一种水电站智能报警方法、系统、终端及存储介质与流程

1.本技术涉及水电站计算机监控技术领域，尤其涉及一种水电站智能报警方法、系统、终端及存储介质。


背景技术：

2.水电站是将水能转换为电能的综合工程设施，是利用水能资源发电的场所，是水、机、电的综合体。水电站一般包括挡水、泄水建筑物形成的水库和水电站引水系统、发电厂房、机电设备等。水库的高水位水经引水系统流入厂房推动水轮发电机组发出电能，再经升压变压器、开关站和输电线路输入电网。
3.随着电力事业的发展，水力发电也越来越重要，为了维持水电站安全健康的工作，需要对现地数据进行监控和分析，相关技术中通过采集现地数据，再对现地数据进行计算和合成，通过配置模拟量越限和开关量变位产生告警，相关技术中的越限值一般由工作人员根据现有固定标准或经验等人工设定，然而即使有相应的标准或经验值，由于现场情况千差万别，相应的标准或经验值也往往不符合实际情况，从而导致报警系统的准确性不高。


技术实现要素：

4.为了有助于提高报警系统的准确性，本技术提供一种水电站智能报警方法、系统、终端及存储介质。
5.第一方面，本技术提供的一种水电站智能报警方法，采用如下的技术方案：一种水电站智能报警方法，包括：获取历史数据；基于所述历史数据，获取运行工况；基于所述运行工况以及预设维度，获取所述历史数据的数据分布状况；基于所述数据分布状况，生成不同所述运行工况下的数据模型；获取实时数据和所述实时数据所属的目标工况；基于所述目标工况，选择与所述目标工况相匹配的所述数据模型，判断所述实时数据是否满足预设标准；若所述实时数据不满足所述预设标准，则进行报警；其中，数据模型为每一种所述运行工况下以及每一种监控维度的算法模型。
6.通过采用上述技术方案，先获取水电站正常运行的历史数据，对历史数据进行分析，并从历史数据中获知运行工况，再根据预设维度，分析计算出每一种工况下历史数据在各个维度的数据分布状况，并根据数据分布状况生成不同运行工况下的数据模型；获取实时数据和该实数数据所属的目标工况，最后选择与目标工况相对应的数据模型对实时数据进行判别，若实时数据不满足预设标准，即实时数据异常时，则进行报警；通过历史数据设置不同运行工况下不同数据维度的数据模型，再根据实时数据所属的目标工况，选择对应的数据模型来判断实时数据是否异常，更加符合数据监测的实际情况，且无需人工根据固
定标准和经验设定越限值，有助于提高报警系统的准确性。
7.可选的，所述基于所述历史数据，获取运行工况的具体步骤包括：基于所述历史数据，获取与所述工况字段相对应的工况参数；基于所述工况参数，获取所述运行工况。
8.通过采用上述技术方案，根据历史数据获取工况参数，根据工况参数设置运行工况；根据不同运行工况，设置对应的工况参数，有助于根据不同运行工况判断当前数据是否异常，更加符合数据监测的实际情况，且无需人工根据固定标准和经验设定越限值，有助于提高报警系统的准确性。
9.可选的，所述基于所述运行工况以及预设维度，获取所述历史数据的数据分布状况的具体步骤包括：基于所述运行工况以及所述预设维度，获取所述历史数据的数据类型，所述数据类型包括暂态数据和稳态数据；若所述数据类型为所述暂态数据，则将所述暂态数据进行删除；若所述数据类型为所述稳态数据，则获取所述历史数据的所述数据分布状况。
10.通过采用上述技术方案，获取历史数据的数据类型，若该数据类型为暂态数据，则过滤掉该暂态数据，若数据类型为稳态数据，则获取该历史数据在不同工况下的数据分布状态；暂态数据波动较大，因此将暂态数据去除，保留稳态数据，并获取稳态数据在不同工况下的数据分布状况，有助于提高数据的准确性，从而有助于提高报警系统的准确性。
11.可选的，还包括：获取历史报警记录；基于所述历史报警记录，获取所述目标工况所对应的报警数量作为第一报警数量；对所述第一报警数量进行分析，并生成分析结果；判断所述分析结果是否满足预设预警要求；若满足，则基于所述分析结果进行预警。
12.通过采用上述技术方案，先获取历史报警记录，再根据历史报警记录获取目标工况所对应的第一报警数量，对第一报警数量进行分析并生成分析结果，判断分析结果是否满足预设预警要求，若满足，则表明第一报警数量较多，超过了该目标工况所设置的正常数量范围，因此根据分析结果进行预警；根据历史报警记录获知目标工况的第一报警数量，当分析结果是否满足预设预警要求，且再次使用该目标工况时，会进行预警，提醒工作人员该目标工况下出现异常的情况较多，因此工作人员能够及早关注并及时作出相应处理，有助于提高水电站的安全性。
13.可选的，所述分析结果包括第一分析结果和第二分析结果；所述对所述第一报警数量进行分析，并生成分析结果的具体步骤包括：若所述第一报警数量超过预设第一数量阈值，则基于所述目标工况以及所述第一报警数量生成所述第一分析结果；若所述第一报警数量超过预设第二数量阈值且未超过所述预设第一数量阈值，则基于所述历史报警记录获取目标工况所对应的报警类型以及不同所述报警类型所对应的目标数量；
判断所述目标数量是否超过与所述报警类型相对应的目标数量阈值；若所述目标数量超过所述目标数量阈值，则基于所述目标工况、所述目标数量以及所述报警类型生成第二分析结果。
14.通过采用上述技术方案，若第一报警数量超过预设第一数量阈值，则表明第一报警数量已经超过了该目标工况下的正常报警数量范围，因此根据目标工况以及第一报警数量生成第一分析结果，若第一报警数量超过预设第二数量阈值且未超过预设第一数量阈值，则表明第一报警数量还未超过但即将超过该目标工况下的正常报警数量范围，为进一步判断该目标工况下是否存在数据异常风险，根据历史报警记录获取该目标工况下不同报警类型以及不同报警类型所对应的目标数量，若目标数量超过目标数量阈值，则表明该目标工况下报警总数量未超过正常报警数量范围，但是某种报警类型所对应的目标数量却超过了该类型正常报警数量的范围，存在数据异常风险，因此根据目标工况、目标数量以及报警类型生成第二分析结果；设置双重判断条件，当目标工况下所对应的历史报警总数量即第一报警数量超过预设第一阈值时，或当第一报警数量处于预设第一阈值和预设第二阈值之间，但是存在报警类型所对应的目标数量超过目标数量阈值时，均进行预警，有助于工作人员能够及早关注潜在风险，并及时作出相应处理，进而有助于提高水电站的安全性。
15.可选的，所述分析结果包括第三分析结果；在所述获取历史报警记录之后还包括：基于所述历史报警记录，获取报警时间；获取目标时间节点以及所述目标时间节点所对应的报警数量作为第二报警数量；判断所述第二报警数量是否超过预设第三数量阈值；若所述第二报警数量超过所述预设第三数量阈值，则将所述目标时间节点标记为异常多发时间节点；获取当前时间节点，并基于预设匹配规则，判断所述当前时间节点是否与所述异常多发时间节点相匹配；若相匹配，则基于所述第二报警数量生成第三分析结果。
16.通过采用上述技术方案，获取目标时间节点所对应的第二报警数量，并判断第二报警数量是否超过预设第三数量阈值，若超过，则表明改名吧时间节点内报警数量较多，超过了正常报警数量范围，因此将该目标时间节点标记为异常多发时间节点，获取当前时间节点，并根据预设匹配规则，判断当前时间节点是否与异常多发时间节点相匹配，若相匹配，则表明当前时间节点内的可能会出现较多的异常数据，因此根据第二报警数量生成第三分析结果；设置异常多发时间节点，若当前时间节点与异常多发时间节点相匹配时，进行预警，有助于工作人员能够及早关注潜在风险，并及时作出相应处理，进而有助于提高水电站的安全性。
17.可选的，所述若相匹配，则基于所述第二报警数量生成第三分析结果的具体步骤包括：若相匹配，则获取所述目标时间节点所对应的报警类型作为节点报警类型；基于所述节点报警类型以及所述第二报警数量，生成第三分析结果。
18.通过采用上述技术方案，若相匹配，则表明当前时间节点内的可能会出现较多的异常数据，因此获取节点报警类型，并根据节点报警类型以及第二报警数量生成第三分析
结果，在第二报警数量的基础上再增加节点报警类型，有助于工作人员更加清楚的了解在异常多发时间节点内哪种报警类型对应的数量较多，从而有助于工作人员能够更加准确的了解到潜在风险所在，因此可以及时做出相应处理，进而有助于提高水电站的安全性。
19.第二方面，本技术还公开了一种水电站智能报警系统，采用如下的技术方案：一种水电站智能报警系统，包括：第一获取模块，用于获取历史数据；第二获取模块，用于基于所述历史数据，获取运行工况；第三获取模块，用于基于所述运行工况以及预设维度，获取所述历史数据的数据分布状况；生成模块，用于基于所述数据分布状况，生成不同所述运行工况下的数据模型；第四获取模块，用于获取实时数据和所述实时数据所属的目标工况；判断模块，用于基于所述目标工况，选择与所述目标工况相匹配的所述数据模型，判断所述实时数据是否满足预设标准；报警模块，若所述实时数据不满足所述预设标准，则所述报警模块用于进行报警；其中，数据模型为每一种所述运行工况下以及每一种监控维度的算法模型。
20.通过采用上述技术方案，先获取水电站正常运行的历史数据，对历史数据进行分析，并从历史数据中获知运行工况，再根据预设维度，分析计算出每一种工况下历史数据在各个维度的数据分布状况，并根据数据分布状况生成不同运行工况下的数据模型；获取实时数据和该实数数据所属的目标工况，最后选择与目标工况相对应的数据模型对实时数据进行判别，若实时数据不满足预设标准，即实时数据异常时，则进行报警；通过历史数据设置不同运行工况下不同数据维度的数据模型，再根据实时数据所属的目标工况，选择对应的数据模型来判断实时数据是否异常，更加符合数据监测的实际情况，且无需人工根据固定标准和经验设定越限值，有助于提高报警系统的准确性。
21.第三方面，本技术提供的一种智能终端，采用如下的技术方案：一种智能终端，包括存储器、处理器，所述存储器中用于存储能够在所述处理器上运行的计算机程序，所述处理器加载计算机程序时，执行第一方面的方法。
22.通过采用上述技术方案，基于第一方面的方法生成计算机程序，并存储于存储器中，以被处理器加载执行，从而，根据存储器及处理器制作智能终端，方便使用者使用。
23.第四方面，本技术提供的一种计算机可读存储介质，采用如下的技术方案：一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器加载时，执行第一方面的方法。
24.通过采用上述技术方案，基于第一方面的方法生成计算机程序，并存储于计算机可读存储介质中，以被处理器加载并执行，通过计算机可读存储介质，方便计算机程序的可读及存储。
25.综上所述，本技术包括以下有益技术效果：通过历史数据设置不同运行工况下不同数据维度的数据模型，再根据实时数据所属的目标工况，选择对应的数据模型来判断实时数据是否异常，更加符合数据监测的实际情况，且无需人工根据固定标准和经验设定越限值，有助于提高报警系统的准确性。
附图说明
26.图1是本技术实施例一种水电站智能报警方法的主要流程图；图2是步骤s201至步骤s202的步骤流程图；图3是步骤s301至步骤s303的步骤流程图；图4是步骤s401至步骤s405的步骤流程图；图5是步骤s501至步骤s504的步骤流程图；图6是步骤s601至步骤s606的步骤流程图；图7是步骤s701至步骤s702的步骤流程图；图8是本技术实施例一种水电站智能报警系统的模块图。
27.附图标记说明：1、第一获取模块；2、第二获取模块；3、第三获取模块；4、生成模块；5、第四获取模块；6、判断模块；7、报警模块。
具体实施方式
28.第一方面，本技术公开了一种水电站智能报警方法。
29.参照图1，一种水电站智能报警方法，包括步骤s101至步骤s107：步骤s101：获取历史数据。
30.具体的，历史数据为在指定时间段内设备正常运行时的相关数据，本实施例中，可以为一年之内，也可以为从设备开始投入使用至今的所有数据。
31.本实施例中，历史数据包括水位、导叶开度、有功功率、无功功率、发电机出口断路器、励磁电压、励磁电流、功率因数、机组频率、机组转速、a相电流、b相电流、c相电流、机组电压uab、机组电压uac、机组电压ubc、水导轴瓦温度、推力轴瓦温度、定子铁芯温度、定子线圈温度、上导轴瓦温度、下导轴瓦温度、调速器油位、振动摆渡数据等。历史数据存储于数据库中，数据库可以是一种关系型数据库，可以是时序数据库，还可以是nosql、newsql或者其他数据存取容器。
32.步骤s102：基于历史数据，获取运行工况。
33.具体的，本实施例中，运行工况即设备运行时的工作状况。
34.步骤s103：基于运行工况以及预设维度，获取历史数据的数据分布状况。
35.具体的，预设维度及预先设置的监控维度，本实施例中，监控维度包含但不限于单变量维度、单变量时间维度、同维度多变量、多变量相关维度以及更改该维度对应的异常算法，不同的监控维度，所对应的处理方式也不同；数据分布状况即历史数据在不同运行工况下的分布状况。
36.单变量维度即仅对选择的单个变量进行处理，如机组转速，本实施例中使用统计检验3-sigma法；单变量时间维度即对选择的单个变量加上时间维度一起进行处理，此情况下自动增加一列数据，表示在该运行工况下运行的时间，本实施例中使用arima算法；同维度多变量是指同一个维度的不同测量点，如机组电压uab、机组电压uac、机组电压ubc，此情况下自动生成均值、方差，本实施例中使用神经网络自编码算法；多变量相关维度即对选择的多个变量进行处理，如振动摆渡数据，本实施例中采用神经网络自编码算法，也可以选自回归等其它算法和局部离群因子检测方法。
37.步骤s104：基于数据分布状况，生成不同运行工况下的数据模型。
38.具体的，本实施例中，数据模型即每一种工况下、每一种监控维度的算法模型。
39.步骤s105：获取实时数据和实时数据所属的目标工况。
40.具体的，本实施例中，实时数据即当前采集到的最新数据，可以通过api或其它方式获取实时数据，目标工况及实时数据所对应的运行工况。
41.步骤s106：基于目标工况，选择与目标工况相匹配的数据模型，判断实时数据是否满足预设标准。
42.具体的，预设标准即预先设置的用于判断实时数据是否存在异常的评判标准，本实施例中，选择与目标工况相匹配的数据模型即选择与目标工况相同工况的数据模型。
43.步骤s107：若实时数据不满足预设标准，则进行报警。
44.具体的，本实施例中，若实时数据不满足预设标准，则表明实时数据出现了异常，因此进行报警。
45.本实施例提供的水电站智能报警方法，先获取水电站正常运行的历史数据，对历史数据进行分析，并从历史数据中获知运行工况，再根据预设维度，分析计算出每一种工况下历史数据在各个维度的数据分布状况，并根据数据分布状况生成不同运行工况下的数据模型；获取实时数据和该实数数据所属的目标工况，最后选择与目标工况相对应的数据模型对实时数据进行判别，若实时数据不满足预设标准，即实时数据异常时，则进行报警；通过历史数据设置不同运行工况下不同数据维度的数据模型，再根据实时数据所属的目标工况，选择对应的数据模型来判断实时数据是否异常，更加符合数据监测的实际情况，且无需人工根据固定标准和经验设定越限值，有助于提高报警系统的准确性。
46.参照图2，在本实施例的其中一种实施方式中，步骤s102基于历史数据，获取运行工况的具体步骤包括步骤s201至步骤s202：步骤s201：基于历史数据，获取与工况字段相对应的工况参数。
47.具体的，工况参数包括工况字段、稳态最小持续时间以及工况区间数，工况字段即用于表征运行工况的字段，例如水位、导叶开度、有功功率、无功功率等，本实施例中，水电站选择水位、导叶开度、有功功率作为工况字段；历史数据包括稳定状态和暂定状态，而稳态最小持续时间即用于判断历史数据为区分历史数据为稳定状态或暂定状态的标准，本实施例中稳态最小持续时间可以设置为5分钟；工况区间数可以为10。
48.步骤s202：基于工况参数，获取运行工况。
49.具体的，本实施例中，根据工况参数可以得到：
∆
水位=(最大水位-最小水位)/10、
∆
导叶开度=(最大导叶开度-最小导叶开度)/10、
∆
有功功率=(最大有功功率-最小有功功率)/10，由此可以得出1000（10*10*10）个不同的运行工况；其中，工况1为((最小水位，最小水位+
∆
水位)，(最小导叶开度，最小导叶开度+
∆
导叶开度)，(最小有功功率+
∆
有功功率))，工况2为((最小水位，最小水位+2*
∆
水位)，(最小导叶开度，最小导叶开度+
∆
导叶开度)，(最小有功功率+
∆
有功功率))，工况1000为((最小水位，最小水位+10*
∆
水位)，(最小导叶开度，最小导叶开度+10*
∆
导叶开度)，(最小有功功率+10*
∆
有功功率))。
50.本实施方式提供的水电站智能报警方法，根据历史数据获取工况参数，根据工况参数设置运行工况；根据不同运行工况，设置对应的工况参数，有助于根据不同运行工况判断当前数据是否异常，更加符合数据监测的实际情况，且无需人工根据固定标准和经验设
定越限值，有助于提高报警系统的准确性。
51.参照图3，在本实施例的其中一种实施方式中，步骤s103基于运行工况以及预设维度，获取历史数据的数据分布状况的具体步骤包括步骤s301至步骤s303：步骤s301：基于运行工况以及预设维度，获取历史数据的数据类型，数据类型包括暂态数据和稳态数据。
52.具体的，本实施例中，数据类型即历史数据的类型，本实施例中包括暂态数据和稳态数据，暂态数据即暂定状态的数据，稳态数据即稳定状态的数据。
53.步骤s302：若数据类型为暂态数据，则将暂态数据进行删除。
54.具体的，本实施例中，暂态数据波动较大，因此，本实施例中将暂态数据进行删除。
55.步骤s303：若数据类型为稳态数据，则获取历史数据的数据分布状况。
56.具体的，本实施例中，若数据类型为稳态数据，则将相同运行工况的稳态数据保存到一起。
57.本实施方式提供的水电站智能报警方法，获取历史数据的数据类型，若该数据类型为暂态数据，则过滤掉该暂态数据，若数据类型为稳态数据，则获取该历史数据在不同工况下的数据分布状态；暂态数据波动较大，因此将暂态数据去除，保留稳态数据，并获取稳态数据在不同工况下的数据分布状况，有助于提高数据的准确性，从而有助于提高报警系统的准确性。
58.参照图4，在本实施例的其中一种实施方式中，还包括步骤s401至步骤s405：步骤s401：获取历史报警记录。
59.具体的，本实施例中，历史报警记录即在指定时间段内的报警记录，本实施例中，可以为一年之内，也可以为从设备开始投入使用至今的所有的报警记录。
60.步骤s402：基于历史报警记录，获取目标工况所对应的报警数量作为第一报警数量。
61.具体的，本实施例中，第一报警数量即目标工况下所对应的报警数量的总和，例如工况1所对应的报警数量总和为100次，则第一报警数量为100.本实施例中，为提高数据的可靠性和真实性，可以选择只采集过去一年或其他合理指定时间内的历史报警记录，若该设备从投入使用至今不足一年，则采集从该设备从投入使用至今的所有报警记录。
62.步骤s403：对第一报警数量进行分析，并生成分析结果。
63.具体的，本实施例中，将第一报警数量与预设数量阈值进行比较，生成比较结果，并根据该比较结果以及相关数据生成分析结果，本实施例中，预设数量阈值即预设的用于判断第一报警数量是否为目标工况下所对应的正常范围内的报警数量的判断标准，包括预设第一数量阈值和预设第二数量阈值以及预设第三预警要求；分析结果包括第一分析结果、第二分析结果以及第三分析结果。
64.步骤s404：判断分析结果是否满足预设预警要求。
65.具体的，预设预警要求即预先设置的，用于判断分析结果是否符合预警条件的判断标准，本实施例中，第一分析结果、第二分析结果以及第三分析结果均满足预设预警要求。
66.步骤s405：若满足，则基于分析结果进行预警。
67.具体的，本实施例中，若满足，则表明分析结果符合预警条件，因此根据分析结果
进行预警。
68.本实施方式提供的水电站智能报警方法，先获取历史报警记录，再根据历史报警记录获取目标工况所对应的第一报警数量，对第一报警数量进行分析并生成分析结果，判断分析结果是否满足预设预警要求，若满足，则表明第一报警数量较多，超过了该目标工况所设置的正常数量范围，因此根据分析结果进行预警；根据历史报警记录获知目标工况的第一报警数量，当分析结果是否满足预设预警要求，且再次使用该目标工况时，会进行预警，提醒工作人员该目标工况下出现异常的情况较多，因此工作人员能够及早关注并及时作出相应处理，有助于提高水电站的安全性。
69.参照图5，在本实施例的其中一种实施方式中，步骤s403对第一报警数量进行分析，并生成分析结果的具体步骤包括步骤s501至步骤s504：步骤s501：若第一报警数量超过预设第一数量阈值，则基于目标工况以及第一报警数量生成第一分析结果。
70.具体的，第一分析结果中包含有目标工况以及第一报警数量，因此可以从第一分析结果中清楚地知晓目标工况和第一报警数量，本实施例中，预设第一数量阈值可以为20次或其他数值。
71.步骤s502：若第一报警数量超过预设第二数量阈值且未超过预设第一数量阈值，则基于历史报警记录获取目标工况所对应的报警类型以及不同报警类型所对应的目标数量。
72.具体的，报警类型即数据异常类型，在进行报警时，同时会自动上报报警类型，例如水位过低或导叶开度不足等；目标数量即目标工况下不同报警类型所对应的报警数量，例如工况1所对应的第一报警数量为20次，而由导叶开度不足导致报警的次数为10次，则在工况1下，导叶开度不足所对应的目标数量为10次；此外，本实施例中，预设第二数量阈值可以设置为10次或其他数值。
73.步骤s503：判断目标数量是否超过与报警类型相对应的目标数量阈值。
74.具体的，目标数量阈值及判断在某种运行工况下目标数量是否超出正常报警数量范围的判断标准，本实施例中目标数量阈值可以设置为5次，也可以是其他数值。
75.步骤s504：若目标数量超过目标数量阈值，则基于目标工况、目标数量以及报警类型生成第二分析结果。
76.具体的，第二分析结果即根据目标数量以及报警类型生成的分析结果。
77.本实施方式提供的水电站智能报警方法，若第一报警数量超过预设第一数量阈值，则表明第一报警数量已经超过了该目标工况下的正常报警数量范围，因此根据目标工况以及第一报警数量生成第一分析结果，若第一报警数量超过预设第二数量阈值且未超过预设第一数量阈值，则表明第一报警数量还未超过但即将超过该目标工况下的正常报警数量范围，为进一步判断该目标工况下是否存在数据异常风险，根据历史报警记录获取该目标工况下不同报警类型以及不同报警类型所对应的目标数量，若目标数量超过目标数量阈值，则表明该目标工况下报警总数量未超过正常报警数量范围，但是某种报警类型所对应的目标数量却超过了该类型正常报警数量的范围，存在数据异常风险，因此根据目标工况、目标数量以及报警类型生成第二分析结果。
78.设置双重判断条件，当目标工况下所对应的历史报警总数量即第一报警数量超过
预设第一阈值时，或当第一报警数量处于预设第一阈值和预设第二阈值之间，但是存在报警类型所对应的目标数量超过目标数量阈值时，均进行预警，有助于工作人员能够及早关注潜在风险，并及时作出相应处理，进而有助于提高水电站的安全性。
79.参照图6，在本实施例的其中一种实施方式中，在步骤s401获取历史报警记录之后还包括步骤s601至步骤s606：步骤s601：基于历史报警记录，获取报警时间。
80.具体的，报警时间即当数据异常时，系统进行报警的时间，本实施例中，系统报警时会自动保存报警时间。
81.步骤s602：获取目标时间节点以及目标时间节点所对应的报警数量作为第二报警数量。
82.具体的，本实施例中，目标事件节点即用户指定的时间区间，例如每天的22时至24时，又例如每年的7月1号至8月1号，第二报警数量即目标时间节点内的报警总数量，例如目标时间节点内一共报警10次，则第二报警数量即为10次。
83.步骤s603：判断第二报警数量是否超过预设第三数量阈值。
84.具体的，本实施例中，预设第三数量阈值可以设置为某个固定值，例如10次，也可以根据目标事件节点的时间长度设置，例如将预设第三数量阈值设置为目标时间节点所包含天数的200%或其他百分比，即当目标时间节点为7月1号至8月1号，共31天时，预设第三数量阈值为（31*200%）62次。
85.步骤s604：若第二报警数量超过预设第三数量阈值，则将目标时间节点标记为异常多发时间节点。
86.具体的，本实施例中，异常多发时间节点即数据发生异常次数较多的目标时间节点。
87.步骤s605：获取当前时间节点，并基于预设匹配规则，判断当前时间节点是否与异常多发时间节点相匹配。
88.具体的，当前时间节点即当前时间，本实施例中，当前时间节点可以是某个时间点，例如7时0分，也可以是某个时间区间，例如某天或某月等。
89.本实施例中，若7月1日至8月1日为异常多发时间节点，而当前时间节点为7月1日至8月1日中的某天，则当前时间节点是否与异常多发时间节点相匹配。
90.步骤s606：若相匹配，则基于第二报警数量生成第三分析结果。
91.具体的，第三分析结果即根据目第二报警数量生成的分析结果。
92.本实施方式提供的水电站智能报警方法，获取目标时间节点所对应的第二报警数量，并判断第二报警数量是否超过预设第三数量阈值，若超过，则表明改名吧时间节点内报警数量较多，超过了正常报警数量范围，因此将该目标时间节点标记为异常多发时间节点，获取当前时间节点，并根据预设匹配规则，判断当前时间节点是否与异常多发时间节点相匹配，若相匹配，则表明当前时间节点内的可能会出现较多的异常数据，因此根据第二报警数量生成第三分析结果；设置异常多发时间节点，若当前时间节点与异常多发时间节点相匹配时，进行预警，有助于工作人员能够及早关注潜在风险，并及时作出相应处理，进而有助于提高水电站的安全性。
93.参照图7，在本实施例的其中一种实施方式中，步骤s606：若相匹配，则基于第二报
警数量生成第三分析结果的具体步骤包括步骤s701至步骤s702：步骤s701：若相匹配，则获取目标时间节点所对应的报警类型作为节点报警类型。
94.具体的，本实施例中，节点报警类型即目标时间节点内所对应报警的报警类型。
95.步骤s702：基于节点报警类型以及第二报警数量，生成第三分析结果。
96.本实施方式提供的水电站智能报警方法，若相匹配，则表明当前时间节点内的可能会出现较多的异常数据，因此获取节点报警类型，并根据节点报警类型以及第二报警数量生成第三分析结果，在第二报警数量的基础上再增加节点报警类型，有助于工作人员更加清楚的了解在异常多发时间节点内哪种报警类型对应的数量较多，从而有助于工作人员能够更加准确的了解到潜在风险所在，因此可以及时做出相应处理，进而有助于提高水电站的安全性。
97.第二方面，本技术还公开了一种水电站智能报警系统。
98.参照图8，一种水电站智能报警系统，包括：第一获取模块1，用于获取历史数据；第二获取模块2，用于基于历史数据，获取运行工况；第三获取模块3，用于基于运行工况以及预设维度，获取历史数据的数据分布状况；生成模块4，用于基于数据分布状况，生成不同运行工况下的数据模型；第四获取模块5，用于获取实时数据和实时数据所属的目标工况；判断模块6，用于基于目标工况，选择与目标工况相匹配的数据模型，判断实时数据是否满足预设标准；报警模块7，若实时数据不满足预设标准，则报警模块7用于进行报警；其中，数据模型为每一种运行工况下以及每一种监控维度的算法模型。
99.第三方面，本技术实施例公开一种智能终端，包括存储器、处理器，存储器中用于存储能够在处理器上运行的计算机程序，处理器加载计算机程序时，执行上述实施例的一种水电站智能报警方法。
100.第四方面，本技术实施例公开一种计算机可读存储介质，并且，计算机可读存储介质中存储有计算机程序，其中，计算机程序被处理器加载时，执行上述实施例的一种水电站智能报警方法。
101.以上均为本技术的较佳实施例，并非依此限制本技术的保护范围，故：凡依本技术的结构、形状、原理所做的等效变化，均应涵盖于本技术的保护范围之内。

技术特征：
1.一种水电站智能报警方法，其特征在于，包括：获取历史数据；基于所述历史数据，获取运行工况；基于所述运行工况以及预设维度，获取所述历史数据的数据分布状况；基于所述数据分布状况，生成不同所述运行工况下的数据模型；获取实时数据和所述实时数据所属的目标工况；基于所述目标工况，选择与所述目标工况相匹配的所述数据模型，判断所述实时数据是否满足预设标准；若所述实时数据不满足所述预设标准，则进行报警；其中，数据模型为每一种所述运行工况下以及每一种监控维度的算法模型。2.根据权利要求1所述的一种水电站智能报警方法，其特征在于，所述基于所述历史数据，获取运行工况的具体步骤包括：基于所述历史数据，获取与所述工况字段相对应的工况参数；基于所述工况参数，获取所述运行工况。3.根据权利要求2所述的一种水电站智能报警方法，其特征在于，所述基于所述运行工况以及预设维度，获取所述历史数据的数据分布状况的具体步骤包括：基于所述运行工况以及所述预设维度，获取所述历史数据的数据类型，所述数据类型包括暂态数据和稳态数据；若所述数据类型为所述暂态数据，则将所述暂态数据进行删除；若所述数据类型为所述稳态数据，则获取所述历史数据的所述数据分布状况。4.根据权利要求1所述的一种水电站智能报警方法，其特征在于，还包括：获取历史报警记录；基于所述历史报警记录，获取所述目标工况所对应的报警数量作为第一报警数量；对所述第一报警数量进行分析，并生成分析结果；判断所述分析结果是否满足预设预警要求；若满足，则基于所述分析结果进行预警。5.根据权利要求4所述的一种水电站智能报警方法，其特征在于，所述分析结果包括第一分析结果和第二分析结果；所述对所述第一报警数量进行分析，并生成分析结果的具体步骤包括：若所述第一报警数量超过预设第一数量阈值，则基于所述目标工况以及所述第一报警数量生成所述第一分析结果；若所述第一报警数量超过预设第二数量阈值且未超过所述预设第一数量阈值，则基于所述历史报警记录获取目标工况所对应的报警类型以及不同所述报警类型所对应的目标数量；判断所述目标数量是否超过与所述报警类型相对应的目标数量阈值；若所述目标数量超过所述目标数量阈值，则基于所述目标工况、所述目标数量以及所述报警类型生成第二分析结果。6.根据权利要求4所述的一种水电站智能报警方法，其特征在于，所述分析结果包括第三分析结果；在所述获取历史报警记录之后还包括：
基于所述历史报警记录，获取报警时间；获取目标时间节点以及所述目标时间节点所对应的报警数量作为第二报警数量；判断所述第二报警数量是否超过预设第三数量阈值；若所述第二报警数量超过所述预设第三数量阈值，则将所述目标时间节点标记为异常多发时间节点；获取当前时间节点，并基于预设匹配规则，判断所述当前时间节点是否与所述异常多发时间节点相匹配；若相匹配，则基于所述第二报警数量生成第三分析结果。7.根据权利要求6所述的一种水电站智能报警方法，其特征在于，所述若相匹配，则基于所述第二报警数量生成第三分析结果的具体步骤包括：若相匹配，则获取所述目标时间节点所对应的报警类型作为节点报警类型；基于所述节点报警类型以及所述第二报警数量，生成第三分析结果。8.一种水电站智能报警系统，其特征在于，包括：第一获取模块(1)，用于获取历史数据；第二获取模块(2)，用于基于所述历史数据，获取运行工况；第三获取模块(3)，用于基于所述运行工况以及预设维度，获取所述历史数据的数据分布状况；生成模块(4)，用于基于所述数据分布状况，生成不同所述运行工况下的数据模型；第四获取模块(5)，用于获取实时数据和所述实时数据所属的目标工况；判断模块(6)，用于基于所述目标工况，选择与所述目标工况相匹配的所述数据模型，判断所述实时数据是否满足预设标准；报警模块(7)，若所述实时数据不满足所述预设标准，则所述报警模块(7)用于进行报警；其中，数据模型为每一种所述运行工况下以及每一种监控维度的算法模型。9.一种智能终端，包括存储器、处理器，其特征在于，所述存储器中用于存储能够在所述处理器上运行的计算机程序，所述处理器加载计算机程序时，执行权利要求1至7中任一项所述的方法。10.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器加载时，执行权利要求1至7中任一项所述的方法。

技术总结
本申请涉及水电站计算机监控技术领域，尤其涉及一种水电站智能报警方法、系统、终端及存储介质，其方法包括：获取历史数据；基于历史数据，获取运行工况；基于运行工况以及预设维度，获取历史数据的数据分布状况；基于数据分布状况，生成不同运行工况下的数据模型；获取实时数据和实时数据所属的目标工况；基于目标工况，选择与目标工况相匹配的数据模型，判断实时数据是否满足预设标准；若实时数据不满足预设标准，则进行报警。本申请有助于提高报警系统的准确性。系统的准确性。系统的准确性。


技术研发人员：贺广武
受保护的技术使用者：湖南江河能源科技股份有限公司
技术研发日：2023.08.08
技术公布日：2023/9/9