一种基于监控告警信号的设备画像的方法与流程

本方法属于电力技术领域，尤其是基于监控告警信号实现对电网设备的动态画像的方法。

背景技术：

电网监控是保障电网安全、稳定运行的一项重要措施。随着大运行模式的不断推进和深化，变电站普遍采用集中监控模式，电网监控任务越来越繁重，一、二次设备监控信号在主站集中监视，单日监控告警信号量级庞大，且描述不规范。当前系统中的监控信号仅按时间顺序罗列，并不能反映信号间逻辑关系，监控分析工作任务繁重。面对海量告警信号，完全依靠人工经验判别，缺乏相应的技术手段，存在无法有效监视和管理的问题，给电网监控运行带来隐患和风险。

告警信号具有即时、客观、无法人为干预等特性，采用有效的监控数据挖掘分析手段，实现对海量告警信息的挖掘、分析，转换为有用信息和知识。通过对电网事件所产生的告警信号过滤后，剩余的告警信号将能够客观的反应电网运行设备的健康情况。

综上所述，通过对告警信号的深入研究，对电网的安全稳定运行具有重大的意义。本发明实现从告警信号的角度对电网设备进行精准动态画像，进一步了解设备运行工况和健康程度。

技术实现要素：

本发明的目的在于克服现有技术的不足，提出一种基于告警信号实现对电网设备的动态画像的方法，提升对运行设备的运行工况和健康程度的有效评估。

为了解决上述技术问题，本发明是通过以下技术方案实现的：一种基于监控告警信号的设备画像的方法，包括以下步骤：

步骤1、过滤和清洗电网事件所上送的告警信号；

步骤2、将监控信息表与标准信号一一关联；

步骤3、建立一、二次设备特征点知识库；

步骤4、按照故障或告警的特征对告警信号分类。

优选的，所述步骤1中，从ems系统对接监控告警信号，需进行计算机清洗处理后才能进行设备画像的工作。

优选的，所述步骤1中，清洗过滤的内容如下：其一，基于电网一二次的接线方式、保护配置及动作原理，及设备发出的信号，将信号划归到跳闸、设备异常、检修调试、设备操作及其它等几类事件中去，并对其进行标签化处理；其二，由于目前变电站的公用设备、公用信号相对差异性较大，暂不具备分析条件，所以将公用信息也同步过滤；对监控告警信号进行清洗过滤后，剩余的告警信号作为设备的动态画像的基础数据支撑。

优选的，所述步骤2中，采用自然语言解析技术，并根据电力系统语言规范及调控工作习惯,抽取识别基本组成元素及元素间的结构关系，对每一条监控信号进行分割和重构，筛选过滤无效信息，进行文法推断和句法分析，得到准确的监控信号含义及所属设备。

优选的，所述步骤2中，为了适应监控信息表的变动、电网规程的修改完善等情况，加入机器自学习理念，适应电网新规章的同时，对监控信息学习训练，建立最优模型，自动识别信号含义。

优选的，所述步骤3中，通过对监控信息表的深度剖析，对断路器、主变、线路保护等设备进行逐一分析，建立设备特征点知识库，覆盖电网除公用设备外的所有一、二次设备。

优选的，所述步骤4中，基于准实时的监控告警信号的清洗过滤分析后，与步骤3中的特征点进行逐一关联，实现设备画像数据的动态更新，通过对全网设备的状态评估，自动总结汇总一段时间内的各类设备的告警情况以及重点关注信号的情况，以此实现设备的动态画像，变电站运行评估全覆盖。

本发明的优点和积极效果是：

本发明设计合理，其将采集到的遥信告警信号关联到对应的设备间隔单元，并利用信号与事件之间的关联关系，对信息的正确性和有效性进行分析判断，实现对电网设备评估，动态总结、汇总各类设备的告警情况及重点关注信号的情况，实现对已有信息资源的整合分析，提高已有信息利用率，实现设备的动态画像，变电站运行评估全覆盖。

附图说明

图1为本发明的处理流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

参阅图1为本发明一种基于监控告警信号的设备画像的方法，的实施例，包括以下步骤：

步骤1、过滤和清洗电网事件所上送的告警信号。

在本步骤中，从ems系统对接监控告警信号，需进行计算机清洗处理后才能进行设备画像的工作。主要清洗过滤的内容如下：其一，基于电网一二次的接线方式、保护配置及动作原理，及设备发出的信号，将信号划归到跳闸、设备异常、检修调试、设备操作及其它等几类事件中去，并对其进行标签化处理。其二，由于目前变电站的公用设备、公用信号相对差异性较大，暂不具备分析条件，所以将公用信息也同步过滤。

通过上述的，对监控告警信号进行清洗过滤后，剩余的告警信号作为设备的动态画像的基础数据支撑。

步骤2、将监控信息表与标准信号一一关联。

在本步骤中，首先采用自然语言解析技术，并根据电力系统语言规范及调控工作习惯,抽取识别基本组成元素及元素间的结构关系，对每一条监控信号进行分割和重构，筛选过滤无效信息，进行文法推断和句法分析，得到准确的监控信号含义及所属设备。例如，“开关储能电机运转超时”、“储能电机电源空开断开”、“储能电源消失”等，统一解析为“开关机构储能电机故障”，将监控信号统一识别，便于监控信息的标准化管理。

与此同时，加入机器自学习理念。由于监控信息随着变电站的改造或投产而变化，受编制人员的专业程度以及现场的特殊情况的影响，当前的监控信息管理不能保证100％的标准化。另外随着电网的不断完善发展，电力的相关管理规定、规程也在不断的变化。为了适应上述情况，加入机器自学习理念，适应电网新规章的同时，对监控信息学习训练，建立最优模型，自动识别信号含义、产生原因等。

步骤3、建立一、二次设备特征点知识库。

在本步骤中，将设备告警信息按故障或告警的特征进行分类，结合历史告警信息，分析总结间隔内各设备发生告警的特征规律。

通过对监控信息表的深度剖析，对断路器、主变、线路保护等一、二次设备进行逐一分析，建立设备特征点知识库(除公用设备)，例如根据断路器的弹簧、气动、液动等不同原理，建立断路器的特征点：sf6气压异常、机构打压超时、储能电机异常、气压异常、油压异常、三相不一致、n2泄露、加热器故障等。共计进行了300多维的精准画像，覆盖电网除公用设备外的所有一、二次设备。

步骤4、按照故障或告警的特征对告警信号分类。

在本步骤中，基于准实时的监控告警信号的清洗过滤分析后，与步骤3中的特征点进行逐一关联，实现设备画像数据的动态更新。通过对全网设备的状态评估，自动总结汇总一段时间内的各类设备的告警情况以及重点关注信号的情况，以此实现设备的动态画像，变电站运行评估全覆盖。

需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

以上所述仅为本发明的具体实施例，但本发明的技术特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。