CN112072642B - 电力系统运行异常状态预估方法 - Google Patents
电力系统运行异常状态预估方法 Download PDFInfo
- Publication number
- CN112072642B CN112072642B CN202010839822.4A CN202010839822A CN112072642B CN 112072642 B CN112072642 B CN 112072642B CN 202010839822 A CN202010839822 A CN 202010839822A CN 112072642 B CN112072642 B CN 112072642B
- Authority
- CN
- China
- Prior art keywords
- disturbance
- operation state
- level
- interval
- abnormal operation
- 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
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
- H02J3/0012—Contingency detection
-
- 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
电力系统运行异常状态预估方法,包括:创建专家诊断的历史案例库,所述历史案例库分有电压等级层级、变电所层级和间隔层级,每个层级具有多个层级节点;将每个历史案例的数据内容,按所述电压等级层级、所述变电所层级和所述间隔层级,分别填写至各个层级对应的层级节点;在所述历史案例库中,对各类型扰动在扰动发生前各所述层级节点的运行状态值进行大数据分析,计算各运行状态值的扰动预警阈值;以纵向维度构建用户电网的运行异常状态预估报表;或者,以横向维度构建用户电网的运行异常状态预估报表。所述异常状态预估方法能够以不同维度向用户反馈状态预估结果,有助于更好地利用状态预估结果。
Description
技术领域
本发明涉及电力系统故障诊断领域,尤其涉及一种电力系统运行异常状态预估方法。
背景技术
电力系统是把很多的发电站、变电站、配电站和用户等由输电和配电线路连接起来形成的系统。它通常由发电机、变压器、母线、输配电线路及用电设备等组成。各电气元件、设备及系统通常处于正常运行状态,但也可能出现故障或异常运行状态。
电力系统故障是指电气元件和设备不能按照预期的指标进行工作的一种状态,也就是说电气元件和设备未达到其应该达到的功能,故障包括有发电机组故障、变压器故障、输电线路故障、变电所故障和母线故障等。
随着电力系统的规模越来越大,结构越来越复杂,故障产生不可避免。电力系统故障处理过程可以是,从系统的运行状态中检测到拓扑变化,从拓扑变化相关联的区域(单元)内检测故障征兆信息,经过对这些信息进行分析处理,重点根据保护动作的信号,判断故障发生的具体区域与位置(如故障范围或故障点)。故障范围或故障点确定后,先确保故障区域(单元)可靠切除或被可靠隔离,再完成失电负荷的供电恢复,最后进行故障原因排查与故障消缺处理。
用于电力系统诊断的专门系统,为相应的电力系统故障诊断专家系统。
发明内容
本发明解决的问题是提供一种电力系统运行异常状态预估方法,以更好地实现对电力系统异常状态(故障状态和扰动事件等)的预估,并提供更好的预警反馈。
为解决上述问题,本发明提供了一种电力系统运行异常状态预估方法,包括:创建专家诊断的历史案例库,所述历史案例库分有电压等级层级、变电所层级和间隔层级,每个层级具有多个层级节点;将每个历史案例的数据内容,按所述电压等级层级、所述变电所层级和所述间隔层级,分别填写至各个层级对应的层级节点;在所述历史案例库中,对各类型扰动在扰动发生前各所述层级节点的运行状态值进行大数据分析,计算各运行状态值的扰动预警阈值;根据所述扰动预警阈值,以纵向维度构建用户电网的运行异常状态预估报表;或者,根据所述扰动预警阈值,以横向维度构建用户电网的运行异常状态预估报表;或者,根据所述扰动预警阈值,以纵向维度构建用户电网的运行异常状态预估报表并以横向维度构建用户电网的运行异常状态预估报表。
可选的,所述电力系统运行异常状态预估方法还包括:实时采集用户电网的全景信息,将所述全景信息实时与所述扰动预警阈值进行比较;当所述全景信息的某个运行状态值超过它对应的所述扰动预警阈值时,预估电力系统将发生扰动,发出扰动预警;通过所述历史案例库,对扰动发生前各所述层级节点的运行状态值进行大数据分析,统计各类型扰动下的异动状态值的次数或概率,得出各类型扰动发生前出现异动的典型状态值矩阵。
可选的,所述变电所层级的每个层级节点分有属性名、属性值和属性操作;所述间隔层级的每个层级节点分有属性名、属性值和属性操作;所述电压等级层级的层级节点包括有220kV、110kV、35kV、10kV、6kV、1kV和0.4kV;所述间隔层级的层级节点包括间隔扰动,所述间隔扰动包括扰动类型的子类、扰动次数的子类和扰动环境的子类。
可选的,以所述纵向维度构建用户电网的运行异常状态预估报表包括:根据层级节点中属性名为变电所扰动总次数的属性,按扰动发生概率由高到低,动态统计生成各电压等级下的变电所故障率排序列表。
可选的,以所述纵向维度构建用户电网的运行异常状态预估报表还包括:所述变电所故障率排序列表中,每个变电所编号对应链接有该变电所内中各间隔的间隔故障率统计表。
可选的,所述间隔故障率排序列表中,每个间隔编号对应链接有该间隔各类型扰动的各类型扰动故障率统计表。
可选的,所述变电所故障率排序列表为热力图表;所述间隔故障率排序表为热力图表;所述各类型扰动故障率排序表为热力图表。
可选的,以所述横向维度构建用户电网的运行异常状态预估报表包括:在每个所述电压等级下,按间隔类型检索不同变电所内同种类型间隔,并按同种间隔扰动次数合计,将不同变电所各自的同种类型间隔的故障率排序统计,形成不同变电所各自的同种类型间隔故障率排序统计表。
可选的,以所述横向维度构建用户电网的运行异常状态预估报表包括:在每个所述电压等级下,按间隔类型检索不同变电所内同种类型间隔,并按同种间隔扰动次数合计,将不同变电所总共的同种类型间隔的故障率排序统计总和,形成不同变电所总共的同种类型间隔故障率排序统计表。
可选的,所述同种类型间隔故障率排序统计表为热力图表。
本发明技术方案的另一个方面中,提供一种电力系统运行异常状态预估方法,所述方法创建专家诊断的历史案例库,将每个历史案例的数据内容填写至各个层级对应的层级节点;在所述历史案例库中,对各类型扰动在扰动发生前各所述层级节点的运行状态值进行大数据分析,计算各运行状态值的扰动预警阈值;以纵向维度或横向维度,构建用户电网的运行异常状态预估报表。所述异常状态预估方法能够以不同维度向用户反馈状态预估结果,有助于更好地利用状态预估结果,实现对用户进行更有参考价值的反馈信息,更好地提醒用户及时采取措施,防止扰动发生。
附图说明
图1是实施例一中,电力系统的故障诊断专家系统中诊断系统主站与调度中心(或集控中心)的设置结构;
图2是实施例一中,电力系统的故障诊断专家系统的诊断系统主站部署结构;
图3是实施例二中,电力系统运行异常状态预估方法步骤示意图。
具体实施方式
为更加清楚的表示,下面结合附图对本发明做详细的说明。
实施例一
请结合参考图1和图2,显示了本发明提供的一种电力系统故障诊断专家系统。
电力系统故障诊断专家系统包括诊断系统主站,本实施例诊断系统主站直接利用调度主站(或称集控主站)的网络来设置(以下统称为调度主站)。
图1中,虚线左侧为调度主站的结构,虚线右侧为故障诊断专家系统的诊断系统主站。
由图1可知,本实施例诊断系统主站挂设在调度主站的网络结构中。
如图1所示,相应的调度主站可以包括:调度主站数据存储结构、工程师站与操作员站、远动转发/调度通信单元和调度主站服务器等结构。
调度主站的远动转发/调度通信单元可以接入电力调度网。调度主站的服务器接入集控区域各变电站的SCADA信息。
诊断系统主站可以直接利用调度主站的通信设备接入电力系统。
图2显示了诊断系统主站的一种具体部署结构。
如图2所示,诊断系统主站包括:数据存储结构(如图2中虚线框所示)、专家知识库、前置服务器、分析引擎和运行工作站。
数据存储结构用于数据的存储。专家知识库用于专家知识存储。前置服务器用于采集电力系统的运行参数,并执行数据预处理。分析引擎用于作为实时推理机,从前置服务器采集缓存推理所需的观测信息,从专家知识库搜索合适的专家知识,完成推理,并保存推理过程与推理结果。运行工作站用于作为用户客户端,以显示信息等。
如图2所示,本实施例中,数据存储结构可以包括有数据服务器和磁盘阵列。本实施例的数据存储结构包括两台数据服务器。两台数据服务器可以作为历史数据服务器,以存储历史案例、历史报告和静稳分析历史数据等。这种采用两台数据服务器的冗余配置,可以确保数据存在的安全。磁盘阵列可以用于长期历史数据的单独保存。磁盘的个数可按需选配。其它实施例中,也可以采用其它的数据存储结构,例如可以省略磁盘阵列,或者可以仅使用一台数据服务器。
如图2所示,本实施例中,专家知识库用于存储和更新各类电力系统故障诊断用的专家知识,相应的专家知识可以按一定的规则进行存储,以便调用。专家知识库适合于独立配置。
如图2所示,本实施例中,前置服务器可以是实时采集电力系统的运行参数,并执行相关的数据预处理。前置服务器适合于采用独立部署。
如图2所示,本实施例中,分析引擎作为实时推理机,可以从相应的前置服务器采集缓存推理所需的各观测信息,并且能够从专家知识库搜索合适的专家知识,进而完成推理,并实时保存推理过程与中间结论(即分析引擎的推理结果可以是包括诊断中间结论)。分析引擎宜独立部署,以使得诊断系统的分析推理过程更加高效和可靠。
如图2所示,本实施例中,运行工作站作为用户客户端,显示的信息包括用户系统(客户端系统)的运行信息。运行工作站具体可以显示用户系统的实时运行信息,也可以用于显示专家预警信息和专家诊断报告,还可以利用于启动诊断追踪、启动案例反演等功能。并且,运行工作站可以用于启动远程问诊云端专家系统功能。运行工作站采用与服务器分开部署的方式设置。
需要说明的是,结合图1和图2,可知,本实施例的诊断系统布置方案是一种站端部署方案(设置在站控层站端)。但是,其它实施例中,诊断系统布置方案也可部署在其它结构位置中。
请继续参考图2,诊断系统主站还可以包括维护工作站。维护工作站用于实现对诊断系统的维护。维护工作站具体可以供用户工程师(知识工程师)通过该工作站,实现对诊断系统的维护。例如实现对电力系统建模组态和专家库知识维护等。本实施例中,维护工作站独立部署,有利于其维护功能的更好实现。其它实施例中,维护工作站也可与诊断系统的运行工作站合并。
请继续参考图2,诊断系统主站还可以包括应急指挥中心接口服务器。应急指挥中心接口服务器用于与企业应急指挥中心通信连接。应急指挥中心接口服务器具体可以是负责与企业应急指挥中心的实时通信。本实施例中,应急指挥中心接口服务器采用独立部署,这种结构能够更加发挥其作用。其它实施例中,应急指挥中心接口服务器也可与分析引擎或运行工作站合并。
请继续参考图2,诊断系统主站还可以包括WEB服务器。WEB服务器用于实现信息的WEB发布和短信(移动信息)推送。WEB服务器具体可以是将电子系统故障的报告用WEB发布,并且,可以将相应的故障信息通过短信(移动信息)推送等方式及时通知相关人员。其它实施例中,WEB服务器也可以不必采用,即省略。
请继续参考图2,诊断系统主站还可以包括云端专家系统接口服务器。云端专家系统接口服务器用于与云端专家系统通信连接。云端专家系统接口服务器在实现与云端专家系统的通信时,拓展了诊断系统的故障诊断能力,并且保证了故障云诊断的实现。本实施例中,采用独立的服务器,即采用独立部署结构,从而使云诊断更加高效、安全、可靠和及时。其它实施例中,云端专家系统接口服务器也可以与WEB服务器合并。
请继续参考图2,诊断系统主站还可以包括防火墙。WEB服务器和云端专家系统接口服务器被隔离在防火墙外部。防火墙用于系统的安全分区,本实施例将WEB服务器和云端专家系统接口服务器与系统的其它部分隔开,达到对其它结构的更好保护,使系统更加稳定。
请继续参考图2,诊断系统主站还可以包括各个网络设备。这些网络设备用于保证系统的通讯。如图2中所示,网络设备具体选择采用交换机实现,图2所示诊断系统主站包括前置交换机一、交换机二和交换机三。对于诊断系统主站的前置交换机一,根据接入系统的具体情形,可以采用光纤接口,宜选用千兆带宽的交换机。交换机二和交换机三同样可以采用千兆带宽的交换机。
请继续参考图2,诊断系统主站还可以包括输出设备。输出设备具体可以为打印机,如图2所示。打印机用于随时打印相应的故障报告和诊断报告等。
请继续参考图2,本实施例中,通过前置服务器,使诊断系统主站接入的系统包括同步时钟(系统)、SCADA系统和IED(系统),以及保信系统和安全管控平台系统等。同步时钟即电力系统同步时钟,用于保证数据的时钟同步。保信系统为继电保护信息处理系统,用于管理继电保护定值与故障报文信息等。
如图2,本实施例采用单一的前置服务器,因此,此结构可以称为单前置单网结构。单前置单网结构使诊断系统主站的内部网络结构为单网结构,结构更加简单,因此,系统成本可以降低。
需要说明的是,结合图1和图2的上述内容可知,图2的各节点是逻辑功能定义节点,实际部署时,可以按图中方案,将逻辑功能节点与物理节点完全一一对应,也可以根据需要,进行功能节点的剪裁、物理节点合并等。比如前面所述,对于运行工作站和维护工作站两个逻辑功能节点,在物理实现时,可以用一台工作站计算机实现。
结合图1和图2可知,本实施例中,在站控层部署电力系统故障诊断专家系统的站端,诊断系统主站具体可以部署在调度中心站端、集控中心站端或变电所站端。通过SCADA系统开通与专家系统站端的转发通道,可以以IEC 60870-5-104或IEC61850标准规约,将全厂各变电站内专家系统所需的实时信息转发至专家系统站端。该部署方案可充分复用资源,对新建项目和已有项目改造均有很好的实用性。
实施例二
本发明实施例二提供一种电力系统运行异常状态预估方法。请参考图3,所述预估方法包括:
S1,创建专家诊断的历史案例库,所述历史案例库分有电压等级层级、变电所层级和间隔层级,每个层级具有多个层级节点;
S2,将每个历史案例的数据内容,按所述电压等级层级、所述变电所层级和所述间隔层级,分别填写至各个层级对应的层级节点;
S3,在所述历史案例库中,对各类型扰动在扰动发生前各所述层级节点的运行状态值进行大数据分析,计算各运行状态值的扰动预警阈值;
S4,根据所述扰动预警阈值,以纵向维度构建用户电网的运行异常状态预估报表;或者,根据所述扰动预警阈值,以横向维度构建用户电网的运行异常状态预估报表。或者,本实施例也可以在以纵向维度构建用户电网的运行异常状态预估报表的同时,以横向维度构建用户电网的运行异常状态预估报表。
由上述过程可知,本实施例中,历史案例库按“电压等级-变电所-间隔”三级层级(三个层级)创建。对于专家系统诊断的具体案例(历史案例),这三个层级会从案例的状态信息中获知(相应数据和信息),这样,在这些诊断的案例(历史案例)存入历史案例库时,就会自动对应填写到历史案例库的各个层级节点。此时,步骤S1和步骤S2完成了衔接。
本实施例中,所述电压等级层级的层级节点可以包括有一般的220kV、110kV、35kV、10kV、6kV、1kV和0.4kV等各个不同的层级,当然,也可以根据需要,设置其它不同的电压等级层级。
本实施例中,所述变电所层级的每个层级节点分有属性名、属性值和属性操作。
一种变电所层级节点具有的属性(包括属性名和对应和属性值)及支持的操作可以如下表1所示:
表1
本实施例中,所述间隔层级的每个层级节点也分有属性名、属性值和属性操作。一种间隔层级节点具有的属性及支持的操作可以如下表2所示:
表2
本实施例中,所述间隔层级的层级节点包括间隔扰动,所述间隔扰动包括扰动类型的子类、扰动次数的子类和扰动环境的子类。即间隔层级的层级节点的“间隔扰动”属性为一个类。该类又包含以下表3所示的各子类及其属性:
表3
所述扰动环境子类包括状态值矩阵,所述状态值矩阵含有的状态值包括电流、电压、频率、功率、设备状态值和工艺参数值。具体的,扰动环境子类中的“各类型扰动在扰动发生前的运行状态值”,为一个状态值矩阵,根据间隔类型,如前所述,状态值矩阵的各值包含但不限于电流、电压、频率、功率、设备状态值(温度、局放、振动、转速等)、工艺参数值(流量、压力等)。
本实施例中,还包括:通过所述历史案例库,对扰动发生前各所述层级节点的运行状态值进行大数据分析,统计各类型扰动下的异动(异常变动)状态值的次数或概率,得出各类型扰动发生前出现异动的典型状态值矩阵。
综上可知,本实施例中,所述电压等级层级可以是具有多个电压等级层级节点,所述变电所层级具有多个变电所层级节点,所述间隔层级具有多个间隔层级节点。
步骤S3中,是经过历史案例积淀,对“各类型扰动在扰动发生前的运行状态值”进行大数据分析,计算各运行状态值的扰动预警阈值。
“各类型扰动在扰动发生前的运行状态值”简称为“状态值”。通常,这些状态值高于一定范围时,即可能会出现扰动。因此,可以采用大数据分析出这些状态值在曾经出现的扰动事件(历史事件)中,具体大小是多少,从而确定每个状态值对应的扰动预警阈值。
例如,对某个状态值,可以采用大数据分析,得到由它的异常引起的所有历史案例中,它的最低值是多少,从而将它的扰动预警阈值设置得比这个最低值更低,例如为最低值的0.9倍;或者,对某个状态值,利用大数据分析,得到由它的异常引起的所有历史案例中,它的平均值是多少,而扰动预警阈值设置得进一步低于这个平均值,例如为平均值的0.7-0.8倍。步骤S4中,是根据所述扰动预警阈值,构建用户电网的运行异常状态预估报表。本实施例中,既可以从纵向维度构建用户电网的运行异常状态预估报表,也可以从横向维度构建用户电网的运行异常状态预估报表,并且也可以两种方法均采用。
具体的,由上述可知,本实施例通过构建历史案例库,可以从纵向与横向两个维度,来实现用户电网的运行异常状态预估报表。而本实施例从纵向维度和横向维度上综合考虑,所提供的运行异常状态预估报表更加具有参考意义,后续将进一步详细说明。
本实施例中,还包括:实时采集用户电网的全景信息,将所述全景信息实时与所述扰动预警阈值进行比较;当所述全景信息的某个运行状态值超过它对应的所述扰动预警阈值时,预估电力系统将发生扰动,发出扰动预警;通过所述历史案例库,对扰动发生前各所述层级节点的运行状态值进行大数据分析,统计各类型扰动下的异动状态值的次数或概率,得出各类型扰动发生前出现异动的典型状态值矩阵。
实时采集用户电网的全景信息中,所述全景信息包括:变电站SCADA系统数据、电力集控SCADA系统数据、电力调度SCADA系统数据、保护信息系统数据、继电保护装置数据、安全稳定与自动控制装置数据、智能测控装置数据、故障录波装置数据。上述各数据,能够较为完整的反应电网的拓扑连接、潮流分布和故障信息等电网运行的实时电气特征,且由于目前变电站综合自动化系统普遍应用了同步时钟校时技术,上述各类数据间的时间窗口同步性较好。利用这些数据进行比对(实时全景数据与历史数据库各层级节点的扰动预警阈值进行比较),可以做出更好的预估(电力系统运行异常状态预估)。
所述全景信息还可以包括:电力设备状态监测数据和生产工艺过程数据。例如对于电动机绕组温升(或过载行为)进行进一步原因挖掘时,可结合电动机驱动的机械设备的工艺过程数据(如泵的流量)做进一步的轴系负载分析,这些数据,对于相应电力系统的运行异常状态预估,均有对应价值。
本实施例中,进一步还包括:通过所述历史案例库,统计各间隔在不同的天气条件、月份或运行方式切换时发生各类型扰动的概率;当所述概率高于预设阈值,且天气条件、月份或运行方式切换三种扰动环境出现时(即相应扰动环境出现时),给出对应预警信息。
本步骤中,经过历史案例积淀,对“各类型扰动在扰动发生前的运行状态值”进行大数据分析,统计各类型扰动下的异动状态值的次数(或概率值),得出各类型扰动发生前出现异动的典型状态值矩阵。
比如,经过大数据分析,某种规格的电力电缆,在发生绝缘破坏前,出现接头温度过高的概率很高,则“接头温度”这一状态值就被列为该类型电力电缆的异动典型状态值,这一值成为典型状态值矩阵中的其中一个值。
本实施例中,在给出所述预警信息的同时,提示用户所述预警信息对应的故障类型的所述异动典型状态值。即提示用户重点关注异动的典型状态值矩阵所统计出的异动典型状态值。
一种具体的场景比如,经过历史案例统计分析,对于变电所内的变压器间隔,每年的7~10月份发生过载运行的概率偏高,则当进入7月份时,电力系统故障诊断专家系统(该系统可以是实施例一的系统,也可以是其它系统,即本实施例的方法可以采用多种不同系统实现,实施例一的系统只是其中一种可行系统)将给出统计预警信息,并提示重点关注变压器的绕组温度、油温、电流等异动典型状态值,同时,给出由上述计算出的上述各状态值的预警阈值。
这样,该统计预警信息可作为月度工作计划、运维巡检计划的重点内容,一种具体的过载运行预警报告可以参考以下表4:
表4
由上述步骤和内容可知,本实施例提供的电力系统运行异常状态预估方法中,先创建专家诊断的历史案例库,然后将历史案例的数据根据所创建历史案例库的层级节点,将相应的数据填写至各个层级节点,之后,进行分析和处理,计算得到各运行状态值的扰动预警阈值,再利用实时采用的全景信息与所述扰动预警阈值进行比较,根据比较结果,进行对应的扰动预警。所述预估方法能够对电力系统运行异常状态进行预估,并且及时对用户进行的预警,从而使得用户可以及时采取有效措施,防止扰动事件的发生。
同时,本实施例提供的电力系统运行异常状态预估方法,能够充分有效利用历史案例(典型案件)的价值,实现更加专业化和针对性的电力系统运行异常状态预估作用,为用户提供更准确可靠的预警。
本实施例中,以所述纵向维度构建用户电网的运行异常状态预估报表包括:根据层级节点中属性名为变电所扰动总次数的属性,按扰动发生概率由高到低,动态统计生成各电压等级下的变电所故障率排序列表。
也就是说,在纵向维度上,本实施例可以根据上表1中最后一个属性名“变电所扰动总次数”的属性,按扰动发生概率由高到低,动态统计生成各电压等级下的变电所故障率排序列表。以110kV电压等级为例,该故障率排序表可以通过热力表的形式体现,如下表5所示:
表5
需要说明的是,表5可以进一步用于生成相应的热力图,从而使得对应电压等级的各变电所故障率用热力图来表示。
本实施例中,以所述纵向维度构建用户电网的运行异常状态预估报表还可以进一步包括:所述变电所故障率排序列表中,每个变电所编号对应链接有该变电所内中各间隔的间隔故障率统计表。
例如,对于上表5,变电所编号为CS2100的变电所,可以通过点击它,进入该变电所内各间隔的故障率统计表,如下表6所示:
表6
进一步的,本实施例中,所述间隔故障率排序列表中,也可以是每个间隔编号对应链接有该间隔各类型扰动的各类型扰动故障率统计表。例如,对表6中,对1#压缩机出线电缆,对其进行选中(如直接点击),则可以进入
表7如下所示:
表7
本实施例中,所述变电所故障率排序列表为热力图表;所述间隔故障率排序表为热力图表;所述各类型扰动故障率排序表为热力图表。
综合上述可知,本实施例纵向维度采取的是“用户电网-电压等级-变电所-间隔(设备)”这样的纵向逐层深入的层次维度。
本实施例中,以所述横向维度构建用户电网的运行异常状态预估报表包括:在每个所述电压等级下,按间隔类型检索不同变电所内同种类型间隔,并按同种间隔扰动次数合计,将不同变电所各自的同种类型间隔的故障率排序统计,形成不同变电所各自的同种类型间隔故障率排序统计表。
具体的,本实施例以表2中“间隔类型”检索各变电所内同种类型间隔,并以表3中“扰动次数”对应的“本间隔扰动次数合计”,将各变电所的该类型间隔的故障率排序统计,可以得到一种横向维度的同种类型间隔故障率排序统计表。同样,该故障率排序表也可以通过热力表的形式体现,如下表8所示:
表8
本实施例中,另一种以所述横向维度构建用户电网的运行异常状态预估报表可以包括:在每个所述电压等级下,按间隔类型检索不同变电所内同种类型间隔,并按同种间隔扰动次数合计,将不同变电所总共的同种类型间隔的故障率排序统计总和,形成不同变电所总共的同种类型间隔故障率排序统计表。所述同种类型间隔故障率排序统计表为热力图表。
具体的,本实施例仍以表2中“间隔类型”检索各变电所内同种类型间隔,并以表3中“扰动次数”对应的“本间隔扰动次数合计”,将各变电所本类型间隔的故障次数做总和。依此类推,求出相应电压等级下,所有类型间隔的各变电所的故障次数总和。在此基础上,可以列出本电压等级下各种类型间隔(设备)的故障率统计排序表。同样,该故障率排序表也可以通过热力表的形式体现,如下表9所示:
表9由上述可知,本实施例横向维度采取的是,先以用户电网到电压等级,然后,直接以相同类型间隔(设备)为统一预估对象,在相同层次展开的层次维度。
本实施例提供的电力系统异常状态预估方法,能够以不同维度向用户反馈状态预估结果,有助于更好地利用状态预估结果,实现对用户进行更有参考价值的反馈信息,更好地提醒用户及时采取措施,防止扰动发生。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (9)
1.一种电力系统运行异常状态预估方法,其特征在于,包括:
创建专家诊断的历史案例库,所述历史案例库分有电压等级层级、变电所层级和间隔层级,每个层级具有多个层级节点;
将每个历史案例的数据内容,按所述电压等级层级、所述变电所层级和所述间隔层级,分别填写至各个层级对应的层级节点;
在所述历史案例库中,对各类型扰动在扰动发生前的各所述层级节点的运行状态值进行大数据分析,计算各运行状态值的扰动预警阈值;
根据所述扰动预警阈值,以纵向维度构建用户电网的运行异常状态预估报表;或者,根据所述扰动预警阈值,以横向维度构建用户电网的运行异常状态预估报表;或者,根据所述扰动预警阈值,以纵向维度构建用户电网的运行异常状态预估报表并以横向维度构建用户电网的运行异常状态预估报表;
实时采集用户电网的全景信息,将所述全景信息实时与所述扰动预警阈值进行比较;当所述全景信息的某个运行状态值超过它对应的所述扰动预警阈值时,预估电力系统将发生扰动,发出扰动预警;
通过所述历史案例库,对扰动发生前各所述层级节点的运行状态值进行大数据分析,统计各类型扰动下的异动状态值的次数或概率,得出各类型扰动发生前出现异动的典型状态值矩阵。
2.如权利要求1所述的电力系统运行异常状态预估方法,其特征在于,所述变电所层级的每个层级节点分有属性名、属性值和属性操作;所述间隔层级的每个层级节点分有属性名、属性值和属性操作;所述电压等级层级的层级节点包括有220kV、110kV、35kV、10kV、6kV、1kV和0.4kV;所述间隔层级的层级节点包括间隔扰动,所述间隔扰动包括扰动类型的子类、扰动次数的子类和扰动环境的子类。
3.如权利要求2所述的电力系统运行异常状态预估方法,其特征在于,以所述纵向维度构建用户电网的运行异常状态预估报表包括:
根据层级节点中属性名为变电所扰动总次数的属性,按扰动发生概率由高到低,动态统计生成各电压等级下的变电所故障率排序列表。
4.如权利要求3所述的电力系统运行异常状态预估方法,其特征在于,以所述纵向维度构建用户电网的运行异常状态预估报表还包括:
所述变电所故障率排序列表中,每个变电所编号对应链接有该变电所内中各间隔的间隔故障率统计表。
5.如权利要求4所述的电力系统运行异常状态预估方法,其特征在于,所述间隔故障率排序列表中,每个间隔编号对应链接有该间隔各类型扰动的各类型扰动故障率统计表。
6.如权利要求5所述的电力系统运行异常状态预估方法,其特征在于,所述变电所故障率排序列表为热力图表;所述间隔故障率排序表为热力图表;所述各类型扰动故障率排序表为热力图表。
7.如权利要求2所述的电力系统运行异常状态预估方法,其特征在于,以所述横向维度构建用户电网的运行异常状态预估报表包括:
在每个所述电压等级下,按间隔类型检索不同变电所内同种类型间隔,并按同种间隔扰动次数合计,将不同变电所各自的同种类型间隔的故障率排序统计,形成不同变电所各自的同种类型间隔故障率排序统计表。
8.如权利要求2所述的电力系统运行异常状态预估方法,其特征在于,以所述横向维度构建用户电网的运行异常状态预估报表包括:
在每个所述电压等级下,按间隔类型检索不同变电所内同种类型间隔,并按同种间隔扰动次数合计,将不同变电所总共的同种类型间隔的故障率排序统计总和,形成不同变电所总共的同种类型间隔故障率排序统计表。
9.如权利要求7或8所述的电力系统运行异常状态预估方法,其特征在于,所述同种类型间隔故障率排序统计表为热力图表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010839822.4A CN112072642B (zh) | 2020-08-19 | 2020-08-19 | 电力系统运行异常状态预估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010839822.4A CN112072642B (zh) | 2020-08-19 | 2020-08-19 | 电力系统运行异常状态预估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112072642A CN112072642A (zh) | 2020-12-11 |
CN112072642B true CN112072642B (zh) | 2022-06-07 |
Family
ID=73662238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010839822.4A Active CN112072642B (zh) | 2020-08-19 | 2020-08-19 | 电力系统运行异常状态预估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112072642B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765133B (zh) * | 2020-12-25 | 2023-07-18 | 广东电网有限责任公司电力科学研究院 | 一种用于pas案例库的维护系统及维护方法 |
CN113113972B (zh) * | 2021-06-15 | 2021-09-21 | 北京德风新征程科技有限公司 | 监测信息生成方法、装置、电子设备和计算机可读介质 |
CN115689393B (zh) * | 2022-12-09 | 2024-03-26 | 南京深科博业电气股份有限公司 | 一种基于物联网的电力系统实时动态监测系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708472A (zh) * | 2012-06-20 | 2012-10-03 | 江西省电力公司超高压分公司 | 组合式电网告警信息智能化处理方法 |
CN105184386A (zh) * | 2015-07-22 | 2015-12-23 | 中国寰球工程公司 | 一种结合专家经验和历史数据建立异常事件预警系统的方法 |
CN106444694A (zh) * | 2016-05-30 | 2017-02-22 | 重庆大学 | 一种大数据下系统异常工况预警技术 |
-
2020
- 2020-08-19 CN CN202010839822.4A patent/CN112072642B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112072642A (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112072642B (zh) | 电力系统运行异常状态预估方法 | |
CN106709580B (zh) | 一种变电站二次系统运维云平台 | |
CN105790441B (zh) | 一种智能变电站继电保护巡检系统 | |
Morison et al. | Power system security assessment | |
CN104753178A (zh) | 一种电网故障处理系统 | |
EP2397926A2 (en) | A self-healing power grid and method thereof | |
CN110728443A (zh) | 一种电机全生命周期管控系统 | |
CN112054510B (zh) | 电力系统运行异常状态预估方法 | |
CN111276929B (zh) | 电力系统故障专家诊断的信息录波方法 | |
CN109659936A (zh) | 一种智能电网调度控制系统故障处置方法和系统 | |
CN111917183A (zh) | 一种源网荷控制秒级网络远程监控分析平台 | |
CN111327474B (zh) | 基于拓扑分析的电力系统故障诊断方法 | |
CN106849367A (zh) | 一种变电站远程在线监视及状态评估方法 | |
CN112054511A (zh) | 电力系统事故处理措施与标准票的关联生成方法 | |
CN112101422B (zh) | 电力系统故障案例的典型案例自学习方法 | |
CN104104292B (zh) | 一种发电机励磁系统状态广域实时获取系统 | |
CN116149270A (zh) | 一种风力电站预警处理过程跟踪方法及系统 | |
Lu et al. | Smart power systems and smart grids: toward multi-objective optimization in dispatching | |
CN112104073B (zh) | 电力系统实时信息标定方法 | |
Yu et al. | Research on integrated operation and maintenance acquisition and monitoring technology for new generation dispatching control system | |
Wang | Research on Network Fault Diagnosis Based on Fault Tree Analysis | |
Lu et al. | Research on substation intelligent monitoring scheme under big data environment | |
Guo et al. | Research on Power Cable Operation Fault Alarm System Based on Big Data | |
Guo et al. | Realization of Initiative Repair of Power Distribution Network Based on Backpropagation Neural Network Optimization. | |
Debibi et al. | Analysis of a micro-grid behavior by a supervisory control and data acquisition system-experimental validation |
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 |