CN116660672A - 基于大数据的电网设备故障诊断方法及*** - Google Patents
基于大数据的电网设备故障诊断方法及*** Download PDFInfo
- Publication number
- CN116660672A CN116660672A CN202310961414.XA CN202310961414A CN116660672A CN 116660672 A CN116660672 A CN 116660672A CN 202310961414 A CN202310961414 A CN 202310961414A CN 116660672 A CN116660672 A CN 116660672A
- Authority
- CN
- China
- Prior art keywords
- power grid
- value
- grid equipment
- intrinsic factor
- marking
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 121
- 229940029329 intrinsic factor Drugs 0.000 claims abstract description 114
- 238000012544 monitoring process Methods 0.000 claims abstract description 47
- AGVAZMGAQJOSFJ-WZHZPDAFSA-M cobalt(2+);[(2r,3s,4r,5s)-5-(5,6-dimethylbenzimidazol-1-yl)-4-hydroxy-2-(hydroxymethyl)oxolan-3-yl] [(2r)-1-[3-[(1r,2r,3r,4z,7s,9z,12s,13s,14z,17s,18s,19r)-2,13,18-tris(2-amino-2-oxoethyl)-7,12,17-tris(3-amino-3-oxopropyl)-3,5,8,8,13,15,18,19-octamethyl-2 Chemical compound [Co+2].N#[C-].[N-]([C@@H]1[C@H](CC(N)=O)[C@@]2(C)CCC(=O)NC[C@@H](C)OP(O)(=O)O[C@H]3[C@H]([C@H](O[C@@H]3CO)N3C4=CC(C)=C(C)C=C4N=C3)O)\C2=C(C)/C([C@H](C\2(C)C)CCC(N)=O)=N/C/2=C\C([C@H]([C@@]/2(CC(N)=O)C)CCC(N)=O)=N\C\2=C(C)/C2=N[C@]1(C)[C@@](C)(CC(N)=O)[C@@H]2CCC(N)=O AGVAZMGAQJOSFJ-WZHZPDAFSA-M 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 57
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000035772 mutation Effects 0.000 claims description 18
- 230000002950 deficient Effects 0.000 claims description 12
- 238000010438 heat treatment Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000000556 factor analysis Methods 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电网设备监管技术领域,具体是基于大数据的电网设备故障诊断方法及***,电网设备故障诊断***包括服务器、电网设备采集标记模块、内因数据诊断分析模块、附属数据诊断分析模块、外因数据诊断分析模块以及运行预警监管模块;本发明通过将对应关联设备集合中的对应电网设备进行内因监测分析以生成内因正常信号或内因异常信号,在生成内因正常信号将对应电网设备进行附属数据处理分析以生成附因正常信号或附因异常信号,在生成附因正常信号将对应电网设备所属管控区域内的环境状况进行分析以生成外因正常信号或外因异常信号,实现分步式多因素分析,显著提升故障诊断分析结果的准确性并对监管区域内的电网设备进行有效监管。
Description
技术领域
本发明涉及电网设备监管技术领域,具体是基于大数据的电网设备故障诊断方法及***。
背景技术
电网设备指电网***中的发电机、变压器等设备的统称,目前在对电网设备进行监测时,往往采集电网设备的运行数据并发送至后台终端,后台终端基于所显示的监测数据来判断电网设备是否存在故障,难以实现对监管区域内所有电网设备的有效监测并自动进行故障诊断分析,不利于对监管区域内的电网设备进行有效监管;且无法将电网设备进行分步式多因素分析,不利于提升故障诊断分析结果的准确性,难以及时进行设备检查维护并保证对应电网设备的安全稳定且持续运行;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供基于大数据的电网设备故障诊断方法及***,解决了现有技术难以实现对监管区域内所有电网设备的有效监测并自动进行故障诊断分析,不利于对监管区域内的电网设备进行有效监管,且无法将电网设备进行分步式多因素分析,不利于提升故障诊断分析结果的准确性,难以及时进行设备检查维护并保证对应电网设备的安全稳定且持续运行,智能化程度低的问题。
为实现上述目的,本发明提供如下技术方案:
基于大数据的电网设备故障诊断方法,包括以下步骤:
步骤一、获取到监管区域内的所有电网设备,将同类型的电网设备划入对应关联设备集合中,将对应关联设备集合中的对应电网设备进行标记;
步骤二、将对应电网设备进行内因监测分析以生成内因正常信号或内因异常信号,在生成内因异常信号时进行步骤五,在生成内因正常信号时进行步骤三;
步骤三、将对应电网设备进行附属数据处理分析以生成附因正常信号或附因异常信号,在生成附因异常信号时进行步骤五,在生成附因正常信号时进行步骤四;
步骤四、将电网设备划设管控区域,将管控区域内的环境状况进行分析以生成外因正常信号或外因异常信号,并进行下一步;
步骤五、在生成外因正常信号时,编辑“对应电网设备运行安全稳定”的文本信息并进行显示,在生成内因异常信号、附因异常信号或外因异常信号时,编辑相应的异常文本信息并进行显示,以及发出对应异常预警语音。
进一步的,本发明还提出了基于大数据的电网设备故障诊断***,包括服务器、电网设备采集标记模块、内因数据诊断分析模块、附属数据诊断分析模块、外因数据诊断分析模块以及运行预警监管模块;电网设备采集标记模块用于获取到监管区域,以及获取到监管区域内的所有电网设备,将所有电网设备进行识别并分类,将同类型的所有电网设备划入对应关联设备集合中,将对应关联设备集合中的对应电网设备标记为i,i为大于等于1的自然数;
内因数据诊断分析模块将对应关联设备集合中的电网设备i进行内因监测分析,通过分析以生成内因正常信号或内因异常信号,将内因异常信号经服务器发送至运行预警监管模块,将内因正常信号经服务器发送至附属数据诊断分析模块;附属数据诊断分析模块接收到内因正常信号时将电网设备i进行附属数据处理分析,通过分析以生成附因正常信号或附因异常信号,将附因异常信号经服务器发送至运行预警监管模块,将附因正常信号经服务器发送至外因数据诊断分析模块;
外因数据诊断分析模块接收到附因正常信号时,将电网设备i划设管控区域,将管控区域内的环境状况进行分析,通过分析以生成外因正常信号或外因异常信号,将外因正常信号或外因异常信号经服务器发送至运行预警监管模块;运行预警监管模块接收到外因正常信号时,编辑“对应电网设备运行安全稳定”的文本信息并进行显示,运行预警监管模块接收到内因异常信号、附因异常信号或外因异常信号时,编辑相应的异常文本信息并进行显示,以及发出对应异常预警语音。
进一步的,内因数据诊断分析的具体分析过程包括:
采集到检测时段电网设备i的电压平均偏离值和电流平均偏离值,以及采集到检测时段电网设备i的电压最大浮动值和电流最大浮动值,将电压平均偏离值、电流平均偏离值、电压最大浮动值和电流最大浮动值进行归一化计算得到内因初评系数;随机采集到单位时间内电网设备i的二十组内因初评系数,将二十组内因初评系数绘入直角坐标系中,在直角坐标系中以对应预设内因初评系数阈值为纵坐标建立水平直线;
将位于水平直线上方的内因初评系数的数量之和标记为KT1,将位于水平直线下方的内因初评系数的数量之和标记为KT2,若KT1-KT2≥KT3,则生成内因异常信号,其中,KT3为预设判定值且KT3的取值大于零;若KT1-KT2<KT3,则将位于水平直线上方的内因初评系数标记为内因不良系数,将内因不良系数所对应坐标点与水平直线通过垂直线段相连,将对应垂直线段的长度标记为内因不良偏幅值,将所有内因不良偏幅值进行求和计算并将其和值标记为ZT,将KT1与ZT进行数值计算得到内因诊断系数,将内因诊断系数与对应预设内因诊断系数阈值进行数值比较,若内因诊断系数超过预设内因诊断系数阈值,则生成内因异常信号,若内因诊断系数未超过预设内因诊断系数阈值,则进行内区温湿监测分析,并据此生成内因正常信号或内因异常信号。
进一步的,内区温湿监测分析的具体分析过程如下:
将电网设备i的内部划设若干个监测范围,将对应监测范围所覆盖的区域标记为检测区域u,u为大于1的自然数,采集到对应检测区域u在历史运行过程中出现故障的次数并标记为YGu,将YGu与对应预设阈值YGmax进行数值比较,若YG≥YGmax,则将对应检测区域u标记为易损区域,若YG<YGmax,则将对应检测区域u标记为难损区域;
采集到检测区域i的实时温度和实时湿度,将实时温度与对应预设适宜温度值进行差值计算并取绝对值得到温差值,将实时湿度与对应预设适宜湿度值进行差值计算并取绝对值得到湿差值,将温差值与湿差值进行数值计算得到区检值;获取到对应的预设区检阈值QJ1和QJ2,且QJ1和QJ2与难损区域和易损区域相互对应,QJ1>QJ2>0;
若对应易损区域的区检值超过QJ2或对应难损区域超过QJ1,则将对应易损区域或难损区域标记为风险区域,将对应风险区域的区检值与对应预设区检阈值的差值除以对应预设区检阈值,以得到区检超占值,将区检超占值与对应预设区检超占阈值进行数值比较,若存在区检超占值超过预设区检超占阈值,则生成内因异常信号,否则将所有区检超占值进行求和计算并将其和值标记为CH1,将风险区域的数量之和标记为CH2,将CH1和CH2进行赋权求和计算得到内区异常系数,将内区异常系数与预设内区异常系数阈值进行数值比较,若内区异常系数超过预设内区异常系数阈值,则生成内因异常信号,若内区异常系数未超过预设内区异常系数阈值,则生成内因正常信号。
进一步的,附属数据诊断分析模块的具体运行过程包括:
采集到电网设备i的接入接出线路,将对应线路标记为e,将对应线路上设定若干个监测点,采集到对应监测点的温度表现量值和升温速度量值,将温度表现量值和升温速度量值与对应的预设温度表现阈值和预设升温速度阈值分别进行数值比较,若温度表现量值和升温速度量值均未超过对应预设阈值,则将对应监测点标记为正常点,其余情况则将对应监测点标记为考量点;将对应线路e中的正常点数量与考量点数量进行差值计算得到点差系数,若点差系数未超过对应预设点差系数阈值,则将对应线路e标记为诊异线路;
若电网设备i中存在诊异线路,则生成附因异常信号;若电网设备i中不存在诊异线路,则将所有点差系数建立点差系数集合,将点差系数集合进行均值计算得到点差均值,将点差系数集合进行方差计算得到点差偏离系数,将点差均值和点差偏离系数与对应的预设点差均值阈值和预设点差偏离系数阈值分别进行数值比较,若点差均值超过预设点差均值阈值且点差偏离系数未超过预设点差偏离系数阈值,则生成附因异常信号,其余情况则生成附因正常信号。
进一步的,外因数据诊断分析模块的具体运行过程包括:
以对应电网设备i为圆心划设半径为R1的圆,将对应圆形区域标记为管控区域,获取到对应电网设备i所需监测的管控区域环境数据,将每类管控区域数据与对应数据范围分别进行数值比较,将未处于对应数据范围内的管控区域数据标记为风险数据,若对应管控区域中存在风险数据,则生成外因异常信号;若对应管控区域中不存在风险数据,则采集到对应管控区域中每类管控区域数据的突变速度,若存在突变速度超过对应预设突变速度阈值,则生成外因异常信号,若不存在突变速度超过对应预设突变速度阈值,则生成外因正常信号。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过将对应关联设备集合中的电网设备i进行内因监测分析以生成内因正常信号或内因异常信号,在生成内因正常信号将电网设备i进行附属数据处理分析以生成附因正常信号或附因异常信号,在生成附因正常信号将电网设备i所属管控区域内的环境状况进行分析以生成外因正常信号或外因异常信号,将外因正常信号或外因异常信号经服务器发送至运行预警监管模块,实现分步式多因素分析,层层递进,显著提升故障诊断分析结果的准确性;
2、本发明中,通过运行预警监管模块在接收到内因异常信号、附因异常信号或外因异常信号时,编辑相应的异常文本信息并进行显示,以及发出对应异常预警语音,实现对监管区域内所有电网设备的有效监测并自动进行故障诊断分析,有利于对监管区域内的电网设备进行有效监管,方便及时进行设备检查维护并保证对应电网设备的安全稳定且持续运行,智能化程度高。
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为本发明的方法流程图;
图2为本发明的整体***框图。
实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:如图1所示,本发明提出的基于大数据的电网设备故障诊断方法,包括以下步骤:
步骤一、获取到监管区域内的所有电网设备,将同类型的电网设备划入对应关联设备集合中,将对应关联设备集合中的对应电网设备进行标记;
步骤二、将对应电网设备进行内因监测分析以生成内因正常信号或内因异常信号,在生成内因异常信号时进行步骤五,在生成内因正常信号时进行步骤三;
步骤三、将对应电网设备进行附属数据处理分析以生成附因正常信号或附因异常信号,在生成附因异常信号时进行步骤五,在生成附因正常信号时进行步骤四;
步骤四、将电网设备划设管控区域,将管控区域内的环境状况进行分析以生成外因正常信号或外因异常信号,并进行下一步;
步骤五、在生成外因正常信号时,编辑“对应电网设备运行安全稳定”的文本信息并进行显示,在生成内因异常信号、附因异常信号或外因异常信号时,编辑相应的异常文本信息并进行显示,以及发出对应异常预警语音。
实施例二:如图2所示,本实施例与实施例1的区别在于,本发明提出的基于大数据的电网设备故障诊断***,包括服务器、电网设备采集标记模块、内因数据诊断分析模块、附属数据诊断分析模块、外因数据诊断分析模块以及运行预警监管模块,且服务器与电网设备采集标记模块、内因数据诊断分析模块、附属数据诊断分析模块、外因数据诊断分析模块以及运行预警监管模块均通信连接;电网设备采集标记模块用于获取到监管区域,以及获取到监管区域内的所有电网设备,将所有电网设备进行识别并分类,将同类型的所有电网设备划入对应关联设备集合中,将对应关联设备集合中的对应电网设备标记为i,i为大于等于1的自然数;
内因数据诊断分析模块将对应关联设备集合中的电网设备i进行内因监测分析,通过分析以生成内因正常信号或内因异常信号,将内因异常信号经服务器发送至运行预警监管模块,将内因正常信号经服务器发送至附属数据诊断分析模块;内因数据诊断分析的具体分析过程如下:
采集到检测时段电网设备i的电压平均偏离值和电流平均偏离值,以及采集到检测时段电网设备i的电压最大浮动值和电流最大浮动值,其中,电压平均偏离值和电流平均偏离值是表示电压和电流相较于预设电压标准值和预设电流标准值的偏离程度大小的数据量值,电压最大浮动值和电流最大浮动值是表示电压波动幅度和电流波动幅度大小的数据量值;通过公式NPi=a1*FRi+a2*FGi+a3*FYi+a4*FEi将电压平均偏离值FRi、电流平均偏离值FGi、电压最大浮动值FYi和电流最大浮动值FEi进行归一化计算后得到内因初评系数NPi;其中,a1、a2、a3、a4为预设权重系数,a1、a2、a3、a4的取值均大于零,并且,内因初评系数NPi的数值越大,表明检测时段对应电网设备i的运行状况越差;
随机采集到单位时间内电网设备i的二十组内因初评系数,将二十组内因初评系数绘入直角坐标系中,在直角坐标系中以对应预设内因初评系数阈值为纵坐标建立水平直线;将位于水平直线上方的内因初评系数的数量之和标记为KT1,将位于水平直线下方的内因初评系数的数量之和标记为KT2,若KT1-KT2≥KT3,则生成内因异常信号,其中,KT3为预设判定值且KT3的取值大于零;若KT1-KT2<KT3,则将位于水平直线上方的内因初评系数标记为内因不良系数,将内因不良系数所对应坐标点与水平直线通过垂直线段相连,将对应垂直线段的长度标记为内因不良偏幅值,将所有内因不良偏幅值进行求和计算并将其和值标记为ZT;
通过公式NZi=b1*KT1+b2*ZT将KT1与ZT进行数值计算后得到内因诊断系数NZi,其中,b1、b2为预设权重系数,b1>b2>0;并且,内因诊断系数NZi的数值越大,表明对应电网设备i的运行风险越大;将内因诊断系数与对应预设内因诊断系数阈值进行数值比较,若内因诊断系数超过预设内因诊断系数阈值,则生成内因异常信号;若内因诊断系数未超过预设内因诊断系数阈值,则进行内区温湿监测分析,具体为:将电网设备i的内部划设若干个监测范围,将对应监测范围所覆盖的区域标记为检测区域u,u为大于1的自然数,采集到对应检测区域u在历史运行过程中出现故障的次数并标记为YGu,将YGu与对应预设阈值YGmax进行数值比较,若YG≥YGmax,则将对应检测区域u标记为易损区域,若YG<YGmax,则将对应检测区域u标记为难损区域;
采集到检测区域i的实时温度和实时湿度,将实时温度与对应预设适宜温度值进行差值计算并取绝对值得到温差值,将实时湿度与对应预设适宜湿度值进行差值计算并取绝对值得到湿差值,将温差值与湿差值进行数值计算得到区检值;获取到对应的预设区检阈值QJ1和QJ2,且QJ1和QJ2与难损区域和易损区域相互对应,QJ1>QJ2>0,即难损区域的监管强度低于易损区域的监管强度;
若对应易损区域的区检值超过QJ2或对应难损区域超过QJ1,则将对应易损区域或难损区域标记为风险区域,将对应风险区域的区检值与对应预设区检阈值的差值除以对应预设区检阈值,以得到区检超占值,将区检超占值与对应预设区检超占阈值进行数值比较,若存在区检超占值超过预设区检超占阈值,则生成内因异常信号;若存在区检超占值超过预设区检超占阈值,则将所有区检超占值进行求和计算并将其和值标记为CH1,将风险区域的数量之和标记为CH2;
通过公式NYi=rp1*CH1+rp2*CH2将CH1和CH2进行赋权求和计算得到内区异常系数NYi,其中,rp1、rp2为预设权重系数,rp2>rp1>0;并且,内区异常系数NYi的数值越大,表明对应电网设备i的运行风险越大;将内区异常系数NYi与预设内区异常系数阈值进行数值比较,若内区异常系数NYi超过预设内区异常系数阈值,则生成内因异常信号,若内区异常系数NYi未超过预设内区异常系数阈值,则生成内因正常信号。
附属数据诊断分析模块接收到内因正常信号时将电网设备i进行附属数据处理分析,通过分析以生成附因正常信号或附因异常信号,将附因异常信号经服务器发送至运行预警监管模块,将附因正常信号经服务器发送至外因数据诊断分析模块;附属数据诊断分析模块的具体运行过程如下:
采集到电网设备i的接入接出线路,将对应线路标记为e,将对应线路上设定若干个监测点,采集到对应监测点的温度表现量值和升温速度量值,温度表现量值是表示温度大小的数据量值,升温速度量值是表示温度上升快慢的数据量值;将温度表现量值和升温速度量值与对应的预设温度表现阈值和预设升温速度阈值分别进行数值比较,若温度表现量值和升温速度量值均未超过对应预设阈值,则将对应监测点标记为正常点,其余情况则将对应监测点标记为考量点;将对应线路e中的正常点数量与考量点数量进行差值计算得到点差系数,将点差系数与对应预设点差系数阈值进行数值比较,若点差系数未超过对应预设点差系数阈值,则将对应线路e标记为诊异线路;
若电网设备i中存在诊异线路,则生成附因异常信号;若电网设备i中不存在诊异线路,则将所有点差系数建立点差系数集合,将点差系数集合进行均值计算得到点差均值,将点差系数集合进行方差计算得到点差偏离系数,点差偏离系数是表示电网设备i中各个线路之间的线路状况偏差大小的数据量值;将点差均值和点差偏离系数与对应的预设点差均值阈值和预设点差偏离系数阈值分别进行数值比较,若点差均值超过预设点差均值阈值且点差偏离系数未超过预设点差偏离系数阈值,表明整体而言对应电网设备i中的线路表现状况较差,则生成附因异常信号,其余情况则生成附因正常信号。
外因数据诊断分析模块接收到附因正常信号时,将电网设备i划设管控区域,将管控区域内的环境状况进行分析,通过分析以生成外因正常信号或外因异常信号,将外因正常信号或外因异常信号经服务器发送至运行预警监管模块;外因数据诊断分析模块的具体运行过程如下:
以对应电网设备i为圆心划设半径为R1的圆,将对应圆形区域标记为管控区域,获取到对应电网设备i所需监测的管控区域环境数据(包括环境温度数据、环境湿度数据、环境烟雾数据等),将每类管控区域数据与对应数据范围分别进行数值比较,将未处于对应数据范围内的管控区域数据标记为风险数据,比如,若对应管控区域的环境温度数据未处于对应预设温度数据范围内,则将环境温度数据标记为风险数据;
若对应管控区域中存在风险数据,则生成外因异常信号;若对应管控区域中不存在风险数据,则采集到对应管控区域中每类管控区域数据的突变速度,突变速度是表示对应数据变化速率大小的数据量值,将突变速度与对应预设突变速度阈值进行数值比较,若存在突变速度超过对应预设突变速度阈值,则生成外因异常信号,若不存在突变速度超过对应预设突变速度阈值,则生成外因正常信号。运行预警监管模块接收到外因正常信号时,编辑“对应电网设备运行安全稳定”的文本信息并进行显示,运行预警监管模块接收到内因异常信号、附因异常信号或外因异常信号时,编辑相应的异常文本信息并进行显示,以及发出对应异常预警语音。
本发明的工作原理:使用时,通过电网设备采集标记模块将监管区域内的所有电网设备进行识别并分类,将同类型的所有电网设备划入对应关联设备集合中,并将对应关联设备集合中的对应电网设备进行标记;内因数据诊断分析模块将对应关联设备集合中的电网设备i进行内因监测分析以生成内因正常信号或内因异常信号,将内因异常信号经服务器发送至运行预警监管模块,将内因正常信号经服务器发送至附属数据诊断分析模块,附属数据诊断分析模块将电网设备i进行附属数据处理分析以生成附因正常信号或附因异常信号,将附因异常信号经服务器发送至运行预警监管模块,将附因正常信号经服务器发送至外因数据诊断分析模块,外因数据诊断分析模块将电网设备i所属管控区域内的环境状况进行分析以生成外因正常信号或外因异常信号,将外因正常信号或外因异常信号经服务器发送至运行预警监管模块,运行预警监管模块接收到内因异常信号、附因异常信号或外因异常信号时,编辑相应的异常文本信息并进行显示,以及发出对应异常预警语音,实现对监管区域内所有电网设备的有效监测并自动进行故障诊断分析,有利于对监管区域内的电网设备进行有效监管,以及通过将电网设备进行分步式多因素分析以提升故障诊断分析结果的准确性,以便及时进行设备检查维护并保证对应电网设备的安全稳定且持续运行,智能化程度高。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。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 (6)
1.基于大数据的电网设备故障诊断方法,其特征在于,包括以下步骤:
步骤一、获取到监管区域内的所有电网设备,将同类型的电网设备划入对应关联设备集合中,将对应关联设备集合中的对应电网设备进行标记;
步骤二、将对应电网设备进行内因监测分析以生成内因正常信号或内因异常信号,在生成内因异常信号时进行步骤五,在生成内因正常信号时进行步骤三;
步骤三、将对应电网设备进行附属数据处理分析以生成附因正常信号或附因异常信号,在生成附因异常信号时进行步骤五,在生成附因正常信号时进行步骤四;
步骤四、将电网设备划设管控区域,将管控区域内的环境状况进行分析以生成外因正常信号或外因异常信号,并进行下一步;
步骤五、在生成外因正常信号时,编辑“对应电网设备运行安全稳定”的文本信息并进行显示,在生成内因异常信号、附因异常信号或外因异常信号时,编辑相应的异常文本信息并进行显示,以及发出对应异常预警语音。
2.基于大数据的电网设备故障诊断***,其特征在于,包括服务器、电网设备采集标记模块、内因数据诊断分析模块、附属数据诊断分析模块、外因数据诊断分析模块以及运行预警监管模块;电网设备采集标记模块用于获取到监管区域,以及获取到监管区域内的所有电网设备,将所有电网设备进行识别并分类,将同类型的所有电网设备划入对应关联设备集合中,将对应关联设备集合中的对应电网设备标记为i,i为大于等于1的自然数;
内因数据诊断分析模块将对应关联设备集合中的电网设备i进行内因监测分析,通过分析以生成内因正常信号或内因异常信号,将内因异常信号经服务器发送至运行预警监管模块,将内因正常信号经服务器发送至附属数据诊断分析模块;附属数据诊断分析模块接收到内因正常信号时将电网设备i进行附属数据处理分析,通过分析以生成附因正常信号或附因异常信号,将附因异常信号经服务器发送至运行预警监管模块,将附因正常信号经服务器发送至外因数据诊断分析模块;
外因数据诊断分析模块接收到附因正常信号时,将电网设备i划设管控区域,将管控区域内的环境状况进行分析,通过分析以生成外因正常信号或外因异常信号,将外因正常信号或外因异常信号经服务器发送至运行预警监管模块;运行预警监管模块接收到外因正常信号时,编辑“对应电网设备运行安全稳定”的文本信息并进行显示,运行预警监管模块接收到内因异常信号、附因异常信号或外因异常信号时,编辑相应的异常文本信息并进行显示,以及发出对应异常预警语音。
3.根据权利要求2所述的基于大数据的电网设备故障诊断***,其特征在于,内因数据诊断分析的具体分析过程包括:
采集到检测时段电网设备i的电压平均偏离值和电流平均偏离值,以及采集到检测时段电网设备i的电压最大浮动值和电流最大浮动值,将电压平均偏离值、电流平均偏离值、电压最大浮动值和电流最大浮动值进行归一化计算得到内因初评系数;随机采集到单位时间内电网设备i的二十组内因初评系数,将二十组内因初评系数绘入直角坐标系中,在直角坐标系中以对应预设内因初评系数阈值为纵坐标建立水平直线;
将位于水平直线上方的内因初评系数的数量之和标记为KT1,将位于水平直线下方的内因初评系数的数量之和标记为KT2,若KT1-KT2≥KT3,则生成内因异常信号,其中,KT3为预设判定值且KT3的取值大于零;若KT1-KT2<KT3,则将位于水平直线上方的内因初评系数标记为内因不良系数,将内因不良系数所对应坐标点与水平直线通过垂直线段相连,将对应垂直线段的长度标记为内因不良偏幅值,将所有内因不良偏幅值进行求和计算并将其和值标记为ZT,将KT1与ZT进行数值计算得到内因诊断系数,将内因诊断系数与对应预设内因诊断系数阈值进行数值比较,若内因诊断系数超过预设内因诊断系数阈值,则生成内因异常信号,若内因诊断系数未超过预设内因诊断系数阈值,则进行内区温湿监测分析,并据此生成内因正常信号或内因异常信号。
4.根据权利要求3所述的基于大数据的电网设备故障诊断***,其特征在于,内区温湿监测分析的具体分析过程如下:
将电网设备i的内部划设若干个监测范围,将对应监测范围所覆盖的区域标记为检测区域u,u为大于1的自然数,采集到对应检测区域u在历史运行过程中出现故障的次数并标记为YGu,将YGu与对应预设阈值YGmax进行数值比较,若YG≥YGmax,则将对应检测区域u标记为易损区域,若YG<YGmax,则将对应检测区域u标记为难损区域;
采集到检测区域i的实时温度和实时湿度,将实时温度与对应预设适宜温度值进行差值计算并取绝对值得到温差值,将实时湿度与对应预设适宜湿度值进行差值计算并取绝对值得到湿差值,将温差值与湿差值进行数值计算得到区检值;获取到对应的预设区检阈值QJ1和QJ2,且QJ1和QJ2与难损区域和易损区域相互对应,QJ1>QJ2>0;
若对应易损区域的区检值超过QJ2或对应难损区域超过QJ1,则将对应易损区域或难损区域标记为风险区域,将对应风险区域的区检值与对应预设区检阈值的差值除以对应预设区检阈值,以得到区检超占值,将区检超占值与对应预设区检超占阈值进行数值比较,若存在区检超占值超过预设区检超占阈值,则生成内因异常信号,否则将所有区检超占值进行求和计算并将其和值标记为CH1,将风险区域的数量之和标记为CH2,将CH1和CH2进行赋权求和计算得到内区异常系数,将内区异常系数与预设内区异常系数阈值进行数值比较,若内区异常系数超过预设内区异常系数阈值,则生成内因异常信号,若内区异常系数未超过预设内区异常系数阈值,则生成内因正常信号。
5.根据权利要求2所述的基于大数据的电网设备故障诊断***,其特征在于,附属数据诊断分析模块的具体运行过程包括:
采集到电网设备i的接入接出线路,将对应线路标记为e,将对应线路上设定若干个监测点,采集到对应监测点的温度表现量值和升温速度量值,将温度表现量值和升温速度量值与对应的预设温度表现阈值和预设升温速度阈值分别进行数值比较,若温度表现量值和升温速度量值均未超过对应预设阈值,则将对应监测点标记为正常点,其余情况则将对应监测点标记为考量点;将对应线路e中的正常点数量与考量点数量进行差值计算得到点差系数,若点差系数未超过对应预设点差系数阈值,则将对应线路e标记为诊异线路;
若电网设备i中存在诊异线路,则生成附因异常信号;若电网设备i中不存在诊异线路,则将所有点差系数建立点差系数集合,将点差系数集合进行均值计算得到点差均值,将点差系数集合进行方差计算得到点差偏离系数,将点差均值和点差偏离系数与对应的预设点差均值阈值和预设点差偏离系数阈值分别进行数值比较,若点差均值超过预设点差均值阈值且点差偏离系数未超过预设点差偏离系数阈值,则生成附因异常信号,其余情况则生成附因正常信号。
6.根据权利要求2所述的基于大数据的电网设备故障诊断***,其特征在于,外因数据诊断分析模块的具体运行过程包括:
以对应电网设备i为圆心划设半径为R1的圆,将对应圆形区域标记为管控区域,获取到对应电网设备i所需监测的管控区域环境数据,将每类管控区域数据与对应数据范围分别进行数值比较,将未处于对应数据范围内的管控区域数据标记为风险数据,若对应管控区域中存在风险数据,则生成外因异常信号;若对应管控区域中不存在风险数据,则采集到对应管控区域中每类管控区域数据的突变速度,若存在突变速度超过对应预设突变速度阈值,则生成外因异常信号,若不存在突变速度超过对应预设突变速度阈值,则生成外因正常信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310961414.XA CN116660672B (zh) | 2023-08-02 | 2023-08-02 | 基于大数据的电网设备故障诊断方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310961414.XA CN116660672B (zh) | 2023-08-02 | 2023-08-02 | 基于大数据的电网设备故障诊断方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116660672A true CN116660672A (zh) | 2023-08-29 |
CN116660672B CN116660672B (zh) | 2023-10-10 |
Family
ID=87722869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310961414.XA Active CN116660672B (zh) | 2023-08-02 | 2023-08-02 | 基于大数据的电网设备故障诊断方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116660672B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117031211A (zh) * | 2023-09-25 | 2023-11-10 | 国网安徽省电力有限公司合肥供电公司 | 一种台区电网故障诊断方法 |
CN117332857A (zh) * | 2023-09-19 | 2024-01-02 | 上海聚数信息科技有限公司 | 一种基于多源数据的电网数据自动化管理***及方法 |
CN117728573A (zh) * | 2023-12-18 | 2024-03-19 | 国网江苏省电力有限公司扬州供电分公司 | 一种配网融合数据质量评估管理*** |
CN117955527A (zh) * | 2024-03-20 | 2024-04-30 | 青岛悠进电装有限公司 | 基于数据分析的线束信号传输效率评估*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100102824A1 (en) * | 2007-04-18 | 2010-04-29 | Mario Tremblay | Electrical network fault location by distributed voltage measurements |
CN107766879A (zh) * | 2017-09-30 | 2018-03-06 | 中国南方电网有限责任公司 | 基于特征信息抽取的mlp电网故障原因诊断方法 |
CN108549995A (zh) * | 2018-04-24 | 2018-09-18 | 江苏电力信息技术有限公司 | 一种通过数据挖掘实现配网公变电压异常决策分析的方法 |
CN111507013A (zh) * | 2020-04-27 | 2020-08-07 | 国网山西省电力公司 | 一种面向电力***线损故障定位实现方法 |
CN112104717A (zh) * | 2020-09-03 | 2020-12-18 | 国网四川省电力公司电力科学研究院 | 一种电力物联网设备的安全性检测方法 |
CN113447764A (zh) * | 2021-08-09 | 2021-09-28 | 安徽恒凯电力保护设备有限公司 | 应用于电网的智慧监测及故障管控方法 |
CN113589098A (zh) * | 2021-07-12 | 2021-11-02 | 国网河南省电力公司灵宝市供电公司 | 基于大数据驱动的电网故障预测和诊断方法 |
CN113765747A (zh) * | 2021-08-31 | 2021-12-07 | 江苏方天电力技术有限公司 | 一种具有通信功能的智能融合终端的配电网故障诊断与定位方法 |
WO2022044625A1 (ja) * | 2020-08-26 | 2022-03-03 | パナソニックIpマネジメント株式会社 | 異常検出装置、異常検出方法及びプログラム |
CN114184869A (zh) * | 2021-12-13 | 2022-03-15 | 中浙信科技咨询有限公司 | 一种基于大数据分析的园区用电信息分析方法及装置 |
CN115112994A (zh) * | 2022-06-23 | 2022-09-27 | 国网四川省电力公司乐山供电公司 | 一种基于改进自适应遗传算法的配电网故障区间定位方法 |
US20220412845A1 (en) * | 2021-06-29 | 2022-12-29 | Spartan Controls Ltd. | Anomaly detection and failure prediction for predictive monitoring of industrial equipment and industrial measurement equipment |
CN115587312A (zh) * | 2022-09-20 | 2023-01-10 | 北京京能清洁能源电力股份有限公司北京分公司 | 一种基于多维大数据分析的故障点定位方法和*** |
CN115684827A (zh) * | 2022-09-29 | 2023-02-03 | 国网辽宁省电力有限公司电力科学研究院 | 基于粗糙集算法的配电网单相接地故障定位方法及装置 |
-
2023
- 2023-08-02 CN CN202310961414.XA patent/CN116660672B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100102824A1 (en) * | 2007-04-18 | 2010-04-29 | Mario Tremblay | Electrical network fault location by distributed voltage measurements |
CN107766879A (zh) * | 2017-09-30 | 2018-03-06 | 中国南方电网有限责任公司 | 基于特征信息抽取的mlp电网故障原因诊断方法 |
CN108549995A (zh) * | 2018-04-24 | 2018-09-18 | 江苏电力信息技术有限公司 | 一种通过数据挖掘实现配网公变电压异常决策分析的方法 |
CN111507013A (zh) * | 2020-04-27 | 2020-08-07 | 国网山西省电力公司 | 一种面向电力***线损故障定位实现方法 |
WO2022044625A1 (ja) * | 2020-08-26 | 2022-03-03 | パナソニックIpマネジメント株式会社 | 異常検出装置、異常検出方法及びプログラム |
CN112104717A (zh) * | 2020-09-03 | 2020-12-18 | 国网四川省电力公司电力科学研究院 | 一种电力物联网设备的安全性检测方法 |
US20220412845A1 (en) * | 2021-06-29 | 2022-12-29 | Spartan Controls Ltd. | Anomaly detection and failure prediction for predictive monitoring of industrial equipment and industrial measurement equipment |
CN113589098A (zh) * | 2021-07-12 | 2021-11-02 | 国网河南省电力公司灵宝市供电公司 | 基于大数据驱动的电网故障预测和诊断方法 |
CN113447764A (zh) * | 2021-08-09 | 2021-09-28 | 安徽恒凯电力保护设备有限公司 | 应用于电网的智慧监测及故障管控方法 |
CN113765747A (zh) * | 2021-08-31 | 2021-12-07 | 江苏方天电力技术有限公司 | 一种具有通信功能的智能融合终端的配电网故障诊断与定位方法 |
CN114184869A (zh) * | 2021-12-13 | 2022-03-15 | 中浙信科技咨询有限公司 | 一种基于大数据分析的园区用电信息分析方法及装置 |
CN115112994A (zh) * | 2022-06-23 | 2022-09-27 | 国网四川省电力公司乐山供电公司 | 一种基于改进自适应遗传算法的配电网故障区间定位方法 |
CN115587312A (zh) * | 2022-09-20 | 2023-01-10 | 北京京能清洁能源电力股份有限公司北京分公司 | 一种基于多维大数据分析的故障点定位方法和*** |
CN115684827A (zh) * | 2022-09-29 | 2023-02-03 | 国网辽宁省电力有限公司电力科学研究院 | 基于粗糙集算法的配电网单相接地故障定位方法及装置 |
Non-Patent Citations (1)
Title |
---|
陈莹莹: "基于大数据背景的电力计量装置故障诊断方法研究", 《电气开关》, no. 3, pages 60 - 62 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117332857A (zh) * | 2023-09-19 | 2024-01-02 | 上海聚数信息科技有限公司 | 一种基于多源数据的电网数据自动化管理***及方法 |
CN117332857B (zh) * | 2023-09-19 | 2024-04-02 | 上海聚数信息科技有限公司 | 一种基于多源数据的电网数据自动化管理***及方法 |
CN117031211A (zh) * | 2023-09-25 | 2023-11-10 | 国网安徽省电力有限公司合肥供电公司 | 一种台区电网故障诊断方法 |
CN117031211B (zh) * | 2023-09-25 | 2024-01-12 | 国网安徽省电力有限公司合肥供电公司 | 一种台区电网故障诊断方法 |
CN117728573A (zh) * | 2023-12-18 | 2024-03-19 | 国网江苏省电力有限公司扬州供电分公司 | 一种配网融合数据质量评估管理*** |
CN117728573B (zh) * | 2023-12-18 | 2024-07-12 | 国网江苏省电力有限公司扬州供电分公司 | 一种配网融合数据质量评估管理*** |
CN117955527A (zh) * | 2024-03-20 | 2024-04-30 | 青岛悠进电装有限公司 | 基于数据分析的线束信号传输效率评估*** |
Also Published As
Publication number | Publication date |
---|---|
CN116660672B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116660672B (zh) | 基于大数据的电网设备故障诊断方法及*** | |
CN114430199B (zh) | 一种基于大数据的开关柜运行监管*** | |
CN116859857B (zh) | 基于远程控制的燃油泵装配生产线智能管理*** | |
CN116404758B (zh) | 一种智能***柜配电监控预警控制*** | |
CN117040138B (zh) | 一种配电柜运行动态安全评估*** | |
CN117060594A (zh) | 一种基于物联网的配电运行监测*** | |
CN103150473A (zh) | 一种风电机组发电效率实时监控诊断方法及装置 | |
CN115389854B (zh) | 一种直流电源供电***的安全监测***及方法 | |
CN111669123B (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
CN116360367A (zh) | 一种工业设备物联网数据采集方法及*** | |
CN116351313B (zh) | 一种基于计算机控制的食品搅拌机智能控制*** | |
CN111125895B (zh) | 一种风力发电机整机服役功率特性在线评估方法 | |
CN116739384A (zh) | 基于5g无线通讯的矿用设备运行管理*** | |
CN112288298B (zh) | 一种基于在线数据的脱硫***健康状况评价方法 | |
CN116388402B (zh) | 一种应用于变电设备的异常报警分析方法 | |
CN116993329A (zh) | 一种基于数据分析的通讯设备运行维修决策管理*** | |
CN117764559A (zh) | 基于数据分析的电器柜运维检修监管预警*** | |
CN116014902B (zh) | 一种光伏并网逆变器用全自动化老化监测*** | |
CN106650154B (zh) | 一种基于热力性能指标的核电常规岛设备可靠性监测方法 | |
US20180087489A1 (en) | Method for windmill farm monitoring | |
CN113848347A (zh) | 一种风力发电机测风仪健康状态检测方法 | |
CN117791869B (zh) | 基于智能配电柜的数据在线监测方法及*** | |
CN117560300B (zh) | 一种智能物联网流量预测与优化*** | |
CN117807155B (zh) | 多维度预警提示信息的生成方法、设备及存储介质 | |
CN117761468B (zh) | 一种新能源发电站多参数运行状态监控方法及*** |
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 |