一种AI智能电力高压一二次设备运维检修诊断综合管理系统

摘要

本发明涉及电力高压一二次设备运维检修技术领域，具体涉及一种AI智能电力高压一二次设备运维检修诊断综合管理系统，它包括操作人员终端、AI云端服务器、管理人员终端；所述操作人员终端通过4G/5G网络与AI云端服务器实现输入输出；操作人员终端现场通过试验设备获取高压电力一二次设备的预防试验测试参数，采集上传至AI云端服务器，实现现场预防试验测试数据记录集中采集上传，用于高压电力一二次设备健康状态分析；它具有能够提高生产绩效，同时为操作人员提供标准的电力一二次设备测试结果诊断决策和电力一二次设备测试数据的隐患预警同时生成测试报告等优点。

说明书

技术领域

本发明涉及电力高压一二次设备运维技术领域，具体涉及一种AI智能电力高压一二次设备运维检修诊断综合管理系统。

背景技术

电力高压一二次设备状态参数及运行健康状况，一直沿用传统方式试验设备仪器仪表来现场检测试验之后对照“中华人民共和国电力行业标准--《电力设备预防性试验规程》”来分析判断设备当前运行状况并出具相应的试验报告给出试验结论。但是上述的检测方法在使用时，存在如下问题：

一是，每次测试报告都需要进行资料存档，多次试验数据对比不方便且繁琐。二是，对试验数据参数变化趋势不能直观体现，不能高效、快捷的沉积延用和通过数据对比提前发现电气设备功能故障、老化隐患等问题并做出提前预警和给出诊断解决方案、不能系统性标准可视化的综合管理电力设备的预防性预试周期工作任务，同时新手技术人员对测试参数不能快速的做出判断。

发明内容

本发明的目的在于针对现有技术的缺陷和不足，提供一种AI智能电力高压一二次设备运维检修诊断综合管理系统。

本发明所述的一种AI智能电力高压一二次设备运维检修诊断综合管理系统，包括

操作人员终端、AI云端服务器、管理人员终端；

所述操作人员终端通过4G/5G网络与AI云端服务器实现输入输出；操作人员终端现场通过试验设备获取高压电力一二次设备的预防测试参数，采集上传至AI云端服务器，实现现场预防试验测试数据记录集中采集上传，用于高压电力一二次设备健康状态分析；

所述AI云端服务器由录入模块、存储模块、计算分析模块、模拟模块、诊断模块、输入模块和输出模块组成；

其中：将操作人员终端上传的现场预防试验测试数据记录、运行工况、温度、天气、运行时间，形成标准数据，利用存储模块实现存储，通过输入模块作为模型输入实现建模，利用计算分析模块、模拟模块、诊断模块，将下一时刻的运行状态作为输出，模型选用LSTM网络，损失函数使用交叉熵，构建基准诊断预测模型；

所述管理人员终端通过通过4G/5G网络与AI云端服务器实现输入输出；管理人员终端向AI云端服务器输入工作任务、考试、新技术学习、视频会议指令下发到操作人员终端；同时，AI云端服务器向管理人员终端输入操作人员预防试验测试数据，生成全区域面到点的监控数据曲线。

进一步地，所述基准诊断预测模型通过录入模块，将历史专家诊断数据、行业案例数据存储于存储模块中，构建数据集完成训练。

进一步地，所述基准诊断预测模型在隐藏层与输出层之间使用dropout，降低过拟合。

进一步地，所述基准诊断预测模型中构建基准诊断预测模型训练集；对电力设备预防性试验规程、历史专家诊断数据、行业案例数据进行去重、去噪处理，整理出800W条数据，按7:2:1的比例划分为训练集、验证集、测试集。

进一步地，基于基准诊断预测模型训练集，使用随机梯度下降对基准诊断预测模型完成训练，并完成模型部署，模型部署于边缘计算设备上，和部署在云服务器上。

本发明有益效果为：本发明所述的一种AI智能电力高压一二次设备运维检修诊断综合管理系统，它实现管理人员工作任务的下发、全区域电力高压一二次设备监控管理，提升电力高压一二次设备运行健康指数；它具有能够提高生产绩效，同时为操作人员提供标准的电力一二次设备测试结果诊断决策和电力一二次设备测试数据的隐患预警同时生成测试报告等优点。

附图说明

此处所说明的附图是用来提供对本发明的进一步理解，构成本申请的一部分，但并不构成对本发明的不当限定，在附图中：

图1是本发明主体架构拓扑图；

图2是本发明的各功能的拓扑图；

图3是本发明中的构建基准诊断预测模型的拓扑图。

具体实施方式

下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。

如图1所示，本具体实施方式所述的一种AI智能电力高压一二次设备运维检修诊断综合管理系统，包括操作人员终端、AI云端服务器、管理人员终端；

所述操作人员终端通过4G/5G网络与AI云端服务器实现输入输出；操作人员终端现场通过试验设备获取高压电力一二次设备的预防测试参数，采集上传至AI云端服务器，实现现场预防试验测试数据记录集中采集上传，用于高压电力一二次设备健康状态分析；

所述AI云端服务器由录入模块、存储模块、计算分析模块、模拟模块、诊断模块、输入模块和输出模块组成；

其中：将操作人员终端上传的现场预防试验测试数据记录、运行工况、温度、天气、运行时间，形成标准数据，利用存储模块实现存储，通过输入模块作为模型输入实现建模，利用计算分析模块、模拟模块、诊断模块，将下一时刻的运行状态作为输出，模型选用LSTM网络，损失函数使用交叉熵，构建基准诊断预测模型；

所述管理人员终端通过通过4G/5G网络与AI云端服务器实现输入输出。

进一步地，所述基准诊断预测模型通过录入模块，将历史专家诊断数据、行业案例数据存储于存储模块中，构建数据集完成训练。

进一步地，所述基准诊断预测模型在隐藏层与输出层之间使用dropout，降低过拟合。

进一步地，所述基准诊断预测模型中构建基准诊断预测模型训练集；对电力设备预防性试验规程、历史专家诊断数据、行业案例数据进行去重、去噪处理，整理出800W条数据，按7:2:1的比例划分为训练集、验证集、测试集。

进一步地，基于基准诊断预测模型训练集，使用随机梯度下降对基准诊断预测模型完成训练，并完成模型部署，模型部署于边缘计算设备上，和部署在云服务器上。

本发明的工作原理如下：

如图1-图3所示，本发明中，操作人员终端和管理人员终端均安装有计算机软件和远程便携APP，以便通过4G/5G网络实现与AI云端服务器相互通信，实现输入输出功能。

其中：操作人员终端：操作人员现场通过试验设备获取高压电力一二次设备的预防测试参数，采集上传至AI云端服务器，AI云端服务器在接收到操作人员采集数据通过AI人工智能算法实时输出到操作人员终端APP/计算机软件给出诊断结果。

诊断结果的表现形式：以绿色线段为健康、黄色线段为性能下降、红色线段为故障，直观的给出相应电力高压一二次设备预防测试诊断结果并提供解决方案，并可以通过现场温度、工况、用电峰值、天气、预防试验测试数据、使用时间、进行模拟运算发现后期可能出现的故障隐患。

操作人员通过AI云服务器，电力高压一二次设备操作人员现场测试数据采集上传AI智能云计算服务器，实时反馈系统诊断结果和AI算法历史数据对比发现测试电力一二次设备运行隐患问题预警、测试报告生成、在线知识学习、在线人工交流、模拟测试电力一二次设备的运行隐患，实现在线技术学习、考试、在线操作人员技术互动交流、工作视频会议，为操作人员终端的功能项。

其中：管理人员终端：向AI云端服务器输入工作任务、考试、新技术学习、视频会议指令下发到操作人员终端；同时，AI云端服务器向管理人员终端输入操作人员预防试验测试数据，生成全区域面到点的监控数据曲线。

管理人员通过AI云服务器输入获取操作终端高压电力一二次试验设备预防试验测试数据生成面到点的监控图，通过AI人工智能数据分析调整工作任务重点、管理生产、专业知识考试、优化年度工作结构、组织在线视频会议和在线专业技术培训学习输入到AI云服务器，再输出到操作人员终端。

测试周期年度安排计划监督管理、全区域高压电力一二次设备测试运行状态监控和风险预警、全区域操作人员考试、在线新技术学习、在线技术交流、为管理人员终端的功能项。

管理人员终端为管理人员提供智能化管理参考数据，优化全区域电力高压一二次设备运行健康状态情况，从面到点的给出综合性的工作任务重点安排，提升生产绩效，减低全区域面到点的高压电力一二次设备故障发生率。

AI云端服务器:包括录入、存储、计算分析、模拟、诊断、输入、输出功能。以试验测试记录、运行工况、温度、天气、运行时间等维度作为模型输入，将下一时刻的运行状态作为输出，模型选用LSTM网络，损失函数使用交叉熵，构建基准诊断预测模型；基准诊断预测模型基于历史专家诊断数据、行业案例数据构建的数据集完成训练。

另外，系统基于在线学习架构，利用增量数据对模型进行权重微调，以适应实际场景数据分布的变化，时为提供操作人员提供学习、在线技术交流互动服务，具体包括以下步骤：

(1)构建基准诊断预测模型训练集，电力设备预防性试验规程、历史专家诊断数据、行业案例数据进行去重、去噪处理，整理出约800W条数据，按7:2:1的比例划分为训练集、验证集、测试集。

(2)使用LSTM网络构建基准诊断预测模型，损失函数使用交叉熵，为降低过拟合，在隐藏层与输出层之间使用dropout；

(3)基于基准诊断预测模型训练集，使用随机梯度下降对基准诊断预测模型完成训练，并完成模型部署，模型部署于边缘计算设备上，和部署在云服务器上；

(4)基于在线学习架构，使用T+1周期对模型权重进行更新。即基于每日增量数据构成的新增数据集，对模型进行权重微调，并于T+1完成模型更新。根据实际业务需求，更新周期也可以自定义调整，间隔1小时；

(5)增加专业技术板块经典案例，为用户在线提供疑难杂症解决方案，同时利用AI深度学习强化其软件系统解决问题的准确效率。

以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。