CN109193615A - 电力数据分析方法 - Google Patents
电力数据分析方法 Download PDFInfo
- Publication number
- CN109193615A CN109193615A CN201810786377.2A CN201810786377A CN109193615A CN 109193615 A CN109193615 A CN 109193615A CN 201810786377 A CN201810786377 A CN 201810786377A CN 109193615 A CN109193615 A CN 109193615A
- Authority
- CN
- China
- Prior art keywords
- data
- phase
- electric power
- array
- curve
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000007405 data analysis Methods 0.000 title claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 5
- 238000011160 research Methods 0.000 claims abstract description 5
- 238000004804 winding Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000009413 insulation Methods 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000002427 irreversible effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- H02J13/0006—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Abstract
电力数据分析方法，该方法应用于变压器油温、绕组温度，线路或变压器设备电流、电压等一系列电力运行电气/非电气量，根据现场经验及研究发现电力运行数据之间存在一定的逻辑关系及关联关系，对这些数据进行综合分析、判断，并通过计算机软件技术揭示数据间的逻辑关系，对各数据进行关联、统计、分析，可以更客观反应电力设备实际运行状况并对电力设备的一些潜在故障进行提前预警。我们使用本方法发现了20次数据异常情况，并指导检修工作10回，经检修/解体设备发现设备绝缘老损，匝间短路轻微放电等情况5次。其很好的解决了以往所存在的问题。
Description
技术领域：本发明属于一种电力数据分析方法。
背景技术：随着电网规模的快速增长，运维信息获取方式传统、来源单一，电网设备运行状态感知水平低、运维人员配置不满足快速发展要求等问题成为电网运检工作中的主要痛点，目前尚无任何组织/机构针对电网实时数据进行统计分析研判工作。
发明内容：
发明目的：
本发明提出一种电力数据分析方法，其目的是解决以往所存在的问题！
技术方案：
一种电力数据分析方法，其特征在于：该方法应用于变压器油温、绕组温度，线路或变压器设备电流、电压等一系列电力运行电气/非电气量，该方法包括如下步骤：
第一步、统计线路电压互感器电压，并记入创建的数据库数据以5分钟为周期采样的历史30天(可选择判定范围，1天、7天、30天)的数据；
第二步、对统计出数组做平均数列，其采用如下公式：
平均数列＝[实际值(a相)+实际值(b相)+实际值(c相)]/3；
如图1，平均数组逻辑图；
第三步、求三相偏离度(可做同类设备同步计算，2台设备6相间偏离度)
A相偏离＝实际值(a相)-平均数列；
B相偏离＝实际值(b相)-平均数列；
C相偏离＝实际值(c相)-平均数列；
如图2三相偏离逻辑图所示；
如图3典型电力数据故障案例1-三相偏离曲线图所示；
第四步、求周期偏离度曲线(可选不同周期30min/1h/1day，30min、1h或1天的意思)，用于过滤数据曲线中单一的偏差度较大的不正确值扰动)
用三相偏离数组以6/12/288行数据为一组求平均值，得出出新数组，本方法是应用于轻微故障查找，数据是缓慢的一个变化过程，所以需要采用不同的周期去划分数据。
如图4所示为周期偏离逻辑图；
如图5所示为典型电力数据故障案例1-周期偏离曲线图；
第五步、求变化率数组：研究过程中发现如果单一以周期偏离度数组进行数据判定会查找出三相平衡度非常高的设备发生单相电压值的轻微变化，此变化量化概念为132kV到132.35kV是百分之0.27以内的变化，为正常波动不计入我们故障判定区域。这个百分之0.27的经验系数是我们统计并分析辽宁省500kV26座变电站上百台设备几十万条数据记录得出的。
如图6所示，求变化率数组逻辑图；
如图7所示，典型电力数据故障案例1-三相变化率曲线图；
第六步、查找故障数据，判别故障相：如案例一所示，正常电压值在134.5-135.5范围内波动
在425-455点C相电压值波动到132左右值，(这个132的值是图中得来的)此值并不满足保护动作条件，但在电力系统运行过程中这种轻微扰动会体现出设备有可能存在的匝间短路或高、中压电容组击穿，绝缘介质老损等问题，此类情况是目前技术水平，和设备本身保护措施无法考虑到、监测到的问题。
第六步用三相偏离周期数组进行连续判定：
首先用周期偏离数组的每个相邻两组数据进行变化率计算，用此变化率与百分之0.4去比较，大于0.4的则进入数据预判过程。
(这个百分之0.4的经验系数是我们统计并分析辽宁省500kV26座变电站上百台设备几十万条数据记录得出的。)
再根据不同策略，如连续12组(6小时)(6小时内连续12组)或判定整体时间段的三分之一为判定依据划分数据异常情况(瞬时/连续故障)，(瞬时故障指的是由突发情况引起的可以瞬时恢复的故障，例如绝缘层发生瞬时的绝缘不好的情况，但是自身可以在下一个时刻恢复绝缘等级、数据采样瞬时异常情况、系统冲击等情况，不影响运行的故障，连续故障指的是，设备发生不可逆的损坏，哪怕是轻微的匝间短路或高、中压电容组击穿，如果故障满足连续12组则为连续故障，反之为瞬时)
如图8为查找故障相逻辑1图；
如图9为查找故障相逻辑2图；
如图10为另一真实故障案例图；
如图11为电压值无故障数据时幅值、三相偏离度图；
电压值无故障数据时幅值、三相偏离度：如果电压数据曲线在正常情况下，我们使用统计的三相偏离度曲线(三相偏离度曲线是对计算出的三相偏离度数组进行描点，数据原始曲线、三相偏离曲线、周期三相偏离曲线、变化率曲线有相同的x轴纵向排列一起对比)，周期偏离曲线，变化率曲线的三相波动变化会以一种高度拟合的趋势发展。
优点效果：本发明提出一种电力数据分析方法，根据现场经验及研究发现电力运行数据之间存在一定的逻辑关系及关联关系，对这些数据进行综合分析、判断，并通过计算机软件技术揭示数据间的逻辑关系，对各数据进行关联、统计、分析，可以更客观反应电力设备实际运行状况并对电力设备的一些潜在故障进行提前预警。
我们使用本方法发现了20次数据异常情况，并指导检修工作10回，经检修/解体设备发现设备绝缘老损，匝间短路轻微放电等情况5次。
其很好的解决了以往所存在的问题。
附图说明：
图1是平均数组逻辑图；
图2是三相偏离逻辑图；
图3典型电力数据故障案例1-三相偏离曲线图；
图4所示为周期偏离逻辑图；
图5所示为典型电力数据故障案例1-周期偏离曲线图；
图6所示求变化率数组逻辑图；
图7所示为典型电力数据故障案例1-三相变化率曲线图；
图8为查找故障相逻辑1图；
图9为查找故障相逻辑2图；
图10为另一真实故障案例图；
图11为电压值无故障数据时幅值、三相偏离度图；
图12为典型电力数据故障案例1-数据原始值曲线图；
图13为逻辑总框图。
具体实施方式：
本发明的一种电力数据分析方法，该方法应用于变压器油温、绕组温度，线路或变压器设备电流、电压等一系列电力运行电气/非电气量，该方法包括如下步骤：
第一步、统计线路电压互感器电压，并记入创建的数据库数据以5分钟为周期采样的历史30天(可选择判定范围，1天、7天、30天)的数据；
第二步、对统计出数组做平均数列，其采用如下公式：
平均数列＝[实际值(a相)+实际值(b相)+实际值(c相)]/3；
举简单例子
| 实际值(a相) | 实际值(b相) | 实际值(c相) | 平均数列 |
| 132.1 | 132 | 132.2 | 132.1 |
| 132.2 | 132.1 | 132.3 | 132.2 |
| 132.3 | 132.4 | 132.5 | 132.4 |
如图1，平均数组逻辑图；
第三步、求三相偏离度(可做同类设备同步计算，2台设备6相间偏离度)
A相偏离＝实际值(a相)-平均数列；
B相偏离＝实际值(b相)-平均数列；
C相偏离＝实际值(c相)-平均数列；
如图2三相偏离逻辑图所示；
如图3典型电力数据故障案例1-三相偏离曲线图所示；
第四步、求周期偏离度曲线(可选不同周期30min/1h/1day，用于过滤数据曲线中单一的偏差度较大的不正确值扰动)
用三相偏离数组以6/12/288行数据为一组求平均值，得出出新数组，本方法是应用于轻微故障查找，数据是缓慢的一个变化过程，所以需要采用不同的周期去划分数据。
如图4所示为周期偏离逻辑图；
如图5所示为典型电力数据故障案例1-周期偏离曲线图；
第五步、求变化率数组：研究过程中发现如果单一以周期偏离度数组进行数据判定会查找出三相平衡度非常高的设备发生单相电压值的轻微变化，此变化量化概念为132kV到132.35kV是百分之0.27以内的变化，为正常波动不计入我们故障判定区域。这个百分之0.27的经验系数是我们统计并分析辽宁省500kV26座变电站上百台设备几十万条数据记录得出的。
如图6所示，求变化率数组逻辑图；
如图7所示，典型电力数据故障案例1-三相变化率曲线图；
第六步、查找故障数据，判别故障相：如案例一所示，正常电压值在134.5-135.5范围(每个设备存在不同的波动区间，这里以220kV母线的相电压为例，根据数据查询得知此电压为130.5-131.5/131.5-132.5等，也就是说会在1kV以内波动，此值是经验值)内波动
在425-455点C相电压值波动到132左右值，(这个132的值是图中得来的)此值并不满足保护动作条件，但在电力系统运行过程中这种轻微扰动会体现出设备有可能存在的匝间短路，绝缘介质老损等问题，此类情况是目前技术水平，和设备本身保护措施无法考虑到、监测到的问题。
第六步用三相偏离周期数组进行连续判定：
首先用周期偏离数组的每个相邻两组数据进行变化率计算，用此变化率与百分之0.4去比较，大于0.4的则进入数据预判过程。
(这个百分之0.4的经验系数是我们统计并分析辽宁省500kV26座变电站上百台设备几十万条数据记录得出的。)
再根据不同策略，如连续12组(6小时)(6小时内连续12组)或判定整体时间段的三分之一为判定依据划分数据异常情况(瞬时/连续故障,瞬时故障指的是由突发情况引起的可以瞬时恢复的故障，例如绝缘层发生瞬时的绝缘不好的情况，但是自身可以在下一个时刻恢复绝缘等级，不影响运行的故障，连续故障指的是，设备发生不可逆的损坏，哪怕是轻微的匝间短路，如果故障满足连续12组则为连续，反之为瞬时)
如图8为查找故障相逻辑1图；
如图9为查找故障相逻辑2图；
如图10为另一真实故障案例图；
如图11为电压值无故障数据时幅值、三相偏离度图；
电压值无故障数据时幅值、三相偏离度：如果电压数据曲线在正常情况下，我们使用统计的三相偏离度曲线(三相偏离度曲线是对计算出的三相偏离度数组进行描点，数据原始曲线、三相偏离曲线、周期三相偏离曲线、变化率曲线有相同的x轴纵向排列一起对比)，周期偏离曲线，变化率曲线的三相波动变化会以一种高度拟合的趋势发展。
我们使用本方法发现了20次数据异常情况，并指导检修工作10回，经检修/解体设备发现设备绝缘老损，匝间短路轻微放电等情况5次。
Claims (6)
1.一种电力数据分析方法，其特征在于：该方法应用于变压器油温、绕组温度，线路或变压器设备电流、电压等一系列电力运行电气/非电气量，该方法包括如下步骤：
第一步、统计线路电压互感器电压，并记入创建的数据库数据以5分钟为周期采样的历史30天的数据；
第二步、对统计出数组做平均数列，其采用如下公式：
平均数列＝[实际值(a相)+实际值(b相)+实际值(c相)]/3；
举简单例子
第三步、求三相偏离度
A相偏离＝实际值(a相)-平均数列；
B相偏离＝实际值(b相)-平均数列；
C相偏离＝实际值(c相)-平均数列；
第四步、求周期偏离度曲线；
用三相偏离数组以6/12/288行数据为一组求平均值，得出出新数组；
第五步、求变化率数组：研究过程中发现如果单一以周期偏离度数组进行数据判定会查找出三相平衡度非常高的设备发生单相电压值的轻微变化，此变化量化概念为132kV到132.35kV是百分之0.27以内的变化，为正常波动不计入我们故障判定区域。
第六步、查找故障数据，判别故障相：
在425-455点C相电压值波动到132值，此值并不满足保护动作条件，但在电力系统运行过程中这种轻微扰动会体现出设备有可能存在的匝间短路，绝缘介质老损等问题，此类情况是目前技术水平，和设备本身保护措施无法考虑到、监测到的问题。
2.根据权利要求1所述的电力数据分析方法，其特征在于：第六步用三相偏离周期数组进行连续判定：
首先用周期偏离数组的每个相邻两组数据进行变化率计算，用此变化率与百分之0.4去比较，大于0.4的则进入数据预判过程。
再根据不同策略，6小时内连续12组或判定整体时间段的三分之一为判定依据划分数据异常情况。
3.根据权利要求1所述的电力数据分析方法，其特征在于：电压值无故障数据时幅值、三相偏离度：如果电压数据曲线在正常情况下，我们使用统计的三相偏离度曲线，周期偏离曲线，变化率曲线的三相波动变化会以一种高度拟合的趋势发展。
4.根据权利要求1所述的电力数据分析方法，其特征在于：第四步中、求周期偏离度曲线选不同周期30min/1h/1day，用于过滤数据曲线中单一的偏差度较大的不正确值扰动。
5.根据权利要求1所述的电力数据分析方法，其特征在于：(1)步骤中记入创建的数据库的数据能选择判定范围，该范围为1天、7天或30天。
6.根据权利要求1所述的电力数据分析方法，其特征在于：第四步中，求周期偏离度曲线，能选不同周期30min/1h/1day，用于过滤数据曲线中单一的偏差度较大的不正确值扰动。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810786377.2A CN109193615A (zh) | 2018-07-17 | 2018-07-17 | 电力数据分析方法 |
| CN201910637629.XA CN110176768A (zh) | 2018-07-17 | 2019-07-15 | 一种电力数据分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810786377.2A CN109193615A (zh) | 2018-07-17 | 2018-07-17 | 电力数据分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109193615A true CN109193615A (zh) | 2019-01-11 |
Family
ID=64936815
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810786377.2A Pending CN109193615A (zh) | 2018-07-17 | 2018-07-17 | 电力数据分析方法 |
| CN201910637629.XA Pending CN110176768A (zh) | 2018-07-17 | 2019-07-15 | 一种电力数据分析方法 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910637629.XA Pending CN110176768A (zh) | 2018-07-17 | 2019-07-15 | 一种电力数据分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN109193615A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109615160A (zh) * | 2018-10-22 | 2019-04-12 | 国家电网有限公司 | Cvt电压异常数据分析方法 |
| CN113296041A (zh) * | 2021-04-30 | 2021-08-24 | 广东电网有限责任公司 | 一种监测电压传感器异常的方法及装置 |
| CN115840895A (zh) * | 2021-12-31 | 2023-03-24 | 江苏常胜电器(淮安)有限公司 | 一种电子器件温度保护系统 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111044100A (zh) * | 2019-12-28 | 2020-04-21 | 国网山东省电力公司菏泽市定陶区供电公司 | 一种用于电力计量的传感器装置及控制方法 |
| CN112163011B (zh) * | 2020-09-03 | 2021-06-22 | 山东佰旗信息技术有限公司 | 一种基于电力数据的线路性能分析方法 |
| CN116840600B (zh) * | 2023-07-05 | 2024-01-16 | 河北久维电子科技有限公司 | 设备异常告警方法及变电站辅助系统综合监控联动平台 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102385021A (zh) * | 2011-09-28 | 2012-03-21 | 南京南瑞继保电气有限公司 | 一种短路故障自适应判别的方法 |
| CN102680814B (zh) * | 2012-03-29 | 2015-11-25 | 河北省电力公司电力科学研究院 | 一种变压器故障严重程度的诊断方法 |
| CN103278715B (zh) * | 2013-05-16 | 2015-09-16 | 广东电网公司 | 电力设备试验方法 |
| CN104092297B (zh) * | 2014-06-24 | 2016-08-31 | 国家电网公司 | 一种实时监测电网系统运行性能的监测系统及方法 |
| CN105823960A (zh) * | 2016-03-18 | 2016-08-03 | 国家电网公司 | 一种变压器绕组变形综合诊断方法及系统 |
| CN106602727A (zh) * | 2016-12-21 | 2017-04-26 | 国家电投集团河南电力有限公司技术信息中心 | 一种发电厂绝缘监督管理系统 |
-
2018
- 2018-07-17 CN CN201810786377.2A patent/CN109193615A/zh active Pending
-
2019
- 2019-07-15 CN CN201910637629.XA patent/CN110176768A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109615160A (zh) * | 2018-10-22 | 2019-04-12 | 国家电网有限公司 | Cvt电压异常数据分析方法 |
| CN113296041A (zh) * | 2021-04-30 | 2021-08-24 | 广东电网有限责任公司 | 一种监测电压传感器异常的方法及装置 |
| CN115840895A (zh) * | 2021-12-31 | 2023-03-24 | 江苏常胜电器(淮安)有限公司 | 一种电子器件温度保护系统 |
| CN115840895B (zh) * | 2021-12-31 | 2024-05-03 | 江苏常胜电器(淮安)有限公司 | 一种电子器件温度保护系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110176768A (zh) | 2019-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109193615A (zh) | 电力数据分析方法 | |
| Bíscaro et al. | Integrated fault location and power-quality analysis in electric power distribution systems | |
| CN107843718B (zh) | 一种变压器绝缘油老化状态评估的方法 | |
| CN103713237B (zh) | 一种电力系统输电线路短路故障诊断方法 | |
| CN107831415B (zh) | 一种变压器绝缘纸老化状态评估的区间值模糊集方法 | |
| CN106908674A (zh) | 一种基于多状态量预测的变压器状态评估方法 | |
| CN109615160A (zh) | Cvt电压异常数据分析方法 | |
| CN105403811A (zh) | 风电场电网故障诊断方法和装置 | |
| Rahman et al. | Largest blackouts around the world: Trends and data analyses | |
| CN112068064A (zh) | 一种扣除背景影响量的运行三相电压互感器误差计算方法 | |
| CN110297161A (zh) | 防范电网设备带接地点送电的方法及调度系统 | |
| CN105699849A (zh) | 一种基于量子行为粒子群优化算法的电压暂降估计方法 | |
| Noce et al. | On the forecast of the voltage sags: First stages of analysis on real systems | |
| CN116805068A (zh) | 一种基于大数据的故障监测预警系统及方法 | |
| De Santis et al. | Indices of intermittence to improve the forecasting of the voltage sags measured in real systems | |
| CN109635430B (zh) | 电网输电线路暂态信号监测方法和系统 | |
| Zhang et al. | Fault location based on voltage measurement at secondary side of low-voltage transformer in distribution network | |
| CN117310353B (zh) | 一种变电站一、二次回路通流加压故障测试方法及系统 | |
| Pullabhatla et al. | Inverse S-Transform based decision tree for power system faults identification | |
| Zhang et al. | Anomalous state detection of dissolved gases in transformer oil based on the canopy hyper sphere model | |
| Zhang et al. | Research on power grid fault diagnosis based on a quantitative representation of alarm information | |
| CN111628574A (zh) | 一种基于距离相关系数的电网电压量测异常识别方法 | |
| CN111600393B (zh) | 变电站不同电压等级的电压量测数据归算方法及识别方法 | |
| CN114280372A (zh) | 电抗器多尺度故障诊断与监测系统 | |
| Tryollinna et al. | Planning of transformer placement using reliability in PLN Transmisi Jawa Bagian Barat |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190111 |