CN113408656B - 一种适用于由气象变化引起电力故障级别分类方法 - Google Patents

一种适用于由气象变化引起电力故障级别分类方法 Download PDF

Info

Publication number
CN113408656B
CN113408656B CN202110794996.8A CN202110794996A CN113408656B CN 113408656 B CN113408656 B CN 113408656B CN 202110794996 A CN202110794996 A CN 202110794996A CN 113408656 B CN113408656 B CN 113408656B
Authority
CN
China
Prior art keywords
data
meteorological
fault
power failure
historical
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
Application number
CN202110794996.8A
Other languages
English (en)
Other versions
CN113408656A (zh
Inventor
方健
杨帆
童锐
郝方舟
晏小卉
张敏
田妍
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.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong Power Grid 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 Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202110794996.8A priority Critical patent/CN113408656B/zh
Publication of CN113408656A publication Critical patent/CN113408656A/zh
Application granted granted Critical
Publication of CN113408656B publication Critical patent/CN113408656B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种适用于由气象变化引起电力故障级别分类方法，包括，获取历史电力故障数据；利用气象***获取历史的气象数据及天气预报数据；将所述历史电力故障数据结合所述气象数据构建故障级别分类模型；将待测试的数据集代入所述故障级别分类模型，输出得到分类值。本发明能够考虑气象变化影响，全面考虑电力设备故障的类型，通过历史数据构建精准的分类模型，提高电力设备故障级别分类的准确的，为后期维护提供可靠的服务。

Description

一种适用于由气象变化引起电力故障级别分类方法
技术领域
本发明涉及电力设备故障分类的技术领域，尤其涉及一种适用于由气象变化引起电力故障级别分类方法。
背景技术
在电网运行过程中，很多设备因为各种各样的原因会发生故障，如运行时负载、雷雨天气、大雪天气以及滑坡等，有的故障是无法通过维修来解决的，因此需要对电力设备故障进行分类，传统分类方法无法对气象变化因素影响的电力设备故障的发生进行准确的分类。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：无法对气象变化因素影响的电力设备故障的发生进行准确的分类。
为解决上述技术问题，本发明提供如下技术方案：包括，获取历史电力故障数据；利用气象***获取历史的气象数据及天气预报数据；将所述历史电力故障数据结合所述气象数据构建故障级别分类模型；将待测试的数据集代入所述故障级别分类模型，输出得到分类值。
作为本发明所述的适用于由气象变化引起电力故障级别分类方法的一种优选方案，其中：获取所述历史电力故障数据包括，利用电力巡检日志***采集所述历史电力故障数据。
作为本发明所述的适用于由气象变化引起电力故障级别分类方法的一种优选方案，其中：获取所述历史的气象数据及天气预报数据包括，电力设备发生缺陷时所处的气象环境信息。
作为本发明所述的适用于由气象变化引起电力故障级别分类方法的一种优选方案，其中：还包括，温度、能见度、云量、降水量、气压、风速、风向、相对湿度、天气现象，自动化的获取电网设备运行时环境信息。
作为本发明所述的适用于由气象变化引起电力故障级别分类方法的一种优选方案，其中：所述天气现象包括，是否大雨、雷电、小雪、大雪天气。
作为本发明所述的适用于由气象变化引起电力故障级别分类方法的一种优选方案，其中：构建所述故障级别分类模型包括，利用大数据技术分析技术，综合气象预警数据、设备运维数据分析不同区域、不同时间、及不同设备的故障概率，作为电网设备运行时发生故障的决策指导。
作为本发明所述的适用于由气象变化引起电力故障级别分类方法的一种优选方案，其中：所述待测试数据集包括，近一年内采集的所述历史电力故障数据和所述历史气象数据。
作为本发明所述的适用于由气象变化引起电力故障级别分类方法的一种优选方案，其中：若所述分类值大于0.6小于1，则为一级故障；若所述分类值小于0.6大于0.4，则为二级故障；若所述分类值大于0小于0.4，则为三级故障。
本发明的有益效果：本发明能够考虑气象变化影响，全面考虑电力设备故障的类型，通过历史数据构建精准的分类模型，提高电力设备故障级别分类的准确的，为后期维护提供可靠的服务。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例所述的适用于由气象变化引起电力故障级别分类方法的流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1，为本发明的第一个实施例，提供了一种适用于由气象变化引起电力故障级别分类方法，包括：
S1：获取历史电力故障数据。其中需要说明的是：
利用电力巡检日志***采集历史电力故障数据。
S2：利用气象***获取历史的气象数据及天气预报数据。本步骤需要说明的是：
电力设备发生缺陷时所处的气象环境信息；
温度、能见度、云量、降水量、气压、风速、风向、相对湿度、天气现象，自动化的获取电网设备运行时环境信息；
天气现象包括，是否大雨、雷电、小雪、大雪天气。
S3：将历史电力故障数据结合气象数据构建故障级别分类模型。其中还需要说明的是，构建故障级别分类模型包括：
利用大数据技术分析技术，综合气象预警数据、设备运维数据分析不同区域、不同时间、及不同设备的故障概率，作为电网设备运行时发生故障的决策指导；
具体的，故障级别分类模型以如下形式进行分类计算。
Figure BDA0003162538050000041
S4：将待测试的数据集代入故障级别分类模型，输出得到分类值。本步骤还需要说明的是：
待测试数据集包括，近一年内采集的历史电力故障数据和历史气象数据；
若分类值大于0.6小于1，则为一级故障；
若分类值小于0.6大于0.4，则为二级故障；
若分类值大于0小于0.4，则为三级故障。
实施例2
为了更好地对本发明方法中采用的技术效果加以验证说明，本实施例选择以传统的电力故障分类方法与本发明方法进行对比测试，以科学论证的手段对比试验结果，验证本发明方法所具有的真实效果。
传统的电力故障分类方法不考虑气象变化因素，分类的结果误差较大，为验证本发明方法相对于传统方法具有较高的准确度，本实施例中将采用传统方法与本发明方法分别对仿真平台的电力设备参数故障分类进行实时测量对比。
测试环境：将电力设备参数导入仿真平台模拟运行并模拟恶劣天气场景，采用2019年12个月的历史电力设备参数数据和气象数据作为测试样本，开启自动化测试设备并运用编程软件实现测试运行，传统方法利用机器学习算法得到仿真实现数据，本发明方法则进行气象因素考虑构建分类损失函数进行分类值输出，再由分类值进行故障级别划分。
每种方法各测试100组数据，计算获得每组数据的时间和误差值，与仿真模拟输入的实际预测值进行误差对比计算，如下表所示：
表1：误差对比表。
1～3月 4～6月 7～9月 10～12月
传统方法 32.832％ 34.214％ 33.276％ 34.823％
本发明方法 21.342％ 22.657％ 22.398％ 21.763％
参照表1，能够直观地看出，传统方法输出结果误差值远大于本发明方法输出结果，所以本发明的分类准确度更高。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种适用于由气象变化引起电力故障级别分类方法，其特征在于：包括，
获取历史电力故障数据；
利用气象***获取历史的气象数据及天气预报数据；
将所述历史电力故障数据结合所述气象数据构建故障级别分类模型；
将待测试的数据集代入所述故障级别分类模型，输出得到分类值；
获取所述历史的气象数据及天气预报数据还包括，温度、能见度、云量、降水量、气压、风速、风向、相对湿度、天气现象，自动化的获取电网设备运行时环境信息；
若所述分类值大于0.6小于1，则为一级故障；
若所述分类值小于0.6大于0.4，则为二级故障；
若所述分类值大于0小于0.4，则为三级故障。
2.根据权利要求1所述的适用于由气象变化引起电力故障级别分类方法，其特征在于：获取所述历史电力故障数据包括，利用电力巡检日志***采集所述历史电力故障数据。
3.根据权利要求1或2所述的适用于由气象变化引起电力故障级别分类方法，其特征在于：获取所述历史的气象数据及天气预报数据包括，电力设备发生缺陷时所处的气象环境信息。
4.根据权利要求3所述的适用于由气象变化引起电力故障级别分类方法，其特征在于：所述天气现象包括，是否大雨、雷电、小雪、大雪天气。
5.根据权利要求4所述的适用于由气象变化引起电力故障级别分类方法，其特征在于：构建所述故障级别分类模型包括，
利用大数据技术分析技术，综合气象预警数据、设备运维数据分析不同区域、不同时间、及不同设备的故障概率，作为电网设备运行时发生故障的决策指导。
6.根据权利要求5所述的适用于由气象变化引起电力故障级别分类方法，其特征在于：所述待测试数据集包括，近一年内采集的所述历史电力故障数据和所述历史气象数据。
CN202110794996.8A 2021-07-14 2021-07-14 一种适用于由气象变化引起电力故障级别分类方法 Active CN113408656B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110794996.8A CN113408656B (zh) 2021-07-14 2021-07-14 一种适用于由气象变化引起电力故障级别分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110794996.8A CN113408656B (zh) 2021-07-14 2021-07-14 一种适用于由气象变化引起电力故障级别分类方法

Publications (2)

Publication Number Publication Date
CN113408656A CN113408656A (zh) 2021-09-17
CN113408656B true CN113408656B (zh) 2022-12-27

Family

ID=77686305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110794996.8A Active CN113408656B (zh) 2021-07-14 2021-07-14 一种适用于由气象变化引起电力故障级别分类方法

Country Status (1)

Country Link
CN (1) CN113408656B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116187583B (zh) * 2023-04-17 2023-11-03 国网黑龙江省电力有限公司齐齐哈尔供电公司 配电网大数据故障预测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5596712A (en) * 1991-07-08 1997-01-21 Hitachi, Ltd. Method and system for diagnosis and analysis of products troubles
CN105740975A (zh) * 2016-01-26 2016-07-06 云南电网有限责任公司电力科学研究院 一种基于数据关联关系的设备缺陷评估与预测方法
CN110544016A (zh) * 2019-08-09 2019-12-06 国网江苏省电力有限公司电力科学研究院 评估气象因素对电力设备故障概率影响程度的方法和设备
CN110543952A (zh) * 2019-08-28 2019-12-06 国网山东省电力公司 结合测距信息的电网故障辅助决策***及其实现方法
CN112700121A (zh) * 2020-12-29 2021-04-23 南京后生远达科技有限公司 一种基于随机森林的配网故障风险等级预测方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5401503B2 (ja) * 2011-05-26 2014-01-29 東京電力株式会社 電力系統事故波形データ検索装置、及び記録媒体
CN104143158A (zh) * 2013-05-31 2014-11-12 贵州电网公司电力调度控制中心 多气象因子的电力***元件可靠性监控方法
CN104123682B (zh) * 2014-07-28 2017-08-04 国家电网公司 一种基于气象影响因素的配网故障风险评估方法
CN112613684B (zh) * 2020-12-31 2022-12-27 广东电网有限责任公司广州供电局 一种基于配网故障预测的特殊差异化运维方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5596712A (en) * 1991-07-08 1997-01-21 Hitachi, Ltd. Method and system for diagnosis and analysis of products troubles
CN105740975A (zh) * 2016-01-26 2016-07-06 云南电网有限责任公司电力科学研究院 一种基于数据关联关系的设备缺陷评估与预测方法
CN110544016A (zh) * 2019-08-09 2019-12-06 国网江苏省电力有限公司电力科学研究院 评估气象因素对电力设备故障概率影响程度的方法和设备
CN110543952A (zh) * 2019-08-28 2019-12-06 国网山东省电力公司 结合测距信息的电网故障辅助决策***及其实现方法
CN112700121A (zh) * 2020-12-29 2021-04-23 南京后生远达科技有限公司 一种基于随机森林的配网故障风险等级预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于气象数据挖掘的输变电设备故障预警;黄灿 等;《新型工业化》;20160531(第5期);第33-39页 *

Also Published As

Publication number Publication date
CN113408656A (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
CN106321368B (zh) 基于运营风机scada数据的海上风电场尾流损失测量方法
CN110598726A (zh) 一种基于随机森林的输电杆塔鸟害风险预测方法
CN110570122B (zh) 一种计及风速季节特性及集电***元件故障的海上风电场可靠性评估方法
CN112285807A (zh) 一种气象信息预测方法及装置
CN111210075B (zh) 一种基于组合分类器的雷击输电线路故障概率分析方法
CN113282576B (zh) 一种气象数据质量控制方法
CN113176420B (zh) 一种针对电网杆塔点的风速预报订正***
CN105930900A (zh) 一种混合风力发电的预测方法及***
CN113408656B (zh) 一种适用于由气象变化引起电力故障级别分类方法
CN106327071A (zh) 电力通信风险分析方法和***
CN117592799A (zh) 一种在役风电项目资源后评估***
CN109460923A (zh) 一种输电线覆冰概率预测方法
CN115526258A (zh) 基于Spearman相关系数特征提取的电力***暂稳评估方法
CN113689053B (zh) 一种基于随机森林的强对流天气架空线停电预测方法
CN113486291B (zh) 一种基于深度学习的石油钻机微电网故障预测方法
CN110956316A (zh) 一种基于随机森林的人员等级预测模型
CN112613684B (zh) 一种基于配网故障预测的特殊差异化运维方法
CN111427101B (zh) 一种雷雨大风分级预警方法、***、存储介质
CN112684294A (zh) 一种基于环境动态影响的配电网故障抢修定位方法
CN113960700B (zh) 区域数值预报结果的客观检验、统计及分析***
CN116307858A (zh) 测绘成果质量检查与评分***
CN110956330A (zh) 一种基于多维影响量对输电线路线损进行预测的方法及***
CN116432032A (zh) 基于多源数据和机器学习的气象数据异常事件识别方法
CN114238287B (zh) 基于监测装置运行状态的油色谱监测数据质量评价方法
CN116415724A (zh) 一种光伏电站运维检修时间的预测方法及装置

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