CN116799953A - 一种基于电网调度监控的设备异常识别方法、装置及设备 - Google Patents
一种基于电网调度监控的设备异常识别方法、装置及设备 Download PDFInfo
- Publication number
- CN116799953A CN116799953A CN202310714709.7A CN202310714709A CN116799953A CN 116799953 A CN116799953 A CN 116799953A CN 202310714709 A CN202310714709 A CN 202310714709A CN 116799953 A CN116799953 A CN 116799953A
- Authority
- CN
- China
- Prior art keywords
- equipment
- data
- abnormality
- identification
- target
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 229
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012544 monitoring process Methods 0.000 title claims abstract description 52
- 230000000977 initiatory effect Effects 0.000 claims abstract description 12
- 230000007547 defect Effects 0.000 claims description 107
- 230000011664 signaling Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 16
- 230000005764 inhibitory process Effects 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 15
- 230000001174 ascending effect Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 10
- 230000007774 longterm Effects 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000010845 search algorithm Methods 0.000 description 7
- 238000003780 insertion Methods 0.000 description 4
- 230000037431 insertion Effects 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004804 winding Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 101100326595 Arabidopsis thaliana CAD6 gene Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明实施例公开了一种基于电网调度监控的设备异常识别方法、装置及设备,该方法包括:获取预设设备异常识别任务,并根据预设设备异常识别任务对应的任务参数信息发起目标识别任务请求;响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息;获取与目标识别任务对应的预设整定条件,并根据预设整定条件以及设备数据信息,进行异常识别得到设备异常识别结果。本发明实施例的技术方案,可以实现对设备异常进行识别,降低了设备异常识别的成本,提高了设备异常识别的效率。
Description
技术领域
本发明涉及电力***调度监控技术领域,尤其涉及一种基于电网调度监控的设备异常识别方法、装置及设备。
背景技术
随着主网规模的不断扩大,电力监控设备的覆盖范围更加广泛,电力监控设备接入的实时信息量也呈***式增长,调度员的日常工作量过于饱和。此外,在调控员的监盘工作中,存在一些难以识别的设备异常。例如,监控***单间隔遥测异常、开关遥信异常、一次设备运行状态异常、信号抑制,以及自动电压控制(Automatic Voltage Control,AVC)闭锁功能异常等。
现有技术中,通常依靠调控员人工翻阅每个厂站的图表,例如,接线图、信号实时量、告警抑制表和AVC运行控制表等。然后可以根据各图表信息重复性地进行数据比对与判断,以核查设备是否存在异常。
但是,依靠人工进行设备异常识别的方式,需要调度员进行大量的重复劳动,导致调度员的工作强度较大,设备异常识别成本较高。其次,通过人工进行设备异常识别,每次至少需要一个小时,导致设备异常识别的效率不高。
发明内容
本发明提供了一种基于电网调度监控的设备异常识别方法、装置及设备,可以实现对设备异常进行识别,降低了设备异常识别的成本,提高了设备异常识别的效率。
第一方面,提供了一种基于电网调度监控的设备异常识别方法,该方法包括:
获取预设设备异常识别任务,并根据预设设备异常识别任务对应的任务参数信息发起目标识别任务请求;
响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息;
获取与目标识别任务对应的预设整定条件,并根据预设整定条件以及设备数据信息,进行异常识别得到设备异常识别结果。
可选的,根据预设整定条件以及设备数据信息,进行异常识别得到设备异常识别结果,包括:获取设备数据信息中同类数据对象的数据值,生成数据子集;重复选出数据子集中的最大值或最小值,并将最大值或最小值放置在数据序列的末尾操作,直至数据子集中的数据值均被选出,得到降序或者升序排列的数据序列;获取预设整定条件中与同类数据对象对应的目标整定值,并通过目标整定值与数据序列中各元素的比较,得到设备异常识别结果。
可选的,通过目标整定值与数据序列中各元素的比较,得到设备异常识别结果,包括:将数据序列中的中间元素与目标整定值进行比较,并根据比较结果与排序方式确定目标整定值位于数据序列中的目标序列段;重复将目标序列段的中间元素与目标整定值进行比较,并根据比较结果与排序方式更新目标序列段,直至将目标整定值***至数据序列;通过目标整定值将数据序列划分为第一序列段和第二序列段,并根据排序方式分别确定第一序列段与第二序列段中的元素是否满足预设整定条件,得到设备异常识别结果。
可选的,响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息,包括:响应于目标识别任务请求,采集与目标识别任务对应的电网调度监控***SCADA数据信息表中数据,作为设备数据信息;根据SCADA数据信息表中的挂牌标识,对设备数据信息进行过滤更新。
可选的,预设整定条件,包括下述至少一项:遥测死数整定条件、线路不平衡整定条件、主变不平衡整定条件、电流三相不一致整定条件、主变油温异常整定条件、10kV母线缺失接地变运行整定条件、开关分闸有电流整定条件、开关遥信异常整定条件、告警信号长时抑制整定条件、以及容抗人工闭锁异常整定条件。
可选的,一种基于电网调度监控的设备异常识别方法,还包括:根据设备异常识别结果所属的一次设备,进行数据关联关系组合,生成设备异常识别汇总表,并将设备异常识别汇总表进行展示;其中,设备异常识别汇总表中包括:批量处理控制键、筛查控制键、缺陷筛选控制键;以及一次设备的双重命名。
可选的,一种基于电网调度监控的设备异常识别方法,还包括:在检测到设备异常识别汇总表中的缺陷筛选控制键被选中时,检测设备异常识别汇总表中的数据是否存在于设备缺陷库中;如果设备异常识别汇总表中的数据存在于设备缺陷库中,则获取对应的缺陷处理信息,并将缺陷处理信息添加至设备异常识别汇总表;如果设备异常识别汇总表中的数据不存在于设备缺陷库中,则检测设备异常识别汇总表中的数据是否满足缺陷等级;如果设备异常识别汇总表中的数据满足缺陷等级,则将与缺陷等级对应的缺陷数据更新至设备缺陷库。
第二方面,提供了一种基于电网调度监控的设备异常识别装置,该装置包括:
目标识别任务请求发起模块,用于获取预设设备异常识别任务,并根据预设设备异常识别任务对应的任务参数信息发起目标识别任务请求;
设备数据信息采集模块,用于响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息;
异常识别模块,用于获取与目标识别任务对应的预设整定条件,并根据预设整定条件以及设备数据信息,进行异常识别得到设备异常识别结果。
第三方面,提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本发明任一实施例的基于电网调度监控的设备异常识别方法。
第四方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本发明任一实施例所述的基于电网调度监控的设备异常识别方法。
本发明实施例的技术方案,通过获取预设设备异常识别任务,并根据预设设备异常识别任务对应的任务参数信息发起目标识别任务请求;响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息;获取与目标识别任务对应的预设整定条件,并根据预设整定条件以及设备数据信息,进行异常识别得到设备异常识别结果的技术手段,解决了依靠人工进行设备异常识别,导致设备异常识别成本较高的问题,提高了设备异常识别的效率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
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是根据本发明实施例一提供的一种基于电网调度监控的设备异常识别方法的流程图;
图2是根据本发明实施例二提供的另一种基于电网调度监控的设备异常识别方法的流程图;
图3是根据本发明实施例三提供的另一种基于电网调度监控的设备异常识别方法的流程图;
图4是本发明实施例提供的一种缺陷跟踪处理方法的示意图;
图5是根据本发明实施例四提供的一种基于电网调度监控的设备异常识别装置的结构示意图;
图6是实现本发明实施例的基于电网调度监控的设备异常识别方法的电子设备的结构示意图。
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的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,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”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种基于电网调度监控的设备异常识别方法的流程图,本实施例可适用于对电力设备进行异常识别的情况,该方法可以由基于电网调度监控的设备异常识别装置来执行,该基于电网调度监控的设备异常识别装置可以采用硬件和/或软件的形式实现,该基于电网调度监控的设备异常识别装置可配置于电子设备如计算机中。如图1所示,该方法包括:
步骤110、获取预设设备异常识别任务,并根据预设设备异常识别任务对应的任务参数信息发起目标识别任务请求。
在本实施例中,预设设备异常识别任务可以是对设备进行异常识别。上述设备可以包括发电机、变压器、断路器、隔离开关、母线、输电线路、电动机和厂站等。任务参数信息可以是处理预设设备异常识别任务时能够获取到的参数。例如,执行预设设备异常识别任务的厂站信息和设备异常类型等。设备异常类型可以有多种,例如,遥测死数、主变油温异常、线路不平衡、主变不平衡、电流三相不一致、开关遥信异常、开关分闸有电流、10kV母线缺失接地变运行、告警信号长时抑制和容抗人工闭锁异常等。目标识别任务请求可以用于反映请求处理的设备和设备异常类型等信息。
在此步骤,具体的,可以对预设设备异常识别任务进行命名,例如线路异常识别任务。然后可以保存上述线路异常识别任务对应的自定义任务模板。自定义任务模板中可以包括预设设备异常识别任务的名称、编号、所识别设备的名称,以及设备异常类型等。示例性的,如果预设设备异常识别任务是识别厂站是否存在主变油温异常,则可以根据上述预设设备异常识别任务对应的厂站信息和设备异常类型,发起目标识别任务请求。
步骤120、响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息。
在本实施例中,目标识别任务可以是对设备进行异常识别。目标识别任务可以与各种异常识别类型相对应,例如,目标识别任务可以是识别厂站中是否存在线路不平衡异常、主变不平衡异常和开关遥信异常等。设备数据信息可以是设备相关信息,例如厂站信息、设备信息、设备遥测信息和最近变位时间等。
在此步骤,具体的,可以根据目标识别任务请求,读取数据采集与监视控制(Supervisory Control And Data Acquisition,SCADA)数据信息表对应的实时数据信息。上述SCADA数据信息表可以包括厂站表、遥信表、保护信息表、挂牌表、遥测表和操作信息表等。在采集到设备数据信息之后,可以对设备数据信息进行存储操作,便于后续读取设备数据信息。
步骤130、获取与目标识别任务对应的预设整定条件,并根据预设整定条件以及设备数据信息,进行异常识别得到设备异常识别结果。
在本实施例中,预设整定条件可以是用户预设的判断设备是否存在异常的条件。可选的,预设整定条件可以是设备数据信息对应的数值大于等于用户预设阈值。设备异常识别结果可以是当前设备存在与目标识别任务对应的异常,或者当前设备不存在与目标识别任务对应的异常。
在此步骤,具体的,可以将设备数据信息作为参数输入至预设整定条件中进行比对,判断上述设备数据信息是否满足预设整定条件。如果上述设备数据信息不满足预设整定条件,则可以认为当前设备不存在与目标识别任务对应的异常;或者如果上述设备数据信息满足预设整定条件,则可以认为当前设备存在与目标识别任务对应的异常。
可选的,可以采用排序算法和折半***查找算法,判断设备数据信息是否满足预设整定条件。或者,可以排序算法和折半查找算法,判断设备数据信息是否满足预设整定条件。
在本实施例中,排序算法可以是冒泡排序、选择排序或***排序等。通过排序算法可以依次选择待排序数据元素中的最小值,***到数据序列中。或者可以依次选择待排序数据元素中的最大值,***到数据序列中。折半查找算法可以是在有序的数据序列中查找特定位置的算法。折半查找算法可以将待***数值与位于数据序列中间位置的数值进行比较,然后可以根据比较结果,确定继续查找的数据序列范围。折半查找算法可以使每次查找的范围折半。例如,假设升序排列的原始数据序列存在12个数值,则可以选择第6个或第7个数值所在的位置,作为下一次折半查找的分界点。在选择第7个位置作为下一次折半查找的分界点时,如果待***数值小于第7个位置对应的数值,则下一次折半查找的数据序列范围可以是6。或者,如果待***数值大于第7个位置对应的数值,则下一次折半查找的数据序列范围可以是5。
在上述实施方式的基础上,可选的,预设整定条件,包括下述至少一项:遥测死数整定条件、线路不平衡整定条件、主变不平衡整定条件、电流三相不一致整定条件、主变油温异常整定条件、10kV母线缺失接地变运行整定条件、开关分闸有电流整定条件、开关遥信异常整定条件、告警信号长时抑制整定条件、以及容抗人工闭锁异常整定条件。
在本实施例中,遥测死数整定条件可以用于判断运行状态下的10kV及以上开关电流值死数。线路不平衡整定条件可以用于判断线路有功值是否平衡。示例性的,首先可以获取110kV及以上线路各侧有功值,然后计算线路各侧有功不平衡差值。最后可以根据线路各侧有功不平衡差值判断线路有功值是否平衡。主变不平衡整定条件可以用于判断主变压器各侧有功值是否平衡。示例性的,首先可以获取110kV及以上主变各侧有功值,然后可以计算110kV及以上主变各侧有功不平衡差值。最后可以根据主变各侧有功不平衡差值判断主变压器各侧有功值是否平衡。电流三相不一致整定条件可以用于判断开关电流三相是否一致。示例性的,首先可以获取110kV及以上开关三相电流,然后可以计算110kV及以上开关三相电流差值。最后可以根据开关三相电流差值判断开关电流三相是否一致。
主变油温异常整定条件可以用于判断110kV及以上主变油温是否存在长时不刷新异常。10kV母线缺失接地变运行整定条件可以用于判断是否存在非转供的10母线缺失接地变运行异常。开关分闸有电流整定条件可以用于判断开关是否存在假分的可能性。开关遥信异常整定条件可以用于判断是否存在开关遥信异常。告警信号长时抑制整定条件可以用于判断告警信号的抑制时间是否过长。容抗人工闭锁异常整定条件可以用于判断是否存在容抗AVC闭锁异常。
这样设置的好处在于,由于遥测死数、主变各侧遥测不一致和线路各侧遥测不一致异常,将影响电网调度自动化***合环校核的准确性以及用户对潮流的判断,存在极大的安全隐患。因此根据判断遥测死数、线路不平衡异常和主变不平衡异常的预设整定条件,可以及时识别遥测异常,保障了电力设备调度的可靠性。根据识别开关遥信异常的预设整定条件,可以避免开关遥信异常影响遥控操作进程的风险。根据告警信号长时抑制整定条件,可以识别告警信号长时间抑制或封锁的异常,避免了失去信号监视的风险。通过容抗人工闭锁异常整定条件,可以避免AVC未及时解封,影响电压调整。
本实施例的技术方案,通过获取预设设备异常识别任务,并根据预设设备异常识别任务对应的任务参数信息发起目标识别任务请求;响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息;获取与目标识别任务对应的预设整定条件,并根据预设整定条件以及设备数据信息,进行异常识别得到设备异常识别结果的技术手段,解决了依靠人工进行设备异常识别,导致设备异常识别成本较高的问题,提高了设备异常识别的效率。
实施例二
图2是根据本发明实施例二提供的另一种基于电网调度监控的设备异常识别方法的流程图,本实施例是对上述技术方案的进一步细化,本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图2所示,该方法包括:
步骤210、获取预设设备异常识别任务,并根据预设设备异常识别任务对应的任务参数信息发起目标识别任务请求。
步骤220、响应于目标识别任务请求,采集与目标识别任务对应的电网调度监控***SCADA数据信息表中数据,作为设备数据信息。
在本实施例中,电网调度监控***可以是对电力设备进行监控的***。电网调度监控***还可以向用户反馈设备运行信息。上述设备运行信息可以包括发电器、变压器、电流表和功率表等设备的运行信息。例如,主变压器的运行信息可以包括主变油温、主变绕组温度和遥测不刷新时间等。
示例性的,如果目标识别任务为识别厂站中是否存在线路不平衡异常,则可以读取SCADA数据信息表,如厂站表、断路器表和线路表。获取厂站表、断路器表和线路表中与目标识别任务对应的数据,作为设备数据信息。
这样设置的好处在于,可以全面提取与目标识别任务相关的数据信息,便于后续判断设备是否存在对应异常。
步骤230、根据SCADA数据信息表中的挂牌标识,对设备数据信息进行过滤更新。
在本实施例中,挂牌标识可以用于过滤正在停电检修和尚在试验阶段的设备。挂牌标识可以根据用户需求进行设置。例如,假设存在正在停电检修的设备,则用户可以对上述设备设置挂牌标识,以实现过滤操作。可选的,可以采用干扰过滤技术,对设备数据信息进行过滤更新。
在此步骤,具体的,可以对停电检修设备或者试验设备对应的CADA数据信息表,设置挂牌标识,以实现设备数据信息过滤更新。或者,可选的,可以由用户对停电检修设备或试验设备设置挂牌标识,以避免采集对应的设备数据信息。这样设置的好处在于,通过设置挂牌标识,可以避免进一步判断停电检修设备或者试验设备是否存在异常,节约了计算资源,提高了设备异常识别的效率。
步骤240、获取与目标识别任务对应的预设整定条件。
示例性的,表1是根据本发明实施例提供的一种异常识别策略表。如表1所示,如果识别设备是否存在遥测死数异常,则可以采集厂站表、遥测表和遥测不刷新信息表中的数据,得到开关遥信状态、开关电流值I、有功值P和电流不变化刷新时间t等设备数据信息。判断遥测死数的预设整定条件可以是若运行状态中的开关电流值不刷新时间t不刷新大于等于20分钟,并且该开关遥测值不满足P=0∪I≤6(排除母线空充或线路空充),则可以认为该开关电流值死数。
如果识别设备是否存在主变油温异常,则可以采集厂站表、遥测表和遥测不刷新信息表中的数据,得到主变油温K1、主变绕组温度K2和遥测不刷新时间t等设备数据信息。判断主变油温异常的预设整定条件可以是若主变油温/绕温不不刷新时间t油温/绕温大于等于1小时,则可以认为该主变油温显示异常。如果识别设备是否存在线路不平衡异常,则可以采集厂站表、断路器表和线路表中的数据,得到线路各侧有功值P1、P2和P3。判断线路不平衡异常的预设整定条件可以是若线路各侧有功值满足则可以认为该线路各侧有功不平衡。
如果识别设备是否存在主变不平衡异常,则可以采集厂站表、断路器表和变压器表中的数据,得到主变各侧有功值P3、P4和P5。判断主变不平衡异常的预设整定条件可以是若主变各侧电流值满足则可以认为该主变各侧有功不平衡。如果识别设备是否存在电流三相不一致的数据异常,则可以采集厂站表和断路器表中的数据,得到开关三相电流值I1、I2和I3。判断电流三相不一致的数据异常的预设整定条件可以是若开关三相电流满足(Imax-Imin)/Imax≥0.3,则可以认为该开关电流三相不一致。
如果识别设备是否存在开关遥信异常,则可以采集厂站表和开关遥测质量表中的数据,得到开关遥信质量码状态。判断开关遥信异常的预设整定条件可以是若遥信质量码为无效、双位错和采集异常等,则可以认为该开关遥信异常。
如果识别设备是否存在开关分闸有电流异常,则可以采集厂站表和断路器表中的数据,得到开关遥信状态和开关电流值I分闸。判断开关分闸有电流异常的预设整定条件可以是若开关在分闸状态下的电流值I分闸大于等于1,则可以认为该开关存在假分的可能性。
如果识别设备是否存在10kV母线缺失接地变运行异常,则可以采集厂站表和断路器表中的数据,得到接地变开关遥信状态和分段开关遥信状态。判断10kV母线缺失接地变运行异常的预设整定条件可以是若10kV接地变开关在分闸情况下,该10kV接地线开关所在母线10kV分段开关遥信在分闸位置,则可以认为该母线缺失接地变运行。
如果识别设备是否存在告警信号长时抑制异常,则可以采集厂站表、操作信息表、标志牌信息表和保护信号表中的数据,得到信号抑制类型和信号抑制时间。判断告警信号长时抑制异常的预设整定条件可以是若采用单点抑制方式的告警信号的抑制时间截止当前累计超过48小时,则可以认为存在告警信号长时抑制异常。
如果识别设备是否存在容抗人工闭锁异常,则可以采集厂站表、AVC控制参数表和AVC保护信号表中的数据,得到容抗AVC闭锁类型和AVC闭锁时间。判断容抗人工闭锁异常的预设整定条件可以是若容抗AVC人工闭锁累计时长超过24小时,且无挂牌,则可以认为存在容抗AVC闭锁异常。
表1
步骤250、获取设备数据信息中同类数据对象的数据值,生成数据子集。
在本实施例中,同类数据对象对应的数据类型可以相同。同类数据对象的数据值可以不同。数据子集可以是所有同类数据对象的数据值的集合。
示例性的,如表1所示,在识别开关分闸有电流异常时,采集的设备数据信息包括开关遥信状态和开关电流值。其中,开关电流值为同类数据对象的数据值。全部的开关电流值可以构成一个数据子集。
步骤260、重复选出数据子集中的最大值或最小值,并将最大值或最小值放置在数据序列的末尾操作,直至数据子集中的数据值均被选出,得到降序或者升序排列的数据序列。示例性的,如表1所示,在对遥测死数异常进行识别时,可以采集开关电流值不刷新时间。在开关电流值不刷新时间包括10s、20s和30s的情况下,可以首先将最大值30s放置在数据序列中。然后可以选择剩余数值中的最大值20s排列在数据序列的末尾。最后可以将10s排列在20s之后,得到降序排列的数据序列。或者,可以首先将最小值10s放置在数据序列中,然后可以依次选择20s和30s排列在数据序列的末尾,得到升序排列的数据序列。
又一示例性的,如表1所示,在识别设备是否存在主变不平衡异常时,可以采集主变各侧的有功值P1、P2、P3。然后可以计算对应的数值,生成数据子集。最后可以根据数据子集中的数值进行排序,得到降序或升序排列的数据序列。
步骤270、获取预设整定条件中与同类数据对象对应的目标整定值,并通过目标整定值与数据序列中各元素的比较,得到设备异常识别结果。
在本实施例中,目标整定值可以是根据用户需求进行预设的数值。
在此步骤,具体的,可以逐个将数据序列中的各元素与目标整定值进行比较,以实现设备异常识别。或者,可以在数据序列中选取一个中间元素,比较中间元素和目标整定性值。中间元素在数据序列中的位置编号可以通过计算得到。例如,最大值对应位置与最小值对应的位置之和除以2,再向下取整得到的数值,可以为中间元素的位置编号。或者,最大值对应位置与最小值对应的位置之和除以2,再向上取整得到的数值,可以为中间元素的位置编号。又或者,最大值对应位置与最小值对应的位置之和除以2得到的数值可以为中间元素的位置编号。示例性的,假设升序排列的原始数据序列存在12个数值,则可以选择中间元素对应的位置编号为6或7。或者升序排列的原始数据序列存在13个数值,则可以选择中间元素对应的位置编号为7。
可选的,中间元素的位置可以根据用户需求进行调整。具体的,中间元素可以位于数据序列的中间位置或者数据序列的三分之一处。优选的,中间元素位于数据序列的正中间位置。示例性的,假设升序排列的原始数据序列中存在12个数值,则可以选择中间元素对应的位置编号为3。
在本发明实施例的一个可选实施方式中,通过目标整定值与数据序列中各元素的比较,得到设备异常识别结果,包括:将数据序列中的中间元素与目标整定值进行比较,并根据比较结果与排序方式确定目标整定值位于数据序列中的目标序列段;重复将目标序列段的中间元素与目标整定值进行比较,并根据比较结果与排序方式更新目标序列段,直至将目标整定值***至数据序列;通过目标整定值将数据序列划分为第一序列段和第二序列段,并根据排序方式分别确定第一序列段与第二序列段中的元素是否满足预设整定条件,得到设备异常识别结果。
在本实施例中,在排序方式为降序时,如果比较结果为中间元素大于目标整定值,则可以确定目标序列段为数据序列的后半部分。或者,如果比较结果为中间元素小于目标整定值,则可以确定目标序列段为数据序列的前半部分。在排序方式为升序时,如果比较结果为中间元素大于目标整定值,则可以确定目标序列段为数据序列的前半部分。或者,如果比较结果为中间元素小于目标整定值,则可以确定目标序列段为数据序列的后半部分。更新后的目标序列段包含的元素数量可以小于更新前的目标序列段包含的元素数量。
示例性的,可以获取升序的数据序列中的中间元素,然后可以将目标整定值与中间元素进行对比。上述中间元素可以将数据序列划分成第一数据序列和第二数据序列。其中,第一数据序列中的最大值小于第二数据序列中的最小值。如果中间元素大于目标整定值,则可以继续在第一数据序列中选择一个中间元素,比较目标整定值和第一数据序列中的中间元素。如果第一数据序列中的中间元素仍然大于目标整定值,则可以将目标整定值与第一数据序列前半部分的中间元素进行对比,重复执行上述操作,直至目标整定值与任一中间元素值相等或者没有找到与目标整定值相等的中间元素,此时可以将目标整定值***到与其相等的中间元素的位置或者***到数据序列的首位。排列在目标整定值后面的元素均满足预设整定条件,输出设备对应的异常类型。反之,如果数据序列中的元素均小于目标整定值,则可以认为设备不存在正在识别的异常。
这样设置的好处在于,通过结合使用排序算法和折半***查找算法,可以减少目标整定值与数据序列中各元素进行比较的次数,节约了计算资源,提高了设备异常的识别效率。其次,结合使用排序算法和折半***查找算法,查找速度快、平均性能好。
本实施例的技术方案,通过获取预设设备异常识别任务,并根据预设设备异常识别任务对应的任务参数信息发起目标识别任务请求;响应于目标识别任务请求,采集与目标识别任务对应的电网调度监控***SCADA数据信息表中数据,作为设备数据信息,根据SCADA数据信息表中的挂牌标识,对所述设备数据信息进行过滤更新;获取设备数据信息中同类数据对象的数据值,生成数据子集;重复选出数据子集中的最大值或最小值,并将最大值或最小值放置在数据序列的末尾操作,直至数据子集中的数据值均被选出,得到降序或者升序排列的数据序列;获取预设整定条件中与同类数据对象对应的目标整定值,并通过目标整定值与数据序列中各元素的比较,得到设备异常识别结果的技术手段,解决了依靠人工进行设备异常识别,导致设备异常识别成本较高的问题,可以避免继续判断停电检修设备或者试验设备是否存在异常,节约了计算资源,提高了设备的异常识别效率。
实施例三
图3是根据本发明实施例三提供的另一种基于电网调度监控的设备异常识别方法的流程图,本实施例是对上述技术方案的进一步细化,本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图3所示,该方法包括:
步骤310、获取预设设备异常识别任务,并根据预设设备异常识别任务对应的任务参数信息发起目标识别任务请求。
步骤320、响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息。
可选的,响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息,包括:响应于目标识别任务请求,采集与目标识别任务对应的电网调度监控***SCADA数据信息表中数据,作为设备数据信息;根据SCADA数据信息表中的挂牌标识,对设备数据信息进行过滤更新。
步骤330、获取与目标识别任务对应的预设整定条件,并根据预设整定条件以及设备数据信息,进行异常识别得到设备异常识别结果。
可选的,预设整定条件,包括下述至少一项:遥测死数整定条件、线路不平衡整定条件、主变不平衡整定条件、电流三相不一致整定条件、主变油温异常整定条件、10kV母线缺失接地变运行整定条件、开关分闸有电流整定条件、开关遥信异常整定条件、告警信号长时抑制整定条件、以及容抗人工闭锁异常整定条件。
可选的,根据预设整定条件以及设备数据信息,进行异常识别得到设备异常识别结果,包括:获取设备数据信息中同类数据对象的数据值,生成数据子集;重复选出数据子集中的最大值或最小值,并将最大值或最小值放置在数据序列的末尾操作,直至数据子集中的数据值均被选出,得到降序或者升序排列的数据序列;获取预设整定条件中与同类数据对象对应的目标整定值,并通过目标整定值与数据序列中各元素的比较,得到设备异常识别结果。
可选的,通过目标整定值与数据序列中各元素的比较,得到设备异常识别结果,包括:将数据序列中的中间元素与目标整定值进行比较,并根据比较结果与排序方式确定目标整定值位于数据序列中的目标序列段;重复将目标序列段的中间元素与目标整定值进行比较,并根据比较结果与排序方式更新目标序列段,直至将目标整定值***至数据序列;通过目标整定值将数据序列划分为第一序列段和第二序列段,并根据排序方式分别确定第一序列段与第二序列段中的元素是否满足预设整定条件,得到设备异常识别结果。
步骤340、根据设备异常识别结果所属的一次设备,进行数据关联关系组合,生成设备异常识别汇总表,并将设备异常识别汇总表进行展示。
其中,设备异常识别汇总表中包括:批量处理控制键、筛查控制键、缺陷筛选控制键;以及一次设备的双重命名。
在本实施例中,一次设备可以是直接用于生产、输送和分配电能的高压电器设备。例如,一次设备可以包括发电机、变压器、断路器、隔离开关、母线、输电线路、电力电缆和电抗器等。可以将一次设备作为基础物理单元,将一次设备相关信息作为组合单元,进行数据关联关系组合。例如,假设一次设备是主变压器,一次设备的相关信息可以是一次设备所属厂站信息和主变油温,则可以将主变压器所属厂站信息和主变油温进行数据关联关系组合。设备异常识别汇总表可以通过数据自动生成表格技术得到。数据自动生成表格技术可以通过为各种设备异常类型对应的设备数据信息设置不同的标签,以实现归纳设备数据信息。设备异常识别汇总表可以包括设备异常信息的所属厂站、设备名称、设备编号、设备遥测数据、设备遥信数据、最近动作时间、计算差值,以及缺陷记录等。
批量处理控制键可以用于选择多条设备异常识别汇总表中的数据进行批量确认。筛查控制键可以用于检索设备异常识别汇总表中的数据。缺陷筛选控制键可以用于检索设备异常识别汇总表中的缺陷数据,以及启动缺陷处理。一次设备双重命名可以是根据当前设备异常识别汇总表中的表头名称,生成双重命名。具体的,可以将设备名称和设备编号进行组合,形成一次设备双重命名。例如,如果设备名称为110kV双和线开关,设备编号为132,则可以通过双重命名110kV双和线132开关,进行对应信息检索。通过一次设备双重命名,可以提高数据检索的效率。
在此步骤,具体的,设备异常识别汇总表可以通过电脑、平板电脑和手机等设备展示给用户。示例性的,如果预设设备异常识别任务为识别是否存在开关分闸有电流的异常,则可以在厂站表和断路器表中采集设备数据信息。上述设备数据信息可以包括开关遥信状态和开关电流值。然后可以进行数据关联关系组合,生成设备异常识别汇总表。上述设备异常识别汇总表的表头可以包括设备名称、开关遥信状态和开关电流值。
图4是本发明实施例提供的一种缺陷跟踪处理方法的示意图。
在本发明实施例的一个可选实施方式中,如图4所示,本实施例公开的一种基于电网调度监控的设备异常识别方法,还包括:在检测到设备异常识别汇总表中的缺陷筛选控制键被选中时,检测设备异常识别汇总表中的数据是否存在于设备缺陷库中;如果设备异常识别汇总表中的数据存在于设备缺陷库中,则获取对应的缺陷处理信息,并将缺陷处理信息添加至设备异常识别汇总表;如果设备异常识别汇总表中的数据不存在于设备缺陷库中,则检测设备异常识别汇总表中的数据是否满足缺陷等级;如果设备异常识别汇总表中的数据满足缺陷等级,则将与缺陷等级对应的缺陷数据更新至所述设备缺陷库。
在本实施例中,缺陷处理信息可以是对缺陷进行处理的信息。缺陷处理信息中可以包括计划开始处理缺陷的时间。缺陷等级可以根据缺陷对设备的影响大小进行确定,例如,可以将缺陷等级划分为一般、重要和紧急三个层次。可选的,缺陷等级可以通过人工进行判断。设备缺陷库可以与设备异常识别汇总表相关联。可选的,可以将设备异常识别汇总表中的缺陷数据存储到设备缺陷库中,用户可以查询、修改和删除设备缺陷库中的缺陷数据。具体的,在执行完预设设备异常识别任务之后,可以通过一次设备双重命名检索设备缺陷库中是否存在缺陷数据,并对缺陷数据进行标记区分。可选的,可以将缺陷处理信息回填至设备异常识别汇总表中,便于后续查询以及跟进处理缺陷数据。
在上述实施方式的基础上,可选的,如图4所示,可以启动预设设备异常识别任务。在对设备进行异常识别后,可以生成设备异常识别汇总表。然后可以选中缺陷筛选控制键,查看设备缺陷库中是否仍然存在上一次异常识别过程中新增的缺陷数据。如果设备缺陷库中存在上述缺陷数据,则可以填写缺陷跟进处置处理过程,并将过程保存至设备缺陷库。反之,如果设备缺陷库中不存在上述缺陷数据,则可以判断设备异常识别汇总表中的数据是否满足缺陷等级。如果设备异常识别汇总表中存在满足缺陷等级的数据,则可以在设备数据库中新建缺陷数据。反之,如果设备异常识别汇总表中不存在满足缺陷等级的数据,则可以对设备异常信息进行批量确认。最后,可以查看设备缺陷库,如果标记的缺陷数据呈现没有与预设设备异常识别任务对应的设备异常,则可以核实并终结上述缺陷数据。
示例性的,假设设备异常识别汇总表中存在异常信息A、异常信息B和异常信息C,其中异常信息A同时被记录在设备缺陷库中。填写异常信息A对应的缺陷处置报告,确定异常信息A的预计处理时间等。由于异常信息A和异常信息B均不存在于设备缺陷库中,可以通过人工判断异常信息A和异常信息B是否满足缺陷等级。如果异常信息A和异常信息B均满足缺陷等级,则可以在设备缺陷库中新建与异常信息A和异常信息B对应的缺陷数据。如果异常信息A和异常信息B均不满足缺陷等级,则可以对异常信息A和异常信息B进行批量确认,也即忽略此类不构成缺陷的异常信息。
这样设置的好处在于,通过对缺陷数据进行跟踪处理,可以实现设备缺陷从发现到终结的全闭环管理,保障了电力设备运行的安全性和可靠性。
本实施例的技术方案,通过获取预设设备异常识别任务,并根据预设设备异常识别任务对应的任务参数信息发起目标识别任务请求;响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息;获取与目标识别任务对应的预设整定条件,并根据预设整定条件以及设备数据信息,进行异常识别得到设备异常识别结果;根据设备异常识别结果所属的一次设备,进行数据关联关系组合,生成设备异常识别汇总表,并将设备异常识别汇总表进行展示的技术手段,解决了依靠人工进行设备异常识别,导致设备异常识别成本较高的问题,可以实现将设备异常识别结果清晰、直观地展示给用户,降低了对设备识别过程的关注信息量,提高了用户的监盘效率。其次,及时对缺陷数据进行跟进处理,提高了电网调度监控***关于遥信、遥测和***人工操作等方面的复盘检查能力。
实施例四
图5是根据本发明实施例四提供的一种基于电网调度监控的设备异常识别装置的结构示意图。如图5所示,该装置包括:
目标识别任务请求发起模块51,用于获取预设设备异常识别任务,并根据预设设备异常识别任务对应的任务参数信息发起目标识别任务请求;
设备数据信息采集模块52,用于响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息;
异常识别模块53,用于获取与目标识别任务对应的预设整定条件,并根据预设整定条件以及设备数据信息,进行异常识别得到设备异常识别结果。
本实施例的技术方案,通过目标识别任务请求发起模块、设备数据信息采集模块和异常识别模块相互配合,解决了依靠人工进行设备异常识别,导致设备异常识别成本较高的问题,提高了设备异常识别的效率。
可选的,异常识别模块53包括:
数据子集生成单元,用于获取设备数据信息中同类数据对象的数据值,生成数据子集;
数据序列获取单元,用于重复选出数据子集中的最大值或最小值,并将最大值或最小值放置在数据序列的末尾操作,直至数据子集中的数据值均被选出,得到降序或者升序排列的数据序列;
目标整定值与元素比较单元,用于获取预设整定条件中与同类数据对象对应的目标整定值,并通过目标整定值与数据序列中各元素的比较,得到设备异常识别结果;
目标序列段确定单元,用于将数据序列中的中间元素与目标整定值进行比较,并根据比较结果与排序方式确定目标整定值位于数据序列中的目标序列段;
目标序列段更新单元,用于重复将目标序列段的中间元素与目标整定值进行比较,并根据比较结果与排序方式更新目标序列段,直至将目标整定值***至数据序列;
设备异常识别结果获取单元,用于通过目标整定值将数据序列划分为第一序列段和第二序列段,并根据排序方式分别确定第一序列段与第二序列段中的元素是否满足预设整定条件,得到设备异常识别结果。预设整定条件,包括下述至少一项:遥测死数整定条件、线路不平衡整定条件、主变不平衡整定条件、电流三相不一致整定条件、主变油温异常整定条件、10kV母线缺失接地变运行整定条件、开关分闸有电流整定条件、开关遥信异常整定条件、告警信号长时抑制整定条件、以及容抗人工闭锁异常整定条件。
可选的,设备数据信息采集模块52,包括:
设备数据信息获取单元,用于响应于目标识别任务请求,采集与目标识别任务对应的电网调度监控***SCADA数据信息表中数据,作为设备数据信息;
信息过滤单元,用于根据SCADA数据信息表中的挂牌标识,对设备数据信息进行过滤更新。
可选的,基于电网调度监控的设备异常识别装置还包括设备异常展示模块,该模块包括:
设备异常识别汇总表展示单元,用于根据设备异常识别结果所属的一次设备,进行数据关联关系组合,生成设备异常识别汇总表,并将设备异常识别汇总表进行展示;其中,设备异常识别汇总表中包括:批量处理控制键、筛查控制键、缺陷筛选控制键;以及一次设备的双重命名。
可选的,基于电网调度监控的设备异常识别装置还包括缺陷跟踪处理模块,该模块包括:
缺陷数据查询单元,用于在检测到设备异常识别汇总表中的缺陷筛选控制键被选中时,检测设备异常识别汇总表中的数据是否存在于设备缺陷库中;
缺陷处理信息添加单元,用于如果设备异常识别汇总表中的数据存在于设备缺陷库中,则获取对应的缺陷处理信息,并将缺陷处理信息添加至设备异常识别汇总表;
缺陷等级判断单元,用于如果设备异常识别汇总表中的数据不存在于设备缺陷库中,则检测设备异常识别汇总表中的数据是否满足缺陷等级;
设备缺陷库更新单元,用于如果设备异常识别汇总表中的数据满足缺陷等级,则将与缺陷等级对应的缺陷数据更新至设备缺陷库。
本发明实施例所提供的基于电网调度监控的设备异常识别装置可执行本发明任意实施例所提供的基于电网调度监控的设备异常识别方法,具备执行方法相应的功能模块和有益效果。
实施例五
图6示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。如图6所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如基于电网调度监控的设备异常识别方法。
在一些实施例中,基于电网调度监控的设备异常识别方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的基于电网调度监控的设备异常识别方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于电网调度监控的设备异常识别方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种基于电网调度监控的设备异常识别方法,其特征在于,所述方法,包括:
获取预设设备异常识别任务,并根据所述预设设备异常识别任务对应的任务参数信息发起目标识别任务请求;
响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息;
获取与目标识别任务对应的预设整定条件,并根据所述预设整定条件以及所述设备数据信息,进行异常识别得到设备异常识别结果。
2.根据权利要求1所述的方法,其特征在于,根据所述预设整定条件以及所述设备数据信息,进行异常识别得到设备异常识别结果,包括:
获取所述设备数据信息中同类数据对象的数据值,生成数据子集;
重复选出所述数据子集中的最大值或最小值,并将所述最大值或最小值放置在数据序列的末尾操作,直至所述数据子集中的数据值均被选出,得到降序或者升序排列的数据序列;
获取所述预设整定条件中与所述同类数据对象对应的目标整定值,并通过所述目标整定值与所述数据序列中各元素的比较,得到设备异常识别结果。
3.根据权利要求2所述的方法,其特征在于,通过所述目标整定值与所述数据序列中各元素的比较,得到设备异常识别结果,包括:
将所述数据序列中的中间元素与所述目标整定值进行比较,并根据比较结果与排序方式确定所述目标整定值位于所述数据序列中的目标序列段;
重复将所述目标序列段的中间元素与所述目标整定值进行比较,并根据比较结果与排序方式更新所述目标序列段,直至将所述目标整定值***至所述数据序列;
通过所述目标整定值将所述数据序列划分为第一序列段和第二序列段,并根据排序方式分别确定所述第一序列段与所述第二序列段中的元素是否满足所述预设整定条件,得到设备异常识别结果。
4.根据权利要求1所述的方法,其特征在于,响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息,包括:
响应于目标识别任务请求,采集与所述目标识别任务对应的电网调度监控***SCADA数据信息表中数据,作为设备数据信息;
根据所述SCADA数据信息表中的挂牌标识,对所述设备数据信息进行过滤更新。
5.根据权利要求1所述的方法,其特征在于,所述预设整定条件,包括下述至少一项:
遥测死数整定条件、线路不平衡整定条件、主变不平衡整定条件、电流三相不一致整定条件、主变油温异常整定条件、10kV母线缺失接地变运行整定条件、开关分闸有电流整定条件、开关遥信异常整定条件、告警信号长时抑制整定条件、以及容抗人工闭锁异常整定条件。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述方法,还包括:
根据所述设备异常识别结果所属的一次设备,进行数据关联关系组合,生成设备异常识别汇总表,并将所述设备异常识别汇总表进行展示;
其中,所述设备异常识别汇总表中包括:批量处理控制键、筛查控制键、缺陷筛选控制键;以及一次设备的双重命名。
7.根据权利要求6所述的方法,其特征在于,所述方法,还包括:
在检测到所述设备异常识别汇总表中的缺陷筛选控制键被选中时,检测所述设备异常识别汇总表中的数据是否存在于设备缺陷库中;
如果所述设备异常识别汇总表中的数据存在于所述设备缺陷库中,则获取对应的缺陷处理信息,并将所述缺陷处理信息添加至所述设备异常识别汇总表;
