本发明涉及电力设备,尤其是一种电力设备远程智能监控系统及方法。
背景技术:
1、电力监控系统以计算机、通讯设备、测控单元为基本工具,能够对设备巡检检测电力设备的运行状态进行监控,为变配电系统的实时数据采集、开关状态检测及远程控制提供了基础平台,可以帮助企业消除孤岛,降低运作成本,提高生产效率,加快针对变配电过程中异常情况的反应速度。然而,如果电力监控系统中监测的数据不准确或无法判断电力设备当前监控环境是否安全,电力监控系统便不能再对电力设备进行有效控制,极大减弱了解决变配电过程中异常情况的能力。此外,如何保证电力监控系统中通信的安全性也是亟待解决的问题之一。
技术实现思路
1、本发明的目的是通过提出一种电力设备远程智能监控系统及方法,以解决上述背景技术中提出的缺陷。
2、本发明采用的技术方案如下:
3、提供一种电力设备远程智能监控系统,包括:
4、设备数据采集模块:用于采集电力设备数据;
5、设备数据处理模块:用于对采集的电力设备数据进行处理;
6、设备数据分析模块:用于对处理后的电力设备数据进行分析;
7、远程智能告警模块:用于根据分析结果进行远程告警。
8、作为本发明的一种优选技术方案:所述设备数据采集模块采集的电力设备数据包括电力设备运行数据和电力设备图像数据。
9、作为本发明的一种优选技术方案:所述设备数据处理模块对采集的电力设备运行数据进行异常、重复数据去除、缺失值填充处理和数据标准化处理。
10、作为本发明的一种优选技术方案:所述设备数据分析模块基于多尺度残差块生成对抗网络,并提取电力设备图像数据的注意力特征信息数据,基于svm向量机检测电力设备图像数据的注意力特征信息数据,进行电力设备图像数据的识别。
11、作为本发明的一种优选技术方案:所述设备数据分析模块通过3*3卷积层提取电力设备图像数据浅层特征,并通过5*5卷积层提取不同尺度的电力设备数据特征作为局部特征,再将局部特征进行融合:
12、pl=σ(w1(3*3)×ni-1+bl)
13、ql=σ(wl(5*5)×ni-1+bl)
14、s=σ(wl+1(1*1)×[pl,ql]+bl+1)
15、其中,pl为卷积核为3*3的第l层浅层特征提取函数,ql为卷积核为5*5的第l层局部特征提取函数,σ为relu函数,wl为第l层的权重,bl为第l层的偏置,wl+1为第l+1层的权重,bl+1为第l+1层的偏置,ni-1为输入的电力设备数据数量,s为特征融合函数;
16、对每个多尺度残差块均采用残差学习:
17、ni=s+ni-1
18、其中,ni为多尺度残差块的输出;
19、将多尺度残差块的输出的电力设备图像数据输入至空间注意力模块:
20、z1(ni)=g(fc1×1(fd3×3(fd3×3(fc1×1(ni)))))
21、其中,z1(ni)为空间注意力特征数据,g表示批量归一化,fc1×1为用于通道压缩的1×1卷积,fd3×3为空洞率为4的3×3空洞卷积;
22、还将多尺度残差块的输出的电力设备图像数据输入至通道注意力模块:
23、z2(ni)=g(wl(w0avgpool(ni)+b0)+bl)
24、其中,z2(ni)为通道注意力特征数据,avgpool为平均池化层,w0和b0分别为平均池化层的权重和偏置;
25、得到电力设备注意力特征图像数据如下:
26、z(ni)=σ(z1(ni)+z2(ni))
27、其中,z(ni)为输出的电力设备注意力特征图像数据。
28、作为本发明的一种优选技术方案:所述设备数据分析模块还提取电力设备运行异常特征数据,并将提取的电力设备运行异常特征数据输入至对抗网络中,并提取电力设备注意力异常特征运行数据,以此搭建电力设备异常检测模型对电力设备运行数据进行检测。
29、作为本发明的一种优选技术方案:所述提取电力设备运行异常特征数据具体如下:
30、
31、其中,l为提取的电力设备运行异常特征数据,j为电力设备运行数据个数,rj为第j个电力设备运行异常特征数据提取节点的活动指标量,代表电力设备运行异常特征数据的特征均值系数,n为电力设备运行正常特征数据属性特征指标量,为电力设备运行正常特征数据属性特征均值系数。
32、作为本发明的一种优选技术方案:所述电力设备异常检测模型搭建如下:
33、将提取的电力设备注意力异常特征运行数据x映射至高维空间φ中,并在高维空间φ中构造回归函数f(x):
34、
35、将上式转化为目标函数g:
36、
37、引入松弛变量βi,得到:
38、
39、引入核函数k(x,xi)=xtxi,得到电力设备异常检测模型f(x):
40、
41、其中,n表示电力设备注意力异常特征运行数据的总数,φt表示高维空间的转置,xt表示x的转置,表示非线性映射,δ表示回归阈值,c表示惩罚因子,l、r表示敏感变量,αi表示支持向量,表示支持向量的共轭向量,xi表示高维空间中的第i个高维电力设备注意力异常特征运行数据,yi表示电力设备注意力异常特征运行数据的真实检测值,f(xi)表示电力设备注意力异常特征运行数据的预测值,表示松弛向量的共轭向量。
42、作为本发明的一种优选技术方案:所述远程智能告警模块预设电力设备数据的告警阈值,将svm向量机的识别结果与电力设备异常检测模型的检测结果与告警阈值进行比较,并根据比较结果进行远程告警。
43、提供一种电力设备远程智能监控方法,包括如下步骤:
44、s1:采集电力设备数据;
45、s2:对采集的电力设备数据进行处理;
46、s3:对处理后的电力设备数据进行分析;
47、s4:根据分析结果进行远程告警。
48、本发明提供的电力设备远程智能监控系统及方法,与现有技术相比,其有益效果有:
49、本发明通过对电力设备的运行状态数据和电力设备运行图像数据分别进行监控,能够准确判断电力设备当前运行状态和运行环境安全,并通过将提取的电力设备的运行状态数据特征和电力设备运行图像数据特征分别输入至多尺度残差块生成的对抗网络中,并基于注意力机制提取特征信息,能够减少数据在特征提取过程中的丢失,提升数据质量,提升远程监控效果。
1.一种电力设备远程智能监控系统,其特征在于:包括:
2.根据权利要求1所述的电力设备远程智能监控系统,其特征在于:所述设备数据采集模块(100)采集的电力设备数据包括电力设备运行数据和电力设备图像数据。
3.根据权利要求2所述的电力设备远程智能监控系统,其特征在于:所述设备数据处理模块(200)对采集的电力设备运行数据进行异常、重复数据去除、缺失值填充处理和数据标准化处理。
4.根据权利要求3所述的电力设备远程智能监控系统,其特征在于:所述设备数据分析模块(300)基于多尺度残差块生成对抗网络,并提取电力设备图像数据的注意力特征信息数据,基于svm向量机检测电力设备图像数据的注意力特征信息数据,进行电力设备图像数据的识别。
5.根据权利要求4所述的电力设备远程智能监控系统,其特征在于:所述设备数据分析模块(300)通过3*3卷积层提取电力设备图像数据浅层特征,并通过5*5卷积层提取不同尺度的电力设备数据特征作为局部特征,再将局部特征进行融合:
6.根据权利要求5所述的电力设备远程智能监控系统,其特征在于:所述设备数据分析模块(300)还提取电力设备运行异常特征数据,并将提取的电力设备运行异常特征数据输入至对抗网络中,并提取电力设备注意力异常特征运行数据,以此搭建电力设备异常检测模型对电力设备运行数据进行检测。
7.根据权利要求6所述的电力设备远程智能监控系统,其特征在于:所述提取电力设备运行异常特征数据具体如下:
8.根据权利要求7所述的电力设备远程智能监控系统,其特征在于:所述电力设备异常检测模型搭建如下:
9.根据权利要求8所述的电力设备远程智能监控系统,其特征在于:所述远程智能告警模块(400)预设电力设备数据的告警阈值,将svm向量机的识别结果与电力设备异常检测模型的检测结果与告警阈值进行比较,并根据比较结果进行远程告警。
10.一种电力设备远程智能监控方法,基于权利要求1-9任意一项所述的电力设备远程智能监控系统,其特征在于:包括如下步骤: