CN117353462B - 一种基于人工智能的电网运营监控分析方法及平台 - Google Patents
一种基于人工智能的电网运营监控分析方法及平台 Download PDFInfo
- Publication number
- CN117353462B CN117353462B CN202311630303.7A CN202311630303A CN117353462B CN 117353462 B CN117353462 B CN 117353462B CN 202311630303 A CN202311630303 A CN 202311630303A CN 117353462 B CN117353462 B CN 117353462B
- Authority
- CN
- China
- Prior art keywords
- power grid
- grid operation
- monitoring
- data
- fault
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 166
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 23
- 238000004458 analytical method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000010586 diagram Methods 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 20
- 238000012423 maintenance Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 5
- 230000035945 sensitivity Effects 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research 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
- H02J13/00001—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]
-
- 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
- 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
-
- 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
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- Human Computer Interaction (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种基于人工智能的电网运营监控分析方法及平台,涉及电网运营监控技术领域,所述方法包括:向供电公司的电网运营监控中心采集电网运营数据;对电网运营数据进行分析处理,并建立电网运营故障预测模型;对实时采集的电网运营数据进行可视化,形成电网运行实时监控大屏;使用电网运营故障预测模型进行故障预测,根据预测结果获取电网中的预计故障发生位置,与预计故障类型,并在监控大屏中标注显示。进一步加强对电网运行数据的挖掘和分析,提取更多的有用信息,为电网运营管理提供更加科学、准确的决策支持。
Description
技术领域
本发明涉及电网运营监控技术领域,尤其涉及一种基于人工智能的电网运营监控分析方法及平台。
背景技术
供电公司运营监控中心是供电公司至关重要的运营管理部门,承担着监控电网设备的运行状态、电力负荷、故障情况等重要职责。这个中心负责24小时不间断地监控电力***的运行状况,确保电力供应的稳定和安全。一旦发现异常情况,运营监控中心的工作人员需要及时做出判断和处理,保障电力***的稳定运行,满足社会的用电需求。同时,运营监控中心还需要对电力市场的需求进行预测和分析,为公司的决策提供数据支持。
智能化分析与应用是电网运营监控的重要发展方向之一。目前,大部分电网运营监控***还处于数据分析和应用的初级阶段,智能化程度不高,因此进一步加强对电网运行数据的挖掘和分析,提取更多的有用信息,为电网运营管理提供更加科学、准确的决策支持,是本领域人员的一个重要研究课题。
发明内容
本发明提供了一种基于人工智能的电网运营监控分析方法,包括:
Step1、向供电公司的电网运营监控中心采集电网运营数据;
Step2、对电网运营数据进行分析处理,并建立电网运营故障预测模型;
Step3、对实时采集的电网运营数据进行可视化,形成电网运行实时监控大屏;
Step4、使用电网运营故障预测模型进行故障预测,根据预测结果获取电网中的预计故障发生位置,与预计故障类型,并在监控大屏中标注显示。
如上所述的一种基于人工智能的电网运营监控分析方法,其中对电网运营数据进行分析处理,并建立电网运营故障预测模型,具体包括以下子步骤:
提取电网运营数据的运行特征,形成电网运营数据特征集作为输入集;
提取电网运维数据中故障特征形成输出集;
结合输出集训练电网运营故障预测模型。
如上所述的一种基于人工智能的电网运营监控分析方法,其中电网运营故障预测模型为:,其中if()函数有三个参数,以逗号隔开,第一个参数为表达式/>,当表达式成立时,输出第二个参数/>,否则输出第三个参数0,similar()为相似函数,有两个参数,第一个参数PRE(R,cy)为预测函数,根据电网运营数据特征集R预测下一时间周期cy内的电网运营数据特征,第二个参数Rj表示R数据集中,第j条电网运维数据记录的故障发生时间周期内,所包含的电网运营数据特征,若两个参数相似,则返回true,否则返回false,j取值1~q,q为电网运维数据的记录总数,/>返回的是bt*λi>μ时的ai,μ为预设的故障检测灵敏度,ai表示第i个监测对象的编号,bt表示t时间戳下的第i个监测对象的监测值,λi表示第i个监测对象与故障j的关联系数,取值1~m,m为监测对象的总数,/>为连接符。
如上所述的一种基于人工智能的电网运营监控分析方法,其中对实时采集的电网运营数据进行可视化,形成电网运行实时监控大屏,具体包括以下子步骤:
绘制大规模供电线路模拟图;
在大规模供电线路模拟图中实时显示电网运营数据;
电网运营历史数据的可视化。
如上所述的一种基于人工智能的电网运营监控分析方法,其中使用电网运营故障预测模型进行故障预测,根据预测结果获取电网中的预计故障发生位置,与预计故障类型,并在监控大屏中标注显示,具体包括以下子步骤:
将采集到的最近一个周期的各项监测对象的监测值作为输入集,输入至电网运营故障预测模型,输出预计发生故障的监测对象编号和电网运维数据记录下标;
根据监测对象的编号获取监测对象在监控大屏中的位置;
对预计发生的故障进行标注显示。
本发明还提供一种基于人工智能的电网运营监控分析平台,包括:数据源接入模块,电网运营故障预测模型训练模块和电网运营监控模块。
如上所述的一种基于人工智能的电网运营监控分析平台,其中数据源接入模块,用于向供电公司的电网运营监控中心采集电网运营数据;
电网运营故障预测模型训练模块,用于对电网运营数据进行分析处理,并建立电网运营故障预测模型;
电网运营监控模块,用于对实时采集的电网运营数据进行可视化,形成电网运行实时监控大屏。
如上所述的一种基于人工智能的电网运营监控分析平台,其中电网运营监控模块包括:大规模供电线路模拟图、电网运营历史数据列表、电网运营故障预测和故障列表。
如上所述的一种基于人工智能的电网运营监控分析平台,其中大规模供电线路模拟图,用于展示一个城市内的供电线路即供电线路上的监测对象;
电网运营历史数据列表,用于各监测对象的历史监测数据;
电网运营故障预测,用于使用电网运营故障预测模型进行故障预测,根据预测结果获取电网中的预计故障发生位置,与预计故障类型,并在监控大屏中标注显示;
故障列表,用于展示预计发生的故障信息。
本发明实现的有益效果如下:进一步加强对电网运行数据的挖掘和分析,提取更多的有用信息,为电网运营管理提供更加科学、准确的决策支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种基于人工智能的电网运营监控分析方法流程图。
具体实施方式
下面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,本发明实施例一提供一种基于人工智能的电网运营监控分析方法,包括:
步骤S10:向供电公司的电网运营监控中心采集电网运营数据;
电网运营数据包括电网监测数据,电网性能数据和电网运维数据;
通过调用电网运营监控中心,对应的数据获取API采集电网运营数据,为后续的数据分析提供数据支持。
步骤S20:对电网运营数据进行分析处理,并建立电网运营故障预测模型;
①提取电网运营数据的运行特征,形成电网运营数据特征集作为输入集;
从收集到的数据中提取有用的特征,以描述电网运行状态和性能;将电网性能数据按照各性能指标对电网运行的影响程度设置权重,再根据权重计算电网性能的整体表现值作为电网性能数据的特征。计算电网性能的整体表现值的公式为:,其中pert为t时间戳下的电网性能整体表现值,t取值1~n,n为电网性能数据的记录总数,每条记录中都包含了z个性能指标,mep表示t时间戳下第p个性能指标的值,p取值1~z,wp为第p个性能指标的权重。
电网运营数据特征集表示为:,其中pert为t时间戳下的电网性能整体表现值,即电网性能数据的特征,t取值1~n,n为电网性能数据的记录总数,MSt为t时间戳下的电网监测数据集合,,其中ai表示第i个监测对象的编号,bi表示第i个监测对象的监测值,i取值1~m,m为监测对象的总数。
②提取电网运维数据中故障特征形成输出集;
电网运维数据是指运维人员对历史出现的电网运营异常数据,进行分析、排查后诊断出的故障类型,并加以描述记录的数据,根据电网运维数据中的问题发生时间,可以定位到同时期的电网监测数据、电网性能数据,这两类数据就是故障诊断的依赖数据。因此,提取的故障特征是描述电网运营异常数据,所造成的故障类型。
对故障类型进行编码处理形成输出集,输出集表示为:,其中δj为第j条电网运维数据中记录的故障发生时间周期,fj为第j条电网运维数据中记录的故障类型,j取值1~q,q为电网运维数据的记录总数。
③结合输出集训练电网运营故障预测模型;
训练完成后得到的电网运营故障预测模型为:,其中if()函数有三个参数,以逗号隔开,第一个参数为表达式/>,当表达式成立时,输出第二个参数/>,否则输出第三个参数0,similar()为相似函数,有两个参数,第一个参数PRE(R,cy)为预测函数,根据电网运营数据特征集R预测下一时间周期cy内的电网运营数据特征,第二个参数Rj表示R数据集中,第j条电网运维数据记录的故障发生时间周期内,所包含的电网运营数据特征,若两个参数相似,则返回true,否则返回false,j取值1~q,q为电网运维数据的记录总数,/>返回的是bt*λi>μ时的ai,μ为预设的故障检测灵敏度,ai表示第i个监测对象的编号,bt表示t时间戳下的第i个监测对象的监测值,λi表示第i个监测对象与故障j的关联系数,取值1~m,m为监测对象的总数,/>为连接符。/>,其中,()为循环计算k为1~cy时括号内式子结果,cy为预测周期,k表示预测周期内的时间戳,ζk表示t~t-1时间戳下电网性能整体表现值的变化增量,pert-pert-1计算t~t-1时间戳下电网性能整体表现值的变化趋势,/>为连接符,/>()为循环计算i为1~m是括号内式子的结果,m为监测对象的总数,bt表示t时间戳下的第i个监测对象的监测值,bt-bt-1计算t~t-1时间戳下第i个监测对象的监测值的变化趋势,θi为第i个监测对象的变化增量,γt为t时间戳下第i个监测对象的运行标志,取值0和1,分别表示是否处于运行状态。
步骤S30:对实时采集的电网运营数据进行可视化,形成电网运行实时监控大屏;
①绘制大规模供电线路模拟图;
根据实际的供电线路为基础,对供电线路即线路上的监测对象进行绘制,以一张图包揽一个城市,与城市地图相结合,绘制的监测对象及重要线路标志其物理位置。
②在大规模供电线路模拟图中实时显示电网运营数据;
电网运营数据中包含了各项监测对象的实时监测数据,为图中各监测对象设置一个显示列表,显示列表内显示监测对象的各项监测数据,默认显示列表为收起状态,鼠标移动到监测对象上时则展开。
③电网运营历史数据的可视化;
电网运营历史数据以表格方式进行展示。
电网运营历史数据不在大规模供电线路模拟图中显示,有两种方法进行查看,一是通过双击大规模供电线路模拟图中的监测对象图标,跳转到电网运营历史数据页面,以表格形式显示双击的监测对象的历史监测数据;二是直接进入电网运营历史数据页面,查看全部监测对象的历史监测数据,通过筛选框设置筛选条件,来查找所需数据。
步骤S40:使用电网运营故障预测模型进行故障预测,根据预测结果获取电网中的预计故障发生位置,与预计故障类型,并在监控大屏中标注显示;
①将采集到的最近一个周期的各项监测对象的监测值作为输入集,输入至电网运营故障预测模型,输出预计发生故障的监测对象编号和电网运维数据记录下标;
使用电网运营故障预测模型进行预测,是预测未来一段时间内是否会有故障发生,这个未来一段时间就是预测周期,最近一个周期的各项监测对象的监测值,就是距离预测周期的起始时间最近的,与预测周期时间段同样长的一段时间内的各项监测对象的监测值;
②根据监测对象的编号获取监测对象在监控大屏中的位置;
数据库中维护各监测对象的基本信息,基本信息中包含了各监测对象在大规模供电线路模拟图中的元素ID,根据编号查询到元素ID,即可获取监测对象在大屏中的位置。
③对预计发生的故障进行标注显示;
将发生故障的监测对象在大屏中的对应元素进行标注,设置颜色为红色,并且要在大屏上设置一个故障列表,双击故障列表中的记录可以将记录中的监测对象显示在大屏中心并放大,用于快速定位。
根据电网运维数据记录下标可以定位到该记录,获取记录中的故障相关信息,包括故障类型、诊断信息等。获取到的故障相关信息显示在故障列表中。
实施例二
本发明实施例一提供一种基于人工智能的电网运营监控分析平台,包括:数据源接入模块,电网运营故障预测模型训练模块和电网运营监控模块;
(1)数据源接入模块,用于向供电公司的电网运营监控中心采集电网运营数据。电网运营数据包括电网监测数据,电网性能数据和电网运维数据;
通过调用电网运营监控中心,对应的数据获取API采集电网运营数据,为后续的数据分析提供数据支持。
(2)电网运营故障预测模型训练模块,用于对电网运营数据进行分析处理,并建立电网运营故障预测模型。
①提取电网运营数据的运行特征,形成电网运营数据特征集作为输入集;
从收集到的数据中提取有用的特征,以描述电网运行状态和性能;将电网性能数据按照各性能指标对电网运行的影响程度设置权重,再根据权重计算电网性能的整体表现值作为电网性能数据的特征。计算电网性能的整体表现值的公式为:,其中pert为t时间戳下的电网性能整体表现值,t取值1~n,n为电网性能数据的记录总数,每条记录中都包含了z个性能指标,mep表示t时间戳下第p个性能指标的值,p取值1~z,wp为第p个性能指标的权重。
电网运营数据特征集表示为:,其中pert为t时间戳下的电网性能整体表现值,即电网性能数据的特征,t取值1~n,n为电网性能数据的记录总数,MSt为t时间戳下的电网监测数据集合,/>,其中ai表示第i个监测对象的编号,bi表示第i个监测对象的监测值,i取值1~m,m为监测对象的总数。
②提取电网运维数据中故障特征形成输出集;
电网运维数据是指运维人员对历史出现的电网运营异常数据,进行分析、排查后诊断出的故障类型,并加以描述记录的数据,根据电网运维数据中的问题发生时间,可以定位到同时期的电网监测数据、电网性能数据,这两类数据就是故障诊断的依赖数据。因此,提取的故障特征是描述电网运营异常数据所造成的故障类型。
对故障类型进行编码处理形成输出集,输出集表示为:,其中δj为第j条电网运维数据中记录的故障发生时间周期,fj为第j条电网运维数据中记录的故障类型,j取值1~q,q为电网运维数据的记录总数。
③结合输出集训练电网运营故障预测模型;
训练完成后得到的电网运营故障预测模型为:,其中if()函数有三个参数,以逗号隔开,第一个参数为表达式/>,当表达式成立时,输出第二个参数,否则输出第三个参数0,similar()为相似函数,有两个参数,第一个参数PRE(R,cy)为预测函数,根据电网运营数据特征集R预测下一时间周期cy内的电网运营数据特征,第二个参数Rj表示R数据集中,第j条电网运维数据记录的故障发生时间周期内,所包含的电网运营数据特征,若两个参数相似,则返回true,否则返回false,j取值1~q,q为电网运维数据的记录总数,/>返回的是bt*λi>μ时的ai,μ为预设的故障检测灵敏度,ai表示第i个监测对象的编号,bt表示t时间戳下的第i个监测对象的监测值,λi表示第i个监测对象与故障j的关联系数,取值1~m,m为监测对象的总数,/>为连接符。,其中,/>()为循环计算k为1~cy时括号内式子结果,cy为预测周期,k表示预测周期内的时间戳,ζk表示t~t-1时间戳下电网性能整体表现值的变化增量,pert-pert-1计算t~t-1时间戳下电网性能整体表现值的变化趋势,/>为连接符,/>()为循环计算i为1~m是括号内式子的结果,m为监测对象的总数,bt表示t时间戳下的第i个监测对象的监测值,bt-bt-1计算t~t-1时间戳下第i个监测对象的监测值的变化趋势,θi为第i个监测对象的变化增量,γt为t时间戳下第i个监测对象的运行标志,取值0和1,分别表示是否处于运行状态。
(3)电网运营监控模块,用于对实时采集的电网运营数据进行可视化,形成电网运行实时监控大屏。
电网运营监控模块包括:大规模供电线路模拟图、电网运营历史数据列表、电网运营故障预测和故障列表。
1、大规模供电线路模拟图,用于展示一个城市内的供电线路即供电线路上的监测对象。
①绘制大规模供电线路模拟图;
根据实际的供电线路为基础,对供电线路即线路上的监测对象进行绘制,以一张图包揽一个城市,与城市地图相结合,绘制的监测对象及重要线路标志其物理位置。
②在大规模供电线路模拟图中实时显示电网运营数据;
电网运营数据中包含了各项监测对象的实时监测数据,为图中各监测对象设置一个显示列表,显示列表内显示监测对象的各项监测数据,默认显示列表为收起状态,鼠标移动到监测对象上时则展开。
2、电网运营历史数据列表,用于各监测对象的历史监测数据。
电网运营历史数据以表格方式进行展示。
电网运营历史数据不在大规模供电线路模拟图中显示,有两种方法进行查看,一是通过双击大规模供电线路模拟图中的监测对象图标,跳转到电网运营历史数据页面,以表格形式显示双击的监测对象的历史监测数据;二是直接进入电网运营历史数据页面,查看全部监测对象的历史监测数据,通过筛选框设置筛选条件,来查找所需数据。
3、电网运营故障预测,用于使用电网运营故障预测模型进行故障预测,根据预测结果获取电网中的预计故障发生位置,与预计故障类型,并在监控大屏中标注显示。
①将采集到的最近一个周期的各项监测对象的监测值作为输入集,输入至电网运营故障预测模型,输出预计发生故障的监测对象编号和电网运维数据记录下标;
使用电网运营故障预测模型进行预测,是预测未来一段时间内是否会有故障发生,这个未来一段时间就是预测周期,最近一个周期的各项监测对象的监测值,就是距离预测周期的起始时间最近的,与预测周期时间段同样长的一段时间内的各项监测对象的监测值;
②根据监测对象的编号获取监测对象在监控大屏中的位置;
数据库中维护各监测对象的基本信息,基本信息中包含了各监测对象在大规模供电线路模拟图中的元素ID,根据编号查询到元素ID,即可获取监测对象在大屏中的位置。
③对预计发生的故障进行标注显示;
将发生故障的监测对象在大屏中的对应元素进行标注,设置颜色为红色。
4、故障列表,用于展示预计发生的故障信息。
在大屏上设置一个故障列表,双击故障列表中的记录可以将记录中的监测对象显示在大屏中心并放大,用于快速定位。
根据电网运维数据记录下标可以定位到该记录,获取记录中的故障相关信息,包括故障类型、诊断信息等。获取到的故障相关信息显示在故障列表中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (7)
1.一种基于人工智能的电网运营监控分析方法,包括:
Step1、向供电公司的电网运营监控中心采集电网运营数据;
Step2、对电网运营数据进行分析处理,并建立电网运营故障预测模型;
Step3、对实时采集的电网运营数据进行可视化,形成电网运行实时监控大屏;
Step4、使用电网运营故障预测模型进行故障预测,根据预测结果获取电网中的预计故障发生位置,与预计故障类型,并在监控大屏中标注显示;
对电网运营数据进行分析处理具体包括:将电网运营数据按照各性能指标对电网运行的影响程度设置权重,再根据权重计算电网性能的整体表现值,计算电网性能的整体表现值的公式为:,其中/>为t时间戳下的电网性能整体表现值,t取值1~n,n为电网性能数据的记录总数,每条记录中都包含了z个性能指标,/>表示t时间戳下第p个性能指标的值,p取值1~z,/>为第p个性能指标的权重;
电网运营故障预测模型为:,其中if()函数有三个参数,以逗号隔开,第一个参数为表达式/>,当表达式成立时,输出第二个参数/>,否则输出第三个参数0,similar()为相似函数,有两个参数,第一个参数PRE(R,cy)为预测函数,根据电网运营数据特征集R预测下一时间周期cy内的电网运营数据特征,第二个参数Rj表示R数据集中,第j条电网运维数据记录的故障发生时间周期内,所包含的电网运营数据特征,若两个参数相似,则返回true,否则返回false,j取值1~q,q为电网运维数据的记录总数,/>返回的是bt*λi>μ时的ai,μ为预设的故障检测灵敏度,ai表示第i个监测对象的编号,bt表示t时间戳下的第i个监测对象的监测值,λi表示第i个监测对象与故障j的关联系数,取值1~m,m为监测对象的总数,/>为连接符。
2.根据权利要求1所述的一种基于人工智能的电网运营监控分析方法,其特征在于,对电网运营数据进行分析处理,并建立电网运营故障预测模型,具体包括以下子步骤:
提取电网运营数据的运行特征,形成电网运营数据特征集作为输入集;
提取电网运维数据中故障特征形成输出集;
结合输出集训练电网运营故障预测模型。
3.根据权利要求1所述的一种基于人工智能的电网运营监控分析方法,其特征在于,对实时采集的电网运营数据进行可视化,形成电网运行实时监控大屏,具体包括以下子步骤:
绘制大规模供电线路模拟图;
在大规模供电线路模拟图中实时显示电网运营数据;
电网运营历史数据的可视化。
4.根据权利要求1所述的一种基于人工智能的电网运营监控分析方法,其特征在于,使用电网运营故障预测模型进行故障预测,根据预测结果获取电网中的预计故障发生位置,与预计故障类型,并在监控大屏中标注显示,具体包括以下子步骤:
将采集到的最近一个周期的各项监测对象的监测值作为输入集,输入至电网运营故障预测模型,输出预计发生故障的监测对象编号和电网运维数据记录下标;
根据监测对象的编号获取监测对象在监控大屏中的位置;
对预计发生的故障进行标注显示。
5.一种基于人工智能的电网运营监控分析平台,包括:数据源接入模块,电网运营故障预测模型训练模块和电网运营监控模块;
数据源接入模块,用于向供电公司的电网运营监控中心采集电网运营数据;
电网运营故障预测模型训练模块,用于对电网运营数据进行分析处理,并建立电网运营故障预测模型;
电网运营监控模块,用于对实时采集的电网运营数据进行可视化,形成电网运行实时监控大屏;
对电网运营数据进行分析处理具体包括:将电网运营数据按照各性能指标对电网运行的影响程度设置权重,再根据权重计算电网性能的整体表现值,计算电网性能的整体表现值的公式为:,其中/>为t时间戳下的电网性能整体表现值,t取值1~n,n为电网性能数据的记录总数,每条记录中都包含了z个性能指标,mep表示t时间戳下第p个性能指标的值,p取值1~z,/>为第p个性能指标的权重;
电网运营故障预测模型为:,其中if()函数有三个参数,以逗号隔开,第一个参数为表达式/>,当表达式成立时,输出第二个参数/>,否则输出第三个参数0,similar()为相似函数,有两个参数,第一个参数PRE(R,cy)为预测函数,根据电网运营数据特征集R预测下一时间周期cy内的电网运营数据特征,第二个参数Rj表示R数据集中,第j条电网运维数据记录的故障发生时间周期内,所包含的电网运营数据特征,若两个参数相似,则返回true,否则返回false,j取值1~q,q为电网运维数据的记录总数,/>返回的是bt*λi>μ时的ai,μ为预设的故障检测灵敏度,ai表示第i个监测对象的编号,bt表示t时间戳下的第i个监测对象的监测值,λi表示第i个监测对象与故障j的关联系数,取值1~m,m为监测对象的总数,/>为连接符。
6.根据权利要求5所述的一种基于人工智能的电网运营监控分析平台,其特征在于,电网运营监控模块包括:大规模供电线路模拟图、电网运营历史数据列表、电网运营故障预测和故障列表。
7.根据权利要求6所述的一种基于人工智能的电网运营监控分析平台,其特征在于,大规模供电线路模拟图,用于展示一个城市内的供电线路即供电线路上的监测对象;
电网运营历史数据列表,用于各监测对象的历史监测数据;
电网运营故障预测,用于使用电网运营故障预测模型进行故障预测,根据预测结果获取电网中的预计故障发生位置,与预计故障类型,并在监控大屏中标注显示;
故障列表,用于展示预计发生的故障信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311630303.7A CN117353462B (zh) | 2023-12-01 | 2023-12-01 | 一种基于人工智能的电网运营监控分析方法及平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311630303.7A CN117353462B (zh) | 2023-12-01 | 2023-12-01 | 一种基于人工智能的电网运营监控分析方法及平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117353462A CN117353462A (zh) | 2024-01-05 |
CN117353462B true CN117353462B (zh) | 2024-02-20 |
Family
ID=89371337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311630303.7A Active CN117353462B (zh) | 2023-12-01 | 2023-12-01 | 一种基于人工智能的电网运营监控分析方法及平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117353462B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008052042A2 (en) * | 2006-10-24 | 2008-05-02 | Edsa Micro Corporation | Systems and methods for a real-time synchronized electrical power system simulator for 'what-if' analysis and prediction over electrical power networks |
CN109615226A (zh) * | 2018-12-12 | 2019-04-12 | 焦点科技股份有限公司 | 一种运营指标异常监测方法 |
CN113962659A (zh) * | 2021-10-25 | 2022-01-21 | 国网山东省电力公司平邑县供电公司 | 一种基于云计算的智能电网大数据信息管理***及方法 |
CN116451876A (zh) * | 2023-06-15 | 2023-07-18 | 国网江西省电力有限公司信息通信分公司 | 一种基于人工智能的配电网故障预测和主动检修*** |
CN116468243A (zh) * | 2023-04-24 | 2023-07-21 | 云南电网有限责任公司昭通供电局 | 一种基于监控运行数据的电网趋势预警方法 |
CN116862194A (zh) * | 2023-07-31 | 2023-10-10 | 国网青海省电力公司 | 一种基于电网业务数据分析运检*** |
-
2023
- 2023-12-01 CN CN202311630303.7A patent/CN117353462B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008052042A2 (en) * | 2006-10-24 | 2008-05-02 | Edsa Micro Corporation | Systems and methods for a real-time synchronized electrical power system simulator for 'what-if' analysis and prediction over electrical power networks |
CN109615226A (zh) * | 2018-12-12 | 2019-04-12 | 焦点科技股份有限公司 | 一种运营指标异常监测方法 |
CN113962659A (zh) * | 2021-10-25 | 2022-01-21 | 国网山东省电力公司平邑县供电公司 | 一种基于云计算的智能电网大数据信息管理***及方法 |
CN116468243A (zh) * | 2023-04-24 | 2023-07-21 | 云南电网有限责任公司昭通供电局 | 一种基于监控运行数据的电网趋势预警方法 |
CN116451876A (zh) * | 2023-06-15 | 2023-07-18 | 国网江西省电力有限公司信息通信分公司 | 一种基于人工智能的配电网故障预测和主动检修*** |
CN116862194A (zh) * | 2023-07-31 | 2023-10-10 | 国网青海省电力公司 | 一种基于电网业务数据分析运检*** |
Also Published As
Publication number | Publication date |
---|---|
CN117353462A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101354316A (zh) | 快速异常检测方法 | |
CN107122298A (zh) | 可视化软件开发过程质量的展示方法 | |
CN112083244B (zh) | 综合化航空电子设备故障智能诊断*** | |
CN109165242B (zh) | 一种基于熵排序与时空分析的故障诊断及预警方法 | |
CN115640860B (zh) | 一种工业云服务的机电设备远程维护方法及*** | |
CN113902241A (zh) | 一种基于综合状态评价的电网设备检修的策略***及方法 | |
CN110728381A (zh) | 一种基于rfid和数据处理的发电厂智能巡检方法及*** | |
CN110703743A (zh) | 设备故障预测与检测***和方法 | |
CN116914917A (zh) | 一种基于大数据的配电柜运行状态监测管理*** | |
CN116185757B (zh) | 机房能耗智能监测*** | |
CN111768022A (zh) | 煤机生产设备的设备检测方法及装置 | |
JP2012018623A (ja) | 異常データ分析システム | |
CN116986246A (zh) | 一种用于对输煤皮带进行智能巡检***及巡检方法 | |
CN113468022B (zh) | 一种对产品集中监控的自动化运维方法 | |
CN115037603A (zh) | 用电信息采集设备的诊断评估方法、装置及*** | |
CN117150418B (zh) | 基于状态特征故障树的变压器运检周期制定方法和*** | |
CN113837591A (zh) | 一种面向多工况运行条件的装备健康评估方法 | |
CN117353462B (zh) | 一种基于人工智能的电网运营监控分析方法及平台 | |
CN114095335A (zh) | 一种网络告警处理方法、装置和电子设备 | |
CN116611953A (zh) | 基于物联网的电能表生产制造实时数据管理方法和*** | |
CN116956174B (zh) | 用于进行冷头状态分类检测和寿命预测的分类模型和预测模型的生成方法 | |
CN113036917A (zh) | 一种基于机器学习的配电网监控信息监视***和方法 | |
CN118132996B (zh) | 一种基于工业数字孪生的自适应生产调度优化方法 | |
CN117955245B (zh) | 电网的运行状态的确定方法、装置、存储介质和电子设备 | |
CN113435689B (zh) | 一种标签化数仓建模的自动化设备状态评估方法及*** |
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 |