监测节点的故障源预测方法与流程

1.本技术涉及电力监测技术领域，特别是涉及一种监测节点的故障源预测方法、装置、电子设备和存储介质。


背景技术：

2.随着电力监测领域的发展，出现了对水电站设备的在线监测技术，如，通过在线监测技术监测水轮机的温度、油位等，从而可以通过采集的温度、油位等，判断水轮机的相关部位是否出现异常。
3.然而异常情况是可能由多种原因造成的，如温度异常可能是由于甩油、漏油、滤水器堵塞等造成的，现有技术中，一般只能判断有异常情况发生，并不能判断为何种故障的原因导致，存在无法及时知晓故障原因而发生事故的问题。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够精确定位故障源的监测节点的故障源预测方法、装置、电子设备和存储介质。
5.一种监测节点的故障源预测方法，所述方法包括：
6.获取水电站中监测节点的实时状态数据；
7.基于监测节点的状态数据与事件发生概率之间的映射关系，将所述实时状态数据转换为对应的实时事件发生概率，所述实时事件发生概率用于标识该监测节点发生故障的概率；
8.基于所述实时事件发生概率，以及所述监测节点发生故障时、所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率，确定目标故障源。
9.在其中一个实施例中，所述监测节点的状态数据与事件发生概率之间的映射关系的确定方式，包括：
10.获取所述监测节点的状态数据的阈值范围；
11.基于所述监测节点的状态数据的阈值范围，将所述监测节点的事件发生概率设置为0、将所述监测节点的事件发生概率设置为1或根据阈值最小值、阈值最大值，确定所述监测节点的事件发生概率。
12.在其中一个实施例中，所述监测节点发生故障时、所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率的确定方式，包括：
13.根据所述监测节点关联的故障源的历史发生概率，所述监测节点的预设第一概率表和预设第二概率表，分别计算所述监测节点发生故障时、所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率；
14.所述预设第一概率表用于表示所述监测节点关联的故障源与所述监测节点关联的监测现象之间的概率对应关系，所述预设第二概率表用于表示所述监测节点的预设监测结果与所述监测节点关联的监测现象之间的概率对应关系。
15.在其中一个实施例中，所述监测节点关联的故障源的历史发生概率的确定方式，包括：
16.获取水电站监测节点的历史状态数据，所述历史状态数据为预设时间段内，监测节点的状态数据；
17.基于所述历史状态数据，分析确定所述历史状态数据中，监测节点关联的故障源的发生次数；
18.基于所述历史节点状态数据的总数，以及所述监测节点关联的故障源的发生次数，确定所述监测节点关联的故障源的历史发生概率。
19.在其中一个实施例中，所述预设第一概率表的确定方式，包括：
20.获取水电站监测节点的历史状态数据；
21.基于所述历史状态数据，分析确定所述监测节点关联的故障源发生时，所述监测节点关联的监测现象发生的第一监测现象次数、所述监测节点关联的监测现象不发生的第二监测现象次数，以及分析确定所述监测节点的关联的故障源不发生时，所述监测节点关联的监测现象发生的第三监测现象次数、所述监测节点关联的监测现象不发生的第四监测现象次数；
22.基于所述历史状态数据的总数，以及所述第一监测现象次数、所述第二监测现象次数、所述第三监测现象次数、以及所述第四监测现象次数，确定所述预设第一概率表。
23.在其中一个实施例中，所述预设第二概率表的确定方式，包括：
24.获取水电站监测节点的历史状态数据；
25.基于所述历史状态数据，分析确定所述监测节点关联的监测现象发生时，所述监测节点发生预设故障的第一预设故障次数、所述监测节点不发生预设故障的第二预设故障次数，以及分析确定所述监测节点关联的监测现象不发生时，所述监测节点发生预设故障的第三预设故障次数、所述监测节点不发生预设故障的第四预设故障次数；
26.基于所述历史状态数据的总数，以及所述第一预设故障次数、所述第二预设故障次数、所述第三预设故障次数、以及所述第四预设故障次数，确定所述预设第二概率表。
27.在其中一个实施例中，所述根据所述监测节点关联的故障源的历史发生概率，所述监测节点的预设第一概率表和预设第二概率表，分别计算所述监测节点发生故障时、所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率，包括：
28.获取所述预设第一概率表的第一数据，所述第一数据包括：所述监测节点关联的故障源发生时，所述监测节点关联的监测现象发生的概率、所述监测节点关联的监测现象不发生的概率；
29.获取所述预设第二概率表的第二数据，所述第二数据包括：所述监测节点关联的监测现象发生时，所述监测节点发生预设故障的第一概率、所述监测节点不发生预设故障的第二概率，以及所述监测节点关联的监测现象不发生时，所述监测节点发生预设故障的第三概率、所述监测节点不发生预设故障的第四概率，所述预设监测结果包括监测节点发生预设故障和所述监测节点不发生预设故障；
30.根据所述监测节点关联的故障源的历史发生概率、所述第一数据、所述第二数据，分别计算所述监测节点发生故障时、所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率。
31.在其中一个实施例中，所述根据所述监测节点关联的故障源的历史发生概率、第一数据、第二数据，分别计算所述监测节点发生故障时、所述监测节点不发生故障时所述监测节点关联的故障源的实时发生概率，包括：
32.根据所述监测节点关联的故障源发生时，所述监测节点关联的监测现象发生的概率、所述监测节点关联的监测现象不发生的概率，所述监测节点关联的监测现象发生时，所述监测节点发生预设故障的第一概率，所述监测节点关联的监测现象不发生时，所述监测节点发生预设故障的第三概率，所述监测节点关联的故障源的历史发生概率，计算所述监测节点发生故障时，所述监测节点关联的故障源的实时发生概率；
33.根据所述监测节点关联的故障源不发生时，所述监测节点关联的监测现象的发生概率、所述监测节点关联的监测现象不发生的概率；所述监测节点关联的监测现象发生时，所述监测节点不发生预设故障的第二概率；所述监测节点关联的监测现象不发生时，所述监测节点不发生预设故障的第四概率；所述监测节点关联的故障源的历史发生概率，计算所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率。
34.在其中一个实施例中，所述基于所述实时事件发生概率，以及所述监测节点发生故障时、所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率，确定目标故障源，包括：
35.将所述监测节点发生故障时，所述监测节点关联的故障源的实时发生概率作为第一权重，将所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率作为第二权重；
36.将所述实时事件发生概率与所述第一权重相乘，获得故障源第一实际发生概率；
37.将所述实时事件发生概率对应的实时事件不发生概率与所述第二权重相乘，获得故障源第二实际发生概率；
38.基于所述故障源第一实际发生概率以及所述故障源第二实际发生概率，获得故障源的实际发生概率；
39.基于所述故障源的实际发生概率，确定目标故障源。
40.在其中一个实施例中，还包括：
41.当确定目标故障源之后，输出报警信息。
42.一种监测节点的故障源预测装置，所述装置包括：
43.数据获取模块，用于获取水电站中监测节点的实时状态数据；
44.概率转换模块，用于基于监测节点的状态数据与事件发生概率之间的映射关系，将所述实时状态数据转换为对应的实时事件发生概率，所述实时事件发生概率用于标识该监测节点发生故障的概率；
45.故障源概率计算模块，用于基于所述实时事件发生概率，以及所述监测节点发生故障时、所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率，确定目标故障源。
46.一种电子设备，包括存储器和处理器，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上述监测节点的故障源预测方法。
47.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述监测节点的故障源预测方法。
48.上述监测节点的故障源预测方法、装置、电子设备和存储介质，通过获取水电站中监测节点的实时状态数据，并将实时状态数据转换为对应的实时事件发生概率，从而可以基于实时事件发生概率，以及监测节点发生故障时、监测节点不发生故障时，监测节点关联的故障源的实时发生概率，确定目标故障源。通过上述方法可以精确的定位到故障源。
附图说明
49.图1为一个实施例中监测节点的故障源预测方法的应用环境图；
50.图2为一个实施例中监测节点的故障源预测方法的流程示意图；
51.图3为一个实施例中监测节点的故障源预测方法的监测节点关联关系框图；
52.图4为一个实施例中监测节点的故障源预测装置的结构框图；
53.图5为一个实施例中电子设备的内部结构图；
54.图6为一个实施例中电子设备的内部结构图。
具体实施方式
55.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
56.本技术提供的监测节点的故障源预测方法，可以应用于如图1所示的应用环境中。该应用环境涉及到电子设备102和水电站监测系统104，电子设备102通过网络与水电站监测系统104进行通信，其中，水电站监测系统104包括水电站设备和数据采集设备等，水电站设备可以为水轮机，数据采集设备可以包括：温度传感器、油位传感器等，其中，温度传感器可以用于采集水轮机的轴承温度，油位传感器可以用于采集水轮机的油位。其中，电子设备102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，电子设备102也可以为服务器，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
57.具体的，电子设备104获取水电站中监测节点的实时状态数据；基于监测节点的状态数据与事件发生概率之间的映射关系，将所述实时状态数据转换为对应的实时事件发生概率，所述实时事件发生概率用于标识该监测节点发生故障的概率；基于所述实时事件发生概率，以及所述监测节点发生故障时、所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率，确定目标故障源。
58.在一个实施例中，如图2所示，提供了一种监测节点的故障源预测方法，以该方法应用于图1中的电子设备为例进行说明，包括以下步骤：
59.步骤s202，获取水电站中监测节点的实时状态数据。
60.其中，监测节点是指水电站中，针对水电站设备，设置的数据采集节点，例如，针对水轮机的轴承，则可以设置轴承温度监测节点，通过温度传感器则可以实时采集轴承温度监测节点的温度值，又如，还可以设置油质监测节点，通过油质传感器可以实时采集水轮机的油位，实时状态数据是指实时测得的监测节点的数据。
61.步骤s204，基于监测节点的状态数据与事件发生概率之间的映射关系，将所述实时状态数据转换为对应的实时事件发生概率，所述实时事件发生概率用于标识该监测节点
发生故障的概率。
62.在其中一个实施例中，映射关系是指监测节点的状态数据与事件发生概率之间的对应关系，可以通过映射关系，将实时采集得到的状态数据转换为对应的实时事件发生概率，其中，实时事件发生概率用于标识该监测节点发生故障的概率。
63.步骤s206，基于所述实时事件发生概率，以及所述监测节点发生故障时、所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率，确定目标故障源。
64.在其中一个实施例中，当获得实时事件发生概率之后，可以基于实时事件发生概率，以及监测节点发生故障时、监测节点不发生故障时，监测节点关联的故障源的实时发生概率，确定目标故障源。具体的，当监测节点为水轮机的油质监测节点时，油质监测节点关联的故障源可以为甩油和漏油，当采集得到的油位为30时，则可以获得油位30对应的实时事件发生概率，并计算油质监测节点的油质劣化发生时，甩油发生的概率是多少、漏油发生的概率是多少，以及油质监测节点的油质劣化不发生时，甩油发生的概率是多少、漏油发生的概率是多少，最终根据油位30对应的实时事件发生概率，以及油质监测节点的油质劣化发生时，甩油发生的概率、漏油发生的概率，油质监测节点的油质劣化不发生时，甩油发生的概率、漏油发生的概率，确定目标故障源。
65.在其中一个实施例中，目标故障源是指实际造成监测节点发生故障的源头，当监测节点为水轮机的油质监测节点时，可以通过油质监测节点的实时事件发生概率，以及油质监测节点油质劣化发生时，甩油发生的概率、漏油发生的概率，油质监测节点的油质劣化不发生时，甩油发生的概率、漏油发生的概率，从而可以确定目标故障源。
66.上述监测节点的故障源预测方法中，通过获取水电站中监测节点的实时状态数据，并将实时状态数据转换为对应的实时事件发生概率，从而可以基于实时事件发生概率，以及监测节点发生故障时、监测节点不发生故障时，监测节点关联的故障源的实时发生概率，从而确定目标故障源。通过上述方法可以精确的定位到故障源。
67.在其中一个实施例中，所述监测节点的状态数据与事件发生概率之间的映射关系的确定方式，包括：
68.获取所述监测节点的状态数据的阈值范围；
69.基于所述监测节点的状态数据的阈值范围，将所述监测节点的事件发生概率设置为0、将所述监测节点的事件发生概率设置为1或根据阈值最小值、阈值最大值，确定所述监测节点的事件发生概率。
70.在其中一个实施例中，不同的监测节点均有对应的阈值范围，其中，各监测节点均可以监测到该节点的相关数据，例如，各监测节点分别监测到的数据有温度、油位、有功功率、无功功率、电压、电流、闸门动作速度、水流流速、水头等，其中水头是指上游和下游的水位差，水头值越高，开闸后水流速越快，针对不同的数据，在确定实时事件发生概率时存在不同。
71.在其中一个实施例中，阈值是指预先设定的数据临界值，阈值范围可以由最大临界值和最小临界值组成，当监测节点为温度监测节点时，当监测到的温度值小于阈值最小值时，将温度监测节点的事件发生概率设置为0；在温度监测节点的状态数据大于阈值最大值时，将温度监测节点的事件发生概率设置为1；在温度监测节点的温度值大于阈值最小值且小于阈值最大值时，根据阈值最小值、所述阈值最大值，确定温度监测节点的事件发生概
率。
72.在其中一个实施例中，当监测节点为油位监测节点时，当监测到的油位小于阈值最小值时，将油位监测节点的事件发生概率设置为1；在油位监测节点的状态数据大于阈值最大值时，将油位监测节点的事件发生概率设置为0；在油位监测节点的温度值大于阈值最小值且小于阈值最大值时，根据阈值最小值、所述阈值最大值，确定油位监测节点的事件发生概率。
73.在其中一个实施例中，以轴承温度监测节点为例进行说明，其状态数据的阈值最小值可以为55
°
，阈值最大值可以为60
°
，其中，当轴承温度监测节点的状态数据小于55
°
时，将轴承温度监测节点的状态数据的事件发生概率设置为0，当轴承温度监测节点的状态数据大于60
°
时，将轴承温度监测节点的状态数据的事件发生概率设置为1，当轴承温度监测节点的状态数据大于55
°
，小于60
°
时，则可以根据55
°
、60
°
，确定轴承温度监测节点的事件发生概率，其中，具体公式可以为：
[0074][0075]
其中，p代表事件发生概率，x代表监测节点的状态数据，5是由阈值最大值减去阈值最小值得到。
[0076]
在其中一个实施例中，当获取到的水轮机的轴承温度为30
°
时，则可以基于监测节点的状态数据与事件发生概率之间的映射关系，将30
°
转换为对应的实时事件发生概率0，当获取到的水轮机的轴承温度为65
°
时，则可以基于监测节点的状态数据与事件发生概率之间的映射关系，将65
°
转换为对应的实时事件发生概率1，当获取到的水轮机的轴承温度为58
°
时，可以将58
°
转换为对应的实时事件概率0.6。
[0077]
在其中一个实施例中，所述监测节点发生故障时、所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率的确定方式，包括：
[0078]
根据所述监测节点关联的故障源的历史发生概率，所述监测节点的预设第一概率表和预设第二概率表，分别计算所述监测节点发生故障时、所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率；
[0079]
所述预设第一概率表用于表示所述监测节点关联的故障源与所述监测节点关联的监测现象之间的概率对应关系，所述预设第二概率表用于表示所述监测节点的预设监测结果与所述监测节点关联的监测现象之间的概率对应关系。
[0080]
在其中一个实施例中，监测节点关联的故障源的历史发生概率可以根据获取的监测节点的历史状态数据计算得到，其中，监测节点关联的故障源是指使得监测节点发生故障的根本原因，监测节点关联的故障源可以为1个，也可以为多个。例如，当监测节点为油质监测节点时，则油质监测节点关联的故障源可以为甩油和漏油，监测节点关联的监测现象是指由监测节点关联的故障源造成的现象，例如，当监测节点关联的故障源为甩油和漏油时，监测节点关联的监测现象可以为油位下降。其中，监测节点的预设监测结果是指预设的监测节点可能会出现的结果，如针对油质监测节点，则监测节点的预设监测结果可以为油质监测节点油质劣化发生和油质监测节点油质劣化不发生，如针对轴承温度监测节点，则轴承温度监测节点的预设监测结果可以为轴承温度监测节点温度异常发生和轴承温度监测节点温度异常不发生。
[0081]
在其中一个实施例中，预设第一概率表用于表示监测节点关联的故障源与监测节点关联的监测现象之间的概率对应关系，预设第二概率表用于表示监测节点的预设监测结果与监测节点关联的监测现象之间的概率对应关系。
[0082]
在其中一个实施例中，所述监测节点关联的故障源的历史发生概率的确定方式，包括：获取水电站监测节点的历史状态数据，所述历史状态数据为预设时间段内，监测节点的状态数据；基于所述历史状态数据，分析确定所述历史状态数据中，监测节点关联的故障源的发生次数；基于所述历史节点状态数据的总数，以及所述监测节点关联的故障源的发生次数，确定所述监测节点关联的故障源的历史发生概率。
[0083]
在其中一个实施例中，历史状态数据是指获取的预设时间段内，监测节点的状态数据，其中，预设时间段可以为过去的任意一天中，上午十点到下午两点的数据，预设时间段也可以为过去的任意一天的数据，预设时间段可以根据实际情况进行调整。通过获取历史状态数据，则可以确定历史状态数据中，监测节点关联的故障源的发生次数，例如，当监测节点为油质监测节点时，通过获取过去一个小时，油质监测节点的状态监测数据，并分析状态监测数据中，甩油的次数是多少，漏油的次数是多少，基于甩油的次数，以及油质监测节点的状态监测数据的总数，则可以计算得到油质监测节点关联的甩油的历史发生概率，基于漏油的次数，以及油质监测节点的状态监测数据的总数，则可以计算得到油质监测节点关联的漏油的历史发生概率。从而通过上述方法可以确定监测节点关联的故障源的历史发生概率。
[0084]
在其中一个实施例中，所述预设第一概率表的确定方式，包括：
[0085]
获取水电站监测节点的历史状态数据；
[0086]
基于所述历史状态数据，分析确定所述监测节点关联的故障源发生时，所述监测节点关联的监测现象发生的第一监测现象次数、所述监测节点关联的监测现象不发生的第二监测现象次数，以及分析确定所述监测节点的关联的故障源不发生时，所述监测节点关联的监测现象发生的第三监测现象次数、所述监测节点关联的监测现象不发生的第四监测现象次数；
[0087]
基于所述历史状态数据的总数，以及所述第一监测现象次数、所述第二监测现象次数、所述第三监测现象次数、以及所述第四监测现象次数，确定所述预设第一概率表。
[0088]
在其中一个实施例中，当监测节点为油质监测节点时，油质监测节点关联的故障源为甩油和漏油，油质监测节点关联的监测现象为油位下降，则可以有4种情况，分别为：甩油发生/漏油发生、甩油发生/漏油不发生、甩油不发生/漏油发生以及甩油不发生/漏油不发生，在上述四种情况下，均对应有油位下降发生以及油位下降不发生两种情况，可以通过计算各种组合下，监测节点关联的监测现象发生的第一监测现象次数、监测节点关联的监测现象不发生的第二监测现象次数，以及分析确定所述监测节点的关联的故障源不发生时，所述监测节点关联的监测现象发生的第三监测现象次数、所述监测节点关联的监测现象不发生的第四监测现象次数，得到预设第一概率表，如表1所示，为4种情况下，分别对应的油位下降发生的概率、油位不下降的概率。
[0089]
表1
[0090] 油位下降不发生油位下降发生甩油发生/漏油发生0.240.76
甩油发生/漏油不发生0.540.46甩油不发生/漏油发生0.680.32甩油不发生/漏油不发生0.090.91
[0091]
在其中一个实施例中，所述预设第二概率表的确定方式，包括：
[0092]
获取水电站监测节点的历史状态数据；
[0093]
基于所述历史状态数据，分析确定所述监测节点关联的监测现象发生时，所述监测节点发生预设故障的第一预设故障次数、所述监测节点不发生预设故障的第二预设故障次数，以及分析确定所述监测节点关联的监测现象不发生时，所述监测节点发生预设故障的第三预设故障次数、所述监测节点不发生预设故障的第四预设故障次数；
[0094]
基于所述历史状态数据的总数，以及所述第一预设故障次数、所述第二监测预设故障次数、所述第三预设故障次数、以及所述第四预设故障次数，确定所述预设第二概率表。
[0095]
在其中一个实施例中，当监测节点为油质监测节点时，油质监测节点关联的监测现象为油位下降，油质监测节点的预设监测结果包括油质监测节点发生油质劣化和油质监测节点不发生油质劣化，在油位下降发生时，对应有油质监测节点油质劣化发生和油质监测节点油质劣化不发生两种情况，在油位下降不发生时，也对应有油质监测节点油质劣化发生和油质监测节点油质劣化不发生两种情况，可以分析确定油质劣化发生的第一预设故障次数、油质劣化不发生的第二预设故障次数，以及分析确定油位下降不发生时，油质劣化发生的第三预设故障次数、油质劣化不发生的第四预设故障次数。如表2所示，为上述2种情况下，分别对应的油质监测节点发生油质劣化的概率和油质监测节点不发生油质劣化的概率：
[0096]
表2
[0097] 油质劣化发生油质劣化不发生油位下降发生0.950.15油位下降不发生0.250.75
[0098]
在其中一个实施例中，所述根据所述监测节点关联的故障源的历史发生概率，所述监测节点的预设第一概率表和预设第二概率表，分别计算所述监测节点发生故障时、所述监测节点不发生故障时所述监测节点关联的故障源的发生概率，获得对应的计算结果，包括：
[0099]
获取所述预设第一概率表的第一数据，所述第一数据包括：所述监测节点关联的故障源发生时，所述监测节点关联的监测现象发生的概率、所述监测节点关联的监测现象不发生的概率；
[0100]
获取所述预设第二概率表的第二数据，所述第二数据包括：所述监测节点关联的监测现象发生时，所述监测节点发生预设故障的第一概率、所述监测节点不发生预设故障的第二概率，以及所述监测节点关联的监测现象不发生时，所述监测节点发生预设故障的第三概率、所述监测节点不发生预设故障的第四概率，所述预设监测结果包括监测节点发生预设故障和所述监测节点不发生预设故障；
[0101]
根据所述监测节点关联的故障源的历史发生概率、第一数据、第二数据，分别计算所述监测节点发生故障时、所述监测节点不发生故障时所述监测节点关联的故障源的发生
概率，获得对应的计算结果。
[0102]
在其中一个实施例中，以监测节点为油质监测节点为例进行说明。油质监测节点关联的故障源为甩油、漏油，油质节点关联的监测现象为油位发生下降/油位不下降，第一数据可以包括：当甩油、漏油发生时，油位下降发生的概率、油位不下降的概率，第二数据可以包括：油位下降发生时，油质监测节点发生油质劣化和油质监测节点不发生油质劣化的概率，油位不下降时，油质监测节点发生油质率劣化和油质监测节点不发生油质劣化的概率，根据甩油和漏油的历史发生概率、第一数据、第二数据，分别计算监测节点发生故障时、监测节点不发生故障时监测节点关联的故障源的发生概率，获得对应的计算结果。从而通过上述方法可以计算监测节点发生故障时、监测节点不发生故障时监测节点关联的故障源的发生概率，获得对应的计算结果。
[0103]
在其中一个实施例中，所述根据所述监测节点关联的故障源的历史发生概率、第一数据、第二数据，分别计算所述监测节点发生故障时、所述监测节点不发生故障时所述监测节点关联的故障源的发生概率，获得对应的计算结果，包括：
[0104]
根据所述监测节点关联的故障源发生时，所述监测节点关联的监测现象发生的概率、所述监测节点关联的监测现象不发生的概率，所述监测节点关联的监测现象发生时，所述监测节点发生预设故障的第一概率，所述监测节点关联的监测现象不发生时，所述监测节点发生预设故障的第三概率，所述监测节点关联的故障源的历史发生概率，计算所述监测节点发生故障时，所述监测节点关联的故障源的发生概率；
[0105]
根据所述监测节点关联的故障源发生时，所述监测节点关联的监测现象的发生概率、所述监测节点关联的监测现象不发生的概率；所述监测节点关联的监测现象发生时，所述监测节点不发生预设故障的第二概率；所述监测节点关联的监测现象不发生时，所述监测节点不发生预设故障的第四概率；所述监测节点关联的故障源的历史发生概率，计算所述监测节点不发生故障时，所述监测节点关联的故障源的发生概率。
[0106]
在其中一个实施例中，参考图3所示，为监测节点的关联关系框图，其中，当监测节点为油质监测节点时，油质监测节点关联的故障源为甩油和漏油，油质监测节点关联的监测现象为油位下降，当监测节点为轴承温度监测节点时，轴承温度监测节点关联的故障源为甩油、漏油以及滤水器堵塞，轴承温度监测节点关联的监测现象为油位下降、冷却水压不足。在其中一个实施例中，以故障源为甩油为例进行说明，获取甩油发生时，油位下降发生的概率、油位下降不发生的概率，获取油位下降发生时，油质劣化发生的概率，获取油位下降不发生时，油质劣化发生的概率，以及甩油的历史发生概率、实时事件发生概率，计算油质监测节点发生故障时，甩油的实时发生概率。同样的，获取甩油发生时，油位下降发生的概率、油位下降不发生的概率，获取油位下降发生时，油质劣化不发生的概率，油位下降不发生时，油质劣化不发生的概率，以及甩油的历史发生概率、实时事件发生概率对应的实时事件不发生概率，计算油质监测节点发生故障时，甩油的实时发生概率。从而通过上述方法计算得到在监测节点发生故障时，监测节点关联的故障源的发生概率，以及在监测节点不发生故障时，监测节点关联的故障源的发生概率。
[0107]
在其中一个实施例中，所述基于所述实时事件发生概率，以及所述监测节点发生故障时、所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率，确定目标故障源，包括：
[0108]
将所述监测节点发生故障时，所述监测节点关联的故障源的实时发生概率作为第一权重，将所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率作为第二权重；将所述实时事件发生概率与所述第一权重相乘，获得故障源第一实际发生概率；将所述实时事件发生概率对应的实时事件不发生概率与所述第二权重相乘，获得故障源第二实际发生概率；基于所述故障源第一实际发生概率以及所述故障源第二实际发生概率，获得故障源的实际发生概率；基于所述故障源的实际发生概率，确定目标故障源。
[0109]
其中，通过将监测节点的实时事件发生概率与第一权重相乘，得到故障源第一实际发生概率，将监测节点的实时事件发生概率对应的实时事件不发生概率与第二权重相乘，得到第二实际发生概率，再将第一实际发生概率和第二实际发生概率相加，则可以确定故障源的实际发生概率，从而确定目标故障源。例如，实时事件发生概率为0.3，则实时事件不发生概率可以为0.7。
[0110]
在其中一个实施例中，还包括：当确定目标故障源之后，输出报警信息。
[0111]
在其中一个实施例中，当根据监测节点关联的故障源的发生概率，确定目标故障源之后，可以输出报警信息各给相关工作人员，相关工作人员可以根据报警信息展开相应的维修工作。
[0112]
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0113]
在一个实施例中，如图4所示，提供了一种监测节点的故障源预测方法，包括：数据获取模块、概率转换模块、故障源概率计算模块和目标故障源确定模块，其中：
[0114]
数据获取模块402，用于获取水电站中监测节点的实时状态数据。
[0115]
概率转换模块404，用于基于监测节点的状态数据与事件发生概率之间的映射关系，将所述实时状态数据转换为对应的实时事件发生概率，所述实时事件发生概率用于标识该监测节点发生故障的概率。
[0116]
故障源概率计算模块406，用于基于所述实时事件发生概率，以及所述监测节点发生故障时、所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率，确定目标故障源。
[0117]
在其中一个实施例中，概率转换模块，包括：
[0118]
映射关系确定模块，用于获取所述监测节点的状态数据的阈值范围；基于所述监测节点的状态数据的阈值范围，将所述监测节点的事件发生概率设置为0、将所述监测节点的事件发生概率设置为1或根据阈值最小值、阈值最大值，确定所述监测节点的事件发生概率。
[0119]
在其中一个实施例中，目标故障源确定模块，用于根据所述监测节点关联的故障源的历史发生概率，所述监测节点的预设第一概率表和预设第二概率表，以及所述实时事件发生概率，分别计算所述监测节点发生故障时、所述监测节点不发生故障时所述监测节点关联的故障源的发生概率，获得对应的计算结果；所述预设第一概率表用于表示所述监
测节点关联的故障源与所述监测节点关联的监测现象之间的概率对应关系，所述预设第二概率表用于表示所述监测节点的预设监测结果与所述监测节点关联的监测现象之间的概率对应关系。
[0120]
在其中一个实施例中，目标故障源确定模块包括：
[0121]
故障源的历史发生概率确定模块，用于获取水电站监测节点的历史状态数据，所述历史状态数据为预设时间段内，监测节点的状态数据；基于所述历史状态数据，分析确定所述历史状态数据中，监测节点关联的故障源的发生次数；基于所述历史节点状态数据的总数，以及所述监测节点关联的故障源的发生次数，确定所述监测节点关联的故障源的历史发生概率。
[0122]
预设第一概率表确定模块，用于获取水电站监测节点的历史状态数据；基于所述历史状态数据，分析确定所述监测节点关联的故障源发生时，所述监测节点关联的监测现象发生的第一监测现象次数、所述监测节点关联的监测现象不发生的第二监测现象次数，以及分析确定所述监测节点的关联的故障源不发生时，所述监测节点关联的监测现象发生的第三监测现象次数、所述监测节点关联的监测现象不发生的第四监测现象次数；基于所述历史状态数据的总数，以及所述第一监测现象次数、所述第二监测现象次数、所述第三监测现象次数、以及所述第四监测现象次数，确定所述预设第一概率表。
[0123]
预设第二概率表确定模块，用于获取水电站监测节点的历史状态数据；基于所述历史状态数据，分析确定所述监测节点关联的监测现象发生时，所述监测节点发生预设故障的第一预设故障次数、所述监测节点不发生预设故障的第二预设故障次数，以及分析确定所述监测节点关联的监测现象不发生时，所述监测节点发生预设故障的第三预设故障次数、所述监测节点不发生预设故障的第四预设故障次数；基于所述历史状态数据的总数，以及所述第一监测现象次数、所述第二监测现象次数、所述第三监测现象次数、以及所述第四监测现象次数，确定所述预设第二概率表。
[0124]
在其中一个实施例中，故障源概率计算模块，用于获取所述预设第一概率表的第一数据，所述第一数据包括：所述监测节点关联的故障源发生时，所述监测节点关联的监测现象发生的概率、所述监测节点关联的监测现象不发生的概率；获取所述预设第二概率表的第二数据，所述第二数据包括：所述监测节点关联的监测现象发生时，所述监测节点发生预设故障的第一概率、所述监测节点不发生预设故障的第二概率，以及所述监测节点关联的监测现象不发生时，所述监测节点发生预设故障的第三概率、所述监测节点不发生预设故障的第四概率，所述预设监测结果包括监测节点发生预设故障和所述监测节点不发生预设故障；根据所述监测节点关联的故障源的历史发生概率、所述第一数据、所述第二数据，分别计算所述监测节点发生故障时、所述监测节点不发生故障时所述监测节点关联的故障源的发生概率，获得对应的计算结果。
[0125]
在其中一个实施例中，故障源概率计算模块，用于根据所述监测节点关联的故障源发生时，所述监测节点关联的监测现象发生的概率、所述监测节点关联的监测现象不发生的概率，所述监测节点关联的监测现象发生时，所述监测节点发生预设故障的第一概率，所述监测节点关联的监测现象不发生时，所述监测节点发生预设故障的第三概率，所述监测节点关联的故障源的历史发生概率，计算所述监测节点发生故障时，所述监测节点关联的故障源的发生概率；根据所述监测节点关联的故障源不发生时，所述监测节点关联的监
测现象的发生概率、所述监测节点关联的监测现象不发生的概率；所述监测节点关联的监测现象发生时，所述监测节点不发生预设故障的第二概率；所述监测节点关联的监测现象不发生时，所述监测节点不发生预设故障的第四概率；所述监测节点关联的故障源的历史发生概率，计算所述监测节点不发生故障时，所述监测节点关联的故障源的发生概率。
[0126]
在其中一个实施例中，目标故障源确定模块，将所述监测节点发生故障时，所述监测节点关联的故障源的实时发生概率作为第一权重，将所述监测节点不发生故障时，所述监测节点关联的故障源的实时发生概率作为第二权重；将所述实时事件发生概率与所述第一权重相乘，获得故障源第一实际发生概率；将所述实时事件发生概率对应的实时事件不发生概率与所述第二权重相乘，获得故障源第二实际发生概率；基于所述故障源第一实际发生概率以及所述故障源第二实际发生概率，获得故障源的实际发生概率；基于所述故障源的实际发生概率，确定目标故障源。
[0127]
在其中一个实施例中，还包括：
[0128]
报警模块，用于当确定目标故障源之后，输出报警信息。
[0129]
关于监测节点的故障源预测装置的具体限定可以参见上文中对于监测节点的故障源预测方法的限定，在此不再赘述。上述监测节点的故障源预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理器中，也可以以软件形式存储于电子设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0130]
在一个实施例中，提供了一种电子设备，该电子设备可以是服务器，其内部结构图可以如图5所示。该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的数据库用于存储水电站的监测节点的状态数据。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种监测节点的故障源预测方法。
[0131]
在一个实施例中，提供了一种电子设备，该电子设备可以是终端，其内部结构图可以如图6所示。该电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种监测节点的故障源预测方法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0132]
本领域技术人员可以理解，图5、图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0133]
在一个实施例中，提供了一种电子设备，包括存储器和处理器，存储器中存储有计
算机程序，该处理器执行计算机程序时实现上述水电站设备故障预测方法的步骤。
[0134]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述监测节点的故障源预测方法的步骤。
[0135]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read
‑
only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0136]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0137]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。