电力设备健康管理知识图谱:基本概念、关键技术及研究进展

来源 :电力系统自动化 | 被引量 : 0次 | 上传用户:prcjzzz
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
知识图谱具有良好的知识表达能力和解释性,是人工智能领域的一个重要分支,将其应用于电力设备健康管理,可有效整合设备全生命周期的数据,形成以知识为导向的新型运维管理模式.首先,文中系统地梳理了开放领域知识图谱构建方法,针对其中的关键技术和难点问题进行了详细阐述,并结合电力设备健康管理知识图谱的特点,论述了知识图谱的构建过程;然后,结合现有工作,明确了知识图谱在电力设备健康管理中的应用场景,并分析了当前健康管理领域对知识图谱技术的需求;最后,对未来知识图谱在能源电力设备健康管理中的应用前景做了展望.
其他文献
为保证电力物联网视频分析类业务的实时性,业界通常将基于神经网络的智能应用部署于边缘设备.由于电力物联网边缘设备资源有限,当系统中存在多个视频分析任务时,需合理分配资源,以期在满足输出精度的要求下尽可能降低任务处理时延.文章深入分析了视频分析任务在电力物联网中的运行特征,考虑了任务之间的依赖,探究了输出精度与时延的关系.引入李雅普诺夫优化框架,为视频分析构建一系列相互关联的在线决策问题,并设计了基于交叉熵的资源分配策略,使得在系统长期运行过程中,任务处理的总体完成时延近似于最佳.实验结果表明,与通用调度方法
针对电力线载波信道的线性周期性时变特性,文章基于标准IEEE 1901.1—2018的物理层提出了一种基于导频结构的信道自适应跟踪算法.算法根据导频进行信道估计,并提取信道的加权相位变化,进而计算得到信道变化的度量值;利用信道变化度量值动态调整导频的插入密度.与传统的不借助导频的盲信道跟踪算法不同,文章提出的信道自适应跟踪算法在不同的信噪比区间均能有效地跟踪信道变化,并在保证通信成功率的前提下,动态降低插入导频导致的系统冗余,达到最优的系统吞吐率.
电工装备智慧物联平台通过部署在电力通信主干网路由器上的边缘网关对供应商数据汇集节点进行数据抓取与上传,实现平台与供应商的数据高效交互.面向海量生产数据和多个供应商数据汇集节点,文章以最小化数据抓取与转发过程的时延开销为目标,将边缘网关部署问题描述成一个二进制整数规划,同时设计了一种基于Q-learning强化学习的改进蜘蛛猴算法求解该二进制整数规划问题.仿真结果表明,相比于传统智能搜索算法,文章所设计的Q-learning改进蜘蛛猴算法能够以更高的求解和收敛效率求解边缘网关部署问题.
随着物联网与通信技术的发展,电力物联网数据呈现海量异构的特点.针对目前云计算架构下电力物联网数据处理存在时延大、云计算压力大等问题,文章提出基于云边协同的数据处理方法.首先通过数据标准化描述、集成与融合等预处理步骤,解决数据多源异构、冗余度高等问题;然后针对数据处理提出了基于容器化技术的云边协同方法,将数据处理划分为多个微服务部署到边缘层,达到缓解云计算压力的目的.
为适应新型电力系统多业务并存场景,便捷支撑各业务功能的集成部署,变电站站控系统需采用开放的“平台+APP”模式.该模式解决不同功能APP集成部署带来的安全边界模糊、防护措施缺失、运行环境迥异、APP隔离困难等问题.文章提出了一种基于Docker容器的国产操作系统通用调用策略限制方法,旨在为任意容器提供一种实用的安全防护加固方案.
传统电力信息系统运维数据整合方法数据整合时间较长,且整合过程中数据覆盖率不高,为此文章设计了基于人工智能技术的电力信息系统运维数据整合方法.首先设定统一电力信息系统运维数据整合标准与数据分类原则,根据数据间相互关系定义数据类型,分类处理电力信息系统运维数据,并剔除分类后格式不一致和重复数据,以此降低无效数据干扰、提升数据整合效率.然后制定统一编码标准,对分类后数据进行校核与编码,确定分类后的数据集与实际数据是否匹配,以离线数据为基础,利用深度学习算法进行电力信息系统运维数据的整合,可以降低系统中资源的占用
因采用垂直信息传输方式,现有用电信息采集系统难以满足能源互联网多能流信息采集、设备即插即用及信息互联共享的要求.文章提出采用双中台架构建立物理与信息深度融合的综合用电信息采集系统,通过融合数据中台和业务中台形成数据采集共享平台,采用共享服务分级组件化和服务化组装方式,优化了垂直式信息传输方式,解决电力业务数据采集难、应用广、数据量大、品类多、数据孤岛等问题.实践表明,双中台架构用电信息采集系统可满足一次信息采集与开发,实现多个业务系统信息实时共享的要求.
为解决传统灰色模型在电力负荷预测应用中存在的问题,文章研究一种电力负荷可调节能力预测模型的性能提升方法.所提方法在传统灰色模型和改进蚁狮优化算法的基础上,结合灰色关联分析方法和动态滚动机制,提出一种改进型蚁狮混合优化灰色预测模型.为验证模型效果,文章采用北京某台区用电负荷可调节量模拟数据建模,并同4种预测模型的结果进行比较,实验结果证明所提模型可有效提升电力负荷可调节能力预测模型的预测性能.
架空输电线路杆塔所处环境复杂,传统方法中假设的标准样本与实际样本分布一致的前提遭到破坏,导致单一的识别模型在不同环境下对杆塔异常振动识别准确率降低.为改善识别模型偏差问题,文章提出一种基于领域适配深度迁移学习的杆塔异常振动识别方法.通过一维卷积神经网络实现不同环境条件下异常振动信号的自动特征提取,并引入迁移学习,实现复杂环境下异常振动的准确识别.所提方法通过优化场景差异性正则化损失函数,缩小复杂真实场景与典型场景间的分布差异,获得有效的领域适配模型.实验结果表明,所提方法能明显改善复杂环境下输电杆塔异常振
随着能源互联网的不断发展,多种能源新兴业务(充电桩/站、源–网–荷–储、无人机巡检和新能源并网等)不断涌现.现有的能源互联网通信体系,业务侧和主站侧之间一般采用单一的通信架构进行信息传输,这种体制难以保证多种业务融合下仍具有较高通信质量和可靠性.针对这一问题,文章将无线多天线的空时分组编码技术(Space-Time Block Code,STBC)应用于能源互联网多通道异构通信系统中.业务侧数据通过STBC编码增加多通道的信息冗余;接收端采用多通道分集合并接收,提升能源互联网中的通信传输性能.仿真分析了采