CN111062633A - 一种基于多源异构数据的输变电线路和设备状态评估系统 - Google Patents
一种基于多源异构数据的输变电线路和设备状态评估系统 Download PDFInfo
- Publication number
- CN111062633A CN111062633A CN201911351105.0A CN201911351105A CN111062633A CN 111062633 A CN111062633 A CN 111062633A CN 201911351105 A CN201911351105 A CN 201911351105A CN 111062633 A CN111062633 A CN 111062633A
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- layer
- power transmission
- source heterogeneous
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 59
- 230000009466 transformation Effects 0.000 title claims abstract description 52
- 238000011156 evaluation Methods 0.000 title claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 230000008859 change Effects 0.000 claims abstract description 5
- 238000004140 cleaning Methods 0.000 claims abstract description 5
- 238000003745 diagnosis Methods 0.000 claims abstract description 5
- 238000007499 fusion processing Methods 0.000 claims abstract description 5
- 238000005065 mining Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000007418 data mining Methods 0.000 claims description 5
- 238000012854 evaluation process Methods 0.000 claims description 4
- 238000013499 data model Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000012800 visualization Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 17
- 210000002569 neuron Anatomy 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000012546 transfer Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
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
- G06Q10/0639—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)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多源异构数据的输变电线路和设备状态评估系统,包括接入层、数据层、服务层和应用层;接入层用于采集各类输变电线路和设备的多源异构数据,并传输到数据层;数据层用于将多源异构数据进行存储;分析层用于对多源异构数据进行数据清洗,筛选状态评价所需要的数据,并对筛选后的数据进行融合处理与深度挖掘,对设备运行状态进行综合诊断并判断其变化趋势,最后形成各类异构数据的关系矩阵;应用层用于运用关系矩阵对新采集的输变电线路和设备的数据进行分析,实现对输变电线路和设备的状态评估。本发明可以提升输变电线路和设备的状态评价精度,为电力系统的优质、安全与稳定运行提供技术支撑,提高电力系统的可靠性。
Description
技术领域
本发明涉及配电网运行状态评估技术领域,尤其涉及一种基于多源异构数据的输变电线路和设备状态评估系统。
背景技术
在输变电线路及其设备的运行状态评价方面,随着电网不断建设,人工巡视的难度不断加大,我国近几年不断发展无人机与巡检机器人来缓解人工巡检的压力。目前对于输变电运行状态系统的研究已经有了一定程度的发展,且已经能够获得大量的多源异构数据,例如可视监控、红外监测以及气象数据,后台服务器接收在线监测传来的海量数据并建立数据库。大数据是近年来受到广泛关注的新概念,是指通过对大量的、种类和来源复杂的数据进行高速地捕捉、发现和分析,用经济的方法提取其价值的技术体系或技术架构。大数据分析是一种为了顺应电网智能化趋势所运用于电网的一种处理方法。电网运维的智能化是电力工业发展的方向和趋势,其利用通信技术、计算机技术、控制技术等对电网的发电、运行等需求进行协调。在尽可能提高系统各部分的高效率运行、降低成本和环境影响的同时,尽可能提高系统的可靠性、自愈能力和稳定性。
鉴于电网结构复杂化和不确定性增加的严峻形势,采用传统方法对输变电线路和设备状态进行评估时,明显存在的瓶颈日益突出的问题,为了提高电网安全运行的能力,本发明特针对输电线路和设备保护一种基于多源异构数据的输变电线路和设备状态评估系统,该系统可对输电线路和设备的状态数据进行采集、处理、传输和挖掘,最后形成对线路和设备的状态评估。
发明内容
本发明提供一种基于多源异构数据的输变电线路和设备状态评估系统,以解决现有技术的不足。
为实现上述目的,本发明提供以下的技术方案:
一种基于多源异构数据的输变电线路和设备状态评估系统,所述系统包括接入层、数据层、服务层和应用层;其中,
所述接入层通过不同的智能传感器与各类输变电线路和设备建立连接,用于采集各类输变电线路和设备的多源异构数据,并传输到所述数据层;
所述数据层用于将接收到的多源异构数据进行存储;
所述分析层用于通过识别输变电线路和设备的ID,对所述多源异构数据进行数据清洗,筛选状态评价所需要的数据,并对筛选后的数据进行融合处理与深度挖掘,对设备运行状态进行综合诊断并判断其变化趋势,最后形成各类异构数据的关系矩阵,并通过自学习对各数据量所占的评估权重进行不断更新;
所述应用层用于运用已经建立的关系矩阵对新采集的输变电线路和设备的数据进行分析,实现对输变电线路和设备的状态评估,并将评估过程和结果进行显示。
进一步地,所述基于多源异构数据的输变电线路和设备状态评估系统中,所述多源异构数据包括红外数据、可见光视频数据、电气量数据、气象数据和无人机图像数据。
进一步地,所述基于多源异构数据的输变电线路和设备状态评估系统中,所述红外数据和可见光视频数据通过红外和可见光检测终端进行采集;
所述电气量数据通过带有网络接口的互感器进行采集。
进一步地,所述基于多源异构数据的输变电线路和设备状态评估系统中,所述接入层通过电力APN通道将多源异构数据统一成相同的网络协议传输给所述数据层。
进一步地,所述基于多源异构数据的输变电线路和设备状态评估系统中,所述数据层、服务层和应用层位于电网内部网络。
进一步地,所述基于多源异构数据的输变电线路和设备状态评估系统中,所述数据层包括数据库模块、数据模型模块、数据导入模块、数据服务模块和质量管理模块。
进一步地,所述基于多源异构数据的输变电线路和设备状态评估系统中,所述服务层包括设备ID识别模块、线路ID识别模块、数据挖掘模块、数据融合模块和关系矩阵形成模块。
进一步地,所述基于多源异构数据的输变电线路和设备状态评估系统中,所述应用层包括规则设定模块、设备数据分析模块、线路数据分析模块、状态分析模块和可视化界面。
本发明实施例提供的一种基于多源异构数据的输变电线路和设备状态评估系统,可以提升输变电线路和设备的状态评价精度,为电力系统的优质、安全与稳定运行提供技术支撑,提高电力系统的可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种基于多源异构数据的输变电线路和设备状态评估系统的结构示意图;
图2是本发明实施例提供的基于大数据分析的过程;
图3是本发明实施例提供的BP神经网络示意图;
图4是本发明实施例提供的BP隐层神经元数训练误差图。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,当一个组件被认为是“连接”另一个组件,它可以是直接连接到另一个组件或者可能同时存在居中设置的组件。当一个组件被认为是“设置在”另一个组件,它可以是直接设置在另一个组件上或者可能同时存在居中设置的组件。
此外,术语“长”“短”“内”“外”等指示方位或位置关系为基于附图所展示的方位或者位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或原件必须具有此特定的方位、以特定的方位构造进行操作,以此不能理解为本发明的限制。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例一
请参考图1,本发明实施例提供一种基于多源异构数据的输变电线路和设备状态评估系统,所述系统包括接入层、数据层、服务层和应用层;其中,
所述接入层通过不同的智能传感器与各类输变电线路和设备建立连接,用于采集各类输变电线路和设备的多源异构数据,并传输到所述数据层;
所述数据层用于将接收到的多源异构数据进行存储;
所述分析层用于通过识别输变电线路和设备的ID,对所述多源异构数据进行数据清洗,筛选状态评价所需要的数据,并对筛选后的数据进行融合处理与深度挖掘,对设备运行状态进行综合诊断并判断其变化趋势,最后形成各类异构数据的关系矩阵,并通过自学习对各数据量所占的评估权重进行不断更新;
所述应用层用于运用已经建立的关系矩阵对新采集的输变电线路和设备的数据进行分析,实现对输变电线路和设备的状态评估,并将评估过程和结果进行显示。
优选的,所述多源异构数据包括红外数据、可见光视频数据、电气量数据、气象数据和无人机图像数据。
优选的,所述接入层通过电力APN通道将多源异构数据统一成相同的网络协议传输给所述数据层。
优选的,所述数据层、服务层和应用层位于电网内部网络。
优选的,所述数据层包括数据库模块、数据模型模块、数据导入模块、数据服务模块和质量管理模块。
优选的,所述服务层包括设备ID识别模块、线路ID识别模块、数据挖掘模块、数据融合模块和关系矩阵形成模块。
优选的,所述应用层包括规则设定模块、设备数据分析模块、线路数据分析模块、状态分析模块和可视化界面。
需要说明的是,所谓多源异构数据顾名思义,就是来源不同,结构不同的数据,具体到输电领域,常见的多源异构数据包括图1中的红外数据,可见光视频数据,电气量数据,气象数据,无人机图像数据,这些数据的获取方式不同,数据格式各异。系统包括多源异构数据接入,数据层,服务层和应用层。本系统采用智能传感器与各类输变电设备和线路建立连接,同时获取各类设备监测数据,形成接入层。在接入层中,所有异构数据的传输都会统一成相同的网络协议,传输到数据层,既综合数据处理单元,在此存入多源异构的数据库。然后在服务层通过识别设备和线路ID,对多源异构数据进行数据清洗,筛选设备状态评价所需要的数据。以导线、绝缘子和杆塔等输电设备为中心,对筛选后的数据进行融合处理与深度挖掘,对设备运行状态进行综合诊断并判断其变化趋势,最后形成各类异构数据的关系矩阵,并通过自学习对各数据量所占的评估权重进行不断更新,使状态评价精度越发准确。然后在应用层运用已经建立的关系矩阵对新采集设备和线路的数据进行分析,通过规则设备以实现对输变电设备和线路的状态评估。并可在应用层将评估过程和结果通过可视界面予以显示。
在接入层针对不同数据采用不同的智能传感器,具体到图1所示。红外数据和可见光视频数据可直接采用红外和可见光检测终端进行数据采集,电气量数据可通过带有网络接口的互感器进行采集,气象数据和无人机视频数据可接入到相关系统接口将数据上传到数据层。设备和线路信息数据可通过RFID标签读取ID信息,然后上传。在本系统中所有上述数据将通过电力APN通道传输给数据层,数据层、服务层和应用层位于电网内部网络。
基于大数据的研究过程通常为:科学假设→数据获取与整合形成数据资源→数据挖掘和分析→数据结果分析→科学实验→实验结果分析→科学假设的证实、证伪或新知识、新规律的发现。基于多源异构数据的输电线路单元状态评价的过程就是一个基于大数据分析的过程,对其算法的开发遵循基于大数据的研究过程。如图2所示。
以神经网络技术挖掘电容式电压互感器传递函数模型为特列。
大脑活动是非线性的动力系统,大量神经元所构成的行为具有非常明显的非线性特性,完全满足电容式电压互感器(CVT)谐波传递函数的训练。BP算法是神经网络算法中最常用的算法之一。其算法的结构简单,算法模型网络包括输入,输出和一层或多层隐含层。这种网络的学习过程是输出通过误差的反向传播来调节权值、阈值,最后调整输出的过程。自我学习过程由正向传播输出和反向传播调整两部分组成;正向过程中,信号从输入层经隐含单元逐层处理,并传向输出层,每一层神经元的状态只影响下一层神经元的状态;如果输出层得不到期望的输出,则输出信号的误差将沿着原来的连接通路反向传播至输入层。通过沿途修改各层神经元间的连接权值和神经元阈值,使得误差逐步达到最小,如图3所示。
根据BP神经网络算法原理,建立CVT谐波传递函数,建立传递输出(电压)与谐波次数之间关系预测模型,然后比较模型的预测值与CVT等效电路仿真输出值,来确定所建立的神经网络模型对比分析CVT谐波传递函数是否具有足够的准确度。因为当谐波次数一定时,其与基波占比的不同不会影响通过CVT的传递函数。首先设置基波电压为63.5kV,再从2次谐波开始到25次谐波,每次谐波均设置基波电压的1%,2%,3%……30%(不包括5%,10%,15%),共27组输入输出作为BP神经网络的训练值,以谐波占比,谐波电压,测试温度为神经网络的输入,以输出电压标幺值为神经网络的输出,然后对每种谐波进行网络训练。再用每次谐波占比为5%,10%,15%的三组输入输出进行模型检验。
数学证明,含有一个隐含层的BP神经网络可逼近任何具有刻划样本特性的传递函数。因此本文所采用的BP神经网络模型中采用输入层、一个隐含层和输出层三个层次设计。根据CVT谐波影响因素的实际情况,采用3-S-1型网络结构,取谐波占比,谐波电压,测试温度三个参数项;输出层神经元个数为1,即实际某次谐波电压电压标幺值;隐含层采用S型激活函数。再根据公式1,确定隐含层神经元个数的范围。
J=(p+q)1/2+w (1);
式中,S为隐含层神经元个数,p为输入层神经元个数,q为输出层神经元个数,w为1到10。计算得隐含层的神经元个数为3~12,然后用newff函数构建神经网络,选择输入层和隐含层的传递函数为tansig,输出层传递函数为purelin,再分别取不同的神经元个数对BP神经网络进行多次训练。如图4所示,当神经元数为11时,训练误差最小,目标误差仅为0.0008997,神经网络具有良好的收敛性,网络结构非常稳定。
上述以神经网络技术挖掘电容式电压互感器传递函数模型为服务层进行数据挖掘之特列,该算法最为简单,结果最为明了,作为对本专利保护点三的算法佐证,其余图2所示算法均为本专利所述系统具备,在此不一一陈述。
本发明实施例提供的一种基于多源异构数据的输变电线路和设备状态评估系统,可以提升输变电线路和设备的状态评价精度,为电力系统的优质、安全与稳定运行提供技术支撑,提高电力系统的可靠性。
至此,以说明和描述的目的提供上述实施例的描述。不意指穷举或者限制本公开。特定的实施例的单独元件或者特征通常不受到特定的实施例的限制,但是在适用时,即使没有具体地示出或者描述,其可以互换和用于选定的实施例。在许多方面,相同的元件或者特征也可以改变。这种变化不被认为是偏离本公开,并且所有的这种修改意指为包括在本公开的范围内。
提供示例实施例,从而本公开将变得透彻,并且将会完全地将该范围传达至本领域内技术人员。为了透彻理解本公开的实施例,阐明了众多细节,诸如特定零件、装置和方法的示例。显然,对于本领域内技术人员,不需要使用特定的细节,示例实施例可以以许多不同的形式实施,而且两者都不应当解释为限制本公开的范围。在某些示例实施例中,不对公知的工序、公知的装置结构和公知的技术进行详细地描述。
在此,仅为了描述特定的示例实施例的目的使用专业词汇,并且不是意指为限制的目的。除非上下文清楚地作出相反的表示,在此使用的单数形式“一个”和“该”可以意指为也包括复数形式。术语“包括”和“具有”是包括在内的意思,并且因此指定存在所声明的特征、整体、步骤、操作、元件和/或组件,但是不排除存在或额外地具有一个或以上的其他特征、整体、步骤、操作、元件、组件和/或其组合。除非明确地指示了执行的次序,在此描述的该方法步骤、处理和操作不解释为一定需要按照所论述和示出的特定的次序执行。还应当理解的是,可以采用附加的或者可选择的步骤。
当元件或者层称为是“在……上”、“与……接合”、“连接到”或者“联接到”另一个元件或层,其可以是直接在另一个元件或者层上、与另一个元件或层接合、连接到或者联接到另一个元件或层,也可以存在介于其间的元件或者层。与此相反,当元件或层称为是“直接在……上”、“与……直接接合”、“直接连接到”或者“直接联接到”另一个元件或层,则可能不存在介于其间的元件或者层。其他用于描述元件关系的词应当以类似的方式解释(例如,“在……之间”和“直接在……之间”、“相邻”和“直接相邻”等)。在此使用的术语“和/或”包括该相关联的所罗列的项目的一个或以上的任一和所有的组合。虽然此处可能使用了术语第一、第二、第三等以描述各种的元件、组件、区域、层和/或部分,这些元件、组件、区域、层和/或部分不受到这些术语的限制。这些术语可以只用于将一个元件、组件、区域或部分与另一个元件、组件、区域或部分区分。除非由上下文清楚地表示,在此使用诸如术语“第一”、“第二”及其他数值的术语不意味序列或者次序。因此,在下方论述的第一元件、组件、区域、层或者部分可以采用第二元件、组件、区域、层或者部分的术语而不脱离该示例实施例的教导。
空间的相对术语,诸如“内”、“外”、“在下面”、“在……的下方”、“下部”、“上方”、“上部”等,在此可出于便于描述的目的使用,以描述如图中所示的一个元件或者特征和另外一个或多个元件或者特征之间的关系。空间的相对术语可以意指包含除该图描绘的取向之外该装置的不同的取向。例如如果翻转该图中的装置,则描述为“在其他元件或者特征的下方”或者“在元件或者特征的下面”的元件将取向为“在其他元件或者特征的上方”。因此,示例术语“在……的下方”可以包含朝上和朝下的两种取向。该装置可以以其他方式取向(旋转90度或者其他取向)并且以此处的空间的相对描述解释。
Claims (8)
1.一种基于多源异构数据的输变电线路和设备状态评估系统,其特征在于,所述系统包括接入层、数据层、服务层和应用层;其中,
所述接入层通过不同的智能传感器与各类输变电线路和设备建立连接,用于采集各类输变电线路和设备的多源异构数据,并传输到所述数据层;
所述数据层用于将接收到的多源异构数据进行存储;
所述分析层用于通过识别输变电线路和设备的ID,对所述多源异构数据进行数据清洗,筛选状态评价所需要的数据,并对筛选后的数据进行融合处理与深度挖掘,对设备运行状态进行综合诊断并判断其变化趋势,最后形成各类异构数据的关系矩阵,并通过自学习对各数据量所占的评估权重进行不断更新;
所述应用层用于运用已经建立的关系矩阵对新采集的输变电线路和设备的数据进行分析,实现对输变电线路和设备的状态评估,并将评估过程和结果进行显示。
2.根据权利要求1所述的基于多源异构数据的输变电线路和设备状态评估系统,其特征在于,所述多源异构数据包括红外数据、可见光视频数据、电气量数据、气象数据和无人机图像数据。
3.根据权利要求2所述的基于多源异构数据的输变电线路和设备状态评估系统,其特征在于,所述红外数据和可见光视频数据通过红外和可见光检测终端进行采集;
所述电气量数据通过带有网络接口的互感器进行采集。
4.根据权利要求1所述的基于多源异构数据的输变电线路和设备状态评估系统,其特征在于,所述接入层通过电力APN通道将多源异构数据统一成相同的网络协议传输给所述数据层。
5.根据权利要求1所述的基于多源异构数据的输变电线路和设备状态评估系统,其特征在于,所述数据层、服务层和应用层位于电网内部网络。
6.根据权利要求1所述的基于多源异构数据的输变电线路和设备状态评估系统,其特征在于,所述数据层包括数据库模块、数据模型模块、数据导入模块、数据服务模块和质量管理模块。
7.根据权利要求1所述的基于多源异构数据的输变电线路和设备状态评估系统,其特征在于,所述服务层包括设备ID识别模块、线路ID识别模块、数据挖掘模块、数据融合模块和关系矩阵形成模块。
8.根据权利要求1所述的基于多源异构数据的输变电线路和设备状态评估系统,其特征在于,所述应用层包括规则设定模块、设备数据分析模块、线路数据分析模块、状态分析模块和可视化界面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911351105.0A CN111062633A (zh) | 2019-12-24 | 2019-12-24 | 一种基于多源异构数据的输变电线路和设备状态评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911351105.0A CN111062633A (zh) | 2019-12-24 | 2019-12-24 | 一种基于多源异构数据的输变电线路和设备状态评估系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111062633A true CN111062633A (zh) | 2020-04-24 |
Family
ID=70303324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911351105.0A Pending CN111062633A (zh) | 2019-12-24 | 2019-12-24 | 一种基于多源异构数据的输变电线路和设备状态评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062633A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113922500A (zh) * | 2021-09-17 | 2022-01-11 | 国网山西省电力公司输电检修分公司 | 一种输电线路状态多源监测数据接入方法及装置 |
CN114638540A (zh) * | 2022-04-11 | 2022-06-17 | 齐丰科技股份有限公司 | 一种设备运行状态的在线分析评估方法和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106651188A (zh) * | 2016-12-27 | 2017-05-10 | 贵州电网有限责任公司贵阳供电局 | 一种输变电设备多源状态评估数据处理方法及其应用 |
CN108037415A (zh) * | 2017-12-15 | 2018-05-15 | 国网江苏省电力有限公司南京供电分公司 | 基于多源异构数据的配电网故障信息挖掘与诊断方法 |
CN108335044A (zh) * | 2018-02-06 | 2018-07-27 | 国网天津市电力公司电力科学研究院 | 一种输变电设备状态评价方法 |
CN108564254A (zh) * | 2018-03-15 | 2018-09-21 | 国网四川省电力公司绵阳供电公司 | 基于大数据的配电设备状态可视化平台 |
CN108763434A (zh) * | 2018-05-24 | 2018-11-06 | 国网上海市电力公司 | 一种配用电多源异构信息模型数据系统 |
US20190190268A1 (en) * | 2017-07-26 | 2019-06-20 | Panasonic Intellectual Property Management Co., Ltd. | Power supply monitoring data processing device, power supply monitoring data processing method, and power supply monitoring data processing program |
CN110019595A (zh) * | 2017-09-29 | 2019-07-16 | 中国电力科学研究院 | 一种多源气象数据集成方法及系统 |
-
2019
- 2019-12-24 CN CN201911351105.0A patent/CN111062633A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106651188A (zh) * | 2016-12-27 | 2017-05-10 | 贵州电网有限责任公司贵阳供电局 | 一种输变电设备多源状态评估数据处理方法及其应用 |
US20190190268A1 (en) * | 2017-07-26 | 2019-06-20 | Panasonic Intellectual Property Management Co., Ltd. | Power supply monitoring data processing device, power supply monitoring data processing method, and power supply monitoring data processing program |
CN110019595A (zh) * | 2017-09-29 | 2019-07-16 | 中国电力科学研究院 | 一种多源气象数据集成方法及系统 |
CN108037415A (zh) * | 2017-12-15 | 2018-05-15 | 国网江苏省电力有限公司南京供电分公司 | 基于多源异构数据的配电网故障信息挖掘与诊断方法 |
CN108335044A (zh) * | 2018-02-06 | 2018-07-27 | 国网天津市电力公司电力科学研究院 | 一种输变电设备状态评价方法 |
CN108564254A (zh) * | 2018-03-15 | 2018-09-21 | 国网四川省电力公司绵阳供电公司 | 基于大数据的配电设备状态可视化平台 |
CN108763434A (zh) * | 2018-05-24 | 2018-11-06 | 国网上海市电力公司 | 一种配用电多源异构信息模型数据系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113922500A (zh) * | 2021-09-17 | 2022-01-11 | 国网山西省电力公司输电检修分公司 | 一种输电线路状态多源监测数据接入方法及装置 |
CN114638540A (zh) * | 2022-04-11 | 2022-06-17 | 齐丰科技股份有限公司 | 一种设备运行状态的在线分析评估方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105279937B (zh) | 物联网智能燃气表系统 | |
CN105515184B (zh) | 基于无线传感网络的多传感器多参量配网协同监测系统 | |
CN109032099A (zh) | 工程机械总装生产线在线感知系统 | |
CN205301613U (zh) | 一种可远程访问的自动气象站 | |
Shoukat et al. | Smart home for enhanced healthcare: exploring human machine interface oriented digital twin model | |
CN107071716B (zh) | 基于td-lte专网的水环境监测系统及方法 | |
CN115423009A (zh) | 一种面向云边协同的电力设备故障识别方法及系统 | |
CN111062633A (zh) | 一种基于多源异构数据的输变电线路和设备状态评估系统 | |
CN113671421A (zh) | 一种变压器状态评估与故障预警方法 | |
CN113935390A (zh) | 数据处理方法、系统、设备及存储介质 | |
CN109033279A (zh) | 一种数据处理方法及模块、计算平台及工业物联网 | |
Zubair et al. | Characterizing IoT data and its quality for use | |
Chang et al. | Safety risk assessment of electric power operation site based on variable precision rough set | |
Wu et al. | Analysis of substation joint safety control system and model based on multi-source heterogeneous data fusion | |
CN111857015B (zh) | 输变电云端智能控制器 | |
CN115905348A (zh) | 一种多源异构数据的行业用电异常预警方法及系统 | |
CN115830700A (zh) | 应用于无线感知场景的联邦学习训练平台及训练方法 | |
CN114328964A (zh) | 一种光伏电站运维控制方法、装置及系统 | |
CN114500613A (zh) | 电网在线监测物联系统 | |
Zhou et al. | A Data‐Secured Intelligent IoT System for Agricultural Environment Monitoring | |
CN110782431B (zh) | 一种基于深度学习的高压电线结冰区域检测方法 | |
CN113326728A (zh) | 一种基于d-s证据理论的网络异常检测方法 | |
Huang et al. | Multisource data acquisition based on single-chip microcomputer and sensor technology | |
CN109951866B (zh) | 一种基于隐马尔科夫模型的人流量监测方法 | |
CN107316105B (zh) | 一种大区域农业预测系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200424 |