[發明專利]一種基于人工智能的故障定位方法

在審

• 申請號: 202010042724.8
• 申請日: 2020-01-15
• 公開（公告）號: CN111239540A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 潘霞;秦曉梅;王萌
• 申請（專利權）人: 河南經貿職業學院
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙) 61223
• 代理人: 耿路

本發明公開了一種基于人工智能的故障定位方法，涉及故障監控技術領域，利用計算機建立待檢測區域的三維數據模型，通過與實際監測區域的精準對應，當采集的數據判斷發生故障時，根據故障數據對應的編號，使得三維數據模型內相應編號的位置進行示警，快速獲取定位到故障位置，并由計算機斷開故障點的電路連接，避免故障加大。本申請提供了一種基于人工智能的故障定位方法，能夠實時監控各個部件的運行數據，在采集到異常數據后迅速確定故障點的位置，斷開故障點與外界的連接，便于快速準確的進行故障點的定位和維修。

技術領域

本發明涉及故障監控技術領域，特別涉及一種基于人工智能的故障定位方法。

背景技術

故障是指電力系統中部分元器件功能失效而導致整個系統功能惡化的事件。故障處理是繼故障檢測、健康監控后的過程，是對故障進行確認并采取抑制、定位等處理，保證故障后系統能夠正常或降級工作。

但隨著現代電力系統的規模越來越龐大，監測站點距離實際設備的距離越來越遠，接收監控信息的線路變長，接收到故障信息的時間被延遲，由于監控規模過大，導致監控到故障信息的位置不精確。

本申請提供了一種基于人工智能的故障定位方法，能夠實時監控各個部件的運行數據，在采集到異常數據后迅速確定故障點的位置，斷開故障點與外界的連接，便于快速準確的進行故障點的定位和維修。

發明內容

本發明的目的在于提供一種基于人工智能的故障定位方法，能夠實時監控各個部件的運行數據，在采集到異常數據后迅速確定故障點的位置，斷開故障點與外界的連接，便于快速準確的進行故障點的定位和維修。

本發明提供了一種基于人工智能的故障定位方法，包括以下步驟：

步驟一：利用計算機建立待檢測區域的三維數據模型；

步驟二：對待檢測區域進行監控節點的布置和編號，在三維數據模型相對應的位置進行布點和編號，布點位置選擇重要節點及連接該節點的線路；

步驟三：獲取正常工作情況下各節點的運行數據，并儲存標記為該節點的參照值或參照范圍；

步驟四：使用數據采集裝置采集每個節點的實際運行數據，并將各個數據與節點相關聯，數據采集裝置通過線路匯集至數據傳輸總線，數據總線連接至計算機的輸入端；

步驟五：計算機根據接收數據相關聯的節點編號，將該數據與該節點的參照值或參照范圍進行數值比較，出現偏差時則表示該數據對應的節點發生故障，此時三維數據模型該節點進行故障警示，并斷開該節點的電路連接。

進一步地，出現故障時，辨別故障類型是單個故障還是多處故障；

若為單個故障，則通過三維數據模型的顯示直接確定故障點，斷開該節點的電路連接；

若為多處故障，則判斷這些故障是否為連續節點的故障，連續節點的故障則需要斷開邊緣節點與其他節點之間的電路連接，并通過三維數據模型的顯示確定多個故障點，非連續節點的故障則需要分開斷開多個節點的電路連接，并通過三維數據模型的顯示確定多個故障點。

進一步地，若為連續節點的故障，則需要對所述節點的實際運行數據進行二次分析，判斷該故障是相互獨立的故障，還是引發型故障；相互獨立的故障需要分開處理維修，引發型故障需要從故障引發源頭進行處理維修。

進一步地，各節點的運行數據包括①發熱、放電數據；②電壓、電流和功耗數據；③振動幅值和產生噪聲大小的數據；④漏液漏電的監測數據；⑤形變腐蝕的數據。

進一步地，設置數據采集裝置每0.5s采集每個節點的實際運行數據，并將各節點的運行數據分類整理成變化波形圖，便于監測該節點的某類型數據。

與現有技術相比，本發明具有如下顯著優點：