CN117152925B - 基于大数据的电力通信数据处理*** - Google Patents
基于大数据的电力通信数据处理*** Download PDFInfo
- Publication number
- CN117152925B CN117152925B CN202311404012.6A CN202311404012A CN117152925B CN 117152925 B CN117152925 B CN 117152925B CN 202311404012 A CN202311404012 A CN 202311404012A CN 117152925 B CN117152925 B CN 117152925B
- Authority
- CN
- China
- Prior art keywords
- voltage
- transmission circuit
- current
- transmission
- range
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 title claims abstract description 26
- 230000005540 biological transmission Effects 0.000 claims abstract description 120
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 238000013079 data visualisation Methods 0.000 claims abstract description 9
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007418 data mining Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000009751 slip forming Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
- H02J13/00001—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 the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了基于大数据的电力通信数据处理***,通过电力传输异常分析部件获取传输关键参数,依据传输关键参数中所检测得到的电压增程、温度增程及电流增程获取不同情况下的异常频序值,基于所生成的异常频序曲线图实时作出判断,同步发送异常信号至数据可视化监控部件进行监控预警,本发明相较于现有技术,由传感器检测部件检测数据,进行数据实时分析处理,极大的提高了数据运算的准确性,同时,本发明创造性从增程角度入手,通过仿真试验生成的模型进行数据的集中处理,提高了警示信号的发出准确性。
Description
技术领域
本发明涉及的技术领域,尤其涉及基于大数据的电力通信数据处理***。
背景技术
传统的电力通信数据处理***存在一些问题,例如数据处理效率低下、容易出现丢失、配对错误等,这些问题限制了电力通信网络的可靠性和效率。
1. 传统电力通信数据处理***:传统的电力通信***通过传感器和监控设备采集电力通信网络中的参数数据,但传统的数据处理方法往往非常繁琐,需要大量的人工操作和手动处理,容易出现数据计算错误和丢失的问题。
2. 大数据技术的应用:大数据技术能够高效处理和分析大量的数据,通过数据挖掘和学习算法,可以从数据中提取有价值的信息,并实现对数据的实时处理和分析。
3. 分布式存储与处理:大数据技术采用分布式存储和处理结构,将数据分散存储在多个节点上,通过并行计算的方式高效地处理数据。这种分布式结构能够提高数据的可靠性和处理的效率。
4. 数据挖掘与学习算法:大数据技术提供了多种数据挖掘和学习算法,可以对电力通信数据进行异常检测、趋势分析、负载预测等,从而提供决策支持和优化建议。
5. 数据可视化与监控:大数据技术可以将大量的电力通信数据通过可视化界面直观地展现给用户,使用户能够及时了解***状态,并通过监控***对异常情况进行及时报警和处理。
通过以上技术的引入,基于大数据的电力通信数据处理***能够充分利用大数据技术,实现对电力通信数据的高效处理和分析,提高电力通信网络的可靠性和效率。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有电力通信数据处理方式存在的问题,提出了本发明。
因此,本发明解决的技术问题是:解决现有电力通信数据处理方法需要大量的人工操作和手动处理,容易出现数据计算错误和丢失的问题。
为解决上述技术问题,本发明提供如下技术方案:基于大数据的电力通信数据处理***,包括如下部件:数据采集部件,通过电力传输***中所对应配置的传感器实时获取相应的传输关键参数;节点存储部件,与所述数据采集部件数据连接,获取所述传输关键参数,于所生成的电力数据网络中对应存储至相应的节点中;电力传输异常分析部件,与所述节点存储部件数据连接,于相应的节点中获取对应的所述传输关键参数,基于所构建的分析模型获取不同连续时点的异常频序值,基于连续组成的所述异常频序值平滑连接获取异常频序曲线,基于所述异常频序曲线图实时获取电力传输过程中的变动参数值,并当所述变动参数值达到阈值范围时,发送异常信号至数据可视化监控部件中;数据可视化监控部件,与所述电力传输异常分析部件数据连接,接收所述异常信号,将实时数据以仪表盘形式进行可视化展现;其中,当传输电路传输链路流量趋向于稳定后于额定时间内测定所述传输关键参数,所述传输关键参数具体包括:通过所配置的电压传感器获取电压增程、通过所配置的温度传感器获取温度增程、通过所配置的电流传感器获取电流增程;
其中,一条传输电路所设置的电压传感器包括设置于传输电路始端的前端口电压器及设置于传输电路末端的后端口电压器;一条传输电路所设置的电流传感器包括设置于传输电路始端的前端口电流器及设置于传输电路末端的后端口电流器;
其中,所述电压增程通过以下公式进行获取:
;
其中,λ为电压增程,u前为前端口电压,u后为后端口电压,0.13、0.132及1.84为常态调整参数,tdt为高等函数运算;
其中,所述温度增程通过以下公式进行获取:
;
其中,T为温度增程,t前为额定时间前端温度,t后为额定时间后端温度,0.13、0.132、1/2及1.84为常态调整参数,tdt为高等函数运算;
其中,所述电流增程通过以下公式进行获取:
;
其中,I为电流增程,I前为前端口电流,I后为后端口电流,0.13、0.132、1.84级1/2.77均为常态调整参数,tdt为高等函数运算;其中,所述传输关键参数具体包括:通过所配置的电压传感器获取电压增程、通过所配置的温度传感器获取温度增程、通过所配置的电流传感器获取电流增程;
其中,多条传输电路所设置的电压传感器并联设置,包括一组设置于每条传输电路始端的前端口电压器及一组设置于每条传输电路末端的后端口电压器;多条传输电路所设置的电流传感器并联设置,包括一组设置于每条传输电路始端的前端口电流器及一组设置于每条传输电路末端的后端口电流器;
其中,所述电压增程通过以下公式进行获取:
;
其中,λ’为电压增程,u前1为第一条传输电路的前端口电压,u前n为第n条传输电路的前端口电压,u后1为第一条传输电路的后端口电压,u后n为第n条传输电路的后端口电压,1.60、1.601、1.84及1.841为常态调整参数,tdt为高等函数运算;
其中,所述温度增程通过以下公式进行获取:
;
其中,T1 ’为第一条传输电路的温度增程,Tn ’为第n条传输电路的温度增程,t前为额定时间前端温度,t后为额定时间后端温度,0.13、0.132、1/2、1.84及1.237为常态调整参数,tdt为高等函数运算;
其中,所述电流增程通过以下公式进行获取:
;
其中,I’为电压增程,I前1为第一条传输电路的前端口电流,I前n为第n条传输电路的前端口电流,I后1为第一条传输电路的后端口电流,I后n为第n条传输电路的后端口电流,1.60、1.601、1.01及1/1.39为常态调整参数,tdt为高等函数运算;其中,所构建的所述分析模型的运算模型具体为:
;
其中,ω为异常频序值,λ为电压增程,T为温度增程,I为电流增程;其中,基于所述异常频序曲线图实时获取电力传输过程中的变动参数值即为获取所述异常频序曲线图每个时序点的曲线导数范围,所得出的导数值即为所述变动参数值。
作为本发明所述的基于大数据的电力通信数据处理***的一种优选方案,其中:所述变动参数值的阈值范围设定为:
;
其中,θ为阈值范围,λ为电压增程,T为温度增程,I为电流增程。
本发明的有益效果:本发明提供基于大数据的电力通信数据处理***,通过电力传输异常分析部件获取传输关键参数,依据传输关键参数中所检测得到的电压增程、温度增程及电流增程获取不同情况下的异常频序值,基于所生成的异常频序曲线图实时作出判断,同步发送异常信号至数据可视化监控部件进行监控预警,本发明相较于现有技术,由传感器检测部件检测数据,进行数据实时分析处理,极大的提高了数据运算的准确性,同时,本发明创造性从增程角度入手,通过仿真试验生成的模型进行数据的集中处理,提高了警示信号的发出准确性,解决了现有电力通信数据处理方法需要大量的人工操作和手动处理,容易出现数据计算错误和丢失的问题。
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,下面对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
传统的电力通信***通过传感器和监控设备采集电力通信网络中的参数数据,但传统的数据处理方法往往非常繁琐,需要大量的人工操作和手动处理,容易出现数据计算错误和丢失的问题。
故此,本发明提供基于大数据的电力通信数据处理***,包括如下部件:
数据采集部件,通过电力传输***中所对应配置的传感器实时获取相应的传输关键参数;
节点存储部件,与数据采集部件数据连接,获取传输关键参数,于所生成的电力数据网络中对应存储至相应的节点中;
电力传输异常分析部件,与节点存储部件数据连接,于相应的节点中获取对应的传输关键参数,基于所构建的分析模型获取不同连续时点的异常频序值,基于连续组成的异常频序值平滑连接获取异常频序曲线,基于异常频序曲线图实时获取电力传输过程中的变动参数值,并当所述变动参数值达到阈值范围时,发送异常信号至数据可视化监控部件中;
数据可视化监控部件,与电力传输异常分析部件数据连接,接收异常信号,将实时数据以仪表盘形式进行可视化展现。
需要说明的是,本发明中涉及的电压传感器、温度传感器及电流传感器均为现有技术的运用,在此不做多余赘述。
1. 大数据采集:本***利用传感器、监控设备等实时采集电力通信网络中传输的数据,包括电压、电流、温度关键参数。通过多个数据源的整合,构建全面的电力通信大数据库。
2. 数据存储与管理:为了保证数据的可靠性和高效性,***采用分布式存储结构,并采用容错机制,确保数据不会因单个节点故障而丢失。同时,***具备自动数据清理和归档功能,确保数据存储空间的有效利用。
3. 数据处理与分析:***内置强大的大数据处理和分析引擎,能够对大量电力通信数据进行实时处理、计算和分析。通过算法和模型的运用,***能够识别异常数据、计算电力负载、预测电力供需等关键信息。
4. 数据可视化与监控:***提供直观的数据可视化界面,将实时和历史数据以图表、仪表盘等形式展现,帮助用户直观了解电力通信网络的运行状态。同时,***还具备监控功能,能够自动报警和追踪问题,以便进行及时维护和优化。
5. 数据安全与隐私保护:为了确保数据的安全性和隐私性,***采用严格的权限管理和加密措施,限制用户对敏感数据的访问。同时,***对数据传输进行加密和认证,防止数据被非法获取和篡改。
6. 增强决策支持:***通过数据挖掘和机器学习技术,不断学习和优化,从而提供有力的决策支持。例如,***能够识别电力通信网络的瓶颈,并提出优化方案;***还能够分析供电质量和过载风险,帮助制定合理的供电策略。
进一步的,当传输电路传输链路流量趋向于稳定后于额定时间内测定传输关键参数,传输关键参数具体包括:通过所配置的电压传感器获取电压增程、通过所配置的温度传感器获取温度增程、通过所配置的电流传感器获取电流增程;
其中,一条传输电路所设置的电压传感器包括设置于传输电路始端的前端口电压器及设置于传输电路末端的后端口电压器;一条传输电路所设置的电流传感器包括设置于传输电路始端的前端口电流器及设置于传输电路末端的后端口电流器;
其中,电压增程通过以下公式进行获取:
;
其中,λ为电压增程,u前为前端口电压,u后为后端口电压,0.13、0.132及1.84为常态调整参数,tdt为高等函数运算;
其中,温度增程通过以下公式进行获取:
;
其中,T为温度增程,t前为额定时间前端温度,t后为额定时间后端温度,0.13、0.132、1/2及1.84为常态调整参数,tdt为高等函数运算;
其中,电流增程通过以下公式进行获取:
;
其中,I为电流增程,I前为前端口电流,I后为后端口电流,0.13、0.132、1.84级1/2.77均为常态调整参数,tdt为高等函数运算。
需要说明的是,额定时间为人为进行设定,此处并不影响整体模型的核心运算,可以选用0.1s等常规设定时间。
更进一步的,所述传输关键参数具体包括:通过所配置的电压传感器获取电压增程、通过所配置的温度传感器获取温度增程、通过所配置的电流传感器获取电流增程;
其中,多条传输电路所设置的电压传感器并联设置,包括一组设置于每条传输电路始端的前端口电压器及一组设置于每条传输电路末端的后端口电压器;多条传输电路所设置的电流传感器并联设置,包括一组设置于每条传输电路始端的前端口电流器及一组设置于每条传输电路末端的后端口电流器;
其中,电压增程通过以下公式进行获取:
;
其中,λ’为电压增程,u前1为第一条传输电路的前端口电压,u前n为第n条传输电路的前端口电压,u后1为第一条传输电路的后端口电压,u后n为第n条传输电路的后端口电压,1.60、1.601、1.84及1.841为常态调整参数,tdt为高等函数运算;
其中,温度增程通过以下公式进行获取:
;
其中,T1 ’为第一条传输电路的温度增程,Tn ’为第n条传输电路的温度增程,t前为额定时间前端温度,t后为额定时间后端温度,0.13、0.132、1/2、1.84及1.237为常态调整参数,tdt为高等函数运算;
其中,电流增程通过以下公式进行获取:
;
其中,I’为电压增程,I前1为第一条传输电路的前端口电流,I前n为第n条传输电路的前端口电流,I后1为第一条传输电路的后端口电流,I后n为第n条传输电路的后端口电流,1.60、1.601、1.01及1/1.39为常态调整参数,tdt为高等函数运算。
更进一步的,所构建的分析模型的运算模型具体为:
;
其中,ω为异常频序值,λ为电压增程,T为温度增程,I为电流增程。
具体的,基于异常频序曲线图实时获取电力传输过程中的变动参数值即为获取异常频序曲线图每个时序点的曲线导数范围,所得出的导数值即为变动参数值。
其中,变动参数值的阈值范围设定为:
;
其中,θ为阈值范围,λ为电压增程,T为温度增程,I为电流增程。
为了验证本发明,采用仿真模型进行验算,于同一变电站的同一输电***进行本发明及现有技术的异常测定;
测定时间选用为仿真3年;
结果如下表1所示:
表1:验算仿真结果对比表
测定时间(年) | 是否发生危险 | 异常信号发送次数(次) | 异常信号准确率(%) | |
本发明 | 3 | 否 | 39 | 97.85 |
现有技术 | 3 | 否 | 25 | 63.22 |
本发明提供基于大数据的电力通信数据处理***,通过电力传输异常分析部件获取传输关键参数,依据传输关键参数中所检测得到的电压增程、温度增程及电流增程获取不同情况下的异常频序值,基于所生成的异常频序曲线图实时作出判断,同步发送异常信号至数据可视化监控部件进行监控预警,本发明相较于现有技术,由传感器检测部件检测数据,进行数据实时分析处理,极大的提高了数据运算的准确性,同时,本发明创造性从增程角度入手,通过仿真试验生成的模型进行数据的集中处理,提高了警示信号的发出准确性,解决了现有电力通信数据处理方法需要大量的人工操作和手动处理,容易出现数据计算错误和丢失的问题。
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 (2)
1.基于大数据的电力通信数据处理***,其特征在于,包括如下部件:
数据采集部件,通过电力传输***中所对应配置的传感器实时获取相应的传输关键参数;
节点存储部件,与所述数据采集部件数据连接,获取所述传输关键参数,于所生成的电力数据网络中对应存储至相应的节点中;
电力传输异常分析部件,与所述节点存储部件数据连接,于相应的节点中获取对应的所述传输关键参数,基于所构建的分析模型获取不同连续时点的异常频序值,基于连续组成的所述异常频序值平滑连接获取异常频序曲线,基于所述异常频序曲线图实时获取电力传输过程中的变动参数值,并当所述变动参数值达到阈值范围时,发送异常信号至数据可视化监控部件中;
数据可视化监控部件,与所述电力传输异常分析部件数据连接,接收所述异常信号,将实时数据以仪表盘形式进行可视化展现;
其中,当传输电路传输链路流量趋向于稳定后于额定时间内测定所述传输关键参数,所述传输关键参数具体包括:通过所配置的电压传感器获取电压增程、通过所配置的温度传感器获取温度增程、通过所配置的电流传感器获取电流增程;
其中,一条传输电路所设置的电压传感器包括设置于传输电路始端的前端口电压器及设置于传输电路末端的后端口电压器;一条传输电路所设置的电流传感器包括设置于传输电路始端的前端口电流器及设置于传输电路末端的后端口电流器;
其中,所述电压增程通过以下公式进行获取:
;
其中,λ为电压增程,u前为前端口电压,u后为后端口电压,0.13、0.132及1.84为常态调整参数,tdt为高等函数运算;
其中,所述温度增程通过以下公式进行获取:
;
其中,T为温度增程,t前为额定时间前端温度,t后为额定时间后端温度,0.13、0.132、1/2及1.84为常态调整参数,tdt为高等函数运算;
其中,所述电流增程通过以下公式进行获取:
;
其中,I为电流增程,I前为前端口电流,I后为后端口电流,0.13、0.132、1.84级1/2.77均为常态调整参数,tdt为高等函数运算;
其中,所述传输关键参数具体包括:通过所配置的电压传感器获取电压增程、通过所配置的温度传感器获取温度增程、通过所配置的电流传感器获取电流增程;
其中,多条传输电路所设置的电压传感器并联设置,包括一组设置于每条传输电路始端的前端口电压器及一组设置于每条传输电路末端的后端口电压器;多条传输电路所设置的电流传感器并联设置,包括一组设置于每条传输电路始端的前端口电流器及一组设置于每条传输电路末端的后端口电流器;
其中,所述电压增程通过以下公式进行获取:
;
其中,λ’为电压增程,u前1为第一条传输电路的前端口电压,u前n为第n条传输电路的前端口电压,u后1为第一条传输电路的后端口电压,u后n为第n条传输电路的后端口电压,1.60、1.601、1.84及1.841为常态调整参数,tdt为高等函数运算;
其中,所述温度增程通过以下公式进行获取:
;
其中,T1 ’为第一条传输电路的温度增程,Tn ’为第n条传输电路的温度增程,t前为额定时间前端温度,t后为额定时间后端温度,0.13、0.132、1/2、1.84及1.237为常态调整参数,tdt为高等函数运算;
其中,所述电流增程通过以下公式进行获取:
;
其中,I’为电压增程,I前1为第一条传输电路的前端口电流,I前n为第n条传输电路的前端口电流,I后1为第一条传输电路的后端口电流,I后n为第n条传输电路的后端口电流,1.60、1.601、1.01及1/1.39为常态调整参数,tdt为高等函数运算;
其中,所构建的所述分析模型的运算模型具体为:
;
其中,ω为异常频序值,λ为电压增程,T为温度增程,I为电流增程;
其中,基于所述异常频序曲线图实时获取电力传输过程中的变动参数值即为获取所述异常频序曲线图每个时序点的曲线导数范围,所得出的导数值即为所述变动参数值。
2.根据权利要求1所述的基于大数据的电力通信数据处理***,其特征在于,所述变动参数值的阈值范围设定为:
;
其中,θ为阈值范围,λ为电压增程,T为温度增程,I为电流增程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311404012.6A CN117152925B (zh) | 2023-10-27 | 2023-10-27 | 基于大数据的电力通信数据处理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311404012.6A CN117152925B (zh) | 2023-10-27 | 2023-10-27 | 基于大数据的电力通信数据处理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117152925A CN117152925A (zh) | 2023-12-01 |
CN117152925B true CN117152925B (zh) | 2024-01-16 |
Family
ID=88902965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311404012.6A Active CN117152925B (zh) | 2023-10-27 | 2023-10-27 | 基于大数据的电力通信数据处理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117152925B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117880775B (zh) * | 2024-03-13 | 2024-06-04 | 吉林省吉能电力通信有限公司 | 一种变电站应急无线专网通信*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100536516B1 (ko) * | 2005-01-25 | 2005-12-14 | 에이디파워 주식회사 | 전력선 통신 방법을 이용한 전력 계통 감시 방법 및 시스템 |
KR101032930B1 (ko) * | 2010-10-13 | 2011-05-06 | 군산대학교산학협력단 | 디지털 풍속 추정 모듈과 가변속제어모듈을 통한 풍력발전기 최적제어형 통합 관리 장치 및 방법 |
CN105510687A (zh) * | 2015-12-24 | 2016-04-20 | 合肥工业大学 | 一种基于经验模态分解的电压异常特征识别方法 |
CN109191454A (zh) * | 2018-09-14 | 2019-01-11 | 南京理工技术转移中心有限公司 | 一种电力监控***的工作方法 |
KR102007619B1 (ko) * | 2019-01-01 | 2019-08-05 | 이승철 | 인공지능 통합방재 배전반 및 인공지능 통합방재 배전반 시스템 |
CN111768082A (zh) * | 2020-06-02 | 2020-10-13 | 广东电网有限责任公司 | 一种基于大数据分析的电力设备状态评估方法 |
CN112467751A (zh) * | 2020-11-09 | 2021-03-09 | 中国南方电网有限责任公司 | 一种电力***安全稳定紧急控制*** |
CN113472079A (zh) * | 2021-07-27 | 2021-10-01 | 上海交通大学 | 配电站运维监控云机器人***、后台处理及作业任务方法 |
CN114553698A (zh) * | 2022-03-16 | 2022-05-27 | 诸雪玲 | 一种电力通信***可靠性测定方法 |
CN115936428A (zh) * | 2022-11-17 | 2023-04-07 | 江苏东港能源投资有限公司 | 增量配电网防外破定值优化*** |
-
2023
- 2023-10-27 CN CN202311404012.6A patent/CN117152925B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100536516B1 (ko) * | 2005-01-25 | 2005-12-14 | 에이디파워 주식회사 | 전력선 통신 방법을 이용한 전력 계통 감시 방법 및 시스템 |
KR101032930B1 (ko) * | 2010-10-13 | 2011-05-06 | 군산대학교산학협력단 | 디지털 풍속 추정 모듈과 가변속제어모듈을 통한 풍력발전기 최적제어형 통합 관리 장치 및 방법 |
CN105510687A (zh) * | 2015-12-24 | 2016-04-20 | 合肥工业大学 | 一种基于经验模态分解的电压异常特征识别方法 |
CN109191454A (zh) * | 2018-09-14 | 2019-01-11 | 南京理工技术转移中心有限公司 | 一种电力监控***的工作方法 |
KR102007619B1 (ko) * | 2019-01-01 | 2019-08-05 | 이승철 | 인공지능 통합방재 배전반 및 인공지능 통합방재 배전반 시스템 |
CN111768082A (zh) * | 2020-06-02 | 2020-10-13 | 广东电网有限责任公司 | 一种基于大数据分析的电力设备状态评估方法 |
CN112467751A (zh) * | 2020-11-09 | 2021-03-09 | 中国南方电网有限责任公司 | 一种电力***安全稳定紧急控制*** |
CN113472079A (zh) * | 2021-07-27 | 2021-10-01 | 上海交通大学 | 配电站运维监控云机器人***、后台处理及作业任务方法 |
CN114553698A (zh) * | 2022-03-16 | 2022-05-27 | 诸雪玲 | 一种电力通信***可靠性测定方法 |
CN115936428A (zh) * | 2022-11-17 | 2023-04-07 | 江苏东港能源投资有限公司 | 增量配电网防外破定值优化*** |
Also Published As
Publication number | Publication date |
---|---|
CN117152925A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117152925B (zh) | 基于大数据的电力通信数据处理*** | |
KR101214765B1 (ko) | 전력설비 모니터링 시스템 및 방법 | |
CN103197177A (zh) | 一种基于贝叶斯网络的变压器故障诊断分析方法 | |
Fei et al. | Non-technical losses detection using missing values’ pattern and neural architecture search | |
CN103995172B (zh) | 变电站gis母线负荷电流在线监测方法 | |
CN105548744A (zh) | 一种基于运检大数据的变电设备故障识别方法及其*** | |
CN114383652A (zh) | 一种配电网潜在故障在线风险辨识方法、***及装置 | |
CN105203866B (zh) | 一种基于轨迹法的高压xlpe电缆故障诊断方法 | |
CN116500385B (zh) | 输电网监测校验方法、装置、设备和介质 | |
CN106841857A (zh) | 一种电能质量监测装置可靠性评估方法 | |
CN110443481B (zh) | 基于混合k-近邻算法的配电自动化终端状态评价***及方法 | |
CN103400308A (zh) | Gis设备运行状态在线检测方法与*** | |
Ananthan et al. | Model-based approach integrated with fault circuit indicators for fault location in distribution systems | |
CN110674240B (zh) | 一种基于gis的电力设备分布式多级智能故障诊断*** | |
CN115912359B (zh) | 基于大数据的数字化安全隐患识别排查治理方法 | |
CN112769235A (zh) | 配电网网格的指标监控***和方法 | |
CN117031201A (zh) | 一种配电网多场景拓扑异常识别方法及*** | |
CN117007901A (zh) | 一种基于电力输电线路拓扑的接头故障诊断方法及*** | |
CN114069865A (zh) | 换流站运行监测***、方法、装置、计算机设备及介质 | |
CN116125330A (zh) | 铠装屏蔽二次电缆的接地线电流监测与预警方法及*** | |
CN205692170U (zh) | 一种营配调数据预处理*** | |
CN112379196B (zh) | 一种基于物联网技术的输变电设备状态监测分析方法 | |
CN113267711A (zh) | 变电站高压电气设备绝缘状态在线监测***及监测方法 | |
CN117394311B (zh) | 一种基于多源信息融合的配电网韧性评估及紧急控制方法 | |
CN118137682B (zh) | 配电自动化主站硬件故障主动检测***及方法 |
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 |