CN114492869A - 一种基于物联网技术的配电***健康诊断方法 - Google Patents
一种基于物联网技术的配电***健康诊断方法 Download PDFInfo
- Publication number
- CN114492869A CN114492869A CN202210085374.2A CN202210085374A CN114492869A CN 114492869 A CN114492869 A CN 114492869A CN 202210085374 A CN202210085374 A CN 202210085374A CN 114492869 A CN114492869 A CN 114492869A
- Authority
- CN
- China
- Prior art keywords
- power distribution
- distribution system
- data
- diagnosis
- health
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 123
- 238000009826 distribution Methods 0.000 title claims abstract description 123
- 230000036541 health Effects 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005516 engineering process Methods 0.000 title claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 44
- 238000012360 testing method Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012423 maintenance Methods 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 21
- 230000032683 aging Effects 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 5
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 abstract description 8
- 230000002159 abnormal effect Effects 0.000 description 21
- 230000004044 response Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 241001479578 Packera contermina Species 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000002620 method output Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供的基于物联网技术的配电***健康诊断方法,包括以下步骤:采集配电***的历史运行数据;对历史运行数据进行数据处理,得到训练数据;将训练数据划分为训练集和测试集;利用训练集对预设的诊断方法进行训练,得到诊断模型;利用测试集对诊断模型进行校验;采集配电***的实时运行数据,将实时运行数据传输给诊断模型,得到配电***的健康指数。该配电***健康诊断方法利用物联网技术,采集更加全面的原始数据,并依据机器学习方法对原始数据进行训练,利用机器学习的学习能力研究出原始数据与健康指数的规律,实现全面的配电***健康诊断,提高诊断的效率。
Description
技术领域
本发明属于物联网技术领域,具体涉及一种基于物联网技术的配电***健康诊断方法。
背景技术
由于生产生活水平的提高,不断涌现新设备新功能新需求加入到配电***中来,使得配电***越来复杂,对配电***安全可靠性的要求越来越高。现在,配电***的维护人员,面临青黄不接,人工成本不断增长,素质却不断下降。现在迫切需要改变这一此消彼长的不对称的现状。
而目前的一些配电***健康诊断***,为了提升供电可靠性,创建优质服务,通常采用人工监测+自动分析的方式实现,通过人工对配电***中各个设备进行巡查,当发现设备出现异常数据时,将异常数据传入配电***健康诊断***中,配电***健康诊断***分析异常数据,得出设备的异常原因,并根据各个设备的异常原因得到整个配电***的健康指数。但是这种配电***健康诊断***具有以下缺陷:异常数据由人工通过巡查发现,发现不及时,诊断比较片面;不同经验的人员,对异常数据的记录或表达也不尽相同,诊断会存在差异;健康诊断***,不能根据新设备,新功能或新算法的出现,进行及时升级,不能做出最佳的诊断。
发明内容
针对现有技术中的缺陷,本发明提供一种基于物联网技术的配电***健康诊断方法,实现全面的配电***健康诊断,提高诊断的效率。
一种基于物联网技术的配电***健康诊断方法,包括以下步骤:
采集配电***的历史运行数据;
对历史运行数据进行数据处理,得到训练数据;
将训练数据划分为训练集和测试集;
利用训练集对预设的诊断方法进行训练,得到诊断模型;
利用测试集对诊断模型进行校验;
采集配电***的实时运行数据,将实时运行数据传输给诊断模型,得到配电***的健康指数。
优选地,配电***的历史运行数据或实时运行数据包括以下一种或几种数据的组合:
配电***中接入的通讯设备数量、配电***中在线的通讯设备数量、各个通讯设备的工作状态、配电***的电压幅值、配电***的功率因数、配电***的谐波、配电***的负荷、配电***的频率、配电***中负载开关的工作状态。
优选地,对历史运行数据进行数据处理具体包括:
对历史运行数据进行去重;
将去重后的历史运行数据按照采集时间进行分类,得到不同采集时间下的历史运行数据;
将同一采集时间的历史运行数据打包形成一个数据包;
在每个数据包上增加标注信息,标注信息包括配电***的健康指数。
优选地,将训练数据划分为训练集和测试集具体包括:
随机将70%的训练数据划分为训练集;
随机将30%的训练数据划分为测试集。
优选地,在采集配电***的实时运行数据之后,还包括:
将实时运行数据传输给预设的经验值模型,得到健康指数;
经验值模型包括多个经验值条件以及对应的健康指数;当实时运行数据满足经验值模型中一经验值条件时,输出经验值条件对应的健康指数。
优选地,在得到配电***的健康指数之后,还包括:
根据健康指数生成诊断报告;
诊断报告包括以下三个维度的诊断结果:
***诊断结果、维护管理诊断结果和设备健康诊断结果。
优选地,***诊断结果包括通讯***诊断结果和配电***诊断结果;
通讯***诊断结果中诊断项目包括设备接入情况、设备通讯的完好性和数据的连续性;
配电***诊断结果中诊断项目包括***电压、***功率因数、***电压不平衡、电压谐波畸变率、***电流不平衡、电流谐波畸变率、***负载率和***频率。
优选地,设备健康诊断结果中诊断项目包括电流不平衡、电流谐波畸变率、负载开关老化率、电气设备温升、负载率、过载保护配置合理性识别、开关老化率配置识别、故障跳闸次数。
优选地,维护管理诊断结果中诊断项目包括维护任务完成率、工单完成率、巡检日志更新情况、维护质量。
优选地,在得到配电***的健康指数之后,还包括:
解析健康指数,分别得到***诊断结果、维护管理诊断结果和设备健康诊断结果;
根据***诊断结果、维护管理诊断结果和设备健康诊断结果从预设的建议库中选出对应的建议方案;
将建议方案推送给用户;
建议库包含多个诊断项目,每个诊断项目关联多个建议方案。
由上述技术方案可知,本发明提供的配电***健康诊断方法利用物联网技术,采集更加全面的原始数据,并依据机器学习方法对原始数据进行训练,利用机器学习的学习能力研究出原始数据与健康指数的规律,这样当采集配电***的实时运行数据,将实时运行数据传输给诊断模型,由诊断模型分析出配电***的健康指数,实现全面的配电***健康诊断,提高诊断的效率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为实施例提供的配电***健康诊断方法的流程图。
图2为实施例提供的对历史运行数据进行数据处理的方法流程图。
图3为实施例提供的健康诊断中三个维度的示意图。
图4为实施例提供的建议方案推送方法的流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
实施例:
一种基于物联网技术的配电***健康诊断方法,参见图1,包括以下步骤:
S1:采集配电***的历史运行数据;
S2:对历史运行数据进行数据处理,得到训练数据;
S3:将训练数据划分为训练集和测试集;
S4:利用训练集对预设的诊断方法进行训练,得到诊断模型;
S5:利用测试集对诊断模型进行校验;
S6:采集配电***的实时运行数据,将实时运行数据传输给诊断模型,得到配电***的健康指数。
在本实施例中,配电***是由多种配电设备(或元件)和配电设施所组成的变换电压和直接向终端用户分配电能的一个电力网络***。配电***的运行数据可以通过设置在线路上的检测设备采集得到,也可以通过设置在设备上的通讯设备和传感器上传得到,也可以通过读取历史数据库得到,或者是通过人工直接导入得到等等。
配电***的历史运行数据或实时运行数据包括以下一种或几种数据的组合:配电***中接入的通讯设备数量、配电***中在线的通讯设备数量、各个通讯设备的工作状态、配电***的电压幅值、配电***的功率因数、配电***的谐波、配电***的负荷、配电***的频率、配电***中负载开关的工作状态。
该方法当得到历史运行数据,需要对历史运行数据进行分析整理,例如对历史运行数据进行清洗、去重、校验等等,去除多余无效的数据,提高训练数据的有效性和针对性。为了提高诊断模型的精准度,该方法将训练数据划分为训练集和测试集,其中划分的方法可以是随机划分,也可以是按照预设规则划分,此处不对划分方法进行限定。其中训练集用于训练诊断方法,训练方法可以是常用的机器学习算法。该方法当得到诊断模型后,利用测试集对诊断模型进行校验,使得诊断模型达到最优,提高诊断模型的诊断精准度。
该配电***健康诊断方法利用物联网技术,采集更加全面的原始数据,并依据机器学习方法对原始数据进行训练,利用机器学习的学习能力研究出原始数据与健康指数的规律,这样当采集配电***的实时运行数据,将实时运行数据传输给诊断模型,由诊断模型分析出配电***的健康指数,实现全面的配电***健康诊断,提高诊断的效率。
进一步地,在一些实施例中,参见图2,对历史运行数据进行数据处理具体包括:
S11:对历史运行数据进行去重;
S12:将去重后的历史运行数据按照采集时间进行分类,得到不同采集时间下的历史运行数据;
S13:将同一采集时间的历史运行数据打包形成一个数据包;
S14:在每个数据包上增加标注信息,标注信息包括配电***的健康指数。
在本实施例中,数据处理步骤包括去重、分类和标注。去重主要是过滤历史运行数据中重复的数据。去重可以按照设备和时间进行过滤,例如同一设备同一时间只保留一条数据。该方法为了便于分析配电***不同时刻下的健康状态,将历史运行数据按照采集时间进行分类,这样在进行机器学习时,就可以直接提取同一采集时间下的历史运行数据。该方法为了方便后续数据提取,还可以直接将同一采集时间的历史运行数据打包形成一个数据包,这样在提取数据时,直接提取数据包即可。该方法在打包得到的数据包上增加标注信息,标注信息可以由人工手动录入,例如用户可以根据数据包的采集时间,直接录入采集时间下配电***的健康指数,其中健康指数包括分数或者是异常问题等等。
进一步地,在一些实施例中,将训练数据划分为训练集和测试集具体包括:
随机将70%的训练数据划分为训练集;
随机将30%的训练数据划分为测试集。
在本实施例中,该方法将训练数据随机划分为训练集和测试集,其中在训练模式时,利用大部分(70%)的训练数据训练诊断模型。
进一步地,在一些实施例中,在采集配电***的实时运行数据之后,还包括:
将实时运行数据传输给预设的经验值模型,得到健康指数;
经验值模型包括多个经验值条件以及对应的健康指数;当实时运行数据满足经验值模型中一经验值条件时,输出经验值条件对应的健康指数。
在本实施例中,该方法除了通过诊断模型方法分析配电***的健康指数,还可以通过经验值来分析配电***的健康指数。例如用户可以根据经验值构建经验值模型,这样在分析时,将实时运行数据传入经验值模型中,由经验值模型输出健康指数。其中经验值模型包含多个经验值条件,每个经验值条件对应一个诊断结果。例如经验值条件设为设备的在线数量达到90%,对应的诊断结果为设备接入良好,这样该方法在进行分析时,当检测到配电***中设备的在线数量达到90%时,输出健康指数包括设备接入良好,否则输出健康指数包括设备接入较差。
进一步地,在一些实施例中,在得到配电***的健康指数之后,还包括:
根据健康指数生成诊断报告;
诊断报告包括以下三个维度的诊断结果:
***诊断结果、维护管理诊断结果和设备健康诊断结果。
在本实施例中,参见图3,该方法从***诊断结果、维护管理诊断结果和设备健康诊断结果三个维度对配电***进行分析,其中每个维度的健康状态可以通过分数体现,每个维度的最高分和最低分可以相同,也可以不同。例如图3中三个维度的分值范围均是0-100。该方法可以根据这三个维度的诊断结果得出配电***的整体健康结论。该方法还可以总体罗列出三个维度下主要的健康问题。例如该方法对配电***进行诊断后,罗列出健康问题如下:***诊断结果包括设备接入不够全面、电流谐波较大、平台数据中断较多;设备健康诊断结果包括负载不平衡、负载突变、电流谐波较大;维护管理诊断结果包括巡检日志、工单记录缺少内容。
进一步地,在一些实施例中,***诊断结果包括通讯***诊断结果和配电***诊断结果;
通讯***诊断结果中诊断项目包括设备接入情况、设备通讯的完好性和数据的连续性;
配电***诊断结果中诊断项目包括***电压、***功率因数、***电压不平衡、电压谐波畸变率、***电流不平衡、电流谐波畸变率、***负载率和***频率。
在本实施例中,该方法可以对配电***进行通讯***诊断和配电***诊断。下表中,理论量通常设为100%;统计量为成功记录的有效数据占比理论量百分比;异常占比为诊断出的问题项占比统计量百分比;低门限为异常占比中,触发的低门限值、不足高门限值的异常占比;高门限为异常占比中,触发高门限值的异常占比。其中各个诊断项目的结果可以通过表1中的符号表示:
表1:
该方法对一配电***进行诊断后,得到的通讯***诊断结果参见表2:
表2:
该方法对一配电***进行诊断后,得到的配电***诊断结果参见表3:
表3:
由上述可知,该配电***存在以下问题:
1)***功率因数。因工厂生产的时间特点,***功率因数在白天基本高于0.9,夜晚普遍低于0.85。
2)电流谐波。因工厂生产的时间特性,白天有负载,夜晚几乎无负载,日工作时间平均谐波电流值普遍大于13%,电流谐波值长期偏高。
进一步地,在一些实施例中,设备健康诊断结果中诊断项目包括电流不平衡、电流谐波畸变率、负载开关老化率、电气设备温升、负载率、过载保护配置合理性识别、开关老化率配置识别、故障跳闸次数。
在本实施例中,该方法对一配电***进行诊断后,得到的设备健康诊断结果参见表4:
表4:
由上述可知,该配电***存在以下问题:
1)电流不平衡。负载高峰期存在电流三相不平衡明显的负载回路。
2)电流谐波。负载高峰期出现高电流谐波的低压配电回路。
3)开关过载保护配置合理性。通过智能开关提供的需量电流与长延时保护整定电流进行对比,长期过高、过低会触发核对提醒。
4)开关老化率。低压***开关使用年限3年,老化率应处在较低水平。目前高低压开关有83个,无设备故障报警,无重点检查对象。建议在维护时对框架断路器灭弧室进行目视检查。
5)负载率。夏季空调负荷重,回路有过明显高负载记录,下一年度需重点关注。
6)电气设备温升。现场不具备自动温度采集***,无具体温度数据,需重视人工温度监测与记录,适时考虑自动温度监测方案。在计划性巡检工作安排中,有少量这部分内容。但在日志记录中没有留下数字记录。
进一步地,在一些实施例中,维护管理诊断结果中诊断项目包括维护任务完成率、工单完成率、巡检日志更新情况、维护质量。
在本实施例中,该方法对一配电***进行诊断后,得到的维护管理诊断结果参见表5:
表5:
进一步地,在一些实施例中,参见图4,在得到配电***的健康指数之后,还包括:
S21:解析健康指数,分别得到***诊断结果、维护管理诊断结果和设备健康诊断结果;
S22:根据***诊断结果、维护管理诊断结果和设备健康诊断结果从预设的建议库中选出对应的建议方案;
S23:将建议方案推送给用户;
建议库包含多个诊断项目,每个诊断项目关联多个建议方案。
在本实施例中,该方法还可以根据配电***的健康指数向用户推送建议方案。其中每一个诊断项目可以关联多个建议方案,每个建议方案可以对应一个异常值,当配电***中某个诊断项目异常时,可以根据异常值提取对应的建议方案发给客户。由此可见该方法还可以根据诊断结果及时推送建议方案,帮助用户及时维护配电***。
例如对于设备接入情况这一诊断项目,给出的建议方案可以包括升级、优化网络,或者使用内网连接云平台,增加不间断电源给物联网网关供电;增加低压电容器数据的接入,变压器的温控器接入;增加中压***的智能电表;增加关键设备、二次配电盘负载接入等等。针对负载不平衡这一诊断项目,给出的建议方案可以包括将不对称负载,如照明等单相负载,进行重新分配,平衡三相电流;对电机类三相负载进行定期试验、维护,及时发现隐患;重点关注数据异常的设备,制定合理的维护计划等等。针对负载率这一诊断项目,给出的建议方案可以包括合理分配设备的使用,加强维护工作,使备用保持在良好的工况水平;提高千里眼平台的使用,及时发现设备异常情况,及时处理;周期性的对主用和备用设备进行切换等等。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于物联网技术的配电***健康诊断方法,其特征在于,包括以下步骤:
采集配电***的历史运行数据;
对所述历史运行数据进行数据处理,得到训练数据;
将所述训练数据划分为训练集和测试集;
利用所述训练集对预设的诊断方法进行训练,得到诊断模型;
利用所述测试集对所述诊断模型进行校验;
采集所述配电***的实时运行数据,将所述实时运行数据传输给所述诊断模型,得到配电***的健康指数。
2.根据权利要求1所述基于物联网技术的配电***健康诊断方法,其特征在于,所述配电***的历史运行数据或实时运行数据包括以下一种或几种数据的组合:
配电***中接入的通讯设备数量、配电***中在线的通讯设备数量、各个通讯设备的工作状态、配电***的电压幅值、配电***的功率因数、配电***的谐波、配电***的负荷、配电***的频率、配电***中负载开关的工作状态。
3.根据权利要求1所述基于物联网技术的配电***健康诊断方法,其特征在于,对所述历史运行数据进行数据处理具体包括:
对所述历史运行数据进行去重;
将去重后的历史运行数据按照采集时间进行分类,得到不同采集时间下的历史运行数据;
将同一采集时间的历史运行数据打包形成一个数据包;
在每个所述数据包上增加标注信息,所述标注信息包括配电***的健康指数。
4.根据权利要求1所述基于物联网技术的配电***健康诊断方法,其特征在于,所述将所述训练数据划分为训练集和测试集具体包括:
随机将70%的训练数据划分为所述训练集;
随机将30%的训练数据划分为所述测试集。
5.根据权利要求2所述基于物联网技术的配电***健康诊断方法,其特征在于,在所述采集所述配电***的实时运行数据之后,还包括:
将所述实时运行数据传输给预设的经验值模型,得到所述健康指数;
所述经验值模型包括多个经验值条件以及对应的健康指数;当所述实时运行数据满足所述经验值模型中一经验值条件时,输出所述经验值条件对应的健康指数。
6.根据权利要求5所述基于物联网技术的配电***健康诊断方法,其特征在于,在所述得到配电***的健康指数之后,还包括:
根据所述健康指数生成诊断报告;
所述诊断报告包括以下三个维度的诊断结果:
***诊断结果、维护管理诊断结果和设备健康诊断结果。
7.根据权利要求6所述基于物联网技术的配电***健康诊断方法,其特征在于,
所述***诊断结果包括通讯***诊断结果和配电***诊断结果;
所述通讯***诊断结果中诊断项目包括设备接入情况、设备通讯的完好性和数据的连续性;
所述配电***诊断结果中诊断项目包括***电压、***功率因数、***电压不平衡、电压谐波畸变率、***电流不平衡、电流谐波畸变率、***负载率和***频率。
8.根据权利要求6所述基于物联网技术的配电***健康诊断方法,其特征在于,
所述设备健康诊断结果中诊断项目包括电流不平衡、电流谐波畸变率、负载开关老化率、电气设备温升、负载率、过载保护配置合理性识别、开关老化率配置识别、故障跳闸次数。
9.根据权利要求6所述基于物联网技术的配电***健康诊断方法,其特征在于,
所述维护管理诊断结果中诊断项目包括维护任务完成率、工单完成率、巡检日志更新情况、维护质量。
10.根据权利要求6所述基于物联网技术的配电***健康诊断方法,其特征在于,在所述得到配电***的健康指数之后,还包括:
解析所述健康指数,分别得到***诊断结果、维护管理诊断结果和设备健康诊断结果;
根据所述***诊断结果、维护管理诊断结果和设备健康诊断结果从预设的建议库中选出对应的建议方案;
将所述建议方案推送给用户;
所述建议库包含多个诊断项目,每个诊断项目关联多个所述建议方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210085374.2A CN114492869A (zh) | 2022-01-25 | 2022-01-25 | 一种基于物联网技术的配电***健康诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210085374.2A CN114492869A (zh) | 2022-01-25 | 2022-01-25 | 一种基于物联网技术的配电***健康诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114492869A true CN114492869A (zh) | 2022-05-13 |
Family
ID=81475088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210085374.2A Pending CN114492869A (zh) | 2022-01-25 | 2022-01-25 | 一种基于物联网技术的配电***健康诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114492869A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115859162A (zh) * | 2023-02-21 | 2023-03-28 | 深圳市超业电力科技有限公司 | 基于物联网的配电***健康诊断方法及相关装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109765883A (zh) * | 2019-03-04 | 2019-05-17 | 积成电子股份有限公司 | 配电自动化终端运行状态评价与故障诊断方法 |
CN110598907A (zh) * | 2019-08-13 | 2019-12-20 | 中国电力科学研究院有限公司 | 一种配电网健康状态的智能诊断方法及*** |
KR20200139346A (ko) * | 2019-06-04 | 2020-12-14 | 배재대학교 산학협력단 | 머신 러닝을 이용한 고장 진단 관리 시스템 및 방법 |
CN112308436A (zh) * | 2020-11-04 | 2021-02-02 | 国网江苏省电力有限公司扬州市江都区供电分公司 | 一种配电网评估诊断分析方法、装置、设备及存储介质 |
CN112752172A (zh) * | 2020-12-15 | 2021-05-04 | 烽火通信科技股份有限公司 | 一种基于迁移学习的光通道故障诊断方法和*** |
CN113359682A (zh) * | 2021-06-30 | 2021-09-07 | 西安力传智能技术有限公司 | 设备故障预测方法、装置、设备故障预测平台及介质 |
-
2022
- 2022-01-25 CN CN202210085374.2A patent/CN114492869A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109765883A (zh) * | 2019-03-04 | 2019-05-17 | 积成电子股份有限公司 | 配电自动化终端运行状态评价与故障诊断方法 |
KR20200139346A (ko) * | 2019-06-04 | 2020-12-14 | 배재대학교 산학협력단 | 머신 러닝을 이용한 고장 진단 관리 시스템 및 방법 |
CN110598907A (zh) * | 2019-08-13 | 2019-12-20 | 中国电力科学研究院有限公司 | 一种配电网健康状态的智能诊断方法及*** |
CN112308436A (zh) * | 2020-11-04 | 2021-02-02 | 国网江苏省电力有限公司扬州市江都区供电分公司 | 一种配电网评估诊断分析方法、装置、设备及存储介质 |
CN112752172A (zh) * | 2020-12-15 | 2021-05-04 | 烽火通信科技股份有限公司 | 一种基于迁移学习的光通道故障诊断方法和*** |
CN113359682A (zh) * | 2021-06-30 | 2021-09-07 | 西安力传智能技术有限公司 | 设备故障预测方法、装置、设备故障预测平台及介质 |
Non-Patent Citations (2)
Title |
---|
王建玉: "《建筑物设备》", 29 February 2004 * |
艾芊等, 上海交通大学出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115859162A (zh) * | 2023-02-21 | 2023-03-28 | 深圳市超业电力科技有限公司 | 基于物联网的配电***健康诊断方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN106372735B (zh) | 一种继电保护状态评估方法 | |
CN112561736A (zh) | 智能变电站继电器保护装置故障诊断***和方法 | |
CN115048591B (zh) | 一种基于人工智能的配电网全息数据可视化智能展示分析*** | |
CN108879654B (zh) | 基于遥测异动设备异常远方诊断方法 | |
CN108347352B (zh) | 一种电力***中信息***及设备性能的诊断方法 | |
CN106972626A (zh) | 电力设备的运行状态检查方法、装置及*** | |
CN108988487B (zh) | 一种基于多维数据的电网停电事件辨识方法 | |
CN111581196A (zh) | 基于智能工厂框架的供配用电网智能数据采集整理*** | |
CN104538957B (zh) | 用于统计低频低压切负荷容量的电网模型自适应处理方法 | |
CN117078017A (zh) | 一种用于电力电网设备监控智能化决策分析*** | |
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 | |
CN112987696A (zh) | 一种区域配电网设备管理平台及其运行方法 | |
CN117491899B (zh) | 一种移动式储能电源的可靠性诊断*** | |
CN110867958A (zh) | 一种电力***自动识别故障告警方法 | |
CN106443363A (zh) | 一种电力网中供电能力异常的监测方法、装置及*** | |
CN114492869A (zh) | 一种基于物联网技术的配电***健康诊断方法 | |
CN111007299A (zh) | 一种电网数据采集分析处理*** | |
CN207408775U (zh) | 一种高压开关柜局部放电状态数据的存储*** | |
CN107294205B (zh) | 一种基于保信主站数据的变电站状态监视方法 | |
CN114665610B (zh) | 一种基于无功功率采集的电容器监测方法、***及设备 | |
CN115833387A (zh) | 一种储能电站自动化状态巡检方法 | |
CN114167342A (zh) | 一种继电保护装置运行健康状态的评价方法 | |
CN107450030B (zh) | 一种通信蓄电池遥测数据处理方法、装置及*** | |
CN110706434A (zh) | 人机交互式的输电线路故障监测和预警*** |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220607 Address after: 101100 room 1203, floor 12, building 46, Zhuanchang Nanli, Tongzhou District, Beijing Applicant after: Beijing CIEALOM Automation Engineering Technology Co.,Ltd. Address before: 1310, building 2, Dahuang Zhuang Nanli, Chaoyang District, Beijing 100020 Applicant before: Wang Qiming |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220513 |