CN106529837A - 一种风数据与输电线路本体运行数据的关联方法 - Google Patents
一种风数据与输电线路本体运行数据的关联方法 Download PDFInfo
- Publication number
- CN106529837A CN106529837A CN201611147892.3A CN201611147892A CN106529837A CN 106529837 A CN106529837 A CN 106529837A CN 201611147892 A CN201611147892 A CN 201611147892A CN 106529837 A CN106529837 A CN 106529837A
- Authority
- CN
- China
- Prior art keywords
- wind
- transmission line
- data
- failure
- component
- 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.)
- Granted
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000007547 defect Effects 0.000 claims abstract description 18
- 230000005611 electricity Effects 0.000 claims description 22
- 239000000284 extract Substances 0.000 claims description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 3
- 239000010931 gold Substances 0.000 claims description 3
- 229910052737 gold Inorganic materials 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000001914 filtration Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种风数据与输电线路本体运行数据的关联方法,包括以下步骤:步骤S010,设W为风外力集合,E为输电线路设备集合,D为缺陷集合,F为故障集合,并设置W、E、D、F的属性;步骤S020,连接数据;步骤S030,采用k‑means算法标量化风数据;步骤S040,采用Apriori搜索频繁项,并找出符合支持度和置信度的结果;步骤S050,设置前置条件lhs和后置条件rhs,对结果进行过滤;步骤S060,还原标量化风数据。本发明为对输电线路进行针对性的维护、减少故障缺陷发生提供参考依据。
Description
技术领域
本发明属于电力系统领域,更具体地说,涉及一种风数据与输电线路本体运行数据的关联方法。
背景技术
输电线路从投入运行开始,随着时间的推移,电力运维管理需要掌握线路自身状态发生的改变。输电线路不同于一般设备,它是许多设备的综合体。很难用简单指标来衡量其健康程度。电力行业一种通用的作法是通过统计线路出现状况的频繁程度来判断。线路状况可分为故障类与缺陷类。故障类会严重影响输电线路正常输供电,例如跳闸,断线等会造成大面积停电。而缺陷类主要是一些次要风险,它不直接对输电线路产生严重影响,但是缺陷具有积累效应,达到一定程度会由量变到质变,可向故障类型转换。输电线路运行管理已经建立了完整严格的监测、记录、处理故障与缺陷的体系,所有的事件都被记录。从故障缺陷产生原因角度,输电线路的故障和缺陷均是外力和自身对外抗力的综合结果,既有外力诱导产生的因素,也有自身对这些诱因耐受程度的差异。雷击、冰害、山火、风偏、污闪这五大类输电网络故障形式均与天气因素有关。其中雷击发生时伴随大风,而风偏更是主要由强风造成,所以,风因素作为一个重要的气象因素已经成为输电线路状态发生改变的主要外力条件。目前输电网络的区域管理节点上,也已经具备了风力条件监测的能力,但是缺少有效分析缺陷故障-设备-风外力之间关系的方法。本发明针对此不足提出了一种风数据与输电线路本体运行数据的关联方法。
发明内容
为克服现有技术存在的缺陷,本发明提供一种风数据与输电线路本体运行数据的关联方法。
本发明解决其技术问题所采用的技术方案是:
设计一种风数据与输电线路本体运行数据的关联方法,包括以下步骤,
步骤S010,设W为风外力集合,E为输电线路设备集合,D为缺陷集合,F为故障集合,并设置W、E、D、F的属性;
步骤S020,选择D或F,D、F与W通过时间关系进行匹配连接,D、F与E通过位置关系进行匹配连接,W与E通过位置关系进行匹配连接,形成基于D或者F的事务项,如表1所示,
表1
表1中W的每一列w.j=(w1.j,w2.j,…,wn.j)代表风分量,用于记录在时长n内多个点的风分量值,其中j=1和2,w.1代表风速,w.2代表风向,D、F和E的每个分量为标量数据;
步骤S030,采用K-means算法将风分量w.j标量化且变换为对应类标签,风分量w.j的每一项wi,j(i=1,2,…,n)均有一个类别号与之对应,如表2所示,
表2
步骤S040,采用Apriori算法从表2中提取频繁项,找出符合支持度和置信度的频繁项;
步骤S050,设置W、E、D、F的前置条件lhs和后置条件rhs,筛选出具有以下规则:(W,E)->(D/F),该规则表示在特定的风力条件下,在相应线路的相应设备上,会出现相应的故障或者缺陷;
步骤S060,将标量化的风数据还原为风分量w.j。
优选地,在上述步骤S010中,E的属性包括导线、杆塔,金具的规格参数以及安装参数,D、F的属性包括故障发生时间、故障发生位置、故障发生线路、故障发生设备、故障责任原因、故障技术原因。
优选地,在上述步骤S030中,设参数k为K-means算法的类别数,K-means算法包括以下步骤,
步骤S030-1,从w.j中任意选择k个对象作为初始聚类;
步骤S030-2,根据每个聚类的中心对象,计算每个w.j与中心对象的距离;并根据最小距离重新对相应对象进行划分;
步骤S030-3,重新计算每个聚类的中心对象;
步骤S030-4,循环步骤S030-2到步骤S030-3直到每个聚类不再发生变化为止。
优选地,在上述步骤S040中,设置最小支持度A和最小置信度B,根据
Support(A->B)=p(A∪B)
Confidence(A->B)=P(B|A)
来选择满足条件的频繁项。
优选地,在上述步骤S060中,选取w.j中类标签为k的所有项,计算出该类的最小值和最大值,然后在n个时间点上计算出表示变化波形的平均值所述最小值、最大值、平均值表示对应的风分类类型。
实施本发明一种风数据与输电线路本体运行数据的关联方法,具有以下有益效果:
本发明利用主要故障相关的风数据,以输电线路构成元素为基础,通过关联分析,从大量的缺陷故障中发现风外力对输电线路造成影响的频繁规律,为对输电线路进行针对性的维护、减少故障缺陷发生提供参考依据。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1为本发明一种风数据与输电线路本体运行数据的关联方法的流程示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
如图1所示,本发明一种风数据与输电线路本体运行数据的关联方法,包括以下步骤,
步骤S010,设W为风外力集合,E为输电线路设备集合,D为缺陷集合,F为故障集合,并设置W、E、D、F的属性,其中E的属性包括导线、杆塔,金具的规格参数以及安装参数,D、F的属性包括故障发生时间、故障发生位置、故障发生线路、故障发生设备、故障责任原因、故障技术原因,W的属性包括风向和风速。
步骤S020,选择D或F,D、F与W通过时间关系进行匹配连接,D、F与E通过位置关系进行匹配连接,W与E通过位置关系进行匹配连接,形成基于D或者F的事务项,如表1所示,
表1
表1中W的每一列w.j=(w1.j,w2.j,…,wn.j)代表风分量,用于记录在时长n内多个点的风分量值,其中j=1和2,w.1代表风速,w.2代表风向,D、F和E的每个分量为标量数据;
步骤S030,采用K-means算法将风分量w.j标量化且变换为对应类标签,风分量w.j的每一项wi,j(i=1,2,…,n)均有一个类别号与之对应,风数据集由表1形式变换为表2形式,
表2
。其中,K-means算法包括以下步骤,设参数k为K-means算法的类别数,采用欧氏距离衡量两个风分量的的相似性,
步骤S030-1,从w.j中任意选择k个对象作为初始聚类;
步骤S030-2,根据每个聚类的中心对象,计算每个w.j与中心对象的距离;并根据最小距离重新对相应对象进行划分;
步骤S030-3,重新计算每个聚类的中心对象;
步骤S030-4,循环步骤S030-2到步骤S030-3直到每个聚类不再发生变化为止。
步骤S040,采用Apriori算法从表2中提取频繁项,即利用步骤S030-2和步骤S030-3来快速求得频繁项;并找出符合支持度和置信度的频繁项。设置最小支持度A和最小置信度B,根据
Support(A->B)=p(A∪B)
Confidence(A->B)=P(B|A)
来选择满足条件的频繁项。
步骤S050,设置W、E、D、F的前置条件lhs和后置条件rhs,筛选出具有以下规则:(W,E)->(D/F),该规则表示在特定的风力条件下,在相应线路的相应设备上,会出现相应的故障或者缺陷。这样,规则转换成输电网络运维关心的专业知识。
步骤S060,将标量化的风数据还原为风分量w.j。选取w.j中类标签为k的所有项,计算出该类的最小值和最大值,然后在n个时间点上计算出表示变化波形的平均值所述最小值、最大值、平均值表示对应的风分类类型。还原标量化处理,在进行语义解释时,使其具有明确指导含义。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (5)
1.一种风数据与输电线路本体运行数据的关联方法,包括以下步骤,其特征在于,
步骤S010,设W为风外力集合,E为输电线路设备集合,D为缺陷集合,F为故障集合,并设置W、E、D、F的属性;
步骤S020,选择D或F,D、F与W通过时间关系进行匹配连接,D、F与E通过位置关系进行匹配连接,W与E通过位置关系进行匹配连接,形成基于D或者F的事务项,如表1所示,
表1
表1中W的每一列w.j=(w1.j,w2.j,…,wn.j)代表风分量,用于记录在时长n内多个点的风分量值,其中j=1和2,w.1代表风速,w.2代表风向,D、F和E的每个分量为标量数据;
步骤S030,采用K-means算法将风分量w.j标量化且变换为对应类标签,风分量w.j的每一项wi,j(i=1,2,…,n)均有一个类别号与之对应,如表2所示,
表2
步骤S040,采用Apriori算法从表2中提取频繁项,找出符合支持度和置信度的频繁项;
步骤S050,设置W、E、D、F的前置条件lhs和后置条件rhs,筛选出具有以下规则:(W,E)->(D/F),该规则表示在特定的风力条件下,在相应线路的相应设备上,会出现相应的故障或者缺陷;
步骤S060,将标量化的风数据还原为风分量w.j。
2.根据权利要求1所述的一种风数据与输电线路本体运行数据的关联方法,其特征在于,E的属性包括导线、杆塔,金具的规格参数以及安装参数,D、F的属性包括故障发生时间、故障发生位置、故障发生线路、故障发生设备、故障责任原因、故障技术原因。
3.根据权利要求1所述的一种风数据与输电线路本体运行数据的关联方法,其特征在于,在所述步骤S030中,设参数k为K-means算法的类别数,K-means算法包括以下步骤,
步骤S030-1,从w.j中任意选择k个对象作为初始聚类;
步骤S030-2,根据每个聚类的中心对象,计算每个w.j与中心对象的距离;并根据最小距离重新对相应对象进行划分;
步骤S030-3,重新计算每个聚类的中心对象;
步骤S030-4,循环步骤S030-2到步骤S030-3直到每个聚类不再发生变化为止。
4.根据权利要求1所述的一种风数据与输电线路本体运行数据的关联方法,其特征在于,在所述步骤S040中,设置最小支持度A和最小置信度B,根据
Support(A->B)=p(A∪B)
Confidence(A->B)=P(B|A)
来选择满足条件的频繁项。
5.根据权利要求3所述的一种风数据与输电线路本体运行数据的关联方法,其特征在于,在所述步骤S060中,选取w.j中类标签为k的所有项,计算出该类的最小值和最大值,然后在n个时间点上计算出表示变化波形的平均值所述最小值、最大值、平均值表示对应的风分类类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611147892.3A CN106529837B (zh) | 2016-12-13 | 2016-12-13 | 一种风数据与输电线路本体运行数据的关联方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611147892.3A CN106529837B (zh) | 2016-12-13 | 2016-12-13 | 一种风数据与输电线路本体运行数据的关联方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106529837A true CN106529837A (zh) | 2017-03-22 |
CN106529837B CN106529837B (zh) | 2020-09-01 |
Family
ID=58342500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611147892.3A Active CN106529837B (zh) | 2016-12-13 | 2016-12-13 | 一种风数据与输电线路本体运行数据的关联方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106529837B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392790A (zh) * | 2017-06-30 | 2017-11-24 | 国网电力科学研究院武汉南瑞有限责任公司 | 雷电数据与输电线路本体运行数据关联方法 |
CN109358602A (zh) * | 2018-10-23 | 2019-02-19 | 山东中创软件商用中间件股份有限公司 | 一种故障分析方法、装置及相关设备 |
CN111091285A (zh) * | 2019-12-12 | 2020-05-01 | 国网吉林省电力有限公司电力科学研究院 | 电力终端设备安全风险本体构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239970A (zh) * | 2014-09-04 | 2014-12-24 | 国家电网公司 | 一种基于Adaboost的输电线舞动风险预警方法 |
CN104915775A (zh) * | 2015-06-05 | 2015-09-16 | 国家电网公司 | 一种输电线路山火灾害的风险评估与应急决策方法 |
CN105427019A (zh) * | 2015-10-30 | 2016-03-23 | 国网河南省电力公司电力科学研究院 | 一种地理气象相关的输电线路风险差异评价方法 |
-
2016
- 2016-12-13 CN CN201611147892.3A patent/CN106529837B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239970A (zh) * | 2014-09-04 | 2014-12-24 | 国家电网公司 | 一种基于Adaboost的输电线舞动风险预警方法 |
CN104915775A (zh) * | 2015-06-05 | 2015-09-16 | 国家电网公司 | 一种输电线路山火灾害的风险评估与应急决策方法 |
CN105427019A (zh) * | 2015-10-30 | 2016-03-23 | 国网河南省电力公司电力科学研究院 | 一种地理气象相关的输电线路风险差异评价方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392790A (zh) * | 2017-06-30 | 2017-11-24 | 国网电力科学研究院武汉南瑞有限责任公司 | 雷电数据与输电线路本体运行数据关联方法 |
CN109358602A (zh) * | 2018-10-23 | 2019-02-19 | 山东中创软件商用中间件股份有限公司 | 一种故障分析方法、装置及相关设备 |
CN111091285A (zh) * | 2019-12-12 | 2020-05-01 | 国网吉林省电力有限公司电力科学研究院 | 电力终端设备安全风险本体构建方法 |
CN111091285B (zh) * | 2019-12-12 | 2022-08-09 | 国网吉林省电力有限公司电力科学研究院 | 电力终端设备安全风险本体构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106529837B (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8265798B2 (en) | System and method of curtailing energy production within congestive grid operating environments | |
CN105117830A (zh) | 一种风电场生产运维信息采集应用系统及方法 | |
CN103279808B (zh) | 恶劣天气下的电力系统线路状态转移概率预测分析方法 | |
CN102934312B (zh) | 能量产生系统及其控制 | |
CN104392391A (zh) | 一种电网运行安全风险量化方法 | |
CN106529837A (zh) | 一种风数据与输电线路本体运行数据的关联方法 | |
CN105488740A (zh) | 一种城市配电网运行方式的风险等级评估方法及其系统 | |
Brouwer et al. | Towards analysing risks to public safety from wind turbines | |
CN109829603A (zh) | 一种多维配电网系统运行风险等级评估系统及其方法 | |
CN104156881A (zh) | 配电网故障风险综合评估方法 | |
CN102819813B (zh) | 一种智能变电站自动化系统的安全风险评估方法 | |
CN110096764B (zh) | 一种电-气耦合系统脆弱线路辨识和优化方法 | |
CN104299116A (zh) | 一种电网运行安全风险定量评估方法 | |
CN104483562B (zh) | 电力设备预警方法和装置 | |
CN104050607A (zh) | 一种配电网运行风险评估方法 | |
Babu et al. | Detecting unusual customer consumption profiles in power distribution systems—APSPDCL | |
CN109510205B (zh) | 一种配电网负荷转供辅助决策分析方法 | |
Tasdighi et al. | Preventing transmission distance relays maloperation under unintended bulk DG tripping using SVM-based approach | |
CN106548265A (zh) | 一种基于连锁故障事故链搜索的输电网可靠性评估方法 | |
CN108767848A (zh) | 一种电力系统脆弱线路辨识及连锁故障预防方法 | |
CN113268590A (zh) | 一种基于设备画像和集成学习的电网设备运行状态评估方法 | |
CN108389002A (zh) | 一种基于n-1严重故障集的多重故障生成方法 | |
CN106529763A (zh) | 一种配电系统运行分析方法和装置 | |
CN116228184A (zh) | 一种电力设备安装维护方法及系统 | |
WO2021077596A1 (zh) | 基于群的计及预想事故集最佳电网拓扑在线优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |