[go: up one dir, main page]

CN118826294B - 一种基于变电站的运维数字化管理方法及系统 - Google Patents

一种基于变电站的运维数字化管理方法及系统 Download PDF

Info

Publication number
CN118826294B
CN118826294B CN202411269952.3A CN202411269952A CN118826294B CN 118826294 B CN118826294 B CN 118826294B CN 202411269952 A CN202411269952 A CN 202411269952A CN 118826294 B CN118826294 B CN 118826294B
Authority
CN
China
Prior art keywords
maintenance
equipment
data
health
failure
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.)
Active
Application number
CN202411269952.3A
Other languages
English (en)
Other versions
CN118826294A (zh
Inventor
姜立丹
洪万沈
刘田
于洋
付春龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Brothers Electronic Technology Co ltd
Original Assignee
Shenyang Brothers Electronic Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenyang Brothers Electronic Technology Co ltd filed Critical Shenyang Brothers Electronic Technology Co ltd
Priority to CN202411269952.3A priority Critical patent/CN118826294B/zh
Publication of CN118826294A publication Critical patent/CN118826294A/zh
Application granted granted Critical
Publication of CN118826294B publication Critical patent/CN118826294B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/001—Measuring real or reactive component; Measuring apparent energy
    • G01R21/002—Measuring real component
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H02J13/00034—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving an electric power substation
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Water Supply & Treatment (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Emergency Management (AREA)
  • Human Computer Interaction (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明涉及一种基于变电站的运维数字化管理方法和系统，涉及变电站技术领域，该方法包括：通过实时采集变电站的各设备的运行数据；对原始的运行数据进行清洗和预处理，得到预处理后的数据；基于预处理后的数据，通过设备健康度评估模型对各设备的状态进行评估，得到各设备的健康度评分；通过时间序列分析法和机器学习模型对各设备的历史运行数据进行分析，以预测潜在的设备故障，得到各设备的故障预测结果；根据各设备的健康度评分和故障预测结果，生成各设备的运维计划和运维优先级；当任一个设备的健康度评分或故障概率满足预设条件时，自动触发报警并为触发报警的设备提供对应的维护建议和应急措施。本发明能够提升变电站运维的准确性和效率。

