一种直流工程智慧检修系统的制作方法

摘要: 本发明涉及直流工程检修,尤其涉及一种直流工程智慧检修系统。背景技术:1、传统的直流工程检修主要依赖人工巡检与经验判断,检修人员需定期前往现场,凭借自主意见或使用...
一种直流工程智慧检修系统的制作方法

本发明涉及直流工程检修,尤其涉及一种直流工程智慧检修系统。

背景技术:

1、传统的直流工程检修主要依赖人工巡检与经验判断,检修人员需定期前往现场,凭借自主意见或使用简单工具判断直流设备与输电线路有无异常,检修效率极为低下,面对庞大复杂的直流工程,涵盖众多设备与线路,检修人员需耗费大量时间和精力进行逐一排查,而且无法实现对直流设备与输电线路故障的提前预测,不能及时提醒检修人员提前检修,以及若在巡检间隔期间出现故障,很难及时察觉并处理。

2、同时,人工判断的准确性受主观因素影响较大,不同检修人员的技术水平、工作经验以及当时的精神状态等,都会导致判断结果存在差异。

技术实现思路

1、鉴于此,本发明的目的在于提供一种直流工程智慧检修系统,以解决或至少部分解决现有技术中所存在的上述问题。

2、为实现上述目的,本发明提供一种直流工程智慧检修系统,所述系统包括:

3、数据采集模块:用于采集各直流设备与直流输电线路数据,所述直流设备数据包括直流电压、直流电流、功率、负载率、运行温度,所述直流输电线路数据包括线路直流电压、线路直流电流、线路温度;

4、智慧学习模块:用于获取各直流设备与直流输电线路的故障类型与故障检修知识,对获取的故障类型与故障检修知识进行理解与分析并整合生成故障检修数据集;

5、故障诊断模块:用于分析各直流设备与直流输电线路数据中的异常特征数据,并基于异常特征数据诊断各直流设备与直流输电线路的故障类型;

6、故障预测模块:用于获取各直流设备与直流输电线路的历史故障数据与实时运行数据,并根据获取的数据构建故障预测模型,通过故障预测模型对各直流设备与直流输电线路进行故障预测;

7、故障检修模块:用于根据故障诊断与故障预测结果,结合智慧学习模块,为检修人员提供故障检修策略;

8、数据存储模块:用于存储各直流设备与直流输电线路的实时运行数据、历史故障数据与检修记录。

9、进一步的,所述数据采集模块在各直流设备与直流输电线路的固定部位设置多种类型的传感器,所述传感器用于采集各直流设备与直流输电线路的各种运行参数,并通过有线或无线通信方式将运行参数传输至其它模块。

10、进一步的,所述智慧学习模块,具体包括以下步骤:

11、s11、采集现有的各直流设备与直流输电线路的故障类型与故障检修知识,所述故障类型与故障检修知识包括多种格式的文档;

12、s12、将多种格式的文档同一转换为同一格式,并对其进行预处理操作,将经过预处理操作的文档按语义边界或固定长度拆分长文档,同时保留每个片段信息;

13、s13、将经过拆分的长文档与未拆分的文档输入到大语言模型中,利用大语言模型从其中提取结构化数据;

14、s14、在大语言模型中引入嵌入式模型,所述嵌入式模型将结构化数据与非结构化数据转换为高维向量,所述嵌入式模型通过高维向量学习故障类型与故障检修知识之间的关联性,将相似的数据映射到相近的嵌入空间中,让大语言模型根据嵌入空间进行有效理解与分析。

15、进一步的,所述故障诊断模块,具体包括以下步骤:

16、s21、基于各直流设备与直流输电线路数据,分别预设其相应的数据异常阈值;

17、s22、分别获取历史到当前时刻各直流设备与直流输电线路的动态数据,根据预设的数据异常阈值分析动态数据中各直流设备与直流输电线路的异常特征数据;

18、s23、对异常特征数据进行预处理操作,并构建卷积神经网络模型;

19、s24、根据经过预处理操作的异常特征数据对全局优化算法的参数进行初始化,并根据经过初始化的参数对全局优化算法的适应度函数值及最优可行解进行更新;

20、s25、判断步骤s24中经过更新的全局优化算法的适应度函数值及最优可行解是否满足迭代的停止条件,若不满足,重复执行步骤s24,若满足将全局优化算法得到的最优参数组合赋值给步骤s23构建的卷积神经网络模型;

21、s26、利用经过预处理操作的异常特征数据结合故障检修数据集对步骤s25中经过赋值后的卷积神经网络模型进行训练,生成故障诊断模型,利用故障诊断模型对各直流设备与直流输电线路的故障类型进行诊断。

22、进一步的,所述故障预测模块,具体包括以下步骤:

23、s31、获取各直流设备与直流输电线路的历史故障动态数据,并对其进行预处理操作,得到降维后的历史故障动态数据;

24、s32、设定一定长度的滑动窗口在降维后的历史故障动态数据上以一定的单位时间间隔滑动,按照时间点将历史故障动态数据划分为训练集与测试集;

25、s33、构建故障预测模型,对训练集进行正则化处理,利用经过正则化处理的训练集对故障预测模型进行训练;

26、s34、在故障预测模型中引入双向长短期记忆网络,所述长短期记忆网络用于捕获历史故障动态数据中不同时间点的关联信息,并随机将训练集中的一些训练数据的输出设置为0,防止故障预测模型过拟合;

27、s35、将经过步骤s34中的双向长短期记忆网络处理过的训练集中的训练数据转换为一维数据,并在转换过程中保留训练数据的特征,将转换完成的训练数据向全连接层进行转换;

28、s36、利用全连接层将训练数据的特征进行特征整合,并将训练数据的局部特征通过加权组合形成全局表示;

29、s37、将经过全连接层处理的训练数据输入到lstm层中,通过lstm层在故障预测模型的训练过程中设置参数优化器,通过参数优化器优化故障预测模型的损失函数,完成故障预测模型的训练;

30、s38、将测试集输入经过训练的故障预测模型中,验证模型的故障检测性能,并将实时运行数据输入到模型中,对各直流设备与直流输电线路进行故障预测。

31、进一步的,所述故障检修模块,包括:

32、所述直流输电线路采用双极回路接线方式进行直流输电,若直流输电线路某一极出现故障或存在故障风险,以直流输电线路的故障检修与运行损耗的最优花销为目标,将直流输电线路转换为单极接地回路运行方式进行直流输电,同时结合故障检修数据集,对出现故障或存在故障风险的一极进行检修;

33、若直流设备出现故障或存在故障风险,获取直流设备的故障类型,并将故障类型与故障检修数据集进行关联度匹配,筛选出经过理解与分析的关联度最高的检修知识,根据检修知识为检修人员生成故障检修策略。

34、进一步的,所述数据存储模块采用分层存储架构,所述分层存储架构由实时数据库层与历史数据库层组成,所述实时数据库层用于存储实时运行参数,所述历史数据库层用于存储历史故障数据与检修记录。

35、与现有技术相比,本发明的有益效果是:

36、本发明提出一种直流工程智慧检修系统,通过数据采集模块采集各直流设备与直流输电线路数据,确保数据的真实性和准确性,通过智慧学习模块实现对直流检修工程知识的深入理解和分析,通过故障诊断模块实现对各直流设备与直流输电线路的故障诊断,通过故障预测模块实现对各直流设备与直流输电线路故障的提前预测,通过故障检修模块根据故障类型为检修人员提供检修策略,通过数据存储模块实现对直流设备与直流输电线路各类数据的存储,本发明能够快速发现直流工程的故障隐患,避免突发故障和严重损坏,以及为检修人员提供检修策略,减少设备维修和更换成本。