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() 一种变电站安防设备运行状态监测方法及系统技术方案_技高网

一种变电站安防设备运行状态监测方法及系统技术方案

技术编号:44332467 阅读:11 留言:0更新日期:2025-02-18 20:41
本发明专利技术提出了一种变电站安防设备运行状态监测方法及系统,属于电力技术领域,包括:采集变电站安防设备的历史运行数据,预处理采集的历史运行数据;构建单一特征的初级分类器,对每种数据进行初步预监测;构建多特征的集成监测模型;利用预处理后的历史数据训练监测模型,得到最优监测模型;获取变电站安防设备的当前运行数据,对预处理后的当前运行数据进行集成监测,获得安防设备的运行状态。本发明专利技术通过集成学习模型提高变电站安防设备运行状态监测的鲁棒性和速度。

【技术实现步骤摘要】

本专利技术属于电力,尤其涉及一种变电站安防设备运行状态监测方法及系统


技术介绍

1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术。

2、变电站安防设备运行直接影响着电力系统的安全稳定运行,是单位设备管理水平的体现。传统的变电站设备巡检方式主要是依靠于人工检查,由专门的巡检人员检查设备及环境状况,存在工作效率低、监测质量受巡检人员经验影响较大、管理成本较高的问题。

3、随着人工智能技术的不断成熟,利用人工智能的监测方法逐渐被应用到变电站设备运行状态的监测中。虽然人工智能领域的相关技术使变电站安防设备的检查节省了大量的人力,但目前对安防设备的监测大多针对某一种属性进行监督,无法将各设备产生的数据进行很好地融合分析,对复杂的情况做出响应,监测方法的误报率和漏报率较高。


技术实现思路

1、为克服上述现有技术的不足,本专利技术提出了一种变电站安防设备运行状态监测方法及系统,以解决现有技术中监测误报率和漏报率较高,监测不全面的问题。

2、为实现上述目的,本专利技术的一个或多个实施例提供了如下技术方案:

3、第一方面,公开了一种变电站安防设备运行状态监测方法,包括:

4、采集变电站安防设备的历史运行数据,包括:图像数据、环境数据以及网安数据;

5、预处理采集的历史运行数据;

6、构建单一特征的初级分类器,对每种数据进行初步预监测;

7、构建多特征的集成监测模型;

8、利用预处理后的历史数据训练监测模型,得到最优监测模型;

9、获取变电站安防设备的当前运行数据,对预处理后的当前运行数据进行集成监测,获得变电站安防设备的运行状态;

10、返回是否异常的监测结果,监测结果实时返回控制中心。

11、进一步的,图像数据具体为采集变电站的监控系统中n个监控设备的影像,监控设备用于对固态装置设备采集其外观和工作状态的监控影像,包括但不限于变电站的安防围栏的外观、红外对射装置的状态、站内工作设备的外观、设备警示灯、照明系统、消防设备外观;

12、所述环境数据,通过温湿度传感器采集变电站内温度和湿度;

13、所述网安数据,通过网络安全检测设备提取变电站电力系统中各个网络节点的资源占用量、最大资源占用量、平均资源占用量、节点访问次数、用电数据、设备运行年限、设备外联风险网口数量。

14、进一步的,所述初级分类器包括:

15、第一特征初分类器,采用基于空间注意力机制的残差神经网络模型,对三维的图像数据进行预监测;

16、第二特征初分类器,采用svm支持向量机,对一维环境数据进行预监测;

17、第三特征初分类器,采用集成的全连接神经网络对m个网安特征进行预监测。

18、进一步的,所述集成监测模型,采用xgboost模型,xgboost模型不仅可以输出分类结果,还可以输出特征排名、特征名称、特征权重值,即,第一特征初分类器、第二特征初分类器、第三特征初分类器的预监测结果输入xgboost模型中,模型输出监测状态正常或者不正常,并输出判断最终结果的各个特征重要性排序,从而为故障排查提供优先级。

19、第二方面,公开了一种变电站安防设备运行状态监测系统,包括:

20、采集模块,其被配置为:采集变电站安防设备的历史运行数据,包括:图像数据、环境数据以及网安数据;

21、预处理模块:预处理采集的历史运行数据;

22、初级分类器构建模块:构建单一特征的初级分类器,对每种数据进行初步预监测;

23、集成监测模型构建模块:构建多特征的集成监测模型;

24、模型训练模块:利用预处理后的历史数据训练监测模型,得到最优监测模型;

25、实时监测模块:获取变电站安防设备的当前运行数据,对预处理后的当前运行数据进行集成监测,获得变电站安防设备的运行状态;

26、返回是否异常的监测结果,监测结果实时返回控制中心。

27、第三方面,公开了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成上述变电站安防设备运行状态监测方法的步骤。

28、第四方面,公开了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成上述变电站安防设备运行状态监测方法的步骤。

29、与现有技术相比,本专利技术的有益效果为:

30、1、本专利技术提供了一种变电站安防设备运行状态监测方法及系统,提出了采用xgboost算法作为强学习器,集成初分类的预监测结果,综合确定变电站运行状态是否异常,提高分类的准确性;各初级分类器并行计算,加快计算速度,实现实时返回监测结果;基于初分类模型的输出,减少了集成监测模型的输入数据量,从而降低总分类模型的计算时间,进一步提高分类速度。

31、2、本专利技术中设计了全连接神经网络的第三特征初分类器,并行计算每个网络节点的异常概率,并行计算使模型的计算时间减小,保证模型的实时监测分类。

32、3、本专利技术中设计了一种基于空间注意力机制的神经网络模型,通过构建空间注意力神经网络,将特征选择聚焦于特征图上的有效信息的位置,由于监控图像一般拍摄范围较大的一片区域,对整个区域的特征提取不能很好地聚焦于设备外观、设备警示灯等小范围的图像特征,因此,通过提高对特定区域的关注能力显著的提高对变电站设备运行状态的监测性能。

33、本专利技术附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。

本文档来自技高网
...

【技术保护点】

1.一种变电站安防设备运行状态监测方法,其特征在于,包括:

2.如权利要求1所述的一种变电站安防设备运行状态监测方法,其特征在于,所述初级分类器包括:

3.如权利要求2所述的一种变电站安防设备运行状态监测方法,其特征在于,所述基于空间注意力机制的残差神经网络模型,具体为:

4.如权利要求3所述的一种变电站安防设备运行状态监测方法,其特征在于,空间注意模块的结构为:模块的输入-标准化层-空间集中层-标准化层-卷积层-输出,其中,输入跳跃连接空间集中层的输出,执行加权求和操作,加权求和操作的输出跳跃连接卷积层的输出,再次执行加权求和操作。

5.如权利要求2所述的一种变电站安防设备运行状态监测方法,其特征在于,所述全连接神经网络,具体为:

6.如权利要求5所述的一种变电站安防设备运行状态监测方法,其特征在于,每个网络节点经过全连接神经网络后,输出结果进行集成:

7.如权利要求1所述的一种变电站安防设备运行状态监测方法,其特征在于,所述构建多特征的集成监测模型,采用Xgboost模型,输出分类结果,以及输出特征排名、特征名称、特征权重值;

8.一种变电站安防设备运行状态监测系统,其特征在于,包括:

9.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-7任一项所述的变电站安防设备运行状态监测方法。

10.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7任一项所述的变电站安防设备运行状态监测方法。

...

【技术特征摘要】

1.一种变电站安防设备运行状态监测方法,其特征在于,包括:

2.如权利要求1所述的一种变电站安防设备运行状态监测方法,其特征在于,所述初级分类器包括:

3.如权利要求2所述的一种变电站安防设备运行状态监测方法,其特征在于,所述基于空间注意力机制的残差神经网络模型,具体为:

4.如权利要求3所述的一种变电站安防设备运行状态监测方法,其特征在于,空间注意模块的结构为:模块的输入-标准化层-空间集中层-标准化层-卷积层-输出,其中,输入跳跃连接空间集中层的输出,执行加权求和操作,加权求和操作的输出跳跃连接卷积层的输出,再次执行加权求和操作。

5.如权利要求2所述的一种变电站安防设备运行状态监测方法,其特征在于,所述全连接神经网络,具体为:

6.如权利要求5所述的一种变...

【专利技术属性】
技术研发人员:翟华穆帅王玉冉于秋蕊刘志敬董金涛张焕荣刘成孙兴宇岳增亚
申请(专利权)人:国网山东省电力公司嘉祥县供电公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1