Description

一种基于变电站的运维数字化管理方法及系统
技术领域
本发明涉及变电站技术领域，尤其涉及一种基于变电站的运维数字化管理方法、系统、电子设备及非暂态计算机可读存储介质。
背景技术
现如今，变电站运维过程中，主要依赖人工巡检、定期维护和故障处理。操作人员通常通过现场检查设备的运行状态，记录参数和异常情况，并根据预定的维护计划进行设备的保养和检修。此外，运维人员会依赖经验和直觉来判断设备的健康状况，并在设备发生故障时采取应急措施。这种方式在一定程度上保障了变电站的正常运行，特别是在设备发生明显故障时，能够及时进行处理，减少停电的风险。
然而，人工巡检和记录易受人为因素的影响，可能导致数据的遗漏或不准确。其次，定期维护的方式往往是基于时间周期，而非设备的实际运行状态，可能导致不必要的维护或无法及时发现潜在的故障。此外，经验和直觉的依赖性较强，无法提供精准的数据支持，使得故障诊断和预测的准确性受到限制。
随着电网规模的扩大和复杂性的增加，传统的变电站运维方法已难以满足现代变电站对高效、安全、精准运维的需求，亟需一种基于数字化技术的管理方法来提高运维效率和管理水平。
发明内容
本发明针对现有技术中存在的技术问题，提供一种能够提升变电站运维的准确性和效率的基于变电站的运维数字化管理方法、系统、电子设备及非暂态计算机可读存储介质。
本发明解决上述技术问题的技术方案如下：
本发明提供一种基于变电站的运维数字化管理方法，所述方法包括：
通过传感器网络实时采集变电站的各设备的运行数据；
对原始的所述运行数据进行清洗和预处理，得到预处理后的数据；
基于预处理后的数据，通过设备健康度评估模型对各所述设备的状态进行评估，得到各所述设备的健康度评分；
通过时间序列分析法和机器学习模型对各所述设备的历史运行数据进行分析，以预测潜在的设备故障，得到各所述设备的故障预测结果；
根据各所述设备的健康度评分和故障预测结果，生成各所述设备的运维计划和运维优先级；
当任一个设备的健康度评分或故障概率满足预设条件时，自动触发报警并为触发报警的设备提供对应的维护建议和应急措施。
可选的，所述基于预处理后的数据，通过设备健康度评估模型对各所述设备的状态进行评估，得到各所述设备的健康度评分，包括：
获取每个所述设备的当前功率、当前温度、振动强度和运行加速度；
获取每个所述设备的额定功率、正常工作温度、允许的最高温度、允许的最低温度、临界振动强度和运行加速度；
通过所述设备健康度评估模型，基于每个所述设备的额定功率、正常工作温度、允许的最高温度、允许的最低温度、临界振动强度和运行加速度，对所述设备的当前功率、当前温度、振动强度和运行加速度进行处理得到每类参数的处理结果，并结合第一权重、第二权重、第三权重和第四权重对所述处理结果进行加权求和，得到每个所述设备的健康度评分。
可选的，每个所述设备的健康度评分表示为：；
其中，是第i个设备的健康度评分，是第i个设备的当前功率，是设备的额定功率，是第i个设备的当前温度，是设备的正常工作温度，是设备允许的最高温度，是设备允许的最低温度，是设备的振动强度，是设备的临界振动强度，是设备的运行加速度，是设备运行的最大加速度，分别为健康度模型的第一权重、第二权重、第三权重和第四权重。
可选的，通过时间序列分析法和机器学习模型对各所述设备的历史运行数据进行分析，以预测潜在的设备故障，得到各所述设备的故障预测结果，包括：
获取所述设备的历史故障发生的时间点，以及每个所述时间点的权重；
获取所述设备存在每个潜在故障模式的影响系数，以及每个所述潜在故障模式的线性表达式；
根据所述设备的历史故障发生的时间点、每个所述时间点的权重、每个所述潜在故障模式的影响系数以及每个所述潜在故障模式的线性表达式，确定所述设备的故障检测结果。
可选的，所述设备的故障概率表示为：;
其中，是设备在当前时刻t的故障概率，是历史故障发生的第j个时间点，是第j个时间点的权重，是第j个时间点的宽度参数，M是历史数据中的故障事件数量，第k个潜在故障模式的影响系数，是第k个潜在故障模式的线性表达式，Y是潜在故障模式的数量。
可选的，所述根据各所述设备的健康度评分和故障预测结果，生成各所述设备的运维优先级，包括：
获取所述设备的故障概率，以及所述故障概率对应的时刻；
根据所述概率对应的时刻和拉格朗日函数，处理得到所述拉格朗日函数的一阶导数和二阶导数；
根据所述设备的健康度评分、故障概率，以及所述拉格朗日函数的一阶导数和二阶导数，确定所述设备的运维优先级。
可选的，每个所述设备的运维优先级表示为：;
其中，是第i个设备的运维优先级，是第i个设备的健康度评分，是设备在当前时刻t的故障概率，分别为第一影响系数、第二影响系数和第三影响系数，L是拉格朗日函数。
可选的，所述当任一个设备的健康度评分或故障概率满足预设条件时，自动触发报警并为触发报警的设备提供对应的维护建议和应急措施，包括：
获取健康度评分阈值和故障概率阈值；
当任一设备的健康度评分小于所述健康度评分阈值，或故障概率大于故障概率阈值，则所述设备满足预设条件，触发针对所述设备的报警操作，并为所述设备提供对应的维护建议和应急措施。
可选的，所述方法还包括：
获取所述设备的运行状态的历史数据报表和维护记录；
从所述设备的历史数据报表统计的多个时间周期，以及每个所述时间周期对应的历史健康度评分；
根据多个所述时间周期和每个所述时间周期的历史健康度评分，计算所述设备的历史健康度评分平均值；
对所述历史健康度评分平均值进行分析，为所述设备确定备用维护建议。
本发明还提供一种基于变电站的运维数字化管理系统，所述系统包括：
数据获取模块，用于通过传感器网络实时采集变电站的各设备的运行数据；
数据处理模块，用于对原始的所述运行数据进行清洗和预处理，得到预处理后的数据；
设备评分模块，用于基于预处理后的数据，通过设备健康度评估模型对各所述设备的状态进行评估，得到各所述设备的健康度评分；
故障预测模块，用于通过时间序列分析法和机器学习模型对各所述设备的历史运行数据进行分析，以预测潜在的设备故障，得到各所述设备的故障预测结果；
运维计划模块，用于根据各所述设备的健康度评分和故障预测结果，生成各所述设备的运维计划和运维优先级；
运维执行模块，用于当任一个设备的健康度评分或故障概率满足预设条件时，自动触发报警并为触发报警的设备提供对应的维护建议和应急措施。
此外，为实现上述目的，本发明还提出一种电子设备，包括：存储器，用于存储计算机软件程序；处理器，用于读取并执行所述计算机软件程序，进而实现如上文所述的一种基于变电站的运维数字化管理方法。
此外，为实现上述目的，本发明还提出一种非暂态计算机可读存储介质，所述存储介质中存储有计算机软件程序，所述计算机软件程序被处理器执行时实现如上文所述的一种基于变电站的运维数字化管理方法。
本发明的有益效果是：
（1）本发明通过综合考虑设备的实时运行数据（如功率、温度、振动、加速度）以及历史故障数据，能够动态评估设备的健康状况和故障风险。基于此，生成的运维优先级能够精准地指导运维人员进行有针对性的设备维护，减少不必要的维护工作，提升运维效率；
（2）本发明采用了复杂的数学模型（如高斯分布、逻辑回归、拉格朗日优化），能够更准确地预测设备的潜在故障，结合历史故障数据和潜在故障模式的分析，使得故障预测更加全面和可靠，有助于提前发现并处理隐患，避免突发性故障导致的停机或事故；
（3）本发明通过数字化管理和自动化分析，减少了人为因素的干扰，确保数据的客观性和判断的准确性，从而提高了运维决策的科学性。
（4）本发明通过引入拉格朗日函数及其导数，能够动态调整运维优先级，考虑到系统状态随时间的变化趋势和加速度，不仅适用于当前状态的评估，还能对未来的趋势做出预判，从而实现更加灵活和前瞻性的运维决策。
（5）本发明通过精准的运维优先级评估，能够合理分配运维资源，将有限的资源优先用于需要紧急维护的设备，避免资源浪费。同时，这种优化配置有助于延长设备的使用寿命，降低整体运维成本。
（6）本发明通过全面的监测、精准的评估和有效的预测，能够及时发现并处理设备故障，减少停机时间，确保变电站的稳定运行。同时，预防性的维护措施能够降低突发性故障发生的概率，提升系统的整体安全性。
综上，本发明通过数字化和智能化的运维管理，显著提高了变电站的运维效率和安全性，降低了成本和风险，具有显著的实用价值和推广前景。
附图说明
图1为本发明提供的一种基于变电站的运维数字化管理方法的结构框图；
图2为本发明提供的一种基于变电站的运维数字化管理方法的流程图；
图3为本发明提供的一种基于变电站的运维数字化管理系统的结构示意图；
图4为本发明提供的一种可能的电子设备的硬件结构示意图；
图5为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
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，都属于本发明保护的范围。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明的描述中，术语“例如”一词用来表示“用作例子、例证或说明”。本发明中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本发明所公开的原理和特征的最广范围相一致。
请参阅图1，图1为本发明提供的一种基于变电站的运维数字化管理方法的结构框图。如图1所示，终端10与服务器20之间通过网络连接，比如，通过有线或无线网络连接等。其中，终端10可以包括但不局限于安装有各位网络平台应用的手机、平板等便携终端，以及电脑、查询机、广告机等固定终端。其中，服务器20为用户提供各种业务服务，包括服务推送服务器、用户推荐服务器等。
需要说明的是，图1所示的一种基于变电站的运维数字化管理方法的结构框图仅仅是一个示例，本发明实施例描述的终端10、服务器20以及应用场景是为了更加清楚的说明本发明实施例的技术方案，并不生成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题同样适用。
其中，终端10可以用于：
通过传感器网络实时采集变电站的各设备的运行数据；
对原始的所述运行数据进行清洗和预处理，得到预处理后的数据；
基于预处理后的数据，通过设备健康度评估模型对各所述设备的状态进行评估，得到各所述设备的健康度评分；
通过时间序列分析法和机器学习模型对各所述设备的历史运行数据进行分析，以预测潜在的设备故障，得到各所述设备的故障预测结果；
根据各所述设备的健康度评分和故障预测结果，生成各所述设备的运维计划和运维优先级；
当任一个设备的健康度评分或故障概率满足预设条件时，自动触发报警并为触发报警的设备提供对应的维护建议和应急措施。
请参阅图2，提供了本发明的一种基于变电站的运维数字化管理方法的流程图，包括以下步骤：
步骤201、通过传感器网络实时采集变电站的各设备的运行数据。
在一些实施例中，在变电站的各关键设备上部署了多种类型的传感器，如温度传感器、振动传感器、电流传感器和加速度传感器等。
每种传感器负责监测特定的设备参数，确保能够全面覆盖设备的运行状态。例如，温度传感器用于监测设备的温度，振动传感器监测机械部分的振动状况，加速度传感器用于检测设备的运动状态。
在一些实施例中，传感器网络能够持续、不间断地采集设备的运行数据，并在采集后立即传输到中央系统。这种实时性确保了数据的时效性，能够反映设备的当前状态。数据采集频率可根据设备的重要性和运行条件进行调整，重要设备或关键参数的采集频率可能更高，以确保能够及时捕捉到任何异常变化。
在一些实施例中，传感器网络通常通过有线或无线通信方式将采集到的数据传输到中央监控系统。常用的通信技术包括工业以太网、无线传感器网络（WSN）或物联网（IoT）技术。传输过程中的数据应进行加密和校验，以确保数据的完整性和安全性，防止数据在传输过程中受到干扰或篡改。
在一些实施例中，中央监控系统接收到传感器数据后，会进行实时处理和存储。这些数据可以用于后续的健康度评估、故障预测和运维优先级计算。数据存储通常采用数据库或云存储的方式，以便随时调用和分析历史数据，为设备运行状况的长期趋势分析提供依据。
在一些实施例中，通过传感器网络采集的实时数据，中央监控系统可以根据设备的当前状态做出及时的决策，如触发报警、调度维护人员或调整运行参数。这些数据也为本发明中的健康度评估、故障预测和运维优先级计算提供了基础，确保决策的科学性和准确性。
综上，实时数据采集方式的主要作用是确保变电站设备的运行状况能够被持续监控和及时掌握，支持系统在发现异常或潜在故障时能够迅速采取应对措施。这种方法提高了设备管理的自动化水平，减少了对人工巡检的依赖，同时也提升了系统的整体运行安全性和可靠性。
步骤202、对原始的所述运行数据进行清洗和预处理，得到预处理后的数据。
在一些实施例中，可以从传感器网络采集到的原始数据可能包含各种问题，如噪声、异常值、数据缺失或重复记录。这些问题可能由于传感器故障、环境干扰、网络传输误差等原因产生。原始数据未经处理直接用于分析，可能会导致结果的不准确甚至错误，因此需要先进行数据清洗和预处理。
在一些实施例中，可以对数据进行平滑处理，消除由于传感器精度限制或环境干扰造成的随机噪声。例如，可以使用加权平均滤波、移动平均或卡尔曼滤波等方法平滑数据，得到更接近真实情况的测量值。检测并修正异常值，如极端偏离正常范围的数值。这些异常值可能是传感器故障或短暂的外部干扰造成的。处理方法包括替换为平均值、中位数或最近的正常值。在数据采集中可能会出现缺失值，这些缺失可能是由于传感器短暂失效或通信中断造成的。常用的数据补全方法包括插值法（如线性插值、样条插值）或基于历史数据的预测填补。
在一些实施例中，为消除不同设备或不同参数之间的量纲差异，将数据进行标准化或归一化处理。例如，温度数据可以通过减去均值再除以标准差的方式标准化，使得数据分布更适合后续的统计分析或机器学习模型。对于具有显著趋势或周期性的时间序列数据，可以通过去趋势或去周期性的方法预处理数据，使得数据更容易捕捉到短期波动或异常。例如，使用差分法或小波变换来去除趋势成分。可以进一步平滑数据，消除高频波动，使得数据更加平滑和稳定。常用的方法包括加权移动平均法、指数平滑法等。
在一些实施例中，经过清洗和预处理后的数据是更为可靠和准确的，消除了噪声、异常值和其他干扰因素，具有更好的连续性和稳定性。预处理后的数据为后续的健康度评估、故障预测和运维优先级计算提供了坚实的基础，确保分析结果的准确性和决策的科学性。
通过对原始运行数据的清洗和预处理，本发明能够确保数据的质量，从而提高了后续分析的准确性和可靠性。预处理后的数据更加真实地反映了设备的运行状况，有助于准确评估设备的健康度、预测故障风险，并合理安排维护计划。这一过程减少了数据中人为或环境因素引入的误差，使得基于数据的决策更加可信，最终有助于提升系统的整体运行效率和安全性。
步骤203、基于预处理后的数据，通过设备健康度评估模型对各所述设备的状态进行评估，得到各所述设备的健康度评分。
在一些实施例中，步骤203可以包括以下步骤：
获取每个所述设备的当前功率、当前温度、振动强度和运行加速度；
获取每个所述设备的额定功率、正常工作温度、允许的最高温度、允许的最低温度、临界振动强度和运行加速度；
通过所述设备健康度评估模型，基于每个所述设备的额定功率、正常工作温度、允许的最高温度、允许的最低温度、临界振动强度和运行加速度，对所述设备的当前功率、当前温度、振动强度和运行加速度进行处理得到每类参数的处理结果，并结合第一权重、第二权重、第三权重和第四权重对所述处理结果进行加权求和，得到每个所述设备的健康度评分。
在一些实施例中，每个所述设备的健康度评分表示为：;
其中，是第i个设备的健康度评分，是第i个设备的当前功率，是设备的额定功率，是第i个设备的当前温度，是设备的正常工作温度，是设备允许的最高温度，是设备允许的最低温度，是设备的振动强度，是设备的临界振动强度，是设备的运行加速度，是设备运行的最大加速度，分别为健康度模型的第一权重、第二权重、第三权重和第四权重。
具体实现中，衡量设备当前功率与设备额定功率的比值对设备健康度的影响。当接近时，该比值接近1，表示设备按设计负载工作，健康度较好；如果远低于或高于，则比值会远离1，健康度评分会降低。
采用三次幂强化了功率对健康度的非线性影响，即功率偏差越大，对健康度的负面影响越显著。第一权重决定了功率因素在健康度评分中的影响程度。若较大，功率的变化对健康度的影响也会更大。
表示设备当前温度与正常工作温度的偏差对设备健康度的影响。分母是温度的工作区间范围，标准化了温度偏差，使不同设备的温度特性可比。采用四次幂增加了温度偏差对健康度的影响，温度越偏离正常值，对健康度的影响越大。第二权重控制了温度因素的影响力，温度因素对健康度的作用随 增大而增强。
衡量设备的振动强度相对于临界振动强度的比值。采用对数函数能缓解振动强度变化对健康度的影响，使其变化更平滑。振动强度越接近或超过临界值，健康度评分下降。引入了设备运行加速度的影响。指数函数使得加速度的负面影响以非线性形式表现出来，加速度越大，健康度评分降低越显著。
第三权重用于控制振动因素对健康度的影响力，振动变化的影响随增加而增强。第四权重控制加速度对健康度的削弱作用，值越大，加速度对健康度的负面影响越显著。
该公式计算将设备的功率、温度、振动和加速度等多个参数通过各自的权重进行加权组合，体现了各参数对设备健康度的不同影响。功率和温度的偏离，以及振动强度和加速度的增加，都会导致健康度评分降低。其中，权重的设置则允许调节各因素对最终健康度评分的贡献大小，从而为不同设备或场景提供灵活的健康度评估模型。
步骤204、通过时间序列分析法和机器学习模型对各所述设备的历史运行数据进行分析，以预测潜在的设备故障，得到各所述设备的故障预测结果。
在一些实施例中，步骤204可以包括以下步骤：
获取所述设备的历史故障发生的时间点，以及每个所述时间点的权重；
获取所述设备存在每个潜在故障模式的影响系数，以及每个所述潜在故障模式的线性表达式；
根据所述设备的历史故障发生的时间点、每个所述时间点的权重、每个所述潜在故障模式的影响系数以及每个所述潜在故障模式的线性表达式，确定所述设备的故障检测结果。
