CN116822721B - 基于大数据的运行相似度对电网设备规划的方法和终端 - Google Patents
基于大数据的运行相似度对电网设备规划的方法和终端 Download PDFInfo
- Publication number
- CN116822721B CN116822721B CN202310658321.XA CN202310658321A CN116822721B CN 116822721 B CN116822721 B CN 116822721B CN 202310658321 A CN202310658321 A CN 202310658321A CN 116822721 B CN116822721 B CN 116822721B
- Authority
- CN
- China
- Prior art keywords
- power grid
- equipment
- data
- operation data
- parameters
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000013439 planning Methods 0.000 title claims abstract description 25
- 238000013461 design Methods 0.000 claims abstract description 9
- 238000003062 neural network model Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000004804 winding Methods 0.000 claims description 6
- 238000013440 design planning Methods 0.000 claims description 4
- 238000001816 cooling Methods 0.000 claims description 3
- 238000009413 insulation Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于大数据的运行相似度对电网设备规划的方法和终端,包括:在电网***的负荷大于阈值的时间段,采集每个电网设备的数字化传感器的运转数据,至少包括以下之一:每个电网设备传感器所检测到的告警数据、停运数据或常态运行数据,以及所述每个运转数据的时长,作为运行数据库;对每个电网设备,分析在每个负荷范围的功率状态下,每个电网设备的运转数据及其时长,与投运前的设计规划的第一匹配度;舍弃高于第二匹配度的电网设备的运转数据;将低于所述第一匹配度的第一电网设备,在所述采集后,输入到服务器的全设备运转数据库,调整所述第一电网设备的技术路线以及部件的参数,本发明可以实现对电网设备进行规划。
Description
技术领域
本发明涉及电网技术领域,特别是指一种基于大数据的运行相似度对电网设备规划的方法和终端。
背景技术
在电网设备规划过程中,常常存在首次设计的产品,由于电网的复杂性,在电网设备投运后,并没有达到预期的设计要求的情况。
这些设备,在投运后,会有多个不同厂家的同类设备,分布在电网的各个层级的不同位置,这些设备受限于电网的负荷变化后,与最初预计的设计要求出现了偏差,如在不同的负荷状态下,出现告警的数量、程度不同。对电网的正常运维造成了影响。
发明内容
有鉴于此,本发明在于提供种基于大数据的运行相似度对电网设备规划的方法和终端,以解决上述设备负荷变化后,对电网的正常运维造成影响的问题。
为解决上述问题,本发明提供一种基于大数据的运行相似度对电网设备规划的方法,包括:
在电网***的负荷大于阈值的时间段,采集每个电网设备的数字化传感器的运转数据,至少包括以下之一:每个电网设备的数字化传感器所检测到的告警数据、停运数据、或常态运行数据,以及所述每个运转数据的时长,作为每个电网设备的运行数据库,所述运行数据库用于运行相似度的计算;
对每个电网设备,分析在每个负荷范围的功率状态下,每个电网设备的运转数据、及其时长,与投运前的设计规划的第一匹配度;
舍弃高于第二匹配度的电网设备的运转数据;其中,所述第二匹配度表示每个电网设备的运行数据与投运前的设计规划的匹配程度,且高于所述第一匹配度;
将低于所述第一匹配度的第一电网设备,在所述采集后,输入到服务器的全设备运转数据库,调整所述第一电网设备的技术路线、以及在此技术路线下的部分部件的参数,获得第二电网设备;
将所述调整后的第二电网设备,带入数字孪生电网运行,收集所述第二电网设备的运转数据,与所述运行数据库的数据对比,如果偏差符合要求,则将所述调整的技术路线和参数,作为下次的设备规划要求;如果偏差不符合要求,则继续执行所述调整、带入数字孪生电网运行的步骤,直到所述偏差符合要求;
所述第一匹配度或第二匹配度为指标范围的区间,所述指标范围表示了相应的电网设备的稳定性。
本发明的方法,可以通过大数据的相似度对比,实现对电网设备的监控和规划调整,以实现整体电网的稳定性的提升。通过建立多个匹配度,可以降低在规划过程中的数据冗余,调整服务器的压力。
优选的,所述每个电网设备为断路器、变压器、电抗器、互感器、或继电器;
所述变压器的技术路线包括:干式变压器、油浸式变压器、双绕组变压器、或三绕组变压器;所述参数至少包括以下之一:套管参数、铁芯参数、绝缘电阻参数、冷却功率参数、线圈参数;
所述断路器的技术路线包括:油浸式断路器、气吹断路器、或真空断路器;所述参数至少包括以下之一:接线板参数、开关机构参数、绝缘柱参数、触点参数;
所述互感器的技术路线包括:油式互感器、干式互感器;所述参数至少包括以下之一:油阀参数、出线端子参数、连接片参数、膨胀器参数。
优选的,采集每个电网设备的数字化传感器的运转数据,包括:
每个电网设备具有与所述数字化传感器连接的采集终端;所述采集终端内存储有与其对应的待采集的电网设备运行数据库,所述待采集设备为等待采集其运转数据的电网设备;所述服务器内存储有全设备运转数据库;所述全设备运转数据库为全部的电网设备的每隔指定时间间隔采集的运转数据,所述待采集设备的运行数据库为所述全设备运转数据库的子集并同步更新,所述待采集设备的运行数据库为所述全设备运转数据库中对应设备的每隔指定时间间隔采集的运转数据;
所述采集终端每隔指定时间间隔采集对应的电网设备的运转数据;
所述采集终端将N个采集的对应设备的运转数据作为所述对应设备的运转数据集;
所述采集终端在所述待采集设备的运行数据库中,寻找与所述运转数据集之间的运行相似度最高的连续的运转数据段作为匹配集;
若存在匹配集,则所述采集终端将所述匹配集的起始点标记上传至含有所述全设备运转数据库的服务器;若不存在匹配集,则所述采集终端将所述运转数据集上传至所述服务器,所述服务器将所述运转数据集更新到所述全设备运转数据库中。
其中,所述起始点标记是用于对全设备运转数据库中每一段运转数据的起始点的标记,用于区分不同段的运转数据。
优选的,所述寻找与所述运转数据集相似度最高的连续的运转数据段作为匹配集;
连续的运转数据为L={l1,l2,...,ln},运转数据集为S={s1,s2,...,sm},其中n>m;
初始化一个大小为m的滑动窗口,将其放在连续的运转数据的起始位置,即窗口内包含长曲线的前m个点;
步骤A:计算滑动窗口内的滑动窗口中每个点与所述运转数据集之间的运行相似度;其中,所述相似度采用欧氏距离或Pearson相关系数计算;
将所述滑动窗口向右移动一个点,然后重复上述步骤A,直到滑动窗口到达连续的运转数据的末端;
找到运行相似度最高的滑动窗口位置,即为与运转数据集之间的运行相似度最高的连续的运转数据段。
优选的,所述采集终端还包括:含有相邻电网设备的多个电网设备的运行数据库,生成组合运转数据;组合运转数据寻找相似度最高的数据起始点标记上传至服务器;
所述服务器的全设备运转数据库中包含有多种相邻设备的组合运转数据,接收到所述数据起始点标记后,进行拆分匹配。
优选的,所述拆分匹配的过程包括:采用神经网络模型,将所述组合运转数据拆分为相应的一一对应的电网设备的数据。
本发明还提供一种基于大数据的运行相似度对电网设备规划的终端,包括处理器,用于执行上述的方法的步骤。
附图说明
图1是本发明的实施例的流程图;
图2是本发明的实施例的架构图;
图3是本发明的实施例的数据传输示意图。
具体实施方式
为清楚说明本发明中的方案,下面给出优选的实施例并结合附图详细说明。
本发明的实施例提供一种基于大数据的运行相似度对电网设备规划的方法,包括:
S11:在电网***的负荷大于阈值的时间段,采集每个电网设备的数字化传感器的运转数据,至少包括以下之一:每个电网设备传感器所检测到的告警数据、停运数据、或常态运行数据,以及所述每个运转数据的时长,作为运行数据库;
电网设备通过屏幕显示、或通过打印告警单据的形式,输出各类的告警数据,如温度异常、过热、放电探测等信号,出现重大告警的情况下,产生的停运数据等,除了这些数据,还可以是设备的维修数据,如零部件的更换,加固。如针对接线板的耐热性更换、材质更换。
以上数据的持续的时长、出现次数,和数据的内容等信息,作为数据库的各个属性输入到采集设备的运行数据库内。
S12:对每个电网设备,分析在每个负荷范围的功率状态下,每个电网设备的运转数据、及其时长,与投运前的设计规划的第一匹配度的关系;
电网设备在投运前,会对设备的运行设计有相应的规划,在满足性能要求、追求稳定的情况下。对稳定性,有严格的要求,如***的扰动,电压、电流、频率等参数的波动,动态稳定、暂态稳定、静态稳定等。
在以上的稳定性的要求下,对运行数据库内的数据,进行分析,确定每个电网设备的稳定性。可以通过权重分析方法,对每个运转数据、时长、次数等属性信息,如温度、湿度、时长等,每个数据通过赋予权重的方式,获得一个稳定性的指标,通过预先设定的稳定性的指标范围,比较是否落入此指标范围内。
如果数据库中的数据与投运前的设计规划的偏差小,匹配度高,则认为符合匹配度的要求;或通过电网的稳定性的范围确定匹配度,投运前的设计规划的稳定性指标,和运行后所获得的稳定性指标,是否在相同的指标范围内。
通过以上两种方式,可以确定是否匹配度相同。
可以对匹配度以范围区间的形式划分,如划分更新的稳定性的区间,以区分出更多的匹配度的关系。如将稳定性范围划分为10个区间,并按照序号从小到大排序。
S13:舍弃高于第二匹配度的电网设备的运转数据;
在实施例中,对于在序号在7以上的匹配度的运转数据,可以认为是高于第二匹配度的电网设备。这些运转数据,会预先收录到数据库内,或做成标准运转数据集存储到运行数据库和运转数据库,并定期更新。这里的序号7,只是个示例,用户也可以根据需要设置为匹配度为6、或8,具体可以根据网络和服务器的情况设定。
在采集端,如果发现采集的运转数据,高于第二匹配度,则舍弃。这些运转数据,匹配度较高,获得的权重的稳定性较好。在采集设备初期采集阶段,会存储或采集到标准运转数据集。标准运转数据集,是电网***工作在一定的负荷下,依然能平稳运行的数据,这些运转数据,相互之间的相似度也较高、相互之间的偏差也较小,电压、电流、温度等数据波动很小。对于在高出第二匹配度后,这些数据重复率会很高,对于运行数据库内存储有标准运转数据集,可以不用采集。以降低服务器的压力。
S14:将低于所述第一匹配度的第一电网设备,在所述采集后,输入到服务器的全设备运转数据库,调整所述第一电网设备的技术路线、以及在此技术路线下的部分部件的参数;
在实施例中,第一匹配度,可以设置在匹配度为4以下,对于这类的电网设备的运转数据,视为此电网设备不稳定。
每个电网设备可以为各个不同厂家的断路器、变压器、电抗器、互感器、或继电器、APF设备等;
所述变压器的技术路线包括:干式变压器、油浸式变压器、双绕组变压器、或三绕组变压器等;所述参数至少包括以下之一:套管参数、铁芯参数、绝缘电阻参数、冷却功率参数、线圈参数等;
所述断路器的技术路线包括:油浸式断路器、气吹断路器、或真空断路器等;所述参数至少包括以下之一:接线板参数、开关机构参数、绝缘柱参数、触点参数等;
所述互感器的技术路线包括:油式互感器、干式互感器等;所述参数至少包括以下之一:油阀参数、出线端子参数、连接片参数、膨胀器参数等。
以上各个电网设备的不同的技术路线或参数,还包括部件的安装位置、形状、厚度、控制算法等,如将APF的控制算法,从电压控制调整为电流控制。在相同的技术要求的情况下,电网设备的高负荷的状态,运转数据,会出现各不相同。
对于低于第一匹配度的电网设备,在技术路线或部件的参数方面,与高于第二匹配度的电网设备相比,会出现较大的偏差。
规划人员,可以根据上述的运转数据,对技术路线或参数进行相应的修改和调整。例如,调整变压器的铁芯的材质和厚度,调整油浸式变压器的油泵控制算法,如启停的时间,调整断路器的开关结构、触发的时间等。
运行状态的数据低于第一匹配度的电网设备,运转数据将全部传输至采集设备的运行数据库和服务器的运转数据数据库。用于后续的分析。
对于两个匹配度之间的数据,可以只上传标记以及时长等。以降低采集设备和服务器之间的数据传输和存储压力。
优选的,运行状态的数据低于第一匹配度的电网设备,运转数据也可以只上传标记以及时长。
S15:将所述调整后的第二电网设备,带入数字孪生电网运行,收集所述第二电网设备的运转数据,与所述运行数据库的数据对比,如果偏差符合要求,则将所述调整的技术路线和参数,作为下次的设备规划要求;如果偏差不符合要求,则继续执行所述调整、带入数字孪生电网运行的步骤,直到所述偏差符合要求。
由于数据库内已经加入了大于第二匹配度的数据,可以通过高于第二匹配度的同类电网设备的运转数据,进行相似度的对比,或数据偏差的对比,直到相似度符合要求。这里的比对,可以在采集设备的运行数据库内实现即可。可以不传送到服务器的运转数据库。
对于调整后第二电网设备的运转数据,如果匹配度介于第一和第二匹配度之间,用户可以选择部分调整参数,以降低电网设备的设计改动的周期。如优先改变APF设备的无功补偿的一些控制算法的控制参数,以实现控制电网稳定性的调整。
通过上述的对比后,可以对电网设备的技术路线或参数进行,特别是对第一匹配度的电网设备,由设计人员进行调整,提升个别部件的位置、性能,或更换材料等。例如,将断路器的双断口的开关的结构进行调整,两个开关的位置重新设计,以提升开关的速度,降低电弧的影响,并用于后续的电网规划中。从而在后续的电网规划,提升电网整体的稳定行。
在两个不同匹配度范围区间,通过不同的调整方式,可以有针对性的对电网设备进行相应的修改,为设计人员调整电网设备的方向,通过匹配度的范围进行了分类。
优选的,在上述的实施例中:
步骤S11,采集每个电网设备的数字化传感器的运转数据,可以采用以下的过程进行采集,包括:
每个电网设备具有与所述数字化传感器连接的采集终端;所述采集终端内存储有与其对应的待采集的电网设备运行数据库,这里的运行数据库,包括所有数据,即,符合各个匹配度要求的数据。
所述服务器内存储有全设备运转数据库;所述全设备运转数据库为全部的电网设备的每隔指定时间间隔采集的运转数据,每个待采集的电网设备的运行数据库为所述全设备运转数据库的子集并同步更新,所述待采集设备运行数据库为所述全设备运转数据库中对应的电网设备的每隔指定时间间隔采集的运转数据;
这里的运转数据,可以包括:波形、向量、时长等各种形式。每次的时长,可以是15秒,30秒,或1分钟。
在这个指定的时间间隔,可以采集各类的电网负荷下,例如电网的功率负荷在50%、或70%的工况,每个电网设备状态的运转数据。
所述采集终端将连续N个采集的对应设备的运转数据作为所述对应设备的运转数据集;这里的N个,可以是1个设备;也可以是N个同类或不同类的设备。
所述采集终端在所述待采集设备运行数据库中,寻找与所述运转数据集相似度最高的连续的运转数据段作为匹配集;
若存在匹配集,则所述采集终端将所述匹配集的起始点标记、和/或时长上传至含有所述全设备运转数据库的服务器;
若不存在匹配集,则所述采集终端将所述运转数据集上传至所述服务器,所述服务器将所述运转数据集更新到所述全设备运转数据库中。
通过上述的判断步骤,具有降低上传到服务器的数据量的效果,有效降低服务器的压力。对于低于第二匹配度,和/或低于第一匹配度的数据,只传输起始点标记、和/或时长即可。
优选的,在上述的实施例中,采集终端在所述待采集设备的运行数据库中,寻找与所述运转数据集相似度最高的连续的运转数据段作为匹配集;可以采用以下的步骤来寻找:
例如,在其中的一个实施例中,连续的运转数据为L={l1,l2,...,ln},运转数据集为S={s1,s2,...,sm},其中n>m;
初始化一个大小为m的滑动窗口,将其放在连续的运转数据的起始位置,即窗口内包含长曲线的前m个点;
步骤A:计算滑动窗口内的滑动窗口中每个点与所述运转数据集的相似度;其中,所述相似度采用余弦相似度、欧氏距离或Pearson相关系数的方式来计算;将每个电网设备的采集的每个属性的参数作为向量的一个元素,与运转数据集的每个元素,做余弦相似度匹配,或采用欧氏距离的方式通过时间、参数值作为两个坐标,计算与运转数据集的相似度。
将所述滑动窗口向右移动一个点,然后重复上述步骤A,直到滑动窗口到达连续的运转数据的末端;
找到相似度最高的滑动窗口位置,即为与运转数据集匹配度最高的连续的运转数据段。
上述实施例中,采集更新数据的过程,既可以是对单个的电网设备进行这样的操作,还可以对多个电网设备进行这样的操作,以降低服务器的数据压力。
对于多个电网设备,既可以是同类型相同技术路线和参数的电网设备,也可以是名称不同的电网设备,如当前的电网设备关联的其他电网设备;或名称相同,但技术路线和参数、厂家不同的电网设备。
对于多个电网设备的运转数据的采集,在实施例中,采集终端采集运转数据的过程,还包括:含有相邻电网设备的多个电网设备的运转数据库,生成组合运转数据;
将多个数据拟合时,可以通过波形拟合,向量合并,矩阵变换等方式,将多个电网设备的运转数据,拟合成一个组合运转数据。
采集设备在待采集设备的运行数据库中,寻找与所述组合运转数据集相似度最高的运转数据段作为匹配集;组合运转数据寻找相似度最高的数据起始点标记上传至服务器。
其中,所述起始点标记是用于对全设备运转数据库中每一段运转数据的起始点的标记,用于区分不同段的运转数据,优选的,起始点标记采用该段运转数据的数据记录ID;这个数据记录ID可以是一个字符串,且唯一,对应一条运转数据的记录,包括多个数据参数。
优选的,也可以将组合运转数据传输到服务器,服务器的全设备运转数据库中包含有多种相邻设备的组合运转数据,接收到所述数据起始点标记和时长,进行拆分匹配。这个唯一的起始点标记和时长,可以便于从数据库中找到相应的数据。
在服务器侧,所述拆分匹配的过程包括:将所述组合运转数据拆分为相应的一一对应的每个电网设备的数据。也可以采用神经网络模型来进行拆分。
例如,采用滑动窗口的方式,将连续的波形数据分成若干个时间窗口,每个时间窗口作为一个数据点输入到神经网络中进行处理。窗口大小可以根据波形数据的特点和需要进行调整。从而恢复出多个不同或相同的电网设备的波形。
或,同理,采用小波变换/特征提取等方式,将组合运转数据,分解成子波或特征提取点,输入到神经网络中,以恢复出多个不同或相同的电网设备的运转数据。
具体的,首先,在服务器侧需要构建一个全设备运转数据库,该数据库用于存储电网中所有设备的运转数据。为了方便数据的管理和查询,可以将这些数据按照设备类型、设备参数以及运行状态等属性进行分类和存储。在数据库中,每个设备的运转数据都对应一个唯一的起始点标记和时长,这样可以方便地从数据库中找到相应的数据。
在接收到组合运转数据后,服务器需要对这些数据进行拆分匹配,以便将这些数据分别对应到各个电网设备。为了实现这一目标,可以采用以下算法进行拆分匹配:
设计一个拆分函数split(data,start_label,duration),该函数接收三个参数:组合运转数据data、起始点标记start_label和时长duration。该函数的目标是将组合运转数据拆分为各个电网设备的数据。
在拆分函数中,首先根据起始点标记start_label和时长duration在全设备运转数据库中找到与之对应的设备数据。为了提高查询效率,可以采用二分查找或者哈希表等高效的查找算法。
找到对应的设备数据后,需要将组合运转数据data拆分为一一对应的每个电网设备的数据。为了实现这一目标,可以采用以下方法:
a)采用基于时间序列的拆分算法。在这种方法中,首先将组合运转数据按照时间顺序进行排序,然后根据设备的运行状态将这些数据分割成若干段,每段数据对应一个电网设备的运转数据。例如,基于时间序列的拆分算法:
首先,根据起始点标记和时长,在数据库中找到与之对应的组合运转数据。然后,将这些数据按照时间顺序排列,形成一个时间序列。接下来,将组合运转数据也按照时间顺序排列,形成另一个时间序列。最后,通过比较这两个时间序列的相似度,可以将组合运转数据拆分为一一对应的每个电网设备的数据。
对于组合运转数据,相似度的计算可以采用余弦相似度进行计算。
b)采用基于聚类的拆分算法。在这种方法中,首先将组合运转数据进行特征提取,然后根据特征值将这些数据进行聚类,每个聚类对应一个电网设备的运转数据。
c)采用基于神经网络模型的拆分算法。在这种方法中,首先需要训练一个神经网络模型,该模型的输入为组合运转数据的特征,输出为对应的设备数据。训练好模型后,可以将组合运转数据输入模型,得到拆分后的设备数据。例如,基于神经网络模型的拆分算法:
首先,将组合运转数据作为训练数据,构建一个神经网络模型。该模型的输入层包括多个神经元,分别对应不同的电网设备。输出层则包括一个神经元,用于输出预测值。接下来,将组合运转数据作为测试数据,输入到神经网络模型中。通过调整模型的参数,使得预测值与实际值之间的误差最小。这样,就可以得到每个电网设备的数据。在这个过程中,可以采用梯度下降法、遗传算法等优化算法来调整模型的参数。
将拆分后的设备数据存储到全设备运转数据库中,以便后续的相似度计算和设备规划。
在实际应用中,可以根据具体的场景和需求选择合适的拆分算法。例如,如果组合运转数据的时间序列特征明显,那么可以采用基于时间序列的拆分算法;如果组合运转数据的特征分布较为分散,那么可以采用基于聚类的拆分算法;如果组合运转数据的特征较为复杂,那么可以采用基于神经网络模型的拆分算法。从而拆分成各个电网设备的数据。
在以上的实施例中,优选的,在进一步降低服务器的压力同时,对于不同匹配度的电网设备的运转数据,采用不同的方式处理,即部分的运行状态的数据,例如,高于第二匹配度,如匹配度在7级及以上的运转数据,采用上传标记的形式,或舍弃传输;对于在6级及以下的运转数据,采用全部上传的方式;或,对于介于第一匹配度和第二匹配度之间的运转数据,只传输起始点标记、和/或时长即可。对于低于第一匹配度的运转数据,全部传输到运转数据库。
这样处理,是由于长时间负荷工作下的同类电网设备,即使设计目标相同,也会出现不同的各类异常告警数据,且各不相同的,将这些运转数据,全部存储到运转数据库,并进一步分析。在采集设备的运行数据库侧,只做比对,不做分析,双方各自的分工不同,以均衡服务器和采集设备之间的网络负载。
通过上述的实施例的步骤,可以实现在服务器的运转数据库中存储多个电网设备的故障或告警的运转数据。通过多个匹配度区间、数据标记和时间的传输,可以在分析数据时,降低服务器的数据压力,减少无效数据的拥塞。这些数据可用于各种故障数据的相似度匹配,如调整后的第二电网设备,通过孪生***的运转数据,可能产生的故障或告警数据,进行上述的相似度匹配。以检验是哪种相似度的区间,其运行的工况数据,是否和标准运转数据集的数据相似度一致,是否属于高于第二匹配度的电网设备;如果匹配度很差,则根据模拟的故障数据情况,需要再对相应的部件的技术路线或参数进行调整。
对于本发明各个实施例中所阐述的方案,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于大数据的运行相似度对电网设备规划的方法,其特征在于,包括:
在电网***的负荷大于阈值的时间段,采集每个电网设备的数字化传感器的运转数据,至少包括以下之一:每个电网设备的数字化传感器所检测到的告警数据、停运数据、或常态运行数据,以及所述每个运转数据的时长,作为每个电网设备的运行数据库,所述运行数据库用于运行相似度的计算;
对每个电网设备,分析在每个负荷范围的功率状态下,每个电网设备的运转数据、及其时长,与投运前的设计规划的第一匹配度;
舍弃高于第二匹配度的电网设备的运转数据;其中,所述第二匹配度表示所述每个电网设备的运转数据与投运前的设计规划的匹配程度,且高于所述第一匹配度,
将低于所述第一匹配度的第一电网设备,在所述采集后,输入到服务器的全设备运转数据库,调整所述第一电网设备的技术路线、以及在此技术路线下的部分部件的参数,获得第二电网设备;
将所述获得的第二电网设备,带入数字孪生电网运行,收集所述第二电网设备的运转数据,与所述运行数据库的数据对比,如果偏差符合要求,则将所述调整的技术路线和参数,作为下次的设备规划要求;如果偏差不符合要求,则继续执行所述调整、带入数字孪生电网运行的步骤,直到所述偏差符合要求;
所述第一匹配度或第二匹配度为指标范围的区间,所述指标范围表示了相应的电网设备的稳定性。
2.根据权利要求1所述对电网设备规划的方法,其特征在于,所述每个电网设备为断路器、变压器、电抗器、互感器、或继电器;
所述变压器的技术路线包括:干式变压器、油浸式变压器、双绕组变压器、或三绕组变压器;所述参数至少包括以下之一:套管参数、铁芯参数、绝缘电阻参数、冷却功率参数、线圈参数;
所述断路器的技术路线包括:油浸式断路器、气吹断路器、或真空断路器;所述参数至少包括以下之一:接线板参数、开关机构参数、绝缘柱参数、触点参数;
所述互感器的技术路线包括:油式互感器、干式互感器;所述参数至少包括以下之一:油阀参数、出线端子参数、连接片参数、膨胀器参数。
3.根据权利要求1所述对电网设备规划的方法,其特征在于,采集每个电网设备的数字化传感器的运转数据,包括:
每个电网设备具有与所述数字化传感器连接的采集终端;所述采集终端内存储有与其对应的待采集设备的运行数据库,所述待采集设备为等待采集其运转数据的电网设备;所述服务器内存储有全设备运转数据库;所述全设备运转数据库为全部的电网设备的每隔指定时间间隔采集的运转数据,所述待采集设备的运行数据库为所述全设备运转数据库的子集并同步更新,所述待采集设备的运行数据库为所述全设备运转数据库中对应设备的每隔指定时间间隔采集的运转数据;
所述采集终端每隔指定时间间隔采集对应的电网设备的运转数据;
所述采集终端将N个采集的对应设备的运转数据作为所述对应设备的运转数据集;
所述采集终端在所述待采集设备的运行数据库中,寻找与所述运转数据集之间的运行相似度最高的连续的运转数据段作为匹配集;
若存在匹配集,则所述采集终端将所述匹配集的起始点标记上传至含有所述全设备运转数据库的服务器;若不存在匹配集,则所述采集终端将所述运转数据集上传至所述服务器,所述服务器将所述运转数据集更新到所述全设备运转数据库中。
4.根据权利要求3所述对电网设备规划的方法,其特征在于,所述寻找与所述运转数据集之间的运行相似度最高的连续的运转数据段作为匹配集;
连续的运转数据为L={l1,l2,...,ln},运转数据集为S={s1,s2,...,sm},其中n>m;
初始化一个大小为m的滑动窗口,将其放在连续的运转数据的起始位置,即窗口内包含长曲线的前m个点;
步骤A:计算滑动窗口内的滑动窗口中每个点与所述运转数据集之间的运行相似度;其中,所述相似度采用欧氏距离或Pearson相关系数计算;
将所述滑动窗口向右移动一个点,然后重复上述步骤A,直到滑动窗口到达连续的运转数据的末端;
找到运行相似度最高的滑动窗口位置,即为与运转数据集之间的运行相似度最高的连续的运转数据段。
5.根据权利要求4所述对电网设备规划的方法,其特征在于,所述采集终端还包括:含有相邻电网设备的多个电网设备的运行数据库,生成组合运转数据;组合运转数据寻找相似度最高的数据起始点标记上传至服务器;
所述服务器的全设备运转数据库中包含有多种相邻设备的组合运转数据,接收到所述数据起始点标记后,进行拆分匹配。
6.根据权利要求5所述对电网设备规划的方法,其特征在于,所述拆分匹配的过程包括:采用神经网络模型,将所述组合运转数据拆分为相应的一一对应的电网设备的数据。
7.一种基于大数据的运行相似度对电网设备规划的终端,其特征在于,包括处理器,用于执行上述权利要求1~6任一项的所述基于大数据的运行相似度对电网设备规划的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310658321.XA CN116822721B (zh) | 2023-06-05 | 2023-06-05 | 基于大数据的运行相似度对电网设备规划的方法和终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310658321.XA CN116822721B (zh) | 2023-06-05 | 2023-06-05 | 基于大数据的运行相似度对电网设备规划的方法和终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116822721A CN116822721A (zh) | 2023-09-29 |
CN116822721B true CN116822721B (zh) | 2024-05-31 |
Family
ID=88140162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310658321.XA Active CN116822721B (zh) | 2023-06-05 | 2023-06-05 | 基于大数据的运行相似度对电网设备规划的方法和终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116822721B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105186498A (zh) * | 2015-09-08 | 2015-12-23 | 国家电网公司 | 一种计及运行成本的主动配电网电压潮流联合控制方法 |
CN106096810A (zh) * | 2016-05-26 | 2016-11-09 | 广东电网有限责任公司佛山供电局 | 基于配电网运行数据与地理拓扑信息的规划方法及*** |
WO2019233047A1 (zh) * | 2018-06-07 | 2019-12-12 | 国电南瑞科技股份有限公司 | 基于电网调度的运维方法 |
CN112348339A (zh) * | 2020-10-28 | 2021-02-09 | 国网信通亿力科技有限责任公司 | 一种基于大数据分析的配电网规划方法 |
CN114372591A (zh) * | 2021-11-29 | 2022-04-19 | 国网辽宁省电力有限公司电力科学研究院 | 一种配电电缆智能运维决策方法及*** |
CN115935716A (zh) * | 2023-02-14 | 2023-04-07 | 东南大学 | 一种数字孪生框架下的配电网运行优化方法 |
-
2023
- 2023-06-05 CN CN202310658321.XA patent/CN116822721B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105186498A (zh) * | 2015-09-08 | 2015-12-23 | 国家电网公司 | 一种计及运行成本的主动配电网电压潮流联合控制方法 |
CN106096810A (zh) * | 2016-05-26 | 2016-11-09 | 广东电网有限责任公司佛山供电局 | 基于配电网运行数据与地理拓扑信息的规划方法及*** |
WO2019233047A1 (zh) * | 2018-06-07 | 2019-12-12 | 国电南瑞科技股份有限公司 | 基于电网调度的运维方法 |
CN112348339A (zh) * | 2020-10-28 | 2021-02-09 | 国网信通亿力科技有限责任公司 | 一种基于大数据分析的配电网规划方法 |
CN114372591A (zh) * | 2021-11-29 | 2022-04-19 | 国网辽宁省电力有限公司电力科学研究院 | 一种配电电缆智能运维决策方法及*** |
CN115935716A (zh) * | 2023-02-14 | 2023-04-07 | 东南大学 | 一种数字孪生框架下的配电网运行优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116822721A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106504116B (zh) | 基于电网运行与暂态稳定裕度指标关联的稳定评估方法 | |
CN107561997B (zh) | 一种基于大数据决策树的电力设备状态监测方法 | |
CN111027629B (zh) | 基于改进随机森林的配电网故障停电率预测方法及*** | |
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*** | |
CN115412947B (zh) | 一种基于数字孪生与ai算法的故障仿真方法和*** | |
CN115578015A (zh) | 基于物联网的污水处理全过程监管方法、***及存储介质 | |
CN109448154A (zh) | 一种输电线路人员巡检方法及装置 | |
CN110888973B (zh) | 一种监控信息表自动结构化梳理的方法 | |
CN114048870A (zh) | 一种基于日志特征智能挖掘的电力***异常监测方法 | |
CN111523683B (zh) | 烟草加工中工艺参数预测方法及*** | |
CN105574165A (zh) | 一种基于聚类的电网运行监控信息辨识分类方法 | |
KR20010086121A (ko) | 기술적 프로세스에 있어서 센서 예측을 위한 케이스베이스 추론 시스템의 방법 및 장치 | |
CN111064620A (zh) | 基于运维知识库的电网多媒体会议室设备维护方法和*** | |
CN114254818A (zh) | 一种基于风险评估模型的低压配电网连锁故障预警方法 | |
CN112949874B (zh) | 一种配电终端缺陷特征自诊断方法及*** | |
CN110826735B (zh) | 一种电力scada智能多维查询检修方法 | |
CN116205226A (zh) | 一种电力设备状态评估方法、装置、设备及可读存储介质 | |
CN116822721B (zh) | 基于大数据的运行相似度对电网设备规划的方法和终端 | |
CN111999591B (zh) | 一种配电网一次设备异常状态的识别方法 | |
KR101884908B1 (ko) | 빅데이터 분석 기반 신뢰도 예측 장치 | |
CN113344364B (zh) | 停电计划的风险分析方法、装置、电子设备及存储介质 | |
CN117094705B (zh) | 一种应用于高压开关柜缺陷预测的方法、***及设备 | |
CN110706365A (zh) | 一种用于电力设备图像特征数据建模方法 | |
CN116614257A (zh) | 基于二次融合终端的威胁感知方法及装置 | |
CN114492869A (zh) | 一种基于物联网技术的配电***健康诊断方法 |
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 |