CN107507275B - 基于大数据的输电线路跳闸影响范围确定的方法及装置 - Google Patents
基于大数据的输电线路跳闸影响范围确定的方法及装置 Download PDFInfo
- Publication number
- CN107507275B CN107507275B CN201710706959.0A CN201710706959A CN107507275B CN 107507275 B CN107507275 B CN 107507275B CN 201710706959 A CN201710706959 A CN 201710706959A CN 107507275 B CN107507275 B CN 107507275B
- Authority
- CN
- China
- Prior art keywords
- data
- dimensional
- transmission line
- scene
- trip
- 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 91
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004088 simulation Methods 0.000 claims abstract description 73
- 230000000007 visual effect Effects 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000009877 rendering Methods 0.000 claims abstract description 11
- 238000005516 engineering process Methods 0.000 claims description 15
- 238000005065 mining Methods 0.000 claims description 15
- 238000007405 data analysis Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000000547 structure data Methods 0.000 claims description 2
- 229910052792 caesium Inorganic materials 0.000 description 7
- TVFDJXOCXUVLDH-UHFFFAOYSA-N caesium atom Chemical compound [Cs] TVFDJXOCXUVLDH-UHFFFAOYSA-N 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 208000022417 sinus histiocytosis with massive lymphadenopathy Diseases 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Economics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及基于大数据的输电线路跳闸影响范围确定的方法及装置。所述方法包括：从电力大数据平台中获取地形数据和电力系统数据，生成三维地理场景、电力网架及设备三维模型；通过三维仿真引擎加载至预设的三维可视化仿真系统中，仿真得到地理场景和电力系统的初始三维场景；获取跳闸输电线路的多源数据集，将所述多源数据集及其关联规则经过三维仿真引擎计算，对计算结果进行渲染，得到跳闸输电线路的三维场景图；在所述三维场景图中，将每个受该输电线路跳闸影响的变电站在地理场景中进行标示。本发明能够快速全面从电力系统产生的大数据中获取有效的输电线路跳闸影响范围信息。
Description
技术领域
本发明涉及电力系统技术领域，还涉及大数据信息处理技术领域，特别是涉及基于大数据的输电线路跳闸影响范围确定的方法、装置、存储介质及计算机设备。
背景技术
在电力系统输电过程中，输电线路极易受到强雷击、台风等恶劣天气的影响，造成线路跳闸，为了更好的维护电网的整体运行，避免雷击或其它自然灾害等原因引起跳闸无法及时处理而导致后续事故的发生，有必要做好跳闸事故的综合分析。
同时，随着现代信息技术的迅猛发展，在电力系统获取的电网运行以及设备等各种信息数据庞大，各类信息数据之间存在信息孤岛，以致电力系统产生大数据正面临着处理效率低下的难题，从而无法在海量电力数据中及时获取有效信息，例如获取输电线路跳闸影响范围等信息。
发明内容
基于此，本发明提供了基于大数据的输电线路跳闸影响范围确定的方法及装置，能够快速全面从电力系统产生的大数据中获取有效的输电线路跳闸影响范围信息。
本发明方案包括：
一种基于大数据的输电线路跳闸影响范围确定的方法，包括：
从电力大数据平台中获取地形数据和电力系统数据，根据地形数据、电力系统数据分别生成三维地理场景、电力网架及设备三维模型；通过三维仿真引擎将所述三维地理场景、电力网架及设备三维模型加载至预设的三维可视化仿真系统中，仿真得到地理场景和电力系统的初始三维场景；
从所述电力大数据平台中获取跳闸输电线路的多源数据集，通过关联挖掘技术得出所述多源数据集中的关联规则，将所述多源数据集和关联规则经过三维仿真引擎计算，并结合初始三维场景对计算结果进行渲染，得到跳闸输电线路的三维场景图；在所述三维场景图中，将跳闸输电线路在地理场景中进行标示，并将每个受该输电线路跳闸影响的变电站在地理场景中进行标示；
根据所述三维场景图确定对应输电线路的跳闸影响范围。
一种基于大数据的输电线路跳闸影响范围确定的装置，包括：
初始场景生成模块，用于从电力大数据平台中获取地形数据和电力系统数据，根据地形数据、电力系统数据分别生成三维地理场景、电力网架及设备三维模型；通过三维仿真引擎将所述三维地理场景、电力网架及设备三维模型加载至预设的三维可视化仿真系统中，仿真得到地理场景和电力系统的初始三维场景；
跳闸仿真模块，用于从所述电力大数据平台中获取跳闸输电线路的多源数据集，通过关联挖掘技术得出所述多源数据集中的关联规则，将所述多源数据集和关联规则经过三维仿真引擎计算，并结合初始三维场景对计算结果进行渲染，得到跳闸输电线路的三维场景图；在所述三维场景图中，将跳闸输电线路在地理场景中进行标示，并将每个受该输电线路跳闸影响的变电站在地理场景中进行标示；
以及，跳闸影响范围确定模块，用于根据所述三维场景图确定对应输电线路的跳闸影响范围。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述方法的步骤。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述方法的步骤.
上述技术方案，基于电力大数据平台中获取地形数据和电力系统数据，分别生成三维地理场景、电力网架及设备三维模型；通过三维仿真引擎将所述三维地理场景、电力网架及设备三维模型加载至预设的三维可视化仿真系统中，仿真得到地理场景和电力系统的初始三维场景；获取跳闸输电线路的多源数据集，通过关联挖掘技术得出所述多源数据集中的关联规则，将所述多源数据集和关联规则经过三维仿真引擎计算，并结合初始三维场景对计算结果进行渲染，得到跳闸输电线路的三维场景图；在所述三维场景图中，将跳闸输电线路在地理场景中进行标示，并将每个受该输电线路跳闸影响的变电站在地理场景中进行标示。由此可基于电力大数据平台中的海量数据，调用计算引擎进行分析得出跳闸影响因素的关联规则，最后将计算结果提交至三维可视化展示层，建立空间地图与电力系统结构的三维可视化场景，直观显示输电线路跳闸影响范围，由此能够快速全面从电力系统产生的大数据中获取有效的输电线路跳闸影响范围信息，进而为制订日常电网运行防护原则提供依据。
附图说明
图1为一实施例的基于大数据的输电线路跳闸影响范围确定的方法的示意性流程图；
图2为一实施例的三维可视化仿真系统整体框图；
图3为图2三维可视化仿真系统在一应用场景下的三维可视化仿真流程图；
图4为另一实施例的基于大数据的输电线路跳闸影响范围确定的方法的整体流程图；
图5为一应用场景下的输电线路跳闸影响范围三维场景图；
图6为一实施例的基于大数据的输电线路跳闸影响范围确定的装置的示意性结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。
图1为一实施例的基于大数据的输电线路跳闸影响范围确定的方法的示意性流程图；如图1所示，本实施例中的基于大数据的输电线路跳闸影响范围确定的方法包括步骤：
S11，从电力大数据平台中获取地形数据和电力系统数据，根据地形数据、电力系统数据分别生成三维地理场景、电力网架及设备三维模型；通过三维仿真引擎将所述三维地理场景、电力网架及设备三维模型加载至预设的三维可视化仿真系统中，仿真得到地理场景和电力系统的初始三维场景.
可选地，所述三维仿真引擎为开源分布式计算引擎。
S12，从所述电力大数据平台中获取跳闸输电线路的多源数据集，通过关联挖掘技术得出所述多源数据集中的关联规则，将所述多源数据集和关联规则经过三维仿真引擎计算，并结合初始三维场景对计算结果进行渲染，得到跳闸输电线路的三维场景图；在所述三维场景图中，将跳闸输电线路在地理场景中进行标示，并将每个受该输电线路跳闸影响的变电站在地理场景中进行标示。
S13，根据所述三维场景图确定对应输电线路的跳闸影响范围。
在一实施例中，可通过OpenLayers和Cesium技术将所述三维地理场景、电力网架及设备三维模型加载至预设的三维可视化仿真系统中，仿真得到地理场景和电力系统的初始三维场景。
在一实施例中，将每个受该输电线路跳闸影响的变电站进行标示显示，包括：按照电压暂降深度和持续时间在受影响的变电站处标出。
在一实施例中，通过数据挖掘技术得出所述数据文件中的关联规则，包括：对所述数据文件进行频繁项挖掘、关联规则置信度和提升度的计算，得出有效的关联规则。具体例如：根据FP-Growth算法将多源数据集进行频繁项集的挖掘，生成频繁项集模式树，保留项集相关信息；计算项集的发生频次、置信度和提升度结果；根据预设阈值得到关联规则库.在关联规则挖掘中，一个事件称为一个项，首先要寻找事件中频繁出现的项的集合，称为频繁项集，再进行后续的发生频次、置信度和提升度结果的计算。例如本申请中，【跳闸】和【雷击】事件就属于一个频繁项集。
在一实施例中，从所述电力大数据平台中获取跳闸输电线路的多源数据集，包括：从预设的电力大数据平台读取跳闸数据文件，提取其中的跳闸时间、站名、跳闸描述信息，添加到第一数据集；从预设的电力大数据平台读取电压暂降数据文件，提取其中的电压暂降发生时间、持续时间、站名，添加到第二数据集；将第一数据集，第二数据据按照时间记录升序排列，对电压暂降与跳闸之间的关系进行标记，生成多源数据集。
在一实施例中，所述电力大数据平台基于分布式存储结构Hadoop实现，包括：电力系统数据库、电力系统运行文件库以及地形数据库；所述电力系统数据库用于存储电力系统数据，地形数据库用于存储地形数据，所述电力系统运行文件库用于存储跳闸数据文件和电压暂降数据文件.
通过上述实施例，基于预设的电力大数据平台，多源数据(包括跳闸时间、地点、描述、跳闸原因、相应地理信息、天气因素等)由电力大数据平台的分布式存储结构进行高效管理，通过调用基于内存计算的开源分布式计算引擎进行分析，最后将计算结果提交至展示层，利用OpenLayers、Cesium技术实时渲染电力数字仿真计算结果，生成基于空间地图与电力结构的三维可视化场景，从而可快速确定输电线路跳闸影响范围。
上述实施例的输电线路跳闸影响范围确定的方法基于电力大数据三维可视化仿真系统实现，如图2所示的三维可视化仿真系统整体框图。所述三维可视化仿真系统整体框图架构包括：数据层(即电力大数据平台)1、接口层2、大数据分析层3、可视化场景生成层4以及三维数字仿真实验平台5。各个子系统(各层)的具体结构说明如下：
数据层1：可基于分布式存储结构Hadoop实现，是三维可视化仿真系统的数据来源，包括电力系统数据库1-1、电力系统运行文件库1-2、以及三维仿真系统自身需要的空间数据库(即地形数据库)1-3等。其中，空间数据库用于地图、遥感影像等地形数据的存储及管理，其中的数据包括城市街道、建筑、道路、水系等空间对象和遥感切片数据。
接口层2：利用数据库层提供的相关数据接口(如非结构化访问接口2-1、常规数据接口FTP2-3等)获取三维可视化仿真系统所需的数据，地形数据可通过JDBC、WMS(Web MapService)\WFS(Web Feature Service)等网络服务规范获取自空间数据库并用于生成实时的三维地理场景(包括三维房屋、杆塔、线路等)。
数据分析层3：基于分布式并行计算框架Spark，包括3-1 Spark R，可用于从R语言中使用Apache Spark，通过弹性分布式数据集(Resilient Distributed Datasets，RDD)的模式允许用户以交互方式在集群上从R shell运行任务；3-2MLlib是一个机器学习算法库，用来在集群上对数据进行分类、回归、聚类、协同过滤等处理；3-3Spark GraphX用来处理图，执行基于图的并行操作，实现了基于Spark框架的分布式图处理API。
可视化场景生成层4:针对空间地图(即三维地理场景)、电力网架及设备三维模型等的生成，利用OpenLayers4-1、Cesium4-2技术实时渲染仿真计算结果，其中，OpenLayers4-1是一个用于开发WebGIS客户端的JavaScript包，OpenLayers支持的地图来源包括Google Maps、Yahoo、Map、微软Virtual Earth等，用户还可以用简单的图片地图作为背景图，与其他的图层在OpenLayers中进行叠加；Cesium4-2是一个在Web浏览器中创建三维虚拟地球和二维平面地图的Java Script开源库，使用Web GL(Web GraphicsLibrary)作为图形渲染引擎，擅长动态数据可视化，并且具有跨平台跨浏览器的优点。
三维数字仿真实验平台5：可在Web端完成最终可视化，例如使用JavaScript脚本语言和Cesium工具来设计和实现可视化方法。通过地形数据采集(包括行政区划、道路、建筑物、绿地等信息)，调用GIS生成二维地图并添加属性，再将电力系统数据进行预处理，把所需文件转换成结构化数据(包括电网拓扑结构、输电线路、变电站等信息)，利用Cesium工具加载集成到预设的三维可视化仿真系统中。
进一步地，参考图3所示，三维可视化仿真的流程整体可分为四部分，数据导入1、中间模型场景生成2、三维仿真引擎计算3以及三维仿真实验的进行4。
数据导入1：三维可视化仿真所需的数据来自电力大数据平台，主要包括城市地形数据(矢量图形数据)、遥感影像(地形纹理数据)、电力系统数据(电网拓扑结构、输电线路、杆塔以及变电站等对应的三维建模数据)、电力设备数据(其他附属设备数据)等。该过程主要包括导入地形数据和电力系统数据；地形数据包括从城市地形图中提取的矢量图形数据，和/或从遥感影像中获取的地形纹理数据。通过数据平台的接口层，导入数据到三维模型库中进行存储，准备调用。
中间模型场景生成2：由地形数据生成的三维地理场景，由电力系统数据生成的电力网架及设备三维模型，并将生成的三维地理场景、电力网架及设备三维模型存储到三维模型管理数据库中，随时响应三维仿真引擎的计算需求。
三维仿真引擎计算3：可选地，采用OpenLayers和Cesium技术对三维可视化场景进行计算，并结合电力系统数据对电力数字仿真计算结果进行渲染。具体包括：通过电力大数据平台服务器的FTP端进行监控，以检测电力大数据平台中电力系统文件的更新，实时将文件更新数据加载至内存，进行结构化数据转换，利用Cesium工具加载集成到预设的三维可视化仿真系统中。
三维仿真实验的进行4：基于三维可视化仿真系统环境可以进行输电线路跳闸分析或者其他相关的仿真实验，可以满足电力工作者对电力分析结果的三维可视化需求，以及相关仿真验证的计算。
进一步地，基于三维可视化仿真系统的输电线路跳闸影响范围确定的方法的整体流程图如图4所示，具体说明如下：
首先从电力大数据平台读取相关的原始数据，经过预处理生成新数据文件，预处理过程主要包括：数据的清洗、提取、融合与新数据文件的生成；新数据文件生成之后，调用大数据分析引擎，例如调用FP-Growth算法对新数据文件进行频繁项挖掘、关联规则置信度和提升度的计算，得出有效的关联规则；根据可视化展示层的需要，提取相关的数据文件和有效关联规则，与三维地理场景、电力网架及设备三维模型一并经过三维仿真引擎OpenLayers和Cesium技术生成所需三维可视化场景，主要包括相应地区的地形图、输电线路、变电站、以及相应的名称；最后生成所需的跳闸输电线路的三维场景图。
跳闸输电线路的三维场景图例如图5所示，将得到的多源数据分析结果与变电站坐标、地图等地理信息相结合，将跳闸线路在地图上显示，同时将每个受影响的变电站也进行标示显示，可按照电压暂降的深度和持续时间在受影响的变电站处标出，由此可快速确定跳闸对变电站的影响范围以及电压暂降的深度和持续时间。
上述实施例所述的输电线路跳闸影响范围确定的方法，依托数字仿真技术，结合大数据挖掘分析，把电网从二维向三维发展，从静态数据向动态发展，将地表数字高层模型、输电设备三维模型及各类属性有机的结合在一起。将实际大电网上分散的信息数据，包括电力系统信息、电力网络运行信息、环境信息、地理信息等结合在一起，以图形化的形式代替传统的数据、表格来描述电网的运行和变化，为电网操作员提供一个直观的电网运行操作环境，快速准确的做出决策，避免事故扩大化。
需要说明的是，对于前述的各方法实施例，为了简便描述，将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。
基于与上述实施例中的基于大数据的输电线路跳闸影响范围确定的方法相同的思想，本发明还提供输电线路跳闸影响范围确定的装置，该装置可用于执行上述基于大数据的输电线路跳闸影响范围确定的方法。为了便于说明，输电线路跳闸影响范围确定的装置实施例的结构示意图中，仅仅示出了与本发明实施例相关的部分，本领域技术人员可以理解，图示结构并不构成对装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
图6为本发明一实施例的基于大数据的输电线路跳闸影响范围确定的装置的示意性结构图，所述实施例的输电线路跳闸影响范围确定的装置包括：
初始场景生成模块310，用于从电力大数据平台中获取地形数据和电力系统数据，根据地形数据、电力系统数据分别生成三维地理场景、电力网架及设备三维模型；通过三维仿真引擎将所述三维地理场景、电力网架及设备三维模型加载至预设的三维可视化仿真系统中，仿真得到地理场景和电力系统的初始三维场景；
跳闸仿真模块320，用于从所述电力大数据平台中获取跳闸输电线路的多源数据集，通过关联挖掘技术得出所述多源数据集中的关联规则，将所述多源数据集和关联规则经过三维仿真引擎计算，并结合初始三维场景对计算结果进行渲染，得到跳闸输电线路的三维场景图；在所述三维场景图中，将跳闸输电线路在地理场景中进行标示，并将每个受该输电线路跳闸影响的变电站在地理场景中进行标示；
以及，跳闸影响范围确定模块330，用于根据所述三维场景图确定对应输电线路的跳闸影响范围。
在一实施例中，所述初始场景生成模块310包括：数据接口单元、中间模型生成单元和可视化场景生成单元，
所述数据接口单元，用于从电力大数据平台中获取地形数据和电力系统数据，所述地形数据包括：从城市地形图中提取的矢量图形数据，和/或，从遥感影像中获取的地形纹理数据；所述电力系统数据包括：电力拓扑结构数据、输电线路数据、杆塔数据以及变电站数据；
所述中间模型生成单元，用于根据地形数据、电力系统数据分别生成三维地理场景、电力网架及设备三维模型；
所述可视化场景生成单元，用于通过OpenLayers和Cesium技术将所述三维地理场景、电力网架及设备三维模型加载至预设的三维可视化仿真系统中，仿真得到地理场景和电力系统的初始三维场景。
需要说明的是，上述示例的输电线路跳闸影响范围确定的装置的实施方式中，各模块/单元之间的信息交互、执行过程等内容，由于与本发明前述方法实施例基于同一构思，其带来的技术效果与本发明前述方法实施例相同，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
此外，上述示例的输电线路跳闸影响范围确定的装置的实施方式中，各程序模块的逻辑划分仅是举例说明，实际应用中可以根据需要，例如出于相应硬件的配置要求或者软件的实现的便利考虑，将上述功能分配由不同的程序模块完成，即将所述输电线路跳闸影响范围确定的装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分功能。
本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，作为独立的产品销售或使用。所述程序在执行时，可执行如上述各方法的实施例的全部或部分步骤。此外，所述存储介质还可设置于一种计算机设备中，所述计算机设备中还包括处理器，所述处理器执行所述存储介质中的程序时，能够实现上述各方法的实施例的全部或部分步骤。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上所述实施例仅表达了本发明的几种实施方式，不能理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于大数据的输电线路跳闸影响范围确定的方法，其特征在于，包括：
从电力大数据平台中获取地形数据和电力系统数据，根据地形数据、电力系统数据分别生成三维地理场景、电力网架及电力系统对应的设备三维模型；通过三维仿真引擎将所述三维地理场景、电力网架及设备三维模型加载至预设的三维可视化仿真系统中，仿真得到地理场景和电力系统的初始三维场景；所述三维可视化仿真系统包括：数据层、接口层、大数据分析层、可视化场景生成层以及三维数字仿真实验平台；所述数据层为电力大数据平台，所述电力大数据平台基于分布式存储结构Hadoop实现，包括：电力系统数据库、电力系统运行文件库以及地形数据库，用于向所述三维可视化仿真系统提供电力系统数据和地形数据来源；所述接口层，用于通过所述数据层提供的预设数据接口，获取所述三维可视化仿真系统对应的电力系统数据，通过预设网络服务规范，从空间数据库获取地形数据并用于生成实时三维地理场景；所述大数据分析层，用于基于分布式并行计算框架对所述电力系统数据以及地形数据进行分类、回归、聚类、协同过滤以及图处理；所述可视化场景生成层，用于通过预设图形渲染引擎生成所述三维地理场景、电力网架及设备三维模型；所述三维数字仿真实验平台，用于基于地形数据生成二维地图并添加属性，对所述电力系统数据进行预处理，得到对应的结构化数据并加载至所述三维可视化仿真系统中；
从所述电力大数据平台中获取跳闸输电线路的多源数据集，通过关联挖掘技术得出所述多源数据集中的关联规则，将所述多源数据集和关联规则经过三维仿真引擎计算，并结合初始三维场景对计算结果进行渲染，得到跳闸输电线路的三维场景图；在所述三维场景图中，将跳闸输电线路在地理场景中进行标示，并将每个受所述跳闸输电线路的跳闸影响的变电站在地理场景中进行标示；所述关联规则基于FP-Growth算法进行频繁项集的挖掘得到；
根据所述三维场景图确定对应输电线路的跳闸影响范围。
2.根据权利要求1所述的输电线路跳闸影响范围确定的方法，其特征在于，将每个受所述跳闸输电线路的跳闸影响的变电站进行标示显示，包括：
按照电压暂降深度和持续时间在受影响的变电站处标出。
3.根据权利要求1所述的输电线路跳闸影响范围确定的方法，其特征在于，通过关联挖掘技术得出所述多源数据集中的关联规则，包括：
根据FP-Growth算法将多源数据集进行频繁项集的挖掘，生成频繁项集模式树，保留项集相关信息；计算项集的发生频次、置信度和提升度结果；根据预设阈值得到关联规则库。
4.根据权利要求1至3任一所述的输电线路跳闸影响范围确定的方法，其特征在于，从所述电力大数据平台中获取跳闸输电线路的多源数据集，包括：
从电力大数据平台读取跳闸数据文件，提取其中的跳闸时间、站名、跳闸描述信息，添加到第一数据集；
从电力大数据平台读取电压暂降数据文件，提取其中的电压暂降发生时间、持续时间、站名，添加到第二数据集；
将第一数据集，第二数据集按照时间记录升序排列，对电压暂降与跳闸之间的关系进行标记，生成多源数据集。
5.根据权利要求1所述的输电线路跳闸影响范围确定的方法，其特征在于，
所述电力系统数据库用于存储电力系统数据，地形数据库用于存储地形数据，所述电力系统运行文件库用于存储跳闸数据文件和电压暂降数据文件；
和/或，
所述三维仿真引擎为开源分布式计算引擎。
6.根据权利要求1至3、5任一所述的输电线路跳闸影响范围确定的方法，其特征在于，
所述地形数据包括：从城市地形图中提取的矢量图形数据，和/或，从遥感影像中获取的地形纹理数据。
7.根据权利要求1至3、5任一所述的输电线路跳闸影响范围确定的方法，其特征在于，
所述电力系统数据包括：电力拓扑结构数据、输电线路数据、杆塔数据以及变电站数据。
8.一种基于大数据的输电线路跳闸影响范围确定的装置，其特征在于，包括：
初始场景生成模块，用于从电力大数据平台中获取地形数据和电力系统数据，根据地形数据、电力系统数据分别生成三维地理场景、电力网架及设备三维模型；通过三维仿真引擎将所述三维地理场景、电力网架及电力系统对应的设备三维模型加载至预设的三维可视化仿真系统中，仿真得到地理场景和电力系统的初始三维场景；所述三维可视化仿真系统包括：数据层、接口层、大数据分析层、可视化场景生成层以及三维数字仿真实验平台；所述数据层为电力大数据平台，所述电力大数据平台基于分布式存储结构Hadoop实现，包括：电力系统数据库、电力系统运行文件库以及地形数据库，用于向所述三维可视化仿真系统提供电力系统数据和地形数据来源；所述接口层，用于通过所述数据层提供的预设数据接口，获取所述三维可视化仿真系统对应的电力系统数据，通过预设网络服务规范，从空间数据库获取地形数据并用于生成实时三维地理场景；所述大数据分析层，用于基于分布式并行计算框架对所述电力系统数据以及地形数据进行分类、回归、聚类、协同过滤以及图处理；所述可视化场景生成层，用于通过预设图形渲染引擎生成所述三维地理场景、电力网架及设备三维模型；所述三维数字仿真实验平台，用于基于地形数据生成二维地图并添加属性，对所述电力系统数据进行预处理，得到对应的结构化数据并加载至所述三维可视化仿真系统中；
跳闸仿真模块，用于从所述电力大数据平台中获取跳闸输电线路的多源数据集，通过关联挖掘技术得出所述多源数据集中的关联规则，将所述多源数据集和关联规则经过三维仿真引擎计算，并结合初始三维场景对计算结果进行渲染，得到跳闸输电线路的三维场景图；在所述三维场景图中，将跳闸输电线路在地理场景中进行标示，并将每个受所述跳闸输电线路的跳闸影响的变电站在地理场景中进行标示；所述关联规则基于FP-Growth算法进行频繁项集的挖掘得到；
以及，跳闸影响范围确定模块，用于根据所述三维场景图确定对应输电线路的跳闸影响范围。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7任一所述方法的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710706959.0A CN107507275B (zh) | 2017-08-17 | 2017-08-17 | 基于大数据的输电线路跳闸影响范围确定的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710706959.0A CN107507275B (zh) | 2017-08-17 | 2017-08-17 | 基于大数据的输电线路跳闸影响范围确定的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107507275A CN107507275A (zh) | 2017-12-22 |
| CN107507275B true CN107507275B (zh) | 2021-08-10 |
Family
ID=60691206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710706959.0A Active CN107507275B (zh) | 2017-08-17 | 2017-08-17 | 基于大数据的输电线路跳闸影响范围确定的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107507275B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108491649A (zh) * | 2018-03-28 | 2018-09-04 | 深圳智润新能源电力勘测设计院有限公司 | 一种风电场数字化平台的设计方法以及处理设备 |
| CN109146091A (zh) * | 2018-07-30 | 2019-01-04 | 成都飞机工业（集团）有限责任公司 | 一种基于设备地图的设备信息可视化的实现方法 |
| CN111930056B (zh) * | 2020-07-31 | 2024-02-06 | 贵州优特云科技有限公司 | 一种智慧楼宇的电力监控系统及方法 |
| CN112035934B (zh) * | 2020-09-04 | 2024-05-10 | 国网山西省电力公司经济技术研究院 | 一种基于变电站的数字化设计模型进行施工管理控制的方法 |
| CN113192193B (zh) * | 2021-04-23 | 2022-04-15 | 安徽省皖北煤电集团有限责任公司 | 基于Cesium三维地球框架的高压输电线路走廊三维重建方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6047119A (en) * | 1997-06-30 | 2000-04-04 | Metatech Corporation | Method for tracking, analyzing and responding to lightning service interruptions using LCM technology |
| CN101988940A (zh) * | 2009-08-07 | 2011-03-23 | 华东电力试验研究院有限公司 | 基于落雷密度统计的输电线路防雷性能三维评价方法 |
| CN106156376A (zh) * | 2015-03-26 | 2016-11-23 | 国家电网公司 | 一种特高压输电线路电磁干扰三维仿真系统 |
-
2017
- 2017-08-17 CN CN201710706959.0A patent/CN107507275B/zh active Active
Non-Patent Citations (1)
| Title |
|---|
| 基于大数据的广州电网输电线路跳闸分析及相关因素关联性挖掘;刘育权等;《南方电网技术》;20170505;第38-44页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107507275A (zh) | 2017-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107507275B (zh) | 基于大数据的输电线路跳闸影响范围确定的方法及装置 | |
| Li et al. | XEarth: A 3D GIS Platform for managing massive city information | |
| Guney et al. | Tailoring a geomodel for analyzing an urban skyline | |
| Klouček et al. | How does data accuracy influence the reliability of digital viewshed models? A case study with wind turbines | |
| Xiong et al. | Building seismic response and visualization using 3D urban polygonal modeling | |
| Li et al. | Webvrgis based city bigdata 3d visualization and analysis | |
| CN112528508B (zh) | 电磁可视化方法和装置 | |
| Deshpande | Improved floodplain delineation method using high‐density lidar data | |
| Esmaili et al. | Quality assessment of volunteered geographic information | |
| CN106372074A (zh) | 一种用于污染场地风险评估可视化系统的架构方法 | |
| CN113570275A (zh) | 基于bim和数字高程模型的水资源实时监测系统 | |
| CN117351521B (zh) | 基于数字孪生的输电线鸟类检测方法、系统、介质及设备 | |
| Koshimura | Establishing the advanced disaster reduction management system by fusion of real-time disaster simulation and big data assimilation | |
| CN112685820A (zh) | 基于bim和gis的数字化电站交付方法、介质和设备 | |
| Lu et al. | Web‐based real‐time visualization of large‐scale weather radar data using 3D tiles | |
| Roick et al. | A technical framework for visualizing spatio-temporal quality metrics of volunteered geographic information | |
| CN110706340A (zh) | 基于真实地理数据的管线三维可视化平台 | |
| He et al. | Development of power grid Web3D GIS based on Cesium | |
| Glasscoe et al. | E-decider: using earth science data and modeling tools to develop decision support for earthquake disaster response | |
| Amri et al. | A geographic information system for hotspot occurrences classification in Riau Province Indonesia | |
| CN113971348A (zh) | 一种基于综合能源系统的源端功率短期预测方法 | |
| Malinverni et al. | 3D information management system for the conservation of an old deserted military site | |
| Williams et al. | SitaVis—Interactive situation awareness visualization of large datasets | |
| Saifi et al. | Web-based visualization and rendering of aerial LiDAR point cloud for urban flood simulation | |
| Zhu et al. | Research on WebGL-based 3D Visualization Platform for Earthquake Rapid Reporting |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231102 Address after: 510620, No. two, No. 2, Tianhe South Road, Guangzhou, Guangdong, Tianhe District Patentee after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd. Patentee after: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES Address before: 510620, No. two, No. 2, Tianhe South Road, Guangzhou, Guangdong, Tianhe District Patentee before: GUANGZHOU POWER SUPPLY Co.,Ltd. Patentee before: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES |
|
| TR01 | Transfer of patent right |