CN117374976A - 基于线路故障自动识别的电气安全管理*** - Google Patents
基于线路故障自动识别的电气安全管理*** Download PDFInfo
- Publication number
- CN117374976A CN117374976A CN202311659328.XA CN202311659328A CN117374976A CN 117374976 A CN117374976 A CN 117374976A CN 202311659328 A CN202311659328 A CN 202311659328A CN 117374976 A CN117374976 A CN 117374976A
- Authority
- CN
- China
- Prior art keywords
- power
- fault
- module
- cause
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 80
- 230000004044 response Effects 0.000 claims abstract description 15
- 238000013439 planning Methods 0.000 claims description 60
- 238000004458 analytical method Methods 0.000 claims description 39
- 230000000977 initiatory effect Effects 0.000 claims description 37
- 238000001514 detection method Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 22
- 238000007726 management method Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 16
- 238000012806 monitoring device Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 description 11
- 230000006872 improvement Effects 0.000 description 8
- 238000013480 data collection Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- -1 metallurgy Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000000126 substance Substances 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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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
-
- 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
- H02J3/0012—Contingency detection
-
- 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)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Human Computer Interaction (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
本发明涉及电气安全管理技术领域,具体地说,涉及基于线路故障自动识别的电气安全管理***。其包括预测结果输出模块以及电力故障状态监测模块。本发明通过预测结果输出模块结合当前电力设备故障数据所属类型、对应的各个引发原因优先级以及电力监测设备所处位置,预测发生故障的电力设备以及对应的引发原因,通过电力故障状态监测模块监测当前预测的发生故障的电力设备的运行状态,判断其运行状态与引发原因相似度,确定最终故障原因,提高故障原因预测准确度,减少预测误差,同时在定位到发生故障的电力设备后才启动配置在电力设备上检查设备,减少检查设备响应频率,降低冗余数据的产生,缓解电力***的运行空间。
Description
技术领域
本发明涉及电气安全管理技术领域,具体地说,涉及基于线路故障自动识别的电气安全管理***。
背景技术
由于电能应用的广泛性,电气安全也具有广泛性,不论生产领域,还是生活领域,都离不开电,都会遇到各种不同的电气安全问题。电气安全还具有综合性的特点,它不仅与电力工业密切相关,而且与建筑、煤炭、冶金、石油、化工、机械等各行各业都密切相关;再者,电气安全工作既有工程技术的一面,又有组织管理的一面,电气操作是高危险、事故多发的行业,可见对电气操作人员进行必要的安全教育尤为重要,因此,必须做好施工的安全保障措施,在电气安全管理过程中,不仅需要操作人员严格执行操作规范,同时需要定期对电气设备进行检修排查,在发现设备故障时,需要及时定位故障原因。
电力工程在运行过程中,需要多台电力设备相互配合,由于各个电力设备相互影响,当其中一个电力设备发生故障,很容易影响整个电力***的正常工作,所以需要及时对各个发生故障的电力设备进行排查,确定故障原因,现有的电力***排查大多数通过对各个电力设备配备监测仪器,通过监测仪器实时监测各个电力设备的运行状态,这种监测方式在常规情况下,电力设备产生的监测数据基本相同,导致***运行过程中需要耗费大量空间用于存在冗余数据,影响电力***内存空间,同时及时采集到异常数据时,也需要进行异常数据分析,确定相互存在关联的异常数据判断,才能确定最终的故障原因。
为了应对上述问题,现亟需基于线路故障自动识别的电气安全管理***。
发明内容
本发明的目的在于提供基于线路故障自动识别的电气安全管理***,以解决上述背景技术中提出的问题。
为实现上述目的,提供了基于线路故障自动识别的电气安全管理***,包括电力故障数据采集模块、监测设备定位模块、故障类型判断模块、故障原因分析模型规划模块、预测结果输出模块、电力故障状态监测模块以及故障原因输出模块;
所述电力故障数据采集模块采用电力监测设备对电力运行数据进行采集,记录电力设备故障数据;
所述电力故障数据采集模块输出端与所述监测设备定位模块输入端连接,所述监测设备定位模块用于确定各个电力监测设备所处位置,并按照所处位置进行标记处理;
所述电力故障数据采集模块输出端还与所述故障类型判断模块输入端连接,所述故障类型判断模块结合电力设备故障数据,确定各个标记后的电力监测设备监测到的电力设备故障数据所属类型;
所述故障类型判断模块输出端与所述故障原因分析模型规划模块输入端连接,所述故障原因分析模型规划模块用于采集行业内产生各项类型的电力设备故障数据对应的引发原因,并计算相同电力设备故障数据对应的各个引发原因发生率,通过发生率确定各个引发原因的优先级,建立故障原因分析模型;
所述故障原因分析模型规划模块输出端与所述预测结果输出模块输入端连接,所述预测结果输出模块结合当前电力设备故障数据所属类型、对应的各个引发原因优先级以及电力监测设备所处位置,预测发生故障的电力设备以及对应的引发原因;
所述预测结果输出模块输入端连接有电力故障状态监测模块输出端连接,所述电力故障状态监测模块用于监测当前预测的发生故障的电力设备的运行状态,判断其运行状态与引发原因相似度,确定最终故障原因;
所述预测结果输出模块输出端与所述故障原因输出模块输入端连接,所述故障原因输出模块用于对最终故障原因进行输出,传输至检修人员。
作为本技术方案的进一步改进,所述电力故障数据采集模块包括各项正常检测阈值规划单元以及故障数据识别单元,所述各项正常检测阈值规划单元用于确定各个电力设备正常运行过程中的各项数据阈值,所述各项正常检测阈值规划单元输出端与所述故障数据识别单元规划超出数据阈值的采集数据数值持续时间,标记为阈值时间,将持续时间超过的阈值时间对应的采集数据数值标记为故障数据。
作为本技术方案的进一步改进,所述故障数据识别单元输入端连接有波动幅度规划单元,所述波动幅度规划单元用于规划电力设备各项数值对应的正常波动范围。
作为本技术方案的进一步改进,所述监测设备定位模块包括标记方式规划单元、各项电力组成分类单元以及标记点存储单元,所述标记方式规划单元用于制定对应的电力设备标记方案,所述标记方式规划单元输出端与所述各项电力组成分类单元输入端连接,所述各项电力组成分类单元根据电力***中各个电力设备工作内容,对各个电力设备进行分类处理,并按照制定的电力设备标记方案对各个电力设备进行标记处理,随后按照电力监测设备所处位置对其进行标记处理,所述各项电力组成分类单元输出端与所述标记点存储单元输入端连接,所述标记点存储单元用于绑定各个分类后的电力设备与其对应的标记。
作为本技术方案的进一步改进,所述监测设备定位模块对电力监测设备进行标记的方法包括如下步骤:
S1、确定电力***中各个组成电力设备的运行顺序;
S2、按照各个组成电力设备的运行顺序进行顺序标记,确定各个组成电力设备的标号;
S3、定位各个电力监测设备所处位置,确定与其相邻的电力设备以及对应标号;
S4、结合电力监测设备相邻的带有标号的电力设备,对当前电力监测设备进行适应性标号。
作为本技术方案的进一步改进,所述故障原因分析模型规划模块包括引发原因分析单元、引发原因发生率计算单元以及训练模型规划单元,所述引发原因分析单元用于采集各个类型的电力设备故障数据对应的引发原因,所述引发原因分析单元输出端与所述引发原因发生率计算单元输入端连接,所述引发原因发生率计算单元用于计算电力设备故障数据对应的各个引发原因发生率,所述引发原因发生率计算单元输出端与所述训练模型规划单元输入端连接,所述训练模型规划单元用于结合各个引发原因发生率,训练各个引发原因对应的优先级,建立故障原因分析模型。
作为本技术方案的进一步改进,所述电力故障状态监测模块包括检测设备响应单元以及相似度比对单元,所述检测设备响应单元结合预测的发生故障的电力设备位置,响应对应位置的检测设备,监测当前发生故障的电力设备的运行状态,所述检测设备响应单元输出端与所述相似度比对单元输入端连接,所述相似度比对单元比对运行状态与引发原因相似度,确定相似度值,并规划相似度阈值,判断最终故障原因。
作为本技术方案的进一步改进,所述相似度比对单元比对运行状态与引发原因相似度采用阈值比对算法,其算法公式如下:
;
;
;
其中为检测设备检测的运行状态对应的各个特征集合,/>至/>为检测设备检测的运行状态对应的各个特征,/>为预测的引发原因对应的各个特征集合,/>至/>为预测的引发原因对应的各个特征,/>为阈值比对函数,Q为运行状态与引发原因相似度值,/>为相似度阈值,当运行状态与引发原因相似度值Q低于相似度阈值/>时,阈值比对函数/>输出为0,表明该预测的引发原因不准确,需要进行重新预测,当运行状态与引发原因相似度值Q不低于相似度阈值/>时,阈值比对函数/>输出为1,表明该预测的引发原因准确,为最终故障原因。
作为本技术方案的进一步改进,所述故障原因输出模块输出端连接有数据库存储模块,所述数据库存储模块用于建立分类数据库,对预测结果以及预测流程进行存储。
与现有技术相比,本发明的有益效果:
该基于线路故障自动识别的电气安全管理***中,通过预测结果输出模块结合当前电力设备故障数据所属类型、对应的各个引发原因优先级以及电力监测设备所处位置,预测发生故障的电力设备以及对应的引发原因,通过电力故障状态监测模块监测当前预测的发生故障的电力设备的运行状态,判断其运行状态与引发原因相似度,确定最终故障原因,提高故障原因预测准确度,减少预测误差,同时在定位到发生故障的电力设备后才启动配置在电力设备上检查设备,减少检查设备响应频率,降低冗余数据的产生,缓解电力***的运行空间。
附图说明
图1为本发明的整体结构框图;
图2为本发明的电力故障数据采集模块结构框图;
图3为本发明的监测设备定位模块结构框图;
图4为本发明的故障原因分析模型规划模块结构框图;
图5为本发明的电力故障状态监测模块结构框图。
图中各个标号意义为:
10、电力故障数据采集模块;110、各项正常检测阈值规划单元;120、故障数据识别单元;130、波动幅度规划单元;
20、监测设备定位模块;210、标记方式规划单元;220、各项电力组成分类单元;230、标记点存储单元;
30、故障类型判断模块;
40、故障原因分析模型规划模块;410、引发原因分析单元;420、引发原因发生率计算单元;430、训练模型规划单元;
50、预测结果输出模块;
60、电力故障状态监测模块;610、检测设备响应单元;620、相似度比对单元;
70、故障原因输出模块;
80、数据库存储模块。
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-图5所示,提供了基于线路故障自动识别的电气安全管理***,包括电力故障数据采集模块10、监测设备定位模块20、故障类型判断模块30、故障原因分析模型规划模块40、预测结果输出模块50、电力故障状态监测模块60以及故障原因输出模块70;
电力故障数据采集模块10采用电力监测设备对电力运行数据进行采集,记录电力设备故障数据;
电力故障数据采集模块10输出端与监测设备定位模块20输入端连接,监测设备定位模块20用于确定各个电力监测设备所处位置,并按照所处位置进行标记处理;
电力故障数据采集模块10输出端还与故障类型判断模块30输入端连接,故障类型判断模块30结合电力设备故障数据,确定各个标记后的电力监测设备监测到的电力设备故障数据所属类型;
故障类型判断模块30输出端与故障原因分析模型规划模块40输入端连接,故障原因分析模型规划模块40用于采集行业内产生各项类型的电力设备故障数据对应的引发原因,并计算相同电力设备故障数据对应的各个引发原因发生率,通过发生率确定各个引发原因的优先级,建立故障原因分析模型;
故障原因分析模型规划模块40输出端与预测结果输出模块50输入端连接,预测结果输出模块50结合当前电力设备故障数据所属类型、对应的各个引发原因优先级以及电力监测设备所处位置,预测发生故障的电力设备以及对应的引发原因;
预测结果输出模块50输入端连接有电力故障状态监测模块60输出端连接,电力故障状态监测模块60用于监测当前预测的发生故障的电力设备的运行状态,判断其运行状态与引发原因相似度,确定最终故障原因;
预测结果输出模块50输出端与故障原因输出模块70输入端连接,故障原因输出模块70用于对最终故障原因进行输出,传输至检修人员。
具体使用时,电力工程在运行过程中,需要多台电力设备相互配合,由于各个电力设备相互影响,当其中一个电力设备发生故障,很容易影响整个电力***的正常工作,所以需要及时对各个发生故障的电力设备进行排查,确定故障原因,现有的电力***排查大多数通过对各个电力设备配备监测仪器,通过监测仪器实时监测各个电力设备的运行状态,这种监测方式在常规情况下,电力设备产生的监测数据基本相同,导致***运行过程中需要耗费大量空间用于存在冗余数据,影响电力***内存空间,同时及时采集到异常数据时,也需要进行异常数据分析,确定相互存在关联的异常数据判断,才能确定最终的故障原因;
为了应对上述问题,在进行电力工程故障排查过程中,首先通过电力故障数据采集模块10采用电力监测设备对电力运行数据进行采集,记录电力设备故障数据,即超出正常运行过程中的阈值,为了方便后期定位故障电力设备位置,在电力工程故障排查前,需要通过监测设备定位模块20确定各个电力监测设备所处位置,并按照所处位置进行标记处理,不同位置的电力监测设备监测的电力设备一定,其采集的数据来源即可定位,随后电力故障数据采集模块10将采集到的电力设备故障数据传输至故障类型判断模块30,故障类型判断模块30结合电力设备故障数据,确定各个标记后的电力监测设备监测到的电力设备故障数据所属类型,例如电压不稳、温度异常变化或者电流不稳;
由于各个电力设备故障数据所属类型不同,为了能够预测电力设备故障数据对应的引发原因,需要通过故障原因分析模型规划模块40采集行业内产生各项类型的电力设备故障数据对应的引发原因,并计算相同电力设备故障数据对应的各个引发原因发生率,通过发生率确定各个引发原因的优先级,建立故障原因分析模型,例如当监测的电力设备中出现温度异常时,导致温度异常的引发原因包括电力设备负载过高、散热口堵塞以及外界温度变化,此时采集先前监测过程中,温度异常的各个引发原因发生率,通过发生率大小确定各个引发原因的优先级,并将优先级最大的引发原因作为预测结果,随后预测结果输出模块50结合当前电力设备故障数据所属类型、对应的各个引发原因优先级以及电力监测设备所处位置,预测发生故障的电力设备以及对应的引发原因;
为了验证预测结果的准确度,需要通过电力故障状态监测模块60监测当前预测的发生故障的电力设备的运行状态,判断其运行状态与引发原因相似度,确定最终故障原因,结合电力监测设备所处位置,即可定位发生故障的电力设备,此时启动电力设备运行状态检查设备,确定当前发生故障的电力设备运行状态,例如其显示的各项数值,此时比对电力设备运行状态与引发原因,确定最终故障原因,最后故障原因输出模块70对最终故障原因进行输出,传输至检修人员。
本发明通过预测结果输出模块50结合当前电力设备故障数据所属类型、对应的各个引发原因优先级以及电力监测设备所处位置,预测发生故障的电力设备以及对应的引发原因,通过电力故障状态监测模块60监测当前预测的发生故障的电力设备的运行状态,判断其运行状态与引发原因相似度,确定最终故障原因,提高故障原因预测准确度,减少预测误差,同时在定位到发生故障的电力设备后才启动配置在电力设备上检查设备,减少检查设备响应频率,降低冗余数据的产生,缓解电力***的运行空间。
此外,电力故障数据采集模块10包括各项正常检测阈值规划单元110以及故障数据识别单元120,各项正常检测阈值规划单元110用于确定各个电力设备正常运行过程中的各项数据阈值,各项正常检测阈值规划单元110输出端与故障数据识别单元120规划超出数据阈值的采集数据数值持续时间,标记为阈值时间,将持续时间超过的阈值时间对应的采集数据数值标记为故障数据,在进行故障数据采集过程中,首先通过各项正常检测阈值规划单元110确定各个电力设备正常运行过程中的各项数据阈值,即维持电力***正常运行的各项数值变化,随后通过故障数据识别单元120规划超出数据阈值的采集数据数值持续时间,标记为阈值时间,将持续时间超过的阈值时间对应的采集数据数值标记为故障数据,从而提高故障数据定位准确度,减少偶然数据对故障数据的影响。
由于在正常状态下,电力***中各项电力设备的运行数据也会发生波动,这些均为正常现象,为了防止后期将正常数值误判成故障数据,进一步的,故障数据识别单元120输入端连接有波动幅度规划单元130,波动幅度规划单元130用于规划电力设备各项数值对应的正常波动范围,需要通过波动幅度规划单元130规划电力设备各项数值对应的正常波动范围,将波动时间超过正常波动范围所测的采集数据数值标记为故障数据,进一步提高故障数据定位准确度。
再进一步的,监测设备定位模块20包括标记方式规划单元210、各项电力组成分类单元220以及标记点存储单元230,标记方式规划单元210用于制定对应的电力设备标记方案,标记方式规划单元210输出端与各项电力组成分类单元220输入端连接,各项电力组成分类单元220根据电力***中各个电力设备工作内容,对各个电力设备进行分类处理,并按照制定的电力设备标记方案对各个电力设备进行标记处理,随后按照电力监测设备所处位置对其进行标记处理,各项电力组成分类单元220输出端与标记点存储单元230输入端连接,标记点存储单元230用于绑定各个分类后的电力设备与其对应的标记。
具体的,监测设备定位模块20对电力监测设备进行标记的方法包括如下步骤:
S1、确定电力***中各个组成电力设备的运行顺序;
S2、按照各个组成电力设备的运行顺序进行顺序标记,确定各个组成电力设备的标号;
S3、定位各个电力监测设备所处位置,确定与其相邻的电力设备以及对应标号;
S4、结合电力监测设备相邻的带有标号的电力设备,对当前电力监测设备进行适应性标号。
在进行电力监测设备标记过程中,首先确定电力***中各个组成电力设备的运行顺序,即数据传输流动顺序,按照各个组成电力设备的运行顺序进行顺序标记,确定各个组成电力设备的标号,随后定位各个电力监测设备所处位置,确定与其相邻的电力设备以及对应标号,结合电力监测设备相邻的带有标号的电力设备,对当前电力监测设备进行适应性标号,例如当前电力监测设备安装在两台电力设备之间的连接线上,该两电力设备标记分别为以及/>,此时该电力监测设备的标记为/>,当这两个电力设备之间存在两个不同电力监测设备时,按照成电力设备的运行顺序标记该两个不同电力监测设备为以及/>。
此外,故障原因分析模型规划模块40包括引发原因分析单元410、引发原因发生率计算单元420以及训练模型规划单元430,引发原因分析单元410用于采集各个类型的电力设备故障数据对应的引发原因,引发原因分析单元410输出端与引发原因发生率计算单元420输入端连接,引发原因发生率计算单元420用于计算电力设备故障数据对应的各个引发原因发生率,引发原因发生率计算单元420输出端与训练模型规划单元430输入端连接,训练模型规划单元430用于结合各个引发原因发生率,训练各个引发原因对应的优先级,建立故障原因分析模型,在进行故障原因分析模型建立过程中,首先需要通过引发原因分析单元410采集各个类型的电力设备故障数据对应的引发原因,例如导致温度异常的引发原因包括电力设备负载过高、散热口堵塞以及外界温度变化,随后引发原因发生率计算单元420计算电力设备故障数据对应的各个引发原因发生率,即单位时间,统计出现相同电力设备故障数据次数,计算该统计次数内不同引发原因出现的概率,即为引发原因发生率,最后训练模型规划单元430结合各个引发原因发生率,训练各个引发原因对应的优先级,建立故障原因分析模型,优先级与引发原因发生率成正比,作为后期电力设备故障数据的引发原因预测依据。
由于各个电力设备中加装的检测设备并非持续启动,这是为了减少冗余数据的产生,进一步的,电力故障状态监测模块60包括检测设备响应单元610以及相似度比对单元620,检测设备响应单元610结合预测的发生故障的电力设备位置,响应对应位置的检测设备,监测当前发生故障的电力设备的运行状态,检测设备响应单元610输出端与相似度比对单元620输入端连接,相似度比对单元620比对运行状态与引发原因相似度,确定相似度值,并规划相似度阈值,判断最终故障原因,通过检测设备响应单元610结合预测的发生故障的电力设备位置,响应对应位置的检测设备,监测当前发生故障的电力设备的运行状态,随后相似度比对单元620比对运行状态与引发原因相似度,确定相似度值,并规划相似度阈值,判断最终故障原因。
再进一步的,相似度比对单元620比对运行状态与引发原因相似度采用阈值比对算法,其算法公式如下:
;
;
;
其中为检测设备检测的运行状态对应的各个特征集合,/>至/>为检测设备检测的运行状态对应的各个特征,例如温度升高、电流不稳以及电压不稳等,/>为预测的引发原因对应的各个特征集合,/>至/>为预测的引发原因对应的各个特征,/>为阈值比对函数,Q为运行状态与引发原因相似度值,/>为相似度阈值,当运行状态与引发原因相似度值Q低于相似度阈值/>时,阈值比对函数/>输出为0,表明该预测的引发原因不准确,需要进行重新预测,当运行状态与引发原因相似度值Q不低于相似度阈值/>时,阈值比对函数/>输出为1,表明该预测的引发原因准确,为最终故障原因。
此外,故障原因输出模块70输出端连接有数据库存储模块80,数据库存储模块80用于建立分类数据库,对预测结果以及预测流程进行存储,当完成对电力故障原因预测工作后,通过数据库存储模块80建立分类数据库,对预测过程中的各个电力监测设备监测数据进行存储,并绑定最终的预测结果,当后期遇到相同情况的故障时,只需调用数据库存储模块80内预存的数据,直接得出预测结果,减少***响应时间,提高预测效率。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.基于线路故障自动识别的电气安全管理***,其特征在于:包括电力故障数据采集模块(10)、监测设备定位模块(20)、故障类型判断模块(30)、故障原因分析模型规划模块(40)、预测结果输出模块(50)、电力故障状态监测模块(60)以及故障原因输出模块(70);
所述电力故障数据采集模块(10)采用电力监测设备对电力运行数据进行采集,记录电力设备故障数据;
所述电力故障数据采集模块(10)输出端与所述监测设备定位模块(20)输入端连接,所述监测设备定位模块(20)用于确定各个电力监测设备所处位置,并按照所处位置进行标记处理;
所述电力故障数据采集模块(10)输出端还与所述故障类型判断模块(30)输入端连接,所述故障类型判断模块(30)结合电力设备故障数据,确定各个标记后的电力监测设备监测到的电力设备故障数据所属类型;
所述故障类型判断模块(30)输出端与所述故障原因分析模型规划模块(40)输入端连接,所述故障原因分析模型规划模块(40)用于采集行业内产生各项类型的电力设备故障数据对应的引发原因,并计算相同电力设备故障数据对应的各个引发原因发生率,通过发生率确定各个引发原因的优先级,建立故障原因分析模型;
所述故障原因分析模型规划模块(40)输出端与所述预测结果输出模块(50)输入端连接,所述预测结果输出模块(50)结合当前电力设备故障数据所属类型、对应的各个引发原因优先级以及电力监测设备所处位置,预测发生故障的电力设备以及对应的引发原因;
所述预测结果输出模块(50)输入端连接有电力故障状态监测模块(60)输出端连接,所述电力故障状态监测模块(60)用于监测当前预测的发生故障的电力设备的运行状态,判断其运行状态与引发原因相似度,确定最终故障原因;
所述预测结果输出模块(50)输出端与所述故障原因输出模块(70)输入端连接,所述故障原因输出模块(70)用于对最终故障原因进行输出,传输至检修人员。
2.根据权利要求1所述的基于线路故障自动识别的电气安全管理***,其特征在于:所述电力故障数据采集模块(10)包括各项正常检测阈值规划单元(110)以及故障数据识别单元(120),所述各项正常检测阈值规划单元(110)用于确定各个电力设备正常运行过程中的各项数据阈值,所述各项正常检测阈值规划单元(110)输出端与所述故障数据识别单元(120)规划超出数据阈值的采集数据数值持续时间,标记为阈值时间,将持续时间超过的阈值时间对应的采集数据数值标记为故障数据。
3.根据权利要求2所述的基于线路故障自动识别的电气安全管理***,其特征在于:所述故障数据识别单元(120)输入端连接有波动幅度规划单元(130),所述波动幅度规划单元(130)用于规划电力设备各项数值对应的正常波动范围。
4.根据权利要求1所述的基于线路故障自动识别的电气安全管理***,其特征在于:所述监测设备定位模块(20)包括标记方式规划单元(210)、各项电力组成分类单元(220)以及标记点存储单元(230),所述标记方式规划单元(210)用于制定对应的电力设备标记方案,所述标记方式规划单元(210)输出端与所述各项电力组成分类单元(220)输入端连接,所述各项电力组成分类单元(220)根据电力***中各个电力设备工作内容,对各个电力设备进行分类处理,并按照制定的电力设备标记方案对各个电力设备进行标记处理,随后按照电力监测设备所处位置对其进行标记处理,所述各项电力组成分类单元(220)输出端与所述标记点存储单元(230)输入端连接,所述标记点存储单元(230)用于绑定各个分类后的电力设备与其对应的标记。
5.根据权利要求4所述的基于线路故障自动识别的电气安全管理***,其特征在于:所述监测设备定位模块(20)对电力监测设备进行标记的方法包括如下步骤:
S1、确定电力***中各个组成电力设备的运行顺序;
S2、按照各个组成电力设备的运行顺序进行顺序标记,确定各个组成电力设备的标号;
S3、定位各个电力监测设备所处位置,确定与其相邻的电力设备以及对应标号;
S4、结合电力监测设备相邻的带有标号的电力设备,对当前电力监测设备进行适应性标号。
6.根据权利要求1所述的基于线路故障自动识别的电气安全管理***,其特征在于:所述故障原因分析模型规划模块(40)包括引发原因分析单元(410)、引发原因发生率计算单元(420)以及训练模型规划单元(430),所述引发原因分析单元(410)用于采集各个类型的电力设备故障数据对应的引发原因,所述引发原因分析单元(410)输出端与所述引发原因发生率计算单元(420)输入端连接,所述引发原因发生率计算单元(420)用于计算电力设备故障数据对应的各个引发原因发生率,所述引发原因发生率计算单元(420)输出端与所述训练模型规划单元(430)输入端连接,所述训练模型规划单元(430)用于结合各个引发原因发生率,训练各个引发原因对应的优先级,建立故障原因分析模型。
7.根据权利要求1所述的基于线路故障自动识别的电气安全管理***,其特征在于:所述电力故障状态监测模块(60)包括检测设备响应单元(610)以及相似度比对单元(620),所述检测设备响应单元(610)结合预测的发生故障的电力设备位置,响应对应位置的检测设备,监测当前发生故障的电力设备的运行状态,所述检测设备响应单元(610)输出端与所述相似度比对单元(620)输入端连接,所述相似度比对单元(620)比对运行状态与引发原因相似度,确定相似度值,并规划相似度阈值,判断最终故障原因。
8.根据权利要求7所述的基于线路故障自动识别的电气安全管理***,其特征在于:所述相似度比对单元(620)比对运行状态与引发原因相似度采用阈值比对算法,其算法公式如下:
;
;
;
其中为检测设备检测的运行状态对应的各个特征集合,/>至/>为检测设备检测的运行状态对应的各个特征,/>为预测的引发原因对应的各个特征集合,/>至/>为预测的引发原因对应的各个特征,/>为阈值比对函数,Q为运行状态与引发原因相似度值,/>为相似度阈值,当运行状态与引发原因相似度值Q低于相似度阈值/>时,阈值比对函数/>输出为0,表明该预测的引发原因不准确,需要进行重新预测,当运行状态与引发原因相似度值Q不低于相似度阈值/>时,阈值比对函数/>输出为1,表明该预测的引发原因准确,为最终故障原因。
9.根据权利要求1所述的基于线路故障自动识别的电气安全管理***,其特征在于:所述故障原因输出模块(70)输出端连接有数据库存储模块(80),所述数据库存储模块(80)用于建立分类数据库,对预测结果以及预测流程进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311659328.XA CN117374976B (zh) | 2023-12-06 | 2023-12-06 | 基于线路故障自动识别的电气安全管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311659328.XA CN117374976B (zh) | 2023-12-06 | 2023-12-06 | 基于线路故障自动识别的电气安全管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117374976A true CN117374976A (zh) | 2024-01-09 |
CN117374976B CN117374976B (zh) | 2024-02-27 |
Family
ID=89391298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311659328.XA Active CN117374976B (zh) | 2023-12-06 | 2023-12-06 | 基于线路故障自动识别的电气安全管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117374976B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118070233A (zh) * | 2024-04-19 | 2024-05-24 | 中电装备山东电子有限公司 | 一种基于物联网的电力集中器数据采集分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103178615A (zh) * | 2013-02-05 | 2013-06-26 | 广东电网公司 | 电力设备故障监控方法及其*** |
KR102383139B1 (ko) * | 2021-09-29 | 2022-04-08 | 가온플랫폼 주식회사 | 인공지능 기반의 산업설비 고장예측 진단을 위한 데이터 학습 라벨링 시스템 및 그 방법 |
CN114689965A (zh) * | 2022-02-28 | 2022-07-01 | 中国石化集团胜利石油管理局有限公司电力分公司 | 基于嵌入式智能传感器的电力设备在线监测方法及*** |
CN114965328A (zh) * | 2022-04-21 | 2022-08-30 | 北京科技大学 | 一种紫外多光谱高压线路故障检测与定位方法及装置 |
CN116418117A (zh) * | 2023-04-13 | 2023-07-11 | 国网安徽省电力有限公司宣城供电公司 | 一种用于智能电网的设备检测*** |
CN116523494A (zh) * | 2023-03-30 | 2023-08-01 | 王�锋 | 一种电力施工现场安全监督管理*** |
-
2023
- 2023-12-06 CN CN202311659328.XA patent/CN117374976B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103178615A (zh) * | 2013-02-05 | 2013-06-26 | 广东电网公司 | 电力设备故障监控方法及其*** |
KR102383139B1 (ko) * | 2021-09-29 | 2022-04-08 | 가온플랫폼 주식회사 | 인공지능 기반의 산업설비 고장예측 진단을 위한 데이터 학습 라벨링 시스템 및 그 방법 |
CN114689965A (zh) * | 2022-02-28 | 2022-07-01 | 中国石化集团胜利石油管理局有限公司电力分公司 | 基于嵌入式智能传感器的电力设备在线监测方法及*** |
CN114965328A (zh) * | 2022-04-21 | 2022-08-30 | 北京科技大学 | 一种紫外多光谱高压线路故障检测与定位方法及装置 |
CN116523494A (zh) * | 2023-03-30 | 2023-08-01 | 王�锋 | 一种电力施工现场安全监督管理*** |
CN116418117A (zh) * | 2023-04-13 | 2023-07-11 | 国网安徽省电力有限公司宣城供电公司 | 一种用于智能电网的设备检测*** |
Non-Patent Citations (1)
Title |
---|
徐申桥: "配电网线路故障自动识别方法研究", 《计算机产品与流通》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118070233A (zh) * | 2024-04-19 | 2024-05-24 | 中电装备山东电子有限公司 | 一种基于物联网的电力集中器数据采集分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117374976B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107894969B (zh) | 一种基于趋势分析的变压器潜伏性故障预警方法 | |
CN117374976B (zh) | 基于线路故障自动识别的电气安全管理*** | |
CN103454516B (zh) | 智能化变电站二次设备健康状态诊断方法 | |
CN115425764B (zh) | 一种电力***智能网络风险实时监控方法、***及存储介质 | |
CN109933905B (zh) | 一种基于多维预警分析的机械设备健康状态评估方法 | |
CN103674286A (zh) | 一种基于红外图像的站内通信设备故障诊断方法 | |
CN108919044B (zh) | 一种基于互校验机制的单元制配电网故障主动识别方法 | |
CN114594349B (zh) | 一种储能***中直流绝缘监测方法及终端 | |
CN112987696A (zh) | 一种区域配电网设备管理平台及其运行方法 | |
CN116756966A (zh) | 一种电网故障预警方法、***、终端设备及存储介质 | |
CN106597181A (zh) | 一种高压电力变压器运行监测***及方法 | |
CN117382465A (zh) | 一种移动充电车的充电异常诊断评估*** | |
CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
JP2011053161A (ja) | 防食データ解析システム | |
KR20210044657A (ko) | 분포도를 통한 기기의 예지 보전방법 | |
CN114487639A (zh) | 一种基于大数据的洗选设备在线监测*** | |
CN117808456A (zh) | 一种基于智慧运营管理的设备故障预警方法及装置 | |
CN117221145A (zh) | 基于物联网平台的设备故障预测性维护*** | |
CN115270982A (zh) | 一种基于多元数据神经网络的开关柜故障预测方法 | |
CN116523494A (zh) | 一种电力施工现场安全监督管理*** | |
CN116611953A (zh) | 基于物联网的电能表生产制造实时数据管理方法和*** | |
CN116488351A (zh) | 一种基于物联网的低压配电箱远程监控方法和*** | |
CN107807325B (zh) | 基于多状态理论的铁路轨道电路可靠性分析***及其方法 | |
CN115758066A (zh) | 一种统计变压器全寿命周期内碳排放量的方法 | |
CN113098132A (zh) | 一种基于群智能优化的改进机器学习故障诊断*** |
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 |