[發明專利]基于大數據的電網設備監控系統和方法

在審

• 申請號: 202111383120.0
• 申請日: 2021-11-22
• 公開（公告）號: CN113987960A
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 甘杉;蕭展輝;明哲;余蕓;甘瑩;鄧麗娟;李文俊;馬赟;馮志宏
• 申請（專利權）人: 南方電網數字電網研究院有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/00;G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04;G06N3/08;H02J13/00;G06F111/08;G06F119/12
• 代理公司: 廣州市諾豐知識產權代理事務所(普通合伙) 44714
• 代理人: 黃國亮

1.一種基于大數據的電網設備監控方法，其特征在于，包括以下步驟：

獲取電網設備上報的環境信息、設備日志、采集數據和設備信息；

根據所述采集數據分析所述電網設備的平均負荷狀態、處于各負荷等級的時間占比；

根據所述設備日志獲取報錯信息的數量；

根據設備信息獲取設備的距離最近一次維修的時間和使用時長；

將所述環境信息、報錯信息的數量、距離最近一次維修的時間、使用時長、平均負荷狀態和處于各負荷等級輸入到預測模型中得到電網設備在預設時間內出現故障的概率。

2.根據權利要求1所述的基于大數據的電網設備監控方法，其特征在于，所述預測模型包括風險評估子模型和神經網絡子模型；

所述預測模型輸出的結果根據所述風險評估子模型和神經網絡子模型的輸出結果加權得到。

3.根據權利要求2所述的基于大數據的電網設備監控方法，其特征在于，所述風險評估子模型根據所述距離最近一次維修的時間、使用時長和環境信息對所述電網設備進行風險評分。

4.根據權利要求2所述的基于大數據的電網設備監控方法，其特征在于，所述神經網絡子模型通過以下方式訓練得到：

獲取故障設備在故障前的數據構建正樣本集合，所述故障前的數據包括環境信息、報錯信息的數量、距離最近一次維修的時間、使用時長、平均負荷狀態和處于各負荷等級的時間占比；

利用設備正常時產生的數據構建負樣本集合；

根據正樣本集合和負樣本集合對初始化的神經網絡模型進行訓練，直到滿足預設的訓練條件，得到訓練好的神經網絡子模型。

5.根據權利要求3所述的基于大數據的電網設備監控方法，其特征在于，所述獲取故障設備在故障前的數據構建正樣本集合，具體為：

在獲取電網設備的故障信息時，根據故障信息得到故障時間；

根據故障時間截取該用電設備上傳的數據作為該電網設備在故障前的數據。

6.根據權利要求1所述的基于大數據的電網設備監控方法，其特征在于，還包括以下步驟：

當電網設備在預設時間內出現故障的概率大于第一閾值時，產生第一報警信息。

7.根據權利要求1所述的基于大數據的電網設備監控方法，其特征在于，還包括以下步驟：

當存在直接連接關系的多臺電網設備在預設時間內出現故障的概率均大于第二閾值時，產生第二報警信息。

8.根據權利要求1所述的基于大數據的電網設備監控方法，其特征在于，所述電網設備設有故障動作記錄組件，所述故障動作記錄組件用于記錄故障時間和故障類型。

9.一種基于大數據的電網設備監控系統，其特征在于，包括：

存儲器，用于存儲程序；

處理器，用于加載所述程序以執行如權利要求1-8任一項所述的基于大數據的電網設備監控方法。

10.一種基于大數據的電網設備監控系統，其特征在于，包括：

獲取單元，用于獲取電網設備上報的環境信息、設備日志、采集數據和設備信息；

負荷分析單元，用于根據所述采集數據分析所述電網設備的平均負荷狀態、處于各負荷等級的時間占比；

日志分析單元，用于根據所述設備日志獲取報錯信息的數量；

使用信息獲取單元，用于根據設備信息獲取設備的距離最近一次維修的時間和使用時長；

預測單元，用于將所述環境信息、報錯信息的數量、距離最近一次維修的時間、使用時長、平均負荷狀態和處于各負荷等級輸入到預測模型中得到電網設備在預設時間內出現故障的概率。