CN111555776B - 一种输电线路融合感知及联合诊断方法、系统及装置 - Google Patents
一种输电线路融合感知及联合诊断方法、系统及装置 Download PDFInfo
- Publication number
- CN111555776B CN111555776B CN202010350122.9A CN202010350122A CN111555776B CN 111555776 B CN111555776 B CN 111555776B CN 202010350122 A CN202010350122 A CN 202010350122A CN 111555776 B CN111555776 B CN 111555776B
- Authority
- CN
- China
- Prior art keywords
- data
- diagnosis
- fusion
- sensing
- 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.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 88
- 230000004927 fusion Effects 0.000 title claims abstract description 75
- 230000005540 biological transmission Effects 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000008447 perception Effects 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 230000004044 response Effects 0.000 claims abstract description 7
- 238000004140 cleaning Methods 0.000 claims abstract description 5
- 230000002159 abnormal effect Effects 0.000 claims description 51
- 238000005070 sampling Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims 3
- 239000002994 raw material Substances 0.000 claims 3
- 238000012545 processing Methods 0.000 abstract description 11
- 238000007781 pre-processing Methods 0.000 abstract description 5
- 238000011065 in-situ storage Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000295 complement effect Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 239000012212 insulator Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/02—Details
- H04B3/46—Monitoring; Testing
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Abstract
本发明公开了一种输电线路融合感知及联合诊断方法、系统及装置,获取输电线路多种感知数据,并进行多元信息清洗、融合、增强等预处理,基于物理拓扑图和逻辑拓扑图进行联合诊断。相较于基于单一数据的故障诊断分析,本发明的诊断准确性更高;同时本发明将部分预处理融合在采集侧就地进行,降低了诊断侧的处理负荷,提高了诊断侧的诊断准确率和实时响应能力。
Description
技术领域
本发明涉及一种输电线路融合感知及联合诊断方法、系统及装置,属于输电线路状态监测与故障诊断技术领域。
背景技术
输电线路是电网的重要组成部分,是全社会电量输送的大动脉,其安全可靠运行直接关系到区域电力供应及社会正常运转。
输电线路空间跨度大,走廊沿线的地理环境复杂、气候条件多变,极易遭受各种自然因素及外力破坏而引发停电事故,对区域电网造成巨大冲击,甚至引发大面积停电,危及社会生产秩序、人民生命财产安全。
输电线路走廊沿线复杂多变的环境也为线路的日常运维及故障排查、抢修带来巨大困难。专利《一种输电线路故障隐患综合在线监测方法及装置》公开了一种输电线路故障隐患综合在线监测装置安装在输电线路上,对线路运行过程中产生的复合绝缘子裂化、金具悬浮放电、植被闪络、绝缘子污秽、绝缘子冰闪等故障隐患放电产生的行波电流信号进行在线监测;针对采集的行波电流波形信息,首先利用形态拟合和s变换方法辨识故障隐患类型;然后根据小波能量谱分判定故障隐患的严重等级;最后利用双端定位或单端定位方法对故障隐患点进行定位。该发明在一定程度上实现了线路故障隐患的辨识、定位和预警,提升了线路巡检排患效率。
此类输电线路故障隐患综合监测与诊断装置已在工程中应用,但仅通过线路中的行波电流(即单一数据)进行分析计算,其诊断的准确性难以保障。
发明内容
本发明提供了一种输电线路融合感知及联合诊断方法、系统及装置,解决了现有方法诊断准确度难以保障的问题。
为了解决上述技术问题,本发明所采用的技术方案是:
一种输电线路融合感知及联合诊断方法,包括,
获取输电线路多种感知数据;
对感知数据进行特征分析;
根据感知数据的特征和预设的异常判据,筛选出异常的感知数据;
响应于满足上送条件,对异常感知数据进行多元信息融合,将融合数据中的有效数据上送至诊断侧。
若感知数据为电流采样数据,电流采样数据对应的异常判据为,
实时计算连续两点特征的差值,若超过阈值,则判定出现异常点;
实时计算连续N点的特征变化值的差值,若超过阈值,则判定出现异常点,N大于2。
若感知数据为图像数据,图像数据对应的异常判据为,
环比前后两帧图像特征的差值,若超过阈值,则判定为异常状态图像;
环比固定时间段内图像特征变化值的差值,若超过判断阈值,则判定为异常状态图像。
响应于满足上送条件,基于物模型对异常感知数据进行清洗,对清洗后的异常感知数据进行多元信息融合,通过数据关联性分析和加权平均法分析,获取融合数据中的有效数据并上送至诊断侧。
一种输电线路融合感知及联合诊断方法,包括,
根据预设的故障特征集匹配上送数据特征,检测输电线路是否存在故障;
响应于存在故障,根据感知数据采集设备的逻辑模型关联策略和逻辑拓扑图,进行联合诊断。
在采集设备物理拓扑图上关联不同联动诊断策略生成采集设备逻辑拓扑图,采集设备逻辑拓扑图为联合诊断依赖的采集设备逻辑关系。
一种输电线路融合感知及联合诊断系统,包括采集融合侧系统和诊断侧系统;
采集融合侧系统包括,
采集模块:获取输电线路多种感知数据;
特征分析模块:对感知数据进行特征分析;
异常筛选模块:根据感知数据的特征和预设的异常判据,筛选出异常的感知数据;
上送模块:响应于满足上送条件,对异常感知数据进行多元信息融合,将融合数据中的有效数据上送至诊断侧;
诊断侧系统包括,
故障判断模块:根据预设的故障特征集匹配上送数据特征,检测输电线路是否存在故障;
诊断模块:响应于存在故障,根据感知数据采集设备的逻辑模型关联策略和逻辑拓扑图,进行联合诊断。
一种输电线路融合感知及联合诊断装置,包括诊断中心和若干融合感知终端;
每个融合感知终端连接有采集感知数据的若干采集设备,融合感知设备装载有采集融合侧系统;
所有融合感知设备均连接诊断中心,诊断中心装载有诊断侧系统。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行输电线路联合诊断方法。
一种计算设备,包括一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行输电线路联合诊断方法的指令。
本发明所达到的有益效果:本发明获取多种感知数据,并进行多元信息融合,基于逻辑拓扑图进行联合诊断,相较于单一数据,诊断准确性更高;同时本发明将融合在采集侧就地进行,降低了诊断侧的处理负荷,提高了诊断侧的准确率和实时响应能力。
附图说明
图1为采集融合侧方法的流程图;
图2为感知数据上送策略图;
图3为诊断侧方法的流程图;
图4为双向链状无环图;
图5为物理拓扑十字邻接表图;
图6为逻辑拓扑十字邻接表图;
图7为输电线路联合诊断装置的示意图;
图8为融合感知设备的结构框图;
图9为无源多能互补取能逻辑图。
具体实施方式
下面结合附图对本发明作进一步描述。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发明的保护范围。
一种输电线路融合感知及联合诊断方法,包括采集融合侧方法和诊断侧方法,具体如下:
如图1所示,采集融合侧方法:
A1)获取输电线路多种感知数据,并对需要过滤的数据过滤。
感知数据有多种,包括电流采样数据、图像数据、温湿度数据、高度数据、对时数据、位置数据、距离数据等等,其中有些数据需要进行过滤。
以电流采样数据和图像数据为例:
电流采样数据需要进行数字滤波处理;
图像数据需要先进行去噪处理,然后通过峰值信噪比(LSNR)进行图像质量诊断,如存在滚屏、偏色等图像质量不满足要求的图片,则直接作为异常图像传递至诊断侧进行终端告警处理等。
A2)对感知数据进行特征分析。
以电流采样数据和图像数据为例:
电流采样数据:实时计算电流采样数据的特征,包括瞬时电流、基波幅值、相位、频率、电流变化率等;
图像数据:根据简化圆形邻域局部二值模式(LBP)算法计算图像特征值,得到LBP纹理特征向量作为图像特征值。
A3)根据感知数据的特征和预设的异常判据,筛选出异常的感知数据,并记录其中异常点触发时刻。
若感知数据为电流采样数据,电流采样数据对应的异常判据为:
1)单点启动判据,实时计算连续两点特征的差值,若超过阈值,则判定出现异常点;
2)多点启动判据,实时计算连续N点的特征变化值的差值,若超过阈值,则判定出现异常点,N大于2。
若感知数据为图像数据,图像数据对应的异常判据为:
1)单张图像启动,环比前后两帧图像特征的差值,若超过阈值,则判定为异常状态图像;
2)环比固定时间段内图像特征变化值的差值,若超过判断阈值,则判定为异常状态图像。
A4)响应于满足上送条件,基于物模型对异常感知数据进行清洗,对清洗后的异常感知数据进行多元信息融合,通过数据关联性分析和加权平均法分析,获取融合数据中的有效数据并上送至诊断侧。
温湿度数据、高度数据、对时数据、位置数据、距离数据等数据的异常判断均是常见的现有技术,这里不详细描述了。
感知数据种类不同,上送也是不同的,如图2所示,电流采样数据存在采样率高、实时性要求高、数据量相对较小、诊断时需实时感知等特点,以预设固定采样间隔主动抽取或获得高速实时采集数据后,组成电流采样数据,并采用如下三种数据上送触发策略,兼顾了异常电流记录准确性与灵活性要求:
1)按较短的固定传输间隔(秒)上送感知数据;
2)如电流特征满足异常判据,则立即上送感知数据;
3)在诊断或其余需获取线路状态时,可发送命令,采集融合侧接收到命令后,立即上送感知数据。
图像数据存在数据量大,实时性要求适中等特点,特别地,诊断时及时联动启动图像采集作为必要地辅助手段,以提高异常状态诊断的准确率。所以除以预设固定间隔进行图像感知外,必须能够响应诊断侧的感知命令,获取实时图像或视频,并采用如下三种上送触发策略:
1)采用固定周期感知,按较长的固定传输间隔(小时)主动上送感知数据;
2)如图像特征满足异常判据,则立即上送感知数据;
3)在诊断或需获取线路状态时,可发送命令,采集融合侧接收到命令后,立即上送图像或视频感知数据。
温湿度、高度数据存在采样率低,实时性要求一般特点。该类感知数据采用定时感知,数据上送触发方式采用跟随方式,跟随电流、图像等感知信息一并上送。
对时数据存在实时性要求较高特点。该类感知数据采用定时主动感知,跟随终端心跳报文一并上送的策略,可满足实时性要求。
位置数据存在实时性要求较低,基本不会发生更新的特点。该类数据可在上电稳定后仅进行一次完整的主动感知及数据上送的策略。
不同类型的采集设备通常来自于不同厂家,规约私有化现象严重,现有技术多采用Mesh、LoRa等无线自组网方式,通过附加其它设备将不同规约转换为统一规约再上送诊断侧,增加了建设成本和复杂程度。
基于物模型中的特征量信息对异常感知数据进行清洗,剔除不需要的信息以及规约中冗余的信息,生产JSON格式的原始数据(可供JSON格式描述报文使用,即采集融合侧与诊断侧规约),对原始数据进行多元信息融合,通过数据关联性分析提取有效数据,通过加权平均法分析删除不可靠数据,获取融合数据中的有效数据并上送至诊断侧。
如图3所示,诊断侧方法如下:
B1)对采集融合侧上送的数据进行还原,按采集设备类型进行数据分类。
B2)根据分类采用不同的算法对数据进行预处理。
根据数据的类别采用不同预处理方法,其中,行波数据采用零模耦合行波的信号增强算法,提高数据信噪比;图像数据采用基于非监督自学习样本集卷积神经网络模型模式识别方法,提高匹配精确度;其它几类数据不需要预处理。
B3)根据预设的故障特征集匹配上送数据特征,检测输电线路是否存在故障。
B4)响应于存在故障,根据感知数据采集设备的逻辑模型关联策略和逻辑拓扑图,进行联合诊断。
采集设备拓扑可分为物理拓扑和逻辑拓扑,其中物理拓扑体现了输电线路中采集设备的GIS(地理信息系统)位置和左右关联关系;逻辑拓扑是虚拟拓扑关系,指电网故障和灾难预警分析时,各类采集设备融合关联之间的拓扑关系。
采集设备逻辑拓扑图生成过程如下:
S1)采集设备物理拓扑图建立。根据设备profile模型中的位置信息,遍历杆塔点、线路点以及各点采集设备的物理链状关系图,将采集设备挂载在正确的链路位置中。
在物理拓扑图中,以安装点为拓扑节点,每一个安装点由若干个采集设备组成,用G(V,E)表示图,V={v1,v2,v3..vn}表示安装点,E={e1,e2,e3…en}表示安装点之间的边。图4是一个双向链状无环图,是一个顶点与边的交替序列{v1,e1,v2,e2…vn,},采集设备是挂载在物理节点子节点{p1,p2,p3..pn}。
当采集设备部署后,节点pn插入到图4中,该部署点若在库中不存在,则需要新增部署点vn、pn为节点vn的子节点,vn的物理拓扑在v2与v3之间,将vn增加到集合V中,删除v2与v3的关联边e2,增加集合E中en与e(n+1)。
图4的vn节点插入时,如图5所示,点边拓扑通过十字邻接表同时描述了邻接表的正逆向关系。
S2)采集设备逻辑拓扑图生成。诊断时,需要根据联合诊断的逻辑,在采集设备物理拓扑图上关联不同联动诊断策略生成采集设备逻辑拓扑图,采集设备逻辑拓扑图为联合诊断依赖的采集设备逻辑关系。
在物理拓扑上叠加不同的策略逻辑,如R(融合终端,诊断)={摄拍、气象},根据关联策略,当融合终端产生故障预警时,同步分析邻接摄像类传感器数据和气象类传感器数据。根据输入的诊断策略,在物理拓扑邻接表基础上增加策略逻辑邻接表。如图4,v4节点左右邻接边存储传感节点包括摄拍类,邻近气象设备在节点v1和v6中,如图6在原拓扑图中增加节点V4的逻辑出边edge(v4,v1),edge(v4,v6)。
以输电线路风偏故障为例。风偏故障多发生于大风天气,多为瞬时故障,进行事后人为的故障检查分析较为困难。诊断侧对风偏故障的诊断过程如下:
步骤一,对行波数据进行预处理后和故障判断;
步骤二,根据GIS(地理信息系统)位置信息,找到拓扑图G(V,E)的节点和边,根据逻辑关联R(融合感知终端,诊断)={摄拍、气象}的逻辑关联规则,从逻辑拓扑邻接关系十字链表中直接检索与故障点相关的摄拍节点和气象节点;
步骤三,根据联合诊断专家策略,获取故障发生前后气象信息,如风向、风速、气温、湿度、气压、雨量、光辐射等信息,获取故障前后摄像头监拍的图像信息,对图形进行基于非监督自学习样本集构建卷积神经网络模型对图像进行高精度识别,通过气象、图像位移状态和诊断规则策略,输出故障发生期间线路本体发生的异常;在风偏故障中,检测到风力数据异常,结合图像发生异常线路位移,位移过程中有线路舞动而相交的动作,结合行波时间综合判断故障发送原因为风偏舞动。
步骤四,根据故障产生原因类型评估不同设备状态并制定检修策略,对于风偏舞动,结合设备信息库和历史检修库,判断线路属于几级舞动区域、区域内档距长度是否过长、相间间隔棒,防舞器等设备的安装和健康状态是否正常,通过判断结果,智能推送故障信息、故障原因以及故障检修建议。
上述方法获取多种感知数据,并进行多元信息融合,基于逻辑拓扑图进行联合诊断,相较于单一数据,诊断准确性更高;同时上述将融合在采集侧就地进行,降低了诊断侧的处理负荷,提高了诊断侧的准确率和实时响应能力。
一种输电线路融合感知及联合诊断系统,包括采集融合侧系统和诊断侧系统;
采集融合侧系统包括,
采集模块:获取输电线路多种感知数据;
特征分析模块:对感知数据进行特征分析;
异常筛选模块:根据感知数据的特征和预设的异常判据,筛选出异常的感知数据;
上送模块:响应于满足上送条件,对异常感知数据进行多元信息融合,将融合数据中的有效数据上送至诊断侧;
诊断侧系统包括,
故障判断模块:根据预设的故障特征集匹配上送数据特征,检测输电线路是否存在故障;
诊断模块:响应于存在故障,根据感知数据采集设备的逻辑模型关联策略和逻辑拓扑图,进行联合诊断。
如图7所示,一种输电线路融合感知及联合诊断装置,包括诊断中心和若干融合感知设备。
所有融合感知设备均连接诊断中心,诊断中心装载有上述的诊断侧系统。
每个融合感知设备均装载有上述的采集融合侧系统,每个融合感知设备连接有采集感知数据的若干采集设备。
融合感知设备安装在输电线路导线上,采集设备和融合感知设备可集成在一起,也可分开,采集设备主要包括电流检测传感器、温度监测传感器、超声波距离传感器、地理位置传感器、视频监控传感器等多种类型的传感器。
如图8所示,融合感知设备包括CPU处理单元、无线通讯模块和电源模块,CPU处理单元连接采集设备(即各种传感器)和无线通讯模块,电源模块进行供电。
电源模块采用了无源多能互补取能及管理技术,具体如图9所示:
无源多能互补取能技术采用的四种取能方式,分别是电流互感器取能、太阳能取能、温差取能和振动取能。电流互感器取能是通过开口电流互感器直接从输电线路上感应取能,可以在负载电流5A~1500A范围内取出足够能量给融合感知终端供电,同时给大容量电池储藏能量。太阳能取能是在融合感知设备外壳上安装一定尺寸和形状的太阳能板,将太阳能转换为电能,给融合感知设备供电,同时也给大容量电池储藏能量。温差取能是通过温差发电片将导线的热量转化为微弱的电能,并收集和储藏起来。在电流互感器取能、太阳能取能、大容量电池供电失效时,用于紧急进入低功耗模式。振动取能是通过压电片将导线振动机械能转化为微弱的电能,并收集和储藏起来。在电流互感器取能、太阳能取能、大容量电池供电失效时,用于紧急进入低功耗模式。
防护部件用于抑制输电线路电流在长期大电流和瞬态过电流时对后续电路的冲击影响。采用瞬时短路副边线圈+过压防护电路实现防护功能;防护部件用于防护太阳能板开路电压过高对后级电路的影响。
能量收集部件,分别将温差发电片、压电片输出的微弱能量(mW)收集起来,逐渐累积,最终可以通过转换电路达到后级电路所需的电压和电流。
DC/DC变换部件,分别将 CT输出和太阳能板输出的变化电压变换为稳定的电压,提供给后级能量管理电路。
储能变换部件,将收集到的微弱能量通过电路变换,作为后级小容量电池的输入。
能量管理电路是根据不同的气候环境条件、不同的取能条件选择哪种能量来源给负载供电以及如何给大容量高低温电池供电,并通过优化的控制策略实现能量的智能管控。在取能能量充足的情况下,同时给负载供电和电池充电,高温环境下,优先高温电池充电,反之优先低温电池充电;在取能能量不足的情况下,优先直接给负载供电;在没有CT和太阳能能量时,由大容量高低温电池供电,电池的使用顺序也和环境温度有关。
储能电池用于CT和太阳能取能富余能量的储藏,储能容量较大(几十AH),适合于高功耗的融合感知终端的后备供电;大容量电池用于温差、压电能量的储藏,储藏容量很小(mAH),主要用于在大容量电池能量耗尽的情况下进入低功耗模式,维持最小系统工作一段时间。
多能互补控制核心:根据四种能量的输入状态、四种备用电池的状态,动态制定能量管控策略,进行输入能量的控制与选择、电池管理等。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行输电线路联合诊断方法。
一种计算设备,包括一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行输电线路联合诊断方法的指令。
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。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.一种输电线路融合感知及联合诊断方法,其特征在于:包括,
获取输电线路多种感知数据;
对感知数据进行特征分析;
根据感知数据的特征和预设的异常判据,筛选出异常的感知数据;
响应于满足上送条件,对异常感知数据进行多元信息融合,通过数据关联性分析和加权平均法分析,获取融合数据中的有效数据并上送至诊断侧。
2.根据权利要求1所述的一种输电线路融合感知及联合诊断方法,其特征在于:若感知数据为电流采样数据,电流采样数据对应的异常判据为,
实时计算连续两点特征的差值,若超过阈值,则判定出现异常点;
实时计算连续N点的特征变化值的差值,若超过阈值,则判定出现异常点,N大于2。
3.根据权利要求1所述的一种输电线路融合感知及联合诊断方法,其特征在于:若感知数据为图像数据,图像数据对应的异常判据为,
环比前后两帧图像特征的差值,若超过阈值,则判定为异常状态图像;
环比固定时间段内图像特征变化值的差值,若超过判断阈值,则判定为异常状态图像。
4.根据权利要求1所述的一种输电线路融合感知及联合诊断方法,其特征在于:响应于满足上送条件,基于物模型对异常感知数据进行清洗,对清洗后的异常感知数据进行多元信息融合,通过数据关联性分析和加权平均法分析,获取融合数据中的有效数据并上送至诊断侧。
5.一种输电线路融合感知及联合诊断方法,其特征在于:包括,
根据预设的故障特征集匹配上送数据特征,检测输电线路是否存在故障;其中,上送数据为权利要求1~4任意一项方法中的融合数据中的有效数据;
响应于存在故障,根据感知数据采集设备的逻辑模型关联策略和逻辑拓扑图,进行联合诊断。
6.根据权利要求5所述的一种输电线路融合感知及联合诊断方法,其特征在于:在采集设备物理拓扑图上关联不同联动诊断策略生成采集设备逻辑拓扑图,采集设备逻辑拓扑图为联合诊断依赖的采集设备逻辑关系。
7.一种输电线路融合感知及联合诊断系统,其特征在于:包括采集融合侧系统和诊断侧系统;
采集融合侧系统包括,
采集模块:获取输电线路多种感知数据;
特征分析模块:对感知数据进行特征分析;
异常筛选模块:根据感知数据的特征和预设的异常判据,筛选出异常的感知数据;
上送模块:响应于满足上送条件,对异常感知数据进行多元信息融合,通过数据关联性分析和加权平均法分析,获取融合数据中的有效数据并上送至诊断侧;
诊断侧系统包括,
故障判断模块:根据预设的故障特征集匹配上送数据特征,检测输电线路是否存在故障;其中,上送数据为上送模块上送的数据;
诊断模块:响应于存在故障,根据感知数据采集设备的逻辑模型关联策略和逻辑拓扑图,进行联合诊断。
8.一种输电线路融合感知及联合诊断装置,其特征在于:包括诊断中心和若干融合感知终端;
每个融合感知终端连接有采集感知数据的若干采集设备,融合感知设备装载有权利要求7所述的采集融合侧系统;
所有融合感知设备均连接诊断中心,诊断中心装载有权利要求7所述的诊断侧系统。
9.一种存储一个或多个程序的计算机可读存储介质,其特征在于:所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至6所述的方法中的任一方法。
10.一种计算设备,其特征在于:包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至6所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350122.9A CN111555776B (zh) | 2020-04-28 | 2020-04-28 | 一种输电线路融合感知及联合诊断方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350122.9A CN111555776B (zh) | 2020-04-28 | 2020-04-28 | 一种输电线路融合感知及联合诊断方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111555776A CN111555776A (zh) | 2020-08-18 |
CN111555776B true CN111555776B (zh) | 2022-06-03 |
Family
ID=72004210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010350122.9A Active CN111555776B (zh) | 2020-04-28 | 2020-04-28 | 一种输电线路融合感知及联合诊断方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111555776B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884032B (zh) * | 2021-02-05 | 2022-05-27 | 南京振盈和信息技术有限公司 | 基于多源信息融合的实时线变关系精确诊断分析系统 |
CN113125506B (zh) * | 2021-03-01 | 2024-04-02 | 珠海广浩捷科技股份有限公司 | 光栅尺、磁栅尺的诊断方法、系统及存储介质 |
CN117421998B (zh) * | 2023-12-18 | 2024-03-12 | 国网湖北省电力有限公司经济技术研究院 | 一种基于多模态数据的输电架空线路健康状态评估系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102735966A (zh) * | 2012-06-12 | 2012-10-17 | 燕山大学 | 一种输电线路评估诊断系统和方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104283318B (zh) * | 2014-10-24 | 2016-03-23 | 国家电网公司 | 基于大数据的电力设备综合监测与预警系统及其分析方法 |
CN105988063B (zh) * | 2015-03-16 | 2019-02-05 | 武汉三相电力科技有限公司 | 一种输电线路故障隐患综合在线监测方法及装置 |
US20160337512A1 (en) * | 2015-05-11 | 2016-11-17 | Ikanos Communications, Inc. | Detecting transmission line impairments using reflectometry |
CN107493120B (zh) * | 2017-09-01 | 2021-04-06 | 南京航空航天大学 | 融合电力线载波通信与故障检测定位功能的集成化装置 |
CN109633370B (zh) * | 2018-12-08 | 2021-04-23 | 国网山东省电力公司德州供电公司 | 一种基于故障信息编码和融合方法的电网故障诊断方法 |
CN109557417B (zh) * | 2018-12-12 | 2020-09-25 | 国电南瑞科技股份有限公司 | 一种输电线路分布式行波诊断启动方法及系统 |
CN110749786A (zh) * | 2019-09-24 | 2020-02-04 | 国电南瑞科技股份有限公司 | 一种适用于电力物联网的输电线路分布式故障诊断系统 |
CN110752943B (zh) * | 2019-09-24 | 2021-09-10 | 国电南瑞科技股份有限公司 | 一种输电线路分布式故障诊断系统及方法 |
CN110868241B (zh) * | 2019-10-25 | 2022-05-13 | 袁茂银 | 基于多模型的地下电缆故障预警方法和装置 |
-
2020
- 2020-04-28 CN CN202010350122.9A patent/CN111555776B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102735966A (zh) * | 2012-06-12 | 2012-10-17 | 燕山大学 | 一种输电线路评估诊断系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111555776A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111555776B (zh) | 一种输电线路融合感知及联合诊断方法、系统及装置 | |
CN104270091B (zh) | 一种基于监控系统的光伏发电设备故障诊断方法 | |
CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和系统 | |
CN110456234B (zh) | 故障电弧的检测方法、装置和系统 | |
CN103260016A (zh) | 一种输电线路远程智能巡线方法 | |
CN110763270A (zh) | 一种基于多种信息采集的输电线路塔杆工作状况监测系统 | |
CN104048749A (zh) | 一种风电机组振动故障检测系统及方法 | |
CN112697798B (zh) | 面向红外图像的变电设备电流致热型缺陷的诊断方法和装置 | |
CN204758751U (zh) | 电力线路的故障监控设备 | |
CN106557057A (zh) | 一种输电线路智能巡检预警支撑系统 | |
CN113009212B (zh) | 一种基于物联网智能监测配电网避雷器状态的系统及方法 | |
CN112085233A (zh) | 基于站域bim数据融合多源信息的电力数字信息模型 | |
CN103944957B (zh) | 一种工业监控系统所用的离线数据采集方法及其采集系统 | |
CN115563873A (zh) | 一种电力网络的数字孪生仿真系统及方法 | |
CN103899498A (zh) | 一种风力发电机组数据采集处理系统 | |
CN114814450A (zh) | 一种配电网断线故障定位方法及系统 | |
CN104902223A (zh) | 电力线路的故障监控系统 | |
CN117614487A (zh) | 一种基于北斗系统的输电线路通信方法及系统 | |
CN103728942A (zh) | 一种风力发电机组本地数据采集处理系统 | |
CN206132904U (zh) | 新型10kv线路的智慧故障指示系统 | |
CN102497025B (zh) | 一种自动分段器的远程状态监测方法 | |
CN109521314A (zh) | 一种太阳能发电设备远程故障诊断方法 | |
CN205304734U (zh) | 光伏电站状态预测及故障诊断装置 | |
CN109507468B (zh) | 一种基于关联特征的汇流箱支路电流检测方法及系统 | |
CN204131224U (zh) | 箱变智能监控系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |