CN103761688B - 一种面向区域电网的电能质量问题预警方法 - Google Patents

一种面向区域电网的电能质量问题预警方法 Download PDF

Info

Publication number
CN103761688B
CN103761688B CN201410042098.7A CN201410042098A CN103761688B CN 103761688 B CN103761688 B CN 103761688B CN 201410042098 A CN201410042098 A CN 201410042098A CN 103761688 B CN103761688 B CN 103761688B
Authority
CN
China
Prior art keywords
early warning
training
data
node
power quality
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
CN201410042098.7A
Other languages
English (en)
Other versions
CN103761688A (zh
Inventor
许延祥
曹军威
袁晓冬
陈兵
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.)
Tsinghua University
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Tsinghua University
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu 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 Tsinghua University, State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN201410042098.7A priority Critical patent/CN103761688B/zh
Publication of CN103761688A publication Critical patent/CN103761688A/zh
Application granted granted Critical
Publication of CN103761688B publication Critical patent/CN103761688B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种面向区域电网的电能质量问题预警方法,包括以下步骤:1)使用数据离散转化器把本地监测节点的监测数据进行离散化处理,结果存入本地的训练模型库;2)采用训练触发器设置训练周期,并启动训练过程;3)采用相邻节点析取器读取全局拓扑图,确定本节点的直接相邻监测节点,并按训练触发器的周期设置把相邻节点中的离散后的数据调入本地训练模型库的临时表中;4)使用预警模型训练器基于本地设置周期内的数据进行预警模型训练;5)电能质量预警器实时从相邻节点读入离散数据,应用训练模型库中最新的预警模型进行预警监测:6)对监测区域内全部节点进行预警显示。本发明能够自动从实时监测数据中转化生成的离散数据中进行预警分析与报告。

Description

一种面向区域电网的电能质量问题预警方法
技术领域
本申请涉及电力领域,具体涉及一种面向区域电网的电能质量问题预警方法。
背景技术
单一节点(如某母线)电能质量问题通常是通过专用电能质量监测仪器进行数据采集与识别。为达到对异常电能质量问题进行提前预知的目的,数据挖掘技术被引入到电力数据分析领域。但目前的技术主要是针对单一监测节点进行数据采集(或以仿真方式产生数据),挖掘出的模型仅能进行单节点的预测。相对于硬件监测仪器的计算速度,这种挖掘分析仅是研究意义上的。
现实中某一节点发生的电能质量异常问题除了本节点设备出问题外,更大的概率是是由相邻节点的电压与(或)电流的异常变化所引起的,因而对区域电网进行整体分析与监测,达到单节点出问题,多(相关)节点有准备,是更加有实际意义的研究与系统实现内容。但对区域电网进行电能质量关联分析却面临着以下困难:
1)电网结构复杂,每个设备受周边多种设备的影响;
2)电力设备多种多样,每种设备有多种描述指标,受上下游电力设备的影响,表现出不规则的变化特性;
3)电力设备的动态表现体现在不同的时间粒度上,有在秒级,有毫秒级;
4)电力设备之间的影响可能产生交互和叠加;
5)开关、电闸等设备会改变动态网络拓扑结构;
6)部分设备之间的串联会对串联线路两端的设备产生复合性的影响,如:开关+母线,电阻+电感;
7)电网运行调度可能引起某些电能质量异常,而一点电能质量异常可能引起其它点异常,因而电网调度动作与电能质量监测都需要被放入模型分析中。
发明内容
本发明所要解决的技术问题是提供一种电能质量问题预警方法,能够自动从实时监测数据中转化生成的离散数据中进行预警分析与报告,实现对区域电网进行电能质量问题的传播与扩散预警。
为解决上述技术问题,本发明提供一种面向区域电网的电能质量问题预警方法,其特征在于,包括以下步骤:
1)使用数据离散转化器把本地监测节点的监测数据进行离散化处理,结果存入本地的训练模型库;
2)采用训练触发器设置训练周期,训练周期即监测数据起止时间点,并启动训练过程;
3)采用相邻节点析取器读取全局拓扑图,从而确定本节点的直接相邻监测节点,并按训练触发器的周期设置把相邻节点中的离散后的数据调入本地训练模型库的临时表中;
4)使用预警模型训练器基于本地设置周期内的数据进行预警模型训练,训练结果存入训练模型库中;
5)电能质量预警器实时从相邻节点读入离散数据,应用训练模型库中最新的预警模型进行预警监测:
51)当任何相邻节点发生警报时,本地立刻进预警计算;
52)当本地发生警报时,立即通知相邻节点;
53)各监测节点把预警报告直接发送到全局警报显示图;
6)全局警报显示图对监测区域内全部节点进行预警显示。
前述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤1)中,使用数据离散转化器把2类数据进行离散化处理:一类是电网调度运行操作记录,另一类电能质量监测记录。
前述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤1)中,电能质量数据的离散方法是依据是否发生问题而记为1或0,不考虑具体的监测值。
前述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤2)中,电能质量训练周期通过手动设置或自动预设置。
前根据权利要求1所述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤3)中,训练数据集准备过程中,只复制直接相邻节点的数据。
前述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤3)中,训练数据集准备过程中,使用同期数据与先期数据混排的方式。
前述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤3)中,假定电能质量传播中时延效应最多不超过一个统计周期。
前述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤3)中,在本地存储训练数据的数据表,其中的列数根据相邻节点的个数自动扩展,每多一相邻节点,扩展出2列。
前述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤4)中,在进行预警模型训练过程中,采用关联分析中的Apriori算法。
前述的面向区域电网的电能质量问题预警方法,其特征在于,在执行Apriori算法前,预先设定最小置信度和最小支持度。
前述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤4)中,在执行预警模型训练算法之后,从结果中自动选择相邻节点引起本地节点变化的规则。
前述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤5)中,在执行预警时,当本地节点监测到电能质量问题则直接发出向本地节点和全部直接相邻节点发出警报。
前述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤5)中,在执行预警时,当相邻节点传来电能质量问题警报,根据预警模型中是否包含相邻节点对本地影响的规则来判断是否发出警报,当包含时,则向本地节点和全部相邻节点(除去传来警报的节点)发出警报,否则予以忽略处理。
前述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤6)中,存在一个中心节点对区域电网内的电能质量问题传播路径和实时出现的电能质量警报进行可视化显示。
本发明所达到的有益效果:本发明具有分析区域网络节点之间电能质量问题相互影响关系的能力,并能够自动从实时监测数据中转化生成的离散数据中进行预警分析与报告,实现对区域电网进行电能质量问题的传播与扩散预警。
附图说明
附图1为本发明的电能质量问题预警方法的部署图。
具体实施方式
本发明的面向区域电网的电能质量问题预警方法,包括以下步骤:
1)使用数据离散转化器把本地监测节点的监测数据进行离散化处理,结果存入本地的训练模型库;
2)采用训练触发器设置训练周期,训练周期即监测数据起止时间点,并启动训练过程;
3)采用相邻节点析取器读取全局拓扑图,从而确定本节点的直接相邻监测节点,并按训练触发器的周期设置把相邻节点中的离散后的数据调入本地训练模型库的临时表中;
4)使用预警模型训练器基于本地设置周期内的数据进行预警模型训练,训练结果存入训练模型库中;
5)电能质量预警器实时从相邻节点读入离散数据,应用训练模型库中最新的预警模型进行预警监测:
51)当任何相邻节点发生警报时,本地立刻进预警计算;
52)当本地发生警报时,立即通知相邻节点;
53)各监测节点把预警报告直接发送到全局警报显示图;
6)全局警报显示图对监测区域内全部节点进行预警显示。
其全局组件部署如附图1所示。具体实现上,各部件的功能和部署如下:
(1)数据离散转化器
数据离散转化器用于把本地数据数值型连续数据转化成标记型的离散数据存储,以供后续的数据挖掘算法处理。每个电能质量监测节点有一个单独的数据离散转化器。
各节点需要离散化的数据包括:电能质量监测数据和电网运行调度数据。
电能质量监测数据又分为稳态数据和暂态数据。稳态数据是指针对公用电网谐波、电压波动和闪变、三相电压不平衡、电压偏差、频率偏差等指标监测获得的数据;暂态数据是指针对电压暂降、短时间电压中断、长时间电压中断、过电压等指标监测获得的数据。
电网运行调度数据本发明重点关注开关接合控制信息。
针对上述的数据的离散化过程是把原来数值型数据转化为集合的度比较小的标记型数据。本发明对于发生了电能质量问题的记录,记录为1,否则记为0。对于开关(闸)接合记录为1,断开记录为0。
(2)训练模型库
每个监测节点部署一个训练模型库,该库主要用于存储训练用的基础数据,和训练过程中产生的临时数据,以及训练最终产生的模型。
本地节点的数据实时离散产生的数据直接录入训练模型库的训练数据表;
训练模型库接受相邻节点析取器从周边直接关联节点读入的离散数据,并与本地数据按监测指标及对应时间点存入同一个表中。其中的技术关键在于每个节点的训练数据表的中字段数量随周边结点个数的变化而变化。
训练过程生成的临时结果缓存在临时存储表中。
训练最终产生的关联模型存入模型表。
(3)训练触发器
本发明的应用方式并非是持续、实时运行,而是在数据更新积累到一定程度时进行一次训练,然后用新产生的关联模型更新旧的关联模型用于预警。这种方式可以满足预警要求,同时可以极大地节约各节点的计算资源。为实现这种应用方式,每个节点需要配置一个训练触发器。该触发器主要完成:
1)设置训练目标,如:训练电压不平衡度预警模型
2)设置训练数据集,主要是确定选取数据集的起始时间和结束时间。
3)启动训练过程。
该触发器可手动设置执行,也可根据运行经验设置成周期性地自动执行。
(4)相邻节点析取器
每个节点拥有一个相邻节点析取器,用于准备训练数据集时从周边相关节点读取同期监测数据。
相邻节点析取器由训练触发器启动执行,读取节点范围由本节点存储的全局拓扑图副本所确定。全局拓扑图副本定期依照中心节点存储的全局拓扑图原本进行更新。
为全面衡量节点间影响关系,考虑到电能质量问题在传播过程中可能会有一定时延效应,在进行相邻节点数据提取时,进行数据的错周期冗余存储,即对于来自一个相邻节点的监测数据,假设其存储格式为[时间t,问题类型p,标记g]。由于数据已经统计离散,相邻记录的时间刻度t之间构成连续的周期性变化。目前大部分监测系统的统计周期可以灵活设定,如1分钟、3分钟等。我们假定电能质量传播中时延效应最多不超过一个统计周期。因而,我们把一条相邻节点的记录存入当前节点的同期记录和紧邻的下期记录中。数据表中的结构如下:
所以,对于一个节点来说,它每多一个邻点,它的训练数据表要多两列。
(5)预警模型训练器
训练触发器先启动相邻节点析取器,在相邻节点析取器完成训练数据集的复制准备后,训练触发器启动预警模型训练器。
预警模型训练器部署于每个节点上,基于上述准备的数据进行预警模型训练。采用的算法是数据挖掘中关联分析算法Apriori。该算法预先设定最小置信度和最小支持度都为80%。经运行后会产生节点间的关联规则。假设本地节点为L,其相邻节点为{n1,n2,…,nk}。(nk的定义,K的定义?)相邻的节点的上期数据记为{n1’,n2’,…,nk’}。则我们从全部满足最小置信度与支持度的关联规则中筛选出形式为{nm1,nm2,…nmj,ni1’,ni2’,..nih’}→L的规则,其中m1,m2,…,mj,i1,i2,…,ih∈{1,2,…,k}。例如,一条ni→L的规则意味着节点ni的电能质量问题会引起本地节点同时的问题出现。再如,一条nj’→L的规则意味着节点nj的电能质量问题会引起当前节点延期出现同样问题。
在上述训练过程中,我们做了以下两条合理假设:1)各节点的监测数据在时间含义上是一致的,即假定各节点的时钟刻度一致;2)假定从相邻节点传递过来的电能质量问题在当前节点只引发同类型的电能质量问题,而不考虑引发的其它类型的问题。
预警模型训练器产生的结果经正则表达式的匹配筛选后,产生新的预警模型(规则集合),用该模型替换原有预警模型。
(6)电能质量预警器
各节点各自拥有独立的电能质量预警器,该预警器受两个条件触发:1)本地节点监测到电能质量问题;2)相邻节点传过来电能质量问题警报。
1)当本地节点监测到电能质量问题则直接发出向本地节点和全部直接相邻节点发出警报;
2)当相邻节点nj传来电能质量问题警报,根据预警模型中是否包含ni→L或nj’→L形式的规则来判断是否发出警报。当包含时,则向本地节点和全部相邻节点(除去节点nj)发出警报,否则予以忽略处理。
依上述两条规则,当一点出现电能质量问题时,可向可能的扩散范围中的节点发出警报,以便做出提前应对动作。
(7)全局报警显示图
全局报警显示图部署于中心节点,其作用是根据收集到区域电网中每个节点的预警模型,绘制一张全局的电能质量扩散路径图。另外,全局报警显示图可实时区域电网内各节点出现电能质量问题和预警情况,显示方法是在地理信息图上以闪烁点状图标进行可视化的标注显示。
本发明中需要在每个监测节点部署一台计算服务器作为本地节点的数据存储、挖掘及预警的计算设备;在区域电网监控中心设置一台服务器,作为全局网络拓扑图存储、统一模型训练触发及全局报警显示服务的设备。

Claims (14)

1.一种面向区域电网的电能质量问题预警方法,其特征在于,包括以下步骤:
1)使用数据离散转化器把本地监测节点的监测数据进行离散化处理,结果存入本地的训练模型库;
2)采用训练触发器设置训练周期,训练周期即监测数据起止时间点,并启动训练过程;
3)采用相邻节点析取器读取全局拓扑图,从而确定本节点的直接相邻监测节点,并按训练触发器的周期设置把相邻节点中的离散后的数据调入本地训练模型库的临时表中;
4)使用预警模型训练器基于本地设置周期内的数据进行预警模型训练,训练结果存入训练模型库中;
5)电能质量预警器实时从相邻节点读入离散数据,应用训练模型库中最新的预警模型进行预警监测:
51)当任何相邻节点发生警报时,本地立刻进预警计算;
52)当本地发生警报时,立即通知相邻节点;
53)各监测节点把预警报告直接发送到全局警报显示图;
6)全局警报显示图对监测区域内全部节点进行预警显示。
2.根据权利要求1所述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤1)中,使用数据离散转化器把2类数据进行离散化处理:一类是电网调度运行操作记录,另一类电能质量监测记录。
3.根据权利要求1所述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤1)中,电能质量数据的离散方法是依据是否发生问题而记为1或0,不考虑具体的监测值。
4.根据权利要求1所述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤2)中,电能质量训练周期通过手动设置或自动预设置。
5.根据权利要求1所述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤3)中,训练数据集准备过程中,只复制直接相邻节点的数据。
6.根据权利要求1所述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤3)中,训练数据集准备过程中,使用同期数据与先期数据混排的方式。
7.根据权利要求6所述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤3)中,假定电能质量传播中时延效应最多不超过一个统计周期。
8.根据权利要求1所述的面向区域电网的电能质量问题预警方法,其特征于,在所述步骤3)中,在本地存储训练数据的数据表,其中的列数根据相邻节点的个数自动扩展,每多一相邻节点,扩展出2列。
9.根据权利要求1所述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤4)中,在进行预警模型训练过程中,采用关联分析中的Apriori算法。
10.根据权利要求9所述的面向区域电网的电能质量问题预警方法,其特征在于,在执行Apriori算法前,预先设定最小置信度和最小支持度。
11.根据权利要求1所述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤4)中,在执行预警模型训练算法之后,从结果中自动选择相邻节点引起本地节点变化的规则。
12.根据权利要求1所述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤5)中,在执行预警时,当本地节点监测到电能质量问题则直接发出向本地节点和全部直接相邻节点发出警报。
13.根据权利要求1所述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤5)中,在执行预警时,当相邻节点传来电能质量问题警报,根据预警模型中是否包含相邻节点对本地影响的规则来判断是否发出警报,当包含时,则向本地节点和全部相邻节点(除去传来警报的节点)发出警报,否则予以忽略处理。
14.根据权利要求1所述的面向区域电网的电能质量问题预警方法,其特征在于,在所述步骤6)中,存在一个中心节点对区域电网内的电能质量问题传播路径和实时出现的电能质量警报进行可视化显示。
CN201410042098.7A 2014-01-28 2014-01-28 一种面向区域电网的电能质量问题预警方法 Active CN103761688B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410042098.7A CN103761688B (zh) 2014-01-28 2014-01-28 一种面向区域电网的电能质量问题预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410042098.7A CN103761688B (zh) 2014-01-28 2014-01-28 一种面向区域电网的电能质量问题预警方法

Publications (2)

Publication Number Publication Date
CN103761688A CN103761688A (zh) 2014-04-30
CN103761688B true CN103761688B (zh) 2017-02-01

Family

ID=50528921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410042098.7A Active CN103761688B (zh) 2014-01-28 2014-01-28 一种面向区域电网的电能质量问题预警方法

Country Status (1)

Country Link
CN (1) CN103761688B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112685247B (zh) * 2020-12-24 2024-01-12 京东方科技集团股份有限公司 基于Zabbix监控系统的告警抑制方法及监控系统
CN114217150A (zh) * 2021-11-17 2022-03-22 广西电网有限责任公司电力科学研究院 一种电能质量分析监督系统及责任计算方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020728A (zh) * 2012-11-05 2013-04-03 青海电力科学试验研究院 一种电力系统中变电站短期电能质量预测方法
EP2648142A1 (en) * 2012-04-02 2013-10-09 Accenture Global Services Limited Community energy management system
CN103489066A (zh) * 2013-09-13 2014-01-01 深圳供电局有限公司 一种电能质量暂态事件突出区域监测信息与数据分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2648142A1 (en) * 2012-04-02 2013-10-09 Accenture Global Services Limited Community energy management system
CN103020728A (zh) * 2012-11-05 2013-04-03 青海电力科学试验研究院 一种电力系统中变电站短期电能质量预测方法
CN103489066A (zh) * 2013-09-13 2014-01-01 深圳供电局有限公司 一种电能质量暂态事件突出区域监测信息与数据分析方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《一种考虑排序稳定分析的电能质量综合评估新方法》;刘俊华,罗隆福等;《中国电机工程学报》;20130105;第22卷(第1期);第70-76页 *
《地区电网电能质量综合评估新方法》;刘颖英;《中国电机工程学报》;20080805;第28卷(第22期);第130-136页 *
《面向智能电网的新一代电能质量管理平台》;王芳,顾伟,袁晓冬等;《电力自动化设备》;20120731;第32卷(第7期);第134-139页 *

Also Published As

Publication number Publication date
CN103761688A (zh) 2014-04-30

Similar Documents

Publication Publication Date Title
CN110703008B (zh) 一种宽频测量数据的站域处理方法及装置
CN103969526B (zh) 电能质量采集装置及其在电能质量综合分析系统中的应用
CN106980071A (zh) 基于电网gis可视化抢修系统及其工作方法
CN103117901A (zh) 一种分布式心跳检测方法、装置及系统
CN107018030A (zh) 基于智能终端的移动网络故障分析系统
CN103220173A (zh) 一种报警监控方法及监控系统
CN110611371B (zh) 一种配电自动化设备对时与守时测试系统及方法
CN113629876A (zh) 一种特维巡视模块的测试系统及其测试方法
CN109347688A (zh) 一种在无线局域网中定位故障的方法和装置
CN106254022A (zh) 基于时钟同步装置的时间监测和延时查询软件系统平台
CN105182122A (zh) 一种随机性电源接入设备的故障预警方法
CN110556920A (zh) 一种配电自动化监测方法、系统、终端及存储介质
CN110659180A (zh) 基于集群技术的数据中心基础设施管理系统
CN103761688B (zh) 一种面向区域电网的电能质量问题预警方法
CN110907719A (zh) 一种低压线路分段线损实时监测装置及方法
CN112834865A (zh) 一种电力系统二次回路故障快速查找器
CN116094174A (zh) 基于知识图谱的电网运维监控方法、系统、设备及介质
CN107238767B (zh) 一种电能质量及用户环境在线监测一体化装置的通信方法
CN105763310A (zh) 一种电网时频信号的监控方法和装置
CN112737124A (zh) 一种电力设备监测终端构建方法和装置
CN106878070A (zh) Soa构架下基于云计算的电网实时监控报警系统及实现方法
CN109633381A (zh) 一种电网故障诊断智能分析方法
CN112507180B (zh) 模拟机时间的转换方法、装置、电子设备及存储介质
CN115842315A (zh) 一种保信主站的测试方法及系统
CN205665849U (zh) 配电网停电主动告警设备

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