变电站故障检测方法、装置、计算机设备和存储介质

技术领域

本申请涉及电力系统领域，特别是涉及一种变电站故障检测方法、装置、计算机设备和存储介质。

背景技术

在电力系统中，保障变电站的安全稳定是实现电力系统正常工作的重要环节，因此，对变电站进行故障检测具有非常重要的意义。

相关技术中，通常是由人工巡检，巡检人员根据变电站设备的外观现象或指示仪表等信息来判断变电站是否存在故障。

然而，变电站中电气设备种类繁多，如果仅靠人力来实现变电站故障检测，会消耗大量的人力物力，变电站故障检测的效率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提升变电站故障检测效率的变电站故障检测方法、装置、计算机设备和存储介质。

第一方面，提供了一种变电站故障检测方法，该方法包括：

获取目标传感器在目标时间段内监测变电站得到的目标状态数据；

获取目标传感器与历史时间段对应的故障状态数据，故障状态数据为目标传感器在变电站故障的情况下监测得到的；

将目标状态数据和故障状态数据进行相似性比较，得到比较结果，并根据比较结果确定变电站是否存在故障。

在其中一个实施例中，将目标状态数据和故障状态数据进行相似性比较，得到比较结果，包括：

根据目标状态数据，构建故障监测矩阵；

根据故障状态数据，构建历史故障矩阵；

获取故障监测矩阵和历史故障矩阵的互信息，并根据互信息获取比较结果。

在其中一个实施例中，目标状态数据包括目标传感器的位置信息以及目标时间段内至少一个采样时刻对应的目标感知数据，根据目标状态数据，构建故障监测矩阵，包括：

针对每个采样时刻，根据目标传感器的位置信息确定矩阵行向量，并根据目标传感器与采样时刻对应的目标感知数据确定矩阵列向量；

基于矩阵行向量和矩阵列向量，构建采样时刻对应的目标故障监测矩阵，并将各采样时刻对应的目标故障监测矩阵作为故障监测矩阵。

在其中一个实施例中，历史故障矩阵包括所述历史时间段内至少一个故障时刻对应的目标历史故障矩阵，获取故障监测矩阵和历史故障矩阵的互信息，并根据互信息获取比较结果，包括：

对于每个采样时刻，确定采样时刻对应的目标故障时刻，并计算采样时刻对应的目标故障监测矩阵与目标故障时刻对应的目标历史故障矩阵的目标互信息；

计算各采样时刻中相邻两个采样时刻对应的目标互信息的互信息差值；

将各目标互信息分别与第一阈值进行比较得到第一比较结果，并将各互信息差值分别与第二阈值进行比较得到第二比较结果；

将各第一比较结果和各第二比较结果作为比较结果。

在其中一个实施例中，该目标传感器无线部署于变电站中；目标传感器的数量为多个，多个目标传感器呈树状网络拓扑结构或多跳网络拓扑结构分布于变电站中。

在其中一个实施例中，该方法还包括：

若变电站存在故障，则将目标状态数据输入至故障检测模型，得到变电站的故障发生位置以及故障类型；

将变电站的故障发生位置以及故障类型与故障知识库中的故障信息进行匹配，得到故障发生位置以及故障类型对应的故障解决方案。

在其中一个实施例中，该故障检测模型的训练过程包括：

获取训练数据，训练数据包括目标传感器的位置信息、多个历史故障时刻对应的传感器感知数据、各历史故障时刻对应的故障位置信息以及各历史故障时刻对应的故障类型；

利用训练数据对初始故障检测模型进行迭代训练，得到故障检测模型。

第二方面，提供了一种变电站故障检测装置，该装置包括：

获取模块，用于获取目标传感器在目标时间段内监测变电站得到的目标状态数据；获取所述目标传感器与历史时间段对应的故障状态数据，所述故障状态数据为所述目标传感器在所述变电站故障的情况下监测得到的；

