CN111650921A - 一种智能电网调控控制系统设备故障诊断方法及系统 - Google Patents
一种智能电网调控控制系统设备故障诊断方法及系统 Download PDFInfo
- Publication number
- CN111650921A CN111650921A CN202010431337.3A CN202010431337A CN111650921A CN 111650921 A CN111650921 A CN 111650921A CN 202010431337 A CN202010431337 A CN 202010431337A CN 111650921 A CN111650921 A CN 111650921A
- Authority
- CN
- China
- Prior art keywords
- fault
- equipment
- control system
- fault diagnosis
- information
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
-
- 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
本发明公开了一种智能电网调度控制系统设备故障诊断方法及系统,通过获取本地智能电网调度控制系统中设备历史故障的特征数据,梳理故障特征信息形成故障训练样本,通过神经网络对故障样本进行训练,构建故障诊断模型,提取电网的实时运行特征信息构建成诊断样本格式输入神经网络得到故障诊断结果,并在调度台以推图的形式主动告警,经调度人工确认后,生成新的故障训练样本,并更新故障诊断模型。优点:结合智能电网调度控制系统和历史数据构建设备故障诊断模型,通过在线提取设备故障特征信息,对故障信号进行模糊概率判断,提高故障诊断定位的准确性,实现电网故障的在线智能诊断,提升综合智能告警的智能化水平以及调度员的故障处置效率。
Description
技术领域
本发明涉及一种智能电网调控控制系统设备故障诊断方法及系统,属于电力系统智能分析与控制技术领域。
背景技术
随着交直流混联电网的快速发展,电网故障形态日益复杂,电能用户对于电能的质量和可靠性的要求越来越高,尤其是电能供应的连续性要求。尽管各电力系统不断采取各种有效措施以提高系统的安全运行水平,但电力系统的故障却是不可避免的。为了保障供电可靠性,保持持续不间断供电,同时在故障发生后能够快速准确的诊断出故障元件并对其隔离,尽快恢复供电,有必要在调度平台引入电力系统故障诊断功能,为调度员提供有力支撑。
目前,调控系统内的设备故障诊断主要依赖基于专家规则库的综合智能告警,对于信号质量要求较高,由于信号错漏造成的故障误漏报时有发生,影响调度员的故障处置效率,增加故障处置的难度,因此结合目前调控运行相关业务的实际需求,亟需分析特高压交直流混联、新能源和柔性负荷快速发展等电网新形态中大数据、人工智能等先进IT技术在调控业务中的应用,开展基于人工智能的故障诊断评估和辅助决策关键技术的研究,改进日常调控业务开展的模式,提高电网实时运行掌控能力,提升调控处置效率及辅助决策的智能化水平,有效应对电网运行的全新挑战。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种智能电网调控控制系统设备故障诊断方法及系统。
为解决上述技术问题,本发明提供一种智能电网调控控制系统设备故障诊断方法,其特征在于,
获取在线监视电网的各类故障特征信息,根据各类故障特征信息以设备为单位生成故障诊断样本文件;
将故障诊断样本文件输入预先训练好的基于深度学习的故障诊断模型,输出故障诊断结果文件;
解析故障诊断结果文件,保存故障特征信息以及故障简报至智能电网调度控制系统数据库,并向调度工作站推送故障报文;
根据故障报文确认故障的真实性,确认完毕后根据确认结果生成含标签的故障样本。
进一步的,所述基于深度学习的故障诊断模型的构建过程为:
获取智能电网调度控制系统数据库中的历史故障特征信息,结合调度员记录的调度日志生成含标签的历史故障样本,结合深度学习神经网络算法,构建基于深度学习的故障诊断模型。
进一步的,所述历史故障特征信息包括:
故障分析结果,从智能电网调度控制系统数据库中获取智能电网调度控制系统综合智能告警应用的故障分析结果,故障信息包括故障时间、故障设备、故障相位、重合情况;
开关动作信息,基于网络拓扑连接关系,拓扑搜索故障设备所连开关,并从数据库中获取历史故障相应开关动作信息;
保护动作信息,根据设备所属间隔与保护所属间隔的匹配关系,从智能电网调度控制系统数据库中搜索历史故障设备相关的保护动作信号;
历史遥测数据,根据设备的测点信息,获取设备的历史SCADA量测数据;
PMU数据,根据设备的PMU测点信息,获取设备的历史PMU量测数据;
基于智能电网调度控制系统,建立历史故障标签,判定故障是否真实发生,在调度日志里面有记录的为真实故障,无相关记录的为误报故障。
进一步的,所述故障诊断样本文件为E格式,内容包括:故障是否为误报、故障设备、线路故障重合情况、开关动作序列、第一套事故类保护动作情况、第二套事故类保护动作情况、异常类保护动作情况、重合闸动作情况、遥测数据、PMU数据。
进一步的,所述将故障诊断样本文件输入预先训练好的基于深度学习的故障诊断模型,输出故障诊断结果文件的过程为:
输入故障诊断样本文件;
预先设定触发条件,触发条件包括开关动作、保护动作或遥测变化的任意一个或自由组合,根据输入的故障诊断样本文件判断,当满足触发条件后,将时段内的所有特征信号汇集成故障特征文件;
故障特征文件经基于深度学习的故障诊断模型计算输出故障诊断结果文件。
进一步的,所述解析故障诊断结果文件,保存故障特征信息以及故障简报至智能电网调度控制系统数据库,并向调度工作站推送故障报文的过程为:
解析故障诊断结果文件,如果故障概率大于设定的阀值,则认为实际发生故障,保存故障信息以及故障特征信息到数据库中,并向客户端发送故障报文;
客户端部署常驻进程,接收故障报文,根据故障索引输出故障诊断结果;
将故障诊断结果推送界面,界面展示故障概要信息以及故障详细的特征信息。
进一步的,所述根据故障报文确认故障的真实性,确认完毕后根据确认结果生成含标签的故障样本的过程为:
通过界面展示的信息对故障性质进行确认,确认完毕后根据确认结果生成含标签的故障样本,将含标签的故障样本发送给故障诊断服务器;
诊断服务器常驻进程接收到含标签的故障样本后,生成与历史故障训练样本文件格式相同的训练样本文件,并以此更新故障诊断模型。
一种智能电网调控控制系统设备故障诊断系统,包括:
获取模块,用于获取在线监视电网的各类故障特征信息,根据各类故障特征信息以设备为单位生成故障诊断样本文件;
诊断模型模块,用于将故障诊断样本文件输入预先训练好的基于深度学习的故障诊断模型,输出故障诊断结果文件;
解析模块,用于解析故障诊断结果文件,保存故障特征信息以及故障简报至智能电网调度控制系统数据库,并向调度工作站推送故障报文;
确认模块,用于根据故障报文确认故障的真实性,确认完毕后根据确认结果生成含标签的故障样本。
进一步的,所述诊断模型模块包括模型预构模块,用于获取智能电网调度控制系统数据库中的历史故障特征信息,结合调度员记录的调度日志生成含标签的历史故障样本,结合深度学习神经网络算法,构建基于深度学习的故障诊断模型。
进一步的,所述诊断模型模块包括历史故障特征信息获取模块,用于获取历史故障特征信息,所述历史故障特征信息包括:
故障分析结果,从智能电网调度控制系统数据库中获取智能电网调度控制系统综合智能告警应用的故障分析结果,故障信息包括故障时间、故障设备、故障相位、重合情况;
开关动作信息,基于网络拓扑连接关系,拓扑搜索故障设备所连开关,并从数据库中获取历史故障相应开关动作信息;
保护动作信息,根据设备所属间隔与保护所属间隔的匹配关系,从智能电网调度控制系统数据库中搜索历史故障设备相关的保护动作信号;
历史遥测数据,根据设备的测点信息,获取设备的历史SCADA量测数据;
PMU数据,根据设备的PMU测点信息,获取设备的历史PMU量测数据;
基于智能电网调度控制系统,建立历史故障标签,判定故障是否真实发生,在调度日志里面有记录的为真实故障,无相关记录的为误报故障。
进一步的,所述获取模块包括生成模块,用于生成故障诊断样本文件;
所述故障诊断样本文件为E格式,内容包括:故障是否为误报、故障设备、线路故障重合情况、开关动作序列、第一套事故类保护动作情况、第二套事故类保护动作情况、异常类保护动作情况、重合闸动作情况、遥测数据、PMU数据。
进一步的,所述输出模块包括:
接收模块,用于输入故障诊断样本文件;
预设模块,用于预先设定触发条件,触发条件包括开关动作、保护动作或遥测变化的任意一个或自由组合,根据输入的故障诊断样本文件判断,当满足触发条件后,将时段内的所有特征信号汇集成故障特征文件;
计算模块,用于故障特征文件经基于深度学习的故障诊断模型计算输出故障诊断结果文件。
进一步的,所述解析模块包括:
判断模块,用于解析故障诊断结果文件,如果故障概率大于设定的阀值,则认为实际发生故障,保存故障信息以及故障特征信息到数据库中,并向客户端发送故障报文;
推送展示模块,用于在客户端部署常驻进程,接收故障报文,根据故障索引输出故障诊断结果;将故障诊断结果推送界面,界面展示故障概要信息以及故障详细的特征信息。
进一步的,所述确认模块包括:
确认发送模块,用于通过界面展示的信息对故障性质进行确认,确认完毕后根据确认结果生成含标签的故障样本,将含标签的故障样本发送给故障诊断服务器;
更新模块,用于诊断服务器常驻进程接收到含标签的故障样本后,生成与历史故障训练样本文件格式相同的训练样本文件,并以此更新故障诊断模型。
本发明所达到的有益效果:
结合人工智能技术以及智能电网调度控制系统的模型和历史数据构建设备故障诊断模型,通过在线提取设备故障特征信息,对故障信号进行模糊概率判断,提高故障诊断定位的准确性,实现电网故障的在线智能诊断,提升综合智能告警的智能化水平以及调度员的故障处置效率。
附图说明
图1是本发明的流程示意图。
具体实施方式
为使得本发明的发明目的、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。
如图1所示,一种智能电网调控控制系统设备故障诊断方法,通过提取本地智能电网调度控制系统中设备历史故障的特征数据,包括开关变位、保护信号、遥测数据、PMU(相量测量装置Phasor Measurement Unit)数据等,梳理故障特征信息形成故障训练样本,通过神经网络对故障样本进行训练,构建故障诊断模型,提取电网的实时运行特征信息构建成诊断样本格式输入神经网络得到故障诊断结果,并在调度台以推图的形式主动告警,经调度人工确认后,生成新的故障训练样本,并更新故障诊断模型。
通过访问智能电网调度控制系统数据库中的历史故障特征信息,包括故障分析结果、开关动作信息、保护动作信息、历史遥测数据、PMU数据等。其中,开关动作信息基于网络拓扑连接关系,拓扑搜索故障设备所连开关,并从数据表中获取历史故障相应开关动作信息,包括开关名称、动作时间、分合状态等;保护动作信息根据设备所属间隔与保护所属间隔的匹配关系,从数据表中搜索历史故障设备相关的保护信号,包括保护名称、动作时间、信号类型、信号级别等;历史遥测数据根据设备的测点信息,获取设备的历史SCADA(数据采集与监视控制系统Supervisory Control And Data Acquisition)量测数据,包括电压、电流、有功等数据,历史数据间隔为1分钟1个点,特征提取故障前4分钟后6分钟共10个点的量测数据;PMU数据根据设备的PMU测点信息,获取设备的历史PMU量测数据,包括三相电压/功角、三相电流/相角等数据,历史数据间隔为1秒25个点,特征提取故障前2秒后3秒共125个点的PMU数据。同时,结合调度员记录的调度日志生成含标签的历史故障样本,结合深度学习神经网络算法,构建故障诊断模型。
在线监视电网的各类故障特征信息,包括通过消息总线实时接收开关动作信息与保护动作信息,通过访问实时库获取设备的实时量测,通过WAMS应用提供的数据接口获取PMU数据,以设备为单位生成故障诊断样本文件,包括通过消息总线实时接收开关动作信息与保护动作信息,通过访问实时库获取设备的实时量测,通过WAMS应用提供的数据接口获取PMU数据,作为故障诊断模型的输入信息,经诊断输出故障诊断结果文件,返回的文件为E格式,内容包括故障设备、故障时间、重合情况(只针对线路故障)、故障概率等。
经解析故障诊断结果文件,保存故障特征信息以及故障简报至智能电网调度控制系统数据库,并向调度工作站推送故障报文,故障信息以人机界面的方式推送给调度员。调度员可在人机界面上确认故障的真实性,确认完毕后根据确认结果生成含标签的故障样本,完善故障诊断模型。
相应的本发明还提供一种智能电网调控控制系统设备故障诊断系统,包括获取模块、诊断模型模块、解析模块、确认模块。
获取模块从智能电网调度控制系统数据库中的历史故障特征信息,包括故障分析结果、开关动作信息、保护动作信息、历史遥测数据、PMU数据等。其中,开关动作信息基于网络拓扑连接关系,拓扑搜索故障设备所连开关,并从数据表中获取历史故障相应开关动作信息,包括开关名称、动作时间、分合状态等;保护动作信息根据设备所属间隔与保护所属间隔的匹配关系,从数据表中搜索历史故障设备相关的保护信号,包括保护名称、动作时间、信号类型、信号级别等;历史遥测数据根据设备的测点信息,获取设备的历史SCADA量测数据,包括电压、电流、有功等数据,历史数据间隔为1分钟1个点,特征提取故障前4分钟后6分钟共10个点的量测数据;PMU数据根据设备的PMU测点信息,获取设备的历史PMU量测数据,包括三相电压/功角、三相电流/相角等数据,历史数据间隔为1秒25个点,特征提取故障前2秒后3秒共125个点的PMU数据,(参数可根据实际情况进行配置)提取的故障特征信息以故障事件为单位整理成故障样本文件。
获取模块还获取在线监视电网的各类故障特征信息,诊断模型模块接收来自于故障特征提取模块的样本文件,结合深度学习算法(可以为开源的第三方算法库),构建故障诊断模型。
解析模块在线监视电网的各类故障特征信息,包括通过消息总线实时接收开关动作信息与保护动作信息,通过访问实时库获取设备的实时量测,通过WAMS应用提供的数据接口获取PMU数据,以设备为单位生成故障诊断样本文件,包括通过消息总线实时接收开关动作信息与保护动作信息,通过访问实时库获取设备的实时量测,通过WAMS应用提供的数据接口获取PMU数据,作为故障诊断模型的输入信息,经诊断输出故障诊断结果文件,返回的文件为E格式(符合电力系统数据标记语言-E语言的文件格式,详细信息参考《电力系统标记语言-E语言规范》,由国家电网公司电力调度通信中心牵头制定),内容包括故障设备、故障时间、重合情况(只针对线路故障)、故障概率等,故障诊断结果文件解析后经消息总线发送至客户端。
确认模块部署在客户端,收到来自与在线故障诊断模块的故障消息,并在客户端推送故障告警界面,界面展示故障概要信息以及详细的故障特征信息,调度员可在故障告警界面人工确认故障性质(真实故障、误报、检修等),人工确认结果返回至服务器,生成当前故障的训练样本文件至诊断模型训练模块,更新故障诊断模型。
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,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (14)
1.一种智能电网调控控制系统设备故障诊断方法,其特征在于,
获取在线监视电网的各类故障特征信息,根据各类故障特征信息以设备为单位生成故障诊断样本文件;
将故障诊断样本文件输入预先训练好的基于深度学习的故障诊断模型,输出故障诊断结果文件;
解析故障诊断结果文件,保存故障特征信息以及故障简报至智能电网调度控制系统数据库,并向调度工作站推送故障报文;
根据故障报文确认故障的真实性,确认完毕后根据确认结果生成含标签的故障样本。
2.根据权利要求1所述的智能电网调控控制系统设备故障诊断方法,其特征在于,所述基于深度学习的故障诊断模型的构建过程为:
获取智能电网调度控制系统数据库中的历史故障特征信息,结合调度员记录的调度日志生成含标签的历史故障样本,结合深度学习神经网络算法,构建基于深度学习的故障诊断模型。
3.根据权利要求2所述的智能电网调控控制系统设备故障诊断方法,其特征在于,所述历史故障特征信息包括:
故障分析结果,从智能电网调度控制系统数据库中获取智能电网调度控制系统综合智能告警应用的故障分析结果,故障信息包括故障时间、故障设备、故障相位、重合情况;
开关动作信息,基于网络拓扑连接关系,拓扑搜索故障设备所连开关,并从数据库中获取历史故障相应开关动作信息;
保护动作信息,根据设备所属间隔与保护所属间隔的匹配关系,从智能电网调度控制系统数据库中搜索历史故障设备相关的保护动作信号;
历史遥测数据,根据设备的测点信息,获取设备的历史SCADA量测数据;
PMU数据,根据设备的PMU测点信息,获取设备的历史PMU量测数据;
基于智能电网调度控制系统,建立历史故障标签,判定故障是否真实发生,在调度日志里面有记录的为真实故障,无相关记录的为误报故障。
4.根据权利要求1所述的智能电网调控控制系统设备故障诊断方法,其特征在于,所述故障诊断样本文件为E格式,内容包括:故障是否为误报、故障设备、线路故障重合情况、开关动作序列、第一套事故类保护动作情况、第二套事故类保护动作情况、异常类保护动作情况、重合闸动作情况、遥测数据、PMU数据。
5.根据权利要求1所述的智能电网调控控制系统设备故障诊断方法,其特征在于,所述将故障诊断样本文件输入预先训练好的基于深度学习的故障诊断模型,输出故障诊断结果文件的过程为:
输入故障诊断样本文件;
预先设定触发条件,触发条件包括开关动作、保护动作或遥测变化的任意一个或自由组合,根据输入的故障诊断样本文件判断,当满足触发条件后,将时段内的所有特征信号汇集成故障特征文件;
故障特征文件经基于深度学习的故障诊断模型计算输出故障诊断结果文件。
6.根据权利要求1所述的智能电网调控控制系统设备故障诊断方法,其特征在于,所述解析故障诊断结果文件,保存故障特征信息以及故障简报至智能电网调度控制系统数据库,并向调度工作站推送故障报文的过程为:
解析故障诊断结果文件,如果故障概率大于设定的阀值,则认为实际发生故障,保存故障信息以及故障特征信息到数据库中,并向客户端发送故障报文;
客户端部署常驻进程,接收故障报文,根据故障索引输出故障诊断结果;
将故障诊断结果推送界面,界面展示故障概要信息以及故障详细的特征信息。
7.根据权利要求1所述的智能电网调控控制系统设备故障诊断方法,其特征在于,所述根据故障报文确认故障的真实性,确认完毕后根据确认结果生成含标签的故障样本的过程为:
通过界面展示的信息对故障性质进行确认,确认完毕后根据确认结果生成含标签的故障样本,将含标签的故障样本发送给故障诊断服务器;
诊断服务器常驻进程接收到含标签的故障样本后,生成与历史故障训练样本文件格式相同的训练样本文件,并以此更新故障诊断模型。
8.一种智能电网调控控制系统设备故障诊断系统,其特征在于,包括:
获取模块,用于获取在线监视电网的各类故障特征信息,根据各类故障特征信息以设备为单位生成故障诊断样本文件;
诊断模型模块,用于将故障诊断样本文件输入预先训练好的基于深度学习的故障诊断模型,输出故障诊断结果文件;
解析模块,用于解析故障诊断结果文件,保存故障特征信息以及故障简报至智能电网调度控制系统数据库,并向调度工作站推送故障报文;
确认模块,用于根据故障报文确认故障的真实性,确认完毕后根据确认结果生成含标签的故障样本。
9.根据权利要求8所述的智能电网调控控制系统设备故障诊断系统,其特征在于,所述诊断模块包括模型预构模块,用于获取智能电网调度控制系统数据库中的历史故障特征信息,结合调度员记录的调度日志生成含标签的历史故障样本,结合深度学习神经网络算法,构建基于深度学习的故障诊断模型。
10.根据权利要求9所述的智能电网调控控制系统设备故障诊断系统,其特征在于,所述诊断模型模块包括历史故障特征信息获取模块,用于获取历史故障特征信息,所述历史故障特征信息包括:
故障分析结果,从智能电网调度控制系统数据库中获取智能电网调度控制系统综合智能告警应用的故障分析结果,故障信息包括故障时间、故障设备、故障相位、重合情况;
开关动作信息,基于网络拓扑连接关系,拓扑搜索故障设备所连开关,并从数据库中获取历史故障相应开关动作信息;
保护动作信息,根据设备所属间隔与保护所属间隔的匹配关系,从智能电网调度控制系统数据库中搜索历史故障设备相关的保护动作信号;
历史遥测数据,根据设备的测点信息,获取设备的历史SCADA量测数据;
PMU数据,根据设备的PMU测点信息,获取设备的历史PMU量测数据;
基于智能电网调度控制系统,建立历史故障标签,判定故障是否真实发生,在调度日志里面有记录的为真实故障,无相关记录的为误报故障。
11.根据权利要求8所述的智能电网调控控制系统设备故障诊断系统,其特征在于,所述获取模块包括生成模块,用于生成故障诊断样本文件;
所述故障诊断样本文件为E格式,内容包括:故障是否为误报、故障设备、线路故障重合情况、开关动作序列、第一套事故类保护动作情况、第二套事故类保护动作情况、异常类保护动作情况、重合闸动作情况、遥测数据、PMU数据。
12.根据权利要求8所述的智能电网调控控制系统设备故障诊断系统,其特征在于,所述诊断模型模块包括:
接收模块,用于输入故障诊断样本文件;
预设模块,用于预先设定触发条件,触发条件包括开关动作、保护动作或遥测变化的任意一个或自由组合,根据输入的故障诊断样本文件判断,当满足触发条件后,将时段内的所有特征信号汇集成故障特征文件;
计算模块,用于故障特征文件经基于深度学习的故障诊断模型计算输出故障诊断结果文件。
13.根据权利要求8所述的智能电网调控控制系统设备故障诊断系统,其特征在于,所述解析模块包括:
判断模块,用于解析故障诊断结果文件,如果故障概率大于设定的阀值,则认为实际发生故障,保存故障信息以及故障特征信息到数据库中,并向客户端发送故障报文;
推送展示模块,用于在客户端部署常驻进程,接收故障报文,根据故障索引输出故障诊断结果;将故障诊断结果推送界面,界面展示故障概要信息以及故障详细的特征信息。
14.根据权利要求8所述的智能电网调控控制系统设备故障诊断系统,其特征在于,所述确认模块包括:
确认发送模块,用于通过界面展示的信息对故障性质进行确认,确认完毕后根据确认结果生成含标签的故障样本,将含标签的故障样本发送给故障诊断服务器;
更新模块,用于诊断服务器常驻进程接收到含标签的故障样本后,生成与历史故障训练样本文件格式相同的训练样本文件,并以此更新故障诊断模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010431337.3A CN111650921A (zh) | 2020-05-20 | 2020-05-20 | 一种智能电网调控控制系统设备故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010431337.3A CN111650921A (zh) | 2020-05-20 | 2020-05-20 | 一种智能电网调控控制系统设备故障诊断方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111650921A true CN111650921A (zh) | 2020-09-11 |
Family
ID=72345896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010431337.3A Pending CN111650921A (zh) | 2020-05-20 | 2020-05-20 | 一种智能电网调控控制系统设备故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111650921A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112131852A (zh) * | 2020-09-14 | 2020-12-25 | 中国南方电网有限责任公司超高压输电公司昆明局 | 换流站故障报告自动生成方法、装置、电子设备及存储介质 |
CN112285484A (zh) * | 2020-10-15 | 2021-01-29 | 国家电网公司华北分部 | 基于深度神经网络的电力系统故障诊断信息融合方法及装置 |
CN112327096A (zh) * | 2020-10-15 | 2021-02-05 | 国家电网公司华北分部 | 一种基于自适应策略的故障诊断信息融合方法及装置 |
CN112699104A (zh) * | 2020-12-11 | 2021-04-23 | 国网宁夏电力有限公司吴忠供电公司 | 一种电力设备的智能传感器的数据处理方法及智能传感器 |
CN112731827A (zh) * | 2020-12-11 | 2021-04-30 | 国网宁夏电力有限公司吴忠供电公司 | 一种用于电力设备的智能传感器的监控系统 |
CN112769231A (zh) * | 2020-12-24 | 2021-05-07 | 深圳供电局有限公司 | 智能电网调度控制系统的主配一体化告警推送方法和装置 |
CN112818008A (zh) * | 2021-01-21 | 2021-05-18 | 中广核工程有限公司 | 核电调试故障智能诊断的方法、系统、介质及电子设备 |
CN113110401A (zh) * | 2021-05-21 | 2021-07-13 | 广东美房智高机器人有限公司 | 一种智能生成机器人故障解决方案的方法 |
CN113240289A (zh) * | 2021-05-17 | 2021-08-10 | 国电南瑞南京控制系统有限公司 | 一种电网调度控制系统运行状态评估方法及系统 |
CN113298110A (zh) * | 2021-03-24 | 2021-08-24 | 国网河北省电力有限公司沧州供电分公司 | 一种海底电缆故障诊断方法、装置及设备 |
CN113765100A (zh) * | 2021-09-10 | 2021-12-07 | 国网上海市电力公司 | 一种电网故障处理系统及方法 |
CN113850017A (zh) * | 2021-08-27 | 2021-12-28 | 国家电网有限公司 | 一种基于潮流变化图谱的系统级故障分析系统及方法 |
CN114035537A (zh) * | 2021-10-22 | 2022-02-11 | 上海发电设备成套设计研究院有限责任公司 | 一种燃气轮机控制系统综合诊断平台及方法 |
CN114113909A (zh) * | 2021-12-03 | 2022-03-01 | 国网四川省电力公司营销服务中心 | 一种配电网单相接地故障选线方法及系统 |
CN114252716A (zh) * | 2021-12-06 | 2022-03-29 | 深圳供电局有限公司 | 一种电网故障诊断方法与装置、存储介质 |
CN117495338A (zh) * | 2023-09-30 | 2024-02-02 | 国网江苏省电力有限公司信息通信分公司 | 基于自动化运维的系统故障诊断与修复方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102142716A (zh) * | 2011-02-17 | 2011-08-03 | 国电南瑞科技股份有限公司 | 一种基于三态数据多维协同处理的电网在线故障诊断方法 |
CN106646030A (zh) * | 2016-11-15 | 2017-05-10 | 国家电网公司 | 基于多数据源及专家规则库的电网故障诊断方法及装置 |
CN107766879A (zh) * | 2017-09-30 | 2018-03-06 | 中国南方电网有限责任公司 | 基于特征信息抽取的mlp电网故障原因诊断方法 |
CN110717665A (zh) * | 2019-09-30 | 2020-01-21 | 国家电网有限公司 | 基于调度控制系统故障辨识及趋性分析系统和方法 |
-
2020
- 2020-05-20 CN CN202010431337.3A patent/CN111650921A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102142716A (zh) * | 2011-02-17 | 2011-08-03 | 国电南瑞科技股份有限公司 | 一种基于三态数据多维协同处理的电网在线故障诊断方法 |
CN106646030A (zh) * | 2016-11-15 | 2017-05-10 | 国家电网公司 | 基于多数据源及专家规则库的电网故障诊断方法及装置 |
CN107766879A (zh) * | 2017-09-30 | 2018-03-06 | 中国南方电网有限责任公司 | 基于特征信息抽取的mlp电网故障原因诊断方法 |
CN110717665A (zh) * | 2019-09-30 | 2020-01-21 | 国家电网有限公司 | 基于调度控制系统故障辨识及趋性分析系统和方法 |
Non-Patent Citations (4)
Title |
---|
何正友等: "《智能信息处理在电网故障诊断中的应用》", 西南交通大学出版社, pages: 1 - 6 * |
王守鹏等: "电网故障诊断的研究综述与前景展望", 《电力系统自动化》, 10 October 2017 (2017-10-10) * |
闪鑫等: "人工智能应用于电网调控的关键技术分析", 《电力系统自动化》 * |
闪鑫等: "人工智能应用于电网调控的关键技术分析", 《电力系统自动化》, 10 January 2019 (2019-01-10) * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112131852A (zh) * | 2020-09-14 | 2020-12-25 | 中国南方电网有限责任公司超高压输电公司昆明局 | 换流站故障报告自动生成方法、装置、电子设备及存储介质 |
CN112285484A (zh) * | 2020-10-15 | 2021-01-29 | 国家电网公司华北分部 | 基于深度神经网络的电力系统故障诊断信息融合方法及装置 |
CN112327096A (zh) * | 2020-10-15 | 2021-02-05 | 国家电网公司华北分部 | 一种基于自适应策略的故障诊断信息融合方法及装置 |
CN112327096B (zh) * | 2020-10-15 | 2022-11-04 | 国家电网公司华北分部 | 一种基于自适应策略的故障诊断信息融合方法及装置 |
CN112285484B (zh) * | 2020-10-15 | 2022-10-11 | 国家电网公司华北分部 | 基于深度神经网络的电力系统故障诊断信息融合方法及装置 |
CN112699104A (zh) * | 2020-12-11 | 2021-04-23 | 国网宁夏电力有限公司吴忠供电公司 | 一种电力设备的智能传感器的数据处理方法及智能传感器 |
CN112731827A (zh) * | 2020-12-11 | 2021-04-30 | 国网宁夏电力有限公司吴忠供电公司 | 一种用于电力设备的智能传感器的监控系统 |
CN112699104B (zh) * | 2020-12-11 | 2023-04-07 | 国网宁夏电力有限公司吴忠供电公司 | 一种电力设备的智能传感器的数据处理方法及智能传感器 |
CN112769231B (zh) * | 2020-12-24 | 2022-10-11 | 深圳供电局有限公司 | 智能电网调度控制系统的主配一体化告警推送方法和装置 |
CN112769231A (zh) * | 2020-12-24 | 2021-05-07 | 深圳供电局有限公司 | 智能电网调度控制系统的主配一体化告警推送方法和装置 |
CN112818008A (zh) * | 2021-01-21 | 2021-05-18 | 中广核工程有限公司 | 核电调试故障智能诊断的方法、系统、介质及电子设备 |
CN113298110A (zh) * | 2021-03-24 | 2021-08-24 | 国网河北省电力有限公司沧州供电分公司 | 一种海底电缆故障诊断方法、装置及设备 |
CN113240289A (zh) * | 2021-05-17 | 2021-08-10 | 国电南瑞南京控制系统有限公司 | 一种电网调度控制系统运行状态评估方法及系统 |
CN113240289B (zh) * | 2021-05-17 | 2022-07-29 | 国电南瑞南京控制系统有限公司 | 一种电网调度控制系统运行状态评估方法及系统 |
CN113110401A (zh) * | 2021-05-21 | 2021-07-13 | 广东美房智高机器人有限公司 | 一种智能生成机器人故障解决方案的方法 |
CN113110401B (zh) * | 2021-05-21 | 2022-08-05 | 广东美房智高机器人有限公司 | 一种智能生成机器人故障解决方案的方法 |
CN113850017B (zh) * | 2021-08-27 | 2024-04-02 | 国家电网有限公司 | 一种基于潮流变化图谱的系统级故障分析系统及方法 |
CN113850017A (zh) * | 2021-08-27 | 2021-12-28 | 国家电网有限公司 | 一种基于潮流变化图谱的系统级故障分析系统及方法 |
CN113765100A (zh) * | 2021-09-10 | 2021-12-07 | 国网上海市电力公司 | 一种电网故障处理系统及方法 |
CN114035537B (zh) * | 2021-10-22 | 2024-03-01 | 上海发电设备成套设计研究院有限责任公司 | 一种燃气轮机控制系统综合诊断平台及方法 |
CN114035537A (zh) * | 2021-10-22 | 2022-02-11 | 上海发电设备成套设计研究院有限责任公司 | 一种燃气轮机控制系统综合诊断平台及方法 |
CN114113909A (zh) * | 2021-12-03 | 2022-03-01 | 国网四川省电力公司营销服务中心 | 一种配电网单相接地故障选线方法及系统 |
CN114252716A (zh) * | 2021-12-06 | 2022-03-29 | 深圳供电局有限公司 | 一种电网故障诊断方法与装置、存储介质 |
CN117495338A (zh) * | 2023-09-30 | 2024-02-02 | 国网江苏省电力有限公司信息通信分公司 | 基于自动化运维的系统故障诊断与修复方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111650921A (zh) | 一种智能电网调控控制系统设备故障诊断方法及系统 | |
CN107609569B (zh) | 一种基于多维特征向量的配电网接地故障定位方法 | |
CN101577426B (zh) | 适用于广域测量系统的电力系统状态估计器 | |
CN108268706B (zh) | 面向一体化监控系统智能告警应用的闭环测试系统及方法 | |
CN105740140A (zh) | 软件系统故障诊断方法、服务器及系统 | |
CN110068746A (zh) | 电网故障诊断分析方法及系统 | |
CN107069960A (zh) | 一种二次运维管理系统的在线缺陷诊断方法 | |
CN112464995A (zh) | 一种基于决策树算法的电网配变故障诊断方法及系统 | |
CN111049131B (zh) | 一种地区电网在线故障处置预案生成方法及系统 | |
CN113409162A (zh) | 一种基于智能事件处理的集控站设备监控系统及控制方法 | |
CN108596450B (zh) | 电网风险预警方法和系统 | |
CN114814603A (zh) | 一种储能电站故障智能定位方法和系统 | |
CN111626542B (zh) | 一种用于发电机励磁系统的基于大数据的检测方法 | |
CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
CN115618303B (zh) | 基于信息融合技术的调度自动化监测及故障定位系统 | |
CN116094174A (zh) | 基于知识图谱的电网运维监控方法、系统、设备及介质 | |
CN110826735A (zh) | 一种电力scada智能多维查询检修方法 | |
CN113268844B (zh) | 一种用于电力线路的故障设备获取方法、装置、设备 | |
CN111539642B (zh) | 一种基于面向对象的电厂数据采集处理系统及其方法 | |
CN112165167B (zh) | 一种智能变电站继电保护检修辅助系统及方法 | |
CN114626440A (zh) | 一种监控信号的对象化分析方法及装置 | |
CN113129160A (zh) | 一种基于设备状态感知和智能化的电力通信网络巡检方法 | |
CN116859159A (zh) | 一种基于数字孪生模型的电力变压器故障监测管理系统 | |
Zhida et al. | Practical research on on-line monitoring and control function module of relay protection in smart substation | |
CN117978837A (zh) | 一种电力数据采集传输方法及其系统 |
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 |