CN106204330A - 一种配电网智能诊断*** - Google Patents
一种配电网智能诊断*** Download PDFInfo
- Publication number
- CN106204330A CN106204330A CN201610563134.3A CN201610563134A CN106204330A CN 106204330 A CN106204330 A CN 106204330A CN 201610563134 A CN201610563134 A CN 201610563134A CN 106204330 A CN106204330 A CN 106204330A
- Authority
- CN
- China
- Prior art keywords
- module
- equipment
- algorithm
- distribution network
- status
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 44
- 238000003745 diagnosis Methods 0.000 title claims abstract description 40
- 238000012423 maintenance Methods 0.000 claims abstract description 48
- 230000008439 repair process Effects 0.000 claims abstract description 41
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 238000007689 inspection Methods 0.000 claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 239000000463 material Substances 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims abstract description 3
- 238000007726 management method Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 16
- 238000012913 prioritisation Methods 0.000 claims description 13
- 238000012546 transfer Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 230000002068 genetic effect Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 208000024891 symptom Diseases 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 238000013499 data model Methods 0.000 claims description 4
- 230000002085 persistent effect Effects 0.000 claims description 4
- 238000010845 search algorithm Methods 0.000 claims description 4
- 238000006467 substitution reaction Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000002045 lasting effect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 2
- 239000007924 injection Substances 0.000 claims description 2
- 210000002569 neuron Anatomy 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 5
- 239000000470 constituent Substances 0.000 abstract description 3
- 238000010801 machine learning Methods 0.000 abstract description 3
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000001594 aberrant effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网智能诊断***，包括以下功能模块：设备状态信息采集模块、设备状态信息ETL模块、智能设备状态评估模块、设备状态管理模块、检修计划优化模块、结果输出模块，智能设备状态评估模块根据配电网设备的各种状态信息，分析数据特征，对设备状态进行定级，并随着时间推移结合新的设备状态信息对设备状态进行推演。***运用智能评估、机器学习、互联网、数据库等技术，对配网各种设备进行实时监测和评估，提醒工作人员开展针对性的巡视检修工作，提高巡视检修工作的主动性，并能生成巡视检修计划，以及对应的检修用材料表和检修工具清单，指导各单位开展检修工作，帮助人们提高巡视检修效率和质量。
Description
技术领域
本发明涉及配电网检修维护技术领域，尤其涉及一种配电网智能诊断***。
背景技术
改革开放几十年以来，国民经济得到快速的发展，电网铺设范围及规模都得到大力提升，与此同时用户对供电可靠性的要求也逐步提高，传统的周期巡视检修模式面临检修人员短缺、停电时间长、供电可靠性低、“陪试陪检”现象普遍、检修成本高、费时、费力、受偶然性因素影响较大、检修工作被动执行等众多问题。传统的周期巡视检修模式已经不能适应电网发展的要求，状态检修是解决上述问题的重要手段。
状态检修方式以设备当前的实际工作状况为依据，它通过先进的状态监测和诊断手段、可靠性评价手段以及寿命预测手段，判断设备的状态，识别故障的早期征兆，对故障部位其及严重程度、故障趋势做出判断，并根据分析诊断结果，在设备性能下降到一定程度或故障将要发生之前主动实施维修。它为电气设备安全、稳定、长周期、全性能、优质运行提供了可靠的技术和管理保障。
状态检修方式存在的诸多优点，很多地区已经开始了配网设备状态检修的研究与试验，并建立了相应的***。但由于缺少整体的规划设计、建设及验收的标准或规范，所面对的配网现实水平也各有差异，目前还没有可以普遍适用的设备监视、状态评估和检修决策技术方案。
由于状态检修方式以设备当前的实际工作状况为依据，现有技术多是通过监视设备掌握供电设备的工作状况信息，而监视设备本身就是一大问题隐患，由于受温湿度、强磁场等环境因素的影响，监控设备极易发生故障，导致影响状态检修的结果，同时会增加检修人员的工作负担，故不能单纯依靠监视设备、传统的周期巡视检修模式不能立刻完全放弃。
发明内容
本发明研制一种配电网智能诊断***，该***运用智能评估、机器学习、互联网、数据库等先进技术，对配网各种设备进行实时监测和评估，根据评估结果，实时报告可能的隐患点，提醒工作人员开展针对性的巡视检修工作，提高巡视检修工作的主动性，并能生成巡视检修计划，以及对应的检修用材料表和检修工具清单，指导各单位开展检修工作，充分利用人工智能，帮助人们提高巡视检修效率和质量。
本发明解决技术问题的技术方案为：一种配电网智能诊断***，包括以下功能模块，
设备状态信息采集模块：通过日常周期巡视检修获得各种配网设备的状态信息，同时将现有DMS、SCADA、故障报修***、停电管理***、配电GIS、营销***中的设备状态信息抽取，结合配电网周围环境信息形成完整的设备状态信息数据；
设备状态信息ETL(Extract、Transformation、Loading，数据抽取、转换和加载)模块：将设备状态信息数据进行筛选和加工，形成统一的数据库对象，建立通用的数据模型，形成设备状态评估模块可以使用的数据；
智能设备状态评估模块：根据配电网设备的各种状态信息，分析数据特征，对设备状态进行定级，并随着时间推移结合新的设备状态信息对设备状态进行推演；智能设备状态评估模块包括工作区、模式匹配器、算法调度模块、算法执行模块，工作区从设备总线获得设备状态数据，并将设备状态数据传入模式匹配器；模式匹配器分析设备状态数据特征，结合知识库和算法调度规则，自动匹配诊断方式和诊断算法；算法调度模块管理评估算法的执行时间、周期等调度信息；算法执行模块按调度要求对待评估设备执行算法，返回执行结果给工作区，返回执行结果传入设备状态管理模块中进行处理；
设备状态管理模块：根据智能设备状态评估模块的信息，判断配电设备是否需要检修，并生成检修计划；
检修计划优化模块：基于检修时间和负荷转移路径对检修计划进行综合优化；
结果输出模块：根据设备状态评估结果，在页面上实时动态展示设备状态，根据检修计划，以动画和文本相结合的方式展示检修过程，生成与检修计划对应的材料表和检修工具清单。
作为优化，所述配电网智能诊断***还包括知识库模块，知识库模块保存智能设备状态评估模块的诊断算法配置信息及诊断结果，并在设备诊断过程中通过学习不断优化诊断算法配置信息。
作为优化，所述环境信息包括地理信息、气候信息、天气信息，天气信息通过网络自动获取或定期输入。
作为优化，所述返回执行结果是指当前设备的状态级别，包括设备生命周期、故障率、可能的故障点。
作为优化，所述智能设备状态评估模块利用算法执行中的诊断算法对配电设备状态进行诊断，所述诊断算法包括模糊聚类分析算法、层次分析算法或遗传算法，这些算法分别对不同设备类型和诊断方式对设备进行状态评估。
作为优化，所述诊断方式包括单一诊断方式和综合诊断方式，所述单一诊断方式将设备状态数据与规程、历史检修和故障数据、实验数据、同类设备检测数据比较，通过知识库模块建立配电网主设备状态的单一诊断规则，并将单一诊断规则保存在专家***的规则库中；所述综合诊断方式是运用人工神经元网络在故障征兆与故障位置之间建立起数学模型，将诊断特征数据存储在网络的权值和阀值里，输入的故障征兆经过数学模型处理后得到准确的输出，指导故障定位。
作为优化，所述设备状态管理模块包括状态管理模块、状态处理模块、检修决策模块三个子模块，状态管理模块与知识库模块通信，维护所有设备的状态信息；状态处理模块根据传入的设备状态信息，判断是否有异常情况及异常情况的持续时间，当达到异常持续时间阀值时确认发生异常；检修决策模块根据设备状态信息和检修规则判断是否需要检修。
作为优化，所述检修计划优化模块包括检修时间优化模块和负荷转移路径优化模块，所述检修时间优化模块基于遗传算法给出优化方案，遗传算法的选择策略是转盘式选择，计算新种群的平均适应值，适应值小于均值的个体得以生存，高于均值的个体以概率生存，所述检修时间优化模块采用均匀交叉策略，所述负荷转移路径优化模块基于待恢复树切割的启发式搜索算法及前推回代算法给出优化方案，具体思路是：根据线路首末节点确定节点关系，经过多次广度优先搜索形成层次关系，确定节点计算顺序，基于支路电流计算出节点注入电流回推计算各支路电流并前推电压，最后通过迭代使电压不平衡不大于收敛判据。
作为优化，所述的知识库模块中知识采用产生式规则来表示，知识包括设备状态、检测方法、监测结果、专家判断、状态数据，并通过自学习自动提取和调整设备故障征兆和判断设备状态规则。
本发明的有益效果：
1.***运用智能评估、机器学习、互联网、数据库等先进技术，对配网各种设备进行实时监测和评估，根据评估结果，实时报告可能的隐患点，提醒工作人员开展针对性的巡视检修工作，提高巡视检修工作的主动性，并能生成巡视检修计划，以及对应的检修用材料表和检修工具清单，指导各单位开展检修工作，充分利用人工智能，帮助人们提高巡视检修效率和质量。
2.智能设备状态评估模块根据最新的设备状态信息数据生成设备状态级别，包括设备生命周期、故障率、可能的故障点，结果实时更新，提高了准确率。
3.将地理信息、气候信息、天气信息等环境信息融入设备状态信息，诊断结果与上述对设备有影响的因素结合起来，提高了诊断的准确性。
附图说明
图1为本发明一种实施例的结构原理图。
图2为本发明一种实施例的软件结构图。
具体实施方式
为了更好地理解本发明，下面结合附图来详细解释本发明的实施方式。
图1、图2为本发明的一种实施例，如图1所示，一种配电网智能诊断***，包括以下功能模块，
设备状态信息采集模块：通过日常周期巡视检修获得各种配网设备的状态信息，同时将现有DMS、SCADA、故障报修***、停电管理***、配电GIS、营销***中的设备状态信息抽取，结合配电网周围环境信息形成完整的设备状态信息数据；
设备状态信息ETL(Extract、Transformation、Loading，数据抽取、转换和加载)模块：将设备状态信息数据进行筛选和加工，形成统一的数据库对象，建立通用的数据模型，形成设备状态评估模块可以使用的数据；
智能设备状态评估模块：根据配电网设备的各种状态信息，分析数据特征，对设备状态进行定级，并随着时间推移结合新的设备状态信息对设备状态进行推演；智能设备状态评估模块包括工作区、模式匹配器、算法调度模块、算法执行模块，工作区从设备总线获得设备状态数据，并将设备状态数据传入模式匹配器；模式匹配器分析设备状态数据特征，结合知识库和算法调度规则，自动匹配诊断方式和诊断算法；算法调度模块管理评估算法的执行时间、周期等调度信息；算法执行模块按调度要求对待评估设备执行算法，返回执行结果给工作区，返回执行结果传入设备状态管理模块中进行处理；
设备状态管理模块：根据智能设备状态评估模块的信息，判断配电设备是否需要检修，并生成检修计划；
检修计划优化模块：从经济、管理等多方面考虑，结合遗传算法，基于检修时间和负荷转移路径对检修计划进行综合优化
结果输出模块：根据设备状态评估结果，在页面上实时动态展示设备状态，根据检修计划，以动画和文本相结合的方式展示检修过程，生成与检修计划对应的材料表和检修工具清单。
所述配电网智能诊断***还包括知识库模块，知识库模块保存智能设备状态评估模块的诊断算法配置信息及诊断结果，并在设备诊断过程中通过学习不断优化诊断算法配置信息。
所述环境信息包括地理信息、气候信息、天气信息，天气信息通过网络自动获取或定期输入。
所述返回执行结果是指当前设备的状态级别，包括设备生命周期、故障率、可能的故障点。
所述智能设备状态评估模块利用算法执行中的诊断算法对配电设备状态进行诊断，所述诊断算法包括模糊聚类分析算法、层次分析算法或遗传算法，这些算法分别对不同设备类型和诊断方式对设备进行状态评估。
所述诊断方式包括单一诊断方式和综合诊断方式，所述单一诊断方式将设备状态数据与规程、历史检修和故障数据、实验数据、同类设备检测数据比较，通过知识库模块建立配电网主设备状态的单一诊断规则，并将单一诊断规则保存在专家***的规则库中；所述综合诊断方式是运用人工神经元网络在故障征兆与故障位置之间建立起数学模型，将诊断特征数据存储在网络的权值和阀值里，输入的故障征兆经过数学模型处理后得到准确的输出，指导故障定位。
所述设备状态管理模块包括状态管理模块、状态处理模块、检修决策模块三个子模块，状态管理模块与知识库模块通信，维护所有设备的状态信息；状态处理模块根据传入的设备状态信息，判断是否有异常情况及异常情况的持续时间，当达到异常持续时间阀值时确认发生异常；检修决策模块根据设备状态信息和检修规则判断是否需要检修。
所述检修计划优化模块包括检修时间优化模块和负荷转移路径优化模块，所述检修时间优化模块基于遗传算法给出优化方案，遗传算法的选择策略是转盘式选择，计算新种群的平均适应值，适应值小于均值的个体得以生存，高于均值的个体以概率生存，所述检修时间优化模块采用均匀交叉策略，所述负荷转移路径优化模块基于待恢复树切割的启发式搜索算法及前推回代算法给出优化方案，具体思路是：根据线路首末节点确定节点关系，经过多次广度优先搜索形成层次关系，确定节点计算顺序，基于支路电流计算出节点注入电流回推计算各支路电流并前推电压，最后通过迭代使电压不平衡不大于收敛判据。
所述的知识库模块中知识采用产生式规则来表示，知识包括设备状态、检测方法、监测结果、专家判断、状态数据，并通过自学习自动提取和调整设备故障征兆和判断设备状态规则。
如图2所示，智能设备状态评估模块包括工作区、模式匹配器、算法调度模块、算法执行模块，工作区从设备总线获得设备状态数据，并将设备状态数据传入模式匹配器；模式匹配器分析设备状态数据特征，结合知识库和算法调度规则，自动匹配诊断方式和诊断算法；算法调度模块管理评估算法的执行时间、周期等调度信息；算法执行模块按调度要求对待评估设备执行算法，返回执行结果给工作区，返回执行结果传入设备状态管理模块中进行处理。
设备状态管理模块包括状态管理、状态处理、检修决策三个子模块。状态管理模块与数据库通信，维护所有设备的状态信息；状态处理模块根据传入的设备状态信息，判断是否有异常情况及异常情况的持续时间，当达到异常持续时间阀值时确认发生异常；检修决策根据设备状态信息和检修规则判断是否需要检修。
检修计划优化模块包括检修时间优化和负荷转移路径优化，检修时间优化基于遗传算法给出优化方案，负荷转移路径优化基于待恢复树切割的启发式搜索算法及前推回代算法给出优化方案，在此基础上综合两种优化方案，返回最优的优化方案。
本发明为了实现对配网设备状态的评估和检修计划的优化，采用多种方式和渠道采集设备状态信息，抽取出统一的数据对象，建设了智能设备状态评估模型和专家知识库，根据设备状态信息和知识库，分析诊断设备状态，并基于检修时间和负荷路径转移对检修计划进行优化，能够实现设备检修方案的综合优化，为配网***的稳定运行提供技术支撑，提高配网***的运维水平和工作效率。
本发明针对配网设备故障早期特征抽取、设备状态评估模型建立、设备状态检修算法优化等难点，设计了基于专家***与人工神经元网络的设备状态评估模型，对配网设备状态进行实时监测评估，通过检修时间优化和负荷转移路径优化相结合的方法实现对检修计划的优化。同时在数据模型抽取、知识库自动更新等方面采用技术手段进行了实现。
针对某一故障问题，根据设备状态信息数据，通过主成分分析提取出一组该故障的早期状态数据，在算法执行模块中采用K-means算法对该组数据进行聚类分析，给出该故障问题的早期特征和特征状态数据。
单一诊断将设备状态数据与规程、历史检修和故障数据、实验数据、同类设备检测数据比较，并考虑当前***的运行状况，通过专家***建立配电网主设备状态的单一诊断规则，并将这些知识保存在专家***的规则库中。综合诊断是运用人工神经元网络在故障征兆与故障位置之间建立起数学模型，将综合诊断知识存储在网络的权值和阀值里。采用BP网络进行建模。输入的故障征兆经过模型的处理后得到准确的输出，指导故障定位。
基于遗传算法给出检修时间优化方案，基于待恢复树切割的启发式搜索算法及前推回代算法给出负荷转移路径优化方案，在此基础上综合两种优化方案，给出最优的检修方案，为检修人员合理安排检修工作提供依据。
上述虽然结合附图对发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (9)
1.一种配电网智能诊断***，其特征在于：包括以下功能模块，
设备状态信息采集模块：通过日常周期巡视检修获得各种配网设备的状态信息，同时将现有DMS、SCADA、故障报修***、停电管理***、配电GIS、营销***中的设备状态信息抽取，结合配电网周围环境信息形成完整的设备状态信息数据；
设备状态信息ETL(Extract、Transformation、Loading，数据抽取、转换和加载)模块：将设备状态信息数据进行筛选和加工，形成统一的数据库对象，建立通用的数据模型，形成设备状态评估模块可以使用的数据；
智能设备状态评估模块：根据配电网设备的各种状态信息，分析数据特征，对设备状态进行定级，并随着时间推移结合新的设备状态信息对设备状态进行推演；智能设备状态评估模块包括工作区、模式匹配器、算法调度模块、算法执行模块，工作区从设备总线获得设备状态数据，并将设备状态数据传入模式匹配器；模式匹配器分析设备状态数据特征，结合知识库和算法调度规则，自动匹配诊断方式和诊断算法；算法调度模块管理评估算法的执行时间、周期等调度信息；算法执行模块按调度要求对待评估设备执行算法，返回执行结果给工作区，返回执行结果传入设备状态管理模块中进行处理；
设备状态管理模块：根据智能设备状态评估模块的信息，判断配电设备是否需要检修，并生成检修计划；
检修计划优化模块：基于检修时间和负荷转移路径对检修计划进行综合优化；
结果输出模块：根据设备状态评估结果，在页面上实时动态展示设备状态，根据检修计划，以动画和文本相结合的方式展示检修过程，生成与检修计划对应的材料表和检修工具清单。
2.根据权利要求1所述的一种配电网智能诊断***，其特征是，所述配电网智能诊断***还包括知识库模块，知识库模块保存智能设备状态评估模块的诊断算法配置信息及诊断结果，并在设备诊断过程中通过学习不断优化诊断算法配置信息。
3.根据权利要求1所述的一种配电网智能诊断***，其特征是，所述环境信息包括地理信息、气候信息、天气信息，天气信息通过网络自动获取或定期输入。
4.根据权利要求1所述的一种配电网智能诊断***，其特征是，所述返回执行结果是指当前设备的状态级别，包括设备生命周期、故障率、可能的故障点。
5.根据权利要求1所述的一种配电网智能诊断***，其特征是，所述智能设备状态评估模块利用算法执行中的诊断算法对配电设备状态进行诊断，所述诊断算法包括模糊聚类分析算法、层次分析算法或遗传算法，这些算法分别对不同设备类型和诊断方式对设备进行状态评估。
6.根据权利要求2所述的一种配电网智能诊断***，其特征是，所述诊断方式包括单一诊断方式和综合诊断方式，所述单一诊断方式将设备状态数据与规程、历史检修和故障数据、实验数据、同类设备检测数据比较，通过知识库模块建立配电网主设备状态的单一诊断规则，并将单一诊断规则保存在专家***的规则库中；所述综合诊断方式是运用人工神经元网络在故障征兆与故障位置之间建立起数学模型，将诊断特征数据存储在网络的权值和阀值里，输入的故障征兆经过数学模型处理后得到准确的输出，指导故障定位。
7.根据权利要求1所述的一种配电网智能诊断***，其特征是，所述设备状态管理模块包括状态管理模块、状态处理模块、检修决策模块三个子模块，状态管理模块与知识库模块通信，维护所有设备的状态信息；状态处理模块根据传入的设备状态信息，判断是否有异常情况及异常情况的持续时间，当达到异常持续时间阀值时确认发生异常；检修决策模块根据设备状态信息和检修规则判断是否需要检修。
8.根据权利要求1所述的一种配电网智能诊断***，其特征是，所述检修计划优化模块包括检修时间优化模块和负荷转移路径优化模块，所述检修时间优化模块基于遗传算法给出优化方案，遗传算法的选择策略是转盘式选择，计算新种群的平均适应值，适应值小于均值的个体得以生存，高于均值的个体以概率生存，所述检修时间优化模块采用均匀交叉策略，所述负荷转移路径优化模块基于待恢复树切割的启发式搜索算法及前推回代算法给出优化方案，具体思路是：根据线路首末节点确定节点关系，经过多次广度优先搜索形成层次关系，确定节点计算顺序，基于支路电流计算出节点注入电流回推计算各支路电流并前推电压，最后通过迭代使电压不平衡不大于收敛判据。
9.根据权利要求2所述的一种配电网智能诊断***，其特征是，所述的知识库模块中知识采用产生式规则来表示，知识包括设备状态、检测方法、监测结果、专家判断、状态数据，并通过自学习自动提取和调整设备故障征兆和判断设备状态规则。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610563134.3A CN106204330A (zh) | 2016-07-18 | 2016-07-18 | 一种配电网智能诊断*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610563134.3A CN106204330A (zh) | 2016-07-18 | 2016-07-18 | 一种配电网智能诊断*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106204330A true CN106204330A (zh) | 2016-12-07 |
Family
ID=57475199
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610563134.3A Pending CN106204330A (zh) | 2016-07-18 | 2016-07-18 | 一种配电网智能诊断*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106204330A (zh) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107196805A (zh) * | 2017-06-01 | 2017-09-22 | 国网天津市电力公司 | 电力信息***故障辅助定位装置 |
| CN107612756A (zh) * | 2017-10-31 | 2018-01-19 | 广西宜州市联森网络科技有限公司 | 一种具有智能故障分析处理功能的运维管理*** |
| CN107730088A (zh) * | 2017-09-20 | 2018-02-23 | 国网山东省电力公司济宁供电公司 | 一种基于配网大数据的配电设备巡检方案生成方法及装置 |
| CN107846314A (zh) * | 2017-10-31 | 2018-03-27 | 广西宜州市联森网络科技有限公司 | 一种智能运维管理*** |
| CN107958043A (zh) * | 2017-11-24 | 2018-04-24 | 中科院合肥技术创新工程院 | 一种电网工程预算清单自动生成方法 |
| CN108258802A (zh) * | 2016-12-29 | 2018-07-06 | 国网江苏省电力公司镇江供电公司 | 一种配电网中配电设备的运行状况的监测方法和装置 |
| CN109063863A (zh) * | 2018-10-24 | 2018-12-21 | 广东电网有限责任公司 | 考虑区域设备全寿命周期费用-效能比的配网检修计划优化方法 |
| CN109581115A (zh) * | 2018-12-13 | 2019-04-05 | 广西电网有限责任公司电力科学研究院 | 一种配电网低电压诊断***和诊断方法 |
| CN109742852A (zh) * | 2018-12-11 | 2019-05-10 | 诚启(武汉)智能机器有限公司 | 一种配电设备状态检测诊断*** |
| CN110097209A (zh) * | 2019-03-26 | 2019-08-06 | 朗坤智慧科技股份有限公司 | 一种基于参数残差的设备劣化分析方法 |
| CN110874652A (zh) * | 2018-08-14 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 一种设备状态评价方法、装置、设备及*** |
| CN110991853A (zh) * | 2019-11-28 | 2020-04-10 | 上海数深智能科技有限公司 | 一种基于故障智能诊断的设备可靠性动态评估方法 |
| CN111614636A (zh) * | 2020-05-08 | 2020-09-01 | 广东电网有限责任公司 | 一种变电设备智能检修***及方法 |
| CN111651496A (zh) * | 2020-04-27 | 2020-09-11 | 国网河南省电力公司商丘供电公司 | 一种基于人工智能模式下的重复停电分析决策***及方法 |
| CN111832932A (zh) * | 2020-07-10 | 2020-10-27 | 国网辽宁省电力有限公司电力科学研究院 | 一种配电网智能运维决策方法与*** |
| CN112016806A (zh) * | 2020-07-28 | 2020-12-01 | 上海发电设备成套设计研究院有限责任公司 | 发电站设备状态检修方法、***、介质及装置 |
| CN112529036A (zh) * | 2020-11-06 | 2021-03-19 | 上海发电设备成套设计研究院有限责任公司 | 一种故障预警方法、装置、设备及存储介质 |
| CN113036917A (zh) * | 2021-03-08 | 2021-06-25 | 国网浙江省电力有限公司金华供电公司 | 一种基于机器学习的配电网监控信息监视***和方法 |
| CN113408839A (zh) * | 2021-01-15 | 2021-09-17 | 金陵科技学院 | 一种基于区块链的工业机械的智能化生产模型 |
| CN113610404A (zh) * | 2021-08-11 | 2021-11-05 | 国网河北省电力有限公司邢台市环城供电分公司 | 一种基于中压配网运维特征挖掘分析的供电可靠性计算方法及*** |
| CN113837403A (zh) * | 2021-08-27 | 2021-12-24 | 深圳市飞思捷跃科技有限公司 | 一种自学习物联网维保计划生成*** |
| CN116451876A (zh) * | 2023-06-15 | 2023-07-18 | 国网江西省电力有限公司信息通信分公司 | 一种基于人工智能的配电网故障预测和主动检修*** |
| CN116843324A (zh) * | 2023-09-01 | 2023-10-03 | 国网山东省电力公司东平县供电公司 | 基于人工智能的配电网运维***、方法、设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509178A (zh) * | 2011-11-25 | 2012-06-20 | 江苏省电力公司淮安供电公司 | 配网设备状态评估*** |
| CN103150633A (zh) * | 2013-03-18 | 2013-06-12 | 云南电网公司 | 电力设备状态实时评估和辅助决策*** |
| CN103400209A (zh) * | 2013-04-18 | 2013-11-20 | 国家电网公司 | 配电网检修实施方案优化方法 |
| CN103679550A (zh) * | 2013-12-04 | 2014-03-26 | 云南电力试验研究院（集团）有限公司电力研究院 | 基于状态检修的输变电设备评估*** |
| CN104573845A (zh) * | 2014-12-03 | 2015-04-29 | 国家电网公司 | 信息***设备状态检修辅助决策方法 |
| CN105160483A (zh) * | 2015-09-10 | 2015-12-16 | 国家电网公司 | 一种基于数据挖掘的二次设备故障诊断方法 |
-
2016
- 2016-07-18 CN CN201610563134.3A patent/CN106204330A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509178A (zh) * | 2011-11-25 | 2012-06-20 | 江苏省电力公司淮安供电公司 | 配网设备状态评估*** |
| CN103150633A (zh) * | 2013-03-18 | 2013-06-12 | 云南电网公司 | 电力设备状态实时评估和辅助决策*** |
| CN103400209A (zh) * | 2013-04-18 | 2013-11-20 | 国家电网公司 | 配电网检修实施方案优化方法 |
| CN103679550A (zh) * | 2013-12-04 | 2014-03-26 | 云南电力试验研究院（集团）有限公司电力研究院 | 基于状态检修的输变电设备评估*** |
| CN104573845A (zh) * | 2014-12-03 | 2015-04-29 | 国家电网公司 | 信息***设备状态检修辅助决策方法 |
| CN105160483A (zh) * | 2015-09-10 | 2015-12-16 | 国家电网公司 | 一种基于数据挖掘的二次设备故障诊断方法 |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108258802A (zh) * | 2016-12-29 | 2018-07-06 | 国网江苏省电力公司镇江供电公司 | 一种配电网中配电设备的运行状况的监测方法和装置 |
| CN107196805A (zh) * | 2017-06-01 | 2017-09-22 | 国网天津市电力公司 | 电力信息***故障辅助定位装置 |
| CN107730088A (zh) * | 2017-09-20 | 2018-02-23 | 国网山东省电力公司济宁供电公司 | 一种基于配网大数据的配电设备巡检方案生成方法及装置 |
| CN107612756A (zh) * | 2017-10-31 | 2018-01-19 | 广西宜州市联森网络科技有限公司 | 一种具有智能故障分析处理功能的运维管理*** |
| CN107846314A (zh) * | 2017-10-31 | 2018-03-27 | 广西宜州市联森网络科技有限公司 | 一种智能运维管理*** |
| CN107958043A (zh) * | 2017-11-24 | 2018-04-24 | 中科院合肥技术创新工程院 | 一种电网工程预算清单自动生成方法 |
| CN110874652B (zh) * | 2018-08-14 | 2023-10-27 | 阿里巴巴集团控股有限公司 | 一种设备状态评价方法、装置、设备及*** |
| CN110874652A (zh) * | 2018-08-14 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 一种设备状态评价方法、装置、设备及*** |
| CN109063863A (zh) * | 2018-10-24 | 2018-12-21 | 广东电网有限责任公司 | 考虑区域设备全寿命周期费用-效能比的配网检修计划优化方法 |
| CN109063863B (zh) * | 2018-10-24 | 2022-02-11 | 广东电网有限责任公司 | 考虑区域设备全寿命周期费用-效能比的配网检修计划优化方法 |
| CN109742852A (zh) * | 2018-12-11 | 2019-05-10 | 诚启(武汉)智能机器有限公司 | 一种配电设备状态检测诊断*** |
| CN109581115B (zh) * | 2018-12-13 | 2022-01-04 | 广西电网有限责任公司电力科学研究院 | 一种配电网低电压诊断***和诊断方法 |
| CN109581115A (zh) * | 2018-12-13 | 2019-04-05 | 广西电网有限责任公司电力科学研究院 | 一种配电网低电压诊断***和诊断方法 |
| CN110097209A (zh) * | 2019-03-26 | 2019-08-06 | 朗坤智慧科技股份有限公司 | 一种基于参数残差的设备劣化分析方法 |
| CN110991853A (zh) * | 2019-11-28 | 2020-04-10 | 上海数深智能科技有限公司 | 一种基于故障智能诊断的设备可靠性动态评估方法 |
| CN110991853B (zh) * | 2019-11-28 | 2023-05-09 | 上海数深智能科技有限公司 | 一种基于故障智能诊断的设备可靠性动态评估方法 |
| CN111651496A (zh) * | 2020-04-27 | 2020-09-11 | 国网河南省电力公司商丘供电公司 | 一种基于人工智能模式下的重复停电分析决策***及方法 |
| CN111614636A (zh) * | 2020-05-08 | 2020-09-01 | 广东电网有限责任公司 | 一种变电设备智能检修***及方法 |
| CN111832932A (zh) * | 2020-07-10 | 2020-10-27 | 国网辽宁省电力有限公司电力科学研究院 | 一种配电网智能运维决策方法与*** |
| CN112016806A (zh) * | 2020-07-28 | 2020-12-01 | 上海发电设备成套设计研究院有限责任公司 | 发电站设备状态检修方法、***、介质及装置 |
| CN112529036A (zh) * | 2020-11-06 | 2021-03-19 | 上海发电设备成套设计研究院有限责任公司 | 一种故障预警方法、装置、设备及存储介质 |
| CN113408839A (zh) * | 2021-01-15 | 2021-09-17 | 金陵科技学院 | 一种基于区块链的工业机械的智能化生产模型 |
| CN113036917A (zh) * | 2021-03-08 | 2021-06-25 | 国网浙江省电力有限公司金华供电公司 | 一种基于机器学习的配电网监控信息监视***和方法 |
| CN113610404A (zh) * | 2021-08-11 | 2021-11-05 | 国网河北省电力有限公司邢台市环城供电分公司 | 一种基于中压配网运维特征挖掘分析的供电可靠性计算方法及*** |
| CN113837403A (zh) * | 2021-08-27 | 2021-12-24 | 深圳市飞思捷跃科技有限公司 | 一种自学习物联网维保计划生成*** |
| CN116451876B (zh) * | 2023-06-15 | 2023-09-22 | 国网江西省电力有限公司信息通信分公司 | 一种基于人工智能的配电网故障预测和主动检修*** |
| CN116451876A (zh) * | 2023-06-15 | 2023-07-18 | 国网江西省电力有限公司信息通信分公司 | 一种基于人工智能的配电网故障预测和主动检修*** |
| CN116843324A (zh) * | 2023-09-01 | 2023-10-03 | 国网山东省电力公司东平县供电公司 | 基于人工智能的配电网运维***、方法、设备及介质 |
| CN116843324B (zh) * | 2023-09-01 | 2024-02-02 | 国网山东省电力公司东平县供电公司 | 基于人工智能的配电网运维***、方法、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106204330A (zh) | 一种配电网智能诊断*** | |
| CN102509178B (zh) | 配网设备状态评估*** | |
| CN111047082B (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
| CN110311376B (zh) | 一种电力***动态安全评估综合模型及时空可视化方法 | |
| CN107358366B (zh) | 一种配电变压器故障风险监测方法及*** | |
| CN112859822B (zh) | 基于人工智能的设备健康分析及故障诊断的方法及*** | |
| CN108320043A (zh) | 一种基于电力大数据的配电网设备状态诊断预测方法 | |
| CN112348339A (zh) | 一种基于大数据分析的配电网规划方法 | |
| CN106952028A (zh) | 机电装备故障预诊与健康管理方法及*** | |
| CN109782124B (zh) | 一种基于梯度下降算法的主配用一体化故障定位方法及*** | |
| CN111738462A (zh) | 电力计量装置故障抢修主动服务预警方法 | |
| CN114689965A (zh) | 基于嵌入式智能传感器的电力设备在线监测方法及*** | |
| CN116128467A (zh) | 用电***维护方法、装置、计算机设备和存储介质 | |
| CN116125204A (zh) | 一种基于电网数字化的故障预测*** | |
| CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理*** | |
| CN116298684A (zh) | 一种配电网用故障研判定位*** | |
| CN115603459A (zh) | 一种基于数字孪生技术的配电网关键厂站监测方法与*** | |
| CN113740666B (zh) | 一种数据中心电力***告警风暴根源故障的定位方法 | |
| CN114529166A (zh) | 一种配电网运行安全风险预警方法及*** | |
| CN114997566A (zh) | 考虑节点连通度损失的电网阻塞风险评估方法及*** | |
| CN117521498A (zh) | 一种充电桩引导式故障诊断预测方法及*** | |
| CN106548284A (zh) | 一种面向运行调控的自适应模块化电网安全预警评价方法 | |
| CN117390944A (zh) | 一种变电站运行工况仿真*** | |
| CN117031201A (zh) | 一种配电网多场景拓扑异常识别方法及*** | |
| CN111391694B (zh) | 一种充电站运行维护的多层次快速数据监测方法和*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161207 |