CN107944573A - 一种变电站在线监测系统数据准确性的校对方法及系统 - Google Patents
一种变电站在线监测系统数据准确性的校对方法及系统 Download PDFInfo
- Publication number
- CN107944573A CN107944573A CN201711219038.8A CN201711219038A CN107944573A CN 107944573 A CN107944573 A CN 107944573A CN 201711219038 A CN201711219038 A CN 201711219038A CN 107944573 A CN107944573 A CN 107944573A
- Authority
- CN
- China
- Prior art keywords
- monitoring system
- variance
- data
- xset
- irrelevance
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000001915 proofreading effect Effects 0.000 title claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 64
- 238000012360 testing method Methods 0.000 claims abstract description 39
- 230000005856 abnormality Effects 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 description 19
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 6
- 239000006185 dispersion Substances 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010068052 Mosaicism Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000003765 sex chromosome Anatomy 0.000 description 1
- 241000894007 species Species 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种变电站在线监测系统数据准确性的校对方法及系统,其方法包括获取相同时间点的在线监测数据以及离线试验数据,形成校对数据库;根据所述校对数据库获取至少一个校对指标;将所述至少一个校对指标与设定的对应阈值进行比对,生成在线监测系统数据准确性判断结果。本发明的变电站在线监测系统数据准确性的校对方法,可以对在线监测系统性能实现动态标定,能够及时发现在线监测系统的异常状态,为及时处理故障、杜绝漏报事件的发生以及评定在线监测系统厂家的产品性能提供帮助。
Description
技术领域
本发明涉及电网设备状态评估及检修技术领域,尤其涉及一种变电站在线监测系统数据准确性的校对方法及系统。
背景技术
随着在线监测技术的逐渐发展与成熟,变电站内越来越多设备加装了在线监测装置。通过在线监测设备,运维部门可以获取设备的实时运行数据,以此对设备的异常状态进行及时预警及制定应对措施。然而,由于在线监测系统的厂家不同,其性能也参差不齐,甚至存在上传伪数据的行为。电网公司规定运检部门每年要进行2次在线监测数据的准确性校对工作(夏季及冬季),以此判定在线监测系统性能是否符合要求。目前此项比对工作基本都是采用人工方式,机械重复的数据对比工作带来了很高的人工成本,挤占了专业技术人员处理复杂问题的时间,同时也容易出现工作失误。如果在上述规定的2次人工标定时间之间,在线监测系统发生量测值显著偏低等潜伏性问题时,异常状态将无法被及时检出,进而导致漏报事件的发生。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种变电站在线监测系统数据准确性的校对方法及系统,提高变电站主设备在线监测系统数据准确性校对工作的效率。
本发明解决上述技术问题的技术方案如下:
依据本发明的一个方面,提供了一种变电站在线监测系统数据准确性的校对方法,包括如下步骤:
步骤1:获取相同时间点的在线监测数据以及离线试验数据,形成校对数据库;
步骤2:根据所述校对数据库获取至少一个校对指标;
步骤3:将所述至少一个校对指标与对应的预设阈值进行比对,生成在线监测系统数据准确性判断结果。
本发明的有益效果是:本发明的变电站在线监测系统数据准确性的校对方法,可以对在线监测系统性能实现动态标定,能够及时发现在线监测系统的异常状态,为及时处理故障、杜绝漏报事件的发生以及评定在线监测系统厂家的产品性能提供帮助。
在上述技术方案的基础上,本发明还可以做如下改进:
进一步:所述步骤1具体包括:
设定数据观测时间窗T,并从电网管理系统PMS中获取所述数据观测时间窗T内所有离线试验数据x1,x2,…,xn及所述离线试验数据对应的时间点t1,t2,…,tn,同时,从在线监测系统数据库中获取时间点t1,t2,…,tn所对应的在线监测数据y1,y2,…,yn,以此形成校对数据库。
上述进一步方案的有益效果是:通过从电网管理系统PMS和在线监测系统中分别获取离线实验数据和在线监测数据,并形成校对数据库,便于后续根据所述校对数据库准确的计算出校对指标,从而便于判断在线监测系统的性能。
进一步:所述步骤2中,所述校对指标包括期望偏离度ΔEx、方差Vx和方差变化率Rx,所述期望偏离度ΔEx为数据观测时间窗T内所有离线试验数据与对应的在线数据之差的平均值;所述方差Vx为数据观测时间窗T内所有离线试验数据与对应的在线数据之差的平方的平均值;所述方差变化率Rx为相邻两个所述方差Vx的差值。
上述进一步方案的有益效果是:通过上述公式可以准确的计算出在线监测系统的校正指标,从而有效识别在线监测装置获取的数据精度、在线监测装置获取的数据与离线实验数据之间的离散度、背离度,并能反映出在线监测系统的性能。
进一步:所述步骤3具体包括:
将期望偏离度ΔEx、方差Vx和方差变化率Rx分别与对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行比对,当期望偏离度ΔEx、方差Vx和方差变化率Rx分别大于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset,则判定在线监测系统性能异常,否则在线监测系统性能正常。
上述进一步方案的有益效果是:通过将期望偏离度ΔEx、方差Vx和方差变化率Rx分别与对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行比对,可以准确判断各项校对指标是否正常,从而判断在线监测系统的性能。
进一步:当在线监测系统性能正常时,如果期望偏离度ΔEx、方差Vx和方差变化率Rx分别小于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset,则判定在线监测系统性能优秀,否则判定在线监测系统性能良好。
上述进一步方案的有益效果是:通过对期望偏离度ΔEx、方差Vx和方差变化率Rx分别小于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行进一步判断,可以更加细化的判断所述在线监测系统的性能,便于更加准确全面的了解在线监测系统的状态。
依据本发明的另一个方面,提供了一种变电站在线监测系统数据准确性的校对系统,包括获取模块、计算模块和比对模块;所述获取模块,用于获取相同时间点的在线监测数据以及离线试验数据,形成校对数据库;所述计算模块,用于根所述校对数据库获取至少一个校对指标;所述比对模块,用于将所述至少一个校对指标与对应的预设阈值进行比对,生成在线监测系统数据准确性判断结果。
本发明的有益效果是:本发明的变电站在线监测系统数据准确性的校对系统,可以对在线监测系统性能实现动态标定,能够及时发现在线监测系统的异常状态,为及时处理故障、杜绝漏报事件的发生以及评定在线监测系统厂家的产品性能提供帮助。
在上述技术方案的基础上,本发明还可以做如下改进:
进一步:所述获取模块具体用于:设定数据观测时间窗T,并从电网管理系统PMS中获取所述数据观测时间窗T内所有离线试验数据x1,x2,…,xn及所述离线试验数据对应的时间点t1,t2,…,tn,同时,从在线监测系统数据库中获取时间点t1,t2,…,tn所对应的在线监测数据y1,y2,…,yn,以此形成校对数据库。
上述进一步方案的有益效果是:通过所述获取模块从电网管理系统PMS和在线监测系统中分别获取离线实验数据和在线监测数据,并形成校对数据库,便于后续根据所述校对数据库准确的计算出校对指标,从而便于判断在线监测系统的性能。
进一步:所述校对指标包括期望偏离度ΔEx、方差Vx和方差变化率Rx。
上述进一步方案的有益效果是:所述校对指标可以准确反映出在线监测装置获取的数据精度、在线监测装置获取的数据与离线实验数据之间的离散度、背离度,并能反映出在线监测系统的性能。
进一步:所述比对模块具体用于:
将期望偏离度ΔEx、方差Vx和方差变化率Rx分别与对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行比对,当期望偏离度ΔEx、方差Vx和方差变化率Rx分别大于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset,则判定在线监测系统性能异常,否则在线监测系统性能正常。
上述进一步方案的有益效果是:通过所述比对模块将期望偏离度ΔEx、方差Vx和方差变化率Rx分别与对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行比对,可以准确判断各项校对指标是否正常,从而判断在线监测系统的性能。
进一步:所述比对模块还用于:当在线监测系统性能正常时,如果期望偏离度ΔEx、方差Vx和方差变化率Rx分别小于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset,则判定在线监测系统性能优秀,否则判定在线监测系统性能良好。
上述进一步方案的有益效果是:通过所述比对模块对期望偏离度ΔEx、方差Vx和方差变化率Rx分别小于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行进一步判断,可以更加细化的判断所述在线监测系统的性能,便于更加准确全面的了解在线监测系统的状态。
附图说明
图1为本发明的一种变电站在线监测系统数据准确性的校对方法流程示意图;
图2为在线监测系统性能异常的在线/离线数据变化趋势对比示意图;
图3为在线监测系统性能优秀的在线/离线数据变化趋势对比示意图;
图4为在线监测系统性能良好的在线/离线数据变化趋势对比示意图;
图5为本发明的一种变电站在线监测系统数据准确性的校对系统结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,一种变电站在线监测系统数据准确性的校对方法,包括如下步骤:
步骤1:获取相同时间点的在线监测数据以及离线试验数据,形成校对数据库;
所述步骤1具体包括:设定数据观测时间窗T,并从电网管理系统PMS中获取所述数据观测时间窗T内所有离线试验数据x1,x2,…,xn及所述离线试验数据对应的时间点t1,t2,…,tn,同时,从在线监测系统数据库中获取时间点t1,t2,…,tn所对应的在线监测数据y1,y2,…,yn,以此形成校对数据库,比如可以生成H2、CH4、C2H4、C2H6、C2H2等5种典型气体的校对数据库。
通过从电网管理系统PMS和在线监测系统中分别获取离线实验数据和在线监测数据,并形成校对数据库,便于后续根据所述校对数据库准确第计算出校对指标,从而便于判断在线监测系统的性能。
实际中,所述数据观测时间窗T可以根据实际情况选择,本实施例中,所述数据观测时间窗T取一年,即365天。
步骤2:根据所述校对数据库获取至少一个校对指标;
具体地,由于各评估指标所反映的信息量的大小以及重要程度的不同,需要对评估指标(本项目中评估指标为H2、CH4、C2H4、C2H6、C2H2等5种气体)进行权重系数的计算。熵权法可以综合各评估指标的重要性和指标提供的信息量这两方面因素,更客观地确定各指标的最终权重。某个评估指标的信息熵越小,表示该指标的变异程度越大,所提供的信息量越多,即在整个评估过程中起到的作用越大,其权重也越大;反之越小。
评价指标j的重要性熵值定义为:
k=1/lnm
其中,m表示故障类型的数目(本实施例中取7),n表示评价指标j的数目(本项目取5),Nij为各评价指标参数值之间的接近程度,通过专家经验进行确定。由于信息熵e(dj)可用来衡量评价指标j信息的有用程度,信息熵越小则评价指标j的有效程度越高,评价指标j的信息效用价值系数定义为:
hj=1-e(dj)
利用熵值法计算各评价指标的客观权重,实质上是利用该评价指标信息的效用价值系数来计算的,效用价值系数越高,对评价的重要性就越大,于是得到评价指标j的权重值wj:
本项目采用如上所述的熵权法确定了各评价指标的权重值W,如表1所示。
表1评价指标权重值
评价指标 | H2 | CH4 | C2H4 | C2H6 | C2H2 |
权重值 | 0.232 | 0.161 | 0.145 | 0.262 | 0.2 |
再根据各气体的权重系数,以及从电网管理系统PMS系统中所获取的在线/离线数据,计算对应的校对指标,包括期望偏离度ΔEx、方差Vx和方差变化率Rx。
所述步骤2中,所述校对指标包括期望偏离度ΔEx、方差Vx和方差变化率Rx,所述期望偏离度ΔEx为数据观测时间窗T内所有离线试验数据与对应的在线数据之差的平均值,表征了在线监测装置所获取的数据的精度,具体计算公式为:
以本实施例中的H2、CH4、C2H4、C2H6、C2H2等5种气体为例,所述期望偏离度ΔEx的具体计算公式为:
方差Vx为数据观测时间窗T内所有离线试验数据与对应的在线数据之差的平方的平均值,表征了在线监测装置所获取的数据与离线试验数据之间的离散度,具体计算公式为:
以本实施例中的H2、CH4、C2H4、C2H6、C2H2等5种气体为例,所述方差Vx的计算公式为:
方差变化率Rx为相邻两个所述方差Vx的差值,表征了在线监测装置所获取的数据与离线试验数据之间的背离度,具体计算公式为:
Rx=ΔV=Vk+1-Vk
其中,xi为电网管理系统PMS中数据观测时间窗T内的离线试验数据,yi为与所述离线试验数据xi同步的在线监测数据,n为离线试验数据的数量,k为试验数据按时间顺序的编号。
通过上述公式可以准确的计算出在线监测系统的校正指标,从而有效识别在线监测装置获取的数据精度、在线监测装置获取的数据与离线实验数据之间的离散度、背离度,并能反映出在线监测系统的性能。
步骤3:将所示校对指标与设定的对应阈值进行比对,生成在线监测系统数据准确性判断结果。
在上述实施例中,所述步骤3具体包括:将期望偏离度ΔEx、方差Vx和方差变化率Rx分别与对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行比对,当期望偏离度ΔEx、方差Vx和方差变化率Rx分别大于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset,则判定在线监测系统性能异常,否则在线监测系统性能正常。通过将期望偏离度ΔEx、方差Vx和方差变化率Rx分别与对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行比对,可以准确判断各项校对指标是否正常,从而判断在线监测系统的性能。图2中示出了在线监测系统性能异常的在线/离线数据变化趋势对比示意图,在线数据与离线数据变化趋势和幅度均出现偏差较大。
优选地,在上述实施例的基础上,当在线监测系统性能正常时,如果期望偏离度ΔEx、方差Vx和方差变化率Rx分别小于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset,则判定在线监测系统性能优秀,否则判定在线监测系统性能良好。通过对期望偏离度ΔEx、方差Vx和方差变化率Rx分别小于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行进一步判断,可以更加细化的判断所述在线监测系统的性能,便于更加准确全面的了解在线监测系统的状态。图3中示出了在线监测系统性能优秀的在线/离线数据变化趋势对比示意图,在线数据与离线数据变化趋势和幅度基本相同;图4中示出了在线监测系统性能良好的在线/离线数据变化趋势对比示意图,在线数据与离线数据变化趋势相同,幅度保持稳定偏差。
需要说明的是,三个指标预设阈值的设定应当由运维人员结合自身专业经验进行设定,一般而言,期望偏离度ΔEx的预设阈值ΔExset的取值范围为{0,0.5},方差Vx的预设阈值Vxset的取值范围为{0,0.3},以及方差变化率Rx的预设阈值Rxset的取值范围为{0,0.5}。
本发明的变电站在线监测系统数据准确性的校对方法,可以对在线监测系统性能实现动态标定,能够及时发现在线监测系统的异常状态,为及时处理故障、杜绝漏报事件的发生以及评定在线监测系统厂家的产品性能提供帮助。特别是在在线监测系统数目种类繁多的场景下,本发明完全可以替代人工比对方式。
另外,本发明并不局限于变电站主设备在线监测系统的数据准确性校对,对于电力系统中其他在线监测系统的准确性校对,本发明同样适用。
实例中的研究对象为湖北某变电站某台油色谱在线监测系统,收集到数据观测时间窗(365天)内的离线试验数据20组作为数据准确性校对的参照组,查找对应时间点的在线数据20组组成测试组,并计算对应的期望偏离度、方差及方差变化率,如表1所示。其中,根据运维人员的专业经验,将期望偏离度预设阈值ΔExset设置为0.3,方差预设阈值Vxset设置为0.15,方差变化率预设阈值Rxset设置为0.3。
表1在线监测系统准确性校对
编号 | 在线数据 | 离线数据 | 期望偏离度 | 方差 | 方差变化率 |
1 | 4.661 | 4.5 | 0.036 | 0.026 | 0.0200 |
2 | 4.783 | 4.6 | 0.037 | 0.029 | 0.0034 |
3 | 6.247 | 6.3 | 0.02 | 0.020 | -0.0091 |
4 | 6.191 | 6.3 | 0.009 | 0.018 | -0.0019 |
5 | 6.201 | 6 | 0.015 | 0.022 | 0.0044 |
6 | 7.048 | 7 | 0.012 | 0.019 | -0.0035 |
7 | 9.811 | 10 | 0.005 | 0.022 | 0.0030 |
8 | 9.249 | 9.4 | 0.002 | 0.022 | 0.0005 |
9 | 9.647 | 9.5 | 0.003 | 0.022 | -0.0003 |
10 | 9.853 | 9.9 | 0.002 | 0.020 | -0.0020 |
11 | 6.195 | 6.2 | 0.002 | 0.018 | -0.0018 |
12 | 6.228 | 6 | 0.004 | 0.020 | 0.0018 |
13 | 13.351 | 13.4 | 0.003 | 0.019 | -0.0014 |
14 | 14.115 | 14 | 0.004 | 0.018 | -0.0005 |
15 | 14.634 | 14.5 | 0.004 | 0.018 | -0.0001 |
16 | 16.727 | 16.8 | 0.003 | 0.017 | -0.0007 |
17 | 25.834 | 26 | 0.002 | 0.019 | 0.0013 |
18 | 32.526 | 33.9 | -0.006 | 0.127 | 0.1078 |
19 | 44.335 | 44.9 | -0.007 | 0.139 | 0.0123 |
20 | 70.218 | 70 | -0.005 | 0.134 | -0.0049 |
根据表1所示的对比结果,三项指标均小于预设阈值,可以判断在线监测系统当前性能处于优秀状态,所测的数据准确。
如图5所示,一种变电站在线监测系统数据准确性的校对系统,包括获取模块、计算模块和比对模块;所述获取模块,用于获取相同时间点的在线监测数据以及离线试验数据,形成校对数据库;所述计算模块,用于根据所述校对数据获取至少一个校对指标;所述比对模块,用于将所述至少一个校对指标与对应的预设阈值进行比对,生成在线监测系统数据准确性判断结果。
本发明的变电站在线监测系统数据准确性的校对系统,可以对在线监测系统性能实现动态标定,能够及时发现在线监测系统的异常状态,为及时处理故障、杜绝漏报事件的发生以及评定在线监测系统厂家的产品性能提供帮助。
在上述实施例中,所述获取模块具体用于:设定数据观测时间窗T,并从电网管理系统PMS中获取所述数据观测时间窗T内所有离线试验数据x1,x2,…,xn及所述离线试验数据对应的时间点t1,t2,…,tn,同时,从在线监测系统数据库中获取时间点t1,t2,…,tn所对应的在线监测数据y1,y2,…,yn,以此形成校对数据库。通过所述获取模块从电网管理系统PMS和在线监测系统中分别获取离线实验数据和在线监测数据,并形成校对数据库,便于后续根据所述校对数据库准确的计算出校对指标,从而便于判断在线监测系统的性能。
在上述实施例中,所述校对指标包括期望偏离度ΔEx、方差Vx和方差变化率Rx。所述校对指标可以准确反映出在线监测装置获取的数据精度、在线监测装置获取的数据与离线实验数据之间的离散度、背离度,并能反映出在线监测系统的性能。
在上述实施例中,所述比对模块具体用于:将期望偏离度ΔEx、方差Vx和方差变化率Rx分别与对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行比对,当期望偏离度ΔEx、方差Vx和方差变化率Rx分别大于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset,则判定在线监测系统性能异常,否则在线监测系统性能正常。通过所述比对模块将期望偏离度ΔEx、方差Vx和方差变化率Rx分别与对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行比对,可以准确判断各项校对指标是否正常,从而判断在线监测系统的性能。
优选地,在上述实施例的基础上,所述比对模块还用于:当在线监测系统性能正常时,如果期望偏离度ΔEx、方差Vx和方差变化率Rx分别小于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset,则判定在线监测系统性能优秀,否则判定在线监测系统性能良好。通过所述比对模块对期望偏离度ΔEx、方差Vx和方差变化率Rx分别小于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行进一步判断,可以更加细化的判断所述在线监测系统的性能,便于更加准确全面的了解在线监测系统的状态。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种变电站在线监测系统数据准确性的校对方法,其特征在于,包括如下步骤:
步骤1:获取相同时间点的在线监测数据以及离线试验数据,形成校对数据库;
步骤2:根据所述校对数据库获取至少一个校对指标;
步骤3:将所述至少一个校对指标与对应的预设阈值进行比对,生成在线监测系统数据准确性判断结果。
2.根据权利要求1所述的变电站在线监测系统数据准确性的校对方法,其特征在于,所述步骤1具体包括:
设定数据观测时间窗T,并从电网管理系统PMS中获取所述数据观测时间窗T内所有离线试验数据x1,x2,…,xn及所述离线试验数据对应的时间点t1,t2,…,tn,同时,从在线监测系统数据库中获取时间点t1,t2,…,tn所对应的在线监测数据y1,y2,…,yn,以此形成校对数据库。
3.根据权利要求1所述的变电站在线监测系统数据准确性的校对方法,其特征在于,所述步骤2中,所述校对指标包括期望偏离度ΔEx、方差Vx和方差变化率Rx,所述期望偏离度ΔEx为数据观测时间窗T内所有离线试验数据与对应的在线数据之差的平均值;所述方差Vx为数据观测时间窗T内所有离线试验数据与对应的在线数据之差的平方的平均值;所述方差变化率Rx为相邻两个所述方差Vx的差值。
4.根据权利要求3所述的变电站在线监测系统数据准确性的校对方法,其特征在于,所述步骤3具体包括:
将期望偏离度ΔEx、方差Vx和方差变化率Rx分别与对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行比对,当期望偏离度ΔEx、方差Vx和方差变化率Rx分别大于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset,则判定在线监测系统性能异常,否则在线监测系统性能正常。
5.根据权利要求4所述的变电站在线监测系统数据准确性的校对方法,其特征在于:当在线监测系统性能正常时,如果期望偏离度ΔEx、方差Vx和方差变化率Rx分别小于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset,则判定在线监测系统性能优秀,否则判定在线监测系统性能良好。
6.一种变电站在线监测系统数据准确性的校对系统,其特征在于,包括:获取模块、计算模块和比对模块;
所述获取模块,用于获取相同时间点的在线监测数据以及离线试验数据,形成校对数据库;
所述计算模块,用于根据所述校对数据库获取至少一个校对指标;
所述比对模块,用于将所述至少一个校对指标与对应的预设阈值进行比对,生成在线监测系统数据准确性判断结果。
7.根据权利要求6所述的变电站在线监测系统数据准确性的校对系统,其特征在于,所述获取模块具体用于:
设定数据观测时间窗T,并从电网管理系统PMS中获取所述数据观测时间窗T内所有离线试验数据x1,x2,…,xn及所述离线试验数据对应的时间点t1,t2,…,tn,同时,从在线监测系统数据库中获取时间点t1,t2,…,tn所对应的在线监测数据y1,y2,…,yn,以此形成校对数据库。
8.根据权利要求6所述的变电站在线监测系统数据准确性的校对系统,其特征在于,所述校对指标包括期望偏离度ΔEx、方差Vx和方差变化率Rx。
9.根据权利要求8所述的变电站在线监测系统数据准确性的校对系统,其特征在于,所述比对模块具体用于:
将期望偏离度ΔEx、方差Vx和方差变化率Rx分别与对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset进行比对,当期望偏离度ΔEx、方差Vx和方差变化率Rx分别大于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset,则判定在线监测系统性能异常,否则在线监测系统性能正常。
10.根据权利要求9所述的变电站在线监测系统数据准确性的校对系统,其特征在于,所述比对模块还用于:
当在线监测系统性能正常时,如果期望偏离度ΔEx、方差Vx和方差变化率Rx分别小于对应的预设期望偏离度阈值ΔExset、预设方差阈值Vxset、预设方差变化率阈值Rxset,则判定在线监测系统性能优秀,否则判定在线监测系统性能良好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711219038.8A CN107944573A (zh) | 2017-11-28 | 2017-11-28 | 一种变电站在线监测系统数据准确性的校对方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711219038.8A CN107944573A (zh) | 2017-11-28 | 2017-11-28 | 一种变电站在线监测系统数据准确性的校对方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107944573A true CN107944573A (zh) | 2018-04-20 |
Family
ID=61950362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711219038.8A Pending CN107944573A (zh) | 2017-11-28 | 2017-11-28 | 一种变电站在线监测系统数据准确性的校对方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107944573A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111521397A (zh) * | 2020-05-30 | 2020-08-11 | 华能澜沧江水电股份有限公司 | 一种基于轴瓦温度变化实时检测轴瓦间隙不均匀的方法 |
CN113128840A (zh) * | 2021-03-24 | 2021-07-16 | 国网湖北省电力有限公司 | 一种设备状态评估方法、系统及存储介质 |
CN116187984A (zh) * | 2023-04-28 | 2023-05-30 | 华能济南黄台发电有限公司 | 一种用于电厂的多维度巡检方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120232969A1 (en) * | 2010-12-31 | 2012-09-13 | Nest Labs, Inc. | Systems and methods for updating climate control algorithms |
CN103149278A (zh) * | 2012-12-07 | 2013-06-12 | 四川电力科学研究院 | 一种油色谱在线监测噪声数据校正方法 |
CN103424486A (zh) * | 2013-07-30 | 2013-12-04 | 中国电力科学研究院 | 一种变压器油色谱在线监测装置性能检测系统及其方法 |
CN104111301A (zh) * | 2014-07-11 | 2014-10-22 | 国家电网公司 | 一种油色谱在线监测数据与离线数据智能校验方法 |
CN104848885A (zh) * | 2015-06-04 | 2015-08-19 | 北京金控自动化技术有限公司 | 一种对设备未来故障时间点进行预测的方法 |
CN105242155A (zh) * | 2015-11-18 | 2016-01-13 | 南京工程学院 | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 |
CN105427047A (zh) * | 2015-11-27 | 2016-03-23 | 广州供电局有限公司 | 输变电设备多维运维数据融合方法和系统 |
-
2017
- 2017-11-28 CN CN201711219038.8A patent/CN107944573A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120232969A1 (en) * | 2010-12-31 | 2012-09-13 | Nest Labs, Inc. | Systems and methods for updating climate control algorithms |
CN103149278A (zh) * | 2012-12-07 | 2013-06-12 | 四川电力科学研究院 | 一种油色谱在线监测噪声数据校正方法 |
CN103424486A (zh) * | 2013-07-30 | 2013-12-04 | 中国电力科学研究院 | 一种变压器油色谱在线监测装置性能检测系统及其方法 |
CN104111301A (zh) * | 2014-07-11 | 2014-10-22 | 国家电网公司 | 一种油色谱在线监测数据与离线数据智能校验方法 |
CN104848885A (zh) * | 2015-06-04 | 2015-08-19 | 北京金控自动化技术有限公司 | 一种对设备未来故障时间点进行预测的方法 |
CN105242155A (zh) * | 2015-11-18 | 2016-01-13 | 南京工程学院 | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 |
CN105427047A (zh) * | 2015-11-27 | 2016-03-23 | 广州供电局有限公司 | 输变电设备多维运维数据融合方法和系统 |
Non-Patent Citations (4)
Title |
---|
吴勉坚等: "《常用统计公式大全》", 31 May 1992 * |
宋毅等: "《实用统计手册》", 30 September 1985 * |
张永礼等: "《数据挖掘在电子商务领域中的应用》", 30 November 2015 * |
李硕: "基于信息熵_灰色关联度法的电力变压器故障诊断研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(月刊)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111521397A (zh) * | 2020-05-30 | 2020-08-11 | 华能澜沧江水电股份有限公司 | 一种基于轴瓦温度变化实时检测轴瓦间隙不均匀的方法 |
CN113128840A (zh) * | 2021-03-24 | 2021-07-16 | 国网湖北省电力有限公司 | 一种设备状态评估方法、系统及存储介质 |
CN113128840B (zh) * | 2021-03-24 | 2024-02-20 | 国网湖北省电力有限公司 | 一种设备状态评估方法、系统及存储介质 |
CN116187984A (zh) * | 2023-04-28 | 2023-05-30 | 华能济南黄台发电有限公司 | 一种用于电厂的多维度巡检方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112698261A (zh) | 一种智能电能表故障预警方法及装置 | |
CN105046402B (zh) | 一种应用于智能变电站二次设备的状态评估方法 | |
CN103337043B (zh) | 电力通信设备运行状态的预警方法和系统 | |
CN110322371A (zh) | 基于多元线性回归分析的高损台区用电异常用户检测定位方法 | |
CN112149986A (zh) | 基于多层次模糊综合评判的高压开关柜评估方法 | |
CN107527114A (zh) | 一种基于大数据的线路台区异常分析方法 | |
CN103576050A (zh) | 一种电容式电压互感器的运行状态评估方法 | |
CN107944573A (zh) | 一种变电站在线监测系统数据准确性的校对方法及系统 | |
CN116125361B (zh) | 电压互感器误差评估方法、系统、电子设备及存储介质 | |
CN104677997B (zh) | 一种变压器油色谱在线监测差异化预警方法 | |
CN109034461A (zh) | 一种基于实际电网监测信息的电压暂降随机预估方法 | |
CN112418687B (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN107870275A (zh) | 基于大数据的避雷器运行状态评价方法 | |
CN117220441A (zh) | 基于全景监控下的信息监测智能预警方法 | |
CN108629520A (zh) | 一种微气象环境下的高压输电线路运行状态评估方法 | |
CN106595788B (zh) | 基于多参数耦合修正的大型泵站流量监测方法 | |
CN109143972A (zh) | 一种基于贝叶斯与故障树的数控机床可靠性评价方法 | |
CN106405280B (zh) | 一种智能变电站在线监测参数趋势预警方法 | |
WO2020177706A1 (zh) | 配电网故障区段与故障时刻的判定方法 | |
CN106325258B (zh) | 一种基于在线监测信息的继电保护装置状态评估方法 | |
Huang et al. | Wind turbine health assessment framework based on power analysis using machine learning method | |
CN109858768A (zh) | 考虑综合时变停运模型的综合能源电-热网风险评估方法 | |
Qiu et al. | Comprehensive evaluation of power quality based on improved TOPSIS-RSR method | |
CN116961226A (zh) | 一种变电站中变压器的监控方法和系统 | |
CN110873857B (zh) | 基于多源数据融合的智能电能表运行状态评价方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180420 |
|
RJ01 | Rejection of invention patent application after publication |