本发明专利技术公开了一种变电站监控信息事件化告警方法及告警系统，告警方法包括以下步骤：采集获取所监控设备发出的告警信号；解析告警信号的属性信息，并将告警信号输入预先配置的推理规则库；通过分析并识别告警信号对应的告警事件类型，完成针对告警事件的输出展示；其中，推理规则库为由告警事件产生规则形成的推理规则集。本发明专利技术实现了对变电站监控信息的分类整合，无需专业人员就可以实现对变电站监控的高效精准告警。的高效精准告警。的高效精准告警。
【技术实现步骤摘要】
一种变电站监控信息事件化告警方法及告警系统
[0001]本专利技术属于变电站自动化系统
，具体涉及一种变电站监控信息事件化告警方法及告警系统。
技术介绍
[0002]随着数字转型建设工作的持续推进，变电专业逐步建立了以智慧站、集控站为核心的智能运维体系，具有包含智能一次设备、二次系统、辅控系统在内的标准化变电站端、集控站端装备与应用体系，并形成了系列标准。
[0003]但是，在智慧站、集控站建设过程中，逐步发现变电站监控的部分关键技术需要进一步完善，主要体现为：设备上方缺陷难以依靠地面摄像头与机器人巡视，若要采用无人机，其在站内的飞行定位与图像识别技术尚不成熟；大量辅助设备监控信息仍需要人工经验判断，需要面向辅助监控的信息整理技术。同时，设备感知信号种类繁多、现场情况复杂，监控员目前还是依靠人工经验进行海量信号的识别关联确认，效率低易遗漏，其专业要求高和响应及时性强的特点对所有运行监控人员带来了巨大挑战，而目前的技术支持还存在一定不足。主要体现为，信息监视量大，信息过于复杂，专业度较高，缺乏自动分析聚类，完全依赖专业人员进行确认。
[0004]为此，研究人员提出的方案如专利CN101047556A一种多设备集中维护方法和系统，告警采集系统将各系统设备的告警均传输至集中维护中心，集中维护中心根据预定告警筛选条件对其接收的告警进行筛选，集中维护中心根据筛选后得到的告警对系统设备进行维护。该方案设置预定告警筛选条件，使集中维护中心能够快速的确定出有价值的告警；预定告警筛选条件可以分为多个层次，如物理关联关系信息、初始关联分析信息和告警特殊关联分析信息等，避免了不必要的冗余的告警信息，使集中维护中心能够快速确定出告警的根源，快速准确的进行故障定位。但是，鉴于变电站故障的复杂多样性与地区差异性，以上方案无法做到与所依托的监控系统平台解耦，其功能将难以满足实际应用的需求，变电站所监控设备的真实状态难以观测或有观测噪声，只能观测到特定的事件。
[0005]因此，如何设计提供一种变电站监控信息事件化告警方法及告警系统，实现对变电站监控信息的分类整合和对变电站监控的高效精准告警是本领域技术人员亟需解决的问题。
技术实现思路
[0006]针对上述现有技术中存在的缺陷，本专利技术提供了一种变电站监控信息事件化告警方法及告警系统，通过告警信号输入预先配置的推理规则库，且推理规则库为由告警事件产生规则形成的告警信号与告警事件关联的推理规则集，实现分析并识别告警信号对应的告警事件类型，完成针对告警事件的输出展示，达到对变电站监控信息的分类整合和对变电站监控的高效精准告警的效果。
[0007]第一方面，本专利技术提供一种变电站监控信息事件化告警方法，包括以下步骤：
[0008]采集获取所监控设备发出的告警信号；
[0009]解析告警信号的属性信息，并将告警信号输入预先配置的推理规则库；
[0010]通过分析并识别告警信号对应的告警事件类型，完成针对告警事件的输出展示；
[0011]其中，推理规则库为由告警事件产生规则形成的告警信号与告警事件关联的推理规则集。
[0012]通过告警信号输入预先配置的推理规则库，且推理规则库为由告警事件产生规则形成的推理规则集，实现分析并识别告警信号对应的告警事件类型，完成针对告警事件的输出展示，解决了传统固化的专家规则告警系统存在的一些弊端问题，如遗漏重要告警信号，延误处理造成事故的风险，弥补工作人员技术业务水平参差不齐而带来的安全隐患，达到对变电站监控信息的分类整合和对变电站监控的高效精准告警的效果。
[0013]进一步的，预先配置推理规则库，具体包括如下步骤：
[0014]获取变电站辅助文本类信息；
[0015]将变电站辅助文本类信息进行预处理，得到文本向量数据；
[0016]基于文本向量数据，通过神经实体推理识别模型确定对应的监控信息对象；
[0017]获取各监控信息对象之间的空间及拓扑关系的关联度，构建综合智能告警事件产生规则；
[0018]根据综合智能告警事件产生规则，配置完成推理规则库。
[0019]通过构建综合智能告警事件产生规则，并配置推理规则库，能提高故障诊断功能的工程化、实用化程度。
[0020]进一步的，将变电站辅助文本类信息进行预处理，得到文本向量数据，具体包括：
[0021]对变电站辅助文本类信息进行词向量形式转化，得到词向量组；
[0022]对词向量组进行去重处理，得到经过去重处理的词向量组；
[0023]将经过去重处理的词向量组整合成文本向量数据；
[0024]其中，对词向量组进行去重处理，得到经过去重处理的词向量组，具体包括：
[0025]计算任意相邻两个词向量组之间的欧式距离：计算任意相邻两个词向量组之间的欧式距离：
[0026]其中，n为进行词向量组欧式距离计算的组合数量，为第一任意词向量组，为第二任意词向量组，d为与之间的欧式距离；
[0027]删除欧氏距离小于预设阈值的两个词向量组中的任意一个。
[0028]进一步的，监控信息对象包括：动环、安防、消防、巡视以及状态监测。
[0029]进一步的，基于文本向量数据，通过神经实体推理识别模型确定对应的监控信息对象，具体包括：
[0030]将文本向量数据输入神经实体推理识别模型；
[0031]神经实体推理识别模型通过搭建的映射关系和监控信息对象库，分析文本向量数据内容，确定对应的监控信息对象；
[0032]采用神经实体推理识别模型确定的监控信息对象能解决出现有歧义的信息问题，同时容纳少见的变电站专有名词，解决了变电站辅助系统信息复杂的问题，并且具有高效精准的特点。
[0033]映射关系的搭建，具体包括：
[0034]设计采用一次和二次模式的Alias
‑
Key关键字，每个Alias
‑
Key关键字对应确定的
监控信息对象，公式关系为；
[0035][0036]其中，P(x
i
)表示代表各个监控信息对象的Alias
‑
Key关键字，x
i
表示各个监控信息对象，k为监控信息对象的集合，diag为形成对角矩阵的函数，ak为Alias
‑
Key关键字标记形式，α1,α2,α3…
α
n
为各个监控信息对象的n个标记数据，S_Key值为代表变电站的关键词，B_Key值为代表间隔的关键词，S_Key值.B_Key值.PEType_Key值为监控信息对象一次设备模型信息，PEType_Key值为代表监控信息对象一次设备的名称关键词，SEType_Key值为代表监控信息对象二次设备的名称关键词，Reference短地址为基础地址，SEType_Key值.Reference短地址为监控信息对象二次设备模型信息。
[0037]基于一次拓扑和二次拓扑快速实现Alias
‑本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种变电站监控信息事件化告警方法，其特征在于，包括以下步骤：采集获取所监控设备发出的告警信号；解析告警信号的属性信息，并将告警信号输入预先配置的推理规则库；通过分析并识别告警信号对应的告警事件类型，完成针对告警事件的输出展示；其中，推理规则库为由告警事件产生规则形成的告警信号与告警事件关联的推理规则集。2.如权利要求1所述的变电站监控信息事件化告警方法，其特征在于，预先配置推理规则库，具体包括如下步骤：获取变电站辅助文本类信息；将变电站辅助文本类信息进行预处理，得到文本向量数据；基于文本向量数据，通过神经实体推理识别模型确定对应的监控信息对象；获取各监控信息对象之间的空间及拓扑关系的关联度，构建综合智能告警事件产生规则；根据综合智能告警事件产生规则，配置完成推理规则库。3.如权利要求2所述的变电站监控信息事件化告警方法，其特征在于，将变电站辅助文本类信息进行预处理，得到文本向量数据，具体包括：对变电站辅助文本类信息进行词向量形式转化，得到词向量组；对词向量组进行去重处理，得到经过去重处理的词向量组；将经过去重处理的词向量组整合成文本向量数据；其中，对词向量组进行去重处理，得到经过去重处理的词向量组，具体包括：计算任意相邻两个词向量组之间的欧式距离：计算任意相邻两个词向量组之间的欧式距离：其中，n为进行词向量组欧式距离计算的组合数量，为第一任意词向量组，为第二任意词向量组，d为与之间的欧式距离；删除欧氏距离小于预设阈值的两个词向量组中的任意一个。4.如权利要求2所述的变电站监控信息事件化告警方法，其特征在于，监控信息对象包括：动环、安防、消防、巡视以及状态监测。5.如权利要求4所述的变电站监控信息事件化告警方法，其特征在于，基于文本向量数据，通过神经实体推理识别模型确定对应的监控信息对象，具体包括：将文本向量数据输入神经实体推理识别模型；神经实体推理识别模型通过搭建的映射关系和监控信息对象库，分析文本向量数据内容，确定对应的监控信息对象；映射关系的搭建，具体包括：设计采用一次和二次模式的Alias
‑
Key关键字，每个Alias
‑
Key关键字对应确定的监控信息对象，公式关系为；
其中，P(x
i
)表示代表各个监控信息对象的Alias
‑
Key关键字，x
i
表示各个监控信息对象，k为监控信息对象的集合，diag为形成对角矩...
【专利技术属性】
技术研发人员：姚楠，范青，秦剑华，郝宝欣，潘建亚，赵雨希，刘子全，吴曦，王真，吴刚，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，
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。