CN119125744B 一种电力设备智能监测方法及系统 （江西贵兴智能电气有限公司）

开发区经开大道4368号联博科技园二本发明公开了一种电力设备智能监测方法2S1.获取电力设备的设备信息和运行状态信息，通过设备信息对电力设备进行集合模S4.将每个电力设备的降噪处理数据送入实时异常监测模型中进行独立异常监测，得S5.将初步异常分析处理结果和实时独立异常监测结果不为正常的电力设备作为待预生成待预测样本，将待预测故障设备作为主对象，其对应将待预测样本送入故障预测模型进行故障预测，得到故障预测结果S6.将电力设备的独立异常监测结果、故障预测结果和关联异常监测结果记录在智能模式选择层用于根据输入的数据类型进行模型选择，若输入的数异常监测层用于提取数据信息中的故障特征参量，通过多维A1.获取若干电力设备的实时运行数据，获取的数据包括单个电力设备的实时运行数3A2.将独立异常训练集和关联异常训练集分批次送入基于BP神经网络为基础的初始实A3.将独立异常测试集和关联异常测试集分别送入优化实时异常监测模型进行准确率将一段时间内采集到的运行数据进行缓存，计算实时运行数据将电力设备的待分析数据使用X进行表示，对其按照数据类型进行划分’干电力设备和与其具有关联关系的电力设备的时序设备运行数据训练得4C4.将电力设备为异常的真实结果与记录进行关联，根据电力设备为异常的真实结果数字孪生体模块，用于获取电力设备的设备信息异常监测模块，用于将每个电力设备的降噪处理数据送入实时故障预测模块，用于将初步异常分析处理结果和实时生成待预测样本，将待预测故障设备作为主对象，其对应将待预测样本送入故障预测模型进行故障预测，得到故障预测结果智能报警模块，用于将电力设备的独立异常监测结果5[0006]S1.获取电力设备的设备信息和运行[0009]S4.将每个电力设备的降噪处理数据送入实时异常监测模型中进行独立异常监[0010]S5.将初步异常分析处理结果和实时独立异常监测结果不为正常的电力设备作为6[0013]S6.将电力设备的独立异常监测结果、故障’[0023]A1.获取若干电力设备的实时7[0024]A2.将独立异常训练集和关联异常训练集分批次送入基于BP神经网络为基础的初[0025]A3.将独立异常测试集和关联异常测试集分别送入优化实时异常监测模型进行准[0033]C1.获取智能监测日志中[0036]C4.将电力设备为异常的真实结果结果的记录情况的权值进行权重计算，对权重超过设定阈值的记录情况进行红色等级报[0039]数据采集模块，用于通过高精度传感器以设定周期采集电力设备的实时运行数8[0052]S1.获取电力设备的设备信息和运行9[0062]采用的移动平滑处理方法为5点平滑处理，即使用处理点前后各2个数据一共4个’[0068]S4.将每个电力设备的降噪处理数据送入实时异常监测模型中进行独立异常监[0076]A1.获取若干电力设备的实时[0078]A2.将独立异常训练集和关联异常训练集分批次送入基于BP神经网络为基础的初征关系，后5层用于分析当前电力设备和与其具有关联的电力设备的实时运行数据将的特[0080]A3.将独立异常测试集和关联异常测试集分别送入优化实时异常监测模型进行准[0081]S5.将初步异常分析处理结果和实时独立异常监测结果不为正常的电力设备作为[0083]具体的关系权重还需通过设备间的距离和关联关系的种类进行计算，具体公式[0087]故障预测模型基于循环神经网络训练，模型的目标为预通过若干电力设备和与其具有关联关系的电力设备的时序设备运行数据训练得成输入层用于接收输入预测样本的数据；4层隐藏层用于分析输入的预测样本的数据间的[0091]hr=tanh(wxr+bih+whz-1+bnn)[0096]S6.将电力设备的独立异常监测结果、故障[0098]C1.获取智能监测日志中[0101]C4.将电力设备为异常的真实结果结果的记录情况的权值进行权重计算，对权重超过设定阈值的记录情况进行红色等级报[0102]记录情况的权重由初始值和调整值组成，并随时间初始值和调整值的