集合;其中,所述配电网设备状态描述分布集合包括若干个配电网设备状态描述分布;
结合所述缺陷环境运行状态信息集合,通过所述配电网设备异常识别网络所涵盖的第二状态描述挖掘子网确定缺陷环境状态描述分布集合;其中,所述缺陷环境状态描述分布集合包括若干个缺陷环境状态描述分布;
结合所述配电网设备状态描述分布集合以及所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性;
利用所述缺陷主题量化可能性确定所述配电网设备运行状态信息集合的异常识别情况。
2.根据权利要求1所述的方法,其特征在于,所述结合所述配电网设备状态描述分布集合以及所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性,包括:
结合所述配电网设备状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第一设备线路结构局部关注子网确定若干个第一数组型设备状态内容;其中,每个第一数组型设备状态内容匹配于一个配电网设备状态描述分布;
结合所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第二设备线路结构局部关注子网确定若干个第二数组型设备状态内容;其中,每个第二数组型设备状态内容匹配于一个缺陷环境状态描述分布;
对所述若干个第一数组型设备状态内容以及所述若干个第二数组型设备状态内容进行合并操作,得到若干个目标数组型设备状态内容;其中,每个目标数组型设备状态内容涵盖一个第一数组型设备状态内容以及一个第二数组型设备状态内容;
结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的所述设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性。
3.根据权利要求2所述的方法,其特征在于,所述结合所述配电网设备状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第一设备线路结构局部关注子网确定若干个第一数组型设备状态内容,包括:
对于所述配电网设备状态描述分布集合中的每个配电网设备状态描述分布,通过所述第一设备线路结构局部关注子网所涵盖的个体性描述精简模型确定第一个体性精简化状态描述分布;其中,所述第一设备线路结构局部关注子网属于所述配电网设备异常识别网络;
对于所述配电网设备状态描述分布集合中的每个配电网设备状态描述分布,通过所述第一设备线路结构局部关注子网所涵盖的群体性描述精简模型确定第一群体性精简化状态描述分布;
对于所述配电网设备状态描述分布集合中的每个配电网设备状态描述分布,结合所述第一个体性精简化状态描述分布以及所述第一群体性精简化状态描述分布,通过所述第一设备线路结构局部关注子网所涵盖的滑动平均处理模型确定第一全局化状态描述分布;
对于所述配电网设备状态描述分布集合中的每个配电网设备状态描述分布,结合所述第一全局化状态描述分布以及所述配电网设备状态描述分布,通过所述第一设备线路结构局部关注子网所涵盖的第一群体性描述精简模型确定第一数组型设备状态内容。
4.根据权利要求2所述的方法,其特征在于,所述结合所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第二设备线路结构局部关注子网确定若干个第二数组型设备状态内容,包括:
对于所述缺陷环境状态描述分布集合中的每个缺陷环境状态描述分布,通过所述第二设备线路结构局部关注子网所涵盖的个体性描述精简模型确定第二个体性精简化状态描述分布;其中,所述第二设备线路结构局部关注子网属于所述配电网设备异常识别网络;
对于所述缺陷环境状态描述分布集合中的每个缺陷环境状态描述分布,通过所述第二设备线路结构局部关注子网所涵盖的群体性描述精简模型确定第二群体性精简化状态描述分布;
对于所述缺陷环境状态描述分布集合中的每个缺陷环境状态描述分布,结合所述第二个体性精简化状态描述分布以及所述第二群体性精简化状态描述分布,通过所述第二设备线路结构局部关注子网所涵盖的滑动平均处理模型确定第二全局化状态描述分布;
对于所述缺陷环境状态描述分布集合中的每个缺陷环境状态描述分布,结合所述第二全局化状态描述分布以及所述缺陷环境状态描述分布,通过所述第二设备线路结构局部关注子网所涵盖的第二群体性描述精简模型确定第二数组型设备状态内容。
5.根据权利要求2所述的方法,其特征在于,所述结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的所述设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性,包括:
结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的设备实时需求局部关注子网确定全局化数组型设备状态内容;其中,所述全局化数组型设备状态内容为利用所述若干个目标数组型设备状态内容以及若干个时维重要性指数确定的,每个目标数组型设备状态内容匹配于一个时维重要性指数;
结合所述全局化数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的所述设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性。
6.根据权利要求5所述的方法,其特征在于,所述结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的设备实时需求局部关注子网确定全局化数组型设备状态内容,包括:
结合所述若干个目标数组型设备状态内容,通过所述设备实时需求局部关注子网所涵盖的第一局部关注模型确定若干个第一局部数组型设备状态内容;其中,所述设备实时需求局部关注子网属于所述配电网设备异常识别网络;
结合所述若干个第一局部数组型设备状态内容,通过所述设备实时需求局部关注子网所涵盖的第二局部关注模型确定若干个第二局部数组型设备状态内容;
利用所述若干个第二局部数组型设备状态内容确定若干个时维重要性指数;其中,每个时维重要性指数匹配于一个目标数组型设备状态内容;
利用所述若干个目标数组型设备状态内容以及若干个时维重要性指数,确定所述全局化数组型设备状态内容。
7.根据权利要求1所述的方法,其特征在于,所述结合所述配电网设备状态描述分布集合以及所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性,包括:
结合所述配电网设备状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第一群体性描述精简模型确定若干个第一数组型设备状态内容;其中,每个第一数组型设备状态内容匹配于一个配电网设备状态描述分布;
结合所述缺陷环境状态描述分布集合,通过所述配电网设备异常识别网络所涵盖的第二群体性描述精简模型确定若干个第二数组型设备状态内容;其中,每个第二数组型设备状态内容匹配于一个缺陷环境状态描述分布;
对所述若干个第一数组型设备状态内容以及所述若干个第二数组型设备状态内容进行合并操作,得到若干个目标数组型设备状态内容;其中,每个目标数组型设备状态内容涵盖一个第一数组型设备状态内容以及一个第二数组型设备状态内容;
结合所述若干个目标数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的设备实时需求局部关注子网确定全局化数组型设备状态内容;其中,所述全局化数组型设备状态内容为利用所述若干个目标数组型设备状态内容以及若干个时维重要性指数确定的,每个目标数组型设备状态内容匹配于一个时维重要性指数;
结合所述全局化数组型设备状态内容,通过所述配电网设备异常识别网络所涵盖的所述设备缺陷识别子网确定所述配电网设备运行状态信息集合所指向的缺陷主题量化可能性。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述利用所述配电网设备运行状态信息集合确定缺陷环境运行状态信息集合,包括:
对于所述配电网设备运行状态信息集合中的每个配电网设备运行状态信息,通过运行状态信息优化网络确定第一缺陷环境信息集、第二缺陷环境信息集以及第三缺陷环境信息集;
利用所述每个配电网设备运行状态信息所指向的所述第一缺陷环境信息集、所述第二缺陷环境信息集以及所述第三缺陷环境信息集,确定所述每个配电网设备运行状态信息所指向的缺陷环境运行状态信息。
9.一种配电网设备异常识别***,其特征在于,包括处理器、网络模块和存储器;所述处理器和所述存储器通过所述网络模块通信,所述处理器从所述存储器中读取计算机程序并运行,以执行权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序在运行时实现权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111495800.1A CN114282605A (zh) | 2021-12-08 | 2021-12-08 | 一种配电网设备异常识别方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111495800.1A CN114282605A (zh) | 2021-12-08 | 2021-12-08 | 一种配电网设备异常识别方法及其*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114282605A true CN114282605A (zh) | 2022-04-05 |
Family
ID=80871422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111495800.1A Pending CN114282605A (zh) | 2021-12-08 | 2021-12-08 | 一种配电网设备异常识别方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114282605A (zh) |
-
2021
- 2021-12-08 CN CN202111495800.1A patent/CN114282605A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113095132B (zh) | 基于神经网络燃气现场识别方法、***、终端及存储介质 | |
CN115865649B (zh) | 一种智能运维管理控制方法、***和存储介质 | |
CN112800910A (zh) | 一种通讯机房维护作业效能评估方法及*** | |
CN112688434A (zh) | 输配电线路的监测预警方法、装置、计算机设备和介质 | |
CN113723184A (zh) | 基于智能网关的场景识别***、方法、装置和智能网关 | |
CN108039971A (zh) | 一种告警方法及装置 | |
CN107920224B (zh) | 一种异常告警方法、设备及视频监控*** | |
CN112016739B (zh) | 故障检测方法、装置、电子设备及存储介质 | |
CN111308241A (zh) | 基于gis平台的防雷设施在线安全监测方法及装置 | |
CN104574729A (zh) | 一种报警方法、装置及*** | |
CN117595504A (zh) | 一种电网运行状态的智能监测预警方法 | |
CN114282605A (zh) | 一种配电网设备异常识别方法及其*** | |
CN114768158B (zh) | 一种智慧消防***及其自动巡检方法 | |
CN116433029A (zh) | 电力作业风险评估方法、***、设备及存储介质 | |
CN115494871A (zh) | 一种输电线路异常的无人机巡检方法、装置以及*** | |
CN114358165A (zh) | 基于多源数据融合的预防光伏组件接地故障的检测方法 | |
CN115664006A (zh) | 一种增量配电网智能管控一体化平台 | |
CN113178060A (zh) | 一种野生动物ai检测方法及检测*** | |
CN106296442A (zh) | 一种电力设备仿真监控方法及*** | |
CN115082851A (zh) | 山火监测***以及方法 | |
CN117875946B (zh) | 一种用于变电站设备运维的人机协同自主红外巡检方法 | |
US20230222793A1 (en) | Electric power grid inspection and management system | |
CN116739357B (zh) | 多模态融合感知的城市既有建筑广域监测预警方法及装置 | |
CN117639223A (zh) | 变电站的监控方法、装置、计算机设备及存储介质 | |
CN105471851A (zh) | 审计*** |
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 |