判断模块，用于将所述目标状态数据和所述故障状态数据进行相似性比较，得到比较结果，并根据所述比较结果确定所述变电站是否存在故障。

在其中一个实施例中，该判断模块具体用于：

根据目标状态数据，构建故障监测矩阵；

根据故障状态数据，构建历史故障矩阵；

获取故障监测矩阵和历史故障矩阵的互信息，并根据互信息获取比较结果。

在其中一个实施例中，该目标状态数据包括目标传感器的位置信息以及目标时间段内至少一个采样时刻对应的目标感知数据，该判断模块还用于：

针对每个采样时刻，根据目标传感器的位置信息确定矩阵行向量，并根据目标传感器与采样时刻对应的目标感知数据确定矩阵列向量；

基于矩阵行向量和矩阵列向量，构建采样时刻对应的目标故障监测矩阵，并将各采样时刻对应的目标故障监测矩阵作为故障监测矩阵。

在其中一个实施例中，历史故障矩阵包括所述历史时间段内至少一个故障时刻对应的目标历史故障矩阵，该判断模块还用于：

对于每个采样时刻，确定采样时刻对应的目标故障时刻，并计算采样时刻对应的目标故障监测矩阵与目标故障时刻对应的目标历史故障矩阵的目标互信息；

计算各采样时刻中相邻两个采样时刻对应的目标互信息的互信息差值；

将各目标互信息分别与第一阈值进行比较得到第一比较结果，并将各互信息差值分别与第二阈值进行比较得到第二比较结果；

将各第一比较结果和各第二比较结果作为比较结果。

在其中一个实施例中，该目标传感器无线部署于变电站中；目标传感器的数量为多个，多个目标传感器呈树状网络拓扑结构或多跳网络拓扑结构分布于变电站中。

在其中一个实施例中，该装置还包括：

输出模块，用于在变电站存在故障的情况下将目标状态数据输入至故障检测模型，得到变电站的故障发生位置以及故障类型；

解决模块，用于将变电站的故障发生位置以及故障类型与故障知识库中的故障信息进行匹配，得到故障发生位置以及故障类型对应的故障解决方案。

在其中一个实施例中，该故障检测模型的训练过程包括：

获取训练数据，训练数据包括目标传感器的位置信息、多个历史故障时刻对应的传感器感知数据、各历史故障时刻对应的故障位置信息以及各历史故障时刻对应的故障类型；

利用训练数据对初始故障检测模型进行迭代训练，得到故障检测模型。

第三方面，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该计算机程序被该处理器执行时实现如上述第一方面所述的变电站故障检测方法。

第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面所述的变电站故障检测方法。

上述变电站故障检测方法、装置、计算机设备和存储介质，通过获取目标传感器在目标时间段内监测变电站得到的目标状态数据以及目标传感器与历史时间段对应的故障状态数据，将目标状态数据和故障状态数据进行相似性比较得到比较结果，并根据比较结果确定变电站是否存在故障，由于故障状态数据为目标传感器在变电站故障的情况下监测得到的，因此，故障状态数据可以表征变电站故障的情况下目标传感器的状态特征，这样，将目标状态数据和故障状态数据进行相似性比较，若目标状态数据和故障状态数据相似度较大，则表征目标状态数据具有变电站故障的情况下目标传感器的状态特征，因此可以确定变电站存在故障，而若目标状态数据和故障状态数据相似度较小，则表征目标状态数据不具有变电站故障的情况下目标传感器的状态特征，因此可以确定变电站不存在故障，实现了变电站故障的自动判断以及故障判断的实时性，提升了变电站故障检测的效率。

附图说明

图1为一个实施例中变电站故障检测方法的流程示意图；

图2为一个实施例中步骤103的流程示意图；

图3为一个实施例中步骤201的流程示意图；

图4为一个实施例中步骤203的流程示意图；

图5为一个实施例中目标传感器的拓扑分布示意图；

图6为一个实施例中变电站故障检测方法的流程示意图；

图7为一个实施例中故障检测模型的训练过程的流程示意图；

图8为一个实施例中变电站故障检测方法的流程示意图；

图9为一个实施例中变电站故障检测装置的结构框图；

图10为一个实施例中变电站故障检测装置的结构框图；

图11为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在电力系统中，保障变电站的安全稳定是实现电力系统正常工作的重要环节，因此，对变电站进行故障检测具有非常重要的意义。

相关技术中，通常是由人工巡检，巡检人员根据变电站设备的外观现象或指示仪表等信息来判断变电站是否存在故障。

然而，随着电网规模变大，变电站中电气设备越来越多，需要人工检测项目也在增加，检测项目多样，例如，检测融冰滤波器的电抗器和电阻器是否被烧毁，检测操作箱内温湿度是否过高，检测主泵是否异常，检测变电站是否有小动物出没，等等。如果仅靠人力来实现变电站故障检测，变电站故障检测的效率较低，已无法满足日益变化的需求。

有鉴于此，本申请实施例提供了一种变电站故障检测方法，实现自动判断变电站是否故障。

需要说明的是，本申请实施例提供的变电站故障检测方法，其执行主体可以是变电站故障检测装置，该变电站故障检测方法可以通过软件、硬件或者软硬件结合的方式实现成为终端的部分或者全部。

下述方法实施例中，均以执行主体是终端为例来进行说明，其中，终端可以是个人计算机、笔记本电脑、媒体播放器、智能电视、智能手机、平板电脑和便携式可穿戴设备等，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。

请参考图1，其示出了本申请实施例提供的一种变电站故障检测方法的流程图。如图1所示，该变电站故障检测方法可以包括以下步骤：

步骤101，获取目标传感器在目标时间段内监测变电站得到的目标状态数据。

目标传感器可以部署于变电站中，目标传感器上电后，则对变电站中的监测对象和环境进行感知，以得到目标状态数据。

示例性地，目标状态数据可以包括目标传感器的部署位置信息、目标感知数据以及目标传感器的监测对象的位置信息等等。其中，监测对象可以是变电站中设备以及变电站中出没的小动物等等。

以下，对目标感知数据所包含的内容进行介绍。

本申请实施例中，目标传感器包括湿度传感器、温度传感器、震动传感器、位移传感器、红外传感器以及声音传感器中的至少一种。其中，湿度传感器用于监测机构箱的湿度是否超标；温度传感器用于监测监测机构箱的湿度是否超标；振动传感器用于监测阀冷主泵的震动加速度是否超标；位移传感器用于监测GIS或GIL设备伸缩节位移；红外传感器用于检测变电站中是否有小动物出没；声音传感器用于检测变压器运行声音是否异常。

这样，目标感知数据可以包括湿度传感器感知得到的机构箱内的湿度数据、温度传感器感知得到的机构箱内的温度数据；振动传感器感知得到的阀冷主泵的振动加速度数据、位移传感器感知得到的GIS或GIL设备伸缩节位移数据、红外传感器感知得到的小动物表面温度的热像图数据以及声音传感器感知的变压器运行声音信号中的至少一种。

可选的，终端设置有采样周期，例如可将采样周期设置为20min。可选的，目标时间段为在时序上以当前时刻为结束点的时间段。将目标时间段的长度与采样周期成正比。根据采样周期，确定该目标时间对应的采样时刻，则目标感知数据包括各采样时刻下目标传感器监测变电站得到的目标感知数据。

可选的，当到达采样时刻时，终端会向目标传感器发送目标感知数据的请求指令，目标感知数据接收到该请求后会将监测变电站得到的目标感知数据上传至终端。终端接收该目标感知数据以用于变电站故障检测。

步骤102，获取目标传感器与历史时间段对应的故障状态数据，故障状态数据为目标传感器在变电站故障的情况下监测得到的。

其中，历史时间段为在时序上处于目标时间段之前的任意时间段。该历史时间段的数量可以有1个或多个。该历史时间段的长度与目标时间段的长度可以相同，也可以不同。

其中，终端在监测到变电站存在故障时，会将该时刻确定为故障时刻，并将该故障时刻对应的目标传感器监测的状态数据作为故障状态数据保存至对应的存储路径中。

其中，故障状态数据的样本数量与目标传感器的数量有关。该故障状态数据可能是同一历史时间段对应的多个故障时刻下的故障状态数据，也可能是不同时间段下的某个故障时刻下的故障状态数据。目标传感器的数量为多个时，该故障状态数据至少包括各个目标传感器的监测对象存在异常下的故障状态数据。以目标传感器的数量为2个为例，该目标传感器的监测对象分别为设备A和设备B，则该故障状态数据包括仅设备A存在故障时目标传感器的故障状态数据，仅设备B存在故障时目标传感器的故障状态数据以及设备A和设备B故障状态数据。

可选的，终端按照监测到异常对应的目标传感器将故障状态数据分为多个对象类型。终端在保存故障状态数据时，对应保存该故障状态数据对应的对象类型、历史时间段以及故障时刻。

步骤103，将目标状态数据和故障状态数据进行相似性比较，得到比较结果，并根据比较结果确定变电站是否存在故障。

可选的，终端在每个对象类型下，选择一个故障状态数据。针对每个采样时刻，将该采样时刻对应的目标状态数据与每个故障状态数据进行相似度比较。可选的，利用相似度算法计算该采样时刻对应的目标状态数据和每个故障状态数据之间的相似度值，得到多个相似度值。终端可以预置一个阈值，将每个相似度值与该阈值做比较，然后多个相似度求和或者加权求和，得到最终相似度值，若最终相似度值超过阈值，则说明该变电站存在故障，否则该变电站未发生故障。

