电力感知设备故障预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了电力感知设备故障预测方法、装置、电子设备及存储介质，涉及电力设备检测技术领域，方法包括获取目标区域各电力感知设备对应N个时间帧的5G网络数据序列及运行数据序列；基于5G网络数据序列及运行数据序列确定每个电力感知设备在每个时间帧的故障评分；根据故障评分确定各电力感知设备对应的第一故障评分矩阵；基于第一故障评分矩阵确定各个电力感知设备在未来T个时间帧的第二故障评分矩阵；基于第二故障评分矩阵对各个电力感知设备进行故障预测，得到故障预测结果。本发明专利技术结合5G网络数据与运行数据对电力感知设备进行故障预测，有利于准确预测故障发送概率，提前进行故障预防及处理，有利于提高电力系统维护效率。率。率。

【技术实现步骤摘要】
电力感知设备故障预测方法、装置、电子设备及存储介质


[0001]本专利技术涉及电力设备检测
，具体的，涉及电力感知设备故障预测方法、装置、电子设备及存储介质。

技术介绍

[0002]电力是人们现代化生活的主要能源，电力设备是构建电力电网的基本单元，因此，维护电力设备的正常运转是电力管理的重要工作。随着物联网信息技术的发展，5G技术也在各个领域得到了广泛的运用。基于5G技术具有高速率、低时延和大连接特点，在电力网络中得到极大运用。电力设备结构复杂，容易在运行时出现故障，因此需要对电力设备进行故障监测，从而维护电力设备的安全运行。
[0003]传统的电力设备故障检测方式由专业工作人员经验检测以及停止运行试验检测等，但是这些方式存在工作效率低的问题，易影响电力系统的正常运行，难以维持设备持续稳定工作，甚至存在电力设备出现故障时再派人去维修。还有的预测方式是通过对电力设备的检测参数进行阈值设定，其中，检测参数在工作工程中会存在微变化，但并非故障，然而阈值的设定属于限定，很容易出现误判的情况，造成人力检修的麻烦。可见，现有技术对电力设备的故障处理方式存在处理速度慢、效率低的问题。

技术实现思路

[0004]本专利技术的目的是针对电力设备的故障处理方式存在处理速度慢、效率低的问题，提出了电力感知设备故障预测方法、装置、电子设备及存储介质，通过获取目标区域中各个电力感知设备在一段时间帧内的5G网络数据以及运行数据，结合5G网络数据与运行数据在一段时间帧进行故障评分，通过对应每个电力感知设备的故障评分预测电力感知设备在未来一段时间帧存在故障的可能，能够准确预测发生故障的可能，及时发现故障，提前进行故障预防及处理，以提高电力系统维护效率。
[0005]第一方面，本专利技术实施例中提供的一种技术方案是电力感知设备故障预测方法，包括以下步骤：获取目标区域内各个电力感知设备的5G网络数据序列以及运行数据序列，所述5G网络数据序列包括N个时间帧，所述运行数据序列包括N个时间帧，且所述5G网络数据序列N个时间帧与所述运行数据序列N个时间帧首尾对齐；基于所述5G网络数据序列以及所述运行数据序列确定每个电力感知设备在每个时间帧的故障评分；根据所述故障评分确定所述目标区域内各个电力感知设备对应的第一故障评分矩阵，所述第一故障评分矩阵包括N个时间帧；基于所述第一故障评分矩阵确定所述目标区域内各个电力感知设备在未来T个时间帧的第二故障评分矩阵；基于所述第二故障评分矩阵对所述目标区域内各个电力感知设备进行故障预测，
得到所述目标区域内各个电力感知设备在未来T个时间帧的故障预测结果。
[0006]可选的，所述基于所述5G网络数据序列以及所述运行数据序列确定每个电力感知设备在每个时间帧的故障评分，包括：对于每个电力感知设备，获取N个时间帧对应的5G网络数据，以及获取N个时间帧对应的运行数据；根据前k个时间帧对应的5G网络数据确定在第k+1个时间帧的网络故障累加值，以及根据前k个时间帧对应的运行数据确定在第k+1个时间帧的运行故障累加值，其中，k+1小于等于N；将第k+1个时间帧的网络故障累加值与第k+1个时间帧的运行故障累加值，确定每个电力感知设备在第k+1个时间帧的故障评分。
[0007]可选的，所述将第k+1个时间帧的网络故障累加值与第k+1个时间帧的运行故障累加值，确定每个电力感知设备在第k+1个时间帧的故障评分，包括：确定每个电力感知设备到5G信号基站的基站距离，以及确定每个电力感知设备在第N个时间帧对应的折旧率；基于每个电力感知设备在第k+1个时间帧的网络故障累加值、在第k+1个时间帧的运行故障累加值、基站距离以及折旧率，确定每个电力感知设备在第k+1个时间帧的故障评分。
[0008]可选的，所述根据所述故障评分确定所述目标区域内各个电力感知设备对应的第一故障评分矩阵，包括：根据所述目标区域内各个电力感知设备的分布，确定初始矩阵；将每个电力感知设备在第N个时间帧的故障评分对应添加到初始矩阵中，得到电力感知设备在第N个时间帧对应的故障评分矩阵；将第n个时间帧对应的故障评分矩阵按时间帧顺序进行排序，得到所述目标区域内各个电力感知设备对应n个时间帧的第一故障评分矩阵。
[0009]可选的，所述基于所述第一故障评分矩阵确定所述目标区域内各个电力感知设备在未来T个时间帧的第二故障评分矩阵，包括：对所述第一故障评分矩阵分别进行时序特征提取和空间特征提取，得到所述第一故障评分矩阵的时序特征和空间特征；对所述时序特征和空间特征进行融合处理，得到融合特征；对所述融合特征进行线性回归，得到所述目标区域内各个电力感知设备在未来T个时间帧的第二故障评分矩阵。
[0010]可选的，所述基于所述第一故障评分矩阵确定所述目标区域内各个电力感知设备在未来T个时间帧的第二故障评分矩阵，包括：通过训练好的胶囊网络对所述第一故障评分矩阵进行预测处理，得到所述目标区域内各个电力感知设备在未来T个时间帧的第二故障评分矩阵。
[0011]可选的，所述基于所述第二故障评分矩阵对所述目标区域内各个电力感知设备进行故障预测，得到所述目标区域内各个电力感知设备在未来T个时间帧的故障预测结果，包括：针对每个电力感知设备，在所述第二故障评分矩阵中确定出在未来T个时间帧的第二故障评分；
若在未来T个时间帧的第二故障评分大于或等于预设评分阈值，则确定对应电力感知设备在未来T个时间帧的故障预测结果为有故障发生；若在未来T个时间帧的第二故障评分小于预设评分阈值，则确定对应电力感知设备在未来T个时间帧的故障预测结果为无故障发生。
[0012]第二方面，本专利技术实施例中还提供的一种技术方案是电力感知设备故障预测装置，装置包括:获取模块，用于获取目标区域内各个电力感知设备的5G网络数据序列以及运行数据序列，所述5G网络数据序列包括N个时间帧，所述运行数据序列包括N个时间帧，且所述5G网络数据序列N个时间帧与所述运行数据序列N个时间帧首尾对齐；计算模块，用于基于所述5G网络数据序列以及所述运行数据序列确定每个电力感知设备在每个时间帧的故障评分；第一确定模块，用于根据所述故障评分确定所述目标区域内各个电力感知设备对应的第一故障评分矩阵，所述第一故障评分矩阵包括N个时间帧；第二确定模块，用于基于所述第一故障评分矩阵确定所述目标区域内各个电力感知设备在未来T个时间帧的第二故障评分矩阵；预测模块，用于基于所述第二故障评分矩阵对所述目标区域内各个电力感知设备进行故障预测，得到所述目标区域内各个电力感知设备在未来T个时间帧的故障预测结果。
[0013]第三方面，本专利技术实施例中还提供的一种技术方案是一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述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任一实施例中所述的电力感知设备故障预测方法中的步骤。
[0014]第四方面，本专利技术实施例中还提供的一种技术方案一种计算机可读存储介质，所述计算机可读存储介质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任一实施例中所述的电力感知设备故本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.电力感知设备故障预测方法，其特征在于，包括以下步骤：获取目标区域内各个电力感知设备的5G网络数据序列以及运行数据序列，所述5G网络数据序列包括N个时间帧，所述运行数据序列包括N个时间帧，且所述5G网络数据序列N个时间帧与所述运行数据序列N个时间帧首尾对齐；基于所述5G网络数据序列以及所述运行数据序列确定每个电力感知设备在每个时间帧的故障评分；根据所述故障评分确定所述目标区域内各个电力感知设备对应的第一故障评分矩阵，所述第一故障评分矩阵包括N个时间帧；基于所述第一故障评分矩阵确定所述目标区域内各个电力感知设备在未来T个时间帧的第二故障评分矩阵；基于所述第二故障评分矩阵对所述目标区域内各个电力感知设备进行故障预测，得到所述目标区域内各个电力感知设备在未来T个时间帧的故障预测结果。2.根据权利要求1所述的电力感知设备故障预测方法，其特征在于，所述基于所述5G网络数据序列以及所述运行数据序列确定每个电力感知设备在每个时间帧的故障评分，包括：对于每个电力感知设备，获取N个时间帧对应的5G网络数据，以及获取N个时间帧对应的运行数据；根据前k个时间帧对应的5G网络数据确定在第k+1个时间帧的网络故障累加值，以及根据前k个时间帧对应的运行数据确定在第k+1个时间帧的运行故障累加值，其中，k+1小于等于N；将第k+1个时间帧的网络故障累加值与第k+1个时间帧的运行故障累加值，确定每个电力感知设备在第k+1个时间帧的故障评分。3.根据权利要求2所述的电力感知设备故障预测方法，其特征在于，所述将第k+1个时间帧的网络故障累加值与第k+1个时间帧的运行故障累加值，确定每个电力感知设备在第k+1个时间帧的故障评分，包括：确定每个电力感知设备到5G信号基站的基站距离，以及确定每个电力感知设备在第k+1个时间帧对应的折旧率；基于每个电力感知设备在第k+1个时间帧的网络故障累加值、在第k+1个时间帧的运行故障累加值、基站距离以及折旧率，确定每个电力感知设备在第k+1个时间帧的故障评分。4.根据权利要求3所述的电力感知设备故障预测方法，其特征在于，所述根据所述故障评分确定所述目标区域内各个电力感知设备对应的第一故障评分矩阵，包括：根据所述目标区域内各个电力感知设备的分布，确定初始矩阵；将每个电力感知设备在第N个时间帧的故障评分对应添加到初始矩阵中，得到电力感知设备在第N个时间帧对应的故障评分矩阵；将第N个时间帧对应的故障评分矩阵按时间帧顺序进行排序，得到所述目标区域内各个电力感知设备对应N个时间帧的第一故障评分矩阵。5.根据权利要求1至4中任一所述的电力感知设备故障预测方法，其特征在于，所述基于所述第一故障评分矩阵确定所述目标区域内各个电力感知设备在未来T个时间帧的第二...

【专利技术属性】
技术研发人员：王晔辰，胡家元，刘晓谦，郑腾飞，王紫婧，蒋一傲，傅家浩，郭嘉，郎少先，徐琛，龚正威，曾聪，
申请(专利权)人：国网浙江省电力有限公司兰溪市供电公司，
类型：发明
国别省市：