CN113514094A - 一种基于机器学习的电力监测与预警*** - Google Patents
一种基于机器学习的电力监测与预警*** Download PDFInfo
- Publication number
- CN113514094A CN113514094A CN202110231071.2A CN202110231071A CN113514094A CN 113514094 A CN113514094 A CN 113514094A CN 202110231071 A CN202110231071 A CN 202110231071A CN 113514094 A CN113514094 A CN 113514094A
- Authority
- CN
- China
- Prior art keywords
- data
- power
- module
- monitoring
- early warning
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 72
- 238000010801 machine learning Methods 0.000 title claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 41
- 238000004891 communication Methods 0.000 claims description 19
- 238000012706 support-vector machine Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 claims description 5
- 239000011810 insulating material Substances 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 24
- 230000000694 effects Effects 0.000 abstract description 19
- 230000005611 electricity Effects 0.000 abstract description 5
- 238000010248 power generation Methods 0.000 abstract description 4
- 239000011159 matrix material Substances 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- RNFJDJUURJAICM-UHFFFAOYSA-N 2,2,4,4,6,6-hexaphenoxy-1,3,5-triaza-2$l^{5},4$l^{5},6$l^{5}-triphosphacyclohexa-1,3,5-triene Chemical compound N=1P(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP=1(OC=1C=CC=CC=1)OC1=CC=CC=C1 RNFJDJUURJAICM-UHFFFAOYSA-N 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003063 flame retardant Substances 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供了一种基于机器学***台，指带公网IP或物联网接入的中心主站服务平台，因本项目与移动应急指挥***无缝融合，故可使用移动应急指挥***已建成的服务平台；移动终端，是指挥中心的用户界面，它可以直接看到前端各装置的GPS/北斗定位在地图上的位置，并可看到各装置的实时电压、电流、温度、三相不平衡参数。
Description
技术领域
本发明涉及一种电力监测与预警技术，具体涉及一种基于机器学习的电力监测与预警***。
背景技术
城市中不定期会组织、承办各类大型活动，如论坛、综艺、演艺、赛事、见面会等，这些活动的举办场所及舞台，有一部分是临时搭建的，为保证活动顺利举办，供电部门必须对现场进行保电，做到配电数据即时监测，设备故障提前预警，当前的情况是，活动供电从就近配电室取电，配电设备及保电设备(如大型电源车、应急抢修车等)自身并无在线监测***，也没有配套的监测设备能够对重点设备做到数据监控，所以，保供电缺少行之有效的依托保障，是困扰电力应急部门的一大问题。
电力***可靠工作的基础和前提是树立“预防为主”的观念，也是电力工作的指导方针，当前社会企业的一切生产、社会活动都以可靠地电力保障为前提，在重大社会活动中，坚持服务社会，围绕人员财产的安全展开电力保障工作，才能有效发挥电力工作的作用及价值。本项目所研究的适用于重大保电活动的用户侧电力设施状态监测快速部署物联网***，能够及时监测到配电室电气设备的电气特性参数及变化趋势，比如是否存在火灾、跳闸隐患，电力是否三相不平衡、电流、电压是否稳定可靠、是否存在扰动因素导致供电中断风险等等，这些配电隐患有一些共性问题，总结如下：
第一，当前一般配电房用户侧没有装配综合的电力设备及电气参数在线监测***，导致无法及时进行断电、火灾预警，而是事件发生后进行问题排查、处理；
第二，因为保供电活动往往为了应对重大社会活动，而选址及保电客观存在着没有备用、冗余切换供电的成套电气装备，及时备有电源车，也无法与原有配电室电力引出***实现无间隙切换，这样就无法实现原有配电室保供电异常情况下的不间断供电，而是会对活动造成断电影响；
第三，对配电室进行在线监测改造工作量大，时间长，也会对原来供电范围造成断电风险，以当前传统产品技术来说，活动结束后，再拆卸互感器等监测装置比较麻烦，耗费很大人力物力，而且通用的测量装置无法进行***的数据分析，做不到提前预警、数据综合诊断的作用。
当前，社会公益活动愈加频繁，就近的配电室不一定能承载过大的负荷，而保供电不利又会造成重大的财力损失及社会舆论影响，但中低压电气装备对人体是危险的，传统的靠人工现场用仪器监测、主观判断的方法已经不能有效确保设备的正常与否。这种方法也存在检测点不全、人因失误常发，而且准确率低、效率低的问题，更不说预警的作用了。为实现重大社会活动的可靠保供电工作，电力部门多是依赖各种离散的仪器、设备对重要监测点进行监测，耗费大量人力，存在很多漏洞与不足，往往达不到快速综合分析配电装置是否可靠的效果。
发明内容
本发明的主要目的是提供了一种基于机器学习的电力监测与预警***。
其采用的技术方案如下：
一种基于机器学习的电力监测与预警***，包括
采集装置，所述采集装置包括
取电端，固定在监测设备的输电电缆上，
采集模块，用于获取监测设备的电气参数，
定位模块，用于获取采集装置的位置信息；
集中转发装置，与所述的采集装置连接，所述集中转发装置包括
通信模块，兼具通用网络接口及通信网络单元，用于采集模块采集到的电气参数数据的接收以及数据处理后的转发，
无线数据处理模块，用于通信管理、电池电量管理、数据处理以及数据转发；
保电监测平台，与所述的集中转发装置连接，所述保电监测平台包括
显示模块，用于显示实时获取的电气参数以及由历史参数构成的波形图，
算法模块，基于Kalman滤波预测与支持向量机算法对电路运行状态进行故障预警，当***判断电路运行状态为异常时，将会进行自动报警；
移动终端，移动终端与保电监测平台通过静态链接库集成接口连接，用于获取电监测平台的实时监测数据，
所述静态链接库集成接口包括接口处理单元、接口监测单元以及接口控制单元，
所述接口处理单元用于将接口属性重置以获取图像数据帧，
所述接口监测单元，获取图像数据帧的接收时序，与图像数据帧传输对应组合，将图像进行传输封装并传输，
所述接口控制单元，用于与移动终端通信检测，并获取移动终端的定位信息。
进一步地，所述取电端包括
若干个卡扣，所述卡扣由绝缘材料构成，在卡扣的中间设置有探头，所述探头经线缆与采集模块连接。
进一步地，所述采集装置还包括电池装置、主控芯片以及无线数据收发模块，
所述采集模块包括电流传感器以及温度传感器，所述电池装置与主控芯片、采集端无线数据收发模块、电流传感器以及温度传感器分别连接，所述主控芯片与采集端无线数据收发模块、电流传感器以及温度传感器分别连接，所述采集端无线数据收发模块与集中转发装置内的通信模块连接。
进一步地，所述集中转发装置还包括转发端无线数据收发模块、无线数据处理模块、无线数据存储模块、数据交换模块、无线数据电池模块，
所述转发端无线数据收发模块与采集端无线数据收发模块连接，所述无线数据处理模块与转发端无线数据收发模块和无线数据存储模块，数据交换模块与无线数据存储模块、转发端无线数据收发模块及通信模块连接，无线数据电池模块与线数据收发模块、无线数据处理模块、无线数据存储模块、数据交换模块、通信模块分别连接。
进一步地，所述保电监测平台用于监测现场采集的数据、电力信息数据曲线图绘制、采集装置位置显示、历史数据查询以及电力故障预警。
进一步地，所述电力信息数据曲线图绘制的方法如下：
1)根据采集装置的定位模块建立并行的多个对应的并行数据处理单元，
2)依据定位模块的对应关系将采集到的电气数据传输至数据处理单元，监测每一数据处理单元任务列表执行情况，当待执行的数据和正在处理的数据属于同一个周期时间内时，持续输出处理结果，形成曲线图，并在处理结果中显示定位信息和时间，当待执行的数据和正在处理的数据不属于同一个周期时间内时，输出分隔符，将上一曲线图与之区分，在处理结果中显示定位信息和时间。
进一步地，所述电力故障预警是基于Kalman滤波预测与支持向量机算法，
方法为：将绘制的电力信息数据曲线图按照时间T进行连续稳态表示，根据上一时间T的运行结果利用Kalman滤波对下一时间T的电路运行状态进行估计，
在得到估计值后通过与实际测量值进行作差从而得到各相应参数的偏离值，将得到的偏离值作为SVM的输入，利用训练好的SVM模型实现对故障的预判从而实现故障预警。
进一步地，当电路运行状态为正常时，其电流、电压参数与历史数据相比变化不大，而当线路中出现故障时，其对应的实测参数值将发生突变，此时实测值与根据历史值进行Kalman滤波预测得到的估计值失去匹配。
本发明基于物联网智能电气参数传感器，卡扣式装配，便于拆卸安装，可安装于低压配电柜、配电箱、表箱等开关出线部位，无需停电、无需接线、快速部署、免维护，纳安级低功耗、采用阻燃材料，集参数测量、状态监测、数据处理、通讯管理于一体，智能识别电气设备电压、电流、温度、三相不平衡等数据，实现多场景、多用途的电气设备运行监测、环境监测、安全监测等应用。
集中转发装置同时接收不低于100路的网联网智能传感数据，可通过公网、专网、有线、无线等通讯方式将数据转发给后台，进行智能数据分析。
保电监测平台实现数据的历史趋势查询、事件智能分析、预警，安全分析、与应急指挥***联动，对各个检测变量进行阈值设定、变量通过算法实现设备状态智能诊断，对安全隐患自动做出原因分析，能够结合保供电临时用设备(如电源车、应急抢修车等)数据对这些设备做出状态指示及应急保障数据指导。
本发明可实现电力设备保供电时潜在的隐患的自动识别、诊断，能精准、快速检测出电力设备的正常供电隐患，及时对电气隐患做出预警分析，其预警信号与诊断数据实时回传保电监测平台，同时与电力部门已建成的应急指挥***联动，进行主动干预，规避隐患风险，同时记录与存储隐患事件状态，便于工作人员根据数据对隐患的状态、表现的情况做出分类分析，提高工作效率，确保重大活动的正常供电。
附图说明
图1为本发明的原理图；
图2为本发明的输出曲线。
具体实施方式
以下结合实施例及附图对本发明进行详细的描述。
参照图1至图2，本发明提供了一种基于机器学***台。保电监测平台可以实时显示各监测点的电流、电压、中性线电流以及温度等电气运行参数，并将历史数据以波形图的形式进行展示。同时，采用Kalman滤波预测与支持向量机(Support Vector Machine，SVM)算法对电路运行状态进行故障预警，当***判断电路运行状态为异常时，将会进行自动报警。
其具体包括
现场终端，包括无线传感装置和无线集中转发装置。在重大活动保电现场，将传感装置装夹到供电的中低压配电室(配电柜、配电箱、发电车等)的输电电缆上，通过集中器将数据收集，再通过物联网NB-IoT或运营商2G/3G/4G网络，将数据无线传输到远程指挥中心。
保电监测平台，指带公网IP或物联网接入的中心主站服务平台，因本项目与移动应急指挥***无缝融合，故可使用移动应急指挥***已建成的服务平台；
移动终端，是指挥中心的用户界面，它可以直接看到前端各装置的GPS/北斗定位在地图上的位置，并可看到各装置的实时电流、温度参数，并且可通过波形进行显示，以便进行趋势分析预测；并通过软件的智能分析，设定相关阀值，进行自动报警，并将报警信息转发到移动应急指挥***的各在线终端，与移动应急指挥***进行联动。
具体的方案为：基于机器学习的电力监测与预警***，包括
采集装置，所述采集装置包括
取电端，固定在监测设备的输电电缆上，
采集模块，用于获取监测设备的电气参数，
定位模块，用于获取采集装置的位置信息；
集中转发装置，与所述的采集装置连接，所述集中转发装置包括
通信模块，兼具通用网络接口及通信网络单元，用于采集模块采集到的电气参数数据的接收以及数据处理后的转发，
无线数据处理模块，用于通信管理、电池电量管理、数据处理以及数据转发；
保电监测平台，与所述的集中转发装置连接，所述保电监测平台包括
显示模块，用于显示实时获取的电气参数以及由历史参数构成的波形图，
算法模块，基于Kalman滤波预测与支持向量机算法对电路运行状态进行故障预警，当***判断电路运行状态为异常时，将会进行自动报警；
移动终端，移动终端与保电监测平台通过静态链接库集成接口连接，用于获取电监测平台的实时监测数据，
所述静态链接库集成接口包括接口处理单元、接口监测单元以及接口控制单元，
所述接口处理单元用于将接口属性重置以获取图像数据帧，
所述接口监测单元，获取图像数据帧的接收时序，与图像数据帧传输对应组合，将图像进行传输封装并传输，
所述接口控制单元，用于与移动终端通信检测，并获取移动终端的定位信息。
静态链接库集成接口设计上采用模块化思路，很好的展现了模块化编程中封装的优势，其将复杂的图像识别算法封装起来，对外表现为几组标准的接口，集成方通过一定的序列顺序对算法模块进行初始化，数据传输和结构回取，在图像识别基础上做出图形化展示和业务表达。
隐藏对象的属性和实现细节，仅对外公开接口和对象进行交互，将数据和操作数据的方法进行有机结合；模块的各个部分可以独立开发、独立运维和升级，而且模块可以根据不同的业务需求重新组合，这种独立性使大型软件的不断迭代升级变得可能；通过c++静态链接库的方式进行二进制级别的模块连接，其调用和回传执行效率为最佳选择方案，能更好的适应实时性要求高的使用场景。
进一步地，所述取电端包括
若干个卡扣，所述卡扣由绝缘材料构成，在卡扣的中间设置有探头，所述探头经线缆与采集模块连接，对电流、电压和温度等电气参数进行采集，其采用卡扣式结构安装于中低压配电柜、配电箱或者发电车的输电电缆上，安装过程中无需停电和接线。
所述采集装置还包括电池装置、主控芯片以及无线数据收发模块，
所述采集模块包括电流传感器以及温度传感器，所述电池装置与主控芯片、采集端无线数据收发模块、电流传感器以及温度传感器分别连接，所述主控芯片与采集端无线数据收发模块、电流传感器以及温度传感器分别连接，所述采集端无线数据收发模块与集中转发装置内的通信模块连接。
所述集中转发装置用于同时近距离接收多路终端数据，并且能够即时进行中转，其采用的是Cortex-A8结构的工业级ARM处理器，可以完成通信管理、电池电量管理、数据处理、数据转发等工作。能够兼容有线、无线公网、专网等多种制式网络通讯，而且并行接收数据量足够大，从而增加传输效率节约成本。
集中转发装置还包括转发端无线数据收发模块、无线数据处理模块、无线数据存储模块、数据交换模块、无线数据电池模块，
所述转发端无线数据收发模块与采集端无线数据收发模块连接，所述无线数据处理模块与转发端无线数据收发模块和无线数据存储模块，数据交换模块与无线数据存储模块、转发端无线数据收发模块及通信模块连接，无线数据电池模块与线数据收发模块、无线数据处理模块、无线数据存储模块、数据交换模块、通信模块分别连接。
进一步地，所述保电监测平台用于监测现场采集的数据、电力信息数据曲线图绘制、采集装置位置显示、历史数据查询以及电力故障预警。
进一步地，所述电力信息数据曲线图绘制的方法如下：
1)根据采集装置的定位模块建立并行的多个对应的并行数据处理单元，
2)依据定位模块的对应关系将采集到的电气数据传输至数据处理单元，监测每一数据处理单元任务列表执行情况，当待执行的数据和正在处理的数据属于同一个周期时间内时，持续输出处理结果，形成曲线图，并在处理结果中显示定位信息和时间，当待执行的数据和正在处理的数据不属于同一个周期时间内时，输出分隔符，将上一曲线图与之区分，在处理结果中显示定位信息和时间。
进一步地，所述电力故障预警是基于Kalman滤波预测与支持向量机算法，
方法为：将绘制的电力信息数据曲线图按照时间T进行连续稳态表示，根据上一时间T的运行结果利用Kalman滤波对下一时间T的电路运行状态进行估计，
在得到估计值后通过与实际测量值进行作差从而得到各相应参数的偏离值，将得到的偏离值作为SVM的输入，利用训练好的SVM模型实现对故障的预判从而实现故障预警。
当电路运行状态为正常时，其电流、电压参数与历史数据相比变化不大，而当线路中出现故障时，其对应的实测参数值将发生突变，此时实测值与根据历史值进行Kalman滤波预测得到的估计值失去匹配。
Kalman滤波算法的模型如式(1)，(2)所示：
信号模型：
Xk＝AkXk-1+BkWk (1)
观测模型：
Zk＝HkXk+Vk (2)
上式中Zk是观测向量，Xk是状态向量，Ak是状态转移矩阵，Bk是输入矩阵，Wk为动态噪声，Vk为观测噪声，Hk为观测矩阵。在本***中定义kalman滤波的状态向量为Xk＝(uk,ik,i'k,duk,dik,di'k,ck)T，观测向量为Zk＝(uk,ik,i'k,ck)T。其中：uk和duk分别是电压与电压变化率；ik和dik分别是电流与电流变化率；i‘k和di’k分别是中性线电流与线电流变化率；ck为线路采集的温度值。
在电网***中，当线路为稳定运行状态时其电流、电压以及温度等参数会在一定安全范围内波动而不会产生突变。本***中的Kalman滤波***为线性动态模型。Kalman滤波方程如下：
时间更新：
状态更新：
其中，误差协方差矩阵P、状态噪声协方差矩阵Q、观测转移矩阵H以及观测噪声协方差矩阵R的初值均由经验值所得。
***通过Kalman滤波器得到对电路运行状态参数的估计之后，利用获得的实际测量值，就可得到与当前估计值不匹配所导致的偏离值。将此时获得的偏离值作为SVM的输入，利用事先训练好的SVM模型就可对当前故障状态进行判断。本***中的SVM模型是通过实验采集大量电路运行正常状态以及非正常状态下的数据训练所得，SVM核函数选用的是高斯核，参数取值为C＝2，Gamma＝10。
以上对本发明实施例所公开的技术方案进行了详细介绍，本文中应用了具体实施例对本发明实施例的原理以及实施方式进行了阐述，以上实施例的说明只适用于帮助理解本发明实施例的原理；同时，对于本领域的一般技术人员，依据本发明实施例，在具体实施方式以及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于机器学习的电力监测与预警***，其特征在于，包括
采集装置，所述采集装置包括
取电端，固定在监测设备的输电电缆上，
采集模块，用于获取监测设备的电气参数，
定位模块，用于获取采集装置的位置信息；
集中转发装置，与所述的采集装置连接，所述集中转发装置包括
通信模块，兼具通用网络接口及通信网络单元，用于采集模块采集到的电气参数数据的接收以及数据处理后的转发，
无线数据处理模块，用于通信管理、电池电量管理、数据处理以及数据转发；
保电监测平台，与所述的集中转发装置连接，所述保电监测平台包括
显示模块，用于显示实时获取的电气参数以及由历史参数构成的波形图，
算法模块，基于Kalman滤波预测与支持向量机算法对电路运行状态进行故障预警，当***判断电路运行状态为异常时，将会进行自动报警；
移动终端，移动终端与保电监测平台通过静态链接库集成接口连接，用于获取电监测平台的实时监测数据，
所述静态链接库集成接口包括接口处理单元、接口监测单元以及接口控制单元，
所述接口处理单元用于将接口属性重置以获取图像数据帧，
所述接口监测单元，获取图像数据帧的接收时序，与图像数据帧传输对应组合，将图像进行传输封装并传输，
所述接口控制单元，用于与移动终端通信检测，并获取移动终端的定位信息。
2.根据权利要求1所述的基于机器学习的电力监测与预警***，其特征在于，所述取电端包括
若干个卡扣，所述卡扣由绝缘材料构成，在卡扣的中间设置有探头，所述探头经线缆与采集模块连接。
3.根据权利要求1所述的基于机器学习的电力监测与预警***，其特征在于，所述采集装置还包括电池装置、主控芯片以及无线数据收发模块，
所述采集模块包括电流传感器以及温度传感器，所述电池装置与主控芯片、采集端无线数据收发模块、电流传感器以及温度传感器分别连接，所述主控芯片与采集端无线数据收发模块、电流传感器以及温度传感器分别连接，所述采集端无线数据收发模块与集中转发装置内的通信模块连接。
4.根据权利要求1所述的基于机器学习的电力监测与预警***，其特征在于，所述集中转发装置还包括转发端无线数据收发模块、无线数据处理模块、无线数据存储模块、数据交换模块、无线数据电池模块，
所述转发端无线数据收发模块与采集端无线数据收发模块连接，所述无线数据处理模块与转发端无线数据收发模块和无线数据存储模块，数据交换模块与无线数据存储模块、转发端无线数据收发模块及通信模块连接，无线数据电池模块与线数据收发模块、无线数据处理模块、无线数据存储模块、数据交换模块、通信模块分别连接。
5.根据权利要求1所述的基于机器学***台用于监测现场采集的数据、电力信息数据曲线图绘制、采集装置位置显示、历史数据查询以及电力故障预警。
6.根据权利要求5所述的基于机器学习的电力监测与预警***，其特征在于，所述电力信息数据曲线图绘制的方法如下：
1)根据采集装置的定位模块建立并行的多个对应的并行数据处理单元，
2)依据定位模块的对应关系将采集到的电气数据传输至数据处理单元，监测每一数据处理单元任务列表执行情况，当待执行的数据和正在处理的数据属于同一个周期时间内时，持续输出处理结果，形成曲线图，并在处理结果中显示定位信息和时间，当待执行的数据和正在处理的数据不属于同一个周期时间内时，输出分隔符，将上一曲线图与之区分，在处理结果中显示定位信息和时间。
7.根据权利要求5所述的基于机器学习的电力监测与预警***，其特征在于，所述电力故障预警是基于Kalman滤波预测与支持向量机算法，
方法为：将绘制的电力信息数据曲线图按照时间T进行连续稳态表示，根据上一时间T的运行结果利用Kalman滤波对下一时间T的电路运行状态进行估计，在得到估计值后通过与实际测量值进行作差从而得到各相应参数的偏离值，将得到的偏离值作为SVM的输入，利用训练好的SVM模型实现对故障的预判从而实现故障预警。
8.根据权利要求7所述的基于机器学习的电力监测与预警***，其特征在于，当电路运行状态为正常时，其电流、电压参数与历史数据相比变化不大，而当线路中出现故障时，其对应的实测参数值将发生突变，此时实测值与根据历史值进行Kalman滤波预测得到的估计值失去匹配。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110231071.2A CN113514094A (zh) | 2021-03-02 | 2021-03-02 | 一种基于机器学习的电力监测与预警*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110231071.2A CN113514094A (zh) | 2021-03-02 | 2021-03-02 | 一种基于机器学习的电力监测与预警*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113514094A true CN113514094A (zh) | 2021-10-19 |
Family
ID=78060960
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110231071.2A Pending CN113514094A (zh) | 2021-03-02 | 2021-03-02 | 一种基于机器学习的电力监测与预警*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113514094A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023130898A1 (zh) * | 2022-01-05 | 2023-07-13 | 中车唐山机车车辆有限公司 | ***故障监测方法、装置、电子设备和存储介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103065409A (zh) * | 2012-12-14 | 2013-04-24 | 广州供电局有限公司 | 输电线监测预警*** |
| CN103729990A (zh) * | 2013-10-30 | 2014-04-16 | 国家电网公司 | 基于多合一传感器的电缆线路在线监测*** |
| CN107677885A (zh) * | 2017-04-26 | 2018-02-09 | 国网浙江义乌市供电公司 | 一种免接线电参数传感器 |
| CN107947371A (zh) * | 2017-12-20 | 2018-04-20 | 福州金掌柜电子商务有限公司 | 一种基于卫星通信的线路检测故障快速定位检测*** |
| CN108155719A (zh) * | 2017-12-20 | 2018-06-12 | 北京天泰隆科技有限公司 | 用于配电监测的智能云采集***及方法 |
| CN109238481A (zh) * | 2018-09-21 | 2019-01-18 | 深圳供电局有限公司 | 电缆温度检测装置 |
| CN110083102A (zh) * | 2019-05-10 | 2019-08-02 | 河南省启源电力勘测设计有限公司 | 一种高性能低压配电柜远程及现场监测*** |
| CN209993744U (zh) * | 2019-07-30 | 2020-01-24 | 江苏安科瑞电器制造有限公司 | 适用线径广的可拆卸穿刺取电夹装置 |
| CN110991011A (zh) * | 2019-11-14 | 2020-04-10 | 广东电网有限责任公司 | 一种变压器实时热点温度预测方法 |
| CN111289144A (zh) * | 2020-03-27 | 2020-06-16 | 杭州电力设备制造有限公司 | 一种高压设备的母线故障监测***及方法 |
| CN211148884U (zh) * | 2020-06-28 | 2020-07-31 | 上海有孚智数云创数字科技有限公司 | 一种基于云服务的用电设备运行状态监控*** |
| CN111653081A (zh) * | 2020-06-11 | 2020-09-11 | 安徽徽远成电气科技股份有限公司 | 一种输电线路监测*** |
| CN112085930A (zh) * | 2020-09-14 | 2020-12-15 | 武汉瑞莱保能源技术有限公司 | 一种发电机组智能监测预警***及方法 |
-
2021
- 2021-03-02 CN CN202110231071.2A patent/CN113514094A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103065409A (zh) * | 2012-12-14 | 2013-04-24 | 广州供电局有限公司 | 输电线监测预警*** |
| CN103729990A (zh) * | 2013-10-30 | 2014-04-16 | 国家电网公司 | 基于多合一传感器的电缆线路在线监测*** |
| CN107677885A (zh) * | 2017-04-26 | 2018-02-09 | 国网浙江义乌市供电公司 | 一种免接线电参数传感器 |
| CN107947371A (zh) * | 2017-12-20 | 2018-04-20 | 福州金掌柜电子商务有限公司 | 一种基于卫星通信的线路检测故障快速定位检测*** |
| CN108155719A (zh) * | 2017-12-20 | 2018-06-12 | 北京天泰隆科技有限公司 | 用于配电监测的智能云采集***及方法 |
| CN109238481A (zh) * | 2018-09-21 | 2019-01-18 | 深圳供电局有限公司 | 电缆温度检测装置 |
| CN110083102A (zh) * | 2019-05-10 | 2019-08-02 | 河南省启源电力勘测设计有限公司 | 一种高性能低压配电柜远程及现场监测*** |
| CN209993744U (zh) * | 2019-07-30 | 2020-01-24 | 江苏安科瑞电器制造有限公司 | 适用线径广的可拆卸穿刺取电夹装置 |
| CN110991011A (zh) * | 2019-11-14 | 2020-04-10 | 广东电网有限责任公司 | 一种变压器实时热点温度预测方法 |
| CN111289144A (zh) * | 2020-03-27 | 2020-06-16 | 杭州电力设备制造有限公司 | 一种高压设备的母线故障监测***及方法 |
| CN111653081A (zh) * | 2020-06-11 | 2020-09-11 | 安徽徽远成电气科技股份有限公司 | 一种输电线路监测*** |
| CN211148884U (zh) * | 2020-06-28 | 2020-07-31 | 上海有孚智数云创数字科技有限公司 | 一种基于云服务的用电设备运行状态监控*** |
| CN112085930A (zh) * | 2020-09-14 | 2020-12-15 | 武汉瑞莱保能源技术有限公司 | 一种发电机组智能监测预警***及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 韩力等: "基于综合预测和自适应滤波器的电力***动态状态估计", 《电工技术学报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023130898A1 (zh) * | 2022-01-05 | 2023-07-13 | 中车唐山机车车辆有限公司 | ***故障监测方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101800440B (zh) | 配电网状态监测***及其监测方法 | |
| CN206992800U (zh) | 一种物联网的智能变电站的监测*** | |
| CN212304872U (zh) | 一种智能配电监测与运维*** | |
| CN202929124U (zh) | 变电站高压并联电容器智能在线监测*** | |
| CN103138400A (zh) | 一种触摸式人机交互开关柜检测监测一体化装置 | |
| CN107144757B (zh) | 一种瓦斯继电器油流流速在线监测装置及方法 | |
| CN110556923A (zh) | 一种配电变压器数据监控终端、监控***及监控方法 | |
| CN103199628A (zh) | 一种基于osga网格技术的电力设备实时监测*** | |
| CN112615436A (zh) | 一种变电站综自装置健康诊断及监视***和方法 | |
| CN113763667A (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
| CN112637313A (zh) | 一种电力调控云平台*** | |
| CN109581115B (zh) | 一种配电网低电压诊断***和诊断方法 | |
| CN205846861U (zh) | 一种500千伏变电站通信设备智能定期巡检*** | |
| CN113514094A (zh) | 一种基于机器学习的电力监测与预警*** | |
| CN105548873B (zh) | 用于在线监测装置实现开关设备健康诊断的方法 | |
| CN103675606A (zh) | 桥式直流故障监测报警器 | |
| CN106451760B (zh) | 一种500kV变电站集控***遥测信息实时监控方法 | |
| CN112782504A (zh) | 一种通风冷却的环网柜故障诊断方法 | |
| CN106908653A (zh) | Opgw在线监测***及方法 | |
| CN110632426A (zh) | 模块化组合式电力检测装置 | |
| CN110837026A (zh) | 电力配网故障检测装置、***及方法 | |
| CN110674240A (zh) | 一种基于gis的电力设备分布式多级智能故障诊断*** | |
| CN113778525B (zh) | 基于lora通信的空开控制监测方法、装置、计算机设备 | |
| CN112415343A (zh) | 一种多状态量可组态全封闭式气体组合电器的智能组件 | |
| CN208522534U (zh) | 一种变电站设备状态智能化评价装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211019 |