电气设备异常检测方法、装置、计算机设备和存储介质与流程

1.本技术涉及电力技术领域，特别是涉及一种电气设备异常检测方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.随着电力技术的发展，电气设备在电力系统中起到了极为重要的作用，如果电气设备发生故障，可能会引起电网局部甚至大面积停电，对社会造成不可估量的损失。因此，如何对电气设备进行异常检测成为了重要的研究方向。
3.传统技术通常是通过人工收集电气设备的数据，从而专家通过这些数据确定电气设备的异常检测结果，但是该方式主要依据主观判断，导致确定电气设备的异常检测结果的准确性较低。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种电气设备异常检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种电气设备异常检测方法。方法包括：获取待检测电气设备的运行数据；根据待检测电气设备的工作模态，对运行数据进行划分处理，得到各工作模态的运行子数据；将运行子数据输入至预先训练的电气设备异常检测模型中，得到各工作模态的异常检测子结果；根据异常检测子结果，确定待检测电气设备的异常检测结果。
6.在其中一个实施例中，预先训练的电气设备异常检测模型通过下述方式训练得到：获取样本运行数据；根据工作模态，对样本运行数据进行划分处理，得到各工作模态的样本运行子数据；利用样本运行子数据对待训练的电气设备异常检测模型进行训练，得到预先训练的电气设备异常检测模型。
7.在其中一个实施例中，获取样本运行数据，包括：获取第一原始运行数据；将所第一原始运行数据输入至异常数据识别模型，通过异常数据识别模型识别第一原始运行数据中包含的异常数据；将第一原始运行数据中的异常数据删除，得到第二原始运行数据；将第二原始运行数据输入至缺失数据识别模型，通过缺失数据识别模型识别第二原始运行数据的缺失数据；
将缺失数据添加至第二原始运行数据中，得到样本运行数据。
8.在其中一个实施例中，在根据工作模态，对样本运行数据进行划分处理，得到各工作模态的样本运行子数据之前，还包括：将预设工作模式作为工作模态；预设工作模式包括低功率上升模式、低功率下降模式、高功率上升模式、高功率下降模式、中功率上升模式、中功率下降模式和功率平稳模式；根据工作模态，对样本运行数据进行划分处理，得到各工作模态的样本运行子数据，包括：根据工作模态，对样本运行数据进行划分处理，分别得到低功率上升模式、低功率下降模式、高功率上升模式、高功率下降模式、中功率上升模式、中功率下降模式和功率平稳模式的样本运行子数据。
9.在其中一个实施例中，将运行子数据输入至预先训练的电气设备异常检测模型中，得到各工作模态的异常检测子结果，包括：将运行子数据输入至预先训练的电气设备异常检测模型中，通过预先训练的电气设备异常检测模型识别运行子数据是否满足动态数值区间条件，得到识别结果；动态数值区间根据工作模态确定；根据识别结果，确定各工作模态的异常检测子结果。
10.在其中一个实施例中，待检测电气设备为换流变压器；获取待检测电气设备的运行数据，包括：获取换流变压器的遥测信息和遥信信息；将遥测信息和遥信信息，作为运行数据。
11.在其中一个实施例中，在根据异常检测子结果，确定待检测电气设备的异常检测结果之后，还包括：展示异常检测结果；在异常检测结果为异常时，针对异常检测结果进行告警。
12.第二方面，本技术还提供了一种电气设备异常检测装置。所述装置包括：数据获取模块，用于获取待检测电气设备的运行数据；数据划分模块，用于根据所述待检测电气设备的工作模态，对所述运行数据进行划分处理，得到各所述工作模态的运行子数据；数据输入模块，用于将所述运行子数据输入至预先训练的电气设备异常检测模型中，得到各所述工作模态的异常检测子结果；结果确定模块，用于根据所述异常检测子结果，确定所述待检测电气设备的异常检测结果。
13.第三方面，本技术还提供了一种计算机设备。所述计算机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以下步骤：获取待检测电气设备的运行数据；根据待检测电气设备的工作模态，对运行数据进行划分处理，得到各工作模态的运行子数据；将运行子数据输入至预先训练的电气设备异常检测模型中，得到各工作模态的异常检测子结果；根据异常检测子结果，确定待检测电气设备的异常检测结果。
14.第四方面，本技术还提供了一种计算机可读存储介质。所述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以下步骤：获取待检测电气设备的运行数据；根据待检测电气设备的工作模态，对运行数据进行划分处理，得到各工作模态的运行子数据；将运行子数据输入至预先训练的电气设备异常检测模型中，得到各工作模态的异常检测子结果；根据异常检测子结果，确定待检测电气设备的异常检测结果。
15.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：获取待检测电气设备的运行数据；根据待检测电气设备的工作模态，对运行数据进行划分处理，得到各工作模态的运行子数据；将运行子数据输入至预先训练的电气设备异常检测模型中，得到各工作模态的异常检测子结果；根据异常检测子结果，确定待检测电气设备的异常检测结果。
16.上述电气设备异常检测方法、装置、计算机设备、存储介质和计算机程序产品，获取待检测电气设备的运行数据；根据待检测电气设备的工作模态，对运行数据进行划分处理，得到各工作模态的运行子数据；将运行子数据输入至预先训练的电气设备异常检测模型中，得到各工作模态的异常检测子结果；根据异常检测子结果，确定待检测电气设备的异常检测结果。该方案通过将获取的待检测电气设备的运行数据进行划分处理，得到待检测电气设备的各工作模态的运行子数据，将各工作模态的运行子数据输入至电气设备异常检测模型中，利用电气设备异常检测模型分别自动对不同工作模态的运行子数据进行不同的异常检测，得到更准确的不同工作模态的异常检测子结果，并快速确定待检测电气设备的异常检测结果，从而实现提高确定电气设备的异常检测结果的准确性和效率。
附图说明
17.图1为一个实施例中电气设备异常检测方法的流程示意图；图2为一个实施例中模型训练步骤的流程示意图；图3为另一个实施例中电气设备异常检测方法的流程示意图；图4为一个实施例中电气设备异常检测装置的结构框图；图5为一个实施例中计算机设备的内部结构图。
具体实施方式
18.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。
19.在一个实施例中，如图1所示，提供了一种电气设备异常检测方法，本实施例以该方法应用于终端进行举例说明，包括以下步骤：步骤s101，获取待检测电气设备的运行数据。
20.本步骤中，待检测电气设备可以是换流变压器，也可以是同工况的多台换流变压器；运行数据可以是遥测数据（遥测信息）、摇信数据（摇信信息）和/或海量事件顺序记录（sequence events recorder，ser）。
21.具体的，终端实时获取待检测电气设备的实时运行数据。
22.步骤s102，根据待检测电气设备的工作模态，对运行数据进行划分处理，得到各工作模态的运行子数据。
23.本步骤中，工作模态可以是工作模式，例如工作模式包括低功率上升模式、低功率下降模式、高功率上升模式、高功率下降模式、中功率上升模式、中功率下降模式和功率平稳模式。
24.具体的，终端根据预先设置的工作模态，按照功率等级对运行数据进行划分处理，得到各工作模态的运行子数据（例如分别得到低功率上升模式、低功率下降模式、高功率上升模式、高功率下降模式、中功率上升模式、中功率下降模式和功率平稳模式的运行子数据）。
25.步骤s103，将运行子数据输入至预先训练的电气设备异常检测模型中，得到各工作模态的异常检测子结果。
26.本步骤中，预先训练的电气设备异常检测模型可以是预先训练的贝叶斯长短期记忆网络模型；异常检测子结果可以是是否在当前功率等级的数据的动态数值区间中的结果。
27.具体的，终端将运行子数据输入至预先训练的电气设备异常检测模型中，通过预先训练的电气设备异常检测模型对各运行子数据进行检测（或识别），得到各工作模态的异常检测子结果。
28.步骤s104，根据异常检测子结果，确定待检测电气设备的异常检测结果。
29.本步骤中，异常检测结果可以是待检测电气设备是否异常的检测结果。
30.具体的，终端判断异常检测子结果是否都是正常或通过，若是，则确定待检测电气设备的异常检测结果为正常，若否，则确定待检测电气设备的异常检测结果为异常，并进行告警。
31.上述电气设备异常检测方法中，获取待检测电气设备的运行数据；根据待检测电气设备的工作模态，对运行数据进行划分处理，得到各工作模态的运行子数据；将运行子数据输入至预先训练的电气设备异常检测模型中，得到各工作模态的异常检测子结果；根据异常检测子结果，确定待检测电气设备的异常检测结果。该方案通过将获取的待检测电气设备的运行数据进行划分处理，得到待检测电气设备的各工作模态的运行子数据，将各工作模态的运行子数据输入至电气设备异常检测模型中，利用电气设备异常检测模型分别自动对不同工作模态的运行子数据进行不同的异常检测，得到更准确的不同工作模态的异常检测子结果，并快速确定待检测电气设备的异常检测结果，从而实现提高确定电气设备的异常检测结果的准确性和效率。
32.在一个实施例中，预先训练的电气设备异常检测模型通过下述方式训练得到，具体包括：获取样本运行数据；根据工作模态，对样本运行数据进行划分处理，得到各工作模态的样本运行子数据；利用样本运行子数据对待训练的电气设备异常检测模型进行训练，得到预先训练的电气设备异常检测模型。
33.本实施例中，样本运行数据可以是运行数据的样本数据，例如样本电气设备的遥测数据（遥测信息）、摇信数据（摇信信息）和/或海量事件顺序记录数据等样本数据。
34.具体的，终端从多个数据源采集换流变压器相关的遥测数据（遥测信息）、摇信数
据（摇信信息）和/或海量事件顺序记录数据等样本运行数据（如历史功率数据），根据工作模态，对样本运行数据进行划分处理（例如，使用模态划分算法，将历史功率数据按照低功率上升、低功率下降、高功率上升、高功率下降、中功率上升、中功率下降、功率平稳七个模式进行划分），得到各工作模态的样本运行子数据，利用样本运行子数据对待训练的电气设备异常检测模型进行训练，得到预先训练的电气设备异常检测模型。
35.本实施例的技术方案，通过样本运行数据对待训练的电气设备异常检测模型进行训练，有利于得到更准确和更高效的预先训练的电气设备异常检测模型，从而有利于后续提高确定电气设备的异常检测结果的准确性和效率。
36.在一个实施例中，上述方法还可以通过如下步骤获取样本运行数据，具体包括：获取第一原始运行数据；将所第一原始运行数据输入至异常数据识别模型，通过异常数据识别模型识别第一原始运行数据中包含的异常数据；将第一原始运行数据中的异常数据删除，得到第二原始运行数据；将第二原始运行数据输入至缺失数据识别模型，通过缺失数据识别模型识别第二原始运行数据的缺失数据；将缺失数据添加至第二原始运行数据中，得到样本运行数据。
37.本实施例中，第一原始运行数据可以是直接获取的未经处理的样本数据（原始数据）；异常数据识别模型可以是用于检测出异常值（异常数据）并删除异常值（异常数据）的模型；缺失数据识别模型可以是根据预设规则确定缺失数据并进行填充的模型。
38.具体的，终端获取第一原始运行数据，将第一原始运行数据输入至异常数据识别模型，通过异常数据识别模型识别第一原始运行数据中包含的异常数据，并将第一原始运行数据中的异常数据删除，得到第二原始运行数据，将第二原始运行数据输入至缺失数据识别模型，通过缺失数据识别模型识别第二原始运行数据的缺失数据，并将缺失数据添加至第二原始运行数据中，得到样本运行数据。
39.本实施例的技术方案，通过异常数据识别模型和缺失数据识别模型对原始运行数据进行预处理，有利于得到更准确的和更适合进行模型训练的样本运行数据，从而有利于得到更准确的预先训练的电气设备异常检测模型。
40.在一个实施例中，上述方法还可以通过如下步骤得到样本运行子数据，具体包括：将预设工作模式作为工作模态；根据工作模态，对样本运行数据进行划分处理，分别得到低功率上升模式、低功率下降模式、高功率上升模式、高功率下降模式、中功率上升模式、中功率下降模式和功率平稳模式的样本运行子数据。
41.本实施例中，预设工作模式包括低功率上升模式、低功率下降模式、高功率上升模式、高功率下降模式、中功率上升模式、中功率下降模式和功率平稳模式，其中各预设工作模式可以是由于功率（负荷）调整所产生的工作模式。
42.具体的，终端将包括低功率上升模式、低功率下降模式、高功率上升模式、高功率下降模式、中功率上升模式、中功率下降模式和功率平稳模式的预设工作模式，作为工作模态，根据工作模态，对样本运行数据进行划分处理，分别得到低功率上升模式、低功率下降模式、高功率上升模式、高功率下降模式、中功率上升模式、中功率下降模式和功率平稳模式等多个（七个）模式的样本运行子数据。
43.本实施例的技术方案，通过对样本运行数据进行划分处理，分别得到低功率上升模式、低功率下降模式、高功率上升模式、高功率下降模式、中功率上升模式、中功率下降模
式和功率平稳模式的样本运行子数据，有利于如何准确划分样本运行数据，提高得到样本运行数据的准确性和效率，从而有利于得到更准确和更高效的预先训练的电气设备异常检测模型，提高确定电气设备的异常检测结果的准确性和效率。
44.在一个实施例中，上述步骤s103的将运行子数据输入至预先训练的电气设备异常检测模型中，得到各工作模态的异常检测子结果具体包括：将运行子数据输入至预先训练的电气设备异常检测模型中，通过预先训练的电气设备异常检测模型识别运行子数据是否满足动态数值区间条件，得到识别结果；根据识别结果，确定各工作模态的异常检测子结果。
45.本实施例中，动态数值区间根据工作模态确定；动态数值区间条件可以是不同工作模态所对应的数值区间或数据区间的条件。
46.具体的，终端将运行子数据输入至预先训练的电气设备异常检测模型中，通过预先训练的电气设备异常检测模型识别各运行子数据是否满足各动态数值区间条件，得到针对各运行子数据的识别结果，根据针对各运行子数据的识别结果，确定各工作模态（或各运行子数据）的异常检测子结果。
47.本实施例的技术方案，通过预先训练的电气设备异常检测模型识别运行子数据是否满足动态数值区间条件，从而确定各工作模态的异常检测子结果，有利于更准确和更快速地得到异常检测子结果，从而有利于后续提高确定电气设备的异常检测结果的准确性和效率。
48.在一个实施例中，上述步骤s101的获取待检测电气设备的运行数据具体包括：获取换流变压器的遥测信息和遥信信息；将遥测信息和遥信信息，作为运行数据。
49.本实施例中，待检测电气设备为换流变压器。
50.具体的，终端从多个数据源采集检测电气设备（换流变压器）相关的遥测数据（遥测信息）、摇信数据（摇信信息）和/或海量事件顺序记录数据，将遥测数据（遥测信息）、摇信数据（摇信信息）和/或海量事件顺序记录数据作为运行数据。
51.本实施例的技术方案，通过确定出运行数据对应的具体数据，获取具体数据作为运行数据，从而有利于获取到准确的运行数据，从而有利于后续提高确定电气设备的异常检测结果的准确性。
52.在一个实施例中，上述方法还可以通过如下步骤针对异常检测结果进行告警，具体包括：展示异常检测结果；在异常检测结果为异常时，针对异常检测结果进行告警。
53.本实施例中，异常检测结果可以是异常或正常。
54.具体的，终端在前端界面展示异常检测结果，以供工作人员参考，并在异常检测结果为异常时，针对异常检测结果进行告警，以指示工作人员对待检测电气设备进行维修等处理。
55.本实施例的技术方案，通过展示异常检测结果，并在异常检测结果为异常时进行告警，从而有利于提高确定电气设备的异常检测结果的反馈实时性、功能性和安全性。
56.以下以一个实施例说明本技术提供的电气设备异常检测方法，本实施例以该方法应用于终端进行举例说明，主要步骤包括：第一步，终端获取第一原始运行数据。
57.第二步，终端将所第一原始运行数据输入至异常数据识别模型，通过异常数据识
别模型识别第一原始运行数据中包含的异常数据。
58.第三步，终端将第一原始运行数据中的异常数据删除，得到第二原始运行数据。
59.第四步，终端将第二原始运行数据输入至缺失数据识别模型，通过缺失数据识别模型识别第二原始运行数据的缺失数据。
60.第五步，终端将缺失数据添加至第二原始运行数据中，得到样本运行数据。
61.第六步，终端将预设工作模式作为工作模态。
62.第七步，终端根据工作模态，对样本运行数据进行划分处理，分别得到低功率上升模式、低功率下降模式、高功率上升模式、高功率下降模式、中功率上升模式、中功率下降模式和功率平稳模式的样本运行子数据。
63.第八步，终端利用样本运行子数据对待训练的电气设备异常检测模型进行训练，得到预先训练的电气设备异常检测模型。
64.第九步，终端获取换流变压器的遥测信息和遥信信息。
65.第十步，终端将遥测信息和遥信信息，作为运行数据。
66.第十一步，终端根据待检测电气设备的工作模态，对运行数据进行划分处理，得到各工作模态的运行子数据。
67.第十二步，终端将运行子数据输入至预先训练的电气设备异常检测模型中，通过预先训练的电气设备异常检测模型识别运行子数据是否满足动态数值区间条件，得到识别结果；动态数值区间根据工作模态确定。
68.第十三步，终端根据识别结果，确定各工作模态的异常检测子结果。
69.第十四步，终端根据异常检测子结果，确定待检测电气设备的异常检测结果。
70.第十五步，终端展示异常检测结果。
71.第十六步，终端在异常检测结果为异常时，针对异常检测结果进行告警。
72.其中，待检测电气设备为换流变压器；预设工作模式包括低功率上升模式、低功率下降模式、高功率上升模式、高功率下降模式、中功率上升模式、中功率下降模式和功率平稳模式。
73.本实施例的技术方案，通过将获取的待检测电气设备的运行数据进行划分处理，得到待检测电气设备的各工作模态的运行子数据，将各工作模态的运行子数据输入至电气设备异常检测模型中，利用电气设备异常检测模型分别自动对不同工作模态的运行子数据进行不同的异常检测，得到更准确的不同工作模态的异常检测子结果，并快速确定待检测电气设备的异常检测结果，从而实现提高确定电气设备的异常检测结果的准确性和效率。
74.以下以一个应用实例说明本技术提供的电气设备异常检测方法，本应用实例以该方法应用于终端进行举例说明，如图2和图3所示，主要步骤包括：第一步，如图2所示为模型训练的步骤，终端获取数据（获取历史数据）：从多个数据源采集所需的数据，其中包括换流变压器相关的遥测、遥信、ser（海量事件顺序记录）数据。
75.第二步，终端进行数据预处理（包括异常值删除及缺失值填补）：对数据做预处理，使用异常检测模型检测出异常值，并剔除，并使用缺失填补模型根据规则进行填充。
76.第三步，终端划分工作模态：使用模态划分算法，将历史功率数据按照低功率上升、低功率下降、高功率上升、高功率下降、中功率上升、中功率下降、功率平稳七个模式进
行划分。
77.第四步，终端训练异常检测模型：将划分后的数据分别输入贝叶斯长短期记忆网络，得到训练后的时空一致性检测算法模型。
78.第五步，如图3所示，终端进行实时数据获取和实时数据划分：输入一段数据集，使用模态划分算法，将数据按照功率等级进行划分。
79.第六步，终端进行异常检测（使用异常检测模型进行检测）：使用训练好的时空一致性检测算法，检测这段数据的状态，是否在当前功率等级的数据的动态数值区间，如果不是，就进行告警。
80.本应用实例的技术方案，通过使用一种模态划分算法，将运行数据按照7类工作模态进行划分，再针对不同的工作模态对数据做异常检测，能够有效降低因负荷（功率）调整所造成的模型误报问题，而且，通过针对历史数据划分出不同的工作模态，能够有效避免因负荷调整所造成的异常检测模型误报过多的问题，提升系统输出的可靠性。
81.应该理解的是，虽然如上所述的各实施例所涉及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，如上所述的各实施例所涉及的流程图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。
82.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的电气设备异常检测方法的电气设备异常检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电气设备异常检测装置实施例中的具体限定可以参见上文中对于电气设备异常检测方法的限定，在此不再赘述。
83.在一个实施例中，如图4所示，提供了一种电气设备异常检测装置，该装置400可以包括：数据获取模块401，用于获取待检测电气设备的运行数据；数据划分模块402，用于根据所述待检测电气设备的工作模态，对所述运行数据进行划分处理，得到各所述工作模态的运行子数据；数据输入模块403，用于将所述运行子数据输入至预先训练的电气设备异常检测模型中，得到各所述工作模态的异常检测子结果；结果确定模块404，用于根据所述异常检测子结果，确定所述待检测电气设备的异常检测结果。
84.在一个实施例中，该装置400还包括：模型训练模块，用于获取样本运行数据；根据所述工作模态，对所述样本运行数据进行划分处理，得到各所述工作模态的样本运行子数据；利用所述样本运行子数据对待训练的电气设备异常检测模型进行训练，得到所述预先训练的电气设备异常检测模型。
85.在一个实施例中，模型训练模块，还用于获取第一原始运行数据；将所第一原始运行数据输入至异常数据识别模型，通过所述异常数据识别模型识别所述第一原始运行数据中包含的异常数据；将所述第一原始运行数据中的所述异常数据删除，得到第二原始运行
数据；将所述第二原始运行数据输入至缺失数据识别模型，通过所述缺失数据识别模型识别所述第二原始运行数据的缺失数据；将所述缺失数据添加至所述第二原始运行数据中，得到所述样本运行数据。
86.在一个实施例中，该装置400还包括：工作模态作为模块，用于将预设工作模式作为所述工作模态；所述预设工作模式包括低功率上升模式、低功率下降模式、高功率上升模式、高功率下降模式、中功率上升模式、中功率下降模式和功率平稳模式；模型训练模块，还用于根据所述工作模态，对所述样本运行数据进行划分处理，分别得到所述低功率上升模式、所述低功率下降模式、所述高功率上升模式、所述高功率下降模式、所述中功率上升模式、所述中功率下降模式和所述功率平稳模式的样本运行子数据。
87.在一个实施例中，数据输入模块403，还用于将所述运行子数据输入至所述预先训练的电气设备异常检测模型中，通过所述预先训练的电气设备异常检测模型识别所述运行子数据是否满足动态数值区间条件，得到识别结果；所述动态数值区间根据所述工作模态确定；根据所述识别结果，确定各所述工作模态的异常检测子结果。
88.在一个实施例中，所述待检测电气设备为换流变压器；数据获取模块401，还用于获取所述换流变压器的遥测信息和遥信信息；将所述遥测信息和所述遥信信息，作为所述运行数据。
89.在一个实施例中，该装置400还包括：结果告警模块，用于展示所述异常检测结果；在所述异常检测结果为异常时，针对所述异常检测结果进行告警。
90.上述电气设备异常检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计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
91.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。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。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机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、移动蜂窝网络、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电气设备异常检测方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机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。
92.本领域技术人员可以理解，图5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计算机设备的限定，具体的计算机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。
93.在一个实施例中，还提供了一种计算机设备，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各方法实施例中的步骤。
94.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，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
95.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
96.需要说明的是，本技术所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
97.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、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、光存储器、高密度嵌入式非易失性存储器、阻变存储器（reram）、磁变存储器（magnetoresistive random access memory，mram）、铁电存储器（ferroelectric random access memory，fram）、相变存储器（phase change memory，pcm）、石墨烯存储器等。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等。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。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
98.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。
99.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本技术专利范围的限制。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，本技术的保护范围应以所附权利要求为准。