CN103439629B - 基于数据网格的配电网故障诊断系统 - Google Patents

基于数据网格的配电网故障诊断系统 Download PDF

Info

Publication number
CN103439629B
CN103439629B CN201310337256.7A CN201310337256A CN103439629B CN 103439629 B CN103439629 B CN 103439629B CN 201310337256 A CN201310337256 A CN 201310337256A CN 103439629 B CN103439629 B CN 103439629B
Authority
CN
China
Prior art keywords
data
fault
diagnosis
agent
information
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
Application number
CN201310337256.7A
Other languages
English (en)
Other versions
CN103439629A (zh
Inventor
李天友
王庆华
李伟新
陈彬
张功林
陈青
高湛军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Shandong University
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
Xiamen Power Supply Co of State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Shandong University
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
Xiamen Power Supply Co of State Grid Fujian Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Shandong University, Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd, State Grid Fujian Electric Power Co Ltd, Xiamen Power Supply Co of State Grid Fujian Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201310337256.7A priority Critical patent/CN103439629B/zh
Publication of CN103439629A publication Critical patent/CN103439629A/zh
Application granted granted Critical
Publication of CN103439629B publication Critical patent/CN103439629B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Computer And Data Communications (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种新型配电网故障诊断架构，尤其涉及一种基于数据网格的配电网故障诊断系统，其采用数据网格技术在设备层对信息进行提取及预处理，为故障诊断程序提供一致的数据视图，不仅解决了故障诊断系统的通信问题，而且避免了数据在调度端的过度积压。提供了一种分布式故障诊断系统以适于网格环境。分布式系统能够为日趋复杂的故障诊断算法提供高性能的分布式计算策略，分布式系统所拥有的高性能计算能力极大的提升了复杂诊断程序的运行速度，使时间耗费以及诊断结果达到最优。MAS系统能够根据故障特点以及用户需求选取最适合的Agent进行故障诊断，使诊断程序在时间耗费以及诊断结果上达到的最优。

Description

基于数据网格的配电网故障诊断系统
技术领域
本发明涉及一种新型配电网故障诊断架构，尤其涉及一种基于数据网格的配电网故障诊断系统。
背景技术
作为智能电网可“自愈性”能够实现的前提，电力系统故障诊断方法一直是国内外研究的重点课题。目前发展比较成熟的诊断方法，例如专家系统、优化方法、Petri网等，在告警信息完全正确的环境下，均能够比较准确的诊断出故障元件，包括在有保护及开关误动、拒动的情况。然而就提高整个故障诊断系统的速度和准确性而言，尚存以下几个问题有待解决：
第一，通信问题。智能诊断算法所依赖的数据完全在线获取，在出现数据丢失、畸变等情况下，准确定位故障元件需要对所有异常情况进行概率分析，导致程序具有较高的复杂度。在目前的工程应用当中，信号丢失及上传错误的情况经常发生，其主要原因在于当前的故障信息系统在故障的第一时间将保护动作信息、断路器动作信息、开关信息、负荷控制系统信息、电表信息等上传至配电调度端，而故障往往涉及的开关、负荷控制系统、电表等元件很多，且故障信号几乎同时发送，所以故障时刻调度端的故障数据服务器会处于高负荷状态，难免出现错误应答的现象。
第二，实时性问题。故障诊断系统主要依赖保护动作信息、断路器跳闸信息、开关信息、负荷控制系统信息、电表信息。保护动作信号由保护柜采集，断路器、开关跳闸信号要从配电自动化系统获取，负荷控制系统信息要从负荷控制中心服务器获取，电表信息要从用电信息采集系统获取，并都通过故障信息系统上传至配电调度中心；链路通信以及服务器访问是两个不可避免的环节，这其中的代价是以秒级来计算的。另外，调度端故障诊断服务器上集中了拓扑分析、智能诊断算法等复杂模块，推理过程往往涉及大量的数据库和知识库，因而诊断服务器在分析复杂故障时往往处于高负荷状态，在诊断速度上难以满足工程需求。
第三，诊断方法的择优问题。目前故障诊断算法发展的各个分支领域，均有各自的特点及优势，例如Petri网的诊断速度较快，但容错性稍差，而专家系统的优势在于容错性好，但对硬件要求较高。另一方面，配电网故障的形式也呈现多样化。如何根据电网故障的特点动态选择最优的方法进行故障诊断，从而使诊断速度和结果达到最佳，目前尚无很好的分析方法。
发明内容
本发明的目的在于根据现有技术的不足之处而提供一种能够提供及时可靠的数据采集功能、极大的提高诊断程序的运行速度的基于数据网格的配电网故障诊断系统。
本发明的目的是通过以下途径来实现的：
基于数据网格的配电网故障诊断系统，其要点在于，包括如下组成：
提供适用于故障数据收集的网格体系结构，具体包括：
（1）网络层：提供整体框架运行所需的Internet和Intranet基础网络环境，包括各种网络通信设备以及物理连接；
（2）资源层：能够将所有收集到的与故障诊断相关的数据封装为Grid Services以便被上一层所访问；
（3）构造层：基于P2P技术，能够屏蔽掉底层各类数据格式之间的访问差异，作为各种操作系统之间的对象传输工具。
（4）知识层：包括元数据仓库、拓扑知识库、保护知识库和路由信息库，其中，元数据仓库为系统提供全局资源的信息索引服务；拓扑知识库和保护知识库存放故障诊断需要的所有外围数据，两者构成了领域知识本体库；该层的数据库/知识库构成一个分布式数据系统，为上层模块提供透明、快速的数据获取功能；
（5）服务层；按照服务内容分为查询处理、资源发现、副本管理、执行调度和服务质量监控；
（6）用户层；为调度人员提供良好的界面视图，并为数据应用程序提供节点入口管理；
提供基于XML的复杂数据表示机制及其处理：对两类复杂数据进行查询处理，即来自拓扑知识库的拓扑数据和来自保护知识库的保护信息：
（1）将拓扑数据Topology包映射为两个新类：Vertex类和adjNode类；其中Vertex类代表所有电气元件的集合，而adjNode类表示与某一电气元件v(v∈Vertex)发生关联的元件集合；通过对Vertex以及adjNode的链式搜索，得到以XML形式表示的全网的拓扑数据；
（2）对于保护信息，使用语义网络表示法首先对保护及保护屏进行知识描述，然后通过XML语言将异构数据映射为统一模式；
（3）映射为XML时，基于以下三点：a、语义网络中的非末端节点映射为XML中的复杂元素，其中保护屏对应于根元素；b、语义网络中的末端节点对应于XML中的简单数据类型；c、对于非末端节点中的“与”节点，其前驱节点可直接作为其后继节点的子元素；通过对各类保护的概念抽象，实现保护语义与XML文档之间的映射；
提供分布式故障诊断流程：
（1）构建故障诊断框架：配电网的分布式诊断框架由通信、拓扑处理、综合处理、外部数据获取四个子系统组成，底层通过数据网格体系结构相连接，相互之间可以通过电力系统专用网进行通。
（2）诊断流程为：故障发生后，通信子系统首先通过数据网格门户从故障数据缓存区接口提取断路器跳闸信号，开关断开信号和保护动作信号并分别提供给拓扑处理子系统和综合处理子系统；拓扑处理子系统由跳闸断路器信息和开关断开信号触发，通过访问拓扑知识库得到初步的停电区域；综合处理子系统是整个分布式系统的主程序，可以根据从其他系统提取的保护信息、主停电区域、跳闸断路器位置信息以及辅助停电区域在众多的诊断算法中选取最优的一个进行故障诊断；外部数据获取子系统负责将负荷控制系统信息和电表信息等外部数据进行辅助故障诊断；
