CN110349048A - 变电站多维数据运行交互控制平台及故障处置方法 - Google Patents
变电站多维数据运行交互控制平台及故障处置方法 Download PDFInfo
- Publication number
- CN110349048A CN110349048A CN201910452000.8A CN201910452000A CN110349048A CN 110349048 A CN110349048 A CN 110349048A CN 201910452000 A CN201910452000 A CN 201910452000A CN 110349048 A CN110349048 A CN 110349048A
- Authority
- CN
- China
- Prior art keywords
- current break
- current
- data
- multidimensional data
- equipment
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 35
- 238000007689 inspection Methods 0.000 claims description 52
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 230000035772 mutation Effects 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 8
- 230000007547 defect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 230000008439 repair process Effects 0.000 claims description 4
- 238000007363 ring formation reaction Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000009529 body temperature measurement Methods 0.000 claims description 3
- 238000003825 pressing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 2
- 208000032750 Device leakage Diseases 0.000 claims 1
- 206010037660 Pyrexia Diseases 0.000 claims 1
- 238000010586 diagram Methods 0.000 claims 1
- 230000009471 action Effects 0.000 abstract description 3
- 241001347978 Major minor Species 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000001276 controlling effect Effects 0.000 description 17
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004587 chromatography analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种变电站多维数据运行交互控制平台及故障处置方法,在D5000电力调度监控平台监测到电流突变发生时,对监控的信息进行分析,识别电流突变原因,其中电流突变发生原因包括***发生事故、正常检修需要以及调度运行方式调整,将识别的电流突变原因短信告知调度中心,并根据电流突变原因采取对应的处置方式。本发明高效协同控制主辅智能巡检设备,实现对设备运行状态的实时精准判断、管控:实时进行监控、决策和动作行为,实现电网互动化,实现优化控制和坚强自愈。
Description
技术领域
本发明涉及电力运检检修领域,尤其涉及变电站电站多维数据的故障快速联动处置方法。
背景技术
在现有的变电站检修工作过程中,由于近几年人工智能方向发展迅速,数据储量与计算设备的快速发展,使得我们进入了“大数据时代”。而电力***中D5000和辅助控制/测温***对全电网主要数据进行实时高速采集,多年来存储了大量的电网运行数据,“电力***大数据”方向也应运而生,为使用机器学习算法研究电力***的电流突变原因提供了契机。
发明内容
本发明所要解决的技术问题就是提供一种变电站电站多维数据的故障快速联动处置方法,以实现在电流突变时快速辨别原因及处置措施,杜绝误操作及无效操作,提高检修效率。
为解决上述技术问题,本发明采用如下技术方案:
一种变电站多维数据运行交互控制平台,包括多维数据运行交互控制平台主机、巡检机器人以及调度中心,所述多维数据运行交互控制平台主机与D5000电力调度监控平台、电力PMS***、电力OMS***、在线监测***、辅控***以及巡检机器人连接以采集运行信息及进行控制,在D5000电力调度监控平台监测到电流突变发生时,多维数据运行交互控制平台主机对采集的运行信息进行分析处理,根据处理结果输出电流突变原因,并根据电流突变原因控制巡检机器人工作。
本发明还提供了一种基于变电站多维数据的故障快速联动处置方法,采用上述的变电站多维数据运行交互控制平台进行联动处置,包括如下步骤:
S1,在D5000电力调度监控平台监测到电流突变发生时,对采集的运行信息进行分析处理,识别电流突变原因,其中电流突变发生原因包括***发生事故、正常检修需要以及调度运行方式调整;
S2,将识别的电流突变原因短信告知调度中心,并根据电流突变原因采取对应的处置方式。
可选的,当维数据运行交互控制平台主机识别电流突变发生原因为***发生事故时,采用如下处置方式:
(1)识别开关机械指示位置,短信方式通知设定人员;
(2)识别保护压板状态,短信方式通知设定人员;
(3)识别保护装置指示灯,短信方式通知设定人员;
巡检机器人执行如下操作:
(1)识别开关机械位置;
(2)开关机械位置识别任务结束后,巡检机器人根据D5000电力调度监控平台发生电流突变设备情况,对相关设备进行特巡;
(3)若中途有人工控制请求,应立即暂停当前工作,服从人工控制,待人工控制结束后,应继续当前特巡任务;
(4)将巡视结果以短信方式告知设定人员。
可选的,当维数据运行交互控制平台主机识别电流突变发生原因为正常检修需要时,采用如下处置方式:
(1)根据D5000电力调度监控平台内设备电流突变实际情况,多维数据运行交互控制平台主机自动框定检修期间精准巡检范围,并实时调取调令***中操作信息,确定巡检开始时间;
(2)确定重点设备巡检设备:根据机器人历史测温数据确定,确定大电流时易发热设备;根据电力PMS***缺陷记录确定是否有历史缺陷设备;将以上两种设备划分为重点巡检设备,在后期运维方案中,重点设备巡检频次比其他设备高;
(3)D5000电力调度监控平台:实时监测精准巡检范围内设备负荷,当超过不同限额时,多维数据运行交互控制平台主机自动给出相应告警及巡检方案;
(4)巡检机器人:检修设备复役后每天开展一次特巡、红外测温;
(5)在线监测***实时监测环境温湿度;
(6)辅控***:视频实时监控设备现场情况,根据采集的现场温湿度数据,自动调节高压室内辅控设备,调节设备运行环境。
可选的,当运维数据运行交互控制平台主机识别电流突变发生原因为调度运行方式调整时,采用如下处置方式:
(1)根据D5000电力调度监控平台内设备电流突变实际情况,多维数据运行交互控制平台主机自动框定检修期间精准巡检范围,并实时调取调令***中操作信息,确定巡检开始时间;
(2)D5000电力调度监控平台实时监测精准巡检范围内设备负荷,当超过不同限额时,多维数据运行交互控制平台主机自动给出相应告警及巡检方案;
(3)巡检机器人通过可见光识别对遥控操作的开关进行开关位置确定,对精准巡检范围内设备定时开展特巡;
(4)在线监测***实时监测环境温湿度;
(5)辅控***,视频实时监控设备现场情况,根据采集的现场温湿度数据,自动调节高压室内辅控设备,调节设备运行环境。
可选的,巡检机器人的特巡内容包括:a.红外测温;b.主变油温、油位、SF6压力值、避雷器泄露电流;c.开关触头温度,环境温湿度。
可选的,多维数据运行交互控制平台主机对采集的运行信息进行分析处理的方法包括如下步骤:
步骤(1),采集各间隔各种运行方式之下的历史数据,形成和电流突变有关的原始数据;
步骤(2),从原始数据中提取特征,并确定突变标签,利用D5000电力调度监控平台电流负荷数据确定是否发生电流突变,对于各类运行方式,提取出各类电气量特征,作为后续XGBoost算法的特征输入,由此形成用于建模电流突变的样本数据;
步骤(3),采用XGBoost算法,利用获取的样本数据进行模型训练;
步骤(4),XGBoost模型训练成熟之后,根据D5000电力调度监控平台记录下的电网实时运行信息,构成能够反映电网电流突变的电气量特征,输入XGBoost模型,即可实时判别电力***某些可能的故障所带来的电流突变。
可选的,反映电网电流突变的电气量特征包括:电流突变时最小才采集刻度的电流值;电流突变时D5000电力调度监控平台保护动作信号内容;电流突变时D5000电力调度监控平台开关跳闸信号内容;电流突变时D5000电力调度监控平台开关遥控操作信号内容;电流突变时对应变电站拓扑图,是否可以合环再解环;电流突变时巡检机器人的各设备反馈读数;电流突变时在线监测***读数。
可选的,在训练过程中,针对电流突变预测过程中两类错误严重程度不同的特点,引入注意力系数对XGBoost算法的损失函数进行修正,使得模型对不稳定样本的预测情况减少。
可选的,使用logistic函数用于将模型输出概率化,用于衡量XGBoost模型输出的可靠程度,预防部分误预测。
本发明采用上述技术方案,具有如下有益效果:
1、打通多***间信息壁垒,充分整合电网信息资源,构建资源共享、***稳健、应用高效的运维物联网数据应用体系:通过实时数据收集,实时计算,实时同步,关系型数据库,多维数据展现,多维数据分析引擎(Mondrian),缓存更新的建设充分获取各***间数据,采用标准协议,借助快速通讯网络,将状态信息上传至各控制层,在一定的智能控制层,按照最优控制理论和算法,形成控制信息和决策,再回馈到智能设备,完成设备动作。
2、高效协同控制主辅智能巡检设备,实现对设备运行状态的实时精准判断、管控:实时进行监控、决策和动作行为,实现电网互动化,实现优化控制和坚强自愈。
3、弥补人工周期性巡视不足,节约人力资源,提高运检效率,变革生产管理模式:通过对机器人***、在线监测***、辅控***的结合大大的降低了人工巡检的任务量、减轻了人工巡检的压力,提高巡检的频率以及运检的效率和准确性。
本发明的具体技术方案及其有益效果将会在下面的具体实施方式中进行详细的说明。
附图说明
下面结合附图和具体实施方式对本发明作进一步描述:
图1是XGboost算法流程图。
具体实施方式
实施例一
本实施例提供变电站多维数据运行交互控制平台,包括多维数据运行交互控制主机、巡检机器人、D5000电力调度监控平台、电力PMS***、电力OMS***、在线监测***、辅控***。
本发明可实现电流原因快速定位和自动处置功能。多维数据运行交互控制平台主机用于交互变电站程序化操作的相关信息,对输入信息进行分析处理、逻辑判断,根据处理结果输出电流突变原因,实现特定的程序化操作的机器人巡视、设备部位检修。
多维数据运行交互控制平台主机可通过串口与监控***连接,采集监控***信息,如上述的D5000电力调度监控平台、电力PMS***、电力OMS***、在线监测***。
多维数据运行交互控制平台主机可通过调制解调器与调度中心或/和集控中心连接,实现资源共享与信息交换。
实施例二
本实施例提供一种基于变电站多维数据的故障快速联动处置方法,包括以下步骤:
S1,在D5000中监测到电流突变发生时,根据D5000中保护动作信息、开关变位等信息,分析事故,并框定事故范围,并短信告知调度及生产指挥中心,可识别为电流突变发生原因为***发生事故,处置方式:
(1)识别开关机械指示位置,短信方式通知赶往现场工作人员及相关管理人员。
(2)识别保护压板状态,短信方式通知赶往现场工作人员及相关管理人员。识别保护装置指示灯,短信方式通知赶往现场工作人员及相关管理人员。
户外巡检机器人:
(1)识别开关机械位置。
(2)开关机械位置识别任务结束后,机器人***根据D5000电流突变设备情况,对相关设备进行特巡。(特巡内容:a.红外测温;b.主变油温、油位、SF6压力值、避雷器泄露电流等可见光读取抄录;c.室内挂轨机器人识别抄录开关触头温度;4.调取相应的历史巡视数据(24h-15天);5.环境温湿度读取)。
(3)若中途有人工控制请求(需对故障设备进行补充巡视),应立即暂停当前工作,服从人工控制,待人工控制结束后,应继续当前特巡任务。
(4)将巡视结果以短信方式告知领导及值班人员。
S2,在D5000中监测到电流突变发生时,平台根据oms***的停役申请,提取停役时间、停役设备,判断风险等级,识别为电流突变原因正常检修需要,处置方式:
(1)根据d5000内设备电流突变实际情况,交控平台自动框定检修期间精准巡检范围【注:以下巡检策略均针对框定范围内的设备】。并实时调取调令***中操作信息,确定巡检开始时间(即全部停役操作结束时间)。
(2)确定重点设备巡检设备
2.1根据机器人历史测温数据确定,确定大电流时易发热设备。
2.2根据pms缺陷记录确定是否有历史缺陷设备。
2.3将以上两种设备划分为重点巡检设备,在后期运维方案中,重点设备巡检频次比其他设备高。
(3)D5000***实时监测精准巡检范围内设备负荷,当超过不同限额时,交控平台自动给出相应告警及巡检方案。
(4)机器人***
检修设备复役后每天开展一次特巡、红外测温;(具体巡视内容:a.红外测温;b.主变油温、油位、SF6压力值、避雷器泄露电流等可见光读取抄录;c.室内挂轨机器人识别抄录开关触头温度;调取相应的历史巡视数据(24h-15天))。
(5)环境温湿度读取
实时监测(主变)油色谱、铁芯电流,GIS微水、局放;(线路)避雷器泄漏电流读数;调取相应历史监测数据(24h-15天)。
(6)辅控***
视频实时监控设备现场情况;根据采集的现场温湿度数据,自动调节高压室内空调、风机、除湿器等辅控设备,调节设备运行环境。
S3,在D5000中监测到电流突变发生时,平台根据d5000中有开关遥控操作的信号与先合环再解环的操作方式,可识别为电流突变原因为调度运行方式调整,处置方式:
(1)框定精准巡检范围:根据d5000内设备电流突变实际情况,交控平台自动框定检修期间精准巡检范围【以下巡检策略均针对框定范围内的设备】。
(2)D5000***
实时监测精准巡检范围内设备负荷,当超过不同限额时,交控平台自动给出相应告警及巡检方案。
(3)机器人***
3.1.机器人通过可见光识别对遥控操作的开关进行开关位置确定。35kv开关由室内巡检机器人现场识别开关位置。
3.2对精准巡检范围内设备1h\8h\24h\48h开展一次特巡、红外测温。(具体巡视内容:a.红外测温;b.主变油温、油位、SF6压力值、避雷器泄露电流等可见光读取抄录;c.室内挂轨机器人识别抄录开关触头温度;调取相应的历史巡视数据(24h-15天)、环境温湿度读取)。
(4)在线监测***
实时监测(主变)油色谱、铁芯电流,GIS微水、局放;(线路)避雷器泄漏电流读数;调取相应历史监测数据(24h-15天)。
(5)辅控***
视频实时监控设备现场情况;根据采集的现场温湿度数据,自动调节高压室内空调、风机、除湿器等辅控设备,调节设备运行环境。
本发明根据电网企业生产经营特点,通过对变电的实际业务进行分析,***发生事故原因如下:根据D5000中保护动作信息、开关变位等信息,分析事故,并框定事故范围。并短信告知调度及生产指挥中心。正常检修需要:根据电流突变+oms***中有停役申请+各级调度预令有相关信息+d5000中有相关设备遥控操作信息。调度运行方式调整:电流突变+d5000中有开关遥控操作+先合环再解环操作。设备缺陷异常:电流突变+双回联络线两端***均并列运行时其中一条电流降低、另一条增加,指定对应的机器人巡视指令及设备部位检修方案。
作为一种实施方式,多维数据运行交互控制平台主机对采集的运行信息进行分析处理的方法采用基于XGBoost算法的电流突变原因判别方法,以实现在电流突变时快速辨别原因及故障位置,为深入检修及避免故障提供快速判断工具。
参考图1所示,XGBoost(ExtremeGradientBoosting)是一种通过一组弱分类器的迭代计算以实现准确分类效果的集成学习框架。XGBoost能够自动利用CPU的多线程并行计算,在算法的实现上又增加了正则项,极大地提高了模型运算效率,而且也使模型的泛化能力得到提升,在分布式应用上也有明显优势。相比于传统GBDT(GradientBoostDecisionTree),XGBoost算法上使用了Taylor二阶信息,实现上采用了并行/多核计算方式,训练收敛更快速、准确率更高。目前,在店铺销售预测、事件分类和客户行为预测等方面,XGBoost已经得到广泛应用。
数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已,因此特征工程非常重要。电力***中PMU采集的数据是高维时序的,且随着电力***规模增大,数据量也越大,对于算法运算速度要求越高,因此有必要对原始数据构建特征量。构建特征量需遵循以下原则:
1)特征量能很好地反映电流突变的发生;
2)特征量与电力***规模无关;
3)特征量的计算应该能保证时间上的快速性。
首先根据电流突变前后电力***中运行状态的变化,并参考其他研究者在特征选择上的经验,选取了6个特征如表1所示。
根据上述特征,首先利用皮尔逊相关系数分析特征之间的相关性,来判断特征之间是否存在信息冗余,相关系数大小表示两个变量fi与fj之间的线性相关程度,其计算公式如下式所示:
式中:c的取值范围为-1≤c≤1。通常若|c|>0.5,认为两者具有线性相关性;c=0代表完全不线性相关;c>0代表正相关。
最后根据上述方式计算的结果保留和删除对应的特征进行模型特征输入数据建模。
基于XGBoost算法的电流突变原因判别方法,包括如下步骤:
步骤(1),利用D5000、PMS、OMS、在线监测装置在各种运行方式之下,各间隔的电流、负荷、温度等数据;由此形成大量和电流突变有关的原始数据。
步骤(2),从原始数据中提取特征,并确定突变标签;利用D5000***电流负荷数据确定是否发生电流突变;对于各类运行方式,提取出各类电气量特征,作为后续XGBoost算法的特征输入;由此形成一定数量的用于建模电流突变的样本数据。
步骤(3),采用XGBoost算法并进行适用性改进,利用获取的样本数据进行模型训练;在训练过程中,针对电流突变预测过程中两类错误严重程度不同的特点,引入注意力系数对XGBoost算法的损失函数进行修正,使得模型对不稳定样本的预测情况减少;使用logistic函数用于将模型输出概率化,用于衡量XGBoost模型输出的可靠程度,预防部分误预测。
步骤(4),XGBoost模型训练成熟之后,根据D5000***记录下的电网实时运行信息,构成能够反映电网电流突变的电气量特征;输入XGBoost模型,即可实时判别电力***某些可能的故障所带来的电流突变。
其中,特征指的是站内设备组合电气量,需要提取的是历史突变发生时间隔内主变、线路、开关的电流值特征,由这些特征组合的数值集合叫做突变标签。
能够反映电网电流突变的电气量特征包括历史突变发生时的时间隔内主变、线路、开关的电流值特征,包含各高中低主变电流值、线路电流值、开关电流值,历史正常时的时间隔内主变、线路、开关的电流值特征,包含各高中低主变电流值、线路电流值、开关电流值。
对于电流突变的位置确定,当电流突变发生时,具体是以一个变电站间隔内设备的电流值变化波动率来确定是否发生电流突变,例如:柯岩变的1#主变电流值振幅与历史同期不符,或者偏离实际经验振幅,则知道突变发在柯岩变的1#主变上。
上述基于XGBoost算法的电流突变原因判别方法,具有如下优点:
(1)由于XGBoost能够自动采用多线程并行计算,运算速度快,适合处理大规模电力数据。
(2)模型中上增加了以树的复杂度构成的正则化项,使得其泛化能力得到提升,有效的解决了过拟合;
(3)由于XGBoost是树结构模型,不需要对电力***中采集到的各种数据归一化,并能够有效处理因某些原因而导致的缺失值,适合于间隔电流的电流突变。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,熟悉该本领域的技术人员应该明白本发明包括但不限于上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。
Claims (10)
1.变电站多维数据运行交互控制平台,其特征在于:包括多维数据运行交互控制平台主机、巡检机器人以及调度中心,所述多维数据运行交互控制平台主机与D5000电力调度监控平台、电力PMS***、电力OMS***、在线监测***、辅控***以及巡检机器人连接以采集运行信息及进行控制,在D5000电力调度监控平台监测到电流突变发生时,多维数据运行交互控制平台主机对采集的运行信息进行分析处理,根据处理结果输出电流突变原因,并根据电流突变原因控制巡检机器人工作。
2.基于变电站多维数据的故障快速联动处置方法,采用权利要求1所述的变电站多维数据运行交互控制平台进行联动处置,其特征在于包括如下步骤:
S1,在D5000电力调度监控平台监测到电流突变发生时,对采集的运行信息进行分析处理,识别电流突变原因,其中电流突变发生原因包括***发生事故、正常检修需要以及调度运行方式调整;
S2,将识别的电流突变原因短信告知调度中心,并根据电流突变原因采取对应的处置方式。
3.根据权利要求2所述的基于变电站多维数据的故障快速联动处置方法,其特征在于:当维数据运行交互控制平台主机识别电流突变发生原因为***发生事故时,采用如下处置方式:
(1)识别开关机械指示位置,短信方式通知设定人员;
(2)识别保护压板状态,短信方式通知设定人员;
(3)识别保护装置指示灯,短信方式通知设定人员;
巡检机器人执行如下操作:
(1)识别开关机械位置;
(2)开关机械位置识别任务结束后,巡检机器人根据D5000电力调度监控平台发生电流突变设备情况,对相关设备进行特巡;
(3)若中途有人工控制请求,应立即暂停当前工作,服从人工控制,待人工控制结束后,应继续当前特巡任务;
(4)将巡视结果以短信方式告知设定人员。
4.根据权利要求2所述的基于变电站多维数据的故障快速联动处置方法,其特征在于:当维数据运行交互控制平台主机识别电流突变发生原因为正常检修需要时,采用如下处置方式:
(1)根据D5000电力调度监控平台内设备电流突变实际情况,多维数据运行交互控制平台主机自动框定检修期间精准巡检范围,并实时调取调令***中操作信息,确定巡检开始时间;
(2)确定重点设备巡检设备:根据机器人历史测温数据确定,确定大电流时易发热设备;根据电力PMS***缺陷记录确定是否有历史缺陷设备;将以上两种设备划分为重点巡检设备,在后期运维方案中,重点设备巡检频次比其他设备高;
(3)D5000电力调度监控平台:实时监测精准巡检范围内设备负荷,当超过不同限额时,多维数据运行交互控制平台主机自动给出相应告警及巡检方案;
(4)巡检机器人:检修设备复役后每天开展一次特巡、红外测温;
(5)在线监测***实时监测环境温湿度;
(6)辅控***:视频实时监控设备现场情况,根据采集的现场温湿度数据,自动调节高压室内辅控设备,调节设备运行环境。
5.根据权利要求2所述的基于变电站多维数据的故障快速联动处置方法,其特征在于:当运维数据运行交互控制平台主机识别电流突变发生原因为调度运行方式调整时,采用如下处置方式:
(1)根据D5000电力调度监控平台内设备电流突变实际情况,多维数据运行交互控制平台主机自动框定检修期间精准巡检范围,并实时调取调令***中操作信息,确定巡检开始时间;
(2)D5000电力调度监控平台实时监测精准巡检范围内设备负荷,当超过不同限额时,多维数据运行交互控制平台主机自动给出相应告警及巡检方案;
(3)巡检机器人通过可见光识别对遥控操作的开关进行开关位置确定,对精准巡检范围内设备定时开展特巡;
(4)在线监测***实时监测环境温湿度;
(5)辅控***,视频实时监控设备现场情况,根据采集的现场温湿度数据,自动调节高压室内辅控设备,调节设备运行环境。
6.根据权利要求3或者4或者5所述的基于变电站多维数据的故障快速联动处置方法,其特征在于:巡检机器人的特巡内容包括:a.红外测温;b.主变油温、油位、SF6压力值、避雷器泄露电流;c.开关触头温度,环境温湿度。
7.根据权利要求2所述的基于变电站多维数据的故障快速联动处置方法,其特征在于:多维数据运行交互控制平台主机对采集的运行信息进行分析处理的方法包括如下步骤:
步骤(1),采集各间隔各种运行方式之下的历史数据,形成和电流突变有关的原始数据;
步骤(2),从原始数据中提取特征,并确定突变标签,利用D5000电力调度监控平台电流负荷数据确定是否发生电流突变,对于各类运行方式,提取出各类电气量特征,作为后续XGBoost算法的特征输入,由此形成用于建模电流突变的样本数据;
步骤(3),采用XGBoost算法,利用获取的样本数据进行模型训练;
步骤(4),XGBoost模型训练成熟之后,根据D5000电力调度监控平台记录下的电网实时运行信息,构成能够反映电网电流突变的电气量特征,输入XGBoost模型,即可实时判别电力***某些可能的故障所带来的电流突变。
8.根据权利要求7所述的基于变电站多维数据的故障快速联动处置方法,其特征在于:反映电网电流突变的电气量特征包括:电流突变时最小才采集刻度的电流值;电流突变时D5000电力调度监控平台保护动作信号内容;电流突变时D5000电力调度监控平台开关跳闸信号内容;电流突变时D5000电力调度监控平台开关遥控操作信号内容;电流突变时对应变电站拓扑图,是否可以合环再解环;电流突变时巡检机器人的各设备反馈读数;电流突变时在线监测***读数。
9.根据权利要求7所述的基于变电站多维数据的故障快速联动处置方法,其特征在于:在训练过程中,针对电流突变预测过程中两类错误严重程度不同的特点,引入注意力系数对XGBoost算法的损失函数进行修正,使得模型对不稳定样本的预测情况减少。
10.根据权利要求7所述的基于变电站多维数据的故障快速联动处置方法,其特征在于:使用logistic函数用于将模型输出概率化,用于衡量XGBoost模型输出的可靠程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910452000.8A CN110349048B (zh) | 2019-05-28 | 2019-05-28 | 变电站多维数据运行交互控制平台及故障处置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910452000.8A CN110349048B (zh) | 2019-05-28 | 2019-05-28 | 变电站多维数据运行交互控制平台及故障处置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110349048A true CN110349048A (zh) | 2019-10-18 |
CN110349048B CN110349048B (zh) | 2023-05-26 |
Family
ID=68174012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910452000.8A Active CN110349048B (zh) | 2019-05-28 | 2019-05-28 | 变电站多维数据运行交互控制平台及故障处置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110349048B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111555162A (zh) * | 2020-04-06 | 2020-08-18 | 连云港市港圣开关制造有限公司 | 一种高效智能配电运维*** |
CN116054417A (zh) * | 2023-03-16 | 2023-05-02 | 山东联行智能科技有限公司 | 一种变电站用的监控***及方法 |
CN117034174A (zh) * | 2023-09-26 | 2023-11-10 | 国网安徽省电力有限公司经济技术研究院 | 变电站设备异常检测方法及其*** |
CN117081249A (zh) * | 2023-08-17 | 2023-11-17 | 广东正力通用电气有限公司 | 一种供电线路自动化监控管理平台及线路故障识别方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4689752A (en) * | 1983-04-13 | 1987-08-25 | Niagara Mohawk Power Corporation | System and apparatus for monitoring and control of a bulk electric power delivery system |
JPH04185206A (ja) * | 1990-11-19 | 1992-07-02 | Toshiba Corp | 電気車駆動電動機の制御装置 |
US20120212862A1 (en) * | 2009-08-20 | 2012-08-23 | State Grid Corporation Of China | Method and device for limiting secondary arc current of extra-high voltage/ultra-high voltage double circuit lines on the same tower |
CN103117602A (zh) * | 2013-03-11 | 2013-05-22 | 辽宁省电力有限公司 | 继电保护智能在线运行管理***中综合事故自动报告方法 |
CN104052151A (zh) * | 2014-05-14 | 2014-09-17 | 国家电网公司 | 变电站智能辅助综合监控与d5000综合联动平台 |
CN106685704A (zh) * | 2016-12-13 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 变电站二次设备故障的排查方法及装置 |
JP2017130391A (ja) * | 2016-01-21 | 2017-07-27 | 国立大学法人東京工業大学 | 回路遮断装置 |
CN108551167A (zh) * | 2018-04-25 | 2018-09-18 | 浙江大学 | 一种基于XGBoost算法的电力***暂态稳定判别方法 |
CN109101906A (zh) * | 2018-07-27 | 2018-12-28 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 一种变电站电力设备红外图像异常实时检测方法及装置 |
-
2019
- 2019-05-28 CN CN201910452000.8A patent/CN110349048B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4689752A (en) * | 1983-04-13 | 1987-08-25 | Niagara Mohawk Power Corporation | System and apparatus for monitoring and control of a bulk electric power delivery system |
JPH04185206A (ja) * | 1990-11-19 | 1992-07-02 | Toshiba Corp | 電気車駆動電動機の制御装置 |
US20120212862A1 (en) * | 2009-08-20 | 2012-08-23 | State Grid Corporation Of China | Method and device for limiting secondary arc current of extra-high voltage/ultra-high voltage double circuit lines on the same tower |
CN103117602A (zh) * | 2013-03-11 | 2013-05-22 | 辽宁省电力有限公司 | 继电保护智能在线运行管理***中综合事故自动报告方法 |
CN104052151A (zh) * | 2014-05-14 | 2014-09-17 | 国家电网公司 | 变电站智能辅助综合监控与d5000综合联动平台 |
JP2017130391A (ja) * | 2016-01-21 | 2017-07-27 | 国立大学法人東京工業大学 | 回路遮断装置 |
CN106685704A (zh) * | 2016-12-13 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 变电站二次设备故障的排查方法及装置 |
CN108551167A (zh) * | 2018-04-25 | 2018-09-18 | 浙江大学 | 一种基于XGBoost算法的电力***暂态稳定判别方法 |
CN109101906A (zh) * | 2018-07-27 | 2018-12-28 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 一种变电站电力设备红外图像异常实时检测方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111555162A (zh) * | 2020-04-06 | 2020-08-18 | 连云港市港圣开关制造有限公司 | 一种高效智能配电运维*** |
CN116054417A (zh) * | 2023-03-16 | 2023-05-02 | 山东联行智能科技有限公司 | 一种变电站用的监控***及方法 |
CN116054417B (zh) * | 2023-03-16 | 2023-09-19 | 山东联行智能科技有限公司 | 一种变电站用的监控***及方法 |
CN117081249A (zh) * | 2023-08-17 | 2023-11-17 | 广东正力通用电气有限公司 | 一种供电线路自动化监控管理平台及线路故障识别方法 |
CN117034174A (zh) * | 2023-09-26 | 2023-11-10 | 国网安徽省电力有限公司经济技术研究院 | 变电站设备异常检测方法及其*** |
CN117034174B (zh) * | 2023-09-26 | 2023-12-29 | 国网安徽省电力有限公司经济技术研究院 | 变电站设备异常检测方法及其*** |
Also Published As
Publication number | Publication date |
---|---|
CN110349048B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110349048A (zh) | 变电站多维数据运行交互控制平台及故障处置方法 | |
CN108336725B (zh) | 电网调度设备监控管理及智能分析*** | |
CN112788142B (zh) | 一种支持多传感器接入的智能边缘物联网关 | |
CN111474444B (zh) | 一种基于知识图谱的线路故障复电决策方法 | |
CN207965544U (zh) | 一种智能变电站设备故障预警机制 | |
CN113466597A (zh) | 一种轨道交通供电***设备状态智能检测方法 | |
CN107124291A (zh) | 一种基于大数据的调控设备监控分析***及方法 | |
CN106997513A (zh) | 基于大数据分析的配网设备状态评价*** | |
CN105978145B (zh) | 智能变电站二次***信息融合*** | |
CN110245846A (zh) | 基于XGBoost算法的电流突变原因判别方法 | |
Ma et al. | Research Progress of Distribution Network Digitization Based on Digital Twin Technology | |
Xu et al. | Research on fault diagnosis method of power grid based on artificial intelligence | |
CN116026410A (zh) | 一种基于计算机智能技术的自动巡检*** | |
CN109217311B (zh) | 一种配电网运行状态管控与评价方法 | |
CN113726007B (zh) | 一种基于透明体系架构的智能录波器主站管理方法及*** | |
CN113689064B (zh) | 一种透明化变电站管理***架构 | |
CN111539642B (zh) | 一种基于面向对象的电厂数据采集处理***及其方法 | |
CN205081568U (zh) | 一种高性能变压器智能控制器 | |
CN202888970U (zh) | 变电站二次设备数据、状态在线采集装置 | |
CN111401481A (zh) | 基于多源信息融合技术的电网运行方式自动识别方法 | |
Wang et al. | Application of lambda architecture in intelligent operation and maintenance system of rail transit vehicles | |
Jie et al. | Investigation on Power System Dynamic Monitoring System Using Artificial Neural Networks | |
Almerab | Smart Grid Services for Energy Utilities: Insights on Options and Priorities and Main Application Enabler in National Grid SA | |
Min | Improved Fault Prediction Algorithm of High-Speed EMUs based on PHM Technology | |
CN113269435B (zh) | 一种新能源场站运行状态耦合监测评估*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |