CN119125744B 一種電力設備智能監測方法及系統 （江西貴興智能電氣有限公司）

開發區經開大道4368號聯博科技園二本發明公開了一種電力設備智能監測方法2S1.獲取電力設備的設備信息和運行狀態信息，通過設備信息對電力設備進行集合模S4.將每個電力設備的降噪處理數據送入實時異常監測模型中進行獨立異常監測，得S5.將初步異常分析處理結果和實時獨立異常監測結果不為正常的電力設備作為待預生成待預測樣本，將待預測故障設備作為主對象，其對應將待預測樣本送入故障預測模型進行故障預測，得到故障預測結果S6.將電力設備的獨立異常監測結果、故障預測結果和關聯異常監測結果記錄在智能模式選擇層用于根據輸入的數據類型進行模型選擇，若輸入的數異常監測層用于提取數據信息中的故障特征參量，通過多維A1.獲取若干電力設備的實時運行數據，獲取的數據包括單個電力設備的實時運行數3A2.將獨立異常訓練集和關聯異常訓練集分批次送入基于BP神經網絡為基礎的初始實A3.將獨立異常測試集和關聯異常測試集分別送入優化實時異常監測模型進行準確率將一段時間內采集到的運行數據進行緩存，計算實時運行數據將電力設備的待分析數據使用X進行表示，對其按照數據類型進行劃分’干電力設備和與其具有關聯關系的電力設備的時序設備運行數據訓練得4C4.將電力設備為異常的真實結果與記錄進行關聯，根據電力設備為異常的真實結果數字孿生體模塊，用于獲取電力設備的設備信息異常監測模塊，用于將每個電力設備的降噪處理數據送入實時故障預測模塊，用于將初步異常分析處理結果和實時生成待預測樣本，將待預測故障設備作為主對象，其對應將待預測樣本送入故障預測模型進行故障預測，得到故障預測結果智能報警模塊，用于將電力設備的獨立異常監測結果5[0006]S1.獲取電力設備的設備信息和運行[0009]S4.將每個電力設備的降噪處理數據送入實時異常監測模型中進行獨立異常監[0010]S5.將初步異常分析處理結果和實時獨立異常監測結果不為正常的電力設備作為6[0013]S6.將電力設備的獨立異常監測結果、故障’[0023]A1.獲取若干電力設備的實時7[0024]A2.將獨立異常訓練集和關聯異常訓練集分批次送入基于BP神經網絡為基礎的初[0025]A3.將獨立異常測試集和關聯異常測試集分別送入優化實時異常監測模型進行準[0033]C1.獲取智能監測日志中[0036]C4.將電力設備為異常的真實結果結果的記錄情況的權值進行權重計算，對權重超過設定閾值的記錄情況進行紅色等級報[0039]數據采集模塊，用于通過高精度傳感器以設定周期采集電力設備的實時運行數8[0052]S1.獲取電力設備的設備信息和運行9[0062]采用的移動平滑處理方法為5點平滑處理，即使用處理點前后各2個數據一共4個’[0068]S4.將每個電力設備的降噪處理數據送入實時異常監測模型中進行獨立異常監[0076]A1.獲取若干電力設備的實時[0078]A2.將獨立異常訓練集和關聯異常訓練集分批次送入基于BP神經網絡為基礎的初征關系，后5層用于分析當前電力設備和與其具有關聯的電力設備的實時運行數據將的特[0080]A3.將獨立異常測試集和關聯異常測試集分別送入優化實時異常監測模型進行準[0081]S5.將初步異常分析處理結果和實時獨立異常監測結果不為正常的電力設備作為[0083]具體的關系權重還需通過設備間的距離和關聯關系的種類進行計算，具體公式[0087]故障預測模型基于循環神經網絡訓練，模型的目標為預通過若干電力設備和與其具有關聯關系的電力設備的時序設備運行數據訓練得成輸入層用于接收輸入預測樣本的數據；4層隱藏層用于分析輸入的預測樣本的數據間的[0091]hr=tanh(wxr+bih+whz-1+bnn)[0096]S6.將電力設備的獨立異常監測結果、故障[0098]C1.獲取智能監測日志中[0101]C4.將電力設備為異常的真實結果結果的記錄情況的權值進行權重計算，對權重超過設定閾值的記錄情況進行紅色等級報[0102]記錄情況的權重由初始值和調整值組成，并隨時間初始值和調整值的