在一些实施例中，设备的故障概率可以表示为：;
其中，是设备在当前时刻t的故障概率，是历史故障发生的第j个时间点，是第j个时间点的权重，是第j个时间点的宽度参数，M是历史数据中的故障事件数量，第k个潜在故障模式的影响系数，是第k个潜在故障模式的线性表达式，Y是潜在故障模式的数量。
具体实现中，是设备在当前时刻t的故障概率。是历史故障发生的第j个时间点。是第j个时间点的权重，反映了该故障事件的重要性或影响程度。权重越大，该事件对当前时刻故障概率的贡献越大。是第j个时间点的宽度参数，决定了该历史故障的影响范围。较大的表示该故障事件的影响范围较广，时间衰减较慢；较小的则表示影响范围较窄，时间衰减较快。M是历史数据中的故障事件数量。第k个潜在故障模式的影响系数，决定了该故障模式对故障概率的贡献度。系数越大，说明该模式对故障概率的影响越显著。
是第k个潜在故障模式的线性表达式，描述了该模式下各输入变量（如设备参数、运行状态等）对故障风险的综合作用。的一般形式为：，其中，是第k个模式下，第i个输入变量的权重；是输入变量（如传感器数据、环境条件等）；是偏置项。是逻辑回归函数（sigmoid函数），用于将线性表达式转换为0到1之间的概率值，反映该模式下设备发生故障的可能性。Y是潜在故障模式的数量，代表了模型中考虑的不同故障机制或模式的总数。
具体的，这部分反映了历史故障事件对当前故障概率的影响。通过高斯函数形式计算，每个历史故障事件的影响随时间衰减，距离当前时间越近的故障事件，对当前故障概率的影响越大。
这一部分反映了基于潜在故障模式的风险评估对当前故障概率的影响。通过逻辑回归模型评估每个潜在故障模式的风险，并将其综合到总的故障概率中。
故障概率由两个主要部分组成：
历史故障数据的影响：通过高斯分布函数对历史故障数据进行加权求和，体现了历史故障事件对当前时刻故障风险的影响。该部分主要依赖于过去的经验数据，考虑了时间衰减效应，越近的历史故障对当前时刻的影响越大。
潜在故障模式的影响：通过逻辑回归模型评估潜在的故障模式风险，并结合这些模式对当前时刻的故障概率进行修正和补充。这部分通过多个故障模式的综合影响，增强了预测的深度和广度，适用于不同的故障机制。
该公式结合了历史数据和机器学习模型，既能利用过去的故障经验，又能通过数据驱动的方式预测未来可能的故障，提供了一个全面的故障风险评估方法。
步骤205、根据各所述设备的健康度评分和故障预测结果，生成各所述设备的运维计划和运维优先级。
在一些实施例中，步骤205可以包括以下步骤：
获取所述设备的故障概率，以及所述故障概率对应的时刻；
根据所述概率对应的时刻和拉格朗日函数，处理得到所述拉格朗日函数的一阶导数和二阶导数；
根据所述设备的健康度评分、故障概率，以及所述拉格朗日函数的一阶导数和二阶导数，确定所述设备的运维优先级。
在一些实施例中，每个所述设备的运维优先级表示为：;
其中，是第i个设备的运维优先级，是第i个设备的健康度评分，是设备在当前时刻t的故障概率，分别为第一影响系数、第二影响系数和第三影响系数，L是拉格朗日函数。
具体实现中，是第i个设备的运维优先级，是第i个设备的健康度评分，健康度评分越低（即越小），越大，表示该设备需要更高的运维优先级。是设备在当前时刻t的故障概率，分别为第一影响系数、第二影响系数和第三影响系数，使得故障概率的上升直接提高运维优先级。L是拉格朗日函数。
具体的，这一部分反映了设备健康度和故障概率对运维优先级的影响。健康度评分（即设备状态差）的设备优先级更高，而故障概率增加时，运维优先级也随之提高。综合考虑了设备的健康状态和故障风险，确保在设备健康度差且故障概率高的情况下，运维优先级迅速升高。
这两部分引入了与时间相关的拉格朗日函数 L的一阶和二阶导数，用于进一步调整运维优先级，考虑了系统随时间的动态变化。在优化问题中，拉格朗日函数L通常用于处理目标函数和约束条件的结合。这里，它可以表示系统的运维成本、资源分配等综合因素。
一阶导数表示拉格朗日函数随时间的变化速率，反映了系统运维成本或资源分配的即时变化趋势。是与该变化率相关的权重系数。如果为正，表示系统状态可能恶化，因此运维优先级可能需要提高。
二阶导数表示拉格朗日函数随时间的加速度变化，反映了系统状态变化的加速度。是与该加速度相关的权重系数。如果为正，表示系统状态正在加速恶化，因此运维优先级可能需要更大幅度地提高。
通过计算出每个设备的运维优先级，是一个综合评估设备维护需求的指标，综合考虑了设备的当前状态、历史数据及未来趋势，提供了一个全面且动态的设备运维优先级评估方法，有助于优化运维资源的分配，确保系统的稳定运行。
步骤206、当任一个设备的健康度评分或故障概率满足预设条件时，自动触发报警并为触发报警的设备提供对应的维护建议和应急措施。
在一些实施例中，步骤206可以包括以下步骤：
获取健康度评分阈值和故障概率阈值；
当任一设备的健康度评分小于所述健康度评分阈值，或故障概率大于故障概率阈值，则所述设备满足预设条件，触发针对所述设备的报警操作，并为所述设备提供对应的维护建议和应急措施。
可以理解，健康度评分是根据设备的运行参数（如功率、温度、振动、加速度等）计算得出的一个综合评分，反映了设备的当前健康状态。健康度评分阈值是一个预先设定的数值，用于判断设备是否处于正常运行状态。该阈值通常根据设备历史运行数据、制造商推荐的安全标准或运维经验设定。当设备的健康度评分低于这一阈值时，意味着设备的运行状态已经恶化到一个不安全的水平，可能需要立即进行维护或检修。
还可以理解，设备的故障概率是基于设备的历史故障数据和潜在故障模式预测的一个数值，表示设备在当前时刻发生故障的可能性。故障概率阈值是一个设定的临界值，表示在多大概率下需要对设备进行特别关注和处理。该阈值可以根据故障历史数据的统计分析、行业标准或运维策略确定。当设备的故障概率超过这一阈值时，说明设备可能面临较高的故障风险，需要提前采取预防性措施。
在一些实施例中，当设备的健康度评分低于健康度评分阈值，或故障概率超过故障概率阈值中的任意一个条件成立，都视为设备存在潜在风险。当上述预设条件满足时，系统会自动触发报警操作，向运维人员发出警告信号。这种报警可以是声音、灯光、短信通知、邮件通知等形式，确保运维人员及时知晓设备的异常状态。
