CN109614664A - 配电网开关柜状态分析方法及*** - Google Patents
配电网开关柜状态分析方法及*** Download PDFInfo
- Publication number
- CN109614664A CN109614664A CN201811391168.4A CN201811391168A CN109614664A CN 109614664 A CN109614664 A CN 109614664A CN 201811391168 A CN201811391168 A CN 201811391168A CN 109614664 A CN109614664 A CN 109614664A
- Authority
- CN
- China
- Prior art keywords
- power distribution
- distribution network
- information
- data
- switchgear
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 51
- 230000007613 environmental effect Effects 0.000 claims abstract description 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000007257 malfunction Effects 0.000 claims abstract description 18
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000013178 mathematical model Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 4
- 239000007789 gas Substances 0.000 description 17
- 229910018503 SF6 Inorganic materials 0.000 description 14
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 14
- 229960000909 sulfur hexafluoride Drugs 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000003989 dielectric material Substances 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 210000000653 nervous system Anatomy 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 238000005312 nonlinear dynamic Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 206010003497 Asphyxia Diseases 0.000 description 1
- 244000283207 Indigofera tinctoria Species 0.000 description 1
- 208000008238 Muscle Spasticity Diseases 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 239000005864 Sulphur Substances 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 235000021186 dishes Nutrition 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 231100000053 low toxicity Toxicity 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- UJMWVICAENGCRF-UHFFFAOYSA-N oxygen difluoride Chemical compound FOF UJMWVICAENGCRF-UHFFFAOYSA-N 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 208000018198 spasticity Diseases 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种配电网开关柜状态分析方法及***。该方法包括：包括：实时监测远端配电网开关柜的环境信息；对所述环境信息进行数据处理，生成分析数据；通过将所述分析数据输入故障模型中以获取故障概率；以及根据所述故障概率生成报警信息。本公开涉及的配电网开关柜状态分析方法及***，可以有效避免配电网开关柜故障的发生。有效提高供电线路运行的安全性和可靠性。
Description
技术领域
本公开涉及计算机信息处理领域，具体而言，涉及一种配电网开关柜状态分析方法及***。
背景技术
开关柜设备在电力***中广泛运用，承担着线路投切、线路故障保护等重要作用，其安全稳定运行对于供电线路的安全保障意义重大。在长期的运行过程中，开关柜中触头的接触电阻会有增加，引起触头温升的增加，引发设备故障，导致设备损毁等事故，需要定期进行巡检。
另外，电力工业中常用六氟化硫气体作为电气设备的绝缘和或灭弧。六氟化硫的耐电强度为同一压力下氮气的2.5倍，击穿电压是空气的2.5倍，灭弧能力是空气的100倍，是一种优于空气和油之间的新一代超高压绝缘介质材料，常被用到断路器、高压变压器等高压电力设备中，因此该气体浓度的监测对开关柜设备正常运行具有重要意义。
因此，需要一种新的配电网开关柜状态分析方法及***。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此，本公开提供一种配电网开关柜状态分析方法及***，可以有效避免配电网开关柜故障的发生。有效提高供电线路运行的安全性和可靠性，
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一方面，提出一种配电网开关柜状态分析方法，该方法包括：实时监测远端配电网开关柜的环境信息；对所述环境信息进行数据处理，生成分析数据；通过将所述分析数据输入故障模型中以获取故障概率；以及根据所述故障概率生成报警信息。
在本公开的一种示例性实施例中，还包括：将远端的所述环境信息传输至本地服务器以进行后续处理。
在本公开的一种示例性实施例中，还包括：通过所述配电网开关柜的历史环境信息构建所述故障模型。
在本公开的一种示例性实施例中，还包括：获取所述配电网开关柜的历史环境信息；获取所述配电网开关柜的历史环境信息对应的历史故障信息；以及将所述历史环境信息与所述历史故障信息输入所述数学模型中，通过训练确定所述故障模型。
在本公开的一种示例性实施例中，获取所述配电网开关柜的历史环境信息对应的历史故障信息包括：获取所述配电网开关柜的历史环境信息对应的历史现场信息；获取所述配电网开关柜的历史环境信息对应的历史状态参数；以及获取所述配电网开关柜的历史环境信息对应的历史故障原因。
在本公开的一种示例性实施例中，所述数学模型包括：神经网络学习模型和有限元分析模型。
在本公开的一种示例性实施例中，实时监测远端配电网开关柜的环境信息包括：实时监测远端配电网开关柜的温度信息；实时监测远端配电网开关柜的湿度信息；实时监测远端配电网开关柜的气体浓度信息。
在本公开的一种示例性实施例中，对所述环境信息进行数据处理，生成分析数据包括：对所述环境信息进行拆包处理，生成第一数据；将所述第一数据进行解码处理，生成第二数据；以及将所述第二数据进行纠错检错处理，生成所述分析数据。
在本公开的一种示例性实施例中，将远端的所述环境信息传输至本地服务器以进行后续处理包括：通过NB-IoT网络将所述环境信息传输至本地服务器以进行后续处理。
根据本公开的一方面，提出一种配电网开关柜状态分析装置，该装置包括：监控模块，用于实时监测远端配电网开关柜的环境信息；数据模块，用于对所述环境信息进行数据处理，生成分析数据；模型模块，用于通过将所述分析数据输入故障模型中生成故障概率；以及报警模块，用于根据所述故障概率生成报警信息。
根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
根据本公开的配电网开关柜状态分析方法及***，可以有效避免配电网开关柜故障的发生。有效提高供电线路运行的安全性和可靠性，
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种配电网开关柜状态分析方法及***的***框图。
图2是根据一示例性实施例示出的一种配电网开关柜状态分析方法的流程图。
图3是根据另一示例性实施例示出的一种配电网开关柜状态分析方法的流程图。
图4是根据一示例性实施例示出的一种配电网开关柜状态分析***的框图。
图5是根据一示例性实施例示出的一种电子设备的框图。
图6是根据一示例性实施例示出一种计算机可读存储介质示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。
图1是根据一示例性实施例示出的一种配电网开关柜状态分析方法及***的***框图。
如图1所示，***架构100可以包括监测装置101、102，103，网络104和服务器105、传输装置106、107、108。网络104用以在传输装置106、107、108和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
监测装置101、102，103通过传输装置106、107、108与网络104及服务器105交互，以接收或发送消息等。监测装置101、102，103上可以安装有各种传感器，可例如为气体传感器。温湿度传感器、环境传感器、压力传感器等等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对传输装置106、107、108获取的传感器相关数据进行处理的后台服务器。服务器105可以对接收到的数据进行分析等处理，并将处理结果(例如告警信息、环境风险信息)反馈给终端设备。
服务器105可例如实时获取配电网开关柜的环境信息；服务器105可例如将所述环境信息实时传输至远端服务器；服务器105可例如远端服务器将所述环境信息进行实时处理，生成显示信息；服务器105可例如分析并展示所述显示信息。
服务器105可例如预设显示设备的数据更新频率；服务器105可例如根据所述数据更新频率将所述显示信息在所述显示设备上展示。
服务器105可以是一个实体的服务器，还可例如为多个服务器组成，需要说明的是，本公开实施例所提供的配电网开关柜远程检测方法可以由服务器105执行，相应地，配电网开关柜远程检测装置可以设置于服务器105中。
根据本公开的配电网开关柜远程检测方法及***，通过实时获取配电网开关柜的环境信息；并将所述环境信息实时传输至远端服务器，并展示所述显示信息的方式，能够对开关柜内的温湿度和六氟化硫气体浓度进行监测，预防设备故障，保障设备安全运行和供电可靠性。
根据本公开的配电网开关柜远程检测方法及***，能够有效监测开关柜设备的不正常情况，及时发现故障苗头，提前处理，可以有效避免该类故障的发生。有效提高供电线路运行的安全性和可靠性，减少非正常停电事故的发生；本装置的研发使高压开关柜具备远程监测和预警的能力，是智慧电网建设的一个有效组成部分。
图2是根据一示例性实施例示出的一种配电网开关柜状态分析方法的流程图。配电网开关柜状态分析方法至少包括步骤S202至S208。
如图2所示，在S202中，实时监测远端配电网开关柜的环境信息。实时监测远端配电网开关柜的环境信息包括：实时监测远端配电网开关柜的温度信息；实时监测远端配电网开关柜的湿度信息；实时监测远端配电网开关柜的气体浓度信息。
在一个实施例中，实时获取配电网开关柜的环境信息还包括：通过所述温度信息、湿度信息、以及气体浓度信息生成所述环境信息。
可例如，基于单片机的开关柜参数监测装置，通过传感器实时监测高压开关柜内的温度、湿度、六氟化硫气体浓度数据。监测装置采用模块化思路设计，具有低功耗和低成本的特点，可对传感器节点进行集中管理和控制，并将采集到的传感数据进行处理和存储。该装置适应于高低温环境下工作，具有低功耗、稳定性高、便于安装等特点，完全满足恶劣的野外工作条件。
在一个实施例中，气体浓度传感器为用于检测六氟化硫气体浓度的传感器。电力工业中常用六氟化硫气体作为电气设备的绝缘和或灭弧。六氟化硫的耐电强度为同一压力下氮气的2.5倍，击穿电压是空气的2.5倍，灭弧能力是空气的100倍，是一种优于空气和油之间的新一代超高压绝缘介质材料。但是，六氟化硫是一种窒息剂，在高浓度下会呼吸困难、喘息、皮肤和黏膜变蓝、全身痉挛。吸入80％六氟化硫+20％的氧气的混合气体几分钟后，人体会出现四肢麻木，甚至窒息死亡。我国规定，操作间空气中六氟化硫气体的允许浓度不大于6g/m3或空气中氧含量应大于18％；短期接触，空气中六氟化硫气体的允许浓度不大于7.5g/m3。六氟化硫在药理上是惰性气体，低毒但对人体有窒息作用。在生活或使用过程中会分解一些痕量的有毒硫的低氟化合物和氟氧化合物。所以，对于六氟化硫气体浓度的检测具有重要的意义。
可例如，实时接收远程终端节点的传感器数据，实现各个开关柜的数据记录、故障温度设定和故障报警功能。为保证监测预警预报中心可以随时正确获取监测站数据、读取任意时段数据或监测站工作状态等信息，数据到达监测中心服务器后，首先由通讯程序接收数据，通讯程序负责对数据包进行拆包、解码，对数据进行纠检错处理，这一过程减少了数据的误码率、提高了数据完整率。监测数据合成后被存入数据库中并存入日志文件中。
在S204中，对所述环境信息进行数据处理，生成分析数据。对所述环境信息进行数据处理，生成分析数据包括：对所述环境信息进行拆包处理，生成第一数据；将所述第一数据进行解码处理，生成第二数据；以及将所述第二数据进行纠错检错处理，生成所述分析数据。
可例如，收集分析开关柜现场、状态参数和故障原因，形成大数据，通过有效组织，找出其规律性的内容形成知识库，利用神经网络和有限元分析等办法，判断开关柜的故障情况；
在S206中，通过将所述分析数据输入故障模型中以获取故障概率。在一个实施例中，通过所述配电网开关柜的历史环境信息构建所述故障模型。
在S208中，根据所述故障概率生成报警信息。对于故障概率超出阈值的事件，生成告警信息。可例如，实时收集开关柜的状态，将将测到的状态变成参数输入求解器，获得当前开关柜的健康状态，一旦某些参数发生变化，予以报警处理。
根据本公开的配电网开关柜远程检测方法，通过实时获取配电网开关柜的环境信息；并将所述环境信息实时传输至远端服务器，并展示所述显示信息的方式，能够对开关柜内的温湿度和六氟化硫气体浓度进行监测，预防设备故障，保障设备安全运行和供电可靠性。
根据本公开的配电网开关柜远程检测方法，能够有效监测开关柜设备的不正常情况，及时发现故障苗头，提前处理，可以有效避免该类故障的发生。有效提高供电线路运行的安全性和可靠性，减少非正常停电事故的发生；本装置的研发使高压开关柜具备远程监测和预警的能力，是智慧电网建设的一个有效组成部分。
应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。
在一个实施例中，在配电网开关柜状态分析方法中还包括：将远端的所述环境信息传输至本地服务器以进行后续处理。将远端的所述环境信息传输至本地服务器以进行后续处理包括：通过NB-IoT网络将所述环境信息传输至本地服务器以进行后续处理。
通过多个传输装置组成了NB-IoT网络结构；以及通过NB-IoT网络结构中的节点之一将所述环境信息实时传输至远端服务器。NB-IoT(窄带物联网，Narrow Band Internetof Things)网络采用了基于4G/LTE演进的分组核心网(EPC)网络架构，具备大连接、小数据、低功耗、低成本、深度覆盖的特性。NB-IoT网络采用星型网络拓扑结构，通过一个基站即可大范围覆盖通讯终端，单个基站小区可支持5万个NB-IoT终端接入，终端开机即可入网。无线接入网络基站(即eNodeB)主要承担空口接入处理和小区管理等相关功能。基站与IoT核心网进行连接，从而实现长距离广域的数据传输。
图3是根据一示例性实施例示出的一种配电网开关柜状态分析方法的流程图。图3所示配电网开关柜状态分析方法是对“通过所述配电网开关柜的历史环境信息构建所述故障模型”的详细说明。还包括步骤S302至S306。
在S302中，获取所述配电网开关柜的历史环境信息。获取所述配电网开关柜的历史环境信息对应的历史故障信息包括：获取所述配电网开关柜的历史环境信息对应的历史现场信息；获取所述配电网开关柜的历史环境信息对应的历史状态参数；以及获取所述配电网开关柜的历史环境信息对应的历史故障原因。
在S304中，获取所述配电网开关柜的历史环境信息对应的历史故障信息。可根据历史记录数据，确定历史故障信息。
在S306中，将所述历史环境信息与所述历史故障信息输入所述数学模型中，通过训练确定所述故障模型。所述数学模型包括：神经网络学习模型和有限元分析模型。
其中，神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络***，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习***。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学、光计算、分子生物学等有关，是一门新兴的边缘交叉学科。
神经元是以生物神经***的神经细胞为基础的生物模型。在人们对生物神经***进行研究，以探讨人工智能的机制时，把神经元数学化，从而产生了神经元数学模型。
大量的形式相同的神经元连结在—起就组成了神经网络。神经网络是一个高度非线性动力学***。虽然，每个神经元的结构和功能都不复杂，但是神经网络的动态行为则是十分复杂的；因此，用神经网络可以表达实际物理世界的各种现象。
神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(ArtificialNuearlNewtokr)s,是对人类大脑***的一阶特性的一种描。简单地讲,它是一个数学模型。神经网络模型由网络拓扑.节点特点和学习规则来表示。
其中，有限元分析(FEA，Finite Element Analysis)利用数学近似的方法对真实物理***(几何和载荷工况)进行模拟。利用简单而又相互作用的元素(即单元)，就可以用有限数量的未知量去逼近无限未知量的真实***。
有限元分析是用较简单的问题代替复杂问题后再求解。它将求解域看成是由许多称为有限元的小的互连子域组成，对每一单元假定一个合适的(较简单的)近似解，然后推导求解这个域总的满足条件(如结构的平衡条件)，从而得到问题的解。因为实际问题被较简单的问题所代替，所以这个解不是准确解，而是近似解。由于大多数实际问题难以得到准确解，而有限元不仅计算精度高，而且能适应各种复杂形状，因而成为行之有效的工程分析手段。
有限元是那些集合在一起能够表示实际连续域的离散单元。有限元的概念早在几个世纪前就已产生并得到了应用，例如用多边形(有限个直线单元)逼近圆来求得圆的周长，但作为一种方法而被提出，则是最近的事。有限元法最初被称为矩阵近似方法，应用于航空器的结构强度计算，并由于其方便性、实用性和有效性而引起从事力学研究的科学家的浓厚兴趣。经过短短数十年的努力，随着计算机技术的快速发展和普及，有限元方法迅速从结构工程强度分析计算扩展到几乎所有的科学技术领域，成为一种丰富多彩、应用广泛并且实用高效的数值分析方法。
可将所述历史环境信息与所述历史故障信息输入有限元分析模型，将复杂的问题进行精简，然后将精简之后的信息输入神经网络学习模型和中，通过训练确定所述故障模型。故障模型能够通过输入的环境信息得到故障概率。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。
此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图4是根据一示例性实施例示出的一种配电网开关柜状态分析***的框图。配电网开关柜状态分析***包括：监控模块402，数据模块404，模型模块406，报警模块408。
监控模块402用于实时监测远端配电网开关柜的环境信息；实时监测远端配电网开关柜的环境信息包括：实时监测远端配电网开关柜的温度信息；实时监测远端配电网开关柜的湿度信息；实时监测远端配电网开关柜的气体浓度信息。
数据模块404用于对所述环境信息进行数据处理，生成分析数据；对所述环境信息进行数据处理，生成分析数据包括：对所述环境信息进行拆包处理，生成第一数据；将所述第一数据进行解码处理，生成第二数据；以及将所述第二数据进行纠错检错处理，生成所述分析数据。
模型模块406用于通过将所述分析数据输入故障模型中生成故障概率；通过所述配电网开关柜的历史环境信息构建所述故障模型。
报警模块408用于根据所述故障概率生成报警信息。可例如，实时收集开关柜的状态，将将测到的状态变成参数输入求解器，获得当前开关柜的健康状态，一旦某些参数发生变化，予以报警处理。
本装置的实施，能够有效监测开关柜设备的不正常情况，及时发现故障苗头，提前处理，可以有效避免该类故障的发生。有效提高供电线路运行的安全性和可靠性，减少非正常停电事故的发生；本装置的研发使高压开关柜具备远程监测和预警的能力，是智慧电网建设的一个有效组成部分。
图5是根据一示例性实施例示出的一种电子设备的框图。
下面参照图5来描述根据本公开的这种实施方式的电子设备200。图5显示的电子设备200仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同***组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元210执行，使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元210可以执行如图2，图3中所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元(ROM)2203。
所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204，这样的程序模块2205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
图6示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。
参考图6所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品400，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：实时监测远端配电网开关柜的环境信息；对所述环境信息进行数据处理，生成分析数据；通过将所述分析数据输入故障模型中以获取故障概率；以及根据所述故障概率生成报警信息。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (10)
1.一种配电网开关柜状态分析方法，其特征在于，包括：
实时监测远端配电网开关柜的环境信息；
对所述环境信息进行数据处理，生成分析数据；
通过将所述分析数据输入故障模型中以获取故障概率；以及
根据所述故障概率生成报警信息。
2.如权利要求1所述的方法，其特征在于，还包括：
将远端的所述环境信息传输至本地服务器以进行后续处理。
3.如权利要求1所述的方法，其特征在于，还包括：
通过所述配电网开关柜的历史环境信息构建所述故障模型。
4.如权利要求3所述的方法，其特征在于，还包括：
获取所述配电网开关柜的历史环境信息；
获取所述配电网开关柜的历史环境信息对应的历史故障信息；以及
将所述历史环境信息与所述历史故障信息输入所述数学模型中，通过训练确定所述故障模型。
5.如权利要求4所述的方法，其特征在于，获取所述配电网开关柜的历史环境信息对应的历史故障信息包括：
获取所述配电网开关柜的历史环境信息对应的历史现场信息；
获取所述配电网开关柜的历史环境信息对应的历史状态参数；以及
获取所述配电网开关柜的历史环境信息对应的历史故障原因。
6.如权利要求4所述的方法，其特征在于，所述数学模型包括：
神经网络学习模型和有限元分析模型。
7.如权利要求1所述的方法，其特征在于，实时监测远端配电网开关柜的环境信息包括：
实时监测远端配电网开关柜的温度信息；
实时监测远端配电网开关柜的湿度信息；
实时监测远端配电网开关柜的气体浓度信息。
8.如权利要求1所述的方法，其特征在于，对所述环境信息进行数据处理，生成分析数据包括：
对所述环境信息进行拆包处理，生成第一数据；
将所述第一数据进行解码处理，生成第二数据；以及
将所述第二数据进行纠错检错处理，生成所述分析数据。
9.如权利要求2所述的方法，其特征在于，将远端的所述环境信息传输至本地服务器以进行后续处理包括：
通过NB-IoT网络将所述环境信息传输至本地服务器以进行后续处理。
10.一种配电网开关柜状态分析***，其特征在于，包括：
监控模块，用于实时监测远端配电网开关柜的环境信息；
数据模块，用于对所述环境信息进行数据处理，生成分析数据；
模型模块，用于通过将所述分析数据输入故障模型中生成故障概率；以及
报警模块，用于根据所述故障概率生成报警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811391168.4A CN109614664A (zh) | 2018-11-21 | 2018-11-21 | 配电网开关柜状态分析方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811391168.4A CN109614664A (zh) | 2018-11-21 | 2018-11-21 | 配电网开关柜状态分析方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109614664A true CN109614664A (zh) | 2019-04-12 |
Family
ID=66003996
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811391168.4A Pending CN109614664A (zh) | 2018-11-21 | 2018-11-21 | 配电网开关柜状态分析方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109614664A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111490914A (zh) * | 2020-05-09 | 2020-08-04 | 北京每日优鲜电子商务有限公司 | 售卖柜监控方法、装置、售卖柜及存储介质 |
| CN112461289A (zh) * | 2020-10-27 | 2021-03-09 | 国网山东省电力公司昌邑市供电公司 | 一种环网柜故障监控方法、***、终端及存储介质 |
| CN113495822A (zh) * | 2020-04-07 | 2021-10-12 | 西安理邦科学仪器有限公司 | 医疗设备故障信息管理方法及服务器、可读存储介质 |
| CN113791176A (zh) * | 2021-08-12 | 2021-12-14 | 深圳供电局有限公司 | 开关柜内气体监测方法和*** |
| CN114123479A (zh) * | 2020-08-31 | 2022-03-01 | 施耐德电器工业公司 | 用于配电设备的监视装置及其监视方法 |
| CN115980531A (zh) * | 2023-03-16 | 2023-04-18 | 江苏大全长江电器股份有限公司 | 一种特定环境下的gis开关柜质量检测方法及*** |
| CN118101429A (zh) * | 2024-04-26 | 2024-05-28 | 国网福建省电力有限公司信息通信分公司 | 一种配电网通信故障诊断方法及*** |
| CN118101429B (zh) * | 2024-04-26 | 2024-07-26 | 国网福建省电力有限公司信息通信分公司 | 一种配电网通信故障诊断方法及*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104360242A (zh) * | 2014-10-01 | 2015-02-18 | 玉林市科邦技术服务有限公司 | 一种高压开关柜放电故障在线监测*** |
| CN205246133U (zh) * | 2015-12-25 | 2016-05-18 | 万君玉 | 一种用于配电网开关柜的智能监测装置 |
| CN106856508A (zh) * | 2017-02-08 | 2017-06-16 | 北京百度网讯科技有限公司 | 数据中心的云监控方法及云平台 |
| CN108008332A (zh) * | 2017-11-29 | 2018-05-08 | 国网山东省电力公司电力科学研究院 | 一种基于数据挖掘的新能源远程测试设备故障诊断方法 |
-
2018
- 2018-11-21 CN CN201811391168.4A patent/CN109614664A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104360242A (zh) * | 2014-10-01 | 2015-02-18 | 玉林市科邦技术服务有限公司 | 一种高压开关柜放电故障在线监测*** |
| CN205246133U (zh) * | 2015-12-25 | 2016-05-18 | 万君玉 | 一种用于配电网开关柜的智能监测装置 |
| CN106856508A (zh) * | 2017-02-08 | 2017-06-16 | 北京百度网讯科技有限公司 | 数据中心的云监控方法及云平台 |
| CN108008332A (zh) * | 2017-11-29 | 2018-05-08 | 国网山东省电力公司电力科学研究院 | 一种基于数据挖掘的新能源远程测试设备故障诊断方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113495822A (zh) * | 2020-04-07 | 2021-10-12 | 西安理邦科学仪器有限公司 | 医疗设备故障信息管理方法及服务器、可读存储介质 |
| CN111490914A (zh) * | 2020-05-09 | 2020-08-04 | 北京每日优鲜电子商务有限公司 | 售卖柜监控方法、装置、售卖柜及存储介质 |
| CN114123479A (zh) * | 2020-08-31 | 2022-03-01 | 施耐德电器工业公司 | 用于配电设备的监视装置及其监视方法 |
| WO2022042601A1 (zh) * | 2020-08-31 | 2022-03-03 | 施耐德电器工业公司 | 用于配电设备的监视装置及其监视方法 |
| CN112461289A (zh) * | 2020-10-27 | 2021-03-09 | 国网山东省电力公司昌邑市供电公司 | 一种环网柜故障监控方法、***、终端及存储介质 |
| CN113791176A (zh) * | 2021-08-12 | 2021-12-14 | 深圳供电局有限公司 | 开关柜内气体监测方法和*** |
| CN115980531A (zh) * | 2023-03-16 | 2023-04-18 | 江苏大全长江电器股份有限公司 | 一种特定环境下的gis开关柜质量检测方法及*** |
| CN118101429A (zh) * | 2024-04-26 | 2024-05-28 | 国网福建省电力有限公司信息通信分公司 | 一种配电网通信故障诊断方法及*** |
| CN118101429B (zh) * | 2024-04-26 | 2024-07-26 | 国网福建省电力有限公司信息通信分公司 | 一种配电网通信故障诊断方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109614664A (zh) | 配电网开关柜状态分析方法及*** | |
| CN109343430A (zh) | 配电网开关柜远程检测方法及*** | |
| CN109460664A (zh) | 风险分析方法、装置、电子设计及计算机可读介质 | |
| CN103066703B (zh) | 一种基于物联网的智能spd设备 | |
| CN102945315B (zh) | 考虑软件失效和人为失效的全数字化继电保护可靠性评估方法 | |
| Li et al. | Method for evaluating the importance of power grid nodes based on PageRank algorithm | |
| Jin et al. | Reliability analysis for the fractional-order circuit system subject to the uncertain random fractional-order model with Caputo type | |
| US12039045B2 (en) | Event analysis in an electric power system | |
| CN116720324A (zh) | 基于预测模型的牵引变电所关键设备故障预警方法及*** | |
| Zhang et al. | Transmission line tower failure warning based on FBG strain monitoring and prediction model | |
| Zhang et al. | Reliability evaluation of Markov cyber–physical system oriented to cognition of equipment operating status | |
| Kaur et al. | Stochastic game network based model for disaster management in smart industry | |
| Mbey et al. | Fault detection and classification using deep learning method and neuro‐fuzzy algorithm in a smart distribution grid | |
| Venkatesh | Fault classification and location identification on electrical transmission network based on machine learning methods | |
| Ankitdeshpandey et al. | Development of intrusion detection system using deep learning for classifying attacks in power systems | |
| Sahid et al. | Multi sensor fire detection in low voltage electrical panel using modular fuzzy logic | |
| CN111769987A (zh) | 基于大数据管理模型的网络信息安全测试***及方法 | |
| CN109617045A (zh) | 降低低压开关跳闸风险的配电网安全保障方法及装置 | |
| Han et al. | Novel protection scheme for residual current device‐based electric fault time detection and touch current identification | |
| Kröger et al. | Addressing interdependencies of complex technical networks | |
| Garza et al. | Lstm based hybrid neural network for pmu data forecasting and anomaly detection | |
| Kumar et al. | Characterization of chaos in air pollutants: A Volterra–Wiener–Korenberg series and numerical titration approach | |
| CN114814637A (zh) | 一种短路电流瞬态特性分析校核方法、装置和存储介质 | |
| Zeng et al. | Risk assessment method for smart substation secondary system based on deep neural network | |
| Ghosh et al. | Multi-level reliability allocation of phasor measurement unit using Bayesian networks |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190412 |