CN116482460A - 电网设备故障诊断方法及相关设备 - Google Patents
电网设备故障诊断方法及相关设备 Download PDFInfo
- Publication number
- CN116482460A CN116482460A CN202310440029.0A CN202310440029A CN116482460A CN 116482460 A CN116482460 A CN 116482460A CN 202310440029 A CN202310440029 A CN 202310440029A CN 116482460 A CN116482460 A CN 116482460A
- Authority
- CN
- China
- Prior art keywords
- fault diagnosis
- data
- analysis
- power grid
- grid 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.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000007621 cluster analysis Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 238000000513 principal component analysis Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 12
- 238000012706 support-vector machine Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本专利公开了一种电网设备故障诊断方法及相关设备。该***包括多个故障检测模块、数据处理模块、故障诊断模块和显示输出模块。其中,故障检测模块用于对电网设备进行故障检测,并采集实时的操作数据;数据处理模块将所采集到的实时操作数据进行预处理,以提高故障诊断的准确性;故障诊断模块将预处理后的数据进行分析,并诊断出电网设备可能存在的故障,帮助用户及时进行设备维护和保养。本专利还公开了一种电网设备故障诊断方法,能够高效地对电网设备进行故障诊断,提高电网设备的可靠性和稳定性。
Description
技术领域
本公开涉及电网技术领域,尤其涉及一种电网设备故障诊断方法及相关设备。
背景技术
目前,随着电力***的不断发展和智能化程度的提高,电网设备故障诊断技术得到了广泛关注。传统的电网设备故障诊断方法主要依赖于经验和人工判断,存在诊断精度低、效率低等问题。而随着人工智能技术的快速发展,基于机器学习和数据挖掘的电网设备故障诊断方法逐渐成为研究的热点。
随着互联网和物联网技术的广泛应用,越来越多的电网设备可以通过网络和传感器进行远程监测和控制。这为电力设备的故障诊断提供了更多的数据来源和手段。利用机器学习、数据挖掘和人工智能等技术,将收集到的数据进行分析和处理,可以精准地诊断电网设备的故障类型和位置,为快速修复故障提供支持。
因此,开发一种高效、准确的、基于智能化技术的电网设备故障诊断方法及***,成为电力行业中的一个重要研究方向。
发明内容
本公开实施例提供一种电网设备故障诊断方法及相关设备,能够至少解决现有技术中的部分问题。
本公开实施例的第一方面,
提供一种电网设备故障诊断方法,包括:
对电网设备进行故障检测,采集实时操作数据;
对所采集到的所述实时操作数据进行预处理,以提高所述故障诊断的准确性;
对预处理后的数据进行分析,诊断出所述电网设备可能存在的故障。
在一种可选的实施方式中,其中预处理包括数据滤波、特征提取和特征筛选,所述对所采集到的所述实时操作数据进行预处理,包括:
对所采集到的所述实时操作数据进行数据滤波、特征提取和特征筛选。
在一种可选的实施方式中,其中数据分析包括聚类分析、主成分分析和支持向量机分析,所述对预处理后的数据进行分析,包括:
通过所述聚类分析、主成分分析和支持向量机分析对所述预处理后的数据进行分析。
在一种可选的实施方式中,还包括:
将将分析结果进行汇总并通过可视化的方式将所述分析结果呈现给用户。
本公开实施例的第二方面,
提供一种电网设备故障诊断***,所述***包括:
故障检测模块,用于对电网设备进行故障检测,采集实时操作数据;
数据处理模块,用于对所采集到的所述实时操作数据进行预处理,以提高所述故障诊断的准确性;
故障诊断模块,用于对预处理后的数据进行分析,诊断出所述电网设备可能存在的故障。
在一种可选的实施方式中,其中预处理包括数据滤波、特征提取和特征筛选,所述数据处理模块具体用于对所采集到的所述实时操作数据进行数据滤波、特征提取和特征筛选,以提高所述故障诊断的准确性。
在一种可选的实施方式中,其中数据分析包括聚类分析、主成分分析和支持向量机分析,所述故障诊断模块对预处理后的数据进行分析,具体配置为:
通过所述聚类分析、主成分分析和支持向量机分析对所述预处理后的数据进行分析。
在一种可选的实施方式中,还包括显示输出模块;
所述显示输出模块,用于将分析结果进行汇总并通过可视化的方式将所述分析结果呈现给用户。
本公开实施例的第三方面,
提供一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行前述所述的电网设备故障诊断方法。
本公开实施例的第四方面,
提供一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现前述所述的电网设备故障诊断方法。
本申请提供了一种电网设备故障诊断方法及相关设备。该***包括多个故障检测模块、数据处理模块、故障诊断模块和显示输出模块。其中,故障检测模块用于对电网设备进行故障检测,并采集实时的操作数据;数据处理模块将所采集到的实时操作数据进行预处理,以提高故障诊断的准确性;故障诊断模块将预处理后的数据进行分析,并诊断出电网设备可能存在的故障,帮助用户及时进行设备维护和保养。本专利还公开了一种电网设备故障诊断方法,能够高效地对电网设备进行故障诊断,提高电网设备的可靠性和稳定性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本公开实施例电网设备故障诊断方法的流程示意图;
图2为本公开实施例电网设备故障诊断***的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
下面以具体地实施例对本公开的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本公开实施例电网设备故障诊断方法的流程示意图,如图1所示,该方法可以包括:
S101、对电网设备进行故障检测,采集实时操作数据;
S102、对所采集到的实时操作数据进行预处理,以提高故障诊断的准确性;
S103、对预处理后的数据进行分析,诊断出电网设备可能存在的故障。
在一种可选的实施方式中,其中预处理包括数据滤波、特征提取和特征筛选,图1所示步骤S102具体可以包括:
对所采集到的实时操作数据进行数据滤波、特征提取和特征筛选。
在一种可选的实施方式中其中数据分析包括聚类分析、主成分分析和支持向量机分析,图1所述步骤S103具体可以包括:
通过所述聚类分析、主成分分析和支持向量机分析对所述预处理后的数据进行分析。
本公开实施例的第二方面,
提供一种电网设备故障诊断***,如图2所示,该***可以包括:
多个故障检测模块100,用于对电网设备进行故障检测,采集实时操作数据;;
数据处理模块110,用于对所采集到的实时操作数据进行预处理,以提高故障诊断的准确性;
故障诊断模块120,用于对预处理后的数据进行分析,诊断出电网设备可能存在的故障。
在一种可选的实施方式中,其中故障检测模块可以包括温度检测模块、震动检测模块和电流检测模块等。
在一种可选的实施方式中,其中预处理包括数据滤波、特征提取和特征筛选,所述数据处理模块110具体用于对所采集到的所述实时操作数据进行数据滤波、特征提取和特征筛选,以提高所述故障诊断的准确性。
在一种可选的实施方式中,其中数据分析包括聚类分析、主成分分析和支持向量机分析,所述故障诊断模块120对预处理后的数据进行分析,具体配置为:
通过所述聚类分析、主成分分析和支持向量机分析对所述预处理后的数据进行分析。
在一种可选的实施方式中,该***可以应用于电力***、电力设备生产厂家或者电力设备运维公司。
在一种可选的实施方式中,该***还可以包括显示输出模块;
所述显示输出模块,用于将分析结果进行汇总并通过可视化的方式将所述分析结果呈现给用户。
本公开实施例的第三方面,
提供一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行前述所述的方法。
本公开实施例的第四方面,
提供一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现前述所述的方法。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。还需要说明的是,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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (10)
1.一种电网设备故障诊断方法,其特征在于,所述方法包括:
对电网设备进行故障检测,采集实时操作数据;
对所采集到的所述实时操作数据进行预处理,以提高所述故障诊断的准确性;
对预处理后的数据进行分析,诊断出所述电网设备可能存在的故障。
2.根据权利要求1所述的方法,其特征在于,其中预处理包括数据滤波、特征提取和特征筛选,所述对所采集到的所述实时操作数据进行预处理,包括:
对所采集到的所述实时操作数据进行数据滤波、特征提取和特征筛选。
3.根据权利要求1或2所述的电网设备故障诊断方法,其特征在于,其中数据分析包括聚类分析、主成分分析和支持向量机分析,所述对预处理后的数据进行分析,包括:
通过所述聚类分析、主成分分析和支持向量机分析对所述预处理后的数据进行分析。
4.根据权利要求1所述的方法,其特征在于,还包括:
将分析结果进行汇总并通过可视化的方式将所述分析结果呈现给用户。
5.一种电网设备故障诊断***,其特征在于,所述***包括:
故障检测模块,用于对电网设备进行故障检测,采集实时操作数据;
数据处理模块,用于对所采集到的所述实时操作数据进行预处理,以提高所述故障诊断的准确性;
故障诊断模块,用于对预处理后的数据进行分析,诊断出所述电网设备可能存在的故障。
6.根据权利要求5所述的电网设备故障诊断***,其特征在于,其中预处理包括数据滤波、特征提取和特征筛选,所述数据处理模块具体用于对所采集到的所述实时操作数据进行数据滤波、特征提取和特征筛选,以提高所述故障诊断的准确性。
7.根据权利要求5或6所述的电网设备故障诊断***,其特征在于,其中数据分析包括聚类分析、主成分分析和支持向量机分析,所述故障诊断模块对预处理后的数据进行分析,具体配置为:
通过所述聚类分析、主成分分析和支持向量机分析对所述预处理后的数据进行分析。
8.根据权利要求5所述的***,其特征在于,还包括显示输出模块;
所述显示输出模块,用于将分析结果进行汇总并通过可视化的方式将所述分析结果呈现给用户。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至4中任意一项所述的电网设备故障诊断方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至4中任意一项所述的电网设备故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310440029.0A CN116482460A (zh) | 2023-04-21 | 2023-04-21 | 电网设备故障诊断方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310440029.0A CN116482460A (zh) | 2023-04-21 | 2023-04-21 | 电网设备故障诊断方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116482460A true CN116482460A (zh) | 2023-07-25 |
Family
ID=87224637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310440029.0A Pending CN116482460A (zh) | 2023-04-21 | 2023-04-21 | 电网设备故障诊断方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116482460A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117272152A (zh) * | 2023-11-16 | 2023-12-22 | 晶科储能科技有限公司 | 储能***故障诊断方法、***、电子设备及存储介质 |
-
2023
- 2023-04-21 CN CN202310440029.0A patent/CN116482460A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117272152A (zh) * | 2023-11-16 | 2023-12-22 | 晶科储能科技有限公司 | 储能***故障诊断方法、***、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021064370A (ja) | デジタル・ツイン・シミュレーション・データを利用した時系列データに基づく、大規模な産業用監視システム向けの半教師あり深層異常検出のための方法およびシステム | |
de la Hermosa González | Wind farm monitoring using Mahalanobis distance and fuzzy clustering | |
CN112393931A (zh) | 检测方法、装置、电子设备和计算机可读介质 | |
CN111767957B (zh) | 一种日志异常的检测方法、装置、存储介质及电子设备 | |
CN116482460A (zh) | 电网设备故障诊断方法及相关设备 | |
CN113742993A (zh) | 干式变压器寿命损失预测方法、装置、设备及存储介质 | |
CN112926636A (zh) | 牵引变流器柜体温度异常检测方法和装置 | |
CN112904148A (zh) | 智能电缆运行监测***、方法及装置 | |
CN113468384B (zh) | 网络情报源信息的处理方法、装置、存储介质及处理器 | |
Du et al. | RUL prediction based on GAM–CNN for rotating machinery | |
Al-Dahidi et al. | A novel ensemble clustering for operational transients classification with application to a nuclear power plant turbine | |
CN116820821A (zh) | 磁盘故障检测方法、装置、电子设备及计算机可读存储介质 | |
CN116611006A (zh) | 基于用户反馈的电水壶的故障识别方法及装置 | |
CN112527610A (zh) | 设备运作状态的监测方法及装置 | |
CN116089891A (zh) | 一种诊断桩基结构的安全状况的方法及*** | |
CN113283076A (zh) | 用电异常的研究方法、装置与计算机可读存储介质 | |
CN110879537A (zh) | 智能家居能源***暂态稳定性的处理方法和装置 | |
CN114330569A (zh) | 一种检测风机组部件故障的方法、设备及存储介质 | |
CN113539352A (zh) | 一种固态硬盘隐性故障检测方法及相关设备 | |
CN113098390A (zh) | 基于模糊数学的新能源并网自动告警及可视化方法及装置 | |
CN113139332A (zh) | 一种自动化模型构建方法、装置及设备 | |
CN112379656A (zh) | 工业***异常数据的检测的处理方法、装置、设备和介质 | |
CN110659170A (zh) | 一种车载t-box测试*** | |
CN118296427A (zh) | 一种振动检测与振动分析方法及*** | |
CN114117325B (zh) | 一种测风数据处理方法、***、装置及存储介质 |
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 |