配网设备故障分类新需求

需求描述

本需求旨在通过机器学习模型对电网配网设备（主要是 FTU 及相关设备）故障进行分类。分类数据来源于遥信及遥测数据（XTU 每 15 分钟上报一次）。具体需求如下：

详细需求

• 遥信异常： 如果检测到遥信异常，应将其视为故障（配错除外，此类问题由运维人员负责处理）。
• 遥测异常： 遥测异常时，遥信定值不一定发生突变，异常可能不太严重，但仍需要关注。
• 故障处理原则： 遥信异常应作为故障对待，结合遥测和遥信数据，利用机器学习模型进行分类。
• 遥测数据监控： 对每批上报的遥测数据（如电压、电流等），需使用机器学习模型（如 LSTM）进行实时监控，及时发现潜在异常。这些异常可能暂时不会触发遥信。
• 分析重点： 重点分析 FTU 设备（包括 FTU 管理的设备，如断路器、开关）的异常。由于设备异常和线路异常信号难以区分，因此不区分两者，统一对待。
• 分类目标：
  • 第一优先级： 如果模型可以精准定位到 Excel 表中定义的一期故障目标，则返回这些目标。
  • 第二优先级： 如果不能定位到 Excel 表中的目标，则尝试定位到在线故障分类表中定义的目标。
  • 第三优先级： 如果上述两类目标都无法定位，则归为两大类目标：电流异常和电压异常，并进一步细分为具体的子目标（如哪一相的电流或电压异常）。

总结

本需求的核心在于结合遥信和遥测数据，利用机器学习技术对配网设备的故障进行准确分类和实时监控，尤其注重 FTU 设备及其管理设备的异常处理。