提供基于评估机制的MAS诊断数学模型：以多Agent系统(multi‐agent system，MAS)作为故障诊断程序的核心，根据故障特点选取最优、最合适的Agent进行故障诊断，具体的运行在任务分配Agent上的评估模型定义如下：
定义：在MAS中由m个诊断Agent组成集合A={A1,A2,…,Am}，对于Ai(Ai∈A)，其评估模型由以下4部分组成：
①Ai具有资源竞争属性集合R={R1,R2,…,Rn}；
②每一个资源Rj(Rj∈R)具有价值比率Wj且
③评估函数 E = Σ j = 1 n R j W j ;
④根据用户需求动态调整价值比率Wj；
评估MAS中诊断Agent的竞争能力包括硬件资源竞争能力和任务竞争能力，其中硬件资源竞争能力从诊断Agent测试运行时平均CPU占用率(UCPU)和内存使用率(URAM)两个因素分析，而任务竞争能力的主要参数是程序的容错性(fault tolerance，FT)和辅助程序处理效率(efficiency of auxiliary program，EAP)；
其中FT的定义为：故障诊断Agent收到n条关键报警信息，如果在m条信息缺失或者发生畸变的情况下仍然能够准确判断出故障元件，则max(m)/n称作Agent程序的容错性；
而EAP的定义为：指在核心诊断程序运行之前进行数据预处理程序的运行效率，量化标准为：以时间复杂度为参考，其优势操作任务占整个任务处理队列的比例；
因此结合上述的评估函数，诊断Agent的评估模型为：
EAgent=WCPU(1-UCPU)+WRAM(1-URAM)+WFTFT+WEAPEAP
其中：中WCPU、WRAM、WFT和WEAP分别为Ucpu、URAM、FT、EAP的价值比率；
提供系统的逻辑诊断框架，包括：
（1）最底层为设备层，为上层提供故障诊断所需的各类数据；在网格体系架构中，保护、断路器及开关量信息直接被OGSA‐DAI客户端程序Winpcap抓包并上传至上层数据网格服务器；其他信息如拓扑、保护配置数据等可通过综自数据服务器或FTP服务器上传；
（2）中间层为网格层，负责故障数据的收集与分发；其中数据网格服务器上部署着Tomcat和GT4，Tomcat服务器为OGSA‐DAI提供运行环境，GT4服务器为OGSA‐DAI提
供运行各种服务的网格中间件。
（1）最上层为配电调度端，诊断数据服务器上运行除通信子系统以外分布式系统的驻守程序，将诊断需要的数据交给Agent宿主机中的于评估机制的MAS诊断数学模型做最终诊断。
综上所述，本发明的有益效果在于：
1．采用数据网格技术在设备层对信息进行提取及预处理，为故障诊断程序提供一致的数据视图，不仅解决了故障诊断系统的通信问题，而且避免了数据在调度端的过度积压。
2．设计了一种分布式故障诊断系统以适于网格环境。分布式系统能够为日趋复杂的故障诊断算法提供高性能的分布式计算策略，分布式系统所拥有的高性能计算能力极大的提升了复杂诊断程序的运行速度，使时间耗费以及诊断结果达到最优。
3.MAS系统能够根据故障特点以及用户需求选取最适合的Agent进行故障诊断，使诊断程序在时间耗费以及诊断结果上达到的最优。
附图说明
图1所示为本发明所述适用于故障数据收集的网格体系结构的框架示意图。
图2所示为本发明网格体系结构中的拓扑知识库的结构示意图。
图3所示为本发明网格体系结构中的保护知识库的结构示意图。
图4所示为本发明网格体系结构中Topology包向全网拓扑的映射方法示意图。
图5所示为在对保护信息进行基于XML的复杂数据表示机制及其处理时的描述方法示意图。
图6所示为本发明所述分布式故障诊断框架的工作流程示意图。
图7所示为本发明所述基于数据网格的配电网故障诊断系统的逻辑框架实现概图。
下面根据附图对本发明做进一步描述。
具体实施方式
一种基于数据网格的配电网故障诊断架构，具体步骤为：
步骤一：适用于故障数据收集的网格体系结构：
当前的电力系统数据获取方式仍然沿用集中获取方式，已经不能适应未来智能电网的功能需求。集中获取方式多为客户机/服务器(C/S)模式，数据不加处理直接上传至调度端，大量信息极易在服务器端形成堆积，进而产生网络拥塞、信息畸变等情况。鉴于故障诊断系统对数据传输质量以及诊断速度的迫切要求，本发明使用数据网格技术单独处理故障信息，其目的是给上层的诊断程序更加稳定、快捷的数据接口，而分布式故障诊断程序仅把诊断结果提交给调度中心。这样既能够避免数据在调度端的过度拥塞，又能利用分布式处理技术提高诊断速度。
故障诊断所需数据主要包括保护动作信息、断路器跳闸信息、开关信息、负荷控制系统信息、电表信息、配电网拓扑。基于OGSA‐DAI(open grid services architecture‐data access andintegration)规范，提出的适用于配电网故障诊断的数据网格体系结构如图1所示。
各层功能介绍如下：
（1）网络层。提供整体框架运行所需的Internet和Intranet基础网络环境，包括各种网络通信设备以及物理连接。
（2）资源层。其核心是OGSA‐DAI。OGSA‐DAI是一个中间件产品，是在Globus平台上建造的通过网格访问以集成不同孤立数据源的中间件，它允许数据资源，如关系数据库或者XML数据库通过Grid Services来访问。它能够将所有收集到的与故障诊断相关的数据封装为GridServices以便被上一层所访问。
（3）构造层。对等计算(Peer to Peer，P2P)是指通过系统之间的直接交换来共享计算机资源和服务的一种计算模式。由于网格技术能够实现基于标准、安全的资源管理，但是系统的扩展性不强；而P2P技术的可扩展性和容错性很强，但标准化和安全性方面存在缺陷。因此本文将P2P技术引入数据网格的构造层，使两者形成互补。简单对象访问协议(Simple ObjectAccess Protocol，SOAP)具有与分布式计算平台无关的特点，可屏蔽掉底层各类数据格式(例如报警信息、变电站配置文件等)之间的访问差异，能够作为各种操作系统之间的对象传输工具。
（4）知识层。元数据是记录数据网格自身结构信息的数据，元数据仓库为系统提供全局资源的信息索引服务，具有元数据管理和数据库服务发现等功能。拓扑知识库和保护知识库存放故障诊断需要的所有外围数据，两者构成了领域知识本体库。拓扑知识库通过分析变电站配置文件得到，具备多分段多联络、三分段三联络、双环网等复杂线路的知识表示及分析方法。其结构如图2所示。
保护知识库主要存储各类保护的设备参数，对各种厂家、各种型号保护的正确动作及不正确动作历史情况进行分类管理。提供的主要服务是对保护进行可靠性分析，并得到保护动作的置信度。其结构如图3所示。
该层的数据库/知识库构成一个分布式数据系统，互相备份、增加安全性的同时，能够为上层模块提供透明、快速的数据获取功能。
（5）服务层。按照服务内容分为不同模块。其中，查询处理通过解析用户请求，对所发现的服务资源进行查询重写，生成由多个子查询组成的分布式查询。资源发现基于拓扑知识库和保护知识库进行知识融合，实现领域知识匹配，按需发现、定位资源服务。副本管理以副本的形式对数据进行备份，以保证服务资源元数据的完整性和有效性。执行调度根据网络通信情况为子查询动态分配网格计算节点，全局协调各子查询的执行。服务质量(quality ofservice，QoS)监控模块通过拥塞控制和差错控制等手段在故障发生时避免拥塞及数据包丢失、畸变。
（6）用户层。为调度人员提供良好的界面视图，并为数据应用程序提供节点入口管理。
步骤二：基于XML的复杂数据表示机制：
该框架主要对两类复杂数据进行查询处理，即拓扑数据和保护相关数据。为了给诊断程序提供统一、规范的数据接口，因此要对分布环境下大量的自治、异构数据源进行标准化。拓扑数据方面，由于IEC61970‐CIM模型定义了电网拓扑的构建标准，因此可将Topology包映射为两个新类：Vertex类和adjNode类。其中Vertex类代表所有电气元件的集合，而adjNode类表示与某一电气元件v(v∈Vertex)发生关联的元件集合。通过对Vertex以及adjNode的链式搜索，可得到以XML形式表示的全网的拓扑数据。从Topology包到Vertex类和adjNode类的映射关系如图4所示。
相比于拓扑数据，保护信息在描述方面缺乏统一标准，因此本发明使用语义网络表示法首先对保护及保护屏进行知识描述，然后通过XML语言将异构数据映射为统一模式。语义网络是一种网络图，通过对象及其语义关系来表达知识与知识之间的关系。为保护定义的语义关系主要有三类：等价关系(Same as)，继承关系(Is a)和构成关系(Composed of)，其描述的保护知识如图5所示。
映射为XML时，主要基于以下规则：(1)语义网络中的非末端节点映射为XML中的复杂元素，其中保护屏对应于根元素；(2)语义网络中的末端节点对应于XML中的简单数据类型；(3)对于非末端节点中的“与”节点，其前驱节点可直接作为其后继节点的子元素。通过对各类保护的概念抽象，实现保护语义与XML文档之间的映射，从而消除各种保护在计算机表示中的异构可能，给用户统一的数据界面。
XML是一种开放性标记语言，以标签的形式定义数据的属性和方法，因此可以屏蔽各种数据库、知识库模型中语义和语法的差异。提出的数据网格以XML为数据表示语言，在设备层面进行数据收集与知识加工，不仅提高了数据集成与传输效率，而且避免了报警信息在上传过程中发生的丢失或畸变等情况，消除了故障发生后大量数据上传造成的瓶颈。
对于故障诊断程序而言，电力数据网格对报警信号、拓扑及保护知识等底层异构数据进行了屏蔽，仅为其提供相应的数据接口。这种程序与数据分离的设计目的是当有更加先进的诊断程序出现后，不会影响底层的数据获取机制，使故障诊断框架有良好的可扩展性。
步骤三：分布式故障诊断程序设计：
（一）电网故障的分布式诊断框架设计。
分布式计算具备软硬件资源共享、适应异构环境、服务高效等特点，目前系统程序设计的重点正逐步从集中式计算向分布式计算模式转移。由于分布式系统注重在分布的知识描述和运行环境中处理问题，符合电网数据采集的特点，因此本文整体的电网诊断框架采用分布式系统。
分布式系统是由一组自治的计算机系统组成，它们通过网络或分布式中间件连接，可以协调彼此的活动并共享系统资源。配电网的分布式诊断框架由通信、拓扑处理、综合处理、外部数据获取四个子系统组成，底层通过数据网格相连接，相互之间可以通过电力系统专用网进行通信。
故障发生后，通信子系统首先通过数据网格门户从故障数据缓存区接口提取断路器跳闸信号，开关断开信号和保护动作信号并分别提供给拓扑处理子系统和综合处理子系统。拓扑处理子系统由跳闸断路器信息和开关断开信号触发，通过访问拓扑知识库得到初步的停电区域。综合处理子系统是整个分布式系统的主程序，可以根据从其他系统提取的保护信息、主停电区域、跳闸断路器位置信息以及辅助停电区域在众多的诊断算法中选取最优的一个进行故障诊断。外部数据获取子系统负责将负荷控制系统信息和电表信息等外部数据进行辅助故障诊断。由于四个系统是并行工作，极大的提高了整体效率。
整个系统的工作流程图如图6所示。
（二）基于评估机制的MAS诊断方法研究
相比于分布式专家系统，协同式系统更加强调各个子处理单元之间的交互以及对问题的协作处理，因此本文选用多Agent系统(multi‐agent system，MAS)作为故障诊断程序的核心。Agent是一种建立在高性能计算基础上的智能集成程序，MAS针对系统内不同Agent的特点，通过对问题的描述、具体化和任务分配，把任务分解给多个Agent或某一个最优的Agent来完成，其思想十分适合大规模诊断问题的智能求解。本文将故障诊断领域内发展成熟的算法实现为相应的诊断Agent，外加一个任务分配Agent组成诊断MAS。
通过MAS进行故障诊断的方法有两种，一种是通过运用评估机制选取某一个最优的Agent进行诊断；另一种是所有Agent分别诊断，如果诊断结果不同，则进行冲突消解。由于目前的故障诊断程序包括Petri网、专家系统、随机优化等均在各自领域有很好的研究成果并且在某一方面具有明显的优势，因此难以单纯采用某一种诊断方法对电网中出现的各种故障类型进行统一诊断。基于以上分析，本文引入评估机制根据故障特点选取最优、最合适的Agent进行故障诊断。运行在任务分配Agent上的评估模型定义如下。
定义：在MAS中由m个诊断Agent组成集合A={A1,A2,…,Am}，对于Ai(Ai∈A)，其评估模型由以下4部分组成：
①Ai具有资源竞争属性集合R={R1,R2,…,Rn}；
②每一个资源Rj(Rj∈R)具有价值比率Wj且
③评估函数 E = Σ j - 1 n R j W j ;
④可根据用户需求动态调整价值比率Wj；
任务分配Agent通过函数E对每一个诊断Agent进行评估，取最优Agent进行故障诊断。本发明主要从两方面评估MAS中诊断Agent的竞争能力，一是硬件资源竞争能力，二是任务竞争能力。其中硬件资源竞争能力主要从诊断Agent测试运行时平均CPU占用率(UCPU)和内存使用率(URAM)两个因素分析，而任务竞争能力的主要参数是程序的容错性(fault tolerance，FT)和辅助程序处理效率(efficiency of auxiliary program，EAP)。
FT定义如下：
定义：故障诊断Agent收到n条关键报警信息，如果在m条信息缺失或者发生畸变的情况下仍然能够准确判断出故障元件，则max(m)/n称作Agent程序的容错性。
EAP定义如下：
定义：EAP是指在核心诊断程序运行之前进行数据预处理程序的运行效率，量化标准为：以时间复杂度为参考，其优势操作任务占整个任务处理队列的比例。
故障诊断Agent的数据预处理主要是进行停电区域内的电网拓扑分析，由于电缆线路分析复杂度远小于架空线路分析，因此EAP主要按照架空线路分析复杂度计算。目前架空线路主要分为环网接线、辐射型接线和三分段三联络接线，本文将环网接线和辐射型接线分段划分为简单接线，三分段三联络接线为复杂接线方式。设停电区域内包含m个简单接线馈线和n个复杂接线馈线，则EAP的计算公式为：EAPAgent=OPT(O(f(m)),O(f(n)))/(m+n)，OPT()为计算方法取优函数。例如，Petri网处理简单接线的时间复杂度为O(LogN)，复杂接线为O(N2)；专家系统处理简单接线的时间复杂度为O(N)，复杂接线为O(NLogN)。可见Petri网在处理简单接线方面占优，而专家系统在处理复杂接线方面占优，故EAPPetri=m/m+n；EAPES=n/m+n。
因此，结合上述的评估函数，诊断Agent的评估模型为：
EAgent=WCPU(1-UCPU)+WRAM(1-URAM)+WFTFT+WEAPEAP
其中：中WCPU、WRAM、WFT和WEAP分别为Ucpu、URAM、FT、EAP的价值比率；
步骤四：系统实现：
整个框架在逻辑上分为三层，各层构成及作用介绍如下：
1)最底层为设备层，为上层提供故障诊断所需的各类数据。保护、断路器及开关量信息可直接被OGSA‐DAI客户端程序Winpcap抓包并上传至上层数据网格服务器(Data Grid erver)；其他信息如拓扑、保护配置数据等可通过综自数据服务器或FTP服务器上传。
2)中间层为网格层，主要负责故障数据的收集与分发。其中数据网格服务器上部署着Tomcat和GT4，Tomcat服务器为OGSA‐DAI提供运行环境，GT4服务器为OGSA‐DAI提供运行各种服务的网格中间件。另外，通信监控+FTP服务器上运行通信子系统以及QoS。中间层的服务器既可以放在调度中心，也可以由网络运营商托管。
3)最上层为配电调度端，诊断数据服务器上运行除通信子系统以外分布式系统的驻守程序，将诊断需要的数据交给Agent宿主机做最终诊断。
本文的具体实现方法如图7所示。
本发明未述部分与现有技术相同。

Claims (1)

1.基于数据网格的配电网故障诊断系统，其特征在于，包括如下组成：
提供适用于故障数据收集的网格体系结构，具体包括：
(1)网络层：提供整体框架运行所需的Internet和Intranet基础网络环境，包括各种网络通信设备以及物理连接；
(2)资源层：能够将所有收集到的与故障诊断相关的数据封装为Grid Services以便被构造层所访问；
(3)构造层：基于P2P技术，能够屏蔽掉底层各类数据格式之间的访问差异，作为各种操作系统之间的对象传输工具；
(4)知识层：包括元数据仓库、拓扑知识库、保护知识库和路由信息库，其中，元数据仓库为系统提供全局资源的信息索引服务；拓扑知识库和保护知识库存放故障诊断需要的所有外围数据，两者构成了领域知识本体库；该层的元数据仓库、拓扑知识库和保护知识库构成一个分布式数据系统，为服务层提供透明、快速的数据获取功能；
(5)服务层：按照服务内容分为查询处理、资源发现、副本管理、执行调度和服务质量监控；
(6)用户层：为调度人员提供良好的界面视图，并为数据应用程序提供节点入口管理；
提供基于XML的复杂数据表示机制及其处理：对两类复杂数据进行查询处理，即来自拓扑知识库的拓扑数据和来自保护知识库的保护信息：
(1)将拓扑数据Topology包映射为两个新类：Vertex类和adjNode类；其中Vertex类代表所有电气元件的集合，而adjNode类表示与某一电气元件v，v∈Vertex发生关联的元件集合；通过对Vertex以及adjNode的链式搜索，得到以XML形式表示的全网的拓扑数据；
(2)对于保护信息，使用语义网络表示法首先对保护及保护屏进行知识描述，然后通过XML语言将异构数据映射为统一模式；
(3)映射为XML时，基于以下三点：a、语义网络中的非末端节点映射为XML中的复杂元素，其中保护屏对应于根元素；b、语义网络中的末端节点对应于XML中的简单数据类型；c、对于非末端节点中的“与”节点，其前驱节点可直接作为其后继节点的子元素；通过对各类保护的概念抽象，实现保护语义与XML文档之间的映射；
提供分布式故障诊断流程：
(1)构建故障诊断框架：配电网的分布式诊断框架由通信、拓扑处理、综合处理、外部数据获取四个子系统组成，该四个子系统的底层通过数据网格体系结构相连接，相互之间可以通过电力系统专用网进行通信；
(2)诊断流程为：故障发生后，通信子系统首先通过数据网格门户从故障数据缓存区接口提取断路器跳闸信号、开关断开信号和保护动作信号并分别提供给拓扑处理子系统和综合处理子系统；拓扑处理子系统由跳闸断路器信息和开关断开信号触发，通过访问拓扑知识库得到初步的停电区域；综合处理子系统是整个分布式系统的主程序，可以根据从其他系统提取的保护信息、主停电区域、跳闸断路器位置信息以及辅助停电区域在众多的诊断算法中选取最优的一个进行故障诊断；外部数据获取子系统负责根据负荷控制系统信息和电表信息进行辅助故障诊断；
提供基于评估机制的MAS诊断数学模型：以多Agent系统(multi‐agent system，MAS)作为故障诊断程序的核心，根据故障特点选取最优、最合适的Agent进行故障诊断，具体的运行在任务分配Agent上的评估模型定义如下：
定义：在MAS中由m个诊断Agent组成集合A＝{A1,A2,…,Am}，对于Ai，Ai∈A，其评估模型由以下4部分组成：
①Ai具有资源竞争属性集合R＝{R1,R2,…,Rn}；
②每一个资源Rj，Rj∈R具有价值比率Wj且
③评估函数
④根据用户需求动态调整价值比率Wj；
评估MAS中诊断Agent的竞争能力包括硬件资源竞争能力和任务竞争能力，其中硬件资源竞争能力从诊断Agent测试运行时平均CPU占用率(Ucpu)和内存使用率(URAM)两个因素分析，而任务竞争能力的主要参数是程序的容错性(fault tolerance，FT)和辅助程序处理效率(efficiency of auxiliary program，EAP)；
其中FT的定义为：故障诊断Agent收到n条关键报警信息，如果在m条信息缺失或者发生畸变的情况下仍然能够准确判断出故障元件，则max(m)/n称作Agent程序的容错性；
而EAP的定义为：指在核心诊断程序运行之前进行的数据预处理程序的运行效率，量化标准为：以时间复杂度为参考，其优势操作任务占整个任务处理队列的比例；
因此结合上述的评估函数诊断Agent的评估模型为：
EAgent＝WCPU(1-UCPU)+WRAM(1-URAM)+WFTFT+WEAPEAP
其中：中WCPU、WRAM、WFT和WEAP分别为Ucpu、URAM、FT、EAP的价值比率；
提供系统的逻辑诊断框架，包括：
(1)最底层为设备层，为网格层提供故障诊断所需的各类数据；在网格体系架构中，保护、断路器及开关量信息直接被OGSA‐DAI客户端程序Winpcap抓包并上传至网格层数据网格服务器；其他信息如拓扑、保护配置数据可通过综合数据服务器或FTP服务器上传；
(2)中间层为网格层，负责故障数据的收集与分发；其中数据网格服务器上部署着Tomcat和GT4，Tomcat服务器为OGSA‐DAI提供运行环境，GT4服务器为OGSA‐DAI提供运行各种服务的网格中间件；
(3)最上层为配电调度端，诊断数据服务器上运行除通信子系统以外分布式系统的驻守程序，将诊断需要的数据交给Agent宿主机中的、用于评估机制的MAS诊断数学模型做最终诊断。
CN201310337256.7A 2013-08-05 2013-08-05 基于数据网格的配电网故障诊断系统 Active CN103439629B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310337256.7A CN103439629B (zh) 2013-08-05 2013-08-05 基于数据网格的配电网故障诊断系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310337256.7A CN103439629B (zh) 2013-08-05 2013-08-05 基于数据网格的配电网故障诊断系统

Publications (2)

Publication Number Publication Date
CN103439629A CN103439629A (zh) 2013-12-11
CN103439629B true CN103439629B (zh) 2016-11-02

Family

ID=49693335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310337256.7A Active CN103439629B (zh) 2013-08-05 2013-08-05 基于数据网格的配电网故障诊断系统

Country Status (1)

Country Link
CN (1) CN103439629B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679556B (zh) * 2013-12-16 2017-01-04 广东电网公司佛山供电局 配变终端停电告警的智能诊断方法
CN103995762A (zh) * 2014-06-06 2014-08-20 山东超越数控电子有限公司 一种诊断板卡故障的方法
WO2016115002A1 (en) * 2015-01-16 2016-07-21 3M Innovative Properties Company Systems and methods for selecting grid actions to improve grid outcomes
CN105259896B (zh) * 2015-11-11 2018-03-20 国网山西省电力公司大同供电公司 一种基于电力调度数据网的故障诊断方法
CN105301450A (zh) * 2015-11-26 2016-02-03 云南电网有限责任公司电力科学研究院 一种配网故障自动诊断方法及系统
CN106228246A (zh) * 2016-07-15 2016-12-14 江苏科技大学 基于语义的无人职守变电站监测系统及方法
CN107016410B (zh) * 2017-03-27 2019-10-22 国网江苏省电力公司电力科学研究院 用电信息采集系统故障诊断方法及故障诊断装置
CN106656684B (zh) * 2017-03-27 2020-07-24 苏州大学 一种网格资源可靠性监控方法及装置
CN107633670B (zh) * 2017-07-21 2020-07-07 国网浙江省电力公司 一种采用采集运维知识库的采集异常诊断方法
CN108089099A (zh) * 2017-12-18 2018-05-29 广东电网有限责任公司佛山供电局 基于深度置信网络的配电网故障的诊断方法
CN109413130A (zh) * 2017-12-30 2019-03-01 广东技术师范学院 一种云存储系统
CN108832968B (zh) * 2018-09-18 2021-10-08 国家电网有限公司 电力通信网络的重要业务承载能力确定方法及装置
CN109490715A (zh) * 2018-12-25 2019-03-19 浙江中新电力工程建设有限公司自动化分公司 一种极端环境下的电力系统故障判别方法
CN109633381A (zh) * 2019-02-21 2019-04-16 贵州电网有限责任公司 一种电网故障诊断智能分析方法
CN110378580A (zh) * 2019-07-03 2019-10-25 国家电网有限公司技术学院分公司 一种电网故障多代理系统择优诊断方法及装置
CN110412417B (zh) * 2019-07-15 2021-07-06 中国人民解放军陆军工程大学 基于智能电力监测仪表的微电网数据故障诊断方法
CN112101435B (zh) * 2020-09-07 2022-12-27 贵州电网有限责任公司 一种能源互联网中配网设备异常连接诊断方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6002260A (en) * 1997-09-23 1999-12-14 Pacific Gas & Electric Company Fault sensor suitable for use in heterogenous power distribution systems
EP1172660A2 (en) * 2000-07-11 2002-01-16 Abb Ab Method and device for fault location in distribution networks
CN101266665A (zh) * 2008-04-29 2008-09-17 上海交通大学 支持电力系统动态安全评估与预警的可扩展分布式系统
CN101477168A (zh) * 2009-01-08 2009-07-08 上海交通大学 电力系统暂态稳定并行化测试系统及其测试方法
CN101777769A (zh) * 2010-03-24 2010-07-14 上海交通大学 电网的多智能体优化协调控制方法
CN102084569A (zh) * 2008-05-09 2011-06-01 埃森哲环球服务有限公司 用于管理电网的方法和系统
CN102685221A (zh) * 2012-04-29 2012-09-19 华北电力大学（保定） 一种状态监测数据的分布式存储与并行挖掘方法
CN102707191A (zh) * 2012-04-24 2012-10-03 广东电网公司电力科学研究院 一种大型变电站地网腐蚀诊断装置及其诊断方法
CN102841582A (zh) * 2012-08-08 2012-12-26 中国电力科学研究院 一种配电网自愈控制系统及其实现方法
CN103048587A (zh) * 2012-12-12 2013-04-17 深圳供电局有限公司 具有分布式电源的配电网的故障定位方法、装置及系统
CN103065217A (zh) * 2012-12-21 2013-04-24 浙江省电力公司台州电业局 电力整定计算系统中的数字模型拼接方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1190342A2 (en) * 1999-05-24 2002-03-27 Aprisma Management Technologies, Inc. Service level management

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6002260A (en) * 1997-09-23 1999-12-14 Pacific Gas & Electric Company Fault sensor suitable for use in heterogenous power distribution systems
EP1172660A2 (en) * 2000-07-11 2002-01-16 Abb Ab Method and device for fault location in distribution networks
CN101266665A (zh) * 2008-04-29 2008-09-17 上海交通大学 支持电力系统动态安全评估与预警的可扩展分布式系统
CN102084569A (zh) * 2008-05-09 2011-06-01 埃森哲环球服务有限公司 用于管理电网的方法和系统
CN101477168A (zh) * 2009-01-08 2009-07-08 上海交通大学 电力系统暂态稳定并行化测试系统及其测试方法
CN101777769A (zh) * 2010-03-24 2010-07-14 上海交通大学 电网的多智能体优化协调控制方法
CN102707191A (zh) * 2012-04-24 2012-10-03 广东电网公司电力科学研究院 一种大型变电站地网腐蚀诊断装置及其诊断方法
CN102685221A (zh) * 2012-04-29 2012-09-19 华北电力大学（保定） 一种状态监测数据的分布式存储与并行挖掘方法
CN102841582A (zh) * 2012-08-08 2012-12-26 中国电力科学研究院 一种配电网自愈控制系统及其实现方法
CN103048587A (zh) * 2012-12-12 2013-04-17 深圳供电局有限公司 具有分布式电源的配电网的故障定位方法、装置及系统
CN103065217A (zh) * 2012-12-21 2013-04-24 浙江省电力公司台州电业局 电力整定计算系统中的数字模型拼接方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于Multi-agent的电网故障诊断系统的研究;朱永利等;《继电器》;20060301;第34卷(第5期);第1-4、28页 *
基于网格平台的电网故障诊断架构;王磊等;《电力系统自动化》;20130210;第37卷(第3期);第70-76页 *

Also Published As

Publication number Publication date
CN103439629A (zh) 2013-12-11

Similar Documents

Publication Publication Date Title
CN103439629B (zh) 基于数据网格的配电网故障诊断系统
CN104616205B (zh) 一种基于分布式日志分析的电力系统运行状态监视方法
CN110717665B (zh) 基于调度控制系统故障辨识及趋性分析系统和方法
Jennings et al. Agent-based control systems
CN105046327B (zh) 一种基于机器学习技术的智能电网信息系统及方法
CN108335075A (zh) 一种面向物流大数据的处理系统及方法
CN108718345A (zh) 一种数字化车间工业数据网络化传输系统
Baroni et al. Diagnosis of a class of distributed discrete-event systems
CN106201754A (zh) 任务信息分析方法及装置
CN104660448B (zh) 分布式多层多域体系Multi-Agent协同故障诊断方法
CN114153920A (zh) 大数据边平台与方法
CN108132423B (zh) 一种基于状态转移概率电力系统监测数据失真的快速定位方法
CN104579784B (zh) 基于多维虚链路的电力工业控制系统网络管理方法
CN108337122A (zh) 基于分布式流计算的运维管理系统
CN111125450A (zh) 一种多层拓扑网络资源对象的管理方法
CN109412155B (zh) 一种基于图计算的配电网供电能力评估方法
Rayudu A knowledge-based architecture for distributed fault analysis in power networks
Yang et al. Technology research on panoramic situation awareness of operation state of smart distribution network
Jingyu et al. Statistical analysis of distribution network fault information based on multi-source heterogeneous data mining
He et al. A distributed network alarm correlation analysis mechanism for heterogeneous networks
Wang et al. Intelligent decision support platform of new energy vehicles
Peng et al. Research on data quality detection technology based on ubiquitous state grid internet of things platform
Su et al. Research on digital twin architecture of rule-based intelligent diagnosis of reactor system
Paeizi et al. Data Analytics Applications in Digital Energy System Operation
CN112104073B (zh) 电力系统实时信息标定方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant