CN108614191A - 一种基于bim模型的配电网及地下电缆故障检测方法 - Google Patents

Abstract

本发明公开了一种基于BIM模型的配电网及地下电缆故障检测方法，包括原始BIM模型构建、正常状态数据建模和在线数据检测，原始BIM模型构建全面获取了配电网及地下电缆分布的结构特征，正常状态数据建模是在配电网及地下电缆的正常稳定运行状态下多种变量过程数据的基础上，利用邻域保持嵌入算法导入BIM模型中并计算统计量及对应的统计限；在线数据检测是将实时采集的配电网及地下电缆运行过程中的过程变量数据投影到正常状态数据建模构建好的模型中并计算统计量，将该统计量与正常状态数据建模中计算出的统计限进行比较得到检测结果；最终实现了基于BIM模型的多变量配电网及地下电缆的故障检测，提高了配电网及地下电缆的运维管理安全性。

Description

一种基于BIM模型的配电网及地下电缆故障检测方法

技术领域

本发明属于电网配网安全技术领域，特别涉及一种基于BIM模型的配电网及地下电缆故障检测方法。

背景技术

配电网的建设是电力系统的重要组成部分，它是实现电网与客户双向互动的基础，随着国民经济的提升和人民生活水平提高，对配电网的稳定运行的要求也越来越高，因此配电网的故障预警设计是电网系统中一个必要环节。

当配电网出现故障，会出现大面积停电，对电网企业和用户造成较大的经济损失和社会负面影响，如何安全、高效、及时地对电网故障进行预警，有效避免电网事故的发生，是电网企业迫切需要解决的一个难题。由于配电网分布广泛，支路繁多，查找故障十分不方便，例如：出现不可恢复故障时，变电站的自动保护系统跳闸后无法自动合闸，电力公司需要派人全线排查故障点，往往耗费大量的人力，物力和财力。

随着城市供电方式由架空线路改为地下电缆埋设，对配电网及地下电缆供电的可靠性和供电质量的要求越来越高。地下电缆一般运行周期长，且容易受到渗水或者虫害等其他灾害影响。因此，对电缆沿线上的配电网及地下电缆内的相关设备的运行状态进行实时综合监测尤其重要。传统的在线监测技术包括电缆故障技术、电缆线芯监测技术、电气柜内火情监测与灭火技术，单纯依赖这些设备和技术，在电缆应急抢修或日常维护时，依然需要对电缆进行开挖探测、停电开柜等重复性试验、逐一排查，导致地下电缆维护工作繁重、操作复杂、难度大、风险高，电缆等地下设施管理非常困难。

电力电缆发生故障的过程是一个高维的非线性时间序列过程，具有复杂及突变等特性，导致过程机理模型难以建立。相比之下，由于过程中积累了大量的测量数据，如电力电缆、配电网及地下电缆的环境(温度、湿度等)、SF6气体泄漏等大量的实时数据。根据采集到的过程数据为基础，利用各种数据分析和处理方法挖掘出隐含的模型信息，可以获取过程运行状态。因此，基于数据的建模的和监测方法更加适合于配电网及地下电缆监测的过程。传统的监测方法一般是基于配电网及地下电缆中的一些重要单变量单独进行监测，但是反映过程特征的数据之间一般存在较大的相关性，单变量监测无法对多个变量之间相互关系变化进行监测，信息相对单一，故不能准确的掌握数据的特征分布，也无法准确的获得全局结构信息，导致提取的数据信息存在有效性问题，不利于实现监控自动化的实现。

发明内容

本发明克服现有技术存在的不足，所要解决的技术问题是：提供一种能够全面获取配电网和地下电缆的运行过程信息，有效保持数据局部结构特征，改善监测结果的基于BIM模型的配电网及地下电缆故障检测方法。

为解决上述技术问题，本发明采用的技术方案为：一种基于BIM模型的配电网及地下电缆故障检测方法，包括原始BIM模型构建、正常状态数据建模和在线数据检测，

所述原始BIM模型构建包括以下步骤：

S1、根据配电网及地下电缆的施工图纸信息构建BIM模型，并对配电网中的设备及地下电缆进行编号；

S2、将配电网中的设备信息及地下电缆型号信息导入到步骤S1中构建的BIM模型中；

S3、在配电网中的设备及地下电缆处分别安装监测传感器，实时采集配电网运行时各个设备及地下电缆的正常稳定运行状态下的多种过程变量数据；

所述正常状态数据建模包括以下步骤：

S4、收集步骤S3中实时采集到的配电网运行时各个设备及地下电缆的正常稳定运行状态下的多种过程变量数据，形成历史数据矩阵集X∈R^D，其中D为测量数据的维度，即过程变量数；

S5、对步骤S4中采集到的历史数据矩阵集X∈R^D进行去噪和归一化处理，得到新的训练数据矩阵集其中n为训练数据的样本数；

S6、将步骤S5中得到的新的训练数据矩阵集利用邻域保持嵌入算法导入BIM模型中构建多变量数据降维模型，并基于多变量数据降维模型构造得到相应的T2统计量和SPE统计量以及对应的统计限和SPE_lim；

所述在线数据检测包括以下步骤：

S7、在线实时采集配电网及地下电缆运行过程中的过程变量数据x_new，并对其进行去噪和归一化处理；

S8、将步骤S7中处理得到的数据分别投影到步骤S6中构建的多变量数据降维模型上，并分别计算在线实时采集到的过程变量数据的T2统计量和SPE统计量；

S9、将步骤S8中计算得到的T2统计量和SPE统计量与步骤S6中的统计限和SPE_lim进行比较：如果步骤S8中得到的T2统计量和SPE统计量超过步骤S6中的统计限和SPE_lim，则说明步骤S7中在线实时采集到的过程变量数据为故障样本，其对应的数据采集点出现故障；如果步骤S8中得到的T2统计量和SPE统计量未超过步骤S6中的统计限和SPE_lim，则说明步骤S7中在线实时采集到的过程变量数据为正常样本，其对应的数据采集点运行正常。

所述步骤S3中安装的监测传感器包括温度传感器、湿度传感器、负载传感器、电压传感器、以及电流传感器。

所述步骤S7中采集的过程变量数据x_new不断作为历史数据丰富到步骤S4中的历史数据矩阵集X∈R^D中。

与现有技术相比，本发明的有益之处在于：

一、本发明提供的基于BIM模型的配电网及地下电缆故障检测方法主要依赖于配电网及地下电缆的BIM模型来展示配电网和地下电缆的运行状态，将BIM模型和监控数据关联起来，为复杂的配电网和地下电缆建立了三维模型，故对于难以获得精确位置信息和地下电缆运行数据的配电网，本发明提供的检测方法具有较大优势。

二、本发明改善了对配电网及地下电缆过程的故障检测效果。使用BIM模型显示配电网及地下电缆是否存在故障，与传统的监控方法相比，该方法能够更全面地获取故障位置信息和故障设备信息，改善监控效果。

三、本发明保持了配电网分布的结构特征，由于配电网及地下电缆数据的采集困难和位置复杂，很多的数据整体特征并不明显，配电网系统出现故障后，对故障的定位不准确，人工排查繁琐。传统的监测方法，对配电网设备和位置信息的刻画不清楚，停留在二维数据阶段。而本发明提出的方法可以有效地展示配电网设备的特征，描述了配电网分布结构，使用三维模型来展示空间结构和位置数据，提高了配电网及地下电缆故障定位的能力。

四、本发明提供的技术方案能够有效的保持数据的局部结构特征，描述数据的内在组织结构，使得构建的模型随着数据样本空间结构的变化而变化，提高了数据特征的表现能力。

五、、本发明提供的技术方案采用配电网及地下电缆运行过程中的多变量过程数据建模，与传统的基于单变量过程的监控方法相比，本发明提供的检测方法能够更为全面准确的获取配电网和地下电缆的运行过程信息，改善了监控效果。

六、本发明提供的技术方案无需过程精确的数学模型和丰富的先验知识，很大程度上改善了监测方法对过程知识的依赖性，增强了对过程操作的信心和对过程的理解，提高了配电网及地下电缆的运维管理安全性，有利于对配电网和地下电缆运行过程自动监测的实施。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供的基于BIM模型的配电网及地下电缆故障检测方法，包括原始BIM模型构建、正常状态数据建模和在线数据检测，

所述原始BIM模型构建包括以下步骤：

S1、根据配电网及地下电缆的施工图纸信息构建BIM模型，并对配电网中的设备及地下电缆进行编号；

S2、将配电网中的设备信息及地下电缆型号信息导入到步骤S1中构建的BIM模型中；

上述建立的配电网设备及地下电缆的BIM模型中包括了配电网主要设备的位置信息和布局信息，配电网主要土建设备的BIM模型由实际图纸，现场测量的参数进行建模；地下电缆线路工程利用Tekla中的钢结构深化模块直接新建3D信息模型，在钢结构深化模块中首先创建轴线，便于新建模型过程操作的工作区域视图，然后再按照施工图分段建模，在新建的结构件中录入改结构件的工程参数，物理属性等信息，最后组合成包含所有参数信息的三维模型。

S3、在配电网中的设备及地下电缆处分别安装监测传感器，实时采集配电网运行时各个设备及地下电缆的正常稳定运行状态下的多种过程变量数据；

所述正常状态数据建模包括以下步骤：

S4、收集步骤S3中实时采集到的配电网运行时各个设备及地下电缆的正常稳定运行状态下的多种过程变量数据，形成历史数据矩阵集X∈R^D，其中D为测量数据的维度，即过程变量数；上述多种过程变量数据包括配电网及地下电缆的内环境温度、湿度、电缆街头温度、电缆芯线温度、co气体浓度、电缆电流、空气温度、湿度、风速、风向、日照强度、用户用电负载等数据。

S5、对步骤S4中采集到的历史数据矩阵集X∈R^D进行去噪和归一化处理，得到新的训练数据矩阵集其中n为训练数据的样本数；所述去噪为去除数据中的噪声点和异常点，选择平稳状态数据，所述归一化处理指将每个变量的均值为0，方差为1。

S6、对步骤S5中得到的新的训练数据矩阵集利用邻域保持嵌入算法导入BIM模型中构建多变量数据降维模型，并基于多变量数据降维模型构造得到相应的T2统计量和SPE统计量以及对应的统计限和SPE_lim；

对步骤S6更为具体的表述为：对步骤S5中得到的新的训练数据矩阵集利用邻域保持嵌入算法构建多变量数据降维模型，首先得到数据的协方差矩阵Qⁱ，局部最优化权重矩阵W∈R^n×n如下所示：

其中，x_ij(j＝1,2,...,k)为x_i的k个近邻点，为x_i和x_ij之间的权重值，且满足

在上述基础上，基于建模数据的局部权重构矩阵W，通过对下式的特征值分解计算得到训练数据的低维投影矩阵A以及低维投影y∈R^n×d：

XMX^Ta＝λXX^Ta (3)

其中，M＝(I-W)^T(I-W)，a为邻域保持嵌入算法的投影向量。

求解上式(3)的广义特征值问题，其最小的d个特征值λ₁≤λ₂,...,≤λ_d所对应的特征向量组成投影矩阵A＝(a₁,a₂,...,a_d)。为残差矩阵：在此基础上将原始数据投影到一个低维空间：d为提取的低维维度数。

基于建模数据建立两个监控统计量T2和SPE以及对应的统计限和SPE_lim：构造T2统计量并利用F分布得到监控统计限其构建方法分别如下：

其中，

F(d,n-d；α)表示显著水平为α，自由度为d和n-d的F分布。

同时对残差矩阵构建SPE统计量以及其相应的统计限SPE_lim，基于NPE降维的过程实际上是将原数据分解为建模部分和残差两个部分

则SPE统计量的构建方法为：

其中，为建模部分，E为残差部分，A＝(B^TB)^-1B^T∈R^d×D，g和h为χ²分布的参数，满足条件：g＝v/2m，h＝2m²/v，m和v分别代表基于训练样本估计的SPE统计量的均值和方差。

所述在线数据检测包括以下步骤：

S7、在线实时采集配电网及地下电缆运行过程中的过程变量数据x_new，并对其进行去噪和归一化处理；

S8、将步骤S7中处理得到的数据分别投影到步骤S6中构建的多变量数据降维模型上，并分别计算在线实时采集到的过程变量数据的T2统计量和SPE统计量；

S9、将步骤S8中计算得到的T2统计量和SPE统计量与步骤S6中的统计限和SPE_lim进行比较：如果步骤S8中得到的T2统计量和SPE统计量超过步骤S6中的统计限和SPE_lim，则说明步骤S7中在线实时采集到的过程变量数据为故障样本，其对应的数据采集点出现故障；如果步骤S8中得到的T2统计量和SPE统计量未超过步骤S6中的统计限和SPE_lim，则说明步骤S7中在线实时采集到的过程变量数据为正常样本，其对应的数据采集点运行正常。

当检测数据的统计量超过控制限，则该时刻的数据样本是故障的，当故障数据累计达到一定数值时，即表明系统出现故障，系统通过BIM模型，将故障发生的区域准确定位，并推送给工作人员及时查明情况，排除险情。

所述步骤S3中安装的监测传感器包括温度传感器、湿度传感器、负载传感器、电压传感器、以及电流传感器。

所述步骤S7中采集的过程变量数据x_new不断作为历史数据丰富到步骤S4中的历史数据矩阵集X∈R^D中，数据的丰富进一步展示；配电网的全景信息，能够更有效的获取配电网特征，进一步确保了检测结果的准确性。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (3)

1.一种基于BIM模型的配电网及地下电缆故障检测方法，包括原始BIM模型构建、正常状态数据建模和在线数据检测，其特征在于：

所述原始BIM模型构建包括以下步骤：

S1、根据配电网及地下电缆的施工图纸信息构建BIM模型，并对配电网中的设备及地下电缆进行编号；

S2、将配电网中的设备信息及地下电缆型号信息导入到步骤S1中构建的BIM模型中；

S3、在配电网中的设备及地下电缆处分别安装监测传感器，实时采集配电网运行时各个设备及地下电缆的正常稳定运行状态下的多种过程变量数据；

所述正常状态数据建模包括以下步骤：

S4、收集步骤S3中实时采集到的配电网运行时各个设备及地下电缆的正常稳定运行状态下的多种过程变量数据，形成历史数据矩阵集X∈R^D，其中D为测量数据的维度，即过程变量数；

S5、对步骤S4中采集到的历史数据矩阵集X∈R^D进行去噪和归一化处理，得到新的训练数据矩阵集其中n为训练数据的样本数；

S6、将步骤S5中得到的新的训练数据矩阵集利用邻域保持嵌入算法导入BIM模型中构建多变量数据降维模型，并基于多变量数据降维模型构造得到相应的T2统计量和SPE统计量以及对应的统计限和SPE_lim；

所述在线数据检测包括以下步骤：

S7、在线实时采集配电网及地下电缆运行过程中的过程变量数据x_new，并对其进行去噪和归一化处理；

S8、将步骤S7中处理得到的数据分别投影到步骤S6中构建的多变量数据降维模型上，并分别计算在线实时采集到的过程变量数据的T2统计量和SPE统计量；

S9、将步骤S8中计算得到的T2统计量和SPE统计量与步骤S6中的统计限和SPE_lim进行比较：如果步骤S8中得到的T2统计量和SPE统计量超过步骤S6中的统计限和SPE_lim，则说明步骤S7中在线实时采集到的过程变量数据为故障样本，其对应的数据采集点出现故障；如果步骤S8中得到的T2统计量和SPE统计量未超过步骤S6中的统计限和SPE_lim，则说明步骤S7中在线实时采集到的过程变量数据为正常样本，其对应的数据采集点运行正常。

2.根据权利要求1所述的一种基于BIM模型的配电网及地下电缆故障检测方法，其特征在于：所述步骤S3中安装的监测传感器包括温度传感器、湿度传感器、负载传感器、电压传感器、以及电流传感器。

3.根据权利要求1所述的一种基于BIM模型的配电网及地下电缆故障检测方法，其特征在于：所述步骤S7中采集的过程变量数据x_new不断作为历史数据丰富到步骤S4中的历史数据矩阵集X∈R^D中。