CN111208464A - 一种配电一二次成套设备测量精度在线评估系统和方法 - Google Patents
一种配电一二次成套设备测量精度在线评估系统和方法 Download PDFInfo
- Publication number
- CN111208464A CN111208464A CN202010079881.6A CN202010079881A CN111208464A CN 111208464 A CN111208464 A CN 111208464A CN 202010079881 A CN202010079881 A CN 202010079881A CN 111208464 A CN111208464 A CN 111208464A
- Authority
- CN
- China
- Prior art keywords
- primary
- local area
- distribution network
- module
- area distribution
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
Abstract
本申请公开了一种配电一二次成套设备测量精度在线评估系统和方法,所述系统包括一二次融合设备、局域配网系统运行模式标记模块、分布式检测信息接收模块和信息集成处理模块;一二次融合设备的输出信号传输由分布式检测信息接收模块收集后发送给信息集成处理模块;局域配网系统运行模式标记模块的输出信号发送给信息集成处理模块;一二次融合设备包括一二次融合设备检测输出分布式信息集成模块、局域配网系统输入和输出信息采集模块和分布式检测信息发送模块。本申请根据局域配网系统的运行方式、输入输出信息,融合智能算法,实现了一二次融合设备测量准确性的判别;本申请的诊断系统安全可靠,易实施,具有可在线诊断和识别的优点。
Description
技术领域
本发明属于配电设备一二次融合可靠性技术领域,涉及一种配电一二次成套设备测量精度在线评估系统和方法。
背景技术
配电网一二次融合能有效提高设备工作效率,促进配电网运行水平。传统的一二次设备一般采用分别独立设计、组装运行、独立校验的方式,而一二次融合设备采用整体设计、整体招标、一体化生产的方式,实现测量、计量和保护的作用,从而达到减小体机、节省资源的效果。
在智能电网一二次融合的背景下,众多一二次一体化设备相继研发、生产和应用。对保护装置起到测量的二次设备也融合到一次设备种去,独立校验融合设备的测量结果是保障配电网安全运行的重要手段。但日前,对配电网一二次融合设备的测量结果有效性评估还没有一种可以借鉴的方案。
经检索发现,公开号为CN201811426919.1的《一种一二次融合开关设备成套精度检测方法及系统》专利,将标准电信号加载在被测一二次融合开关设备的互感器一次侧,将所述互感器二次侧电信号传送至被测一二次融合开关设备的智能终端,继而计算测量精度。公开号为CN201811301972.9的《一种配电网一二次融合设备采样精度测试方法》专利,对待测配电一二次融合设备的电子式电流传感器进行通流,对待测配电一二次融合设备的电子式电压传感器的一次侧施加电压,然后测试其精度。以上测试方法均属于离线的测量方法,不能在线识别配电一二次融合设备的运行状态。
发明内容
为解决现有技术中的不足,本申请提供一种配电一二次成套设备测量精度在线评估系统和方法。
为了实现上述目标,本申请采用如下技术方案:
一种配电一二次成套设备测量精度在线评估系统,所述评估系统包括一二次融合设备、局域配网系统运行模式标记模块、分布式检测信息接收模块和信息集成处理模块;
所述一二次融合设备的输出信号传输由分布式检测信息接收模块收集后发送给信息集成处理模块;
所述局域配网系统运行模式标记模块的输出信号发送给信息集成处理模块;
所述一二次融合设备包括一二次融合设备检测输出分布式信息集成模块、局域配网系统输入和输出信息采集模块和分布式检测信息发送模块。
优选地,所述一二次融合设备的一二次融合设备检测输出分布式信息集成模块的输出信号发送给局域配网系统输入和输出信息采集模块。
优选地,所述一二次融合设备检测输出分布式信息集成模块用于获取局域配网系统内所有一二次融合设备的检测结果值,检测结果值包含电压、电流、功率及电流、功率的方向。
优选地,所述局域配网系统输入和输出信息采集模块采集到的数据发送给分布式检测信息发送模块,由分布式检测信息发送模块发送给分布式检测信息接收模块。
优选地,所述局域配网系统输入和输出信息采集模块用于获取局域配网的输入和输出信息,包含局域配网内的输入电压、电流、功率及电流、功率的方向。
优选地,所述局域配网系统运行模式标记模块用于标记局域配网的运行方式。
本发明进一步包括以下优选方案:
一种配电一二次成套设备测量精度在线评估方法,包括如下步骤:
步骤1:基于局域配网在不同运行方式下、不同输入和输出下的系统各节点状态信息,训练基于CNN-SVM的深度卷积神经网络模型;
步骤2:对于被监测的局部配网中的一二次融合设备,基于步骤1训练的深度卷积神经网络模型,进行故障识别。
优选地,所述步骤1所述的方法包括如下步骤:
步骤101:启动一二次融合设备检测输出分布式信息集成模块获取局域配网系统内所有一二次融合设备的检测结果值;
步骤102:启动局域配网系统输入和输出信息采集模块获取局域配网的输入和输出信息;
步骤103:启动局域配网系统运行模式标记模块,标记当下局域配网的运行方式;
步骤104:根据步骤101、步骤102、步骤103的状态信息训练基于CNN-SVM的深度卷积神经网络模型。
优选地,所述步骤2所述的方法包括如下步骤:
步骤201:局域配网系统输入和输出信息采集模块获取局域配网的输入和输出信息;
步骤202:局域配网系统运行模式标记模块标记当下局域配网的运行方式;
步骤203:基于CNN-SVM的深度卷积神经网络模型根据步骤201和步骤202的数值做输入计算各一二次融合设备的理论测量值;
步骤204:启动一二次融合设备检测输出分布式信息集成模块获取局域配网系统内所有一二次融合设备的检测结果值;
步骤205:将步骤204的检测结果分别与步骤203的理论计算结果相比较。若偏差小于第一阈值,则判定该一二次融合设备的测量结果正常;若偏差不小于第一阈值且不大于第二阈值,则判定该一二次融合设备的测量结果存在故障隐患,应予以严密监视;若偏差大于第二阈值,则判定该一二次融合设备的测量结果错误,该设备故障。
优选地,所述步骤205中的第一阈值设定为3%,第二阈值设定为10%。
本申请所达到的有益效果:
本申请的一种配电一二次成套设备测量精度在线评估系统和方法,根据局域配网系统的运行方式、输入输出信息,融合智能算法,实现一二次融合设备测量准确性的判别,并给出测量准确性的三级评判指标。本申请的诊断系统安全可靠,易实施,具有可在线诊断和识别的优点。
附图说明
图1是本申请一种配电一二次成套设备测量精度在线评估系统组成示意图;
图2是本申请一种配电一二次成套设备测量精度在线评估方法流程图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本申请的保护范围。
如图1所示,本申请的一种配电一二次成套设备测量精度在线评估系统,其特征在于:所述评估系统包括一二次融合设备、局域配网系统运行模式标记模块C、分布式检测信息接收模块E和信息集成处理模块M;
所述一二次融合设备的输出信号传输由分布式检测信息接收模块E收集后发送给信息集成处理模块M;
所述局域配网系统运行模式标记模块C的输出信号发送给信息集成处理模块M;
所述一二次融合设备包括一二次融合设备检测输出分布式信息集成模块A、局域配网系统输入和输出信息采集模块B和分布式检测信息发送模块D。图1中示例了两个局域网的一二次融合设备,两个局域网的一二次融合设备都将数据发送给分布式检测信息接收模块E;
实施例中,所述一二次融合设备的一二次融合设备检测输出分布式信息集成模块A的输出信号发送给局域配网系统输入和输出信息采集模块B。
实施例中,所述一二次融合设备检测输出分布式信息集成模块A用于获取局域配网系统内所有一二次融合设备的检测结果值,检测结果值包含电压、电流、功率及电流、功率的方向。
实施例中,所述局域配网系统输入和输出信息采集模块B采集到的数据发送给分布式检测信息发送模块D,由分布式检测信息发送模块D发送给分布式检测信息接收模块E。
实施例中,所述局域配网系统输入和输出信息采集模块B用于获取局域配网的输入和输出信息,包含局域配网内的输入电压、电流、功率及电流、功率的方向。
实施例中,所述局域配网系统运行模式标记模块C用于标记局域配网的运行方式。
如图2所示,一种配电一二次成套设备测量精度在线评估方法,对于一个确定的区域配电系统,在确定的运行方式下和在确定的输入和输出下,区域配电系统各节点的电气信息是确定的,电气信息包含电压、电流、功率及电压、电流、功率的方向。若某各节点的一二次融合设备的测试出现故障,其测取的数值必然与正常的系统信息有着较大的偏差。因此,可以通过获取多点位的状态信息,并融合智能算法诊断出故障的一二次融合设备。具体包括如下步骤:
步骤1:基于局域配网在不同运行方式下、不同输入和输出下的系统各节点状态信息,训练基于CNN-SVM的深度卷积神经网络模型;
步骤2:对于被监测的局部配网中的一二次融合设备,基于步骤1训练的深度卷积神经网络模型,进行故障识别。
实施例中,所述步骤1所述的方法包括如下步骤:
步骤101:启动一二次融合设备检测输出分布式信息集成模块A获取局域配网系统内所有一二次融合设备的检测结果值;
步骤102:启动局域配网系统输入和输出信息采集模块B获取局域配网的输入和输出信息;
步骤103:启动局域配网系统运行模式标记模块C,标记当下局域配网的运行方式;
步骤104:根据步骤101、步骤102、步骤103的状态信息训练基于CNN-SVM的深度卷积神经网络模型。
实施例中,所述步骤2所述的方法包括如下步骤:
步骤201:局域配网系统输入和输出信息采集模块B获取局域配网的输入和输出信息;
步骤202:局域配网系统运行模式标记模块C标记当下局域配网的运行方式;
步骤203:基于CNN-SVM的深度卷积神经网络模型根据步骤201和步骤202的数值做输入计算各一二次融合设备的理论测量值;
步骤204:启动一二次融合设备检测输出分布式信息集成模块A获取局域配网系统内所有一二次融合设备的检测结果值;
步骤205:将步骤204的检测结果分别与步骤203的理论计算结果相比较。若偏差小于第一阈值,则判定该一二次融合设备的测量结果正常;若偏差不小于第一阈值且不大于第二阈值,则判定该一二次融合设备的测量结果存在故障隐患,应予以严密监视;若偏差大于第二阈值,则判定该一二次融合设备的测量结果错误,该设备故障。
实施例中,所述步骤205中的第一阈值设定为3%,第二阈值设定为10%。
本申请的一种配电一二次成套设备测量精度在线评估系统和方法,根据局域配网系统的运行方式、输入输出信息,融合智能算法,实现一二次融合设备测量准确性的判别,并给出测量准确性的三级评判指标。本发明的诊断系统安全可靠,易实施,具有可在线诊断和识别的优点。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施示例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (10)
1.一种配电一二次成套设备测量精度在线评估系统,其特征在于:
所述评估系统包括一二次融合设备、局域配网系统运行模式标记模块(C)、分布式检测信息接收模块(E)和信息集成处理模块(M);
所述一二次融合设备的输出信号传输由分布式检测信息接收模块(E)收集后发送给信息集成处理模块(M);
所述局域配网系统运行模式标记模块(C)的输出信号发送给信息集成处理模块(M);
所述一二次融合设备包括一二次融合设备检测输出分布式信息集成模块(A)、局域配网系统输入和输出信息采集模块(B)和分布式检测信息发送模块(D)。
2.根据权利要求1所述的一种配电一二次成套设备测量精度在线评估系统,其特征在于:
所述一二次融合设备检测输出分布式信息集成模块(A)的输出信号发送给局域配网系统输入和输出信息采集模块(B)。
3.根据权利要求2所述的一种配电一二次成套设备测量精度在线评估系统,其特征在于:
所述一二次融合设备检测输出分布式信息集成模块(A)用于获取局域配网系统内所有一二次融合设备的检测结果值,检测结果值包含电压、电流、功率及电流、功率的方向。
4.根据权利要求1所述的一种配电一二次成套设备测量精度在线评估系统,其特征在于:
所述局域配网系统输入和输出信息采集模块(B)采集到的数据发送给分布式检测信息发送模块(D),由分布式检测信息发送模块(D)发送给分布式检测信息接收模块(E)。
5.根据权利要求4所述的一种配电一二次成套设备测量精度在线评估系统,其特征在于:
所述局域配网系统输入和输出信息采集模块(B)用于获取局域配网的输入和输出信息,包含局域配网内的输入电压、电流、功率及电流、功率的方向。
6.根据权利要求4所述的一种配电一二次成套设备测量精度在线评估系统,其特征在于:
所述局域配网系统运行模式标记模块(C)用于标记局域配网的运行方式。
7.一种配电一二次成套设备测量精度在线评估方法,其特征在于:所述评估方法包括如下步骤:
步骤1:基于局域配网在不同运行方式下、不同输入和输出下的系统各节点状态信息,训练基于CNN-SVM的深度卷积神经网络模型;
步骤2:对于被监测的局部配网中的一二次融合设备,基于步骤1训练的深度卷积神经网络模型,进行故障识别。
8.根据权利要求7所述一种配电一二次成套设备测量精度在线评估方法,其特征在于:
所述步骤1包括如下步骤:
步骤101:启动一二次融合设备检测输出分布式信息集成模块(A)获取局域配网系统内所有一二次融合设备的检测结果值;
步骤102:启动局域配网系统输入和输出信息采集模块(B)获取局域配网的输入和输出信息;
步骤103:启动局域配网系统运行模式标记模块(C),标记当下局域配网的运行方式;
步骤104:根据步骤101、步骤102、步骤103的状态信息训练基于CNN-SVM的深度卷积神经网络模型。
9.根据权利要求7所述一种配电一二次成套设备测量精度在线评估方法,其特征在于:
所述步骤2包括如下步骤:
步骤201:局域配网系统输入和输出信息采集模块(B)获取局域配网的输入和输出信息;
步骤202:局域配网系统运行模式标记模块(C)标记当下局域配网的运行方式;
步骤203:基于CNN-SVM的深度卷积神经网络模型根据步骤201和步骤202的数值做输入计算各一二次融合设备的理论测量值;
步骤204:启动一二次融合设备检测输出分布式信息集成模块(A)获取局域配网系统内所有一二次融合设备的检测结果值;
步骤205:将步骤204的检测结果分别与步骤203的理论计算结果相比较;若偏差小于第一阈值,则判定该一二次融合设备的测量结果正常;若偏差不小于第一阈值且不大于第二阈值,则判定该一二次融合设备的测量结果存在故障隐患,应予以严密监视;若偏差大于第二阈值,则判定该一二次融合设备的测量结果错误,该设备故障。
10.根据权利要求9所述一种配电一二次成套设备测量精度在线评估方法,其特征在于:
所述步骤205中的第一阈值设定为3%,第二阈值设定为10%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010079881.6A CN111208464A (zh) | 2020-02-04 | 2020-02-04 | 一种配电一二次成套设备测量精度在线评估系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010079881.6A CN111208464A (zh) | 2020-02-04 | 2020-02-04 | 一种配电一二次成套设备测量精度在线评估系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111208464A true CN111208464A (zh) | 2020-05-29 |
Family
ID=70787409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010079881.6A Pending CN111208464A (zh) | 2020-02-04 | 2020-02-04 | 一种配电一二次成套设备测量精度在线评估系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111208464A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111044831A (zh) * | 2019-12-31 | 2020-04-21 | 珠海博威智能电网有限公司 | 基于一二次融合配电设备的检测系统 |
CN112649656A (zh) * | 2020-09-22 | 2021-04-13 | 杭州杭越传感科技有限公司 | 一种基于神经网络的提高电流传感器精度的信息处理方法及系统 |
-
2020
- 2020-02-04 CN CN202010079881.6A patent/CN111208464A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111044831A (zh) * | 2019-12-31 | 2020-04-21 | 珠海博威智能电网有限公司 | 基于一二次融合配电设备的检测系统 |
CN112649656A (zh) * | 2020-09-22 | 2021-04-13 | 杭州杭越传感科技有限公司 | 一种基于神经网络的提高电流传感器精度的信息处理方法及系统 |
CN112649656B (zh) * | 2020-09-22 | 2021-11-30 | 杭州杭越传感科技有限公司 | 一种基于神经网络的提高电流传感器精度的信息处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105846780B (zh) | 一种基于决策树模型的光伏组件故障诊断方法 | |
CN112731051B (zh) | 混合网络的高压直流输电线路的单端故障定位方法及系统 | |
CN104237645B (zh) | 一种变电站直流系统绝缘状态在线监测系统和方法 | |
CN104390657B (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
CN109101906A (zh) | 一种变电站电力设备红外图像异常实时检测方法及装置 | |
CN108919044B (zh) | 一种基于互校验机制的单元制配电网故障主动识别方法 | |
CN108199891B (zh) | 一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法 | |
CN111208464A (zh) | 一种配电一二次成套设备测量精度在线评估系统和方法 | |
CN113177646B (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及系统 | |
CN104090252B (zh) | 一种电缆型故障指示器的综合检测系统和方法 | |
CN116660669A (zh) | 一种电力设备故障在线监测系统及方法 | |
CN108872852A (zh) | 一种风力发电机故障诊断系统及方法 | |
CN106227969A (zh) | 基于电力设备红外测温大数据和算法的红外故障诊断方法 | |
CN105388884A (zh) | 一种基于由数据驱动的识别算法检测供热管网泄漏故障的报警系统及方法 | |
CN111579121A (zh) | 基于大数据在线诊断新能源汽车电池包内温度故障的方法 | |
CN102636706A (zh) | 一种电网中参数误差支路的辨识方法 | |
CN116520068B (zh) | 一种电力数据的诊断方法、装置、设备及存储介质 | |
CN117110794A (zh) | 一种电缆故障智能诊断系统及方法 | |
CN106207810A (zh) | 一种基于物联网的电力设备检修系统 | |
CN212255669U (zh) | 一种配电一二次成套设备测量精度数据采集系统 | |
CN115684829A (zh) | 一种电力二次回路故障检测预警方法及系统 | |
CN115586402A (zh) | 配电网故障诊断与处理方法 | |
CN206132904U (zh) | 新型10kv线路的智慧故障指示系统 | |
CN113949618A (zh) | 基于大数据的通信故障预警系统 | |
CN113203907A (zh) | 用于电力设备的载流故障预测系统 |
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 |