CN117074852A - 一种配电网电能监测预警管理方法及*** - Google Patents
一种配电网电能监测预警管理方法及*** Download PDFInfo
- Publication number
- CN117074852A CN117074852A CN202310833947.XA CN202310833947A CN117074852A CN 117074852 A CN117074852 A CN 117074852A CN 202310833947 A CN202310833947 A CN 202310833947A CN 117074852 A CN117074852 A CN 117074852A
- Authority
- CN
- China
- Prior art keywords
- data
- fault
- early warning
- distribution network
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 80
- 238000012544 monitoring process Methods 0.000 title claims abstract description 74
- 238000007726 management method Methods 0.000 title claims abstract description 30
- 238000003745 diagnosis Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 22
- 238000004140 cleaning Methods 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 230000010354 integration Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 7
- 238000011835 investigation Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims 1
- 239000004065 semiconductor Substances 0.000 claims 1
- 230000005856 abnormality Effects 0.000 abstract description 2
- 239000013598 vector Substances 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种配电网电能监测预警管理方法及***,涉及电能监测技术领域,包括采集配电网各个设备和线路的电能数据,并对采集的电能数据进行预处理转换为波形信号并存储;对预处理后的电能数据进行特征提取,根据所述特征提取的数据建立故障诊断模型,对所述故障诊断模型进行电力质量指标训练;将实时运行数据输入到训练好的故障诊断模型中输出故障诊断结果,确定故障的类型和位置坐标,并对配电网中的各种故障进行实时监测和预警。本发明实时监测配电网的电能情况,并及时发出预警信号,迅速发现潜在的电能异常或故障情况,减少因故障而导致的停电时间和损失;通过监测关键指标和参数,预测电能***的故障风险。
Description
技术领域
本发明涉及电能监测领域,特别是一种配电网电能监测预警管理方法及***。
背景技术
在电力***中,配网是不可或缺的重要组成部分之一,而配网自动化具体是指以一次网架及相关设备为基础,以配电自动化***为核心,借助多种通信方式,实现对配电***运行状态的监控,并通过与其他***的信息集成,对配电***进行科学化、规范化的管理,上述目标的实现凭借的是配电自动化***,该***具备的功能包括馈线自动化、配电SCADA、通信监视、故障处理、***互联、电网分析,该***主要由以下几个部分组成:配电主站、终端、子站、通信通道,其中,主站是核心部分,终端一般安装在配网现场,子站可实现所辖范围内的信息汇集、故障处理以及通信监视功能。
目前,主网运行多年,配电网受到行业的重视程度远低于主网,应用在配电网的技术手段也不多,导致配电网故障查找速度慢、恢复供电时间长,而且配电网是离用户最近的,供电质量直接关系到用户的经济效益及生活质量,因此,必须加强对配电网电能的监测,并及时对故障进行预警及处理,尽快恢复供电。配电网故障的突发性较高,很难提前预知故障是否即将发生,往往都只能在故障发生后要求其立刻停止供电,尽快找到故障发生的原因,以便快速恢复供电。
发明内容
鉴于上述和/或现有的配电网监测中存在的问题,提出了本发明。
因此,本发明所要解决的问题在于如何提供在故障突发时及时的进行监测警报的方法。
为解决上述技术问题,本发明提供如下技术方案:
第一方面,本发明实施例提供了一种配电网电能监测预警管理方法,其包括采集配电网各个设备和线路的电能数据,并对采集的电能数据进行预处理转换为波形信号并存储;对预处理后的电能数据进行特征提取,根据所述特征提取的数据建立故障诊断模型,对所述故障诊断模型进行电力质量指标训练;将实时运行数据输入到训练好的故障诊断模型中输出故障诊断结果,确定故障的类型和位置坐标,并对配电网中的各种故障进行实时监测和预警。
作为本发明所述配电网电能监测预警管理方法的一种优选方案,其中:所述电能数据包括实时监测的电压、电流、频率、功率因数、各次谐波数据的幅度和相位以及基波的幅值和相位。
作为本发明所述配电网电能监测预警管理方法的一种优选方案,其中:所述对采集的电能数据进行预处理包括数据清洗和数据集成;所述数据清洗包括去除噪声和异常值,对每周期T内重复记录的、残缺错误的数据进行清理;所述数据集成包括定义数据需求,识别数据源并抽取相应数据。
作为本发明所述配电网电能监测预警管理方法的一种优选方案,其中:所述特征提取的具体步骤如下:计算并记录每周期内谐波数据的平均值、标准差、最大值、最小值、峰值、有效值、偏度和峰度;计算信号的频谱分布,具体计算公式如下:
其中,n为数据点的数量;x(i)为原始信号的第i个数据点;N为采样频率;j为虚数单位;k为频率索引;提取谐波含量,具体计算公式如下:
其中,Q(N)为第n次谐波的幅值;Q(1)为基波的幅值;N为谐波的次数;对于预处理后的信号数据中缓慢变化的波形数据,直接采用离散小波变换分解的近似系数作为波形的特征值向量,为使分解过程中相同层数的近似系数的长度一致,在进行分解操作前,对数据在某个取样点的缺失值进行填充;对于预处理后的信号数据中快速变化的波形数据,采用非抽样小波变换的细节系数对数据各个频段的特征进行提取,先获取所述细节系数的最大值向量,将所述最大值向量均分成所述频段的个数,再选取每个频段的最大值组成一个新的向量,作为波形的特征值向量。
作为本发明所述配电网电能监测预警管理方法的一种优选方案,其中:所述确定故障的类型和位置坐标的具体过程为:构造调节函数,具体公式如下:
其中,m表示调节结果,a1表示故障数据的距离,a2表示待检测数据的距离,l1表示故障数据的样本数,l2表示待检测数据的样本数,b1表示故障数据的标准误差,b2表示待检测数据的标准误差;设置2次至50次谐波范围内的电流谐波波动阈值和配电网电压闪烁阈值;根据配电网电能***的特征和故障类型的已知特征范围,确定不同故障类型在电能监测参数上的表现;将不同的特征对应的范围输入调节函数,得出各对应的特征调节结果范围,分为正常特征、波动一级和波动二级;建立故障类型与特征调节结果范围输出之间的映射关系:当特征调节结果为正常特征时,即故障类型为正常状态;当特征调节结果为波动一级时,故障类型为二级预警;当特征调节结果为波动二级时,故障类型为一级预警;根据电能监测数据和调节函数的输出范围,将电能监测参数的数值映射到相应的故障类型上。
作为本发明所述配电网电能监测预警管理方法的一种优选方案,其中:所述各对应的特征调节结果范围的具体划分判断过程为:将电流谐波波动设定值的边界值带入调节函数中,输出两个调节结果,为正常特征的边界值;将阈值带入调节函数中,输出调节结果,与电流谐波波动设定值的最大值的输出结果组成波动一级的边界值;将剩余范围定为波动二级,根据数据在调节函数的输出结果将数据划分为不同的故障类型。
作为本发明所述配电网电能监测预警管理方法的一种优选方案,其中:所述预警的具体判断过程为:将所述故障的类型分为三个不同预警等级,即正常状态、需要人工进行故障检修的故障因素为一级预警以及其他故障因素为二级预警;检测为正常状态时,需要保持良好的设备运行状态,并定期进行例行巡检和维护;检测为一级预警时,立即通知相关人员,并对故障设备进行紧急停电或切断电源输入;检测为二级预警时,通过监控设备、传感器和***数据,验证预警信息的真实性,将预警信息及时通知相关人员,并派遣技术人员前往现场,对预警所指示的设备或***进行详细检查和调查;对配电网中的各种故障进行实时监测,当检测到配电网中存在故障时,将故障代码与数据库中的故障信息进行匹配,若匹配成功,预警***会发出信号,并根据预警级别进行告警;所述配电网的管理员通过监控终端监测***状态和故障信息,及时采取相应的措施进行排查和处理。
第二方面,本发明实施例提供了一种配电网电能监测预警管理***,包括电力质量采集模块,用于采集电压、电流、频率以及谐波每周期的实时数据,并通过通信网络发送到数据分析模块;数据分析模块,用于对收集的数据进行预处理,包括数据清洗和数据集成;模型训练模块,用于对所述预处理后的数据进行特征提取,根据所述特征提取的数据建立故障诊断模型,基于支持向量机算法对所述故障诊断模型进行训练;故障监测和预警模块,用于将实时运行数据输入到训练好的故障诊断模型中输出故障诊断结果,并对配电网中的各种故障进行实时监测和预警;交互反馈模块,用于对每周期的预测数据进行评估和反馈,并用于与用户进行交互。
第三方面,本发明实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其中:所述处理器执行所述计算机程序时实现上述的配电网电能监测预警管理方法的任一步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中:所述计算机程序被处理器执行时实现上述的配电网电能监测预警管理方法的任一步骤。
本发明有益效果为,本发明实时监测配电网电能情况,并及时发出预警信号,迅速发现潜在的电能异常或故障情况,减少因故障而导致的停电时间和损失;通过监测关键指标和参数,预测电能***的故障风险;***可以根据设备状态和趋势分析给出维护建议,帮助维护人员合理安排维护工作。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为实施例1中配电网电能监测预警管理方法的流程图。
图2为实施例1中配电网电能监测预警管理方法预警示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1和图2,为本发明第一个实施例,该实施例提供了一种配电网电能监测预警管理方法,包括以下步骤:
S1:采集配电网各个设备和线路的电能数据,并对采集的电能数据进行预处理转换为波形信号并存储。
优选的,电能数据包括实时监测的电压、电流、频率、功率因数、各次谐波数据的幅度和相位以及基波的幅值和相位。
进一步的,对采集的电能数据进行预处理包括数据清洗和数据集成;数据清洗包括去除噪声和异常值,对每周期T内重复记录的、残缺错误的数据进行清理;数据集成包括定义数据需求,识别数据源并抽取相应数据。
应说明的,数据清洗包括去除数据集中出现多次的相同数据,以避免重复计算和分析;缺失值填充包括对存在缺失数据的样本,采用插值方法填充缺失值,或者删除包含缺失值的样本;异常值检测包括对存在异常值的数据,采用统计学方法或可视化方法进行检测和处理;通过线性变换将经过上述处理的参数数据从高维空间转换到低维空间,同时保留数据的类别信息;构建数据集成将来自不同数据源的数据合并存储在同一个数据库中,通过SQL语句进行查询和关联操作,查找并删除重复数据,生成新的数据集,以便后续的分析和建模。
S2:对预处理后的电能数据进行特征提取,根据所述特征提取的数据建立故障诊断模型,对故障诊断模型进行电力质量指标训练。
优选的,特征提取的具体步骤如下:计算并记录每周期内谐波数据的平均值、标准差、最大值、最小值、峰值、有效值、偏度和峰度;计算信号的频谱分布,具体计算公式如下:
其中,n为数据点的数量;x(i)为原始信号的第i个数据点;N为采样频率;j为虚数单位;k为频率索引。
进一步的,提取谐波含量,具体计算公式如下:
其中,Q(N)为第n次谐波的幅值;Q(1)为基波的幅值;N为谐波的次数。
对于预处理后的信号数据中缓慢变化的波形数据,直接采用离散小波变换分解的近似系数作为波形的特征值向量,为使分解过程中相同层数的近似系数的长度一致,在进行分解操作前,对数据在某个取样点的缺失值进行填充;对于预处理后的信号数据中快速变化的波形数据,采用非抽样小波变换的细节系数对数据各个频段的特征进行提取,先获取所述细节系数的最大值向量,将所述最大值向量均分成所述频段的个数,再选取每个频段的最大值组成一个新的向量,作为波形的特征值向量。
S3:将实时运行数据输入到训练好的故障诊断模型中输出故障诊断结果,确定故障的类型和位置坐标,并对配电网中的各种故障进行实时监测和预警。
优选的,确定故障的类型和位置坐标的具体过程为:
S3.1:构造调节函数,具体公式如下:
其中,m表示调节结果,a1表示故障数据的距离,a2表示待检测数据的距离,l1表示故障数据的样本数,l2表示待检测数据的样本数,b1表示故障数据的标准误差,b2表示待检测数据的标准误差。
采用模式识别方法对不同故障类型的特征进行学习和归纳,提高故障诊断的准确性和鲁棒性。
S3.2:设置2次至50次谐波范围内的电流谐波波动阈值和配电网电压闪烁阈值。
S3.3:根据配电网电能***的特征和故障类型的已知特征范围,确定不同故障类型在电能监测参数上的表现。
S3.4:将不同的特征对应的范围输入调节函数,得出各对应的特征调节结果范围,分为正常特征、波动一级和波动二级。
进一步的,各对应的特征调节结果范围的具体划分判断过程为:将电流谐波波动设定值的边界值带入调节函数中,输出两个调节结果,为正常特征的边界值;将阈值带入调节函数中,输出调节结果,与电流谐波波动设定值的最大值的输出结果组成波动一级的边界值;将剩余范围定为波动二级;根据数据在调节函数的输出结果将数据划分为不同的故障类型。
S3.5:建立故障类型与特征调节结果范围输出之间的映射关系。
进一步的,当特征调节结果为正常特征时,即故障类型为正常状态;当特征调节结果为波动一级时,故障类型为二级预警;当特征调节结果为波动二级时,故障类型为一级预警。
进一步的,预警的具体判断过程为:将所述故障的类型分为三个不同预警等级,即正常状态、需要人工进行故障检修的故障因素为一级预警,其他故障因素为二级预警;检测为正常状态时,需要保持良好的设备运行状态,并定期进行例行巡检和维护;检测为一级预警时,立即通知相关人员,并对故障设备进行紧急停电或切断电源输入;检测为二级预警时,通过监控设备、传感器和***数据,验证预警信息的真实性,将预警信息及时通知相关人员,并派遣技术人员前往现场,对预警所指示的设备或***进行详细检查和调查。
对配电网中的各种故障进行实时监测,当检测到配电网中存在故障时,将故障代码与数据库中的故障信息进行匹配,若匹配成功,预警***会发出信号,并根据预警级别进行告警;所述配电网的管理员通过监控终端监测***状态和故障信息,及时采取相应的措施进行排查和处理。
S3.6:根据电能监测数据和调节函数的输出范围,将电能监测参数的数值映射到相应的故障类型上。
要说明的是:在不同的故障类型中,特征提取过程中提取出的振幅、频率、相位特征,在正常状态和异常状态下会表现出不同的规律和趋势;对于短路故障,暂态分量表现出高幅值、高频率特征,而对于接地故障,则通常会表现出低幅值、低频率特征。
本实施例还提供了一种配电网电能监测预警管理***,包括:电力质量采集模块,用于采集电压、电流、频率以及谐波每周期的实时数据,并通过通信网络发送到数据分析模块;数据分析模块,用于对收集的数据进行预处理,包括数据清洗和数据集成;模型训练模块,用于对所述预处理后的数据进行特征提取,根据所述特征提取的数据建立故障诊断模型,基于支持向量机算法对所述故障诊断模型进行训练;故障监测和预警模块,用于将实时运行数据输入到训练好的故障诊断模型中输出故障诊断结果,并对配电网中的各种故障进行实时监测和预警;交互反馈模块,用于对每周期的预测数据进行评估和反馈,并用于与用户进行交互。
本实施例还提供一种计算机设备,适用于配电网电能监测预警管理方法的情况,包括:存储器和处理器;存储器用于存储计算机可执行指令,处理器用于执行计算机可执行指令,实现如上述实施例提出的配电网电能监测预警管理方法。
该计算机设备可以是终端,该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本实施例还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例提出的实现配电网电能监测预警管理方法;存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static RandomAccess Memory,简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
综上,本发明实时监测配电网电能情况,并及时发出预警信号,迅速发现潜在的电能异常或故障情况,减少因故障而导致的停电时间和损失;通过监测关键指标和参数,预测电能***的故障风险;***可以根据设备状态和趋势分析给出维护建议,帮助维护人员合理安排维护工作。
实施例2
参照表1,为本发明第二个实施例,在第一个实施例的基础之上,为了验证其有益效果,提供了本发明的验证测试,为对本方法中采用的技术效果加以验证说明。
本实施例通过信号采集器实时采集配电网各个设备和线路的数据,并对采集的数据进行预处理,采集的数据如表1所示;
表1:数据采集表
时间(秒) | 电流(A) | 电压(V) | 故障原因 | 故障类型 |
19.08 | 0 | 220 | 正常 | 正常状态 |
19.09 | 50 | 220 | 短路 | 二级预警 |
19.10 | 100 | 215 | 短路 | 一级预警 |
19.11 | 200 | 210 | 短路 | 一级预警 |
19.12 | 300 | 205 | 短路 | 一级预警 |
19.13 | 400 | 200 | 短路 | 一级预警 |
由上表可知,当19.09秒时,出现故障;通过对每秒采集的电能数据进行分析,判断故障原因,将实时采集的数据输入调节函数里,根据电能监测数据和调节函数的输出范围,将电能监测参数的数值映射到相应的故障类型上,确定不同时间产生的故障类型,并根据不同的故障类型采取不同的措施,当检测为一级预警时,立即通知相关人员,并对故障设备进行紧急停电或切断电源输入;检测为二级预警时,通过监控设备、传感器和***数据,验证预警信息的真实性,将预警信息及时通知相关人员,并派遣技术人员前往现场,对预警所指示的设备或***进行详细检查和调查,迅速发现潜在的电能异常或故障情况,减少因故障而导致的停电时间和损失。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种配电网电能监测预警管理方法,其特征在于:包括,
采集配电网各个设备和线路的电能数据,并对采集的电能数据进行预处理转换为波形信号并存储;
对预处理后的电能数据进行特征提取,根据所述特征提取的数据建立故障诊断模型,对所述故障诊断模型进行电力质量指标训练;
将实时运行数据输入到训练好的故障诊断模型中输出故障诊断结果,确定故障的类型和位置坐标,并对配电网中的各种故障进行实时监测和预警。
2.如权利要求1所述的配电网电能监测预警管理方法,其特征在于:所述电能数据包括实时监测的电压、电流、频率、功率因数、各次谐波数据的幅度和相位以及基波的幅值和相位。
3.如权利要求2所述的配电网电能监测预警管理方法,其特征在于:所述对采集的电能数据进行预处理包括数据清洗和数据集成;
所述数据清洗包括去除噪声和异常值,对每周期T内重复记录的、残缺错误的数据进行清理;
所述数据集成包括定义数据需求,识别数据源并抽取相应数据。
4.如权利要求3所述的配电网电能监测预警管理方法,其特征在于:所述特征提取的具体步骤如下:
计算并记录每周期内谐波数据的平均值、标准差、最大值、最小值、峰值、有效值、偏度和峰度;
计算信号的频谱分布,具体计算公式如下:
其中,n为数据点的数量;x(i)为原始信号的第i个数据点;N为采样频率;j为虚数单位;k为频率索引;
提取谐波含量,具体计算公式如下:
其中,Q(N)为第n次谐波的幅值;Q(1)为基波的幅值;N为谐波的次数。
5.如权利要求4所述的配电网电能监测预警管理方法,其特征在于:所述确定故障的类型和位置坐标的具体过程为:
构造调节函数,具体公式如下:
其中,m表示调节结果,a1表示故障数据的距离,a2表示待检测数据的距离,l1表示故障数据的样本数,l2表示待检测数据的样本数,b1表示故障数据的标准误差,b2表示待检测数据的标准误差;
设置2次至50次谐波范围内的电流谐波波动阈值和配电网电压闪烁阈值;
根据配电网电能***的特征和故障类型的已知特征范围,确定不同故障类型在电能监测参数上的表现;
将不同的特征对应的范围输入调节函数,得出各对应的特征调节结果范围,分为正常特征、波动一级和波动二级;
建立故障类型与特征调节结果范围输出之间的映射关系:
当特征调节结果为正常特征时,即故障类型为正常状态;
当特征调节结果为波动一级时,故障类型为二级预警;
当特征调节结果为波动二级时,故障类型为一级预警;
根据电能监测数据和调节函数的输出范围,将电能监测参数的数值映射到相应的故障类型上。
6.如权利要求5所述的配电网电能监测预警管理方法,其特征在于:所述各对应的特征调节结果范围的具体划分判断过程为:
将电流谐波波动设定值的边界值带入调节函数中,输出两个调节结果,为正常特征的边界值;
将阈值带入调节函数中,输出调节结果,与电流谐波波动设定值的最大值的输出结果组成波动一级的边界值;
将剩余范围定为波动二级;
根据数据在调节函数的输出结果将数据划分为不同的故障类型。
7.如权利要求6所述的配电网电能监测预警管理方法,其特征在于:所述预警的具体判断过程为:
将所述故障的类型分为三个不同预警等级,即正常状态、需要人工进行故障检修的故障因素为一级预警以及其他故障因素为二级预警;
检测为正常状态时,需要保持良好的设备运行状态,并定期进行例行巡检和维护;
检测为一级预警时,立即通知相关人员,并对故障设备进行紧急停电或切断电源输入;
检测为二级预警时,通过监控设备、传感器和***数据,验证预警信息的真实性,将预警信息及时通知相关人员,并派遣技术人员前往现场,对预警所指示的设备或***进行详细检查和调查;
对配电网中的各种故障进行实时监测,当检测到配电网中存在故障时,将故障代码与数据库中的故障信息进行匹配,若匹配成功,预警***会发出信号,并根据预警级别进行告警;所述配电网的管理员通过监控终端监测***状态和故障信息,及时采取相应的措施进行排查和处理。
8.一种采用如权利要求1~7任一所述的配电网电能监测预警管理方法的电能监测管理***,其特征在于:还包括,
电力质量采集模块,用于采集电压、电流、频率以及谐波每周期的实时数据,并通过通信网络发送到数据分析模块;
数据分析模块,用于对收集的数据进行预处理,包括数据清洗和数据集成;
模型训练模块,用于对所述预处理后的数据进行特征提取,根据所述特征提取的数据建立故障诊断模型,基于支持向量机算法对所述故障诊断模型进行训练;
故障监测和预警模块,用于将实时运行数据输入到训练好的故障诊断模型中输出故障诊断结果,并对配电网中的各种故障进行实时监测和预警;
交互反馈模块,用于对每周期的预测数据进行评估和反馈,并用于与用户进行交互。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1~7任一所述的配电网电能监测预警管理方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1~7任一所述的配电网电能监测预警管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310833947.XA CN117074852A (zh) | 2023-07-07 | 2023-07-07 | 一种配电网电能监测预警管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310833947.XA CN117074852A (zh) | 2023-07-07 | 2023-07-07 | 一种配电网电能监测预警管理方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117074852A true CN117074852A (zh) | 2023-11-17 |
Family
ID=88706885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310833947.XA Pending CN117074852A (zh) | 2023-07-07 | 2023-07-07 | 一种配电网电能监测预警管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117074852A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117368651A (zh) * | 2023-12-07 | 2024-01-09 | 江苏索杰智能科技有限公司 | 一种配电网故障综合分析***及方法 |
-
2023
- 2023-07-07 CN CN202310833947.XA patent/CN117074852A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117368651A (zh) * | 2023-12-07 | 2024-01-09 | 江苏索杰智能科技有限公司 | 一种配电网故障综合分析***及方法 |
CN117368651B (zh) * | 2023-12-07 | 2024-03-08 | 江苏索杰智能科技有限公司 | 一种配电网故障综合分析***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112766342A (zh) | 一种电气设备的异常检测方法 | |
CN1862278A (zh) | 预测电动机剩余寿命的方法和*** | |
CN105003453A (zh) | 一种矿井风机在线监测与故障诊断*** | |
CN109858140B (zh) | 一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法 | |
CN116388402B (zh) | 一种应用于变电设备的异常报警分析方法 | |
CN117074852A (zh) | 一种配电网电能监测预警管理方法及*** | |
CN116629627A (zh) | 输电在线监测装置的智能检测*** | |
CN114255784A (zh) | 一种基于声纹识别的变电站设备故障诊断方法及相关装置 | |
CN117150418B (zh) | 基于状态特征故障树的变压器运检周期制定方法和*** | |
CN117436569A (zh) | 基于随机森林的核电设备故障预测和智能标定方法及*** | |
CN117331790A (zh) | 一种用于数据中心的机房故障检测方法及装置 | |
CN116593829A (zh) | 基于数据分析的输电线路隐患在线监测*** | |
CN116108376A (zh) | 一种反窃电的监测***、方法、电子设备及介质 | |
CN113836203A (zh) | 一种网络数据化诊断检测分析*** | |
CN114971308A (zh) | 一种基于多维数据分析的变压器健康状况评估方法 | |
Joga et al. | Detection and Classification of Changes in Voltage Magnitude During Various Power Quality Disturbances | |
CN111275938A (zh) | 一种基于辅机设备的预警方法、装置、设备及存储介质 | |
CN117808456B (zh) | 一种基于智慧运营管理的设备故障预警方法及装置 | |
CN117951633B (zh) | 一种光伏发电设备故障诊断方法及*** | |
CN118050600B (zh) | 基于分布式行波测量的配网故障定位*** | |
CN118100447B (zh) | 基于物联网的高压配电线路智能监控方法及*** | |
CN117937768B (zh) | 智能电气柜远程监控*** | |
CN117978837B (zh) | 一种电力数据采集传输方法及其*** | |
CN111487562B (zh) | 一种电力变压器状态早期预警及辅助决策方法 | |
CN110927488B (zh) | 一种基于隶属度函数的变压器运行状态监测方法 |
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 |