CN115912658A - 电厂智能监盘方法、装置、存储介质和电子设备 - Google Patents
电厂智能监盘方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN115912658A CN115912658A CN202211658876.6A CN202211658876A CN115912658A CN 115912658 A CN115912658 A CN 115912658A CN 202211658876 A CN202211658876 A CN 202211658876A CN 115912658 A CN115912658 A CN 115912658A
- Authority
- CN
- China
- Prior art keywords
- real
- determining
- value
- abnormal
- time data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开涉及电力行业领域，具体地，涉及一种电厂智能监盘方法、装置、存储介质和电子设备。该方法包括：将获取到的监控点的实时数据输入预先训练完成的实时预测模型中，获取与实时数据对应的预估值；根据预估值，确定第一数值范围；根据实时数据，确定监控点的状态；响应于确定监控点存在异常现象，根据实时数据、第一数值范围、实时数据在预设时长内的变化速率和变化速率阈值，确定异常等级，并生成对应的报警信息。如此，确定出的第一数值范围与电厂设备实际运行状态相适应，减少对人工经验的依赖，提高报警的准确性；同时能够不用通过原有的监控画面来回切换来进行监盘，大大减轻了运行人员的负担，有效保障了机组的运行安全。
Description
技术领域
本公开涉及电力行业领域，具体地，涉及一种电厂智能监盘方法、装置、存储介质和电子设备。
背景技术
随着机组容量的不断增加，运行人员需要监视的设备参数越来越多。电厂参数分布在各个监控系统的近200个画面当中，监控时容易出现信息阅读遗漏，而报警系统的设定值通常是一个固定值，难以与电厂的实际状态相适应，也就难以及时发现设备隐患。如此，可能导致报警信息不准确、异常发现不及时等问题，为电厂机组的运行带来安全隐患。
发明内容
本公开的目的是提供一种电厂智能监盘方法、装置、存储介质和电子设备，以提高电厂机组的运行的安全性。
为了实现上述目的，本公开第一方面提供一种电厂智能监盘方法，包括：
将获取到的监控点的实时数据输入预先训练完成的实时预测模型中，获取与所述实时数据对应的预估值；
根据所述预估值，确定第一数值范围；
根据所述实时数据，确定所述监控点的状态；
响应于确定所述监控点存在异常现象，根据所述实时数据、所述第一数值范围、所述实时数据在预设时长内的变化速率和变化速率阈值，确定异常等级，并生成对应的报警信息。
可选地，所述方法还包括：
将数据库中的各监控点的历史数据，输入至预先训练完成的知识图谱中，以得到关联矩阵，其中，所述关联矩阵表征各监控点的历史数据之间的关联关系；
根据所述关联矩阵训练得到所述实时预测模型。
可选地，所述根据所述实时数据，确定所述监控点的状态，包括：
若所述实时数据超出所述第一数值范围，和/或，所述实时数据在预设时长内的变化速率大于变化速率阈值，则确定所述监控点存在异常现象。
可选地，所述根据所述实时数据、所述第一数值范围、所述实时数据在预设时长内的变化速率和变化速率阈值，确定异常等级，并生成对应的报警信息，包括：
根据所述实时数据超出所述第一数值范围的数值，确定第一异常状态；
根据所述实时数据在预设时长内的变化速率超出变化速率阈值的数值，确定第二异常状态；
根据所述第一异常状态和所述第二异常状态，确定输出异常等级，并生成对应的报警信息。
可选地，所述根据所述实时数据超出所述第一数值范围的数值，确定第一异常状态，包括：
若所述实时数据超出所述第一数值范围的数值小于第一预设值，则确定所述第一异常状态的异常参考等级为无异常；
若所述实时数据超出所述第一数值范围的数值大于或等于所述第一预设值且小于第二预设值，则确定所述第一异常状态的异常参考等级为一般异常；
若所述实时数据超出所述第一数值范围的数值大于或等于所述第二预设值，则确定所述第一异常状态的异常参考等级为严重异常。
可选地，所述根据所述实时数据在预设时长内的变化速率超出变化速率阈值的数值，确定第二异常状态，包括：
若所述实时数据在预设时长内的变化速率超出所述变化速率阈值的数值小于第三预设值，则确定所述第二异常状态的异常参考等级为无异常；
若所述实时数据在预设时长内的变化速率超出所述变化速率阈值的数值大于或等于所述第三预设值且小于第四预设值，则确定所述第二异常状态的异常参考等级为一般异常；
若所述实时数据在预设时长内的变化速率超出所述变化速率阈值的数值大于或等于所述第四预设值，则确定所述第二异常状态的异常参考等级为严重异常。
可选地，所述根据所述第一异常状态和所述第二异常状态，确定输出异常等级，并生成对应的报警信息，包括：
根据所述第一异常状态和所述第二异常状态各自对应的权重和异常参考等级，确定输出异常等级，并生成对应的报警信息。
可选地，所述方法还包括：
响应于确定所述监控点的当前开关状态与预设开关状态不同，生成表征开关状态异常的报警信息。
本公开第二方面提供一种电厂智能监盘装置，包括：
获取模块，用于将获取到的监控点的实时数据输入预先训练完成的实时预测模型中，获取与所述实时数据对应的预估值；
第一确定模块，用于根据所述预估值，确定第一数值范围；
第二确定模块，用于根据所述实时数据，确定所述监控点的状态；
第三确定模块，用于响应于确定所述监控点存在异常现象，根据所述实时数据、所述第一数值范围、所述实时数据在预设时长内的变化速率和变化速率阈值，确定异常等级，并生成对应的报警信息。
可选地，所述装置还包括：
第四确定模块，用于将数据库中的各监控点的历史数据，输入至预先训练完成的知识图谱中，以得到关联矩阵，其中，所述关联矩阵表征各监控点的历史数据之间的关联关系；
训练模块，用于根据所述关联矩阵训练得到所述实时预测模型。
可选地，所述第二确定模块用于通过以下方式确定所述监控点的状态：
若所述实时数据超出所述第一数值范围，和/或，所述实时数据在预设时长内的变化速率大于变化速率阈值，则确定所述监控点存在异常现象。
可选地，所述第三确定模块包括：
第一确定子模块，用于根据所述实时数据超出所述第一数值范围的数值，确定第一异常状态；
第二确定子模块，用于根据所述实时数据在预设时长内的变化速率超出变化速率阈值的数值，确定第二异常状态；
第三确定子模块，用于根据所述第一异常状态和所述第二异常状态，确定输出异常等级，并生成对应的报警信息。
可选地，所述第一确定子模块包括：
第四确定子模块，用于若所述实时数据超出所述第一数值范围的数值小于第一预设值，则确定所述第一异常状态的异常参考等级为无异常；
第五确定子模块，用于若所述实时数据超出所述第一数值范围的数值大于或等于所述第一预设值且小于第二预设值，则确定所述第一异常状态的异常参考等级为一般异常；
第六确定子模块，用于若所述实时数据超出所述第一数值范围的数值大于或等于所述第二预设值，则确定所述第一异常状态的异常参考等级为严重异常。
可选地，所述第二确定子模块包括：
第七确定子模块，用于若所述实时数据在预设时长内的变化速率超出所述变化速率阈值的数值小于第三预设值，则确定所述第二异常状态的异常参考等级为无异常；
第八确定子模块，用于若所述实时数据在预设时长内的变化速率超出所述变化速率阈值的数值大于或等于所述第三预设值且小于第四预设值，则确定所述第二异常状态的异常参考等级为一般异常；
第九确定子模块，用于若所述实时数据在预设时长内的变化速率超出所述变化速率阈值的数值大于或等于所述第四预设值，则确定所述第二异常状态的异常参考等级为严重异常。
可选地，所述第三确定子模块用于通过以下方式确定输出异常等级，并生成对应的报警信息：
根据所述第一异常状态和所述第二异常状态各自对应的权重和异常参考等级，确定输出异常等级，并生成对应的报警信息。
可选地，所述装置还包括：
第五确定模块，用于响应于确定所述监控点的当前开关状态与预设开关状态不同，生成表征开关状态异常的报警信息。
本公开第三方面提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面提供的所述方法的步骤。
本公开第四方面提供一种电子设备，包括：
存储器，其上存储有计算机程序；
控制器，所述计算机程序被控制器执行时，实现本公开第一方面提供的所述方法的步骤。
在上述技术方案中，通过实时预测模型得到的预估值，能够使第一数值范围与电厂设备实际运行状态相适应，减少对人工经验的依赖，提高报警的准确性。同时能够不用通过原有的监控画面来回切换来进行监盘，做到实际全时段、全参数点无盲区监视，避免因运行人员监视疏漏而未发现异常事件的发生，大大减轻了运行人员的负担，有效保障了机组的运行安全，实现电厂人工智能应用。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是本公开一示例性实施例提供的电厂智能监盘方法的流程图。
图2是本公开一示例性实施例提供的电厂智能监盘装置的框图。
图3是本公开一示例性实施例提供的电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
需要说明的是，本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
图1是本公开一示例性实施例提供的电厂智能监盘方法的流程图。如图1所示，该方法可以包括S101至S104。
S101，将获取到的监控点的实时数据输入预先训练完成的实时预测模型中，获取与实时数据对应的预估值。
示例地，可基于预先训练完成的实时预测模型，确定与实时数据对应的预估值，具体地，可将获取到的监控点的实时数据输入至预先训练好的实时预测模型中，得到的模型输出结果即为该对应的预估值。值得说明的是，实时预测模型可以是采用机器学习的方式训练得到的、能够根据监控点的实时数据确定预估值的机器学习模型。该实时预测模型可以例如存储在本地，每次使用时进行本地调用，或者可以存储在第三方平台，每次使用时从第三方调用，这里不作具体限定。预估值可用于确定第一数值范围，即电厂设备正常运行状态下的数据变化范围。如此，确定出的预估值可以与电厂设备实际运行状态相适应，减少对人工经验的依赖，提高报警的准确性。
S102，根据预估值，确定第一数值范围。
示例地，可将预估值和预设偏差阈值的和，确定为第一数值范围的上限；将预估值和预设偏差阈值的差，确定为第一数值范围的下限。其中，预设偏差阈值可以由运行人员根据经验设置。如此，通过预估值，确定出的第一数值范围，与电厂设备实际运行状态相适应，减少对人工经验的依赖，提高确定出的电厂设备正常运行状态下的数据变化范围的准确性。
S103，根据实时数据，确定监控点的状态。
S104，响应于确定监控点存在异常现象，根据实时数据、第一数值范围、实时数据在预设时长内的变化速率和变化速率阈值，确定异常等级，并生成对应的报警信息。
示例地，电厂设备运行异常发生的快慢有所不同，而通过实时数据超出第一数值范围的数值的大小、以及实时数据在预设时长内的变化速率超出变化速率阈值的数值大小，可以确定异常的严重程度。超出的数值越大，异常现象的严重程度越高。其中，预设时长和变化速率阈值均可由运行人员根据经验设置。
根据不同的异常等级，可以生成对应的报警信息。例如，报警信息可以为颜色标识，在无异常的情况下颜色标识可以为灰色，在确定存在异常现象且异常等级较低(一般异常)时的情况下颜色标识可以为黄色，在确定存在异常现象且异常等级较高(严重异常)时的情况下颜色标识可以为红色，颜色标识可以显示在对应的异常数据上，即改变异常数据的文字的底色。如此，可以使运行人员快速定位异常数据、确定异常现象发生的监测点，方便更快的进行下一步的预防或者检查工作。再例如，报警信息可以为声音标识，不同的异常等级对应的声音不同。
在上述技术方案中，通过实时预测模型得到的预估值，能够使第一数值范围与电厂设备实际运行状态相适应，减少对人工经验的依赖，提高报警的准确性。同时能够不用通过原有的监控画面来回切换来进行监盘，做到实际全时段、全参数点无盲区监视，避免因运行人员监视疏漏而未发现异常事件的发生，大大减轻了运行人员的负担，有效保障了机组的运行安全，实现电厂人工智能应用。
可选地，本公开提供的电厂智能监盘方法还可以包括：
将数据库中的各监控点的历史数据，输入至预先训练完成的知识图谱中，以得到关联矩阵，其中，关联矩阵表征各监控点的历史数据之间的关联关系；
根据关联矩阵训练得到实时预测模型。
如此，可以将无序的历史数据整理为相关性较强的数据状态矩阵，以训练得到实时预测模型，通过监测点的实时数据和实时预测模型，定位历史数据中相似值最高的数据进行预估值判断。如此，确定出的预估值可以与电厂设备实际运行状态相适应，减少对人工经验的依赖，提高报警的准确性。
可选地，在S103中，根据实时数据，确定监控点的状态，可包括：
若实时数据超出第一数值范围，和/或，实时数据在预设时长内的变化速率大于变化速率阈值，则确定监控点存在异常现象。
示例地，电厂设备运行异常发生的快慢有所不同。一方面可以通过比较实时数据和第一数值范围，确定监控点是否存在异常；另一方面可以通过比较实时数据在预设时长内的变化速率和变化速率阈值，确定监控点是否存在异常。如此，可以确保异常监测的全面性。
可选地，在S104中，响应于确定监控点存在异常现象，根据实时数据、第一数值范围、实时数据在预设时长内的变化速率和变化速率阈值，确定异常等级，并生成对应的报警信息，可包括：
根据实时数据超出第一数值范围的数值，确定第一异常状态；
根据实时数据在预设时长内的变化速率超出变化速率阈值的数值，确定第二异常状态；
根据第一异常状态和第二异常状态，确定输出异常等级，并生成对应的报警信息。
具体地，根据实时数据超出第一数值范围的数值，确定第一异常状态，可包括：
若实时数据超出第一数值范围的数值小于第一预设值，则确定第一异常状态的异常参考等级为无异常；
若实时数据超出第一数值范围的数值大于或等于第一预设值且小于第二预设值，则确定第一异常状态的异常参考等级为一般异常；
若实时数据超出第一数值范围的数值大于或等于第二预设值，则确定第一异常状态的异常参考等级为严重异常。
其中，第一预设值和第二预设值可由运行人员根据经验设置。
具体地，根据实时数据在预设时长内的变化速率超出变化速率阈值的数值，确定第二异常状态，可包括：
若实时数据在预设时长内的变化速率超出变化速率阈值的数值小于第三预设值，则确定第二异常状态的异常参考等级为无异常；
若实时数据在预设时长内的变化速率超出变化速率阈值的数值大于或等于第三预设值且小于第四预设值，则确定第二异常状态的异常参考等级为一般异常；
若实时数据在预设时长内的变化速率超出变化速率阈值的数值大于或等于第四预设值，则确定第二异常状态的异常参考等级为严重异常。
其中，第三预设值和第四预设值可由运行人员根据经验设置。
其中，异常参考等级可包括无异常、一般异常和严重异常，无异常、一般异常和严重异常对应的异常系数可以被预先设置，无异常的异常系数可以为0，一般异常和严重异常对应的异常系数可以为正数。其中，一般异常对应的异常系数小于和严重异常对应的异常系数。如此，根据超出阈值的数值大小可以确定对应的异常等级，以对异常程度做出区分，便于运行人员准确的了解异常的严重程度。
具体地，根据第一异常状态和第二异常状态，确定输出异常等级，并生成对应的报警信息，可包括：
根据第一异常状态和第二异常状态各自对应的权重和异常参考等级，确定输出异常等级，并生成对应的报警信息。
示例地，第一异常状态和第二异常状态各自对应的权重可以被预先设置，例如，可以均被设置为0.5。根据异常等级可以确定对应的异常系数。通过第一异常状态和第二异常状态各自对应的权重和异常系数进行加权求和，可以确定输出异常等级。例如，若加权求和的结果小于预设参考阈值，则可确定输出异常等级为一般异常；若加权求和的结果不小于预设参考阈值，则可确定输出异常等级为严重异常。其中，一般异常对应的报警信息可以为黄色标识，严重异常对应的报警信息可以为红色标识。
进一步地，为了使运行人员更加清晰的了解异常的状况，可对在确定实时数据超出第一数值范围的情况下，对超上限和超下限做出区分。例如，在报警信息为颜色标识时，可在生成颜色标识的同时生成用于提示超上限或者超下限的文字信息。再例如，可以对超上限或者超下限时的颜色标识做出区分。
可选地，本公开提供的电厂智能监盘方法还可以包括：
响应于确定监控点的当前开关状态与预设开关状态不同，生成表征开关状态异常的报警信息。
示例地，开关状态可以包括开启和关闭两种状态，可以用0表示关闭，用1表示开启。若确定监控点的当前开关状态为0，而预设开关状态为1，则可确定该监控点的开关量存在异常，可生产对应的报警信息，例如，通过控制终端的显示屏显示“监控点开关存在异常”的报警信息。再例如，控制终端上还可设置扬声器，可以通过扬声器对上述报警信息进行语音播报，以对运行人员进行提示。再例如，可改变用于表示监控点对应的开关量状态的文字的底色，以对运行人员进行提示。
运行人员可以借助上述方法进行设备综合诊断和分析，发现设备参数变化趋势和潜在风险，为值班人员从传统的参数报警向预警预控的新模式转变提供支撑，并且可以支持模拟量、开关量多参数趋势变化监视，TCS(Turbine Control System,透平控制系统)、DCS(Distribution Control System，分散控制系统)系统原点及计算点的综合监控预警，提高运行人员的监盘效率。
基于同一发明构思，本公开还提供一种电厂智能监盘装置。图2是本公开一示例性实施例提供的电厂智能监盘装置200的框图。参照图2，该电厂智能监盘装置200可以包括：
获取模块201，用于将获取到的监控点的实时数据输入预先训练完成的实时预测模型中，获取与所述实时数据对应的预估值；
第一确定模块202，用于根据所述预估值，确定第一数值范围；
第二确定模块203，用于根据所述实时数据，确定所述监控点的状态；
第三确定模块204，用于响应于确定所述监控点存在异常现象，根据所述实时数据、所述第一数值范围、所述实时数据在预设时长内的变化速率和变化速率阈值，确定异常等级，并生成对应的报警信息。
在上述技术方案中，通过实时预测模型得到的预估值，能够使第一数值范围与电厂设备实际运行状态相适应，减少对人工经验的依赖，提高报警的准确性。同时能够不用通过原有的监控画面来回切换来进行监盘，做到实际全时段、全参数点无盲区监视，避免因运行人员监视疏漏而未发现异常事件的发生，大大减轻了运行人员的负担，有效保障了机组的运行安全，实现电厂人工智能应用。
可选地，所述装置200还包括：
第四确定模块，用于将数据库中的各监控点的历史数据，输入至预先训练完成的知识图谱中，以得到关联矩阵，其中，所述关联矩阵表征各监控点的历史数据之间的关联关系；
训练模块，用于根据所述关联矩阵训练得到所述实时预测模型。
可选地，所述第二确定模块203用于通过以下方式确定所述监控点的状态：
若所述实时数据超出所述第一数值范围，和/或，所述实时数据在预设时长内的变化速率大于变化速率阈值，则确定所述监控点存在异常现象。
可选地，所述第三确定模块204包括：
第一确定子模块，用于根据所述实时数据超出所述第一数值范围的数值，确定第一异常状态；
第二确定子模块，用于根据所述实时数据在预设时长内的变化速率超出变化速率阈值的数值，确定第二异常状态；
第三确定子模块，用于根据所述第一异常状态和所述第二异常状态，确定输出异常等级，并生成对应的报警信息。
可选地，所述第一确定子模块包括：
第四确定子模块，用于若所述实时数据超出所述第一数值范围的数值小于第一预设值，则确定所述第一异常状态的异常参考等级为无异常；
第五确定子模块，用于若所述实时数据超出所述第一数值范围的数值大于或等于所述第一预设值且小于第二预设值，则确定所述第一异常状态的异常参考等级为一般异常；
第六确定子模块，用于若所述实时数据超出所述第一数值范围的数值大于或等于所述第二预设值，则确定所述第一异常状态的异常参考等级为严重异常。
可选地，所述第二确定子模块包括：
第七确定子模块，用于若所述实时数据在预设时长内的变化速率超出所述变化速率阈值的数值小于第三预设值，则确定所述第二异常状态的异常参考等级为无异常；
第八确定子模块，用于若所述实时数据在预设时长内的变化速率超出所述变化速率阈值的数值大于或等于所述第三预设值且小于第四预设值，则确定所述第二异常状态的异常参考等级为一般异常；
第九确定子模块，用于若所述实时数据在预设时长内的变化速率超出所述变化速率阈值的数值大于或等于所述第四预设值，则确定所述第二异常状态的异常参考等级为严重异常。
可选地，所述第三确定子模块用于通过以下方式确定输出异常等级，并生成对应的报警信息：
根据所述第一异常状态和所述第二异常状态各自对应的权重和异常参考等级，确定输出异常等级，并生成对应的报警信息。
可选地，所述装置200还包括：
第五确定模块，用于响应于确定所述监控点的当前开关状态与预设开关状态不同，生成表征开关状态异常的报警信息。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图3是根据一示例性实施例示出的一种电子设备700的框图。如图3所示，该电子设备700可以包括：处理器701，存储器702。该电子设备700还可以包括多媒体组件703，输入/输出(I/O)接口704，以及通信组件705中的一者或多者。
其中，处理器701用于控制该电子设备700的整体操作，以完成上述的电厂智能监盘方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操作，这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或通过通信组件705发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口704为处理器701和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件705可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。
在一示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的电厂智能监盘方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的电厂智能监盘方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器702，上述程序指令可由电子设备700的处理器701执行以完成上述的电厂智能监盘方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的电厂智能监盘方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。
Claims (11)
1.一种电厂智能监盘方法，其特征在于，包括：
将获取到的监控点的实时数据输入预先训练完成的实时预测模型中，获取与所述实时数据对应的预估值；
根据所述预估值，确定第一数值范围；
根据所述实时数据，确定所述监控点的状态；
响应于确定所述监控点存在异常现象，根据所述实时数据、所述第一数值范围、所述实时数据在预设时长内的变化速率和变化速率阈值，确定异常等级，并生成对应的报警信息。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将数据库中的各监控点的历史数据，输入至预先训练完成的知识图谱中，以得到关联矩阵，其中，所述关联矩阵表征各监控点的历史数据之间的关联关系；
根据所述关联矩阵训练得到所述实时预测模型。
3.根据权利要求1所述的方法，其特征在于，所述根据所述实时数据，确定所述监控点的状态，包括：
若所述实时数据超出所述第一数值范围，和/或，所述实时数据在预设时长内的变化速率大于变化速率阈值，则确定所述监控点存在异常现象。
4.根据权利要求1所述的方法，其特征在于，所述根据所述实时数据、所述第一数值范围、所述实时数据在预设时长内的变化速率和变化速率阈值，确定异常等级，并生成对应的报警信息，包括：
根据所述实时数据超出所述第一数值范围的数值，确定第一异常状态；
根据所述实时数据在预设时长内的变化速率超出变化速率阈值的数值，确定第二异常状态；
根据所述第一异常状态和所述第二异常状态，确定输出异常等级，并生成对应的报警信息。
5.根据权利要求4所述的方法，其特征在于，所述根据所述实时数据超出所述第一数值范围的数值，确定第一异常状态，包括：
若所述实时数据超出所述第一数值范围的数值小于第一预设值，则确定所述第一异常状态的异常参考等级为无异常；
若所述实时数据超出所述第一数值范围的数值大于或等于所述第一预设值且小于第二预设值，则确定所述第一异常状态的异常参考等级为一般异常；
若所述实时数据超出所述第一数值范围的数值大于或等于所述第二预设值，则确定所述第一异常状态的异常参考等级为严重异常。
6.根据权利要求4所述的方法，其特征在于，所述根据所述实时数据在预设时长内的变化速率超出变化速率阈值的数值，确定第二异常状态，包括：
若所述实时数据在预设时长内的变化速率超出所述变化速率阈值的数值小于第三预设值，则确定所述第二异常状态的异常参考等级为无异常；
若所述实时数据在预设时长内的变化速率超出所述变化速率阈值的数值大于或等于所述第三预设值且小于第四预设值，则确定所述第二异常状态的异常参考等级为一般异常；
若所述实时数据在预设时长内的变化速率超出所述变化速率阈值的数值大于或等于所述第四预设值，则确定所述第二异常状态的异常参考等级为严重异常。
7.根据权利要求4所述的方法，其特征在于，所述根据所述第一异常状态和所述第二异常状态，确定输出异常等级，并生成对应的报警信息，包括：
根据所述第一异常状态和所述第二异常状态各自对应的权重和异常参考等级，确定输出异常等级，并生成对应的报警信息。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
响应于确定所述监控点的当前开关状态与预设开关状态不同，生成表征开关状态异常的报警信息。
9.一种电厂智能监盘装置，其特征在于，包括：
获取模块，用于将获取到的监控点的实时数据输入预先训练完成的实时预测模型中，获取与所述实时数据对应的预估值；
第一确定模块，用于根据所述预估值，确定第一数值范围；
第二确定模块，用于根据所述实时数据，确定所述监控点的状态；
第三确定模块，用于响应于确定所述监控点存在异常现象，根据所述实时数据、所述第一数值范围、所述实时数据在预设时长内的变化速率和变化速率阈值，确定异常等级，并生成对应的报警信息。
10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。
11.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-8中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211658876.6A CN115912658A (zh) | 2022-12-22 | 2022-12-22 | 电厂智能监盘方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211658876.6A CN115912658A (zh) | 2022-12-22 | 2022-12-22 | 电厂智能监盘方法、装置、存储介质和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115912658A true CN115912658A (zh) | 2023-04-04 |
Family
ID=86479576
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211658876.6A Pending CN115912658A (zh) | 2022-12-22 | 2022-12-22 | 电厂智能监盘方法、装置、存储介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115912658A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116088398A (zh) * | 2023-04-10 | 2023-05-09 | 中国电力工程顾问集团西南电力设计院有限公司 | 一种用于火电厂智慧监盘报警系统 |
-
2022
- 2022-12-22 CN CN202211658876.6A patent/CN115912658A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116088398A (zh) * | 2023-04-10 | 2023-05-09 | 中国电力工程顾问集团西南电力设计院有限公司 | 一种用于火电厂智慧监盘报警系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109088775B (zh) | 异常监控方法、装置以及服务器 | |
| US10824963B2 (en) | Alarm handling system and method in plant process automation | |
| CN103810823B (zh) | 报警处理方法和装置 | |
| KR20140073043A (ko) | 변전설비 감시를 위한 스마트 단말기의 앱 서비스 시스템 | |
| CN115912658A (zh) | 电厂智能监盘方法、装置、存储介质和电子设备 | |
| CN112233370A (zh) | 一种燃气泄漏报警方法、装置及设备 | |
| CN112532435B (zh) | 一种运维方法、运维管理平台、设备及介质 | |
| CN111130867B (zh) | 一种基于物联网的智能家居设备告警方法及装置 | |
| CN107368058A (zh) | 一种用于设备的故障监测方法、设备和计算机可读介质 | |
| WO2017051574A1 (ja) | 異常予兆監視システム | |
| CN112462237B (zh) | 一种电路安全预警的信息处理方法及装置 | |
| KR101555225B1 (ko) | 전동기 제어반 고장 예측 진단 장치 | |
| CN111289036A (zh) | 设备故障预警方法、装置、设备及系统 | |
| KR102046326B1 (ko) | 데이터 처리 장치 | |
| CN116416764A (zh) | 报警阈值的生成方法和装置、电子设备和存储介质 | |
| EP3705783A1 (en) | System for controlling and monitoring devices, plants and/or domestic circuits and operation method thereof | |
| CN114118705A (zh) | 一种设备告警的方法和装置 | |
| CN104898535A (zh) | 监护方法、装置及系统 | |
| CN111382035A (zh) | 一种运维系统的告警触发规则的全局匹配装置及方法 | |
| CN111369017A (zh) | 设备远程监控方法、装置、电子设备及可存储介质 | |
| CN112634593B (zh) | 设备预警方法、装置、计算机设备和存储介质 | |
| CN113778836B (zh) | 云原生应用健康监测方法、装置、设备与可读存储介质 | |
| CN118501767B (zh) | 电源安全监控系统、方法、介质及电子设备 | |
| CN117873861A (zh) | 储能系统的诊断方法、装置和储能诊断系统 | |
| JP2020016462A (ja) | 監視装置、監視方法、および、監視プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |