CN115865751B - 基于多态数据的故障检测方法及装置 - Google Patents
基于多态数据的故障检测方法及装置 Download PDFInfo
- Publication number
- CN115865751B CN115865751B CN202211489504.5A CN202211489504A CN115865751B CN 115865751 B CN115865751 B CN 115865751B CN 202211489504 A CN202211489504 A CN 202211489504A CN 115865751 B CN115865751 B CN 115865751B
- Authority
- CN
- China
- Prior art keywords
- fault
- fault detection
- type
- data
- target 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 303
- 238000012423 maintenance Methods 0.000 claims abstract description 105
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000012216 screening Methods 0.000 claims description 35
- 238000003745 diagnosis Methods 0.000 claims description 20
- 230000000694 effects Effects 0.000 claims description 18
- 230000009286 beneficial effect Effects 0.000 description 66
- 230000006870 function Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006996 mental state Effects 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
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于多态数据的故障检测方法及装置,该方法包括:监测目标设备的运行状态得到基础运行数据,根据基础运行数据判断目标设备是否满足基础运行故障条件;是,根据基础运行数据确定故障检测类型;获取目标设备的多态运行数据,根据多态运行数据、故障检测类型及故障检测类型对应的故障检测分析条件,确定目标设备对应的故障检测结果。可见,本发明能够实现智能化设备故障检测功能,提高故障检测结果确定方式的全面性、合理性和科学性,进而提高故障检测结果的准确性和可靠性以提高设备故障检测准确性、可靠性,还提高故障检测结果确定效率、便捷性以提高设备故障的检测效率、便捷性,进一步地有助于提高设备故障的维修及时性、效率。
Description
技术领域
本发明涉及故障检测技术领域,尤其涉及一种基于多态数据的故障检测方法及装置。
背景技术
随着电网资产规模的扩大,运行设备逐渐增多,设备的平稳运行关乎着电网实现有序高效输出,因此需对运行设备进行故障检测操作。
当前,关于设备的故障检测方式多为工作人员在发现设备发生故障并停止运行后,人为对设备的运行零件和运行程序进行一一排查,排查工作量大,所需注意排查细节多,此外,人为检测操作容易受到精神状态、环境氛围、主观意识等多方面因素的影响,因此,现有的设备故障检测操作存在检测效率低和故障检测准确性低。可见,提供一种能够提高设备故障的检测准确性和检测效率的设备故障检测方式显得尤为重要。
发明内容
本发明内容所要解决的技术问题在于,提供一种基于多态数据的故障检测方法及装置,能够提高设备故障的检测准确性和检测效率。
为了解决上述技术问题,本发明第一方面公开了一种基于多态数据的故障检测方法,所述方法包括:
监测目标设备的运行状态,得到所述目标设备的基础运行数据,并根据所述基础运行数据,判断所述目标设备是否满足预设的基础运行故障条件;
当判断出所述目标设备满足所述基础运行故障条件时,根据所述基础运行数据,确定所述目标设备对应的故障检测类型;
获取所述目标设备的多态运行数据,并根据所述多态运行数据、所述故障检测类型及预设的所述故障检测类型对应的故障检测分析条件,确定所述目标设备对应的故障检测结果;
其中,所述故障检测类型包括故障预测类型和/或故障诊断类型。
作为一种可选的实施方式,在本发明第一方面中,当所述故障检测类型包括所述故障预测类型时,所述根据所述多态运行数据、所述故障检测类型及预设的所述故障检测类型对应的故障检测分析条件,确定所述目标设备对应的故障检测结果,包括:
分析所述多态运行数据,得到所述目标设备对应的当前运行效果情况;
根据所述当前运行效果情况及设定的运行分析条件,预测所述目标设备对应的运行趋势情况;
根据所述当前运行效果情况、所述运行趋势情况及设定的设备故障运行条件,确定所述目标设备的预测故障信息,作为所述目标设备对应的故障检测结果。
作为一种可选的实施方式,在本发明第一方面中,当所述故障检测类型包括所述故障诊断类型时,所述根据所述多态运行数据、所述故障检测类型及预设的所述故障检测类型对应的故障检测分析条件,确定所述目标设备对应的故障检测结果,包括:
分析所述多态运行数据,得到所述目标设备对应的运行数据变化情况;
根据所述运行数据变化情况,判断所有故障类型中是否存在与所述目标设备相匹配的目标故障类型;
当判断出所有所述故障类型中存在所述目标故障类型时,从所有所述故障类型中筛选出所述目标故障类型,并确定所述目标故障类型对应的故障诊断信息,作为所述目标设备对应的故障检测结果。
作为一种可选的实施方式,在本发明第一方面中,所述根据所述运行数据变化情况,判断所有故障类型中是否存在与所述目标设备相匹配的目标故障类型,包括:
确定每一故障类型对应的故障数据变化情况,并根据所述运行数据变化情况及所述故障数据变化情况,确定所述目标设备与每一所述故障类型的匹配度;
根据所有所述匹配度,判断所有所述故障类型中是否存在满足预设的匹配度筛选条件的故障类型;所述匹配度筛选条件包括匹配度阈值筛选条件和/或匹配度排序筛选条件;
当判断结果为是时,确定所有故障类型中存在与所述目标设备相匹配的目标故障类型;当判断结果为否时,确定所有故障类型中不存在与所述目标设备相匹配的目标故障类型。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
当判断出所有所述故障类型中不存在所述目标故障类型时,发送故障类型分析指令,所述故障类型分析指令包括所述运行数据变化情况及所述多态运行数据;
接收管理用户发送的针对所述故障类型分析指令的故障类型分析结果,并根据所述故障类型分析结果,确定所述目标设备的匹配故障类型;
确定所述目标设备对应的故障检测结果为所述匹配故障类型,并将所述运行数据变化情况、所述多态运行数据及所述匹配故障类型进行信息绑定操作,得到信息绑定后的所述匹配故障类型;
将信息绑定后的所述匹配故障类型存储至故障类型库中,所述故障类型库存储所有所述故障类型。
作为一种可选的实施方式,在本发明第一方面中,在所述根据所述多态运行数据、所述故障检测类型及预设的所述故障检测类型对应的故障检测分析条件,确定所述目标设备对应的故障检测结果之后,所述方法还包括:
根据所述故障检测结果及设定的故障维修分析条件,确定所述目标设备对应的故障维修信息;
根据所述故障维修信息,对所述目标设备执行故障维修操作,得到故障维修后的所述目标设备。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
获取所述目标设备的历史故障数据,并根据所述历史故障数据及所述故障检测结果,确定所述目标设备的故障频繁度;
判断所述故障频繁度是否大于等于预设的故障频繁度阈值,当判断结果为是时,获取所述故障检测结果对应的历史维修信息及历史故障运行信息;
根据所述历史维修信息、所述历史故障数据、所述故障频繁度及所述历史故障运行信息,确定所述故障检测结果对应的当前故障维修信息;
根据所述当前故障维修信息,更新所述目标设备对应的故障维修信息;并基于更新后的所述目标设备对应的故障维修信息,执行所述的根据所述故障维修信息,对所述目标设备执行故障维修操作,得到故障维修后的所述目标设备的操作。
本发明第二方面公开了一种基于多态数据的故障检测装置,所述装置包括:
信息获取模块,用于监测目标设备的运行状态,得到所述目标设备的基础运行数据;
判断模块,用于根据所述基础运行数据,判断所述目标设备是否满足预设的基础运行故障条件;
确定模块,用于当所述判断模块判断出所述目标设备满足所述基础运行故障条件时,根据所述基础运行数据,确定所述目标设备对应的故障检测类型;
所述信息获取模块,还用于获取所述目标设备的多态运行数据;
故障检测模块,用于根据所述多态运行数据、所述故障检测类型及预设的所述故障检测类型对应的故障检测分析条件,确定所述目标设备对应的故障检测结果;
其中,所述故障检测类型包括故障预测类型和/或故障诊断类型。
作为一种可选的实施方式,在本发明第二方面中,当所述故障检测类型包括所述故障预测类型时,所述故障检测模块根据所述多态运行数据、所述故障检测类型及预设的所述故障检测类型对应的故障检测分析条件,确定所述目标设备对应的故障检测结果的方式具体包括:
分析所述多态运行数据,得到所述目标设备对应的当前运行效果情况;
根据所述当前运行效果情况及设定的运行分析条件,预测所述目标设备对应的运行趋势情况;
根据所述当前运行效果情况、所述运行趋势情况及设定的设备故障运行条件,确定所述目标设备的预测故障信息,作为所述目标设备对应的故障检测结果。
作为一种可选的实施方式,在本发明第二方面中,当所述故障检测类型包括所述故障诊断类型时,所述故障检测模块根据所述多态运行数据、所述故障检测类型及预设的所述故障检测类型对应的故障检测分析条件,确定所述目标设备对应的故障检测结果的方式具体包括:
分析所述多态运行数据,得到所述目标设备对应的运行数据变化情况;
根据所述运行数据变化情况,判断所有故障类型中是否存在与所述目标设备相匹配的目标故障类型;
当判断出所有所述故障类型中存在所述目标故障类型时,从所有所述故障类型中筛选出所述目标故障类型,并确定所述目标故障类型对应的故障诊断信息,作为所述目标设备对应的故障检测结果。
作为一种可选的实施方式,在本发明第二方面中,所述故障检测模块根据所述运行数据变化情况,判断所有故障类型中是否存在与所述目标设备相匹配的目标故障类型的方式具体包括:
确定每一故障类型对应的故障数据变化情况,并根据所述运行数据变化情况及所述故障数据变化情况,确定所述目标设备与每一所述故障类型的匹配度;
根据所有所述匹配度,判断所有所述故障类型中是否存在满足预设的匹配度筛选条件的故障类型;所述匹配度筛选条件包括匹配度阈值筛选条件和/或匹配度排序筛选条件;
当判断结果为是时,确定所有故障类型中存在与所述目标设备相匹配的目标故障类型;当判断结果为否时,确定所有故障类型中不存在与所述目标设备相匹配的目标故障类型。
作为一种可选的实施方式,在本发明第二方面中,所述故障检测模块,还用于当判断出所有所述故障类型中不存在所述目标故障类型时,发送故障类型分析指令,所述故障类型分析指令包括所述运行数据变化情况及所述多态运行数据;
接收管理用户发送的针对所述故障类型分析指令的故障类型分析结果,并根据所述故障类型分析结果,确定所述目标设备的匹配故障类型;
确定所述目标设备对应的故障检测结果为所述匹配故障类型,并将所述运行数据变化情况、所述多态运行数据及所述匹配故障类型进行信息绑定操作,得到信息绑定后的所述匹配故障类型;
将信息绑定后的所述匹配故障类型存储至故障类型库中,所述故障类型库存储所有所述故障类型。
作为一种可选的实施方式,在本发明第二方面中,所述确定模块,还用于在所述故障检测模块根据所述多态运行数据、所述故障检测类型及预设的所述故障检测类型对应的故障检测分析条件,确定所述目标设备对应的故障检测结果之后,根据所述故障检测结果及设定的故障维修分析条件,确定所述目标设备对应的故障维修信息;
所述装置还包括:
故障维修模块,用于根据所述故障维修信息,对所述目标设备执行故障维修操作,得到故障维修后的所述目标设备。
作为一种可选的实施方式,在本发明第二方面中,所述信息获取模块,还用于获取所述目标设备的历史故障数据;
所述确定模块,还用于根据所述历史故障数据及所述故障检测结果,确定所述目标设备的故障频繁度;
所述判断模块,还用于判断所述故障频繁度是否大于等于预设的故障频繁度阈值;
所述信息获取模块,还用于当所述判断模块判断出所述故障频繁度大于等于所述故障频繁度阈值时,获取所述故障检测结果对应的历史维修信息及历史故障运行信息;
所述确定模块,还用于根据所述历史维修信息、所述历史故障数据、所述故障频繁度及所述历史故障运行信息,确定所述故障检测结果对应的当前故障维修信息;
所述故障维修模块,还用于根据所述当前故障维修信息,更新所述目标设备对应的故障维修信息;并基于更新后的所述目标设备对应的故障维修信息,执行所述的根据所述故障维修信息,对所述目标设备执行故障维修操作,得到故障维修后的所述目标设备的操作。
本发明第三方面公开了另一种基于多态数据的故障检测装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的基于多态数据的故障检测方法。
本发明第四方面公开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指令,所述计算机指令被调用时,用于执行本发明第一方面公开的基于多态数据的故障检测方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,监测目标设备的运行状态,得到该目标设备的基础运行数据,并根据该基础运行数据,判断该目标设备是否满足预设的基础运行故障条件;当判断出该目标设备满足该基础运行故障条件时,根据该基础运行数据,确定该目标设备对应的故障检测类型;获取该目标设备的多态运行数据,并根据该多态运行数据、该故障检测类型及预设的该故障检测类型对应的故障检测分析条件,确定该目标设备对应的故障检测结果;其中,该故障检测类型包括故障预测类型和/或故障诊断类型。可见,本发明能够根据设备的基础运行数据及多态运行数据智能化确定设备的故障检测结果,实现智能化设备故障检测功能,有利于提高故障检测结果确定方式的全面性、合理性和科学性,进而有利于提高确定出的故障检测结果的准确性和可靠性,从而有利于提高设备故障的检测准确性和检测可靠性,以及,还有利于提高故障检测结果的确定效率和确定便捷性,从而有利于提高设备故障的检测效率和检测便捷性,进一步地有助于提高设备故障的维修及时性和维修效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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些实施例,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的附图。
图1是本发明实施例公开的一种基于多态数据的故障检测方法的流程示意图;
图2是本发明实施例公开的另一种基于多态数据的故障检测方法的流程示意图;
图3是本发明实施例公开的一种基于多态数据的故障检测装置的结构示意图;
图4是本发明实施例公开的另一种基于多态数据的故障检测装置的结构示意图;
图5是本发明实施例公开的又一种基于多态数据的故障检测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于多态数据的故障检测方法及装置,能够根据设备的基础运行数据及多态运行数据智能化确定设备的故障检测结果,实现智能化设备故障检测功能,有利于提高故障检测结果确定方式的全面性、合理性和科学性,进而有利于提高确定出的故障检测结果的准确性和可靠性,从而有利于提高设备故障的检测准确性和检测可靠性,以及,还有利于提高故障检测结果的确定效率和确定便捷性,从而有利于提高设备故障的检测效率和检测便捷性,进一步地有助于提高设备故障的维修及时性和维修效率。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种基于多态数据的故障检测方法的流程示意图。其中,图1所描述的方法可以应用于基于多态数据的故障检测装置,其中,该装置可以包括服务器,其中,服务器包括本地服务器或者云服务器,本发明实施例不做限定。如图1所示,该基于多态数据的故障检测方法包括以下操作:
101、监测目标设备的运行状态,得到目标设备的基础运行数据。
可选的,目标设备的基础运行数据可以理解为目标设备的表面属性数据,比如目标设备的实时运行电流电压情况、零部件运行发出声响情况、零部件运行整体平稳性情况(即设备运行有无晃动等)及设备运行生成效果情况等,本发明实施例不做限定。
102、根据基础运行数据,判断目标设备是否满足预设的基础运行故障条件。
进一步可选的,当判断出目标设备不满足基础运行故障条件时,执行步骤101。
103、当判断出目标设备满足基础运行故障条件时,根据基础运行数据,确定目标设备对应的故障检测类型。
104、获取目标设备的多态运行数据,并根据多态运行数据、故障检测类型及预设的故障检测类型对应的故障检测分析条件,确定目标设备对应的故障检测结果;其中,故障检测类型包括故障预测类型和/或故障诊断类型。
可选的,目标设备的多态运行数据可以是目标设备的运行状态数据、运行相态数据及运行时态数据等,本发明实施例不做限定。
可见,实施本发明实施例所描述的基于多态数据的故障检测方法能够根据设备的基础运行数据及多态运行数据智能化确定设备的故障检测结果,实现智能化设备故障检测功能,有利于提高故障检测结果确定方式的全面性、合理性和科学性,进而有利于提高确定出的故障检测结果的准确性和可靠性,从而有利于提高设备故障的检测准确性和检测可靠性,以及,还有利于提高故障检测结果的确定效率和确定便捷性,从而有利于提高设备故障的检测效率和检测便捷性,进一步地有助于提高设备故障的维修及时性和维修效率。
在一个可选的实施例中,当故障检测类型包括故障预测类型时,上述根据多态运行数据、故障检测类型及预设的故障检测类型对应的故障检测分析条件,确定目标设备对应的故障检测结果,可以包括:
分析多态运行数据,得到目标设备对应的当前运行效果情况;
根据当前运行效果情况及设定的运行分析条件,预测目标设备对应的运行趋势情况;
根据当前运行效果情况、运行趋势情况及设定的设备故障运行条件,确定目标设备的预测故障信息,作为目标设备对应的故障检测结果。
可选的,当前运行效果情况可以是能够反映目标设备的运行输出结果的信息、反映目标设备的运行平稳度信息、反映目标设备的运行故障可能度情况的信息、反映目标设备的运行损耗情况的信息、反映目标设备的运行损耗和运行输出关系的信息等中的一种或多种,本发明实施例不做限定。
可见,该可选的实施例能够针对故障检测类型为故障预测类型提供相应的故障检测结果确定方式,确定设备的运行趋势情况并根据运行趋势情况智能化确定出设备的故障检测结果,有利于提高故障检测结果的全面性、合理性、针对性和灵活性,进而有利于提高确定出的故障检测结果的准确性和可靠性,以及还有利于提高故障检测结果的确定效率和确定便捷性。
在另一个可选的实施例中,当故障检测类型包括故障诊断类型时,上述根据多态运行数据、故障检测类型及预设的故障检测类型对应的故障检测分析条件,确定目标设备对应的故障检测结果,可以包括:
分析多态运行数据,得到目标设备对应的运行数据变化情况;
根据运行数据变化情况,判断所有故障类型中是否存在与目标设备相匹配的目标故障类型;
当判断出所有故障类型中存在目标故障类型时,从所有故障类型中筛选出目标故障类型,并确定目标故障类型对应的故障诊断信息,作为目标设备对应的故障检测结果。
可选的,目标设备的运行数据变化情况可以是目标设备的输出结果品质变化情况、目标设备的电流电压数据变化情况、目标设备的运行平稳度变化情况、目标设备的故障发生可能度变化情况、目标设备的运行有效性变化情况及目标设备的运行效果变化情况等中的一种或多种,本发明实施例不做限定。
可见,该可选的实施例能够针对故障检测类型为故障诊断类型提供相应的故障检测结果确定方式,有利于提高故障检测结果确定方式的全面性、多样性和灵活性,进而有利于提高故障检测结果确定方式的可选择性和针对性,从而有利于提高确定出的故障检测结果的准确性和可靠性,以及还有利于提高故障检测结果的确定效率和确定便捷性。
在又一个可选的实施例中,上述根据运行数据变化情况,判断所有故障类型中是否存在与目标设备相匹配的目标故障类型,可以包括:
确定每一故障类型对应的故障数据变化情况,并根据运行数据变化情况及故障数据变化情况,确定目标设备与每一故障类型的匹配度;
根据所有匹配度,判断所有故障类型中是否存在满足预设的匹配度筛选条件的故障类型;匹配度筛选条件包括匹配度阈值筛选条件和/或匹配度排序筛选条件;
当判断结果为是时,确定所有故障类型中存在与目标设备相匹配的目标故障类型;当判断结果为否时,确定所有故障类型中不存在与目标设备相匹配的目标故障类型。
可选的,当匹配度筛选条件包括匹配度阈值筛选条件时,满足匹配度筛选条件的故障类型可以是匹配度大于等于匹配度阈值的故障类型,不满足匹配度筛选条件的故障类型可以是匹配度小于匹配度阈值的故障类型,本发明实施例不做限定。
可选的,当匹配度筛选条件包括匹配度排序筛选条件时,满足匹配度筛选条件的故障类型可以是在所有匹配度排序中满足排序条件(如排序处于前x个范围内等)的故障类型,不满足匹配度筛选条件的故障类型可以是在所有匹配度排序中不满足排序条件(如排序不处于前x个范围内等)的故障类型,本发明实施例不做限定。
可见,该可选的实施例能够确定设备与故障类型的匹配度,并根据匹配度判断是否存在满足匹配度筛选条件的故障类型,进而确定出存在目标故障类型确定情况,有利于提高存在目标故障类型确定情况的全面性和合理性,进而有利于提高确定出的存在目标故障类型确定情况的准确性和可靠性。
在又一个可选的实施例中,该方法还可以包括以下操作:
当判断出所有故障类型中不存在目标故障类型时,发送故障类型分析指令,故障类型分析指令包括运行数据变化情况及多态运行数据;
接收管理用户发送的针对故障类型分析指令的故障类型分析结果,并根据故障类型分析结果,确定目标设备的匹配故障类型;
确定目标设备对应的故障检测结果为匹配故障类型,并将运行数据变化情况、多态运行数据及匹配故障类型进行信息绑定操作,得到信息绑定后的匹配故障类型;
将信息绑定后的匹配故障类型存储至故障类型库中,故障类型库存储所有故障类型。
可见,该可选的实施例能够针对现存的故障类型中不存在目标故障类型的情况提供故障类型更新功能,丰富了基于多态数据的故障检测方式的智能化功能,有利于提高故障类型确定方式的全面性和合理性,以提高基于多态数据的故障检测方式的全面性和合理性,进而有利于提高故障类型的确定效率和确定便捷性,以及还有利于提高确定出的故障类型的准确性和可靠性,从而有利于后续基于故障类型确定出的故障检测结果的准确性和可靠性。
实施例二
请参阅图2,图2是本发明实施例公开的另一种基于多态数据的故障检测方法的流程示意图。其中,图2所描述的方法可以应用于基于多态数据的故障检测装置,其中,该装置可以包括服务器,其中,服务器包括本地服务器或者云服务器,本发明实施例不做限定。如图2所示,该基于多态数据的故障检测方法包括以下操作:
201、监测目标设备的运行状态,得到目标设备的基础运行数据。
202、根据基础运行数据,判断目标设备是否满足预设的基础运行故障条件。
203、当判断出目标设备满足基础运行故障条件时,根据基础运行数据,确定目标设备对应的故障检测类型。
204、获取目标设备的多态运行数据,并根据多态运行数据、故障检测类型及预设的故障检测类型对应的故障检测分析条件,确定目标设备对应的故障检测结果;其中,故障检测类型包括故障预测类型和/或故障诊断类型。
205、根据故障检测结果及设定的故障维修分析条件,确定目标设备对应的故障维修信息。
206、根据故障维修信息,对目标设备执行故障维修操作,得到故障维修后的目标设备。
本发明实施例中,针对步骤201-步骤204的其它描述,请参照实施例一中针对步骤101-步骤104的其他详细描述,本发明实施例不再赘述。
可见,本发明实施例能够根据设备的基础运行数据及多态运行数据智能化确定设备的故障检测结果,实现智能化设备故障检测功能,有利于提高故障检测结果确定方式的全面性、合理性和科学性,进而有利于提高确定出的故障检测结果的准确性和可靠性,从而有利于提高设备故障的检测准确性和检测可靠性,以及,还有利于提高故障检测结果的确定效率和确定便捷性,从而有利于提高设备故障的检测效率和检测便捷性,进一步地有助于提高设备故障的维修及时性和维修效率;以及,还能够提供设备故障维修方式,有利于提高基于多态数据的故障检测方式的全面性和合理性,丰富了智能化功能,进而有利于提高设备故障维修效率和维修及时性。
在一个可选的实施例中,该方法还可以包括以下操作:
获取目标设备的历史故障数据,并根据历史故障数据及故障检测结果,确定目标设备的故障频繁度;
判断故障频繁度是否大于等于预设的故障频繁度阈值,当判断结果为是时,获取故障检测结果对应的历史维修信息及历史故障运行信息;
根据历史维修信息、历史故障数据、故障频繁度及历史故障运行信息,确定故障检测结果对应的当前故障维修信息;
根据当前故障维修信息,更新目标设备对应的故障维修信息;并基于更新后的目标设备对应的故障维修信息,执行的根据故障维修信息,对目标设备执行故障维修操作,得到故障维修后的目标设备的操作。
进一步可选的,当判断出故障频繁度小于故障频繁度阈值时,执行上述的根据故障检测结果及设定的故障维修分析条件,确定目标设备对应的故障维修信息的操作。
可见,该可选的实施例能够提供故障维修信息更新方式,丰富了智能化功能,当故障频繁度大于等于故障频繁度阈值时对相应的故障维修信息进行更新,有利于提高基于多态数据的故障检测方式的全面性和合理性,以及有利于提高确定出的故障维修信息的准确性和可靠性,进而有利于提高设备故障的维修有效性、维修可靠性和维修准确性,从而有利于提高设备的运行平稳性和运行可靠性。
实施例三
请参阅图3,图3是本发明实施例公开的一种基于多态数据的故障检测装置的结构示意图。其中,图3所描述的装置可以包括服务器,其中,服务器包括本地服务器或者云服务器,本发明实施例不做限定。如图3所示,该基于多态数据的故障检测装置可以包括:
信息获取模块301,用于监测目标设备的运行状态,得到目标设备的基础运行数据。
判断模块302,用于根据基础运行数据,判断目标设备是否满足预设的基础运行故障条件。
确定模块303,用于当判断模块302判断出目标设备满足基础运行故障条件时,根据基础运行数据,确定目标设备对应的故障检测类型。
信息获取模块301,还用于获取目标设备的多态运行数据。
故障检测模块304,用于根据多态运行数据、故障检测类型及预设的故障检测类型对应的故障检测分析条件,确定目标设备对应的故障检测结果。
其中,故障检测类型包括故障预测类型和/或故障诊断类型。
可见,实施图3所描述的基于多态数据的故障检测装置能够根据设备的基础运行数据及多态运行数据智能化确定设备的故障检测结果,实现智能化设备故障检测功能,有利于提高故障检测结果确定方式的全面性、合理性和科学性,进而有利于提高确定出的故障检测结果的准确性和可靠性,从而有利于提高设备故障的检测准确性和检测可靠性,以及,还有利于提高故障检测结果的确定效率和确定便捷性,从而有利于提高设备故障的检测效率和检测便捷性,进一步地有助于提高设备故障的维修及时性和维修效率。
在一个可选的实施例中,当故障检测类型包括故障预测类型时,故障检测模块304根据多态运行数据、故障检测类型及预设的故障检测类型对应的故障检测分析条件,确定目标设备对应的故障检测结果的方式具体包括:
分析多态运行数据,得到目标设备对应的当前运行效果情况;
根据当前运行效果情况及设定的运行分析条件,预测目标设备对应的运行趋势情况;
根据当前运行效果情况、运行趋势情况及设定的设备故障运行条件,确定目标设备的预测故障信息,作为目标设备对应的故障检测结果。
可见,实施图4所描述的装置能够针对故障检测类型为故障预测类型提供相应的故障检测结果确定方式,确定设备的运行趋势情况并根据运行趋势情况智能化确定出设备的故障检测结果,有利于提高故障检测结果的全面性、合理性、针对性和灵活性,进而有利于提高确定出的故障检测结果的准确性和可靠性,以及还有利于提高故障检测结果的确定效率和确定便捷性。
在另一个可选的实施例中,当故障检测类型包括故障诊断类型时,故障检测模块304根据多态运行数据、故障检测类型及预设的故障检测类型对应的故障检测分析条件,确定目标设备对应的故障检测结果的方式具体包括:
分析多态运行数据,得到目标设备对应的运行数据变化情况;
根据运行数据变化情况,判断所有故障类型中是否存在与目标设备相匹配的目标故障类型;
当判断出所有故障类型中存在目标故障类型时,从所有故障类型中筛选出目标故障类型,并确定目标故障类型对应的故障诊断信息,作为目标设备对应的故障检测结果。
可见,实施图4所描述的装置还能够针对故障检测类型为故障诊断类型提供相应的故障检测结果确定方式,有利于提高故障检测结果确定方式的全面性、多样性和灵活性,进而有利于提高故障检测结果确定方式的可选择性和针对性,从而有利于提高确定出的故障检测结果的准确性和可靠性,以及还有利于提高故障检测结果的确定效率和确定便捷性。
在又一个可选的实施例中,故障检测模块304根据运行数据变化情况,判断所有故障类型中是否存在与目标设备相匹配的目标故障类型的方式具体包括:
确定每一故障类型对应的故障数据变化情况,并根据运行数据变化情况及故障数据变化情况,确定目标设备与每一故障类型的匹配度;
根据所有匹配度,判断所有故障类型中是否存在满足预设的匹配度筛选条件的故障类型;匹配度筛选条件包括匹配度阈值筛选条件和/或匹配度排序筛选条件;
当判断结果为是时,确定所有故障类型中存在与目标设备相匹配的目标故障类型;当判断结果为否时,确定所有故障类型中不存在与目标设备相匹配的目标故障类型。
可见,实施图4所描述的装置还能够确定设备与故障类型的匹配度,并根据匹配度判断是否存在满足匹配度筛选条件的故障类型,进而确定出存在目标故障类型确定情况,有利于提高存在目标故障类型确定情况的全面性和合理性,进而有利于提高确定出的存在目标故障类型确定情况的准确性和可靠性。
在又一个可选的实施例中,故障检测模块304,还用于当判断出所有故障类型中不存在目标故障类型时,发送故障类型分析指令,故障类型分析指令包括运行数据变化情况及多态运行数据;
接收管理用户发送的针对故障类型分析指令的故障类型分析结果,并根据故障类型分析结果,确定目标设备的匹配故障类型;
确定目标设备对应的故障检测结果为匹配故障类型,并将运行数据变化情况、多态运行数据及匹配故障类型进行信息绑定操作,得到信息绑定后的匹配故障类型;
将信息绑定后的匹配故障类型存储至故障类型库中,故障类型库存储所有故障类型。
可见,实施图4所描述的装置还能够针对现存的故障类型中不存在目标故障类型的情况提供故障类型更新功能,丰富了基于多态数据的故障检测方式的智能化功能,有利于提高故障类型确定方式的全面性和合理性,以提高基于多态数据的故障检测方式的全面性和合理性,进而有利于提高故障类型的确定效率和确定便捷性,以及还有利于提高确定出的故障类型的准确性和可靠性,从而有利于后续基于故障类型确定出的故障检测结果的准确性和可靠性。
在又一个可选的实施例中,确定模块303,还用于在故障检测模块304根据多态运行数据、故障检测类型及预设的故障检测类型对应的故障检测分析条件,确定目标设备对应的故障检测结果之后,根据故障检测结果及设定的故障维修分析条件,确定目标设备对应的故障维修信息。
如图4所示,该装置还可以包括:
故障维修模块305,用于根据故障维修信息,对目标设备执行故障维修操作,得到故障维修后的目标设备。
可见,实施图4所描述的装置还能够提供设备故障维修方式,有利于提高基于多态数据的故障检测方式的全面性和合理性,丰富了智能化功能,进而有利于提高设备故障维修效率和维修及时性。
在又一个可选的实施例中,信息获取模块301,还用于获取目标设备的历史故障数据。
确定模块303,还用于根据历史故障数据及故障检测结果,确定目标设备的故障频繁度。
判断模块302,还用于判断故障频繁度是否大于等于预设的故障频繁度阈值。
信息获取模块301,还用于当判断模块302判断出故障频繁度大于等于故障频繁度阈值时,获取故障检测结果对应的历史维修信息及历史故障运行信息。
确定模块303,还用于根据历史维修信息、历史故障数据、故障频繁度及历史故障运行信息,确定故障检测结果对应的当前故障维修信息。
故障维修模块305,还用于根据当前故障维修信息,更新目标设备对应的故障维修信息;并基于更新后的目标设备对应的故障维修信息,执行的根据故障维修信息,对目标设备执行故障维修操作,得到故障维修后的目标设备的操作。
可见,实施图4所描述的装置还能够提供故障维修信息更新方式,丰富了智能化功能,当故障频繁度大于等于故障频繁度阈值时对相应的故障维修信息进行更新,有利于提高基于多态数据的故障检测方式的全面性和合理性,以及有利于提高确定出的故障维修信息的准确性和可靠性,进而有利于提高设备故障的维修有效性、维修可靠性和维修准确性,从而有利于提高设备的运行平稳性和运行可靠性。
实施例四
请参阅图5,图5是本发明实施例公开的又一种基于多态数据的故障检测装置的结构示意图。其中,图5所描述的装置可以包括服务器,其中,服务器包括本地服务器或者云服务器,本发明实施例不做限定。如图5所示,该装置可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
进一步的,还可以包括与处理器402耦合的输入接口403以及输出接口404;
其中,处理器402调用存储器401中存储的可执行程序代码,用于执行实施例一或实施例二所描述的基于多态数据的故障检测方法中的步骤。
实施例五
本发明实施例公开了一种计算机存储介质,其存储用于电子数据交换的计算机程序,其中,该计算机程序使得计算机执行实施例一或实施例二所描述的基于多态数据的故障检测方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行实施例一或实施例二所描述的基于多态数据的故障检测方法中的步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种基于多态数据的故障检测方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种基于多态数据的故障检测方法,其特征在于,所述方法包括:
监测目标设备的运行状态,得到所述目标设备的基础运行数据,并根据所述基础运行数据,判断所述目标设备是否满足预设的基础运行故障条件;
当判断出所述目标设备满足所述基础运行故障条件时,根据所述基础运行数据,确定所述目标设备对应的故障检测类型;
获取所述目标设备的多态运行数据,并根据所述多态运行数据、所述故障检测类型及预设的所述故障检测类型对应的故障检测分析条件,确定所述目标设备对应的故障检测结果;
其中,所述故障检测类型包括故障预测类型和/或故障诊断类型。
2.根据权利要求1所述的基于多态数据的故障检测方法,其特征在于,当所述故障检测类型包括所述故障预测类型时,所述根据所述多态运行数据、所述故障检测类型及预设的所述故障检测类型对应的故障检测分析条件,确定所述目标设备对应的故障检测结果,包括:
分析所述多态运行数据,得到所述目标设备对应的当前运行效果情况;
根据所述当前运行效果情况及设定的运行分析条件,预测所述目标设备对应的运行趋势情况;
根据所述当前运行效果情况、所述运行趋势情况及设定的设备故障运行条件,确定所述目标设备的预测故障信息,作为所述目标设备对应的故障检测结果。
3.根据权利要求1或2所述的基于多态数据的故障检测方法,其特征在于,当所述故障检测类型包括所述故障诊断类型时,所述根据所述多态运行数据、所述故障检测类型及预设的所述故障检测类型对应的故障检测分析条件,确定所述目标设备对应的故障检测结果,包括:
分析所述多态运行数据,得到所述目标设备对应的运行数据变化情况;
根据所述运行数据变化情况,判断所有故障类型中是否存在与所述目标设备相匹配的目标故障类型;
当判断出所有所述故障类型中存在所述目标故障类型时,从所有所述故障类型中筛选出所述目标故障类型,并确定所述目标故障类型对应的故障诊断信息,作为所述目标设备对应的故障检测结果。
4.根据权利要求3所述的基于多态数据的故障检测方法,其特征在于,所述根据所述运行数据变化情况,判断所有故障类型中是否存在与所述目标设备相匹配的目标故障类型,包括:
确定每一故障类型对应的故障数据变化情况,并根据所述运行数据变化情况及所述故障数据变化情况,确定所述目标设备与每一所述故障类型的匹配度;
根据所有所述匹配度,判断所有所述故障类型中是否存在满足预设的匹配度筛选条件的故障类型;所述匹配度筛选条件包括匹配度阈值筛选条件和/或匹配度排序筛选条件;
当判断结果为是时,确定所有故障类型中存在与所述目标设备相匹配的目标故障类型;当判断结果为否时,确定所有故障类型中不存在与所述目标设备相匹配的目标故障类型。
5.根据权利要求4所述的基于多态数据的故障检测方法,其特征在于,所述方法还包括:
当判断出所有所述故障类型中不存在所述目标故障类型时,发送故障类型分析指令,所述故障类型分析指令包括所述运行数据变化情况及所述多态运行数据;
接收管理用户发送的针对所述故障类型分析指令的故障类型分析结果,并根据所述故障类型分析结果,确定所述目标设备的匹配故障类型;
确定所述目标设备对应的故障检测结果为所述匹配故障类型,并将所述运行数据变化情况、所述多态运行数据及所述匹配故障类型进行信息绑定操作,得到信息绑定后的所述匹配故障类型;
将信息绑定后的所述匹配故障类型存储至故障类型库中,所述故障类型库存储所有所述故障类型。
6.根据权利要求5所述的基于多态数据的故障检测方法,其特征在于,在所述根据所述多态运行数据、所述故障检测类型及预设的所述故障检测类型对应的故障检测分析条件,确定所述目标设备对应的故障检测结果之后,所述方法还包括:
根据所述故障检测结果及设定的故障维修分析条件,确定所述目标设备对应的故障维修信息;
