CN104578412A - 一种基于大数据技术的状态检测系统及其检测方法 - Google Patents

Abstract

本发明公开了一种基于大数据技术的状态检测系统及其检测方法，其中该状态检测系统包括数据采集模块，与数据采集模块连接的数据交换与监控模块，与数据交换与监控模块双相连接的数据处理与方案配置模块和与数据交换与监控模块连接的智能控制模块。本发明通过数据处理与方案配置模块采用大数据技术进行数据处理和筛选策略配置，避免了因电力系统电压、频率变化和环境、气候变化等因素而导致检测结果误差过大以及智能控制模块出现动作盲区；通过设置数据交换与监控模块，有效实现了状态数据的实时传递，通过大数据技术快速准确判断电力设备的状态信息，为智能控制模块和数据处理与方案配置模块提供动态状态信息，提高了系统的检测精度和工作效率。

Description

一种基于大数据技术的状态检测系统及其检测方法

技术领域

本发明涉及电力通信与智能控制领域，具体涉及一种基于大数据技术的状态检测系统及其检测方法。

背景技术

数据采集与监视控制系统(Supervisory Control and Data Acquisition，SCADA)为以计算机为基础的DCS与电力自动化监控系统，广泛应用于电力系统的数据采集与监视控制以及过程控制等诸多专业领域。随着SCADA系统历经四代的发展，技术也越来越成熟。电力系统中，SCADA系统是自动化实时数据源，为能量管理系统(Energy Management System，EMS)、调度员培训仿真系统(Dispatcher Training Simulator，DTS)、管理信息系统(Management InformationSystem，MIS)等非实时系统提供大量的实时数据。在现有技术中，由于SCADA系统与EMS系统、DTS系统和MIS系统之间不能实现有效的数据传输，导致非实时系统在工作中出现数据缺乏等问题，从而降低了系统的工作效率。

另一方面，由于电力设备检测时，测量的数据量庞大且对数据和模型分析的准确性要求严格，为了提高准确性，通常需要借助CIM模型文件、SVG图形进行相关探查，工作量大，难度较高，需要有丰富经验的管理者进行操作，而且容易导致判断误差，提高了电力设备状态检测的工作量和智能控制难度。

发明内容

本发明为了克服以上不足，提供了一种有效提高检测精度和工作效率的基于大数据技术的状态检测系统以及检测方法。

为了解决上述技术问题，本发明的技术方案是：一种基于大数据技术的状态检测系统，用于电力设备的状态检测与控制，包括：

数据采集模块，用于实时采集电力设备的状态数据；

数据交换与监控模块，连接到所述数据采集模块，实时接收状态数据，判断设备状态，实时发送状态信息；

数据处理与方案配置模块，与所述数据交换与监控模块双向连接，采用大数据技术进行状态数据处理和筛选策略配置，与数据交换与监控模块进行数据交互；

智能控制模块，连接到所述数据交换与监控模块，根据所述状态信息对电力设备进行实时控制。

进一步的，所述数据采集模块采用SCADA系统。

进一步的，还包括人工辅助模块，连接到所述数据处理与方案配置模块，数据处理与方案配置模块对数据交换与监控模块发出的设备状态信息进行筛选，并发送给人工辅助模块进行分析以及辅助决策提供。

进一步的，所述人工辅助模块包括EMS系统、MIS系统和DTS系统。

本发明还提供一种基于大数据技术的状态检测方法，包括以下步骤：

S1：数据采集模块实时采集电力设备的状态数据，发送给数据交换与监控模块；

S2：数据交换与监控模块将初始状态数据发送至数据处理与方案配置模块配置筛选策略；

S3：数据处理与方案配置模块采用大数据技术对接收的状态数据进行处理，配置筛选策略，并将筛选策略实时发送至数据交换与监控模块；

S4：数据交换与监控模块实时接收状态数据，并发送给数据处理与方案配置模块进行下一时刻筛选策略配置，同时根据前一时刻筛选策略判断电力设备当前状态信息，发送给智能控制模块和数据处理与方案配置模块；

S5：智能控制模块根据状态信息对电力设备进行控制；

S6：重复步骤S3-S5，对电力设备进行实时状态检测和控制。

进一步的，所述步骤S3具体包括以下步骤：

S31：将电力设备的当前状态数据拟合成与周围环境有关的模糊对应值；

S32：将一定范围内相同电力设备的模糊对应值进行加权拟合，制定参数合理波动区间和故障判断策略；

S33：将制定的参数合理波动区间和故障判断策略发送至数据交换与监控模块。

进一步的，所述步骤S31通过以下公式进行拟合：

P_i+1＝α*P_i'+β*P_RE+λ*S_en

其中，P_i'为电力设备前一次的状态测量值，P_i+1为电力设备拟合后的状态数据模糊对应值，P_RE为气候、环境变化影响因子，S_en为电力系统电压、频率变化影响因子，α、β、λ为模糊权值参数。

进一步的，所述步骤S32中的故障判断策略为：当实时状态数据位于参数合理波动区间内为正常状态；当实时状态数据与最大最小值的偏差不大于5％时为异常状态；当实时状态数据与最大最小值的偏差大于5％为故障状态。

进一步的，所述步骤S2中判断电力设备当前状态信息具体包括：采用大数据技术将设备的实时状态数据与参数合理波动区间进行对比，根据故障判断策略判定电力设备的当前工作状态，并将状态信息发送至智能控制模块和数据处理与方案配置模块。

进一步的，还包括以下步骤:

S7：数据处理与方案配置模块对数据交换与监控模块发出的状态信息进行挑选之后实时发送给人工辅助模块；

S8：人工辅助模块通过人工方式对状态信息进行分析，提供辅助策略，对电力设备进行人工控制。

本发明提供的基于大数据技术的状态检测系统及其检测方法，通过数据处理与方案配置模块采用大数据技术进行数据处理和筛选策略配置，避免了因电力系统电压、频率变化和环境、气候变化等因素而导致检测结果误差过大以及智能控制模块出现动作盲区；通过设置数据交换与监控模块，不仅有效实现了状态数据的实时传递，而且通过大数据技术快速准确判断电力设备的状态信息，为智能控制模块和数据处理与方案配置模块提供动态状态信息，进一步提高了系统的实时性，可靠性和稳定性；采用大数据技术进行数据处理、分析和对比无需借助额外的技术手段，降低了工作难度和复杂度，提高了系统的自动化水平，压缩了人力成本，提高了系统的检测精度和工作效率。

附图说明

图1是本发明基于大数据技术的状态检测系统结构示意图；

图2是本发明基于大数据技术的状态检测方法流程图。

具体实施方式

下面结合附图对本发明作详细描述：

如图1所示，本发明提供一种基于大数据技术的状态检测系统，用于电力设备1的状态检测与控制，包括：

数据采集模块2，用于实时采集电力设备1的状态数据，本实施例中采用SCADA系统来实现。

数据交换与监控模块3，连接到数据采集模块2，实时接收电力设备1的状态数据，判断设备状态，实时发送状态信息，本实施例中数据交换与监控模块3为地区数据库。

数据处理与方案配置模块4，与数据交换与监控模块3双向连接，采用大数据技术进行状态数据处理和筛选策略配置，与数据交换与监控模块3进行数据交互，本实施例中数据处理与方案配置模块4为中央数据库，需要说明的是，大数据技术是指利用计算机科学领域对数据快速处理、挖掘、分析、判断等技术方法将复杂的、人工的电力设备1状态检测，进行自动化、系统化改造升级。大数据技术是不使用随机分析法，如抽样调查等捷径，而依据所有数据的方法，相比其他分析方法具有4V特点：Volume(大量)、Velocity(高速)、Variety(多样)、value(价值)。因此将其应用到电力设备1的状态检测环节，不仅实现了自动化的数据处理、分析、判断，而且准确度高，避免了因人工因素引起的误差。

智能控制模块5，连接到数据交换与监控模块3，根据状态信息对电力设备1进行实时控制，同时电力设备1在收到智能控制模块5的控制指令后发出反馈信号。

优选的，本发明的基于大数据技术的状态检测系统还包括人工辅助模块6，人工辅助模块6连接到数据处理与方案配置模块4，数据处理与方案配置模块4对数据交换与监控模块3发出的设备状态信息进行筛选之后实时发送给人工辅助模块6，人工辅助模块6接收经过筛选后的设备状态信息，进行分析并提供辅助决策，通过人工形式对电力设备1进行辅助控制。

优选的，人工辅助模块6包括EMS系统、MIS系统和DTS系统，其中EMS系统主要用于电力系统监控和调度辅助决策，可以使电网调度由经验型上升至科学的分析型；MIS系统记录管理电力设备1需要的数据，并对记录数据进行相关处理，将处理后的信息及时反馈给管理者；而DTS系统则主要用于调度员培训、运行方式研究和反事故演习等。

本发明还提供了一种基于大数据技术的状态检测方法，包括以下步骤，如图2所示：

S1：数据采集模块2实时采集电力设备1的状态数据，发送给数据交换与监控模块3；

S2：数据交换与监控模块3将初始状态数据发送至数据处理与方案配置模块4配置筛选策略；

S3：数据处理与方案配置模块4采用大数据技术对当前状态数据进行处理，包括压缩和筛选等，配置筛选策略，并将筛选策略发送至数据交换与监控模块3，具体包括以下步骤：

S31：将电力设备1的当前状态数据拟合成与周围环境有关的模糊对应值，具体的，通过以下公式进行拟合：

P_i+1＝α*P_i'+β*P_RE+λ*S_en

其中，P_i'为电力设备前一次的状态测量值，P_i+1为电力设备拟合后的状态数据模糊对应值，P_RE为气候、环境变化影响因子，S_en为电力系统电压、频率变化影响因子，α、β、λ为模糊权值参数。

S32：将一定范围内相同电力设备1的模糊对应值进行加权拟合，制定参数合理波动区间和故障判断策略，具体的，本实施例中故障判断策略为：当实时状态数据位于参数合理波动区间内为正常状态；当实时状态数据与最大、最小值的偏差不大于5％时为异常状态；当实时状态数据与最大、最小值的偏差大于5％为故障状态，其中的一定范围一般是指同一地级市内。

S33：将制定的参数合理波动区间和故障判断策略发送至数据交换与监控模块3。

S4：数据交换与监控模块3实时接收状态数据，并发送给数据处理与方案配置模块4进行下一时刻筛选策略配置，同时根据前一时刻筛选策略判断电力设备1当前状态信息，发送给智能控制模块5和数据处理与方案配置模块4，具体的，数据交换与监控模块3采用大数据技术将设备的实时状态数据与参数合理波动区间进行对比，根据故障判断策略判定电力设备1的当前工作状态，包括正常状态、异常状态和故障状态，并将上述状态信息发送至智能控制模块5和数据处理与方案配置模块4。

S5：智能控制模块5根据状态信息对电力设备1进行控制，即根据数据交换与监控模块3发出的正常状态、异常状态或故障状态的信号，采用预先制定的措施对电力设备1进行控制，使其保持或者回复正常工作状态，同时电力设备1在受到控制信号之后对智能控制模块5进行反馈，此外，也可根据电力设备1在异常或故障期间的状态信息来制定筛选策略，进一步提高了系统的检测效率和准确度。

S6：重复步骤S3-S5，对电力设备1进行实时状态检测和控制。

S7：数据处理与方案配置模块4对数据交换与监控模块3发出的状态信息进行挑选之后实时发送给人工辅助模块6。

S8：人工辅助模块6通过人工方式对状态信息进行分析，提供辅助策略，对电力设备1进行人工控制。具体的，人工辅助模块6包括EMS系统、MIS系统和DTS系统，其中EMS系统主要用于电力系统监控和调度辅助决策，可以使电网调度由经验型上升至科学的分析型；MIS系统记录管理电力设备1需要的数据，并对记录数据进行相关处理，将处理后的信息及时反馈给管理者；而DTS系统则主要用于调度员培训、运行方式研究和反事故演习等。

综上所述，本发明提供的基于大数据技术的状态检测系统及其检测方法，通过数据处理与方案配置模块4采用大数据技术进行数据处理和筛选策略配置，避免了因电力系统电压、频率变化和环境、气候变化等因素而导致检测结果误差过大以及智能控制模块5出现动作盲区；通过设置数据交换与监控模块3，不仅有效实现了状态数据的实时传递，而且通过大数据技术快速准确判断电力设备1的状态信息，为智能控制模块5和数据处理与方案配置模块4提供动态状态信息，进一步提高了系统的实时性，可靠性和稳定性；采用大数据技术进行数据处理、分析和对比无需借助额外的技术手段，降低了工作难度和复杂度，提高了系统的自动化水平，压缩了人力成本，提高了系统的反应能力和检测效率。

虽然说明书中对本发明的实施方式进行了说明，但这些实施方式只是作为提示，不应限定本发明的保护范围。在不脱离本发明宗旨的范围内进行各种省略、置换和变更均应包含在本发明的保护范围内。

Claims (10)

1.一种基于大数据技术的状态检测系统，用于电力设备的状态检测与控制，其特征在于，包括：

数据采集模块，用于实时采集电力设备的状态数据；

数据交换与监控模块，连接到所述数据采集模块，实时接收状态数据，判断设备状态，实时发送状态信息；

数据处理与方案配置模块，与所述数据交换与监控模块双向连接，采用大数据技术进行状态数据处理和筛选策略配置，与数据交换与监控模块进行数据交互；

智能控制模块，连接到所述数据交换与监控模块，根据所述状态信息对电力设备进行实时控制。

2.根据权利要求1所述的基于大数据技术的状态检测系统，其特征在于，所述数据采集模块采用SCADA系统。

3.根据权利要求1所述的基于大数据技术的状态检测系统，其特征在于，还包括人工辅助模块，连接到所述数据处理与方案配置模块，数据处理与方案配置模块对数据交换与监控模块发出的设备状态信息进行筛选，并发送给人工辅助模块进行分析以及辅助决策提供。

4.根据权利要求3所述的基于大数据技术的状态检测系统，其特征在于，所述人工辅助模块包括EMS系统、MIS系统和DTS系统。

5.一种基于大数据技术的状态检测方法，其特征在于，包括以下步骤：

S1：数据采集模块实时采集电力设备的状态数据，发送给数据交换与监控模块；

S2：数据交换与监控模块将初始状态数据发送至数据处理与方案配置模块配置筛选策略；

S3：数据处理与方案配置模块采用大数据技术对接收的状态数据进行处理，配置筛选策略，并将筛选策略实时发送至数据交换与监控模块；

S4：数据交换与监控模块实时接收状态数据，并发送给数据处理与方案配置模块进行下一时刻筛选策略配置，同时根据前一时刻筛选策略判断电力设备当前状态信息，发送给智能控制模块和数据处理与方案配置模块；

S5：智能控制模块根据状态信息对电力设备进行控制；

S6：重复步骤S3-S5，对电力设备进行实时状态检测和控制。

6.根据权利要求5所述的基于大数据技术的状态检测系统的检测方法，其特征在于，所述步骤S3具体包括以下步骤：

S31：将电力设备的当前状态数据拟合成模糊对应值；

S32：将相同电力设备的模糊对应值进行加权拟合，制定参数合理波动区间和故障判断策略；

S33：将制定的参数合理波动区间和故障判断策略发送至数据交换与监控模块。

7.根据权利要求6所述的基于大数据技术的状态检测系统的检测方法，其特征在于，所述步骤S31通过以下公式进行拟合：

P_i+1＝α*P_i'+β*P_RE+λ*S_en

其中，P_i'为电力设备前一次的状态测量值，P_i+1为电力设备拟合后的状态数据模糊对应值，P_RE为气候、环境变化影响因子，S_en为电力系统电压、频率变化影响因子，α、β、λ为模糊权值参数。

8.根据权利要求6所述的基于大数据技术的状态检测系统的检测方法，其特征在于，所述步骤S32中的故障判断策略为：当实时状态数据位于参数合理波动区间内为正常状态；当实时状态数据与最大最小值的偏差不大于5％时为异常状态；当实时状态数据与最大最小值的偏差大于5％为故障状态。

9.根据权利要求6所述的基于大数据技术的状态检测系统的检测方法，其特征在于，所述步骤S2中判断电力设备当前状态信息具体包括：采用大数据技术将设备的实时状态数据与参数合理波动区间进行对比，根据故障判断策略判定电力设备的当前工作状态，并将状态信息发送至智能控制模块和数据处理与方案配置模块。

10.根据权利要求5所述的基于大数据技术的状态检测系统的检测方法，其特征在于，还包括以下步骤:

S7：数据处理与方案配置模块对数据交换与监控模块发出的状态信息进行挑选之后实时发送给人工辅助模块；

S8：人工辅助模块通过人工方式对状态信息进行分析，提供辅助策略，对电力设备进行人工控制。