CN107909508A - 一种配电变压器负荷异常告警方法 - Google Patents
一种配电变压器负荷异常告警方法 Download PDFInfo
- Publication number
- CN107909508A CN107909508A CN201710880710.1A CN201710880710A CN107909508A CN 107909508 A CN107909508 A CN 107909508A CN 201710880710 A CN201710880710 A CN 201710880710A CN 107909508 A CN107909508 A CN 107909508A
- Authority
- CN
- China
- Prior art keywords
- load
- data
- information
- distribution transformer
- overload
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000005856 abnormality Effects 0.000 title claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 45
- 230000005611 electricity Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000013500 data storage Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000001755 vocal effect Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 8
- 125000004122 cyclic group Chemical group 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 13
- 238000007418 data mining Methods 0.000 description 6
- 238000007619 statistical method Methods 0.000 description 5
- 241001269238 Data Species 0.000 description 4
- 238000009412 basement excavation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000012795 verification 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明一种配电变压器负荷异常告警方法，属于配电变压器告警领域，本发明通过选取用电信息采集***中的配电变压器的负荷信息数据，如配电变压器的历史负荷数据、配电变压器所属区域数据、设备信息、客户信息数据、电流电压数据等，综合考虑配电变压器电力负荷的周期性波动，构建配电变压器负荷预警模型，对配电变压器的超载、过载、重载、轻载、三相不平衡等现象进行预警分析，来解决现有技术中，在处理海量、模糊、杂乱的数据时效率低下，不能很好的支撑配电变压器的大数据分析挖掘等相关应用等问题。
Description
技术领域
本发明涉及配电变压器告警领域，特别涉及一种配电变压器负荷异常告警方法。
背景技术
随着各行各业的发展，配电网供应的需求不断满足城市建设，规模迅速扩大，而且配电变压在电力传输过程中起着至关重要的作用，为保证配电的稳定性、及时性，通过先进的计算机技术运用大数据分析对配电变压器的负荷数据进行分析，具有很重要的指导意义。当前的配电变压器负荷分析都是基于传统的统计分析来进行数据规范、数据存储、数据计算和数据展现的，传统的统计分析是指运用统计方法及与分析对象有关的知识，从定量与定性的结合上进行的研究活动。在运用传统的统计分析方法进行分析应用时，需对数据分布和变量间的关系做假设，确定用什么概率函数来描述变量间的关系，以及如何检验参数的统计显著性，以验证假设是否成立，而无法实现自动寻找变量间隐藏的关系或规律，并且，传统的统计分析在处理海量、模糊、杂乱的数据时效率低下，不能很好的支撑配电变压器的大数据分析挖掘等相关应用。现今先进技术向分布式计算发展，能有效的提高实效性及有利于大数据挖掘。
发明内容
本发明通过一种配电变压器负荷异常告警方法,来解决现有技术中，在处理海量、模糊、杂乱的数据时效率低下，不能很好的支撑配电变压器的大数据分析挖掘等相关应用等问题。本发明基于配电变压变负荷信息、基本信息、用户用电信息等数据，利用流计算、分布式计算、数据挖掘分析等技术，构建负荷率预警模型、报装可用容量预警模型、三相不平衡预警模型，实现对配电变压器负荷的数据挖掘。
具体的实现方法是通过实时(kafka)或定时(sqoop)抽取用电采集***和营销业务应用***中的数据，按照数据类型和多样计算需求将数据存储在关系型数据库(Mysql/PostgreSql)、分布式文件***(HDFS)、非关系型数据库(HBase)中，通过流计算(storm)、批量计算(MapReduce)、查询计算(hive)技术实现数据的实时和离线计算，并通过数据建模和数据挖掘组件实现数据的分析和挖掘，具体步骤如下：
步骤1：通过采集终端将配电变压器的负荷数据、电流数据等数据信息采集至用电信息采集***，通过原始数据导入、数据录入窗口、业务窗口将用户信息、供电单位信息、变电站信息、变压器信息等数据信息录入营销业务应用***；
步骤2：将用电信息采集***相关数据和营销业务应用***数据进行数据整合存储，具体通过大数据平台抽取组件(sqoop)定期将业务***数据(用户信息表、客户联系信息表、供电单位表、营销编码表、日测量点功率曲线表、变电站信息表、变电站坐标信息表、关联表、变电站资源编码映射表等)抽取到大数据平台的mysql库进行数据存储；
步骤3：大数据平台解析程序通过定时任务定期将mysql库中的区域负荷信息及配电变压器负荷信息、电流电压原始数据进行解析，并写入hive区域负荷信息解析表、变电站负荷信息解析表写入hive库，为了大数据平台进行数据计算提供数据准备；
步骤4：大数据平台通过流计算(strom)、分布式计算(map/reduce)方式定期进行数据计算，并将其中的区域信息表、行业信息表、用电类别信息表、变电站信息表、用户信息表、区域用户数量信息表、行业用户数量信息表、用电类别用户数量信息表、用户负荷信息表、行业负荷信息表、用电类别负荷信息表、负荷率模型中间表、报装可用容量模型中间表、三相不平衡模型中间表等写入PostgreSQL数据库；
步骤5：利用R语言和Mahout等，形成分布式数据挖掘算法库，基于负荷率模型中间表、报装可用容量模型中间表、三相不平衡模型中间表，进行数据探查分析；
步骤6：通过大数据平台的展示工具和TABLEAU展示工具，进行主题展现(包括负荷率主题、报装可用容量主题、三相不平衡主题)，并基于展示的告警结果，通过信息告警接口向相关部门传达负荷预警信息。
针对上述数据流转步骤所搭建的模块框架如下：
1、数据源：主要包括用电采集***和营销业务应用***的配变负荷数据、配电变压器所属区域数据、设备信息、客户信息数据、电流电压等数据信息。
2、数据整合：融合kafka实时数据分布式消息队列、sqoop离线数据抽取等技术，实现异构数据的快速接入，构建分布式数据整合功能，具备定时/实时数据的采集处理能力，实现从数据源到平台存储的配置开发、过程监控。
3、数据存储：采用关系数数据库、分布式文件***、分布式在线数据库等存储技术，提供关系型数据存储、分布式文件存储等数据存储能力，同时提供统一存储访问接口，提高数据存储低成本的横向扩展能力，提高在高并发条件下的快速数据访问响应能力、满足海量数据实时与准实时存储需求。
4、数据计算：提供批量计量、流计算等数据处理技术，并支撑SQL查询，满足不同时效性计算需求。批量计算支持大批量数据离线分析，如历史数据报表分析；流计算支持实时处理，如用电数据实时处理、预警；同时提供类似SQL的查询分析技术，将查询语句转译为并行的分布式计算任务。
5、数据分析：集成R语言和Mahout，形成分布式数据挖掘算法库，提供挖掘建模设计工具，构建统一的分析建模能力和运行引擎。同时，通过提升改造分析决策平台，完善分析建模、模型运行、模型发布等能力，增加对大数据分布式计算的支持，满足实时、离线应用的分析挖掘需求，为分析决策应用构建提供基础平台支撑。
6、场景展现：利用集成自助分析工具和tableau工具实现用“配电变压器负荷分析”场景应用。
场景展现模块具体的展现方法如下：利用用电采集***和营销业务应用***的配变负荷数据、配电变压器所属区域数据、设备信息、客户信息数据、电流电压等数据，构建负荷预警模型(该模型包括：负荷分析模型、报装可用容量模型、三相不平衡模型等三个子模型)，实现配电变压器负荷各类常见情况分析，与业务部门单一方面预警分析或依据人工经验预判相比，基于大数据技术的配电变压器负荷分析模型分析的更全面、更及时、更准确。
负荷率分析模型：根据变压器容量，结合配变负荷数据，分析超载、过载、重载、正常、轻载等负载情况，模型规则为根据变压器负荷采集情况，比对变压器容量，确定变压器当前负载情况，负载情况按等级可以区分为超载、过载、重载、正常、轻载，其内容包括公/专变的终端总数、超载数、过载数、重载数、轻载数、A相过载数、B相过载数、C相过载数信息，其中判断方法如下：
1、超载的判断方法：总负荷连续2小时超过变压器容量*K1；
2、过载的判断方法：变压器容量*K2<＝总负荷连续2小时<变压器容量*K1；
3、重载的判断方法：变压器容量*K3<＝总负荷连续2小时<变压器容量*K2；
4、轻载的判断方法：最大总负荷<变压器容量*K4；
5、A/B/C单相过载的判断方法：A/B/C单相电流超过变压器额定电流*K5；
其中K1、K2、K3、K4、K5的阀值可以自由定义；
报装可用容量模型：通过日用电负荷进行监测，并与额定容量(C)比对，分析每个配电变压器的当前可用报装容量，判断方法为Pv＝Pavg/Pmax*100,其中Pv为负荷率，Pavg为平均负荷，Pmax为最大负荷，模型功能点为配电变压器负荷率、当前可用报装容量。
三相不平衡模型：通过配电变压器的三相负荷、三相电流，计算三相不平衡度，模型方法为：其中Imax最大电流，Imin最小电流，模型功能点为电流不平衡数统计。
有益效果：与传统的方法采用单一的基于阈值方法进行监测预警分析或依据人工经验预判相比，本发明提出一种配电变压器负荷异常告警方法，能够更加准确、及时，通过模型预测的短期重、过载预警模型进行预警，准确度可达到85％左右，较当前方式提高了15个百分点，最大程度降低配变重超载、过载、重载、轻载水平，减轻配电变压器负荷异常带来的不良影响，提升配网供电能力。
附图说明
图1大数据平台配电变压器负荷数据流转图
图2大数据平台配电变压器负荷***图
具体的实施方式
本发明通过一种配电变压器负荷异常告警方法,来解决现有技术中，在处理海量、模糊、杂乱的数据时效率低下，不能很好的支撑配电变压器的大数据分析挖掘等相关应用等问题。本发明基于配电变压变负荷信息、基本信息、用户用电信息等数据，利用流计算、分布式计算、数据挖掘分析等技术，构建负荷率预警模型、报装可用容量预警模型、三相不平衡预警模型，实现对配电变压器负荷的数据挖掘。
具体的实现方法是通过实时(kafka)或定时(sqoop)抽取用电采集***和营销业务应用***中的数据，按照数据类型和多样计算需求将数据存储在关系型数据库(Mysql/PostgreSql)、分布式文件***(HDFS)、非关系型数据库(HBase)中，通过流计算(storm)、批量计算(MapReduce)、查询计算(hive)技术实现数据的实时和离线计算，并通过数据建模和数据挖掘组件实现数据的分析和挖掘，具体步骤如下：
步骤1：通过采集终端将配电变压器的负荷数据、电流数据等数据信息采集至用电信息采集***，通过原始数据导入、数据录入窗口、业务窗口将用户信息、供电单位信息、变电站信息、变压器信息等数据信息录入营销业务应用***；
步骤2：将用电信息采集***相关数据和营销业务应用***数据进行数据整合存储，具体通过大数据平台抽取组件(sqoop)定期将业务***数据(用户信息表、客户联系信息表、供电单位表、营销编码表、日测量点功率曲线表、变电站信息表、变电站坐标信息表、关联表、变电站资源编码映射表等)抽取到大数据平台的mysql库进行数据存储；
步骤3：大数据平台解析程序通过定时任务定期将mysql库中的区域负荷信息及配电变压器负荷信息、电流电压原始数据进行解析，并写入hive区域负荷信息解析表、变电站负荷信息解析表写入hive库，为了大数据平台进行数据计算提供数据准备；
步骤4：大数据平台通过流计算(strom)、分布式计算(map/reduce)方式定期进行数据计算，并将其中的区域信息表、行业信息表、用电类别信息表、变电站信息表、用户信息表、区域用户数量信息表、行业用户数量信息表、用电类别用户数量信息表、用户负荷信息表、行业负荷信息表、用电类别负荷信息表、负荷率模型中间表、报装可用容量模型中间表、三相不平衡模型中间表等写入PostgreSQL数据库；
步骤5：利用R语言和Mahout等，形成分布式数据挖掘算法库，基于负荷率模型中间表、报装可用容量模型中间表、三相不平衡模型中间表，进行数据探查分析；
步骤6：通过大数据平台的展示工具和TABLEAU展示工具，进行主题展现(包括负荷率主题、报装可用容量主题、三相不平衡主题)，并基于展示的告警结果，通过信息告警接口向相关部门传达负荷预警信息。
针对上述数据流转步骤所搭建的模块框架如下：
1、数据源：主要包括用电采集***和营销业务应用***的配变负荷数据、配电变压器所属区域数据、设备信息、客户信息数据、电流电压等数据信息。
2、数据整合：融合kafka实时数据分布式消息队列、sqoop离线数据抽取等技术，实现异构数据的快速接入，构建分布式数据整合功能，具备定时/实时数据的采集处理能力，实现从数据源到平台存储的配置开发、过程监控。
3、数据存储：采用关系数数据库、分布式文件***、分布式在线数据库等存储技术，提供关系型数据存储、分布式文件存储等数据存储能力，同时提供统一存储访问接口，提高数据存储低成本的横向扩展能力，提高在高并发条件下的快速数据访问响应能力、满足海量数据实时与准实时存储需求。
4、数据计算：提供批量计量、流计算等数据处理技术，并支撑SQL查询，满足不同时效性计算需求。批量计算支持大批量数据离线分析，如历史数据报表分析；流计算支持实时处理，如用电数据实时处理、预警；同时提供类似SQL的查询分析技术，将查询语句转译为并行的分布式计算任务。
5、数据分析：集成R语言和Mahout，形成分布式数据挖掘算法库，提供挖掘建模设计工具，构建统一的分析建模能力和运行引擎。同时，通过提升改造分析决策平台，完善分析建模、模型运行、模型发布等能力，增加对大数据分布式计算的支持，满足实时、离线应用的分析挖掘需求，为分析决策应用构建提供基础平台支撑。
6、场景展现：利用集成自助分析工具和tableau工具实现用“配电变压器负荷分析”场景应用。
场景展现模块具体的展现方法如下：利用用电采集***和营销业务应用***的配变负荷数据、配电变压器所属区域数据、设备信息、客户信息数据、电流电压等数据，构建负荷预警模型(该模型包括：负荷分析模型、报装可用容量模型、三相不平衡模型等三个子模型)，实现配电变压器负荷各类常见情况分析，与业务部门单一方面预警分析或依据人工经验预判相比，基于大数据技术的配电变压器负荷分析模型分析的更全面、更及时、更准确。
负荷率分析模型：根据变压器容量，结合配变负荷数据，分析超载、过载、重载、正常、轻载等负载情况，模型规则为根据变压器负荷采集情况，比对变压器容量，确定变压器当前负载情况，负载情况按等级可以区分为超载、过载、重载、正常、轻载，其内容包括公/专变的终端总数、超载数、过载数、重载数、轻载数、A相过载数、B相过载数、C相过载数信息，其中判断方法如下：
报装可用容量模型：通过日用电负荷进行监测，并与额定容量(C)比对，分析每个配电变压器的当前可用报装容量，判断方法为Pv＝Pavg/Pmax*100,其中Pv为负荷率，Pavg为平均负荷，Pmax为最大负荷，模型功能点为配电变压器负荷率、当前可用报装容量。
三相不平衡模型：通过配电变压器的三相负荷、三相电流，计算三相不平衡度，模型方法为：其中Imax最大电流，Imin最小电流，模型功能点为电流不平衡数统计。
Claims (5)
1.一种配电变压器负荷异常告警方法，其特征在于，包括如下步骤：
步骤1通过采集终端将配电变压器的负荷数据、电流数据等数据信息采集至用电信息采集***，通过原始数据导入、数据录入窗口、业务窗口将用户信息、供电单位信息、变电站信息、变压器信息等数据信息录入营销业务应用***；
步骤2将用电信息采集***相关数据和营销业务应用***数据进行数据整合存储，具体通过大数据平台抽取组件(sqoop)定期将业务***数据(用户信息表、客户联系信息表、供电单位表、营销编码表、日测量点功率曲线表、变电站信息表、变电站坐标信息表、关联表、变电站资源编码映射表等)抽取到大数据平台的mysql库进行数据存储；
步骤3大数据平台解析程序通过定时任务定期将mysql库中的区域负荷信息及配电变压器负荷信息、电流电压原始数据进行解析，并写入hive区域负荷信息解析表、变电站负荷信息解析表写入hive库，为了大数据平台进行数据计算提供数据准备；
步骤4大数据平台通过流计算(strom)、分布式计(map/reduce)方式定期进行数据计算，并将其中的区域信息表、行业信息表、用电类别信息表、变电站信息表、用户信息表、区域用户数量信息表、行业用户数量信息表、用电类别用户数量信息表、用户负荷信息表、行业负荷信息表、用电类别负荷信息表、负荷率模型中间表、报装可用容量模型中间表、三相不平衡模型中间表等写入PostgreSQL数据库；
步骤5利用R语言和Mahout等，形成分布式数据挖掘算法库，基于负荷率模型中间表、报装可用容量模型中间表、三相不平衡模型中间表，进行数据探查分析；
步骤6通过大数据平台的展示工具和TABLEAU展示工具，进行主题展现包括负荷率主题、报装可用容量主题、三相不平衡主题，并基于展示的告警结果，通过信息告警接口向相关部门传达负荷预警信息。
2.根据权利要求1所述一种配电变压器负荷异常告警方法，其特征在于，步骤6中主题展现方法如下，利用用电采集***和营销业务应用***的配变负荷数据、配电变压器所属区域数据、设备信息、客户信息数据、电流电压等数据，构建负荷预警模型包含：负荷分析模型、报装可用容量模型、三相不平衡模型等三个子模型。
3.根据权利要求2所述一种配电变压器负荷异常告警方法，其特征在于，步骤6中主题展现方法中的负荷率分析模型：根据变压器容量，结合配变负荷数据，分析超载、过载、重载、正常、轻载等负载情况，判断根据变压器负荷采集情况，比对变压器容量，确定变压器当前负载情况，负载情况按等级可以区分为超载、过载、重载、正常、轻载，其内容包括公/专变的终端总数、超载数、过载数、重载数、轻载数、A相过载数、B相过载数、C相过载数信息；超载判断方法：总负荷连续2小时超过变压器容量*K1；实施方式：若Pn(n为1…8)>＝C*K1,则超载，其中C为变压器容量，P为总负荷，n为1～8的连续值(15分钟1个点，2个小时8个点)，K1为阈值；过载判断方法：变压器容量*K2<＝总负荷连续2小时<变压器容量*K1；实施方式：若C*K2<＝Pn(n为1…8)且Pn(n为1…8)<C*K1,则过载，其中C为变压器容量，P为总负荷，n为1～8的连续值(15分钟1个点，2个小时8个点)，K2，K1为阈值；重载判断方法：变压器容量*K3<＝总负荷连续2小时<变压器容量*K2；实现方式：若C*K3<＝Pn(n为1…8)且Pn(n为1…8)<C*K2,则重载，其中C为变压器容量，P为总负荷，n为1～8的连续值(15分钟1个点，2个小时8个点)，K3，K2为阈值；轻载判断方式：最大总负荷<变压器容量*K4；实现方式：若Pmax<C*K4，则轻载，其中Pmax是最大总负荷，C变压器容量，K4为阈值；A/B/C单相过载判断方法：A/B/C单相电流超过变压器额定电流*K5；实施方式如下：若Ia〉＝I*K5，A相过载；若Ib〉＝I*K5，B相过载；若Ic〉＝I*K5，C相过载；Ia是A相电流，Ib是B相电流，Ic是C相电流，I是额定电流，K5为阈值，K1、K2、K3、K4、K5的阀值可以自行定义。
4.根据权利要求2所述一种配电变压器负荷异常告警方法，其特征在于，步骤6中主题展现方法中的报装可用容量模型：通过日用电负荷进行监测，并与额定容量(C)比对，分析每个配电变压器的当前可用报装容量，判断方法为Pv＝Pavg/Pmax*100,其中Pv为负荷率，Pavg为平均负荷，Pmax为最大负荷，模型功能点为配电变压器负荷率、当前可用报装容量。
5.根据权利要求2所述一种配电变压器负荷异常告警方法，其特征在于，步骤6中主题展现方法中的三相不平衡模型：通过配电变压器的三相负荷、三相电流，计算三相不平衡度，模型方法为：其中Imax最大电流，Imin最小电流，模型功能点为电流不平衡数统计。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710880710.1A CN107909508A (zh) | 2017-09-26 | 2017-09-26 | 一种配电变压器负荷异常告警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710880710.1A CN107909508A (zh) | 2017-09-26 | 2017-09-26 | 一种配电变压器负荷异常告警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107909508A true CN107909508A (zh) | 2018-04-13 |
Family
ID=61840231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710880710.1A Pending CN107909508A (zh) | 2017-09-26 | 2017-09-26 | 一种配电变压器负荷异常告警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107909508A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109038552A (zh) * | 2018-07-26 | 2018-12-18 | 国网浙江省电力有限公司温州供电公司 | 基于大数据的配网设备运行状态分析方法及装置 |
| CN109739912A (zh) * | 2018-12-19 | 2019-05-10 | 国家电网有限公司 | 数据分析方法及*** |
| CN109885051A (zh) * | 2019-02-21 | 2019-06-14 | 彭劲松 | 一种生态环境健康质量评估方法 |
| CN109918438A (zh) * | 2019-03-11 | 2019-06-21 | 北京天润新能投资有限公司西北分公司 | 一种风电企业综合同业对标的统计方法及统计*** |
| CN110647417A (zh) * | 2019-09-03 | 2020-01-03 | 珠海格力电器股份有限公司 | 能源互联网异常数据处理方法、装置及*** |
| CN110674189A (zh) * | 2019-09-27 | 2020-01-10 | 国网四川省电力公司电力科学研究院 | 一种智能变电站二次状态监测与故障定位的方法 |
| CN113241773A (zh) * | 2021-05-24 | 2021-08-10 | 广东电网有限责任公司 | 一种居民台区配电运行控制方法及装置 |
| WO2023159638A1 (zh) * | 2022-02-28 | 2023-08-31 | 宁德时代新能源科技股份有限公司 | 电池故障检测***、方法和设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030033119A1 (en) * | 2001-08-07 | 2003-02-13 | Seung-Man Noh | Pole transformer load monitoring system using wireless internet network |
| CN102664400A (zh) * | 2012-04-16 | 2012-09-12 | 中国电力科学研究院 | 一种电能质量的监控方法 |
| CN103440727A (zh) * | 2013-09-03 | 2013-12-11 | 苏州太谷电力股份有限公司 | 一种电气火灾预警方法和*** |
| CN104240139A (zh) * | 2013-06-19 | 2014-12-24 | 国家电网公司 | 基于三维gis的多***信息融合电网综合可视化方法 |
| CN104281979A (zh) * | 2014-09-26 | 2015-01-14 | 广东电网有限责任公司电力科学研究院 | 配电变压器台区低电压故障类型检测方法和*** |
| CN204886193U (zh) * | 2015-08-19 | 2015-12-16 | 国家电网公司 | 电力用户超容监测*** |
| CN105678398A (zh) * | 2015-12-24 | 2016-06-15 | 国家电网公司 | 基于大数据技术的电力负荷预测方法及基于该方法的研究应用*** |
| CN106447526A (zh) * | 2016-08-15 | 2017-02-22 | 国网江西省电力公司永新县供电分公司 | 一种电网负荷的智能调控方法 |
| CN106803694A (zh) * | 2017-04-01 | 2017-06-06 | 成蜀电力集团有限公司 | 基于配电变压器运行管理智能***的综合监测方法 |
-
2017
- 2017-09-26 CN CN201710880710.1A patent/CN107909508A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030033119A1 (en) * | 2001-08-07 | 2003-02-13 | Seung-Man Noh | Pole transformer load monitoring system using wireless internet network |
| CN102664400A (zh) * | 2012-04-16 | 2012-09-12 | 中国电力科学研究院 | 一种电能质量的监控方法 |
| CN104240139A (zh) * | 2013-06-19 | 2014-12-24 | 国家电网公司 | 基于三维gis的多***信息融合电网综合可视化方法 |
| CN103440727A (zh) * | 2013-09-03 | 2013-12-11 | 苏州太谷电力股份有限公司 | 一种电气火灾预警方法和*** |
| CN104281979A (zh) * | 2014-09-26 | 2015-01-14 | 广东电网有限责任公司电力科学研究院 | 配电变压器台区低电压故障类型检测方法和*** |
| CN204886193U (zh) * | 2015-08-19 | 2015-12-16 | 国家电网公司 | 电力用户超容监测*** |
| CN105678398A (zh) * | 2015-12-24 | 2016-06-15 | 国家电网公司 | 基于大数据技术的电力负荷预测方法及基于该方法的研究应用*** |
| CN106447526A (zh) * | 2016-08-15 | 2017-02-22 | 国网江西省电力公司永新县供电分公司 | 一种电网负荷的智能调控方法 |
| CN106803694A (zh) * | 2017-04-01 | 2017-06-06 | 成蜀电力集团有限公司 | 基于配电变压器运行管理智能***的综合监测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 中国标准出版社: "《城乡电网改造常用标准汇编 4 电力线路、电力金具、绝缘子》", 中国标准出版社 * |
| 雷振江等: "电力行业大数据应用建设及配网停电优化", 《电气应用》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109038552A (zh) * | 2018-07-26 | 2018-12-18 | 国网浙江省电力有限公司温州供电公司 | 基于大数据的配网设备运行状态分析方法及装置 |
| CN109739912A (zh) * | 2018-12-19 | 2019-05-10 | 国家电网有限公司 | 数据分析方法及*** |
| CN109885051A (zh) * | 2019-02-21 | 2019-06-14 | 彭劲松 | 一种生态环境健康质量评估方法 |
| CN109918438A (zh) * | 2019-03-11 | 2019-06-21 | 北京天润新能投资有限公司西北分公司 | 一种风电企业综合同业对标的统计方法及统计*** |
| CN110647417A (zh) * | 2019-09-03 | 2020-01-03 | 珠海格力电器股份有限公司 | 能源互联网异常数据处理方法、装置及*** |
| CN110647417B (zh) * | 2019-09-03 | 2020-09-22 | 珠海格力电器股份有限公司 | 能源互联网异常数据处理方法、装置及*** |
| CN110674189A (zh) * | 2019-09-27 | 2020-01-10 | 国网四川省电力公司电力科学研究院 | 一种智能变电站二次状态监测与故障定位的方法 |
| CN110674189B (zh) * | 2019-09-27 | 2022-05-17 | 国网四川省电力公司电力科学研究院 | 一种智能变电站二次状态监测与故障定位的方法 |
| CN113241773A (zh) * | 2021-05-24 | 2021-08-10 | 广东电网有限责任公司 | 一种居民台区配电运行控制方法及装置 |
| CN113241773B (zh) * | 2021-05-24 | 2022-07-12 | 广东电网有限责任公司 | 一种居民台区配电运行控制方法及装置 |
| WO2023159638A1 (zh) * | 2022-02-28 | 2023-08-31 | 宁德时代新能源科技股份有限公司 | 电池故障检测***、方法和设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107909508A (zh) | 一种配电变压器负荷异常告警方法 | |
| CN101179195B (zh) | 配电网规划方案辅助决策*** | |
| CN106570778A (zh) | 一种基于大数据的数据集成与线损分析计算的方法 | |
| CN104574002A (zh) | 基于大数据分析的资产管理信息处理方法及装置 | |
| CN106022530A (zh) | 一种电力需求侧柔性负荷有功功率预测方法 | |
| CN110739686A (zh) | 一种基于总表异常分析的台区线损治理方法及*** | |
| Ye et al. | A data driven multi-state model for distribution system flexible planning utilizing hierarchical parallel computing | |
| CN114519514A (zh) | 一种低压台区合理线损值测算方法、***及计算机设备 | |
| Chen et al. | A BP neural network-based hierarchical investment risk evaluation method considering the uncertainty and coupling for the power grid | |
| CN110543499A (zh) | 一种基于多源数据融合的反窃电定位跟踪设备 | |
| CN113642933A (zh) | 一种配电台区低电压诊断方法及装置 | |
| CN105279706A (zh) | 用于确定电网运行安全状态的方法 | |
| CN115456247A (zh) | 线路规划方法、装置、计算机设备和可读存储介质 | |
| CN101441454A (zh) | 一种低频减载及拉路序位在线监视实现方法 | |
| CN112200458B (zh) | 一种配电网规划数据应用方法及*** | |
| CN115392715A (zh) | 一种用电数据风险评估方法、装置、设备及存储介质 | |
| CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及*** | |
| CN105844342A (zh) | 一种短期电力市场预测***及方法 | |
| Liu et al. | Analysis of Elderly Inventory of Electricity Meters Based on Association Mining | |
| Pan et al. | Research on Multi-Level and Multi-Dimensional Early Warning System of Line Loss under the Condition of Improving Real-Time Monitoring of Equipment Operation Status | |
| Das et al. | Review on Power System Reliability Indices and Evaluation Techniques | |
| Zeng et al. | Risk warning of important power user based on electricity load characteristic | |
| Xiong et al. | Optimal Allocation of Second-use Energy Storage Capacity Considering the Attenuation of Available Capacity | |
| Hui et al. | Prediction of Line Loss Rate in Power Supply Area Based on Grey Wolf Algorithm Optimized Support Vector Machine | |
| CN114186494A (zh) | 负荷确定方法、模型训练方法、装置以及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180413 |
|
| RJ01 | Rejection of invention patent application after publication |