可选的，终端将目标时间段结束的那个时刻的数据确定为目标状态数据，将历史时间段结束时刻的数据的数据确定为历史故障数据。利用相似度算法计算该目标状态数据和故障状态数据之间的相似度值，得到相似度值。终端可以预置一个阈值，将该相似度值与该阈值做比较，若相似度值超过阈值，则说明该变电站存在故障，否则该变电站未发生故障。

可选的，在历史时间段的长度和目标时间段的长度一样时，终端将目标时间段每个采样时刻和历史时间段中每个故障时刻一一对应，计算每个采样时刻对应的目标状态数据和对应的故障时刻对应的故障状态数据的相似度值，得到多个相似度值，然后多个相似度求和或者加权求和，得到最终相似度值。终端可以预置一个阈值，将该最终相似度值与该阈值做比较，若最终相似度值超过阈值，则说明该变电站存在故障，否则该变电站未发生故障。

该实施例通过获取目标传感器在目标时间段内监测变电站得到的目标状态数据以及目标传感器与历史时间段对应的故障状态数据，将目标状态数据和故障状态数据进行相似性比较得到比较结果，并根据比较结果确定变电站是否存在故障，由于故障状态数据为目标传感器在变电站故障的情况下监测得到的，因此，故障状态数据可以表征变电站故障的情况下目标传感器的状态特征，这样，将目标状态数据和故障状态数据进行相似性比较，若目标状态数据和故障状态数据相似度较大，则表征目标状态数据具有变电站故障的情况下目标传感器的状态特征，因此可以确定变电站存在故障，而若目标状态数据和故障状态数据相似度较小，则表征目标状态数据不具有变电站故障的情况下目标传感器的状态特征，因此可以确定变电站不存在故障，实现了变电站故障的自动判断以及故障判断的实时性，提升了变电站故障检测的效率。

在本申请实施中，参见图2，基于图1所示的实施例，本实施例涉及的是步骤103中将目标状态数据和故障状态数据进行相似性比较，得到比较结果，并根据比较结果确定变电站是否存在故障，包括步骤201、步骤202和步骤203：

步骤201，根据目标状态数据，构建故障监测矩阵。

其中，目标状态数据包括目标传感器的位置信息以及目标感知数据；其中该位置信息是目标传感器的部署位置信息或者目标传感器的监测对象的位置信息。

其中，目标传感器的部署位置信息和目标传感器的监测对象的位置信息是一一对应的，可选的，终端存储有目标传感器的部署位置信息和目标传感器的监测对象的位置信息的映射关系表。

在一种可选的实现的方式中，终端根据目标传感器的位置信息确定矩阵行向量，并根据目标传感器的目标感知数据确定矩阵列向量，构建故障监测矩阵X，其中X＝(x

步骤202，根据故障状态数据，构建历史故障矩阵。

其中，故障状态状态数据包括目标传感器的位置信息以及变电站故障状态下的目标传感器监测到的目标历史感知数据。

可选的，在根据目标传感器的位置信息确定矩阵行向量，并根据目标传感器的目标感知数据确定矩阵列向量构建故障监测矩阵X的情况下，终端根据目标传感器的位置信息确定矩阵行向量，并根据目标传感器的目标历史感知数据确定矩阵列向量，构建历史故障矩阵Y，其中Y＝(y

可选的，在根据目标传感器的目标感知数据确定矩阵行向量，并根据目标传感器的位置信息确定矩阵列向量构建故障监测矩阵X的情况下，终端根据目标传感器的目标历史感知数据确定矩阵行向量，并根据目标传感器的位置信息确定矩阵列向量构建历史故障矩阵Y，其中Y＝(y

步骤203，获取故障监测矩阵和历史故障矩阵的互信息，并根据互信息获取比较结果。

可选的，计算故障监测矩阵X与历史故障矩阵Y的互信息MI(X,Y)：

其中，P

本申请实施例通过根据目标状态数据构建故障监测矩阵以及根据故障状态数据构建历史故障矩阵，获取故障监测矩阵和历史故障矩阵的互信息，并根据互信息获取比较结果，实现了快速判断当前监测数据是否存在异常，降低了变电站故障检测的难度。

