一种基于云边协同的配电终端健康状态诊断方法和装置制造方法及图纸

本发明专利技术涉及一种基于云边协同的配电终端健康状态诊断方法和装置，方法包括通过云端获取数据集，其中，所述数据集包括配电终端的多维度数据和状态影响因素；在云端基于所述多维度数据和所述状态影响因素训练得到设备健康评价模型；通过云端将所述设备健康评价模型下发至配电终端，就地诊断配电终端的健康状态。本发明专利技术通过云端和边缘侧的信息协同、计算资源协同、业务协同，挖掘探索配电网运维数据中隐含规律，实时反映智能终端设备的健康状况；还根据模型更新机制动态调整研判模型以增强自适应性。本发明专利技术中的配电终端包括但不限于一二次融合馈线终端、站所终端、配变终端，本发明专利技术还可类推应用至配电领域的其他终端设备。可类推应用至配电领域的其他终端设备。可类推应用至配电领域的其他终端设备。

【技术实现步骤摘要】
一种基于云边协同的配电终端健康状态诊断方法和装置


[0001]本专利技术涉及电力系统智能运维
，特别是涉及一种基于云边协同的配电终端健康状态诊断方法和装置。

技术介绍

[0002]近年来，随着能源互联网的持续演进，网络基础设施、互联效率及服务支撑能力显著提升。以点多、线长、面广、结构复杂、管理环节交叉等为基本特征的配电网社会责任和影响巨大，边缘计算、人工智能等新技术的应用推动着配电网由原来的传输电能、服务客户逐步演进为信息流、电力流、能源流高度融合的智能配电网。
[0003]作为配电网的最底层单元的低压配电台区也是智能配电网建设的关键元素。随着一二次融合成套设备的部署，配电自动化、电能质量监控、用户能效管理等系统的推广应用，台区产生的异构、多元数据成指数级增长，但由于智能化数据分析水平低，海量数据价值并没有被有效挖掘和利用，多主体间尚未建立有效的协作模型和成熟的协作机制，无法对供电可靠性和精益化管理的提升产生价值。
[0004]以往配电终端设备的状态分析主要分为基于层次分析法、基于故障树分析法、基于关联关系分析法三种研究思路，但主要应用于非实时/离线分析，分析数据有时候没有发挥资源协同、业务协同等技术优势，尤其不能实时反映智能终端设备的健康状况。

技术实现思路

[0005]本专利技术所要解决的技术问题是提供一种基于云边协同的配电终端健康状态诊断方法和装置，通过云端和边缘侧的信息协同、计算资源协同、业务协同，挖掘探索配电网运维数据中隐含规律，实时反映智能终端设备的健康状况；还根据模型更新机制动态调整研判模型以增强自适应性。
[0006]本专利技术解决其技术问题所采用的技术方案是：提供一种基于云边协同的配电终端健康状态诊断方法，包括：
[0007]通过云端获取数据集，其中，所述数据集包括配电终端的多维度数据和状态影响因素；
[0008]在云端基于所述多维度数据和所述状态影响因素训练得到设备健康评价模型；
[0009]通过云端将所述设备健康评价模型下发至配电终端，就地诊断配电终端的健康状态。
[0010]所述在云端基于所述多维度数据和所述状态影响因素训练得到设备健康评价模型，包括：
[0011]根据所述多维度数据和所述状态影响因素来构建故障关键因素集合；
[0012]基于所述故障关键因素集合，利用关联规则算法同时融合专家经验获取配电终端的所述状态影响因素与故障类型的强规则、故障类型与故障模块的强规则；
[0013]构建关于所述状态影响因素与故障类型的强规则的故障规律规则库；
[0014]构建关于所述故障类型与故障模块的强规则的故障自诊断规则库；
[0015]基于所述故障规律规则库和故障自诊断规则库融合拼接，得到设备健康评价模型。
[0016]所述故障关键因素集合的表达式为：DR＝{D
m
,F
n
,M
i
,P
j
}，其中，DR为故障关键因素集合，D
m
为故障类型，F
n
为影响设备健康状态的因素，M
i
为设备制造厂家，P
j
为故障模块(相当于故障设备故障部位)。
[0017]所述状态影响因素与故障类型的强规则的公式为：其中，R1为状态影响因素与故障类型的强规则，D
m
为故障类型，F
n
为影响设备健康状态的因素。
[0018]所述故障类型与故障设备故障部位的强规则的公式为：其中，R2为故障类型与故障设备故障部位的强规则，D
m
为故障类型，P
j
为故障模块(相当于故障设备故障部位)。
[0019]所述配电终端的状态影响因素包括设备本体运行状态因素、时间因素、环境因素和检修历史。
[0020]还包括：所述配电终端进行硬件更换后，所述云端接收到更换信息，并根据接收到的更换信息重新训练设备健康评价模型。
[0021]本专利技术解决其技术问题所采用的技术方案是：提供一种基于云边协同的配电终端健康状态诊断装置，包括：
[0022]数据获取单元：用于通过云端获取数据集，其中，所述数据集包括配电终端的多维度数据和多维度状态影响因素；
[0023]模型训练单元：用于在云端基于所述多维度数据和所述状态影响因素训练得到设备健康评价模型；
[0024]诊断单元：用于通过云端将所述设备健康评价模型下发至配电终端，实现对配电终端的健康状态进行诊断。
[0025]本专利技术解决其技术问题所采用的技术方案是：提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述配电终端的健康状态诊断方法的步骤。
[0026]本专利技术解决其技术问题所采用的技术方案是：提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述配电终端的健康状态诊断方法的步骤。
[0027]有益效果
[0028]由于采用了上述的技术方案，本专利技术与现有技术相比，具有以下的优点和积极效果：本专利技术可以在云端训练出设备健康评价模型的情况下，将模型参数下发到边缘侧配电终端中，并实施就地研判设备健康程度，实现云端和边缘侧的信息协同、计算资源协同、业务协同，可实时反映配电设备的健康状态；并根据模型更新机制，实现研判设备健康评价模型的动态调整，适应性更强，为配电设备的运行维护提供切实可行的指导意见。本专利技术基于低压配电台区实际环境，以真实的配电终端运行状态数据为基础，从上传至云端的原始电压电流数据中，提取配电终端的多维度影响因素，通过智能分析，训练得到配电终端的健康状态模型参数，将模型参数下发至边侧的配电终端中的智能控制设备，实现配电终端的健康程度实时就地研判，并同步发送给云端，推送对应级别的预警，云端工作人员可依据程度
进行主动运维等应对处理措施。本专利技术根据定期巡检与故障检修结果，若需更换硬件，如电池、通信模块等或者添加家族缺陷记录等，云端收到变更信息后，触发云端设备健康评价模型更新机制，重新训练模型参数并下发至边侧的智能控制设备，从而实现研判模型的动态调整。
附图说明
[0029]图1是本专利技术实施方式的方法架构框图；
[0030]图2是本专利技术实施方式的配电终端状态的多维度影响因素示意图；
[0031]图3是本专利技术实施方式的数据上传云端流程图；
[0032]图4是本专利技术实施方式的配电终端故障分类示意图；
[0033]图5是本专利技术实施方式的配电终端故障分析及自诊断示意图；
[0034]图6是本专利技术实施方式的Apriori算法流程图；
[0035]图7是本专利技术实施方式的设备健康评价模型构建流程图；
[0036]图8是本专利技术实施方式的设备健康评价模型参数下发流程图；
[0037]图9是本专利技术实施方式的配电终端健康状态就地研判流程图；
[0038]图10本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云边协同的配电终端健康状态诊断方法，其特征在于，包括：通过云端获取数据集，其中，所述数据集包括配电终端的多维度数据和状态影响因素；在云端基于所述多维度数据和所述状态影响因素训练得到设备健康评价模型；通过云端将所述设备健康评价模型下发至配电终端，实现对配电终端的健康状态进行诊断。2.根据权利要求1所述的基于云边协同的配电终端健康状态诊断方法，其特征在于，所述在云端基于所述多维度数据和所述状态影响因素训练得到设备健康评价模型，包括：根据所述多维度数据和所述状态影响因素来构建故障关键因素集合；基于所述故障关键因素集合，利用关联规则算法同时融合专家经验获取配电终端的所述状态影响因素与故障类型的强规则、故障类型与故障模块的强规则；构建关于所述状态影响因素与故障类型的强规则的故障规律规则库；构建关于所述故障类型与故障模块的强规则的故障自诊断规则库；基于所述故障规律规则库和故障自诊断规则库融合拼接，得到设备健康评价模型。3.根据权利要求2所述的基于云边协同的配电终端健康状态诊断方法，其特征在于，所述故障关键因素集合的表达式为：DR＝{D
m
,F
n
,M
i
,P
j
}，其中，DR为故障关键因素集合，D
m
为故障类型，F
n
为影响设备健康状态的因素，M
i
为设备制造厂家，P
j
为故障模块。4.根据权利要求2所述的基于云边协同的配电终端健康状态诊断方法，其特征在于，所述状态影响因素与故障类型的强规则的公式为：R1:其中，R1为状态影响因素与故障类型...

【专利技术属性】
技术研发人员：袁启洪，周勐，徐毅虎，杨尚晴，王岗，何连杰，张世栋，李立生，
申请(专利权)人：中国电力科学研究院有限公司国家电网有限公司国网山东省电力公司电力科学研究院，
类型：发明
国别省市：