基于深度学习的配电房运维管理方法及系统
摘要文本
本发明涉及配电房运维的技术领域，特别是涉及一种基于深度学习的配电房运维管理方法及系统，其提高了系统的安全性、稳定性和效率，减少了故障带来的损失，通过提前检测潜在问题，维护了最佳检修时机；方法包括：预先设定数据采集时间节点，并根据预先设定的数据采集时间节点获取配电房多模态运维数据；对配电房多模态运维数据进行聚类分析，获得电气监测数据集合、环境监测数据集合以及设备状态监测数据集合，并将各集合分别与数据采集时间节点相关联；将电气监测数据集合转换成电气监测特征向量，并将电气监测特征向量输入至预先训练的设备状态评估模型中，获得设备状态期望指数；将相同时间节点获取的环境监测数据集合转换成环境监测特征向量。。来自马-克-数-据
申请人信息
- 申请人:深圳汉驰科技有限公司
- 申请人地址:518000 广东省深圳市宝安区西乡街道富华社区宝运达物流中心美兰商务中心2409
- 发明人: 深圳汉驰科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于深度学习的配电房运维管理方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311445385.8 |
| 申请日 | 2023/11/2 |
| 公告号 | CN117474357A |
| 公开日 | 2024/1/30 |
| IPC主分类号 | G06Q10/0637 |
| 权利人 | 深圳汉驰科技有限公司 |
| 发明人 | 宁耀萱; 容世达; 初庆翔 |
| 地址 | 广东省深圳市宝安区西乡街道富华社区宝运达物流中心美兰商务中心2409 |
专利主权项内容
1.一种基于深度学习的配电房运维管理方法，其特征在于，所述方法包括：预先设定数据采集时间节点，并根据预先设定的数据采集时间节点获取配电房多模态运维数据；对配电房多模态运维数据进行聚类分析，获得电气监测数据集合、环境监测数据集合以及设备状态监测数据集合，并将各集合分别与数据采集时间节点相关联；将电气监测数据集合转换成电气监测特征向量，并将电气监测特征向量输入至预先训练的设备状态评估模型中，获得设备状态期望指数；将相同时间节点获取的环境监测数据集合转换成环境监测特征向量，并将环境监测特征向量输入至预先训练的设备状态影响评估模型中，获得设备状态期望指数补偿值；所述设备状态期望指数补偿值用于表征配电房环境对设备状态产生的影响；将相同时间节点获取的设备状态监测数据集合转换成设备状态监测特征向量，并将设备状态监测特征向量输入至预先训练的设备状态识别模型中，获得设备状态实时评价指数；将所述设备状态期望指数与所述设备状态期望指数补偿值相加，并将相加结果与所述设备状态实时评价指数进行对比：若所述设备状态实时评价指数超过相加结果，则说明设备存在故障风险，并进行设备故障警报提示；若所述设备状态实时评价指数未超过相加结果，则说明设备运行正常，无需进行警报提示。。关注公众号马克数据网