在一些实施例中，在触发报警的同时，系统可以根据设备的具体情况，提供相应的维护建议。这些建议可能包括立即检查某个部件、调整设备的运行参数、安排停机维护等，帮助运维人员做出正确的决策。在设备面临严重故障风险时，系统还会建议采取应急措施，如降低设备负荷、切换到备用设备、暂时停止设备运行等，以防止故障进一步恶化或导致更大范围的停电事故。
通过设定健康度评分阈值和故障概率阈值，本方案能够实时监控设备的运行状态并在出现潜在风险时及时发出警报。这样不仅能够防止设备在隐患状态下继续运行，还能通过提前介入的方式，降低设备故障的发生率和严重性，确保变电站的安全稳定运行。此外，系统自动生成的维护建议和应急措施，帮助运维人员快速响应，有效减少停机时间和运维成本。
在一些实施例中，本发明的方法还可以包括：
获取所述设备的运行状态的历史数据报表和维护记录；
从所述设备的历史数据报表统计的多个时间周期，以及每个所述时间周期对应的历史健康度评分；
根据多个所述时间周期和每个所述时间周期的历史健康度评分，计算所述设备的历史健康度评分平均值；
对所述历史健康度评分平均值进行分析，为所述设备确定备用维护建议。
其中，历史数据报表是由系统自动生成的文档，记录了设备在过去一段时间内的运行状态数据。这些数据通常包括设备的功率、温度、振动、加速度等关键参数，并按时间顺序排列。维护记录是设备在过去运维过程中所采取的所有维护活动的记录。维护记录详细描述了设备在各个时间点所进行的检查、保养、维修或更换部件等活动，以及这些活动的结果。
在一些实施例中，可以根据设备的运行特性和数据采集频率，历史数据报表会被划分为多个时间周期（如按月、按季度、按年等），每个时间周期代表设备在这一段时间内的运行状态。在每个时间周期内，系统根据设备的运行数据计算出一个历史健康度评分，这个评分反映了设备在该时间周期内的综合运行状况。健康度评分越高，表示设备运行状态越好；评分越低，表示设备可能存在问题。
对于每个设备，系统会计算出其在多个时间周期内的历史健康度评分的平均值。这个平均值提供了一个长期的、综合的设备健康状况的评估指标。
在一些实施例中，可以通过分析设备的历史健康度评分平均值，系统能够识别出设备在长期运行中可能存在的趋势性问题。例如，如果平均健康度评分逐渐下降，可能表示设备的状态在恶化，需提前介入进行维护。
备用维护建议的确定：根据历史健康度评分的分析结果，系统会生成备用维护建议。这些建议可能包括加强某些部件的监控频率、提前更换易损件、安排更多的预防性维护活动等，以延长设备的使用寿命，防止突发故障。
综上，通过获取和分析设备的历史运行状态和维护记录，本发明能够深入了解设备的长期健康状况，识别出潜在的趋势性问题。计算出的历史健康度评分平均值为设备的整体运行质量提供了一个量化评估，帮助运维人员更准确地预测设备的维护需求。基于这些分析结果制定的备用维护建议，使得运维策略更加主动和预防性，有助于减少设备故障的发生频率，延长设备的使用寿命，优化运维资源的配置，从而提高变电站的运行安全性和可靠性。
请参阅图3，图3为本发明提供的一种基于变电站的运维数字化管理系统的结构示意图。
如图3所示，本发明实施例提出的一种基于变电站的运维数字化管理系统包括：
数据获取模块301，用于通过传感器网络实时采集变电站的各设备的运行数据；
数据处理模块302，用于对原始的所述运行数据进行清洗和预处理，得到预处理后的数据；
设备评分模块303，用于基于预处理后的数据，通过设备健康度评估模型对各所述设备的状态进行评估，得到各所述设备的健康度评分；
故障预测模块304，用于通过时间序列分析法和机器学习模型对各所述设备的历史运行数据进行分析，以预测潜在的设备故障，得到各所述设备的故障预测结果；
运维计划模块305，用于根据各所述设备的健康度评分和故障预测结果，生成各所述设备的运维计划和运维优先级；
运维执行模块306，用于当任一个设备的健康度评分或故障概率满足预设条件时，自动触发报警并为触发报警的设备提供对应的维护建议和应急措施。
请参阅图4，图4为本发明实施例提供的电子设备的实施例示意图。如图4所示，本发明实施例提了一种电子设备400，包括存储器410、处理器420及存储在存储器410上并可在处理器420上运行的计算机程序411，处理器420执行计算机程序411时实现以下步骤：
通过传感器网络实时采集变电站的各设备的运行数据；
对原始的所述运行数据进行清洗和预处理，得到预处理后的数据；
基于预处理后的数据，通过设备健康度评估模型对各所述设备的状态进行评估，得到各所述设备的健康度评分；
通过时间序列分析法和机器学习模型对各所述设备的历史运行数据进行分析，以预测潜在的设备故障，得到各所述设备的故障预测结果；
根据各所述设备的健康度评分和故障预测结果，生成各所述设备的运维计划和运维优先级；
当任一个设备的健康度评分或故障概率满足预设条件时，自动触发报警并为触发报警的设备提供对应的维护建议和应急措施。
请参阅图5，图5为本发明实施例提供的一种计算机可读存储介质的实施例示意图。如图5所示，本实施例提供了一种计算机可读存储介质500，其上存储有计算机程序411，该计算机程序411被处理器执行时实现如下步骤：
通过传感器网络实时采集变电站的各设备的运行数据；
对原始的所述运行数据进行清洗和预处理，得到预处理后的数据；
基于预处理后的数据，通过设备健康度评估模型对各所述设备的状态进行评估，得到各所述设备的健康度评分；
通过时间序列分析法和机器学习模型对各所述设备的历史运行数据进行分析，以预测潜在的设备故障，得到各所述设备的故障预测结果；
根据各所述设备的健康度评分和故障预测结果，生成各所述设备的运维计划和运维优先级；
当任一个设备的健康度评分或故障概率满足预设条件时，自动触发报警并为触发报警的设备提供对应的维护建议和应急措施。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (5)

1.一种基于变电站的运维数字化管理方法，其特征在于，所述方法包括：
通过传感器网络实时采集变电站的各设备的运行数据；
对原始的所述运行数据进行清洗和预处理，得到预处理后的数据；
基于预处理后的数据，通过设备健康度评估模型对各所述设备的状态进行评估，得到各所述设备的健康度评分；
通过时间序列分析法和机器学习模型对各所述设备的历史运行数据进行分析，以预测潜在的设备故障，得到各所述设备的故障预测结果；
根据各所述设备的健康度评分和故障预测结果，生成各所述设备的运维计划和运维优先级；
当任一个设备的健康度评分或故障概率满足预设条件时，自动触发报警并为触发报警的设备提供对应的维护建议和应急措施；
所述基于预处理后的数据，通过设备健康度评估模型对各所述设备的状态进行评估，得到各所述设备的健康度评分，包括：
获取每个所述设备的当前功率、当前温度、振动强度和运行加速度；
获取每个所述设备的额定功率、正常工作温度、允许的最高温度、允许的最低温度、临界振动强度和运行加速度；
通过所述设备健康度评估模型，基于每个所述设备的额定功率、正常工作温度、允许的最高温度、允许的最低温度、临界振动强度和运行加速度，对所述设备的当前功率、当前温度、振动强度和运行加速度进行处理得到每类参数的处理结果，并结合第一权重、第二权重、第三权重和第四权重对所述处理结果进行加权求和，得到每个所述设备的健康度评分；
通过时间序列分析法和机器学习模型对各所述设备的历史运行数据进行分析，以预测潜在的设备故障，得到各所述设备的故障预测结果，包括：
获取所述设备的历史故障发生的时间点，以及每个所述时间点的权重；
获取所述设备存在每个潜在故障模式的影响系数，以及每个所述潜在故障模式的线性表达式；
根据所述设备的历史故障发生的时间点、每个所述时间点的权重、每个所述潜在故障模式的影响系数以及每个所述潜在故障模式的线性表达式，确定所述设备的故障检测结果；
所述设备的故障概率表示为：
其中，Ft是设备在当前时刻t的故障概率，tj是历史故障发生的第j个时间点，ωj是第j个时间点的权重，σj是第j个时间点的宽度参数，M是历史数据中的故障事件数量，λk第k个潜在故障模式的影响系数，zk是第k个潜在故障模式的线性表达式，Y是潜在故障模式的数量；
所述根据各所述设备的健康度评分和故障预测结果，生成各所述设备的运维优先级，包括：
获取所述设备的故障概率，以及所述故障概率对应的时刻；
根据所述概率对应的时刻和拉格朗日函数，处理得到所述拉格朗日函数的一阶导数和二阶导数；
根据所述设备的健康度评分、故障概率，以及所述拉格朗日函数的一阶导数和二阶导数，确定所述设备的运维优先级；
每个所述设备的运维优先级表示为：
其中，Ui是第i个设备的运维优先级，Hi是第i个设备的健康度评分，Ft是设备在当前时刻t的故障概率，λ、λ1、λ2分别为第一影响系数、第二影响系数和第三影响系数，L是拉格朗日函数。
2.根据权利要求1所述的基于变电站的运维数字化管理方法，其特征在于，每个所述设备的健康度评分表示为：
其中，Hi是第i个设备的健康度评分，Pi是第i个设备的当前功率，Pnom是设备的额定功率，Ti是第i个设备的当前温度，Tnom是设备的正常工作温度，Tmax是设备允许的最高温度，Tmin是设备允许的最低温度，Vi是设备的振动强度，Vcrit是设备的临界振动强度，Ai是设备的运行加速度，Amax是设备运行的最大加速度，α、β、γ、δ分别为健康度模型的第一权重、第二权重、第三权重和第四权重。
3.根据权利要求1所述的基于变电站的运维数字化管理方法，其特征在于，所述当任一个设备的健康度评分或故障概率满足预设条件时，自动触发报警并为触发报警的设备提供对应的维护建议和应急措施，包括：
获取健康度评分阈值和故障概率阈值；
当任一设备的健康度评分小于所述健康度评分阈值，或故障概率大于故障概率阈值，则所述设备满足预设条件，触发针对所述设备的报警操作，并为所述设备提供对应的维护建议和应急措施。
4.根据权利要求3所述的基于变电站的运维数字化管理方法，其特征在于，所述方法还包括：
获取所述设备的运行状态的历史数据报表和维护记录；
从所述设备的历史数据报表统计的多个时间周期，以及每个所述时间周期对应的历史健康度评分；
根据多个所述时间周期和每个所述时间周期的历史健康度评分，计算所述设备的历史健康度评分平均值；
对所述历史健康度评分平均值进行分析，为所述设备确定备用维护建议。
5.一种基于变电站的运维数字化管理系统，其特征在于，所述系统包括：
数据获取模块，用于通过传感器网络实时采集变电站的各设备的运行数据；
数据处理模块，用于对原始的所述运行数据进行清洗和预处理，得到预处理后的数据；
设备评分模块，用于基于预处理后的数据，通过设备健康度评估模型对各所述设备的状态进行评估，得到各所述设备的健康度评分；
故障预测模块，用于通过时间序列分析法和机器学习模型对各所述设备的历史运行数据进行分析，以预测潜在的设备故障，得到各所述设备的故障预测结果；
运维计划模块，用于根据各所述设备的健康度评分和故障预测结果，生成各所述设备的运维计划和运维优先级；
运维执行模块，用于当任一个设备的健康度评分或故障概率满足预设条件时，自动触发报警并为触发报警的设备提供对应的维护建议和应急措施；
所述基于预处理后的数据，通过设备健康度评估模型对各所述设备的状态进行评估，得到各所述设备的健康度评分，包括：
获取每个所述设备的当前功率、当前温度、振动强度和运行加速度；
获取每个所述设备的额定功率、正常工作温度、允许的最高温度、允许的最低温度、临界振动强度和运行加速度；
通过所述设备健康度评估模型，基于每个所述设备的额定功率、正常工作温度、允许的最高温度、允许的最低温度、临界振动强度和运行加速度，对所述设备的当前功率、当前温度、振动强度和运行加速度进行处理得到每类参数的处理结果，并结合第一权重、第二权重、第三权重和第四权重对所述处理结果进行加权求和，得到每个所述设备的健康度评分；
通过时间序列分析法和机器学习模型对各所述设备的历史运行数据进行分析，以预测潜在的设备故障，得到各所述设备的故障预测结果，包括：
获取所述设备的历史故障发生的时间点，以及每个所述时间点的权重；
获取所述设备存在每个潜在故障模式的影响系数，以及每个所述潜在故障模式的线性表达式；
根据所述设备的历史故障发生的时间点、每个所述时间点的权重、每个所述潜在故障模式的影响系数以及每个所述潜在故障模式的线性表达式，确定所述设备的故障检测结果；
所述设备的故障概率表示为：
其中，Ft是设备在当前时刻t的故障概率，tj是历史故障发生的第j个时间点，ωj是第j个时间点的权重，σj是第j个时间点的宽度参数，M是历史数据中的故障事件数量，λk第k个潜在故障模式的影响系数，zk是第k个潜在故障模式的线性表达式，Y是潜在故障模式的数量；
所述根据各所述设备的健康度评分和故障预测结果，生成各所述设备的运维优先级，包括：
获取所述设备的故障概率，以及所述故障概率对应的时刻；
根据所述概率对应的时刻和拉格朗日函数，处理得到所述拉格朗日函数的一阶导数和二阶导数；
根据所述设备的健康度评分、故障概率，以及所述拉格朗日函数的一阶导数和二阶导数，确定所述设备的运维优先级；
每个所述设备的运维优先级表示为：
其中，Ui是第i个设备的运维优先级，Hi是第i个设备的健康度评分，Ft是设备在当前时刻t的故障概率，λ、λ1、λ2分别为第一影响系数、第二影响系数和第三影响系数，L是拉格朗日函数。
CN202411269952.3A 2024-09-11 2024-09-11 一种基于变电站的运维数字化管理方法及系统 Active CN118826294B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202411269952.3A CN118826294B (zh) 2024-09-11 2024-09-11 一种基于变电站的运维数字化管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202411269952.3A CN118826294B (zh) 2024-09-11 2024-09-11 一种基于变电站的运维数字化管理方法及系统

Publications (2)

Publication Number Publication Date
CN118826294A CN118826294A (zh) 2024-10-22
CN118826294B true CN118826294B (zh) 2025-01-24

Family

ID=93071296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202411269952.3A Active CN118826294B (zh) 2024-09-11 2024-09-11 一种基于变电站的运维数字化管理方法及系统

Country Status (1)

Country Link
CN (1) CN118826294B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119417057A (zh) * 2024-11-08 2025-02-11 北京智盟信通科技有限公司 一种配电网运维管理方法、系统、电子设备及产品
CN119135470B (zh) * 2024-11-08 2025-03-18 深圳三铭电气有限公司 一种总线模块掉线控制方法、装置、设备及存储介质
CN119628251B (zh) * 2025-02-14 2025-05-02 沈阳桦腾科技有限公司 基于电力运维大数据监控方法以及监控系统
CN119642904B (zh) * 2025-02-18 2025-04-29 天津英信科技有限公司 一种建筑机电系统故障智能检测方法和系统
CN119692785A (zh) * 2025-02-24 2025-03-25 浙江大有实业有限公司杭州科技发展分公司 一种高压作业近电告警方法、系统、介质及设备
CN119692568A (zh) * 2025-02-25 2025-03-25 南京协澳智能控制系统有限公司 基于电力高压断路器设备全生命周期的健康管理预测系统
CN119863234A (zh) * 2025-03-25 2025-04-22 辽宁吉左网络科技有限公司 基于物联网技术的机房设备远程运维管理方法及系统
CN119887178A (zh) * 2025-03-26 2025-04-25 国网浙江省电力有限公司营销服务中心 流水线专机设备的健康度评价方法、系统、设备及介质
CN120087952A (zh) * 2025-04-30 2025-06-03 山东德能物联科技有限公司 基于数字孪生的电力设备维护方法、系统、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331843A (zh) * 2014-10-30 2015-02-04 华中科技大学 一种基于蝴蝶结模型的变压器故障风险评估方法
CN112052979A (zh) * 2020-07-17 2020-12-08 北京天泽智云科技有限公司 基于故障预测与健康管理的设备备件需求预测系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884325B (zh) * 2021-02-22 2024-10-18 中国铁道科学研究院集团有限公司电子计算技术研究所 一种客站设备应用分析及健康状况评价方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331843A (zh) * 2014-10-30 2015-02-04 华中科技大学 一种基于蝴蝶结模型的变压器故障风险评估方法
CN112052979A (zh) * 2020-07-17 2020-12-08 北京天泽智云科技有限公司 基于故障预测与健康管理的设备备件需求预测系统

Also Published As

Publication number Publication date
CN118826294A (zh) 2024-10-22

Similar Documents

Publication Publication Date Title
CN118826294B (zh) 一种基于变电站的运维数字化管理方法及系统
CN118915566A (zh) 一种基于物联网的暖通设备异常在线监控系统
CN118396252B (zh) 基于云计算的mes客户端数据分析优化方法
CN117689214B (zh) 一种柔性直流牵引供电系统能量路由器动态安全评估方法
CN118365307A (zh) 一种电厂设备状态检修决策支持方法及系统
CN118408583B (zh) 一种编码器故障诊断方法及系统
CN114862275B (zh) 基于数字孪生模型的仓储物流系统可靠性评估方法及系统
CN118917834A (zh) 一种电力设备故障预警系统
CN119295037A (zh) 一种矿井机电设备全生命周期管理方法及系统
CN118114023A (zh) 基于物联网的制药产线状态监测告警方法及系统
CN119018738A (zh) 一种电梯健康状态评估方法、装置、设备及存储介质
CN119444177A (zh) 一种基于模型预测控制设备风险管控系统
CN119539769A (zh) 一种基于物联网的光热发电系统智能运维方法及系统
CN119476971A (zh) 用于配电网防护区域监测的风险预警方法及平台
CN119676055A (zh) 一种基于人工智能的运维管理系统及方法
CN119418504A (zh) 一种多层级有源配电网剩余电流预警方法及装置
CN119417230A (zh) 基于深度学习的城市社区嵌入式服务设施运营管理方法及系统
CN117272844B (zh) 配电盘工作寿命的预测方法及系统
CN118174292A (zh) 智慧后勤信息管理方法
CN118157325A (zh) 一种用于新能源电力的实时监测方法及系统
CN117391246A (zh) 一种零碳演进区域能源互联网能源管控方法及系统
CN120013206B (zh) 一种优化特种设备全生命周期成本的动态管理方法及系统
CN119809618B (zh) 基于ai的擦地机生产设备异常预测系统及方法
CN119991097B (zh) 基于健康度评分的生产能力保障度评估方法、设备及介质
Dadfarnia et al. A Simulation-Based Approach to Assess Condition Monitoring-Enabled Maintenance in Manufacturing

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
GR01 Patent grant
GR01 Patent grant