CN112256922B - 一种故障停电快速识别方法及系统 - Google Patents
一种故障停电快速识别方法及系统 Download PDFInfo
- Publication number
- CN112256922B CN112256922B CN202011071452.0A CN202011071452A CN112256922B CN 112256922 B CN112256922 B CN 112256922B CN 202011071452 A CN202011071452 A CN 202011071452A CN 112256922 B CN112256922 B CN 112256922B
- Authority
- CN
- China
- Prior art keywords
- power supply
- supply path
- fault
- circuit breaker
- data storage
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013500 data storage Methods 0.000 claims abstract description 62
- 238000013024 troubleshooting Methods 0.000 claims abstract description 25
- 238000012216 screening Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 36
- 239000013598 vector Substances 0.000 claims description 29
- 238000011835 investigation Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 abstract description 8
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- 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)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种故障停电快速识别方法,包括根据配网的拓扑结构,构建台账树拓扑模型;基于台账树拓扑模型,构建台账树拓扑模型的层级数据存储模型;确定断路开关,并结合各断路开关的实时通断状态,构建断路开关数据存储模型;故障发生时,根据断路开关数据存储模型中的上一级追溯目标,得到断路开关集合,结合层级数据存储模型中的上一级追溯目标,得到供电电源路径集合;获取供电电源路径集合中每一条位于报障之前后设备的电流值,以计算出每一条供电电源路径的设备负载率,且根据设备负载率,筛选出最优排查故障路径。实施本发明,解决现有技术中停电异常情况管理的精准性和及时性不足的问题,提高故障排查效率,提升配网调度的智能化水平。
Description
技术领域
本发明涉及电网故障停电检测技术领域,尤其涉及一种故障停电快速识别方法及系统。
背景技术
配网作为客户供电服务最为重要的一个环节之一,确保配网调度的合理、安全稳定,提高供电可靠性是配网调度的运行管理的工作重点。目前已有日趋稳定的配网调度运行管理系统,但在供电可靠性高标准、工作管理精益化要求背景下,仍需对配网调度运行管理系统的功能进行升级完善,依靠系统平台来进一步提高工作效率,达到配网调度精益化管理的要求。
在发生故障停电时,配网调度员需要尽快识别出停电信息,并组织处理事故。然而,在现有的工作模式下,需要查看多个系统,咨询区局运维人员,再根据经验人工逐个排查故障点,无法快速获取待排查故障点信息,排查效率低,排查精准度不足,故障停电得不到及时处理。
因此,亟需一种故障停电快速识别方法,能自动分析出最优排查路径、排查点信息和用户信息,结合图形可视化展示方式,提高故障排查效率,提升配网调度的智能化水平。
发明内容
本发明实施例所要解决的技术问题在于,提供一种故障停电快速识别方法及系统,解决现有技术中停电异常情况管理的精准性和及时性不足的问题,能自动分析出最优排查路径、排查点信息和用户信息,从而提高故障排查效率,提升配网调度的智能化水平。
为了解决上述技术问题,本发明实施例提供了一种故障停电快速识别方法,所述方法包括以下步骤:
S1、根据配网的拓扑结构,构建台账树拓扑模型;其中,所述台账树拓扑模型为树状结构,其上所设节点从上往下依次分层对应设置为变电站、高压侧母线、主变、低压侧母线、馈线、支线及配电变电站;
S2、基于所述台账树拓扑模型,构建所述台账树拓扑模型中树状结构每层的层级数据存储模型;其中,每一层级数据存储模型均为多维矩阵,且每一多维矩阵的列向量均由各层的所有节点组成,每一多维矩阵的行向量均由各层当前节点的上一级追溯目标及各层当前节点的自身信息数据组成;
S3、根据配网的拓扑结构,确定所述台账树拓扑模型中树状结构的层与层之间及层间各节点之间的断路开关,并结合预设配网自动化系统数据所得到的各断路开关的实时通断状态,构建断路开关数据存储模型;其中,所述断路开关数据存储模型为多维矩阵,其多维矩阵的列向量由所有断路开关组成,行向量由当前断路开关的上一级追溯目标及当前断路开关的实时通断状态组成;
S4、在判定故障发生时确定故障设备,并根据所述断路开关数据存储模型中当前断路开关的上一级追溯目标,得到故障设备至相应变电站的断路开关集合,且进一步结合所述每一层级数据存储模型中各层当前节点的上一级追溯目标,得到故障设备至相应变电站的供电电源路径集合;
S5、结合SCADA负荷信息,获取所述供电电源路径集合中每一条供电电源路径上位于报障时间之前设备的电流值及报障时间之后设备的电流值,以计算出所述供电电源路径集合中每一条供电电源路径的设备负载率,且进一步根据所计算出的每一条供电电源路径的设备负载率,在所述供电电源路径集合中筛选出最优排查故障的供电电源路径。
其中,所述根据所计算出的每一条供电电源路径的设备负载率,在所述供电电源路径集合中筛选出最优排查故障的供电电源路径的步骤具体为:
按照所计算出的每一条供电电源路径的设备负载率从高到低排序,并在所述供电电源路径集合中,将设备负载率排序后最高的供电电源路径作为最优排查故障的供电电源路径。
其中,所述方法进一步包括:
将所筛选出最优排查故障的供电电源路径通过图形化方式展示出来。
其中,所述图形为携带有标识排查顺序、自动化设备、故障排查点信息的单线图。
本发明实施例还提供了一种故障停电快速识别系统,包括:
拓扑模型构建单元,用于根据配网的拓扑结构,构建台账树拓扑模型;其中,所述台账树拓扑模型为树状结构,其上所设节点从上往下依次分层对应设置为变电站、高压侧母线、主变、低压侧母线、馈线、支线及配电变电站;
层级数据存储模型构建单元,用于基于所述台账树拓扑模型,构建所述台账树拓扑模型中树状结构每层的层级数据存储模型;其中,每一层级数据存储模型均为多维矩阵,且每一多维矩阵的列向量均由各层的所有节点组成,每一多维矩阵的行向量均由各层当前节点的上一级追溯目标及各层当前节点的自身信息数据组成;
开关数据存储模型构建单元,用于根据配网的拓扑结构,确定所述台账树拓扑模型中树状结构的层与层之间及层间各节点之间的断路开关,并结合预设配网自动化系统数据所得到的各断路开关的实时通断状态,构建断路开关数据存储模型;其中,所述断路开关数据存储模型为多维矩阵,其多维矩阵的列向量由所有断路开关组成,行向量由当前断路开关的上一级追溯目标及当前断路开关的实时通断状态组成;
追溯故障电源路径单元,用于在判定故障发生时确定故障设备,并根据所述断路开关数据存储模型中当前断路开关的上一级追溯目标,得到故障设备至相应变电站的断路开关集合,且进一步结合所述每一层级数据存储模型中各层当前节点的上一级追溯目标,得到故障设备至相应变电站的供电电源路径集合;
最优故障排查电源路径单元,用于结合SCADA负荷信息,获取所述供电电源路径集合中每一条供电电源路径上位于报障时间之前设备的电流值及报障时间之后设备的电流值,以计算出所述供电电源路径集合中每一条供电电源路径的设备负载率,且进一步根据所计算出的每一条供电电源路径的设备负载率,在所述供电电源路径集合中筛选出最优排查故障的供电电源路径。
其中,还包括:
路径展示单元,用于将所筛选出最优排查故障的供电电源路径通过图形化方式展示出来。
其中,所述图形为携带有标识排查顺序、自动化设备、故障排查点信息的单线图。
实施本发明实施例,具有如下有益效果:
1、本发明基于配网的拓扑结构构建台账树拓扑模型,并以台账树拓扑模型形成的层级数据存储模型和断路开关数据存储模型中的上一级追溯目标来追溯故障发生时故障设备至相应变电站的最优供电电源路径,从而减少了人工多系统查询工作,以及依赖个人经验进行故障分析和判断过程,提高了故障处理效率;
2、本发明避免了人工识别考虑不全面,减少了人工排查的误差,疏理了故障停电快速识别流程,促进了故障停电处理的规范化;
3、本发明实现了故障停电数据、故障排查点数据、拓扑关系数据、运行状态数据和用户数据的融合和智能识别分析,拓展了单线图的图形可视化应用,提升了配网调度的智能化水平。
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性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例提供的一种故障停电快速识别方法的流程图;
图2为图1步骤S1中配网的拓扑结构示意图;
图3为基于图2构建的台账树拓扑模型的结构示意图;
图4为本发明实施例提供的一种故障停电快速识别系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1所示,为本发明实施例中,提供的一种故障停电快速识别方法,所述方法包括以下步骤:
步骤S1、根据配网的拓扑结构,构建台账树拓扑模型;其中,所述台账树拓扑模型为树状结构,其上所设节点从上往下依次分层对应设置为变电站、高压侧母线、主变、低压侧母线、馈线、支线及配电变电站;
具体过程为,配电网主要包括配电变电站、配电线路、开关刀闸及配电变压器设备。断路器、环网柜、T接箱和开闭所在线路通断上其实际作用相当于开关,所以均可由开关代替。如图2所示,为一个典型的配网拓扑结构;其中,粗竖线是变电站即电源;细线是线路,连接所有的电源、开关和变压器;S表示影响网络通断的开关、刀闸或熔断器等,统称为断路开关;T为变压器,并带有各自的用户。
根据图2的配网的拓扑结构,构建台账树拓扑模型,如图3所示。其中,台账树拓扑模型为树状结构,其上所设节点从上往下依次分层对应设置为变电站、高压侧母线、主变、低压侧母线、馈线、支线及配电变电站。
步骤S2、基于所述台账树拓扑模型,构建所述台账树拓扑模型中树状结构每层的层级数据存储模型;其中,每一层级数据存储模型均为多维矩阵,且每一多维矩阵的列向量均由各层的所有节点组成,每一多维矩阵的行向量均由各层当前节点的上一级追溯目标及各层当前节点的自身信息数据组成;
具体过程为,基于图3的台账树拓扑模型,构建站、线、变、户等物理存储的层级数据存储模型。其中,每一层级数据存储模型均为多维矩阵,且每一多维矩阵的列向量均由各层的所有节点组成,每一多维矩阵的行向量均由各层当前节点的上一级追溯目标及各层当前节点的自身信息数据组成。
例如,基于图3,构建母线的层级数据存储模型,其中,母线的上一级追溯目标为上级主变,母线的自身信息数据包括电压等级、电流等级、输出功率等等,具体如下表1所示:
表1
又如,基于图3,构建馈线的层级数据存储模型,其中,馈线的上一级追溯目标为上级母线,馈线的自身信息数据包括馈线电流、输出功率等等,具体如下表2所示:
表2
以此类推,建立其它层级数据存储模型。
步骤S3、根据配网的拓扑结构,确定所述台账树拓扑模型中树状结构的层与层之间及层间各节点之间的断路开关,并结合预设配网自动化系统数据所得到的各断路开关的实时通断状态,构建断路开关数据存储模型;其中,所述断路开关数据存储模型为多维矩阵,其多维矩阵的列向量由所有断路开关组成,行向量由当前断路开关的上一级追溯目标及当前断路开关的实时通断状态组成;
具体过程为,根据图2的配网的拓扑结构,找到台账树拓扑模型中树状结构的层与层之间及层间各节点之间的断路开关,即图2中的S1~S10;同时,结合配网自动化系统数据,构建实时开关状态存储结构,并根据步骤S2的方式,构建相应的数据存储模型且叠加实时运行方式,得到断路开关数据存储模型。其中,断路开关数据存储模型为多维矩阵,其多维矩阵的列向量由所有断路开关组成,行向量由当前断路开关的上一级追溯目标及当前断路开关的实时通断状态组成。应当说明的是,断路开关数据存储模型的多维矩阵的行向量还包括其它信息数据。
例如,构建断路开关数据存储模型,其中,断路开关的上一级追溯目标为上级设备,断路开关的实时通断状态为断开或合上,具体如下表3所示:
表3
步骤S4、在判定故障发生时确定故障设备,并根据所述断路开关数据存储模型中当前断路开关的上一级追溯目标,得到故障设备至相应变电站的断路开关集合,且进一步结合所述每一层级数据存储模型中各层当前节点的上一级追溯目标,得到故障设备至相应变电站的供电电源路径集合;
具体过程为,首先,在故障发生时确定故障设备,从故障发生设备位置开始,从断路开关数据存储模型中按照上级设备名称进行追溯,得到故障设备至相应变电站(即供电电源)的断路开关集合,即联络点集合R。其中,R={K1,K2,.....KN};K1~KN为追溯的各断路开关。
其次,结合故障设备及台账树状模型中每一层级数据存储模型的上一级追溯目标进行追溯到供电电源,得到故障设备至相应变电站的供电电源路径集合P。其中,P={P1,P2,.....PN};P1~PN为追溯的各供电电源路径,且每一条供电电源路径可以包括馈线、母线、配变等组成。
步骤S5、结合SCADA负荷信息,获取所述供电电源路径集合中每一条供电电源路径上位于报障时间之前设备的电流值及报障时间之后设备的电流值,以计算出所述供电电源路径集合中每一条供电电源路径的设备负载率,且进一步根据所计算出的每一条供电电源路径的设备负载率,在所述供电电源路径集合中筛选出最优排查故障的供电电源路径。
具体过程为,通过SCADA负荷信息解析,得到供电电源路径集合中每一条供电电源路径上位于报障时间之前设备的电流值及报障时间之后设备的电流值,通过报障时间之前设备的电流值及报障时间之后设备的电流值,可以计算出每一条供电电源路径的设备负载率;应当说明的是,供电电源路径的设备负载率的计算方式为已有技术实现,在此不再赘述。
然后,按照所计算出的每一条供电电源路径的设备负载率从高到低排序,并在所述供电电源路径集合中,将设备负载率排序后最高的供电电源路径作为最优排查故障的供电电源路径。
在本发明实施例中,可以将所筛选出最优排查故障的供电电源路径通过图形化方式展示出来。其中,该图形为携带有标识排查顺序、自动化设备、故障排查点信息的单线图。
可以理解的是,通过所设置的排查点和供电关系分析出最优排查路径,在单线图上标识排查顺序和自动化设备,展示故障排查点信息。其中,故障排查点信息根据区局、变电站、线路、运维班组、设备名称、设备编号、是否断路器柜、是否排查点、是否配网自动化设备查询对应设置。
因此,一方面,可以根据设定的故障设备快速识别需要故障排查的站房,识别出高风险、自动化的故障排查点,并对需要故障排查的站房按供电关系进行排序;另一方面,以列表清单的方式展示站房管理人员联系方式、安装位置、推荐故障查询方法等故障排查点情况,提高故障排查效率。
如图4所示,为本发明实施例中,提供的一种故障停电快速识别系统,包括:
拓扑模型构建单元110,用于根据配网的拓扑结构,构建台账树拓扑模型;其中,所述台账树拓扑模型为树状结构,其上所设节点从上往下依次分层对应设置为变电站、高压侧母线、主变、低压侧母线、馈线、支线及配电变电站;
层级数据存储模型构建单元120,用于基于所述台账树拓扑模型,构建所述台账树拓扑模型中树状结构每层的层级数据存储模型;其中,每一层级数据存储模型均为多维矩阵,且每一多维矩阵的列向量均由各层的所有节点组成,每一多维矩阵的行向量均由各层当前节点的上一级追溯目标及各层当前节点的自身信息数据组成;
开关数据存储模型构建单元130,用于根据配网的拓扑结构,确定所述台账树拓扑模型中树状结构的层与层之间及层间各节点之间的断路开关,并结合预设配网自动化系统数据所得到的各断路开关的实时通断状态,构建断路开关数据存储模型;其中,所述断路开关数据存储模型为多维矩阵,其多维矩阵的列向量由所有断路开关组成,行向量由当前断路开关的上一级追溯目标及当前断路开关的实时通断状态组成;
追溯故障电源路径单元140,用于在判定故障发生时确定故障设备,并根据所述断路开关数据存储模型中当前断路开关的上一级追溯目标,得到故障设备至相应变电站的断路开关集合,且进一步结合所述每一层级数据存储模型中各层当前节点的上一级追溯目标,得到故障设备至相应变电站的供电电源路径集合;
最优故障排查电源路径单元150,用于结合SCADA负荷信息,获取所述供电电源路径集合中每一条供电电源路径上位于报障时间之前设备的电流值及报障时间之后设备的电流值,以计算出所述供电电源路径集合中每一条供电电源路径的设备负载率,且进一步根据所计算出的每一条供电电源路径的设备负载率,在所述供电电源路径集合中筛选出最优排查故障的供电电源路径。
其中,还包括:
路径展示单元160,用于将所筛选出最优排查故障的供电电源路径通过图形化方式展示出来。
其中,所述图形为携带有标识排查顺序、自动化设备、故障排查点信息的单线图。
实施本发明实施例,具有如下有益效果:
1、本发明基于配网的拓扑结构构建台账树拓扑模型,并以台账树拓扑模型形成的层级数据存储模型和断路开关数据存储模型中的上一级追溯目标来追溯故障发生时故障设备至相应变电站的最优供电电源路径,从而减少了人工多系统查询工作,以及依赖个人经验进行故障分析和判断过程,提高了故障处理效率;
2、本发明避免了人工识别考虑不全面,减少了人工排查的误差,疏理了故障停电快速识别流程,促进了故障停电处理的规范化;
3、本发明实现了故障停电数据、故障排查点数据、拓扑关系数据、运行状态数据和用户数据的融合和智能识别分析,拓展了单线图的图形可视化应用,提升了配网调度的智能化水平。
值得注意的是,上述系统实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (7)
1.一种故障停电快速识别方法,其特征在于,所述方法包括以下步骤:
S1、根据配网的拓扑结构,构建台账树拓扑模型;其中,所述台账树拓扑模型为树状结构,其上所设节点从上往下依次分层对应设置为变电站、高压侧母线、主变、低压侧母线、馈线、支线及配电变电站;
S2、基于所述台账树拓扑模型,构建所述台账树拓扑模型中树状结构每层的层级数据存储模型;其中,每一层级数据存储模型均为多维矩阵,且每一多维矩阵的列向量均由各层的所有节点组成,每一多维矩阵的行向量均由各层当前节点的上一级追溯目标及各层当前节点的自身信息数据组成;
S3、根据配网的拓扑结构,确定所述台账树拓扑模型中树状结构的层与层之间及层间各节点之间的断路开关,并结合预设配网自动化系统数据所得到的各断路开关的实时通断状态,构建断路开关数据存储模型;其中,所述断路开关数据存储模型为多维矩阵,其多维矩阵的列向量由所有断路开关组成,行向量由当前断路开关的上一级追溯目标及当前断路开关的实时通断状态组成;
S4、在判定故障发生时确定故障设备,并根据所述断路开关数据存储模型中当前断路开关的上一级追溯目标,得到故障设备至相应变电站的断路开关集合,且进一步结合所述每一层级数据存储模型中各层当前节点的上一级追溯目标,得到故障设备至相应变电站的供电电源路径集合;
S5、结合SCADA负荷信息,获取所述供电电源路径集合中每一条供电电源路径上位于报障时间之前设备的电流值及报障时间之后设备的电流值,以计算出所述供电电源路径集合中每一条供电电源路径的设备负载率,且进一步根据所计算出的每一条供电电源路径的设备负载率,在所述供电电源路径集合中筛选出最优排查故障的供电电源路径。
2.如权利要求1所述的故障停电快速识别方法,其特征在于,所述根据所计算出的每一条供电电源路径的设备负载率,在所述供电电源路径集合中筛选出最优排查故障的供电电源路径的步骤具体为:
按照所计算出的每一条供电电源路径的设备负载率从高到低排序,并在所述供电电源路径集合中,将设备负载率排序后最高的供电电源路径作为最优排查故障的供电电源路径。
3.如权利要求1所述的故障停电快速识别方法,其特征在于,所述方法进一步包括:
将所筛选出最优排查故障的供电电源路径通过图形化方式展示出来。
4.如权利要求3所述的故障停电快速识别方法,其特征在于,所述图形为携带有标识排查顺序、自动化设备、故障排查点信息的单线图。
5.一种故障停电快速识别系统,其特征在于,包括:
拓扑模型构建单元,用于根据配网的拓扑结构,构建台账树拓扑模型;其中,所述台账树拓扑模型为树状结构,其上所设节点从上往下依次分层对应设置为变电站、高压侧母线、主变、低压侧母线、馈线、支线及配电变电站;
层级数据存储模型构建单元,用于基于所述台账树拓扑模型,构建所述台账树拓扑模型中树状结构每层的层级数据存储模型;其中,每一层级数据存储模型均为多维矩阵,且每一多维矩阵的列向量均由各层的所有节点组成,每一多维矩阵的行向量均由各层当前节点的上一级追溯目标及各层当前节点的自身信息数据组成;
开关数据存储模型构建单元,用于根据配网的拓扑结构,确定所述台账树拓扑模型中树状结构的层与层之间及层间各节点之间的断路开关,并结合预设配网自动化系统数据所得到的各断路开关的实时通断状态,构建断路开关数据存储模型;其中,所述断路开关数据存储模型为多维矩阵,其多维矩阵的列向量由所有断路开关组成,行向量由当前断路开关的上一级追溯目标及当前断路开关的实时通断状态组成;
追溯故障电源路径单元,用于在判定故障发生时确定故障设备,并根据所述断路开关数据存储模型中当前断路开关的上一级追溯目标,得到故障设备至相应变电站的断路开关集合,且进一步结合所述每一层级数据存储模型中各层当前节点的上一级追溯目标,得到故障设备至相应变电站的供电电源路径集合;
最优故障排查电源路径单元,用于结合SCADA负荷信息,获取所述供电电源路径集合中每一条供电电源路径上位于报障时间之前设备的电流值及报障时间之后设备的电流值,以计算出所述供电电源路径集合中每一条供电电源路径的设备负载率,且进一步根据所计算出的每一条供电电源路径的设备负载率,在所述供电电源路径集合中筛选出最优排查故障的供电电源路径。
6.如权利要求5所述的故障停电快速识别系统,其特征在于,还包括:
路径展示单元,用于将所筛选出最优排查故障的供电电源路径通过图形化方式展示出来。
7.如权利要求6所述的故障停电快速识别系统,其特征在于,所述图形为携带有标识排查顺序、自动化设备、故障排查点信息的单线图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011071452.0A CN112256922B (zh) | 2020-10-09 | 2020-10-09 | 一种故障停电快速识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011071452.0A CN112256922B (zh) | 2020-10-09 | 2020-10-09 | 一种故障停电快速识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112256922A CN112256922A (zh) | 2021-01-22 |
CN112256922B true CN112256922B (zh) | 2023-07-11 |
Family
ID=74233530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011071452.0A Active CN112256922B (zh) | 2020-10-09 | 2020-10-09 | 一种故障停电快速识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112256922B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115566803B (zh) * | 2022-10-21 | 2023-07-07 | 国网吉林省电力有限公司白城供电公司 | 一种线路故障溯源方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2400617A1 (en) * | 2010-06-24 | 2011-12-28 | ABB Technology AG | Implementing a substation automation load transfer function |
WO2015143846A1 (zh) * | 2014-03-25 | 2015-10-01 | 国家电网公司 | 一种基于主配网一体化的在线实时合环方法 |
CN106877509A (zh) * | 2017-03-31 | 2017-06-20 | 国家电网公司 | 配网线路故障研判和告警分析方法 |
CN109560543A (zh) * | 2018-11-14 | 2019-04-02 | 广东电网有限责任公司江门供电局 | 基于主配网一体化模型的动态事故预案分析方法及系统 |
-
2020
- 2020-10-09 CN CN202011071452.0A patent/CN112256922B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2400617A1 (en) * | 2010-06-24 | 2011-12-28 | ABB Technology AG | Implementing a substation automation load transfer function |
WO2015143846A1 (zh) * | 2014-03-25 | 2015-10-01 | 国家电网公司 | 一种基于主配网一体化的在线实时合环方法 |
CN106877509A (zh) * | 2017-03-31 | 2017-06-20 | 国家电网公司 | 配网线路故障研判和告警分析方法 |
CN109560543A (zh) * | 2018-11-14 | 2019-04-02 | 广东电网有限责任公司江门供电局 | 基于主配网一体化模型的动态事故预案分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112256922A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460833B (zh) | 配网故障的设备数据和报修工单数据处理方法及系统 | |
CN105373655B (zh) | 一种有机关联智能化变电站一二次系统连接图的方法 | |
CN105427039A (zh) | 一种基于责任区的配电网抢修工单高效处理方法 | |
CN106124935A (zh) | 中低压配电网络故障定位方法 | |
CN111682534B (zh) | 一种配电网馈线批量转供方案分析的方法 | |
CN103607042B (zh) | 面向城郊长架空线路故障指示器的配电网故障处理方法 | |
CN105245185A (zh) | 一种接入配电网的区域分布式光伏故障诊断系统及方法 | |
CN108287294B (zh) | 基于停电配变和拓扑分析的配电网故障区域快速辨识方法 | |
CN109447284B (zh) | 用于供电服务指挥平台的配网故障信息发送方法及系统 | |
CN108206522B (zh) | 一种电力设备状态监控方法及系统 | |
CN102495850A (zh) | 一种多级多区互联电网继电保护模型拼接的方法 | |
CN112467724A (zh) | 一种低压配电网故障研判方法 | |
CN103926891B (zh) | 移动通信机房基站动力环境设备监测系统及方法 | |
CN109949178B (zh) | 一种基于支持向量机中压配网停电事件判断及补全方法 | |
CN110556920A (zh) | 一种配电自动化监测方法、系统、终端及存储介质 | |
CN113627766A (zh) | 一种拓扑辨识停电检修计划的风险辨识方法 | |
CN109191006B (zh) | 一种电网110 kV主变N-1风险自动扫描分析的方法 | |
CN103530743A (zh) | 一种配网线路信息化管理系统的建立方法 | |
CN112256922B (zh) | 一种故障停电快速识别方法及系统 | |
CN113344364B (zh) | 停电计划的风险分析方法、装置、电子设备及存储介质 | |
CN112713594B (zh) | 一种微电网仿真控制系统 | |
CN111327474B (zh) | 基于拓扑分析的电力系统故障诊断方法 | |
CN105184657B (zh) | 一种面向电力系统的供电风险评估方法及系统 | |
CN108107318B (zh) | 用户故障的定位方法及装置 | |
CN109193946B (zh) | 面向电力用户的抢修信息发布系统 |
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 |