CN113220751A - 多源数据状态量的计量***及评估方法 - Google Patents

多源数据状态量的计量***及评估方法 Download PDF

Info

Publication number
CN113220751A
CN113220751A CN202110620186.0A CN202110620186A CN113220751A CN 113220751 A CN113220751 A CN 113220751A CN 202110620186 A CN202110620186 A CN 202110620186A CN 113220751 A CN113220751 A CN 113220751A
Authority
CN
China
Prior art keywords
state quantity
source data
information
state
data
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
Application number
CN202110620186.0A
Other languages
English (en)
Inventor
徐敏锐
卢树峰
纪峰
黄奇峰
王忠东
李志新
陆子刚
陈刚
吴桥
郭家豪
陈飞
陈文广
王少华
尧赣东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Jiangsu Electric Power Co ltd Marketing Service Center
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Jiangsu Electric Power Co ltd Marketing Service Center
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Jiangsu Electric Power Co ltd Marketing Service Center, State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Jiangsu Electric Power Co ltd Marketing Service Center
Priority to CN202110620186.0A priority Critical patent/CN113220751A/zh
Publication of CN113220751A publication Critical patent/CN113220751A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00022—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission
    • H02J13/00026—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission involving a local wireless network, e.g. Wi-Fi, ZigBee or Bluetooth
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00028—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment involving the use of Internet protocols
    • 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
    • H02J2213/00—Indexing scheme relating to details of circuit arrangements for providing remote indication of network conditions of for circuit arrangements for providing remote control of switching means in a power distribution network
    • H02J2213/10—Indexing scheme relating to details of circuit arrangements for providing remote indication of network conditions of for circuit arrangements for providing remote control of switching means in a power distribution network using simultaneously two or more different transmission means
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • 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
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
    • Y04S40/126—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using wireless data transmission

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Water Supply & Treatment (AREA)
  • Fuzzy Systems (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本申请公开了多源数据状态量的计量***及评估方法，包括：综合多源数据装置、计量主站服务器和若干能源站检测节点，每一能源站检测节点，用于采集所处站内的多类设备运行状态量信息，采集的信息传输至综合多源数据装置；综合多源数据装置，用于接收并预处理能源站检测节点采集的多类设备运行状态量信息，信息预处理后传输至计量主站服务器；计量主站服务器，用于接收综合多源数据装置的处理信息并进行设备状态量评估和设备运行状态预测。本发明解决了电力数据种类繁多、来源广泛且协议多样化不统一，存在数据杂乱、质量不高等问题。

Description

多源数据状态量的计量***及评估方法
技术领域
本发明属于电力数据处理技术领域，涉及多源数据状态量的计量***及评估方法。
背景技术
随着能源消费量的持续增长，能源已经成为国家和地区的战略资源。作为泛在电力物联网实施落地的重要应用之一，“多站融合”融合了变电站、光伏站、充换电站、储能站等多种资源，优化了城市资源配置，提高了数据感知、分析运行效率，实现了负荷的就地消纳。伴随着分布式电网的建设和发展，用户对电能质量和稳定性的要求不断提高，为解决电力供需平衡、电网可靠、能源高效利用等问题，采用云计算、大数据、人工智能等信息化手段，在拓展“多站融合”增值业务的同时，构建发电端和用户端的直接互动渠道，实现多站融合一体化运营。多站融合一体化运营产生的多源异构数据，数据种类繁多、来源广泛且协议多样化不统一，存在数据杂乱、质量不高等问题。
由于多源异构原始数据中包含大量的错误和冗余数据，而数据的优劣直接影响上层应用分析结果的可靠性及应用目标的真正实现，因此需对其数据质量进行评估以便为上层应用提供更丰富的数据信息。基于此，对异构多源多模态数据质量进行建模，针对这些多源多模态数据中存在的数据种类繁多、来源广泛且协议多样化不统一，存在数据杂乱、质量不高等问题，有必要设计一种新的多源数据状态量的计量***及评估方法，实现对多模态数据进行采集和处理。
发明内容
为解决现有技术中的不足，本申请提供多源数据状态量的计量***及评估方法，对计量***中多源数据状态量进行监控、采集、存储和评估。
为了实现上述目标，本发明采用如下技术方案：
多源数据状态量的计量***，包括综合多源数据装置、计量主站服务器和若干能源站检测节点；
每一能源站检测节点，用于采集所处站内的多类设备运行状态量信息，采集的信息传输至综合多源数据装置；
综合多源数据装置，用于接收并预处理能源站检测节点采集的多类设备运行状态量信息，信息预处理后传输至计量主站服务器；
计量主站服务器，用于接收综合多源数据装置的处理信息并进行设备状态量筛选、性能指标确定、状态评估模型构建和设备运行状态预测。
本发明进一步包括以下优选方案：
优选地，所述能源站检测节点包括变电站检测节点、储能站检测节点、光伏站检测节点、充换电站检测节点，分别采集所处变电站、储能站、光伏站、充换电站内的多类设备运行状态量信息。
优选地，每一能源站检测节点均包括采集模块、微处理器和无线发射模块；
所述采集模块，用于检测电能计量装置的电信息及其周围的环境信息；
所述微处理器，用于对采集模块检测到的电信息和环境信息进行处理，对电信息进行模数转换、将环境信息信号处理分析运算成电信息；
所述无线发射模块，用于将微处理器处理后的电信息发射出去。
优选地，所述采集模块包括温湿度采集模块、电磁场强度采集模块、接线处污秽程度采集模块、电能表采集模块、互感器参量采集模块；
所述温湿度采集模块，用于采集电能表和电力互感器附近的温度和湿度；
所述电磁场强度采集模块，用于采集电能表和电力互感器附近的电磁场强度；
所述接线处污秽程度采集模块，用于采集电能表和电力互感器附近的接线处污秽程度；
所述电能表采集模块，用于采集电能表的电压、电流、脉冲信息；
所述互感器参量采集模块，用于采集二次回路中电压互感器和电流互感器的电压电流信息。
优选地，所有能源站检测节点配置同一个综合多源数据装置，综合多源数据装置与该综合多源数据装置相连的能源站检测节点构成一个星型拓扑结构；或者，
同一类能源站检测节点配置同一个综合多源数据装置，综合多源数据装置与该综合多源数据装置相连的能源站检测节点构成一个星型拓扑结构，所有综合多源数据装置与计量主站服务器构成一个星型拓扑结构。
优选地，能源站检测节点与综合多源数据装置之间通过PLC、ZigBee或LoRa方式进行数据传输；
综合多源数据装置与计量主站服务器之间通过4G、5G或有线以太网的方式进行数据传输。
优选地，能源站检测节点与综合多源数据装置之间的网络工作时采用网络记忆快速恢复网络。
优选地，所述综合多源数据装置内置卫星信号接收装置，用于与GPS或北斗通信，获取高精度授时信息。
优选地，所述计量主站服务器包括状态量筛选模块、状态量性能指标确定模块、状态评估模型建立模块和运行状态预测模块；
所述状态量筛选模块，用于根据预评估的对象选取对评估结果影响较大的状态量作为状态量评估模型输入变量集合；
所述状态量性能指标确定模块，用于关口计量装置的运行正常状态、故障状态及预警状态的指标确定；
所述状态评估模型建立模块，用来建立极限学习机模型，实现计量***运行状态评估；
所述运行状态预测模块，用于根据状态量的评估结果，预测设备的运行状态。
本发明还公开了多源数据状态量的评估方法，所述方法包括以下步骤：
步骤1：站点数据采集：能源站检测节点采集对应站点多类设备运行状态量信息；
步骤2：接收并预处理能源站检测节点采集的多类设备运行状态量信息，信息预处理后传输至计量主站服务器；
步骤3：接收综合多源数据装置的处理信息并进行设备状态量筛选、性能指标确定、状态评估模型构建和设备运行状态预测。
优选地，步骤2所述预处理包括：数据打时间戳、降维、空值处理和归一化的处理。
优选地，步骤3具体包括以下步骤：
步骤301：状态量筛选：根据预评估的对象选取对评估结果影响较大的状态量作为状态量评估模型输入变量集合；
步骤302：状态量性能指标确定：用于关口计量装置的运行正常状态、故障状态及预警状态的指标确定；
步骤303：状态评估模型建立：建立极限学习机模型，进行计量***运行状态评估；
步骤304：运行状态预测：根据状态量的评估结果，预测设备的运行状态。
优选地，步骤301中，采用互信息度量各状态量和计量性能指数间的相关性，选取对评估结果影响较大的作为状态量评估模型输入变量集合，具体包括：
步骤301.1：数据融合：多源数据状态量的计量***将实时获取的能源站检测节点数据进行融合，形成新特征属性数据：
步骤301.2：变量编码：
将数据中关口计量装置运行状态指标中的门限类指标连续变量离散化；
对于数据中离散变量进行one-hot编码。
步骤301.3：特征相关性分析：
计算任意状态量(X,Y)的信息熵H(X)、H(Y)，及其联合熵H(XY)为：
Figure BDA0003099226230000041
计算X、Y共享信息量的大小，即互信息I(X；Y)：
I(X；Y)＝H(X)+H(Y)-H(XY)
对互信息的熵相关系数归一化：
Figure BDA0003099226230000042
选择IXY小的状态量作为状态量评估模型输入。
优选地，步骤302具体为：
将状态量筛选模块筛选出的数据集进行切分，分成训练集和测试集；
采用K折交叉验证方法，将数据随机的分成10组，每次随机的选择9组作为训练集，剩下的1组做测试集；当完成一轮后，重新随机选择9组作为训练集，剩下的1组做测试集，通过对测试集训练，得到假设函数，把这个假设函数放到测试集上，得到分类率，计算10次求得的分类率的平均值作为10折交叉验证下分类器的性能指标。
优选地，步骤303具体为：
选择极限学习机：第i个隐藏层节点的输出方程为：
hi(x)＝G(ai,bi,x)
其中，ai和bi是第i个隐藏层节点的参数，hi(x)为激活函数；
则整个隐藏层输出映射为：
h(x)＝[G(hi(x),...,hL(x))]
给定N个训练样本，ELM的隐藏层输出矩阵H为：
Figure BDA0003099226230000051
则，具有L个隐藏节点的ELM结构的输出为：
Figure BDA0003099226230000052
其中，βi是第i个隐藏节点的输出权重，则整个隐藏层的输出为：
Hβ
目标矩阵T为：
Figure BDA0003099226230000053
引入正则化系数C后，其目标函数为：
Figure BDA0003099226230000054
求得：
Figure BDA0003099226230000055
则确定ELM网络各个部分的参数，从而建立计量***运行状态评估模型。
优选地，步骤304具体为：
根据建立的计量***运行状态评估模型，将实时采集的各类传感器数据以及用户电能表和电力互感器的数据，输入运行状态评估模型，得出计量***实时运行状态评分结果，根据评分结果判定设备的运行状态，实现关口计量装置状态预测；
其中接入的多站，每个站点独立进行计量***运行状态评估。
本申请所达到的有益效果：
本发明从变电站、光伏站、充换电站、储能站等多个站点采集资源中提取各参量监测关键数据，并对采集数据进行预处理，状态量筛选，性能指标确定，计算各参量的运行状态指标，将评估模型应用于状态评估，从而确定各个站点的参量状态是否正常。本发明解决了电力数据种类繁多、来源广泛且协议多样化不统一，存在数据杂乱、质量不高等问题，还解决了各个站点传统状态评估技术中按照人的主观期望进行区分和判别、失误率较大的问题。本发明方案能够较灵敏地识别出异常状况，有效提高状态诊断的准确性与全面性。
附图说明
图1是本发明多源数据状态量的计量***的第一实施例结构图；
图2是本发明多源数据状态量的计量***的第二实施例结构图；
图3是本发明各能源站检测节点结构图；
图4是本发明多源数据状态量的评估方法流程图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。
如图1和2所示，本发明的多源数据状态量的计量***，包括综合多源数据装置、计量主站服务器和若干能源站检测节点；
每一能源站检测节点，用于采集所处站内的多类设备运行状态量信息，采集的信息传输至综合多源数据装置；
综合多源数据装置，用于接收并预处理能源站检测节点采集的多类设备运行状态量信息，信息预处理后传输至计量主站服务器；
如图1所示，所有能源站检测节点配置同一个综合多源数据装置，综合多源数据装置与该综合多源数据装置相连的能源站检测节点构成一个星型拓扑结构；或者，
如图2所示，同一类能源站检测节点配置同一个综合多源数据装置，综合多源数据装置与该综合多源数据装置相连的能源站检测节点构成一个星型拓扑结构，所有综合多源数据装置与计量主站服务器构成一个星型拓扑结构。
具体实施时，所述能源站检测节点包括变电站检测节点、储能站检测节点、光伏站检测节点、充换电站检测节点，分别采集所处变电站、储能站、光伏站、充换电站内的多类设备运行状态量信息。
如图3所示，每一能源站检测节点均包括采集模块、微处理器和无线发射模块；
所述采集模块，用于检测电能计量装置的电信息及其周围的环境信息；
所述采集模块包括温湿度采集模块、电磁场强度采集模块、接线处污秽程度采集模块、电能表采集模块、互感器参量采集模块；
所述温湿度采集模块，用于采集电能表和电力互感器附近的温度和湿度；
所述电磁场强度采集模块，用于采集电能表和电力互感器附近的电磁场强度；
所述接线处污秽程度采集模块，用于采集电能表和电力互感器附近的接线处污秽程度；
所述电能表采集模块，用于采集电能表的电压、电流、脉冲信息；
互感器参量采集模块，用于采集二次回路中电压互感器和电流互感器的电压电流信息。
所述微处理器，用于对采集模块检测到的电信息和环境信息进行处理，对电信息进行模数转换、将环境信息信号处理分析运算成电信息；
所述无线发射模块，用于将微处理器处理后的电信息发射出去。
能源站检测节点与综合多源数据装置之间通过PLC(电力线在线通信)、ZigBee或LoRa方式进行数据传输；
综合多源数据装置与计量主站服务器之间通过4G、5G或有线以太网的方式进行数据传输。
4G方式兼具组建方便和成本低廉的优点，5G方式确保传输数据的实时性、可靠性、海量性以及保密性。
能源站检测节点与综合多源数据装置之间的网络工作时采用网络记忆快速恢复网络，当某个站的检测节点断开或重启时，无需重新加入网络就可以直接进行工作，其中对应站的检测节点的信息及地址等信息记录在片内的Flash中，对应站的检测节点在每次上电后读取Flash存储的信息，若信息有效，即非0，则通过监听同步后直接工作。
所述综合多源数据装置内置卫星信号接收装置，用于与GPS或北斗通信，获取高精度授时信息。
计量主站服务器，用于接收综合多源数据装置的处理信息并进行设备状态量筛选、性能指标确定、状态评估模型构建和设备运行状态预测。
所述计量主站服务器包括状态量筛选模块、状态量性能指标确定模块、状态评估模型建立模块和运行状态预测模块；
所述状态量筛选模块，用于根据预评估的对象选取对评估结果影响较大的状态量作为状态量评估模型输入变量集合；
所述状态量性能指标确定模块，用于关口计量装置的运行正常状态、故障状态及预警状态的指标确定；
所述状态评估模型建立模块，用来建立极限学习机模型，实现计量***运行状态评估；
所述运行状态预测模块，用于根据状态量的评估结果，预测设备的运行状态。
如图4所示，本发明的多源数据状态量的评估方法，所述方法包括以下步骤：
步骤1：站点数据采集：能源站检测节点采集对应站点多类设备运行状态量信息；
步骤2：接收并预处理能源站检测节点采集的多类设备运行状态量信息，信息预处理后传输至计量主站服务器；
所述预处理包括：数据打时间戳、降维、空值处理和归一化的处理。
通过数据打时间戳，不同数据在使用时可以关联，同步。根据同步的数据包计算的参量准确性更高，避免出现由于数据包时间不同步导致根据该数据包计算的信息准确度低的情况。
同时，对于多维影响量，在建立神经网络模型时，由于多维数据的输入，模型在训练时会消耗大量计算资源，并且，由于冗余的数据存在，导致模型训练效果较差。因此，需要对数据进行降维处理。
步骤3：接收综合多源数据装置的处理信息并进行设备状态量筛选、性能指标确定、状态评估模型构建和设备运行状态预测，具体包括以下步骤：
步骤301：状态量筛选：根据预评估的对象选取对评估结果影响较大的状态量作为状态量评估模型输入变量集合：
具体实施时，采用互信息度量各状态量和计量性能指数间的相关性，选取对评估结果影响较大的作为状态量评估模型输入变量集合，具体为：
1)数据融合
多源数据状态量的计量***将实时获取的能源站检测节点数据进行融合，形成新特征属性数据。
对于PT二次压降合成误差，根据多源数据状态量的计量***运行数据中二次回路的电能表的电压和电压互感器的电压，计算二次压降特征参数比差f(％)(A、B、C相)、角差δ(＇)(A、B、C相)，将其转换为电压互感器压降合成误差进行度量，实现特征参数融合处理。
例如：
(a)PT二次压降合成误差
对于PT二次压降合成误差，根据多源数据状态量的计量***运行数据，即检测节点采集的数据中二次回路的电能表的电压和电压互感器的电压，计算二次压降特征参数比差f(％)(A、B、C相)、角差δ(＇)(A、B、C相)，将其转换为电压互感器压降合成误差进行度量，实现特征参数融合处理。
对于二次回路压降，运行数据是指采集的二次回路中电能表的电压和电压互感器的电压。
关口电能计量装置二次回路压降合成误差计算公式如下：
Figure BDA0003099226230000091
(b)三相电压、电流监测值变差
多源数据状态量的计量***运行数据中A、B、C相电压、电流值转换为三相电压测量值变差、三相电流测量值变差。计算公式如下：
Figure BDA0003099226230000092
Figure BDA0003099226230000101
2)变量编码
将关口计量装置运行状态指标中的门限类指标连续变量离散化，例如，电能表误差指标根据电能表准确度级别进行划分分类。
对于数据中离散变量(比如运行状态：正常、预警及故障)进行one-hot编码。举例对应于对应电能表采集模块采集的电能表电压、电流、脉冲信息，从而计算电能表误差。
3)特征相关性分析
随机变量(X,Y)的信息熵H(X)、H(Y)，及其联合熵H(XY)定义为：
Figure BDA0003099226230000102
互信息I(X；Y)表示变量X、Y共享信息量的大小：
I(X；Y)＝H(X)+H(Y)-H(XY)
为方便比较互信息大小，对互信息的熵相关系数归一化：
Figure BDA0003099226230000103
根据互信息的大小，选择互信息小的状态量作为模型输入。
例如，最终选取电能表有功误差(误差、变差)、电能表无功误差(误差、变差)、二次压降(A、B、C相)、PT二次负荷(A、B、C相)、PT二次压降合成误差、三相电压监测值一致性、三相电流监测值一致性、线损误差指标作为特征属性。举例对应于对应电能表采集模块采集的电能表电压、电流、脉冲信息；互感器参量采集模块采集的二次回路中电压互感器和电流互感器的电压电流信息。
步骤302：状态量性能指标确定：用于关口计量装置的运行正常状态、故障状态及预警状态的指标确定，具体为：
将状态量筛选模块筛选出的数据集进行切分，分成训练集和测试集；
采用K折交叉验证方法，将数据随机的分成10组，每次随机的选择9组作为训练集，剩下的1组做测试集；当完成一轮后，重新随机选择9组作为训练集，剩下的1组做测试集，通过对测试集训练，得到假设函数，把这个假设函数放到测试集上，得到分类率，计算10次求得的分类率的平均值作为10折交叉验证下分类器的性能指标。
例如，关口计量装置正常状态指标如下：
(1)电能表有功误差(0.2S等级)：误差：≤0.16％，变差：≤0.10％；
(2)电能表无功误差(2等级)：误差：≤1.6％，变差：≤1.0％；
(3)二次压降及合成误差：误差：≤0.16％，变差：≤0.06％；
(4)PT二次负荷：2.5VA～80％额定二次负荷(Sn＞10VA)；
(5)CT二次负荷：3.75VA～80％额定二次负荷(Sn＞10VA,In＝5A)；
(6)三相电压监测值：变差：≤2％；
(7)三相电流监测值：变差：≤10％。
关口计量装置预警状态指标如下：
(1)电能表有功误差(0.2S等级)：误差：0.16％～0.20％，变差：0.10％～0.20％；
(2)电能表无功误差(2等级)：误差：1.6％～2％，变差：1％～2％；
(3)二次压降及合成误差：误差：0.16％～0.20％，变差：0.06％～0.18％；
(4)PT二次负荷：80％～100％额定二次负荷(Sn＞10VA)；
(5)CT二次负荷：80％～100％额定二次负荷(Sn＞10VA,In＝5A)；
(6)三相电压监测值：变差：2％～4％；
(7)三相电流监测值：变差：10％～50％。
关口计量装置故障状态即运行数据处于正常范围及预警范围之外。
步骤303：状态评估模型建立：建立极限学习机模型，进行计量***运行状态评估，具体为：
选择极限学习机：
第i个隐藏层节点的输出方程为：
hi(x)＝G(ai,bi,x)
其中ai和bi是第i个隐藏层节点的参数，hi(x)为激活函数。则整个隐藏层输出映射为：
h(x)＝[G(hi(x),...,hL(x))]
给定N个训练样本，ELM的隐藏层输出矩阵H为：
Figure BDA0003099226230000121
则，具有L个隐藏节点的ELM结构的输出为：
Figure BDA0003099226230000122
其中，βi是第i个隐藏节点的输出权重，则整个隐藏层的输出为：
Hβ
目标矩阵T为：
Figure BDA0003099226230000123
引入正则化系数C后，其目标函数为：
Figure BDA0003099226230000124
可求得：
Figure BDA0003099226230000125
则可确定ELM网络各个部分的参数，从而建立计量***运行状态评估模型。
步骤304：运行状态预测：根据状态量的评估结果，预测设备的运行状态，具体为：
根据建立的计量***运行状态评估模型，将实时采集的各类传感器数据以及用户电能表和电力互感器的数据，输入运行状态评估模型，得出计量***实时运行状态评分结果，根据评分结果判定设备的运行状态，实现关口计量装置状态预测；
其中接入的多站，每个站点独立进行计量***运行状态评估。
具体实施时，设备的运行状态和运维策略规则为表1：
表1设备的运行状态和运维策略规则
Figure BDA0003099226230000131
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

Claims (16)

1.多源数据状态量的计量***，包括综合多源数据装置、计量主站服务器和若干能源站检测节点，其特征在于：
每一能源站检测节点，用于采集所处站内的多类设备运行状态量信息，采集的信息传输至综合多源数据装置；
综合多源数据装置，用于接收并预处理能源站检测节点采集的多类设备运行状态量信息，信息预处理后传输至计量主站服务器；
计量主站服务器，用于接收综合多源数据装置的处理信息并进行设备状态量筛选、性能指标确定、状态评估模型构建和设备运行状态预测。
2.根据权利要求1所述的多源数据状态量的计量***，其特征在于：
所述能源站检测节点包括变电站检测节点、储能站检测节点、光伏站检测节点、充换电站检测节点，分别采集所处变电站、储能站、光伏站、充换电站内的多类设备运行状态量信息。
3.根据权利要求1所述的多源数据状态量的计量***，其特征在于：
每一能源站检测节点均包括采集模块、微处理器和无线发射模块；
所述采集模块，用于检测电能计量装置的电信息及其周围的环境信息；
所述微处理器，用于对采集模块检测到的电信息和环境信息进行处理，对电信息进行模数转换、将环境信息信号处理分析运算成电信息；
所述无线发射模块，用于将微处理器处理后的电信息发射出去。
4.根据权利要求3所述的多源数据状态量的计量***，其特征在于：
所述采集模块包括温湿度采集模块、电磁场强度采集模块、接线处污秽程度采集模块、电能表采集模块、互感器参量采集模块；
所述温湿度采集模块，用于采集电能表和电力互感器附近的温度和湿度；
所述电磁场强度采集模块，用于采集电能表和电力互感器附近的电磁场强度；
所述接线处污秽程度采集模块，用于采集电能表和电力互感器附近的接线处污秽程度；
所述电能表采集模块，用于采集电能表的电压、电流、脉冲信息；
所述互感器参量采集模块，用于采集二次回路中电压互感器和电流互感器的电压电流信息。
5.根据权利要求1所述的多源数据状态量的计量***，其特征在于：
所有能源站检测节点配置同一个综合多源数据装置，综合多源数据装置与该综合多源数据装置相连的能源站检测节点构成一个星型拓扑结构；或者，
同一类能源站检测节点配置同一个综合多源数据装置，综合多源数据装置与该综合多源数据装置相连的能源站检测节点构成一个星型拓扑结构，所有综合多源数据装置与计量主站服务器构成一个星型拓扑结构。
6.根据权利要求1所述的多源数据状态量的计量***，其特征在于：
能源站检测节点与综合多源数据装置之间通过PLC、ZigBee或LoRa方式进行数据传输；
综合多源数据装置与计量主站服务器之间通过4G、5G或有线以太网的方式进行数据传输。
7.根据权利要求1所述的多源数据状态量的计量***，其特征在于：
能源站检测节点与综合多源数据装置之间的网络工作时采用网络记忆快速恢复网络。
8.根据权利要求1所述的多源数据状态量的计量***，其特征在于：
所述综合多源数据装置内置卫星信号接收装置，用于与GPS或北斗通信，获取高精度授时信息。
9.根据权利要求1所述的多源数据状态量的计量***，其特征在于：
所述计量主站服务器包括状态量筛选模块、状态量性能指标确定模块、状态评估模型建立模块和运行状态预测模块；
所述状态量筛选模块，用于根据预评估的对象选取对评估结果影响较大的状态量作为状态量评估模型输入变量集合；
所述状态量性能指标确定模块，用于关口计量装置的运行正常状态、故障状态及预警状态的指标确定；
所述状态评估模型建立模块，用来建立极限学习机模型，实现计量***运行状态评估；
所述运行状态预测模块，用于根据状态量的评估结果，预测设备的运行状态。
10.根据权利要求1-9任一项所述的多源数据状态量的计量***的多源数据状态量的评估方法，其特征在于：
所述方法包括以下步骤：
步骤1：站点数据采集：能源站检测节点采集对应站点多类设备运行状态量信息；
步骤2：接收并预处理能源站检测节点采集的多类设备运行状态量信息，信息预处理后传输至计量主站服务器；
步骤3：接收综合多源数据装置的处理信息并进行设备状态量筛选、性能指标确定、状态评估模型构建和设备运行状态预测。
11.根据权利要求10所述的多源数据状态量的评估方法，其特征在于：
步骤2所述预处理包括：数据打时间戳、降维、空值处理和归一化的处理。
12.根据权利要求10所述的多源数据状态量的评估方法，其特征在于：
步骤3具体包括以下步骤：
步骤301：状态量筛选：根据预评估的对象选取对评估结果影响较大的状态量作为状态量评估模型输入变量集合；
步骤302：状态量性能指标确定：用于关口计量装置的运行正常状态、故障状态及预警状态的指标确定；
步骤303：状态评估模型建立：建立极限学习机模型，进行计量***运行状态评估；
步骤304：运行状态预测：根据状态量的评估结果，预测设备的运行状态。
13.根据权利要求12所述的多源数据状态量的评估方法，其特征在于：
步骤301中，采用互信息度量各状态量和计量性能指数间的相关性，选取对评估结果影响较大的作为状态量评估模型输入变量集合，具体包括：
步骤301.1：数据融合：多源数据状态量的计量***将实时获取的能源站检测节点数据进行融合，形成新特征属性数据：
步骤301.2：变量编码：
将数据中关口计量装置运行状态指标中的门限类指标连续变量离散化；
对于数据中离散变量进行one-hot编码；
步骤301.3：特征相关性分析：
计算任意状态量(X,Y)的信息熵H(X)、H(Y)，及其联合熵H(XY)为：
Figure FDA0003099226220000041
计算X、Y共享信息量的大小，即互信息I(X；Y)：
I(X；Y)＝H(X)+H(Y)-H(XY)
对互信息的熵相关系数归一化：
Figure FDA0003099226220000042
选择IXY小的状态量作为状态量评估模型输入。
14.根据权利要求12所述的多源数据状态量的评估方法，其特征在于：
步骤302具体为：
将状态量筛选模块筛选出的数据集进行切分，分成训练集和测试集；
采用K折交叉验证方法，将数据随机的分成10组，每次随机的选择9组作为训练集，剩下的1组做测试集；当完成一轮后，重新随机选择9组作为训练集，剩下的1组做测试集，通过对测试集训练，得到假设函数，把这个假设函数放到测试集上，得到分类率，计算10次求得的分类率的平均值作为10折交叉验证下分类器的性能指标。
15.根据权利要求12所述的多源数据状态量的评估方法，其特征在于：
步骤303具体为：
选择极限学习机：第i个隐藏层节点的输出方程为：
hi(x)＝G(ai,bi,x)
其中，ai和bi是第i个隐藏层节点的参数，hi(x)为激活函数；
则整个隐藏层输出映射为：
h(x)＝[G(hi(x),...,hL(x))]
给定N个训练样本，ELM的隐藏层输出矩阵H为：
Figure FDA0003099226220000051
则，具有L个隐藏节点的ELM结构的输出为：
Figure FDA0003099226220000052
其中，βi是第i个隐藏节点的输出权重，则整个隐藏层的输出为：
Hβ
目标矩阵T为：
Figure FDA0003099226220000053
引入正则化系数C后，其目标函数为：
Figure FDA0003099226220000054
求得：
Figure FDA0003099226220000055
则确定ELM网络各个部分的参数，从而建立计量***运行状态评估模型。
16.根据权利要求12所述的多源数据状态量的评估方法，其特征在于：
步骤304具体为：
根据建立的计量***运行状态评估模型，将实时采集的各类传感器数据以及用户电能表和电力互感器的数据，输入运行状态评估模型，得出计量***实时运行状态评分结果，根据评分结果判定设备的运行状态，实现关口计量装置状态预测；
其中接入的多站，每个站点独立进行计量***运行状态评估。
CN202110620186.0A 2021-06-03 2021-06-03 多源数据状态量的计量***及评估方法 Pending CN113220751A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110620186.0A CN113220751A (zh) 2021-06-03 2021-06-03 多源数据状态量的计量***及评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110620186.0A CN113220751A (zh) 2021-06-03 2021-06-03 多源数据状态量的计量***及评估方法

Publications (1)

Publication Number Publication Date
CN113220751A true CN113220751A (zh) 2021-08-06

Family

ID=77082694

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110620186.0A Pending CN113220751A (zh) 2021-06-03 2021-06-03 多源数据状态量的计量***及评估方法

Country Status (1)

Country Link
CN (1) CN113220751A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115145989A (zh) * 2022-07-04 2022-10-04 夏文祥 一种基于物联网数据模型的数据共享方法及装置
CN116859322A (zh) * 2023-09-05 2023-10-10 青岛鼎信通讯股份有限公司 基于智能量测终端的电能表计量误差监测方法
CN117148006A (zh) * 2023-08-31 2023-12-01 江西方兴科技股份有限公司 一种基于载波通信的plc柜监测方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117602A (zh) * 2015-08-28 2015-12-02 国家电网公司 一种计量装置运行状态预警方法
CN106405405A (zh) * 2016-10-25 2017-02-15 国家电网公司 配电断路器机械特性在线监测评估方法及***
CN107169628A (zh) * 2017-04-14 2017-09-15 华中科技大学 一种基于大数据互信息属性约简的配电网可靠性评估方法
CN110611714A (zh) * 2019-09-20 2019-12-24 浙江新能量科技股份有限公司 基于物联网大数据云平台综合能源应用控制***
CN110855004A (zh) * 2019-11-28 2020-02-28 国网天津市电力公司 基于多站融合的智慧站一体化监控***
CN111293777A (zh) * 2019-11-15 2020-06-16 国网浙江省电力有限公司嘉兴供电公司 一种用于多站融合的电力运行不间断供电***及方法
CN111641207A (zh) * 2020-06-03 2020-09-08 国网上海市电力公司 一种区域能源综合体虚拟聚合***及方法
CN111753297A (zh) * 2020-05-29 2020-10-09 国网福建省电力有限公司 适用于多站融合变电站监控***多信息流模块化接入方法
CN112685472A (zh) * 2020-12-28 2021-04-20 中国电力科学研究院有限公司 一种电网多站融合监控方法、装置、电子设备及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117602A (zh) * 2015-08-28 2015-12-02 国家电网公司 一种计量装置运行状态预警方法
CN106405405A (zh) * 2016-10-25 2017-02-15 国家电网公司 配电断路器机械特性在线监测评估方法及***
CN107169628A (zh) * 2017-04-14 2017-09-15 华中科技大学 一种基于大数据互信息属性约简的配电网可靠性评估方法
CN110611714A (zh) * 2019-09-20 2019-12-24 浙江新能量科技股份有限公司 基于物联网大数据云平台综合能源应用控制***
CN111293777A (zh) * 2019-11-15 2020-06-16 国网浙江省电力有限公司嘉兴供电公司 一种用于多站融合的电力运行不间断供电***及方法
CN110855004A (zh) * 2019-11-28 2020-02-28 国网天津市电力公司 基于多站融合的智慧站一体化监控***
CN111753297A (zh) * 2020-05-29 2020-10-09 国网福建省电力有限公司 适用于多站融合变电站监控***多信息流模块化接入方法
CN111641207A (zh) * 2020-06-03 2020-09-08 国网上海市电力公司 一种区域能源综合体虚拟聚合***及方法
CN112685472A (zh) * 2020-12-28 2021-04-20 中国电力科学研究院有限公司 一种电网多站融合监控方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张亚超: "风电功率超短期预测及其并网优化调度模型研究", 中国优秀博士学位论文全文数据库 工程科技Ⅱ辑》, 15 January 2020 (2020-01-15) *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115145989A (zh) * 2022-07-04 2022-10-04 夏文祥 一种基于物联网数据模型的数据共享方法及装置
CN115145989B (zh) * 2022-07-04 2023-03-10 夏文祥 一种基于物联网数据模型的数据共享方法及装置
CN117148006A (zh) * 2023-08-31 2023-12-01 江西方兴科技股份有限公司 一种基于载波通信的plc柜监测方法及装置
CN117148006B (zh) * 2023-08-31 2024-05-10 江西方兴科技股份有限公司 一种基于载波通信的plc柜监测方法及装置
CN116859322A (zh) * 2023-09-05 2023-10-10 青岛鼎信通讯股份有限公司 基于智能量测终端的电能表计量误差监测方法
CN116859322B (zh) * 2023-09-05 2024-01-09 青岛鼎信通讯股份有限公司 基于智能量测终端的电能表计量误差监测方法

Similar Documents

Publication Publication Date Title
CN113220751A (zh) 多源数据状态量的计量***及评估方法
CN105515184B (zh) 基于无线传感网络的多传感器多参量配网协同监测***
CN105512448B (zh) 一种配电网健康指数的评估方法
CN106325252A (zh) 多层大跨度面向大数据的电力设备状态监测与评估***
CN108062571A (zh) 基于差分进化随机森林分类器的光伏阵列故障诊断方法
CN112684301B (zh) 一种电网故障的检测方法和装置
CN113077020B (zh) 一种变压器集群管理方法及***
CN103617447B (zh) 智能变电站的评价***及评价方法
CN106845562B (zh) 光伏组件的故障监测***及数据处理方法
CN103869192A (zh) 智能电网线损检测方法和***
CN106843100A (zh) 变电站二次设备运行状态等级判断方法和装置
CN115730749B (zh) 基于融合电力数据的电力调度风险预警方法及装置
CN111654392A (zh) 基于互信息的低压配电网拓扑识别方法及***
CN115395643A (zh) 基于全数据采集和状态感知的低压配电网故障预警定位装置及***
CN118017509B (zh) 基于数字孪生空间的大规模配电网并行优化方法
CN116400172A (zh) 基于随机矩阵的云边协同配电网故障检测方法及***
CN110389268A (zh) 一种电力***的在线监测***
CN109378834A (zh) 基于信息最大相关的大规模电网电压稳定裕度评估***
CN108333505A (zh) 基于wsn的高压断路器在线状态监测***
CN110533300B (zh) 基于博弈集对云的变压器智能决策***
CN116154968A (zh) 一种基于iec104协议传感器的电力参数监测***
Kotsalos et al. On the development of a framework for the advanced monitoring of LV grids
Li et al. State Perception Method of Intelligent Substation Secondary System Based on FCE and DCNN
CN214429327U (zh) 基于泛在电力物联网低压配电柜内电气设备状态采集装置
Zhu et al. State Evaluation for Intelligent Distribution Terminal Units Based on Mining Association Rules

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