[發明專利]一種AI智能電力高壓一二次設備運維檢修診斷綜合管理系統

在審

• 申請號: 202110257994.5
• 申請日: 2021-03-09
• 公開（公告）號: CN112884606A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 黃蕾;黃智明;曾慶東
• 申請（專利權）人: 黃蕾
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06Q10/06;G06Q10/00;G06Q10/04;G06N3/04
• 代理公司: 北京化育知識產權代理有限公司 11833
• 代理人: 尹均利

本發明涉及電力高壓一二次設備運維檢修技術領域，具體涉及一種AI智能電力高壓一二次設備運維檢修診斷綜合管理系統，它包括操作人員終端、AI云端服務器、管理人員終端；所述操作人員終端通過4G/5G網絡與AI云端服務器實現輸入輸出；操作人員終端現場通過試驗設備獲取高壓電力一二次設備的預防試驗測試參數，采集上傳至AI云端服務器，實現現場預防試驗測試數據記錄集中采集上傳，用于高壓電力一二次設備健康狀態分析；它具有能夠提高生產績效，同時為操作人員提供標準的電力一二次設備測試結果診斷決策和電力一二次設備測試數據的隱患預警同時生成測試報告等優點。

技術領域

本發明涉及電力高壓一二次設備運維技術領域，具體涉及一種AI智能電力高壓一二次設備運維檢修診斷綜合管理系統。

背景技術

電力高壓一二次設備狀態參數及運行健康狀況，一直沿用傳統方式試驗設備儀器儀表來現場檢測試驗之后對照“中華人民共和國電力行業標準--《電力設備預防性試驗規程》”來分析判斷設備當前運行狀況并出具相應的試驗報告給出試驗結論。但是上述的檢測方法在使用時，存在如下問題：

一是，每次測試報告都需要進行資料存檔，多次試驗數據對比不方便且繁瑣。二是，對試驗數據參數變化趨勢不能直觀體現，不能高效、快捷的沉積延用和通過數據對比提前發現電氣設備功能故障、老化隱患等問題并做出提前預警和給出診斷解決方案、不能系統性標準可視化的綜合管理電力設備的預防性預試周期工作任務，同時新手技術人員對測試參數不能快速的做出判斷。

發明內容

本發明的目的在于針對現有技術的缺陷和不足，提供一種AI智能電力高壓一二次設備運維檢修診斷綜合管理系統。

本發明所述的一種AI智能電力高壓一二次設備運維檢修診斷綜合管理系統，包括

操作人員終端、AI云端服務器、管理人員終端；

所述操作人員終端通過4G/5G網絡與AI云端服務器實現輸入輸出；操作人員終端現場通過試驗設備獲取高壓電力一二次設備的預防測試參數，采集上傳至AI云端服務器，實現現場預防試驗測試數據記錄集中采集上傳，用于高壓電力一二次設備健康狀態分析；

所述AI云端服務器由錄入模塊、存儲模塊、計算分析模塊、模擬模塊、診斷模塊、輸入模塊和輸出模塊組成；

其中：將操作人員終端上傳的現場預防試驗測試數據記錄、運行工況、溫度、天氣、運行時間，形成標準數據，利用存儲模塊實現存儲，通過輸入模塊作為模型輸入實現建模，利用計算分析模塊、模擬模塊、診斷模塊，將下一時刻的運行狀態作為輸出，模型選用LSTM網絡，損失函數使用交叉熵，構建基準診斷預測模型；

所述管理人員終端通過通過4G/5G網絡與AI云端服務器實現輸入輸出；管理人員終端向AI云端服務器輸入工作任務、考試、新技術學習、視頻會議指令下發到操作人員終端；同時，AI云端服務器向管理人員終端輸入操作人員預防試驗測試數據，生成全區域面到點的監控數據曲線。

進一步地，所述基準診斷預測模型通過錄入模塊，將歷史專家診斷數據、行業案例數據存儲于存儲模塊中，構建數據集完成訓練。

進一步地，所述基準診斷預測模型在隱藏層與輸出層之間使用dropout，降低過擬合。

進一步地，所述基準診斷預測模型中構建基準診斷預測模型訓練集；對電力設備預防性試驗規程、歷史專家診斷數據、行業案例數據進行去重、去噪處理，整理出800W條數據，按7:2:1的比例劃分為訓練集、驗證集、測試集。

進一步地，基于基準診斷預測模型訓練集，使用隨機梯度下降對基準診斷預測模型完成訓練，并完成模型部署，模型部署于邊緣計算設備上，和部署在云服務器上。