CN117078017A - 一种用于电力电网设备监控智能化决策分析*** - Google Patents
一种用于电力电网设备监控智能化决策分析*** Download PDFInfo
- Publication number
- CN117078017A CN117078017A CN202311193293.5A CN202311193293A CN117078017A CN 117078017 A CN117078017 A CN 117078017A CN 202311193293 A CN202311193293 A CN 202311193293A CN 117078017 A CN117078017 A CN 117078017A
- Authority
- CN
- China
- Prior art keywords
- power equipment
- monitoring
- state
- coefficient
- equipment
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 91
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 238000012423 maintenance Methods 0.000 claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000012549 training Methods 0.000 claims abstract description 12
- 238000003062 neural network model Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 5
- 230000005494 condensation Effects 0.000 claims description 25
- 238000009833 condensation Methods 0.000 claims description 25
- 230000005856 abnormality Effects 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种用于电力电网设备监控智能化决策分析***,涉及电网智能化管理技术领域,建立运行条件集合,由运行条件集合生成电力设备运行时的条件系数;对电力设备的运行状态进行监测,汇总监测结果并建立电力设备的运行状态集合,由运行状态集合生成状态系数;所收集数据的基础上,使用神经网络模型训练生成电力设备的运行模型,以该运行模型对电力设备的运行状态进行预测,获取状态系数的预测值,若该预测值不低于前值,向外部发出报警;对电力设备进行自检并输出异常特征,从预先设置的维护方案库中输出对应的维护方案。快速的给出维护方案,能够以输出的维护方案作为参考,对电力设备的高效监控及高效处理。
Description
技术领域
本发明涉及电网智能化管理技术领域,具体为一种用于电力电网设备监控智能化决策分析***。
背景技术
为了满足电能需求,电网规模的不断扩大,电力设备日益增多,所需要获取的电力监控信息越来越多。特别是在建筑内部完成初步施工,电力设备都完成调试并开始运行后,为对施工和装修过程形成保障,需要对电力设备的运行状态进行监控。
在申请号为202011421845.X中国发明专利中,公开了一种实现电网智能化运行的监控***,包括电力监控装置,用于对电网内电力设备进行数据参数进行采集;显示大屏,用于展示各电力设备的运行状态,运行参数,运行曲线,视频画面等信息内容;语音输入输出端,用于实现语音查询、语音播报的功能;声光报警装置,用于对于现场工作人员发出警告信号;以及监控软件平台和服务器,与电力监控装置、显示大屏、语音输入输出端以及声光报警装置连接,用于综合管理和监控电力设备;
以上申请中记载的技术方案中,能够提升工作人员的远程管理能力,减轻工作人员的劳动强度;通过语音交互,查询电力设备的运行,更加智能化;同时,以上申请能够及时发现问题,但是不能实现对在电力设备的运行状态的预测,在其产生故障时,不能够及时的给出维护方案,以确保电力设备持续稳定的运行。
为此,本发明提供了一种用于电力电网设备监控智能化决策分析***。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种用于电力电网设备监控智能化决策分析***,通过由运行条件集合生成电力设备运行时的条件系数;对电力设备的运行状态进行监测,汇总监测结果并建立电力设备的运行状态集合,由运行状态集合生成状态系数;所收集数据的基础上,使用神经网络模型训练生成电力设备的运行模型,以该运行模型对电力设备的运行状态进行预测,获取状态系数的预测值,若该预测值不低于前值,向外部发出报警;对电力设备进行自检并输出异常特征,从预先设置的维护方案库中为当前的电力设备匹配和输出对应的维护方案,解决了背景技术中提出的,不能实现对在电力设备的运行状态的预测,在其产生故障时不能够及时的给出维护方案的技术问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种用于电力电网设备监控智能化决策分析***,包括:第一监测单元、第二监测单元、分析单元、预测单元及方案匹配单元,其中:
第一监测单元、在电力设备处于运行状态下时,在监测区域内对电力设备的运行条件进行监测,并建立运行条件集合,由运行条件集合生成电力设备运行时的条件系数Con(u,p),若其超过高于条件阈值,向外部发出第一预警信息;
第二监测单元、接收到第一预警信息后,对电力设备的运行状态进行监测,汇总监测结果并建立电力设备的运行状态集合,由运行状态集合生成状态系数Sta(k,p),若其高于状态阈值,向外部发出第二预警信息;
分析单元、接收到第二预警信息后,对状态系数Sta(k,p)做多重线性回归分析,获取其受到环境条件的影响程度后,关联生成系数和若系数和/>超过影响度阈值,向外部发出第三预警信息;
预测单元、对电力设备当前的运行条件做趋势分析后,若该运行条件不具备改善的前景,在所收集数据的基础上,使用神经网络模型训练生成电力设备的运行模型,以该运行模型对电力设备的运行状态进行预测,获取状态系数Sta(k,p)的预测值,若该预测值不低于前值,向外部发出报警信息;
方案匹配单元、接收到报警信息后,判断电力设备的运行状态参数中是否存在异常或即将产生异常的部分,若是存在,则对电力设备进行自检并输出异常特征,依据所述异常特征,从预先设置的维护方案库中为当前的电力设备匹配和输出对应的维护方案。
进一步的,确定电力设备当前所在位置后,设置监测半径形成监测区域,并且设置监测周期,获取电力设备外部在每日内的最大结露量,生成每日的结露量Lu;在确定电力设备的若干个负载之后,获取每个监测周期内负载短路的次数,从而生成短路频率Dp;沿着时间轴连续获取若干个监测周期内的上述数据,汇总后建立运行条件集合。
进一步的,由运行条件集合生成设电力备运行时的条件系数Con(u,p),其获取的方式如下:对结露量Lu及短路频率Dp做线性归一化处理后,将对应数据值映射在[0,1]内:
其中,参数意义为:n为大于1的正整数,i=1,2…n,权重系数:0≤F1≤1,0≤F2≤1,且F2+F1=1,所述为结露量的历史均值,/>为短路频率的历史均值;若是获取的条件系数Con(u,p)高于条件阈值,向外部发出第一预警信息。
进一步的,在接收到第一预警信息后,对电力设备当前的运行状态进行判断,其具体过程如下:在电力设备处于工作状态时,在监测周期内对电力设备的工作负荷进行监测,生成电力负荷Kva,对电力设备的工作温度进行监测,获取设备的运行温度,生成运行温度Yt;
电力设备在运行时,若交流电的电压和电流存在相位差,对该相位差进行检测,获取运行时的相位差Pm;沿着时间轴,将上述监测数据连续获取若干组,汇总后建立电力设备的运行状态集合。
进一步的,由电力设备的运行状态集合,获取电力设备在运行时的状态系数Sta(k,p),其获取方式具体如下:对电力负荷Kva、相位差Pm及运行温度Yt做线性归一化处理后,将对应的数据值映射在[0,1]内:
其中,i=1,2,…,n,n为大于1的正整数,权重系数, 目/>若是获取的状态系数Sta(k,p)高于状态阈值,向外部发出第二预警信息。
进一步的,在接收到第二预警信息后,连续获取若干个状态系数Sta(k,p)及运行条件集合内参数,基于上述数据的产生时间为上述数据添加时间戳,依照时间戳将以上各组参数对齐,并沿着时间轴有序排列;以电力设备的结露量Lu及短路频率Dp作为自变量,以其状态系数Sta(k,p)作为因变量,做多重线性回归分析并获取相应的回归方程,从所述回归方程中,分别获取自变量的回归系数及/>
进一步的,依据结露及短路对电力设备运行寿命的损耗程度,分别为回归系数设置对应的权重系数及/>依据如下方式生成系数和/>
其中权重系数预先设置影响度阈值,若系数和/>超过影响度阈值,则向外部发出第三预警信息。
进一步的,连续获取若干组的短路频率Dp及结露量Lu,对两者进行函数拟合,并在经过K-S验证后,分别生成与之相应的拟合函数,进行趋势分析后,若短路频率Dp及结露量Lu中的至少一个处于上升趋势时,发出模型构建指令;获取监测区域内电力设备的运行条件,电力设备的运行状态数据以及电力设备的性能时及规格数据,汇总后建立模型构建数据集合。
进一步的,使用神经网络模型,从模型构建数据集合中抽取数据,分别作为建立测试集和训练集,以其对神经网络模型进行训练和测试后,生成电力设备的运行模型;使用电力设备的运行模型对其运行状态进行预测,并获取预测结果,从预测结果中生成状态系数Sta(k,p)作为预测值;若状态系数Sta(k,p)的预测值不低于前值,向外部发出报警信息。
进一步的,在接收到报警信息后,先获取电力设备当前的运行状态参数,再从所述预测结果中查询电力设备在经过一个预测周期后的运行状态参数;
从若干个运行参数中筛选出超过标准值的部分作为异常值,若异常值的数量不少于1个,则对电力设备进行自检,依据电力设备当前的异常性,从自检结果中输出异常特征;通过公开的网络渠道,以线性检索的方式配合线下收集,获取若干个电力设备的维护方案,在汇总后建立维护方案库,依据异常特征和维护方案的对应性,为当前的电力设备匹配和输出对应的维护方案。
(三)有益效果
本发明提供了一种用于电力电网设备监控智能化决策分析***,具备以下有益效果:
1、生成运行状态集合及状态系数Sta(k,p),依据状态系数Sta(k,p)的值对电力设备当前的运行状态进行评估,判断和评估电力设备当前存在故障的风险,若是显示该风险较高,甚至高于预期,则说明需要及时的调整并改善电力设备当前的运行状态,以便于延长其工作寿命。
2、通过做多重线性回归分析,判断电力设备当前的高故障风险是否是由其所在的运行条件所导致,若不是,则需要将调整的目标集中在电力设备自身,及时的对电力设备进行故障检查,以便于其保持正常的运行。
3、建立电力设备的运行模型,并依据当前的运行条件及其变化的趋势,对电力设备的运行风险进行预测,并生成状态系数Sta(k,p)的预测值,判断该电力设备的运行风险会如何转变,若其高故障风险并不会好转,在对电力设备进行监控时,在条件系数Con(u,p)及状态系数Sta(k,p)中有一个不符合预期时,积极进行干预,以保障电力设备的正常运行。
4、若电力设备当前存在异常,则在对该异常性进行识别和判断后生成异常特征,并为其匹配出相应的维护方案,从而在电力设备的运行状态风险较高,产生故障的风险较高时,能够快速的给出维护方案,管理或维护人员在对获取到报警信息后,能够以输出的维护方案作为参考,实现对电力设备的高效监控及高效处理。
附图说明
图1为本发明用于电力电网设备监控智能化决策分析***结构示意图;
图2为本发明用于电力电网设备监控智能化决策分析方法结构示意图。
具体实施方式
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。
请参阅图1及2,本发明提供一种用于电力电网设备监控智能化决策分析***,包括:第一监测单元、第二监测单元、分析单元、预测单元及方案匹配单元,其中:
第一监测单元、在电力设备处于运行状态下时,在监测区域内对电力设备的运行条件进行监测,并建立运行条件集合,由运行条件集合生成电力设备运行时的条件系数Con(u,p),若其超过高于条件阈值,向外部发出第一预警信息;
具体包括如下内容:
步骤101、在电力设备处于持续运行状态下时,确定电力设备当前所在位置后,设置监测半径,例如,以一米为半径,并形成监测区域,并且设置监测周期,例如,以每天为一个监测周期;在监测区域内设置监测器件,监测获取电力设备外部在每日内的最大结露量,从而生成每日的结露量Lu;进一步的,在确定电力设备的若干个负载之后,获取每个监测周期内负载短路的次数,从而生成短路频率Dp;
沿着时间轴连续获取若干个监测周期内的上述数据,汇总后建立运行条件集合;
步骤102、由运行条件集合生成设电力备运行时的条件系数Con(u,p),其获取的方式如下:对结露量Lu及短路频率Dp做线性归一化处理后,将对应数据值映射在[0,1]内:
其中,参数意义为:n为大于1的正整数,i=1,2…n,权重系数:0≤F1≤1,0≤F2≤1,且F2+F1=1,所述为结露量的历史均值,/>为短路频率的历史均值;
在能够使电力设备处于正常运行状态的条件下,结合历史数据,预先设置条件阈值,若是获取的条件系数Con(u,p)高于条件阈值,则说明电力设备在外部条件的干扰下,其工作状态可能会产生一定的负面影响,若是不及时进行处理,则可能会演变为设备运行故障;此时,向外部发出第一预警信息;
使用时,结合步骤101及102中的内容:
在电力设备处于持续运行状态下时,先划定出监测区域,再获取该监测区域内的环境条件,建立运行条件合集,生成条件系数Con(u,p),从而,依据条件系数Con(u,p)先对电力设备的运行条件进行评断,若是判断出当前的运行条件较差,则说明,电力设备在运行时具有产生故障的风险,应当注意或者早做防范,以对电力设备的正常运行形成保障。
第二监测单元、接收到第一预警信息后,对电力设备的运行状态进行监测,汇总监测结果并建立电力设备的运行状态集合,由运行状态集合生成状态系数Sta(k,p),若其高于状态阈值,向外部发出第二预警信息;
具体包括如下内容:
步骤201、接收到第一预警信息后,需要对电力设备当前的运行状态进行持续性监测,并以此对电力设备当前的运行状态进行判断,其具体过程如下:
在电力设备处于工作状态时,设置监测周期,例如以每10分钟为一个监测周期,在该监测周期内对电力设备的工作负荷进行监测,生成电力负荷Kva,对电力设备的工作温度进行监测,获取设备的运行温度,生成运行温度Yt,电力设备在运行时,若交流电的电压和电流存在相位差,对该相位差进行检测,获取运行时的相位差Pm;沿着时间轴,将上述监测数据连续获取若干组,汇总后建立电力设备的运行状态集合;
步骤202、由电力设备的运行状态集合,获取电力设备在运行时的状态系数Sta(k,p),其获取方式具体如下:对电力负荷Kva、相位差Pm及运行温度Yt做线性归一化处理后,将对应的数据值映射在[0,1]内:
其中,i=1,2,…,n,n为大于1的正整数,且/>
在能够使电力设备处于正常运行状态的条件下,结合历史数据,预先设置状态阈值,若是获取的状态系数Sta(k,p)高于状态阈值,则说明电力设备当前工作状态时可能已经产生了故障;此时,若不及时的对电力设备的运行参数进行调整,则电力设备的运行状态可能会进一步的恶化;此时,向外部发出第二预警信息;
使用时,结合步骤201至202中的内容:
在电力设备具有一定的运行风险时,对其运行状态进行监控,由监测的结果依次生成运行状态集合及状态系数Sta(k,p),依据状态系数Sta(k,p)的值对电力设备当前的运行状态进行评估,从而进一步的判断和评估电力设备当前存在故障的风险,若是显示该风险较高,甚至高于预期,则说明需要及时的调整并改善电力设备当前的运行状态,以便于延长其工作寿命。
分析单元、接收到第二预警信息后,对状态系数Sta(k,p)做多重线性回归分析,获取其受到环境条件的影响程度后,关联生成系数和若系数和/>超过影响度阈值,向外部发出第三预警信息;
具体包括如下内容:
步骤301、在接收到第二预警信息后,连续获取若干个状态系数Sta(k,p)及运行条件集合内参数,基于上述数据的产生时间为上述数据添加时间戳,依照时间戳将以上各组参数对齐,并沿着时间轴有序排列;
以电力设备的结露量Lu及短路频率Dp作为自变量,以其状态系数Sta(k,p)作为因变量,做多重线性回归分析并获取相应的回归方程,从所述回归方程中,分别获取自变量的回归系数及/>
步骤302、依据结露及短路对电力设备运行寿命的损耗程度,分别为回归系数设置对应的权重系数及/>依据如下方式生成系数和/>
其中权重系数预先设置影响度阈值,若系数和/>超过影响度阈值,则向外部发出第三预警信息;
使用时,结合步骤301至302中的内容:
在电力设备的运行条件风险及运行状态风险均处于超过阈值的状态下时,通过做多重线性回归分析,判断电力设备当前的高故障风险是否是由其所在的运行条件所导致,若是,则说明在对其所在环境进行调整后,其当前的故障风险会降低,若不是,则需要将调整的目标集中在电力设备自身,此时,则需要及时的对电力设备进行故障检查,以便于其保持正常的运行。
预测单元、对电力设备当前的运行条件做趋势分析后,若该运行条件不具备改善的前景,在所收集数据的基础上,使用神经网络模型训练生成电力设备的运行模型,以该运行模型对电力设备的运行状态进行预测,获取状态系数Sta(k,p)的预测值,若该预测值不低于前值,向外部发出报警信息;
具体包括如下内容:
步骤401、连续获取若干组的短路频率Dp及结露量Lu,对两者进行函数拟合,并在经过K-S验证后,分别生成与之相应的拟合函数,进行趋势分析后,若短路频率Dp及结露量Lu中的至少一个处于上升趋势时,发出模型构建指令;
步骤402、获取监测区域内电力设备的运行条件,例如:温度、负载短路等;获取电力设备的运行状态数据,例如电压、电流、运行负荷等;以及电力设备的性能时及规格数据,汇总后建立模型构建数据集合,使用神经网络模型,从模型构建数据集合中抽取数据,分别作为建立测试集和训练集,以其对神经网络模型进行训练和测试后,生成电力设备的运行模型;
步骤403、在设置预测周期后,使用电力设备的运行模型对其运行状态进行预测,并获取预测结果,从预测结果中生成状态系数Sta(k,p)作为预测值;若状态系数Sta(k,p)的预测值不低于前值,此时,说明电力设备的运行状态不具备好转的迹象,需要向外部发出报警信息;
使用时,结合步骤401至403中的内容:
通过所收集的数据,建立电力设备的运行模型,并依据当前的运行条件及其变化的趋势,对电力设备的运行风险进行预测,并生成状态系数Sta(k,p)的预测值,在不改变其运行条件或者不改变其运行状态的前提下,以此判断该电力设备的运行风险会如何转变,若其高故障风险并不会好转,则说明电力设备在处于监控状态但缺乏积极干预的条件下,产生运行故障的风险不会降低,此时,在对电力设备进行监控时,一旦在条件系数Con(u,p)及状态系数Sta(k,p)中有一个不符合预期时,就需要积极进行干预,以便于保障电力设备的正常运行。
方案匹配单元、接收到报警信息后,判断电力设备的运行状态参数中是否存在异常或即将产生异常的部分,若是存在,则对电力设备进行自检并输出异常特征,依据所述异常特征,从预先设置的维护方案库中为当前的电力设备匹配和输出对应的维护方案;
具体包括如下内容:
步骤501、在接收到报警信息后,先获取电力设备当前的运行状态参数,再从所述预测结果中查询电力设备在经过一个预测周期后的运行状态参数,其中,所述的运行状态参数包括:运行温度、运行负荷等等;
在设置了相应的标准值后,从若干个运行参数中筛选出超过标准值的部分作为异常值,若异常值的数量不少于1个,则对电力设备进行自检,依据电力设备当前的异常性,从自检结果中输出异常特征;
步骤502、通过公开的网络渠道,以线性检索的方式配合线下收集,获取若干个电力设备的维护方案,在汇总后建立维护方案库,依据异常特征和维护方案的对应性,为当前的电力设备匹配和输出对应的维护方案。
使用时,结合步骤501及502中的内容:
在对电力设备进行智能监控并实现预测后,从电力设备的运行参数中获取异常值数量,若该数量高于预期,则在此时开始自检,若电力设备当前存在异常,则在对该异常性进行识别和判断后生成异常特征,并为其匹配出相应的维护方案,从而在电力设备的运行状态风险较高,产生故障的风险较高时,能够快速的给出维护方案,管理或维护人员在对获取到报警信息后,能够以输出的维护方案作为参考,实现对电力设备的高效监控及高效处理。
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。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种用于电力电网设备监控智能化决策分析***,其特征在于:包括:第一监测单元、第二监测单元、分析单元、预测单元及方案匹配单元,其中:
第一监测单元、在电力设备处于运行状态下时,在监测区域内对电力设备的运行条件进行监测,并建立运行条件集合,由运行条件集合生成电力设备运行时的条件系数Con(u,p),若其超过高于条件阈值,向外部发出第一预警信息;
第二监测单元、接收到第一预警信息后,对电力设备的运行状态进行监测,汇总监测结果并建立电力设备的运行状态集合,由运行状态集合生成状态系数Sta(k,p),若其高于状态阈值,向外部发出第二预警信息;
分析单元、接收到第二预警信息后,对状态系数Sta(k,p)做多重线性回归分析,获取其受到环境条件的影响程度后,关联生成系数和若系数和/>超过影响度阈值,向外部发出第三预警信息;
预测单元、对电力设备当前的运行条件做趋势分析后,若该运行条件不具备改善的前景,在所收集数据的基础上,使用神经网络模型训练生成电力设备的运行模型,以该运行模型对电力设备的运行状态进行预测,获取状态系数Sta(k,p)的预测值,若该预测值不低于前值,向外部发出报警信息;
方案匹配单元、接收到报警信息后,判断电力设备的运行状态参数中是否存在异常或即将产生异常的部分,若是存在,则对电力设备进行自检并输出异常特征,依据所述异常特征,从预先设置的维护方案库中为当前的电力设备匹配和输出对应的维护方案。
2.根据权利要求1所述的用于电力电网设备监控智能化决策分析***,其特征在于:
确定电力设备当前所在位置后,设置监测半径形成监测区域,并且设置监测周期,获取电力设备外部在每日内的最大结露量,生成每日的结露量Lu;在确定电力设备的若干个负载之后,获取每个监测周期内负载短路的次数,从而生成短路频率Dp;沿着时间轴连续获取若干个监测周期内的上述数据,汇总后建立运行条件集合。
3.根据权利要求2所述的用于电力电网设备监控智能化决策分析***,其特征在于:
由运行条件集合生成设电力备运行时的条件系数Con(u,p),其获取的方式如下:对结露量Lu及短路频率Dp做线性归一化处理后,将对应的数据值映射在[0,1]内:
其中,参数意义为:n为大于1的正整数,i=1,2…n,权重系数:0≤F1≤1,0≤F2≤1,且F2+F1=1,所述为结露量的历史均值,/>为短路频率的历史均值;若是获取的条件系数Con(u,p)高于条件阈值,向外部发出第一预警信息。
4.根据权利要求1所述的用于电力电网设备监控智能化决策分析***,其特征在于:
接收到第一预警信息后,对电力设备当前的运行状态进行判断,其具体过程如下:在电力设备处于工作状态时,在监测周期内对电力设备的工作负荷进行监测,生成电力负荷Kva,对电力设备的工作温度进行监测,获取设备的运行温度,生成运行温度Yt;
电力设备在运行时,若交流电的电压和电流存在相位差,对该相位差进行检测,获取运行时的相位差Pm;沿着时间轴,将上述监测数据连续获取若干组,汇总后建立电力设备的运行状态集合。
5.根据权利要求4所述的用于电力电网设备监控智能化决策分析***,其特征在于:
由电力设备的运行状态集合,获取电力设备在运行时的状态系数Sta(k,p),其获取方式具体如下:对电力负荷Kva、相位差Pm及运行温度Yt做线性归一化处理后,将对应的数据值映射在[0,1]内:
其中,i=1,2,…,n,n为大于1的正整数,权重系数, 且/>若是获取的状态系数Sta(k,p)高于状态阈值,向外部发出第二预警信息。
6.根据权利要求1所述的用于电力电网设备监控智能化决策分析***,其特征在于:
在接收到第二预警信息后,连续获取若干个状态系数Sta(k,p)及运行条件集合内参数,基于上述数据的产生时间为上述数据添加时间戳,依照时间戳将以上各组参数对齐,并沿着时间轴有序排列;
以电力设备的结露量Lu及短路频率Dp作为自变量,以其状态系数Sta(k,p)作为因变量,做多重线性回归分析并获取相应的回归方程,从所述回归方程中,分别获取自变量的回归系数及/>
7.根据权利要求6所述的用于电力电网设备监控智能化决策分析***,其特征在于:
依据结露及短路对电力设备运行寿命的损耗程度,分别为回归系数设置对应的权重系数及/>依据如下方式生成系数和/>
其中权重系数预先设置影响度阈值,若系数和/>超过影响度阈值,则向外部发出第三预警信息。
8.根据权利要求2所述的用于电力电网设备监控智能化决策分析***,其特征在于:
连续获取若干组的短路频率Dp及结露量Lu,对两者进行函数拟合,并在经过K-S验证后,分别生成与之相应的拟合函数,进行趋势分析后,若短路频率Dp及结露量Lu中的至少一个处于上升趋势时,发出模型构建指令;
获取监测区域内电力设备的运行条件,电力设备的运行状态数据以及电力设备的性能时及规格数据,汇总后建立模型构建数据集合。
9.根据权利要求8所述的用于电力电网设备监控智能化决策分析***,其特征在于:
使用神经网络模型,从模型构建数据集合中抽取数据,分别作为建立测试集和训练集,以其对神经网络模型进行训练和测试后,生成电力设备的运行模型;使用电力设备的运行模型对其运行状态进行预测,并获取预测结果,从预测结果中生成状态系数Sta(k,p)作为预测值;若状态系数Sta(k,p)的预测值不低于前值,向外部发出报警信息。
10.根据权利要求9所述的用于电力电网设备监控智能化决策分析***,其特征在于:
在接收到报警信息后,先获取电力设备当前的运行状态参数,再从所述预测结果中查询电力设备在经过一个预测周期后的运行状态参数;
从若干个运行参数中筛选出超过标准值的部分作为异常值,若异常值的数量不少于1个,则对电力设备进行自检,依据电力设备当前的异常性,从自检结果中输出异常特征;
通过公开的网络渠道,以线性检索的方式配合线下收集,获取若干个电力设备的维护方案,在汇总后建立维护方案库,依据异常特征和维护方案的对应性,为当前的电力设备匹配和输出对应的维护方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311193293.5A CN117078017A (zh) | 2023-09-15 | 2023-09-15 | 一种用于电力电网设备监控智能化决策分析*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311193293.5A CN117078017A (zh) | 2023-09-15 | 2023-09-15 | 一种用于电力电网设备监控智能化决策分析*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117078017A true CN117078017A (zh) | 2023-11-17 |
Family
ID=88715356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311193293.5A Pending CN117078017A (zh) | 2023-09-15 | 2023-09-15 | 一种用于电力电网设备监控智能化决策分析*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117078017A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117439687A (zh) * | 2023-12-20 | 2024-01-23 | 江苏华鹏智能仪表科技股份有限公司 | 一种基于hplc和hrf的双模通信方法、***及装置 |
CN117457173A (zh) * | 2023-12-25 | 2024-01-26 | 中国人民解放军总医院第二医学中心 | 一种用于心内科的可穿戴设备心律失常监测*** |
CN117573668A (zh) * | 2024-01-15 | 2024-02-20 | 上海真兰仪表科技股份有限公司 | 一种基于超声波燃气表计量数据的优化方法 |
CN117996966A (zh) * | 2024-04-03 | 2024-05-07 | 江门市赛为电力科技有限公司 | 一种基于优化算法的电力屏柜的智慧管理方法及*** |
CN118091476A (zh) * | 2024-04-23 | 2024-05-28 | 中铁七局集团南京工程有限公司 | 一种轨道交通供电***检测方法、***及存储介质 |
-
2023
- 2023-09-15 CN CN202311193293.5A patent/CN117078017A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117439687A (zh) * | 2023-12-20 | 2024-01-23 | 江苏华鹏智能仪表科技股份有限公司 | 一种基于hplc和hrf的双模通信方法、***及装置 |
CN117439687B (zh) * | 2023-12-20 | 2024-03-29 | 江苏华鹏智能仪表科技股份有限公司 | 一种基于hplc和hrf的双模通信方法、***及装置 |
CN117457173A (zh) * | 2023-12-25 | 2024-01-26 | 中国人民解放军总医院第二医学中心 | 一种用于心内科的可穿戴设备心律失常监测*** |
CN117457173B (zh) * | 2023-12-25 | 2024-03-12 | 中国人民解放军总医院第二医学中心 | 一种用于心内科的可穿戴设备心律失常监测*** |
CN117573668A (zh) * | 2024-01-15 | 2024-02-20 | 上海真兰仪表科技股份有限公司 | 一种基于超声波燃气表计量数据的优化方法 |
CN117573668B (zh) * | 2024-01-15 | 2024-04-09 | 上海真兰仪表科技股份有限公司 | 一种基于超声波燃气表计量数据的优化方法 |
CN117996966A (zh) * | 2024-04-03 | 2024-05-07 | 江门市赛为电力科技有限公司 | 一种基于优化算法的电力屏柜的智慧管理方法及*** |
CN117996966B (zh) * | 2024-04-03 | 2024-06-07 | 江门市赛为电力科技有限公司 | 一种基于优化算法的电力屏柜的智慧管理方法及*** |
CN118091476A (zh) * | 2024-04-23 | 2024-05-28 | 中铁七局集团南京工程有限公司 | 一种轨道交通供电***检测方法、***及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117078017A (zh) | 一种用于电力电网设备监控智能化决策分析*** | |
CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
CN106655522B (zh) | 一种适用于电网二次设备运维管理的主站*** | |
CN116069079B (zh) | 一种智能开关柜的散热智能控制方法及*** | |
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*** | |
EP3972084A2 (en) | Systems and methods for monitoring energy-related data in an electrical system | |
CN114383652A (zh) | 一种配电网潜在故障在线风险辨识方法、***及装置 | |
CN113687160B (zh) | 用于站用交流回路预警的方法、装置、终端及*** | |
CN104821789A (zh) | 一种光伏发电***可靠性的检测方法 | |
CN108921305B (zh) | 一种部件生命期监测方法 | |
CN104834305A (zh) | 基于dms***的配网自动化终端遥测异常分析***及方法 | |
CN117289745B (zh) | 一种数字化配电房运行监控方法 | |
CN114142614A (zh) | 一种基于sd-wan网络的高速公路配电房智能运维管理*** | |
CN112769235A (zh) | 配电网网格的指标监控***和方法 | |
CN116846085A (zh) | 一种自感知监测智能化配电箱控制*** | |
CN116961130A (zh) | 一种基于多节点控制的电力调度方法及装置 | |
CN116714469A (zh) | 充电桩健康监测方法、装置、终端及存储介质 | |
CN114662058B (zh) | 无线站点监测方法及装置 | |
CN115952917A (zh) | 一种有源配电网安全态势感知方法与*** | |
CN114492869A (zh) | 一种基于物联网技术的配电***健康诊断方法 | |
CN111381119A (zh) | 照明配电设备运行监测方法及监测*** | |
CN111781554A (zh) | 基于四象限电能量数据的计量装置故障判定方法及*** | |
CN111313355A (zh) | 一种人工监督下的监控信号事件规则更新的方法 | |
CN112036742B (zh) | 配电房设备运行健康状态评价方法 | |
CN117113157B (zh) | 一种基于人工智能的台区用电故障检测*** |
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 |