电力设备缺陷生成方法、系统、电子设备及计算机可读存储介质与流程

本技术涉及电力系统监控，尤其涉及一种电力设备缺陷生成方法、系统、电子设备及计算机可读存储介质。

背景技术：

1、在电力系统监控运维技术领域，通常采用现场巡视审核、人工分析判断与编辑提取方式识别电力设备缺陷。但是，现有方式缺乏对电力设备缺陷提取过程的智能化控制，导致缺陷信息判断标准不统一、漏判误判率高、识别覆盖范围不全、处置效率低，影响了电力设备安全稳定运行。

技术实现思路

1、提供一种电力设备缺陷生成方法、系统、电子设备及计算机可读存储介质，利用与电力设备对应的缺陷规则引擎实现电力设备缺陷监测的智能化运行，以解决上述技术问题。

2、第一方面，提供一种电力设备缺陷生成方法，所述方法包括：

3、获取所述电力设备的告警数据，建立所述告警数据与电网模型之间的关联关系，对所述告警数据进行预处理，并以所述电力设备为维度对预处理的所述告警数据进行聚合分析；

4、构建与所述电力设备对应的缺陷规则引擎，用于表征所述电力设备缺陷与所述告警数据之间的关联关系，所述缺陷规则引擎内包括缺陷类型定义、缺陷规则驱动方法和缺陷规则库；

5、利用所述缺陷规则引擎对预处理后的所述告警数据进行智能推理，以自动识别所述电力设备对应的缺陷信息。

6、在一些实施例中，所述构建与所述电力设备对应的缺陷规则引擎，包括：

7、按照所述电力设备的运行特点和分类标准整理常见电力设备缺陷，明确每类所述电力设备缺陷的名称、所述电力设备缺陷对应的异常特征以及各所述设备缺陷的组合关系，以完成缺陷类型定义并得到全量缺陷数据，所述电力设备包括直流电力设备与交流电力设备；

8、根据所述缺陷类型定义，通过大模型语义理解和推理能力，将所述电力设备缺陷的经验和历史缺陷案例作为第一特征进行特征提取，根据提取的第一特征生成规则定义描述。

9、在一些实施例中，所述利用所述缺陷规则引擎对预处理后的所述告警数据进行智能推理，还包括：

10、加载所述缺陷规则库并读取所述电网模型的信息，以完成所述智能推理的预处理，所述缺陷规则库用于表征所述规则定义描述、所述缺陷类型以及所述告警数据之间的逻辑关系；

11、根据读取的所述电网模型信息，实时接收与所述电网模型相对应的所述告警数据；

12、利用所述缺陷规则库中的所述规则定义描述对所述告警数据与所述缺陷类型进行在线规则匹配，得到与所述告警数据相关联的缺陷类型，并利用历史告警数据对所述缺陷类型进行关联验证后，自动输出所述智能推理分析结果。

13、在一些实施例中，所述缺陷规则驱动方法包括：

14、利用所述规则定义描述新建缺陷规则逻辑关系，所述缺陷规则用于表征所述告警数据与所述缺陷类型之间的关联关系；

15、通过所述缺陷规则逻辑关系驱动所述缺陷规则的修正，并完成所述缺陷规则库的迭代升级。

16、在一些实施例中，所述自动识别所述电力设备对应的缺陷信息，包括：

17、将所述缺陷信息与所述全量缺陷数据进行比对，若无重复缺陷则对所述缺陷信息进行标准化处理并生成标准化缺陷记录，将所述标准化缺陷记录作为所述智能推理的自动输出结果。

18、在一些实施例中，所述智能推理还包括周期性告警扫描：

19、定期扫描历史告警数据，分析同一条所述历史告警数据在指定时间段内的动作频次，若所述动作频次达到预设阈值，则补充实时识别遗漏的缺陷信息。

20、在一些实施例中，所述以所述电力设备为维度对预处理的所述告警数据进行聚合分析，还包括：

21、对同一电力设备在规定时间段内的多条同类型告警数据进行聚合，得到聚合告警数据；

22、分析不同类型的所述聚合告警数据的发生时间和各所述聚合告警数据之间的关联逻辑，根据所述发生时间和所述关联逻辑识别所述电力设备的异常状态。

23、在一些实施例中，所述获取所述电力设备的告警数据之前，包括：

24、结合电网运行拓扑清洗非运行状态的电力设备，获取运行状态的电力设备；

25、所述对所述告警数据进行预处理，包括：

26、对所述告警数据进行结构化处理，得到结构化数据，建立所述结构化数据与所述电网模型之间的关联关系。

27、在一些实施例中，所述利用所述缺陷规则引擎对预处理后的所述告警数据进行智能推理，包括：

28、利用大模型特征分词技术提取所述电网模型和所述告警数据中的第二特征；

29、预设特征因子，所述特征因子利用所述大模型特征分词技术从所述电网模型中得到，每个所述特征因子对应所述缺陷规则库中的一个变量；

30、在所述第二特征满足预设的告警触发条件，且满足历史告警频次和告警持续时间的情况下，将所述第二特征与所述特征因子自动匹配，以获取与所述第二特征对应的所述特征因子；

31、将所述特征因子带入所述缺陷规则库中，以判断所述电力设备是否处于异常状态。

32、在一些实施例中，所述自动识别所述电力设备对应的缺陷信息之后，包括：

33、对所述缺陷信息进行多维度综合校验，所述多维度综合校验包括：巡视结果复核分析、告警变化趋势分析、量测变化趋势分析、历史检修记录分析以及历史缺陷记录分析，用于校验所述缺陷信息的识别准确性。

34、在一些实施例中，所述自动识别所述电力设备对应的缺陷信息之后，还包括：

35、利用差异化监测方法自动监测缺陷电力设备的运行信息，所述差异化监测方法包括：对所述缺陷电力设备建立特巡任务，并生成专用监视画面并主动推送至监控运维人员。

36、第二方面，本技术还提供了一种电力设备缺陷生成系统，所述系统包括：

37、数据采集模块，用于获取所述电力设备的告警数据，建立所述告警数据与电网模型之间的关联关系，对所述告警数据进行预处理，并以所述电力设备为维度对预处理的所述告警数据进行聚合分析；

38、数据关联模块，用于构建与所述电力设备对应的缺陷规则引擎，用于表征所述电力设备缺陷与所述告警数据之间的关联关系，所述缺陷规则引擎内包括缺陷类型定义、缺陷规则驱动方法和缺陷规则库；

39、数据输出模块，用于利用所述缺陷规则引擎对预处理后的所述告警数据进行智能推理，以自动识别所述电力设备对应的缺陷信息。

40、第三方面，本技术还提供了一种电子设备，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的电力设备缺陷生成方法。

41、第四方面，本技术还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的电力设备缺陷生成方法。

42、本技术通过以电力监控系统的实时告警数据和电网模型基础数据为核心监管数据，结合与电力设备对应的缺陷规则引擎，对告警数据进行设备聚合分析和智能推理，自动完成电力设备缺陷的智能化识别与生成，贯穿了从告警数据获取到缺陷信息生成的智能化处理链路，减少对人工经验的依赖，提高了电力设备监控运维效率。