一种供用电设备健康码及状态轨迹智能挖掘构建方法

摘要

本发明公开一种供用电设备健康码及状态轨迹智能挖掘构建方法，包括以下步骤：供用电设备的5G物联网总体架构搭建；建立供用电设备的数据中台；供用电设备检修多源数据数字化建模；搭建供用电设备健康卡及状态轨迹监控管理系统；边缘设备中构建供用电设备健康体检算法模型及信息推送系统。该研究方法可以应用于供用电设备健康管理，运维检修工作当中，通过对供用电设备健康码及状态轨迹实时监控，评估预测，可解决供用电设备抢修不及时的问题。本发明适应于供用电设备智能数字化健康管理的发展趋势，可以保证在人力物力耗费较少的情况下，使供用电设备能够达到实时健康检测与及时检修的要求。

说明书

技术领域

本发明涉及一种供用电设备健康码及状态轨迹智能挖掘构建方法，属于供用电设备安全稳定智能化运行研究领域。

背景技术

随着科学技术的进步，人工智能计算与物联网的飞速发展，各种供用电设备系统工程日趋大规模、复杂化，一些新高压等级、新技术的大量应用，促使传统运维检修方式、操作方法面临着巨大的挑战。当前较为主流的运维检修方法，大多数场景下依然需要人工来参与实现，效率低下，工作量巨大，且工作上容易出现混淆与差错，某些高危供用电设备也会导致工作者自身的安全得不到保障。且工程供用电设备的部件数量与类型众多，交联关系复杂，单纯依靠人工运维检修，已经无法满足现在的需求。当今阶段如何有效保证供用电设备正常运行，采用新技术、新思路以降低运维检修工程中值班人员的工作负担，有效保证设备的正常运行，是十分紧迫的问题。基于此种状况，提出一种供用电设备自主运维检修系统的构建方法，对电力设备系统的安全稳定运行具有重要意义。

目前，供用电设备系统状态的智能巡检，智能监测已有部分研究，如智能巡检机器人系统，电力设备运行状态智能监测系统等，但是仍面临以下关键问题亟须进一步深入研究解决。一是这些研究没有把5G物联网融入系统，网络带宽不足会导致大数据平台的数据采集、数据传输、数据加工预处理延迟，也会导致机器学习与深度学习的算法模型分析评估不够及时；二是供用电设备没有被当作主动参与者角色考虑进系统内部，仅仅把供用电设备当作被观察者，利用一些传感器设备把供用电设备的状态数据采集并传给智能算法模型分析判断并预警，当供用电设备部件数量与类型众多，交联关系复杂时，可能会导致分析评估结果与供用电设备的对应关系错乱；三是没有统一规范的数据服务中台，会导致数据孤立严重，重复开发浪费成本，数据理解和数据价值链条的断层，缺标准化缺治理，知数据难，要数据难，懂数据难等一系列问题。所以为了解决上述问题，本发明提出一种供用电设备健康码及状态轨迹智能挖掘构建方法。

为了保证供用电设备系统的安全稳定运行，能够得到实时监测，及时检修，研究供用电设备健康码及状态轨迹智能挖掘构建方法十分必要，在能源物联网背景下有着重要意义。

发明内容

针对现有技术不足，本发明“一种供用电设备健康码及状态轨迹智能挖掘构建方法”目的在于基于5G物联网、边缘计算、数据中台、智能检测算法、工作流引擎及大数据处理等技术实现供用电设备健康智能化管理，供用电设备健康码及状态轨迹的智能挖掘与构建与供用电设备健康体检提示及信息推送。

本发明包括如下步骤：

步骤一、供用电设备的5G物联网总体架构搭建；

步骤二、建立供用电设备的数据中台；

步骤三、供用电设备检修多源数据数字化建模；

步骤四、搭建供用电设备健康码及状态轨迹监控管理系统；

步骤五、边缘设备中搭建供用电设备健康体检算法模型及信息推送系统；

其中，所述步骤一的供用电设备的5G物联网总体架构搭建，该模块利用运营商5G网络，在变电站部署5G基站、边缘计算服务器，按需覆盖生产区域。利用5GC的网络切片功能，实现供用电设备物联网组网，该方式经济、快捷的优势明显。其中，所述步骤二的供用电设备状态信息的数据中台通过数据技术，对海量供用电设备状态的数据进行收集、计算、存储、加工，同时统一标准和接口；数据中台把数据统一预处理之后，会形成标准数据，再进行存储，形成大数据资产层，包括数据可视化，数据挖掘，机器学习与深度学习数据接口服务。

其中，所述步骤三供用电设备检修多源数据数字化建模，通过机器学习与深度学习算法模型对电力设备状态进行状态分析与状态评估，其中状态分析包括：异常检测、故障诊断、故障预测；状态评估包括：退化模型、健康评估、寿命预估。

其中，所述步骤四供用电设备健康码及状态轨迹的智能挖掘与构建，这里所说的供用电设备“健康码”即供用电设备健康状态结合二维码技术的一个评估系统。类似于群众“健康码”需要多项基本信息构成，供用电设备健康状态评价系统也同样如此，可以随时掌握供用电设备的“健康”状态轨迹，做到防患于未然，消除供用电设备系统的潜伏性故障，防止突发性事故发生。

其中，所述步骤五在边缘计算设备中搭建供用电设备健康体检算法模型及信息推送系统，每一组供用电设备都对应着一组边缘计算设备，可以是就近的微型高性能计算机集群组成，这些边缘计算设备中主要有之前叙述的智能检测算法模型与工作流引擎程序，当电力设备的就近微型计算机产生状态分析或状态评估异常信息时，可以自主触发工作流提交一份检修申请与故障描述语音，发给该设备隶属的控制中心，控制中心收到检修申请与故障描述语音后，对异常信息、故障描述语音与检修申请进行审核，如果确实属于异常状态，则通过申请，并将审核结果与高精定位信息发送给就近检修人员。

与现有技术相比，本发明的有益效果是：

(1)每一个供用电设备对应自己唯一标识的健康码和状态轨迹，解决了当供用电设备部件数量与类型众多，交联关系复杂时，可能会导致分析评估结果与供用电设备的对应关系错乱的问题。

(2)建立电力设备状态信息的数据中台，对海量电力设备状态的数据进行收集、计算、存储、加工，同时统一标准和口径，把数据统一预处理之后，会形成标准数据，再进行存储，形成电力设备状态信息的大数据资产层，包括数据可视化接口服务，数据挖掘接口服务、机器学习与深度学习数据接口服务。

(3)将电力设备从被观察者角色转换为运维检修过程的主动参与者，利用就近的微型计算机对自身状态进行检测，主动提交实时状态，发现状态异常可以自主触发相应工作流引擎，提交检修申请和故障描述语音给控制中心。

附图说明

图1是本发明的整体架构图。

图2是本发明的数据中台结构示意图。

图3是本发明的供用电设备健康码及状态轨迹构建流程图。

具体实施方式

本发明的整体架构图请参阅图1，本发明包括以下步骤：

步骤一、供用电设备的5G物联网总体架构搭建；

步骤二、建立供用电设备的数据中台；

步骤三、供用电设备检修多源数据数字化建模；

步骤四、搭建供用电设备健康码及状态轨迹监控管理系统；

步骤五、边缘设备中搭建供用电设备健康体检算法模型及信息推送系统；

步骤一的实施方式是5G网络的供用电设备物联网总体架构包括了传感、通信、计算、数据、算法、软件、安全等技术的应用，主要包含感知层、网络层、支撑层、应用层。感知层主要目的是供用电设备智能化，利用嵌入式传感器、高清双目摄像头等设备采集各供用电设备相关数据，包括识别、移动、定位、检测、温度、气体、湿度、速度、压力、重力、环境、声音等信息，通过工业处理单元、智能传感器及控制软件使供用电设备智能化和数字化；网络层主要采用5G网络，由NR、5GC、MEC等实体单元以及SDN/NFV、网络切片管理等软件系统组成，网络层提供供用电设备物联网面向eMBB、uRLLC、mMTC业务应用场景的接入和数据传输、数据交换的能力，实现M2M的大规模连接；支撑层提供数据计算、数据加工处理、存储、分析、融合应用、工业数学模型、数据可视化及人工智能的支撑能力，提供机器学习与深度学习的算力；应用层主要满足供用电设备的智能运维，包括状态分析、状态评估、故障诊断、故障定位以及围绕故障开展的检修决策。

步骤二的供用电设备状态信息的数据中台主要包括业务数字化、数据入湖、数据中台能力中心、数据消费，其中业务数字化是指将5G物联网感知层采集的供用电设备源数据归类整理；数据入湖是将归类整理后的供用电设备源数据分为离线数据与实时数据导入数据湖；数据中台能力中心包括数据规范设计中心、供用电设备数据主题分类、数据一站式研发中心、数据质量管理中心、数据资产管理中心、数据大屏可视中心、智能分析诊断中心、数据服务中心；数据消费主要包括供用电设备状态数据实时可视与供用电设备状态分析评估，其中供用电设备状态数据实时可视包含供用电设备状态数据地图与数据报表，供用电设备状态分析评估包括安全态势感知、故障智能预警、故障定位、检修决策方案等。本发明的数据中台结构示意图请参阅图2。

步骤三的实施方式是对于音频类数据利用自然语言处理技术建立模型进行识别或者将其转化为波形进行建模分析；对于普通图像数据利用深度学习的计算机视觉算法模型进行进行检测与分类；对于激光雷达收集的图像数据利用三维点云算法模型进行检测和分类；其他非多媒体数据，可以利用机器学习与深度学习的其他算法模型建立相适应的场景模型。

步骤四搭建供用电设备健康码及状态轨迹监控管理系统，供用电设备“健康码”即供用电设备健康状态结合二维码技术的一个评估监控管理系统。类似于群众“健康码”需要多项基本信息构成，供用电设备健康状态评价系统也同样如此。通过引入大数据算法，对感知层主动汇报的主要指标以及多个分项指标在数据中台进行处理分析计算并提取特征，然后利用分类算法(决策树，人工神经网络，支持向量机)进行状态分类，根据供用电设备状态分类结果，利用二维码技术生成对应的分类健康码，健康状态对应绿色码，预警状态对应黄色码，异常状态对应红色码，实现供用电设备健康状态的在线评价、实时监测和问题诊断。通过建立供用电设备的“健康档案”，根据其特征量的变化诊断其“健康”程度，及时发现“病灶”并报警，随时掌握供用电设备的“健康”状态轨迹，做到防患于未然，消除配电系统的潜伏性故障，防止突发性事故发生。其中“健康码”的二维码是每个供用电设备的独有的“身份标识”，防止供用电设备部件数量与类型众多，关联关系复杂情况下，导致分析评估结果与对应供用电设备的关系发生错乱。本发明的供用电设备健康码及状态轨迹构建流程图请参阅图3。

步骤五的实施方式是每一组供用电设备都要对应着一组边缘计算设备，可以是就近的微型高性能计算机集群组成，这些边缘计算设备中主要有之前步骤叙述的智能检测算法模型与工作流引擎程序，边缘设备不会储存大量感知层采集来的供用电设备状态数据，这里会利用最近最久未使用算法定期清理大量历史数据，因为大量的历史数据主要存储在数据中台中，边缘设备还是以智能计算为主。边缘设备的智能检测算法模型检测到异常状态“健康码”后，会触发工作流引擎为异常供用电设备推送检修申请，地理定位和故障描述语音至控制中心，控制中心的人员收到申请后进行审核，如果审核通过，工作流引擎则将检修任务推送给就近运维人员，运维人员接单之后对异常供用电设备及时检修。

据此就得到了一种供用电设备健康码及状态轨迹智能挖掘构建方法。

以上实施方案仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的保护范畴。