CN117390403B - 一种新能源灯塔发电站的电网故障检测方法及*** - Google Patents
一种新能源灯塔发电站的电网故障检测方法及*** Download PDFInfo
- Publication number
- CN117390403B CN117390403B CN202311685623.2A CN202311685623A CN117390403B CN 117390403 B CN117390403 B CN 117390403B CN 202311685623 A CN202311685623 A CN 202311685623A CN 117390403 B CN117390403 B CN 117390403B
- Authority
- CN
- China
- Prior art keywords
- lighthouse
- fault
- new energy
- training data
- data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 238000012549 training Methods 0.000 claims abstract description 132
- 238000007726 management method Methods 0.000 claims abstract description 84
- 238000012544 monitoring process Methods 0.000 claims abstract description 46
- 238000012423 maintenance Methods 0.000 claims abstract description 42
- 230000008439 repair process Effects 0.000 claims abstract description 13
- 238000013439 planning Methods 0.000 claims abstract description 12
- 238000007689 inspection Methods 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 58
- 238000011156 evaluation Methods 0.000 claims description 45
- 230000002159 abnormal effect Effects 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 22
- 238000010801 machine learning Methods 0.000 claims description 17
- 238000005192 partition Methods 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 239000003016 pheromone Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 4
- 238000004146 energy storage Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241001391944 Commicarpus scandens Species 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明属于电网自动监测技术领域,本发明公开了一种新能源灯塔发电站的电网故障检测方法及***,对新能源灯塔电网构建电网树模型,将岛屿上的新能源灯塔电网划分为至少一个管理区域,所述管理区域包括至少一个新能源灯塔;采集新能源灯塔的灯塔电参数信息,提取历史特征训练数据、历史预警训练数据和历史故障训练数据;基于历史故障训练数据提取的灯塔故障数据,将灯塔故障数据与灯塔指标数据进行比对分析,获取诱发故障影响因子,基于诱发故障影响因子对灯塔故障等级进行概率赋值,根据灯塔故障等级的概率赋值,确定最优维修路径,规划维修人员需要按照最优维修路径进行巡检和修复。
Description
技术领域
本发明涉及电网自动监测技术领域,更具体地说,本发明涉及一种新能源灯塔发电站的电网故障检测方法及***。
背景技术
现有的电网规模庞大、结构复杂,故障监测和识别可能会更加复杂;一般都是针对不同类型的智能变电站结构、规模和配置等特点,利用已知的故障信息,定位故障发生的精确位置;例如公开号为CN110912272B的中国专利公开了基于区域性异常模式识别的城市电网故障检测方法和***,基于结构树中不同层次聚类簇的簇内结构检测城市电网中是否发生区域性故障,迅速准确地定位故障源,能有效地发现城市电网中潜在的区域性故障。
但是对于岛屿上的新能源灯塔只需要确保正常运行即可;相比较城市电网故障检测***,新能源灯塔电网的故障检测相对要简单很多,只需要结合新能源灯塔自身进行分析,通过新能源灯塔自身检测数据判断其是否存在故障;而新能源灯塔自身检测数据一旦出现异常,如何将数据发送至控制终端,控制终端如何识别该数据的准确性和延迟性。这都是我们急需解决的问题,另外在线检测智能化程度不高,无法及时监控障碍原因,预测能力不够准确;一旦出现障碍,无法及时安排检修人员到达现场,影响岛屿上新能源灯塔的正常运行,对航海安全造成隐患,甚至还需要搭建其他的连接方式,增加了维护管理成本。
鉴于此,本发明提供了一种新能源灯塔发电站的电网故障检测方法及***,可提高对新能源灯塔的故障检测精确度。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种新能源灯塔发电站的电网故障检测方法及***。
为实现上述目的,本发明提供如下技术方案:一种新能源灯塔发电站的电网故障检测方法,包括以下步骤:
对新能源灯塔电网构建电网树模型,将岛屿上的新能源灯塔电网划分为至少一个管理区域,所述管理区域包括至少一个新能源灯塔;
通过配套的电力监控电路采集对应新能源灯塔的灯塔电参数信息,基于灯塔电参数信息综合分析后生成灯塔状态评估值,基于灯塔状态评估值分别提取历史特征训练数据、历史预警训练数据和历史故障训练数据;
基于历史特征训练数据和历史预警训练数据依次提取对应灯塔状态下的灯塔指标数据和灯塔预警数据;基于将所述灯塔预警数据与所述灯塔指标数据进行差值比对分析生成预警异常排序表;基于预警异常排序表分析提取历史故障训练数据;
基于历史故障训练数据提取的灯塔故障数据,将灯塔故障数据与灯塔指标数据进行比对分析,获取诱发故障影响因子,基于诱发故障影响因子对灯塔故障等级进行概率赋值,根据灯塔故障等级的概率赋值,确定最优维修路径,规划维修人员需要按照最优维修路径进行巡检和修复。
在一个优选的实施方式中,所述电力监控电路包括用于检测新能源灯塔的灯塔电路板,并在灯塔电路板上并联设置有电流放大电路,电压采集电路、灯塔温度传感器和信号采集电路;
基于电流放大电路采集经过灯塔电路板的电流信号;
基于电压采集电路采集经过灯塔电路板的电压信号;
基于灯塔温度传感器采集经过灯塔电路板的灯塔温度值;
基于信号采集电路采集经过灯塔电路板的无线信号强度;
所述灯塔电路板的供电端包括新能源电池组和备用电池组;所述新能源电池组为新能源灯塔上自带的新能源蓄电池;所述备用电池组为新能源灯塔额外提供的电能,所述备用电池组为备用蓄电池或新能源电网供电端。
在一个优选的实施方式中,划分管理区域的逻辑为:
将整个岛屿的新能源灯塔电网进行分层管理,可以通过构建电网树模型实现全方位的管理模式,首先对新能源灯塔电网进行事先设置;
将新能源灯塔电网定义为电网树模型的根节点,管理区域为对应根节点下的第一子节点;新能源灯塔为对应第一子节点下的第二子节点。
在一个优选的实施方式中,灯塔状态评估值Pz的获取逻辑为:
对电流信号、电压信号、灯塔温度值和无线信号强度映射到同一维度空间;
根据先验知识获得电流信号、电压信号、灯塔温度值和无线信号强度相对灯塔运行状态的相对重要程度分配权重系数;
制定灯塔综合评估指标,将处理后的电流信号、电压信号、灯塔温度值和无线信号强度基于公式加权平均获得灯塔状态评估值Pz,具体公式为:
式中,0<Pz<1,0≤α4≤α3≤α2≤α1≤1,且α1+α2+α3+α4=0.897;α1、α2、α3和α4分别为电流信号In、电压信号Vn、灯塔温度值Wn和无线信号强度Bn对应的权重系数;N为检测时间长度;n为检测时间长度中对应检测时间节点,n=1,2,…,N;
Ip为电流信号参考值,Vp为电压信号参考值,Wp为灯塔温度参考值,Bp为无线信号强度参考值;R为常数修正系数,电流信号参考值、电压信号参考值、灯塔温度参考值和无线信号强度参考值对应的初始值为生产厂商在实验阶段获取的具有参考价值的通用数据;并基于灯塔正常状态下,将检测时间长度N中检测的电流信号In、电压信号Vn、灯塔温度值Wn和无线信号强度Bn的平均值更新为电流信号参考值、电压信号参考值、灯塔温度参考值和无线信号强度参考值。
在一个优选的实施方式中,基于灯塔状态评估值分别提取历史特征训练数据、历史预警训练数据和历史故障训练数据的具体步骤如下:
基于事先设定的正常灯塔阈值和故障灯塔阈值,对当前新能源灯塔的灯塔状态评估值进行比对分析;
若灯塔状态评估值小于等于正常灯塔阈值,则将对应新能源灯塔标记为灯塔正常状态;将灯塔正常状态对应的监测数据标记为历史特征训练数据,将历史特征训练数据存储在分区管理单元;基于最近一次时间戳对应的历史特征训练数据更新为电流信号参考值、电压信号参考值、灯塔温度参考值和无线信号强度参考值;
若灯塔状态评估值大于正常灯塔阈值且小于等于故障灯塔阈值,则将对应新能源灯塔标记为灯塔警告状态;将灯塔警告状态对应的监测数据标记为历史预警训练数据,将历史预警训练数据发送至分区管理单元;
若灯塔状态评估值大于故障灯塔阈值,则将对应新能源灯塔标记为灯塔故障状态;将灯塔故障状态对应的监测数据标记为历史故障训练数据,将历史故障训练数据发送至总控管理单元。
在一个优选的实施方式中,所述灯塔指标数据的获取逻辑为:
预先收集新能源灯塔的历史特征训练数据;所述历史特征训练数据在实验环境中收集,在实验环境中对应设置变量参数组合,所述变量参数组合电流信号、电压信号、灯塔温度值和无线信号强度;
通过主动控制变量参数组合,获得在实验环境中不同变量参数组合下的训练数据;将所述训练数据作为机器学习模型的输入数据;
所述机器学习模型根据每组训练数据预测的灯塔指标数据为输出,以对应试验环境下的灯塔特征向量为预测目标,以最小化所有灯塔指标数据和灯塔特征向量的预测误差之和作为训练目标;对机器学习模型进行训练,直至预测准确度之和达到收敛时停止训练,基于灯塔指标数据更新灯塔特征向量;所述机器学习模型是深度神经网络模型或深度信念网络模型中的任意一个。
在一个优选的实施方式中,所述预警异常排序表的分析逻辑为:
将所述灯塔预警数据与所述灯塔指标数据进行差值比对分析生成对应特征偏差值;将偏差值从大到小进行排序生成预警异常排序表;
提取预警异常排序表中不满足预设特征阈值的所述灯塔特征向量;则将对应灯塔特征向量标记为异常特征向量;
获取每个异常特征向量的特征量A与对应灯塔特征向量的总特征量B的异常比A/B;
并基于异常特征向量识别预警异常排序表中的集体离群点数据,
当异常比大于等于预设的异常比阈值,且集体离群点数据大于等于预设的集体离群点阈值时,说明当前管理区域内对应的异常特征向量为普遍性异常,将普遍性异常的异常特征向量标记为历史故障训练数据,将历史故障训练数据发送至总控管理单元;其他情况的异常特征向量均为偶发性异常。
在一个优选的实施方式中,所述最优维修路径的获取逻辑为:
基于最新获取的所述历史故障训练数据提取新能源灯塔电网中故障灯塔坐标,并基于灯塔故障等级的概率赋值为每个故障灯塔确定信息素;
并根据基于故障灯塔坐标和对应信息素构建蚁群算法,基于蚁群算法确定最优维修路径,规划维修人员需要按照最优维修路径进行巡检和修复。
根据本发明的另一个方面,提供了一种新能源灯塔发电站的电网故障检测***,其基于所述的一种新能源灯塔发电站的电网故障检测方法的实现,包括电网定义单元、灯塔监控单元、分区管理单元和总控管理单元;
电网定义单元,对新能源灯塔电网构建电网树模型,将岛屿上的新能源灯塔电网划分为至少一个管理区域,所述管理区域包括至少一个新能源灯塔;
灯塔监控单元,通过配套的电力监控电路采集对应新能源灯塔的灯塔电参数信息,基于灯塔电参数信息综合分析后生成灯塔状态评估值,基于灯塔状态评估值分别提取历史特征训练数据、历史预警训练数据和历史故障训练数据;
分区管理单元,基于历史特征训练数据和历史预警训练数据依次提取对应灯塔状态下的灯塔指标数据和灯塔预警数据;基于将所述灯塔预警数据与所述灯塔指标数据进行差值比对分析生成预警异常排序表;基于预警异常排序表分析提取历史故障训练数据;
总控管理单元,基于历史故障训练数据提取的灯塔故障数据,将灯塔故障数据与灯塔指标数据进行比对分析,获取诱发故障影响因子,基于诱发故障影响因子对灯塔故障等级进行概率赋值,根据灯塔故障等级的概率赋值,确定最优维修路径,规划维修人员需要按照最优维修路径进行巡检和修复。
根据本发明的另一个方面,提供了一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的一种新能源灯塔发电站的电网故障检测方法的实现。
本发明一种新能源灯塔发电站的电网故障检测方法及***的技术效果和优点:
本发明实时监测新能源灯塔的电参数信息,及时识别潜在的问题并生成预警,减少故障发生的概率,提高电网的可靠性和稳定性;确定最优的维修路径,提高维修效率,降低运维成本,及时修复问题,减少停机时间,提高电网的可用性。
另外通过分区管理单元更灵活地管理不同部分的电网,对历史数据的分析,提取有价值的信息,用于改进电网设计、规划和维护策略,不断优化电网性能,提高新能源灯塔电网的可持续性,降低运维成本,提高电网的整体效率和性能。
附图说明
图1为本发明的新能源灯塔故障检测***示意图;
图2为本发明的新能源灯塔故障检测方法流程图;
图3为本发明电力监控电路***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、完整的描述,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。
由于新能源灯塔发电设备,可利用太阳能、风能、潮汐能等可再生能源来发电,设置独立的发电蓄电池,同时,新能源灯塔也是耗电设备,可以通过蓄电池持续性提供电能,而不依赖外部电力网络,但是当可再生能源无法发电时,需要通过电网供电,确保航海安全。
一、关于造成新能源灯塔发电站电网异常的原因
新能源灯塔在应对自然环境影响因素时,由于恶劣天气产生的温度及湿度对新能源灯塔具有一定的腐蚀性,海浪和海风会对新能源灯塔产生一定的冲击力,这会导致新能源灯塔上供电电线出现断裂、短路等问题,导致电力供应中断;
另外新能源灯塔在长时间运行后,输电设备和机械设备容易发生故障,电子元件也容易发生损坏,以上情况均是不可控的,很难识别其发生概率是多少,影响电力传输,导致发电量不足;还有供电设备充放电次数过多、电池老化等原因出现故障,也会导致无法提供备用电力。
新能源灯塔一旦出现上述问题,需要将检测信息发送至终端设备,控制终端还需要识别该数据的准确性和延迟性。这都是我们急需解决的问题,另外在线检测智能化程度不高,无法及时监控障碍原因,预测能力不够准确;一旦出现障碍,无法及时安排检修人员到达现场,影响岛屿上新能源灯塔的正常运行,对航海安全造成隐患,甚至还需要搭建其他的连接方式,增加了维护管理成本。
实施例1
请参阅图1所示,本实施例所述一种新能源灯塔发电站的电网故障检测***,包括电网定义单元、灯塔监控单元、分区管理单元和总控管理单元;上述各个单元通过有线和/或无线连接的方式连接,实现各个单元间的数据传输;
电网定义单元,对新能源灯塔电网构建电网树模型,将岛屿上的新能源灯塔电网划分为至少一个管理区域,所述管理区域包括至少一个新能源灯塔;
需要说明的是:管理区域的设定并不局限一种方式,具体根据岛屿的自然地理特征、行政区域划分或者其他参考因素,划分管理区域的逻辑为:
将整个岛屿的新能源灯塔电网进行分层管理,可以通过构建电网树模型实现全方位的管理模式,首先对新能源灯塔电网进行事先设置。
具体地,将新能源灯塔电网定义为电网树模型的根节点,管理区域为对应根节点下的第一子节点;新能源灯塔为对应第一子节点下的第二子节点。
灯塔监控单元,通过配套的电力监控电路采集对应新能源灯塔的灯塔电参数信息,基于灯塔电参数信息综合分析后生成灯塔状态评估值,基于灯塔状态评估值分别提取历史特征训练数据、历史预警训练数据和历史故障训练数据。
所述灯塔电参数信息包括电流信号、电压信号、灯塔温度值和无线信号强度;
所述电力监控电路包括用于检测新能源灯塔的灯塔电路板,如图3所示,并在灯塔电路板上并联设置有电流放大电路,电压采集电路、灯塔温度传感器和信号采集电路;
基于电流放大电路采集经过灯塔电路板的电流信号;用于检测并放大经过灯塔电路板的电流信号,监测电流变化,例如电网的负载情况或其他潜在问题。
基于电压采集电路采集经过灯塔电路板的电压信号;检测电网的电压稳定性,同时也可以用于检测电池组的电压状态。
基于灯塔温度传感器采集经过灯塔电路板的灯塔温度值;监控电路板的温度,以防止过热或其他温度相关的问题。
基于信号采集电路采集经过灯塔电路板的无线信号强度;用于监控通信设备的性能或检测无线通信中的问题。
所述灯塔电路板的供电端包括新能源电池组和备用电池组;所述新能源电池组为新能源灯塔上自带的新能源蓄电池;所述备用电池组为新能源灯塔额外提供的电能,所述备用电池组为备用蓄电池或新能源电网供电端,确保电路板在各种情况下都能够获得足够的电能。
需要说明的是:加装在灯塔电路板上的检测设备用于监控和采集各种电信号以及提供电源管理功能。电流信号、电压信号、灯塔温度值和无线信号强度用于实时监测和管理灯塔的运行状态,以确保其正常工作和安全性,可以通过相应的传感器或监测设备,实时监测在正常温度灯塔的电流情况、电压水平与灯塔通信的无线设备的信号强度的监测。
具体示例性地,灯塔状态评估值Pz的获取逻辑为:
对电流信号、电压信号、灯塔温度值和无线信号强度进行归一化处理或是标准化处理,将它们映射到相似的维度空间,例如0到1之间;
根据先验知识获得电流信号、电压信号、灯塔温度值和无线信号强度相对灯塔运行状态的相对重要程度分配权重系数。例如,如果无线通信对于灯塔操作至关重要,则可以给予无线信号更高的权重。
制定灯塔综合评估指标,将处理后的电流信号、电压信号、灯塔温度值和无线信号强度基于公式加权平均获得灯塔状态评估值,具体公式为:
式中,0<Pz<1,0≤α4≤α3≤α2≤α1≤1,且α1+α2+α3+α4=0.897;α1、α2、α3和α4分别为电流信号In、电压信号Vn、灯塔温度值Wn和无线信号强度Bn对应的权重系数;N为检测时间长度;n为检测时间长度中对应检测时间节点,n=1,2,…,N;
Ip为电流信号参考值,Vp为电压信号参考值,Wp为灯塔温度参考值,Bp为无线信号强度参考值;R为常数修正系数,电流信号参考值、电压信号参考值、灯塔温度参考值和无线信号强度参考值对应的初始值为生产厂商在实验阶段获取的具有参考价值的通用数据;并基于灯塔正常状态下,将检测时间长度N中检测的电流信号In、电压信号Vn、灯塔温度值Wn和无线信号强度Bn的平均值更新为电流信号参考值、电压信号参考值、灯塔温度参考值和无线信号强度参考值;
基于灯塔状态评估值分别提取历史特征训练数据、历史预警训练数据和历史故障训练数据的具体步骤如下:
基于事先设定的正常灯塔阈值和故障灯塔阈值,对当前新能源灯塔的灯塔状态评估值进行比对分析;
若灯塔状态评估值小于等于正常灯塔阈值,则将对应新能源灯塔标记为灯塔正常状态;将灯塔正常状态对应的监测数据标记为历史特征训练数据,将历史特征训练数据存储在分区管理单元;将检测时间长度N中检测的电流信号In、电压信号Vn、灯塔温度值Wn和无线信号强度Bn的平均值更新为电流信号参考值、电压信号参考值、灯塔温度参考值和无线信号强度参考值。
若灯塔状态评估值大于正常灯塔阈值且小于等于故障灯塔阈值,则将对应新能源灯塔标记为灯塔警告状态;将灯塔警告状态对应的监测数据标记为历史预警训练数据,将历史预警训练数据发送至分区管理单元;
若灯塔状态评估值大于故障灯塔阈值,则将对应新能源灯塔标记为灯塔故障状态;将灯塔故障状态对应的监测数据标记为历史故障训练数据,将历史故障训练数据发送至总控管理单元。
需要说明的是:在检测过程中,通过灯塔通信无线设备的信号强度获取当前灯塔的运行状态,并将记录监测到的数据,存储在管理区域对应的中心服务器上。这样的目的,一方面远程实时监控和远程管理,另一方面,对管理区域内的所有灯塔进行处理,减少灯塔的数据处理量。
当监测到异常情况或设备状态不正常时,监控单元可能会发送至电网监控终端,基于电网监控终端触发报警,以便及时采取必要的措施;允许操作人员通过远程方式执行某些操作或调整参数,确保对新能源灯塔的实时监测、故障检测和有效管理,以提高设备的稳定性和可靠性。
分区管理单元,基于历史特征训练数据和历史预警训练数据依次提取对应灯塔状态下的灯塔指标数据和灯塔预警数据;基于将所述灯塔预警数据与所述灯塔指标数据进行差值比对分析生成预警异常排序表;基于预警异常排序表分析提取历史故障训练数据;
所述灯塔指标数据的获取逻辑为:
预先收集新能源灯塔的历史特征训练数据;所述历史特征训练数据在实验环境中收集,在实验环境中对应设置变量参数组合,所述变量参数组合电流信号、电压信号、灯塔温度值和无线信号强度;
通过主动控制变量参数组合,获得在实验环境中不同变量参数组合下的训练数据;将所述训练数据作为机器学习模型的输入数据;
所述机器学习模型根据每组训练数据预测的灯塔指标数据为输出,以对应试验环境下的灯塔特征向量为预测目标,以最小化所有灯塔指标数据和灯塔特征向量的预测误差之和作为训练目标;对机器学习模型进行训练,直至预测准确度之和达到收敛时停止训练,基于灯塔指标数据更新灯塔特征向量;所述机器学习模型是深度神经网络模型或深度信念网络模型中的任意一个。
这里需要说明的是:只需要提供足够的实验环境中的训练数据,可以快速将所述灯塔状态数据中对应的灯塔指标数据,即训练数据越大,匹配度越高,对应的灯塔指标数据越准确。
所述灯塔指标数据用于设定阈值,当监测到的灯塔预警数据与灯塔指标数据差异达到一定的预设值时,将对应的灯塔预警数据标记为灯塔故障数据,并将灯塔故障数据存储在历史故障训练数据中,有助于实现对灯塔状态的有效监控和及时响应异常情况,更加准确地评估新能源灯塔的状态,使得其评估指标更加公正。
所述灯塔特征向量为新能源灯塔在实际应用中正常使用产生的特征数据,但是我们在后续的检测过程中会获取多种类型的数据,所述灯塔指标数据、灯塔预警数据和灯塔故障数据分别为不同状态场景中的灯塔标记状态下的数据,通过对所述灯塔指标数据的分析,可以更全面地获取灯塔正常状态下的灯塔特征向量,并更新灯塔特征向量,提高灯塔正常状态的预测准确率。
所述预警异常排序表的分析逻辑为:
将所述灯塔预警数据与所述灯塔指标数据进行差值比对分析生成对应特征偏差值;将偏差值从大到小进行排序生成预警异常排序表;即将所述灯塔预警数据与所述灯塔指标数据之间的差异越大,则新能源灯塔对应灯塔特征类型在预警异常排序表越靠前;
这里对于数据的定义需要解释下:本实施例中涉及的所述灯塔指标数据、灯塔预警数据与所述灯塔故障数据中均包含相同个数的灯塔特征向量;即灯塔特征向量的类型都是一样的,但灯塔特征向量的大小不一样,呈现在灯塔状态中,代表灯塔的状态不同,即本实施例所述的灯塔正常状态、灯塔警告状态和灯塔故障状态,可使用不同的数据标签进行标记。
基于预警异常排序表中的所述灯塔特征向量的大小进行划分,若所述灯塔特征向量满足预设特征阈值;则将对应灯塔特征向量不进行标记;
若所述灯塔特征向量不满足预设特征阈值;则将对应灯塔特征向量标记为异常特征向量;
获取每个异常特征向量的特征量A与对应灯塔特征向量的总特征量B的异常比A/B;
并基于异常特征向量识别预警异常排序表中的集体离群点数据,
当异常比大于等于预设的异常比阈值,且集体离群点数据大于等于预设的集体离群点阈值时,说明当前管理区域内对应的异常特征向量为普遍性异常,将普遍性异常的异常特征向量标记为历史故障训练数据,将历史故障训练数据发送至总控管理单元;其他情况的异常特征向量均为偶发性异常。
总控管理单元,基于历史故障训练数据提取的灯塔故障数据,将灯塔故障数据与灯塔指标数据进行比对分析,获取诱发故障影响因子,基于诱发故障影响因子对灯塔故障等级进行概率赋值,根据灯塔故障等级的概率赋值,确定最优维修路径,规划维修人员需要按照最优维修路径进行巡检和修复。
需要说明的是:从新能源灯塔中采集灯塔异常数据,这里灯塔异常的原因有很多,并不能作为有代表性的说明问题,因此在分区管理单元中,对管理区域中所有的新能源灯塔进行异常分析,将普遍性异常的数据发送至总控管理单元,因此在总控管理单元中获取的诱发故障影响因子具有普遍代表性,诱发故障影响因子越大,引起灯塔出现故障的概率越大,即概率赋值越大,灯塔发生故障概率越大。
其中,概率赋值可以基于统计模型、专家知识或者机器学习算法。概率赋值反映了每个灯塔故障等级发生的可能性,越大的概率表示该危害等级发生的可能性越高。
所述最优维修路径的获取逻辑为:
基于最新获取的所述历史故障训练数据提取新能源灯塔电网中故障灯塔坐标,并基于灯塔故障等级的概率赋值为每个故障灯塔确定信息素;
并根据基于故障灯塔坐标和对应信息素构建蚁群算法,基于蚁群算法确定最优维修路径,规划维修人员需要按照最优维修路径进行巡检和修复。
本实施例基于分布式管理模式分析新能源电网,首先总控管理单元为对应管理区域内对应新能源电网的总控管理终端,通过总控管理单元分别监控管理区域的分区管理单元;所述分区管理单元分别监控新能源灯塔的灯塔监控单元;
管理区域包括但不限于岛屿、地区、城市和国家,可以表示一个大范围的地理区域,即新能源电网可以适应不同尺度和范围的管理区域,分布式管理清晰地组织和展示管理区域、管理区域和新能源灯塔之间的关系,更好地组织和协调整个新能源电网***;使得新能源电网具有更好的灵活性和适应性。通过这种层次结构,不同级别的设备可以分别处理不同的任务,从而更好地适应管理区域的需求和特征。这种结构的灵活性使得电网***可以在不同的地理和操作环境中得以应用。
实施例2
请参阅图2所示,本实施例未详细叙述部分见实施例一中所描述的内容,本实施例提供一种新能源灯塔发电站的电网故障检测方法,包括以下步骤:
对新能源灯塔电网构建电网树模型,将岛屿上的新能源灯塔电网划分为至少一个管理区域,所述管理区域包括至少一个新能源灯塔;
通过配套的电力监控电路采集对应新能源灯塔的灯塔电参数信息,基于灯塔电参数信息综合分析后生成灯塔状态评估值,基于灯塔状态评估值分别提取历史特征训练数据、历史预警训练数据和历史故障训练数据;
基于历史特征训练数据和历史预警训练数据依次提取对应灯塔状态下的灯塔指标数据和灯塔预警数据;基于将所述灯塔预警数据与所述灯塔指标数据进行差值比对分析生成预警异常排序表;基于预警异常排序表分析提取历史故障训练数据;
基于历史故障训练数据提取的灯塔故障数据,将灯塔故障数据与灯塔指标数据进行比对分析,获取诱发故障影响因子,基于诱发故障影响因子对灯塔故障等级进行概率赋值,根据灯塔故障等级的概率赋值,确定最优维修路径,规划维修人员需要按照最优维修路径进行巡检和修复。
在一个优选的实施方式中,所述电力监控电路包括用于检测新能源灯塔的灯塔电路板,并在灯塔电路板上并联设置有电流放大电路,电压采集电路、灯塔温度传感器和信号采集电路;
基于电流放大电路采集经过灯塔电路板的电流信号;
基于电压采集电路采集经过灯塔电路板的电压信号;
基于灯塔温度传感器采集经过灯塔电路板的灯塔温度值;
基于信号采集电路采集经过灯塔电路板的无线信号强度;
所述灯塔电路板的供电端包括新能源电池组和备用电池组;所述新能源电池组为新能源灯塔上自带的新能源蓄电池;所述备用电池组为新能源灯塔额外提供的电能,所述备用电池组为备用蓄电池或新能源电网供电端。
在一个优选的实施方式中,划分管理区域的逻辑为:
将整个岛屿的新能源灯塔电网进行分层管理,可以通过构建电网树模型实现全方位的管理模式,首先对新能源灯塔电网进行事先设置;
将新能源灯塔电网定义为电网树模型的根节点,管理区域为对应根节点下的第一子节点;新能源灯塔为对应第一子节点下的第二子节点。
在一个优选的实施方式中,灯塔状态评估值Pz的获取逻辑为:
对电流信号、电压信号、灯塔温度值和无线信号强度映射到同一维度空间;
根据先验知识获得电流信号、电压信号、灯塔温度值和无线信号强度相对灯塔运行状态的相对重要程度分配权重系数;
制定灯塔综合评估指标,将处理后的电流信号、电压信号、灯塔温度值和无线信号强度基于公式加权平均获得灯塔状态评估值Pz,具体公式为:
式中,0<Pz<1,0≤α4≤α3≤α2≤α1≤1,且α1+α2+α3+α4=0.897;α1、α2、α3和α4分别为电流信号In、电压信号Vn、灯塔温度值Wn和无线信号强度Bn对应的权重系数;N为检测时间长度;n为检测时间长度中对应检测时间节点,n=1,2,…,N;
Ip为电流信号参考值,Vp为电压信号参考值,Wp为灯塔温度参考值,Bp为无线信号强度参考值;R为常数修正系数,电流信号参考值、电压信号参考值、灯塔温度参考值和无线信号强度参考值对应的初始值为生产厂商在实验阶段获取的具有参考价值的通用数据;并基于灯塔正常状态下,将检测时间长度N中检测的电流信号In、电压信号Vn、灯塔温度值Wn和无线信号强度Bn的平均值更新为电流信号参考值、电压信号参考值、灯塔温度参考值和无线信号强度参考值。
在一个优选的实施方式中,基于灯塔状态评估值分别提取历史特征训练数据、历史预警训练数据和历史故障训练数据的具体步骤如下:
基于事先设定的正常灯塔阈值和故障灯塔阈值,对当前新能源灯塔的灯塔状态评估值进行比对分析;
若灯塔状态评估值小于等于正常灯塔阈值,则将对应新能源灯塔标记为灯塔正常状态;将灯塔正常状态对应的监测数据标记为历史特征训练数据,将历史特征训练数据存储在分区管理单元;基于最近一次时间戳对应的历史特征训练数据更新为电流信号参考值、电压信号参考值、灯塔温度参考值和无线信号强度参考值;
若灯塔状态评估值大于正常灯塔阈值且小于等于故障灯塔阈值,则将对应新能源灯塔标记为灯塔警告状态;将灯塔警告状态对应的监测数据标记为历史预警训练数据,将历史预警训练数据发送至分区管理单元;
若灯塔状态评估值大于故障灯塔阈值,则将对应新能源灯塔标记为灯塔故障状态;将灯塔故障状态对应的监测数据标记为历史故障训练数据,将历史故障训练数据发送至总控管理单元。
在一个优选的实施方式中,所述灯塔指标数据的获取逻辑为:
预先收集新能源灯塔的历史特征训练数据;所述历史特征训练数据在实验环境中收集,在实验环境中对应设置变量参数组合,所述变量参数组合电流信号、电压信号、灯塔温度值和无线信号强度;
通过主动控制变量参数组合,获得在实验环境中不同变量参数组合下的训练数据;将所述训练数据作为机器学习模型的输入数据;
所述机器学习模型根据每组训练数据预测的灯塔指标数据为输出,以对应试验环境下的灯塔特征向量为预测目标,以最小化所有灯塔指标数据和灯塔特征向量的预测误差之和作为训练目标;对机器学习模型进行训练,直至预测准确度之和达到收敛时停止训练,基于灯塔指标数据更新灯塔特征向量;所述机器学习模型是深度神经网络模型或深度信念网络模型中的任意一个。
在一个优选的实施方式中,所述预警异常排序表的分析逻辑为:
将所述灯塔预警数据与所述灯塔指标数据进行差值比对分析生成对应特征偏差值;将偏差值从大到小进行排序生成预警异常排序表;
提取预警异常排序表中不满足预设特征阈值的所述灯塔特征向量;则将对应灯塔特征向量标记为异常特征向量;
获取每个异常特征向量的特征量A与对应灯塔特征向量的总特征量B的异常比A/B;
并基于异常特征向量识别预警异常排序表中的集体离群点数据,
当异常比大于等于预设的异常比阈值,且集体离群点数据大于等于预设的集体离群点阈值时,说明当前管理区域内对应的异常特征向量为普遍性异常,将普遍性异常的异常特征向量标记为历史故障训练数据,将历史故障训练数据发送至总控管理单元;其他情况的异常特征向量均为偶发性异常。
在一个优选的实施方式中,所述最优维修路径的获取逻辑为:
基于最新获取的所述历史故障训练数据提取新能源灯塔电网中故障灯塔坐标,并基于灯塔故障等级的概率赋值为每个故障灯塔确定信息素;
并根据基于故障灯塔坐标和对应信息素构建蚁群算法,基于蚁群算法确定最优维修路径,规划维修人员需要按照最优维修路径进行巡检和修复。
上述公式均是去量纲取其数值计算,通过采集大量数据,并进行软件模拟,从而得到能反映最近真实情况的一个公式,公式中的预设参数以及阀值选取,由本领域的技术人员根据实际情况进行设置。
实施例3
本实施例还提供一种存储在计算机可读介质上的计算机程序产品,其特征在于,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的一种新能源灯塔发电站的电网故障检测方法。
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。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本发明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。专业技术人员可以对每个特定的应用来使用不同方法,从而实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的直接耦合、间接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是也可以不是物理上分开的,作为单元显示的部件可以是也可以不是物理单元,即可以位于一个地方,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。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种新能源灯塔发电站的电网故障检测方法,其特征在于,包括以下步骤:
对新能源灯塔电网构建电网树模型,将岛屿上的新能源灯塔电网划分为至少一个管理区域,所述管理区域包括至少一个新能源灯塔;
通过配套的电力监控电路采集对应新能源灯塔的灯塔电参数信息,基于灯塔电参数信息综合分析后生成灯塔状态评估值,基于灯塔状态评估值分别提取历史特征训练数据、历史预警训练数据和历史故障训练数据;
基于历史特征训练数据和历史预警训练数据依次提取对应灯塔状态下的灯塔指标数据和灯塔预警数据;基于将所述灯塔预警数据与所述灯塔指标数据进行差值比对分析生成预警异常排序表;基于预警异常排序表分析提取历史故障训练数据;
基于历史故障训练数据提取的灯塔故障数据,将灯塔故障数据与灯塔指标数据进行比对分析,获取诱发故障影响因子,基于诱发故障影响因子对灯塔故障等级进行概率赋值,根据灯塔故障等级的概率赋值,确定最优维修路径,规划维修人员需要按照最优维修路径进行巡检和修复;
灯塔状态评估值Pz的获取逻辑为:
对电流信号、电压信号、灯塔温度值和无线信号强度映射到同一维度空间;
根据先验知识获得电流信号、电压信号、灯塔温度值和无线信号强度相对灯塔运行状态的相对重要程度分配权重系数;
制定灯塔综合评估指标,将处理后的电流信号、电压信号、灯塔温度值和无线信号强度基于公式加权平均获得灯塔状态评估值Pz,具体公式为:
式中,0<Pz<1,0≤α4≤α3≤α2≤α1≤1,且α1+α2+α3+α4=0.897;α1、α2、α3和α4分别为电流信号In、电压信号Vn、灯塔温度值Wn和无线信号强度Bn对应的权重系数;N为检测时间长度;n为检测时间长度中对应检测时间节点,n=1,2,…,N;
Ip为电流信号参考值,Vp为电压信号参考值,Wp为灯塔温度参考值,Bp为无线信号强度参考值;R为常数修正系数,电流信号参考值、电压信号参考值、灯塔温度参考值和无线信号强度参考值对应的初始值为生产厂商在实验阶段获取的具有参考价值的通用数据;并基于灯塔正常状态下,将检测时间长度N中检测的电流信号In、电压信号Vn、灯塔温度值Wn和无线信号强度Bn的平均值更新为电流信号参考值、电压信号参考值、灯塔温度参考值和无线信号强度参考值。
2.根据权利要求1所述的一种新能源灯塔发电站的电网故障检测方法,其特征在于,所述电力监控电路包括用于检测新能源灯塔的灯塔电路板,并在灯塔电路板上并联设置有电流放大电路,电压采集电路、灯塔温度传感器和信号采集电路;
基于电流放大电路采集经过灯塔电路板的电流信号;
基于电压采集电路采集经过灯塔电路板的电压信号;
基于灯塔温度传感器采集经过灯塔电路板的灯塔温度值;
基于信号采集电路采集经过灯塔电路板的无线信号强度;
所述灯塔电路板的供电端包括新能源电池组和备用电池组;所述新能源电池组为新能源灯塔上自带的新能源蓄电池;所述备用电池组为新能源灯塔额外提供的电能,所述备用电池组为备用蓄电池或新能源电网供电端。
3.根据权利要求2所述的一种新能源灯塔发电站的电网故障检测方法,其特征在于,划分管理区域的逻辑为:
将整个岛屿的新能源灯塔电网进行分层管理,可以通过构建电网树模型实现全方位的管理模式,首先对新能源灯塔电网进行事先设置;
将新能源灯塔电网定义为电网树模型的根节点,管理区域为对应根节点下的第一子节点;新能源灯塔为对应第一子节点下的第二子节点。
4.根据权利要求3所述的一种新能源灯塔发电站的电网故障检测方法,其特征在于,基于灯塔状态评估值分别提取历史特征训练数据、历史预警训练数据和历史故障训练数据的具体步骤如下:
基于事先设定的正常灯塔阈值和故障灯塔阈值,对当前新能源灯塔的灯塔状态评估值进行比对分析;
若灯塔状态评估值小于等于正常灯塔阈值,则将对应新能源灯塔标记为灯塔正常状态;将灯塔正常状态对应的监测数据标记为历史特征训练数据,将历史特征训练数据存储在分区管理单元;基于最近一次时间戳对应的历史特征训练数据更新为电流信号参考值、电压信号参考值、灯塔温度参考值和无线信号强度参考值;
若灯塔状态评估值大于正常灯塔阈值且小于等于故障灯塔阈值,则将对应新能源灯塔标记为灯塔警告状态;将灯塔警告状态对应的监测数据标记为历史预警训练数据,将历史预警训练数据发送至分区管理单元;
若灯塔状态评估值大于故障灯塔阈值,则将对应新能源灯塔标记为灯塔故障状态;将灯塔故障状态对应的监测数据标记为历史故障训练数据,将历史故障训练数据发送至总控管理单元。
5.根据权利要求4所述的一种新能源灯塔发电站的电网故障检测方法,其特征在于,所述灯塔指标数据的获取逻辑为:
预先收集新能源灯塔的历史特征训练数据;所述历史特征训练数据在实验环境中收集,在实验环境中对应设置变量参数组合,所述变量参数组合电流信号、电压信号、灯塔温度值和无线信号强度;
通过主动控制变量参数组合,获得在实验环境中不同变量参数组合下的训练数据;将所述训练数据作为机器学习模型的输入数据;
所述机器学习模型根据每组训练数据预测的灯塔指标数据为输出,以对应试验环境下的灯塔特征向量为预测目标,以最小化所有灯塔指标数据和灯塔特征向量的预测误差之和作为训练目标;对机器学习模型进行训练,直至预测准确度之和达到收敛时停止训练,基于灯塔指标数据更新灯塔特征向量;所述机器学习模型是深度神经网络模型或深度信念网络模型中的任意一个。
6.根据权利要求5所述的一种新能源灯塔发电站的电网故障检测方法,其特征在于,所述预警异常排序表的分析逻辑为:
将所述灯塔预警数据与所述灯塔指标数据进行差值比对分析生成对应特征偏差值;将偏差值从大到小进行排序生成预警异常排序表;
提取预警异常排序表中不满足预设特征阈值的所述灯塔特征向量;则将对应灯塔特征向量标记为异常特征向量;
获取每个异常特征向量的特征量A与对应灯塔特征向量的总特征量B的异常比A/B;
并基于异常特征向量识别预警异常排序表中的集体离群点数据,
当异常比大于等于预设的异常比阈值,且集体离群点数据大于等于预设的集体离群点阈值时,说明当前管理区域内对应的异常特征向量为普遍性异常,将普遍性异常的异常特征向量标记为历史故障训练数据,将历史故障训练数据发送至总控管理单元;其他情况的异常特征向量均为偶发性异常。
7.根据权利要求6所述的一种新能源灯塔发电站的电网故障检测方法,其特征在于,所述最优维修路径的获取逻辑为:
基于最新获取的所述历史故障训练数据提取新能源灯塔电网中故障灯塔坐标,并基于灯塔故障等级的概率赋值为每个故障灯塔确定信息素;
并根据基于故障灯塔坐标和对应信息素构建蚁群算法,基于蚁群算法确定最优维修路径,规划维修人员需要按照最优维修路径进行巡检和修复。
8.一种新能源灯塔发电站的电网故障检测***,其基于权利要求1-7任一项所述的一种新能源灯塔发电站的电网故障检测方法的实现,其特征在于,包括电网定义单元、灯塔监控单元、分区管理单元和总控管理单元;
电网定义单元,对新能源灯塔电网构建电网树模型,将岛屿上的新能源灯塔电网划分为至少一个管理区域,所述管理区域包括至少一个新能源灯塔;
灯塔监控单元,通过配套的电力监控电路采集对应新能源灯塔的灯塔电参数信息,基于灯塔电参数信息综合分析后生成灯塔状态评估值,基于灯塔状态评估值分别提取历史特征训练数据、历史预警训练数据和历史故障训练数据;
分区管理单元,基于历史特征训练数据和历史预警训练数据依次提取对应灯塔状态下的灯塔指标数据和灯塔预警数据;基于将所述灯塔预警数据与所述灯塔指标数据进行差值比对分析生成预警异常排序表;基于预警异常排序表分析提取历史故障训练数据;
总控管理单元,基于历史故障训练数据提取的灯塔故障数据,将灯塔故障数据与灯塔指标数据进行比对分析,获取诱发故障影响因子,基于诱发故障影响因子对灯塔故障等级进行概率赋值,根据灯塔故障等级的概率赋值,确定最优维修路径,规划维修人员需要按照最优维修路径进行巡检和修复。
9.一种存储在计算机可读介质上的计算机程序产品,其特征在于,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1-7任一项所述的一种新能源灯塔发电站的电网故障检测方法的实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311685623.2A CN117390403B (zh) | 2023-12-11 | 2023-12-11 | 一种新能源灯塔发电站的电网故障检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311685623.2A CN117390403B (zh) | 2023-12-11 | 2023-12-11 | 一种新能源灯塔发电站的电网故障检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117390403A CN117390403A (zh) | 2024-01-12 |
CN117390403B true CN117390403B (zh) | 2024-04-12 |
Family
ID=89439562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311685623.2A Active CN117390403B (zh) | 2023-12-11 | 2023-12-11 | 一种新能源灯塔发电站的电网故障检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117390403B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117807558B (zh) * | 2024-02-26 | 2024-05-03 | 武汉邢仪新未来电力科技股份有限公司 | 一种输电线路综合故障检测方法、***及存储介质 |
CN118137682B (zh) * | 2024-05-10 | 2024-07-19 | 国网山西省电力公司晋城供电公司 | 配电自动化主站硬件故障主动检测***及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115115163A (zh) * | 2021-12-15 | 2022-09-27 | 昆明能讯科技有限责任公司 | 台风过境下输电线路杆塔故障危险度评估方法及存储介质 |
CN115270965A (zh) * | 2022-07-29 | 2022-11-01 | 国网浙江省电力有限公司经济技术研究院 | 一种配电网线路故障预测方法和装置 |
CN117014472A (zh) * | 2023-09-04 | 2023-11-07 | 中国长江电力股份有限公司 | 一种基于云边端协同的电厂设备智能巡检方法及*** |
-
2023
- 2023-12-11 CN CN202311685623.2A patent/CN117390403B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115115163A (zh) * | 2021-12-15 | 2022-09-27 | 昆明能讯科技有限责任公司 | 台风过境下输电线路杆塔故障危险度评估方法及存储介质 |
CN115270965A (zh) * | 2022-07-29 | 2022-11-01 | 国网浙江省电力有限公司经济技术研究院 | 一种配电网线路故障预测方法和装置 |
CN117014472A (zh) * | 2023-09-04 | 2023-11-07 | 中国长江电力股份有限公司 | 一种基于云边端协同的电厂设备智能巡检方法及*** |
Non-Patent Citations (1)
Title |
---|
基于贝叶斯网络的电池管理***故障诊断方法;陈岚;范永清;张谦;冯小华;熊付强;;电源技术;20160720(07);第65-67页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117390403A (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117390403B (zh) | 一种新能源灯塔发电站的电网故障检测方法及*** | |
CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
CN106199305B (zh) | 煤矿井下供电***用干式变压器绝缘健康状态评估方法 | |
CN110320892A (zh) | 基于Lasso回归的污水处理设备故障诊断***及方法 | |
CN117277958B (zh) | 一种基于大数据的光伏电站的智能运维管理方法及*** | |
CN106469356A (zh) | 基于多维数据的输电设备状态评价及风险分析方法及装置 | |
CN106019195A (zh) | 一种电力计量自动化检定流水线故障诊断*** | |
CN114383652A (zh) | 一种配电网潜在故障在线风险辨识方法、***及装置 | |
CN115173550A (zh) | 一种分布式光伏发电实时监控方法和*** | |
CN115016339A (zh) | 一种室外电力设备的监测方法、设备及介质 | |
CN117406026A (zh) | 一种适用于分布式电源的配电网故障检测方法 | |
CN113740666B (zh) | 一种数据中心电力***告警风暴根源故障的定位方法 | |
CN115037603A (zh) | 用电信息采集设备的诊断评估方法、装置及*** | |
CN108093210A (zh) | 一种变压器油位告警***及其告警方法 | |
CN117458722B (zh) | 基于电力能源管理***的数据监控方法及*** | |
CN117647706B (zh) | 一种基于大数据的智慧电网运行故障诊断***及方法 | |
CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
CN117674249A (zh) | 一种含分布式光伏的配电网故障自愈控制与评价方法 | |
CN116714469A (zh) | 充电桩健康监测方法、装置、终端及存储介质 | |
CN110455370A (zh) | 防汛抗旱远程遥测显示*** | |
CN115833387A (zh) | 一种储能电站自动化状态巡检方法 | |
CN115586402A (zh) | 配电网故障诊断与处理方法 | |
CN115908082A (zh) | 基于用电特征指标的企业排污监控方法及装置 | |
CN115563786A (zh) | 一种电化学储能电站故障场景重构方法 | |
CN114358165A (zh) | 基于多源数据融合的预防光伏组件接地故障的检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |