CN111444240A - 输电线路故障预警方法及装置 - Google Patents
输电线路故障预警方法及装置 Download PDFInfo
- Publication number
- CN111444240A CN111444240A CN202010223191.3A CN202010223191A CN111444240A CN 111444240 A CN111444240 A CN 111444240A CN 202010223191 A CN202010223191 A CN 202010223191A CN 111444240 A CN111444240 A CN 111444240A
- Authority
- CN
- China
- Prior art keywords
- fault
- historical
- meteorological
- data
- transmission line
- 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 57
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012549 training Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F16/24—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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
Abstract
本申请公开了一种输电线路故障预警方法及装置,该方法包括:获取指定区域的实时气象参数数据;将所述实时气象参数数据输入与指定区域的故障预测模型进行匹配,得到匹配结果,所述匹配结果包括在所述实时气象参数数据对应的气象条件下输电线路是否可能发生故障,以及当可能发生故障时可能发生的故障类型;所述故障预测模型根据输电线路的历史故障类型和历史气象参数数据训练得到;当所述匹配结果包括可能发生故障时,发出故障预警信息,所述故障预警信息中包含所述可能发生的故障类型。本申请可以全面分析多重气象环境叠加对于输电线路的影响,及时对故障输电线路进行预警。
Description
技术领域
本申请涉及电网故障预警技术领域,尤其涉及一种输电线路故障预警方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
根据电网多年的运行经验,由于架空输电线路长期暴露在大气环境中,天气事件如雷电、暴雨、冰灾、大风等已经成为影响输电线路安全运行的主要因素。比如雷电会对输电线路直击绕击与反击,冰灾会使导线覆冰增大线路杆塔的载荷,增大导线的受风面积,同时会诱发不稳定性导致的断线甚至倒塔事故,大风也会引发导线震动风偏放电甚至损坏吹倒杆塔,此外高温、低温、冰雹、霜冻等也会造成恶劣影响。因此,认识不同气象环境对电网的影响规律,从而减轻气象事件对电网造成的灾害威胁,已经成为电力系统需要着重注意的关键问题。
在以往研究气象环境对电网影响时,大都分析单一因素,如雷电、高温、大风对与输电线路多种异常的相关性,只是进行相关性分析,很少进行关联关系分析。而且输电线路实际在运行过程中是处于多重气象环境之下,同时受温度、风力雷电等因素影响,单一的相关分析难以给出全面的结果。
发明内容
本申请实施例提供一种输电线路异常预警方法,用以全面分析多重气象环境叠加对于输电线路的影响,及时对故障输电线路进行预警,该方法包括:
获取指定区域的实时气象参数数据;将所述实时气象参数数据输入与指定区域的故障预测模型进行匹配,得到匹配结果,所述匹配结果包括在所述实时气象参数数据对应的气象条件下输电线路是否可能发生故障,以及当可能发生故障时可能发生的故障类型;所述故障预测模型根据输电线路的历史故障类型和历史气象参数数据训练得到;当所述匹配结果包括可能发生故障时,发出故障预警信息,所述故障预警信息中包含所述可能发生的故障类型。
本申请实施例还提供一种输电线路异常预警装置,用以全面分析多重气象环境叠加对于输电线路的影响,及时对故障输电线路进行预警,该装置包括:
获取模块,用于获取指定区域的实时气象参数数据;故障匹配模块,用于将所述获取模块获取的所述实时气象参数数据输入与指定区域的故障预测模型进行匹配,得到匹配结果,所述匹配结果包括在所述实时气象参数数据对应的气象条件下输电线路是否可能发生故障,以及当可能发生故障时可能发生的故障类型;所述故障预测模型根据输电线路的历史故障类型和历史气象参数数据训练得到;预警模块,用于当所述故障匹配模块确定所述匹配结果包括可能发生故障时,发出故障预警信息,所述故障预警信息中包含所述可能发生的故障类型。
本申请实施例中,通过历史气象参数数据及输电线路发生的历史故障事件,确定了气象参数数据与故障类型相关联的故障预警模型,之后,将获取的各种实时气象参数数据输入故障预警模型进行匹配,通过历史数据判断在该气象条件下输电线路是否可能出现故障,以及可能出现的故障是什么,全面分析多重气象环境叠加对于输电线路的影响,并且在判断可能出现故障时,及时发出预警信息,帮助运维人员进行更好的决策与检修。
附图说明
为了更清楚地说明本申请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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本申请实施例中一种输电线路故障预警方法的流程图;
图2为本申请实施例中一种输电线路故障预警装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本申请实施例做进一步详细说明。在此,本申请的示意性实施例及其说明用于解释本申请,但并不作为对本申请的限定。
本申请实施例提供了一种输电线路故障预警方法,如图1所示,该方法包括步骤101至步骤103:
步骤101、获取指定区域的实时气象参数数据。
气象参数包括温度、相对湿度、风速、降雨量、降雪量和有无雷电。
目前各个网省电力公司都与当地气象部门开展了气象服务合作,能够共享实时气象信息以及气象预报信息,有些输电线路还安装了微气象装置,所以实时气象参数数据容易获得,同时各省也对输电线路故障信息进行了登记,因此本申请实施例中需要的实时气象参数数据、历史气象参数数据和历史故障事件都可获得。
步骤102、将实时气象参数数据输入与指定区域的故障预测模型进行匹配,得到匹配结果。
其中,匹配结果包括在实时气象参数数据对应的气象条件下输电线路是否可能发生故障,以及当可能发生故障时可能发生的故障类型。故障预测模型根据输电线路的历史故障类型和历史气象数据训练得到。
具体的,故障预测模型根据如下方法训练得到:获取指定区域的历史气象参数数据和输电线路发生的历史故障事件;将在历史故障事件中发生的历史故障类型,与历史故障事件发生时的历史气象数据进行对应,得到故障数据集;将故障数据集划分为训练集和验证集,利用FP-Growth算法分析训练集,确定历史故障类型与历史气象数据的强关联规则,得到初始故障预测模型;利用验证集对初始故障预测模型进行调整,得到故障预测模型。
在本申请实施例中,考虑到温度、相对湿度、降雨量和降雪量等气象参数的所在范围较大且划分较为精细,比如,温度可能在零下20℃至零上30℃之间,每一度又细分为10个0.1℃,在某个范围之内的温度对于输电线路的影响差别不大,可以将上述温度、湿度等气象参数的数值划分为多个参数范围,例如,0℃至10℃为一个温度范围,10℃至20℃为一个温度范围,20℃至30℃为一个温度范围,统一统计每个温度范围内发生的历史故障事件,分析得到不同范围内的温度与发生的故障类型之间的关联关系。相应的,在获取到实时气象参数数据之后,也先确定实时气象参数数据所述的参数范围,再输入故障预测模型进行故障匹配。
由于现有技术中对于风速划分的等级较少,可以直接统计当前的每个风速等级与发生的故障事件之间的关联,也可以如温度、相对湿度等参数一样,将风速划分为更宽泛的参数范围,比如说,将1~3级风速划分为一个参数范围,将4~6级风速划分为一个参数范围等。
在上述建立故障预测模型的过程中,采用了FP-Growth算法,FP-Growth算法是一种成熟的关联分析算法,其只需要对数据库进行两次遍历,便可以高效率的发现频繁项集,对多种气象参数数据与输电线路多种故障状态进行关联分析。
在利用FP-Growth算法分析训练集时,先确定历史气象参数数据与历史故障类型之间的初始关联规则,之后再计算训练集中每个气象参数与每个故障类型之间的支持度和置信度,检验支持度和置信度得到历史气象参数数据与历史故障类型之间的强关联规则,该强关联规则即为初始故障预测模型。之后,利用验证集中的气象参数数据和故障类型对初始故障预测模型进行调整优化,得到故障预测模型。
由于FP-Growth算法是一种成熟的算法,利用该算法确定历史气象参数数据与历史故障类型之间的强关联规则的方法可以利用现有技术中的方法确定,对于其具体过程,在此不做赘述。
需要说明的是,故障预测模型中是每个气象参数与一种或多种故障类型之间的对应关系,比如说,对应关系是,某个温度范围与在该温度范围下可能发生故障类型,某个相对湿度范围与在该相对湿度范围内可能发生的故障类型等。
考虑到采集的气象参数数据可能存在问题,在将在历史故障事件中发生的历史故障类型,与历史故障事件发生时的历史气象数据进行对应之前,还可以剔除历史气象数据中的无效数据,无效数据包括处于每个气象参数的设定范围内的数据,以及在指定时间段中未发生变化的气象数据。
自然环境中的温度、湿度、风速、降雨量和降雪量等气象数据均有其各自的正常范围,以温度为例,环境中的温度无法达到80摄氏度、90摄氏度等,如果历史气象数据中包括80摄氏度的温度数据,则将该温度数据确定为无效数据,将其剔除;并且,自然环境中的气象数据是随时发生变化的,同样以温度为例,早上7点和早上8点的温度不同,早上8点和下午1点的温度往往也不相同,如果采集到的气象数据在指定时间段中相同,没有发生任何变化,则可能数据采集过程中存在问题,将包含该指定时间段中的温度数据在内的所有相同的温度数据剔除。比如说,指定时间段为4小时,在10点至18点之间采集的温度数据全部相同,相同温度数据的采集时间为8个小时超过4个小时,则将10点至18点之间的温度数据全部剔除。
其中,指定时间段可以由用户参照区域的实际环境温度进行设定,例如,对于全天温度变化较小的区域,可以将指定时间段设定的较长,对于全天温度变化较大的区域,可以将指定时间段设定的较短。对于其具体长度,在此不做限定。
在本申请实施例的一种实现方式中,对于剔除的数据,如果剔除的数据所在的时间长度较短,如6个小时之内,可以通过插值法补足该部分确实的数据,如果提出的数据所在的时间长度较长,则可以将该部分数据空置,比如说,如果剔除了4个小时的温度,可以通过插值法补全该4个小时的数据,如果剔除了24个小时的数据,则可以将该24小时的数据空置。
需要说明的是,由于气象数据存在地域性,在不同地域,如广东和吉林,采集的气象参数数据显然会存在较大差别,湿度、风速、降雨量和降雪量与温度的范围显然不同,因此,对于不同的指定区域,可以按照每个指定区域的实际环境情况设置不同的设定范围。
步骤103、当匹配结果包括可能发生故障时,发出故障预警信息。
其中,故障预警信息中包含可能发生的故障类型。其中,可能发生的故障类型包括被本领域定义为故障的任何事件类型,例如,污闪、山火短路、导线断线、部件发热和异物短路等。
在本申请实施例中,可以通过弹出框等方式在装置上显示故障预警信息,或者还可以同时发出告警声音等提醒用户输电线路可能发生故障。此外,为了使一线正在相应线路进行巡检的一线人员及时得到故障预警信息,还可以通过短信、电话、社交通信软件、平台客户端推送消息等方式向一线人员的移动终端中发送故障预警信息,从而方便一线人员快速就地核实处理,按照预案进行预防部署,提高了运维效率,减少故障发生率。
虽然能够对可能发生的故障进行预警,但也难以避免故障的发生,在本申请实施例中,获取在统计的历史故障事件发生的时间之后发生的由气象导致的故障事件;之后,利用获取的实时气象数据与所述由气象导致的故障事件中发生的故障类型重新训练故障预测模型,得到更新后的故障预测模型。不断的更新故障预测模型,可以提升故障预测模型的准确度。
其中,发生的故障可能是由于人为操作失误等非气象因素导致的,这就需要人为鉴别输电线路故障发生原因,判断发生的故障是否由气象导致的,将由气象导致的故障类型及气象数据输入到故障预测模型中,以及时更新故障预测模型。
本申请实施例中,通过历史气象参数数据及输电线路发生的历史故障事件,确定了气象参数数据与故障类型相关联的故障预警模型,之后,将获取的各种实时气象参数数据输入故障预警模型进行匹配,通过历史数据判断在该气象条件下输电线路是否可能出现故障,以及可能出现的故障是什么,全面分析多重气象环境叠加对于输电线路的影响,并且在判断可能出现故障时,及时发出预警信息,帮助运维人员进行更好的决策与检修。
本申请实施例还提供一种输电线路故障预警装置,如图2所示,该装置200包括获取模块201、故障匹配模块202和预警模块203。
其中,获取模块201,用于获取指定区域的实时气象参数数据。
故障匹配模块202,用于将获取模块201获取的实时气象参数数据输入与指定区域的故障预测模型进行匹配,得到匹配结果,匹配结果包括在实时气象参数数据对应的气象条件下输电线路是否可能发生故障,以及当可能发生故障时可能发生的故障类型;故障预测模型根据输电线路的历史故障类型和历史气象参数数据训练得到。
预警模块203,用于当故障匹配模块202确定匹配结果包括可能发生故障时,发出故障预警信息,故障预警信息中包含可能发生的故障类型。
在本申请实施例的一种实现方式中,故障匹配模块202,还用于:
获取指定区域的历史气象参数数据和输电线路发生的历史故障事件;
将在历史故障事件中发生的历史故障类型,与历史故障事件发生时的历史气象数据进行对应,得到故障数据集;
将故障数据集划分为训练集和验证集,利用FP-Growth算法分析训练集,确定历史故障类型与历史气象数据的强关联规则,得到初始模型;
利用验证集对初始模型进行调整,得到故障预测模型。
在本申请实施例的一种实现方式中,装置200还包括:
预处理模块204,用于剔除故障匹配模块202获取的历史气象数据中的无效数据,无效数据包括处于每个气象参数的设定范围内的数据,以及在指定时间段中未发生变化的气象数据。
在本申请实施例的一种实现方式中,气象参数包括温度、相对湿度、风速、降雨量、降雪量和有无雷电。
在本申请实施例的一种实现方式中,获取模块201,还用于获取在统计的历史故障事件发生的时间之后发生的由气象导致的故障事件。
故障匹配模块202,还用于利用获取模块201获取的实时气象数据与由气象导致的故障事件中发生的故障类型重新训练故障预测模型,得到更新后的故障预测模型。
本申请实施例中,通过历史气象参数数据及输电线路发生的历史故障事件,确定了气象参数数据与故障类型相关联的故障预警模型,之后,将获取的各种实时气象参数数据输入故障预警模型进行匹配,通过历史数据判断在该气象条件下输电线路是否可能出现故障,以及可能出现的故障是什么,全面分析多重气象环境叠加对于输电线路的影响,并且在判断可能出现故障时,及时发出预警信息,帮助运维人员进行更好的决策与检修。
本申请实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现步骤101至步骤103及其各种实现方式所述的任一方法。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有执行步骤101至步骤103及其各种实现方式所述的任一方法的计算机程序。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种输电线路故障预警方法,其特征在于,所述方法包括:
获取指定区域的实时气象参数数据;
将所述实时气象参数数据输入与指定区域的故障预测模型进行匹配,得到匹配结果,所述匹配结果包括在所述实时气象参数数据对应的气象条件下输电线路是否可能发生故障,以及当可能发生故障时可能发生的故障类型;所述故障预测模型根据输电线路的历史故障类型和历史气象参数数据训练得到;
当所述匹配结果包括可能发生故障时,发出故障预警信息,所述故障预警信息中包含所述可能发生的故障类型。
2.根据权利要求1所述的方法,其特征在于,所述故障预测模型根据如下方法训练得到:
获取指定区域的历史气象参数数据和输电线路发生的历史故障事件;
将在历史故障事件中发生的历史故障类型,与所述历史故障事件发生时的历史气象数据进行对应,得到故障数据集;
将故障数据集划分为训练集和验证集,利用FP-Growth算法分析训练集,确定历史故障类型与历史气象数据的强关联规则,得到初始模型;
利用验证集对初始模型进行调整,得到故障预测模型。
3.根据权利要求2所述的方法,其特征在于,在将在历史故障事件中发生的历史故障类型,与所述历史故障事件发生时的历史气象数据进行对应之前,所述方法还包括:
剔除所述历史气象数据中的无效数据,所述无效数据包括处于每个气象参数的设定范围内的数据,以及在指定时间段中未发生变化的气象数据。
4.根据权利要求1至3任一项所述的方法,其特征在于,气象参数包括温度、相对湿度、风速、降雨量、降雪量和有无雷电。
5.根据权利要求2或3所述的方法,其特征在于,在获取指定区域的实时气象数据之后,所述方法还包括:
获取在统计的历史故障事件发生的时间之后发生的由气象导致的故障事件;
利用获取的实时气象数据与所述由气象导致的故障事件中发生的故障类型重新训练故障预测模型,得到更新后的故障预测模型。
6.一种输电线路故障预警装置,其特征在于,所述装置包括:
获取模块,用于获取指定区域的实时气象参数数据;
故障匹配模块,用于将所述获取模块获取的所述实时气象参数数据输入与指定区域的故障预测模型进行匹配,得到匹配结果,所述匹配结果包括在所述实时气象参数数据对应的气象条件下输电线路是否可能发生故障,以及当可能发生故障时可能发生的故障类型;所述故障预测模型根据输电线路的历史故障类型和历史气象参数数据训练得到;
预警模块,用于当所述故障匹配模块确定所述匹配结果包括可能发生故障时,发出故障预警信息,所述故障预警信息中包含所述可能发生的故障类型。
7.根据权利要求6所述的装置,其特征在于,所述故障匹配模块,还用于:
获取指定区域的历史气象参数数据和输电线路发生的历史故障事件;
将在历史故障事件中发生的历史故障类型,与所述历史故障事件发生时的历史气象数据进行对应,得到故障数据集;
将故障数据集划分为训练集和验证集,利用FP-Growth算法分析训练集,确定历史故障类型与历史气象数据的强关联规则,得到初始模型;
利用验证集对初始模型进行调整,得到故障预测模型。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
预处理模块,用于剔除所述故障匹配模块获取的所述历史气象数据中的无效数据,所述无效数据包括处于每个气象参数的设定范围内的数据,以及在指定时间段中未发生变化的气象数据。
9.根据权利要求6至8任一项所述的装置,其特征在于,气象参数包括温度、相对湿度、风速、降雨量、降雪量和有无雷电。
10.根据权利要求7或8所述的装置,其特征在于,
所述获取模块,还用于获取在统计的历史故障事件发生的时间之后发生的由气象导致的故障事件;
所述故障匹配模块,还用于利用所述获取模块获取的实时气象数据与所述由气象导致的故障事件中发生的故障类型重新训练故障预测模型,得到更新后的故障预测模型。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5任一所述方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至5任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010223191.3A CN111444240A (zh) | 2020-03-26 | 2020-03-26 | 输电线路故障预警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010223191.3A CN111444240A (zh) | 2020-03-26 | 2020-03-26 | 输电线路故障预警方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111444240A true CN111444240A (zh) | 2020-07-24 |
Family
ID=71652514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010223191.3A Pending CN111444240A (zh) | 2020-03-26 | 2020-03-26 | 输电线路故障预警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111444240A (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190260204A1 (en) * | 2018-02-17 | 2019-08-22 | Electro Industries/Gauge Tech | Devices, systems and methods for the collection of meter data in a common, globally accessible, group of servers, to provide simpler configuration, collection, viewing, and analysis of the meter data |
CN112464536A (zh) * | 2020-12-09 | 2021-03-09 | 国网湖南省电力有限公司 | 输电线路覆冰故障预测的方法、装置、计算机设备和介质 |
CN112488336A (zh) * | 2020-12-09 | 2021-03-12 | 深圳供电局有限公司 | 一种用于极端天气下的电网故障处理方法及系统 |
CN112561278A (zh) * | 2020-12-08 | 2021-03-26 | 国网吉林省电力有限公司 | 一种基于物联网和故障树的输电线路运营风险应对方法 |
CN112785138A (zh) * | 2021-01-18 | 2021-05-11 | 内蒙古电力(集团)有限责任公司呼和浩特供电局 | 基于数值天气进行三跨线路监测分析预警的方法 |
CN113033889A (zh) * | 2021-03-19 | 2021-06-25 | 国网河北省电力有限公司邢台供电分公司 | 高压输电线路故障预测方法、装置及终端设备 |
CN113156243A (zh) * | 2021-04-09 | 2021-07-23 | 南方电网电动汽车服务有限公司 | 故障预测方法和预测系统 |
CN113657689A (zh) * | 2021-09-01 | 2021-11-16 | 中国人民解放军国防科技大学 | 一种自适应微型电网的调度优化的方法及系统 |
CN113819575A (zh) * | 2021-08-18 | 2021-12-21 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
CN114076873A (zh) * | 2021-11-04 | 2022-02-22 | 广州番禺电缆集团有限公司 | 电缆故障分析预测方法和装置 |
CN114089091A (zh) * | 2021-09-27 | 2022-02-25 | 杭州柯林电气股份有限公司 | 基于非接触式传感器的输电线路在线监控方法及系统 |
CN114200243A (zh) * | 2021-12-24 | 2022-03-18 | 广西电网有限责任公司 | 低压台区故障智能诊断方法及系统 |
CN114279492A (zh) * | 2021-11-25 | 2022-04-05 | 广州番禺电缆集团有限公司 | 基于不同故障参数记录确定电缆故障信息方法和装置 |
CN114330569A (zh) * | 2021-12-30 | 2022-04-12 | 山东浪潮科学研究院有限公司 | 一种检测风机组部件故障的方法、设备及存储介质 |
CN114779011A (zh) * | 2022-04-25 | 2022-07-22 | 云南电网有限责任公司电力科学研究院 | 一种考虑环境因素的电力系统故障预测方法及装置 |
CN115061009A (zh) * | 2022-06-01 | 2022-09-16 | 国网浙江省电力有限公司嘉兴供电公司 | 一种输电线故障分析预警方法 |
CN115587312A (zh) * | 2022-09-20 | 2023-01-10 | 北京京能清洁能源电力股份有限公司北京分公司 | 一种基于多维大数据分析的故障点定位方法和系统 |
CN115951170A (zh) * | 2022-12-16 | 2023-04-11 | 中国南方电网有限责任公司超高压输电公司广州局 | 输电线路故障监测方法、装置、计算机设备和存储介质 |
CN116187583A (zh) * | 2023-04-17 | 2023-05-30 | 国网黑龙江省电力有限公司齐齐哈尔供电公司 | 配电网大数据故障预测方法 |
US11686594B2 (en) | 2018-02-17 | 2023-06-27 | Ei Electronics Llc | Devices, systems and methods for a cloud-based meter management system |
US11734396B2 (en) | 2014-06-17 | 2023-08-22 | El Electronics Llc | Security through layers in an intelligent electronic device |
US11754997B2 (en) | 2018-02-17 | 2023-09-12 | Ei Electronics Llc | Devices, systems and methods for predicting future consumption values of load(s) in power distribution systems |
CN116933981A (zh) * | 2023-09-15 | 2023-10-24 | 安徽方能电气技术有限公司 | 基于停复电事件数据监测的区域电力稳定性分析评价方法 |
CN116993327A (zh) * | 2023-09-26 | 2023-11-03 | 国网安徽省电力有限公司经济技术研究院 | 用于变电站的缺陷定位系统及其方法 |
US11816465B2 (en) | 2013-03-15 | 2023-11-14 | Ei Electronics Llc | Devices, systems and methods for tracking and upgrading firmware in intelligent electronic devices |
US11863589B2 (en) | 2019-06-07 | 2024-01-02 | Ei Electronics Llc | Enterprise security in meters |
US11870910B2 (en) | 2015-12-21 | 2024-01-09 | Ei Electronics Llc | Providing security in an intelligent electronic device |
CN117391459A (zh) * | 2023-12-13 | 2024-01-12 | 国网山西省电力公司太原供电公司 | 基于深度学习的电力运行风险预警方法及系统 |
CN117791856A (zh) * | 2023-12-20 | 2024-03-29 | 武汉人云智物科技有限公司 | 一种基于巡检机器人的电网故障预警方法及装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103260016A (zh) * | 2013-06-04 | 2013-08-21 | 成都思晗科技有限公司 | 一种输电线路远程智能巡线方法 |
CN105279612A (zh) * | 2015-10-30 | 2016-01-27 | 广西电网有限责任公司电力科学研究院 | 一种基于泊松分布的输电线路跳闸风险评估方法 |
CN106017551A (zh) * | 2016-05-16 | 2016-10-12 | 国网河南省电力公司电力科学研究院 | 一种智能化输电线路综合监测分析预警方法 |
CN106779505A (zh) * | 2017-02-28 | 2017-05-31 | 中国南方电网有限责任公司 | 一种基于大数据驱动的输电线路故障预警方法及系统 |
CN107066689A (zh) * | 2017-02-28 | 2017-08-18 | 北京玖天气象科技有限公司 | 一种输电线路风偏故障的气象风险预警方法 |
CN107368979A (zh) * | 2017-09-21 | 2017-11-21 | 广东电网有限责任公司电力科学研究院 | 一种天气敏感型区域配电网扰动事件预测方法及装置 |
CN107742186A (zh) * | 2017-10-31 | 2018-02-27 | 合肥天鹰高科技有限公司 | 一种输电线路防灾减灾预警分析平台 |
CN108320052A (zh) * | 2018-01-19 | 2018-07-24 | 北京国网富达科技发展有限责任公司 | 气象灾害下的输电线路状态预测方法及装置 |
CN108492057A (zh) * | 2018-04-28 | 2018-09-04 | 国网新疆电力公司电力科学研究院 | 基于FP-growth的跳闸明细数据与气象数据关联分析及预警方法 |
CN108596449A (zh) * | 2018-04-09 | 2018-09-28 | 南京邮电大学 | 一种考虑天气对配电网故障概率影响的配电网可靠性预测方法 |
CN109522599A (zh) * | 2018-10-16 | 2019-03-26 | 国电南瑞科技股份有限公司 | 一种台风导致的输电线路突发故障预警方法 |
CN110018389A (zh) * | 2019-02-21 | 2019-07-16 | 国网山东省电力公司临沂供电公司 | 一种输电线路在线故障监测方法及系统 |
-
2020
- 2020-03-26 CN CN202010223191.3A patent/CN111444240A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103260016A (zh) * | 2013-06-04 | 2013-08-21 | 成都思晗科技有限公司 | 一种输电线路远程智能巡线方法 |
CN105279612A (zh) * | 2015-10-30 | 2016-01-27 | 广西电网有限责任公司电力科学研究院 | 一种基于泊松分布的输电线路跳闸风险评估方法 |
CN106017551A (zh) * | 2016-05-16 | 2016-10-12 | 国网河南省电力公司电力科学研究院 | 一种智能化输电线路综合监测分析预警方法 |
CN106779505A (zh) * | 2017-02-28 | 2017-05-31 | 中国南方电网有限责任公司 | 一种基于大数据驱动的输电线路故障预警方法及系统 |
CN107066689A (zh) * | 2017-02-28 | 2017-08-18 | 北京玖天气象科技有限公司 | 一种输电线路风偏故障的气象风险预警方法 |
CN107368979A (zh) * | 2017-09-21 | 2017-11-21 | 广东电网有限责任公司电力科学研究院 | 一种天气敏感型区域配电网扰动事件预测方法及装置 |
CN107742186A (zh) * | 2017-10-31 | 2018-02-27 | 合肥天鹰高科技有限公司 | 一种输电线路防灾减灾预警分析平台 |
CN108320052A (zh) * | 2018-01-19 | 2018-07-24 | 北京国网富达科技发展有限责任公司 | 气象灾害下的输电线路状态预测方法及装置 |
CN108596449A (zh) * | 2018-04-09 | 2018-09-28 | 南京邮电大学 | 一种考虑天气对配电网故障概率影响的配电网可靠性预测方法 |
CN108492057A (zh) * | 2018-04-28 | 2018-09-04 | 国网新疆电力公司电力科学研究院 | 基于FP-growth的跳闸明细数据与气象数据关联分析及预警方法 |
CN109522599A (zh) * | 2018-10-16 | 2019-03-26 | 国电南瑞科技股份有限公司 | 一种台风导致的输电线路突发故障预警方法 |
CN110018389A (zh) * | 2019-02-21 | 2019-07-16 | 国网山东省电力公司临沂供电公司 | 一种输电线路在线故障监测方法及系统 |
Non-Patent Citations (1)
Title |
---|
梁为等: "《机械故障诊断》", 煤炭工业出版社, pages: 76 * |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11816465B2 (en) | 2013-03-15 | 2023-11-14 | Ei Electronics Llc | Devices, systems and methods for tracking and upgrading firmware in intelligent electronic devices |
US11734396B2 (en) | 2014-06-17 | 2023-08-22 | El Electronics Llc | Security through layers in an intelligent electronic device |
US11870910B2 (en) | 2015-12-21 | 2024-01-09 | Ei Electronics Llc | Providing security in an intelligent electronic device |
US20190260204A1 (en) * | 2018-02-17 | 2019-08-22 | Electro Industries/Gauge Tech | Devices, systems and methods for the collection of meter data in a common, globally accessible, group of servers, to provide simpler configuration, collection, viewing, and analysis of the meter data |
US11686594B2 (en) | 2018-02-17 | 2023-06-27 | Ei Electronics Llc | Devices, systems and methods for a cloud-based meter management system |
US11734704B2 (en) * | 2018-02-17 | 2023-08-22 | Ei Electronics Llc | Devices, systems and methods for the collection of meter data in a common, globally accessible, group of servers, to provide simpler configuration, collection, viewing, and analysis of the meter data |
US11754997B2 (en) | 2018-02-17 | 2023-09-12 | Ei Electronics Llc | Devices, systems and methods for predicting future consumption values of load(s) in power distribution systems |
US11863589B2 (en) | 2019-06-07 | 2024-01-02 | Ei Electronics Llc | Enterprise security in meters |
CN112561278A (zh) * | 2020-12-08 | 2021-03-26 | 国网吉林省电力有限公司 | 一种基于物联网和故障树的输电线路运营风险应对方法 |
CN112488336A (zh) * | 2020-12-09 | 2021-03-12 | 深圳供电局有限公司 | 一种用于极端天气下的电网故障处理方法及系统 |
CN112464536A (zh) * | 2020-12-09 | 2021-03-09 | 国网湖南省电力有限公司 | 输电线路覆冰故障预测的方法、装置、计算机设备和介质 |
CN112785138A (zh) * | 2021-01-18 | 2021-05-11 | 内蒙古电力(集团)有限责任公司呼和浩特供电局 | 基于数值天气进行三跨线路监测分析预警的方法 |
CN113033889A (zh) * | 2021-03-19 | 2021-06-25 | 国网河北省电力有限公司邢台供电分公司 | 高压输电线路故障预测方法、装置及终端设备 |
CN113156243A (zh) * | 2021-04-09 | 2021-07-23 | 南方电网电动汽车服务有限公司 | 故障预测方法和预测系统 |
CN113819575A (zh) * | 2021-08-18 | 2021-12-21 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
CN113657689B (zh) * | 2021-09-01 | 2023-07-14 | 中国人民解放军国防科技大学 | 一种自适应微型电网的调度优化的方法及系统 |
CN113657689A (zh) * | 2021-09-01 | 2021-11-16 | 中国人民解放军国防科技大学 | 一种自适应微型电网的调度优化的方法及系统 |
CN114089091A (zh) * | 2021-09-27 | 2022-02-25 | 杭州柯林电气股份有限公司 | 基于非接触式传感器的输电线路在线监控方法及系统 |
CN114076873B (zh) * | 2021-11-04 | 2023-10-24 | 广州番禺电缆集团有限公司 | 电缆故障分析预测方法和装置 |
CN114076873A (zh) * | 2021-11-04 | 2022-02-22 | 广州番禺电缆集团有限公司 | 电缆故障分析预测方法和装置 |
CN114279492A (zh) * | 2021-11-25 | 2022-04-05 | 广州番禺电缆集团有限公司 | 基于不同故障参数记录确定电缆故障信息方法和装置 |
CN114200243A (zh) * | 2021-12-24 | 2022-03-18 | 广西电网有限责任公司 | 低压台区故障智能诊断方法及系统 |
CN114200243B (zh) * | 2021-12-24 | 2023-10-24 | 广西电网有限责任公司 | 低压台区故障智能诊断方法及系统 |
CN114330569A (zh) * | 2021-12-30 | 2022-04-12 | 山东浪潮科学研究院有限公司 | 一种检测风机组部件故障的方法、设备及存储介质 |
CN114779011A (zh) * | 2022-04-25 | 2022-07-22 | 云南电网有限责任公司电力科学研究院 | 一种考虑环境因素的电力系统故障预测方法及装置 |
CN115061009B (zh) * | 2022-06-01 | 2024-05-31 | 国网浙江省电力有限公司嘉兴供电公司 | 一种输电线故障分析预警方法 |
CN115061009A (zh) * | 2022-06-01 | 2022-09-16 | 国网浙江省电力有限公司嘉兴供电公司 | 一种输电线故障分析预警方法 |
CN115587312A (zh) * | 2022-09-20 | 2023-01-10 | 北京京能清洁能源电力股份有限公司北京分公司 | 一种基于多维大数据分析的故障点定位方法和系统 |
CN115587312B (zh) * | 2022-09-20 | 2023-09-01 | 北京京能清洁能源电力股份有限公司北京分公司 | 一种基于多维大数据分析的故障点定位方法和系统 |
CN115951170B (zh) * | 2022-12-16 | 2024-04-02 | 中国南方电网有限责任公司超高压输电公司广州局 | 输电线路故障监测方法、装置、计算机设备和存储介质 |
CN115951170A (zh) * | 2022-12-16 | 2023-04-11 | 中国南方电网有限责任公司超高压输电公司广州局 | 输电线路故障监测方法、装置、计算机设备和存储介质 |
CN116187583A (zh) * | 2023-04-17 | 2023-05-30 | 国网黑龙江省电力有限公司齐齐哈尔供电公司 | 配电网大数据故障预测方法 |
CN116187583B (zh) * | 2023-04-17 | 2023-11-03 | 国网黑龙江省电力有限公司齐齐哈尔供电公司 | 配电网大数据故障预测方法 |
CN116933981B (zh) * | 2023-09-15 | 2023-12-08 | 安徽方能电气技术有限公司 | 基于停复电事件数据监测的区域电力稳定性分析评价方法 |
CN116933981A (zh) * | 2023-09-15 | 2023-10-24 | 安徽方能电气技术有限公司 | 基于停复电事件数据监测的区域电力稳定性分析评价方法 |
CN116993327B (zh) * | 2023-09-26 | 2023-12-15 | 国网安徽省电力有限公司经济技术研究院 | 用于变电站的缺陷定位系统及其方法 |
CN116993327A (zh) * | 2023-09-26 | 2023-11-03 | 国网安徽省电力有限公司经济技术研究院 | 用于变电站的缺陷定位系统及其方法 |
CN117391459A (zh) * | 2023-12-13 | 2024-01-12 | 国网山西省电力公司太原供电公司 | 基于深度学习的电力运行风险预警方法及系统 |
CN117391459B (zh) * | 2023-12-13 | 2024-03-05 | 国网山西省电力公司太原供电公司 | 基于深度学习的电力运行风险预警方法及系统 |
CN117791856A (zh) * | 2023-12-20 | 2024-03-29 | 武汉人云智物科技有限公司 | 一种基于巡检机器人的电网故障预警方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111444240A (zh) | 输电线路故障预警方法及装置 | |
JP4480630B2 (ja) | 雷位置予測方法及び雷位置予測システム | |
WO2021108537A1 (en) | Systems and methods for power line fault detection | |
CN102882745A (zh) | 一种用于监控业务服务器的方法和装置 | |
CN115640915B (zh) | 一种智慧燃气管网压缩机安全管理方法和物联网系统 | |
CN111814999A (zh) | 一种故障工单生成方法、装置、设备 | |
US10489019B2 (en) | Identifying and presenting related electrical power distribution system events | |
CN111200530A (zh) | 一种基于kpi指标进行根因分析的方法及装置 | |
CN109900326A (zh) | 环境污染监控系统及方法 | |
CN112488336A (zh) | 一种用于极端天气下的电网故障处理方法及系统 | |
CN115549292A (zh) | 电网运行监测系统及其方法 | |
CN113675944A (zh) | 一种光伏电站智能分析决策系统及方法 | |
CN112180865A (zh) | 一种智能化配电室及设备监控系统 | |
CN114374597A (zh) | 一种网络事件的故障处理方法、装置、设备及产品 | |
CN114418195A (zh) | 雷击跳闸事件的分析方法、装置、设备及存储介质 | |
CN113281616A (zh) | 一种基于专家系统的输电线路故障诊断方法、系统及架构 | |
CN111027827B (zh) | 保底通信网运行风险分析的方法、装置及计算机设备 | |
JP2003090887A (ja) | 落雷による瞬時電圧低下予測システムおよび予測方法 | |
CN111509839A (zh) | 一种基于告警信号的跳闸事件化模型分析方法 | |
CN112949920B (zh) | 一种基于观冰代表站数据的区域覆冰预测及预警方法 | |
Leite et al. | Failure probability metric by machine learning for online risk assessment in distribution networks | |
CN112861746B (zh) | 考虑环境灾害的密集输电通道关键视频截取方法及装置 | |
KR20230109491A (ko) | 기상상황에 따른 위해개소 및 고장원인 예측 방법과 예측 시스템 | |
CN114221437A (zh) | 电网控制系统、方法及装置 | |
CN112736878B (zh) | 一种电网连锁故障告警方法及系统 |
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 |