CN115792437B - 一种避雷器数字化监测方法与*** - Google Patents
一种避雷器数字化监测方法与*** Download PDFInfo
- Publication number
- CN115792437B CN115792437B CN202211432321.XA CN202211432321A CN115792437B CN 115792437 B CN115792437 B CN 115792437B CN 202211432321 A CN202211432321 A CN 202211432321A CN 115792437 B CN115792437 B CN 115792437B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- lightning
- lightning arrester
- evaluated
- arrester
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 216
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004891 communication Methods 0.000 claims abstract description 41
- 208000025274 Lightning injury Diseases 0.000 claims description 49
- 238000009434 installation Methods 0.000 claims description 44
- 238000010586 diagram Methods 0.000 claims description 22
- 238000012806 monitoring device Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 17
- 238000000547 structure data Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 description 19
- 238000000605 extraction Methods 0.000 description 14
- 229910018503 SF6 Inorganic materials 0.000 description 12
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 12
- 229960000909 sulfur hexafluoride Drugs 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 239000013598 vector Substances 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 229910001416 lithium ion Inorganic materials 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本说明书实施例提供一种避雷器数字化监测方法与***,该***包括多个避雷器监测模块、通信网络、以及监测平台;多个避雷器监测模块中每个避雷器监测模块包括采集模块和两个存储子模块;对每个避雷器监测模块,两个存储子模块交替与采集模块连接,并交替与通信网络连接;且存储子模块在连接采集模块时即断开与通信网络的连接;监测平台通过通信网络交替连接多个避雷器监测模块中的两个存储子模块,以获取监测数据。
Description
交叉引用
本申请要求2021年11月18日递交的中国申请202122836028.7的优先权,其所有内容通过引用的方式包含于此。
技术领域
本说明书涉及避雷器数字化监测领域,特别涉及一种避雷器数字化监测方法与***。
背景技术
避雷器是电力行业中重要的一次设备,其主要作用是在变电站及输电线路中保护其它设备免遭雷电过电压和***浪涌过电压造成的伤害。
避雷器在不同的环境下布置的数量和位置会不一样,例如在平坦空旷场地和在建筑物密集区域遭受雷击概率不同。同时,避雷器的设置还与避雷器的使用高度(越高越容易受雷击)、保护的设备类型等有关。
因此,对于本领域技术人员而言,研究一种能够在不同应用区域环境下对避雷器进行数字化监测,并据此实现避雷器管理需求的避雷器数字化监测***及方法具有重要意义。
发明内容
本说明书实一个或多个实施例提供一种避雷器数字化监测***。所述***包括:多个避雷器监测模块、通信网络、以及监测平台;多个避雷器监测模块中每个避雷器监测模块包括采集模块和两个存储子模块;对每个避雷器监测模块,两个存储子模块交替与采集模块连接,并交替与通信网络连接;且存储子模块在连接采集模块时即断开与通信网络的连接;监测平台通过通信网络交替连接多个避雷器监测模块中的两个存储子模块,以获取监测数据。
本说明书一个或多个实施例提供一种避雷器数字化监测方法。该方法基于避雷器数字化监测***实现,所述避雷器数字化监测***包括多个避雷器监测模块、通信网络、以及监测平台;所述多个避雷器监测模块中每个避雷器监测模块包括采集模块和两个存储子模块;对所述每个避雷器监测模块,两个所述存储子模块交替与所述采集模块连接,并交替与所述通信网络连接;且所述存储子模块在连接所述采集模块时即断开与所述通信网络的连接;所述监测平台通过所述通信网络交替连接所述多个避雷器监测模块中的两个所述存储子模块,以获取监测数据;所述方法包括:基于所述监测平台,通过所述监测数据,确定所述避雷器数字化监测***的控制数据。
本说明书一个或多个实施例提供一种避雷器数字化监测装置,所述装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如上述实施例中任一项所述避雷器数字化监测方法。
本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如上述实施例中任一项所述避雷器数字化监测方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的避雷器数字化监测***的应用场景示意图;
图2是根据本说明书一些实施例所示的避雷器数字化监测***的示例性模块图;
图3是根据本说明书一些实施例所示的避雷器数字化监测方法的示例性流程图;
图4是根据本说明书一些实施例所示的确定目标区域的避雷器增设需求的示例性流程图;
图5是根据本说明书一些实施例所示的确定避雷器监测模块监测的避雷器的故障可能性的示例性示意图。
图6为本说明书另一些实施例所示的避雷器数字化监测***的结构示意图;
图7为本说明书一些实施例所示的所述交流避雷器在线监测装置结构示意图;
图8为本说明书一些实施例所示的所述直流避雷器在线监测装置结构示意图;
图9为本说明书一些实施例所示的所述断路器开关计数器结构示意图;
图10为本说明书一些实施例所示的六氟化硫密度监测装置结构示意图;
图11为本说明书一些实施例所示的所述服务器结构示意图;
其中:1、服务器;2、交流避雷器在线监测装置;3、直流避雷器在线监测装置;4、断路器开关计数器;5、六氟化硫密度监测装置;6、第一采集控制板;7、信号处理板;8、太阳能电源;9、零磁通互感器;10、第一无线模组;11、第二采集控制板;12、一次性锂亚电池;13、高频电流互感器;14、第二无线模组;15、第三采集控制板;16、计数器线图;17、第三无线模组;18、密度采集控制板;19、温度补偿板;20、传动机构;21、第四无线模组;22、应用服务器;23、数据库服务器;24、网络设备;25、Lora集中器。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“***”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的***所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
避雷器是用于保护电气设备免受高瞬态过电压危害并限制续流时间也常限制续流幅值的一种电器。基于不同的分类标准,避雷器可以分为不同种类。例如,避雷器可以分为交流避雷器和直流避雷器,根据不同的应用需求选择相应种类的避雷器是至关重要的。
交流避雷器是用于交流供电***,安装在交流电源线路的火线和零线上,防止浪涌电压沿着火线零线侵入,造成交流用电设备损坏。例如,可以通过安装交流避雷器避免雷电浪涌沿着电视机220V交流电源线侵入造成家中电视机被打坏。
直流避雷器是用于直流供电***,安装在直流线路的正极和负极线路上,防止浪涌侵入直流***造成设备损坏。例如,随着光伏太阳能、轨道交通、通信高压直流配电、直流远供等户外直流***应用场景越来越多,在户外的直流线路就需要安装相应的直流避雷器。
图1是根据本说明书一些实施例所示的避雷器数字化监测***的应用场景示意图。如图1所示,避雷器数字化监测***的应用场景100包括避雷器数字化监测***110、网络120、存储设备130、处理器140、终端设备150。
避雷器数字化监测***110可以用于对安装在建筑或设备的避雷器进行监测,以确定其工作状态或是否满足避雷需求等。例如避雷器数字化监测***110可以用于采集避雷器应用环境下的监测数据,基于获取的监测数据,确定目标区域的避雷器增设需求。例如,在建筑物密集区域需要布置避雷器时,避雷器监测模块110可以采集当前环境的雷击大小、次数、雷电电流波形、电流大小等历史数据,也可以通过人工模拟雷击实验采集监测数据,基于获取的监测数据,确定该建筑物密集区域的避雷器增设需求。
网络120可以连接***的各组成部分和/或连接***与外部资源部分。网络120使得各组成部分之间,以及与***之外其他部分之间可以进行通讯,促进数据和/或信息的交换。例如,处理器140可以通过网络120从存储设备130中获取避雷器监测数据。又例如,处理器140可以通过网络120从监测平台110中获取目标区域的避雷器增设需求。又例如,终端设备150可以通过网络120从避雷器数字化监测***110中获取目标区域的避雷器增设需求。
在一些实施例中,网络120可以是有线网络或无线网络中的任意一种或多种。例如,网络120可以包括电缆网络、光纤网络、电信网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络(ZigBee)、近场通信(NFC)、设备内总线、设备内线路、线缆连接等或其任意组合。各部分之间的网络连接可以是采用上述一种方式,也可以是采取多种方式。在一些实施例中,网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。
存储设备130可以用于存储与避雷器数字化监测***的应用场景100相关的数据和/或指令。在一些实施例中,存储设备130可以存储从避雷器数字化监测***110、处理器140、终端设备150等获得的数据和/或信息。例如,存储设备130可以存储避雷器监测数据、目标区域的避雷器增设需求等。
存储设备130可以包括一个或多个存储组件,每个存储组件可以是一个独立的设备,也可以是其他设备的一部分。在一些实施例中,存储设备130可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的,大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中,所述存储设备130可在云平台上实现。
处理器140可以用于执行本说明书中一个或多个实施例中揭示的一个或多个功能。例如,处理器140可以用于基于网络120,向终端设备150发送避雷器监测数据。又例如,处理器140可以用于基于网络120,向存储设备130发送避雷器数字化监测***110确定的目标区域的避雷器增设需求。又例如,处理器140可以用于基于网络120,向终端设备150发送避雷器数字化监测***110确定的目标区域的避雷器增设需求。在一些实施例中,避雷器数字化监测***110的至少部分组成(如监测平台)可以设于处理器140中,作为处理器140的一部分。
在一些实施例中,处理器140可以包括一个或以上处理引擎(例如,单芯片处理引擎或多芯片处理引擎)。仅作为示例,处理器140可以包括中央处理单元(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
终端设备150可以指用户所使用的一个或多个终端设备或软件。在一些实施例中,用户可以是终端设备150的所有者,例如,终端设备150的所有者可以是避雷器管理人员、被保护的设备或建筑的管理人员等。在一些实施例中,终端设备150可以包括移动设备150-1、平板计算机150-2、膝上型计算机150-3、车载设备等或其任意组合。在一些实施例中,终端设备150可以包括信号发送器和信号接收器,被配置为与避雷器数字化监测***110通信以获取相关信息。
在一些实施例中,终端设备150可以是固定的和/或移动的。例如,终端设备150可以直接安装在处理器140和/或避雷器数字化监测***110上,成为处理器110和/或避雷器数字化监测***110的一部分。再例如,终端设备150可以是可移动的设备,用户可以携带终端设备150位于相对于处理器140、避雷器数字化监测***110的距离较远的位置,终端设备150可以通过网络120与处理器140和/或避雷器数字化监测***110连接和/或通信。
在一些实施例中,终端设备150可以接收用户请求,并经由网络120将与请求有关的信息发送到处理器140。例如,终端设备150可以接收用户要求发送相关信息的请求,并经由如网络120将与请求有关的信息发送到处理器140。终端设备150还可以经由网络120从处理器140接收信息。例如,终端设备150可以从处理器140接收避雷器数字化监测***110的相关信息,所确定的一个或以上相关信息可以显示在终端设备150上。又例如,处理器140可以将避雷器数字化监测***110的相关信息确定的结果(如,目标区域的避雷器增设需求等)或目标区域的监测数据发送到终端设备150。
应当注意基于避雷器数字化监测***的应用场景100仅仅是为了说明的目的而提供,并不意图限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,应用场景还可以包括数据库。又例如,应用场景100可以在其他设备上实现以实现类似或不同的功能。然而,变化和修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示的避雷器数字化监测***的示例性模块图。在一些实施例中,所述避雷器数字化监测***110可以包括避雷器监测模块111、通信网络112和监测平台113。
如图2所示,避雷器数字化监测***110包括多个避雷器监测模块111、通信网络112、以及监测平台113,其中,多个避雷器监测模块111中每个避雷器监测模块111包括采集模块111-1和存储子模块111-2、存储子模块111-3。对每个避雷器监测模块111,两个存储子模块交替与采集模块111-1连接,并交替与通信网络112连接;且存储子模块在连接采集模块111-1时即断开与通信网络112的连接。监测平台113通过通信网络112交替连接多个避雷器监测模块111中的两个存储子模块,以获取监测数据。
采集模块111-1是用于采集与避雷器相关的数据的装置。在一些实施例中,采集模块111-1可以用于采集避雷器的工作数据,并作为监测数据。例如,采集模块111-1可以采集发生雷击时经过避雷器的避雷处理后的雷击电流强度等。关于监测数据的更多说明参见图3的相关描述。
在一些实施例中,采集模块111-1可以同时或不同时采集多个避雷器的工作数据,例如,一个采集模块111-1可以对应采集一个安装区域(如一个建筑内)中安装的多个避雷器的工作数据。
在一些实施例中,采集模块111-1采集到的数据可以传递至与其通信连接的存储子模块111-2、111-3进行存储。
存储子模块(如存储子模块111-2、存储子模块111-3)是指用于存储采集模块111-1采集的数据的装置。在一些实施例中,避雷器监测模块111内的两个存储子模块交替与采集模块111-1连接,以交替存储采集模块111-1采集的数据。在一些实施例中,两个存储子模块可以用于分别对应存储直流避雷器产生的监测数据以及交流避雷器产生的监测数据。如图2所示的存储子模块111-2可以用于存储基于采集模块111-1采集的直流避雷器的监测数据,存储子模块111-3可以用于存储基于采集模块111-1采集的交流避雷器的监测数据。
在一些实施例中,两个存储子模块可以基于预设的交替规则交替与采集模块111-1连接。预设的交替规则中可以设定两个存储子模块各自与采集模块111-1的预设连接时长,一个存储子模块(如存储子模块111-2)与采集模块111-1的连接时长达到预设连接时长后即断开与采集模块111-1的连接,另一存储子模块(如存储子模块111-3)则自动与采集模块111-1进行连接以获取对应避雷器的监测数据,直至达到预设连接时长时断开,并以此往复。在一些实施例中,预设连接时长可以基于历史统计的单次雷击持续时间确定,预设连接时长可以与单次雷击持续时间相等或略大于单次雷击持续时间。
通过设置两个存储子模块与采集模块111-1进行交替连接以存储监测数据,一方面可以降低采集模块111-1的工作负荷,另一方面可以避免采集监测数据中出现由于雷击造成存储子模块损坏时,两个存储子模块同时损坏,进而提升***的安全性。
在一些实施例中,两个存储子模块可以交替与通信网络112连接,以通过通信网络112将其存储的监测数据传递至监测平台113,两个存储子模块可以在断开与采集模块111-1的连接的同时即自动恢复与通信网络112的连接,并在建立与采集模块111-1的连接时自动断开与通信网络112的连接,以此往复进行数据的传递。
此外,在连接采集模块111-1时断开与通信网络112的连接,可以有效防止雷击对通信网络112造成损害,提高使用寿命。
通信网络112是指用于连接存储子模块和监测平台113的通讯设施。例如,通信网络112可以包括电缆网络、光纤网络、电信网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络(ZigBee)、近场通信(NFC)、设备内总线、设备内线路、线缆连接等或其任意组合。各部分之间的网络连接可以是采用上述一种方式,也可以是采取多种方式。在一些实施例中,通信网络112可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。
监测平台113是指用于基于获取到的监测数据,确定避雷器数字化监测***110的控制数据的装置,例如,监测平台113可以基于监测数据确定目标区域的避雷器增设需求160的设备。又如,监测平台113可以基于监测数据确定每个避雷器监测模块111的故障可能性等。具体说明参见本说明书其他部分的内容,如图3至图5的说明等。
需要注意的是,以上对于避雷器数字化监测***及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该***的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子***与其他模块连接。在一些实施例中,图2中披露的采集模块111-1、存储子模块、通信网络112可以是一个***中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的避雷器数字化监测方法的示例性流程图。
在一些实施例中,避雷器数字化监测方法包括基于监测平台,通过监测数据310,确定避雷器数字化监测***的控制数据320。
监测数据310是指反映避雷器相关工作状态的数据。例如,监测数据可以包括发生雷击时实际的雷击电流强度、避雷处理后泄漏电流强度、避雷执行次数、断路器动作次数和电流波形数据等。例如,泄漏电流强度可以是发生雷击时,经避雷器处理后的电路中的电流强度。避雷执行次数可以是避雷器工作的次数。断路器动作次数可以是当泄漏电流强度过大或避雷器失效时,断路器工作的次数。
在一些实施例中,监测数据可以通过采集模块采集避雷器的相关数据获得。例如,泄漏电流强度可以通过在雷击发生时,采集模块采集经过避雷处理后的雷击电流强度获得。
控制数据320是指反映避雷器安装需求和后续工作状态管理的数据。例如,控制数据可以包括避雷器增设需求、避雷器故障、避雷器待更换等。
在一些实施例中,可以基于避雷器的种类,根据经验人为确定避雷器数字化监测***的控制数据。例如,压敏电阻避雷器可以4年更换一次。
在一些实施例中,避雷器数字化监测***的控制数据可以包括目标区域的避雷器增设需求。
在一些实施例中,处理器可以基于获取的多个避雷器监测模块的监测数据,确定目标区域的避雷器增设需求。
目标区域是指有避雷需求的区域。例如,目标区域可以是需要安装避雷器的设备所在的位置及其周边一定范围。其中,周边一定范围的大小可以根据经验人为确定。
在一些实施例中,当目标区域在预设时间内的雷击统计值超过数量阈值时,说明该目标区域被雷击风险较大,需要增设避雷器。其中,预设时间和数量阈值可以根据经验人为提前设定。雷击统计值可以包括目标区域在预设历史时间段内发生的雷击次数,或目标区域内所有避雷器的执行次数、所有断路器动作次数等。雷击统计值可以基于历史天气统计数据获取,或从采集模块采集的监测数据获得。
例如,当目标区域在一年内发生的雷击次数超过5次时,就需要在该目标区域增加避雷器的安装。
在一些实施例中,处理器可以将不同目标区域的雷击统计值按照大小进行排序,确定雷击发生概念较大的目标区域,并优先对其进行避雷器的增设。更多关于确定目标区域的避雷器增设需求的说明参见图4的相关描述。
本说明书一些实施例中,通过在雷击统计值在预设时间内超过数量阈值的目标区域增设避雷器,可以有效地提高避雷器对于设备的整体保护效果。
本说明书一些实施例中,利用自动化和智能化方法,在避雷器使用过程中对其状态进行监测,及时发现缺陷和故障并处理,能够有效地提高效率,节约成本,减少人力和物力的消耗。
图4是根据本说明书一些实施例所示的确定目标区域的避雷器增设需求的示例性流程图。在一些实施例中,流程400可以由处理器执行。如图4所示,流程400包括下述步骤:
步骤410,基于多个避雷器监测模块的安装位置、多个避雷器监测模块的监测数据、待评估位置,构建避雷器安装图结构数据。
多个避雷器监测模块的安装位置是指已经安装的多个避雷器监测模块的实际安装位置,在一些实施例中,可以基于完成安装的避雷器监测模块可以保护的设备或建筑的坐标位置来表示避雷器监测模块的安装位置。在一些实施例中,可以将相应区域位置基于坐标转换转到预设三维坐标体系中,基于三维坐标系表示被保护的设备或建筑的坐标位置或避雷器监测模块的安装位置。例如,避雷器监测模块的安装位置可以是(0m,0m,1m)。
待评估位置是指目标区域内待评估是否可以增设避雷器的位置。在一些实施例中,可以基于增设的避雷器需要保护的设备或建筑的坐标位置的三维坐标位置表示待评估位置。例如,待评估位置可以是(10m,0m,1m)。
避雷器安装图结构数据是指用于反映避雷器监测的模块安装位置和待评估位置的图谱数据,由若干节点和若干边组成。在一些实施例中,处理器可以直接基于避雷器监测模块安装位置、采集模块采集的监测数据、待评估位置和预设雷击强度构建避雷器安装图结构数据。
避雷器安装图结构数据的节点可以包括已安装节点和待评估节点。
已安装节点对应多个避雷器监测模块的安装位置。在一些实施例中,已安装节点的节点属性包括已安装节点对应的避雷器监测模块的监测数据。关于监测数据的说明参见图3的描述。
待评估节点对应待评估位置。在一些实施例中,待评估节点的节点属性包括待评估节点对应的待评估位置的预设雷击强度。其中,预设雷击强度可以基于待评估节点对应的位置的历史雷击数据根据经验人为设定。在一些实施例中,预设雷击强度可以基于后续的统计数据或预测数据进行更新。
如图4所示的避雷器安装图411为一种避雷器安装图结构数据的示意,在避雷器安装图411中,已安装节点包括已安装节点A和已安装节点B,待评估节点包括待评估节点C和待评估节点D,避雷器安装图411仅为示例,实际中可以基于一个管理区域(如一个建筑范围内等)或多个管理区域构建对应的避雷器安装图结构数据。
避雷器安装图结构数据的多个节点之间可以由边进行连接,边的属性可以反映节点之间的关系。当两个节点之间的相对距离满足第一预设要求时,这两个节点间具有边。其中,第一预设要求可以是两个节点之间的相对距离小于预设距离阈值。预设距离阈值可以根据经验人为设定。
在一些实施例中,边的边属性包括两个节点之间的相对距离。两个节点之间的相对距离可以基于相应节点的安装位置或待评估位置的位置坐标确定。例如,已安装节点是位置坐标为(0m,0m,1m)的节点和待评估节点是位置坐标为(10m,0m,1m)的节点,两个节点之间的边属性是10m。
如图4所示的避雷器安装图411中,若预设距离阈值为10KM,则表示已安装节点A和已安装节点B对应的已安装位置之间的相对距离超过10KM。
步骤420,基于避雷器安装图结构数据,通过雷击强度预测模型,确定待评估位置的预测雷击强度。其中,雷击强度预测模型为机器学习模型。
预测雷击强度是指雷击强度预测模型预测的未来一段时间内,待评估位置发生雷击时可能的雷击电流强度。其中,预测雷击强度可以用0~1之间的实数表示,数值越大,代表该待评估位置的雷击电流强度越大。
在一些实施例中,雷击强度预测模型421可以包括图神经网络(Graph NeuralNetwork,GNN)模型等。在一些实施例中,处理器可以将避雷器安装图结构数据输入图神经网络模型,基于待评估位置对应的待评估节点的输出,确定待评估位置的预测雷击强度。如图4所示,处理器可以将避雷器安装图411输入雷击强度预测模型,通过雷击强度预测模型对避雷器安装图411进行处理,通过待评估节点C和待评估节点D输出对应待评估位置的预测雷击强度。
在一些实施例中,可以基于待评估节点输出的预测雷击强度对该节点的属性中的预设雷击强度进行更新。
在一些实施例中,雷击强度预测模型可以通过多个带有标签的训练数据训练获得。例如,可以将多个带有标签的训练数据输入初始雷击强度预测模型,通过标签和初始雷击强度预测模型的结果构建损失函数,基于损失函数迭代更新初始雷击强度预测模型的参数。当初始雷击强度预测模型的损失函数满足预设条件时,模型训练完成,得到训练好的雷击强度预测模型。其中,预设条件可以是损失函数收敛、迭代的次数达到阈值等。其中,训练数据为避雷器安装样本图结构数据。
在一些实施例中,雷击强度预测模型的训练数据可以基于对实际数据的处理获得,例如,可以将实际安装避雷器的位置中,随机将部分避雷器安装位置设置为待评估位置并生成对应的待评估节点,其余实际安装避雷器的位置则对应生成已安装节点,最终确定避雷器安装样本图结构数据,以待评估位置对应的实际安装避雷器的点位在预设历史时间段内(如过去一年内)实际发生雷击时的雷击电流强度(多个雷击电流强度时可以取均值)为标签,标签可以基于相应位置对应的避雷器数字化监测***的采集模块采集的监测数据确定,标签可以基于人工标注获取。
在一些实施例中,雷击强度预测模型训练中涉及的损失函数中包括多个损失项。例如,损失函数可以包括待评估位置对应的待评估节点的损失项和其他节点(如其他已安装节点)的损失项。
在一些实施例中,用于训练模型的损失函数可以基于多个损失项的权重和确定,如损失函数可以为各个损失项乘以其参考权重后的乘积之和。其中,参考权重可以表征各个损失项在损失函数中的相对重要程度。在一些实施例中,待评估位置对应的待评估节点与已安装位置对应的已安装节点可以对应不同的损失项,且待评估节点的损失项的参考权重大于已安装节点的损失项的参考权重,具体权重值可以根据经验人为设定。
例如,损失函数可以是:LOSS=α*(h1-w1)2+β*(h2-w2)2。其中,h1是待评估节点对应的实际数据(如前述训练数据中作为待评估节点的避雷器安装位置的实际发生雷击时的雷击电流强度);h2是已安装节点实际数据(如相应的避雷器安装位置的实际发生雷击时的雷击电流强度);w1是基于雷击强度预测模型输出的待评估节点的预测数据(如预测雷击强度);w2是模基于雷击强度预测型输出的已安装节点的预测数据(如预测雷击强度);α是待评估节点的损失项的参考权重;β是已安装节点的损失项的参考权重,且α大于β。
本说明说一些实施例中,在雷击强度预测模型训练时结合更多的数据。使得模型预测能力更强。此外,权重的设置突出了对于待评估位置的预测,使模型训练效率更高。
步骤430,响应于预测雷击强度满足第二预设要求,确定待评估位置为待安装位置。
第二预设要求是指可以安装避雷器的位置需要满足的雷击强度要求,例如,第二预设要求可以是待评估位置的预测雷击强度大于预设强度阈值。其中,预设强度阈值可以根据经验提前设定。例如,第二预设要求可以是待评估位置的预测雷击强度大于0.3。
待安装位置是指目标区域内,确定需要增设避雷器的待评估位置。
在一些实施例中,处理器可以将预测雷击强度满足第二预设要求的待评估位置作为待安装位置。以便后续指导避雷器的安装。
本说明说一些实施例中,通过雷击强度预测模型,可以比较快速准确地预测待评估位置的预测雷击强度,进而确定需增设避雷器的位置及数量,以满足避雷需求,提高避雷性能。
图5是根据本说明书一些实施例所示的确定避雷器故障可能性的示例性示意图。
在一些实施例中,监测数据包括多个避雷器监测模块在多个时段的监测数据。在一些实施例中,处理器可以基于多个避雷器监测模块在多个时段的监测数据510,确定每个避雷器监测模块监测的每个避雷器的故障可能性520。
多个时段是指多个连续或不连续的历史时间段。其中,时间段的长度可以根据经验人为设定。例如,多个时段可以包括发生雷击和/没有发生雷击时的多个连续的时间段。
在一些实施例中,处理器可以基于多个避雷器监测模块在多个时段的监测数据,利用统计分析、归纳、建立预测模型等方法确定每个避雷器监测模块对应监测的避雷器的故障可能性。例如,在没有发生雷击的多个时段中,若避雷器电路中通过的电流较大,则该避雷器监测模块对应监测的避雷器发生故障的可能性较大。又例如,在某位置发生雷击的多个时间段中,该位置的断路器断开,则该位置安装的避雷器发生故障的可能性较大。再例如,在其他位置发生雷击的多个时间段中,该位置的电路中通过的电流超过电流阈值,则其邻近位置安装的避雷器发生故障的可能性较大。其中,电流阈值可以根据经验人为提前设定。不同位置的电路中通过的电流大小和断路器是否断开都可以通过采集模块采集对应位置的相关数据获得。
在一些实施例中,处理器可以基于雷击强度预测模型,在多个时间段基于多个时间段对应的图谱数据预测得到的多个预测雷击强度,确定该位置节点对应的雷击特征。在一些实施例中,处理器还可以基于该位置节点安装的避雷器的多个时间段的监测数据中的实际雷击电流强度数据,确定该位置节点对应的避雷器避雷特征,然后再基于雷击特征与避雷器避雷特征之间的差异,确定相应位置节点安装的避雷器是否出现故障。例如,处理器可以确定差异满足预设差异条件的位置安装的避雷器出现故障。
其中,雷击特征与避雷器避雷特征之间的差异可以基于二者的相似度确定。例如,处理器可以将确定的该位置节点对应的雷击特征和避雷器避雷特征编码为雷击特征向量和避雷器避雷特征向量。处理器再计算两个向量之间的距离(如余弦距离等),进而确定雷击特征向量和避雷器避雷特征向量的相似度,从而确定雷击特征与避雷器避雷特征之间的差异。例如,向量距离越小,则相似度越大,进而可以确定特征之间的差异越小。
在一些实施例中,预测雷击强度可以包括不同雷击情况下,预测的不同雷击位置的雷击强度,不同雷击位置是指在该已安装避雷器的已安装位置范围内的不同雷击点。关于预测雷击强度的更多内容可以参见图4步骤420及其相关描述。
在一些实施例中,预设条件可以是预测雷击强度和避雷器动作数据的差异超过预设阈值。例如,预设条件可以是雷击特征与避雷器避雷特征的相似度低于相似度阈值(如60%)。其中,相似度阈值的大小可以根据经验提前设定。
在一些实施例中,还可以基于对比模型判断相应位置的避雷器的故障可疑度大小。其中,避雷器的故障可疑度是指该避雷器发生故障的概率大小,可以用0~1之间的实数表示。数值越大,则代表该避雷器发生故障的概率越大。
在一些实施例中,对比模型可以包括神经网络(Neural Networks,NN)模型、卷积神经网络(Convolutional Neural Networks,CNN)模型等。
在一些实施例中,对比模型的输入可以包括某位置的多个时段的预测雷击强度和该位置的避雷器在多个时段的监测数据。对比模型的输出可以包括该避雷器的故障可疑度。
在一些实施例中,对比模型可以包括雷击特征提取层、动作特征提取层和对比层。对比模型输入的多个时段的预测雷击强度经雷击特征提取层处理后输出雷击特征。对比模型输入的避雷器在多个时段的监测数据经动作特征提取层处理后得到避雷器避雷特征。雷击特征和避雷器避雷特征经对比层处理后得到避雷器的故障可疑度。
在一些实施例中,对比模型可以基于雷击特征提取层、动作特征提取层和对比层的联合训练得到。
在一些实施例中,联合训练样本可以包括某位置的多个历史时段的实际雷击强度和该位置的避雷器在多个历史时段的监测数据。标签可以是该位置的避雷器是否故障,如故障时标签取值为0,非故障则取值为1。其中,训练样本可以基于历史监测数据获得。标签可以通过人工标注获得。
在一些实施例中,将多个历史时段的实际雷击强度输入雷击特征提取层,得到雷击特征提取层输出的雷击特征。将避雷器在多个历史时段的监测数据输入动作特征提取层,得到动作特征提取层输出的避雷器避雷特征。将雷击特征和避雷器避雷特征作为训练样本数据,输入对比层,得到对比层输出的避雷器的故障可疑度。基于该避雷器是否故障和对比层输出的该避雷器的故障可疑度构建损失函数,同步更新雷击特征提取层、动作特征提取层和对比层的参数。通过参数更新,得到训练好的雷击特征提取层、动作特征提取层和对比层。
本说明书一些实施例中,通过监测避雷器在发生雷击和/没有发生雷击时的多个时间段下的数据,确定避雷器发生故障的可能性大小,进而确定是否有必要更换避雷器,可以在一定程度上减少检测维修成本,提高故障预测效率。
在一些实施例中,避雷器数字化监测可以包括变电站数字化综合监测***。
如图6、图7、图8、图9、图10、图11所示,一种变电站数字化综合监测***,所述监测***包括服务器1、交流避雷器在线监测装置2、直流避雷器在线监测装置3、断路器开关计数器4、六氟化硫密度监测装置5,所述服务器1包括应用服务器22、数据库服务器23、网络设备24、Lora集中器25;所述交流避雷器在线监测装置2包括第一采集控制板6、信号处理板7、太阳能电源8、零磁通互感器9、第一无线模组10;所述直流避雷器在线监测装置3包括第二采集控制板11、一次性锂亚电池12、高频电流互感器13、第二无线模组14;所述断路器开关计数器4包括第三采集控制板15、计数器线图16、第三无线模组17、电源;所述六氟化硫密度监测装置5包括密度采集控制板18、温度补偿板19、传动机构20、第四无线模组21、变送器。
在一些实施例中,避雷器泄漏电流和六氟化硫密度通过高精度传感器保持持续监测;避雷器动作次数和电流波形,是由零磁通互感器9测到接地回路有大于50A的高频电流通过时,启动高速采集电流波形信号,并将其存储在装置中;断路器开关计数器4并联在断路器合闸线圈的控制回路上,与合闸控制回路共用电源,在就地操作按下合闸按钮线圈得电同时,计数器线圈也得电对动作进行计数。
在一些实施例中,图2的采集模块111-1和存储子模块111-2、存储子模块111-3可以单独或组合在一起代替实现交流避雷器在线监测装置2、直流避雷器在线监测装置3、断路器开关计数器4、六氟化硫密度监测装置5的功能。
如图6、图7所示,在一些实施例中,第一采集控制板6接收高频过电流信号并进行高速采样,其通过DMA技术存储至寄存器内,所述信号处理板7对寄存器的数据进行格式转换,所述太阳能电源8为太阳能电板和充放电控制器一体方式;所述交流避雷器在线监测装置2还包括显示屏,显示屏显示内容包含全电流、阻性电流、动作次数等。
在一些实施例中,当第二采集控制板11接收到高频过电流的信号时,立即开启高速采样,通过DMA技术存储至寄存器;信号处理板7将对应寄存器的数据进行格式转换;显示屏显示内容包含全电流、阻性电流、动作次数等;第一无线模组10模块把实际数据按自定义协议定时发送到服务器1。电源配置为太阳能板和充放电控制器一体方式,容量保证设备在持续阴雨天可工作7天。
如图6、图8所示,在一些实施例中,第二采集控制板11接收高频过电流信号并刷新动作次数,其对一次性锂亚电池12电压数值进行读取。
在一些实施例中,直流避雷器在线监测装置3平时工作在待机模式,第三采集控制板15接收到高频过电流的信号,立即刷新动作次数,读取当前锂亚电池电压;第二无线模组14模块把实际数据按自定义协议定时发送到服务器1。电源配置为一次性锂亚电池12,容量保证设备运行5年。
如图6、图9所示,在一些实施例中,第三采集控制板15控制合闸按钮线圈,所述计数器线图16对动作进行计数,所述电源为外部交流220V电源。
在一些实施例中,第三采集控制板15在就地操作按下合闸按钮线圈得电的同时,计数器线圈也得电对动作进行计数;第三无线模组17把实际数据按自定义协议定时发送到服务器1内;电源配置为外部交流220V电源。
如图6、图10所示,在一些实施例中,密度采集控制板18内充有六氟化硫气体,当其内充入六氟化硫气体时,所述传动机构20带动指针转动,当内部温度变化时,所述温度补偿板19对其变化进行补偿使得指针不产生位移,当六氟化硫气体泄露压力下降时,指针下降,变送器输出相应的密度值;第四无线模组21把实际数据按自定义协议定时发送到服务器1内。
在一些实施例中,当密度采集控制板18未充入六氟化硫气体时,指针在“0”位附近,而当给***充入六氟化硫气体时,传动机构20带动指针转动,由压力值间接反映密度值;当温度变化时,其内部设置的温度补偿板19对其变化进行补偿,并使得指针不产生移位,只有当六氟化硫气体泄露产生压力下降时,控制器指针下降,同时变送器输出相应的密度值。
如图6、图11所示,在一些实施例中,应用服务器22为运行变电站数字化综合监测服务器1软件;所述数据库服务器23为运行数据库管理软件;所述网络设备24优选为路由器、网卡、网线;所述Lora集中器25通过以太网连接在应用服务器22上。
在一些实施例中,应用服务器22为运行变电站数字化综合监测服务器1软件,把接收到的数据,通过网络写入数据库服务器23;网络设备24优选为路由器、网卡、网线;数据库服务器23为运行数据库管理软件,接收到变电站数字化综合监测服务器1软件的指令,进行数据的增删改查数据库操作;Lora集中器25通过以太网连接在应用服务器22上,具有信息发送功能,其把实际数据按自定义协议定时发送到服务器1内。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的***。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (6)
1.一种避雷器数字化监测***,其特征在于,所述***包括多个避雷器监测模块、通信网络、以及监测平台;
所述多个避雷器监测模块中每个避雷器监测模块包括采集模块和两个存储子模块;
对所述每个避雷器监测模块,两个所述存储子模块交替与所述采集模块连接,并交替与所述通信网络连接;且所述存储子模块在连接所述采集模块时即断开与所述通信网络的连接;
所述监测平台通过所述通信网络交替连接所述多个避雷器监测模块中的两个所述存储子模块,以获取监测数据;
所述监测平台被配置为:
基于所述多个避雷器监测模块的安装位置、所述多个避雷器监测模块的所述监测数据、待评估位置,构建避雷器安装图结构数据;
所述避雷器安装图结构数据包括若干节点及若干边;
所述若干节点包括对应所述多个避雷器监测模块的安装位置的已安装节点和对应所述待评估位置的待评估节点;所述已安装节点的节点属性包括所述已安装节点对应的所述避雷器监测模块的所述监测数据;所述待评估节点的节点属性包括所述待评估节点对应的所述待评估位置的预设雷击强度;
所述若干节点中,相对距离满足第一预设要求的两个节点间具有边,所述边的边属性包括所述两个节点之间的相对距离;
基于所述避雷器安装图结构数据,通过雷击强度预测模型,确定所述待评估位置的预测雷击强度;所述雷击强度预测模型为机器学习模型;
基于所述待评估位置的所述预测雷击强度,更新所述待评估位置对应的所述待评估节点的所述节点属性中的所述预设雷击强度;
响应于所述预测雷击强度满足第二预设要求,确定所述待评估位置为待安装位置;
所述雷击强度预测模型的训练数据包括实际监测数据;用于训练所述雷击强度预测模型的损失函数基于多个损失项的权重和确定;所述损失项包括所述待评估位置对应的所述待评估节点的所述损失项和所述已安装节点的所述损失项;其中,所述待评估节点的所述损失项的权重大于所述已安装节点的所述损失项的权重。
2.根据权利要求1所述的***,其特征在于,所述监测数据包括所述多个避雷器监测模块在多个时段的监测数据;
所述监测平台被配置为:
基于所述多个避雷器监测模块在多个时段的监测数据,确定所述每个避雷器监测模块监测的避雷器的故障可能性。
3.一种避雷器数字化监测方法,其特征在于,基于避雷器数字化监测***实现,所述避雷器数字化监测***包括多个避雷器监测模块、通信网络、以及监测平台;
所述多个避雷器监测模块中每个避雷器监测模块包括采集模块和两个存储子模块;
对所述每个避雷器监测模块,两个所述存储子模块交替与所述采集模块连接,并交替与所述通信网络连接;且所述存储子模块在连接所述采集模块时即断开与所述通信网络的连接;
所述监测平台通过所述通信网络交替连接所述多个避雷器监测模块中的两个所述存储子模块,以获取监测数据;
所述方法包括:
基于所述监测平台,通过所述监测数据,确定所述避雷器数字化监测***的控制数据,其中包括:
基于所述多个避雷器监测模块的安装位置、所述多个避雷器监测模块的所述监测数据、待评估位置,构建避雷器安装图结构数据;
所述避雷器安装图结构数据包括若干节点及若干边;
所述若干节点包括对应所述多个避雷器监测模块的安装位置的已安装节点和对应所述待评估位置的待评估节点;所述已安装节点的节点属性包括所述已安装节点对应的所述避雷器监测模块的所述监测数据;所述待评估节点的节点属性包括所述待评估节点对应的所述待评估位置的预设雷击强度;
所述若干节点中,相对距离满足第一预设要求的两个节点间具有边,所述边的边属性包括所述两个节点之间的相对距离;
基于所述避雷器安装图结构数据,通过雷击强度预测模型,确定所述待评估位置的预测雷击强度;所述雷击强度预测模型为机器学习模型;
基于所述待评估位置的所述预测雷击强度,更新所述待评估位置对应的所述待评估节点的所述节点属性中的所述预设雷击强度;
响应于所述预测雷击强度满足第二预设要求,确定所述待评估位置为待安装位置;
所述雷击强度预测模型的训练数据包括实际所述监测数据;用于训练所述雷击强度预测模型的损失函数基于多个损失项的权重和确定;所述损失项包括所述待评估位置对应的所述待评估节点的所述损失项和所述已安装节点的所述损失项;其中,所述待评估节点的所述损失项的权重大于所述已安装节点的所述损失项的权重。
4.根据权利要求3所述的方法,其特征在于,所述监测数据包括所述多个避雷器监测模块在多个时段的监测数据;
所述通过所述监测数据,确定所述避雷器数字化监测***的控制数据包括:
基于所述多个避雷器监测模块在多个时段的监测数据,确定所述每个避雷器监测模块监测的避雷器的故障可能性。
5.一种避雷器数字化监测装置,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求3~4中任意一项所述的避雷器数字化监测方法。
6.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求3~4任一项所述的避雷器数字化监测方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202122836028 | 2021-11-18 | ||
CN2021228360287 | 2021-11-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115792437A CN115792437A (zh) | 2023-03-14 |
CN115792437B true CN115792437B (zh) | 2024-01-26 |
Family
ID=85438073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211432321.XA Active CN115792437B (zh) | 2021-11-18 | 2022-11-15 | 一种避雷器数字化监测方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115792437B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116151481A (zh) * | 2023-04-07 | 2023-05-23 | 深圳中鹏新电气技术有限公司 | 一种防雷器劣化状态预测方法和*** |
CN117406137B (zh) * | 2023-12-12 | 2024-05-28 | 国网辽宁省电力有限公司抚顺供电公司 | 一种输电线路雷电泄电流监测方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201667699U (zh) * | 2010-01-29 | 2010-12-08 | 上海理工大学 | 数字视频信息监控装置 |
CN102413035A (zh) * | 2011-08-16 | 2012-04-11 | 北京首钢自动化信息技术有限公司 | 一种实现快速数据采集的方法 |
CN105137286A (zh) * | 2015-09-01 | 2015-12-09 | 国网新疆电力公司经济技术研究院 | 输电线路雷击监测装置及防雷水平评估的方法 |
CN105242128A (zh) * | 2015-08-26 | 2016-01-13 | 芜湖市凯鑫避雷器有限责任公司 | 基于模糊神经网络的避雷器在线监测*** |
CN109638966A (zh) * | 2018-12-28 | 2019-04-16 | 广州中光电气科技有限公司 | 一种避雷器智能在线监测、数据远传的可视化云平台*** |
CN112415261A (zh) * | 2020-11-12 | 2021-02-26 | 广东电网有限责任公司湛江供电局 | 一种线路避雷器在线监测***及方法 |
CN113253363A (zh) * | 2021-05-18 | 2021-08-13 | 曾宇 | 一种雷电活动路径预测方法及*** |
CN113327022A (zh) * | 2021-05-18 | 2021-08-31 | 重庆莱霆防雷技术有限责任公司 | 一种防雷安全风险管理***及方法 |
KR102309900B1 (ko) * | 2020-05-13 | 2021-10-08 | 우리정보 (주) | IoT 기반 비접촉식 피뢰기 상태 진단장치 및 이를 이용한 관리 시스템 |
-
2022
- 2022-11-15 CN CN202211432321.XA patent/CN115792437B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201667699U (zh) * | 2010-01-29 | 2010-12-08 | 上海理工大学 | 数字视频信息监控装置 |
CN102413035A (zh) * | 2011-08-16 | 2012-04-11 | 北京首钢自动化信息技术有限公司 | 一种实现快速数据采集的方法 |
CN105242128A (zh) * | 2015-08-26 | 2016-01-13 | 芜湖市凯鑫避雷器有限责任公司 | 基于模糊神经网络的避雷器在线监测*** |
CN105137286A (zh) * | 2015-09-01 | 2015-12-09 | 国网新疆电力公司经济技术研究院 | 输电线路雷击监测装置及防雷水平评估的方法 |
CN109638966A (zh) * | 2018-12-28 | 2019-04-16 | 广州中光电气科技有限公司 | 一种避雷器智能在线监测、数据远传的可视化云平台*** |
KR102309900B1 (ko) * | 2020-05-13 | 2021-10-08 | 우리정보 (주) | IoT 기반 비접촉식 피뢰기 상태 진단장치 및 이를 이용한 관리 시스템 |
CN112415261A (zh) * | 2020-11-12 | 2021-02-26 | 广东电网有限责任公司湛江供电局 | 一种线路避雷器在线监测***及方法 |
CN113253363A (zh) * | 2021-05-18 | 2021-08-13 | 曾宇 | 一种雷电活动路径预测方法及*** |
CN113327022A (zh) * | 2021-05-18 | 2021-08-31 | 重庆莱霆防雷技术有限责任公司 | 一种防雷安全风险管理***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115792437A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115792437B (zh) | 一种避雷器数字化监测方法与*** | |
CN105955171B (zh) | 一种输变电设备监控*** | |
CN106990328A (zh) | 配网抢修异常数据分析、故障定位***及方法 | |
CN109709836A (zh) | 一种基于nb-iot的智能雷电监控*** | |
CN110441655B (zh) | 一种风电场集电线路雷击接地故障监测*** | |
CN212012259U (zh) | 一种具有智能配变终端的低压配电网状态监控*** | |
CN203261128U (zh) | 电力需量计量负荷平衡控制*** | |
CN206431183U (zh) | 电网电压暂降监测报警装置 | |
WO2024093581A1 (zh) | 一种面向电力设备设施的洪涝水位监测方法和*** | |
JP2022115061A (ja) | 気象関連架空配電線路故障オンライン予測 | |
CN116169778A (zh) | 一种基于配电网异常分析的处理方法及*** | |
CN205846861U (zh) | 一种500千伏变电站通信设备智能定期巡检*** | |
CN108011447A (zh) | 一种电站监控设备、电站监控*** | |
CN204425045U (zh) | 变电站无线监控装置 | |
CN113258677A (zh) | 一种含低碳调控与预警抢修功能的智能配电柜(箱)装置及*** | |
CN211018398U (zh) | 一种配电室监控*** | |
CN117394535A (zh) | 交直流混合配电网数字孪生*** | |
CN103049661B (zh) | Gis剩余使用寿命评估方法和*** | |
CN110188786B (zh) | 一种用于罐式避雷器泄漏电流的机器人图像识别算法 | |
CN202676797U (zh) | 一种消弧消谐及过电压保护器在线监测*** | |
CN108663970B (zh) | 一种电力操作安全监控*** | |
CN110460155A (zh) | 具备图像处理及比对功能的馈线终端及其故障监测方法 | |
CN115542085A (zh) | 一种基于近故障点计算的配电网接地故障识别方法 | |
CN205787141U (zh) | 监管变电站运行人员工作状态的终端设备 | |
CN114594343A (zh) | 配电线路智能化多功能在线监测系列装置及其控制方法 |
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 |