【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及一種電力數(shù)據(jù)管理系統(tǒng)及辦法，特別是涉及一種基于人工智能的電力數(shù)據(jù)管理系統(tǒng)及辦法。
技術(shù)介紹
1、電力系統(tǒng)作為現(xiàn)代社會的重要基礎(chǔ)設(shè)施，為生產(chǎn)和生活提供服務(wù)，其安全穩(wěn)定運行至關(guān)重要。隨著電網(wǎng)規(guī)模的不斷擴大和用電需求的持續(xù)增長，電力系統(tǒng)的復(fù)雜性和不確定性也在不斷提高，給電力運維工作帶來了巨大挑戰(zhàn)。
2、申請公開號為cn118917840a的中國專利中公開了一種基于電力運維的智能化數(shù)據(jù)優(yōu)化管理平臺，包括：關(guān)系網(wǎng)絡(luò)構(gòu)建模塊，用于獲取所有設(shè)備的安裝信息和所有設(shè)備在歷史上的運行記錄，所述運行記錄包括運行數(shù)據(jù)和狀態(tài)數(shù)據(jù)，根據(jù)安裝信息和歷史上的運行數(shù)據(jù)構(gòu)建設(shè)備關(guān)系網(wǎng)絡(luò)；模型構(gòu)建與訓(xùn)練模塊，用于根據(jù)設(shè)備歷史上的運行數(shù)據(jù)，訓(xùn)練用于識別設(shè)備狀態(tài)的狀態(tài)識別模型；數(shù)據(jù)采集與處理模塊，用于通過傳感器采集各個設(shè)備實時的運行數(shù)據(jù)，對采集到運行數(shù)據(jù)進行預(yù)處理，將預(yù)處理后的運行數(shù)據(jù)打上時間戳后進行存儲；數(shù)據(jù)分析模塊，用于按照預(yù)設(shè)頻率根據(jù)設(shè)備關(guān)系網(wǎng)絡(luò)獲取存儲的運行數(shù)據(jù)并分析運行數(shù)據(jù)是否存在異常；狀態(tài)識別模塊，用于在數(shù)據(jù)分析模塊分析運行數(shù)據(jù)存在異常時，獲取對應(yīng)的運行數(shù)據(jù)并將運行數(shù)據(jù)輸入到狀態(tài)識別模型中得到設(shè)備狀態(tài)；如有直接的電路連接或通信連接等，用于監(jiān)控獲取到的實時的運行數(shù)據(jù)，并在監(jiān)控到存在超出預(yù)設(shè)閾值的運行數(shù)據(jù)進行報警，還用于監(jiān)控并輸出狀態(tài)識別模型識別到的設(shè)備狀態(tài)。
3、上述專利存在本
技術(shù)介紹
提出的問題：
4、一，上述專利技術(shù)雖然可以對異常情況進行報警，但報警后再到處理需要一定的時間，存在一定的滯后性，比如發(fā)電機或變壓
5、二，上述專利技術(shù)只是對電力進行采集、分析、識別、監(jiān)控等操作，沒有對電力進行有效管理，比如沒有調(diào)整或調(diào)度、制定用電計劃等；
6、三，上述專利技術(shù)只是通過傳感器采集各個設(shè)備實時的運行數(shù)據(jù)，傳感器在數(shù)據(jù)采集過程中，會受到環(huán)境因素的影響，如溫度、濕度、電磁干擾等都可能導(dǎo)致傳感器采集到的數(shù)據(jù)出現(xiàn)偏差。此外，傳感器本身的精度和穩(wěn)定性也會影響數(shù)據(jù)采集的準確性，從而影響后續(xù)分析、識別的準確性。而且，采集的數(shù)據(jù)單一且都是文本數(shù)據(jù)，也會影響后續(xù)操作的精確性和局限性。
技術(shù)實現(xiàn)思路
1、針對上述情況，為了解決現(xiàn)有技術(shù)的技術(shù)問題，本專利技術(shù)提供一種基于人工智能的電力數(shù)據(jù)管理系統(tǒng)及辦法。
2、本專利技術(shù)是通過下述技術(shù)方案來解決上述技術(shù)問題的：一種基于人工智能的電力數(shù)據(jù)管理系統(tǒng)，其特征在于，所述基于人工智能的電力數(shù)據(jù)管理系統(tǒng)包括：
3、數(shù)據(jù)準備模塊，將電力方面的多種來源數(shù)據(jù)準備完成并存儲在一數(shù)據(jù)庫中；
4、分類模塊，將電力方面的多種來源數(shù)據(jù)分為文本數(shù)據(jù)和圖像數(shù)據(jù)；
5、第一電力故障預(yù)測模塊，第一電力故障預(yù)測模塊接收文本數(shù)據(jù)并通過一第一電力故障預(yù)測模型進行電力故障預(yù)測，得到第一預(yù)測結(jié)果，根據(jù)第一預(yù)測結(jié)果判斷將來是否有故障，如果有故障則進行預(yù)警并產(chǎn)生第一故障排除方案；
6、第二電力故障預(yù)測模塊，第二電力故障預(yù)測模塊接收圖像數(shù)據(jù)并通過一第二電力故障預(yù)測模型進行電力故障預(yù)測，得到第二預(yù)測結(jié)果，根據(jù)第二預(yù)測結(jié)果判斷將來是否有故障，如果有故障則進行預(yù)警并產(chǎn)生第二故障排除方案；
7、第一實時監(jiān)測模塊，第一實時監(jiān)測模塊接收文本數(shù)據(jù)并通過一第一異常識別模型進行電力異常識別，如果識別有異常則進行報警并產(chǎn)生第一異常排除方案；
8、第二實時監(jiān)測模塊，第二實時監(jiān)測模塊接收圖像數(shù)據(jù)并通過一第二異常識別模型進行電力異常識別，如果識別有異常則進行報警并產(chǎn)生第二異常排除方案；
9、自動調(diào)整模塊，如果自動調(diào)整模塊接收到第一電力故障預(yù)測模塊的預(yù)警或第二電力故障預(yù)測模塊的預(yù)警或第一實時監(jiān)測模塊的報警或第二實時監(jiān)測模塊的報警，則對相應(yīng)的設(shè)備進行自動調(diào)整并產(chǎn)生相應(yīng)的調(diào)整方案。
10、優(yōu)選地，所述第一電力故障預(yù)測模型采用訓(xùn)練好的rf-tcn模型，具體是利用隨機森林算法對文本數(shù)據(jù)篩選出關(guān)鍵特征并降低文本數(shù)據(jù)維度，然后利用tcn進行學(xué)習(xí)預(yù)測，先經(jīng)過數(shù)據(jù)降維處理再進行預(yù)測；第二電力故障預(yù)測模型采用訓(xùn)練好的多尺度卷積神經(jīng)網(wǎng)絡(luò)。
11、優(yōu)選地，所述第一異常識別模型利用lstm算法進行識別，通過將第一實時監(jiān)測模塊實時監(jiān)測的電力運行數(shù)據(jù)與預(yù)先設(shè)定的閾值進行逐一比較，以判斷是否異常，提取異常信息；第二異常識別模型利用支持向量機模型和異常檢測深度學(xué)習(xí)網(wǎng)絡(luò)模型進行識別，得到圖像的異常識別信息。
12、優(yōu)選地，所述基于人工智能的電力數(shù)據(jù)管理系統(tǒng)還包括場景構(gòu)建模塊，場景構(gòu)建模塊接收第一電力故障預(yù)測模塊的預(yù)警、第二電力故障預(yù)測模塊的預(yù)警、第一實時監(jiān)測模塊的報警、第二實時監(jiān)測模塊的報警，場景構(gòu)建模塊用于構(gòu)建預(yù)警區(qū)域、報警區(qū)域的模型以生成場景，生成模擬場景圖，場景的類型包括移動端場景、電腦端場景、大屏幕端場景三種類型。
13、優(yōu)選地，所述數(shù)據(jù)準備模塊包括：
14、數(shù)據(jù)采集模塊，實時采集電力方面的多種來源數(shù)據(jù)，電力方面的多種來源數(shù)據(jù)包括傳感器數(shù)據(jù)、設(shè)備數(shù)據(jù)、用戶用電數(shù)據(jù)、歷史運行數(shù)據(jù)、監(jiān)控圖像、設(shè)備故障日志，傳感器數(shù)據(jù)、設(shè)備數(shù)據(jù)、用戶用電數(shù)據(jù)、歷史運行數(shù)據(jù)、設(shè)備故障日志屬于文本數(shù)據(jù)，監(jiān)控圖像屬于圖像數(shù)據(jù)；
15、過濾和修復(fù)模塊，對數(shù)據(jù)采集模塊的電力方面的多種來源數(shù)據(jù)進行噪聲過濾和缺失值修復(fù)；
16、歸一化處理模塊，分別將過濾和修復(fù)后的文本數(shù)據(jù)、圖像數(shù)據(jù)進行歸一化處理。
17、優(yōu)選地，所述文本數(shù)據(jù)進行歸一化處理的公式如下：
18、
19、其中，y0表示文本數(shù)據(jù)歸一化處理后的結(jié)果，y表示原始文本數(shù)據(jù)，u表示原始文本數(shù)據(jù)的平均值，δ原始文本數(shù)據(jù)中的標準差。
20、優(yōu)選地，所述圖像數(shù)據(jù)進行歸一化處理的公式如下：
21、
22、其中，c0表示圖像像素歸一化處理后的結(jié)果，c表示圖像像素點值，max表示圖像像素的最大值，min表示圖像像素的最小值。
23、本專利技術(shù)還提供一種基于人工智能的電力數(shù)據(jù)管理方法，其包括以下步驟：
24、將電力方面的多種來源數(shù)據(jù)準備完成并存儲在一數(shù)據(jù)庫中；
25、將電力方面的多種來源數(shù)據(jù)分為文本數(shù)據(jù)和圖像數(shù)據(jù)；
26、通過一第一電力故障預(yù)測模塊接收文本數(shù)據(jù)并通過一第一電力故障預(yù)測模型進行電力故障預(yù)測，得到第一預(yù)測結(jié)果，根據(jù)第一預(yù)測結(jié)果判斷將來是否有故障，如果有故障則進行預(yù)警并產(chǎn)生第一故障排除方案；
27、通過一第二電力故障預(yù)測模塊接收圖像數(shù)據(jù)并通過一第二電力故障預(yù)測模型進行電力故障預(yù)測，得到第二預(yù)測結(jié)果，根據(jù)第二預(yù)測結(jié)果判斷將來是否有故障，如果有故障則進行預(yù)警并產(chǎn)生第二故障排除方案；
28、通過一第一實時監(jiān)測模塊接收文本數(shù)據(jù)并通過一第一異常識別模型進行電力異常識別，如果識別有異常則進行報警并產(chǎn)生第一異常排除方案；
【技術(shù)保護點】
1.一種基于人工智能的電力數(shù)據(jù)管理系統(tǒng)，其特征在于，所述基于人工智能的電力數(shù)據(jù)管理系統(tǒng)包括：
2.如權(quán)利要求1所述的基于人工智能的電力數(shù)據(jù)管理系統(tǒng)，其特征在于，所述第一電力故障預(yù)測模型采用訓(xùn)練好的RF-TCN模型，具體是利用隨機森林算法對文本數(shù)據(jù)篩選出關(guān)鍵特征并降低文本數(shù)據(jù)維度，然后利用TCN進行學(xué)習(xí)預(yù)測，先經(jīng)過數(shù)據(jù)降維處理再進行預(yù)測；第二電力故障預(yù)測模型采用訓(xùn)練好的多尺度卷積神經(jīng)網(wǎng)絡(luò)。
3.如權(quán)利要求1所述的基于人工智能的電力數(shù)據(jù)管理系統(tǒng)，其特征在于，所述第一異常識別模型利用LSTM算法進行識別，通過將第一實時監(jiān)測模塊實時監(jiān)測的電力運行數(shù)據(jù)與預(yù)先設(shè)定的閾值進行逐一比較，以判斷是否異常，提取異常信息；第二異常識別模型利用支持向量機模型和異常檢測深度學(xué)習(xí)網(wǎng)絡(luò)模型進行識別，得到圖像的異常識別信息。
4.如權(quán)利要求1所述的基于人工智能的電力數(shù)據(jù)管理系統(tǒng)，其特征在于，所述基于人工智能的電力數(shù)據(jù)管理系統(tǒng)還包括場景構(gòu)建模塊，場景構(gòu)建模塊接收第一電力故障預(yù)測模塊的預(yù)警、第二電力故障預(yù)測模塊的預(yù)警、第一實時監(jiān)測模塊的報警、第二實時監(jiān)測模塊的報警，場景構(gòu)建模塊用
5.如權(quán)利要求1所述的基于人工智能的電力數(shù)據(jù)管理系統(tǒng)，其特征在于，所述數(shù)據(jù)準備模塊包括：
6.如權(quán)利要求5所述的基于人工智能的電力數(shù)據(jù)管理系統(tǒng)，其特征在于，所述文本數(shù)據(jù)進行歸一化處理的公式如下：
7.如權(quán)利要求5所述的基于人工智能的電力數(shù)據(jù)管理系統(tǒng)，其特征在于，所述圖像數(shù)據(jù)進行歸一化處理的公式如下：
8.一種基于人工智能的電力數(shù)據(jù)管理方法，其特征在于，其包括以下步驟：
...【技術(shù)特征摘要】
1.一種基于人工智能的電力數(shù)據(jù)管理系統(tǒng)，其特征在于，所述基于人工智能的電力數(shù)據(jù)管理系統(tǒng)包括：
2.如權(quán)利要求1所述的基于人工智能的電力數(shù)據(jù)管理系統(tǒng)，其特征在于，所述第一電力故障預(yù)測模型采用訓(xùn)練好的rf-tcn模型，具體是利用隨機森林算法對文本數(shù)據(jù)篩選出關(guān)鍵特征并降低文本數(shù)據(jù)維度，然后利用tcn進行學(xué)習(xí)預(yù)測，先經(jīng)過數(shù)據(jù)降維處理再進行預(yù)測；第二電力故障預(yù)測模型采用訓(xùn)練好的多尺度卷積神經(jīng)網(wǎng)絡(luò)。
3.如權(quán)利要求1所述的基于人工智能的電力數(shù)據(jù)管理系統(tǒng)，其特征在于，所述第一異常識別模型利用lstm算法進行識別，通過將第一實時監(jiān)測模塊實時監(jiān)測的電力運行數(shù)據(jù)與預(yù)先設(shè)定的閾值進行逐一比較，以判斷是否異常，提取異常信息；第二異常識別模型利用支持向量機模型和異常檢測深度學(xué)習(xí)網(wǎng)絡(luò)模型進行識別，得到圖像的異常識別信息。
4.如權(quán)利要求1所述的基于...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張鵬，
申請(專利權(quán))人：智臣數(shù)據(jù)科技蘇州有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。