CN115833400A - 一种变电站电力设备的监测预警方法及*** - Google Patents

Abstract

本发明提供了一种变电站电力设备的监测预警方法及***，涉及设备监测预警技术领域，采集设备基础信息进行监测节点布设，设定节点特征标识，采集设备历史运行信息提取设备特征，获取监测节点交互数据集合，构建异常检测模型，对交互数据集合进行模型分析输出异常预测结果；采集监测电力设备温度，获得温度采集集合，联合异常预测结果生成异常预警信息，进行电力设备监测管理，解决了现有技术中电力设备的监测预警方法较为常规，不够智能化，造成检测效率低下且检测结果精准度不足，无法保障异常预警的及时性，造成设备运维缺陷的技术问题，通过优化数据处理流程与方法严谨度，实现电力设备异常的智能化精准高效检测，维系设备的持续正常运行。

Description

一种变电站电力设备的监测预警方法及***

技术领域

本发明涉及设备监测预警技术领域，具体涉及一种变电站电力设备的监测预警方法及***。

背景技术

变电站中安装有多种电力设备，可细化为一次设备与二次设备，作为主控制设备与辅助控制设备，用于进行电能的输送与分配，以实现电能的转换、监测、调整。变电站运行进程中，不可避免的会存在设备异常，造成电能调控影响。

现如今，传统的电力设备监测方法通过进行定期预防性巡检，基于表象、指示仪表等多依靠专业人员经验进行异常判定，检测方法较为常规且存在一定的主观性，无法及时获取设备异常检测结果，导致后续检修无法及时跟进，存在一定的瑕疵，需进一步进行优化。

现有技术中，对于电力设备的监测预警方法较为常规，不够智能化，造成检测效率低下且检测结果精准度不足，无法保障异常预警的及时性，造成设备运维缺陷。

发明内容

本申请提供了一种变电站电力设备的监测预警方法及***，用于针对解决现有技术中存在的电力设备的监测预警方法较为常规，不够智能化，造成检测效率低下且检测结果精准度不足，无法保障异常预警的及时性，造成设备运维缺陷的技术问题。

鉴于上述问题，本申请提供了一种变电站电力设备的监测预警方法及***。

第一方面，本申请提供了一种变电站电力设备的监测预警方法，所述方法包括：

采集获得监测电力设备的设备基础信息，其中，所述设备基础信息包括设备属性信息；

根据所述设备基础信息布设监测节点，并设定节点特征标识；

采集获得所述监测电力设备的设备历史运行信息，根据所述设备历史运行信息进行设备特征提取，获得设备特征提取结果；

通过所述数据交互装置对所述监测节点进行设备运行信息交互，获得交互数据集合，其中，所述交互数据集合带有所述节点特征标识；

根据所述设备基础信息、所述节点特征标识和大数据构建异常检测模型，通过所述设备特征提取结果进行所述异常检测模型的模型修正；

将带有所述节点特征标识的所述交互数据集合输入模型修正后的所述异常检测模型，输出异常预测结果；

通过所述温度监测装置进行所述监测电力设备的温度采集，获得温度采集集合；

根据所述温度采集集合和所述异常预测结果生成异常预警信息，通过所述异常预警信息进行所述监测电力设备的监测管理。

第二方面，本申请提供了一种变电站电力设备的监测预警***，所述***包括：

信息采集模块，所述信息采集模块用于采集获得监测电力设备的设备基础信息，其中，所述设备基础信息包括设备属性信息；

节点特征标识设定模块，所述节点特征标识设定模块用于根据所述设备基础信息布设监测节点，并设定节点特征标识；

特征提取模块，所述特征提取模块用于采集获得所述监测电力设备的设备历史运行信息，根据所述设备历史运行信息进行设备特征提取，获得设备特征提取结果；

信息交互模块，所述信息交互模块用于通过所述数据交互装置对所述监测节点进行设备运行信息交互，获得交互数据集合，其中，所述交互数据集合带有所述节点特征标识；

模型构建模块，所述模型构建模块用于根据所述设备基础信息、所述节点特征标识和大数据构建异常检测模型，通过所述设备特征提取结果进行所述异常检测模型的模型修正；

结果输出模块，所述结果输出模块用于将带有所述节点特征标识的所述交互数据集合输入模型修正后的所述异常检测模型，输出异常预测结果；

温度采集模块，所述温度采集模块用于通过所述温度监测装置进行所述监测电力设备的温度采集，获得温度采集集合；

异常预警管理模块，所述异常预警管理模块用于根据所述温度采集集合和所述异常预测结果生成异常预警信息，通过所述异常预警信息进行所述监测电力设备的监测管理。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的一种变电站电力设备的监测预警方法，采集获得监测电力设备的设备基础信息，包括设备属性信息，根据所述设备基础信息布设监测节点并设定节点特征标识；采集设备历史运行信息进行设备特征提取，获得设备特征提取结果；通过所述数据交互装置对所述监测节点进行设备运行信息交互，获得交互数据集合，所述交互数据集合带有所述节点特征标识；根据所述设备基础信息、所述节点特征标识和大数据构建异常检测模型，基于所述设备特征提取结果进行所述异常检测模型的模型修正，将所述交互数据集合输入模型修正后的所述异常检测模型，输出异常预测结果；通过所述温度监测装置进行所述监测电力设备的温度采集，获得温度采集集合，联合所述异常预测结果生成异常预警信息，进行所述监测电力设备的监测管理，解决了现有技术中存在的电力设备的监测预警方法较为常规，不够智能化，造成检测效率低下且检测结果精准度不足，无法保障异常预警的及时性，造成设备运维缺陷的技术问题，通过优化数据处理流程与方法严谨度，实现电力设备异常的智能化精准高效检测，维系设备的持续正常运行。

附图说明

图1为本申请提供了一种变电站电力设备的监测预警方法流程示意图；

图2为本申请提供了一种变电站电力设备的监测预警方法中异常检测模型获取流程示意图；

图3为本申请提供了一种变电站电力设备的监测预警方法中异常预警信息获取流程示意图；

图4为本申请提供了一种变电站电力设备的监测预警***结构示意图。

附图标记说明：信息采集模块11，节点特征标识设定模块12，特征提取模块13，信息交互模块14，模型构建模块15，结果输出模块16，温度采集模块17，异常预警管理模块18。

具体实施方式

本申请通过提供一种变电站电力设备的监测预警方法及***，采集设备基础信息进行监测节点布设，设定节点特征标识，采集设备历史运行信息进行设备特征提取，获取监测节点交互数据集合，根据设备基础信息、节点特征标识和大数据构建异常检测模型，对交互数据集合进行模型分析输出异常预测结果；采集监测电力设备温度，获得温度采集集合，联合异常预测结果生成异常预警信息，进行所述监测电力设备的监测管理，用于解决现有技术中存在的电力设备的监测预警方法较为常规，不够智能化，造成检测效率低下且检测结果精准度不足，无法保障异常预警的及时性，造成设备运维缺陷的技术问题。

实施例一

如图1所示，本申请提供了一种变电站电力设备的监测预警方法，所述方法应用于监测预警***，所述监测预警***与数据交互装置、温度监测装置通信连接，所述方法包括：

步骤S100：采集获得监测电力设备的设备基础信息，其中，所述设备基础信息包括设备属性信息；

具体而言，变电站中安装有多种电力设备，用于进行电能的输送与分配，以实现电能的转换、监测、调整。变电站运行进程中，不可避免的会存在设备异常，造成电能调控影响，本申请提供的一种变电站电力设备的监测预警方法应用于所述监测预警***，所述监测预警***为进行变电站电力设备的总控***，所述***与所述数据交互装置、所述温度监测装置通信连接，基于所述数据交互装置，可确定多个监测节点的设备运行交互数据，所述温度监测装置用于对电力设备进行实时温度采集，基于实时采集数据进行设备异常运行分析预测。

具体的，采集待监测变电站内的所述监测电力设备，包括电能转换设别、传输设备等主控设备与测量仪表、继电保护设备等辅助监测设备，对所述监测电力设备进行设备属性信息分析，即同类设备的共性特征信息，包括电力设备的控制、运维等，同时对所述监测电力设备进行基本指标确定，例如设备型号、结构信息、布设信息等，对上述信息进行设备归属整合，生成所述设备基础信息，所述设备基础信息为进行所述监测电力设备运行分析的基础数据源。

步骤S200：根据所述设备基础信息布设监测节点，并设定节点特征标识；

步骤S300：采集获得所述监测电力设备的设备历史运行信息，根据所述设备历史运行信息进行设备特征提取，获得设备特征提取结果；

具体而言，通过对所述监测电力设备进行信息采集，获取所述设备基础信息。基于所述设备基础信息提取所述变电站的设备布设信息与结构信息，针对设备运行状态确定多个待监测结构位置，将其设定为所述监测节点。进而对所述监测节点进行设备可视化特征提取，例如设备结构点的静态特征与动态特征，对提取特征与所述监测电力设备进行映射对应，获取所述节点特征标识。

进一步的，获取预设时间粒度，即进行设备历史运行实况采集的时间区间，基于素数预设时间粒度所述监测电力设备进行设备历史运行信息采集，对采集数据进行时序整合，提高信息有序性。基于所述设备历史运行信息，对所述监测电力设备分别进行多个采集时间节点下设备运行特征提取，即设备的差异化特征，比如频繁断路或者短路位置，温升较快或零部件老化等，对采集的设备特征与所述监测电力设备进行关联对应，生成所述设备特征提取结果。将所述节点特征标识与所述设备特征提取结果作为设备异常检测参考信息，以提供异常评定依据。

步骤S400：通过所述数据交互装置对所述监测节点进行设备运行信息交互，获得交互数据集合，其中，所述交互数据集合带有所述节点特征标识；

具体而言，所述数据交互装置为进行设备运行数据流转的辅助设备，将所述检测节点作为数据交互监测位置，基于所述数据交互装置实现所述监测节点的运行数据交互，对所述监测节点进行设备运行交互数据采集，对数据采集结果与所述节点特征标识进行关联对应，以提高数据有序性与清晰度，便于进行识别区分，获取所述交互数据集合，所述交互数据集合为待进行异常检测的源数据。

步骤S500：根据所述设备基础信息、所述节点特征标识和大数据构建异常检测模型，通过所述设备特征提取结果进行所述异常检测模型的模型修正；

进一步而言，如图2所示，本申请步骤S500还包括：

步骤S510-1：根据所述设备基础信息、所述节点特征标识基于大数据提取获得设备运行数据集合；

步骤S520-1：对所述设备运行数据集合进行数据标识，并对所述设备运行数据集合进行标识分类，获得训练集合、测试集合；

步骤S530-1：设定多个监测阈值，根据所述多个监测阈值和所述训练集合构建多个初始异常检测模型；

步骤S540-1：通过所述测试集合进行所述多个初始异常检测模型的查全率和查准率计算，获得查全率和查准率计算结果；

步骤S550-1：根据所述查全率和所述查准率计算结果进行所述多个初始异常检测模型的模型筛选，根据筛选结果获得所述异常检测模型。

具体而言，将所述设备基础信息与所述节点特征标识作为索引，基于大数据进行运行数据采集，对采集数据进行规整，生成所述设备运行数据集合。进一步对所述设备运行数据集合进行设备节点标识，进而确定数据划分比例，所述数据划分比例可进行动态调整，以保障模型最终的训练成效，示例性的，将所述设备运行数据集合划分为k组，基于所述数据划分比例，确定所述训练集合与所述测试集合，即模型训练样本，对所述训练集合与所述测试集合分别进行运行数据与异常识别结果标识。基于所述设备节点，设定多个监测阈值，即进行节点数据异常判定临界值，所述多个监测阈值包括多个阈值标准，通过训练神经网络构建异常检测模型的主体架构，例如可以是多级网络层，包括节点数据识别层、数据异常检测层，将所述多个监测阈值与所述训练集合输入所述异常检测模型的主体架构，进行模型训练生成所述多个初始异常检测模型，其中所述多个初始异常检测模型与所述多个检测阈值相对应。

进一步将所述测试集合输入所述多个初始异常检测模型中，获取模型输出结果，进而与所述测试集合中的所述异常识别结果进行校对，基于校对结果偏差，对两者进行比值计算确定所述查全率与所述查准率，获取所述查全率与查准率计算结果。进而将所述查全率与所述查准率计算结果作为筛选依据，于所述多个初始异常检测模型中择最优者，作为所述异常检测模型。将所述设备特征提取结果输入所述异常检测模型中，进行模型优化完善。通过训练模型进行设备运行异常检测分析，可有效提高异常检测结果的准确性于客观性。

进一步而言，本申请步骤S550-1还包括：

步骤S551-1：设定比对参考值，其中，所述比对参考值为查全率与查准率的比值；

步骤S552-1：根据所述查全率和查准率计算结果分别对所述多个初始异常检测模型的比对参考值进行计算，获得比对参考值计算结果；

步骤S553-1：通过所述比对参考值计算结果进行顺序排序，基于顺序排序结果筛选获得所述异常检测模型。

具体而言，将所述测试集合输入所述多个初始异常检测模型中，获取模型输出结果，进而与所述测试集合中的异常识别结果进行偏离分析，获取运行偏离数据，所述运行偏离数据为模型的运行偏差。基于模型输出结果与所述异常识别结果进行异常信息检测完备性与检测准确率计算，即两者相关数据比率。进一步将所述查全率与所述查准率的比值设定为所述比对参考值，对所述多个初始异常检测模型基于所述查全率和查准率计算结果分别计算模型的比对参考值，获取所述比对参考值计算结果。对所述比对参考值进行数据角度，进行递减式排序，获取所述顺序排序结果，择最优者，将对应的初始异常检测模型作为最终确定的所述异常检测模型，可有效保障所述异常检测模型的优选性，提高输出结果的实际贴合度。

进一步而言，本申请步骤S500还包括：

步骤S510-2：获得所述监测电力设备的异常处理结果；

步骤S520-2：构建反馈优化单元，并设定优化补偿周期；

步骤S530-2：当到达所述优化补偿周期时，通过所述反馈优化单元基于所述异常处理结果进行反馈特征提取，获得反馈特征提取结果；

步骤S540-2：根据所述反馈特征提取结果进行所述异常检测模型的模型优化。

具体而言，基于生成的所述异常预警信息，对所述检测电力设备进行实际检测，获取所述异常处理结果，所述异常处理结果带有节点特征标识。构建所述反馈优化单元，即进行模型机制优化的辅助功能单元，所述反馈优化单元包括层级数据识别节点与层级特征提取节点，用于进行输入信息的数据源识别与数据特征提取。设定模型优化时区，作为所述优化补偿周期，基于所述优化补偿周期定期对所述反馈优化单元进行信息覆盖，以提高模型运行结果的实际贴合度。达到所述优化补偿周期时，启用所述反馈优化单元，对输入的所述异常处理结果进行识别分析，确定所述异常处理结果与所述异常预警信息的偏差，基于所述层级数据识别节点进行偏离数据识别，进而传输至所述层级特征提取节点提取所述反馈特征，作为所述反馈特征提取结果。将所述反馈特征提取结果作为模型优化方向，对所述异常检测模型进行机制优化，以缩减所述异常检测模型的检测偏差，保障异常检测准确度。

步骤S600：将带有所述节点特征标识的所述交互数据集合输入模型修正后的所述异常检测模型，输出异常预测结果；

步骤S700：通过所述温度监测装置进行所述监测电力设备的温度采集，获得温度采集集合；

步骤S800：根据所述温度采集集合和所述异常预测结果生成异常预警信息，通过所述异常预警信息进行所述监测电力设备的监测管理。

具体而言，基于所述设备特征提取结果对所述异常检测模型进行优化修正，进而将带有所述节点特征标识的所述交互数据集合输入所述异常检测模型，基于所述节点数据识别层对所述交互数据进行识别归属，进而将其传输至所述数据异常检测层中对应检测节点，获取所述监测节点的数据检测结果，作为所述异常预测结果进行输出。所述温度监测装置为对所述监测电力设备进行实时运行温度采集的辅助设备，基于所述温度监测装置，对所述监测电力设备的所述监测节点进行温度采集，包括实时静态温度与温度递变速率，作为所述温度采集集合。将所述温度采集集合与所述异常预测结果作为异常预警方向，设定温度阈值对所述温度采集集合进行判定，识别异常温度数据，联合所述异常预测结果进行异常信息集成规整，生成所述异常预警信息，基于所述异常预警信息，对所述监测电力设备进行针对性检测修正，实现所述监测电力设备运行异常的精准识别管控，提高设备管控能效，实现资源的合理利用。

进一步而言，如图3所示，所述监测预警***与环境温度监测装置通信连接，本申请步骤S800还包括：

步骤S810：通过所述环境温度监测装置进行环境温度采集，获得环境温度信息；

步骤S820：基于所述环境温度信息进行所述监测电力设备的设备影响分析，生成温度影响分析结果；

步骤S830：通过所述温度采集集合进行温度异常分析，获得异常分析结果；

步骤S840：根据所述温度影响分析结果对所述温度分析结果进行异常补偿，获得温度异常补偿结果；

步骤S850：根据所述温度异常补偿结果和所述异常预测结果生成所述异常预警信息。

具体而言，布设多个环境温度采集点位，基于所述环境温度监测装置于所述多个环境温度采集点位进行实时环境温度采集，获取所述环境温度信息。基于所述环境温度信息，对所述监测电力设备进行环境影响分析，示例性的，可划定多级环境温度，通过进行大数据调研确定设备影响能效，对所述多级环境温度于所述设备影响能效进行关联对应，生成温度影响列表，遍历所述温度影响列表，对所述环境温度信息于所述监测电力设备进行匹配识别，获取所述温度影响分析结果。对所述温度采集集合，即所述监测节点的设备运行温度，对其进行异常判定，确定异常温度并配置温度异常等级，生成所述异常分析结果。环境温度一定程度上会造成设备温度检测误差，基于所述温度影响分析结果确定修正方向与修正尺度，对所述温度分析结果进行异常补偿，生成所述温度异常补偿结果，所述温度异常补偿结果消弭了环境误差，更为精准。基于所述温度异常补偿结果确定异常温度节点，联合所述异常预测结果生成所述异常预警信息，可有效提高所述异常预警信息与所述监测电力设备的契合度，基于所述异常预警信息进行设备运行异常警示。

进一步而言，本申请步骤S850还包括：

步骤S851：基于所述温度异常补偿结果和所述异常预测结果进行异常匹配分析，生成异常匹配结果；

步骤S852：判断所述异常匹配结果是否满足预设异常匹配阈值；

步骤S853：当所述异常匹配结果可以满足所述异常匹配阈值时，则根据所述异常匹配结果对所述异常预测结果进行预测调整，根据预测调整结果生成所述异常预警信息。

进一步而言，本申请步骤S853还包括：

步骤S8531：当所述异常匹配结果不能满足所述预设异常匹配阈值时，则生成验证窗口；

步骤S8532：通过所述验证窗口持续进行交互数据和温度数据采集，获得验证数据集合；

步骤S8533：根据所述验证数据集合对所述异常匹配结果进行匹配修正，获得修正匹配结果；

步骤S8534：根据所述修正匹配结果生成所述异常预警信息。

具体而言，采集所述环境温度信息对所述温度采集集合进行补偿，生成所述温度异常补偿结果。遍历所述异常预测结果，与所述温度异常补偿结果进行异常匹配，获取所述异常匹配结果，其中所述温度异常补偿结果与所述异常预测结果存在监测节点对应关系。获取所述预设异常匹配阈值，即对所述温度异常补偿结果与所述异常预测结果进行匹配度限定的临界值，判断所述异常匹配结果是否满足所述预设异常匹配阈值，当满足时，表明数据较为完备且监测节点数据相对应，基于所述温度异常补偿结果确定数据调整方向与调整尺度，对所述异常预测结果进行预测调整，进一步提高所述异常预测结果的实际贴合度，生成所述异常预警信息。

进一步的，当所述异常匹配结果不满足所述预设异常匹配阈值时，表明数据完备性不足，可能存在数据遗漏或采集偏差，生成所述验证窗口，即进行数据判定的辅助性检验与二次采集空间。针对所述监测节点，基于所述验证窗口持续采集所述交互数据与所述温度数据，对采集数据进行时序标识规整，生成所述验证数据集合。遍历所述异常匹配结果，与所述验证数据集合进行匹配对应，对所述异常匹配结果进行调整修正，保障数据完备性与准确度，生成所述修正匹配结果。基于所述修正匹配结果确定设备预警节点、预警状态与预警等级，进行信息集成生成所述异常预警信息，基于所述异常预警信息对所述监测电力设备进行修复管理。

实施例二

基于与前述实施例中一种变电站电力设备的监测预警方法相同的发明构思，如图4所示，本申请提供了一种变电站电力设备的监测预警***，所述***包括：

信息采集模块11，所述信息采集模块11用于采集获得监测电力设备的设备基础信息，其中，所述设备基础信息包括设备属性信息；

节点特征标识设定模块12，所述节点特征标识设定模块12用于根据所述设备基础信息布设监测节点，并设定节点特征标识；

特征提取模块13，所述特征提取模块13用于采集获得所述监测电力设备的设备历史运行信息，根据所述设备历史运行信息进行设备特征提取，获得设备特征提取结果；

信息交互模块14，所述信息交互模块14用于通过所述数据交互装置对所述监测节点进行设备运行信息交互，获得交互数据集合，其中，所述交互数据集合带有所述节点特征标识；

模型构建模块15，所述模型构建模块15用于根据所述设备基础信息、所述节点特征标识和大数据构建异常检测模型，通过所述设备特征提取结果进行所述异常检测模型的模型修正；

结果输出模块16，所述结果输出模块16用于将带有所述节点特征标识的所述交互数据集合输入模型修正后的所述异常检测模型，输出异常预测结果；

温度采集模块17，所述温度采集模块17用于通过所述温度监测装置进行所述监测电力设备的温度采集，获得温度采集集合；

异常预警管理模块18，所述异常预警管理模块18用于根据所述温度采集集合和所述异常预测结果生成异常预警信息，通过所述异常预警信息进行所述监测电力设备的监测管理。

进一步而言，所述***还包括：

环境温度采集模块，所述环境温度采集模块用于通过所述环境温度监测装置进行环境温度采集，获得环境温度信息；

温度影响分析模块，所述温度影响分析模块用于基于所述环境温度信息进行所述监测电力设备的设备影响分析，生成温度影响分析结果；

温度异常分析模块，所述温度异常分析模块用于通过所述温度采集集合进行温度异常分析，获得异常分析结果；

结果补偿模块，所述结果补偿模块用于根据所述温度影响分析结果对所述温度分析结果进行异常补偿，获得温度异常补偿结果；

信息生成模块，所述信息生成模块用于根据所述温度异常补偿结果和所述异常预测结果生成所述异常预警信息。

进一步而言，所述***还包括：

异常匹配分析模块，所述异常匹配分析模块用于基于所述温度异常补偿结果和所述异常预测结果进行异常匹配分析，生成异常匹配结果；

阈值判断模块，所述阈值判断模块用于判断所述异常匹配结果是否满足预设异常匹配阈值；

结果调整模块，所述结果调整模块用于当所述异常匹配结果可以满足所述异常匹配阈值时，则根据所述异常匹配结果对所述异常预测结果进行预测调整，根据预测调整结果生成所述异常预警信息。

进一步而言，所述***还包括：

验证窗口生成模块，所述验证窗口生成模块用于当所述异常匹配结果不能满足所述预设异常匹配阈值时，则生成验证窗口；

数据采集模块，所述数据采集模块用于通过所述验证窗口持续进行交互数据和温度数据采集，获得验证数据集合；

结果修正模块，所述结果修正模块用于根据所述验证数据集合对所述异常匹配结果进行匹配修正，获得修正匹配结果；

异常预警信息生成模块，所述异常预警信息生成模块用于根据所述修正匹配结果生成所述异常预警信息。

进一步而言，所述***还包括：

数据提取模块，所述数据提取模块用于根据所述设备基础信息、所述节点特征标识基于大数据提取获得设备运行数据集合；

对所述设备运行数据集合进行数据标识，并对所述设备运行数据集合进行标识分类，获得训练集合、测试集合；

模型构建模块，所述模型构建模块用于设定多个监测阈值，根据所述多个监测阈值和所述训练集合构建多个初始异常检测模型；

参数计算模块，所述参数计算模块用于通过所述测试集合进行所述多个初始异常检测模型的查全率和查准率计算，获得查全率和查准率计算结果；

模型筛选模块，所述模型筛选模块用于根据所述查全率和所述查准率计算结果进行所述多个初始异常检测模型的模型筛选，根据筛选结果获得所述异常检测模型。

进一步而言，所述***还包括：

参考值设定模块，所述参考值设定模块用于设定比对参考值，其中，所述比对参考值为查全率与查准率的比值；

比对参考值计算模块，所述比对参考值计算模块用于根据所述查全率和查准率计算结果分别对所述多个初始异常检测模型的比对参考值进行计算，获得比对参考值计算结果；

结果排序模块，所述结果排序模块用于通过所述比对参考值计算结果进行顺序排序，基于顺序排序结果筛选获得所述异常检测模型。

进一步而言，所述***还包括：

异常处理结果获取模块，所述异常处理结果获取模块用于获得所述监测电力设备的异常处理结果；

单元构建模块，所述单元构建模块用于构建反馈优化单元，并设定优化补偿周期；

特征提取模块，所述特征提取模块用于当到达所述优化补偿周期时，通过所述反馈优化单元基于所述异常处理结果进行反馈特征提取，获得反馈特征提取结果；

模型优化模块，所述模型优化模块用于根据所述反馈特征提取结果进行所述异常检测模型的模型优化。

本说明书通过前述对一种变电站电力设备的监测预警方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种变电站电力设备的监测预警方法及***，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种变电站电力设备的监测预警方法，其特征在于，所述方法应用于监测预警***，所述监测预警***与数据交互装置、温度监测装置通信连接，所述方法包括：

采集获得监测电力设备的设备基础信息，其中，所述设备基础信息包括设备属性信息；

根据所述设备基础信息布设监测节点，并设定节点特征标识；

采集获得所述监测电力设备的设备历史运行信息，根据所述设备历史运行信息进行设备特征提取，获得设备特征提取结果；

通过所述数据交互装置对所述监测节点进行设备运行信息交互，获得交互数据集合，其中，所述交互数据集合带有所述节点特征标识；

根据所述设备基础信息、所述节点特征标识和大数据构建异常检测模型，通过所述设备特征提取结果进行所述异常检测模型的模型修正；

将带有所述节点特征标识的所述交互数据集合输入模型修正后的所述异常检测模型，输出异常预测结果；

通过所述温度监测装置进行所述监测电力设备的温度采集，获得温度采集集合；

根据所述温度采集集合和所述异常预测结果生成异常预警信息，通过所述异常预警信息进行所述监测电力设备的监测管理。

2.如权利要求1所述的方法，其特征在于，所述监测预警***与环境温度监测装置通信连接，所述方法包括：

通过所述环境温度监测装置进行环境温度采集，获得环境温度信息；

基于所述环境温度信息进行所述监测电力设备的设备影响分析，生成温度影响分析结果；

通过所述温度采集集合进行温度异常分析，获得异常分析结果；

根据所述温度影响分析结果对所述温度分析结果进行异常补偿，获得温度异常补偿结果；

根据所述温度异常补偿结果和所述异常预测结果生成所述异常预警信息。

3.如权利要求2所述的方法，其特征在于，所述方法包括：

基于所述温度异常补偿结果和所述异常预测结果进行异常匹配分析，生成异常匹配结果；

判断所述异常匹配结果是否满足预设异常匹配阈值；

当所述异常匹配结果可以满足所述异常匹配阈值时，则根据所述异常匹配结果对所述异常预测结果进行预测调整，根据预测调整结果生成所述异常预警信息。

4.如权利要求3所述的方法，其特征在于，所述方法包括：

当所述异常匹配结果不能满足所述预设异常匹配阈值时，则生成验证窗口；

通过所述验证窗口持续进行交互数据和温度数据采集，获得验证数据集合；

根据所述验证数据集合对所述异常匹配结果进行匹配修正，获得修正匹配结果；

根据所述修正匹配结果生成所述异常预警信息。

5.如权利要求1所述的方法，其特征在于，所述方法包括：

根据所述设备基础信息、所述节点特征标识基于大数据提取获得设备运行数据集合；

对所述设备运行数据集合进行数据标识，并对所述设备运行数据集合进行标识分类，获得训练集合、测试集合；

设定多个监测阈值，根据所述多个监测阈值和所述训练集合构建多个初始异常检测模型；

通过所述测试集合进行所述多个初始异常检测模型的查全率和查准率计算，获得查全率和查准率计算结果；

根据所述查全率和所述查准率计算结果进行所述多个初始异常检测模型的模型筛选，根据筛选结果获得所述异常检测模型。

6.如权利要求5所述的方法，其特征在于，所述方法包括：

设定比对参考值，其中，所述比对参考值为查全率与查准率的比值；

根据所述查全率和查准率计算结果分别对所述多个初始异常检测模型的比对参考值进行计算，获得比对参考值计算结果；

通过所述比对参考值计算结果进行顺序排序，基于顺序排序结果筛选获得所述异常检测模型。

7.如权利要求1所述的方法，其特征在于，所述方法包括：

获得所述监测电力设备的异常处理结果；

构建反馈优化单元，并设定优化补偿周期；

当到达所述优化补偿周期时，通过所述反馈优化单元基于所述异常处理结果进行反馈特征提取，获得反馈特征提取结果；

根据所述反馈特征提取结果进行所述异常检测模型的模型优化。

8.一种变电站电力设备的监测预警***，其特征在于，所述***与数据交互装置、温度监测装置通信连接，所述***包括：

信息采集模块，所述信息采集模块用于采集获得监测电力设备的设备基础信息，其中，所述设备基础信息包括设备属性信息；

节点特征标识设定模块，所述节点特征标识设定模块用于根据所述设备基础信息布设监测节点，并设定节点特征标识；

特征提取模块，所述特征提取模块用于采集获得所述监测电力设备的设备历史运行信息，根据所述设备历史运行信息进行设备特征提取，获得设备特征提取结果；

信息交互模块，所述信息交互模块用于通过所述数据交互装置对所述监测节点进行设备运行信息交互，获得交互数据集合，其中，所述交互数据集合带有所述节点特征标识；

模型构建模块，所述模型构建模块用于根据所述设备基础信息、所述节点特征标识和大数据构建异常检测模型，通过所述设备特征提取结果进行所述异常检测模型的模型修正；

结果输出模块，所述结果输出模块用于将带有所述节点特征标识的所述交互数据集合输入模型修正后的所述异常检测模型，输出异常预测结果；

温度采集模块，所述温度采集模块用于通过所述温度监测装置进行所述监测电力设备的温度采集，获得温度采集集合；

异常预警管理模块，所述异常预警管理模块用于根据所述温度采集集合和所述异常预测结果生成异常预警信息，通过所述异常预警信息进行所述监测电力设备的监测管理。

Images