在本申请实例中，该目标状态数据包括目标传感器的位置信息以及目标时间段内至少一个采样时刻对应的目标感知数据，故障状态数据包括历史时间段内至少一个故障时刻对应的目标历史感知数据，参照图3，基于图2所示的实施例，上述步骤201以及步骤202的实现过程，包括步骤301、步骤302，步骤303和步骤304：

步骤301，针对每个采样时刻，根据目标传感器的位置信息确定第一矩阵行向量，并根据目标传感器与采样时刻对应的目标感知数据确定第一矩阵列向量。

其中，该位置信息是目标传感器的部署位置信息或者目标传感器的监测对象的位置信息。

可选的，终端设置有采样周期，例如可将采样周期设置为20min。根据采样周期，确定采样时刻。

可选的，终端根据目标传感器的位置信息，得到多个位置点，并按照一定的顺序为该多个位置点设置编号，每个位置点的编号i分别为1,2，…N，其中N表示位置点的个数；终端根据目标传感器的数量，并为各目标传感器设置编号，每个目标传感器的编号j分别为1,2，…M，其中M表示位置点的个数。

终端将该位置点编号i作为的矩阵行向量，将编号j对应的目标传感器的目标感知数据作为矩阵列向量。

步骤302，基于第一矩阵行向量和第一矩阵列向量，构建采样时刻对应的目标故障监测矩阵，并将各采样时刻对应的目标故障监测矩阵作为故障监测矩阵。

其中，目标故障监测矩阵用于表征各个位置点处对应目标传感器的监测到的目标状态情况。

可选的，针对每个采样时刻，终端获取该采样时刻下各位置点对应的目标传感器的目标状态数据，将对应的位置点编号i作为的矩阵行向量，将编号j对应的目标传感器的目标感知数据作为矩阵列向量，构建目标故障监测矩阵X表示如下：

其中，x

步骤303，针对每个故障时刻，根据目标传感器的位置信息确定第二矩阵行向量，并根据目标传感器与故障时刻对应的目标历史感知数据确定第二矩阵列向量。

其中，目标故障时刻是指非目标时间段内监测到变电站故障时对应的目标传感器的目标历史感知数据的采集时刻。

可选的，终端中存储有目标故障时刻以及目标历史感知数据的数据表。确定一个目标故障时刻，获取对应的目标历史感知数据，然后根据目标传感器的位置信息以及目标历史感知数据，构建目标历史故障矩阵。

可选的，根据目标传感器的位置信息，得到多个位置点，并按照一定的顺序为该多个位置点设置编号，每个位置点的编号i分别为1,2，…N，其中N表示位置点的个数；根据目标传感器的数量，并为各目标传感器设置编号，每个目标传感器的编号j分别为1,2，…M，其中M表示位置点的个数。

将该位置点编号i作为的矩阵行向量，将编号j对应的目标传感器的目标历史感知数据作为矩阵列向量。

步骤304，基于第二矩阵行向量和第二矩阵列向量，构建故障时刻对应的目标历史故障矩阵，并将各故障时刻对应的目标历史故障矩阵作为历史故障矩阵。

其中，目标历史故障矩阵用于表征各个位置点处对应目标传感器的监测到的故障状态情况。

可选的，针对每个故障时刻，获取该故障时刻下各位置点对应的目标传感器采集的目标历史感知数据，将对应的位置点编号i作为的矩阵行向量，将编号j对应的目标传感器的目标历史感知数据作为矩阵列向量，构建目标历史故障矩阵Y表示如下：

其中，y

本申请实施例通过针对每个采样时刻根据目标传感器的位置信息以及目标传感器与采样时刻对应的目标感知数据构建故障监测矩阵，并针对每个故障时刻基于目标传感器的位置信息以及目标传感器的对应的目标历史感知数据构建历史故障矩阵，由于将目标传感器的感知数据以及位置信息共同表示在同一个矩阵中以用于故障判断，进行故障判断时计算方式简单，便于进行后续故障定位。

在本申请实施例中，请参照图4，基于图3所示的实施例，上述步骤203中获取故障监测矩阵和历史故障矩阵的互信息，并根据互信息获取比较结果，包括步骤401、步骤402、步骤403以及步骤404：

步骤401，对于每个采样时刻，确定采样时刻对应的目标故障时刻，并计算采样时刻对应的目标故障监测矩阵与目标故障时刻对应的目标历史故障矩阵的目标互信息。

可选的，该采样时刻对应的目标故障时刻为一个或多个。

可选的，针对每个采样时刻，当该采样时刻对应的目标故障时刻为多个时，分别计算采样时刻对应的目标故障监测矩阵与各目标故障时刻对应的目标历史故障矩阵的互信息，得到多个互信息，然后将该多个目标互信息求和或者加权求和，得到最终的互信息，即为目标互信息。

可选的，计算采样时刻对应的目标故障监测矩阵与目标故障时刻对应的目标历史故障矩阵的目标互信息，得到互信息序列S＝[MI

步骤402，计算各采样时刻中相邻两个采样时刻对应的目标互信息的互信息差值。

可选的，该互信息差值的计算公式为λ＝MI

步骤403，将各目标互信息分别与第一阈值进行比较得到第一比较结果，并将各互信息差值分别与第二阈值进行比较得到第二比较结果。

可选的，最新的采样时刻点对应目标互信息，将该目标互信息与第一阈值比较。然后获取该最新的采样时刻点的上一采样时刻点对应的目标互信息，计算最新的采样时刻点对应目标互信息与上一采样时刻点对应的目标互信息之间的互信息差值，并将该互信息差值与第二阈值比较。

步骤404，将各第一比较结果和各第二比较结果作为比较结果。

可选的，当目标互信息大于第一阈值且互信息差值大于第二阈值时，该变电站存在故障。

可选的，当检测到变电站发生故障时，则向变电站工作人员或检修人员的终端设备发送报警信号。

该实施例通过将各目标互信息分别与第一阈值进行比较得到第一比较结果，并将各互信息差值分别与第二阈值进行比较得到第二比较结果，将各第一比较结果和各第二比较结果作为比较结果以判断变电站是否存在故障，提高了快速进行故障判断的准确性。

本申请实施例中，基于图1所示的实施例的基础上，该目标传感器无线部署于所述变电站中；该目标传感器的数量为多个，多个目标传感器呈树状网络拓扑结构或多跳网络拓扑结构分布于变电站中。

可选的，基于目标传感器、电力无线专网基站以及局域网服务器，构建无线传感器网络。其中，如图5所示，该无线传感器网络的拓扑结构为树状网络拓扑结构或多跳网络拓扑结构。在另一种可选的实现方式中，基于目标传感器、电力无线专网基站以及云端服务器，构建无线传感器网络。

可选的，利用无线自组网技术构建无线传感器网络。

可选的，目标传感器将采集的目标状态数据通过LIE-A无线通信接口传输至电力无线专网基站，所述电力无线专网基站将所接收到的目标感知数据再通过互联网上传至局域网服务器或者云端服务器。终端从局域网服务器或者云端服务器上采集目标感知数据。终端根据采集的目标感知数据进行实时异常状态监测，判断变电站是否存在故障。

该实施例通过该目标传感器无线部署于所述变电站中，克服了利用有线通信方式连接目标传感器带来的目标传感器部署不便的问题，实现了目标传感器的灵活部署。

本申请实施例中，请参照图6，基于图1所示的实施例，该变电站故障检测方法还包括步骤501和步骤502：

步骤501，若变电站存在故障，则将目标状态数据输入至故障检测模型，得到变电站的故障发生位置以及故障类型。

其中，该故障检测模型为卷积神经网络模型。

可选的，将目标状态数据输入至故障检测模型中，定位目标感知数据中的异常数据，并根据该异常数据确定对应的目标传感器，根据该目标传感器确定该目标传感器的监测对象的位置信息，即得到故障发生位置。根据该目标传感器的目标感知数据的类型，例如温度、湿度、声音、位移、振动加速度以及热像图数据，确定故障类型。

可选的，目标传感器和目标传感器的监测对象的位置信息是一一对应的，可选的，终端存储有目标传感器和目标传感器的监测对象的位置信息的映射关系表。借助查表方式，根据该目标传感器确定该目标传感器的监测对象的位置信息。

步骤502，将变电站的故障发生位置以及故障类型与故障知识库中的故障信息进行匹配，得到故障发生位置以及故障类型对应的故障解决方案。

其中，故障知识库中预先存储了大量的故障信息，每个故障信息包括故障描述信息、对应的解决方案以及解决效果的分数值，其中故障信息包括某故障的故障发生位置和故障类型等等。其中，解决效果的分数值反映了解决效果的好坏，分数值越高，说明解决效果越好。

可选的，计算变电站的故障发生位置以及故障类型与故障知识库中的故障描述信息之间的匹配度，将匹配度高的故障描述信息对应的故障解决方案确定为故障发生位置以及故障类型对应的故障解决方案。

可选的，将变电站的故障发生位置以及故障类型与故障知识库中的故障描述信息进行匹配，得到该故障描述信息对应的多个故障解决方案，并根据解决效果的分数值，确定最终的解决方案。

该实施例通过在若变电站存在故障的情况下将目标状态数据输入至故障检测模型，得到变电站的故障发生位置以及故障类型，提高故障定位的准确性，同时兼顾了故障诊断的实时性和准确性。此外，由于将变电站的故障发生位置以及故障类型与故障知识库中的故障信息进行匹配，得到故障发生位置以及故障类型对应的故障解决方案，提高故障的解决效率。

本申请实施例中，请参照图7，基于图6所示的实施例，该故障检测模型的训练过程包括：

步骤601，获取训练数据。

其中，该训练数据包括目标传感器的位置信息、多个历史故障时刻对应的传感器感知数据、各历史故障时刻对应的故障位置信息以及各历史故障时刻对应的故障类型。

可选的，终端在监测到变电站存在故障时，会将该时刻对应的目标传感器监测的传感器感知数据、故障位置信息以及故障类型作为故障状态数据保存至对应的存储路径中。该存储路径可能位于终端，也可能位于服务器上。

可选地，故障检测模型可以是终端自行训练的；可选地，为了节约终端的计算资源，故障检测模型也可以由服务器训练，训练完成后发送至终端。

可选的，终端或服务器在对故障检测模型进行训练时，会调用存储的故障状态数据。

可选的，为扩充故障状态数据的数据样本数量，可以借助随机过采样算法、SMOTE算法和ADASYN算法、生成对抗网络方法等样本扩充方法扩充故障状态数据样本数量。

步骤602，利用训练数据对初始故障检测模型进行迭代训练，得到故障检测模型。

可选的，将目标传感器的位置信息、多个历史故障时刻对应的传感器感知数据作为初始故障检测模型的输入，将各历史故障时刻对应的故障位置信息以及各历史故障时刻对应的故障类型作为初始故障检测模型，利用反向传播算法对该初始故障检测模型进行迭代训练。

可选地，终端还可以将训练数据集划分为训练集和测试集，通过训练集训练得到故障检测模型，并通过测试集对故障检测模型的模型效果进行验证，若故障检测模型通过验证，则确定训练完成，得到最终的故障检测模型。

该实施例通过获取训练数据并利用训练数据对初始故障检测模型进行迭代训练，得到故障检测模型，提高了该故障检测模型的可靠性。

本申请实施例中，如图8所示，提供了一种变电站故障检测方法，该方法包括以下步骤：

步骤701，将多个目标传感器无线部署于变电站中，该多个目标传感器呈树状网络拓扑结构或多跳网络拓扑结构分布于变电站中。

步骤702，获取目标传感器的位置信息以及在目标时间段内至少一个采样时刻监测变电站得到的目标感知数据。

步骤703，针对每个采样时刻，根据目标传感器的位置信息确定矩阵行向量，并根据目标传感器与采样时刻对应的目标感知数据确定矩阵列向量。

步骤704，基于行向量和列向量，构建采样时刻对应的目标故障监测矩阵，并将各采样时刻对应的目标故障监测矩阵作为故障监测矩阵。

步骤705，获取目标传感器与历史时间段对应的故障状态数据，故障状态数据为目标传感器在变电站故障的情况下监测得到的。

其中，故障状态数据包括历史时间段内至少一个故障时刻对应的目标历史感知数据。

步骤706，根据故障状态数据，构建历史故障矩阵。

其中，历史故障矩阵包括各故障时刻对应的目标历史故障矩阵，针对每个故障时刻，根据目标传感器的位置信息确定第二矩阵行向量，并根据目标传感器与故障时刻对应的目标历史感知数据确定第二矩阵列向量；基于第二矩阵行向量和第二矩阵列向量，构建故障时刻对应的目标历史故障矩阵，并将各故障时刻对应的目标历史故障矩阵作为历史故障矩阵。

步骤707，对于每个采样时刻，确定采样时刻对应的目标故障时刻，并计算采样时刻对应的目标故障监测矩阵与目标故障时刻对应的目标历史故障矩阵的目标互信息。

步骤708，计算各采样时刻中相邻两个采样时刻对应的目标互信息的互信息差值。

步骤709，将各目标互信息分别与第一阈值进行比较得到第一比较结果，并将各互信息差值分别与第二阈值进行比较得到第二比较结果。

步骤710，将各第一比较结果和各第二比较结果作为比较结果，并根据比较结果确定变电站是否存在故障。

步骤711，若变电站存在故障，则将目标状态数据输入至故障检测模型，得到变电站的故障发生位置以及故障类型。

其中，该故障检测模型为卷积神经网络模型。

其中，该故障检测模型的训练过程包括：获取训练数据，训练数据包括目标传感器的位置信息、多个历史故障时刻对应的传感器感知数据、各历史故障时刻对应的故障位置信息以及各历史故障时刻对应的故障类型；利用训练数据对初始故障检测模型进行迭代训练，得到故障检测模型。

步骤712，将变电站的故障发生位置以及故障类型与故障知识库中的故障信息进行匹配，得到故障发生位置以及故障类型对应的故障解决方案。

该实施例通过将多个目标传感器无线部署于变电站中，实现了目标传感器的灵活部署；由于通过计算采样时刻对应的目标故障监测矩阵与目标故障时刻对应的目标历史故障矩阵的目标互信息以及各采样时刻中相邻两个采样时刻对应的目标互信息的互信息差值，并将各目标互信息分别与第一阈值进行比较得到第一比较结果以及将各互信息差值分别与第二阈值进行比较得到第二比较结果，根据第一比较结果和第二比较结果确定所述变电站是否存在故障，降低了故障判断的难度和提高故障判断的速度。此外，由于在若变电站存在故障的情况下将目标状态数据输入至故障检测模型，得到变电站的故障发生位置以及故障类型，提高故障定位的准确性，同时兼顾了故障诊断的实时性和准确性。

应该理解的是，虽然图1-4以及图6-8的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-4以及图6-8中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在本申请实施例中，如图9所示，提供了一种变电站故障检测装置，包括：获取模块和判断模块，其中：

获取模块，用于获取目标传感器在目标时间段内监测变电站得到的目标状态数据；获取所述目标传感器与历史时间段对应的故障状态数据，所述故障状态数据为所述目标传感器在所述变电站故障的情况下监测得到的；

判断模块，用于将所述目标状态数据和所述故障状态数据进行相似性比较，得到比较结果，并根据所述比较结果确定所述变电站是否存在故障。

在一个实施例中，该判断模块具体用于：

根据目标状态数据，构建故障监测矩阵；

根据故障状态数据，构建历史故障矩阵；

获取故障监测矩阵和历史故障矩阵的互信息，并根据互信息获取比较结果。

在一个实施例中，该目标状态数据包括目标传感器的位置信息以及目标时间段内至少一个采样时刻对应的目标感知数据，该判断模块还用于：

针对每个采样时刻，根据目标传感器的位置信息确定矩阵行向量，并根据目标传感器与采样时刻对应的目标感知数据确定矩阵列向量；

基于矩阵行向量和矩阵列向量，构建采样时刻对应的目标故障监测矩阵，并将各采样时刻对应的目标故障监测矩阵作为故障监测矩阵。

在一个实施例中，历史故障矩阵包括所述历史时间段内至少一个故障时刻对应的目标历史故障矩阵，该判断模块还用于：

对于每个采样时刻，确定采样时刻对应的目标故障时刻，并计算采样时刻对应的目标故障监测矩阵与目标故障时刻对应的目标历史故障矩阵的目标互信息；

计算各采样时刻中相邻两个采样时刻对应的目标互信息的互信息差值；

将各目标互信息分别与第一阈值进行比较得到第一比较结果，并将各互信息差值分别与第二阈值进行比较得到第二比较结果；

将各第一比较结果和各第二比较结果作为比较结果。

在一个实施例中，该目标传感器无线部署于变电站中；目标传感器的数量为多个，多个目标传感器呈树状网络拓扑结构或多跳网络拓扑结构分布于变电站中。

在一个实施例中，如图10所示，该装置还包括输出模块和解决模块，具体的：

输出模块，用于在变电站存在故障的情况下将目标状态数据输入至故障检测模型，得到变电站的故障发生位置以及故障类型；

解决模块，用于将变电站的故障发生位置以及故障类型与故障知识库中的故障信息进行匹配，得到故障发生位置以及故障类型对应的故障解决方案。

在一个实施例中，该故障检测模型的训练过程包括：

获取训练数据，训练数据包括目标传感器的位置信息、多个历史故障时刻对应的传感器感知数据、各历史故障时刻对应的故障位置信息以及各历史故障时刻对应的故障类型；

利用训练数据对初始故障检测模型进行迭代训练，得到故障检测模型。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种变电站故障检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。