一种电网智慧运维系统

本发明涉及电网运维，更具体的说是涉及一种电网智慧运维系统。

背景技术：

1、随着工业化、电气化、智能化的发展，各种电气设备在不断增加，安全事故和安全隐患也在不断上升。目前的电源设备数量多、安装分散、管理难度大，人工巡检存在漏洞和隐患不能及时发现并且维护量大，工作效率低、维护成本高；人工巡检的技术手段获得数据少、容易忽视重大影患，事故影响大；缺少预警机制、安全难以保障等缺点。

2、而由于采集到的电气数据中包含多个维度的数据信息，仅依靠单一维度通过设定阈值进行异常识别时，容易造成较大误差，无法确定异常现象的准确来源，进而可能导致监控过程中的错误预警，从而造成人力物力资源浪费。

3、因此，如何对电网进行实时监控并准确完成故障预测是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此，本发明提供了一种电网智慧运维系统，通过收集多维度的数据，综合所得到的数据，实现对于电网的故障准确预测。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种电网智慧运维系统，包括：历史数据库模块、检测模块、远程终端模块、智慧报警模块，所述远程终端模块接收所述检测模块收集的数据，并提取所述历史数据库模块存储的历史数据，将所述检测模块的检测数据与所述历史数据库模块存储的历史故障数据进行比对，得出发生的故障类型；所述智慧报警模块根据所述故障类型给出对应的报警信号。

4、优选的，所述检测模块所检测信息具体包括：故障声音信息、温度变化信息、绝缘油信息、负荷信息及溶解气体信息。

5、优选的，所述远程终端模块包括：浓度变化预测模块、温度变化预测模块、声音变化处理模块，综合比对模块，所述浓度变化预测模块根据所述绝缘油信息与所述溶解气体信息预测得到溶解在绝缘油中的溶解气体浓度变化信息；所述温度变化预测模块根据故障时刻温度预测得到征兆参数预测值；所述声音变化处理模块处理所述故障声音信息得到融合特征曲线信息；所述综合比对模块将所述溶解气体浓度变化信息、征兆参数预测值、融合特征曲线信息进行数据融合，综合判断故障类型。

6、优选的，所述浓度变化预测模块具体包括：

7、影响因素设置模块，建立变量环境，所述变量环境包括历史绝缘油信息、负荷信息与历史溶解气体信息，输入到预测模型的是各变量对应的历史时间序列信息，并设定历史预测气体的影响因素；

8、影响因素验证模块，对所述影响因素进行验证，将历史预测气体的历史时序信息输入到lstm网络，预测该气体的未来浓度值，并计算结果的历史均方根误差；将历史预测气体与影响因素的历史时序信息输入到lstm网络，预测该气体的未来浓度值，并计算预测结果的影响均方根误差，所有影响均方根误差小于历史均方根误差的影响因素为积极影响因素，提取所述积极影响因素的时序信息；

9、模型构建模块，构造融合时间注意力机制的lstm预测模型，将历史预测气体对应的时序信息和所述积极影响因素的时序信息，作为融合时间注意力机制的lstm预测模型的输入；

10、变化预测模块，输入所述溶解气体信息、所述负荷信息与所述绝缘油信息，通过lstm预测模型预测得出绝缘油中溶解气体浓度变化信息。

11、优选的，所述声音变化处理模块具体包括：

12、预处理模块，获取所述故障声音信息，所述故障声音信息包括声音信号和振动信号，预处理得到所述声音信号的时频图和所述振动信号的时频图；

13、特征图融合模块，通过双通道cnn模型分别对所述声音信号的时频图和振动信号的时频图进行特征提取得到相应的声音特征图和振动特征图，并将所述声音特征图和所述振动特征图进行特征融合，得到融合特征曲线信息，其中，所述特征融合包括：对所述声音特征图和所述振动特征图进行交叉连接处理后再进行拆分，并对拆分得到的两部分进行混合连接处理。

14、优选的，所述绝缘油信息具体包括油温信息、环境温度信息；所述溶解气体信息具体包括h2、ch4、c2h6、c2h4、c2h2、co、co2。

15、优选的，所述温度变化预测模块实时采集检测位置故障发生时刻的所述温度变化信息，对所述温度变化信息进行分析处理，实时对故障对应征兆参数进行监测，再利用检测位置的历史故障温度变化信息建立lstm预测模型，对故障对应征兆参数进行预测，将所述lstm预测模型输出的参数预测值与征兆参数实际值进行残差计算，得到动态残差曲线信息，设置符合程度阈值，所述动态残差曲线信息超过所述符合程度阈值，则将其作为对应故障类型的征兆参数预测值。

16、优选的，所述综合比对模块具体包括：

17、数据融合模块，对所述溶解气体浓度变化信息、征兆参数预测值、融合特征曲线信息进行数据融合，得到融合数据；

18、故障预测模块，获取预设的预测模型，将所述融合数据输入所述预测模型，得到检测位置对应的故障类型，其中，所述预测模型包括若干子预测模型，各所述子预测模型分别基于不同类型的神经网络构建，各所述子预测模型的权重值基于所述融合数据的数据分布特征确定。

19、优选的，所述故障预测模块包括：

20、参考数据分布特征获取模块，获取所述历史数据库模块中的历史融合数据和各所述历史融合数据分别对应的故障预测标签，获取各所述历史融合数据的历史数据分布特征两两之间的相似度，根据所述相似度对各所述历史数据分布特征进行分类，得到若干特征集合，根据各所述特征集合，确定各所述特征集合分别对应的融合分布特征，将各所述融合分布特征作为参考数据分布特征；

21、置信度确定模块，根据各所述特征集合对各所述历史融合数据进行分类得到测试数据集合，根据各所述测试数据集合和对应的所述故障预测标签确定各所述参考数据分布特征下所述预测模型的识别准确率根据各所述识别准确率确定各所述参考数据分布特征分别对应的预测置信度；

22、置信度数据库获取模块，获取所述融合数据对应的所述数据分布特征，获取所述子预测模型对应的置信度数据库，其中，所述置信度数据库用于反映不同参考数据分布特征下所述子预测模型的预测置信度；

23、子模型权重确定模块，将所述数据分布特征与所述置信度数据库进行比对，根据比对结果确定所述数据分布特征对应的检测位置预测置信度，根据所述检测位置预测置信度确定所述子预测模型对应的所述权重值。

24、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种电网智慧运维系统，通过获取检测位置的多种异常信息，其中，各异常信息分别对应不同的数据类型；对各异常信息进行数据融合，得到融合数据；获取预测模型，将融合数据输入预测模型，得到检测位置故障预测数据，其中，预测模型包括若干子预测模型，各子预测模型分别基于不同类型的神经网络构建，各子预测模型的权重值基于融合数据的数据分布特征确定。本发明采用多模态数据进行预测，并且在一个预测模型中集成了多个不同的子预测模型，可以有效提高故障预测模型的预测精度。

技术特征：

1.一种电网智慧运维系统，其特征在于，包括：历史数据库模块、检测模块、远程终端模块、智慧报警模块，所述远程终端模块接收所述检测模块收集的数据，并提取所述历史数据库模块存储的历史数据，将所述检测模块的检测数据与所述历史数据库模块存储的历史故障数据进行比对，得出发生的故障类型；所述智慧报警模块根据所述故障类型给出对应的报警信号。

2.根据权利要求1所述的一种电网智慧运维系统，其特征在于，所述检测模块所检测信息具体包括：故障声音信息、温度变化信息、绝缘油信息、负荷信息及溶解气体信息。

3.根据权利要求2所述的一种电网智慧运维系统，其特征在于，所述远程终端模块包括：浓度变化预测模块、温度变化预测模块、声音变化处理模块，综合比对模块，所述浓度变化预测模块根据所述绝缘油信息与所述溶解气体信息预测得到溶解在绝缘油中的溶解气体浓度变化信息；所述温度变化预测模块根据故障时刻温度预测得到征兆参数预测值；所述声音变化处理模块处理所述故障声音信息得到融合特征曲线信息；所述综合比对模块将所述溶解气体浓度变化信息、征兆参数预测值、融合特征曲线信息进行数据融合，综合判断故障类型。

4.根据权利要求3所述的一种电网智慧运维系统，其特征在于，所述浓度变化预测模块具体包括：

5.根据权利要求3所述的一种电网智慧运维系统，其特征在于，所述声音变化处理模块具体包括：

6.根据权利要求4所述的一种电网智慧运维系统，其特征在于，所述绝缘油信息具体包括油温信息、环境温度信息；所述溶解气体信息具体包括h2、ch4、c2h6、c2h4、c2h2、co、co2。

7.根据权利要求2所述的一种电网智慧运维系统，其特征在于，所述温度变化预测模块实时采集检测位置故障发生时刻的所述温度变化信息，对所述温度变化信息进行分析处理，实时对故障对应征兆参数进行监测，再利用检测位置的历史故障温度变化信息建立lstm预测模型，对故障对应征兆参数进行预测，将所述lstm预测模型输出的参数预测值与征兆参数实际值进行残差计算，得到动态残差曲线信息，设置符合程度阈值，所述动态残差曲线信息超过所述符合程度阈值，则将其作为对应故障类型的征兆参数预测值。

8.根据权利要求3所述的一种电网智慧运维系统，其特征在于，所述综合比对模块具体包括：

9.根据权利要求8所述的一种电网智慧运维系统，其特征在于，所述故障预测模块包括：

技术总结
本发明公开了一种电网智慧运维系统，涉及电网运维技术领域，包括：历史数据库模块、检测模块、远程终端模块、智慧报警模块，远程终端模块接收检测模块收集的数据，并提取历史数据库模块存储的历史数据，将检测模块的检测数据与历史数据库模块存储的历史故障数据进行比对，得出发生的故障类型；智慧报警模块根据故障类型给出对应的报警信号。通过多模态数据进行预测，并且在一个预测模型中集成了多个不同的子预测模型，可以有效提高故障预测模型的预测精度，能够及时预测电网所出现的故障类型，并及时进行检修。

技术研发人员：程新功,李涛,赵义上,邵振振
受保护的技术使用者：济南大学
技术研发日：
技术公布日：2024/2/1