CN110928866A - 基于停电信息大数据分析的线路拓扑核查方法及系统 - Google Patents
基于停电信息大数据分析的线路拓扑核查方法及系统 Download PDFInfo
- Publication number
- CN110928866A CN110928866A CN201911247642.0A CN201911247642A CN110928866A CN 110928866 A CN110928866 A CN 110928866A CN 201911247642 A CN201911247642 A CN 201911247642A CN 110928866 A CN110928866 A CN 110928866A
- Authority
- CN
- China
- Prior art keywords
- data
- line
- analysis
- power
- gateway
- 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 47
- 238000007405 data analysis Methods 0.000 title claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 230000008859 change Effects 0.000 claims abstract description 15
- 238000007418 data mining Methods 0.000 claims abstract description 6
- 238000005065 mining Methods 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims abstract description 3
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 18
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000012896 Statistical algorithm Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000010835 comparative analysis Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 235000001968 nicotinic acid Nutrition 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 239000000725 suspension Substances 0.000 claims description 3
- 238000012731 temporal analysis Methods 0.000 claims description 3
- 238000000700 time series analysis Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000011835 investigation Methods 0.000 abstract description 5
- 238000009826 distribution Methods 0.000 description 30
- 238000007726 management method Methods 0.000 description 22
- 230000003068 static effect Effects 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- General Health & Medical Sciences (AREA)
Abstract
本发明公开了一种基于停电信息大数据分析的线路拓扑核查方法及系统,其中方法包括:S1、获取装设在变压器上的关口表的停电信息;S2、对停电信息进行逻辑分析,过滤掉冗余的数据信息和干扰数据;S3、对过滤后的停电信息采用大数据挖掘方法进行分析、处理和挖掘,查找出异常的线变关系,整改线变关系。系统包括:关口表、数据处理设备和服务器,关口表采集并记录变压器的各项参数,数据处理设备对停电时间段内的关口表中的数据进行全面采集并传输至服务器,服务器对数据进行分析并将数据存储到数据库。本发明为开展线变关系现场排查提供技术指导,为精益化的营销管理提供技术支撑。
Description
技术领域
本发明涉及配电系统,尤其是一种基于停电信息大数据分析的线路拓扑核查方法及系统。
背景技术
配电系统是保证供电质量、提供优质服务以及提高电力系统运行效率与可再生能源接纳能力的关键环节。近年来,在建设智能配电网的过程中,由于配电网元件数量众多、扩容任务繁重、设备异动频繁,拓扑数据管理维护工作量大,数据录入与更新不及时,配电系统存储的拓扑或线变关系与实际电网运行情况不一致,给配电网的调度、运行、管理带来了很大的困扰,而采用现场核查的方式校验配网拓扑耗费大量的人力和物力。
在电力系统中,关口表是各市场主体(电力公司、电厂、售电公司、大用户等)进行电力交易的结算依据,它的准确度直接关系到电力计费,关系到各市场主体的平等交易和经济利益。因此电力公司一直非常关注关口表的准确度,致力于提高关口表的准确度和稳定性,发现影响关口表准确度的因素,掌握关口表准确度变化的规律。
关口表计量管理是电力应用中最重要的日常管理工作之一,贯穿于电力生产、传输、使用的全过程,即从发电、输电、配电到最终的用电,都要对电能实施计量。因此,准确、可靠的电能计量,不仅是建立公平、公正、有序电力营销市场的基础,也是确保电力系统安全、稳定和经济运行的重要技术手段。在产生、传输、消耗(电力大用户)电能的关口处装设的电能计量装置,是发电、输电、供电及电力用户相互间进行电能贸易结算、考核相关技术经济指标的法定计量器具。依据现有的国家相关检定规程以及国家电网公司相关计量技术标准,对电网中装设在电能计量关口处的电能计量装置(包括电流互感器、电压互感器和电能表等),应该定期进行误差等性能的检定。
线损率是电力企业重要的技术经济指标,一方面是企业管理水平的综合反应,另一方面也与企业的经济利益直接关联。采取各种管理措施和技术措施来降低线损,使线损降到经济合理水平,对于提高能源利用效率、降低供电成本、提升电力企业净利润水平,具有重要的意义和价值。
在同期线损治理过程中,由于35kV及以上电压等级的线路数量少、拓扑结构简单、变动较少、台账历史数据质量高并且更新及时,所以其线损治理水平较高,相应的线损考核指标达到要求;但是对于10kV及以下电压等级配电网,设备(资产)运维精益管理系统的历史台账数据质量低以及数据更新不及时、刀闸开关动作频繁、表计及设备维护工作量大等原因造成“线路-变压器连接关系”(线变关系)错误,从而带来10kV电压等级及以下线损考核指标达标率低的问题,并且治理困难。目前梳理10kV线路线变关系的主要手段是通过基层工作人员进行现场勘查,将实地情况与设备(资产)运维精益管理系统档案信息相比对,若有差异则可申请进行设备变更实现台账维护,但是由于10kV线路及其所挂接的变压器数量众多,传统地毯式的现场搜索需要耗费大量的人力物力,时效性低。
目前,当停电发生时,线变关系修正调整是通过人工识别方式完成,这种方式存在耗时、耗力问题。
发明内容
本发明的目的在于解决上述技术问题而提供一种基于停电信息大数据分析的线路拓扑核查方法及系统,以解决线变关系修正调整耗时、耗力问题。
为了解决上述技术问题,本发明采用如下技术方案:
一种基于停电信息大数据分析的线路拓扑核查方法,包括以下步骤:
S1、获取装设在变压器上的关口表的停电信息;
S2、对停电信息进行逻辑分析,过滤掉冗余的数据信息和干扰数据;
S3、对过滤后的停电信息采用大数据挖掘方法进行分析、处理和挖掘,查找出异常的线变关系,进而改正GIS系统、SG186系统的数据,整改线变关系。
进一步地,步骤S1中所述的停电信息是指变压器的各项电力参数,包括电压、电流、有功功率、无功功率、视在功率、有功电能、无功电能、频率、相角。
进一步地,步骤S2中所述干扰数据包括关口表内部故障、采集时钟漂移、用户暂停用电、欠费停电的信息数据;
其中,关口表内部故障的检测方法如下:电压电流向量图分析、电压电流异常偏差检查、电能计量超差检查,同时利用电能计量历史大数据,对数据进行整理、分析和挖掘,构建针对性的关口表准确度统计模型,对关口表的运行状态进行实时、远程监控,及时评估关口表的运行状态和故障趋势,避免潜在的计量故障。
进一步地,步骤S3中大数据挖掘方法包括回归分析、时间序列分析、聚类分析、支持向量机分析、相关性分析、决策树、仿生学优化。
进一步地,步骤S3中针对高损配线,利用相关系数法诊断线损异常,采用相关系数法对配线线损指标异常进行动态诊断;对负高损线路下挂公变或专变的线变关系进行排查,求相关系数:计算线路线损率变化量与每一个下挂公变或专变电量的相关系数,若相关,则该公变或专变线变关系有误。
进一步地,步骤S3中基于电量与线损关联性的异常线变关系,所采用的判别方法如下:利用大数据分析技术和台区线损非线性相关性分析方法,构建不依赖于本地通信关系的线变关系纠错模型,查找出统计错误的线变关系。
进一步地,步骤S3中判断是否为异常的线变关系所采用的算法如下:通过人工神经网络算法对采集数据进行预处理,聚类分析算法对预处理后的数据进行聚类,而间隙统计算法自动确定最佳聚类个数;当采集数据中含有异常数据时,间隙统计算法确定最佳聚类个数以后,聚类分析算法把采集数据聚成不同的类,实现正常数据与异常数据的分离,从而能够检测和辨识出用电信息采集数据中的异常数据,即异常的线变关系。
一种基于停电信息大数据分析的线路拓扑核查系统,包括关口表、数据处理设备和服务器,关口表采集并记录变压器的各项参数,数据处理设备对停电时间段内的关口表中的数据进行全面采集并传输至服务器,服务器对数据进行分析并将数据存储到数据库。
进一步地,所述数据处理设备包括数据采集模块、数据存储分析模块和数据展现模块,所述服务器为远程主站服务器;
数据采集模块对关口表的电流、电压、功率、相位、电量的数据进行采集,数据采集模块包括红外接口和RS485接口,能够根据不同类型的关口表选择不同的数据采集接口进行数据采集,在数据采集模块采集到数据后进行加密,设置有密钥用于解密,以保证数据的安全性;
数据存储分析模块,用于接收采集的数据,对采集的数据进行分析并存储,通过数据传输在数据展现模块上将数据进行展现,同时将数据加密后传回远程主站服务器。
进一步地,所述数据处理设备包括关口表评估装置和数据集中器,所述服务器为置于电力网计量中心的主站服务器;
数据集中器将关口表的内部采集电量数据集中获取并上传至主站服务器;
关口表评估装置安装于子站的关口表所在的计量柜中,关口表和关口表评估装置均与电力网线路相连接,关口表评估装置具备高精度监测电路,实时采集电力网关口节点的电量信息数据,同时支持各种规约可以读取关口表的内部采集数据进行数据统计和对比分析,对关口表进行在线检测和状态评估,对于异常情况给出告警,同时将统计数据和对比分析结果上传至主站服务器;关口表评估装置还可与电力网PT柜、CT柜中的PT采集装置和CT采集装置通信连接以对电力网二次回路的有关参数进行监测;
电力网计量中心的主站服务器根据获取的关口表内部采集电量数据及关口表评估装置的统计数据和对比分析结果对关口表进行远程监控和状态评估。
本发明的有益效果是:利用用电信息采集系统提供的线路与变压器用电量、电压、电流等数据,利用大数据分析技术和台区线损非线性相关性分析方法,构建不依赖于本地通信关系的线变关系纠错模型,查找出统计错误的线变关系,提高配电线路拓扑信息的准确性,为开展线变关系现场排查提供技术指导,从而提高线路损耗的计算精度,为精益化的营销管理提供技术支撑。
附图说明
图1为本发明中基于停电信息大数据分析的线路拓扑核查系统的结构框图;
图2为本发明中基于停电信息大数据分析的线路拓扑核查系统的一种实施例的结构框图。
图3为本发明中基于停电信息大数据分析的线路拓扑核查系统的另一种实施例的结构框图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明:
术语定义:
配电线路:把发电厂生产的电能直接配给用电单位或由电力系统中的降压变压器配给用电单位电能的10kV及以下电力线路,称为配电线路。3~10kV线路称高压配电线路;1kV及以下线路称为低压配电线路。
公变,一种公共变压器,公变供电模式是指所在地的线路、变压器、到每户的电表全部由供电局安装、维护、管理。
专变,一种专用变压器,专变供电模式是指专用变压器供电模式,房屋售出后,专用变压器作为小区内部公用设施,由业主委托物业公司等中介机构管理与维护,并代收电费。
关口表,关口表指把住一个关口的计量表,俗称总表。以电力为例:1个变压器供电区域有N户人,每一户人有1只电表,用于记录每户人使用的电量。而供电的变压器则装有1只总表,用于记录整个变压器供电区域的总电量。这只表就称为关口表。再往上,在变电站对每条线路也有1只表,记录整条线的电量(1条线路供电区域有N台变压器),相对于变压器的表来说,它也是关口表。关口表的主要作用:1.记录总的输出电量;2.利用记录的总量与到户表的合计电量计算损耗。其它行业的如水表,气表等等关口表都是与此相同的一个概念。
GIS系统(地理信息系统,geographic information system),是指配电管理地理信息系统(GIS)。配电管理GIS系统是运行在该所内部网上的一个计算机应用系统。
GIS系统主要功能有:
(1)把所在地区的1:2000比例的城市电子地图读入计算机,作为系统的底图,并加上动态名和门牌等扩充信息。
(2)把管理区域的配电线路及其电杆按实际位置输入系统,并输入配电变压器点、杆架刀闸等所有任务的台账资料;交配电设备也输入,但此处不作介绍。
(3)在该系统中查询、删除和定位操作所有10kV设备。
(4)统计任一出线或某地区的设备类型及数量。
(5)进行连接性分析,按不同电源的线路显示供电范围,快速查询停电范围。
(6)自动通过电网拓扑结构进行阻抗计算和短路容量的计算。
(7)能对所属地区的变配电设备进行管理查询,并提供通用的图形编辑器,在统一的格式下进行图的编辑。
该系统除了线路使用外,还可供行政与技术领导、调度(包括运行方式、继保整定)、规划、变电、计算中心等部门共同使用。
SG186系统:2006年4月29日,国家电网公司提出了在全系统实施“SG186工程”的规划。SG是国家电网英文(Stare Grid)的简拼。
“SG186工程”中的“1”,指的是一体化企业级信息集成平台。
“SG186工程”中的“8”,就是按照国家电网企业级信息系统建设思路,依托公司企业信息集成平台,在公司总部和公司系统,建设财务(资金)管理、营销管理、安全生产管理、协同办公管理、人力资源管理、物资管理、项目管理、综合管理等八大业务应用。
“SG186工程”中的“6”,是建立健全六个信息化保障体系,分别是:信息化安全防护体系、标准规范体系、管理调控体系、评价考核体系、技术研究体系和人才队伍体系。
“线路-变压器连接关系”简称为线变关系。
本发明中基于停电信息大数据分析的线路拓扑核查系统的构成:
在变电站出口处的主线上设置有出线关口表。
在本发明的具体实施方式中,高精度采样子系统主要由标准电能表、工控机等组建构成,其主要功能是记录装设在变电站的关口表在电路发生故障停电时间段内所接受的电压、电流波形原始数据。
通信传输子系统满足TCP/IP网络通信协议,由控制设备、以太网传输线路、通信接口及通信服务平台软件等构成,负责将高精度采样子系统获得的原始数据传输给主站。
主站主要由数据库服务器、关口电停电异常信息分析软件和用户界面等组成,主要负责将停电时间段内的关口表信息进行大数据分析,可判断出10kV公变、专变与配电线路的对应关系,进而改正GIS系统、SG186系统数据。
在本发明的具体实施方式中,在变电站内高精度模数转换器模块,同步获取在配电线路发生故障停电时,在停电时间段内的对应关口表所计量的电压和电流信号,并进行高精度模数转换,经过数字通信网络,将高精度模数转换器输出的信号和关口表计量得到的数据结果都传输给计算机,经运行相应的算法软件,发现拓扑错误用户,整改线变关系。
在本发明的具体实施方式中,基于所获得大量关口表停电信息,对它们,从回归分析、时间序列分析、聚类分析、支持向量机分析、相关性分析、决策树、仿生学优化等一系列大数据挖掘方法中选出适宜的数学方法,对所积累的上述关口表的电气测量大数据进行分析、处理和挖掘。
在本发明的具体实施方式中,对每个关口表在停电时间段内的各种信息进行在线采集和分析,在通过网络发送数据前,先对数据进行逻辑分析,将数据信息进行重新组织,过滤掉冗余的数据信息或者干扰数据,从而充分利用有限的网络资源,避免网络阻塞,同时充分减少通讯费用,节约成本。其中,主站系统采用J2EE+WebService的方法,用Weblogic中间件系统,可同时监控两万个关口表,适应国内所有的电网公司。
实施例:
如图1所示,在本实施例中,公共或专用变压器安装有关口表,关口表符合国家电网标准,通讯协议采用DL/T645-2007或者DL/T645-1997标准协议。通过该协议,关口表采集并记录变压器的许多参数。
在本实施例中,通过大数据算法分析关口表实时采集的变压器参数,可以对变压器进行监控和预警,并且检测配电线路和公共变压器、专用变压器之间的对应关系,发现错误的线路拓扑。
在本实施例中,通过数据处理设备对停电时间段内的关口表中的数据进行全面采集,能够采集关口表中所有符合DL/T645-2007或者DL/T645-19977协议的数据,使关口表中的数据得到充分利用,结合大数据分析算法,对线变关系进行准确检测,及时发现线路拓扑错误。
在本实施例中,如图1所示,数据处理设备的GPRS模块和服务器之间通过利用GPRS无线通讯方式进行数据传输。数据处理设备通过485通讯接口采集关口表中存储的各种参数,然后通过GPRS实时传输给服务器,服务器对数据进行分析并将数据存储到数据库。服务器定时发送查询命令到数据处理设备,数据处理设备接收命令后,采集关口表中存储的变压器的各项参数(如三相电流、电压、功率因数、相角、电网频率等),数据处理设备获取变压器参数后发送到服务器,由服务器对该变压器参数进行分析,并存储到数据库中。
如图2所示,在本发明的其他实施例中,数据采集模块对关口表的电流、电压、功率、相位、电量等数据进行采集。数据采集模块包括红外接口和RS485接口,能够根据不同类型的关口表选择不同的数据采集接口进行数据采集。在数据采集模块采集到数据后进行加密,设置有密钥用于解密,保证数据的安全性。数据存储分析模块,用于接收采集的数据,对采集的数据进行分析并存储。在数据展现模块即采集装置上的显示触摸屏将数据进行展现,并将数据加密后传回远程主站服务器。
如图3所示,在本发明的又一实施例中,关口表评估装置安装于子站关口表所在的计量柜中,关口表和关口表评估装置均与电力网线路相连接,数据集中器将关口表的内部采集电量数据集中获取并上传至主站服务器;关口表评估装置具备高精度监测电路,实时采集电力网关口节点的电量信息数据,同时支持各种规约可以读取关口电表的内部采集数据进行数据统计和对比分析,对关口表进行在线检测和状态评估,对于异常情况给出告警,同时将统计数据和对比分析结果上传至主站服务器;电力网计量中心的主站服务器根据获取的关口表内部采集电量数据及所述关口表评估装置的统计数据和对比分析结果对关口表进行远程监控和状态评估。关口表评估装置还可与电力网PT柜、CT柜中的PT采集装置和CT采集装置通信连接以对电力网二次回路的有关参数进行监测,所述PT采集装置和CT采集装置用于获取电力网PT/CT数据。
关口表评估装置内部的模拟量采集模块负责12回路的交流模拟量采集,其中每回路3电压和3电流,接线方式为3P4L或3P3L。数据处理得到各回路电压、电流、有功功率、无功功率、视在功率、有功电能、无功电能、频率、相角等电力参数。
关口表评估装置内部的关口表通讯模块负责12块关口表的数据获取,获取每块关口表的电压、电流、有功功率、无功功率、视在功率、有功电能、无功电能、频率、相角等电力参数,通过RS485总线通讯获取数据。
关口表评估装置内部的脉冲量采集模块、开关量采集模块实现12路脉冲量或开关量采集,主要用于电能脉冲的测量,或线路开关信号的采样。
在本实施例中,开展大数据分析时,需排除关口表内部故障、采集时钟漂移、用户暂停用电、欠费停电等干扰数据,方可发现拓扑错误用户,整改线变关系。
在本实施例中,可通过以下方法检测关口表内部是否存在故障:
电压电流向量图分析、电压电流异常偏差检查、电能计量超差检查,同时利用电能计量历史大数据,对数据进行整理、分析和挖掘,构建针对性的关口表准确度统计模型,对关口表的运行状态进行实时、远程监控,及时评估关口表的运行状态和故障趋势,避免潜在的计量故障。
在本实施例中,针对高损配线,利用相关系数法诊断线损异常,采用相关系数法对配线线损指标异常进行动态诊断。对负高损线路下挂公变或专变的线变关系进行排查,求相关系数:计算线路线损率变化量与每一个下挂公变或专变电量的相关系数,若相关,则该公变或专变线变关系有误。
在本实施例中,提出了一种基于电量与线损关联性的线变关系异常判别方法,该方法利用用电信息采集系统提供的配电线路与变压器用电量、电压、电流等数据,利用大数据分析技术和台区线损非线性相关性分析方法,构建不依赖于本地通信关系的线变关系纠错模型,查找出统计错误的线变关系,提高输电线路拓扑信息的准确性,为开展线变关系现场排查提供技术指导,从而提高线路损耗的计算精度,为精益化的营销管理提供技术支撑。
在本实施例中,当配电线路静态拓扑发生变化时,根据配电线路静态拓扑自适应算法实现配电线路的静态拓扑自适应。配电线路静态拓扑自适应算法具体如下:当配电线路静态拓扑发生变化,即一次设备的连接关系发生了变化,与主站系统相连的GIS系统通过自身的拓扑分析功能对主站储存的静态拓扑进行修正,完成动态拓扑的更新,主站系统将修正后的动态拓扑与配电自动化终端进行交互,实现配电线路的静态拓扑自适应。
在其他实施例中,可利用使用BP-adaboost算法构建神经网络,对线变关系进行检测。
在其他实施例中,可构建BP神经网络分类模型,通过选择BP神经网络的训练样本和测试样本以及参数设置,实现线变关系模型的优化。
在其他实施例中,利用BP神经网络输出每个变压器的线变关系类型,提取由BP神经网络判定为线变关系有误的变压器清单,将其作为电网公司的线损治理项目组的重点排查对象。
在其他实施例中,基于计算机图论提取电网模型中的电网拓扑关系构建电网图形化逻辑模型,通过联通图算法检测设备状态变更前后电网拓扑关系变化。
在其他的实施例中,判断是否为异常线变关系所采用的算法描述如下。电力系统中的异常信息对于调度员掌握实时的网络运行状态,做出正确的调度决策有影响。本发明采用人工神经网络、聚类分析与间隙统计算法相结合,并对算法进行改进,利用改进算法实现异常数据的检测。此算法是一种无监督的学习算法。通过人工神经网络对采集数据进行预处理,聚类分析对预处理后的数据进行聚类,而间隙统计算法自动确定最佳聚类个数。当采集数据中含有异常数据时,间隙统计算法确定最佳聚类个数以后,聚类算法把采集数据聚成不同的类,实现正常数据与异常数据的分离,从而能够检测和辨识出用电信息采集数据中的异常数据,即异常的线变关系。
综上所述,本发明的内容并不局限在上述的实施例中,本领域的技术人员可以在本发明的技术指导思想之内提出其他的实施例,但这些实施例都包括在本发明的范围之内。
Claims (10)
1.一种基于停电信息大数据分析的线路拓扑核查方法,其特征在于,包括以下步骤:
S1、获取装设在变压器上的关口表的停电信息;
S2、对停电信息进行逻辑分析,过滤掉冗余的数据信息和干扰数据;
S3、对过滤后的停电信息采用大数据挖掘方法进行分析、处理和挖掘,查找出异常的线变关系,进而改正GIS系统、SG186系统的数据,整改线变关系。
2.根据权利要求1所述的基于停电信息大数据分析的线路拓扑核查方法,其特征在于,步骤S1中所述的停电信息是指变压器的各项电力参数,包括电压、电流、有功功率、无功功率、视在功率、有功电能、无功电能、频率、相角。
3.根据权利要求1所述的基于停电信息大数据分析的线路拓扑核查方法,其特征在于,步骤S2中所述干扰数据包括关口表内部故障、采集时钟漂移、用户暂停用电、欠费停电的信息数据;
其中,关口表内部故障的检测方法如下:电压电流向量图分析、电压电流异常偏差检查、电能计量超差检查,同时利用电能计量历史大数据,对数据进行整理、分析和挖掘,构建针对性的关口表准确度统计模型,对关口表的运行状态进行实时、远程监控,及时评估关口表的运行状态和故障趋势,避免潜在的计量故障。
4.根据权利要求1所述的基于停电信息大数据分析的线路拓扑核查方法,其特征在于,步骤S3中大数据挖掘方法包括回归分析、时间序列分析、聚类分析、支持向量机分析、相关性分析、决策树、仿生学优化。
5.根据权利要求1所述的基于停电信息大数据分析的线路拓扑核查方法,其特征在于,步骤S3中针对高损配线,利用相关系数法诊断线损异常,采用相关系数法对配线线损指标异常进行动态诊断;对负高损线路下挂公变或专变的线变关系进行排查,求相关系数:计算线路线损率变化量与每一个下挂公变或专变电量的相关系数,若相关,则该公变或专变线变关系有误。
6.根据权利要求1所述的基于停电信息大数据分析的线路拓扑核查方法,其特征在于,步骤S3中基于电量与线损关联性的异常线变关系,所采用的判别方法如下:利用大数据分析技术和台区线损非线性相关性分析方法,构建不依赖于本地通信关系的线变关系纠错模型,查找出统计错误的线变关系。
7.根据权利要求1所述的基于停电信息大数据分析的线路拓扑核查方法,其特征在于,步骤S3中判断是否为异常的线变关系所采用的算法如下:通过人工神经网络算法对采集数据进行预处理,聚类分析算法对预处理后的数据进行聚类,而间隙统计算法自动确定最佳聚类个数;当采集数据中含有异常数据时,间隙统计算法确定最佳聚类个数以后,聚类分析算法把采集数据聚成不同的类,实现正常数据与异常数据的分离,从而能够检测和辨识出用电信息采集数据中的异常数据,即异常的线变关系。
8.一种基于停电信息大数据分析的线路拓扑核查系统,其特征在于,包括关口表、数据处理设备和服务器,关口表采集并记录变压器的各项参数,数据处理设备对停电时间段内的关口表中的数据进行全面采集并传输至服务器,服务器对数据进行分析并将数据存储到数据库。
9.根据权利要求8所述的基于停电信息大数据分析的线路拓扑核查系统,其特征在于,所述数据处理设备包括数据采集模块、数据存储分析模块和数据展现模块,所述服务器为远程主站服务器;
数据采集模块对关口表的电流、电压、功率、相位、电量的数据进行采集,数据采集模块包括红外接口和RS485接口,能够根据不同类型的关口表选择不同的数据采集接口进行数据采集,在数据采集模块采集到数据后进行加密,设置有密钥用于解密,以保证数据的安全性;
数据存储分析模块,用于接收采集的数据,对采集的数据进行分析并存储,通过数据传输在数据展现模块上将数据进行展现,同时将数据加密后传回远程主站服务器。
10.根据权利要求8所述的基于停电信息大数据分析的线路拓扑核查系统,其特征在于,所述数据处理设备包括关口表评估装置和数据集中器,所述服务器为置于电力网计量中心的主站服务器;
数据集中器将关口表的内部采集电量数据集中获取并上传至主站服务器;
关口表评估装置安装于子站的关口表所在的计量柜中,关口表和关口表评估装置均与电力网线路相连接,关口表评估装置具备高精度监测电路,实时采集电力网关口节点的电量信息数据,同时支持各种规约可以读取关口表的内部采集数据进行数据统计和对比分析,对关口表进行在线检测和状态评估,对于异常情况给出告警,同时将统计数据和对比分析结果上传至主站服务器;关口表评估装置还可与电力网PT柜、CT柜中的PT采集装置和CT采集装置通信连接以对电力网二次回路的有关参数进行监测;
电力网计量中心的主站服务器根据获取的关口表内部采集电量数据及关口表评估装置的统计数据和对比分析结果对关口表进行远程监控和状态评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911247642.0A CN110928866A (zh) | 2019-12-09 | 2019-12-09 | 基于停电信息大数据分析的线路拓扑核查方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911247642.0A CN110928866A (zh) | 2019-12-09 | 2019-12-09 | 基于停电信息大数据分析的线路拓扑核查方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110928866A true CN110928866A (zh) | 2020-03-27 |
Family
ID=69857451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911247642.0A Pending CN110928866A (zh) | 2019-12-09 | 2019-12-09 | 基于停电信息大数据分析的线路拓扑核查方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110928866A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562538A (zh) * | 2020-05-11 | 2020-08-21 | 昆明能讯科技有限责任公司 | 一种电能表运行专家诊断方法及装置 |
CN112311094A (zh) * | 2020-10-29 | 2021-02-02 | 国网内蒙古东部电力有限公司经济技术研究院 | 一种电力电网大数据在线分析处理方法 |
CN112345972A (zh) * | 2020-11-02 | 2021-02-09 | 国网江苏省电力有限公司电力科学研究院 | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 |
CN112487055A (zh) * | 2020-11-30 | 2021-03-12 | 国网安徽省电力有限公司 | 一种基于大数据平台的一体化动态线损管控系统及方法 |
CN113469488A (zh) * | 2021-05-08 | 2021-10-01 | 国网宁夏电力有限公司银川供电公司 | 配电网设备拓扑结构在线诊断分析系统 |
CN113792766A (zh) * | 2021-08-26 | 2021-12-14 | 广西电网有限责任公司 | 一种基于奇异谱分析的线变关系识别方法 |
CN114066670A (zh) * | 2021-07-20 | 2022-02-18 | 国网河北省电力有限公司石家庄供电分公司 | 一种停电校核设备关系的方法 |
CN114422390A (zh) * | 2022-01-11 | 2022-04-29 | 支付宝(杭州)信息技术有限公司 | 数据处理方法及装置 |
CN116804687A (zh) * | 2023-08-22 | 2023-09-26 | 国网安徽省电力有限公司合肥供电公司 | 一种电力线路智能核相方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254256A (zh) * | 2011-07-21 | 2011-11-23 | 福建省电力有限公司福州电业局 | 输、配网一体化的综合性线损管理分析系统及其处理流程 |
CN202931036U (zh) * | 2012-11-23 | 2013-05-08 | 重庆市电力公司南岸供电局 | 一种基于关口表的变压器实时数据分析系统 |
CN104267373A (zh) * | 2014-10-17 | 2015-01-07 | 成都思晗科技有限公司 | 关口表评估装置 |
CN206097448U (zh) * | 2016-08-31 | 2017-04-12 | 云南电网有限责任公司 | 一种用于变电站的手持式数据采集装置 |
CN107832855A (zh) * | 2017-09-14 | 2018-03-23 | 北京中恒博瑞数字电力科技有限公司 | 基于相关性分析的线损多源诊断方法及系统 |
CN108020752A (zh) * | 2017-11-10 | 2018-05-11 | 国网浙江省电力公司电力科学研究院 | 一种基于多源贯通相关性的配线线损诊断方法及系统 |
CN110276511A (zh) * | 2019-04-16 | 2019-09-24 | 国网浙江海盐县供电有限公司 | 一种基于电量与线损关联性的线变关系异常判别方法 |
CN110311709A (zh) * | 2019-06-10 | 2019-10-08 | 国网浙江省电力有限公司嘉兴供电公司 | 用电信息采集系统故障判别方法 |
-
2019
- 2019-12-09 CN CN201911247642.0A patent/CN110928866A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254256A (zh) * | 2011-07-21 | 2011-11-23 | 福建省电力有限公司福州电业局 | 输、配网一体化的综合性线损管理分析系统及其处理流程 |
CN202931036U (zh) * | 2012-11-23 | 2013-05-08 | 重庆市电力公司南岸供电局 | 一种基于关口表的变压器实时数据分析系统 |
CN104267373A (zh) * | 2014-10-17 | 2015-01-07 | 成都思晗科技有限公司 | 关口表评估装置 |
CN206097448U (zh) * | 2016-08-31 | 2017-04-12 | 云南电网有限责任公司 | 一种用于变电站的手持式数据采集装置 |
CN107832855A (zh) * | 2017-09-14 | 2018-03-23 | 北京中恒博瑞数字电力科技有限公司 | 基于相关性分析的线损多源诊断方法及系统 |
CN108020752A (zh) * | 2017-11-10 | 2018-05-11 | 国网浙江省电力公司电力科学研究院 | 一种基于多源贯通相关性的配线线损诊断方法及系统 |
CN110276511A (zh) * | 2019-04-16 | 2019-09-24 | 国网浙江海盐县供电有限公司 | 一种基于电量与线损关联性的线变关系异常判别方法 |
CN110311709A (zh) * | 2019-06-10 | 2019-10-08 | 国网浙江省电力有限公司嘉兴供电公司 | 用电信息采集系统故障判别方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562538A (zh) * | 2020-05-11 | 2020-08-21 | 昆明能讯科技有限责任公司 | 一种电能表运行专家诊断方法及装置 |
CN112311094A (zh) * | 2020-10-29 | 2021-02-02 | 国网内蒙古东部电力有限公司经济技术研究院 | 一种电力电网大数据在线分析处理方法 |
CN112345972A (zh) * | 2020-11-02 | 2021-02-09 | 国网江苏省电力有限公司电力科学研究院 | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 |
CN112487055A (zh) * | 2020-11-30 | 2021-03-12 | 国网安徽省电力有限公司 | 一种基于大数据平台的一体化动态线损管控系统及方法 |
CN113469488A (zh) * | 2021-05-08 | 2021-10-01 | 国网宁夏电力有限公司银川供电公司 | 配电网设备拓扑结构在线诊断分析系统 |
CN113469488B (zh) * | 2021-05-08 | 2023-01-06 | 国网宁夏电力有限公司银川供电公司 | 配电网设备拓扑结构在线诊断分析系统 |
CN114066670A (zh) * | 2021-07-20 | 2022-02-18 | 国网河北省电力有限公司石家庄供电分公司 | 一种停电校核设备关系的方法 |
CN114066670B (zh) * | 2021-07-20 | 2023-06-27 | 国网河北省电力有限公司石家庄供电分公司 | 一种停电校核设备关系的方法 |
CN113792766A (zh) * | 2021-08-26 | 2021-12-14 | 广西电网有限责任公司 | 一种基于奇异谱分析的线变关系识别方法 |
CN114422390A (zh) * | 2022-01-11 | 2022-04-29 | 支付宝(杭州)信息技术有限公司 | 数据处理方法及装置 |
CN114422390B (zh) * | 2022-01-11 | 2024-02-13 | 支付宝(杭州)信息技术有限公司 | 数据处理方法及装置 |
CN116804687A (zh) * | 2023-08-22 | 2023-09-26 | 国网安徽省电力有限公司合肥供电公司 | 一种电力线路智能核相方法 |
CN116804687B (zh) * | 2023-08-22 | 2024-01-12 | 国网安徽省电力有限公司合肥供电公司 | 一种电力线路智能核相方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110928866A (zh) | 基于停电信息大数据分析的线路拓扑核查方法及系统 | |
US10833532B2 (en) | Method and system for managing a power grid | |
CN106093652B (zh) | 一种具备自学习功能的非侵入式电力负荷监测系统与方法 | |
CN109683059B (zh) | 确定线损异常的方法及装置、存储介质、处理器 | |
JP5452613B2 (ja) | 電力グリッドの供給停止および故障状況の管理 | |
CN105915398B (zh) | 基于农村电网故障快速检测及复电系统及其集中器检测方法 | |
CN106570784A (zh) | 电压监测一体化模型 | |
CN103885438B (zh) | 一种变电站测控设备的自动测试系统和方法 | |
Music et al. | Integrated power quality monitoring systems in smart distribution grids | |
CN115528817A (zh) | 一种用户端智能配用电系统、方法、介质、设备及终端 | |
CN112288303A (zh) | 确定线损率的方式、装置 | |
CN111027026A (zh) | 一种抄表数据异常智能诊断系统 | |
CN109581115B (zh) | 一种配电网低电压诊断系统和诊断方法 | |
Moreno-Munoz et al. | Integrating power quality to automated meter reading | |
CN116522746A (zh) | 高耗能企业配电托管方法 | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及系统 | |
Jorge et al. | Energy consumption monitoring system for large complexes | |
Prudenzi et al. | Smart distributed energy monitoring for industrial applications | |
Morris et al. | Evolution of electricity distribution control room data streams-UK case study | |
Milanovic et al. | Guidelines for monitoring power quality in contemporary and future power networks–results from CIGRE/CIRED JWG C4. 112 | |
Galhardo et al. | Energy box mapping and energy balance in low voltage grids | |
Raggi et al. | Smart Metering in Distribution Systems: Evolution and Applications | |
Mohar et al. | Advanced planning procedure and operation of distribution network supported by SCADA and GIS | |
Morgado et al. | Measurement and Analysis with KPIs based on an AMI system | |
Hildén et al. | Power quality monitoring data management and analysis for distribution networks |
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: 20200327 |