CN118280069A - 一种基于gis的电网灾害监测及预警*** - Google Patents
一种基于gis的电网灾害监测及预警*** Download PDFInfo
- Publication number
- CN118280069A CN118280069A CN202410370212.2A CN202410370212A CN118280069A CN 118280069 A CN118280069 A CN 118280069A CN 202410370212 A CN202410370212 A CN 202410370212A CN 118280069 A CN118280069 A CN 118280069A
- Authority
- CN
- China
- Prior art keywords
- parameters
- parameter
- early warning
- sedimentation
- power grid
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 105
- 238000012545 processing Methods 0.000 claims abstract description 66
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 230000006855 networking Effects 0.000 claims abstract description 8
- 238000004062 sedimentation Methods 0.000 claims description 95
- 238000000034 method Methods 0.000 claims description 31
- 238000013507 mapping Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 230000000306 recurrent effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 3
- 230000003449 preventive effect Effects 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 description 13
- 230000036541 health Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于GIS的电网灾害监测及预警***,包括数据监测单元、参数处理单元、联网获取单元、联网处理单元、关联处理单元、预警分析单元和界面显示单元;涉及电网监测技术领域,本发明通过数据监测单元获取目标区域内的电网设施的实时监测数据,能够实时、准确地反映电网设施的运行状态,并通过处理和分析气象数据,以预测可能对电网设施产生影响的气象条件,从而提前做好预防措施,同时利用预训练的预警分析模型进行数据分析和处理,可以自动识别出可能存在问题的电网设施,并生成预警信号,通过对电网设施的实时监测和预警,可以有效防止或减少因气象条件变化导致的电网设施故障,保障电网设施的正常运行。
Description
技术领域
本发明涉及电网监测技术领域,具体涉及一种基于GIS的电网灾害监测及预警***。
背景技术
随着电力***的快速发展,电网设施的健康状况对整个电力***的稳定运行起着至关重要的作用。然而,由于环境因素的影响,如地质条件、气候变化等,电网设施可能会出现沉降、偏移等现象,严重影响电网设施的稳定性和安全性。因此,对电网设施进行实时监测和预警是至关重要的。传统的电网设施监测方法主要依赖于人工巡检和定期维护,这种方法不仅效率低下,而且无法实现实时监测和预警。此外,由于电网设施的地理位置复杂,人工巡检和维护的难度较大,容易出现漏检和误检的情况。
近年来,GIS(地理信息***)技术的发展为电网设施的监测和预警提供了新的解决方案。GIS技术可以实时获取电网设施的地理位置信息,从而实现对电网设施的实时监测和预警。然而,现有的基于GIS的电网设施监测和预警***主要依赖于单一的监测数据,无法全面反映电网设施的健康状况。
因此,开发一种基于GIS的电网灾害监测及预警***,能够实时获取和处理多种监测数据,如沉降数据、偏移数据和气象数据,对电网设施的健康状况进行全面评估,从而实现对电网设施的实时监测和预警,是当前亟待解决的问题。
发明内容
本发明的目的在于提供一种基于GIS的电网灾害监测及预警***,解决了背景技术中所提出的技术问题。
本发明的目的可以通过以下技术方案实现:
一种基于GIS的电网灾害监测及预警***,包括:
数据监测单元,用于获取目标区域内的电网设施的监测数据,监测数据包括沉降参数和偏移参数;
参数处理单元,用于处理和分析在预定监测周期内收集的沉降参数和偏移参数,随后通过预设的计算公式计算出各个时间节点上沉降参数对应的第一参占系数以及偏移参数对应的第二参占系数;
联网获取单元,用于通过互联网技术获取目标区域内气象数据,气象数据包括温度参数、湿度参数、风速参数、降雨量,且气象数据又以当前时间为基准划分为历史气象数据和预测气象数据;
联网处理单元,用于将历史气象数据和预测气象数据依据预定的标准化处理方式对其进行标准化处理;
关联处理单元,用于对气象数据和参数处理后的监测数据进行关联处理,其方式为:以监测周期开始阶段的首个时间节点的沉降参数作为基准参数,接着计算除首个时间节点外的其他时间节点与基准参数之间的阶段沉降差,同理计算出相应的阶段偏移差,随后将第一参占系数、第二参占系数、阶段沉降差和偏移差与经过标准化处理的温度、湿度、风速和降雨量数据集建立映射关系,并输入到预训练的预警分析模型中;
预警分析单元,用于结合标准化处理后的预测气象数据对目标区域内的电网设施进行预警分析;其方式为:通过在预测气象数据和历史气象数据中获取最佳匹配结果,再根据匹配结果,获取对应的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差,并通过预定的公式计算出未来监测周期内的判定系数,并与预先设置的判定阈值进行比较,并在判定系数大于或等于判定阈值时,生成预警信号。
作为本发明进一步的方案:所述参数处理单元的具体方式如下:
SS1、在预先节选的监测周期中,按照时间的先后顺序选取若干个时间间隔相同的时间节点,并从若干个时间节点上获取对应的沉降参数;
同时将沉降参数标记为Ci,i=1、2、……n,n表示时间节点的数量;
SS2、通过计算出各个时间节点上沉降参数在该监测周期内对应的沉降占比CBi;式中,i的值不为n,且所有沉降占比CBi中不包含CB1;
SS3、通过计算得到CB1至CBn这一组沉降占比的偏离值U;
式中,其表示为对应所有沉降占比CBi的平均值;
SS4、随之将U与预设的离散阈值Uy进行比较:
若将U>Uy,则表示该子项目的偏离值较大,之后按照|CBi-CBp|从大到小的顺序依次删除对应的CBi值并对应计算剩余的偏离值U,直至U≤Uy;
之后提取未被删除的CBi及其对应的Ci,并求取未被删除CBi对应的Ci的平均值Cp;
SS5、在所有时间节点上对应的沉降参数Ci中,将对应的时间节点被删除的沉降参数Ci替换为Cp;
SS6、通过计算出各个时间节点上沉降参数对应的第一参占系数E1i,式中,对应的时间节点被删除的沉降参数Ci选为Cp;
SS7、接着获取若干个时间节点上的偏移参数,并按照SS1-SS6的方式,计算出各个时间节点上偏移参数对应的第二参占系数E2i。
作为本发明进一步的方案:其中,温度参数、湿度参数、风速参数均为实时采集的区域性数据,降雨量为周期性采集的点位数据;
区域性数据指代为以目标区域为标准范围获取的相关数据;
点位数据指代为在目标区域中设立多个采集点,在各个采集点采集的相关数据。
作为本发明进一步的方案:选取历史气象数据进行标准化处理,其方式如下:
SX1、将预先节选的监测周期划分为若干个标准时段,且标准时段依据两个相邻时间节点的间隔时间确定,且标准时段的数量为n-1;
SX2、在对应标准时段内获取相应的所有温度参数、湿度参数、风速参数、降雨量;
SX3、温度参数、湿度参数、风速参数的标准化处理方式相同,且其采用四分位数间距法进行标准化处理,选取温度参数进行处理的方式如下:
Step31、首先按照从小到大的顺序对温度参数进行排序,形成温度序列表;
Step32、从温度序列表内的所有电压参数中,选定第一四分位数Q1和第三四分位数Q3;
Step33、通过IQR=Q3-Q1,计算得到四分位数间距IQR,其中,四分位数间距IQR反映了中间50%数据的离散程度;
Step34、通过公式Rmin=Q1-t*IQR和Rmax=Q3+t*IQR,分别计算出标准化判断值Rmin和Rmax,式中,t为固定值;
Step35、在标准时段内,提取小于Rmin的温度参数、大于Rmax的温度参数以及大于等于Rmin且小于等于Rmax的温度参数,并分别求取其平均值,得到W1、W2和W3;
然后将该所有平均值组成温度集合W0∈[W1、W2、W3];
以此类推,分别得到湿度参数、风速参数相应的湿度集合S0∈[S1、S2、S3]、风速集合F0∈[F1、F2、F3];
且温度集合、湿度集合和风速集合即为标准化处理后的标准数据;
SX4、降雨量的标准化处理方式具体为:将多个采集点采集的降雨量信息进行均值计算,且其计算结果记为标准时段的降雨均量,即为标准化处理后的标准数据。
作为本发明进一步的方案:关联处理的具体方式如下:
SZ1、选取同一地理位置的电网设施,将位于监测周期开始阶段的首个时间节点对应的沉降参数记为基准参数;
SZ2、随之在除位于监测周期开始阶段的首个时间节点之外的所有时间节点中,将对应各个时间节点对应的沉降参数减去基准参数,得到对应的阶段沉降差,且阶段沉降差的数量为n-1;
同理,计算出相应的阶段偏移差;
SZ3、随后将对应时间节点的阶段沉降差分别与标准化处理的得到的温度集合、湿度集合、风速集合、降雨均量建立映射关系,并导入预训练的预警分析模型中;
SZ4、同时将对应时间节点的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差建立映射关系,并导入预训练的预警分析模型中。
作为本发明进一步的方案:映射基于向量机、卷积神经网络或循环神经网络中的任意一种方法实现。
作为本发明进一步的方案:所述预警分析单元的方式如下:
ST1、将标准化处理后的预测气象数据内的温度参数、湿度参数、风速参数、降雨量导入预训练的预警分析模型中;
ST2、预警分析模型将预测气象数据与建立映射关系的历史气象数据相近度匹配,相近度匹配方式为:
选取预测气象数据内温度参数,将预测气象数据内温度参数得到的温度集合与预警分析模型中的以历史气象数据内温度参数得到的温度集合进行差值分析计算,并得到分析判定值;
随之获取分析判定值最小的历史气象数据相应温度集合作为匹配结果;
ST3、并依据匹配结果获取对应映射的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差;
以此类推,获取未来监测周期内各个标准时段得到的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差;
并将未来监测周期内各个标准时段得到的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差重新标记为E1j、E2j、JCj、JPj,j=1、2、……m,m表示未来监测周期内各个标准时段的数量;
ST4、通过公式计算出未来监测周期内的判定系数PD;
式中,d1和b1表示为电网设施在按照时,通过沉降传感器获得的沉降参数和偏移传感器获得的偏移参数,其为固定值,d2和b2表示为在当前时间节点,通过沉降传感器和移传感器对相应电网设施获得的沉降参数和偏移参数,β1和β2为预设的占比系数;
ST5、随之将未来监测周期内的判定系数PD与预先设置的判定阈值PDy进行比较:
若PD≥PDy,则生成预警信号;
若PD<PDy,则不生成预警信号。
作为本发明进一步的方案:差值分析计算的公式如下:
式中,Wy表示为分析判定值,W1、W2、W3表示为历史气象数据内温度参数得到的温度集合中的值,W01、W02、W03表示为预测气象数据内温度参数得到的温度集合中的值,α1、α2、α3为预设的比例因子。
作为本发明进一步的方案:所述数据监测单元还利用GIS技术获取与电网设施相应的GIS信息,GIS信息表示为电网设施的地理位置。
作为本发明进一步的方案:界面显示单元,用于通过PC端和移动端显示预警信号,并依据预警信号获取电网设施相应的GIS信息,随之将其展现给相关人员。
本发明的有益效果:
实时性和准确性:通过数据监测单元获取目标区域内的电网设施的实时监测数据,包括沉降参数和偏移参数,能够实时、准确地反映电网设施的运行状态。
预测性:***可以处理和分析气象数据,包括温度参数、湿度参数、风速参数、降雨量等,以预测可能对电网设施产生影响的气象条件,从而提前做好预防措施。
智能化:***利用预训练的预警分析模型进行数据分析和处理,可以自动识别出可能存在问题的电网设施,并生成预警信号。
可视化:通过界面显示单元,可以在PC端和移动端显示出预警信号,并依据预警信号获取电网设施相应的GIS信息,使得相关人员可以直观地了解电网设施的运行状态和地理位置。
防灾减灾:通过对电网设施的实时监测和预警,可以有效防止或减少因气象条件变化导致的电网设施故障,保障电网设施的正常运行。
提高运维效率:通过***自动分析和预警,可以减少人工巡检的次数和时间,提高运维效率。
提供决策支持:***提供的预测结果和预警信息可以为运维人员的决策提供重要支持,帮助他们更好地规划维护工作。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明一种基于GIS的电网灾害监测及预警***的***框图。
图2是本发明一种基于GIS的电网灾害监测及预警***的关联处理流程示意图;
图3是本发明一种基于GIS的电网灾害监测及预警***的预警分析流程示意图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
请参阅图1和图3所示,本发明为一种基于GIS的电网灾害监测及预警***,包括:
数据监测单元,用于获取目标区域内的电网设施的监测数据;
监测数据包括:通过沉降传感器获得的沉降参数及通过偏移传感器获得的偏移参数;
参数处理单元,用于处理和分析在预定监测周期内收集的沉降参数和偏移参数,随后通过预设的计算公式计算出各个时间节点上沉降参数对应的第一参占系数以及偏移参数对应的第二参占系数;具体如下:
SS1、在预先节选的监测周期中,按照时间的先后顺序选取若干个时间间隔相同的时间节点,并从若干个时间节点上获取对应的沉降参数;
同时将沉降参数标记为Ci,i=1、2、……n,n表示时间节点的数量;
SS2、通过计算出各个时间节点上沉降参数在该监测周期内对应的沉降占比CBi;式中,i的值不为n,且所有沉降占比CBi中不包含CB1;
SS3、通过计算得到CB1至CBn这一组沉降占比的偏离值U;
式中,其表示为对应所有沉降占比CBi的平均值;
SS4、随之将U与预设的离散阈值Uy进行比较:
若将U>Uy,则表示该子项目的偏离值较大,之后按照|CBi-CBp|从大到小的顺序依次删除对应的CBi值并对应计算剩余的偏离值U,直至U≤Uy;
之后提取未被删除的CBi及其对应的Ci,并求取未被删除CBi对应的Ci的平均值Cp;
SS5、在所有时间节点上对应的沉降参数Ci中,将对应的时间节点被删除的沉降参数Ci替换为Cp;
SS6、通过计算出各个时间节点上沉降参数对应的第一参占系数E1i,式中,对应的时间节点被删除的沉降参数Ci选为Cp;
SS7、接着获取若干个时间节点上的偏移参数,并按照SS1-SS6的方式,计算出各个时间节点上偏移参数对应的第二参占系数E2i;
在本实施例中,参数处理单元的设计使得基于GIS的电网灾害监测及预警***在数据处理上更为高效、准确和可靠,为电网设施的健康监控和维护提供了强有力的技术支持;
通过自动化的参数处理流程,***可以快速计算各个时间节点上的沉降参数的第一参占系数和偏移参数的第二参占系数,提高了数据处理的效率;通过预设的计算公式精确地分析监测数据,确保了第一参占系数和第二参占系数的准确性,为后续的预警分析提供了可靠的数据基础,自动化处理减少了手动干预,降低了因人为操作导致的错误和偏差,保障了数据处理结果的客观性和一致性,通过对异常值的识别和处理,如删除偏离值较大的数据点,***能够确保监测数据的稳定性和可靠性,避免异常数据对预警结果的影响。
联网获取单元,用于通过互联网技术获取目标区域内气象数据;
气象数据包括温度参数、湿度参数、风速参数、降雨量;
其中,温度参数、湿度参数、风速参数均为实时采集的区域性数据,降雨量为周期性采集的点位数据;
区域性数据指代为以目标区域为标准范围获取的相关数据;
点位数据指代为在目标区域中设立多个采集点,在各个采集点采集的相关数据;
且气象数据又以当前时间为基准,将在当前时间之前的定为历史气象数据,将在当前时间之后的定为预测气象数据,历史气象数据指代为在目前区域范围内,前期已经发生并监测到的温度参数、湿度参数、风速参数、降雨量,预测气象数据指代为在目前区域范围内,未来指定时期内预测的温度参数、湿度参数、风速参数、降雨量;
联网处理单元,用于在预先节选的监测周期内获取相应的所有温度参数、湿度参数、风速参数、降雨量,并对其进行标准化处理;
在该实施例中,标准化处理为对历史气象数据进行处理,标准化处理方式如下:
SX1、将预先节选的监测周期划分为若干个标准时段,且标准时段依据两个相邻时间节点的间隔时间确定,且标准时段的数量为n-1;
SX2、在对应标准时段内获取相应的所有温度参数、湿度参数、风速参数、降雨量;
SX3、温度参数、湿度参数、风速参数的标准化处理方式相同,且其采用四分位数间距法进行标准化处理,以温度参数为例:
具体如下:
Step31、首先按照从小到大的顺序对温度参数进行排序,形成温度序列表;
Step32、从温度序列表内的所有电压参数中,选定第一四分位数Q1和第三四分位数Q3;
Step33、通过IQR=Q3-Q1,计算得到四分位数间距IQR,其中,四分位数间距IQR反映了中间50%数据的离散程度;
Step34、通过公式Rmin=Q1-t*IQR和Rmax=Q3+t*IQR,分别计算出标准化判断值Rmin和Rmax,式中,t为固定值;
Step35、在标准时段内,提取小于Rmin的温度参数、大于Rmax的温度参数以及大于等于Rmin且小于等于Rmax的温度参数,并分别求取其平均值,得到W1、W2和W3;
然后将该所有平均值组成温度集合W0∈[W1、W2、W3];
以此类推,分别得到湿度参数、风速参数相应的湿度集合S0∈[S1、S2、S3]、风速集合F0∈[F1、F2、F3];
且温度集合、湿度集合和风速集合即为标准化处理后的标准数据;
SX4、降雨量的标准化处理方式具体为:将多个采集点采集的降雨量信息进行均值计算,且其计算结果记为标准时段的降雨均量,即为标准化处理后的标准数据;
在本实施例中,联网处理单元通过对气象数据的标准化处理,不仅提高了数据处理的效率和准确性,还为电网设施的安全监测和预警提供了可靠的数据支持,有助于减少因气象因素导致的电网故障,确保电网的稳定运行;
通过将监测周期划分为标准时段,并针对每个标准时段进行统一的标准化处理,***能够高效地处理大量的气象数据;同时采用四分位数间距法进行标准化处理,使得温度参数、湿度参数、风速参数等气象数据具有更好的可比性,便于在不同时间周期或不同地理位置之间进行比较分析;又通过识别并处理小于Rmin和大于Rmax的异常值,减少了极端天气事件对数据分析结果的影响,提高了数据的稳定性和可靠性。
关联处理单元,用于对气象数据和参数处理后的监测数据进行关联处理;
关联处理方式如下:
SZ1、基准参数确定
以同一地理位置的电网设施为例,将位于监测周期开始阶段的首个时间节点对应的沉降参数记为基准参数;
SZ2、计算阶段沉降差和阶段偏移差
随之在除位于监测周期开始阶段的首个时间节点之外的所有时间节点中,将对应各个时间节点对应的沉降参数减去基准参数,得到对应的阶段沉降差,且阶段沉降差的数量为n-1;
同理,计算出相应的阶段偏移差;
SZ3、建立映射关系和导入预警分析模型
随后将对应时间节点的阶段沉降差分别与标准化处理的得到的温度集合、湿度集合、风速集合、降雨均量建立映射关系,并导入预训练的预警分析模型中;
同时将对应时间节点的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差建立映射关系,并导入预训练的预警分析模型中;
在该实施例中,映射可以基于向量机、卷积神经网络或循环神经网络等多种方法;
联网处理单元还用于将未来监测周期内划分为若干个标准时段,并对获取的预测气象数据进行标准化处理,其方式与在预先节选的监测周期内获取相应的所有温度参数、湿度参数、风速参数、降雨量进行标准化处理的方式相同;
预警分析单元,用于结合标准化处理后的预测气象数据对目标区域内的电网设施进行预警分析;
其方式如下:
ST1、数据导入
将标准化处理后的预测气象数据内的温度参数、湿度参数、风速参数、降雨量导入预训练的预警分析模型中;
ST2、相近度匹配
预警分析模型将预测气象数据与建立映射关系的历史气象数据相近度匹配;
相近度匹配方式为:
以预测气象数据内温度参数为例:
将预测气象数据内温度参数得到的温度集合与预警分析模型中的以历史气象数据内温度参数得到的温度集合进行差值分析计算,并得到分析判定值;
差值分析计算的公式如下:
式中,Wy表示为分析判定值,W1、W2、W3表示为历史气象数据内温度参数得到的温度集合中的值,W01、W02、W03表示为预测气象数据内温度参数得到的温度集合中的值,α1、α2、α3为预设的比例因子;
随之获取分析判定值最小的历史气象数据相应温度集合作为匹配结果;
ST3、映射参数获取和未来监测周期分析
并依据匹配结果获取对应映射的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差;
以此类推,获取未来监测周期内各个标准时段得到的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差;
并将未来监测周期内各个标准时段得到的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差重新标记为E1j、E2j、JCj、JPj,j=1、2、……m,m表示未来监测周期内各个标准时段的数量;
ST4、判定系数计算
通过公式计算出未来监测周期内的判定系数PD;
式中,d1和b1表示为电网设施在按照时,通过沉降传感器获得的沉降参数和偏移传感器获得的偏移参数,其为固定值,d2和b2表示为在当前时间节点,通过沉降传感器和移传感器对相应电网设施获得的沉降参数和偏移参数,β1和β2为预设的占比系数;
ST5、预警信号生成
随之将未来监测周期内的判定系数PD与预先设置的判定阈值PDy进行比较:
PD≥PDy,则生成预警信号,表示目标区域内相应的电网设施受气象影响会产生异常,需要相关人员进行提前做好预防措施,对其进行维护;
PD<PDy,则不生成预警信号,表示目标区域内相应的电网设施不受气象影响,且相应的电网设施后续运行正常;
在本实施例中,预警分析单元的设计使得基于GIS的电网灾害监测及预警***在预警功能上更为高效、准确和可靠,为电网设施的健康监控和维护提供了强有力的技术支持
通过将预测气象数据与历史气象数据进行相近度匹配,***能够更准确地预测未来气象条件对电网设施的潜在影响,从而提前发出预警;
利用差值分析计算方法,***可以有效地处理和分析大量的气象数据,提高了数据处理的效率和质量;结合第一参占系数、第二参占系数、阶段沉降差和阶段偏移差等关键指标,***能够更全面地评估电网设施的安全状况,实现精细化管理;
降低运维成本:通过准确的预警分析,可以减少不必要的维护和修复工作,节省人力物力,降低运维成本;***能够及时生成预警信号,帮助运维人员快速响应,缩短反应时间,有效避免或减少因气象因素导致的电网故障;通过对电网设施的实时监测和预警,***有助于预防和减少因气象原因导致的停电事件,保障电力供应的稳定性;电网设施的稳定直接关系到公共安全,预警分析单元的有效运作有助于提高公众的生活质量和安全感。
实施例二
作为本发明的实施例二,本申请在具体实施时,相较于实施例一,本实施例的技术方案与实施例一的区别仅在于本实施例中,本实施例中,数据监测单元还利用GIS技术获取与电网设施相应的GIS信息,GIS信息表示为电网设施的地理位置;
同时,本***还包括:
界面显示单元,用于通过PC端和移动端显示预警信号,并依据预警信号获取电网设施相应的GIS信息,随之将其展现给相关人员;
本实施例整合GIS技术,使得预警信息具有地理位置参考,便于运维人员快速定位问题,同时通过PC端和移动端展示预警信息,提高信息的可访问性和应急响应效率。
实施例三
作为本发明的实施例三,本申请在具体实施时,相较于实施例一和实施例二,本实施例的技术方案是在于将上述实施例一和实施例二的方案进行组合实施;
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于GIS的电网灾害监测及预警***,其特征在于,包括:
数据监测单元,用于获取目标区域内的电网设施的监测数据,监测数据包括沉降参数和偏移参数;
参数处理单元,用于处理和分析在预定监测周期内收集的沉降参数和偏移参数,随后通过预设的计算公式计算出各个时间节点上沉降参数对应的第一参占系数以及偏移参数对应的第二参占系数;
联网获取单元,用于通过互联网技术获取目标区域内气象数据,气象数据包括温度参数、湿度参数、风速参数、降雨量,且气象数据又以当前时间为基准划分为历史气象数据和预测气象数据;
联网处理单元,用于将历史气象数据和预测气象数据依据预定的标准化处理方式对其进行标准化处理;
关联处理单元,用于对气象数据和参数处理后的监测数据进行关联处理,其方式为:以监测周期开始阶段的首个时间节点的沉降参数作为基准参数,接着计算除首个时间节点外的其他时间节点与基准参数之间的阶段沉降差,同理计算出相应的阶段偏移差,随后将第一参占系数、第二参占系数、阶段沉降差和偏移差与经过标准化处理的温度、湿度、风速和降雨量数据集建立映射关系,并输入到预训练的预警分析模型中;
预警分析单元,用于结合标准化处理后的预测气象数据对目标区域内的电网设施进行预警分析;其方式为:通过在预测气象数据和历史气象数据中获取最佳匹配结果,再根据匹配结果,获取对应的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差,并通过预定的公式计算出未来监测周期内的判定系数,并与预先设置的判定阈值进行比较,并在判定系数大于或等于判定阈值时,生成预警信号。
2.根据权利要求1所述的一种基于GIS的电网灾害监测及预警***,其特征在于,所述参数处理单元的具体方式如下:
SS1、在预先节选的监测周期中,按照时间的先后顺序选取若干个时间间隔相同的时间节点,并从若干个时间节点上获取对应的沉降参数;
同时将沉降参数标记为Ci,i=1、2、……n,n表示时间节点的数量;
SS2、通过计算出各个时间节点上沉降参数在该监测周期内对应的沉降占比CBi;式中,i的值不为n,且所有沉降占比CBi中不包含CB1;
SS3、通过计算得到CB1至CBn这一组沉降占比的偏离值U;
式中,表示为对应所有沉降占比CBi的平均值;
SS4、随之将U与预设的离散阈值Uy进行比较:
若将U>Uy,则表示该子项目的偏离值较大,之后按照|CBi-CBp|从大到小的顺序依次删除对应的CBi值并对应计算剩余的偏离值U,直至U≤Uy;
之后提取未被删除的CBi及其对应的Ci,并求取未被删除CBi对应的Ci的平均值Cp;
SS5、在所有时间节点上对应的沉降参数Ci中,将对应的时间节点被删除的沉降参数Ci替换为Cp;
SS6、通过计算出各个时间节点上沉降参数对应的第一参占系数E1i,式中,对应的时间节点被删除的沉降参数Ci选为Cp;
SS7、接着获取若干个时间节点上的偏移参数,并按照SS1-SS6的方式,计算出各个时间节点上偏移参数对应的第二参占系数E2i。
3.根据权利要求2所述的一种基于GIS的电网灾害监测及预警***,其特征在于:其中,温度参数、湿度参数、风速参数均为实时采集的区域性数据,降雨量为周期性采集的点位数据;
区域性数据指代为以目标区域为标准范围获取的相关数据;
点位数据指代为在目标区域中设立多个采集点,在各个采集点采集的相关数据。
4.根据权利要求3所述的一种基于GIS的电网灾害监测及预警***,其特征在于:选取历史气象数据进行标准化处理,其方式如下:
SX1、将预先节选的监测周期划分为若干个标准时段,且标准时段依据两个相邻时间节点的间隔时间确定,且标准时段的数量为n-1;
SX2、在对应标准时段内获取相应的所有温度参数、湿度参数、风速参数、降雨量;
SX3、温度参数、湿度参数、风速参数的标准化处理方式相同,且其采用四分位数间距法进行标准化处理,选取温度参数进行处理的方式如下:
Step31、首先按照从小到大的顺序对温度参数进行排序,形成温度序列表;
Step32、从温度序列表内的所有电压参数中,选定第一四分位数Q1和第三四分位数Q3;
Step33、通过IQR=Q3-Q1,计算得到四分位数间距IQR,其中,四分位数间距IQR反映了中间50%数据的离散程度;
Step34、通过公式Rmin=Q1-t*IQR和Rmax=Q3+t*IQR,分别计算出标准化判断值Rmin和Rmax,式中,t为固定值;
Step35、在标准时段内,提取小于Rmin的温度参数、大于Rmax的温度参数以及大于等于Rmin且小于等于Rmax的温度参数,并分别求取其平均值,得到W1、W2和W3;
然后将该所有平均值组成温度集合W0∈[W1、W2、W3];
以此类推,分别得到湿度参数、风速参数相应的湿度集合S0∈[S1、S2、S3]、风速集合F0∈[F1、F2、F3];
且温度集合、湿度集合和风速集合即为标准化处理后的标准数据;
SX4、降雨量的标准化处理方式具体为:将多个采集点采集的降雨量信息进行均值计算,且其计算结果记为标准时段的降雨均量,即为标准化处理后的标准数据。
5.根据权利要求4所述的一种基于GIS的电网灾害监测及预警***,其特征在于:关联处理的具体方式如下:
SZ1、选取同一地理位置的电网设施,将位于监测周期开始阶段的首个时间节点对应的沉降参数记为基准参数;
SZ2、随之在除位于监测周期开始阶段的首个时间节点之外的所有时间节点中,将对应各个时间节点对应的沉降参数减去基准参数,得到对应的阶段沉降差,且阶段沉降差的数量为n-1;
同理,计算出相应的阶段偏移差;
SZ3、随后将对应时间节点的阶段沉降差分别与标准化处理的得到的温度集合、湿度集合、风速集合、降雨均量建立映射关系,并导入预训练的预警分析模型中;
SZ4、同时将对应时间节点的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差建立映射关系,并导入预训练的预警分析模型中。
6.根据权利要求5所述的一种基于GIS的电网灾害监测及预警***,其特征在于:映射基于向量机、卷积神经网络或循环神经网络中的任意一种方法实现。
7.根据权利要求5所述的一种基于GIS的电网灾害监测及预警***,其特征在于:所述预警分析单元的方式如下:
ST1、将标准化处理后的预测气象数据内的温度参数、湿度参数、风速参数、降雨量导入预训练的预警分析模型中;
ST2、预警分析模型将预测气象数据与建立映射关系的历史气象数据相近度匹配,相近度匹配方式为:
选取预测气象数据内温度参数,将预测气象数据内温度参数得到的温度集合与预警分析模型中的以历史气象数据内温度参数得到的温度集合进行差值分析计算,并得到分析判定值;
随之获取分析判定值最小的历史气象数据相应温度集合作为匹配结果;
ST3、并依据匹配结果获取对应映射的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差;
以此类推,获取未来监测周期内各个标准时段得到的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差;
并将未来监测周期内各个标准时段得到的第一参占系数、第二参占系数、阶段沉降差和阶段偏移差重新标记为E1j、E2j、JCj、JPj,j=1、2、……m,m表示未来监测周期内各个标准时段的数量;
ST4、通过公式计算出未来监测周期内的判定系数PD;
式中,d1和b1表示为电网设施在按照时,通过沉降传感器获得的沉降参数和偏移传感器获得的偏移参数,其为固定值,d2和b2表示为在当前时间节点,通过沉降传感器和移传感器对相应电网设施获得的沉降参数和偏移参数,β1和β2为预设的占比系数;
ST5、随之将未来监测周期内的判定系数PD与预先设置的判定阈值PDy进行比较:
若PD≥PDy,则生成预警信号;
若PD<PDy,则不生成预警信号。
8.根据权利要求7所述的一种基于GIS的电网灾害监测及预警***,其特征在于:差值分析计算的公式如下:
式中,Wy表示为分析判定值,W1、W2、W3表示为历史气象数据内温度参数得到的温度集合中的值,W01、W02、W03表示为预测气象数据内温度参数得到的温度集合中的值,α1、α2、α3为预设的比例因子。
9.根据权利要求1所述的一种基于GIS的电网灾害监测及预警***,其特征在于:所述数据监测单元还利用GIS技术获取与电网设施相应的GIS信息,GIS信息表示为电网设施的地理位置。
10.根据权利要求9所述的一种基于GIS的电网灾害监测及预警***,其特征在于:界面显示单元,用于通过PC端和移动端显示预警信号,并依据预警信号获取电网设施相应的GIS信息,随之将其展现给相关人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410370212.2A CN118280069A (zh) | 2024-03-28 | 2024-03-28 | 一种基于gis的电网灾害监测及预警*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410370212.2A CN118280069A (zh) | 2024-03-28 | 2024-03-28 | 一种基于gis的电网灾害监测及预警*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118280069A true CN118280069A (zh) | 2024-07-02 |
Family
ID=91641567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410370212.2A Pending CN118280069A (zh) | 2024-03-28 | 2024-03-28 | 一种基于gis的电网灾害监测及预警*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118280069A (zh) |
-
2024
- 2024-03-28 CN CN202410370212.2A patent/CN118280069A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109765883B (zh) | 配电自动化终端运行状态评价与故障诊断方法 | |
CN111045117B (zh) | 一种气候监测预测平台 | |
US9158035B2 (en) | System and method of automated acquisition, correlation and display of power distribution grid operational parameters and weather events | |
CN109146093A (zh) | 一种基于学习的电力设备现场勘查方法 | |
CN106600447B (zh) | 一种变电站巡检机器人集中监控***大数据云分析方法 | |
CN114781476B (zh) | 一种量测设备故障分析***和方法 | |
CN114383652A (zh) | 一种配电网潜在故障在线风险辨识方法、***及装置 | |
CN117390403B (zh) | 一种新能源灯塔发电站的电网故障检测方法及*** | |
CN115526355A (zh) | 一种用于共享车辆的智能监测管理方法、***及电子设备 | |
CN117458722B (zh) | 基于电力能源管理***的数据监控方法及*** | |
CN117150418B (zh) | 基于状态特征故障树的变压器运检周期制定方法和*** | |
CN112016739B (zh) | 故障检测方法、装置、电子设备及存储介质 | |
CN116720983A (zh) | 一种基于大数据分析的供电设备异常检测方法及*** | |
CN118280069A (zh) | 一种基于gis的电网灾害监测及预警*** | |
CN114740419A (zh) | 基于“三维图”分析台区电表误差的方法、装置、设备和介质 | |
CN114236448A (zh) | 一种基于大数据的计量装置故障检修*** | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及*** | |
CN117113157B (zh) | 一种基于人工智能的台区用电故障检测*** | |
CN117875946B (zh) | 一种用于变电站设备运维的人机协同自主红外巡检方法 | |
CN117978628B (zh) | 一种基于智慧园区通信控制方法及*** | |
CN117197770B (zh) | 一种基于物联网的巡检全流程数据监管***及方法 | |
CN118094262B (zh) | 一种基于空间聚类的负荷异常值检测方法 | |
CN117691743B (zh) | 考虑深度效应的配网停电判断方法及*** | |
CN117333131A (zh) | 一种基于大数据的配电站监控调配*** | |
CN117639260A (zh) | 一种基于可靠性分析的巡视管理方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |