CN118074625A - 设备故障检测方法、装置、设备及存储介质 - Google Patents
设备故障检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN118074625A CN118074625A CN202410187451.4A CN202410187451A CN118074625A CN 118074625 A CN118074625 A CN 118074625A CN 202410187451 A CN202410187451 A CN 202410187451A CN 118074625 A CN118074625 A CN 118074625A
- Authority
- CN
- China
- Prior art keywords
- monitoring data
- data
- parameter monitoring
- determining
- fault
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 115
- 238000012544 monitoring process Methods 0.000 claims abstract description 143
- 230000002159 abnormal effect Effects 0.000 claims abstract description 106
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000009825 accumulation Methods 0.000 claims abstract description 35
- 238000012549 training Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 16
- 230000001186 cumulative effect Effects 0.000 claims description 11
- 238000013450 outlier detection Methods 0.000 claims description 7
- 230000002547 anomalous effect Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect 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
- 238000010248 power generation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种设备故障检测方法、装置、设备及存储介质。该方法包括:获取当前时间周期下的待测光伏设备的参数监测数据;对参数监测数据进行异常值检测,确定参数监测数据是否为异常数据;若是,则根据历史周期下待测光伏设备的累计故障次数,确定当前故障累计次数;若当前故障累计次数达到预设故障次数阈值,则根据参数监测数据,基于预先训练得到的故障原因定位模型,确定并反馈待测光伏设备的设备故障原因。本发明实施例技术方案提高了故障检测准确度。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种设备故障检测方法、装置、设备及存储介质。
背景技术
光伏电能质量数据采集监测是保证光伏发电***稳定运行、保护设备和用户权益的重要手段,有助于提高***效率、推动光伏发电行业规范化发展。然而,随着光伏设备种类愈来愈多,以及对光伏设备部署数量随之增加,光伏设备产生的数据量也逐渐增加,而如何通过对采集的光伏设备的参数数据进行设备故障分析,成为目前亟待解决的问题。而现有的设备故障分析方式在通过监测数据分析的过程中,其容错性较差,故障检测准确度较低。
发明内容
本发明提供了一种设备故障检测方法、装置、设备及存储介质,以提高故障检测准确度。
根据本发明的一方面,提供了一种设备故障检测方法,所述方法包括:
获取当前时间周期下的待测光伏设备的参数监测数据;
对所述参数监测数据进行异常值检测,确定所述参数监测数据是否为异常数据;
若是,则根据历史周期下所述待测光伏设备的累计故障次数,确定当前故障累计次数;
若所述当前故障累计次数达到预设故障次数阈值,则根据所述参数监测数据,基于预先训练得到的故障原因定位模型,确定并反馈所述待测光伏设备的设备故障原因。
根据本发明的另一方面,提供了一种设备故障检测装置,所述装置包括:
监测数据获取模块,用于获取当前时间周期下的待测光伏设备的参数监测数据;
异常值检测模块,用于对所述参数监测数据进行异常值检测,确定所述参数监测数据是否为异常数据;
累计计数确定模块,用于若确定所述参数监测数据为异常数据,则根据历史周期下所述待测光伏设备的累计故障次数,确定当前故障累计次数;
故障原因确定模块,用于若所述当前故障累计次数达到预设故障次数阈值,则根据所述参数监测数据,基于预先训练得到的故障原因定位模型,确定并反馈所述待测光伏设备的设备故障原因。
根据本发明的另一方面,提供了一种电子设备,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本发明任一实施例所述的设备故障检测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,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本发明任一实施例所述的设备故障检测方法。
本发明实施例技术方案通过获取当前时间周期下的待测光伏设备的参数监测数据;对参数监测数据进行异常值检测,确定参数监测数据是否为异常数据;若是,则根据历史周期下待测光伏设备的累计故障次数,确定当前故障累计次数;若当前故障累计次数达到预设故障次数阈值,则根据参数监测数据,基于预先训练得到的故障原因定位模型,确定并反馈待测光伏设备的设备故障原因。上述技术方案通过在进行设备故障检测的过程中,考虑设备累计故障次数,提高了故障检测的容错性,从而避免单次故障检测过程中误判导致检测结果不准确的情况发生,并且进一步结合故障原因定位模型进行设备故障检测,提高了故障检测准确度。
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设备故障检测方法的流程图;
图2是根据本发明实施例二提供的一种设备故障检测方法的流程图;
图3是根据本发明实施例三提供的一种设备故障检测装置的结构示意图;
图4是实现本发明实施例的设备故障检测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为本发明实施例一提供的一种设备故障检测方法的流程图,本实施例可适用于对光伏设备进行设备故障检测的情况,该方法可以由设备故障检测装置来执行,该设备故障检测装置可以采用硬件和/或软件的形式实现,该设备故障检测装置可配置于电子设备中。如图1所示,该方法包括:
S110、获取当前时间周期下的待测光伏设备的参数监测数据。
其中,待测光伏设备可以是不同种类不同型号或部署在不同区域内的待进行故障检测或异常检测的光伏设备。
其中,参考监测数据可以通过数据采集端对待测光伏设备进行数据采集后得到。与数据采集端的通信方式可以为获取数据采集端的通信协议,并对通信协议进行协议分析,根据协议分析结果,从通信协议数据库中调用匹配的通信协议设置对应端口的通信协议,以实现与数据采集端之间的通信连接。
其中,参考监测数据可以包括设备电流数据、设备电压数据和设备频率数据等;当前时间周期可以是时间端,例如可以为2023/11/01/14:00~2023/11/01/14:05。示例性的,获取数据采集端对待测光伏设备采集得到的当前时间周期下的参考监测数据。
S120、对参数监测数据进行异常值检测,确定参数监测数据是否为异常数据。
其中,异常值检测方式可以由相关技术人员预先设定,例如,可以基于异常值检测算法或异常值检测模型。
示例性的,可以预先构建网络模型,并采用历史周期下的历史参数监测数据,对预先构建的网络模型进行模型训练。具体可以是根据模型输出结果和历史参数监测数据的标签值,对模型进行训练,直到模型完成迭代,得到用于进行异常值检测的异常值检测模型。其中,历史参考监测数据的标签值可以为异常数据和正常数据的标签。
需要说明的是,由于异常值检测算法或异常值检测模型在进行异常值检测过程中,受检测场景和检测数据的影响,存在一定得检测结果差异性,因此,为提高对光伏设备的参数监测数据进行异常值检测场景下的异常值检测准确度,可以通过多种异常值检测方式,同时对参数监测数据进行异常值检测,以提高对异常值检测的容错率。
在一个可选实施例中,对参数监测数据进行异常值检测,确定参数监测数据是否为异常数据,包括:采用至少一种异常值检测方式,对参数监测数据进行异常值检测,得到各异常值检测方式对应的检测结果;根据各检测结果,确定参数监测数据是否为异常数据。
其中,异常值检测方式可以包括基于统计学方法的异常值检测方式、基于聚类算法的异常值检测方式、基于分类算法的异常值检测方式和基于时间序列的异常值检测方式。其中,不同异常值检测方式还对应可以包括相应的子方式。例如,基于聚类算法的异常值检测方式可以包括基于DBSCAN(Density-Based Spatial Clustering of Applicationswith Noise,基于密度的带有噪声的空间应用聚类)算法的异常值检测子方式。异常值检测方式还可以是预先训练得到的异常值检测模型
示例性的,采用至少一种异常值检测方式,对参数监测数据进行异常值检测,得到各个异常值检测方式检测得到的检测结果。其中,检测结果可以包括正常结果和异常结果。根据各个检测结果,确定参数监测数据是否为异常数据。具体可以是判断各个检测结果是否均为异常结果,若是,则确定参数监测数据为异常数据。
在一个可选实施例中,根据各检测结果,确定参数监测数据是否为异常数据,包括:确定各检测结果的结果总数量;根据结果总数量,确定结果数量阈值;若各检测结果中,存在满足预设结果数量阈值的检测结果为异常结果,则确定参数监测数据为异常数据;以及,若各检测结果中,不存在满足预设结果数量阈值的检测结果为异常结果,则确定参数监测数据不为异常数据。
示例性的,可以根据结果总数量,基于预设的百分占比,确定结果数量阈值。百分占比可以由相关技术人员进行预先设定,例如可以为80%。具体的,若结果总数量为10,预设的百分占比为80%,则结果数量阈值可以为8。
具体的,延续上例,若10个检测结果中,存在8个检测结果为异常检测结果,则确定参数监测数据为异常数据;若10个检测结果中,存在少于8个检测结果为异常检测结果,则确定参数监测数据不为异常数据。
S130、若是,则根据历史周期下待测光伏设备的累计故障次数,确定当前故障累计次数。
其中,累计故障次数可以是在历史周期下待测光伏设备被连续检测成为异常设备的次数。
示例性的,根据累计故障次数,可以确定当前故障累计次数;例如,历史周期下的累计故障次数为3次,则当前故障累计次数则为4次。
S140、若当前故障累计次数达到预设故障次数阈值,则根据参数监测数据,基于预先训练得到的故障原因定位模型,确定并反馈待测光伏设备的设备故障原因。
其中,预设故障次数阈值可以由相关技术人员根据实际需求进行预先设定,例如,预设故障次数阈值可以为3次。
其中,故障原因定位模型用于进行故障原因分析,具体可以是确定故障类型等。
可选的,故障原因定位模型的训练方式为:获取历史时间周期下的设备监测数据;生成多张带有样本标签的设备监测数据的样本数据集;将样本数据集输入至预先构建的网络模型中,得到模型输出的故障原因类别;根据故障原因类别和样本标签中的真实故障类别,对网络模型进行模型训练,直到满足模型训练结束条件,得到故障原因定位模型。
其中,样本标签可以为设备监测数据的故障原因标签,具体可以是故障类型类别标签。模型训练结束条件可以是达到预设迭代次数阈值,或者损失值趋于稳定等。
可选的,在确定待测光伏设备的设备故障原因之后,还可以对设备故障原因进行原因分析,并得到相应的故障解决方案。具体可以通过预先训练故障分析模型分析得到。
本发明实施例技术方案通过获取当前时间周期下的待测光伏设备的参数监测数据;对参数监测数据进行异常值检测,确定参数监测数据是否为异常数据;若是,则根据历史周期下待测光伏设备的累计故障次数,确定当前故障累计次数;若当前故障累计次数达到预设故障次数阈值,则根据参数监测数据,基于预先训练得到的故障原因定位模型,确定并反馈待测光伏设备的设备故障原因。上述技术方案通过在进行设备故障检测的过程中,考虑设备累计故障次数,提高了故障检测的容错性,从而避免单次故障检测过程中误判导致检测结果不准确的情况发生,并且进一步结合故障原因定位模型进行设备故障检测,提高了故障检测准确度。
实施例二
图2为本发明实施例二提供的一种设备故障检测方法的流程图。本实施例在以上述实施例为基础上,进行了优化改进。
进一步的,在步骤“根据历史周期下待测光伏设备的累计故障次数,确定当前故障累计次数”添加步骤“确定当前时间周期下,与待测光伏设备的参数监测数据具有关联关系的参考监测数据;根据参考监测数据,确定参数监测数据是否为故障数据;若是,则执行根据历史周期下待测光伏设备的累计故障次数,确定当前故障累计次数。”以完善对参数监测数据的异常检测方式。需要说明的是,在本发明实施例中未详述的部分,可参见其他实施例的表述。
如图2所示,该方法包括以下具体步骤:
S210、获取当前时间周期下的待测光伏设备的参数监测数据。
S220、对参数监测数据进行异常值检测,确定参数监测数据是否为异常数据。
S230、若是,则确定当前时间周期下,与待测光伏设备的参数监测数据具有关联关系的参考监测数据。
其中,参考监测数据可以是与待测光伏设备的参数监测数据具有数学关系的相同时段数据,也即能够对参数监测数据产生影响的数据。例如,可以获取与待测光伏设备具有连接作用关系的关联设备,且关联设备的参数数据作用于待测光伏设备,并能够对待测光伏设备的参数监测数据产生影响。
S240、根据参考监测数据,确定参数监测数据是否为故障数据。
示例性的,可以判断参考监测数据是否为异常数据,若是,则可以确定参数监测数据是否为故障数据;若否,则可能存在获取参数监测数据的数据采集设备存在故障的可能性,从而导致获取的参数监测数据的准确度较低。
在一个可选实施例中,若确定参考监测故障数据不为故障数据,则获取与当前时间周期邻近的历史时间周期下的至少一个历史参数监测数据;确定各历史参数监测数据中为异常数据的异常历史参数监测数据的异常数据量;若异常数据量不小于预设数据量阈值,则执行根据历史周期下待测光伏设备的累计故障次数,确定当前故障累计次数。
其中,邻近的历史时间周期的周期数量可以为多个周期,具体可以是与当前时间周期的时间邻近的时间周期。预设数据量阈值可以由相关技术人员进行预先设定。
其中,若异常数据量不小于预设数据量阈值,则可以表示参数监测数据仍为故障数据。
S250、若是,则根据历史周期下待测光伏设备的累计故障次数,确定当前故障累计次数。
S260、根据历史周期下待测光伏设备的累计故障次数,确定当前故障累计次数。
S270、若当前故障累计次数达到预设故障次数阈值,则根据参数监测数据,基于预先训练得到的故障原因定位模型,确定并反馈待测光伏设备的设备故障原因。
本实施例技术方案通过在确定当前故障累计次数之前,确定当前时间周期下,与待测光伏设备的参数监测数据具有关联关系的参考监测数据;根据参考监测数据,确定参数监测数据是否为故障数据;若是,则执行根据历史周期下待测光伏设备的累计故障次数,确定当前故障累计次数。通过确定与待测光伏设备的参数监测数据具有关联关系的参考监测数据的方式,辅助判断参数监测数据是否为异常数据,降低了对参数监测数据的误报率,进一步提高了对设备的故障检测准确度。
实施例三
图3为本发明实施例三提供的一种设备故障检测装置的结构示意图。本发明实施例所提供的一种设备故障检测装置,该装置可适用于对光伏设备进行设备故障检测的情况,该设备故障检测装置可以采用硬件和/或软件的形式实现,如图3所示,该装置具体包括:监测数据获取模块301、异常值检测模块302、累计计数确定模块303和故障原因确定模块304。其中,
监测数据获取模块301,用于获取当前时间周期下的待测光伏设备的参数监测数据;
异常值检测模块302,用于对所述参数监测数据进行异常值检测,确定所述参数监测数据是否为异常数据;
累计计数确定模块303,用于若确定所述参数监测数据为异常数据,则根据历史周期下所述待测光伏设备的累计故障次数,确定当前故障累计次数;
故障原因确定模块304,用于若所述当前故障累计次数达到预设故障次数阈值,则根据所述参数监测数据,基于预先训练得到的故障原因定位模型,确定并反馈所述待测光伏设备的设备故障原因。
本发明实施例技术方案通过获取当前时间周期下的待测光伏设备的参数监测数据;对参数监测数据进行异常值检测,确定参数监测数据是否为异常数据;若是,则根据历史周期下待测光伏设备的累计故障次数,确定当前故障累计次数;若当前故障累计次数达到预设故障次数阈值,则根据参数监测数据,基于预先训练得到的故障原因定位模型,确定并反馈待测光伏设备的设备故障原因。上述技术方案通过在进行设备故障检测的过程中,考虑设备累计故障次数,提高了故障检测的容错性,从而避免单次故障检测过程中误判导致检测结果不准确的情况发生,并且进一步结合故障原因定位模型进行设备故障检测,提高了故障检测准确度。
可选的,所述装置还包括:
参考数据确定模块,用于在所述根据历史周期下所述待测光伏设备的累计故障次数,确定当前故障累计次数之前,确定所述当前时间周期下,与所述待测光伏设备的参数监测数据具有关联关系的参考监测数据;
故障数据确定模块,用于根据所述参考监测数据,确定所述参数监测数据是否为故障数据;
当前累计次数确定模块,用于若确定所述参数监测数据为故障数据,则执行所述根据历史周期下所述待测光伏设备的累计故障次数,确定当前故障累计次数。
可选的,所述装置还包括:
历史监测数据获取模块,用于若确定所述参考监测故障数据不为故障数据,则获取与所述当前时间周期邻近的历史时间周期下的至少一个历史参数监测数据;
异常数据量确定模块,用于确定各所述历史参数监测数据中为异常数据的异常历史参数监测数据的异常数据量;
异常数据量判断模块,用于若所述异常数据量不小于预设数据量阈值,则执行所述根据历史周期下所述待测光伏设备的累计故障次数,确定当前故障累计次数。
可选的,所述故障原因定位模型的训练方式为:
获取历史时间周期下的设备监测数据;
生成多张带有样本标签的设备监测数据的样本数据集;
将所述样本数据集输入至预先构建的网络模型中,得到模型输出的故障原因类别;
根据所述故障原因类别和所述样本标签中的真实故障类别,对所述网络模型进行模型训练,直到满足模型训练结束条件,得到故障原因定位模型。
可选的,所述异常值检测模块302,包括:
检测结果确定单元,用于采用至少一种异常值检测方式,对所述参数监测数据进行异常值检测,得到各所述异常值检测方式对应的检测结果;
异常数据确定单元,用于根据各所述检测结果,确定所述参数监测数据是否为异常数据。
可选的,所述异常数据确定单元,包括:
结果总数量确定子单元,用于确定各所述检测结果的结果总数量;
结果数量阈值确定子单元,用于根据所述结果总数量,确定结果数量阈值;
第一异常数据确定子单元,用于若各所述检测结果中,存在满足预设结果数量阈值的检测结果为异常结果,则确定所述参数监测数据为异常数据;以及,
第二异常数据确定子单元,用于若各所述检测结果中,不存在满足预设结果数量阈值的检测结果为异常结果,则确定所述参数监测数据不为异常数据。
本发明实施例所提供的设备故障检测装置可执行本发明任意实施例所提供的设备故障检测方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备40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4所示,电子设备40包括至少一个处理器41,以及与至少一个处理器41通信连接的存储器,如只读存储器(ROM)42、随机访问存储器(RAM)43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41可以根据存储在只读存储器(ROM)42中的计算机程序或者从存储单元48加载到随机访问存储器(RAM)43中的计算机程序,来执行各种适当的动作和处理。在RAM 43中,还可存储电子设备40操作所需的各种程序和数据。处理器41、ROM 42以及RAM 43通过总线44彼此相连。输入/输出(I/O)接口45也连接至总线44。
电子设备40中的多个部件连接至I/O接口45,包括:输入单元46,例如键盘、鼠标等;输出单元47,例如各种类型的显示器、扬声器等;存储单元48,例如磁盘、光盘等;以及通信单元49,例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40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41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41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41执行上文所描述的各个方法和处理,例如设备故障检测方法。
在一些实施例中,设备故障检测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48。在一些实施例中,计算机程序的部分或者全部可以经由ROM 42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到RAM 43并由处理器41执行时,可以执行上文描述的设备故障检测方法的一个或多个步骤。备选地,在其他实施例中,处理器41可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行设备故障检测方法。
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)
1.一种设备故障检测方法,其特征在于,包括:
获取当前时间周期下的待测光伏设备的参数监测数据;
对所述参数监测数据进行异常值检测,确定所述参数监测数据是否为异常数据;
若是,则根据历史周期下所述待测光伏设备的累计故障次数,确定当前故障累计次数;
若所述当前故障累计次数达到预设故障次数阈值,则根据所述参数监测数据,基于预先训练得到的故障原因定位模型,确定并反馈所述待测光伏设备的设备故障原因。
2.根据权利要求1所述的方法,其特征在于,在所述根据历史周期下所述待测光伏设备的累计故障次数,确定当前故障累计次数之前,还包括:
确定所述当前时间周期下,与所述待测光伏设备的参数监测数据具有关联关系的参考监测数据;
根据所述参考监测数据,确定所述参数监测数据是否为故障数据;
若是,则执行所述根据历史周期下所述待测光伏设备的累计故障次数,确定当前故障累计次数。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若确定所述参考监测故障数据不为故障数据,则获取与所述当前时间周期邻近的历史时间周期下的至少一个历史参数监测数据;
确定各所述历史参数监测数据中为异常数据的异常历史参数监测数据的异常数据量;
若所述异常数据量不小于预设数据量阈值,则执行所述根据历史周期下所述待测光伏设备的累计故障次数,确定当前故障累计次数。
4.根据权利要求1所述的方法,其特征在于,所述故障原因定位模型的训练方式为:
获取历史时间周期下的设备监测数据;
生成多张带有样本标签的设备监测数据的样本数据集;
将所述样本数据集输入至预先构建的网络模型中,得到模型输出的故障原因类别;
根据所述故障原因类别和所述样本标签中的真实故障类别,对所述网络模型进行模型训练,直到满足模型训练结束条件,得到故障原因定位模型。
5.根据权利要求1所述的方法,其特征在于,所述对所述参数监测数据进行异常值检测,确定所述参数监测数据是否为异常数据,包括:
采用至少一种异常值检测方式,对所述参数监测数据进行异常值检测,得到各所述异常值检测方式对应的检测结果;
根据各所述检测结果,确定所述参数监测数据是否为异常数据。
6.根据权利要求5所述的方法,其特征在于,所述根据各所述检测结果,确定所述参数监测数据是否为异常数据,包括:
确定各所述检测结果的结果总数量;
根据所述结果总数量,确定结果数量阈值;
若各所述检测结果中,存在满足预设结果数量阈值的检测结果为异常结果,则确定所述参数监测数据为异常数据;以及,
若各所述检测结果中,不存在满足预设结果数量阈值的检测结果为异常结果,则确定所述参数监测数据不为异常数据。
7.一种设备故障检测装置,其特征在于,包括:
监测数据获取模块,用于获取当前时间周期下的待测光伏设备的参数监测数据;
异常值检测模块,用于对所述参数监测数据进行异常值检测,确定所述参数监测数据是否为异常数据;
累计计数确定模块,用于若确定所述参数监测数据为异常数据,则根据历史周期下所述待测光伏设备的累计故障次数,确定当前故障累计次数;
故障原因确定模块,用于若所述当前故障累计次数达到预设故障次数阈值,则根据所述参数监测数据,基于预先训练得到的故障原因定位模型,确定并反馈所述待测光伏设备的设备故障原因。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
参考数据确定模块,用于在所述根据历史周期下所述待测光伏设备的累计故障次数,确定当前故障累计次数之前,确定所述当前时间周期下,与所述待测光伏设备的参数监测数据具有关联关系的参考监测数据;
故障数据确定模块,用于根据所述参考监测数据,确定所述参数监测数据是否为故障数据;
当前累计次数确定模块,用于若确定所述参数监测数据为故障数据,则执行所述根据历史周期下所述待测光伏设备的累计故障次数,确定当前故障累计次数。
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1-6中任一项所述的设备故障检测方法。
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1-6中任一项所述的设备故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410187451.4A CN118074625A (zh) | 2024-02-20 | 2024-02-20 | 设备故障检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410187451.4A CN118074625A (zh) | 2024-02-20 | 2024-02-20 | 设备故障检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118074625A true CN118074625A (zh) | 2024-05-24 |
Family
ID=91105360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410187451.4A Pending CN118074625A (zh) | 2024-02-20 | 2024-02-20 | 设备故障检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118074625A (zh) |
-
2024
- 2024-02-20 CN CN202410187451.4A patent/CN118074625A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115396289B (zh) | 一种故障告警确定方法、装置、电子设备及存储介质 | |
CN116049146B (zh) | 一种数据库故障处理方法、装置、设备及存储介质 | |
CN114885014A (zh) | 一种外场设备状态的监测方法、装置、设备及介质 | |
CN116405408A (zh) | 设备自动巡检方法、装置、设备及存储介质 | |
CN116226644A (zh) | 设备故障类型的确定方法、装置、电子设备及存储介质 | |
CN116645082A (zh) | 一种***巡检方法、装置、设备以及存储介质 | |
CN115168154B (zh) | 一种基于动态基线的异常日志检测方法、装置及设备 | |
CN114881112A (zh) | 一种***异常检测方法、装置、设备及介质 | |
CN118074625A (zh) | 设备故障检测方法、装置、设备及存储介质 | |
CN117149486B (zh) | 告警和根因定位方法、模型训练方法、装置、设备及介质 | |
CN116990744B (zh) | 一种电能表检测方法、装置、设备及介质 | |
CN116127326B (zh) | 一种复合绝缘子检测方法、装置、电子设备及存储介质 | |
CN116991684B (zh) | 一种告警信息处理方法、装置、设备及介质 | |
CN117493127B (zh) | 一种应用程序检测方法、装置、设备及介质 | |
CN116185765B (zh) | 一种告警处理方法、装置、电子设备及存储介质 | |
CN117149486A (zh) | 告警和根因定位方法、模型训练方法、装置、设备及介质 | |
CN117239756A (zh) | 一种电力调控***、方法、电子设备及存储介质 | |
CN118408593A (zh) | 电力设备的远程诊断方法、装置及存储介质 | |
CN118171802A (zh) | 停电事件分析方法、装置、电子设备及存储介质 | |
CN117131990A (zh) | 电网基建信息管理方法、装置、电子设备及存储介质 | |
CN118394597A (zh) | 调用链日志下指标数据异常检测方法、装置、设备及介质 | |
CN117608896A (zh) | 交易数据处理方法、装置、电子设备及存储介质 | |
CN117667593A (zh) | 一种基于深度学习的接口监控方法、装置、设备及介质 | |
CN116567115A (zh) | 一种报文检测方法、装置、电子设备及介质 | |
CN117216699A (zh) | 一种基于样本数据的异常检测方法、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 |