CN112054510B - 电力***运行异常状态预估方法 - Google Patents

Abstract

电力***运行异常状态预估方法，包括：创建专家诊断的历史案例库，所述历史案例库分有电压等级层级、变电所层级和间隔层级，每个层级具有多个层级节点；将每个历史案例的数据内容，分别填写至各个层级对应的层级节点；在所述历史案例库中，对各类型扰动在扰动发生前各所述层级节点的运行状态值进行大数据分析，计算各运行状态值的扰动预警阈值；实时采集用户电网的全景信息；当所述全景信息的某个运行状态值超过它对应的所述扰动预警阈值时，发出扰动预警。所述预估方法能够为用户提供扰动发生的预估，提醒用户及时采取措施，防止扰动发生。

Description

电力***运行异常状态预估方法

技术领域

本发明涉及电力***故障诊断领域，尤其涉及一种电力***运行异常状态预估方法。

背景技术

电力***是把很多的发电站、变电站、配电站和用户等由输电和配电线路连接起来形成的***。它通常由发电机、变压器、母线、输配电线路及用电设备等组成。各电气元件、设备及***通常处于正常运行状态，但也可能出现故障或异常运行状态。

电力***故障是指电气元件和设备不能按照预期的指标进行工作的一种状态，也就是说电气元件和设备未达到其应该达到的功能，故障包括有发电机组故障、变压器故障、输电线路故障、变电所故障和母线故障等。

随着电力***的规模越来越大，结构越来越复杂，故障产生不可避免。电力***故障处理过程可以是，从***的运行状态中检测到拓扑变化，从拓扑变化相关联的区域(单元)内检测故障征兆信息，经过对这些信息进行分析处理，重点根据保护动作的信号，判断故障发生的具体区域与位置(如故障范围或故障点)。故障范围或故障点确定后，先确保故障区域(单元)可靠切除或被可靠隔离，再完成失电负荷的供电恢复，最后进行故障原因排查与故障消缺处理。

用于电力***诊断的专门***，为相应的电力***故障诊断专家***。

发明内容

本发明解决的问题是提供一种电力***运行异常状态预估方法，以更好地实现对电力***异常状态(故障状态和扰动事件等)的预估，并提供预警。

为解决上述问题，本发明提供了一种电力***运行异常状态预估方法，包括：创建专家诊断的历史案例库，所述历史案例库分有电压等级层级、变电所层级和间隔层级，每个层级具有多个层级节点；将每个历史案例的数据内容，按所述电压等级层级、所述变电所层级和所述间隔层级，分别填写至各个层级对应的层级节点；在所述历史案例库中，对各类型扰动在扰动发生前各所述层级节点的运行状态值进行大数据分析，计算各运行状态值的扰动预警阈值；实时采集用户电网的全景信息，将所述全景信息实时与所述扰动预警阈值进行比较；当所述全景信息的某个运行状态值超过它对应的所述扰动预警阈值时，预估电力***将发生扰动，发出扰动预警。

可选的，所述预估方法还包括：通过所述历史案例库，对扰动发生前各所述层级节点的运行状态值进行大数据分析，统计各类型扰动下的异动状态值的次数或概率，得出各类型扰动发生前出现异动的典型状态值矩阵。

可选的，所述间隔层级的层级节点包括间隔扰动，所述间隔扰动包括扰动类型的子类、扰动次数的子类和扰动环境的子类。

可选的，所述扰动环境子类包括状态值矩阵，所述状态值矩阵含有的状态值包括电流、电压、频率、功率、设备状态值和工艺参数值。

可选的，所述预估方法还包括：通过所述历史案例库，统计各间隔在不同的天气条件、月份或运行方式切换时发生各类型扰动的概率；当所述概率高于预设阈值，且天气条件、月份或运行方式切换三种扰动环境出现时，给出对应预警信息。

可选的，在给出所述预警信息的同时，提示用户所述预警信息对应的故障类型的所述异动典型状态值。

可选的，所述变电所层级的每个层级节点分有属性名、属性值和属性操作；所述间隔层级的每个层级节点分有属性名、属性值和属性操作。

可选的，所述电压等级层级的层级节点包括有220kV、110kV、35kV、10kV、6kV、1kV、0.4kV。

可选的，所述全景信息包括：变电站SCADA***数据、电力集控SCADA***数据、电力调度SCADA***数据、保护信息***数据、继电保护装置数据、安全稳定与自动控制装置数据、智能测控装置数据、故障录波装置数据。

可选的，所述全景信息还包括：电力设备状态监测数据和生产工艺过程数据。

本发明技术方案的其中一个方面中，提供一种电力***运行异常状态预估方法，所述方法创建专家诊断的历史案例库，然后将历史案例的数据根据所创建历史案例库的层级节点，将相应的数据填写至各个层级节点，之后，进行分析和处理，计算得到各运行状态值的扰动预警阈值，再利用实时采用的全景信息与所述扰动预警阈值进行比较，根据比较结果，进行对应的扰动预警。所述预估方法能够对电力***运行异常状态进行预估，并且及时对用户进行的预警，从而使得用户可以及时采取有效措施，防止扰动事件的发生。

本发明的电力***运行异常状态预估方法，能够充分有效利用历史案例(典型案件)的价值，实现更加专业化和针对性的电力***运行异常状态预估作用，为用户提供更准确可靠的预警。

附图说明

图1是实施例一中，电力***的故障诊断专家***中诊断***主站与调度中心(或集控中心)的设置结构；

图2是实施例一中，电力***的故障诊断专家***的诊断***主站部署结构；

图3是实施例二中，电力***运行异常状态预估方法步骤示意图。

具体实施方式

为更加清楚的表示，下面结合附图对本发明做详细的说明。

实施例一

请结合参考图1和图2，显示了本发明提供的一种电力***故障诊断专家***。

电力***故障诊断专家***包括诊断***主站，本实施例诊断***主站直接利用调度主站(或称集控主站)的网络来设置(以下统称为调度主站)。

图1中，虚线左侧为调度主站的结构，虚线右侧为故障诊断专家***的诊断***主站。

由图1可知，本实施例诊断***主站挂设在调度主站的网络结构中。

如图1所示，相应的调度主站可以包括：调度主站数据存储结构、工程师站与操作员站、远动转发/调度通信单元和调度主站服务器等结构。

调度主站的远动转发/调度通信单元可以接入电力调度网。调度主站的服务器接入集控区域各变电站的SCADA信息。

诊断***主站可以直接利用调度主站的通信设备接入电力***，例如，诊断***主站利用调度主站的站控层交换机接入调度主站***，即诊断***主站接入相应的电力***和电力检测***等，如SCADA***(Supervisory Control And Data Acquisition***，即数据采集与监视控制***)等或IED***(Intelligent Electronic Device***，即智能电子设备)等。其中，SCADA***是以计算机为基础的DCS(分散控制***)与电力自动化监控***，它可以应用于多种工业领域的数据采集与监视控制，以及过程控制等。

图2显示了诊断***主站的一种具体部署结构。

如图2所示，诊断***主站包括：数据存储结构(如图2中虚线框所示)、专家知识库、前置服务器、分析引擎和运行工作站。

数据存储结构用于数据的存储。专家知识库用于专家知识存储。前置服务器用于采集电力***的运行参数，并执行数据预处理。分析引擎用于作为实时推理机，从前置服务器采集缓存推理所需的观测信息，从专家知识库搜索合适的专家知识，完成推理，并保存推理过程与推理结果。运行工作站用于作为用户客户端，以显示信息等。

如图2所示，本实施例中，数据存储结构可以包括有数据服务器和磁盘阵列。本实施例的数据存储结构包括两台数据服务器。两台数据服务器可以作为历史数据服务器，以存储历史案例、历史报告和静稳分析历史数据等。这种采用两台数据服务器的冗余配置，可以确保数据存在的安全。磁盘阵列可以用于长期历史数据的单独保存。磁盘的个数可按需选配。其它实施例中，也可以采用其它的数据存储结构，例如可以省略磁盘阵列，或者可以仅使用一台数据服务器。

如图2所示，本实施例中，专家知识库用于存储和更新各类电力***故障诊断用的专家知识，相应的专家知识可以按一定的规则进行存储，以便调用。专家知识库适合于独立配置。

如图2所示，本实施例中，前置服务器可以是实时采集电力***的运行参数，并执行相关的数据预处理。前置服务器适合于采用独立部署。

如图2所示，本实施例中，分析引擎作为实时推理机，可以从相应的前置服务器采集缓存推理所需的各观测信息，并且能够从专家知识库搜索合适的专家知识，进而完成推理，并实时保存推理过程与中间结论(即分析引擎的推理结果可以是包括诊断中间结论)。分析引擎宜独立部署，以使得诊断***的分析推理过程更加高效和可靠。

如图2所示，本实施例中，运行工作站作为用户客户端，显示的信息包括用户***(客户端***)的运行信息。运行工作站具体可以显示用户***的实时运行信息，也可以用于显示专家预警信息和专家诊断报告，还可以利用于启动诊断追踪、启动案例反演等功能。并且，运行工作站可以用于启动远程问诊云端专家***功能。运行工作站采用与服务器分开部署的方式设置。

需要说明的是，结合图1和图2，可知，本实施例的诊断***布置方案是一种站端部署方案(设置在站控层站端)。但是，其它实施例中，诊断***布置方案也可部署在其它结构位置中。

请继续参考图2，诊断***主站还可以包括维护工作站。维护工作站用于实现对诊断***的维护。维护工作站具体可以供用户工程师(知识工程师)通过该工作站，实现对诊断***的维护。例如实现对电力***建模组态和专家库知识维护等。本实施例中，维护工作站独立部署，有利于其维护功能的更好实现。其它实施例中，维护工作站也可与诊断***的运行工作站合并。

请继续参考图2，诊断***主站还可以包括应急指挥中心接口服务器。应急指挥中心接口服务器用于与企业应急指挥中心通信连接。应急指挥中心接口服务器具体可以是负责与企业应急指挥中心的实时通信。本实施例中，应急指挥中心接口服务器采用独立部署，这种结构能够更加发挥其作用。其它实施例中，应急指挥中心接口服务器也可与分析引擎或运行工作站合并。

请继续参考图2，诊断***主站还可以包括WEB服务器。WEB服务器用于实现信息的WEB发布和短信(移动信息)推送。WEB服务器具体可以是将电子***故障的报告用WEB发布，并且，可以将相应的故障信息通过短信(移动信息)推送等方式及时通知相关人员。其它实施例中，WEB服务器也可以不必采用，即省略。

请继续参考图2，诊断***主站还可以包括云端专家***接口服务器。云端专家***接口服务器用于与云端专家***通信连接。云端专家***接口服务器在实现与云端专家***的通信时，拓展了诊断***的故障诊断能力，并且保证了故障云诊断的实现。本实施例中，采用独立的服务器，即采用独立部署结构，从而使云诊断更加高效、安全、可靠和及时。其它实施例中，云端专家***接口服务器也可以与WEB服务器合并。

请继续参考图2，诊断***主站还可以包括防火墙。WEB服务器和云端专家***接口服务器被隔离在防火墙外部。防火墙用于***的安全分区，本实施例将WEB服务器和云端专家***接口服务器与***的其它部分隔开，达到对其它结构的更好保护，使***更加稳定。

请继续参考图2，诊断***主站还可以包括各个网络设备。这些网络设备用于保证***的通讯。如图2中所示，网络设备具体选择采用交换机实现，图2所示诊断***主站包括前置交换机一、交换机二和交换机三。对于诊断***主站的前置交换机一，根据接入***的具体情形，可以采用光纤接口，宜选用千兆带宽的交换机。交换机二和交换机三同样可以采用千兆带宽的交换机。

请继续参考图2，诊断***主站还可以包括输出设备。输出设备具体可以为打印机，如图2所示。打印机用于随时打印相应的故障报告和诊断报告等。

请继续参考图2，本实施例中，通过前置服务器，使诊断***主站接入的***包括同步时钟(***)、SCADA***和IED(***)，以及保信***和安全管控平台***等。同步时钟即电力***同步时钟，用于保证数据的时钟同步。保信***为继电保护信息处理***，用于管理继电保护定值与故障报文信息等。

如图2，本实施例采用单一的前置服务器，因此，此结构可以称为单前置单网结构。单前置单网结构使诊断***主站的内部网络结构为单网结构，结构更加简单，因此，***成本可以降低。

需要说明的是，结合图1和图2的上述内容可知，图2的各节点是逻辑功能定义节点，实际部署时，可以按图中方案，将逻辑功能节点与物理节点完全一一对应，也可以根据需要，进行功能节点的剪裁、物理节点合并等。比如前面所述，对于运行工作站和维护工作站两个逻辑功能节点，在物理实现时，可以用一台工作站计算机实现。

结合图1和图2可知，本实施例中，在站控层部署电力***故障诊断专家***的站端，诊断***主站具体可以部署在调度中心站端、集控中心站端或变电所站端。通过SCADA***开通与专家***站端的转发通道，可以以IEC 60870-5-104或IEC61850标准规约，将全厂各变电站内专家***所需的实时信息转发至专家***站端。该部署方案可充分复用资源，对新建项目和已有项目改造均有很好的实用性。

实施例二

本发明实施例二提供一种电力***运行异常状态预估方法。请参考图3，所述预估方法包括：

S1，创建专家诊断的历史案例库，所述历史案例库分有电压等级层级、变电所层级和间隔层级，每个层级具有多个层级节点；

S2，将每个历史案例的数据内容，按所述电压等级层级、所述变电所层级和所述间隔层级，分别填写至各个层级对应的层级节点；

S3，在所述历史案例库中，对各类型扰动在扰动发生前各所述层级节点的运行状态值进行大数据分析，计算各运行状态值的扰动预警阈值；

S4，实时采集用户电网的全景信息，将所述全景信息实时与所述扰动预警阈值进行比较；当所述全景信息的某个运行状态值超过它对应的所述扰动预警阈值时，预估电力***将发生扰动，发出扰动预警。

由上述过程可知，本实施例中，历史案例库按“电压等级-变电所-间隔”三级层级(三个层级)创建。对于专家***诊断的具体案例(历史案例)，这三个层级会从案例的状态信息中获知(相应数据和信息)，这样，在这些诊断的案例(历史案例)存入历史案例库时，就会自动对应填写到历史案例库的各个层级节点。此时，步骤S1和步骤S2完成了衔接。

本实施例中，所述电压等级层级的层级节点可以包括有一般的220kV、110kV、35kV、10kV、6kV、1kV和0.4kV等各个不同的层级，当然，也可以根据需要，设置其它不同的电压等级层级。

本实施例中，所述变电所层级的每个层级节点分有属性名、属性值和属性操作。

一种变电所层级节点具有的属性(包括属性名和对应和属性值)及支持的操作可以如下表1所示：

表1

本实施例中，所述间隔层级的每个层级节点也分有属性名、属性值和属性操作。一种间隔层级节点具有的属性及支持的操作可以如下表2所示：

表2

本实施例中，所述间隔层级的层级节点包括间隔扰动，所述间隔扰动包括扰动类型的子类、扰动次数的子类和扰动环境的子类。即间隔层级的层级节点的“间隔扰动”属性为一个类。该类又包含以下表3所示的各子类及其属性：

表3

所述扰动环境子类包括状态值矩阵，所述状态值矩阵含有的状态值包括电流、电压、频率、功率、设备状态值和工艺参数值。具体的，扰动环境子类中的“各类型扰动在扰动发生前的运行状态值”，为一个状态值矩阵，根据间隔类型，如前所述，状态值矩阵的各值包含但不限于电流、电压、频率、功率、设备状态值(温度、局放、振动、转速等)、工艺参数值(流量、压力等)。

本实施例中，还包括：通过所述历史案例库，对扰动发生前各所述层级节点的运行状态值进行大数据分析，统计各类型扰动下的异动(异常变动)状态值的次数或概率，得出各类型扰动发生前出现异动的典型状态值矩阵。

综上可知，本实施例中，所述电压等级层级可以是具有多个电压等级层级节点，所述变电所层级具有多个变电所层级节点，所述间隔层级具有多个间隔层级节点。

步骤S3中，是经过历史案例积淀，对“各类型扰动在扰动发生前的运行状态值”进行大数据分析，计算各运行状态值的扰动预警阈值。

“各类型扰动在扰动发生前的运行状态值”简称为“状态值”。通常，这些状态值高于一定范围时，即可能会出现扰动。因此，可以采用大数据分析出这些状态值在曾经出现的扰动事件(历史事件)中，具体大小是多少，从而确定每个状态值对应的扰动预警阈值。

例如，对某个状态值，可以采用大数据分析，得到由它的异常引起的所有历史案例中，它的最低值是多少，从而将它的扰动预警阈值设置得比这个最低值更低，例如为最低值的0.9倍；或者，对某个状态值，利用大数据分析，得到由它的异常引起的所有历史案例中，它的平均值是多少，而扰动预警阈值设置得进一步低于这个平均值，例如为平均值的0.7-0.8倍。

步骤S4中，实时采集用户电网的全景信息，所述全景信息包括：变电站SCADA***数据、电力集控SCADA***数据、电力调度SCADA***数据、保护信息***数据、继电保护装置数据、安全稳定与自动控制装置数据、智能测控装置数据、故障录波装置数据。上述各数据，能够较为完整的反应电网的拓扑连接、潮流分布和故障信息等电网运行的实时电气特征，且由于目前变电站综合自动化***普遍应用了同步时钟校时技术，上述各类数据间的时间窗口同步性较好。利用这些数据进行比对(实时全景数据与历史数据库各层级节点的扰动预警阈值进行比较)，可以做出更好的预估(电力***运行异常状态预估)。

所述全景信息还包括：电力设备状态监测数据和生产工艺过程数据。例如对于电动机绕组温升(或过载行为)进行进一步原因挖掘时，可结合电动机驱动的机械设备的工艺过程数据(如泵的流量)做进一步的轴系负载分析，这些数据，对于相应电力***的运行异常状态预估，均有对应价值。

本实施例中，进一步还包括：通过所述历史案例库，统计各间隔在不同的天气条件、月份或运行方式切换时发生各类型扰动的概率；当所述概率高于预设阈值，且天气条件、月份或运行方式切换三种扰动环境出现时(即相应扰动环境出现时)，给出对应预警信息。

本步骤中，经过历史案例积淀，对“各类型扰动在扰动发生前的运行状态值”进行大数据分析，统计各类型扰动下的异动状态值的次数(或概率值)，得出各类型扰动发生前出现异动的典型状态值矩阵。

比如，经过大数据分析，某种规格的电力电缆，在发生绝缘破坏前，出现接头温度过高的概率很高，则“接头温度”这一状态值就被列为该类型电力电缆的异动典型状态值，这一值成为典型状态值矩阵中的其中一个值。

本实施例中，在给出所述预警信息的同时，提示用户所述预警信息对应的故障类型的所述异动典型状态值。即提示用户重点关注异动的典型状态值矩阵所统计出的异动典型状态值。

一种具体的场景比如，经过历史案例统计分析，对于变电所内的变压器间隔，每年的7～10月份发生过载运行的概率偏高，则当进入7月份时，电力***故障诊断专家***(该***可以是实施例一的***，也可以是其它***，即本实施例的方法可以采用多种不同***实现，实施例一的***只是其中一种可行***)将给出统计预警信息，并提示重点关注变压器的绕组温度、油温、电流等异动典型状态值，同时，给出由上述计算出的上述各状态值的预警阈值。

这样，该统计预警信息可作为月度工作计划、运维巡检计划的重点内容，一种具体的过载运行预警报告可以参考以下表4：

表4

由上述步骤和内容可知，本实施例提供的电力***运行异常状态预估方法中，先创建专家诊断的历史案例库，然后将历史案例的数据根据所创建历史案例库的层级节点，将相应的数据填写至各个层级节点，之后，进行分析和处理，计算得到各运行状态值的扰动预警阈值，再利用实时采用的全景信息与所述扰动预警阈值进行比较，根据比较结果，进行对应的扰动预警。所述预估方法能够对电力***运行异常状态进行预估，并且及时对用户进行的预警，从而使得用户可以及时采取有效措施，防止扰动事件的发生。

同时，本实施例提供的电力***运行异常状态预估方法，能够充分有效利用历史案例(典型案件)的价值，实现更加专业化和针对性的电力***运行异常状态预估作用，为用户提供更准确可靠的预警。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (8)

1.一种电力***运行异常状态预估方法，其特征在于，包括：

创建专家诊断的历史案例库，所述历史案例库分有电压等级层级、变电所层级和间隔层级，每个层级具有多个层级节点；

将每个历史案例的数据内容，按所述电压等级层级、所述变电所层级和所述间隔层级，分别填写至各个层级对应的层级节点；所述间隔层级的层级节点包括间隔扰动，所述间隔扰动包括扰动类型的子类、扰动次数的子类和扰动环境的子类；

在所述历史案例库中，对各类型扰动在扰动发生前的各所述层级节点的运行状态值进行大数据分析，计算各运行状态值的扰动预警阈值；

实时采集用户电网的全景信息，将所述全景信息实时与所述扰动预警阈值进行比较；当所述全景信息的某个运行状态值超过它对应的所述扰动预警阈值时，预估电力***将发生扰动，发出扰动预警；

还包括：通过所述历史案例库，对扰动发生前各所述层级节点的运行状态值进行大数据分析，统计各类型扰动下的异动状态值的次数或概率，得出各类型扰动发生前出现异动的典型状态值矩阵。

2.如权利要求1所述的电力***运行异常状态预估方法，其特征在于，所述扰动环境子类包括状态值矩阵，所述状态值矩阵含有的状态值包括电流、电压、频率、功率、设备状态值和工艺参数值。

3.如权利要求2所述的电力***运行异常状态预估方法，其特征在于，还包括：通过所述历史案例库，统计各间隔在不同的天气条件、月份或运行方式切换时发生各类型扰动的概率；当所述概率高于预设阈值，且天气条件、月份或运行方式切换三种扰动环境出现时，给出对应预警信息。

4.如权利要求3所述的电力***运行异常状态预估方法，其特征在于，在给出所述预警信息的同时，提示用户所述预警信息对应的故障类型的异动典型状态值。

5.如权利要求1所述的电力***运行异常状态预估方法，其特征在于，所述变电所层级的每个层级节点分有属性名、属性值和属性操作；所述间隔层级的每个层级节点分有属性名、属性值和属性操作。

6.如权利要求1所述的电力***运行异常状态预估方法，其特征在于，所述电压等级层级的层级节点包括有220kV、110kV、35kV、10kV、6kV、1kV、0.4kV。

7.如权利要求1所述的电力***运行异常状态预估方法，其特征在于，所述全景信息包括：变电站SCADA***数据、电力集控SCADA***数据、电力调度SCADA***数据、保护信息***数据、继电保护装置数据、安全稳定与自动控制装置数据、智能测控装置数据、故障录波装置数据。

8.如权利要求7所述的电力***运行异常状态预估方法，其特征在于，所述全景信息还包括：电力设备状态监测数据和生产工艺过程数据。

Images