申请/专利权人：国网江苏省电力有限公司信息通信分公司

申请日：2023-09-30

公开（公告）日：2024-06-25

公开（公告）号：CN117495338B

主分类号：G06Q10/20

分类号：G06Q10/20;G06Q50/06;G06N3/045;G06F17/16

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.02.23#实质审查的生效;2024.02.02#公开

摘要：本申请提供了一种基于自动化运维的系统故障诊断与修复方法，涉及自动化运维技术领域，用于提高系统故障诊断与修复的效率、准确率。该方法主要包括：根据一次电力设备以及二次电力设备分别对应的结构关系数据，确定与异常的一次电力设备和或二次电力设备相关的关联电力设备；通过异常的一次电力设备及其相关的关联电力设备分别对应的电力运行数据确定第一电力运行数据特征矩阵，异常的二次电力设备及其相关的关联电力设备分别对应的电力运行数据确定第二电力运行数据特征矩阵；通过第一电力运行数据特征矩阵和第二电力运行数据特征矩阵，确定所述电力系统出现的故障。

主权项：1.一种基于自动化运维的系统故障诊断与修复方法，其特征在于，所述方法包括：获取电力系统中一次电力设备以及二次电力设备分别对应的电力运行数据，所述一次电力设备为直接用于生产、输送和分配电能的生产过程的高压电气设备；所述二次电力设备为对所述一次电力设备进行监测、控制、调节和保护的电气设备称为二次电力设备；基于所述电力运行数据确定出现运行异常的一次电力设备和或二次电力设备；根据所述一次电力设备以及所述二次电力设备分别对应的结构关系数据，确定与异常的一次电力设备和或二次电力设备相关的关联电力设备；获取所述异常的一次电力设备及其相关的关联电力设备分别对应的电力运行数据，以所述异常的二次电力设备及其相关的关联电力设备分别对应的电力运行数据；通过所述异常的一次电力设备及其相关的关联电力设备分别对应的电力运行数据确定第一电力运行数据特征矩阵，所述异常的二次电力设备及其相关的关联电力设备分别对应的电力运行数据确定第二电力运行数据特征矩阵；通过所述第一电力运行数据特征矩阵和所述第二电力运行数据特征矩阵，确定所述电力系统出现的故障；所述根据所述一次电力设备对应的结构关系数据，确定与异常的一次电力设备相关的关联电力设备，包括：根据所述一次电力设备对应的结构关系数据，确定与异常的一次电力设备相关的关联一次电力设备；根据所述二次电力设备对应的结构关系数据，确定与所述异常的一次电力设备以及所述关联一次电力设备对应的二次电力设备；将所述关联一次电力设备、与所述异常的一次电力设备以及所述关联一次电力设备对应的二次电力设备确定为与异常的一次电力设备相关的关联电力设备；所述根据所述二次电力设备对应的结构关系数据，确定与异常的二次电力设备相关的关联电力设备，包括：根据所述二次电力设备对应的结构关系数据，确定与异常的二次电力设备对应的一次电力设备；根据所述一次电力设备对应的结构关系数据，确定与异常的二次电力设备对应的一次电力设备相关的关联一次电力设备；将与异常的二次电力设备对应的一次电力设备，以及与异常的二次电力设备对应的一次电力设备相关的关联一次电力设备确定为与异常的二次电力设备相关的关联电力设备；一次电力设备以及二次电力设备分别对应的结构关系数据用于表示一次电力设备之间的结构连接、隶属关系，二次电力设备之间的结构连接、隶属关系；所述通过所述第一电力运行数据特征矩阵和所述第二电力运行数据特征矩阵，确定所述电力系统出现的故障，包括：确定所述第一电力运行数据特征矩阵和所述第二电力运行数据特征矩阵分别对应的电力设备占比，所述电力设备占比为所述第一电力运行数据特征矩阵、所述第二电力运行数据特征矩阵中包含的一次电力设备与二次电力设备的数量比值；将所述第一电力运行数据特征矩阵、所述第二电力运行数据特征矩阵分别输入到所述电力设备占比对应的神经网络模型，确定所述电力系统出现的故障;所述将所述第一电力运行数据特征矩阵、所述第二电力运行数据特征矩阵分别输入到所述电力设备占比对应的神经网络模型，确定所述电力系统出现的故障，包括：若所述电力设备占比大于1，则将所述第一电力运行数据特征矩阵、所述第二电力运行数据特征矩阵分别输入到第一神经网络模型确定所述电力系统出现的故障；若所述电力设备占比小于1，则将所述第一电力运行数据特征矩阵、所述第二电力运行数据特征矩阵分别输入到第二神经网络模型确定所述电力系统出现的故障；若所述电力设备占比等于1，则将所述第一电力运行数据特征矩阵、所述第二电力运行数据特征矩阵分别输入到第三神经网络模型确定所述电力系统出现的故障；所述方法还包括：获取电力运行样本数据特征矩阵及其对应的故障电力设备标签，所述故障电力设备标签包括出现故障的一次电力设备和或二次电力设备；将所述电力运行样本数据特征矩阵输入到所述神经网络模型，得到预测故障电力设备；根据所述电力设备占比、所述预测故障电力设备和所述故障电力设备标签的计算损失值；所述神经网络模型包括第一神经网络模型、第二神经网络模型以及第三神经网络模型；当所述损失值小于预置数值时，停止对所述神经网络模型的训练；所述根据所述电力设备占、所述预测故障电力设备和所述故障电力设备标签的计算损失值，包括：通过下述公式计算所述损失值： 其中，loss为计算的损失值，N为电力运行样本数据特征矩阵内包含的电力设备数量，Ai为电力运行样本数据特征矩阵对应的第i个一次电力设备的预测结果，Bi为电力运行样本数据特征矩阵对应的第i个一次电力设备的电力设备标签，Aj为电力运行样本数据特征矩阵对应的第j个二次电力设备的预测结果，Bj为电力运行样本数据特征矩阵对应的第j个二次电力设备的电力设备标签，n为电力运行样本数据特征矩阵对应的一次电力设备的数量，m为电力运行样本数据特征矩阵对应的二次电力设备的数量，n+m＝N，α、β为根据电力设备占确定的权重值。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司信息通信分公司 基于自动化运维的系统故障诊断与修复方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD