CN117647706B - 一种基于大数据的智慧电网运行故障诊断***及方法 - Google Patents
一种基于大数据的智慧电网运行故障诊断***及方法 Download PDFInfo
- Publication number
- CN117647706B CN117647706B CN202410126512.6A CN202410126512A CN117647706B CN 117647706 B CN117647706 B CN 117647706B CN 202410126512 A CN202410126512 A CN 202410126512A CN 117647706 B CN117647706 B CN 117647706B
- Authority
- CN
- China
- Prior art keywords
- power grid
- inspection
- electric variable
- abnormal
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000002159 abnormal effect Effects 0.000 claims abstract description 321
- 238000007689 inspection Methods 0.000 claims abstract description 298
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 241000251468 Actinopterygii Species 0.000 claims description 34
- 238000007405 data analysis Methods 0.000 claims description 24
- 238000011161 development Methods 0.000 claims description 17
- 230000018109 developmental process Effects 0.000 claims description 17
- 230000032683 aging Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 9
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 230000005856 abnormality Effects 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 241000272184 Falconiformes Species 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 229940088594 vitamin Drugs 0.000 description 2
- 229930003231 vitamin Natural products 0.000 description 2
- 235000013343 vitamin Nutrition 0.000 description 2
- 239000011782 vitamin Substances 0.000 description 2
- 150000003722 vitamin derivatives Chemical group 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 241000566150 Pandion haliaetus Species 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电网电变量测量的技术领域,且公开了一种基于大数据的智慧电网运行故障诊断***及方法,所述***包括电网电变量异常感知模块、电网电变量异常位置现场抵达控制模块、电网运行故障特征检测模块;通过准确获取电网中出现异常电变量采集点的位置坐标数据结合智能分析算法精确规划出巡检站点到电网异常电变量采集点的最短路径级并控制巡检设备快速移动到达异常电变量采集点位置,实现电网故障诊断作业中对故障位置精确定位和智能化控制作业,提升电网故障诊断作业的效率;对巡检设备到达异常电变量采集点的过程进行监控警告,提高电网故障诊断作业的可靠性。
Description
技术领域
本发明涉及电网电变量测量的技术领域,具体为一种基于大数据的智慧电网运行故障诊断***及方法。
背景技术
电网故障诊断就是通过测量和分析故障后电网中电流、电压等电气量以及保护和断路器动作的开关量变化信息,识别故障元件。良好的诊断策略对于缩短故障时间,防止事故扩大具有重要意义。故障发生时,监控***采集到的大量故障信息涌入调度中心,基于传统数学模型的诊断方法已很大程度上不能保证诊断的准确性和快速性等要求,而相比较来说,基于智能技术的诊断方法具有明显的优势。智能方法能够模拟、延伸和扩展人类的智能行为,弥补数学模型诊断方法的不足,为电网故障诊断领域开辟了新途径。因此故障诊断方法由传统技术向智能化技术方向发展是该领域未来研究的重点和热点;在国内外专家学者对电网故障诊断领域研究成果的基础上,综述了一些当前应用较为广泛的电网故障诊断的智能方法,其中包括专家***、神经网络、模糊集理论、Petri网等,并相应的给出了简要的介绍,同时分析了这些方法的特点和不足,总结了当前电网故障诊断领域所面临的问题,探讨了该领域在今后的发展中需要重点解决的关键问题和未来的发展趋势;目前的电网故障诊断依靠分布在不同电网监测位置的电变量传感器测量电网中电变量,对测量采集的电变量数值分析寻找电变量异常电网监测位置,电网故障类型诊断确认过程主要依靠电力维护人员进行确认分析,不仅效率低且电网故障诊断结果精度无法保证,同时严重影响电网的运行稳定性。
公开号为CN114878960A的中国发明专利申请,公开了故障诊断方法、存储介质、电力采集终端和故障诊断***,采用将采集到的终端故障信息与终端的本地故障特征库中的故障特征进行本地匹配,若本地匹配成功则根据本地故障特征库中的故障特征对终端故障信息进行识别,确定电力采集终端的故障类型,若本地匹配失败则将终端故障信息上传至云端,以便通过配置于云端的远程故障特征库中的故障特征对终端故障信息进行远程匹配,并在远程匹配成功时根据远程故障特征库中的故障特征对终端故障信息进行识别,确定电力采集终端的故障类型,其中远程故障特征库包含本地故障特征库未包含的故障特征,采用云端和终端协同的方式进行故障诊断,降低数据吞吐量,避免造成网络瘫痪;现实中基于移动网络的云端存储库和云计算可以直接完成采集电网终端故障信息与电网故障特征库进行完成电网故障特征类型分析识别,无需结合本地故障特征库进行电网故障特征类型分析,增加电网故障诊断的处理时间,降低电网故障诊断的运行效率,同时电网故障特征数据采集分析依靠分布在不同电网监测位置的电变量传感器进行测量和简单数据特征分析,无法保证电网故障特征数据采集和电网故障诊断结果的准确性。
发明内容
为解决上述目前的电网故障诊断依靠分布在不同电网监测位置的电变量传感器测量电网中电变量,对测量采集的电变量数值分析寻找电变量异常电网监测位置,电网故障类型诊断确认过程主要依靠电力维护人员进行确认分析,不仅效率低且电网故障诊断结果精度无法保证,同时严重影响电网的运行稳定性的问题,实现以上电网故障电变量预警、电网故障位置精确定位、电网故障特征实时采集和智能电网故障类型分析确认的目的。
本发明通过以下技术方案予以实现:一种基于大数据的智慧电网运行故障诊断方法,所述方法包括如下步骤:
S1、采集电网运行线路电流数据、电网运行线路电压数据;
S2、将所述电网运行线路电流数据、所述电网运行线路电压数据分别与对应的电网运行电流正常阈值、电网运行电压正常阈值进行电流数值、电压数值比对,识别分析出电网运行线路中的异常电流、异常电压并生成输出电网运行异常电变量结果数据;
S3、当电网运行异常电变量结果数据中存在异常电流或/和异常电压时,采集电网异常电变量采集点位置坐标数据;
S4、采用数据分析算法依据所述电网异常电变量采集点位置坐标数据与电网故障巡检站点位置坐标数据并结合巡检站点到异常电变量采集点的地理三维模型数据,进行分析规划出巡检站点到异常电变量采集点最短路径,所述巡检站点的巡检设备按照所述巡检站点到异常电变量采集点最短路径执行前往异常电变量采集点巡检移动作业;
S5、当巡检设备执行前往异常电变量采集点巡检移动作业时,采集巡检设备实时位置坐标数据,将所述巡检设备实时位置坐标数据与所述电网异常电变量采集点位置坐标数据进行坐标数值匹配,当所述实时位置坐标与所述异常电变量采集点位置坐标的数值完全匹配,则输出异常电变量采集点到达指令警告提示巡检设备停止移动作业;
S6、当巡检设备接收到异常电变量采集点到达警告提示指令时,采集电网运行巡检位置特征图像数据;
S7、采用数据分析算法将所述电网运行巡检位置特征图像数据与电网运行故障类型特征图像数据进行图像特征匹配,分析构建出异常电变量采集点对应的电网运行巡检位置故障类型诊断结果数据。
优选的,所述采集电网运行线路电流数据、电网运行线路电压数据的操作步骤如下:
S11、通过电网运行线路中的电流测量传感器实时在线测量电网线路中具体采集点的电流并生成电网运行线路电流数据;
通过电网运行线路中的电压测量传感器实时在线测量电网线路中与电流具体采集点同位置的电压并生成电网运行线路电压数据。
优选的,所述将所述电网运行线路电流数据、所述电网运行线路电压数据分别与对应的电网运行电流正常阈值、电网运行电压正常阈值进行电流数值、电压数值比对,识别分析出电网运行线路中的异常电流、异常电压并生成输出电网运行异常电变量结果数据的操作步骤如下:
S21、分别建立电网运行电流正常阈值、电网运行电压正常阈值,其中/>表示电网正常运行线路安全峰值电流,/>表示电网正常运行线路安全低谷电流;/>表示电网正常运行线路安全峰值电压,/>表示电网正常运行线路安全低谷电压;
S22、将所述电网运行线路电流数据、所述电网运行线路电压数据/>分别与电网运行电流正常阈值/>、电网运行电压正常阈值/>进行数值比对并分析出电网运行异常电变量结果数据;
当∈/>且/>∈/>,则输出电网运行异常电变量结果数据为不存在异常电流和异常电压;
当∉/>或/和/>∉/>,则输出电网运行异常电变量结果数据为存在异常电流或/和异常电压。
优选的,所述当电网运行异常电变量结果数据中存在异常电流或/和异常电压时,采集电网异常电变量采集点位置坐标数据的操作步骤如下:
S31、当电网运行异常电变量结果数据为存在异常电流或/和异常电压时,通过位置传感器采集电网线路中电流数据、电压数据具体采集点的空间坐标并生成电网异常电变量采集点位置坐标数据,其中/>表示以海平面为坐标系基面建立的空间直角坐标系中电流、电压具体采集点的横坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中电流、电压具体采集点的纵坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中电流、电压具体采集点的竖坐标。
优选的,所述采用数据分析算法依据所述电网异常电变量采集点位置坐标数据与电网故障巡检站点位置坐标数据并结合巡检站点到异常电变量采集点的地理三维模型数据,进行分析规划出巡检站点到异常电变量采集点最短路径,所述巡检站点的巡检设备按照所述巡检站点到异常电变量采集点最短路径执行前往异常电变量采集点巡检移动作业的操作步骤如下:
S41、建立电网故障巡检站点位置坐标数据,其中/>表示以海平面为坐标系基面建立的空间直角坐标系中电网故障巡检站点的横坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中电网故障巡检站点的纵坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中电网故障巡检站点的竖坐标;
S42、采用数据分析算法依据所述电网异常电变量采集点位置坐标数据与电网故障巡检站点位置坐标数据/>并结合巡检站点到异常电变量采集点的地理三维模型数据,进行分析规划出巡检站点到异常电变量采集点最短路径/>,所述数据分析算法分析规划最短路径的具体操作步骤如下:
S421、初始化,更新算法最大迭代次数T以及在寻优空间里随机初始化路径搜索鱼鹰种群位置,位置初始化公式为,其中/>表示路径搜索鱼鹰/>在/>维空间的位置,即路径搜索鱼鹰/>在巡检站点到异常电变量采集点的地理三维模型搜索空间中的位置,/>为寻优下边界,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中的下边界,/>为寻优上边界,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中的上边界,/>为[0,1]之间的随机数;
S422、探索阶段,路径搜索鱼鹰探测水下鱼类的位置,在确定了鱼类的位置后,鱼鹰攻击鱼类并在水下捕食,算法中路径搜索鱼鹰种群更新的探索阶段是基于对路径搜索鱼鹰这种自然行为的模拟而建模的,对路径搜索鱼鹰攻击鱼类的建模会导致路径搜索鱼鹰在搜索空间中的位置发生显著变化;对于每只路径搜索鱼鹰,搜索空间中具有更好目标函数值的其他路径搜索鱼鹰的位置被视为水下鱼类;路径搜索鱼鹰随机检测到其中一条鱼的位置并攻击它,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中随机搜索一条从电网异常电变量采集点位置坐标数据到电网故障巡检站点位置坐标数据/>的路径并测量路径长度,在模拟路径搜索鱼鹰向鱼移动的基础上,并更新相应路径搜索鱼鹰的新位置,路径搜索鱼鹰位置更新公式为/>,其中/>表示路径搜索鱼鹰/>更新后在/>维空间的位置,即路径搜索鱼鹰/>更新后在巡检站点到异常电变量采集点的地理三维模型搜索空间中的位置;/>为在巡检站点到异常电变量采集点的地理三维模型搜索空间中从电网异常电变量采集点位置坐标数据/>到电网故障巡检站点位置坐标数据/>路径搜索鱼鹰选中的最短路径;/>为取值1或2的常数;如果更新后的新位置更优,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中搜索出位置/>到位置/>更短的路径,根据探索阶段位置替换公式替换路径搜索鱼鹰的更新前的初始化位置,探索阶段位置替换公式为/>,其中/>表示探索阶段路径搜索鱼鹰/>在/>维空间的最优位置,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中的最优位置,/>表示/>在巡检站点到异常电变量采集点的地理三维模型搜索空间中的位置适应度值,/>表示/>在巡检站点到异常电变量采集点的地理三维模型搜索空间中的位置适应度值;
S423、开发阶段,路径搜索鱼鹰在猎杀鱼后,会把鱼带到一个合适的位置并食用,算法路径搜索鱼鹰种群更新的开发阶段是基于对路径搜索鱼鹰这种自然行为的模拟进行建模的,将鱼带到合适位置的建模导致路径搜索鱼鹰在搜索空间中的位置发生微小变化,在发现的合适位置附近收敛到更好的合适位置,为了模拟路径搜索鱼鹰的这种自然行为,首先对于路径搜索鱼鹰种群中的每个个体,计算新的随机位置作为适合食用鱼的位置,即对探索阶段搜索出的在巡检站点到异常电变量采集点的地理三维模型空间中位置到位置/>的路径进行优化选择,计算新的适合食用鱼的位置的公式为,其中/>表示路径搜索鱼鹰/>更新后在/>维空间新的随机位置作为适合食用鱼的位置,即路径搜索鱼鹰/>更新后在巡检站点到异常电变量采集点的地理三维模型搜索空间中的新的随机位置作为适合食用鱼的位置,/>表示当前算法迭代次数;如果目标函数的值在这个新位置上得到改善,根据开发阶段位置替换公式替换路径搜索鱼鹰的更新前的初始化位置,即识别出在巡检站点到异常电变量采集点的地理三维模型空间中位置/>到位置/>的更短路径,则使用开发阶段位置替换公式替换更新前选择的在巡检站点到异常电变量采集点的地理三维模型空间中位置/>到位置/>的路径;开发阶段位置替换公式为/>其中/>表示开发阶段路径搜索鱼鹰/>在/>维空间的最优位置,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中的最优位置,/>表示/>在巡检站点到异常电变量采集点的地理三维模型搜索空间中的位置适应度值,/>表示/>在巡检站点到异常电变量采集点的地理三维模型搜索空间中的位置适应度值;
S424、当算法满足最大迭代次数后,输出巡检站点到异常电变量采集点最短路径,否则继续执行S422步骤至S423步骤直至满足最大迭代次数;
S43、巡检站点的巡检设备按照所述巡检站点到异常电变量采集点最短路径执行从巡检站点出发前往异常电变量采集点的巡检移动作业,所述巡检设备采用多旋翼无人机搭载电网检测设备。
优选的,所述当巡检设备执行前往异常电变量采集点巡检移动作业时,采集巡检设备实时位置坐标数据,将所述巡检设备实时位置坐标数据与所述电网异常电变量采集点位置坐标数据进行坐标数值匹配,当所述实时位置坐标与所述异常电变量采集点位置坐标的数值完全匹配,则输出异常电变量采集点到达指令警告提示巡检设备停止移动作业的操作步骤如下:
S51、当巡检设备执行前往异常电变量采集点巡检移动作业时,通过位置传感器实时采集巡检设备从巡检站点到达异常电变量采集点的空间坐标并生成巡检设备实时位置坐标数据,其中/>表示以海平面为坐标系基面建立的空间直角坐标系中巡检设备的横坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中巡检设备的纵坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中巡检设备的竖坐标;
S52、将所述巡检设备实时位置坐标数据中/>、/>、/>分别与电网异常电变量采集点位置坐标数据/>中对应的/>、/>、/>进行坐标数值匹配,当/>=/>且/>=/>且/>=/>,此时巡检设备到达异常电变量采集点的位置,则输出异常电变量采集点到达指令警告提示巡检设备停止移动作业;否则输出继续执行前往异常电变量采集点巡检移动作业。
优选的,所述当巡检设备接收到异常电变量采集点到达警告提示指令时,采集电网运行巡检位置特征图像数据的操作步骤如下:
S61、当巡检设备接收到异常电变量采集点到达警告提示指令时,通过巡检设备搭载拍摄设备拍摄采集电网异常电变量位置的特征图像并生成电网运行巡检位置特征图像数据集合,/>;其中/>表示采集的第/>幅电网运行巡检位置特征图像数据,/>表示电网运行巡检位置特征图像数据数量的最大值。
优选的,所述采用数据分析算法将所述电网运行巡检位置特征图像数据与电网运行故障类型特征图像数据进行图像特征匹配,分析构建出异常电变量采集点对应的电网运行巡检位置故障类型诊断结果数据的操作步骤如下:
S71、建立电网运行故障类型特征图像数据集合,/>;其中/>表示第/>种电网运行故障对应的电网运行故障类型特征图像数据,/>表示电网运行故障类型数据的最大值;所述电网运行故障类型包括短路故障、过载故障、断路故障、线路老化断裂、电力设备停止运行、电力设备损坏中一种或多种;
S72、采用如S42步骤中的数据分析算法将电网运行巡检位置特征图像数据集合中的电网运行巡检位置特征图像数据/>与电网运行故障类型特征图像数据集合/>中的电网运行故障类型特征图像数据/>进行图像特征匹配,分析构建出异常电变量采集点的电网运行巡检位置故障类型诊断结果数据;
当与/>匹配成功,表示异常电变量采集点位置存在电网运行故障,则输出电网运行巡检位置故障类型诊断结果数据为检测到第/>种电网运行故障;
当与/>未匹配成功,表示异常电变量采集点位置不存在电网运行故障,则输出电网运行巡检位置故障类型诊断结果数据为未检测到电网运行故障。
实现所述一种基于大数据的智慧电网运行故障诊断方法的***,所述***包括电网电变量异常感知模块、电网电变量异常位置现场抵达控制模块、电网运行故障特征检测模块;
所述电网电变量异常感知模块包括电网运行电流采集单元、电网运行异常电流识别单元、电网运行电压采集单元、电网运行异常电压识别单元、电网运行异常结果输出单元;
所述电网运行电流采集单元,通过电流测量传感器采集电网运行线路电流数据;所述电网运行异常电流识别单元,将所述电网运行线路电流数据与对应的电网运行电流正常阈值进行电流数值比对,识别分析出电网运行线路中的异常电流并生成输出电网运行异常电变量结果数据;所述电网运行电压采集单元,通过电压测量传感器采集电网运行线路电压数据;所述电网运行异常电压识别单元,将所述电网运行线路电压数据分别与对应的电网运行电压正常阈值进行电压数值比对,识别分析出电网运行线路中的异常电压并生成输出电网运行异常电变量结果数据;所述电网运行异常结果输出单元,用于输出电网运行异常电变量结果数据;
所述电网电变量异常位置现场抵达控制模块包括电网异常电变量位置坐标采集单元、电网故障巡检站点位置坐标存储单元、电网巡检站点到电变量异常位置路径规划及执行单元、电网运行巡检途中实时位置坐标采集单元、电网运行巡检电变量异常位置到达识别警示单元;
所述电网异常电变量位置坐标采集单元,当电网运行异常电变量结果数据中存在异常电流或/和异常电压时,通过位置传感器采集电网异常电变量采集点位置坐标数据;所述电网故障巡检站点位置坐标存储单元,用于存储电网故障巡检站点位置坐标数据;所述电网巡检站点到电变量异常位置路径规划及执行单元,采用数据分析算法依据所述电网异常电变量采集点位置坐标数据与电网故障巡检站点位置坐标数据并结合巡检站点到异常电变量采集点的地理三维模型数据,进行分析规划出巡检站点到异常电变量采集点最短路径,所述巡检站点的巡检设备按照所述巡检站点到异常电变量采集点最短路径执行前往异常电变量采集点巡检移动作业;所述电网运行巡检途中实时位置坐标采集单元,当巡检设备执行前往异常电变量采集点巡检移动作业时,通过位置传感器采集巡检设备实时位置坐标数据;所述电网运行巡检电变量异常位置到达识别警示单元,将所述巡检设备实时位置坐标数据与所述电网异常电变量采集点位置坐标数据进行坐标数值匹配,当所述实时位置坐标与所述异常电变量采集点位置坐标的数值完全匹配,则输出异常电变量采集点到达指令警告提示巡检设备停止移动作业;
所述电网运行故障特征检测模块包括电网运行巡检位置特征图像采集单元、电网运行故障类型特征图像存储单元、电网运行巡检位置故障类型分析识别单元;
所述电网运行巡检位置特征图像采集单元,当巡检设备接收到异常电变量采集点到达警告提示指令时,通过拍摄设备采集电网运行巡检位置特征图像数据;所述电网运行故障类型特征图像存储单元,用于存储电网运行故障类型特征图像数据;所述电网运行巡检位置故障类型分析识别单元,采用数据分析算法将所述电网运行巡检位置特征图像数据与电网运行故障类型特征图像数据进行图像特征匹配,分析构建出异常电变量采集点对应的电网运行巡检位置故障类型诊断结果数据。
本发明提供了一种基于大数据的智慧电网运行故障诊断***及方法。具备以下有益效果:
一、通过电网运行电流采集单元和电网运行电压采集单元相互配合实时测量电网中电流、电压的电变量参数,为电网运行故障诊断分析提供可靠的数据支撑,提升智慧电网故障诊断的效果电网运行异常电流识别单元和电网运行异常电压识别单元相互配合科学分析电网中电流、电压参数与安全电流、电压阈值进行准确数值分析,实现精确高效识别预警出电网中异常的电流、电压的电变量,提高智慧电网故障诊断的响应速度和识别精度。
二、通过电网异常电变量位置坐标采集单元和电网巡检站点到电变量异常位置路径规划及执行单元相互配合准确获取电网中出现异常电变量采集点的位置坐标数据结合智能分析算法精确规划出巡检站点到电网异常电变量采集点的最短路径级并控制巡检设备快速移动到达异常电变量采集点位置,实现电网故障诊断作业中对故障位置精确定位和智能化控制作业,提升电网故障诊断作业的效率;电网运行巡检途中实时位置坐标采集单元和电网运行巡检电变量异常位置到达识别警示单元相互配合对巡检设备到达异常电变量采集点的过程进行监控警告,提高电网故障诊断作业的可靠性。
三、通过电网运行巡检位置特征图像采集单元通过巡检设备搭载拍摄设备对电网异常电变量采集点的电力线路、电力设备进行高清特征图像数据采集,实现对电网异常电变量采集点电网状态特征数据进行自主、准确获取;电网运行巡检位置故障类型分析识别单元利用采集的电网异常电变量采集点特征图像结合智能分析算法与预设不同类型电力故障的特征图像数据进行智能特征图像分析高效诊断出电网的故障类型,实现电网故障诊断的智能化和标准化,提高电网运行的稳定性和安全性。
附图说明
图1为本发明提供的一种基于大数据的智慧电网运行故障诊断***的模块示意图;
图2为本发明提供的一种基于大数据的智慧电网运行故障诊断方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
该一种基于大数据的智慧电网运行故障诊断***及方法的实施例如下:
请参阅图1-图2,一种基于大数据的智慧电网运行故障诊断方法,方法包括如下步骤:
S1、采集电网运行线路电流数据、电网运行线路电压数据;
S2、将电网运行线路电流数据、电网运行线路电压数据分别与对应的电网运行电流正常阈值、电网运行电压正常阈值进行电流数值、电压数值比对,识别分析出电网运行线路中的异常电流、异常电压并生成输出电网运行异常电变量结果数据;
S3、当电网运行异常电变量结果数据中存在异常电流或/和异常电压时,采集电网异常电变量采集点位置坐标数据;
S4、采用数据分析算法依据电网异常电变量采集点位置坐标数据与电网故障巡检站点位置坐标数据并结合巡检站点到异常电变量采集点的地理三维模型数据,进行分析规划出巡检站点到异常电变量采集点最短路径,巡检站点的巡检设备按照巡检站点到异常电变量采集点最短路径执行前往异常电变量采集点巡检移动作业;
S5、当巡检设备执行前往异常电变量采集点巡检移动作业时,采集巡检设备实时位置坐标数据,将巡检设备实时位置坐标数据与电网异常电变量采集点位置坐标数据进行坐标数值匹配,当实时位置坐标与异常电变量采集点位置坐标的数值完全匹配,则输出异常电变量采集点到达指令警告提示巡检设备停止移动作业;
S6、当巡检设备接收到异常电变量采集点到达警告提示指令时,采集电网运行巡检位置特征图像数据;
S7、采用数据分析算法将电网运行巡检位置特征图像数据与电网运行故障类型特征图像数据进行图像特征匹配,分析构建出异常电变量采集点对应的电网运行巡检位置故障类型诊断结果数据。
进一步的,请参阅图1-图2,采集电网运行线路电流数据、电网运行线路电压数据的操作步骤如下:
S11、通过电网运行线路中的电流测量传感器实时在线测量电网线路中具体采集点的电流并生成电网运行线路电流数据;
通过电网运行线路中的电压测量传感器实时在线测量电网线路中与电流具体采集点同位置的电压并生成电网运行线路电压数据。
将电网运行线路电流数据、电网运行线路电压数据分别与对应的电网运行电流正常阈值、电网运行电压正常阈值进行电流数值、电压数值比对,识别分析出电网运行线路中的异常电流、异常电压并生成输出电网运行异常电变量结果数据的操作步骤如下:
S21、分别建立电网运行电流正常阈值、电网运行电压正常阈值,其中/>表示电网正常运行线路安全峰值电流,/>表示电网正常运行线路安全低谷电流;/>表示电网正常运行线路安全峰值电压,/>表示电网正常运行线路安全低谷电压;
S22、将电网运行线路电流数据、电网运行线路电压数据/>分别与电网运行电流正常阈值/>、电网运行电压正常阈值/>进行数值比对并分析出电网运行异常电变量结果数据;
当∈/>且/>∈/>,则输出电网运行异常电变量结果数据为不存在异常电流和异常电压;
当∉/>或/和/>∉/>,则输出电网运行异常电变量结果数据为存在异常电流或/和异常电压。
通过电网运行电流采集单元和电网运行电压采集单元相互配合实时测量电网中电流、电压的电变量参数,为电网运行故障诊断分析提供可靠的数据支撑,提升智慧电网故障诊断的效果电网运行异常电流识别单元和电网运行异常电压识别单元相互配合科学分析电网中电流、电压参数与安全电流、电压阈值进行准确数值分析,实现精确高效识别预警出电网中异常的电流、电压的电变量,提高智慧电网故障诊断的响应速度和识别精度。
进一步的,请参阅图1-图2,当电网运行异常电变量结果数据中存在异常电流或/和异常电压时,采集电网异常电变量采集点位置坐标数据的操作步骤如下:
S31、当电网运行异常电变量结果数据为存在异常电流或/和异常电压时,通过位置传感器采集电网线路中电流数据、电压数据具体采集点的空间坐标并生成电网异常电变量采集点位置坐标数据,其中/>表示以海平面为坐标系基面建立的空间直角坐标系中电流、电压具体采集点的横坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中电流、电压具体采集点的纵坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中电流、电压具体采集点的竖坐标。
采用数据分析算法依据电网异常电变量采集点位置坐标数据与电网故障巡检站点位置坐标数据并结合巡检站点到异常电变量采集点的地理三维模型数据,进行分析规划出巡检站点到异常电变量采集点最短路径,巡检站点的巡检设备按照巡检站点到异常电变量采集点最短路径执行前往异常电变量采集点巡检移动作业的操作步骤如下:
S41、建立电网故障巡检站点位置坐标数据,其中/>表示以海平面为坐标系基面建立的空间直角坐标系中电网故障巡检站点的横坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中电网故障巡检站点的纵坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中电网故障巡检站点的竖坐标;
S42、采用数据分析算法依据电网异常电变量采集点位置坐标数据与电网故障巡检站点位置坐标数据/>并结合巡检站点到异常电变量采集点的地理三维模型数据,进行分析规划出巡检站点到异常电变量采集点最短路径/>,数据分析算法分析规划最短路径的具体操作步骤如下:
S421、初始化,更新算法最大迭代次数T以及在寻优空间里随机初始化路径搜索鱼鹰种群位置,位置初始化公式为,其中/>表示路径搜索鱼鹰/>在/>维空间的位置,即路径搜索鱼鹰/>在巡检站点到异常电变量采集点的地理三维模型搜索空间中的位置,/>为寻优下边界,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中的下边界,/>为寻优上边界,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中的上边界,/>为[0,1]之间的随机数;
S422、探索阶段,路径搜索鱼鹰探测水下鱼类的位置,在确定了鱼类的位置后,鱼鹰攻击鱼类并在水下捕食,算法中路径搜索鱼鹰种群更新的探索阶段是基于对路径搜索鱼鹰这种自然行为的模拟而建模的,对路径搜索鱼鹰攻击鱼类的建模会导致路径搜索鱼鹰在搜索空间中的位置发生显著变化;对于每只路径搜索鱼鹰,搜索空间中具有更好目标函数值的其他路径搜索鱼鹰的位置被视为水下鱼类;路径搜索鱼鹰随机检测到其中一条鱼的位置并攻击它,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中随机搜索一条从电网异常电变量采集点位置坐标数据到电网故障巡检站点位置坐标数据/>的路径并测量路径长度,在模拟路径搜索鱼鹰向鱼移动的基础上,并更新相应路径搜索鱼鹰的新位置,路径搜索鱼鹰位置更新公式为/>,其中/>表示路径搜索鱼鹰/>更新后在/>维空间的位置,即路径搜索鱼鹰/>更新后在巡检站点到异常电变量采集点的地理三维模型搜索空间中的位置;/>为在巡检站点到异常电变量采集点的地理三维模型搜索空间中从电网异常电变量采集点位置坐标数据/>到电网故障巡检站点位置坐标数据/>路径搜索鱼鹰选中的最短路径;/>为取值1或2的常数;如果更新后的新位置更优,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中搜索出位置/>到位置/>更短的路径,根据探索阶段位置替换公式替换路径搜索鱼鹰的更新前的初始化位置,探索阶段位置替换公式为/>,其中/>表示探索阶段路径搜索鱼鹰/>在/>维空间的最优位置,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中的最优位置,/>表示/>在巡检站点到异常电变量采集点的地理三维模型搜索空间中的位置适应度值,/>表示/>在巡检站点到异常电变量采集点的地理三维模型搜索空间中的位置适应度值;
S423、开发阶段,路径搜索鱼鹰在猎杀鱼后,会把鱼带到一个合适的位置并食用,算法路径搜索鱼鹰种群更新的开发阶段是基于对路径搜索鱼鹰这种自然行为的模拟进行建模的,将鱼带到合适位置的建模导致路径搜索鱼鹰在搜索空间中的位置发生微小变化,在发现的合适位置附近收敛到更好的合适位置,为了模拟路径搜索鱼鹰的这种自然行为,首先对于路径搜索鱼鹰种群中的每个个体,计算新的随机位置作为适合食用鱼的位置,即对探索阶段搜索出的在巡检站点到异常电变量采集点的地理三维模型空间中位置到位置/>的路径进行优化选择,计算新的适合食用鱼的位置的公式为,其中/>表示路径搜索鱼鹰/>更新后在/>维空间新的随机位置作为适合食用鱼的位置,即路径搜索鱼鹰/>更新后在巡检站点到异常电变量采集点的地理三维模型搜索空间中的新的随机位置作为适合食用鱼的位置,/>表示当前算法迭代次数;如果目标函数的值在这个新位置上得到改善,根据开发阶段位置替换公式替换路径搜索鱼鹰的更新前的初始化位置,即识别出在巡检站点到异常电变量采集点的地理三维模型空间中位置/>到位置/>的更短路径,则使用开发阶段位置替换公式替换更新前选择的在巡检站点到异常电变量采集点的地理三维模型空间中位置/>到位置/>的路径;开发阶段位置替换公式为/>其中/>表示开发阶段路径搜索鱼鹰/>在/>维空间的最优位置,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中的最优位置,/>表示/>在巡检站点到异常电变量采集点的地理三维模型搜索空间中的位置适应度值,/>表示/>在巡检站点到异常电变量采集点的地理三维模型搜索空间中的位置适应度值;
S424、当算法满足最大迭代次数后,输出巡检站点到异常电变量采集点最短路径,否则继续执行S422步骤至S423步骤直至满足最大迭代次数;
S43、巡检站点的巡检设备按照巡检站点到异常电变量采集点最短路径执行从巡检站点出发前往异常电变量采集点的巡检移动作业,巡检设备采用多旋翼无人机搭载电网检测设备。/>
当巡检设备执行前往异常电变量采集点巡检移动作业时,采集巡检设备实时位置坐标数据,将巡检设备实时位置坐标数据与电网异常电变量采集点位置坐标数据进行坐标数值匹配,当实时位置坐标与异常电变量采集点位置坐标的数值完全匹配,则输出异常电变量采集点到达指令警告提示巡检设备停止移动作业的操作步骤如下:
S51、当巡检设备执行前往异常电变量采集点巡检移动作业时,通过位置传感器实时采集巡检设备从巡检站点到达异常电变量采集点的空间坐标并生成巡检设备实时位置坐标数据,其中/>表示以海平面为坐标系基面建立的空间直角坐标系中巡检设备的横坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中巡检设备的纵坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中巡检设备的竖坐标;
S52、将巡检设备实时位置坐标数据中/>、/>、/>分别与电网异常电变量采集点位置坐标数据/>中对应的/>、/>、/>进行坐标数值匹配,当/>=/>且/>=/>且/>=/>,此时巡检设备到达异常电变量采集点的位置,则输出异常电变量采集点到达指令警告提示巡检设备停止移动作业;否则输出继续执行前往异常电变量采集点巡检移动作业。
通过电网异常电变量位置坐标采集单元和电网巡检站点到电变量异常位置路径规划及执行单元相互配合准确获取电网中出现异常电变量采集点的位置坐标数据结合智能分析算法精确规划出巡检站点到电网异常电变量采集点的最短路径级并控制巡检设备快速移动到达异常电变量采集点位置,实现电网故障诊断作业中对故障位置精确定位和智能化控制作业,提升电网故障诊断作业的效率;电网运行巡检途中实时位置坐标采集单元和电网运行巡检电变量异常位置到达识别警示单元相互配合对巡检设备到达异常电变量采集点的过程进行监控警告,提高电网故障诊断作业的可靠性。
进一步的,请参阅图1-图2,当巡检设备接收到异常电变量采集点到达警告提示指令时,采集电网运行巡检位置特征图像数据的操作步骤如下:
S61、当巡检设备接收到异常电变量采集点到达警告提示指令时,通过巡检设备搭载拍摄设备拍摄采集电网异常电变量位置的特征图像并生成电网运行巡检位置特征图像数据集合,/>;其中/>表示采集的第/>幅电网运行巡检位置特征图像数据,/>表示电网运行巡检位置特征图像数据数量的最大值。
采用数据分析算法将电网运行巡检位置特征图像数据与电网运行故障类型特征图像数据进行图像特征匹配,分析构建出异常电变量采集点对应的电网运行巡检位置故障类型诊断结果数据的操作步骤如下:
S71、建立电网运行故障类型特征图像数据集合,/>;其中/>表示第/>种电网运行故障对应的电网运行故障类型特征图像数据,/>表示电网运行故障类型数据的最大值;电网运行故障类型包括短路故障、过载故障、断路故障、线路老化断裂、电力设备停止运行、电力设备损坏中一种或多种;
S72、采用如S42步骤中的数据分析算法将电网运行巡检位置特征图像数据集合中的电网运行巡检位置特征图像数据/>与电网运行故障类型特征图像数据集合/>中的电网运行故障类型特征图像数据/>进行图像特征匹配,分析构建出异常电变量采集点的电网运行巡检位置故障类型诊断结果数据;
当与/>匹配成功,表示异常电变量采集点位置存在电网运行故障,则输出电网运行巡检位置故障类型诊断结果数据为检测到第/>种电网运行故障;
当与/>未匹配成功,表示异常电变量采集点位置不存在电网运行故障,则输出电网运行巡检位置故障类型诊断结果数据为未检测到电网运行故障。
通过电网运行巡检位置特征图像采集单元通过巡检设备搭载拍摄设备对电网异常电变量采集点的电力线路、电力设备进行高清特征图像数据采集,实现对电网异常电变量采集点电网状态特征数据进行自主、准确获取;电网运行巡检位置故障类型分析识别单元利用采集的电网异常电变量采集点特征图像结合智能分析算法与预设不同类型电力故障的特征图像数据进行智能特征图像分析高效诊断出电网的故障类型,实现电网故障诊断的智能化和标准化,提高电网运行的稳定性和安全性。
实现一种基于大数据的智慧电网运行故障诊断方法的***,***包括电网电变量异常感知模块、电网电变量异常位置现场抵达控制模块、电网运行故障特征检测模块;
电网电变量异常感知模块包括电网运行电流采集单元、电网运行异常电流识别单元、电网运行电压采集单元、电网运行异常电压识别单元、电网运行异常结果输出单元;
电网运行电流采集单元,通过电流测量传感器采集电网运行线路电流数据;电网运行异常电流识别单元,将电网运行线路电流数据与对应的电网运行电流正常阈值进行电流数值比对,识别分析出电网运行线路中的异常电流并生成输出电网运行异常电变量结果数据;电网运行电压采集单元,通过电压测量传感器采集电网运行线路电压数据;电网运行异常电压识别单元,将电网运行线路电压数据分别与对应的电网运行电压正常阈值进行电压数值比对,识别分析出电网运行线路中的异常电压并生成输出电网运行异常电变量结果数据;电网运行异常结果输出单元,用于输出电网运行异常电变量结果数据;
电网电变量异常位置现场抵达控制模块包括电网异常电变量位置坐标采集单元、电网故障巡检站点位置坐标存储单元、电网巡检站点到电变量异常位置路径规划及执行单元、电网运行巡检途中实时位置坐标采集单元、电网运行巡检电变量异常位置到达识别警示单元;
电网异常电变量位置坐标采集单元,当电网运行异常电变量结果数据中存在异常电流或/和异常电压时,通过位置传感器采集电网异常电变量采集点位置坐标数据;电网故障巡检站点位置坐标存储单元,用于存储电网故障巡检站点位置坐标数据;电网巡检站点到电变量异常位置路径规划及执行单元,采用数据分析算法依据电网异常电变量采集点位置坐标数据与电网故障巡检站点位置坐标数据并结合巡检站点到异常电变量采集点的地理三维模型数据,进行分析规划出巡检站点到异常电变量采集点最短路径,巡检站点的巡检设备按照巡检站点到异常电变量采集点最短路径执行前往异常电变量采集点巡检移动作业;电网运行巡检途中实时位置坐标采集单元,当巡检设备执行前往异常电变量采集点巡检移动作业时,通过位置传感器采集巡检设备实时位置坐标数据;电网运行巡检电变量异常位置到达识别警示单元,将巡检设备实时位置坐标数据与电网异常电变量采集点位置坐标数据进行坐标数值匹配,当实时位置坐标与异常电变量采集点位置坐标的数值完全匹配,则输出异常电变量采集点到达指令警告提示巡检设备停止移动作业;
电网运行故障特征检测模块包括电网运行巡检位置特征图像采集单元、电网运行故障类型特征图像存储单元、电网运行巡检位置故障类型分析识别单元;
电网运行巡检位置特征图像采集单元,当巡检设备接收到异常电变量采集点到达警告提示指令时,通过拍摄设备采集电网运行巡检位置特征图像数据;电网运行故障类型特征图像存储单元,用于存储电网运行故障类型特征图像数据;电网运行巡检位置故障类型分析识别单元,采用数据分析算法将电网运行巡检位置特征图像数据与电网运行故障类型特征图像数据进行图像特征匹配,分析构建出异常电变量采集点对应的电网运行巡检位置故障类型诊断结果数据。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于大数据的智慧电网运行故障诊断方法,其特征在于,所述方法包括如下步骤:
S1、采集电网运行线路电流数据、电网运行线路电压数据;
S2、将所述电网运行线路电流数据、所述电网运行线路电压数据分别与对应的电网运行电流正常阈值、电网运行电压正常阈值进行电流数值、电压数值比对,识别分析出电网运行线路中的异常电流、异常电压并生成输出电网运行异常电变量结果数据;
S3、当电网运行异常电变量结果数据中存在异常电流或/和异常电压时,采集电网异常电变量采集点位置坐标数据;
S4、采用数据分析算法依据所述电网异常电变量采集点位置坐标数据与电网故障巡检站点位置坐标数据并结合巡检站点到异常电变量采集点的地理三维模型数据,进行分析规划出巡检站点到异常电变量采集点最短路径,所述巡检站点的巡检设备按照所述巡检站点到异常电变量采集点最短路径执行前往异常电变量采集点巡检移动作业,所述S4包括以下步骤:
S41、建立电网故障巡检站点位置坐标数据,其中/>表示以海平面为坐标系基面建立的空间直角坐标系中电网故障巡检站点的横坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中电网故障巡检站点的纵坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中电网故障巡检站点的竖坐标;
S42、采用数据分析算法依据所述电网异常电变量采集点位置坐标数据与电网故障巡检站点位置坐标数据/>并结合巡检站点到异常电变量采集点的地理三维模型数据,进行分析规划出巡检站点到异常电变量采集点最短路径/>,所述数据分析算法分析规划最短路径的具体操作步骤如下:
S421、初始化,更新算法最大迭代次数T以及在寻优空间里随机初始化路径搜索鱼鹰种群位置,位置初始化公式为,其中/>表示路径搜索鱼鹰/>在/>维空间的位置,即路径搜索鱼鹰/>在巡检站点到异常电变量采集点的地理三维模型搜索空间中的位置,/>为寻优下边界,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中的下边界,/>为寻优上边界,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中的上边界,/>为[0,1]之间的随机数;
S422、探索阶段,路径搜索鱼鹰随机检测到其中一条鱼的位置并攻击它,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中随机搜索一条从电网异常电变量采集点位置坐标数据到电网故障巡检站点位置坐标数据/>的路径并测量路径长度,在模拟路径搜索鱼鹰向鱼移动的基础上,并更新相应路径搜索鱼鹰的新位置;如果更新后的新位置更优,即在巡检站点到异常电变量采集点的地理三维模型搜索空间中搜索出位置/>到位置/>更短的路径,根据探索阶段位置替换公式替换路径搜索鱼鹰的更新前的初始化位置;
S423、开发阶段,首先对于路径搜索鱼鹰种群中的每个个体,计算新的随机位置作为适合食用鱼的位置,即对探索阶段搜索出的在巡检站点到异常电变量采集点的地理三维模型空间中位置到位置/>的路径进行优化选择;如果目标函数的值在这个新位置上得到改善,根据开发阶段位置替换公式替换路径搜索鱼鹰的更新前的初始化位置,即识别出在巡检站点到异常电变量采集点的地理三维模型空间中位置/>到位置的更短路径,则使用开发阶段位置替换公式替换更新前选择的在巡检站点到异常电变量采集点的地理三维模型空间中位置/>到位置/>的路径;
S424、当算法满足最大迭代次数后,输出巡检站点到异常电变量采集点最短路径,否则继续执行S422步骤至S423步骤直至满足最大迭代次数;
S43、巡检站点的巡检设备按照所述巡检站点到异常电变量采集点最短路径执行从巡检站点出发前往异常电变量采集点的巡检移动作业,所述巡检设备采用多旋翼无人机搭载电网检测设备;
S5、当巡检设备执行前往异常电变量采集点巡检移动作业时,采集巡检设备实时位置坐标数据,将所述巡检设备实时位置坐标数据与所述电网异常电变量采集点位置坐标数据进行坐标数值匹配,当所述实时位置坐标与所述异常电变量采集点位置坐标的数值完全匹配,则输出异常电变量采集点到达指令警告提示巡检设备停止移动作业;
S6、当巡检设备接收到异常电变量采集点到达警告提示指令时,采集电网运行巡检位置特征图像数据;
S7、采用数据分析算法将所述电网运行巡检位置特征图像数据与电网运行故障类型特征图像数据进行图像特征匹配,分析构建出异常电变量采集点对应的电网运行巡检位置故障类型诊断结果数据。
2.根据权利要求1所述的一种基于大数据的智慧电网运行故障诊断方法,其特征在于:所述S1包括以下步骤:
S11、通过电网运行线路中的电流测量传感器实时在线测量电网线路中具体采集点的电流并生成电网运行线路电流数据;
通过电网运行线路中的电压测量传感器实时在线测量电网线路中与电流具体采集点同位置的电压并生成电网运行线路电压数据。
3.根据权利要求2所述的一种基于大数据的智慧电网运行故障诊断方法,其特征在于:所述S2包括以下步骤:
S21、分别建立电网运行电流正常阈值、电网运行电压正常阈值,其中/>表示电网正常运行线路安全峰值电流,/>表示电网正常运行线路安全低谷电流;/>表示电网正常运行线路安全峰值电压,/>表示电网正常运行线路安全低谷电压;
S22、将所述电网运行线路电流数据、所述电网运行线路电压数据/>分别与电网运行电流正常阈值/>、电网运行电压正常阈值/>进行数值比对并分析出电网运行异常电变量结果数据;
当∈/>且/>∈/>,则输出电网运行异常电变量结果数据为不存在异常电流和异常电压;
当∉/>或/和/>∉/>,则输出电网运行异常电变量结果数据为存在异常电流或/和异常电压。
4.根据权利要求3所述的一种基于大数据的智慧电网运行故障诊断方法,其特征在于:所述S3包括以下步骤:
S31、当电网运行异常电变量结果数据为存在异常电流或/和异常电压时,通过位置传感器采集电网线路中电流数据、电压数据具体采集点的空间坐标并生成电网异常电变量采集点位置坐标数据,其中/>表示以海平面为坐标系基面建立的空间直角坐标系中电流、电压具体采集点的横坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中电流、电压具体采集点的纵坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中电流、电压具体采集点的竖坐标。
5.根据权利要求4所述的一种基于大数据的智慧电网运行故障诊断方法,其特征在于:所述S5包括以下步骤:
S51、当巡检设备执行前往异常电变量采集点巡检移动作业时,通过位置传感器实时采集巡检设备从巡检站点到达异常电变量采集点的空间坐标并生成巡检设备实时位置坐标数据,其中/>表示以海平面为坐标系基面建立的空间直角坐标系中巡检设备的横坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中巡检设备的纵坐标,/>表示以海平面为坐标系基面建立的空间直角坐标系中巡检设备的竖坐标;
S52、将所述巡检设备实时位置坐标数据中/>、/>、/>分别与电网异常电变量采集点位置坐标数据/>中对应的/>、/>、/>进行坐标数值匹配,当/>=/>且/>=/>且=/>,此时巡检设备到达异常电变量采集点的位置,则输出异常电变量采集点到达指令警告提示巡检设备停止移动作业;否则输出继续执行前往异常电变量采集点巡检移动作业。
6.根据权利要求5所述的一种基于大数据的智慧电网运行故障诊断方法,其特征在于:所述S6包括以下步骤:
S61、当巡检设备接收到异常电变量采集点到达警告提示指令时,通过巡检设备搭载拍摄设备拍摄采集电网异常电变量位置的特征图像并生成电网运行巡检位置特征图像数据集合,/>;其中/>表示采集的第/>幅电网运行巡检位置特征图像数据,/>表示电网运行巡检位置特征图像数据数量的最大值。
7.根据权利要求6所述的一种基于大数据的智慧电网运行故障诊断方法,其特征在于:所述S7包括以下步骤:
S71、建立电网运行故障类型特征图像数据集合,/>;其中/>表示第/>种电网运行故障对应的电网运行故障类型特征图像数据,/>表示电网运行故障类型数据的最大值;所述电网运行故障类型包括短路故障、过载故障、断路故障、线路老化断裂、电力设备停止运行、电力设备损坏中一种或多种;
S72、采用如S42步骤中的数据分析算法将电网运行巡检位置特征图像数据集合中的电网运行巡检位置特征图像数据/>与电网运行故障类型特征图像数据集合/>中的电网运行故障类型特征图像数据/>进行图像特征匹配,分析构建出异常电变量采集点的电网运行巡检位置故障类型诊断结果数据;
当与/>匹配成功,表示异常电变量采集点位置存在电网运行故障,则输出电网运行巡检位置故障类型诊断结果数据为检测到第\/>种电网运行故障;
当与/>未匹配成功,表示异常电变量采集点位置不存在电网运行故障,则输出电网运行巡检位置故障类型诊断结果数据为未检测到电网运行故障。
8.实现如根据权利要求1-7中任意一项所述的一种基于大数据的智慧电网运行故障诊断方法的***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410126512.6A CN117647706B (zh) | 2024-01-30 | 2024-01-30 | 一种基于大数据的智慧电网运行故障诊断***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410126512.6A CN117647706B (zh) | 2024-01-30 | 2024-01-30 | 一种基于大数据的智慧电网运行故障诊断***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117647706A CN117647706A (zh) | 2024-03-05 |
CN117647706B true CN117647706B (zh) | 2024-04-05 |
Family
ID=90045520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410126512.6A Active CN117647706B (zh) | 2024-01-30 | 2024-01-30 | 一种基于大数据的智慧电网运行故障诊断***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117647706B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118071333A (zh) * | 2024-04-17 | 2024-05-24 | 中用科技有限公司 | 一种基于工业物联网的工业设备应急监管方法及*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005181199A (ja) * | 2003-12-22 | 2005-07-07 | Nec Fielding Ltd | 無人水中監視探索システム、無人水中探索機、探索基地システム、監視センター装置、及びプログラム |
CN111983383A (zh) * | 2020-08-17 | 2020-11-24 | 海南电网有限责任公司信息通信分公司 | 一种电力***故障抢修方法及*** |
CN112859855A (zh) * | 2021-01-11 | 2021-05-28 | 金陵科技学院 | 一种基于蝗虫优化算法的机器人多目标路径规划 |
JP2021157422A (ja) * | 2020-03-26 | 2021-10-07 | 日本音響エンジニアリング株式会社 | 通過経路判定方法 |
CN113515129A (zh) * | 2021-08-23 | 2021-10-19 | 哈尔滨理工大学 | 一种基于边界查找的双向跳点搜索无人车路径规划方法 |
CN114047770A (zh) * | 2022-01-13 | 2022-02-15 | 中国人民解放军陆军装甲兵学院 | 一种多内心搜寻改进灰狼算法的移动机器人路径规划方法 |
CN115133874A (zh) * | 2022-06-28 | 2022-09-30 | 西安万飞控制科技有限公司 | 一种无人机联动巡查光伏电站故障检测的方法及*** |
CN115167442A (zh) * | 2022-07-26 | 2022-10-11 | 国网湖北省电力有限公司荆州供电公司 | 一种输电线路巡检路径规划方法及*** |
CN116772880A (zh) * | 2023-06-07 | 2023-09-19 | 中国人民解放军陆军装甲兵学院 | 一种基于无人机视觉的无人车路径规划方法 |
CN117273317A (zh) * | 2023-09-11 | 2023-12-22 | 广东电网有限责任公司广州供电局 | 一种园区负荷的需求响应优化方法及装置 |
CN117289085A (zh) * | 2023-11-22 | 2023-12-26 | 武汉宏联电线电缆有限公司 | 一种多线路故障分析诊断方法及*** |
CN117332347A (zh) * | 2023-08-31 | 2024-01-02 | 上海浦源科技有限公司 | 一种机巡与ai融合的电网智慧运维方法及*** |
CN117419739A (zh) * | 2023-11-06 | 2024-01-19 | 大唐贵州发耳发电有限公司 | 一种输煤***巡检机器人的路径规划优化方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9835673B2 (en) * | 2013-04-12 | 2017-12-05 | Mitsubishi Electric Research Laboratories, Inc. | Method for analyzing faults in ungrounded power distribution systems |
US9476930B2 (en) * | 2014-02-07 | 2016-10-25 | Mitsubishi Electric Research Laboratories, Inc. | Locating multi-phase faults in ungrounded power distribution systems |
CN110927520A (zh) * | 2019-11-25 | 2020-03-27 | 山东理工大学 | 一种直流配电线路多端行波故障定位方法及定位装置 |
CN114913619A (zh) * | 2022-04-08 | 2022-08-16 | 华能苏州热电有限责任公司 | 一种智能移动巡检方法和*** |
-
2024
- 2024-01-30 CN CN202410126512.6A patent/CN117647706B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005181199A (ja) * | 2003-12-22 | 2005-07-07 | Nec Fielding Ltd | 無人水中監視探索システム、無人水中探索機、探索基地システム、監視センター装置、及びプログラム |
JP2021157422A (ja) * | 2020-03-26 | 2021-10-07 | 日本音響エンジニアリング株式会社 | 通過経路判定方法 |
CN111983383A (zh) * | 2020-08-17 | 2020-11-24 | 海南电网有限责任公司信息通信分公司 | 一种电力***故障抢修方法及*** |
CN112859855A (zh) * | 2021-01-11 | 2021-05-28 | 金陵科技学院 | 一种基于蝗虫优化算法的机器人多目标路径规划 |
CN113515129A (zh) * | 2021-08-23 | 2021-10-19 | 哈尔滨理工大学 | 一种基于边界查找的双向跳点搜索无人车路径规划方法 |
CN114047770A (zh) * | 2022-01-13 | 2022-02-15 | 中国人民解放军陆军装甲兵学院 | 一种多内心搜寻改进灰狼算法的移动机器人路径规划方法 |
CN115133874A (zh) * | 2022-06-28 | 2022-09-30 | 西安万飞控制科技有限公司 | 一种无人机联动巡查光伏电站故障检测的方法及*** |
CN115167442A (zh) * | 2022-07-26 | 2022-10-11 | 国网湖北省电力有限公司荆州供电公司 | 一种输电线路巡检路径规划方法及*** |
CN116772880A (zh) * | 2023-06-07 | 2023-09-19 | 中国人民解放军陆军装甲兵学院 | 一种基于无人机视觉的无人车路径规划方法 |
CN117332347A (zh) * | 2023-08-31 | 2024-01-02 | 上海浦源科技有限公司 | 一种机巡与ai融合的电网智慧运维方法及*** |
CN117273317A (zh) * | 2023-09-11 | 2023-12-22 | 广东电网有限责任公司广州供电局 | 一种园区负荷的需求响应优化方法及装置 |
CN117419739A (zh) * | 2023-11-06 | 2024-01-19 | 大唐贵州发耳发电有限公司 | 一种输煤***巡检机器人的路径规划优化方法 |
CN117289085A (zh) * | 2023-11-22 | 2023-12-26 | 武汉宏联电线电缆有限公司 | 一种多线路故障分析诊断方法及*** |
Non-Patent Citations (1)
Title |
---|
基于智能运检的无人机立体巡检管理体系的应用与研究;吴东,等;《电子设计工程》;20190630;第27卷(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117647706A (zh) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109101906A (zh) | 一种变电站电力设备红外图像异常实时检测方法及装置 | |
CN106199305B (zh) | 煤矿井下供电***用干式变压器绝缘健康状态评估方法 | |
CN117647706B (zh) | 一种基于大数据的智慧电网运行故障诊断***及方法 | |
CN109800697B (zh) | 基于VGG-net风格迁移的变压器目标检测与外观缺陷识别方法 | |
CN102221651A (zh) | 一种矿用隔爆型干式变压器故障在线诊断及预警方法 | |
CN117390403B (zh) | 一种新能源灯塔发电站的电网故障检测方法及*** | |
CN109061391B (zh) | 一种基于计算机视觉潮流图的电网故障诊断方法及*** | |
CN108093210A (zh) | 一种变压器油位告警***及其告警方法 | |
CN113763667A (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
CN117612345A (zh) | 一种电力设备状态监测报警***及方法 | |
CN117590159A (zh) | 一种基于深度学习的隧道电缆供电状态监测方法及*** | |
CN115037603A (zh) | 用电信息采集设备的诊断评估方法、装置及*** | |
CN117347796B (zh) | 一种基于智能网关的开关设备局部放电诊断***及方法 | |
CN117639228A (zh) | 基于数字孪生的配电网运行状态预测方法及*** | |
Zhang et al. | Classification of building electrical system faults based on Probabilistic Neural Networks | |
Fan et al. | Navigation of Substation Inspection Robot Based on Machine Vision | |
CN116993327B (zh) | 用于变电站的缺陷定位***及其方法 | |
Yang et al. | Abnormal Scene Image Recognition Method for Intelligent Operation and Maintenance of Electrical Equipment in Substations | |
CN117113157B (zh) | 一种基于人工智能的台区用电故障检测*** | |
CN117192283A (zh) | 一种电网中输电线路跳闸故障原因诊断*** | |
CN117892252B (zh) | 基于大数据的智慧园区运营管理平台 | |
Wei et al. | Application Research of Intelligent Robot in Substation Operation and Maintenance System | |
CN117394537A (zh) | 一种配电线路数字运维*** | |
Ghazaly | AI-Enabled Predictive Maintenance for Distribution Transformers | |
CN117154925A (zh) | 一种用于纯光ct的智能运维***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 |