CN112906389B - 一种基于多维度数据分析的故障跳闸判别方法 - Google Patents
一种基于多维度数据分析的故障跳闸判别方法 Download PDFInfo
- Publication number
- CN112906389B CN112906389B CN202110158829.4A CN202110158829A CN112906389B CN 112906389 B CN112906389 B CN 112906389B CN 202110158829 A CN202110158829 A CN 202110158829A CN 112906389 B CN112906389 B CN 112906389B
- Authority
- CN
- China
- Prior art keywords
- equipment
- analysis
- signal
- data
- monitoring
- 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.)
- Active
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 16
- 238000012850 discrimination method Methods 0.000 title claims description 6
- 238000012544 monitoring process Methods 0.000 claims abstract description 68
- 238000004458 analytical method Methods 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000004140 cleaning Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000012423 maintenance Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 11
- 230000011664 signaling Effects 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 6
- 238000003058 natural language processing Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000000052 comparative effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 2
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 238000012916 structural analysis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000010354 integration Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2132—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on discrimination criteria, e.g. discriminant analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- 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
- 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)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及一种基于多维度数据分析的故障跳闸判别方法,属于电网调控智能化技术领域。该方法包括:以设备为中心的信息聚类及数据清洗;监控信号结构化分析;建立标准事件模型库;设备运行方式分析;多维度数据交叉辨识;监控信号事件化分析。该方法能辅助调控员对电网异常、故障的快速、准确发现并及时处理,提高变电站设备监控信息分析能力,且提高调控中心监控告警信号的处理效率,从而提高电网监控管理水平,易于推广应用。
Description
技术领域
本发明属于电网调控智能化技术领域,具体涉及一种基于多维度数据分析的故障跳闸判别方法。
背景技术
电力作为当代社会主要的常用能源之一,对国家经济的高速发展以及人民日常生活起着至关重要的作用。对电力依赖越来越强的同时,对电供应的可靠性、稳定性也提出了更高的要求。随着电网大运行、调控一体化、变电站无人值守的改革,调控中心集中监控变电站数量与日剧增,电网运行状态通过遥测、遥信、遥控、遥调等在调控中心进行集中监视和控制,越来越多种类和数量的一、二次设备监控信号实时上传至调控中心,监控信号单日上传数据量大,且受现实环境影响,监控信号内容并不规范。面对海量信号,调控人员依靠人工经验或者按照提前维护好的规则库对海量的碎片状监控告警数据进行判别,存在无法有效监视和智能分析的问题。
发明内容
本发明的目的是为了解决现有技术的不足,提供一种基于多维度数据分析的故障跳闸判别方法,该方法首先将电力***中跨部门、跨专业的海量多维度数据进行智能融合,利用对多数据源对信号品质进行多重过滤、筛选、验证和佐证,实现遥测遥信等信号质量的辨识和确认,保证信号的正确性;结合电网运行方式、一二次设备运行规律,利用电网运行各类事件化的规律,进行事件化建模,从而实现对信号进行分类、打包和组合,并抽象出事件的本质和大纲。将调控运行人员从繁杂的日常性重复工作中解放出来,专注于特殊重点事件、异常情况的处置,大幅提高工作效率,减轻工作负担和工作压力。提升调控运行操作智能化水平的同时实现调控运行经验的***化完整传承。
为实现上述目的,本发明采用的技术方案如下:
一种基于多维度数据分析的故障跳闸判别方法,包括以下步骤:
步骤(1),以设备为中心的信息聚类及数据清洗;
步骤(2),监控信号结构化分析;
步骤(3),建立标准事件模型库;
步骤(4),设备运行方式分析;
步骤(5),多维度数据交叉辨识;
步骤(6),监控信号事件化分析。
进一步,优选的是,步骤(1)的具体方法为:利用自然语言解析技术对告警信息、遥信点表、检修申请、操作票、遥控操作内容进行分词提取,获取厂站、电压等级、设备类型、设备编号、间隔名称这些关键有效信息,对比D5000模型库中厂站、开关、刀闸、母线、变压器、容抗器一次设备,得到关联设备信息,并以不同设备为基础建立数据集分组,将各类数据按照关联设备放入对应数据集,实现各类数据以设备为中心的信息划归聚类。
进一步,优选的是,步骤(2)的具体方法为:基于自然语言处理技术对每一条监控信号进行文法推断和句法分析,经过分割和重构,筛选过滤无效内容,得到准确的监控信号含义。
进一步,优选的是,步骤(2)对监控信号结构化分析包括对信号关联设备识别和对信号含义识别;
对信号关联设备识别具体为:利用自然语言解析技术对设备所属厂站、电压等级、设备描述内容进行分词提取,将设备描述标准化后与电网模型进行关联处理,从而获得信号关联设备;
对信号含义识别具体为:利用自然语言解析技术对信号内容进行分词提取,针对已有的标准信号库与待匹配的信号列表,在厂站、电压等级、设备类型的关键特征点相同情况依据相似度进行排序匹配,取相似度最大的的内容,作为信号含义识别内容。
进一步,优选的是,步骤(3)的具体方法为:针对不同电压等级、接线方式、运行方式建立不同事件化匹配模型,监控信息分析时优先匹配已有的标准事件模型,满足条件时第一时间给出事件化分析结果。
进一步,优选的是,步骤(3),事件化匹配模型的具体建立方法为:结合告警信号、负荷信息、操作情况及环境因素,分析监控信号发出的原因;通过对监控信号的产生原因进行分析,提取保护出口、开关变位、重合闸动作关键信息并针对不同电压等级、接线方式、运行方式建立标准事件模型库。
进一步,优选的是,步骤(4)的具体方法为:根据开关、刀闸、接地刀闸设备的分合状态,结合电网拓扑结构来识别设备当前的运行方式;所述的运行方式包括运行、热备、冷备或检修。
进一步,优选的是,步骤(5)的具体方法为:将经过步骤(1)数据清洗后的检修申请、遥控、设备置牌数据与监控信号进行以设备为基础、以时间段为卡尺的对比融合分析,辨识设备发出信号时间段是否处于检修范围、是否为遥控操作、是否有相关置牌信息,检修、遥控操作、置牌相关设备不参与事件分析;同时利用遥测数据中设备有效量测值与监控信号进行交叉辨识,实现遥信异常数据提取。例如:监控信号分析过程中,对长时间处于断开或者闭合的开关进行同时间段遥测数据中有功或者无功功率的数据校核,若开关处于闭合状态,但遥测值长时间为0;或者开关处于断开状态但同时间段内遥测值正常,无变化,即可将此时间段数据提取为异常数据,辅助事件判别同时可以反应电网异常状态。
进一步,优选的是,步骤(6)的具体方法为:对实时上送的监控信号、检修申请、遥控操作、操作票、置牌信息、遥测数据,经过步骤(1)进行数据清洗,实现以设备为中心的集合聚类;经过步骤(2)对监控信号进行结构化分析,实现监控信号的设备、含义识别;经过步骤(4)结合电网拓扑实现设备运行方式分析;经过步骤(5)对多维度数据融合分析、交叉辨识,实现检修设备、遥控操作设备、置牌设备过滤以及遥信、遥测数据不对应设备信息提取;结合步骤(3)中建立的标准事件模型库,给出完备的跳闸事件分析结果。跳闸事件分析结果可以为:“X年X月X日X时X分X秒[XX变]XX保护动作,导致XX开关跳闸,重合成功(或者重合不良),属于瞬时故障(或者永久故障)”
为解决电网当前对海量监控信息无法有效识别、及时处理的问题,本发明提出一种基于多维度数据融合分析的事件化判别方法,利用智能化手段将海量碎片状的监控信息进行以事件为中心的集合、抽象。可以有效解决电网当前存在的以下不足:
1、海量监控信息无法有效识别、及时处置。
2、大量人工投入,对工作人员的责任心、工作经验等个人因素的依赖越来越强。过多的人工干预不仅容易造成信息漏视,调控员也难以快速准确辨识电网异常。
3、信号差异性较大,给信号含义识别增加一定难度,严重影响调控人员对现场电网运行状态的判别,给电网监控信号分析工作埋下了很大的安全隐患。
本发明与现有技术相比,其有益效果为:
本发明提出了一种基于多维度数据分析的故障跳闸判别方法,通过对监控信号、检修申请、操作票、遥测、遥控等监控相关数据进行结构化分析、清洗,实现以设备、事件为中心的集成聚类。将海量监控信号抽象为简单事件的同时利用多维度数据间的交叉辨识提高事件判别的准确性。辅助调控员对电网异常、故障的快速、准确发现并及时处理,提高变电站设备监控信息分析能力;提高调控中心监控告警信号的处理效率;提高电网监控管理水平。
附图说明
图1为本发明中基于多维度数据分析的故障跳闸判别流程图;
图2为应用实例中XX变正常运行方式下的站内接线图;
图3为多元数据以设备为中心进行数据集成的架构图;
图4为操作票关联设备分析图。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限定本发明的范围。实施例中未注明具体技术或条件者,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者,均为可以通过购买获得的常规产品。
如图1,一种基于多维度数据分析的故障跳闸判别方法,包括以下步骤:
步骤(1),以设备为中心的信息聚类及数据清洗;
步骤(2),监控信号结构化分析;
步骤(3),建立标准事件模型库;
步骤(4),设备运行方式分析;
步骤(5),多维度数据交叉辨识;
步骤(6),监控信号事件化分析。
所述步骤(1)的具体实现方法为:对电力***中结构化、非结构数据内容进行分词提取,获取厂站、电压等级、设备类型、设备编号、间隔名称这些关键有效信息,实现基于自然语言解析的标准化数据清洗。完成文本、数据内涵识别,并自动分析到设备。以设备为中心,采用间隔定位主设备方式,建立D5000遥测、遥信、遥控、告警信息与断路器、刀闸、母线、变压器、容抗器设备的关联关系。以设备为基础建立数据集分组,将各类数据按照关联设备放入对应数据集,实现各类数据以设备为中心的信息划归聚类。
图3为多元数据以设备为中心进行数据集成的架构图;利用自然语言处理(NLP)技术对OMS的检修申请内容、操作票、操作命令、故障进行数据清洗后关联到D5000的模型设备。图4为操作票关联设备分析图;类似此过程可以将检修票、故障信息、操作命令关联到设备,用于电网运行方式校核。
数据标准化清洗的过程中需要对信息进行特征点分词、相同含义不同描述方式兼容处理,统一标准化规则有利于提高设备的准确性,以下为标准化规则举例:
①数字编号不一致
对于设备信息中的罗马数字、英文字母、汉字等不规范数据进行统一标准化处理。
②设备编号不统一
针对变压器、母线等设备,编号中常有”1#、1号、#1”等不同写法,需要标准化处理。
所述步骤(2)的具体实现方法为:根据电网设备与监控信号的特点建立标准的电力语料模型。基于电力公司发布的各类设备典型信息规范,结合各地区特色信号管理规范,形成完备的标准信号库。利用自然语言解析技术对监控信号内容进行分词、过滤、重构。利用“最优可信度占位”理论结合电网模型以及标准信号库有效识别信号相关设备以及信号含义。表1为标准信号库部分数据举例。
表1
基于自然语言处理技术对每一条监控信号进行文法推断和句法分析,经过分割和重构,筛选过滤无效内容,得到准确的监控信号含义。
其中,对监控信号结构化分析包括对信号关联设备识别和对信号含义识别;
对信号关联设备识别具体为:利用自然语言解析技术对设备所属厂站、电压等级、设备描述内容进行分词提取,将设备描述标准化后与电网模型进行关联处理,从而获得信号关联设备;
对信号含义识别具体为:利用自然语言解析技术对信号内容进行分词提取,针对已有的标准信号库与待匹配的信号列表,在厂站、电压等级、设备类型的关键特征点相同情况依据相似度进行排序匹配,取相似度最大的的内容,作为信号含义识别内容。
所述步骤(3)的具体实现方法为:针对不同电压等级、接线方式、运行方式建立不同事件化匹配模型,监控信息分析时优先匹配已有的标准事件模型,满足条件时第一时间给出事件化分析结果。表2是跳闸事件部分标准模型举例:
表2
所述步骤(4)的具体实现方法为:通过分析开关、刀闸、接地刀闸设备的分合状态,结合电网拓扑结构,可以有效识别设备当前的运行方式;所述的运行方式包括运行、热备、冷备或检修。
所述步骤(5)的具体实现方法为:多维度数据融合分析、交叉辨识,完成对数据的筛选、过滤,实现数据与数据间的相关验证。
将经过步骤(1)数据清洗后的检修申请、遥控、设备置牌数据与监控信号进行以设备为基础、以时间段为卡尺的对比融合分析,辨识设备发出信号时间段是否处于检修范围、是否为遥控操作、是否有相关置牌信息,检修、遥控操作、置牌相关设备不参与事件分析;同时利用遥测数据中设备有效量测值与监控信号进行交叉辨识,实现遥信异常数据提取。例如:监控信号分析过程中,对长时间处于断开或者闭合的开关进行同时间段遥测数据中有功或者无功功率的数据校核,若开关处于闭合状态,但遥测值长时间为0;或者开关处于断开状态但同时间段内遥测值正常,无变化,即可将此时间段数据提取为异常数据,辅助事件判别同时可以反应电网异常状态。
以下为部分数据举例:
1)状态断面
定时对接D5000状态断面,利用状态断面中的设备状态校核根据监控信号分析的设备运行方式,有效处理由于监控信号误发、漏发、频发导致设备运行状态分析出现的误差。
2)遥测数据
D5000遥测ID做特殊进制转换可以映射到一次设备模型。获取设备对应的某一时间段内量测值情况,对比监控信号分析设备状态可以辨识出可疑数据,校核事件判别准确性。
3)检修申请、操作票、操作命令、遥控操作、置牌信息
利用检修申请、操作票、操作命令、遥控操作、置牌信息数据的标准化清洗结果,以时间为标志可以有效校核电网的运行方式。为设备检修调试期间发出符合跳闸事件规则信号以及操作期间的分闸信号提供有力的判别依据。
所述步骤(6)的具体实现方法为:获取实时上送的监控信号以及相关检修申请、遥控操作、置牌信息;
利用步骤(1)进行数据清洗,将多维度数据实现以设备为中心的信息集成。
利用步骤(2)对监控信号进行结构化分析,有效识别信号关联设备以及信号含义。
利用步骤(4)分析开关、刀闸、地刀设备状态,结合电网拓扑结构,获取设备当前运行方式。
利用步骤(5)多维度数据融合分析、交叉辨识,实现检修设备、遥控操作设备、置牌设备过滤以及遥信、遥测不对应异常数据提取。
利用步骤(1)、(2)、(4)、(5)分析的数据结果,结合步骤(3)建立的标准事件模型库,进行标准事件模型匹配,定义跳闸事件分析结果:“X年X月X日X时X分X秒[XX变]XX保护动作,导致XX开关跳闸,重合成功(或者重合不良),属于瞬时故障(或者永久故障)”。
经过以上步骤即可完成对监控信号的跳闸事件分析,将离散的监控信号抽象为具体事件的同时收集多维数据间相互校核时捕获的异常数据,辅助工作人员发现电网数据风险,提高变电站设备监控信息分析能力,且提高调控中心监控告警信号的处理效率。
应用实例
图2为XX变正常运行方式下的站内接线图;上送监控信号列表如表3(未展示复归信号)。
表3
经分析得到如下结果:
1、关联设备:
(1)序号1、2、4、5、6、7关联设备为:XX变.110kVA线1151开关
(2)序号3关联设备:无
2、信号含义:
(1)序号1为过流保护动作
(2)序号2、5、7为开关分合闸位置信号
(3)序号3为事故总信号
(4)序号4为重合闸出口信号
(5)序号6为开关弹簧未储能信号
3、结合电网拓扑分析,1151开关处于运行状态。
4、状态断面、遥测数据数据交叉辨识,校核分析结果,当前1151处于运行状态;检修申请、操作票数据校核分析,该设备此时间段内未有检修以及操作信息;置牌、遥控操作数据分析,该设备此时间段内未进行遥控操作且无相关挂牌信息。
5、经过信号清洗、含义识别,设备运行方式校核,最终得到分析结果:2020-01-2510:57:28[XX变]1151开关过流Ⅱ段保护动作,导致1151开关跳闸,重合闸出口,1151开关合闸,1151开关再次跳闸,属于永久故障,重合不成功(分-合-分)。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种基于多维度数据分析的故障跳闸判别方法,其特征在于,包括以下步骤:
步骤(1),以设备为中心的信息聚类及数据清洗;
步骤(2),监控信号结构化分析;
步骤(3),建立标准事件模型库;
步骤(4),设备运行方式分析;
步骤(5),多维度数据交叉辨识;
步骤(6),监控信号事件化分析;
步骤(2)的具体方法为:基于自然语言处理技术对每一条监控信号进行文法推断和句法分析,经过分割和重构,筛选过滤无效内容,得到准确的监控信号含义;
步骤(2)对监控信号结构化分析包括对信号关联设备识别和对信号含义识别;
对信号关联设备识别具体为:利用自然语言解析技术对设备所属厂站、电压等级、设备描述内容进行分词提取,将设备描述标准化后与电网模型进行关联处理,从而获得信号关联设备;
对信号含义识别具体为:利用自然语言解析技术对信号内容进行分词提取,针对已有的标准信号库与待匹配的信号列表,在厂站、电压等级、设备类型的关键特征点相同情况依据相似度进行排序匹配,取相似度最大的内容,作为信号含义识别内容;
步骤(5)的具体方法为:将经过步骤(1)数据清洗后的检修申请、遥控、设备置牌数据与监控信号进行以设备为基础、以时间段为卡尺的对比融合分析,辨识设备发出信号时间段是否处于检修范围、是否为遥控操作、是否有相关置牌信息,检修、遥控操作、置牌相关设备不参与事件分析;同时利用遥测数据中设备有效量测值与监控信号进行交叉辨识,实现遥信异常数据提取。
2.根据权利要求1所述的基于多维度数据分析的故障跳闸判别方法,其特征在于,步骤(1)的具体方法为:利用自然语言解析技术对告警信息、遥信点表、检修申请、操作票、遥控操作内容进行分词提取,获取厂站、电压等级、设备类型、设备编号、间隔名称这些关键有效信息,对比D5000模型库中厂站、开关、刀闸、母线、变压器、容抗器一次设备,得到关联设备信息,并以不同设备为基础建立数据集分组,将各类数据按照关联设备放入对应数据集,实现各类数据以设备为中心的信息划归聚类。
3.根据权利要求1所述的基于多维度数据分析的故障跳闸判别方法,其特征在于,步骤(3)的具体方法为:针对不同电压等级、接线方式、运行方式建立不同事件化匹配模型,监控信息分析时优先匹配已有的标准事件模型,满足条件时第一时间给出事件化分析结果。
4.根据权利要求3所述的基于多维度数据分析的故障跳闸判别方法,其特征在于,步骤(3),事件化匹配模型的具体建立方法为:结合告警信号、负荷信息、操作情况及环境因素,分析监控信号发出的原因;通过对监控信号的产生原因进行分析,提取保护出口、开关变位、重合闸动作关键信息并针对不同电压等级、接线方式、运行方式建立标准事件模型库。
5.根据权利要求1所述的基于多维度数据分析的故障跳闸判别方法,其特征在于,步骤(4)的具体方法为:根据开关、刀闸、接地刀闸设备的分合状态,结合电网拓扑结构来识别设备当前的运行方式;所述的运行方式包括运行、热备、冷备或检修。
6.根据权利要求1所述的基于多维度数据分析的故障跳闸判别方法,其特征在于,步骤(6)的具体方法为:对实时上送的监控信号、检修申请、遥控操作、操作票、置牌信息、遥测数据,经过步骤(1)进行数据清洗,实现以设备为中心的集合聚类;经过步骤(2)对监控信号进行结构化分析,实现监控信号的设备、含义识别;经过步骤(4)结合电网拓扑实现设备运行方式分析;经过步骤(5)对多维度数据融合分析、交叉辨识,实现检修设备、遥控操作设备、置牌设备过滤以及遥信、遥测数据不对应设备信息提取;结合步骤(3)中建立的标准事件模型库,给出完备的跳闸事件分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110158829.4A CN112906389B (zh) | 2021-02-04 | 2021-02-04 | 一种基于多维度数据分析的故障跳闸判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110158829.4A CN112906389B (zh) | 2021-02-04 | 2021-02-04 | 一种基于多维度数据分析的故障跳闸判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112906389A CN112906389A (zh) | 2021-06-04 |
CN112906389B true CN112906389B (zh) | 2022-08-26 |
Family
ID=76122584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110158829.4A Active CN112906389B (zh) | 2021-02-04 | 2021-02-04 | 一种基于多维度数据分析的故障跳闸判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112906389B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115085139B (zh) * | 2022-06-15 | 2023-02-28 | 国网山东省电力公司莘县供电公司 | 一种基于数据处理的电网事故跳闸分析方法及*** |
CN115549315B (zh) * | 2022-11-30 | 2023-03-24 | 广东电网有限责任公司中山供电局 | 一种微机控制的重合闸投退监测方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4447673A (en) * | 1977-12-27 | 1984-05-08 | Stromberg-Carlson Corporation | Ring trip apparatus for a line circuit connected to DCO switch |
CN108537344A (zh) * | 2018-02-01 | 2018-09-14 | 贵州电网有限责任公司 | 基于闭环知识管理的二次设备智能运维方法 |
CN108847968A (zh) * | 2018-06-04 | 2018-11-20 | 国网浙江省电力有限公司 | 监控事故、异常事件辨识及多维分析方法 |
CN109347202A (zh) * | 2018-09-06 | 2019-02-15 | 国网浙江省电力有限公司 | 监控设备典型操作辨识及多维分析方法 |
CN109740770A (zh) * | 2018-12-29 | 2019-05-10 | 广州供电局有限公司 | 设备异常处理方法、装置、计算机设备和存储介质 |
CN110046782A (zh) * | 2018-12-05 | 2019-07-23 | 国网江西省电力有限公司 | 一种电网事故跳闸监控信息问题的自动识别方法 |
CN111047464A (zh) * | 2019-12-04 | 2020-04-21 | 国网湖南省电力有限公司 | 一种电力***故障跳闸自动短信发送方法和*** |
CN111509839A (zh) * | 2020-03-04 | 2020-08-07 | 国网浙江省电力有限公司温州供电公司 | 一种基于告警信号的跳闸事件化模型分析方法 |
CN111753528A (zh) * | 2020-07-27 | 2020-10-09 | 广东电网有限责任公司 | 一种变电站四遥信息表统一规范校核方法和*** |
CN111768076A (zh) * | 2020-05-28 | 2020-10-13 | 国网浙江省电力有限公司绍兴供电公司 | 一种以电网事件为中心的监控告警信号聚类方法 |
CN111768077A (zh) * | 2020-05-28 | 2020-10-13 | 国网浙江省电力有限公司绍兴供电公司 | 一种基于知识图谱的电网跳闸事件智能识别方法 |
CN111934291A (zh) * | 2020-07-21 | 2020-11-13 | 广东电网有限责任公司 | 一种判别断路器偷跳和电气跳闸的方法 |
CN112307003A (zh) * | 2020-11-02 | 2021-02-02 | 合肥优尔电子科技有限公司 | 电网数据多维辅助分析方法、***、终端及可读存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2102997C (en) * | 1992-11-18 | 1999-01-05 | John Peterson | Intrusion alarm with independent trouble evaluation |
CN101789626B (zh) * | 2010-01-05 | 2012-08-15 | 国电南瑞科技股份有限公司 | 面向保护对象自动建模和实时信息联合处理方法 |
CN102255380B (zh) * | 2011-08-02 | 2013-04-17 | 上海思源弘瑞自动化有限公司 | 智能变电站自适应备用电源自动投入装置及其方法 |
CN102684141B (zh) * | 2012-04-28 | 2015-05-20 | 中国农业大学 | 触电电流识别方法及剩余电流保护装置 |
CN106647358B (zh) * | 2016-11-15 | 2019-05-31 | 国电南瑞科技股份有限公司 | 电网设备状态及事件时序关系的开关变位原因识别方法 |
CN111090730A (zh) * | 2019-12-05 | 2020-05-01 | 中科数智(北京)科技有限公司 | 智能语音调度***及方法 |
CN110954782B (zh) * | 2019-12-17 | 2021-10-26 | 国网山东省电力公司济宁供电公司 | 基于密度峰值聚类的配网瞬时性故障识别方法及*** |
-
2021
- 2021-02-04 CN CN202110158829.4A patent/CN112906389B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4447673A (en) * | 1977-12-27 | 1984-05-08 | Stromberg-Carlson Corporation | Ring trip apparatus for a line circuit connected to DCO switch |
CN108537344A (zh) * | 2018-02-01 | 2018-09-14 | 贵州电网有限责任公司 | 基于闭环知识管理的二次设备智能运维方法 |
CN108847968A (zh) * | 2018-06-04 | 2018-11-20 | 国网浙江省电力有限公司 | 监控事故、异常事件辨识及多维分析方法 |
CN109347202A (zh) * | 2018-09-06 | 2019-02-15 | 国网浙江省电力有限公司 | 监控设备典型操作辨识及多维分析方法 |
CN110046782A (zh) * | 2018-12-05 | 2019-07-23 | 国网江西省电力有限公司 | 一种电网事故跳闸监控信息问题的自动识别方法 |
CN109740770A (zh) * | 2018-12-29 | 2019-05-10 | 广州供电局有限公司 | 设备异常处理方法、装置、计算机设备和存储介质 |
CN111047464A (zh) * | 2019-12-04 | 2020-04-21 | 国网湖南省电力有限公司 | 一种电力***故障跳闸自动短信发送方法和*** |
CN111509839A (zh) * | 2020-03-04 | 2020-08-07 | 国网浙江省电力有限公司温州供电公司 | 一种基于告警信号的跳闸事件化模型分析方法 |
CN111768076A (zh) * | 2020-05-28 | 2020-10-13 | 国网浙江省电力有限公司绍兴供电公司 | 一种以电网事件为中心的监控告警信号聚类方法 |
CN111768077A (zh) * | 2020-05-28 | 2020-10-13 | 国网浙江省电力有限公司绍兴供电公司 | 一种基于知识图谱的电网跳闸事件智能识别方法 |
CN111934291A (zh) * | 2020-07-21 | 2020-11-13 | 广东电网有限责任公司 | 一种判别断路器偷跳和电气跳闸的方法 |
CN111753528A (zh) * | 2020-07-27 | 2020-10-09 | 广东电网有限责任公司 | 一种变电站四遥信息表统一规范校核方法和*** |
CN112307003A (zh) * | 2020-11-02 | 2021-02-02 | 合肥优尔电子科技有限公司 | 电网数据多维辅助分析方法、***、终端及可读存储介质 |
Non-Patent Citations (2)
Title |
---|
基于事故模型的监控信号智能分析算法;张家玮等;《山西电力》;20161030(第5期);26-29 * |
基于告警信息的保护跳闸识别方法研究;段翔兮等;《四川电力技术》;20200420;第43卷(第2期);36-40 * |
Also Published As
Publication number | Publication date |
---|---|
CN112906389A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108847968B (zh) | 监控事故、异常事件辨识及多维分析方法 | |
CN111768077B (zh) | 一种基于知识图谱的电网跳闸事件智能识别方法 | |
CN107045663B (zh) | 二次安全措施操作票可视化在线校核***及方法 | |
CN104020754B (zh) | 一种变电站一次主设备状态监测信息接入调控***的方法 | |
CN112906389B (zh) | 一种基于多维度数据分析的故障跳闸判别方法 | |
CN109347202B (zh) | 监控设备典型操作辨识及多维分析方法 | |
CN110674282B (zh) | 基于专家知识规则库的一键顺控操作票智能拟制方法 | |
CN109962443B (zh) | 一种基于scd的保护检修安措策略自动生成***及方法 | |
CN106357002A (zh) | 一种电网设备信号智能处理*** | |
CN113268590A (zh) | 一种基于设备画像和集成学习的电网设备运行状态评估方法 | |
CN111832977A (zh) | 一种基于自然语言解析的检修申请自动成票方法 | |
CN109145166A (zh) | 一种基于故障信息识别的故障数据融合方法 | |
CN111708817B (zh) | 一种变电站监控信息的智能处置方法 | |
CN110704700B (zh) | 一种基于专家知识规则库的一键顺控设备态智能拟制方法 | |
CN112270555B (zh) | 配网调度指令票安全校核***及方法 | |
CN104657814A (zh) | 基于ems***的继电保护装置信号模板抽取定义方法 | |
CN112949271A (zh) | 一种检修安全措施分析方法及*** | |
CN112182303A (zh) | 基于检修安措通用规则库的变电站安措票一键生成方法 | |
CN114692787B (zh) | 基于多源数据的三绕组主变压器事件分析处理方法和*** | |
CN114089067B (zh) | 一种变电站电气二次回路可视化*** | |
CN110245846A (zh) | 基于XGBoost算法的电流突变原因判别方法 | |
CN115587635A (zh) | 一种基于中性点偏移判断的台区线损分析方法、*** | |
CN114626440A (zh) | 一种监控信号的对象化分析方法及装置 | |
CN113972740A (zh) | 基于调度主站的远程二次设备开关量诊断方法与*** | |
CN113097981A (zh) | 一种变电站监控告警信号漏发的判断方法 |
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 |