本發(fā)明涉及數(shù)據(jù)交換，具體地說，涉及一種基于人工智能的電力巡檢調(diào)度方法及系統(tǒng)。

背景技術(shù)：

1、電力線路是電網(wǎng)的主骨架，其運行要求安全、可靠，因此輸電線路的巡檢和維護成為保證電網(wǎng)可靠供電的基礎(chǔ)工作，目前，電力線路巡檢的形成普遍是由供電工區(qū)負責人對待巡檢線路進行任務(wù)簽發(fā)，巡檢車輛的調(diào)度依據(jù)的是多年的工作經(jīng)驗，帶有很強的隨機性，在電網(wǎng)地理結(jié)構(gòu)關(guān)系復雜、巡檢區(qū)域日益擴大的現(xiàn)實背景下，往往難以達到高效率地響應；

2、在不同時段電力設(shè)備的負載不同，若是巡檢路線和區(qū)域不變的情況下，當電力設(shè)備出現(xiàn)故障的概率較高時，負責該區(qū)域的巡檢團隊應對突發(fā)性故障進行維修的效率不佳，因此，提出一種基于人工智能的電力巡檢調(diào)度方法及系統(tǒng)。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于人工智能的電力巡檢調(diào)度方法及系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述技術(shù)問題的解決，本發(fā)明的目的之一在于，提供一種基于人工智能的電力巡檢調(diào)度方法，包括如下步驟：

3、s1、建立人工智能調(diào)度模型，獲取電力巡檢團隊所負責的巡檢區(qū)域，同時提取巡檢區(qū)域內(nèi)電力設(shè)備的參數(shù)數(shù)據(jù)；

4、s2、根據(jù)歷史參數(shù)數(shù)據(jù)對電力設(shè)備進行運行故障預測分析，根據(jù)預測分析結(jié)果將巡檢區(qū)域內(nèi)的電力設(shè)備在對應的時段從正常調(diào)整為風險；

5、s3、將每個電力設(shè)備設(shè)置為檢修點，然后根據(jù)電力巡檢團隊的巡檢路線進行時間預測，獲取電力巡檢團隊抵達檢修點的預測檢修節(jié)點；

6、s4、設(shè)置巡檢間隔閾值，再根據(jù)s2設(shè)置的風險狀態(tài)動態(tài)調(diào)整巡檢間隔閾值，然后電力設(shè)備對應的預測檢修節(jié)點結(jié)合巡檢間隔閾值進行時間檢測，當鄰近的兩個預測檢修節(jié)點之間的間隔時間大于巡檢間隔閾值，即通過s5進行巡檢調(diào)度；

7、s5、獲取需要巡檢調(diào)度的異常巡檢區(qū)域，然后對異常巡檢區(qū)域的正常電力設(shè)備劃分至相鄰巡檢區(qū)域進行巡檢時間壓縮檢測，從而對s4的時間檢測結(jié)果進行更新。

8、作為本技術(shù)方案的進一步改進，所述s1通過接入電力巡檢系統(tǒng)內(nèi)，然后建立人工智能調(diào)度模型，人工智能調(diào)度模型在電力巡檢系統(tǒng)中對電力巡檢團隊發(fā)送信息，并采集電力巡檢團隊上傳的巡檢路線。

9、作為本技術(shù)方案的進一步改進，所述s1通過在電力巡檢系統(tǒng)內(nèi)獲取電力巡檢團隊列表，同時獲取每個電力巡檢團隊對應負責的巡檢區(qū)域，然后提取每個電力設(shè)備上傳的參數(shù)數(shù)據(jù)。

10、作為本技術(shù)方案的進一步改進，所述s2的步驟如下：

11、s2.1、提取電力設(shè)備上傳的歷史參數(shù)數(shù)據(jù)，然后根據(jù)歷史參數(shù)數(shù)據(jù)對電力設(shè)備進行用電發(fā)展趨勢預測，獲取電力設(shè)備的不同時段對應的用電峰值；

12、s2.2、將電力設(shè)備的性能結(jié)合用電峰值進行運行風險程度分析，為每個電力設(shè)備設(shè)定風險峰值，當用電峰值超出風險峰值時，判定電力設(shè)備從正常狀態(tài)調(diào)整為風險狀態(tài)，并且超出風險閾值的數(shù)值越高，則風險系數(shù)就越大。

13、作為本技術(shù)方案的進一步改進，所述s3的步驟如下：

14、s3.1、在巡檢區(qū)域內(nèi)根據(jù)每個電力設(shè)備的位置設(shè)置檢修點；

15、s3.2、提取電力巡檢團隊上傳的巡檢路線，同時提取電力巡檢團隊的實時位置，然后根據(jù)電力巡檢團隊的實時位置與巡檢路線結(jié)合對檢修點抵達時間進行預測，獲取電力巡檢團隊抵達每個檢修點的預測檢修節(jié)點。

16、作為本技術(shù)方案的進一步改進，所述s4的步驟如下：

17、s4.1、設(shè)置巡檢間隔閾值，然后根據(jù)s2.2獲取的風險系數(shù)進行動態(tài)調(diào)整，風險系數(shù)越高，巡檢間隔閾值的時間越短；

18、s4.2、結(jié)合預測檢修節(jié)點對每個檢修點進行巡檢間隔時間檢測，獲取檢修點對應不同時段的預測檢修節(jié)點之間巡檢間隔時間，然后將巡檢間隔時間結(jié)合檢修點對應的巡檢間隔閾值進行差值比對，當巡檢間隔時間小于巡檢間隔閾值，即保持繼續(xù)監(jiān)測，反之，當巡檢間隔時間大于巡檢間隔閾值，則將檢修點歸屬的巡檢區(qū)域標注為異常巡檢區(qū)域，并發(fā)送至s5。

19、作為本技術(shù)方案的進一步改進，所述s5的步驟如下：

20、s5.1、接收s4.2發(fā)送的異常巡檢區(qū)域，然后提取異常巡檢區(qū)域的相鄰巡檢區(qū)域；

21、s5.2、將巡檢區(qū)域的正常電力設(shè)備劃分至相鄰巡檢區(qū)域，對相鄰巡檢區(qū)域進行區(qū)域擴大，從而更新巡檢路線以及巡檢間隔時間，當更新之后的相鄰巡檢區(qū)域并未被標記異常，即繼續(xù)向相鄰巡檢區(qū)域劃分正常電力設(shè)備，直至異常巡檢區(qū)域?qū)难矙z間隔時間符合s4.2要求，消除異常巡檢區(qū)域標記。

22、作為本技術(shù)方案的進一步改進，所述s5.2在劃分正常電力設(shè)備至相鄰巡檢區(qū)域時，優(yōu)先劃分距離相鄰巡檢區(qū)域最近的正常電力設(shè)備。

23、本發(fā)明的目的之二在于，提供了一種基于人工智能的電力巡檢調(diào)度系統(tǒng)，包括上述中任意一項所述的一種基于人工智能的電力巡檢調(diào)度方法，包括模型建立單元、運行預測單元以及區(qū)域劃分單元；

24、所述模型建立單元用于建立人工智能調(diào)度模型，同時獲取電力巡檢團隊和巡檢區(qū)域以及電力設(shè)備的參數(shù)；

25、所述運行預測單元用于對電力設(shè)備進行運行故障預測分析，完成對電力設(shè)備風險調(diào)整，然后電力巡檢團隊對應每個電力設(shè)備的預測檢修節(jié)點；

26、所述區(qū)域劃分單元用于設(shè)置巡檢間隔閾值，并結(jié)合預測檢修節(jié)點進行時間檢測，根據(jù)檢測結(jié)果對異常巡檢區(qū)域進行區(qū)域劃分，從而使得異常巡檢區(qū)域消除異常標記。

27、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：通過對不同時段的預測檢修節(jié)點進行間隔時間比對，從而獲取每個檢修點的間隔時間，便于對后續(xù)電力巡檢調(diào)度進行規(guī)劃，然后通過對異常巡檢區(qū)域劃分正常電力設(shè)備至相鄰巡檢區(qū)域，調(diào)整異常巡檢區(qū)域中檢修點的間隔時間，從而在電力設(shè)備處于高風險時，能夠頻繁對其進行檢修，提高電力系統(tǒng)的安全性和穩(wěn)定性，減少事故發(fā)生的風險。

技術(shù)特征：

1.一種基于人工智能的電力巡檢調(diào)度方法，其特征在于：包括如下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于人工智能的電力巡檢調(diào)度方法，其特征在于：所述s1通過接入電力巡檢系統(tǒng)內(nèi)，然后建立人工智能調(diào)度模型，人工智能調(diào)度模型在電力巡檢系統(tǒng)中對電力巡檢團隊發(fā)送信息，并采集電力巡檢團隊上傳的巡檢路線。

3.根據(jù)權(quán)利要求1所述的一種基于人工智能的電力巡檢調(diào)度方法，其特征在于：所述s1通過在電力巡檢系統(tǒng)內(nèi)獲取電力巡檢團隊列表，同時獲取每個電力巡檢團隊對應負責的巡檢區(qū)域，然后提取每個電力設(shè)備上傳的參數(shù)數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的一種基于人工智能的電力巡檢調(diào)度方法，其特征在于：所述s2的步驟如下：

5.根據(jù)權(quán)利要求1所述的一種基于人工智能的電力巡檢調(diào)度方法，其特征在于：所述s3的步驟如下：

6.根據(jù)權(quán)利要求1所述的一種基于人工智能的電力巡檢調(diào)度方法，其特征在于：所述s4的步驟如下：

7.根據(jù)權(quán)利要求1所述的一種基于人工智能的電力巡檢調(diào)度方法，其特征在于：所述s5的步驟如下：

8.根據(jù)權(quán)利要求7所述的一種基于人工智能的電力巡檢調(diào)度方法，其特征在于：所述s5.2在劃分正常電力設(shè)備至相鄰巡檢區(qū)域時，優(yōu)先劃分距離相鄰巡檢區(qū)域最近的正常電力設(shè)備。

9.用于實現(xiàn)一種基于人工智能的電力巡檢調(diào)度系統(tǒng)，包括權(quán)利要求1-8中任意一項所述的一種基于人工智能的電力巡檢調(diào)度方法，其特征在于：包括模型建立單元（10）、運行預測單元（20）以及區(qū)域劃分單元（30）；

技術(shù)總結(jié)
本發(fā)明涉及數(shù)據(jù)交換技術(shù)領(lǐng)域，具體地說，涉及一種基于人工智能的電力巡檢調(diào)度方法及系統(tǒng)。包括如下步驟：S1、建立人工智能調(diào)度模型，獲取電力巡檢團隊所負責的巡檢區(qū)域，同時提取巡檢區(qū)域內(nèi)電力設(shè)備的參數(shù)數(shù)據(jù)；S2、根據(jù)歷史參數(shù)數(shù)據(jù)對電力設(shè)備進行運行故障預測分析，根據(jù)預測分析結(jié)果將巡檢區(qū)域內(nèi)的電力設(shè)備在對應的時段從正常調(diào)整為風險；通過對不同時段的預測檢修節(jié)點進行間隔時間比對，從而獲取每個檢修點的間隔時間，便于對后續(xù)電力巡檢調(diào)度進行規(guī)劃，然后通過對異常巡檢區(qū)域劃分正常電力設(shè)備至相鄰巡檢區(qū)域，調(diào)整異常巡檢區(qū)域中檢修點的間隔時間，從而在電力設(shè)備處于高風險時，能夠頻繁對其進行檢修。

技術(shù)研發(fā)人員：陶佳迎,俞鍵,陳挺,趙春林,王一汀,詹奇,胡皓杰,陳小平,陳浩,馮海翔
受保護的技術(shù)使用者：國網(wǎng)浙江省電力有限公司諸暨市供電公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21