CN115372816A - 基于数据分析的配电开关设备运行故障预测***及方法 - Google Patents
基于数据分析的配电开关设备运行故障预测***及方法 Download PDFInfo
- Publication number
- CN115372816A CN115372816A CN202211306136.6A CN202211306136A CN115372816A CN 115372816 A CN115372816 A CN 115372816A CN 202211306136 A CN202211306136 A CN 202211306136A CN 115372816 A CN115372816 A CN 115372816A
- Authority
- CN
- China
- Prior art keywords
- time
- curve
- temperature
- fault
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
- G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
- G01R31/3275—Fault detection or status indication
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及故障预测技术领域,具体为基于数据分析的配电开关设备运行故障预测***及方法,包括数据采集单元、预处理单元、分析单元、结果输出单元、结果反馈单元、学习优化单元和数据库;本发明中,将启动、运行和关闭以不同的权重配比来综合反映开关的状况,更加准确的预测开关发生故障的概率,并通过采集温度和湿度两种参数数据,使得在通过温度分析开关的老化状态时,获取排除温度影响后的实际老化状态,更加真实准确的反映出开关老化状态,在未被预测的故障发生后,学习优化单元生成易发故障曲线,在后续的使用中将易发故障曲线也纳入分析单元对开关状态评估的步骤中,使得***在不断的使用中自发完善。
Description
技术领域
本发明涉及故障预测技术领域,具体为基于数据分析的配电开关设备运行故障预测***及方法。
背景技术
电力***中存在大量的开关,由于开关对电网的稳定起到重要的作用,因此必须时时刻刻关注开关的是否存在故障,并对存在故障隐患的开关进行替换,以保障电网的安全,随着移动互联网的广泛普及以及监测技术的发展,可以通过红外测温的技术实时获取开关的温度数据,以实现对开关运行的实时监测;
但有技术中对电力***开关的监测只能检测到温度异常但没有预警功能,从而导致无法预测开关故障的发生,容易导致配电设备损坏或者电力网络断线,对生产和生活造成较大的损失与不便;
针对上述技术问题,本申请提出一种解决方案。
发明内容
本发明中,通过采集开关设备启动、运行和关闭三中不同时段的温度曲线,以不同的权重配比来综合反映开关的状况,能够更好的对开关的运行状态作出判断,从而更加准确的预测开关发生故障的概率,通过采集温度和湿度两种参数数据,使得在通过温度分析开关的老化状态时,能够将湿度所带来的影响排除,获取排除温度影响后的实际老化状态,更加真实准确的反映出开关老化状态,防止因为湿度原因导致***出现故障错误预测,在未被预测的故障发生后,能够通过学习优化单元对故障发生时的曲线进行分析记录,生成易发故障曲线,从而在后续的使用中将易发故障曲线也纳入分析单元对开关状态评估的步骤中,使得***在不断的使用中自发完善,进一步提高预测的准确程度,解决电力***开关的监测只能检测到温度异常但没有预警功能,从而导致无法预测开关故障的发生,容易导致配电设备损坏或者电力网络断线的问题,而提出基于数据分析的配电开关设备运行故障预测***及方法。
本发明的目的可以通过以下技术方案实现:
基于数据分析的配电开关设备运行故障预测***,包括数据采集单元、预处理单元、分析单元、结果输出单元、结果反馈单元、学习优化单元和数据库;
所述数据采集单元用于以一定的时间间隔采集配电开关设备在运行中的温度、湿度数据,同时记录下采集温度时对应的时间点数据,将所采集到的数据发送至预处理单元;
预处理单元在收到数据采集单元发送的温度湿度信号后,以采集温度时的时间点为X轴,以温度数据为Y轴,作出时间-温度曲线,同时对曲线进行平滑处理,剔除不合理的数据,将采集湿度时的时间点作为X轴,以湿度作为Y轴,作出时间-湿度曲线,同时对曲线进行平滑处理,标记脱离曲线的突变数据,预处理单元将处理后的时间-温度曲线、时间-湿度曲线以及湿度曲线上的突变数据发送至分析单元;
分析单元接收到时间-温度曲线后,从数据库中调取所存储的良好运行状态下的时间-温度对照曲线,将时间-温度曲线与时间-温度对照曲线进行叠加比较,分析单元在收到时间-湿度曲线后,从数据库中调取所存储的良好运行状态下的时间-湿度对照曲线,将时间-湿度曲线与时间-湿度对照曲线进行叠加比对分析,并对比较结果进行故障预测,将故障预测结果发送至结果输出单元;
结果输出单元收到故障预测信号后,对信号进行显示;
结果反馈单元用于记录未被预测而发生的故障,并将故障信号发送至分析单元,分析单元收到故障信号后追溯故障发生时的时间-温度曲线以及时间-湿度曲线,并将曲线发送至学习优化单元;
学习优化单元收到分析单元发出的曲线后,通过与数据库中的良好运行状态下的曲线进行对比分析,完成故障预测的优化,并将优化结果同时发送至数据库与分析单元。
作为本发明的一种优选实施方式,所述数据采集单元进行时间采集分为三个时间段,第一个时间段为开关闭合前两秒至开关闭合后两秒,第二个时间段为开关闭合后两秒至开关断开前,第三个时间段为开关断开前两秒至开关断开后两秒,第一时间段与第三时间段以每秒钟一次的频率对温度数据和湿度数据进行采集,第二时间段以每30秒一次的频率对温度数据和湿度数据进行采集,并将采集到的时间、温度和湿度信号发送至预处理单元。
作为本发明的一种优选实施方式,所述预处理单元对第一时间段的时间、温度和湿度数据进行处理,生成第一时间段的时间-温度曲线和时间-湿度曲线,所述预处理单元对第二时间段的时间、温度和湿度数据进行处理,生成第二时间段的时间-温度曲线和时间-湿度曲线,所述预处理单元对第三时间段的时间、温度和湿度数据进行处理,生成第三时间段的时间-温度曲线和时间-湿度曲线;
预处理单元对上述三组时间-温度曲线进行平滑处理,若某一点的温度与其相邻的两个数据点均出现断崖式上升或下降,则标记为不合理数据,若某一点与其前一个数据点相比出现温度断崖式下降,则也标记为不合理数据,对不合理数据进行剔除后连接剔除点两侧的曲线,并再次重复上述步骤对连接后的曲线进行再次处理,直至无不合理数据出现,并将处理后的时间-温度曲线与时间-湿度曲线发送至分析单元。
作为本发明的一种优选实施方式,所述分析单元在将预处理单元发送的曲线与数
据库中调取的良好运行状态下的对照曲线进行叠加比较,以时间轴作为基准进行重合,时
间-温度曲线上的温度值记为Tn,时间-温度对照曲线上的温度值记为tn,将两条曲线上的
温度值的差值分析,得到开关温度异常特征值K,;
三组不同时段的时间-温度曲线均通过此方法进行计算,分别得到三组不同的开关温度异常特征值K1、K2和K3,其中Y为权重系数,三组不同时段的Y分别为Y1、Y2和Y3,其中Y1+Y2+Y3=1;
分析单元对时间-湿度曲线与时间-湿度对照曲线以时间轴为基准进行重合,将时
间-湿度曲线上的湿度值记为RHn,时间-湿度对照曲线上的湿度值记为rhn,将两条曲线上
的湿度值进行差值分析,得到环境干扰特征值J,,其中X为干扰系
数,X为固定值;
所述分析单元从数据库中调取开关故障特征值阈值Mmax,将M与Mmax进行比较,若M≥Mmax,则对输出单元发出开关异常信号,若M<Mmax,则对输出单元发出开关正常信号。
作为本发明的一种优选实施方式,所述结果输出单元收到开关异常信号后,在屏幕上显示“开关待更换”文本,所述结果输出单元收到开关正常信号后,不作出反应。
作为本发明的一种优选实施方式,所述结果反馈单元记录到开关发生故障时,若结果输出单元未收到开关异常信号,则将此次故障定义为未被预测的故障,结果反馈单元记录到未被预测的故障后,将故障信号发送至分析单元,分析单元根据未被预测的故障发生时间,调取出包含该时间点的三个时间段的时间-温度和时间-湿度曲线,将其标记为故障信号曲线,并将该故障信号曲线发送至数据库进行储存,当后续每次发生未被预测的故障时,将故障信号曲线发送至数据库储存的同时向分析单元发送二次分析信号,分析单元在收到二次分析信号后,将最新发生的故障信号曲线与往期故障信号曲线一一比对,若存在相类似的故障信号曲线重复出现2次及以上,则将其标记为易发故障曲线。
作为本发明的一种优选实施方式,所述分析单元在进行下一次曲线叠加比对分析时,增加与数据库中存储的所有易发故障曲线的比对分析过程,并根据时间-湿度曲线以及时间-温度曲线与易发故障曲线的贴合程度分析开关发生故障的几率,若时间-温度曲线和时间-湿度曲线均与易发故障曲线贴合程度小于等于贴合程度阈值,则向结果输出模块发出往期故障信号,若时间-温度曲线和时间-湿度曲线中的任意一条与易发故障曲线贴合程度大于贴合程度阈值,则不作出反应,结果输出模块收到往期故障信号后,在屏幕上显示“往期故障,开关待更换”文本。
该基于数据分析的配电开关设备运行故障预测方法,包括以下步骤:
步骤一:通过数据采集单元采集配电开关设备在运行过程中的温度、湿度以及对应的时间数据,并将该数据发送预处理单元进行预处理,预处理单元将各种数据处理成为曲线的形式,并将曲线发送至分析单元中;
步骤二:分析单元通过将曲线与对照曲线进行分析比对,通过数值计算、阈值比对的方式判定开关设备的当前运行状况与良好工况下的差距,并对是否需要更换开关设备作出判断;
步骤三:当未被预测的故障发生时,通过结果反馈单元与数据库进行记录,并通过分析单元对后续发生的故障进行比对,将出现两次及以上的故障曲线标记为易发故障曲线,将易发故障曲线纳入对照曲线中,在对开关进行故障预测时通过对照曲线以及所有的易发故障曲线共同进行预测,提高预测的准确性以及覆盖率。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过采集开关设备启动、运行和关闭三中不同时段的温度曲线,以不同的权重配比来综合反映开关的状况,能够更好的对开关的运行状态作出判断,从而更加准确的预测开关发生故障的概率。
2、本发明中,通过采集温度和湿度两种参数数据,使得在通过温度分析开关的老化状态时,能够将湿度所带来的影响排除,获取排除温度影响后的实际老化状态,更加真实准确的反映出开关老化状态,防止因为湿度原因导致***出现故障错误预测。
3、本发明中,在未被预测的故障发生后,能够通过学习优化单元对故障发生时的曲线进行分析记录,生成易发故障曲线,从而在后续的使用中将易发故障曲线也纳入分析单元对开关状态评估的步骤中,使得***在不断的使用中自发完善,进一步提高预测的准确程度。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的***框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一:
请参阅图1所示,基于数据分析的配电开关设备运行故障预测***,包括数据采集单元、预处理单元、分析单元、结果输出单元、结果反馈单元、学习优化单元和数据库,分析单元与学习优化单元均具有数据储存能力;
数据采集单元用于以一定的时间间隔采集配电开关设备在运行中的温度数据、湿度数据,同时记录下采集温度时对应的时间点数据,数据采集单元进行时间采集分为三个时间段,第一个时间段为开关闭合前两秒至开关闭合后两秒,对开关闭合时的温度变化进行检测,反应开关闭合瞬时的温度上升程度,第二个时间段为开关闭合后两秒至开关断开前,对开关持续运行的过程中的温度变化进行检测,反应开关运行时的发热量,第三个时间段为开关断开前两秒至开关断开后两秒,对开关断开时的温度变化量进行检测,反应开关的降温能力,第一时间段与第三时间段以每秒钟一次的频率对温度数据和湿度数据进行采集,第二时间段以每30秒一次的频率对温度数据和湿度数据进行采集,若第二时间段开关的运行时长不足30秒,则不对运行时间段的数据进行采集,并将采集到的时间、温度和湿度信号发送至预处理单元;
预处理单元在收到数据采集单元发送的温度信号、时间信号和湿度信号后,以采集温度时的时间点为X轴,以温度数据为Y轴,作出时间-温度曲线,预处理单元对第一时间段的时间、温度和湿度数据进行处理,生成第一时间段的时间-温度曲线和时间-湿度曲线,预处理单元对第二时间段的时间、温度和湿度数据进行处理,生成第二时间段的时间-温度曲线和时间-湿度曲线,预处理单元对第三时间段的时间、温度和湿度数据进行处理,生成第三时间段的时间-温度曲线和时间-湿度曲线,同时对曲线进行平滑处理,若某一点的温度与其相邻的两个数据点均出现断崖式上升或下降,则标记为不合理数据,若某一点与其前一个数据点相比出现温度断崖式下降,则也标记为不合理数据,其中断崖式下降的数据点判断方法为:将相邻两数据点连为一条直线,若该直线的斜率的绝对值超过所预设的斜率阈值,则判定两数据点中位于后方的一数据点出现了断崖式变化,对不合理数据进行剔除后连接剔除点两侧的曲线,并再次重复上述步骤对连接后的曲线进行再次处理,直至无不合理数据出现,按照常识,温度能够快速上升,但受制于无专门散热***限制,温度无法快速下降,剔除不合理的数据使得数据更加符合常理,将采集湿度时的时间点作为X轴,以湿度作为Y轴,作出时间-湿度曲线,同时对曲线进行平滑处理,标记脱离曲线的突变数据,预处理单元将处理后的时间-温度曲线、时间-湿度曲线以及湿度曲线上的突变数据发送至分析单元;
分析单元接收到时间-温度曲线后,从数据库中调取所存储的良好运行状态下的
时间-温度对照曲线,将时间-温度曲线与时间-温度对照曲线进行叠加比较,比较时以时间
轴作为基准进行重合,时间-温度曲线上的温度值记为Tn,时间-温度对照曲线上的温度值
记为tn,将两条曲线上的温度值的差值分析,得到开关温度异常特征值K,;
三组不同时段的时间-温度曲线均通过此方法进行计算,分别得到三组不同的开
关温度异常特征值K1、K2和K3,其中Y为权重系数,三组不同时段的Y分别为Y1、Y2和Y3,其中
Y1+Y2+Y3=1,通过三组不同的权重系数为开关闭合、运行以及断开三个时间段分配不同的
占比,使得三个时间段能够综合反映开关的老化状态,使得分析更加准确,K1、K2、K3的值为
在运行环境下带有湿度影响的开关温度异常特征值,因此即使对于两组老化状态完全相同
的开关,若环境湿度发生改变,则K值也会发生变化,为了能够准确的反映排除环境湿度影
响下的开关真实老化状态,分析单元对时间-湿度曲线与时间-湿度对照曲线以时间轴为基
准进行重合,将时间-湿度曲线上的湿度值记为RHn,时间-湿度对照曲线上的湿度值记为
rhn,将两条曲线上的湿度值进行差值分析,得到环境干扰特征值J,,其中X为干扰系数,X为固定值,并将开关温度异常特征值K和环
境干扰特征值J计算得到开关故障特征值M,,开关故障特征
值M为排除环境湿度影响下的开关真实老化状态,能够更加直接的反应开关本身的状态,提
高故障预测的准确率,并对比较结果进行故障预测,分析单元从数据库中调取开关故障特
征值阈值Mmax,将M与Mmax进行比较,若M≥Mmax,则对输出单元发出开关异常信号,若M<
Mmax,则对输出单元发出开关正常信号,将故障预测结果发送至结果输出单元;
结果输出单元收到开关异常信号后,在屏幕上显示“开关待更换”文本,结果输出单元收到开关正常信号后,不作出反应,在操作人员对开关进行更换后,结果输出单元进行一次初始化;
结果反馈单元记录到开关发生故障时,若结果输出单元在上一次初始化后至此次故障发生前未收到开关异常信号,则将此次故障定义为未被预测的故障,结果反馈单元记录到未被预测的故障后,将故障信号发送至分析单元,分析单元根据未被预测的故障发生时间,调取出包含该时间点的三个时间段的时间-温度和时间-湿度曲线,将其标记为故障信号曲线,并将该故障信号曲线发送至数据库进行储存,当后续每次发生未被预测的故障时,将该次故障的故障信号曲线发送至数据库储存的同时向分析单元发送二次分析信号,分析单元在收到二次分析信号后,将最新发生的故障信号曲线与往期所储存的故障信号曲线一一比对,若存在相类似的故障信号曲线重复出现2次及以上,则将其标记为易发故障曲线,取两条故障信号曲线上同一X点所对应Y轴的坐标,若该两点的Y轴坐标差值在设定差值以内,则判定两点重合,将重合点数除以该故障信号曲线的总点数,得到重合度,若该次故障信号曲线与往期所储存的其中一条故障信号曲线上的重合度超过所设定的重合度阈值,则判定该两条故障信号曲线为相类似;
根据多次出现的相类似故障信号曲线对易发故障曲线进行拟合,每一组易发故障曲线为时间-湿度曲线和时间-温度曲线两条曲线,此后***在通过分析单元在进行下一次开关运行的时间-温度曲线和时间-湿度叠加比对分析时,增加与数据库中存储的所有易发故障曲线的比对分析过程,并根据时间-湿度曲线以及时间-温度曲线与每一组易发故障曲线的贴合程度分析开关发生故障的几率,若时间-温度曲线和时间-湿度曲线均与易发故障曲线中的温度和湿度曲线的贴合程度小于等于贴合程度阈值,则向结果输出模块发出往期故障信号,若时间-温度曲线和时间-湿度曲线中的任意一条与易发故障曲线中的温度和湿度曲线的贴合程度大于贴合程度阈值,则不作出反应,结果输出模块收到往期故障信号后,在屏幕上显示“往期故障,开关待更换”文本,以提高故障预测***的预测能力。
实施例二:
一种基于数据分析的配电开关设备运行故障预测方法,包括以下步骤:
步骤一:通过数据采集单元采集配电开关设备在运行过程中的温度、湿度以及对应的时间数据,并将该数据发送预处理单元进行预处理,预处理单元将各种数据处理成为曲线的形式,并将曲线发送至分析单元中;
步骤二:分析单元通过将曲线与对照曲线进行分析比对,通过数值计算、阈值比对的方式判定开关设备的当前运行状况与良好工况下的差距,并对是否需要更换开关设备作出判断;
步骤三:当未被预测的故障发生时,通过结果反馈单元与数据库进行记录,并通过分析单元对后续发生的故障进行比对,将出现两次及以上的故障曲线标记为易发故障曲线,将易发故障曲线纳入对照曲线中,在对开关进行故障预测时通过对照曲线以及所有的易发故障曲线共同进行预测,提高预测的准确性以及覆盖率。
本发明中,通过采集开关设备启动、运行和关闭三中不同时段的温度曲线,以不同的权重配比来综合反映开关的状况,能够更好的对开关的运行状态作出判断,从而更加准确的预测开关发生故障的概率,通过采集温度和湿度两种参数数据,使得在通过温度分析开关的老化状态时,能够将湿度所带来的影响排除,获取排除温度影响后的实际老化状态,更加真实准确的反映出开关老化状态,防止因为湿度原因导致***出现故障错误预测,在未被预测的故障发生后,能够通过学习优化单元对故障发生时的曲线进行分析记录,生成易发故障曲线,从而在后续的使用中将易发故障曲线也纳入分析单元对开关状态评估的步骤中,使得***在不断的使用中自发完善,进一步提高预测的准确程度。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.基于数据分析的配电开关设备运行故障预测***,其特征在于,包括数据采集单元、预处理单元、分析单元、结果输出单元、结果反馈单元、学习优化单元和数据库;
所述数据采集单元用于以一定的时间间隔采集配电开关设备在运行中的温度、湿度数据,同时记录下采集温度时对应的时间点数据,将所采集到的数据发送至预处理单元;
预处理单元在收到数据采集单元发送的时间点数据、温度数据和湿度数据后,以采集温度时的时间点为X轴,以温度数据为Y轴,作出时间-温度曲线,同时对曲线进行平滑处理,剔除不合理的数据,将采集湿度时的时间点作为X轴,以湿度作为Y轴,作出时间-湿度曲线,同时对曲线进行平滑处理,标记脱离曲线的突变数据,预处理单元将处理后的时间-温度曲线、时间-湿度曲线以及湿度曲线上的突变数据发送至分析单元;
分析单元接收到时间-温度曲线后,从数据库中调取所存储的良好运行状态下的时间-温度对照曲线,将时间-温度曲线与时间-温度对照曲线进行叠加比较,分析单元在收到时间-湿度曲线后,从数据库中调取所存储的良好运行状态下的时间-湿度对照曲线,将时间-湿度曲线与时间-湿度对照曲线进行叠加比对分析,并对比较结果进行故障预测,将故障预测结果发送至结果输出单元;
结果输出单元收到故障预测信号后,对信号进行显示;
结果反馈单元用于记录未被预测而发生的故障,并将故障信号发送至分析单元,分析单元收到故障信号后追溯故障发生时的时间-温度曲线以及时间-湿度曲线,并将曲线发送至学习优化单元;
学习优化单元收到分析单元发出的曲线后,通过与数据库中的良好运行状态下的曲线进行对比分析,完成故障预测的优化,并将优化结果同时发送至数据库与分析单元。
2.根据权利要求1所述的基于数据分析的配电开关设备运行故障预测***,其特征在于,所述数据采集单元进行时间采集分为三个时间段,第一个时间段为开关闭合前两秒至开关闭合后两秒,第二个时间段为开关闭合后两秒至开关断开前,第三个时间段为开关断开前两秒至开关断开后两秒,第一时间段与第三时间段以每秒钟一次的频率对温度数据和湿度数据进行采集,第二时间段以每30秒一次的频率对温度数据和湿度数据进行采集,并将采集到的时间、温度和湿度信号发送至预处理单元。
3.根据权利要求1所述的基于数据分析的配电开关设备运行故障预测***,其特征在于,所述预处理单元对第一时间段的时间、温度和湿度数据进行处理,生成第一时间段的时间-温度曲线和时间-湿度曲线,所述预处理单元对第二时间段的时间、温度和湿度数据进行处理,生成第二时间段的时间-温度曲线和时间-湿度曲线,所述预处理单元对第三时间段的时间、温度和湿度数据进行处理,生成第三时间段的时间-温度曲线和时间-湿度曲线;
预处理单元对上述三组时间-温度曲线进行平滑处理,若某一点的温度与其相邻的两个数据点均出现断崖式上升或下降,则标记为不合理数据,若某一点与其前一个数据点相比出现温度断崖式下降,则也标记为不合理数据,对不合理数据进行剔除后连接剔除点两侧的曲线,并再次重复上述步骤对连接后的曲线进行再次处理,直至无不合理数据出现,并将处理后的时间-温度曲线与时间-湿度曲线发送至分析单元。
4.根据权利要求1所述的基于数据分析的配电开关设备运行故障预测***,其特征在
于,所述分析单元在将预处理单元发送的曲线与数据库中调取的良好运行状态下的对照曲
线进行叠加比较,以时间轴作为基准进行重合,时间-温度曲线上的温度值记为Tn,时间-温
度对照曲线上的温度值记为tn,将两条曲线上的温度值的差值分析,得到开关温度异常特
征值K,;三组不同时段的时间-温度曲线均通过此方法进行计算,分
别得到三组不同的开关温度异常特征值K1、K2和K3,其中Y为权重系数,三组不同时段的Y分
别为Y1、Y2和Y3,其中Y1+Y2+Y3=1;
分析单元对时间-湿度曲线与时间-湿度对照曲线以时间轴为基准进行重合,将时间-
湿度曲线上的湿度值记为RHn,时间-湿度对照曲线上的湿度值记为rhn,将两条曲线上的湿
度值进行差值分析,得到环境干扰特征值J,,其中X为干扰系数,
X为固定值;
所述分析单元从数据库中调取开关故障特征值阈值Mmax,将M与Mmax进行比较,若M≥Mmax,则对输出单元发出开关异常信号,若M<Mmax,则对输出单元发出开关正常信号。
5.根据权利要求4所述的基于数据分析的配电开关设备运行故障预测***,其特征在于,所述结果输出单元收到开关异常信号后,在屏幕上显示“开关待更换”文本,所述结果输出单元收到开关正常信号后,不作出反应。
6.根据权利要求1所述的基于数据分析的配电开关设备运行故障预测***,其特征在于,所述结果反馈单元记录到开关发生故障时,若结果输出单元未收到开关异常信号,则将此次故障定义为未被预测的故障,结果反馈单元记录到未被预测的故障后,将故障信号发送至分析单元,分析单元根据未被预测的故障发生时间,调取出包含该时间点的三个时间段的时间-温度和时间-湿度曲线,将其标记为故障信号曲线,并将该故障信号曲线发送至学习优化单元与数据库进行储存,当后续每次发生未被预测的故障时,将故障信号曲线发送至数据库储存的同时向分析单元发送二次分析信号,分析单元在收到二次分析信号后,将最新发生的故障信号曲线与往期故障信号曲线一一比对,若存在相类似的故障信号曲线重复出现2次及以上,则将其标记为易发故障曲线。
7.根据权利要求1所述的基于数据分析的配电开关设备运行故障预测***,其特征在于,所述分析单元在进行下一次曲线叠加比对分析时,增加与数据库中存储的所有易发故障曲线的比对分析过程,并根据时间-湿度曲线以及时间-温度曲线与易发故障曲线的贴合程度分析开关发生故障的几率,若时间-温度曲线和时间-湿度曲线均与易发故障曲线贴合程度小于等于贴合程度阈值,则向结果输出模块发出往期故障信号,若时间-温度曲线和时间-湿度曲线中的任意一条与易发故障曲线贴合程度大于贴合程度阈值,则不作出反应,结果输出模块收到往期故障信号后,在屏幕上显示“往期故障,开关待更换”文本。
8.基于数据分析的配电开关设备运行故障预测方法,其特征在于,包括以下步骤:
步骤一:通过数据采集单元采集配电开关设备在运行过程中的温度、湿度以及对应的时间数据,并将该数据发送预处理单元进行预处理,预处理单元将各种数据处理成为曲线的形式,并将曲线发送至分析单元中;
步骤二:分析单元通过将曲线与对照曲线进行分析比对,通过数值计算、阈值比对的方式判定开关设备的当前运行状况与良好工况下的差距,并对是否需要更换开关设备作出判断;
步骤三:当未被预测的故障发生时,通过结果反馈单元与数据库进行记录,并通过分析单元对后续发生的故障进行比对,将出现两次及以上的故障曲线标记为易发故障曲线,将易发故障曲线纳入对照曲线中,在对开关进行故障预测时通过对照曲线以及所有的易发故障曲线共同进行预测,提高预测的准确性以及覆盖率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211306136.6A CN115372816B (zh) | 2022-10-25 | 2022-10-25 | 基于数据分析的配电开关设备运行故障预测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211306136.6A CN115372816B (zh) | 2022-10-25 | 2022-10-25 | 基于数据分析的配电开关设备运行故障预测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115372816A true CN115372816A (zh) | 2022-11-22 |
CN115372816B CN115372816B (zh) | 2023-01-24 |
Family
ID=84073839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211306136.6A Active CN115372816B (zh) | 2022-10-25 | 2022-10-25 | 基于数据分析的配电开关设备运行故障预测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115372816B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115931416A (zh) * | 2023-03-14 | 2023-04-07 | 枣庄市天工精密机械有限公司 | 一种基于数据分析的淋砂机故障检测*** |
CN115982552A (zh) * | 2022-12-19 | 2023-04-18 | 萍乡学院 | 一种电子信号的处理方法及*** |
CN116893336A (zh) * | 2023-07-11 | 2023-10-17 | 浙江和能电力设备有限公司 | 高低压开关设备及其方法 |
CN118192390A (zh) * | 2024-05-16 | 2024-06-14 | 国网浙江省电力有限公司泰顺县供电公司 | 4g配电开关站自动化控制方法、***、设备和存储介质 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10190592A (ja) * | 1996-12-24 | 1998-07-21 | Nippon Denki Ido Tsushin Kk | 監視システム |
US6215408B1 (en) * | 1999-01-22 | 2001-04-10 | Hydro-Quebec | Vibro-acoustic signature treatment process in high-voltage electromechanical switching system |
US20020149371A1 (en) * | 2001-04-11 | 2002-10-17 | Norbert Grassmann | Method for detecting a switched state of a switch |
US20070213956A1 (en) * | 2006-03-10 | 2007-09-13 | Edsa Micro Corporation | Systems and methods for real-time protective device evaluation in an electrical power distribution system |
US20120022797A1 (en) * | 2009-02-23 | 2012-01-26 | Mitsubishi Electric Corporation | Switching-device remaining lifetime diagnosis method and apparatus |
CN102854461A (zh) * | 2012-08-24 | 2013-01-02 | 中国电力科学研究院 | 一种开关设备发生故障的概率预测方法及其*** |
CN104538233A (zh) * | 2014-12-25 | 2015-04-22 | 广州供电局有限公司变电管理一所 | 变电站电动刀闸状态监测预警***及方法 |
EP3018485A1 (de) * | 2014-11-06 | 2016-05-11 | Siemens Aktiengesellschaft | Schutzschaltvorrichtung und Verfahren zum Strommessen |
CN107450017A (zh) * | 2017-08-04 | 2017-12-08 | 内蒙古电力(集团)有限责任公司包头供电局 | 一种开关设备缺陷智能检测*** |
CN107884645A (zh) * | 2017-11-03 | 2018-04-06 | 山东理工大学 | 基于电压比较的电力电容器运行状态监测方法 |
FR3066844A1 (fr) * | 2017-05-23 | 2018-11-30 | Monixo | Procede de prevision de la survenue d'une defaillance sur un appareil dans le temps |
CN108957304A (zh) * | 2018-04-09 | 2018-12-07 | 西安工程大学 | 断路器载流故障预测方法 |
CN110426624A (zh) * | 2019-07-29 | 2019-11-08 | 西安西拓电气股份有限公司 | 断路器状态的评估方法及装置 |
CN113671361A (zh) * | 2021-06-25 | 2021-11-19 | 海南电网有限责任公司海南输变电检修分公司 | 基于多源信号融合的高压断路器特性参数预测方法及*** |
CN113848471A (zh) * | 2021-10-20 | 2021-12-28 | 南京理工大学 | 继电保护***的故障智能定位方法及*** |
DE102020209645A1 (de) * | 2020-07-30 | 2022-02-03 | Siemens Aktiengesellschaft | Verfahren zur Zustandsbestimmung einer elektrischen Schaltanlage, Überwachungseinheit für eine elektrische Schaltanlage und elektrische Schaltanlage |
CN114264952A (zh) * | 2022-02-28 | 2022-04-01 | 欧米勒电气有限公司 | 一种基于数据处理的断路器运行状态特征管理*** |
CN114430199A (zh) * | 2022-04-01 | 2022-05-03 | 山东汇能电气有限公司 | 一种基于大数据的开关柜运行监管*** |
CN114636927A (zh) * | 2022-03-01 | 2022-06-17 | 深圳市创佳兴电子有限公司 | 一种基于大数据的马达运行故障预测*** |
CN114819415A (zh) * | 2022-06-27 | 2022-07-29 | 中国标准化研究院 | 一种基于数据分析的电力设备故障预测*** |
-
2022
- 2022-10-25 CN CN202211306136.6A patent/CN115372816B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10190592A (ja) * | 1996-12-24 | 1998-07-21 | Nippon Denki Ido Tsushin Kk | 監視システム |
US6215408B1 (en) * | 1999-01-22 | 2001-04-10 | Hydro-Quebec | Vibro-acoustic signature treatment process in high-voltage electromechanical switching system |
US20020149371A1 (en) * | 2001-04-11 | 2002-10-17 | Norbert Grassmann | Method for detecting a switched state of a switch |
US20070213956A1 (en) * | 2006-03-10 | 2007-09-13 | Edsa Micro Corporation | Systems and methods for real-time protective device evaluation in an electrical power distribution system |
US20120022797A1 (en) * | 2009-02-23 | 2012-01-26 | Mitsubishi Electric Corporation | Switching-device remaining lifetime diagnosis method and apparatus |
CN102854461A (zh) * | 2012-08-24 | 2013-01-02 | 中国电力科学研究院 | 一种开关设备发生故障的概率预测方法及其*** |
EP3018485A1 (de) * | 2014-11-06 | 2016-05-11 | Siemens Aktiengesellschaft | Schutzschaltvorrichtung und Verfahren zum Strommessen |
CN104538233A (zh) * | 2014-12-25 | 2015-04-22 | 广州供电局有限公司变电管理一所 | 变电站电动刀闸状态监测预警***及方法 |
FR3066844A1 (fr) * | 2017-05-23 | 2018-11-30 | Monixo | Procede de prevision de la survenue d'une defaillance sur un appareil dans le temps |
CN107450017A (zh) * | 2017-08-04 | 2017-12-08 | 内蒙古电力(集团)有限责任公司包头供电局 | 一种开关设备缺陷智能检测*** |
CN107884645A (zh) * | 2017-11-03 | 2018-04-06 | 山东理工大学 | 基于电压比较的电力电容器运行状态监测方法 |
CN108957304A (zh) * | 2018-04-09 | 2018-12-07 | 西安工程大学 | 断路器载流故障预测方法 |
CN110426624A (zh) * | 2019-07-29 | 2019-11-08 | 西安西拓电气股份有限公司 | 断路器状态的评估方法及装置 |
DE102020209645A1 (de) * | 2020-07-30 | 2022-02-03 | Siemens Aktiengesellschaft | Verfahren zur Zustandsbestimmung einer elektrischen Schaltanlage, Überwachungseinheit für eine elektrische Schaltanlage und elektrische Schaltanlage |
CN113671361A (zh) * | 2021-06-25 | 2021-11-19 | 海南电网有限责任公司海南输变电检修分公司 | 基于多源信号融合的高压断路器特性参数预测方法及*** |
CN113848471A (zh) * | 2021-10-20 | 2021-12-28 | 南京理工大学 | 继电保护***的故障智能定位方法及*** |
CN114264952A (zh) * | 2022-02-28 | 2022-04-01 | 欧米勒电气有限公司 | 一种基于数据处理的断路器运行状态特征管理*** |
CN114636927A (zh) * | 2022-03-01 | 2022-06-17 | 深圳市创佳兴电子有限公司 | 一种基于大数据的马达运行故障预测*** |
CN114430199A (zh) * | 2022-04-01 | 2022-05-03 | 山东汇能电气有限公司 | 一种基于大数据的开关柜运行监管*** |
CN114819415A (zh) * | 2022-06-27 | 2022-07-29 | 中国标准化研究院 | 一种基于数据分析的电力设备故障预测*** |
Non-Patent Citations (3)
Title |
---|
JOSE ROMERO 等: "Effects of Moisture and Temperature on Membrane Switches in Laptop Keyboards", 《IEEE TRANSACTIONS ON DEVICE AND MATERIALS RELIABILITY》 * |
张栋梁等: "基于状态监测的预警管理***研究与应用", 《电子设计工程》 * |
李明明等: "配电表箱温度数据分析与决策***设计研究", 《机电信息》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115982552A (zh) * | 2022-12-19 | 2023-04-18 | 萍乡学院 | 一种电子信号的处理方法及*** |
CN115982552B (zh) * | 2022-12-19 | 2023-10-20 | 萍乡学院 | 一种电子信号的处理方法及*** |
CN115931416A (zh) * | 2023-03-14 | 2023-04-07 | 枣庄市天工精密机械有限公司 | 一种基于数据分析的淋砂机故障检测*** |
CN115931416B (zh) * | 2023-03-14 | 2023-06-13 | 枣庄市天工精密机械有限公司 | 一种基于数据分析的淋砂机故障检测*** |
CN116893336A (zh) * | 2023-07-11 | 2023-10-17 | 浙江和能电力设备有限公司 | 高低压开关设备及其方法 |
CN116893336B (zh) * | 2023-07-11 | 2024-04-02 | 宁夏隆基电气有限公司 | 高低压开关设备及其方法 |
CN118192390A (zh) * | 2024-05-16 | 2024-06-14 | 国网浙江省电力有限公司泰顺县供电公司 | 4g配电开关站自动化控制方法、***、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115372816B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115372816B (zh) | 基于数据分析的配电开关设备运行故障预测***及方法 | |
CN109886475B (zh) | 基于ai的计量自动化***的信息安全态势感知*** | |
CN113239132B (zh) | 一种电压互感器的超差在线辨识方法 | |
CN112101764A (zh) | 基于状态监测的船舶技术状况综合评估*** | |
CN113239627B (zh) | 一种分布式智能监控方法和装置 | |
CN114781476B (zh) | 一种量测设备故障分析***和方法 | |
CN106096789A (zh) | 一种基于机器学习技术的可自感知异常的工控安全防护与报警*** | |
CN116914917A (zh) | 一种基于大数据的配电柜运行状态监测管理*** | |
CN116224137A (zh) | 一种ups设备故障预警方法及*** | |
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 | |
CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
CN117406026A (zh) | 一种适用于分布式电源的配电网故障检测方法 | |
CN117114449A (zh) | 一种电力大数据可视化分析***及方法 | |
CN116070802A (zh) | 一种基于数据孪生的智能监控运维方法和*** | |
CN117639251A (zh) | 一种高压开关柜智能在线监测*** | |
CN113740666B (zh) | 一种数据中心电力***告警风暴根源故障的定位方法 | |
CN116796261B (zh) | 一种基于人工智能的封闭开关设备机械特性预测方法 | |
CN113219330A (zh) | 一种隔离开关状态检测方法及*** | |
CN114942364A (zh) | 一种基于知识图谱技术的变电站故障诊断方法与*** | |
CN106125643A (zh) | 一种基于机器学习技术的工控安防方法 | |
CN114997804A (zh) | 复杂配电网信息物理***运行状态协同感知方法和*** | |
CN114637793B (zh) | 一种基于大数据分析的装备故障频发区域定位方法 | |
CN117560300B (zh) | 一种智能物联网流量预测与优化*** | |
CN117038048B (zh) | 一种用于医疗器械的远程故障处理方法及*** | |
Sun et al. | Accurate Anomaly Interval Recognition and Fault Classification by Pattern Mining and Clustering |
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 |