CN112526251B - 一种基于数据驱动的变电站电力设备故障诊断方法 - Google Patents
一种基于数据驱动的变电站电力设备故障诊断方法 Download PDFInfo
- Publication number
- CN112526251B CN112526251B CN202011138727.8A CN202011138727A CN112526251B CN 112526251 B CN112526251 B CN 112526251B CN 202011138727 A CN202011138727 A CN 202011138727A CN 112526251 B CN112526251 B CN 112526251B
- Authority
- CN
- China
- Prior art keywords
- power equipment
- fault
- equipment
- information
- monitoring
- 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 43
- 238000003745 diagnosis Methods 0.000 title claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 72
- 238000012423 maintenance Methods 0.000 claims abstract description 38
- 238000013145 classification model Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 52
- 230000007547 defect Effects 0.000 description 17
- 238000010438 heat treatment Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数据驱动的变电站电力设备故障诊断方法,包括以下步骤:S1:获取变电站的电力设备基础信息;S2:获取电力设备的历史故障信息和维护信息;S3:通过电力设备的基础信息、电力设备的历史故障信息和电力设备的维护信息计算电力设备故障概率;S4:根据电力设备的历史故障信息进行电力设备分类;S5:根据电力设备分类情况对电力设备进行监测,获取电力设备的监测数据;S6:通过电力设备的故障概率和电力设备的监测数据计算电力设备故障系数;S7:通过电力设备故障系数判断电力设备是否发生故障;本发明通过故障发生系数实现电力设备的提前维护,减少国网损失,降低电网运行成本,提高电网工作人员的工作效率。
Description
技术领域
本发明涉及变电站运维技术领域,尤其涉及一种基于数据驱动的变电站电力设备故障诊断方法。
背景技术
传统运维关注故障后设备的检修和重新投入,被动式模式限制了设备运维水平的进一步提升。受到航天航空、核电设备、电子系统可靠性工程理念的启发,电力设备运维正向设备生命周期健康管理方向发展,设备剩余运行寿命预测、故障预报等是该领域的热点问题。
随着经济社会的不断发展,电网规模日趋庞大,电网的运维、检修、方式调整等业务量愈发变大。传统运维以人为运维业务的“主体”,人员现场设备巡视、倒闸操作、工作许可等,工作量大、工作强度高、效率低。同时,投入现场应用的智能运检设备或装备未能充分转换为实际生产力,存在设备覆盖不全面、建设标准不统一、主辅数据不共享、人机交互不友好等问题。传统依托人力资源的变电运维模式难以适应企业和电网发展需求。
例如,申请号为CN201910717499.0,申请日为2019年08月05日的中国专利申请公开了一种电力设备发热缺陷的诊断方法以及诊断系统,包括如下步骤:步骤S1:从历史现场测试数据中提取电力设备各类发热缺陷对应的红外温度数据;步骤S2:对所述红外温度数据进行预处理得到电力设备各类发热缺陷对应的缺陷数据;所述缺陷数据至少包括电力设备的红外热成像图、红外点阵温度图、可见光成像图、关键测量点温度标记;步骤S3:利用步骤S2中电力设备的缺陷数据以及发热缺陷类型标签训练深度卷积神经网络得到发热缺陷诊断模型;其中,发热缺陷模型的输入数据为电力设备的缺陷数据,输出数据为电力设备的发热缺陷诊断结果,所述诊断结果包括是否存在发热缺陷以及发热缺陷的类型;步骤S4:采集待诊断电力设备的红外温度数据,并进行预处理得到缺陷数据;步骤S5:将步骤S4的缺陷数据输入至步骤S3的发热缺陷诊断模型中得到发热缺陷诊断结果。该申请的电力设备故障诊断方法,需要在设备发生故障之后才进行故障诊断检测,此时故障已经发生一段时间,给国网和用户带来了大量损失,无法进行电力设备的提前故障诊断。
发明内容
本发明主要解决现有的技术中缺乏对电力设备故障进行提前诊断的问题;提供一种基于数据驱动的变电站电力设备故障诊断方法,对电力设备的故障进行提前判断,有利于维护人员对设备进行提前维护,减少国网损失,降低电网运行成本。
本发明的上述技术问题主要是通过下述技术方案得以解决的:一种基于数据驱动的变电站电力设备故障诊断方法,包括以下步骤:
S1:获取变电站的电力设备基础信息;
S2:获取电力设备的历史故障信息和维护信息;
S3:通过电力设备的基础信息、电力设备的历史故障信息和电力设备的维护信息计算电力设备故障概率;
S4:根据电力设备的历史故障信息进行电力设备分类;
S5:根据电力设备分类情况对电力设备进行监测,获取电力设备的监测数据;
S6:通过电力设备的故障概率和电力设备的监测数据计算电力设备故障系数;
S7:通过电力设备故障系数判断电力设备是否发生故障。先利用电力设备的历史故障信息和维护的程度信息以及电力设备本身的硬件信息,判断电力设备整体的故障发生概率,根据设备的整体故障发生概率,对设备进行不同程度和不同角度的监测,包括对整体的数据监测以及对多发故障位置的零件的监测,提高数据监测的准确性,根据实时监测数据结合设备历史发生故障的前兆数据进行比对,计算电力设备的故障系数,判断电力设备在接下来多长的时间内会发生故障,在发生故障前进行维护,提前维护,减少国网损失,降低电网运行成本。
作为优选,所述的步骤S1中,获取的电力设备基础信息包括电力设备的出厂日期、电力设备的零件信息、电力设备型号以及电力设备的保养信息。对于同一设备工厂,不同出厂日期的同一设备有可能具有不同程度的寿命区别,构成电力设备的零件是多样的,同一电力设备用不同厂家的零件有可能使电力设备具有不同的寿命,因此同一类型对于不同基础的电力设备,其使用时长和使用寿命均是不同的。
作为优选,所述的步骤S2中,获取的电力设备的历史故障信息包括故障类型、初次故障发生的时间、每次故障发生的原因、故障发生的次数以及每次故障发生的时间间隔;获取的电力设备的维护信息包括维护人员信息以及维护时长。而对于同一类型同一基础的电力设备,由于工作环境不同,发生故障的次数以及概率也是不同的。
作为优选,所述的步骤S3中,电力设备故障概率的计算方法包括以下步骤:
S31:根据电力设备基础信息,建立电力设备的总使用寿命表;
S32:通过电力设备的历史故障信息和维护信息计算电力设备的寿命缺失系数;
S33:根据电力设备的寿命缺失系数计算电力设备的剩余使用寿命;
S34:根据电力设备的剩余使用寿命和电力设备的总使用寿命计算电力设备故障概率。
作为优选,所述的步骤S4中,根据电力设备的历史故障信息进行电力设备分类的方法为:建立分类模型,建立分类模型时人工标注l个样本作为训练集{(x(1),y(1)),(x(2),y(2)),…,(x(l),y(l))},y(i)∈{1,2,…,h},h为相应的电力设备的故障类型数量;
作为优选,所述的步骤S5中,对电力设备进行监测的方法为:根据分类模型将电力设备分为一类设备和二类设备,分别在一类设备和二类设备上均安装第一监测传感器,第一监测传感器用于监测一类设备和二类设备的整体设备状态,在二类设备上安装第二监测传感器,第二监测传感器用于监测二类设备的故障位置的状态。
作为优选,所述的步骤S6中,通过电力设备的故障概率和电力设备的监测数据计算电力设备故障系数的计算式为:
其中,γ为电力设备故障系数,Tg为电力设备的总使用寿命,ωg为电力设备的历史故障等级系数,δ为电力设备发生故障的次数,τ为电力设备的寿命缺失系数,Ag为电力设备工作正常的监测值,Cg为第一监测传感器的实时监测值,Mg为二类设备出现历史故障零件的正常工作的监测值,Ng为第二监测传感器的实时监测值。
作为优选,所述的通过电力设备故障系数判断电力设备是否发生故障的方法为:将γ<0.01的判断为设备发生故障,将0.01≤γ<0.04的判断为即将发生故障,将0.04≤γ<0.07的判断为不会发生故障,将γ≥0.07的判断为电力设备稳定工作。
作为优选,所述的二类设备的故障位置由零件发生故障的概率分布函数进行确定,采用概率分布函数分析法进行分析,将概率密度函数定义为:
f(t)=λe-λt
其中,λ为零件的故障率。
作为优选,所述的步骤S31中,电力设备的总使用寿命的建立方法包括以下步骤:
S311:获取电力设备的出厂日期;
S312:获取电力设备的零件信息,根据电力设备的零件信息判断电力设备是否为整机设备或组装设备;
S313:获取电力设备的型号信息,查找相同型号设备的历史使用时长以及故障次数信息;
S314:将电力设备的出厂日期、零件信息、相同型号设备的历史使用时长以及故障次数信息进行加权计算,得到总使用寿命。
本发明的有益效果是:先通过电力设备的基础信息,判断电力设备本身具有的使用寿命,通过电力设备的历史故障信息和维护程度判断电力设备的剩余使用寿命,进而计算电力设备在接下来的使用过程的故障发生概率,通过电力设备的故障发生概率对故障进行不同程度的监测,对于剩余寿命较少的电力设备或故障发生次数较多的电力设备的零件进行重点监测,结合实时监测数据计算电力设备的故障发生系数,通过故障发生系数实现电力设备的提前维护,减少国网损失,降低电网运行成本,提高电网工作人员的工作效率。
附图说明
图1是本发明实施例一电力设备故障诊断方法的流程框图。
图2是本发明实施例一电力设备故障概率计算方法的流程框图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例一:一种基于数据驱动的变电站电力设备故障诊断方法,如图1所示,包括以下步骤:S1:获取变电站的电力设备基础信息;获取的电力设备基础信息包括电力设备的出厂日期、电力设备的零件信息、电力设备型号以及电力设备的保养信息。
S2:获取电力设备的历史故障信息和维护信息;获取的电力设备的历史故障信息包括故障类型、初次故障发生的时间、每次故障发生的原因、故障发生的次数以及每次故障发生的时间间隔;获取的电力设备的维护信息包括维护人员信息以及维护时长。
S3:通过电力设备的基础信息、电力设备的历史故障信息和电力设备的维护信息计算电力设备故障概率;如图2所示,电力设备故障概率的计算方法包括以下步骤:
S31:根据电力设备基础信息,建立电力设备的总使用寿命表;
S32:通过电力设备的历史故障信息和维护信息计算电力设备的寿命缺失系数;寿命缺失系数的计算式为:其中,为故障类型的权重值,δ为电力设备发生故障的次数,TL为当前时间值,TB为上一次发生故障的时间值,TZ为每次故障发生的时间间隔的平均时长,ε为维护系数。
S34:根据电力设备的剩余使用寿命和电力设备的总使用寿命计算电力设备故障概率;
电力设备的总使用寿命的建立方法包括以下步骤:
S311:获取电力设备的出厂日期;
S312:获取电力设备的零件信息,根据电力设备的零件信息判断电力设备是否为整机设备或组装设备;
S313:获取电力设备的型号信息,查找相同型号设备的历史使用时长以及故障次数信息;
S314:将电力设备的出厂日期、零件信息、相同型号设备的历史使用时长以及故障次数信息进行加权计算,得到总使用寿命。
S4:根据电力设备的历史故障信息进行电力设备分类;根据电力设备的历史故障信息进行电力设备分类的方法为:建立分类模型,建立分类模型时人工标注l个样本作为训练集{(x(1),y(1)),(x(2),y(2)),…,(x(l),y(l))},y(i)∈{1,2,…,h},h为相应的电力设备的故障类型数量;
S5:根据电力设备分类情况对电力设备进行监测,获取电力设备的监测数据;对电力设备进行监测的方法为:根据分类模型将电力设备分为一类设备和二类设备,分别在一类设备和二类设备上均安装第一监测传感器,第一监测传感器用于监测一类设备和二类设备的整体设备状态,在二类设备上安装第二监测传感器,第二监测传感器用于监测二类设备的故障位置的状态;二类设备的故障位置由零件发生故障的概率分布函数进行确定,采用概率分布函数分析法进行分析,将概率密度函数定义为:
f(t)=λe-λt
其中,λ为零件的故障率。
S6:通过电力设备的故障概率和电力设备的监测数据计算电力设备故障系数;通过电力设备的故障概率和电力设备的监测数据计算电力设备故障系数的计算式为:
其中,γ为电力设备故障系数,Tg为电力设备的总使用寿命,ωg为电力设备的历史故障等级系数,δ为电力设备发生故障的次数,τ为电力设备的寿命缺失系数,Ag为电力设备工作正常的监测值,Cg为第一监测传感器的实时监测值,Mg为二类设备出现历史故障零件的正常工作的监测值,Ng为第二监测传感器的实时监测值。
S7:通过电力设备故障系数判断电力设备是否发生故障;通过电力设备故障系数判断电力设备是否发生故障的方法为:将γ<0.01的判断为设备发生故障,将0.01≤γ<0.04的判断为即将发生故障,将0.04≤γ<0.07的判断为不会发生故障,将γ≥0.07的判断为电力设备稳定工作。
实施例二,一种基于数据驱动的变电站电力设备故障诊断方法,本实施例与实施例一的区别在于,本实施例在电力设备上还安装有通信单元和控制单元,第一监测传感器及通信单元均与控制单元连接,在变电站内设置若干个收集器和服务器,每个收集器连接若干个第一监测传感器,收集器包括第一通讯模块、第二通讯模块、存储器和控制器,第一监测传感器通过第一通讯模块与控制器连接,控制器通过第二通讯模块与服务器连接,存储器与控制器连接,收集器记录与其连接的第一监测传感器标识信息和阈值信息,当第一监测传感器采集的状态数据超过阈值时,收集器向服务器发送报警信息,在电力设备由非既定轨迹发生突发故障时,使服务器能第一时间知道电力设备产生故障。
若干个收集器的第二通讯模块Gi,i∈[1,N]之间建立通信环,N为收集器的数量,四个监测传感器的通信单元Rij,j∈[1,4]构成通信链,通信单元Ri1与第二通讯模块Gi连接;监测传感器以周期t采集对应变电站设备的状态,通信单元Rij,j∈[1,4]以周期T将采集到的变电站设备的状态数据打包成数据块Dij,T为t的m倍,每个数据块包含m个变电站设备的状态数据;周期T结束后通信单元Ri4生成m位二进制数Bim,关联时间戳和通信单元Ri4的标识号后上传到服务器;通信单元Ri4将数据块Di1以及二进制数Bim发送给通信单元Ri3,通信单元Ri3将数据块Di4和数据块Di3发送给通信单元Ri2,通信单元Ri2将数据块Di4、数据块Di3和数据块Di2发送给通信单元Ri1,通信单元Ri1将数据块Dij,j∈[1,4]发送给第二通讯模块Gi,第二通讯模块Gi收到数据块Dij,j∈[1,4]以及二进制数Bim后,将数据块Dij,j∈[1,4]拼接后分割为2部分Di,1和Di,2,第二通讯模块Gi对应的控制器根据二进制数Bim的首位,决定是否将数据块Di,2发送给通信环中的下一个第二通讯模块Gi+1,若二进制数Bim的首位为1,则将数据块Di,2发送给通信环中的下一个第二通讯模块Gi+1,若第二通讯模块Gi+1对应的二进制数B(i+1)m的首位为1,则第二通讯模块Gi+1接收数据块Di,2,并将自身的数据块Di+1,2发送给通信环的下一个第二通讯模块Gi+2,反之,则直接将数据块Di,2发送给通信环中的下一个第二通讯模块Gi+2,若干个周期T结束后,全部第二通讯模块Gi,i∈[1,N]将数据块Di,i∈[1,N]上传到服务器,并丢弃二进制数Bim,通信单元Ri4将数据块Di4以及二进制数Bim发送给通信单元Ri3时,通信单元Ri3将数据块Di4和数据块Di3内包含的变电站设备的状态数据按二进制数Bim的位值进行对调,若二进制数Bim的第k位为1则将数据块Di4和数据块Di3的第k个周期t采集的变电站设备的状态数据进行对调,对调后的数据块Di4和数据块Di3拼接为数据块Di4-3,通信单元Ri3将数据块Di4-3以及二进制数Bim发送给通信单元Ri2,通信单元Ri2收到通信单元Ri3发送的数据块Di4-3以及二进制数Bim后,将数据块Di4-3、数据块Di2以及二进制数Bim发送给通信单元Ri1,通信单元Ri1收到数据块Di4-3、数据块Di2以及二进制数Bim后,将数据块Di2和数据块Di1拼接为数据块Di2-1,将两个二进制数Bim拼接成二进制数Bi.2m,将数据块Di4-3和数据块Di2-1内包含的变电站设备的状态数据按二进制数Bi.2m的位值进行对调,若二进制数Bi.2m的第k位为1则将数据块Di4-3和数据块Di2-1的第k个周期t采集的变电站设备的状态数据进行对调,对调后的数据块Di4-3和数据块Di2-1拼接为数据块Di,通信单元Ri1将数据块Di以及二进制数Bim发送给第二通讯模块Gi。在第一监测传感器采集的状态数据超过阈值时,第一监测传感器采集的状态数据将不经过通信环,直接经第二通讯模块发送给服务器。
本发明,先通过电力设备的基础信息,判断电力设备本身具有的使用寿命,通过电力设备的历史故障信息和维护程度判断电力设备的剩余使用寿命,进而计算电力设备在接下来的使用过程的故障发生概率,通过电力设备的故障发生概率对故障进行不同程度的监测,对于剩余寿命较少的电力设备或故障发生次数较多的电力设备的零件进行重点监测,结合实时监测数据计算电力设备的故障发生系数,通过故障发生系数实现电力设备的提前维护,减少国网损失,降低电网运行成本,提高电网工作人员的工作效率,利用通信环进行加密通信,提高电网数据的安全性。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (9)
1.一种基于数据驱动的变电站电力设备故障诊断方法,其特征在于,包括以下步骤:
S1:获取变电站的电力设备基础信息;
S2:获取电力设备的历史故障信息和维护信息;
S3:通过电力设备的基础信息、电力设备的历史故障信息和电力设备的维护信息计算电力设备故障概率;
S4:根据电力设备的历史故障信息进行电力设备分类;
S5:根据电力设备分类情况对电力设备进行监测,获取电力设备的监测数据;
S6:通过电力设备的故障概率和电力设备的监测数据计算电力设备故障系数;
S7:通过电力设备故障系数判断电力设备是否发生故障;
步骤S4中,根据电力设备的历史故障信息进行电力设备分类的方法为:建立分类模型,建立分类模型时人工标注l个样本作为训练集{(x(1),y(1)),(x(2),y(2)),…,(x(l),y(l))},y(i)∈{1,2,…,h},h为相应的电力设备的故障类型数量;
2.根据权利要求1所述的一种基于数据驱动的变电站电力设备故障诊断方法,其特征在于,步骤S1中,获取的电力设备基础信息包括电力设备的出厂日期、电力设备的零件信息、电力设备型号以及电力设备的保养信息。
3.根据权利要求1或2所述的一种基于数据驱动的变电站电力设备故障诊断方法,其特征在于,步骤S2中,获取的电力设备的历史故障信息包括故障类型、初次故障发生的时间、每次故障发生的原因、故障发生的次数以及每次故障发生的时间间隔;获取的电力设备的维护信息包括维护人员信息以及维护时长。
4.根据权利要求1所述的一种基于数据驱动的变电站电力设备故障诊断方法,其特征在于,步骤S3中,电力设备故障概率的计算方法包括以下步骤:
S31:根据电力设备基础信息,建立电力设备的总使用寿命表;
S32:通过电力设备的历史故障信息和维护信息计算电力设备的寿命缺失系数;
S33:根据电力设备的寿命缺失系数计算电力设备的剩余使用寿命;
S34:根据电力设备的剩余使用寿命和电力设备的总使用寿命计算电力设备故障概率。
5.根据权利要求1所述的一种基于数据驱动的变电站电力设备故障诊断方法,其特征在于,步骤S5中,对电力设备进行监测的方法为:根据分类模型将电力设备分为一类设备和二类设备,分别在一类设备和二类设备上均安装第一监测传感器,第一监测传感器用于监测一类设备和二类设备的整体设备状态,在二类设备上安装第二监测传感器,第二监测传感器用于监测二类设备的故障位置的状态。
7.根据权利要求6所述的一种基于数据驱动的变电站电力设备故障诊断方法,其特征在于,通过电力设备故障系数判断电力设备是否发生故障的方法为:将γ<0.01的判断为设备发生故障,将0.01≤γ<0.04的判断为即将发生故障,将0.04≤γ<0.07的判断为不会发生故障,将γ≥0.07的判断为电力设备稳定工作。
8.根据权利要求5所述的一种基于数据驱动的变电站电力设备故障诊断方法,其特征在于,所述二类设备的故障位置由零件发生故障的概率分布函数进行确定,采用概率分布函数分析法进行分析,将概率密度函数定义为:
f(t)=λe-λt
其中,λ为零件的故障率。
9.根据权利要求4所述的一种基于数据驱动的变电站电力设备故障诊断方法,其特征在于,步骤S31中,电力设备的总使用寿命的建立方法包括以下步骤:
S311:获取电力设备的出厂日期;
S312:获取电力设备的零件信息,根据电力设备的零件信息判断电力设备是否为整机设备或组装设备;
S313:获取电力设备的型号信息,查找相同型号设备的历史使用时长以及故障次数信息;
S314:将电力设备的出厂日期、零件信息、相同型号设备的历史使用时长以及故障次数信息进行加权计算,得到总使用寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011138727.8A CN112526251B (zh) | 2020-10-22 | 2020-10-22 | 一种基于数据驱动的变电站电力设备故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011138727.8A CN112526251B (zh) | 2020-10-22 | 2020-10-22 | 一种基于数据驱动的变电站电力设备故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112526251A CN112526251A (zh) | 2021-03-19 |
CN112526251B true CN112526251B (zh) | 2022-05-17 |
Family
ID=74980275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011138727.8A Active CN112526251B (zh) | 2020-10-22 | 2020-10-22 | 一种基于数据驱动的变电站电力设备故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112526251B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191074B (zh) * | 2021-04-13 | 2023-11-21 | 北京中大科慧科技发展有限公司 | 一种用于数据中心的机房供电参数检测方法 |
CN113364733B (zh) * | 2021-04-29 | 2022-04-15 | 国网浙江省电力有限公司嘉兴供电公司 | 一种变电站现场数据加密传输方法 |
CN113283621B (zh) * | 2021-07-21 | 2021-10-08 | 金华八达集团有限公司科技信息分公司 | 基于虚拟棱柱坐标变换的参数处理方法 |
CN114781657B (zh) * | 2022-03-15 | 2023-09-26 | 江苏贺鸿电子有限公司 | 一种基于人工智能的电力设备检修系统及方法 |
CN115016339B (zh) * | 2022-05-20 | 2023-08-11 | 山东浪潮科学研究院有限公司 | 一种室外电力设备的监测方法、设备及介质 |
CN115693962B (zh) * | 2022-12-30 | 2023-03-21 | 北京飞利信信息安全技术有限公司 | 一种变电站设备监测方法、装置、电子设备及介质 |
CN116912003B (zh) * | 2023-09-12 | 2024-01-12 | 国网山西省电力公司营销服务中心 | 面向多交易品种的电力资源调度方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63208716A (ja) * | 1987-02-26 | 1988-08-30 | Nippon Atom Ind Group Co Ltd | 機器保守管理支援装置 |
JP3157374B2 (ja) * | 1993-12-13 | 2001-04-16 | 三菱電機ビルテクノサービス株式会社 | 油入変圧器の残存寿命診断装置 |
CN103630776A (zh) * | 2013-11-19 | 2014-03-12 | 中国南方电网有限责任公司 | 一种电力设备故障概率评估方法 |
CN109613351A (zh) * | 2018-11-21 | 2019-04-12 | 北京国网富达科技发展有限责任公司 | 一种变压器的故障诊断方法、设备及系统 |
-
2020
- 2020-10-22 CN CN202011138727.8A patent/CN112526251B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112526251A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112526251B (zh) | 一种基于数据驱动的变电站电力设备故障诊断方法 | |
CN114640173B (zh) | 一种基于多特征量的变压器和发电机的预警模型 | |
CN106199276B (zh) | 一种用电信息采集系统中异常信息的智能诊断系统及方法 | |
CN112817280A (zh) | 一种用于火电厂智慧监盘报警系统实现方法 | |
CN103218695A (zh) | 二次设备智能状态评估诊断系统及其方法 | |
CN112564272B (zh) | 一种融合多维度监测及故障信息的变电站健康管控方法 | |
CN112396292B (zh) | 一种基于物联网及边缘计算的变电站设备风险管控系统 | |
CN116308304B (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及系统 | |
CN113177646B (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及系统 | |
CN116742799A (zh) | 一种基于物联网技术的配电辅助监测预警系统 | |
CN105022373A (zh) | 基于zigbee技术的港口设备维护系统 | |
CN109974780A (zh) | 一种基于物联网的电气设备状态监测系统 | |
CN111596643A (zh) | 一种基于大数据的可视化动态能耗诊断、分析和预控系统 | |
CN115622054B (zh) | 一种能源系统的运行监控方法及系统 | |
CN113159503B (zh) | 一种远程遥控智能安全评估系统和方法 | |
CN212895016U (zh) | 一种基于LoRa无线测控技术的铝电解槽况诊断系统 | |
CN110427689B (zh) | 基于信息新技术的燃机机组机群监测诊断方法 | |
CN110531742A (zh) | 一种发电机集电装置实时监控与故障诊断方法 | |
CN115689532A (zh) | 一种电力系统故障分析方法及其装置 | |
CN115655386A (zh) | 适用于地热资源勘查的动态综合监测系统 | |
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 | |
CN115880803A (zh) | 一种智能巡检系统及方法 | |
Sun et al. | State detection of electric energy metering device using computer neural network | |
CN113473261A (zh) | 基于物联网的预应力工程施工监控系统及方法 | |
CN116934302A (zh) | 一种分布式光伏电站共享运维的管理方法及系统 |
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 |