根据所述故障维修信息,对所述目标设备执行故障维修操作,得到故障维修后的所述目标设备。
7.根据权利要求6所述的基于多态数据的故障检测方法,其特征在于,所述方法还包括:
获取所述目标设备的历史故障数据,并根据所述历史故障数据及所述故障检测结果,确定所述目标设备的故障频繁度;
判断所述故障频繁度是否大于等于预设的故障频繁度阈值,当判断结果为是时,获取所述故障检测结果对应的历史维修信息及历史故障运行信息;
根据所述历史维修信息、所述历史故障数据、所述故障频繁度及所述历史故障运行信息,确定所述故障检测结果对应的当前故障维修信息;
根据所述当前故障维修信息,更新所述目标设备对应的故障维修信息;并基于更新后的所述目标设备对应的故障维修信息,执行所述的根据所述故障维修信息,对所述目标设备执行故障维修操作,得到故障维修后的所述目标设备的操作。
8.一种基于多态数据的故障检测装置,其特征在于,所述装置包括:
信息获取模块,用于监测目标设备的运行状态,得到所述目标设备的基础运行数据;
判断模块,用于根据所述基础运行数据,判断所述目标设备是否满足预设的基础运行故障条件;
确定模块,用于当所述判断模块判断出所述目标设备满足所述基础运行故障条件时,根据所述基础运行数据,确定所述目标设备对应的故障检测类型;
所述信息获取模块,还用于获取所述目标设备的多态运行数据;
故障检测模块,用于根据所述多态运行数据、所述故障检测类型及预设的所述故障检测类型对应的故障检测分析条件,确定所述目标设备对应的故障检测结果;
其中,所述故障检测类型包括故障预测类型和/或故障诊断类型。
9.一种基于多态数据的故障检测装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-7任一项所述的基于多态数据的故障检测方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-7任一项所述的基于多态数据的故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211489504.5A CN115865751B (zh) | 2022-11-25 | 2022-11-25 | 基于多态数据的故障检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211489504.5A CN115865751B (zh) | 2022-11-25 | 2022-11-25 | 基于多态数据的故障检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115865751A CN115865751A (zh) | 2023-03-28 |
CN115865751B true CN115865751B (zh) | 2024-05-14 |
Family
ID=85666376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211489504.5A Active CN115865751B (zh) | 2022-11-25 | 2022-11-25 | 基于多态数据的故障检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115865751B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106502853A (zh) * | 2016-12-23 | 2017-03-15 | 北京华杰代克科技有限公司 | 嵌入式智能故障检测报警*** |
WO2018045241A2 (en) * | 2016-09-01 | 2018-03-08 | Uptake Technologies, Inc. | Detection of anomalies in multivariate data |
CN110178121A (zh) * | 2017-09-06 | 2019-08-27 | 富璟科技(深圳)有限公司 | 一种数据库的检测方法及其终端 |
CN110345602A (zh) * | 2019-07-15 | 2019-10-18 | 珠海格力电器股份有限公司 | 空调维保方法、装置、计算机设备和存储介质 |
KR20210115991A (ko) * | 2020-03-17 | 2021-09-27 | 한국전자통신연구원 | 시계열 데이터 분석을 이용한 네트워크 이상징후 탐지 방법 및 장치 |
CN113485302A (zh) * | 2021-07-20 | 2021-10-08 | 山东大学 | 基于多元时序数据的车辆运行过程故障诊断方法及*** |
CN114118208A (zh) * | 2021-10-21 | 2022-03-01 | 国网河北省电力有限公司电力科学研究院 | 基于多元信息的变压器故障判断方法、装置及电子设备 |
CN114253800A (zh) * | 2021-12-06 | 2022-03-29 | 青岛海尔科技有限公司 | 一种边缘诊断方法、装置、设备和存储介质 |
CN115225460A (zh) * | 2022-07-15 | 2022-10-21 | 北京天融信网络安全技术有限公司 | 故障判定方法、电子设备和存储介质 |
CN115271117A (zh) * | 2022-07-25 | 2022-11-01 | 中国南方电网有限责任公司超高压输电公司昆明局 | 一种换流站内部设备故障诊断方法、装置、计算机设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5244686B2 (ja) * | 2009-04-24 | 2013-07-24 | 株式会社東芝 | 監視装置およびサーバー |
US9201723B2 (en) * | 2011-06-27 | 2015-12-01 | International Business Machines Corporation | Fault handling in a distributed IT environment |
US10530603B2 (en) * | 2017-01-11 | 2020-01-07 | Smartiply, Inc. | Intelligent multi-modal IOT gateway |
-
2022
- 2022-11-25 CN CN202211489504.5A patent/CN115865751B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018045241A2 (en) * | 2016-09-01 | 2018-03-08 | Uptake Technologies, Inc. | Detection of anomalies in multivariate data |
CN109716356A (zh) * | 2016-09-01 | 2019-05-03 | 摄取技术有限公司 | 多变量数据中的异常检测 |
CN106502853A (zh) * | 2016-12-23 | 2017-03-15 | 北京华杰代克科技有限公司 | 嵌入式智能故障检测报警*** |
CN110178121A (zh) * | 2017-09-06 | 2019-08-27 | 富璟科技(深圳)有限公司 | 一种数据库的检测方法及其终端 |
CN110345602A (zh) * | 2019-07-15 | 2019-10-18 | 珠海格力电器股份有限公司 | 空调维保方法、装置、计算机设备和存储介质 |
KR20210115991A (ko) * | 2020-03-17 | 2021-09-27 | 한국전자통신연구원 | 시계열 데이터 분석을 이용한 네트워크 이상징후 탐지 방법 및 장치 |
CN113485302A (zh) * | 2021-07-20 | 2021-10-08 | 山东大学 | 基于多元时序数据的车辆运行过程故障诊断方法及*** |
CN114118208A (zh) * | 2021-10-21 | 2022-03-01 | 国网河北省电力有限公司电力科学研究院 | 基于多元信息的变压器故障判断方法、装置及电子设备 |
CN114253800A (zh) * | 2021-12-06 | 2022-03-29 | 青岛海尔科技有限公司 | 一种边缘诊断方法、装置、设备和存储介质 |
CN115225460A (zh) * | 2022-07-15 | 2022-10-21 | 北京天融信网络安全技术有限公司 | 故障判定方法、电子设备和存储介质 |
CN115271117A (zh) * | 2022-07-25 | 2022-11-01 | 中国南方电网有限责任公司超高压输电公司昆明局 | 一种换流站内部设备故障诊断方法、装置、计算机设备 |
Non-Patent Citations (2)
Title |
---|
基于多源异构数据的配电网故障信息挖掘与诊断;马洲俊;樊飞龙;王勇;王立伟;倪春华;陆昱;;供用电;20180805(第08期);36-44 * |
智能故障预警、诊断数据库***在发射台的应用;吴金友;;西部广播电视;20200725(第14期);217-219 * |
Also Published As
Publication number | Publication date |
---|---|
CN115865751A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3806432A1 (en) | Method for changing service on device and service changing system | |
US10452983B2 (en) | Determining an anomalous state of a system at a future point in time | |
CN106201757B (zh) | 一种异常处理方法和装置 | |
CN113176978A (zh) | 基于日志文件的监控方法、***、设备及可读存储介质 | |
CN110865835A (zh) | 配置文件更新方法、装置、计算机设备和存储介质 | |
CN113821416A (zh) | 监测告警方法、装置、存储介质及电子设备 | |
CN115225536A (zh) | 一种基于无监督学习的虚拟机异常检测方法及*** | |
CN112817814A (zh) | 异常监控方法、***、存储介质及电子装置 | |
CN115860729A (zh) | 一种it运维综合管理*** | |
CN115865751B (zh) | 基于多态数据的故障检测方法及装置 | |
CN116896064B (zh) | 一种用电负载的用电特征分析***及方法 | |
CN113138934A (zh) | 自动测试的方法、介质、装置和计算设备 | |
CN115883392B (zh) | 算力网络的数据感知方法、装置、电子设备及存储介质 | |
CN116992982A (zh) | 模型部署方法、装置、***、电子设备和存储介质 | |
CN113329128B (zh) | 话务数据预测方法及装置、电子设备、存储介质 | |
CN114861909A (zh) | 模型质量监控方法、装置、电子设备以及存储介质 | |
CN111475322A (zh) | 定位stuck线程的方法、装置、计算机设备及可读存储介质 | |
CN110674839A (zh) | 异常用户识别方法、装置、存储介质及电子设备 | |
CN116708135B (zh) | 网络业务故障监测方法、装置、电子设备及存储介质 | |
CN113961555B (zh) | 数据修正方法及装置、存储介质及电子设备 | |
US12028223B2 (en) | Capacity aware cloud environment node recovery system | |
CN115718728A (zh) | 一种分布式***的数据检核方法、装置、设备及介质 | |
CN116307026A (zh) | 基于台账信息的设备智能化管理方法及装置 | |
CN118297575A (zh) | 基于物联网的城市设备智能维护方法及装置 | |
CN117579524A (zh) | 一种微服务异常检测方法及装置、电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |