一种基于知识库的电力设备辅助决策方法及系统技术方案

本发明专利技术提供的一种基于知识库的电力设备辅助决策方法及系统，包括：S101、获取被监测电力设备的运行数据；S102、根据元数据模型对电力设备运行数据进行融合聚类并实时监控；S103、通过人工智能处理模型判断融合聚类后的电力设备运行数据是否发生突变；S104、当电力设备运行数据发生突变时，发出预警提示；本发明专利技术通过人工智能处理模型判断融合聚类后的电力设备运行数据是否发生突变，进而判断电力设备是否故障，实现自动判断，节省人力资源。节省人力资源。节省人力资源。

【技术实现步骤摘要】
一种基于知识库的电力设备辅助决策方法及系统


[0001]本专利技术属于电力设备的
，具体涉及一种基于知识库的电力设备辅助决策方法及系统。

技术介绍

[0002]电力设备检修工作是生产管理工作的重要组成部分，对提高电力设备健康水平、保证设备安全可靠运行具有重要意义，结合多年生产经验及对大量设备事故、缺陷规律的统计分析，电力系统建立并一直沿用定期检修和事后检修相结合的检修模式。定期检修模式有自身的科学依据和合理性，在多年的实践中有效减少了设备的突发事故，保证了设备的良好运行，当电力设备发生故障时需要进行辅助决策，提示检修工人进行检修操作，因此就需要用到电力设备辅助决策智能化方法。
[0003]现如今，随着电网规模迅速发展，电网设备数量急剧增加，定期检修工作量剧增，检修人员紧缺问题日益突出，近年来电网设备制造质量大幅提升，集成式、少维护设备得到大量采用，早期定制的设备检修、试验周期已不能适应电力设备诊断和管理水平，制定合理、科学、有效的电力设备决策方法是实现其状态检修最重要的一步，因此有必要提出一种新的解决方案。

技术实现思路

[0004]本专利技术克服现有技术存在的不足，所要解决的技术问题为：提供一种能够自动判断判断电力设备是否出现故障且基于知识库的电力设备辅助决策方法及系统。
[0005]为了解决上述技术问题，本专利技术采用的技术方案为：一种基于知识库的电力设备辅助决策方法，包括：S101、获取被监测电力设备的运行数据；S102、根据元数据模型对电力设备运行数据进行融合聚类并实时监控；S103、通过人工智能处理模型判断融合聚类后的电力设备运行数据是否发生突变；S104、当电力设备运行数据发生突变时，发出预警提示。
[0006]优选地，所述方法包括：在异常数据库中模糊搜索电力设备运行数据的融合聚类；判断模糊搜索后的电力设备运行数据的融合聚类是否在异常数据库中出现；当模糊搜索后的电力设备运行数据的融合聚类在异常数据库中出现时，执行步骤S104。
[0007]优选地，所述方法包括：将被监测电力设备的运行数据进行存储，形成运行数据库；将数据发生突变时的电力设备运行数据的融合聚类和在异常数据库中出现的电力设备运行数据的融合聚类进行存储，形成异常数据库。
[0008]优选地，所述人工智能处理模型包括神经网络模型，将所述获取到的电力设备运行数据输入神经网络模型中进行学习，得到最优神经网络模型。
[0009]优选地，所述方法包括：在访问所述运行数据库和异常数据库之前进行身份验证。
[0010]相应地，一种基于知识库的电力设备辅助决策系统，包括：数据获取单元：用于获取被监测电力设备的运行数据；数据处理单元：根据元数据模型对电力设备运行数据进行融合聚类并实时监控；第一判断单元：用于通过人工智能处理模型判断融合聚类后的电力
设备运行数据是否发生突变；第一预警单元：用于当电力设备运行数据发生突变时，发出预警提示。
[0011]优选地，所述系统包括：模糊搜索单元：用于在异常数据库中模糊搜索电力设备运行数据的融合聚类；第二判断单元：用于判断模糊搜索后的电力设备运行数据的融合聚类是否在异常数据库中出现；第二预警单元：用于当模糊搜索后的电力设备运行数据的融合聚类在异常数据库中出现时，发出预警提示。
[0012]优选地，所述系统包括：运行数据库建立单元：用于将被监测电力设备的运行数据进行存储，形成运行数据库；异常数据库建立单元：用于将数据发生突变时的电力设备运行数据的融合聚类和在异常数据库中出现的电力设备运行数据的融合聚类进行存储，形成异常数据库。
[0013]优选地，所述人工智能处理模型包括神经网络模型，将所述获取到的电力设备运行数据输入神经网络模型中进行学习，得到最优神经网络模型。
[0014]优选地，所述系统还包括：入侵保护单元：用于在访问所述运行数据库和异常数据库之前进行身份验证。
[0015]本专利技术与现有技术相比具有以下有益效果：
[0016]1、本专利技术根据元数据模型对获取到的电力设备运行数据进行融合聚类并实时监控，通过人工智能处理模型判断融合聚类后的电力设备运行数据是否发生突变，进而判断电力设备是否故障，当电力设备出现故障时，发出预警提示，提示电力设备检修工人对故障设备快速检修，实现自动判断，节省人力资源。
[0017]2、本专利技术在使用神经网络模型根据电力设备数据的融合聚类判断是否发生突变之前，在异常数据库中模糊搜索电力设备运行数据的融合聚类，若出现类似电力设备数据的融合聚类，直接判断该电力设备出现异常，并更新异常库，使得本专利技术在检测电力设备是否出现数据异常速度更快，大大提高检测效率，同时提高工人响应速率，减少经济损失。
[0018]3、本专利技术中，在访问所述运行数据库和异常数据库之前通过入侵检测技术进行身份验证，用户在访问数据库之前，需要通过相应的验证关卡，只有验证关卡证明用户身份的合法性，才会允许用户对数据库进行访问；当判定计算机网络出现异常，或其自身受到黑客攻击，运行数据库和异常数据库被非法用户入侵时，会自动发出相应的指令来进行防护；用户在使用数据库过程中，通过对入侵检测技术进行合理地运用，可为计算机数据库的稳定尧安全运行提供有力保障，同时也有助于维护计算机网络的良好秩序。
附图说明
[0019]下面结合附图对本专利技术做进一步详细的说明；
[0020]图1为本专利技术实施例一提供的一种基于知识库的电力设备辅助决策方法的流程示意图；
[0021]图2为本专利技术实施例二提供的一种基于知识库的电力设备辅助决策方法的流程示意图；
[0022]图3为本专利技术实施例一提供的一种基于知识库的电力设备辅助决策系统的结构示意图；
[0023]图4为本专利技术实施例二提供的一种基于知识库的电力设备辅助决策系统的结构示
意图；
[0024]图5为本专利技术实施例三提供的一种基于知识库的电力设备辅助决策系统的结构示意图；
[0025]图中：101为数据获取单元，102为数据处理单元，103为第一判断单元，104为第一预警单元，105为模糊搜索单元，106为第二判断单元，107为第二预警单元，108为运行数据库建立单元，109为异常数据库建立单元，110为入侵保护单元。
具体实施方式
[0026]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例；基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识库的电力设备辅助决策方法，其特征在于：包括：S101、获取被监测电力设备的运行数据；S102、根据元数据模型对电力设备运行数据进行融合聚类并实时监控；S103、通过人工智能处理模型判断融合聚类后的电力设备运行数据是否发生突变；S104、当电力设备运行数据发生突变时，发出预警提示。2.根据权利要求1所述的一种基于知识库的电力设备辅助决策方法，其特征在于：包括：在异常数据库中模糊搜索电力设备运行数据的融合聚类；判断模糊搜索后的电力设备运行数据的融合聚类是否在异常数据库中出现；当模糊搜索后的电力设备运行数据的融合聚类在异常数据库中出现时，执行步骤S104。3.根据权利要求2所述的一种基于知识库的电力设备辅助决策方法，其特征在于：包括：将被监测电力设备的运行数据进行存储，形成运行数据库；将数据发生突变时的电力设备运行数据的融合聚类和在异常数据库中出现的电力设备运行数据的融合聚类进行存储，形成异常数据库。4.根据权利要求1所述的一种基于知识库的电力设备辅助决策方法，其特征在于：所述人工智能处理模型包括神经网络模型，将所述获取到的电力设备运行数据输入神经网络模型中进行学习，得到最优神经网络模型。5.根据权利要求3所述的一种基于知识库的电力设备辅助决策方法，其特征在于：还包括：在访问所述运行数据库和异常数据库之前进行身份验证。6.一种基于知识库的电力设备辅助决策系统，其特征在于：包括：数据获取单元：用于获取被监...

【专利技术属性】
技术研发人员：段雨松，冯俊杰，高磊，姜凌霄，周鑫，刘尧尧，刘霄，
申请(专利权)人：国网山西省电力公司超高压变电分公司，
类型：发明
国别省市：