System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及故障检测的领域,尤其是涉及基于大数据的电力故障检测方法、装置及电子设备及介质。
技术介绍
1、电力调度是为了保证电网安全稳定运行、对外可靠供电、各类电力生产工作有序进行而采用的一种有效的管理手段。电力调度依据各类信息采集设备反馈回来的数据信息,或监控人员提供的信息,结合电网实际运行参数,从而确保电网持续安全稳定运行。
2、目前对数据中心的故障检测方法为视频监控或者传感器报警。当从视频监控中发现故障或传感器报警之后,工作人员使用相应的排查仪器,从而对数据中心进行排查,然后对故障位置进行维修。
3、当发生故障报警或发生故障之后,仅能让工作人员知道发生故障,不便于得知具体的故障位置,因此如何在数据中心发生故障时便于及时地得知故障位置成为一个问题。
技术实现思路
1、为了快捷准确地确定故障位置,本申请提供基于大数据的电力故障检测方法、装置及电子设备及介质。
2、第一方面,本申请提供基于大数据的电力故障检测方法,采用如下的技术方案:
3、基于大数据的电力故障检测方法,包括:
4、获取数据中心各个设备的检测数据以及标定数据;
5、将所述检测数据与所述标定数据进行对比,确定异常数据,所述异常数据为与所述标定数据不一致的检测数据;
6、对所述异常数据进行分析,确定故障数据,所述故障数据为大于预设得分阈值的异常数据;
7、将所述故障数据对应的位置确定为故障位置。
8、通过采用上述技术
9、在另一种可能实现的方式中,所述将所述检测数据与所述标定数据进行对比,确定异常数据,包括:
10、将所述检测数据与所述标定数据分别进行拆分处理,得到多个子检测数据以及多个子标定数据;
11、将所述多个检测数据与所述多个子标定数据一一对应;
12、将每个子检测数据与所对应的子标定数据进行对比;
13、若所述子检测数据与所对应的子标定数据不一致,则确定所述子检测数据为异常数据。
14、通过采用上述技术方案,通过将检测数据以及标定数据分别拆分处理,得到多个子检测数据以及子标定数据,可以更准确地比较每个子检测数据与所对应的子标定数据,从而提高异常数据确定的准确性。
15、在另一种可能实现的方式中,所述对所述异常数据进行分析,确定故障数据包括:
16、获取预设时间段内所述异常数据的历史异常次数;
17、将所述异常数据与所述标定数据进行差值计算,得到数据差值;
18、将所述历史异常次数、所述数据差值以及各自对应的权重进行计算,得到第一得分;
19、将所述第一得分大于所述预设得分阈值的异常数据确定为故障数据。
20、通过采用上述技术方案,历史异常次数以及差值对设备故障的影响程度不同,因此设置不同的权重,根据历史异常次数以及差值各自对应的权重计算每个异常数据的第一得分,预设得分阈值提供一个量化评估标准,大于预设得分阈值,则说明该数据发生故障的可能性比较大。因此,将第一得分大于预设得分阈值的异常数据确定为故障数据。
21、在另一种可能实现的方式中,所述将所述异常数据与所述标定数据进行差值计算,得到数据差值,包括:
22、若所述数据差值为负值,则将所述负值对应的所述异常数据剔除。
23、通过采用上述技术方案,当数据差值为负值时,则说明异常数据低于标定数据,也就是说,异常数据对应的设备可以使用,则电子设备将异常数据剔除,不进行第一得分的计算,从而可以减少异常数据过多,计算繁琐的情况,进而可以方便快捷地确定故障数据。
24、在另一种可能实现的方式中,所述方法还包括:
25、确定所述第一得分所在的预设得分区间,预设得分区间对应有处理人员数量;
26、将所述所在的预设得分区间对应的处理人员数量,确定为所述故障位置所需的处理人员数量。
27、通过采用上述技术方案,第一得分数据中心设备发生故障严重程度,然后确定第一得分所在的预设得分区间,由于每个预设得分区间对应有最佳的处理人员数量,因此根据第一得分能够准确地确定出每个故障位置所需要的处理人员数量。
28、在另一种可能实现的方式中,所述方法还包括:
29、基于所述故障位置以及所述处理人员数量,生成报警信息;
30、输出所述报警信息。
31、通过采用上述技术方案,确定出每个故障数据对应的处理人员数量后,根据故障位置以及所需的处理人员数量生成报警信息,通过报警信息能够详细地得知每个故障位置的故障数据以及所需的处理人员的数量,输出报警信息,提高了报警效果,进而便于工作人员根据报警信息中的所需处理人员数量以及故障数据进行安排处理。
32、在另一种可能实现的方式中,所述输出所述报警信息,包括:
33、确定每个故障位置所在的区域,每个区域对应有至少一个处理人员;
34、从所述至少一个处理人员中确定出与所述处理人员数量一致的目标处理人员;
35、向所述目标处理人员的终端设备发送报警信息。
36、通过采用上述技术方案,由于数据中心面积大且结构复杂,因此将数据中心分成多个区域,每个区域对应有至少一个处理人员,确定故障位置所在的区域,然后根据每个异常数据对应的故障位置所需的处理人员数量从区域对应的至少一个处理人员中确定目标处理人员,然后直接确定出的目标处理人员的终端设备发送报警信息,从而使得目标处理人员快速做出响应。
37、第二方面,本申请提供基于大数据的电力故障检测方法装置,采用如下的技术方案:
38、基于大数据的电力故障检测装置,包括:
39、数据获取模块,用于获取数据中心各个设备的检测数据以及标定数据;
40、异常数据确定模块,用于将所述检测数据与所述标定数据进行对比,确定异常数据,所述异常数据为与所述标定数据不一致的检测数据;
41、故障数据确定模块,用于对所述异常数据进行分析,确定故障数据,所述故障数据为大于预设得分阈值的异常数据;
42、故障位置确定模块,用于将所述故障数据对应的位置确定为故障位置。
43、通过采用上述技术方案,由于数据中心占地面积比较大,且数据中心有多种设备运行,因此数据获取模块获取数据中心各个设备的检测数据以及标定数据,从而便于了解数据中心设备的运行状态,及时发现异常情况;异常数据确定模块通过将检测数据与标定数据进行对比,确定出异常数据,即可能出现故障的数据,故障数据确定本文档来自技高网...
【技术保护点】
1.基于大数据的电力故障检测方法,其特征在于,包括:
2.根据权利要求1所述的基于大数据的电力故障检测方法,其特征在于,所述将所述检测数据与所述标定数据进行对比,确定异常数据,包括:
3.根据权利要求1所述的基于大数据的电力故障检测方法,其特征在于,所述将所述异常数据与所述标定数据进行差值计算,得到数据差值,包括:
4.根据权利要求1所述的基于大数据的电力故障检测方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的基于大数据的电力故障检测方法,其特征在于,所述方法还包括:
6.根据权利要求5所述的基于大数据的电力故障检测方法,其特征在于,所述输出所述报警信息,包括:
7.基于大数据的电力故障检测的装置,其特征在于,包括:
8.一种电子设备,其特征在于,其包括:
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~6任一项所述的基于大数据的电力故障检测方法。
【技术特征摘要】
1.基于大数据的电力故障检测方法,其特征在于,包括:
2.根据权利要求1所述的基于大数据的电力故障检测方法,其特征在于,所述将所述检测数据与所述标定数据进行对比,确定异常数据,包括:
3.根据权利要求1所述的基于大数据的电力故障检测方法,其特征在于,所述将所述异常数据与所述标定数据进行差值计算,得到数据差值,包括:
4.根据权利要求1所述的基于大数据的电力故障检测方法,其特征在于,所述方法还包括:
5.根据权利要求4所述...
【专利技术属性】
技术研发人员:孙浩,李学新,李超,
申请(专利权)人:天津市英环信诚科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。