CN106055548B - 一种电力输变电设备故障数据的可视化分析方法 - Google Patents
一种电力输变电设备故障数据的可视化分析方法 Download PDFInfo
- Publication number
- CN106055548B CN106055548B CN201610193922.8A CN201610193922A CN106055548B CN 106055548 B CN106055548 B CN 106055548B CN 201610193922 A CN201610193922 A CN 201610193922A CN 106055548 B CN106055548 B CN 106055548B
- Authority
- CN
- China
- Prior art keywords
- treemap
- data
- fault data
- axis
- power transmission
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 47
- 238000004458 analytical method Methods 0.000 title claims abstract description 36
- 230000000007 visual effect Effects 0.000 title claims abstract description 22
- 230000001131 transforming effect Effects 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000010586 diagram Methods 0.000 claims abstract description 11
- 238000012800 visualization Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 28
- 230000005611 electricity Effects 0.000 claims description 15
- 238000010438 heat treatment Methods 0.000 claims description 3
- 101001037160 Xenopus laevis Homeobox protein Hox-D1 Proteins 0.000 claims description 2
- 238000013079 data visualisation Methods 0.000 abstract description 5
- 230000009466 transformation Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 description 31
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 241000607479 Yersinia pestis Species 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007794 visualization technique Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电力设备故障分析领域，公开了一种电力输变电设备故障数据的可视化分析方法。所述可视化分析方法为：采集电力系统输变电设备故障数据，通过R语言分析技术及前端展示图表，将故障数据展现，得到可视化图；所述可视化图包括：treeMap图、时间序列频率图或变量相关性热力图。通过该可视化分析方法达到了对输变电线路设备的故障数据进行全面的、多维的数据可视化分析目的，得出不同的图像、曲线，可以对整体故障数据进行直观、快速地了解。
Description
技术领域
本发明涉及电力设备故障分析领域，尤其涉及一种电力输变电设备故障数据的可视化分析方法。
背景技术
众所周知，输变电设备的安全是电网安全、可靠、稳定运行的基础，对电网意义重大。对设备状态进行有效、准确的评估、诊断和预测，可显著提高供电可靠性，并将提升电网运行智能化水平。
1989年8月底在美国举行的人工智能国际会议第十一届会议上诞生了数据挖掘的概念。1995年，美国计算机年会上，明确了数据挖掘的含义，即通过数据提取潜在规律及有用的知识信息的过程。进入21世纪后，由于信息化进程的加速，数据量呈爆炸式增长，海量数据的出现，让“大数据”的概念应运而生。智能电网海量数据中往往隐含着各种各样有用的信息，仅仅依靠传统的数据库查询检索机制和统计学方法很难获得这些信息，迫切需要能自动地、智能地将待处理的数据转化为有价值的信息，从而达到为决策服务的目的，即“大数据”技术和应用。大数据分析技术可以充分合理的挖掘可能影响电力设备状态的多种有效信息进行状态评价，为输变电设备的状态评价提供了新的思路和方法。
大电网设备状态量的获取信息中同样存在着大量的数据，包括定位、故障类型、故障分析、故障预测等文字信息。通过MapReduce 模型可将这些数据转换为计算机可识别操作的数据，然后将大数据网络算法应用于设备状态评估之中即可建立设备状态与故障/缺陷的关联关系，实现准确定位、故障判断及故障预测等功能。但是在进行繁琐的相关性关联分析之前，需要对设备故障数据进行提前的分析和了解。为使故障数据简单明了，便需要进行可视化分析。
可视化技术（Visualization）是利用计算机图形学和图像处理技术，把数据转化为图形、图像或图标显示出来，并进行交互处理的理论、方法和技术。其主要特点包括交互性，多维性，可视性。其中交互性提供了交互式处理数据的方式和环境，增强用户的参与能力；多维性是指应用对象多时间的数据具有多维属性和变量，而后按照数据的每一个维度的属性值进行分类、排序、组合与显示；可视性是指数据可以图像、曲线、二维图形、三维体及动画等形式显示，并可以对其模式和相互关系进行可视化分析。
目前，国内基于大数据挖掘的故障识别、设备状态评价方法的研究处于起步阶段，对于已有的设备故障数据可视化分析尚无一套完整流程。因此，急需一种故障数据可视化流程对待研究的故障数据进行直观的分析，便于故障分析人员可以直观快速地掌握数据结构以及故障分类情况，可以结合人的视觉处理能力的对抽象，枯燥数据的认知途径，为更好的处理和解释这些数据提供参考。
发明内容
本发明的发明目的在于：针对上述存在的问题，提供一种电力输变电设备故障数据的可视化分析方法。本发明的可视化分析方法通过R语言提供的数据可视化处理函数，对输变电线路设备的故障数据进行全面的、多维的数据可视化分析，得出不同的图像、曲线，可以对整体故障数据进行直观、快速地了解。
为了实现上述发明目的，本发明采用的技术方案如下：
一种电力输变电设备故障数据的可视化分析方法，所述可视化分析方法为：采集电力系统输变电设备故障数据，通过R语言分析技术及前端展示图表，将数据展现，得到可视化图；所述可视化图包括：treeMap图、时间序列频率图及变量相关性热力图。
进一步地，所述treeMap图采用R语言开源treeMap函数得到，所述treeMap函数用不同尺寸的嵌套矩形来表现层次数据，通过矩形的大小来显示节点的重要性；在treemap函数参数中输入需要表现的数据文件，index参数指定需要表现层次的列名称，vsize与vcolor参数指定与treemap中的颜色和矩形大小相关的变量，title参数指定treemap的文件。
进一步地，所述时间序列频率图采用R语言开源plot函数得到；Plot函数中指定x轴为时间轴，y轴为所需展示时间序列规律的数据，main参数定义图标名称，xlab与ylab分别定义x轴与y轴的显示名称，col定义图形的颜色。
进一步地，所述变量相关性热力图采用R语言开源ggplot函数得到；ggplot函数中，参数aes(x=，y=， fill=，)中，x为x轴的变量名，y为y轴变量名，fill为热力图中需要表现的数据；参数scale_fill_gradient (low = , high=)中，low为低热力情况的颜色，high为高热力情况的颜色，labs中定义图的显示名称及x、y轴的显示名称。
进一步地，所述treeMap图的的index参数包括管理单位、输电线路、故障设备及故障原因。
进一步地，所述时间序列频率图的y轴变量包括管理单位、输电线路、故障设备及故障原因中的故障数量。
更进一步地，所述变量相关性热力图的x轴及y轴变量包括故障时间、管理单位、输电线路、故障设备及故障原因。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
（1）开源&可拓展性：本发明所用R语言函数都为开源函数，比较开放且经济型好。
（2）本发明的可视化分析方法可对设备的整体故障信息做一个直观的、全方位的了解，可视化结果一目了然。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1 本发明的主要内容层次包含关系图；
图2 按照管理单位分类的输电设备缺陷分布图；
图3 按照输电线路分类的输电设备缺陷分布图；
图4 按照缺陷设备分类的输电设备缺陷分布图；
图5 按照缺陷设备和缺陷原因分类的输电设备缺陷分布图；
图6 按照管理单位和缺陷设备分类的输电设备缺陷分布图；
图7 按照线路名称和缺陷名称分类的输电设备缺陷分布图；
图8 所有设备发生故障数量的总和随时间的变化情况；
图9 某地市公司所辖范围内因鸟害导致的缺陷故障数量随着时间的波动情况；
图10 各地市公司与故障原因的相关性热力图；
图11 缺陷原因与发生年份的相关性热力图；
图12 缺陷原因与发生月份的相关性热力图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书（包括任何附加权利要求、摘要）中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
一种电力输变电设备故障数据的可视化分析方法，所述可视化分析方法为：采集电力系统输变电设备故障数据，通过R语言分析技术及前端展示图表，将数据展现，得到可视化图；所述可视化图包括：treeMap图、时间序列频率图或变量相关性热力图；其中，treemap函数需要加载treemap库，变量相关性热力图需要加载ggplot库。
所述treeMap图采用R语言开源treeMap函数得到。采用R语言中的treemap函数表现故障数据中的层次关系。该函数是一种流行的可视化技术，它用不同尺寸的嵌套矩形来表现层次数据，通过矩形的大小来显示节点的重要性。TreeMap可视化原理简单，它基于二维空间填充技术将显示空间划分为许多具有一定大小的矩形，每个矩形代表一定层次的可视化对象，对详见的层次关系通过矩形间的套合包含来实现，即通过矩形表示树的节点，在矩形中用更小的矩形平铺表示其子节点，其中矩形面积值与其对应的属性值成正比。
在treemap函数中index参数定义图的变量，所述treeMap图的index参数变量为管理单位、输电线路、故障设备及故障原因；vsize和vcolor参数定义变量名称，具体表现为此变量名称的数据和矩形颜色、大小的关系。
所述时间序列频率图采用R语言开源plot函数得到；所述时间序列频率图的变量为在一定时间范围内，管理单位、输电线路、故障设备及故障原因中的故障数量，统计管理单位、输电线路、故障设备或是故障原因的故障数量，设定为plot函数中的y轴，plot函数中的x轴为时间。
所述变量相关性热力图采用R语言开源ggplot函数得到；所述变量相关性热力图的变量为故障年份、故障月份、管理单位、输电线路、故障设备及故障原因；函数中的aes(x= , y = , fill = )参数集中，x、y分别为热力图中的变量，fill为热力图中需要表示热度的数据，函数中scale_fill_gradient(low = ,high = )参数集中，low和high分别定义热度的颜色。
实施例1
本实施例分析了某电力公司一段时期内的输变电线路故障数据。图1以框图的形式概括了本实施例的主要分析内容。
首先进行TreeMap层次图的分析。主要包括对管理单位、输电线路、故障设备及故障原因中的一种或两种组合进行TreeMap层次图的分析。图2为按照管理单位分类的输电设备缺陷分布图；图中粗黑线所包括的矩形是公司下属某个地市局，黑框矩形内的小矩形为地市局管辖的某输电线路；图中矩形面积大小为出现故障的频率；随着矩形的变小，每个矩形的名称字体减小。图3为按照输电线路分类的输电设备缺陷分布图；图中粗黑线所包括的矩形是某条输电线路，黑框矩形内的小矩形为某设备名称；图中矩形面积大小为出现故障的频率；随着矩形的变小，每个矩形的名称字体减小。图4为按照缺陷设备分类的输电设备缺陷分布图；图中每个矩形代表了一个缺陷设备，面积大小为出现故障的频率；随着矩形的变小，每个矩形的名称字体减小。图5为按照缺陷设备和缺陷原因分类的输电设备缺陷分布图；图中粗黑线所包括的矩形是某个缺陷设备，黑框矩形内的小矩形为该设备发生故障的原因；图中矩形面积大小为出现故障的频率；随着矩形的变小，每个矩形的名称字体减小。图6为按照管理单位和缺陷设备分类的输电设备缺陷分布图；图中粗黑线所包括的矩形是某个地市局，黑框矩形内的小矩形为该公司所辖范围内缺的缺陷设备；图中矩形面积大小为出现故障的频率。随着矩形的变小，每个矩形的名称字体减小。图7为按照线路名称和缺陷名称分类的输电设备缺陷分布图；图中粗黑线所包括的矩形是某条线路，黑框矩形内的小矩形为该线路发生故障的原因；图中矩形面积大小为出现故障的频率；随着矩形的变小，每个矩形的名称字体减小。
随后进行时间序列的分析。主要分析不同时间段故障发生的频率，包括故障变电站出现频率、故障线路出现频率以及不同故障缺陷出现频率。图8是所有设备发生故障数量的总和随时间的变化情况，可以发现故障数量随时间进行周期化的波动。图9是某地市公司所辖范围内因鸟害导致的缺陷故障数量随着时间的波动情况。
最后再进行相关性热力图分析。主要通过热力图的方式来表现故障数据各参数量之间的相关性关系。为使图片显示清晰，本例中选取部分数据展示。图10是各地市公司与故障原因的相关性热力图，其中横坐标是各地市公司，纵坐标是某个原因发生故障的频率总数。图11是缺陷原因与发生年份的相关性热力图，其中横坐标是年份，纵坐标是某个原因发生故障的频率总数。图12是缺陷原因与发生月份的相关性热力图，其中横坐标是月份，纵坐标是某个原因发生故障的频率总数。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (5)
1.一种电力输变电设备故障数据的可视化分析方法，其特征在于，所述可视化分析方法为：采集电力系统输变电设备故障数据，通过R语言分析技术进行层次分析、时间序列分析以及变量相关性分析，通过前端展示图表，将故障数据展现，得到可视化图；所述可视化图包括：treeMap图、时间序列频率图或变量相关性热力图；
所述treeMap图采用R语言开源treeMap函数得到，所述treeMap函数用不同尺寸的嵌套矩形来表现层次数据，通过矩形的大小来显示节点的重要性；在treemap函数参数中输入需要表现的数据文件，index参数指定需要表现层次的列名称，vsize与vcolor参数指定与treemap中的颜色和矩形大小相关的变量，title参数指定treemap的文件；
所述treeMap图的index参数包括管理单位、输电线路、故障设备及故障原因。
2.根据权利要求1所述的电力输变电设备故障数据的可视化分析方法，其特征在于：所述时间序列频率图采用R语言开源plot函数得到；Plot函数中指定x轴为时间轴，y轴为所需展示时间序列规律的数据，main参数定义图标名称，xlab与ylab分别定义x轴与y轴的显示名称，col定义图形的颜色。
3.根据权利要求1所述的电力输变电设备故障数据的可视化分析方法，其特征在于：所述变量相关性热力图采用R语言开源ggplot函数得到；ggplot函数中，参数aes(x=，y=，fill=，)中，x为x轴的变量名，y为y轴变量名，fill为热力图中需要表现的数据；参数scale_fill_gradient (low = , high=)中，low为低热力情况的颜色，high为高热力情况的颜色，labs中定义图的显示名称及x、y轴的显示名称。
4.根据权利要求2所述的电力输变电设备故障数据的可视化分析方法，其特征在于：所述时间序列频率图的y轴变量包括管理单位、输电线路、故障设备及故障原因中的故障数量。
5.根据权利要求3所述的电力输变电设备故障数据的可视化分析方法，其特征在于：所述变量相关性热力图的x轴及y轴变量包括故障时间、管理单位、输电线路、故障设备及故障原因。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610193922.8A CN106055548B (zh) | 2016-03-31 | 2016-03-31 | 一种电力输变电设备故障数据的可视化分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610193922.8A CN106055548B (zh) | 2016-03-31 | 2016-03-31 | 一种电力输变电设备故障数据的可视化分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106055548A CN106055548A (zh) | 2016-10-26 |
| CN106055548B true CN106055548B (zh) | 2018-08-24 |
Family
ID=57484279
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610193922.8A Active CN106055548B (zh) | 2016-03-31 | 2016-03-31 | 一种电力输变电设备故障数据的可视化分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106055548B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108090096B (zh) * | 2016-11-23 | 2020-11-06 | 北京国双科技有限公司 | 获取热力图的方法和装置 |
| CN107423344B (zh) * | 2017-05-16 | 2020-03-13 | 北京邮电大学 | 一种输变电设备状态数据的可视化方法及装置 |
| CN107391877B (zh) * | 2017-08-15 | 2020-09-29 | 广西壮族自治区林业科学研究院 | 一种基于r软件的入侵植物频度数量变化调查分析方法 |
| CN107767017A (zh) * | 2017-09-07 | 2018-03-06 | 浙江力太科技有限公司 | 一种基于时间轴的质量追溯方法 |
| CN107679634A (zh) * | 2017-10-27 | 2018-02-09 | 国网陕西省电力公司西安供电公司 | 一种基于数据可视化的供电故障报修分析和预测的方法 |
| CN108036941B (zh) * | 2017-12-26 | 2019-10-22 | 浙江大学 | 一种基于相关性可视分析的汽轮机轴承振动异常分析方法 |
| CN109239705A (zh) * | 2018-06-14 | 2019-01-18 | 广西电网有限责任公司电力科学研究院 | 输电线路鸟类活动监测方法 |
| CN108984664A (zh) * | 2018-06-28 | 2018-12-11 | 全球能源互联网研究院有限公司 | 电力设备的数据获取方法、装置及图像生成方法、装置 |
| CN109521305A (zh) * | 2018-12-29 | 2019-03-26 | 广东电网有限责任公司 | 一种电能质量扰动事件可视化方法及装置 |
| CN109992486A (zh) * | 2019-04-02 | 2019-07-09 | 北京睿至大数据有限公司 | 一种基于时序和热力图的it故障展示方法 |
| CN113342812A (zh) * | 2021-06-01 | 2021-09-03 | 陕西理工大学 | 输变电设备故障快速诊断系统、方法及平台 |
| CN113570077A (zh) * | 2021-06-30 | 2021-10-29 | 摩氢科技有限公司 | 一种甲醇重整燃料电池电站故障诊断系统 |
| CN113886251B (zh) * | 2021-09-30 | 2023-04-11 | 四川大学 | 基于热力图的热点函数确定方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103679559A (zh) * | 2013-12-23 | 2014-03-26 | 国家电网公司 | 可视化电网系统及其故障辨识方法 |
| CN104699802A (zh) * | 2015-03-20 | 2015-06-10 | 浪潮集团有限公司 | 一种基于行业数据的可视化分析方法 |
-
2016
- 2016-03-31 CN CN201610193922.8A patent/CN106055548B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103679559A (zh) * | 2013-12-23 | 2014-03-26 | 国家电网公司 | 可视化电网系统及其故障辨识方法 |
| CN104699802A (zh) * | 2015-03-20 | 2015-06-10 | 浪潮集团有限公司 | 一种基于行业数据的可视化分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| R语言及ggplot2在环境空气监测数据可视化中的应用;袁佳;《中国高新技术企业》;20150601(第331期);第88-91页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106055548A (zh) | 2016-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106055548B (zh) | 一种电力输变电设备故障数据的可视化分析方法 | |
| EP3913555A1 (en) | Power distribution network operation aided decision-making analysis system and method | |
| US9710212B2 (en) | Methods for assessing potentially compromising situations of a utility company | |
| US9037273B2 (en) | Operator terminal in a process control system | |
| Wong et al. | A novel visualization technique for electric power grid analytics | |
| CN103715767B (zh) | 智能电网信息集成与展示平台 | |
| CN108717356B (zh) | 一种计量全息可视化展现方法及装置 | |
| CN106227846A (zh) | 电网信息实时快速展示方法和装置 | |
| CN105528671B (zh) | 一种基于大数据的电网多维感知与安全评估系统及方法 | |
| CN111585352B (zh) | 一种基于pms2.0系统的电力监控系统，设备及可读存储介质 | |
| CN105264446B (zh) | 用于与监视监测和控制布置相连接的仪器和方法 | |
| CN105958942A (zh) | 基于web的光伏电站监控系统 | |
| CN107729007A (zh) | 一种变电站统一在线监测图形编辑器的实现方法 | |
| CN109754662A (zh) | 一种基于仿真培训系统的智能变电站运维方法 | |
| Zhang et al. | WaveLines: towards effective visualization and analysis of stability in power grid simulation | |
| CN109189814A (zh) | 一种基于一次设备告警信息特征的预案主动推送方法 | |
| Shan et al. | Design and implementation of fault diagnosis system for power communication network based on CNN | |
| Zheng et al. | Data integration used in new applications and control center visualization tools | |
| Arunagirinathan et al. | Situational awareness in an electric utility's control center of its generators' damping capabilities | |
| CN104317879A (zh) | 一种基于实时数据库的遥测数据实时展示方法 | |
| CN108873824A (zh) | 基于scada系统的仿真展示方法及装置、scada系统 | |
| Huang et al. | Implementation of model-driven visualizations in dominion energy | |
| Liu et al. | Design of Secondary Circuit Visualization System for UHVDC Converter Stations | |
| CN106849071B (zh) | 一种电网典型过程的内在运行机理的展示系统和方法 | |
| Ironmonger et al. | An object-oriented power system model and graphical information display system for control engineers |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |