一种电力巡检时间预测方法、装置及系统制造方法及图纸

本发明专利技术公开一种电力巡检时间预测方法、装置及系统，获取历史巡检参数组成训练样本；通过神经网络算法对训练样本进行训练，获得巡检时间预测模型；对每个待巡检设备，基于巡检时间预测模型预测下次巡检时间。本发明专利技术无需依靠人工经验，且考虑了多个巡检参数，获得较精确的预测模型，可预测出较精确的巡检时间，消除漏检或过检的情况，及时消除安全隐患，且节省人力物力。人力物力。人力物力。

【技术实现步骤摘要】
一种电力巡检时间预测方法、装置及系统


[0001]本专利技术涉及电力巡检领域，具体涉及一种电力巡检时间预测方法、装置及系统。

技术介绍

[0002]在电力领域，需要实时对电力设备（如变压器）进行巡检，以免存在安全隐患而不被发现。目前，对电力设备的巡检时间一般靠经验制定，定时对电力设备巡检。这种方式所制定的巡检时间依赖人工经验，不够准确，难以避免漏检或过检的情况，造成安全隐患不能被及时处理或浪费人力物力。

技术实现思路

[0003]为解决上述问题，本专利技术提供一种电力巡检时间预测方法、装置及系统，自动精确预测巡检时间，为巡检提供依据。
[0004]本专利技术的技术方案是：一种电力巡检时间预测方法，包括以下步骤：获取历史巡检参数组成训练样本；通过神经网络算法对训练样本进行训练，获得巡检时间预测模型；对每个待巡检设备，基于巡检时间预测模型预测下次巡检时间。
[0005]进一步地，巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长；其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数；对应两次故障间隔时长为神经网络算法的输出参数。
[0006]进一步地，该方法还包括以下步骤：实时显示所预测的每个待巡检设备的下次巡检时间；在距离下次巡检时间一定时间间隔时，向巡检终端发送提醒信息。
[0007]进一步地，向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。
[0008]本专利技术的技术方案还包括一种电力巡检时间预测装置，包括，历史数据获取模块：获取历史巡检参数，并组成训练样本；预测模型训练模块：通过神经网络算法对训练样本进行训练，获得巡检时间预测模型；巡检时间预测模块：对每个待巡检设备，基于巡检时间预测模型预测下次巡检时间。
[0009]进一步地，巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长；其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数；对应两次故障间隔时长为神经网络算法的输出参数。
[0010]进一步地，该装置还包括，显示模块：实时显示所预测的每个待巡检设备的下次巡检时间；信息发送模块：在距离下次巡检时间一定时间间隔时，向巡检终端发送提醒信息。
[0011]进一步地，向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。
[0012]本专利技术的技术方案还包括一种电力巡检时间预测系统，包括预测后台、巡检终端、数据库；预测后台分别与巡检终端、数据库通信；所述预测后台配置有上述任一项所述的装置；所述数据库中存储有各个待巡检设备的地理位置和巡检规范；所述巡检终端接收预测后台发送的提醒信息并显示。
[0013]本专利技术提供的一种电力巡检时间预测方法、装置及系统，基于历史巡检参数通过神经网络算法建立巡检时间预测模型，通过巡检时间预测模型预测待巡检设备的巡检时间。相对于现有技术，本专利技术无需依靠人工经验，且考虑了多个巡检参数，获得较精确的预测模型，可预测出较精确的巡检时间，消除漏检或过检的情况，及时消除安全隐患，且节省人力物力。
附图说明
[0014]图1是本专利技术具体实施例一方法流程示意图；图2是本专利技术具体实施例二结构示意框图；图3是本专利技术具体实施例三结构示意框图。
具体实施方式
[0015]下面结合附图并通过具体实施例对本专利技术进行详细阐述，以下实施例是对本专利技术的解释，而本专利技术并不局限于以下实施方式。
[0016]实施例一如图1所示，本实施例提供一种电力巡检时间预测方法，包括以下步骤：S1，获取历史巡检参数组成训练样本；S2，通过神经网络算法对训练样本进行训练，获得巡检时间预测模型；S3，对每个待巡检设备，基于巡检时间预测模型预测下次巡检时间。
[0017]该方法基于大量历史巡检参数，通过神经网络算法建立巡检时间预测模型，通过巡检时间预测模型预测每个待巡检设备的巡检时间，相对于依靠人工经验制定巡检时间，考虑了巡检参数，所预测巡检时间更精确可靠。
[0018]变电站是电力领域通常需要巡检的设备，其故障发生概率与多个因素有关。本实施例中，所获取的巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长。其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数；对应两次故障间隔时长为神经网络算法的输出参数。
[0019]需要说明的是，所供辖区用电量为一定时间内（如一天、一周）的平均用电量，环境温度和环境湿度也是一定时间内的平均数值。针对每个待巡检设备预测下次巡检时间时，累计获取用电量、环境温湿度参数即可。
[0020]任一电力设备任意一次发生故障的巡检参数可作为一个训练样本，从历史数据中可获取多个训练样本进行训练，提高模型预测精确度。
[0021]本实施例中，预测出下次巡检时间后，实时实时显示所预测的每个待巡检设备的下次巡检时间，供后台监控人员了解状态。另外，在距离下次巡检时间一定时间间隔时，向巡检终端发送提醒信息。例如离预测时间一周、三天或一天时，向巡检终端发送提醒信息，使现场巡检人员及时掌握巡检信息。其中，发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范，现场巡检人员根据提醒信息即可及时对待巡检设备进行巡检。
[0022]实施例二如图2所示，在实施例一基础上，本实施例提供一种电力巡检时间预测装置，包括以下功能模块。
[0023]历史数据获取模块1：获取历史巡检参数，并组成训练样本；预测模型训练模块2：通过神经网络算法对训练样本进行训练，获得巡检时间预测模型；巡检时间预测模块3：对每个待巡检设备，基于巡检时间预测模型预测下次巡检时间。
[0024]其中，历史数据获取模块1所示获取巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长。电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数；对应两次故障间隔时长为神经网络算法的输出参数。
[0025]任一电力设备任意一次发生故障的巡检参数可作为一个训练样本，历史数据获取模块1从历史数据中可获取多组巡检参数，组成多个训练样本进行训练，提高模型预测精确度。
[0026]另外，还包括显示模块4和信息发送模块5。显示模块4实时显示所预测的每个待巡检设备的下次巡检时间；信息发送模块5在距离下次巡检时间一定时间间隔时，向巡检终端发送提醒信息。其中，信息发送模块5向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。显示模块4和信息发送模块5使后台监控人员和现场巡检人员及时了解巡检信息。
[0027]实施例三如图3所示，在实施例一和实施例二基础上，本实施例提供一种电力巡检时间预测系统，包括预测后台101、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力巡检时间预测方法，其特征在于，包括以下步骤：获取历史巡检参数组成训练样本；通过神经网络算法对训练样本进行训练，获得巡检时间预测模型；对每个待巡检设备，基于巡检时间预测模型预测下次巡检时间。2.根据权利要求1所述的电力巡检时间预测方法，其特征在于，巡检参数包括电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长、对应两次故障间隔时长；其中电力设备所供辖区用电量、环境温度、环境湿度、电力设备使用时长为神经网络算法的输入参数；对应两次故障间隔时长为神经网络算法的输出参数。3.根据权利要求1或2所述的电力巡检时间预测方法，其特征在于，该方法还包括以下步骤：实时显示所预测的每个待巡检设备的下次巡检时间；在距离下次巡检时间一定时间间隔时，向巡检终端发送提醒信息。4.根据权利要求3所述的电力巡检时间预测方法，其特征在于，向巡检终端发送的提醒信息中包含待巡检设备名称、待巡检设备地理位置、待巡检时间、巡检规范。5.一种电力巡检时间预测装置，其特征在于，包括，历史数据获取模块：获取历史巡检参数，并组成训练样本；预测模型训练模块：通过神经网络算法对训练样本进行训练，获得巡检时间预...

【专利技术属性】
技术研发人员：高波，赵海龙，尹梁国，戚振飞，吴涛，李玲玲，黄晓，陈秋梁，
申请(专利权)人：国网山东省电力公司滨州市沾化区供电公司，
类型：发明
国别省市：