一种基于AI人工智能算法模型训练台套实现方法技术

本发明专利技术公开了一种基于AI人工智能算法模型训练台套实现方法，包括网络入口、交互中间件和作业、资源管理、传感器网络和五感传感器。所述网络入口包括Web portal、Rest server、AI job；所述交互中间件包括Launcher server、hadoop yarn；所述作业、资源管理包括用户界面、运维管理和深度学习框架以及传感器网络和五感传感器。本发明专利技术利用AI人工智能算法，建立基于AI人工智能算法模型训练平台，从而实现对电力变电站台套进行实时监测，实现对柜内的断路器进行分合闸控制、电量计量、短路保护、漏电保护、温湿度采集、变压器油温采集。并结合传感器网络和五感传感器以及它的自学习和自修复功能，从而准确有效的预防了台套由于故障引起的短路、断路的风险。断路的风险。断路的风险。

【技术实现步骤摘要】
一种基于AI人工智能算法模型训练台套实现方法


[0001]本专利技术属于电力系统变电站领域，涉及一种基于AI人工智能算法模型训练台套实现方法，主要通过AI人工智能算法模型训练平台实现台套实时作业任务训练。

技术介绍

[0002]在传统的设备故障检测中，需要消耗大量的人工成本，要对所有的设备零部件进行检测和维修，整个检测过程时间长，而且受到工作人员自身因素的影响，导致整个检测效率低下。此外，对于电气自动化设备内部的某些部件或精密部件，维护人员不知道设备的内部状况，也无法确定故障原因，这种问题也是电气行业中的普遍存在的难题。改进维修方法能够有效地促进中国工业的发展。充分的利用人工智能技术，将设备运行的相关数据进行详细的记录，并对正常运行的数据进行对比分析，从实现对借助人工智能技术，可以根据电气自动化设备的运行数据记录，对其运行状态做出正确的判断。人工智能技术可以有效的完善设备的操作步骤，并对设备进行实时的故障检测。当设备发生故障时，维修人员可直接根据系统的提示进行针对性的检测维修，提高了检测和维修效率。人工智能技术能在很大的程度上简化整个电力系统的操作步骤，通过对传统设备进行完善和升级，相关设备可以直接于计算机相连接，操作指令可以通过计算机传输，可以提高設备的控制率，确保所有的设备都得到充分的利用。而且在实际生产的过程中可以避免一些不必要的事情发生，包括数据错误、操作不合规等等，通过这种方式有效的降低了生产的风险性，有效地为系统内部实现智能化提供了保障。结合以上，一种基于AI人工智能算法模型训练台套实现方法应运而生，通过访问台套训练模型的主界面，调用不同容器内的job实现对台套的日常运维和性能检测。

技术实现思路

[0003]本专利技术的任务是要提供一种基于AI人工智能算法模型训练台套实现方法，利用AI人工智能算法，通过网络入口访问不同的job容器，调用相应的AI job作业，通过完美的视觉界面实现相应的任务交互，从而对形成基于AI 人工智能算法模型的训练平台，结合传感器网络和五感传感器对电力变电站台套进行实时监测，实现对柜内的断路器进行分合闸控制、电量计量、短路保护、漏电保护、温湿度采集、变压器油温采集。
[0004]本专利技术所采用的技术方案是：一种基于AI人工智能算法模型训练台套实现方法，其特征在于包括网络入口、交互中间件和作业、资源管理。
[0005]所述网络入口包括Web portal 、Rest server、AI job；所述交互中间件包括Launcher server 、hadoop yarn；所述作业、资源管理包括用户界面、运维管理和深度学习框架、传感器网络和五感传感器；进一步地，所述在网络入口用户通过Web portal调用Rest server的API提交作
业，随后Web portal与Launcher server交互，执行各种AI job。
[0006]进一步地，所述AI job均在job容器中进行，这样的设计让AI平台的部署更加简单，无论是在裸机集群还是在云服务器上，仅需要几个脚本即可完成部署。
[0007]进一步地，所述交互中间件的Launcher server 处理作业请求并将其提交至hadoop yarn，由hadoop yarn进行资源分配与管理。
[0008]进一步地，所述用户界面包括AI人工智能算法模型训练台套主界面、GPU利用率、节点总数、网络状况、变压器实时数据显示界面、JP柜实时数据显示界面。
[0009]所述运维管理包括台套保护单元、台套数据采集单元、台套报警单元、台套在线调试、台套日志管理、台套性能检测。
[0010]所述深度学习框架支持Tensorflow、Cntk、PyTorch多种不同的深度学习框架，同时还包括自定义job容器。
[0011]进一步地，台套训练平台模型的实现方法为：（1）网络入口用户通过Web portal调用Rest server的台套API提交作业，随后Web portal与Launcher server交互，执行job容器中的台套AI job；（2）再由Launcher server 处理台套训练模型的各种作业请求并将其提交至hadoop yarn，由hadoop yarn进行台套训练模型的作业、资源分配管理与调度；（3）同时用户通过自定义Job容器即可支持新的台套训练模型的深度学习框架和其他机器学习、大数据AI任务等。
[0012]进一步地，该AI人工智能算法具有神经网络和五感传感器功能，五感传感器分别为：听觉、视觉、味觉、嗅觉、触觉。其中听觉采用视差声音冲击传感器、视觉采用红外摄像头观察、味觉采用液体传感器，其中电子舌的措施比较口味使用传感器接收来自目标物，然后将其发送到模式识别系统。其结果是基于人类味觉的味觉检测。嗅觉采用电子鼻，是一种化学气体传感器阵列的人工嗅觉装置，采样系统，和一个认识、识别、模式分类算法比较的气体，蒸汽，或气味。这样的电子鼻的模仿人的嗅觉系统。触觉采用接触传感器、力－力矩觉传感器、压觉传感器和滑觉传感器等。
[0013]进一步地，该神经网络功能具有自学习和自修复功能，采用一套具有通过设置运行机制门槛，将不同的决策分为战略决策、战术决策、确定决策、不确定决策、风险决策。其中不同的决策采用不同知识图库占比和整体事件程度统一考虑。所有学习到的知识都有一套分类和每件事情处理后后果机制。对于AI人工智能单个事件采用后三种策略，对于多个事件并发采用从战略决策降级制处理措施，也就是有战略决策不采用战术决策，无战略决策再采用战术决策机制。
附图说明
[0014]图1是本专利技术系统框架图。
具体实施方式
[0015]图1所示，一种基于AI人工智能算法模型训练台套实现方法，包括网络入口、交互中间件和作业、资源管理以及传感器网络和五感传感器。
[0016]以用户访问台套日志数据管理为例：
网络入口用户通过Web portal调用Rest server的台套API运维管理提交作业，随后Web portal与Launcher server交互，执行job容器中的台套运维管理AI job；再由Launcher server 处理台套运维管理作业请求并将其提交至hadoop yarn，由hadoop yarn进行台套运维管理的作业、资源分配管理与调度；接着用户通过hadoop yarn资源分配后自由访问运维管理相应容器中的AI job包括台套保护单元、台套数据采集单元、台套报警单元、台套在线调试、台套日志管理、台套性能检测，同时该AI人工智能算法具有神经网络和五感传感器功能，通过视差声音冲击传感器、红外摄像头观察、液体传感器、电子鼻、接触传感器、力－力矩觉传感器、压觉传感器和滑觉传感器等采集台套内的相关数据信息，并具有自学习和自修复功能，采用一套具有通过设置运行机制门槛，将不同的决策分为战略决策、战术决策、确定决策、不确定决策、风险决策，其中不同的决策采用不同知识图库占比和整体事件程度统一考虑。所有学习到的知识都有一套分类和每件事情处理后后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI人工智能算法模型训练台套实现方法，其特征在于包括网络入口、交互中间件和作业、资源管理、策略机制；所述网络入口包括Web portal 、Rest server、AI job；所述交互中间件包括Launcher server 、hadoop yarn；所述作业、资源管理包括用户界面、运维管理和深度学习框架、传感器网络和五感传感器。2.根据权利要求1所述的一种基于AI人工智能算法模型训练台套实现方法，其特征在于，所述在网络入口用户通过Web portal调用Rest server的API提交作业，随后Web portal与Launcher server交互，执行各种AI job。3.根据权利要求2所述的一种基于AI人工智能算法模型训练台套实现方法，其特征在于，所述AI job均在job容器中进行，这样的设计让AI平台的部署更加简单，无论是在裸机集群还是在云服务器上，仅需要几个脚本即可完成部署。4.根据权利要求1所述的一种基于AI人工智能算法模型训练台套实现方法，其特征在于，所述交互中间件的Launcher server 处理作业请求并将其提交至hadoop yarn，由hadoop yarn进行资源分配与管理。5.根据权利要求1所述的一种基于AI人工智能算法模型训练台套实现方法，其特征在于，所述用户界面包括AI人工智能算法模型训练台套主界面、GPU利用率、节点总数、网络状况、变压器实时数据显示界面、JP柜实时数据显示界面；所述运维管理包括台套保护单元、台套数据采集单元、台套报警单元、台套在线调试、台套日志管理、台套性能检测；所述深度学习框架支持Tensorflow、Cntk、PyTorch多种不同的深度学习框架，同时还包括自定义job容器。6.根据权利要求1所述的一种基于AI人工智能算法模型训练台套实现方法，其特征在于，台套训练...

【专利技术属性】
技术研发人员：朱文堂，魏鸿斌，陈国富，张军民，
申请(专利权)人：北京波瑞芯工程技术研究院，
类型：发明
国别省市：