CN113009212A - 一种基于物联网智能监测配电网避雷器状态的系统及方法 - Google Patents

一种基于物联网智能监测配电网避雷器状态的系统及方法 Download PDF

Info

Publication number
CN113009212A
CN113009212A CN202110128853.3A CN202110128853A CN113009212A CN 113009212 A CN113009212 A CN 113009212A CN 202110128853 A CN202110128853 A CN 202110128853A CN 113009212 A CN113009212 A CN 113009212A
Authority
CN
China
Prior art keywords
data
module
early warning
fault early
fault
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.)
Granted
Application number
CN202110128853.3A
Other languages
English (en)
Other versions
CN113009212B (zh
Inventor
杨湘浩
李力
徐辉
夏志杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai University of Engineering Science
Original Assignee
Shanghai University of Engineering Science
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai University of Engineering Science filed Critical Shanghai University of Engineering Science
Priority to CN202110128853.3A priority Critical patent/CN113009212B/zh
Publication of CN113009212A publication Critical patent/CN113009212A/zh
Application granted granted Critical
Publication of CN113009212B publication Critical patent/CN113009212B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/17—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values giving an indication of the number of times this occurs, i.e. multi-channel analysers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
    • Y04S40/128—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment involving the use of Internet protocol

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种基于物联网智能监测配电网避雷器状态的系统及方法，所述系统包括数据采集模块、数据传输模块、数据接收模块、数据处理模块、故障预警模型、离线模型训练模块、大数据存储模块、故障预警信息接收/发送模块和信息展示终端。本发明基于物联网、大数据和人工智能等技术，可对各种型号的避雷器状态进行全面智能监控，且设有故障预警模型，具有预警功能，能够自动对配电网避雷器的可能故障进行预警；另外，整个系统的实现采用高效、灵活的软件框架，既能支持大数据的数据采集及处理，也具有自学习功能，便于未来系统的扩展和升级，可根据业务需求，构建灵活的、可扩展且可持续优化的状态监测模型。

Description

一种基于物联网智能监测配电网避雷器状态的系统及方法
技术领域
本发明涉及一种基于物联网智能监测配电网避雷器状态的系统及方法，属于电力系统避雷器监测技术领域。
背景技术
配电网络，尤其是10kV配电网络是电力系统的重要组成部分。10kV配电网络中的避雷器好坏直接关系到10kV配电网的安全运行，如果避雷器出现故障，则会给10kV配电网络的正常运转埋下安全隐患，因此需要实时监测避雷器状态。由于10kV配电网中的避雷器数量众多、型号多样和投产时间各异等，导致日常管理非常复杂，也给避雷器的状态监测带来了很多困难。
目前的避雷器状态监测系统通常是采用专业设备采集数据，并通过通信链路传送到后台监测中心，对避雷器进行实时状态监测(如中国专利“CN106597147A-基于残压监测的带串联间隙型避雷器状态监测系统及方法”所示)。目前的避雷器状态监测系统还存在如下缺陷：多数针对特定的避雷器状态进行监测，监测的避雷器型号有限；不具有自学习功能，不能扩展和升级，限于原先的技术局限，以往的监测系统技术比较落后，适应不了新技术的发展；技术架构及数据处理能力较有限，不适合大规模应用；实时采集的数据有限，主要采集的是避雷器运行的关键指标数据；状态监测方法较单一，大多采用阈值判断方法，且只能对避雷器运行状态进行评价，不具备故障预警功能。
发明内容
针对现有技术存在的上述问题，本发明的目的是提供一种基于物联网智能监测配电网避雷器状态的系统及方法。
为实现上述目的，本发明采用的技术方案如下：
一种基于物联网智能监测配电网避雷器状态的系统，包括数据采集模块、数据传输模块、数据接收模块、数据处理模块、故障预警模型、离线模型训练模块、大数据存储模块、故障预警信息接收/发送模块和信息展示终端；其中，
所述数据采集模块与数据传输模块通信连接，是用于实时采集被监控避雷器自身的状态数据及避雷器所处环境的状态数据，并将采集到的数据通过数据传输模块传输给数据接收模块；
所述数据传输模块分别与数据采集模块和数据接收模块通信连接，是用于将数据采集模块采集到的数据传输给数据接收模块；
所述数据接收模块与数据处理模块通信连接，是用于实时接收数据采集模块采集的数据并将接收到的数据传输给数据处理模块；
所述数据处理模块分别与故障预警模型、大数据存储模块、故障预警信息接收/发送模块通信连接，是用于对接收的数据进行实时处理，具体为：一方面将实时数据发送至大数据存储模块中进行存储；一方面调用故障预警模型判断是否具有潜在故障，如果判断具有潜在故障，则产生故障预警信息，将故障预警信息发送至故障预警信息接收/发送模块；
所述大数据存储模块与离线模型训练模块通信连接，是用于接收海量的数据处理模块发送的数据，实现大数据存储，并用于向离线模型训练模块提供训练数据；
所述离线模型训练模块与故障预警模型通信连接，是利用大数据存储模块存储的数据对故障预警模型进行持续训练，并将训练出的模型参数定期传送给故障预警模型；
所述故障预警模型与数据处理模块通信连接，是用于判断被监测避雷器是否具有潜在故障；
所述故障预警信息接收/发送模块与信息展示终端通信连接，是用于接收数据处理模块发送的故障预警信息，并将故障预警信息发送至信息展示终端，由信息展示终端将故障预警信息推送给系统受众。
一种实施方案，所述数据采集模块包括用于实时采集被监控避雷器自身的状态数据及避雷器所处环境的状态数据的传感器组件，避雷器自身的状态数据包括泄漏电流、管芯温度、放电计数，避雷器所处环境的状态数据包括环境温湿度。
一种实施方案，所述数据传输模块是基于4G或5G通讯网络的数据传输模块，且数据传输过程中采用加密传输。
一种实施方案，所述数据接收模块基于Kafka消息队列进行数据接收和发送。
一种实施方案，所述故障预警信息接收/发送模块基于Kafka消息队列进行消息接收和发送。
一种实施方案，所述数据处理模块基于Spark Streaming技术进行数据处理。
一种实施方案，所述离线模型训练模块基于Spark MLlib机器学习库进行数据训练。
一种实施方案，所述大数据存储模块采用Kudu数据库进行大数据存储。
一种实施方案，所述基于物联网智能监测配电网避雷器状态的系统还包括订阅信息检索模块，所述订阅信息检索模块分别与数据处理模块和信息展示终端通信连接，是用于根据信息订阅客户的订阅需要从数据处理模块的数据中检索出对应的订阅信息并将得到的订阅信息发送至信息展示终端，由信息展示终端将订阅信息推送至对应的信息订阅客户。
一种优选方案，所述订阅信息检索模块基于solr技术进行订阅信息的检索。
一种实施方案，所述信息展示终端为PC端或移动端小程序，所述小程序包括但不限于微信、钉钉小程序。
一种实施方案，所述故障预警模型是基于配电网避雷器的历史数据库，利用有监督的机器学习算法构建的、可通过离线模型训练模块持续训练的故障预警模型，所述历史数据库的数据包括避雷器处于正常运行状态的数据和发生故障时的数据，数据的种类与数据采集模块采集的数据种类相一致。
一种优选方案，所述故障预警模型包括两个部分，第一部分是故障诊断策略表，第二部分是基于有监督的机器学习算法构建的机器学习故障模型，故障预警模型用于判断被监测避雷器是否具有潜在故障时，先通过第一部分进行判断，如果第一部分判断不了则通过第二部分进行判断。
一种基于物联网智能监测配电网避雷器状态的方法，包括如下步骤：
a)根据配电网避雷器状态的历史数据，构建避雷器潜在故障的故障预警模型；
b)通过数据采集模块实时采集被监控避雷器自身的状态数据及避雷器所处环境的状态数据，并将采集到的数据通过数据传输模块传输给数据接收模块；
c)数据接收模块实时接收数据采集模块采集到的数据，并将接收到的数据传输给数据处理模块；
d)数据处理模块对接收的数据进行实时处理，一方面将实时数据发送至大数据存储模块中进行存储；一方面调用故障预警模型判断是否具有潜在故障，如果判断具有潜在故障，则产生故障预警信息，将故障预警信息发送至故障预警信息接收/发送模块，故障预警信息接收/发送模块将接收到的故障预警信息发送到信息展示终端，由信息展示终端将故障预警信息推送给系统受众；
e)大数据存储模块接收并存储数据处理模块发送的数据，并将存储的数据传递至离线模型训练模块，离线模型训练模块利用大数据存储模块的数据对故障预警模型进行持续训练，并将训练出的模型参数定期传送给故障预警模型。
一种实施方案，步骤d)中，数据处理模块对接收的数据进行实时处理，一方面将实时数据发送至大数据存储模块中进行存储；一方面调用故障预警模型判断是否具有潜在故障，如果判断具有潜在故障，则产生故障预警信息，将故障预警信息发送至故障预警信息接收/发送模块，故障预警信息接收/发送模块将接收到的故障预警信息发送到信息展示终端，由信息展示终端将故障预警信息推送给系统受众；一方面通过订阅信息检索模块将订阅信息发送至信息展示终端，由信息展示终端将订阅信息推送给对应的信息订阅客户。
相较于现有技术，本发明的有益技术效果在于：
本发明基于物联网、大数据和人工智能等技术，可对各种型号的避雷器状态进行全面智能监控，且设有故障预警模型，具有预警功能，能够自动对配电网避雷器的可能故障进行预警；另外，整个系统的实现采用高效、灵活的软件框架，既能支持大数据的数据采集及处理，也具有自学习功能，便于未来系统的扩展和升级，可根据业务需求，构建灵活的、可扩展且可持续优化的状态监测模型，相较于现有技术，具有显著进步性。
附图说明
图1是本发明实施例提供的一种基于物联网智能监测配电网避雷器状态的系统结构示意图。
具体实施方式
以下结合附图和实施例对本发明的技术方案做进一步详细描述。
实施例
如图1所示，本发明提供的一种基于物联网智能监测配电网避雷器状态的系统，包括数据采集模块、数据传输模块、数据接收模块、数据处理模块、故障预警模型、离线模型训练模块、大数据存储模块、故障预警信息接收/发送模块和信息展示终端；其中，
所述数据采集模块与数据传输模块通信连接，是用于实时采集被监控避雷器自身的状态数据及避雷器所处环境的状态数据，并将采集到的数据通过数据传输模块传输给数据接收模块；
所述数据传输模块分别与数据采集模块和数据接收模块通信连接，是用于将数据采集模块采集到的数据传输给数据接收模块；
所述数据接收模块与数据处理模块通信连接，是用于实时接收数据采集模块采集的数据并将接收到的数据传输给数据处理模块；
所述数据处理模块分别与故障预警模型、大数据存储模块、故障预警信息接收/发送模块通信连接，是用于对接收的数据进行实时处理，具体为：一方面将实时数据发送至大数据存储模块中进行存储；一方面调用故障预警模型判断是否具有潜在故障，如果判断具有潜在故障，则产生故障预警信息，将故障预警信息发送至故障预警信息接收/发送模块；
所述大数据存储模块与离线模型训练模块通信连接，是用于接收海量的数据处理模块发送的数据，实现大数据存储，并用于向离线模型训练模块提供训练数据；
所述离线模型训练模块与故障预警模型通信连接，是利用大数据存储模块存储的数据对故障预警模型进行持续训练，并将训练出的模型参数定期传送给故障预警模型；
所述故障预警模型与数据处理模块通信连接，是用于判断被监测避雷器是否具有潜在故障；
所述故障预警信息接收/发送模块与信息展示终端通信连接，是用于接收数据处理模块发送的故障预警信息，并将故障预警信息发送至信息展示终端，由信息展示终端将故障预警信息推送给系统受众。
本实施例中，所述数据采集模块包括用于实时采集被监控避雷器自身的状态数据及避雷器所处环境的状态数据的传感器组件，避雷器自身的状态数据包括泄漏电流、管芯温度、放电计数，避雷器所处环境的状态数据包括环境温湿度。上述各状态参数均通过相应的传感器采集即可，各传感器直接采用通用的传感器即可，便于推广，并且由于数据存储是利用大数据存储，因此，采集的信息全面，不仅包括避雷器自身的状态数据，还包括避雷器所处环境的状态数据，使得故障预警更为可靠；而传统的避雷器状态监测系统中，多采用定制的专业装置进行数据采集，数据采集的稳定性和可靠性难以保证，难以推广使用；并且大量采用的非标准化的设备和技术，部署非常困难，成本高。
本实施例中，所述数据传输模块是基于4G或5G通讯网络的数据传输模块，且数据传输过程中采用加密传输，能够实现远程数据的实时安全传输，且4G或5G技术更为成熟、先进。加密传输技术采用通用加密技术即可，例如，本实施例中，采用动态秘钥进行加密，动态密钥分发采用公私钥方式。
本实施例中，所述数据接收模块基于Kafka消息队列进行数据接收和发送。Kafka消息队列具有如下优势：即开即用，易于快速部署，支持高并发、高可用、弹性扩容，具有很高的安全性。此外，所述故障预警信息接收/发送模块基于Kafka消息队列进行消息接收和发送。
本实施例中，所述数据处理模块基于Spark Streaming技术进行数据处理，可以实时、快速的对接收的数据进行处理。
本实施例中，所述离线模型训练模块基于Spark MLlib机器学习库进行数据训练，Spark MLlib式的机器学习算法，使得与离线模型训练模块通信连接的故障预警模型能够根据数据不断学习，具有持续自优化能力。
本实施例中，所述大数据存储模块采用Kudu数据库进行大数据存储。Kudu数据库能与MapReduce，Spark和其他Hadoop生态系统组件集成，适用于既有随机访问，也有批量数据扫描的复合场景，适用于高计算量的场景。此外，本实施例中，所述大数据存储模块与信息展示终端通信连接，是用于将存储的大数据发给信息展示终端，作为云备份数据以供系统受众查询。
此外，本实施例中，所述的基于物联网智能监测配电网避雷器状态的系统还包括订阅信息检索模块，所述订阅信息检索模块与数据处理模块和信息展示终端通信连接，是用于根据信息订阅客户的订阅需要从数据处理模块的数据中检索出对应的订阅信息并将得到的订阅信息发送至信息展示终端，由信息展示终端将订阅信息推送至对应的信息订阅客户，从而可以满足个性化需求。具体的，所述订阅信息检索模块基于solr技术进行订阅信息的检索。
本实施例中，所述信息展示终端为PC端或移动端小程序，所述小程序包括但不限于微信、钉钉小程序。信息展示手段多样，更为方便快捷。
本实施例中，所述故障预警模型是基于配电网避雷器的历史数据库，利用有监督的机器学习算法构建的、可通过离线模型训练模块持续训练的故障预警模型，所述历史数据库的数据包括避雷器处于正常运行状态的数据和发生故障时的数据，数据的种类与数据采集模块采集的数据种类相一致。
具体的，所述故障预警模型包括两个部分，第一部分是故障诊断策略表，第二部分是基于有监督的机器学习算法构建的机器学习故障模型，故障预警模型用于判断被监测避雷器是否具有潜在故障时，先通过第一部分的故障诊断策略表进行判断，如果能判断则直接给出判断结果，如果第一部分判断不了则通过第二部分的机器学习故障模型进行判断。
故障诊断策略表是基于配电网避雷器的历史数据库构建的，内容比较固定，不具备自学习功能，主要用于常规信息的判断，而机器学习故障模型则具有自学习功能，两者互相配合，可更好更快的实现各种故障分析、预警。
本实施例中，所述的故障诊断策略表基于配电网避雷器的历史数据库中的包括避雷器的泄漏电流、管芯温度、放电计数、避雷器所处环境的温湿度在内的数据来诊断避雷器所处的状态，所需诊断的状态种类包括：正常状态诊断、故障状态诊断、隐患状态诊断、缺陷状态诊断，其中，正常状态诊断包括未被雷击状态诊断和雷击防护状态诊断，故障状态诊断包括单相击穿故障状态诊断和多相击穿故障状态诊断，隐患状态诊断包括阀片老化状态诊断和阀片受潮状态诊断，缺陷状态诊断包括爬电状态诊断、底座接地不良状态诊断、底座绝缘下降状态诊断和放电不计数状态诊断。具体的如表1所示：
表1故障诊断策略表
Figure BDA0002924841910000071
Figure BDA0002924841910000081
Figure BDA0002924841910000091
表中，引线/底座(状态)由传感器采集的泄漏电流值判断，邻相比较是指对相邻两相的泄漏电流值进行比较，区域气象可直接通过互联网查询获得。
本发明中，所述故障预警模型中的机器学习故障模型采用的有监督的机器学习算法直接采用通用算法即可，例如，本实施例中，所采用的有监督的机器学习算法为k-近邻算法，模型构建的时候，先直接向算法软件中输入泄露电流、管芯温度、放电计数、环境温湿度以及区域气象、临相比较、是否故障等数据，然后输出模型参数即可。
一种基于物联网智能监测配电网避雷器状态的方法，包括如下步骤：
a)根据配电网(10kV配电网)避雷器状态的历史数据，构建避雷器潜在故障的故障预警模型，具体如上面所示；
b)通过数据采集模块(传感器组件)实时采集被监控避雷器自身的状态数据及避雷器所处环境的状态数据(避雷器自身的状态数据包括泄漏电流、管芯温度、放电计数，避雷器所处环境的状态数据包括环境温湿度)，并将采集到的数据通过数据传输模块(基于4G或5G通讯网络)传输给数据接收模块(Kafka消息队列)；
c)数据接收模块(Kafka消息队列)实时接收数据采集模块采集到的数据，并将接收到的数据传输给数据处理模块；
d)数据处理模块基于Spark Streaming技术对接收的数据进行实时处理，一方面将实时数据发送至大数据存储模块中进行存储；一方面调用故障预警模型判断是否具有潜在故障，如果判断具有潜在故障，则产生故障预警信息，将故障预警信息发送至故障预警信息接收/发送模块(Kafka消息队列)，故障预警信息接收/发送模块将接收到的故障预警信息发送到信息展示终端(例如，微信、钉钉小程序)，由信息展示终端将故障预警信息推送给系统受众；一方面通过订阅信息检索模块基于solr技术将订阅信息发送至信息展示终端(例如，微信、钉钉小程序)，由信息展示终端将订阅信息推送给对应的信息订阅客户；
e)大数据存储模块利用Kudu数据库接收并存储数据处理模块发送的数据，一方面将存储的数据传递至离线模型训练模块，离线模型训练模块利用大数据存储模块的数据对故障预警模型进行持续训练，并将训练出的模型参数定期传送给故障预警模型，从而可以持续优化故障预警模型，进而使得整个系统具有自学习功能，最终使得整个系统具有更好的故障预警功能；一方面将存储的大数据发给信息展示终端，作为云备份数据以供系统受众查询。
综上所述可见，本发明采用分布式软件架构，降低了模块之间的耦合度，各模块之间功能责任清晰，支持灵活的功能扩展，并且使用的软件(Kafka消息队列、SparkStreaming、Kudu数据库，以及Spark Mmlib机器学习库、solr等)易于开发和维护，具有较强的开放性和扩展性，以及高稳定性和可靠性，使得整个技术构架具有高开放性、扩展性、安全性和稳定性以及高并发、高可用和弹性扩容能力的优点；此外，本发明集成物联网、大数据和人工智能技术，可对各种型号的避雷器状态进行全面智能监控，既能支持大数据的数据采集及处理，也具有自学习功能，具有持续自优化能力，便于未来系统的扩展和升级，可根据业务需求，构建灵活的、可扩展且可持续优化的状态监测模型；且，设有故障预警模型，具有预警功能，能实现常见功能故障监测(单相击穿故障监测、多相击穿故障监测)、隐患检测(如阀片老化等)、缺陷检测(如爬电、底座接地不良、放电不计数等)，且能够自动对配电网避雷器的可能故障进行预警，可有效支撑配电网的安全运行。
最后有必要在此指出的是：以上所述仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于物联网智能监测配电网避雷器状态的系统，其特征在于：包括数据采集模块、数据传输模块、数据接收模块、数据处理模块、故障预警模型、离线模型训练模块、大数据存储模块、故障预警信息接收/发送模块和信息展示终端；其中，
所述数据采集模块与数据传输模块通信连接，是用于实时采集被监控避雷器自身的状态数据及避雷器所处环境的状态数据，并将采集到的数据通过数据传输模块传输给数据接收模块；
所述数据传输模块分别与数据采集模块和数据接收模块通信连接，是用于将数据采集模块采集到的数据传输给数据接收模块；
所述数据接收模块与数据处理模块通信连接，是用于实时接收数据采集模块采集的数据并将接收到的数据传输给数据处理模块；
所述数据处理模块分别与故障预警模型、大数据存储模块、故障预警信息接收/发送模块通信连接，是用于对接收的数据进行实时处理，具体为：一方面将实时数据发送至大数据存储模块中进行存储；一方面调用故障预警模型判断是否具有潜在故障，如果判断具有潜在故障，则产生故障预警信息，并将故障预警信息发送至故障预警信息接收/发送模块；
所述大数据存储模块与离线模型训练模块通信连接，是用于接收海量的数据处理模块发送的数据，实现大数据存储，并用于向离线模型训练模块提供训练数据；
所述离线模型训练模块与故障预警模型通信连接，是利用大数据存储模块存储的数据对故障预警模型进行持续训练，并将训练出的模型参数定期传送给故障预警模型；
所述故障预警模型与数据处理模块通信连接，是用于判断被监测避雷器是否具有潜在故障；
所述故障预警信息接收/发送模块与信息展示终端通信连接，是用于接收数据处理模块发送的故障预警信息，并将故障预警信息发送至信息展示终端，由信息展示终端将故障预警信息推送给系统受众。
2.根据权利要求1所述的系统，其特征在于：所述数据采集模块包括用于实时采集被监控避雷器自身的状态数据及避雷器所处环境的状态数据的传感器组件，避雷器自身的状态数据包括泄漏电流、管芯温度、放电计数，避雷器所处环境的状态数据包括环境温湿度。
3.根据权利要求1所述的系统，其特征在于：所述数据传输模块是基于4G或5G通讯网络的数据传输模块。
4.根据权利要求1所述的系统，其特征在于：所述数据接收模块基于Kafka消息队列进行数据接收和发送；所述故障预警信息接收/发送模块基于Kafka消息队列进行消息接收和发送。
5.根据权利要求1所述的系统，其特征在于：所述数据处理模块基于Spark Streaming技术进行数据处理。
6.根据权利要求1所述的系统，其特征在于：所述离线模型训练模块基于Spark MLlib机器学习库进行数据训练。
7.根据权利要求1所述的系统，其特征在于：所述大数据存储模块采用Kudu数据库进行大数据存储。
8.根据权利要求1所述的系统，其特征在于：所述信息展示终端为PC端或移动端小程序，所述小程序包括但不限于微信、钉钉小程序。
9.一种基于物联网智能监测配电网避雷器状态的方法，其特征在于，包括如下步骤：
a)根据配电网避雷器状态的历史数据，构建避雷器潜在故障的故障预警模型；
b)通过数据采集模块实时采集被监控避雷器自身的状态数据及避雷器所处环境的状态数据，并将采集到的数据通过数据传输模块传输给数据接收模块；
c)数据接收模块实时接收数据采集模块采集到的数据，并将接收到的数据传输给数据处理模块；
d)数据处理模块对接收的数据进行实时处理，一方面将实时数据发送至大数据存储模块中进行存储；一方面调用故障预警模型判断是否具有潜在故障，如果判断具有潜在故障，则产生故障预警信息，将故障预警信息发送至故障预警信息接收/发送模块，故障预警信息接收/发送模块将接收到的故障预警信息发送到信息展示终端，由信息展示终端将故障预警信息推送给系统受众；
e)大数据存储模块接收并存储数据处理模块发送的数据，并将存储的数据传递至离线模型训练模块，离线模型训练模块利用大数据存储模块的数据对故障预警模型进行持续训练，并将训练出的模型参数定期传送给故障预警模型。
10.根据权利要求9所述的方法，其特征在于：步骤d)中，数据处理模块对接收的数据进行实时处理，一方面将实时数据发送至大数据存储模块中进行存储；一方面调用故障预警模型判断是否具有潜在故障，如果判断具有潜在故障，则产生故障预警信息，将故障预警信息发送至故障预警信息接收/发送模块，故障预警信息接收/发送模块将接收到的故障预警信息发送到信息展示终端，由信息展示终端将故障预警信息推送给系统受众；一方面通过订阅信息检索模块将订阅信息发送至信息展示终端，由信息展示终端将订阅信息推送给对应的信息订阅客户。
CN202110128853.3A 2021-01-29 2021-01-29 一种基于物联网智能监测配电网避雷器状态的系统及方法 Active CN113009212B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110128853.3A CN113009212B (zh) 2021-01-29 2021-01-29 一种基于物联网智能监测配电网避雷器状态的系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110128853.3A CN113009212B (zh) 2021-01-29 2021-01-29 一种基于物联网智能监测配电网避雷器状态的系统及方法

Publications (2)

Publication Number Publication Date
CN113009212A true CN113009212A (zh) 2021-06-22
CN113009212B CN113009212B (zh) 2023-02-03

Family

ID=76384674

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110128853.3A Active CN113009212B (zh) 2021-01-29 2021-01-29 一种基于物联网智能监测配电网避雷器状态的系统及方法

Country Status (1)

Country Link
CN (1) CN113009212B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113484652A (zh) * 2021-08-20 2021-10-08 国网福建省电力有限公司电力科学研究院 一种基于改进k近邻算法的避雷器故障诊断方法及系统
CN114355184A (zh) * 2022-01-05 2022-04-15 国网江苏省电力有限公司宿迁供电分公司 一种基于在线学习的高压断路器状态监测预警系统及方法
CN115864662A (zh) * 2023-03-03 2023-03-28 沃逸新能源科技（江苏）有限公司 一种5g智慧安全用电系统

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6912568B1 (en) * 1999-07-27 2005-06-28 Hitachi, Ltd. Service management system
US20060041636A1 (en) * 2004-07-14 2006-02-23 Ballinger Keith W Policy processing model
CN102890735A (zh) * 2012-07-09 2013-01-23 南京南瑞继保电气有限公司 稳控装置的策略表和策略搜索匹配的建模方法
CN105137236A (zh) * 2015-08-26 2015-12-09 芜湖市凯鑫避雷器有限责任公司 跌落式避雷器在线监测系统
CN107045089A (zh) * 2017-01-20 2017-08-15 上海欧忆能源科技有限公司 避雷器状态诊断系统
CN107991548A (zh) * 2017-11-09 2018-05-04 上海格蒂电力科技有限公司 一种避雷器在线监测系统及控制方法
CN108020742A (zh) * 2017-12-01 2018-05-11 国家电网公司 配电网馈线自动化的现场自动测试系统及方法
CN108593260A (zh) * 2018-04-24 2018-09-28 国家电网公司 光缆线路故障定位和检测方法及终端设备
CN108896186A (zh) * 2018-05-15 2018-11-27 云南电网有限责任公司迪庆供电局 设备智能诊断的方法及装置
TW201843643A (zh) * 2017-05-08 2018-12-16 日商日立製作所股份有限公司 時序資料的分析控制方法及分析控制裝置
CN109638966A (zh) * 2018-12-28 2019-04-16 广州中光电气科技有限公司 一种避雷器智能在线监测、数据远传的可视化云平台系统
CN209148783U (zh) * 2018-10-09 2019-07-23 中国神华能源股份有限公司 用于金属氧化物避雷器的在线监测系统
CN110941918A (zh) * 2019-12-30 2020-03-31 国网安徽省电力有限公司 智能化变电站故障分析系统
CN111966509A (zh) * 2020-07-31 2020-11-20 许继集团有限公司 一种基于离线策略表的稳定控制装置
CN112098782A (zh) * 2020-08-17 2020-12-18 云南电网有限责任公司红河供电局 一种基于神经网络的moa绝缘状态检测方法及系统
US10878505B1 (en) * 2020-07-31 2020-12-29 Agblox, Inc. Curated sentiment analysis in multi-layer, machine learning-based forecasting model using customized, commodity-specific neural networks

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6912568B1 (en) * 1999-07-27 2005-06-28 Hitachi, Ltd. Service management system
US20060041636A1 (en) * 2004-07-14 2006-02-23 Ballinger Keith W Policy processing model
CN102890735A (zh) * 2012-07-09 2013-01-23 南京南瑞继保电气有限公司 稳控装置的策略表和策略搜索匹配的建模方法
CN105137236A (zh) * 2015-08-26 2015-12-09 芜湖市凯鑫避雷器有限责任公司 跌落式避雷器在线监测系统
CN107045089A (zh) * 2017-01-20 2017-08-15 上海欧忆能源科技有限公司 避雷器状态诊断系统
TW201843643A (zh) * 2017-05-08 2018-12-16 日商日立製作所股份有限公司 時序資料的分析控制方法及分析控制裝置
CN107991548A (zh) * 2017-11-09 2018-05-04 上海格蒂电力科技有限公司 一种避雷器在线监测系统及控制方法
CN108020742A (zh) * 2017-12-01 2018-05-11 国家电网公司 配电网馈线自动化的现场自动测试系统及方法
CN108593260A (zh) * 2018-04-24 2018-09-28 国家电网公司 光缆线路故障定位和检测方法及终端设备
CN108896186A (zh) * 2018-05-15 2018-11-27 云南电网有限责任公司迪庆供电局 设备智能诊断的方法及装置
CN209148783U (zh) * 2018-10-09 2019-07-23 中国神华能源股份有限公司 用于金属氧化物避雷器的在线监测系统
CN109638966A (zh) * 2018-12-28 2019-04-16 广州中光电气科技有限公司 一种避雷器智能在线监测、数据远传的可视化云平台系统
CN110941918A (zh) * 2019-12-30 2020-03-31 国网安徽省电力有限公司 智能化变电站故障分析系统
CN111966509A (zh) * 2020-07-31 2020-11-20 许继集团有限公司 一种基于离线策略表的稳定控制装置
US10878505B1 (en) * 2020-07-31 2020-12-29 Agblox, Inc. Curated sentiment analysis in multi-layer, machine learning-based forecasting model using customized, commodity-specific neural networks
CN112098782A (zh) * 2020-08-17 2020-12-18 云南电网有限责任公司红河供电局 一种基于神经网络的moa绝缘状态检测方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
NEWMAN MALCOLM 等: "An analysis of reducing back flashover faults with surge arresters on 69/138 kV double circuit transmission lines due to direct lightning strikes on the shield wires", 《 12TH IET INTERNATIONAL CONFERENCE ON DEVELOPMENTS IN POWER SYSTEM PROTECTION (DPSP 2014)》 *
周龙 等: "基于神经网络的MOA故障诊断专家系统模型的探讨", 《高压电器》 *
张佩 等: "基于BP神经网络氧化锌避雷器的故障诊断研究", 《山西电力》 *
张洁: "模糊神经网络在MOA在线监测中的应用", 《技术与市场》 *
王朕 等: "《电子设备故障诊断与维修技术》", 28 February 2018, 北京航空航天大学出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113484652A (zh) * 2021-08-20 2021-10-08 国网福建省电力有限公司电力科学研究院 一种基于改进k近邻算法的避雷器故障诊断方法及系统
CN114355184A (zh) * 2022-01-05 2022-04-15 国网江苏省电力有限公司宿迁供电分公司 一种基于在线学习的高压断路器状态监测预警系统及方法
CN114355184B (zh) * 2022-01-05 2023-09-26 国网江苏省电力有限公司宿迁供电分公司 一种基于在线学习的高压断路器状态监测预警方法
CN115864662A (zh) * 2023-03-03 2023-03-28 沃逸新能源科技（江苏）有限公司 一种5g智慧安全用电系统

Also Published As

Publication number Publication date
CN113009212B (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
CN113009212B (zh) 一种基于物联网智能监测配电网避雷器状态的系统及方法
CN202009267U (zh) 智能变电站设备状态一体化监测与分析系统
CN104580424B (zh) 智能家居系统的数据上报方法和装置
CN103337012B (zh) 面向电网设备监控的多主题智能综合告警分析方法
CN104753178A (zh) 一种电网故障处理系统
CN105868075A (zh) 一种实时监控分析大量日志的系统及方法
CN106908690A (zh) 主子站间分布式智能告警系统及其故障诊断方法
Li et al. Edge-cloud computing systems for smart grid: state-of-the-art, architecture, and applications
CN110609209A (zh) 一种基于物联组网的台区失电主动感知方法
CN112216077B (zh) 物联感知监测系统及监测预警方法、移动终端及云端服务器
CN204794351U (zh) 一种物联网智能电网运维系统
CN103513167A (zh) 基于分布式网络平台的开关局部放电状态监测装置
CN113849553A (zh) 基于物联网设备数据采集的变电站数据采集与处理方法和系统
CN105978140B (zh) 一种电力设备的信息融合方法
CN104377821A (zh) 一种变电设备在线监测系统
CN207319050U (zh) 一种分布式光伏电站的集中监控运维系统
CN103944957B (zh) 一种工业监控系统所用的离线数据采集方法及其采集系统
CN112947364B (zh) 一种基于大数据预警配电站设备故障的系统及方法
CN104377823A (zh) 变电设备在线监测系统
CN111555776A (zh) 一种输电线路融合感知及联合诊断方法、系统及装置
CN109561155B (zh) 一种变电站设备远程集中监视与运维方法
CN110908325A (zh) 一种高铁站信息机房电源设备运维监控系统
CN110908956B (zh) 一种保信主站系统及其故障信息归档方法
CN109713791B (zh) 智能电网遥控命令异常的诊断方法
CN209282935U (zh) 光伏储能智能监控与管理系统

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