如果所述设备异常识别汇总表中的数据不存在于所述设备缺陷库中,则检测所述设备异常识别汇总表中的数据是否满足缺陷等级;
如果所述设备异常识别汇总表中的数据满足缺陷等级,则将与所述缺陷等级对应的缺陷数据更新至所述设备缺陷库。
8.一种基于电网调度监控的设备异常识别装置,其特征在于,包括:
目标识别任务请求发起模块,用于获取预设设备异常识别任务,并根据所述预设设备异常识别任务对应的任务参数信息发起目标识别任务请求;
设备数据信息采集模块,用于响应于目标识别任务请求,采集与目标识别任务对应的设备数据信息;
异常识别模块,用于获取与目标识别任务对应的预设整定条件,并根据所述预设整定条件以及所述设备数据信息,进行异常识别得到设备异常识别结果。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的基于电网调度监控的设备异常识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的基于电网调度监控的设备异常识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310714709.7A CN116799953A (zh) | 2023-06-15 | 2023-06-15 | 一种基于电网调度监控的设备异常识别方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310714709.7A CN116799953A (zh) | 2023-06-15 | 2023-06-15 | 一种基于电网调度监控的设备异常识别方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116799953A true CN116799953A (zh) | 2023-09-22 |
Family
ID=88035606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310714709.7A Pending CN116799953A (zh) | 2023-06-15 | 2023-06-15 | 一种基于电网调度监控的设备异常识别方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116799953A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117520716A (zh) * | 2024-01-03 | 2024-02-06 | 佛山市绿能环保有限公司 | 一种基于垃圾焚烧发电的缺陷数据标记方法及*** |
-
2023
- 2023-06-15 CN CN202310714709.7A patent/CN116799953A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117520716A (zh) * | 2024-01-03 | 2024-02-06 | 佛山市绿能环保有限公司 | 一种基于垃圾焚烧发电的缺陷数据标记方法及*** |
CN117520716B (zh) * | 2024-01-03 | 2024-04-19 | 佛山市绿能环保有限公司 | 一种基于垃圾焚烧发电的缺陷数据标记方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101726681B (zh) | 用于电能质量监测***及监测终端运行状态的实时监控方法 | |
CN113852083B (zh) | 电网连锁故障自动搜索与预警方法、装置及设备 | |
CN102289582B (zh) | 一种配电网风险状态辨识方法 | |
WO2020162937A1 (en) | Automated model validation system for electrical grid | |
CN110556920A (zh) | 一种配电自动化监测方法、***、终端及存储介质 | |
CN116799953A (zh) | 一种基于电网调度监控的设备异常识别方法、装置及设备 | |
CN116500385B (zh) | 输电网监测校验方法、装置、设备和介质 | |
CN115860383A (zh) | 配电网调度方法、装置、电子设备及存储介质 | |
CN116094174A (zh) | 基于知识图谱的电网运维监控方法、***、设备及介质 | |
CN113806420A (zh) | 一种电网数据监测方法及装置 | |
CN115204622A (zh) | 基于电网的风险管控方法、装置、设备及存储介质 | |
CN115034927A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN104834305A (zh) | 基于dms***的配网自动化终端遥测异常分析***及方法 | |
CN115795359A (zh) | 信号类型判别方法、装置和计算机设备 | |
CN115526351A (zh) | 应用于变电站的设备巡视方法、装置及电子设备 | |
CN114996635A (zh) | 一种配电网参数确定方法、装置、设备及存储介质 | |
CN114513003A (zh) | 一种分布式电源孤网运行识别方法、***及介质 | |
CN115267616A (zh) | 基于企业数据中台的变压器运行状态监测***及方法 | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及*** | |
JP2021033952A (ja) | 修理工事優先順位決定方法 | |
CN110110961A (zh) | 电能质量数据监测方法、装置及终端设备 | |
CN113239097B (zh) | 一种台区漏电安全隐患分析方法及*** | |
CN117557244B (zh) | 基于知识图谱的电力运维警戒*** | |
CN117856226A (zh) | 一种电网的安全分析方法、装置及电子设备 | |
CN116150157A (zh) | 一种设备台账数据的处理方法、装置、设备及介质 |
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 |