CN111857015B - 输变电云端智能控制器 - Google Patents

Abstract

本发明提出输变电云端智能控制器。所述智能控制器与多个边缘计算终端无线通信，包括控制模型数据库，所述控制模型数据库包括多种数据控制模型。智能控制器基于初始静态设备状态参数匹配出数据控制模型下载至边缘计算终端；边缘计算终端基于所述智能输变电设备发送的动态运营状态参数，对所述数据控制模型进行训练；将所述训练后的数据控制模型发送至智能控制器，所述智能控制器将所述控制模型数据库中保存的数据控制模型与所述训练后的数据控制模型进行比较后，基于比较结果决定是否更新所述控制模型数据库。本发明的技术方案利用边缘计算技术与集中控制技术相结合，实现了边缘计算终端与输变电设备的动态匹配，提高了控制效率。

Description

输变电云端智能控制器

技术领域

本发明属于智能控制技术领域，尤其涉及一种输变电云端智能控制器。

背景技术

随着社会的发展，城市建筑以及公共区域的基础设施增加，人们对我国电力的需求越来越高，电力系统的规模也越来越大。目前我国已经进入了第三代电网时代，即智能电网时代。

智能电网的实现，首先依赖于电网6个环节：发电、输电、变电、配电供电和调度。重要运行参数的在线监测和实时信息掌控以及设备的智能化物联网以其强大的信息采集和交互能力，是智能电网智能信息感知末梢和不可或缺的基础环节，将渗透到发电环节的接入到检测变电的生产管理安全评估与监督配电的自动化用电的采集以及营销等各个环节。在电网建设、生产管理、运行维护、信息采集、安全监控、计量应用和用户交互等方面将发挥巨大作用。

在整个电力工业系统中，输变电线路的状态监测和控制对数据存储与处理平台的性能或实时性具有较高的要求。云计算是一种新兴的计算模型，具备可靠性高、数据处理量巨大、灵活可扩展以及设备利用率高等优势，这给上述问题的解决带来了机遇。

申请号为CN201910762008的中国发明专利申请提出一种变电站设备状态监测全景分析系统，包括三维建模平台、大数据分析平台、在线监测装置和三维全景展示平台，在设备运维精益管理系统的基础上，全面站内监测数据、输变电状态监测等专业平台多源数据，搭建基于″云大物移″的电网运检智能化监控分析系统，全面提升设备状态管控力和运检管理穿透力；运用三维扫描和三维重构等技术，实现对变电站、输电线路走廊、地下管网等的三维实景精确构建，提供GIS三维扩展应用及服务，依托现有的运检信息化平台及系统进行多系统融合，实现自主智能导航；利用大数据分析技术，融合多元数据，实现数据驱动的设备状态主动推送功能，提高了设备状态评价诊断的智能化和自动化水平。

申请号为CN202010257668的中国发明专利申请提出一种融合边缘计算和深度学习的输变电设备状态在线监测方法，所述方法通过监测设备层完成输变电设备图像信息的采集；边缘网络层实现监测设备层与边缘服务器层之间的相互通信；边缘服务器层将采集的输变电设备图像信息进行预处理；移动核心网层实现边缘服务器层与云服务器层之间的相互通信；由云服务器层根据融合边缘计算和已训练的深度学习模型完成输变电设备状态分类及故障识别。相比于现有的输变电设备状态在线监测方法，该输变电设备状态在线监测技术具有识别精度高、传输时延低、成本低等优点。

然而，云计算技术虽然可以有效地处理大数据，但是面对海量监测数据时，很难满足现场实时性的要求；采用边缘计算技术虽然可以在本地实时进行数据处理，但是相比云计算，边缘计算终端的本身的性能相对有限，无法处理动态变化的复杂情况。此外，云计算是付费应用，如果将大量的数据均发送至云端控制，不仅带来额外的数据流量费用，无法达到实时性效果，还会导致数据传输堵塞。

□

发明内容

为解决上述技术问题，本发明提出一种输变电云端智能控制器。所述智能控制器与多个边缘计算终端无线通信，包括控制模型数据库，所述控制模型数据库包括多种数据控制模型。智能控制器基于初始静态设备状态参数匹配出数据控制模型下载至边缘计算终端；边缘计算终端基于所述智能输变电设备发送的动态运营状态参数，对所述数据控制模型进行训练；将所述训练后的数据控制模型发送至智能控制器，所述智能控制器将所述控制模型数据库中保存的数据控制模型与所述训练后的数据控制模型进行比较后，基于比较结果决定是否更新所述控制模型数据库。本发明的技术方案利用边缘计算技术与集中控制技术相结合，实现了边缘计算终端与输变电设备的动态匹配，提高了控制效率。

具体而言，所述智能控制器与多个边缘计算终端无线通信；

所述多个边缘计算终端的每一个与一组输变电设备进行数据通信，每组输变电设备包括至少一个智能输变电设备；

所述智能控制器还包括控制模型数据库，所述控制模型数据库包括多种数据控制模型；

所述边缘计算终端获取所述智能输变电设备的静态设备状态参数，将所述初始静态设备状态参数进行预处理后，发送至所述智能控制器；

所述智能控制器基于所述初始静态设备状态参数，从所述控制模型数据库中匹配出至少一种数据控制模型，通过无线通信链路下载至所述边缘计算终端；

所述边缘计算终端基于所述智能输变电设备发送的动态运营状态参数，对所述数据控制模型进行训练；

将所述训练后的数据控制模型发送至智能控制器，所述智能控制器将所述控制模型数据库中保存的数据控制模型与所述训练后的数据控制模型进行比较后，基于比较结果，决定是否更新所述控制模型数据库。

在本发明中，所述智能输变电设备为多个；

基于所述多个智能输变电设备的拓扑连接关系，将所述多个智能输变电设备进行分组，并将分组信息上传至所述控制模型数据库；

所述分组信息包括每组包含的智能输变电设备的数量、每个智能输变电设备的输入输出时延、输入负载和输出负载。

所述多种数据控制模型包括神经网络模型、Petri网表示网络模型以及谓词逻辑表示网络模型。

所述智能控制器获取所述多个边缘计算终端的性能参数，结合所述分组信息，更新每组智能输变电设备与所述边缘计算终端的配对状态。

进一步的，所述智能控制器将所述控制模型数据库中保存的数据控制模型与所述训练后的数据控制模型进行比较后，基于比较结果，决定是否更新所述控制模型数据库，具体包括：

采用机器挖掘技术，判断所述控制模型数据库中保存的数据控制模型与所述训练后的数据控制模型的准确度；

如果准确度有变化，则将准确度变化较高的数据控制模型更新到所述控制模型数据库中。

所述机器挖掘技术包括利用云计算的专家知识图谱库。

在本发明中，输变电设备主要包括变压器、断路器、互感器、隔离开关、避雷器、绝缘子杆塔、输电线路、导线等，它们在电能传输过程中起着举足轻重的作用，其运行的可靠性直接关系到电力系统的安全稳定运行，也决定着供电质量和供电可靠性。

智能输变电设备是应用于智能电网中具备智能数据采集、传输和处理的输变电设备，在传统输变电设备基础上，配置了交换机、网管、集中控制器、可视化等配套设备，具备包括一体化智能监测、编码和标识体系、全景信息建模等功能。

本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。

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的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例的一种输变电云端智能控制器的模块组成图

图2是图1所述多个智能输变电设备进行分组示意图

图3是更新每组智能输变电设备与所述边缘计算终端的配对状态的示意图

图4是更新所述控制模型数据库的原理图

图5为本发明上述实施例中获取所述智能输变电设备发送的动态运营状态参数的一个具体硬件架构图。

具体实施方式

下面，结合附图以及具体实施方式，对发明做出进一步的描述。

参见图1，是本发明一个实施例的一种输变电云端智能控制器的模块组成图。

图1所述一种输变电云端智能控制器，所述智能控制器与多个边缘计算终端无线通信；

所述多个边缘计算终端的每一个与一组输变电设备进行数据通信，每组输变电设备包括至少一个智能输变电设备；

所述智能控制器还包括控制模型数据库，所述控制模型数据库包括多种数据控制模型；

所述边缘计算终端获取所述智能输变电设备的静态设备状态参数，将所述初始静态设备状态参数进行预处理后，发送至所述智能控制器；

所述智能控制器基于所述初始静态设备状态参数，从所述控制模型数据库中匹配出至少一种数据控制模型，通过无线通信链路下载至所述边缘计算终端；

静态设备状态参数是指所述智能输变电设备本身的标准参数，包括单位时间内数据处理能力、型号、额定电压值、额定电流值、最大保护电流等标定参数。

所述边缘计算终端基于所述智能输变电设备发送的动态运营状态参数，对所述数据控制模型进行训练；

将所述训练后的数据控制模型发送至智能控制器，所述智能控制器将所述控制模型数据库中保存的数据控制模型与所述训练后的数据控制模型进行比较后，基于比较结果，决定是否更新所述控制模型数据库。

在图1基础上，继续参见图2。

图1中，每组输变电设备包括至少一个智能输变电设备；

图2中，基于所述多个智能输变电设备的拓扑连接关系，将所述多个智能输变电设备进行分组，并将分组信息上传至所述控制模型数据库；

所述分组信息包括每组包含的智能输变电设备的数量、每个智能输变电设备的输入输出时延、输入负载和输出负载。

举例来说，在图2中，分组1的多个智能输变电设备共同连接到一个工业交换器上，因此，在拓扑结构上可以分为一组；

当然，本发明对分组的标准不作具体限定；

在本实施例中，所述智能输变电设备的输入负载定义为单位时间内输入智能输变电设备的数据量大小；

所述智能输变电设备的输出负载定义为智能输变电设备的单位时间内输出的数据量大小。

接下来参见图3。图3示出所述智能控制器获取所述多个边缘计算终端的性能参数，结合所述分组信息，更新每组智能输变电设备与所述边缘计算终端的配对状态的具体过程。

在图3中，所述多个边缘计算终端的性能参数包括第一静态参数和第二动态参数；

所述第一静态参数包括边缘计算终端单位时间内可处理的数据总量D以及边缘计算终端本身的时间迟延常数T；

所述第二动态参数包括边缘计算终端上一次执行所述训练的反馈性能值K，所述反馈性能值K表征所述边缘计算终端执行上一次训练所用的时间T_pre与上一次训练所使用的动态运行状态参数的大小D_pre之间的关系。

作为一个示例，K可以定义为简单的比例关系值，例如：

所述智能控制器获取所述多个边缘计算终端的性能参数，结合所述分组信息，更新每组智能输变电设备与所述边缘计算终端的配对状态，具体包括：

对于所述智能输变电设备的第i个分组Group_i，表示为：

Group_i＝{(B₁，Γ₁，input₁，output₁)，(B₂，Γ₂，input₂，output₂)，，(B_s，Γ_s，input_s，output_s)}其中，s为第i个分组Group_i包含的智能输变电设备的数量；

B_j为第i个分组Group_i中第j个智能输变电设备的静态设备状态参数集；

Γ_j为第i个分组Group_i中第j个智能输变电设备的输入输出时延；

input_j为第i个分组Group_i中第j个智能输变电设备的输入负载；

output_j为第i个分组Group_i中第j个智能输变电设备的输出负载；

则与第i个分组Group_i配对的边缘计算终端的第一静态参数应当满足如下条件：

D≥D_MAX

其中，

显然，本实施例的匹配过程充分考虑整体的性能反馈参数，而不是仅考虑某一次的参数值，能够从整体上做出正确的判断。

作为优选，若满足所述条件的边缘计算终端的数量大于1，则选择反馈性能值最小的边缘计算终端与第i个分组Group_i配对。

接下来参见图4，示出所述智能控制器将所述控制模型数据库中保存的数据控制模型与所述训练后的数据控制模型进行比较后，基于比较结果，决定是否更新所述控制模型数据库的过程。

具体而言，所述边缘计算终端获取所述智能输变电设备的静态设备状态参数，将所述初始静态设备状态参数进行预处理后，发送至所述智能控制器；

所述智能控制器基于所述初始静态设备状态参数，从所述控制模型数据库中匹配出至少一种数据控制模型，通过无线通信链路下载至所述边缘计算终端；

所述边缘计算终端基于所述智能输变电设备发送的动态运营状态参数，对所述数据控制模型进行训练；

将所述训练后的数据控制模型发送至智能控制器，所述智能控制器将所述控制模型数据库中保存的数据控制模型与所述训练后的数据控制模型进行比较；

采用机器挖掘技术，判断所述控制模型数据库中保存的数据控制模型与所述训练后的数据控制模型的准确度；

如果准确度有变化，则将准确度变化较高的数据控制模型更新到所述控制模型数据库中。

更具体的，所述多种数据控制模型包括神经网络模型、Petri网表示网络模型以及谓词逻辑表示网络模型。

所述机器挖掘技术包括利用基于云计算的专家知识图谱库。

在本实施例中，所述基于云计算的专家知识图谱库，采用服务架构，调度监控业务设计并封装可重用功能模块，具有开放、智能、互联的特点，可满足调度监控业务的智能化辅助决策的需要。

该专家知识图谱库构建开放式可扩展型专家库。基于云计算面向调度监控业务设计的开发，对专家库功能进行服务封装，从而以服务为基本单元的可扩展专家系统。实现对调度监控业务的辅助决策。专家库首先建立了知识库，包含变电站设备的基础信息和信号处置信息；建立了智能搜索引擎，当告警产生以后，通过全面的信息模型检索到相应的处置知识；建立了知识获取体系，监控员根据一定的角色权限，在告警产生后，自动获取信号的处置信息，包括单条信号处置信息和多条信号综合处置信息。配置智能化分析与数据挖掘策略。系统配置了统计分析方法和数据挖掘算法，实现了数据分析到数据挖掘高级算法的自适应，提升了系统的分析与处理能力，使系统具有深度与广度。

图5是本发明上述实施例中获取所述智能输变电设备发送的动态运营状态参数的一个具体硬件架构图。

图5中，采用一体化智能监测装置将是输变电设备物联网智能感知层的重要组成它由监测主IED电源及管理模块和不同设备监测智能传感器IS及EPC电子标签等构成部署在设备附近实现输变电设备运行状态资产管理及其周边环境的多特征信息在线监测。

一体化智能监测装置具有设备状态感知信息处理和数据通信三大功能.智能传感器IS对设备的运行状态数据模拟量数字量脉冲量状态量进行感知采集并对数据进行标准化规范化上传。

智能传感器负责对采集的模型信号进行数字转换并进行合理性检查及预处理修正容错校准等监测主IED负责加工处理不同设备上传的数据并能对设备进行故障综合智能诊断实现故障预警定性定位危害性评估维修决策及设备联动功能。

采用上述技术方案利用边缘计算技术与集中控制技术相结合，实现了边缘计算终端与输变电设备的动态匹配，提高了控制效率；避免了将大量数据传输至云端，减轻了数据流量，降低了硬件成本；在边缘计算能力有限的前提下，选择合适的分组匹配，能够响应本地实时性；基于训练结果更新模型，又能够动态的实现数据更新；同时，匹配过程充分考虑整体的性能反馈参数，而不是仅考虑某一次的参数值，能够从整体上做出正确的判断。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种输变电云端智能控制器，所述智能控制器与多个边缘计算终端无线通信；

其特征在于：

所述多个边缘计算终端的每一个与一组输变电设备进行数据通信，每组输变电设备包括至少一个智能输变电设备；

所述智能控制器还包括控制模型数据库，所述控制模型数据库包括多种数据控制模型；

所述边缘计算终端获取所述智能输变电设备的静态设备状态参数，将初始静态设备状态参数进行预处理后，发送至所述智能控制器；

所述智能控制器基于所述初始静态设备状态参数，从所述控制模型数据库中匹配出至少一种数据控制模型，通过无线通信链路下载至所述边缘计算终端；

所述边缘计算终端基于所述智能输变电设备发送的动态运营状态参数，对所述数据控制模型进行训练；

将所述训练后的数据控制模型发送至智能控制器，所述智能控制器将所述控制模型数据库中保存的数据控制模型与所述训练后的数据控制模型进行比较后，基于比较结果，决定是否更新所述控制模型数据库；

所述多个边缘计算终端的性能参数包括第一静态参数和第二动态参数；

所述第一静态参数包括边缘计算终端单位时间内可处理的数据总量D以及边缘计算终端本身的时间迟延常数T；

所述第二动态参数包括边缘计算终端上一次执行所述训练的反馈性能值K，所述反馈性能值K表征所述边缘计算终端执行上一次训练所用的时间T_pre与上一次训练所使用的动态运行状态参数的大小D_pre之间的关系。

2.如权利要求1所述的一种输变电云端智能控制器，其特征在于：

所述智能输变电设备为多个；

基于所述多个智能输变电设备的拓扑连接关系，将所述多个智能输变电设备进行分组，并将分组信息上传至所述控制模型数据库；

所述分组信息包括每组包含的智能输变电设备的数量、每个智能输变电设备的输入输出时延、输入负载和输出负载。

3.如权利要求1所述的一种输变电云端智能控制器，其特征在于：

所述多种数据控制模型包括神经网络模型、Petri网表示网络模型以及谓词逻辑表示网络模型。

4.如权利要求2所述的一种输变电云端智能控制器，其特征在于：

所述智能控制器获取所述多个边缘计算终端的性能参数，结合所述分组信息，更新每组智能输变电设备与所述边缘计算终端的配对状态。

5.如权利要求4所述的一种输变电云端智能控制器，其特征在于：

所述智能控制器获取所述多个边缘计算终端的性能参数，结合所述分组信息，更新每组智能输变电设备与所述边缘计算终端的配对状态，具体包括：

对于所述智能输变电设备的第i个分组Group_i，表示为：

Group_i＝{(B₁，Γ₁，input₁，output₁)，(B₂，Γ₂，input₂，output₂)，…，(B_s，Γ_s，input_s，output_s)}其中，s为第i个分组Group_i包含的智能输变电设备的数量；

B_j为第i个分组Group_i中第j个智能输变电设备的静态设备状态参数集；

Γ_j为第i个分组Group_i中第j个智能输变电设备的输入输出时延；

input_j为第i个分组Group_i中第j个智能输变电设备的输入负载；

output_j为第i个分组Group_i中第j个智能输变电设备的输出负载；

则与第i个分组Group_i配对的边缘计算终端的第一静态参数应当满足如下条件：

D≥D_MAX

其中，

Images