CN110210701A - 一种电网设备风险感知方法 - Google Patents
一种电网设备风险感知方法 Download PDFInfo
- Publication number
- CN110210701A CN110210701A CN201910325835.7A CN201910325835A CN110210701A CN 110210701 A CN110210701 A CN 110210701A CN 201910325835 A CN201910325835 A CN 201910325835A CN 110210701 A CN110210701 A CN 110210701A
- Authority
- CN
- China
- Prior art keywords
- data
- grid equipment
- grid
- equipment
- risk
- 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
- 230000008447 perception Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 239000000284 extract Substances 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000012502 risk assessment Methods 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000010206 sensitivity analysis Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 abstract description 5
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000025274 Lightning injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种电网设备风险感知方法，该方法包括获取电网设备实时运行数据，提取关键信息，对电网设备进行评估，进行指标计算，判断电网设备状态是否超过设定的安全阈值范围，当超过安全阈值范围时推送预警信息。本发明通过获取电网设备实时运行数据，对海量实时数据进行高效数据融合，自动分析关键信息，解决了监控人员面对大量数据不能有效分析的问题；并且对电网设备进行实时感知、智能告警、设备健康状态评估，有效提高了电网设备管理水平和电网安全态势监管能力，降低了设备故障频率，保障了运行安全性。
Description
技术领域
本发明属于电力系统仿真与计算分析技术领域，具体涉及一种电网设备风险感知方法。
背景技术
监控人员面对大量信息化数据，如SCADA(Supervisory Control And DataAcquisition，数据采集与监视控制系统)系统推送的主配网设备状态信息、计量自动化系统设备信息数据，无法查阅每一条异常信息，容易造成信息堆叠；另一方面受限于技术手段，对于海量的设备信息缺乏归纳总结，未充分挖掘其潜在设备运行规律及其风险。
目前，客观上存在生产管理制度建设滞后、人员素质能力不高及运维管理惯性思维等不利因素，电网风险控制难度很大，安全形势异常严峻。为有效防范电力安全事故事件，安全监管信息化、智能化、精益化是安全管理的必然趋势。
发明内容
本发明的发明目的是：为了解决现有技术中存在的以上问题，本发明提出了一种电网设备风险感知方法，以期实现对电网设备的实时感知、智能告警、设备健康状态评估，有效提高电网设备管理水平和电网安全态势监管能力。
本发明的技术方案是：一种电网设备风险感知方法，包括以下步骤：
S1、获取电网设备实时运行数据；
S2、采用主成分分析算法提取电网设备实时运行数据中的关键信息；
S3、根据状态评价导则及步骤S2中提取的关键信息对电网设备进行评估；
S4、根据电网设备实时运行数据，进行指标计算；
S5、根据步骤S4计算得到的指标数据判断电网设备状态是否超过设定的安全阈值范围；若是，则推送预警信息；若否，则返回步骤S1。
作为上述电网设备风险感知方法的进一步改进，所述步骤S1中，电网设备实时运行数据具体包括数据采集与监视控制系统数据、状态监测数据、分布式故障数据、雷电定位数据、山火数据、覆冰数据、气象数据、工程生产管理系统数据及配网自动化系统数据。
作为上述电网设备风险感知方法的进一步改进，所述步骤S2采用主成分分析算法提取电网设备实时运行数据中的关键信息，具体包括以下分步骤：
S201、利用电网设备实施运行数据构建m维样本集X＝(x1，x2，...，xm)；
S202、对样本集中所有样本进行中心化处理，即
S203、计算样本的协方差矩阵，即
S204、计算协方差矩阵的特征值，即
|C-λI|＝0
其中，I表示单位矩阵，λ表示特征值；
S205、设定主成分比重阈值α，将所有特征量进行排序，选取前n′个特征量作为关键信息量。
作为上述电网设备风险感知方法的进一步改进，将所有特征量进行降序排序，即
λ1≥λ2≥…≥λn
选取前n′个特征量作为关键信息量，使得对应的特征量满足条件
作为上述电网设备风险感知方法的进一步改进，所述步骤S3根据状态评价导则对电网设备进行评估，具体为
根据变电设备评价导则和输电线路评价导则对电网设备状态进行评估；当电网设备所有部件评价为正常状态时，电网设备整体评价为正常状态；当电网设备中任意部件评价为注意状态、异常状态或严重状态时，电网设备整体评价为对应的注意状态、异常状态或严重状态。
作为上述电网设备风险感知方法的进一步改进，所述步骤S4根据电网设备实时运行数据，进行指标计算，具体包括以下分步骤：
S401、选定一段时间序列，从起始时刻t起，放置长度为w的滑动窗口
S402、计算滑动窗口内到数据点空间中心的平均距离，即
其中，d(xt)表示t时刻的数据点xt到数据点空间中心的距离，表示t 时刻长度为w的滑动窗口数据；
S403、计算相邻时刻的数据点到数据点空间中心的距离差值及差值平均值，即
zt＝|d(xt)-d(xt-1)|
S404、计算预测的位于均值附近的数据点值为
S405、设定阈值τ，判断差值是否小于阈值τ；若是，则滑动窗口沿时间序列后一个单位；若否，则标记t时刻的数据点，同时用代替t 时刻的数据点的距离d(xt)；
S406、重复步骤S402至S405，标记出所有出现异常值的时刻，并返回该时间序列的阈值范围。
作为上述电网设备风险感知方法的进一步改进，所述步骤S5中，电网设备状态超过设定的安全阈值范围时，该电网设备判定为风险设备，并推送预警信息至给监控和调度人员，由监控和调度人员进行安全校验，根据安全校核结果调整安全阈值。
作为上述电网设备风险感知方法的进一步改进，还包括预测电网态势，通过对电网设备实时运行数据进行灵敏度分析和态势指标分析，预知电网安全并进行风险评估。
作为上述电网设备风险感知方法的进一步改进，风险评估具体包括以下分步骤：
S601、构建p种故障模式的风险评价矩阵，即
其中，xm(n)表示第m种故障模式的风险评价数据；
S602、选取故障模式各变量的最差值作为参考基准，建立参考矩阵，即
S603、计算故障模式的灰色关联度，即
其中，ζ表示分辨系数；
S604、计算电网设备风险评估指标，即
其中，wt表示风险评价指标的权重。
本发明的有益效果是：本发明通过获取电网设备实时运行数据，对海量实时数据进行高效数据融合，自动分析关键信息，解决了监控人员面对大量数据不能有效分析的问题；并且对电网设备进行实时感知、智能告警、设备健康状态评估，有效提高了电网设备管理水平和电网安全态势监管能力，降低了设备故障频率，保障了运行安全性。
附图说明
图1是本发明的电网设备风险感知方法流程示意图；
图2是本发明中风险评估流程示意图。
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用以解释本发明，并不用于限定本发明。
如图1所示，是本发明的电网设备风险感知方法流程示意图；一种电网设备风险感知方法，包括以下步骤：
S1、获取电网设备实时运行数据；
S2、采用主成分分析算法提取电网设备实时运行数据中的关键信息；
S3、根据状态评价导则及步骤S2中提取的关键信息对电网设备进行评估；
S4、根据电网设备实时运行数据，进行指标计算；
S5、根据步骤S4计算得到的指标数据判断电网设备状态是否超过设定的安全阈值范围；若是，则推送预警信息；若否，则返回步骤S1。
在本发明的一个可选实施例中，上述步骤S1获取的电网设备实时运行数据具体包括数据采集与监视控制系统数据、状态监测数据、分布式故障数据、雷电定位数据、山火数据、覆冰数据、气象数据、工程生产管理系统数据及配网自动化系统数据。
其中数据采集与监视控制系统数据具体包括断路器、断路器油压、变压器三测电流、变压器电压、设备有功、无功、主变油温、主变档位、三测开关位置、刀闸位置、接地刀闸位置、变压器电压信息、设备负荷信息、部件故障信息等数据。
状态监测数据具体包括监测报警、装置台账、装置参数、厂家台账、断路器气体水分、断路器气体压力、铁芯电流、微水、避雷器、油色谱、顶层油温等数据。
分布式故障数据具体包括局信息、线路信息、杆塔信息、装置信息、跳闸事故信息、跳闸事故波形、跳闸事故波形过程、雷击整体信息等数据。
雷电定位数据具体包括雷电监测PNG图、历史雷电数据、雷电预警数据等数据。
山火数据具体包括山火火点、告警杆塔等数据。
覆冰数据具体包括覆冰预报信息、覆冰预报图、覆冰预测信息、覆冰预测图等数据。
气象数据具体包括预警、气象灾害监测与预警数据、10年跨度的历史常规气象统计、常规预报等数据。
工程生产管理系统数据具体包括故障信息、缺陷信息、隐患信息、检修计划信息、检修记录信息、带电检测信息、设备状态评价信息、生产厂家、避雷器台账、避雷针、穿墙套管、电力电容器台账、电流互感器台账、断路器、电压互感器、变电站台账、隔离开关、接地网、间隔单元、开关柜、母线、阻波器、主变压器、电缆段、杆塔(运行)、线路等数据。
配网自动化系统数据具体包括GIS数据、计量自动化、营销自动化、主网 SCADA数据等。
在本发明的一个可选实施例中，上述步骤S2采用主成分分析算法提取电网设备实时运行数据中的关键信息，具体包括以下分步骤：
S201、利用电网设备实施运行数据构建m维样本集X＝(x1，x2，...，xm)；
S202、对样本集中所有样本进行中心化处理，即
S203、计算样本的协方差矩阵，即
S204、计算协方差矩阵的特征值，即
|C-λI|＝0
其中，I表示单位矩阵，λ表示特征值；
S205、设定主成分比重阈值α，将所有特征量进行排序，选取前n′个特征量作为关键信息量。
在步骤S205中，本发明指定一个降维到的主成分比重阈值α∈(0,1]，一般的，α＝0.80。
本发明将所有特征量进行降序排序，即
λ1≥λ2≥…≥λn
选取前n′个特征量作为关键信息量，使得对应的特征量满足条件
在本发明的一个可选实施例中，上述步骤S3根据状态评价导则及步骤S2 中提取的关键信息对电网设备进行评估，具体为
根据变电设备评价导则和输电线路评价导则中设定的电网设备实时运行关键信息标准，与步骤S2中提取的关键信息进行比较，从而对电网设备状态进行评估；当电网设备所有部件评价为正常状态时，电网设备整体评价为正常状态；当电网设备中任意部件评价为注意状态、异常状态或严重状态时，电网设备整体评价为对应的注意状态、异常状态或严重状态，具体按照状态严重程度注意状态<异常状态<严重状态，将电网设备整体评价为所有状态中程度最严重的状态。
本发明通过对电网设备实时运行数据进行挖掘，利用人工智能技术对设备缺陷和隐患进行辨识，实现对设备的实施感知、智能告警、设备健康状态评估，有效提高设备管理水平和电网安全态势监管能力。
本发明综合信息后给出设备健康度评分，为监控人员提供一定的辅助作用。
在本发明的一个可选实施例中，上述步骤S4根据电网设备实时运行数据，进行指标计算，具体包括以下分步骤：
S401、选定一段时间序列，从起始时刻t起，放置长度为w的滑动窗口
S402、计算滑动窗口内到数据点空间中心的平均距离，即
其中，d(xt)表示t时刻的数据点xt到数据点空间中心的距离，表示t 时刻长度为w的滑动窗口数据；
S403、计算相邻时刻的数据点到数据点空间中心的距离差值及差值平均值，即
zt＝|d(xt)-d(xt-1)|
S404、计算预测的位于均值附近的数据点值为
S405、设定阈值τ，判断差值是否小于阈值τ；若是，则滑动窗口沿时间序列后一个单位；若否，则标记t时刻的数据点，同时用代替t 时刻的数据点的距离d(xt)；
S406、重复步骤S402至S405，标记出所有出现异常值的时刻，并返回该时间序列的阈值范围。
在步骤S401中，时间序列X是由记录时间和记录值组成的元素有序集合，当时间T取值接近时，X的波动变化很小，都均匀分布在当前时间窗内所有X 值的平均值附近，当某个数据点Q的X值明显偏离当前时，Q点存在异常的可能性很大。
令Dw＝[t-w：t]，t≥w为样本数据中的一段时间间隔为w的滑动窗口，滑动窗口中中的数据表示为：取待识别的数据点Q为t时刻的xt。
在本发明的一个可选实施例中，上述步骤S5根据计算的指标数据，判断电网设备状态，具体为根据步骤S4标记出的所有出现异常值时刻的电网设备状态，如当前温度、湿度负荷等是否超出安全阈值；若电网设备状态超过设定的安全阈值范围，则该电网设备判定为风险设备，并推送预警信息至给监控和调度人员，由监控和调度人员进行安全校验，根据安全校核结果调整安全阈值，确保阈值的准确性，更加灵活的判断设备风险，辅助监控人员安全作业；若电网设备状态没用超过设定的安全阈值范围，返回步骤S1，重新进行风险预警。
本发明通过人工智能辅助监控，实现电子值班，有效提高监控效率及准确率，防止人员疏忽大意，遗留重要告警信息从而导致事故事件，监测到预警信息后，系统自动推送给相关人员，快速消除预警。
在本发明的一个可选实施例中，本发明还包括预测电网态势，通过对电网设备实时运行数据进行灵敏度分析和态势指标分析，预知电网安全并进行风险评估，制定对应策略和安全裕度调整策略，为调度人员提供更高层次的电网安全预测及辅助决策信息。
如图2所示，上述风险评估具体包括以下分步骤：
S601、构建p种故障模式的风险评价矩阵，即
其中，xm(n)表示第m种故障模式的风险评价数据；
S602、选取故障模式各变量的最差值作为参考基准，建立参考矩阵，即
S603、计算故障模式的灰色关联度，即
其中，ζ表示分辨系数；
S604、计算电网设备风险评估指标，即
其中，wt表示风险评价指标的权重。
在步骤S601中，本发明假设变电设备有m种故障模式，分别记为M1，M2，…，Mm，Mj为第j种失效模式，由于每种故障模式有 S1，S2，…，Sm，1≤m≤4评价指标，因此，反映第j种失效模式的风险评价的数据列可表示为xj(1)，xj(2)，…，xj(n)，从而得到反映p种故障模式的风险评价矩阵，即
在步骤S602中，故障模式的风险排序是相对于一定的参考基准而言的，从产品或系统可靠性的角度考虑，参考矩阵的应该选择故障模式各变量的最优或最差值作为参考基准。
本发明选取故障模式各变量的最差值x0作为参考基准，建立参考矩阵，即
在步骤S603中，本发明根据灰色关联理论，计算故障模式的灰色关联度，即
其中，ζ表示分辨系数，ζ∈(0，1)；
在步骤S604中，本发明设定风险评价指标的权重分别为则第j种失效模式的风险指标表示为
本发明采用大数据分析现有海量监控数据，打破现有各系统之间的数据壁垒，汇总历史设备故障数据，分析历史故障数据中设备的各个监控值的分布情况，通过不同数据结合多维度分析结果，整合实时监控信息，对可能存在故障或即将发生故障的设备进行预警，采用人为干涉的方式对事故进行处理，降低设备故障频率，提高运行安全性。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (9)
1.一种电网设备风险感知方法，其特征在于，包括以下步骤：
S1、获取电网设备实时运行数据；
S2、采用主成分分析算法提取电网设备实时运行数据中的关键信息；
S3、根据状态评价导则及步骤S2中提取的关键信息对电网设备进行评估；
S4、根据电网设备实时运行数据，进行指标计算；
S5、根据步骤S4计算得到的指标数据判断电网设备状态是否超过设定的安全阈值范围；若是，则推送预警信息；若否，则返回步骤S1。
2.如权利要求1所述的电网设备风险感知方法，其特征在于，所述步骤S1中，电网设备实时运行数据具体包括数据采集与监视控制系统数据、状态监测数据、分布式故障数据、雷电定位数据、山火数据、覆冰数据、气象数据、工程生产管理系统数据及配网自动化系统数据。
3.如权利要求1所述的电网设备风险感知方法，其特征在于，所述步骤S2采用主成分分析算法提取电网设备实时运行数据中的关键信息，具体包括以下分步骤：
S201、利用电网设备实施运行数据构建m维样本集X＝(x1，x2，...，xm)；
S202、对样本集中所有样本进行中心化处理，即
S203、计算样本的协方差矩阵，即
S204、计算协方差矩阵的特征值，即
|C-λI|＝0
其中，I表示单位矩阵，λ表示特征值；
S205、设定主成分比重阈值α，将所有特征量进行排序，选取前n′个特征量作为关键信息量。
4.如权利要求3所述的电网设备风险感知方法，其特征在于，将所有特征量进行降序排序，即
λ1≥λ2≥…≥λn
选取前n′个特征量作为关键信息量，使得对应的特征量满足条件
5.如权利要求1所述的电网设备风险感知方法，其特征在于，所述步骤S3根据状态评价导则对电网设备进行评估，具体为
根据变电设备评价导则和输电线路评价导则对电网设备状态进行评估；当电网设备所有部件评价为正常状态时，电网设备整体评价为正常状态；当电网设备中任意部件评价为注意状态、异常状态或严重状态时，电网设备整体评价为对应的注意状态、异常状态或严重状态。
6.如权利要求1所述的电网设备风险感知方法，其特征在于，所述步骤S4根据电网设备实时运行数据，进行指标计算，具体包括以下分步骤：
S401、选定一段时间序列，从起始时刻t起，放置长度为w的滑动窗口
S402、计算滑动窗口内到数据点空间中心的平均距离，即
其中，d(xt)表示t时刻的数据点xt到数据点空间中心的距离，表示t时刻长度为w的滑动窗口数据；
S403、计算相邻时刻的数据点到数据点空间中心的距离差值及差值平均值，即
zt＝|d(xt)-d(xt-1)|
S404、计算预测的位于均值附近的数据点值为
S405、设定阈值τ，判断差值是否小于阈值τ；若是，则滑动窗口沿时间序列后一个单位；若否，则标记t时刻的数据点，同时用代替t时刻的数据点的距离d(xt)；
S406、重复步骤S402至S405，标记出所有出现异常值的时刻，并返回该时间序列的阈值范围。
7.如权利要求1所述的电网设备风险感知方法，其特征在于，所述步骤S5中，电网设备状态超过设定的安全阈值范围时，该电网设备判定为风险设备，并推送预警信息至给监控和调度人员，由监控和调度人员进行安全校验，根据安全校核结果调整安全阈值。
8.如权利要求1所述的电网设备风险感知方法，其特征在于，还包括预测电网态势，通过对电网设备实时运行数据进行灵敏度分析和态势指标分析，预知电网安全并进行风险评估。
9.如权利要求8所述的电网设备风险感知方法，其特征在于，风险评估具体包括以下分步骤：
S601、构建p种故障模式的风险评价矩阵，即
其中，xm(n)表示第m种故障模式的风险评价数据；
S602、选取故障模式各变量的最差值作为参考基准，建立参考矩阵，即
S603、计算故障模式的灰色关联度，即
其中，ζ表示分辨系数；
S604、计算电网设备风险评估指标，即
其中，wt表示风险评价指标的权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910325835.7A CN110210701A (zh) | 2019-04-23 | 2019-04-23 | 一种电网设备风险感知方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910325835.7A CN110210701A (zh) | 2019-04-23 | 2019-04-23 | 一种电网设备风险感知方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110210701A true CN110210701A (zh) | 2019-09-06 |
Family
ID=67786172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910325835.7A Pending CN110210701A (zh) | 2019-04-23 | 2019-04-23 | 一种电网设备风险感知方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110210701A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110956379A (zh) * | 2019-11-22 | 2020-04-03 | 广州供电局有限公司 | 安全态势感知方法、装置、计算机设备和存储介质 |
| CN111062584A (zh) * | 2019-11-28 | 2020-04-24 | 国网安徽省电力有限公司合肥供电公司 | 一种变压器运行状态的风险监控方法 |
| CN111260255A (zh) * | 2020-02-20 | 2020-06-09 | 南方电网科学研究院有限责任公司 | 一种配电网运行参数关键因素分析方法、系统以及设备 |
| CN111310946A (zh) * | 2020-02-26 | 2020-06-19 | 清华大学 | 基于智能运维的变压器运行态势感知方法及系统 |
| CN111461581A (zh) * | 2020-05-17 | 2020-07-28 | 商志营 | 一种智能预警管理系统及实现方法 |
| CN111738067A (zh) * | 2020-05-12 | 2020-10-02 | 国网陕西省电力公司电力科学研究院 | 一种电力在线监测系统数据的时间序列异常检测方法 |
| CN112070155A (zh) * | 2020-09-07 | 2020-12-11 | 常州微亿智造科技有限公司 | 时间序列数据标注方法和装置 |
| CN113193616A (zh) * | 2021-04-07 | 2021-07-30 | 山东理工大学 | 一种用于输电通道监拍设备的健康状态评估方法 |
| CN114326556A (zh) * | 2021-12-31 | 2022-04-12 | 临沂职业学院 | 电气自动化监测系统、用于控制该系统的方法及装置 |
| CN114844227A (zh) * | 2022-07-04 | 2022-08-02 | 广东电网有限责任公司佛山供电局 | 一种电网运行安全监督管理系统及方法 |
| CN115834351A (zh) * | 2023-02-23 | 2023-03-21 | 国网浙江义乌市供电有限公司 | 一种感知采集设备故障判断方法 |
| CN116820014A (zh) * | 2023-08-24 | 2023-09-29 | 山西交通科学研究院集团有限公司 | 一种交通机电设备智能化监控预警方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102590683A (zh) * | 2012-02-27 | 2012-07-18 | 浙江大学 | 一种电力设备载流故障在线诊断预警方法 |
| CN105512474A (zh) * | 2015-12-02 | 2016-04-20 | 国网山东省电力公司电力科学研究院 | 一种变压器状态监测数据的异常检测方法 |
| CN105868912A (zh) * | 2016-04-06 | 2016-08-17 | 清华大学 | 基于数据融合的电力变压器状态评价方法及装置 |
| CN106447202A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司 | 基于数据挖掘和主成分分析的电力设备状态评估方法 |
| CN108319789A (zh) * | 2018-02-07 | 2018-07-24 | 海南电网有限责任公司电力科学研究院 | 结合异常故障的变压器风险评估方法、装置、设备及介质 |
| CN109459993A (zh) * | 2018-12-06 | 2019-03-12 | 湖南师范大学 | 一种流程工业过程在线自适应故障监测与诊断方法 |
-
2019
- 2019-04-23 CN CN201910325835.7A patent/CN110210701A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102590683A (zh) * | 2012-02-27 | 2012-07-18 | 浙江大学 | 一种电力设备载流故障在线诊断预警方法 |
| CN105512474A (zh) * | 2015-12-02 | 2016-04-20 | 国网山东省电力公司电力科学研究院 | 一种变压器状态监测数据的异常检测方法 |
| CN105868912A (zh) * | 2016-04-06 | 2016-08-17 | 清华大学 | 基于数据融合的电力变压器状态评价方法及装置 |
| CN106447202A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司 | 基于数据挖掘和主成分分析的电力设备状态评估方法 |
| CN108319789A (zh) * | 2018-02-07 | 2018-07-24 | 海南电网有限责任公司电力科学研究院 | 结合异常故障的变压器风险评估方法、装置、设备及介质 |
| CN109459993A (zh) * | 2018-12-06 | 2019-03-12 | 湖南师范大学 | 一种流程工业过程在线自适应故障监测与诊断方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张济世等: "《统计水文学》", 31 March 2006 * |
| 林韩等: "《电网防灾减灾应急管理系统建设与应用》", 31 May 2009 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110956379A (zh) * | 2019-11-22 | 2020-04-03 | 广州供电局有限公司 | 安全态势感知方法、装置、计算机设备和存储介质 |
| CN111062584A (zh) * | 2019-11-28 | 2020-04-24 | 国网安徽省电力有限公司合肥供电公司 | 一种变压器运行状态的风险监控方法 |
| CN111062584B (zh) * | 2019-11-28 | 2022-11-29 | 国网安徽省电力有限公司合肥供电公司 | 一种变压器运行状态的风险监控方法 |
| CN111260255B (zh) * | 2020-02-20 | 2022-08-09 | 南方电网科学研究院有限责任公司 | 一种配电网运行参数关键因素分析方法、系统以及设备 |
| CN111260255A (zh) * | 2020-02-20 | 2020-06-09 | 南方电网科学研究院有限责任公司 | 一种配电网运行参数关键因素分析方法、系统以及设备 |
| CN111310946A (zh) * | 2020-02-26 | 2020-06-19 | 清华大学 | 基于智能运维的变压器运行态势感知方法及系统 |
| CN111738067A (zh) * | 2020-05-12 | 2020-10-02 | 国网陕西省电力公司电力科学研究院 | 一种电力在线监测系统数据的时间序列异常检测方法 |
| CN111738067B (zh) * | 2020-05-12 | 2024-04-16 | 国网陕西省电力公司电力科学研究院 | 一种电力在线监测系统数据的时间序列异常检测方法 |
| CN111461581A (zh) * | 2020-05-17 | 2020-07-28 | 商志营 | 一种智能预警管理系统及实现方法 |
| CN112070155A (zh) * | 2020-09-07 | 2020-12-11 | 常州微亿智造科技有限公司 | 时间序列数据标注方法和装置 |
| CN113193616A (zh) * | 2021-04-07 | 2021-07-30 | 山东理工大学 | 一种用于输电通道监拍设备的健康状态评估方法 |
| CN114326556A (zh) * | 2021-12-31 | 2022-04-12 | 临沂职业学院 | 电气自动化监测系统、用于控制该系统的方法及装置 |
| CN114844227A (zh) * | 2022-07-04 | 2022-08-02 | 广东电网有限责任公司佛山供电局 | 一种电网运行安全监督管理系统及方法 |
| CN114844227B (zh) * | 2022-07-04 | 2022-09-20 | 广东电网有限责任公司佛山供电局 | 一种电网运行安全监督管理系统及方法 |
| CN115834351A (zh) * | 2023-02-23 | 2023-03-21 | 国网浙江义乌市供电有限公司 | 一种感知采集设备故障判断方法 |
| CN116820014A (zh) * | 2023-08-24 | 2023-09-29 | 山西交通科学研究院集团有限公司 | 一种交通机电设备智能化监控预警方法及系统 |
| CN116820014B (zh) * | 2023-08-24 | 2023-11-14 | 山西交通科学研究院集团有限公司 | 一种交通机电设备智能化监控预警方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110210701A (zh) | 一种电网设备风险感知方法 | |
| CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
| US8200372B2 (en) | Methods and processes for managing distributed resources in electricity power generation and distribution networks | |
| CN112365100B (zh) | 基于灾害风险综合评估的电网灾害预警及应对方法 | |
| US9864008B2 (en) | Electric power system circuit breaker trip diagnostic | |
| CN102063651B (zh) | 一种基于在线采集数据的城市电网风险评估系统 | |
| CN106940411B (zh) | 一种小电流接地系统单相接地故障选线方法 | |
| KR102309900B1 (ko) | IoT 기반 비접촉식 피뢰기 상태 진단장치 및 이를 이용한 관리 시스템 | |
| KR101214765B1 (ko) | 전력설비 모니터링 시스템 및 방법 | |
| CN110346673A (zh) | 一种计及网络拓扑合理性的智能配电网风险评估方法 | |
| CN103218754B (zh) | 一种电网调度操作的风险检测方法及装置 | |
| CN106372735A (zh) | 一种继电保护状态评估方法 | |
| CN104966147A (zh) | 一种考虑基态和事故态的电网运行风险分析方法 | |
| CN103440400A (zh) | 考虑灾害因素的电力系统短期风险判定方法 | |
| CN106969266A (zh) | 城市供水管网的管道压力监测设备在线运行状态诊断方法 | |
| Stewart et al. | Data-driven approach for monitoring, protection, and control of distribution system assets using micro-PMU technology | |
| CN109490715A (zh) | 一种极端环境下的电力系统故障判别方法 | |
| CN104268693A (zh) | 一种电网调度决策的方法和系统 | |
| CN103884935A (zh) | 结合分布式雷电流监测的输电线路防雷性能评估方法 | |
| CN102915515A (zh) | 一种电网连锁性故障识别和风险评估方法 | |
| CN106356846B (zh) | 一种基于时间的初期电网连锁故障模拟仿真方法 | |
| CN103246939A (zh) | 基于安全稳定裕度的电网运行安全风险事件在线辨识方法 | |
| KR20210046165A (ko) | 송배전 부하전환 시스템 및 방법 | |
| CN116012189A (zh) | 一种电力设施洪涝受灾空间异质性分析方法和系统 | |
| CN109149776A (zh) | 应用于智能电网的输电线路可靠监测系统 |
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: 20190906 |
|
| RJ01 | Rejection of invention patent application after publication |