面向变电运维的变电站告警信号智能关联过滤方法及系统与流程
本技术涉及电力数据处理,尤其涉及一种面向变电运维的变电站告警信号智能关联过滤方法及系统。
背景技术:
1、在当前的变电站运维管理中,监控系统会实时采集并展示大量告警信号。现有技术通常采用基于固定阈值或简单逻辑规则的处理方式,例如,将告警按时间顺序罗列在告警窗口,或根据预设的单一设备动作逻辑进行简单过滤。运维人员需要人工从海量、无序的告警流中甄别关键信息,并结合自身的经验和纸质或电子版的电气主接线图、设备台账,手动分析设备间的拓扑连接关系,从而推断可能的故障原因和影响范围。
2、然而,现有技术在处理变电运维中的复杂告警信息时,变电站内设备众多,正常操作、设备自检、电磁干扰等会产生大量重复、误发、调试类的无效告警信号,这些信号与真实故障信号混杂,导致运维人员难以快速抓住核心故障,极易延误处置时机;面对成百上千条告警,运维人员需要手动绘制故障传播链,逐个核对设备拓扑关系,不仅费时费力,而且对运维人员的专业知识和经验要求极高,容易出错。
技术实现思路
1、本技术实施例提供一种面向变电运维的变电站告警信号智能关联过滤方法及系统,用于提高变电站告警信息确定的准确率以及效率。
2、本发明实施例提供一种面向变电运维的变电站告警信号智能关联过滤方法,所述方法包括:
3、获取变电站内各个电力设备的属性数据以及运行数据;所述电力设备包括第一电力设备和第二电力设备;所述第一电力设备为主体电力设备,第二电力设备为与第一电力设备有关联关系的电力设备;
4、根据所述电力设备的属性数据,将所述电力设备的运行数据与动态告警规则库中对应的规则进行匹配确定异常运行电力设备;
5、基于电力设备关联图谱确定与所述异常运行电力设备的关联电力设备;所述电力设备关联图谱中的节点为电力设备,连接边为电力设备之间的关联关系;
6、将所述异常运行电力设备和所述关联电力设备与所述电力设备关联图谱进行匹配确定异常电力设备链路;
7、根据所述异常电力设备链路中所有电力设备的属性数据以及运行数据确定异常原因。
8、在本发明提供的一个可选实施例中,所述根据所述电力设备的属性数据,将所述电力设备的运行数据与动态告警规则库中对应的规则进行匹配确定异常运行电力设备,包括;
9、根据所述属性数据中的类型信息从所述动态告警规则库中获取各个电力设备分别对应的设备规则;
10、通过所述电力设备的属性数据确定的调整系数以及所述设备规则对应的基础阈值确定各个电力设备的动态阈值;
11、通过比对所述电力设备的运行数据以及对应电力设备的动态阈值确定所述异常运行电力设备。
12、在本发明提供的一个可选实施例中,所述通过比对所述电力设备的运行数据以及对应电力设备的动态阈值确定所述异常运行电力设备,包括:
13、针对每个电力设备的每条设备规则,计算所述运行数据与所述动态阈值的设备规则的偏离程度;
14、对所有所述设备规则的偏离程度及置信度权重进行加权计算得到每个所述电力设备的匹配分值;
15、将所述匹配分值大于预置分值的电力设备确定为所述异常运行电力设备。
16、在本发明提供的一个可选实施例中,所述基于电力设备关联图谱确定与所述异常运行电力设备的关联电力设备,包括;
17、根据所述异常运行电力设备的异常类型查询预定义映射表,确定所述异常运行电力设备的有效关系类型;所述预定义映射表中存有不同异常类型分别对应的故障传播的有效关系类型;
18、根据所述有效关系类型、所述异常运行电力设备在电力设备关联图谱中的位置,从所述电力设备关联图谱中确定与所述异常运行电力设备的关联电力设备。
19、在本发明提供的一个可选实施例中,所述将所述异常运行电力设备和所述关联电力设备与所述电力设备关联图谱进行匹配确定异常电力设备链路,包括:
20、根据所述电力设备关联图谱确定所述异常运行电力设备和所述关联电力设备确定带权重的有向子图;
21、根据所述带权重的有向子图确定连通子图,并计算每个连通子图的边权重值;
22、根据所述连通子图的边权重值确定异常电力设备链路。
23、在本发明提供的一个可选实施例中,所述根据所述带权重的有向子图确定连通子图,并计算每个连通子图的边权重值,包括:
24、根据所述带权重的有向子图的节点之间的顺序关系确定连通子图;
25、对所述连通子图中的相邻节点进行权重乘积计算得到连通子图的边权重值。
26、在本发明提供的一个可选实施例中,所述根据所述异常电力设备链路中所有电力设备的属性数据以及运行数据确定异常原因,包括:
27、根据所述异常电力设备链路中所有电力设备的属性数据以及运行数据确定数据特征向量矩阵;所述数据特征向量矩阵中每行对应异常电力设备链路中的一个电力设备的属性数据以及运行数据;
28、将所述数据特征向量矩阵输入到故障检测模型,得到所述异常电力设备链路对应的异常原因。
29、在本发明提供的一个可选实施例中,所述根据所述异常电力设备链路中所有电力设备的属性数据以及运行数据确定异常原因,包括:
30、针对所述异常电力设备链路中的每个电力设备计算偏离分值;
31、计算所述异常电力设备链路中每两个相邻电力设备的偏离分值的差值绝对值;
32、根据所述偏离分值的差值绝对值确定所述异常电力设备链路的异常原因。
33、在本发明提供的一个可选实施例中,所述针对所述异常电力设备链路中的每个电力设备计算偏离分值,包括:
34、针对所述异常电力设备链路中的每个电力设备,根据其运行数据相对于正常范围的偏离程度计算原始偏离得分;
35、根据所述异常电力设备链路中的每个电力设备的属性数据对所述原始偏离得分进行修正得到所述偏离分值。
36、本发明实施例提供一种面向变电运维的变电站告警信号智能关联过滤系统,所述系统包括:
37、获取模块,用于获取变电站内各个电力设备的属性数据以及运行数据;所述电力设备包括第一电力设备和第二电力设备;所述第一电力设备为主体电力设备,第二电力设备为与第一电力设备有关联关系的电力设备;
38、确定模块,用于根据所述电力设备的属性数据,将所述电力设备的运行数据与动态告警规则库中对应的规则进行匹配确定异常运行电力设备;
39、所述确定模块,还用于基于电力设备关联图谱确定与所述异常运行电力设备的关联电力设备;所述电力设备关联图谱中的节点为电力设备,连接边为电力设备之间的关联关系;
40、所述确定模块,还用于将所述异常运行电力设备和所述关联电力设备与所述电力设备关联图谱进行匹配确定异常电力设备链路;
41、所述确定模块,还用于根据所述异常电力设备链路中所有电力设备的属性数据以及运行数据确定异常原因。
42、本发明提供一种面向变电运维的变电站告警信号智能关联过滤方法及系统,首先获取变电站内各个电力设备的属性数据以及运行数据;该电力设备包括第一电力设备和第二电力设备;第一电力设备为主体电力设备,第二电力设备为与第一电力设备有关联关系的电力设备;然后根据电力设备的属性数据,将电力设备的运行数据与动态告警规则库中对应的规则进行匹配确定异常运行电力设备;基于电力设备关联图谱确定与异常运行电力设备的关联电力设备;电力设备关联图谱中的节点为电力设备,连接边为电力设备之间的关联关系;将异常运行电力设备和关联电力设备与电力设备关联图谱进行匹配确定异常电力设备链路;最后根据异常电力设备链路中所有电力设备的属性数据以及运行数据确定异常原因。本技术依据动态告警规则库自适应识别异常运行电力设备,克服了固定阈值的局限;接着利用以设备为节点、关联关系为边的电力设备关联图谱,快速定位与异常设备相关的所有关联设备,避免了人工疏漏;再将该异常设备与关联设备集合与图谱进行匹配,提炼出具有方向性的异常电力设备链路,使离散告警转化为可追溯的因果路径;最终综合链路中所有设备的属性与运行数据确定异常根本原因,区分根因与伴生现象。从而通过本技术提高了变电站告警信息确定的准确率以及效率、以及根因定位的可解释性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com