CN113283823B - 一种变电站系统对点时间响应性能检测方法及系统 - Google Patents

一种变电站系统对点时间响应性能检测方法及系统 Download PDF

Info

Publication number
CN113283823B
CN113283823B CN202110841117.2A CN202110841117A CN113283823B CN 113283823 B CN113283823 B CN 113283823B CN 202110841117 A CN202110841117 A CN 202110841117A CN 113283823 B CN113283823 B CN 113283823B
Authority
CN
China
Prior art keywords
point
scheduling
analysis
cluster
sample matrix
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
Application number
CN202110841117.2A
Other languages
English (en)
Other versions
CN113283823A (zh
Inventor
汪杰
钟志明
段孟雍
苏俊妮
徐文辉
吴嘉竣
鲁承波
吴钟飞
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.)
Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
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 Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202110841117.2A priority Critical patent/CN113283823B/zh
Publication of CN113283823A publication Critical patent/CN113283823A/zh
Application granted granted Critical
Publication of CN113283823B publication Critical patent/CN113283823B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明公开了一种变电站系统对点时间响应性能检测方法及系统，包括以下步骤：步骤S1、基于变电站系统中包含的所有调度站点以及所述调度站点的调度日志构建用于变电站系统对点时间响应性能分析的调度站点样本矩阵；步骤S2、利用多目标划分算法对所述调度站点样本矩阵进行集群划分以获得均衡变电站系统的对点时间响应性能分析精度和分析效率的最优质分析集群。本发明将结构复杂的变电站系统中的调度站点依照层次聚类算法将台账参数、工况数据相似的调度站点划分为最优质分析集群，实现对分析精度和分析效率的最佳均衡，最终保障对点变电站系统的对点响应性能分析脱离阈值比对，分析结果更加可靠。

Description

一种变电站系统对点时间响应性能检测方法及系统
技术领域
本发明涉及电力检测技术领域，具体涉及一种变电站系统对点时间响应性能检测方法及系统。
背景技术
变电站是指电力系统中对电压和电流进行变换，接受电能及分配电能的场所。在发电厂内的变电站是升压变电站，其作用是将发电机发出的电能升压后馈送到高压电网中。按传统信息联调的模式、主站自动化人员和厂站调试人员需至少花费2-3个星期才能完成信号校核工作 ,尤其是新建变电站电源来自开断线路，需线路开断形成新建线路后的光缆通道，才能满足市调、地调等环节的联调工作，停电时间长达20天及以上，相应造成停电时间长、且相应增加停电经济损失。
电力系统远动为电力系统调度服务的远距离监测、控制技术，即管理和监控分布甚广的众多厂、所、站和设备、元器件的运行工况的一种技术手段。
由于远动信息对点工作是利用主站端向子站端发送远动信息通讯报文，当前变电站系统对点时间响应性能检测方法需要大量的先验知识，并且仅依据阈值等人工经验对数据进行分析，使得数据的利用率很低，埋没了数据应有的价值，并未达到预期效果，最终导致检测精度低。
发明内容
本发明的目的在于提供一种变电站系统对点时间响应性能检测方法及系统，以解决现有技术中需要大量的先验知识，并且仅依据阈值等人工经验对数据进行分析，使得数据的利用率很低，埋没了数据应有的价值，并未达到预期效果，最终导致检测精度低的技术问题。
为解决上述技术问题，本发明具体提供下述技术方案：
一种变电站系统对点时间响应性能检测方法，包括以下步骤：
步骤S1、基于变电站系统中包含的所有调度站点以及所述调度站点的调度日志构建用于变电站系统对点时间响应性能分析的调度站点样本矩阵；
步骤S2、利用多目标划分算法对所述调度站点样本矩阵进行集群划分以获得均衡变电站系统的对点时间响应性能分析精度和分析效率的最优质分析集群；
步骤S3、基于所述最优质分析集群对所述调度站点进行远动信息对点操作以安全和时效评判变电站系统的对点响应性能。
作为本发明的一种优选方案，所述步骤S1中，构建所述调度站点样本矩阵的具体方法包括：
将每个调度主站进行编码量化为调度站点样本矩阵的样本矩阵点ai，并将每个调度主站的调度日志量化为样本矩阵点的样本特征量[bj]；
结合所述样本矩阵点ai和所述样本特征量[bj]构建获得所述调度站点样本矩阵为
A=
Figure 31964DEST_PATH_IMAGE001
；
其中，
Figure DEST_PATH_IMAGE002
，
Figure 699836DEST_PATH_IMAGE003
，N为调度站点总数目，M为样本特征的总类目。
作为本发明的一种优选方案，所述步骤S1中，还包括将所述调度站点样本矩阵A转化为相似度邻接矩阵W，包括：
依次计算调度站点样本矩阵A中每一项与其余项的欧氏距离，并生成相似度矩阵
Figure DEST_PATH_IMAGE004
，所述欧氏距离计算公式为：
Figure 230306DEST_PATH_IMAGE005
，
基于预设的相似度阈值
Figure 500881DEST_PATH_IMAGE006
，将所述相似度矩阵进行二值化转换生成相似度邻接矩阵
Figure 190620DEST_PATH_IMAGE007
，所述二值化转换公式为：
Figure 888449DEST_PATH_IMAGE008
；
其中，
Figure 30848DEST_PATH_IMAGE009
，
Figure 105114DEST_PATH_IMAGE010
，N为调度站点总数目，M为样本特征的总类目，
Figure DEST_PATH_IMAGE011
、
Figure 649359DEST_PATH_IMAGE012
分别为调度站点样本矩阵A的第
Figure DEST_PATH_IMAGE013
、
Figure 642723DEST_PATH_IMAGE014
个样本矩阵点的第j样本特征元素，
Figure 272419DEST_PATH_IMAGE015
为相似度邻接矩阵W的第
Figure 9431DEST_PATH_IMAGE013
行第
Figure 408182DEST_PATH_IMAGE014
列的矩阵元素，
Figure 713393DEST_PATH_IMAGE016
为相似度矩阵的第
Figure 955018DEST_PATH_IMAGE013
行第
Figure 230142DEST_PATH_IMAGE014
列的矩阵元素。
作为本发明的一种优选方案，所述步骤S2中，利用变电站系统的对点时间响应性能分析精度和分析效率构建对调度站点样本矩阵进行集群划分的多目标划分算法，包括：
数学量化所述对点时间响应性能分析精度生成精度效益目标，所述精度效益目标公式为：
Figure 873613DEST_PATH_IMAGE017
；
数学量化所述对点时间响应性能分析效率生成效率效益目标，所述效率效益目标公式为：
Figure 208779DEST_PATH_IMAGE018
；
利用最小化求解原则结合所述精度效益目标和效率效益目标构建所述多目标划分算法的多目标函数，所述多目标函数为：
Figure 813067DEST_PATH_IMAGE019
，
其中，
Figure 891881DEST_PATH_IMAGE020
为调度站点样本矩阵A中划分的第k个集群的样本矩阵点集合，
Figure 389859DEST_PATH_IMAGE021
，
Figure 161506DEST_PATH_IMAGE022
，
Figure 112144DEST_PATH_IMAGE023
，
Figure 994649DEST_PATH_IMAGE024
，
Figure DEST_PATH_IMAGE025
为调度站点样本矩阵A的第
Figure 222500DEST_PATH_IMAGE013
个样本矩阵点，
Figure 165048DEST_PATH_IMAGE026
为调度站点样本矩阵A的第
Figure DEST_PATH_IMAGE027
个样本矩阵点，m为调度站点样本矩阵A划分后的最优质分析集群总数，V为调度站点样本矩阵A中的样本矩阵点集合。
作为本发明的一种优选方案，利用多目标划分算法对所述调度站点样本矩阵A进行集群划分的具体方法包括：
步骤S201：对所述调度站点样本矩阵A中的所有样本矩阵点均分别量化为单个分析集群，并设定迭代次数；
步骤S202：依次计算分析集群和其余分析集群的适应度函数，保留适应度函数最大的两单分析集群进行融合归一生成融合集群实现融合迭代；
步骤S203：若融合迭代次数大于等于设定迭代次数，选取当前步骤S202中的融合集群作为所述最优质分析集群；若融合迭代次数小于设定迭代次数，返回步骤S202。
作为本发明的一种优选方案，所述依据适应度函数构建的具体方法包括：
基于目标函数线性标定获得适应度函数
Figure 602982DEST_PATH_IMAGE028
，其中，
Figure 898966DEST_PATH_IMAGE029
为扰动常数，
Figure DEST_PATH_IMAGE030
为多目标函数；
依次计算两个分析集群融合的适应度值，并选取适应值
Figure 371535DEST_PATH_IMAGE031
最高的两个分析集群进行融合。
作为本发明的一种优选方案，所述步骤S3中，评判变电站系统的对点响应性能的具体方法包括：
随机在最优质分析集群中选取一个调度站点作为主站点，剩余调度站点作为副站点；
控制主站点发送通讯报文并同步记录所述通讯报文的发送时序，同步控制副站点接收报文并同步记录所述通讯报文的接收时序；
统计通讯报文的发送时序和接收时序间的时序差值作为所述变电站系统的对点响应效率的判别标准，统计主站点处发送的通讯报文和所述副站点处接收的通讯报文间的数据差值作为所述变电站系统的对点响应精度的判别标准。
作为本发明的一种优选方案，所述最优质分析集群中的集群对点响应效率和集群对点响应精度包括所述主站点和副站点的对点响应效率和对点响应精度的叠加。
作为本发明的一种优选方案，本发明提供了一种根据所述的变电站系统对点时间响应性能检测方法的检测系统，包括：
矩阵构建单元，基于变电站系统中包含的所有调度站点以及所述调度站点的调度日志构建用于变电站系统对点时间响应性能分析的调度站点样本矩阵；
集群划分单元，用于利用多目标划分算法对所述调度站点样本矩阵进行集群划分以获得均衡变电站系统的对点时间响应性能分析精度和分析效率的最优质分析集群；
性能评判单元，用于基于所述最优质分析集群对所述调度站点进行远动信息对点操作以安全和时效评判变电站系统的对点响应性能。
作为本发明的一种优选方案，所述性能评判单元包括通讯报文交换组件，响应效率解析组件以及响应精度解析组件，所述通讯报文交换组件分别设置在主站点和副站点处，用于传送通讯报文并同步记录通讯报文发送和接收时序，再分别传送至响应效率解析组件和响应精度解析组件，所述响应效率解析组件统计通讯报文发送和接收时序的时序差值，所述响应精度解析组件用于分别解析主站点处发送的通讯报文和所述副站点处接收的通讯报文并统计的通讯报文间的数据差值。
本发明与现有技术相比较具有如下有益效果：
本发明将结构复杂的变电站系统中的调度站点依照层次聚类算法将台账参数、工况数据相似的调度站点划分为最优质分析集群，实现对分析精度和分析效率的最佳均衡，最终保障对点变电站系统的对点响应性能分析脱离阈值比对，分析结果更加可靠，并且在对调度站点集群划分过程中利用网络层次内聚特性，避免依赖先验知识，降低计算复杂度。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提供的变电站系统对点时间响应性能检测方法流程图；
图2为本发明实施例提供的对点时间响应性能分析网络结构示意图；
图3为本发明实施例提供的最优质分析集群结构示意图；
图4为本发明实施例提供的检测系统结构框图。
图中的标号分别表示如下：
1-矩阵构建单元；2-集群划分单元；3-性能评判单元。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1-4所示，本发明提供了一种变电站系统对点时间响应性能检测方法，包括以下步骤：
步骤S1、基于变电站系统中包含的所有调度站点以及调度站点的调度日志构建用于变电站系统对点时间响应性能分析的调度站点样本矩阵；
步骤S1中，构建对点时间响应性能分析网络的具体方法包括：
步骤S1中，构建调度站点样本矩阵的具体方法包括：
将每个调度主站进行编码量化为调度站点样本矩阵的样本矩阵点ai，并将每个调度主站的调度日志量化为样本矩阵点的样本特征量[bj]；
结合样本矩阵点ai和样本特征量[bj]构建获得调度站点样本矩阵为A=
Figure 484985DEST_PATH_IMAGE032
；
其中，
Figure 410215DEST_PATH_IMAGE002
，
Figure 634523DEST_PATH_IMAGE003
，N为调度站点总数目，M为样本特征的总类目。
步骤S1中，还包括将调度站点样本矩阵A转化为相似度邻接矩阵W，包括：
依次计算调度站点样本矩阵A中每一项与其余项的欧氏距离，并生成相似度矩阵
Figure DEST_PATH_IMAGE033
，欧氏距离计算公式为：
Figure 571387DEST_PATH_IMAGE005
，
基于预设的相似度阈值
Figure 855737DEST_PATH_IMAGE006
，将相似度矩阵进行二值化转换生成相似度邻接矩阵
Figure 268264DEST_PATH_IMAGE007
，二值化转换公式为：
Figure 296263DEST_PATH_IMAGE008
；
其中，
Figure 477846DEST_PATH_IMAGE009
，
Figure 542885DEST_PATH_IMAGE010
，N为调度站点总数目，M为样本特征的总类目，
Figure 442708DEST_PATH_IMAGE011
、
Figure 8818DEST_PATH_IMAGE012
分别为调度站点样本矩阵A的第
Figure 310486DEST_PATH_IMAGE013
、
Figure 671061DEST_PATH_IMAGE014
个样本矩阵点的第j样本特征元素，
Figure 933546DEST_PATH_IMAGE015
为相似度邻接矩阵 W的第
Figure 303347DEST_PATH_IMAGE013
行第
Figure 193943DEST_PATH_IMAGE014
列的矩阵元素，
Figure 990998DEST_PATH_IMAGE016
为相似度矩阵的第
Figure 599834DEST_PATH_IMAGE013
行第
Figure 773326DEST_PATH_IMAGE014
列的矩阵元素。
其中，被划分到同一集群中的调度站点具有同类型响应或同一功能性模块，因此可采用同种类型响应分析，同时归属于同一集群中的所有调度站点具有联动属性，一旦某一调度站点响应呈异常状态，能在其归属的集群内进行关联追溯获得其余受影响处于异常状态的调度站点，可快速提高分析效率。
样本特征量是对调度日志的特征量化提取，调度日志中包含调度站点的工况和台账数据，样本特征量即为工况和台账数据的提取，用于计算调度站点间工况和台账数据的相似度，可了解调度站点间的关联特征，最终构建出调度站点间的相似度邻接矩阵，比如：
Figure 659373DEST_PATH_IMAGE034
，则表示表征调度站点的样本矩阵点
Figure DEST_PATH_IMAGE035
和
Figure 627329DEST_PATH_IMAGE036
间存在关联性，即表征调度站点的样本矩阵点
Figure 723461DEST_PATH_IMAGE035
出现异常会关联追溯至表征调度站点的样本矩阵点
Figure 435066DEST_PATH_IMAGE036
，
Figure 175620DEST_PATH_IMAGE037
，则表示表征调度站点的样本矩阵点
Figure 314477DEST_PATH_IMAGE035
和
Figure 897905DEST_PATH_IMAGE036
间不存在关联性，即表征调度站点的样本矩阵点
Figure 22987DEST_PATH_IMAGE035
出现异常与表征调度站点的样本矩阵点
Figure 8260DEST_PATH_IMAGE036
不存在影响。
可以理解的是，本实施例的基于集群分析对变电站系统进行响应分析，充分利用变电站系统各调度站点工况的关联性，并非单一对调度站点进行切割分析，导致忽视了变电站系统的复杂性、不确定性和模糊性，最终提高分析准确性和合理性。
步骤S2、利用多目标划分算法对调度站点样本矩阵进行集群划分以获得均衡变电站系统的对点时间响应性能分析精度和分析效率的最优质分析集群；
步骤S2中，利用变电站系统的对点时间响应性能分析精度和分析效率构建对调度站点样本矩阵进行集群划分的多目标划分算法，包括：
数学量化对点时间响应性能分析精度生成精度效益目标，精度效益目标公式为：
Figure 318019DEST_PATH_IMAGE017
；
数学量化对点时间响应性能分析效率生成效率效益目标，效率效益目标公式为：
Figure 388743DEST_PATH_IMAGE018
；
利用最小化求解原则结合精度效益目标和效率效益目标构建多目标划分算法的多目标函数，多目标函数为：
Figure 317516DEST_PATH_IMAGE019
，
其中，
Figure 157296DEST_PATH_IMAGE020
为调度站点样本矩阵A中划分的第k个集群的样本矩阵点集合，
Figure 637956DEST_PATH_IMAGE021
，
Figure 930397DEST_PATH_IMAGE022
，
Figure 787495DEST_PATH_IMAGE023
，
Figure 481781DEST_PATH_IMAGE024
，
Figure 8709DEST_PATH_IMAGE025
为调度站点样本矩阵A的第
Figure 54025DEST_PATH_IMAGE013
个样本矩阵点，
Figure 449234DEST_PATH_IMAGE026
为调度站点样本矩阵A的第
Figure 998027DEST_PATH_IMAGE027
个样本矩阵点，m为调度站点样本矩阵A划分后的最优质分析集群总数，V为调度站点样本矩阵A中的样本矩阵点集合。
可以理解的是，利用
Figure 86069DEST_PATH_IMAGE038
和
Figure DEST_PATH_IMAGE039
作为集群划分的目标函数，
Figure 228468DEST_PATH_IMAGE038
越大，集群的平均内度越大，即集群内的节点连接关系越为密切，且集群数目越多，集群规模普遍较小；
Figure 427369DEST_PATH_IMAGE039
越小，集群的平均外度越小，即集群间的节点连接关系越为稀疏，且集群数目越少，集群规模普遍较大。这两个互补的项体现了优质的集群划分的两个方面，需要在二者之间权衡，取一个折衷点。
对
Figure 830668DEST_PATH_IMAGE040
进行最小化修正，可转化为多目标优化
Figure 89611DEST_PATH_IMAGE041
的减小会使网络趋向于划分为很多自身紧密度非常高的小集群，而
Figure 843941DEST_PATH_IMAGE042
的减小会使网络趋向于划分为一些与网络中其他部分连接稀疏的大集群。因此，这两个互补项反映出一个好的集群划分的两个基本方面，而模块度密度是在这两者之间的一个本质折衷。
Figure 456319DEST_PATH_IMAGE042
和
Figure 979704DEST_PATH_IMAGE041
都有平衡对方想增加或减少集群个数的趋势，并且都与模块度密度相关，可以克服分辨率限制的问题，因此将
Figure 409548DEST_PATH_IMAGE042
和
Figure 385594DEST_PATH_IMAGE041
作为集群划分的目标函数，利用的网络本身的层次内聚特性，避免依赖先验知识，从而减少了各种先验知识的实时采集，最终降低了数据传输、运算和存储的压力。
利用
Figure 926297DEST_PATH_IMAGE042
和
Figure 569768DEST_PATH_IMAGE041
作为集群划分的目标函数还可以将集群控制在最优规模的同时保证集群划分的精度最高，最优规模保障了对点时间响应性能分析的效率最高，避免出现超大规模导致对点时间响应性能分析的时间过长，影响最终分析效率，集群划分的精度最高保障了对点时间响应性能分析的精度最高，避免集群的错误划分导致对点时间响应性能分析的分析错误，影响最终分析精度。
利用多目标划分算法对调度站点样本矩阵A进行集群划分的具体方法包括：
步骤S201：对调度站点样本矩阵A中的所有样本矩阵点均分别量化为单个分析集群，并设定迭代次数；
步骤S202：依次计算分析集群和其余分析集群的适应度函数，保留适应度函数最大的两单分析集群进行融合归一生成融合集群实现融合迭代；
步骤S203：若融合迭代次数大于等于设定迭代次数，选取当前步骤S202中的融合集群作为所述最优质分析集群；若融合迭代次数小于设定迭代次数，返回步骤S202。
依据适应度函数构建的具体方法包括：
基于目标函数线性标定获得适应度函数
Figure 803738DEST_PATH_IMAGE028
，其中
Figure 532660DEST_PATH_IMAGE029
为扰动常数，
Figure 611474DEST_PATH_IMAGE030
为多目标函数；
依次计算两个分析集群融合的适应度值，并选取适应值
Figure 109452DEST_PATH_IMAGE031
最高的两个分析集群进行融合。
可以理解的是，选取适应度值高的分析集群进行融合，可保证精度效益和效率效益，从而得到更精确和更综合的集群结构。
如图2-3所示，举例说明，调度站点样本矩阵的集群为1、2和3个集群，集群1 中包括调度站点1-6，集群2中包括调度站点7-10，集群3中包括调度站点12-14，其中集群1中的调度站点采用同种分析方式进行响应分析，若其中调度站点2出现响应异常，同步追溯调度站点1、3、4、5和6进行响应分析，以集群形式进行响应分析，快速提高分析效率。
步骤S3、基于最优质分析集群对调度站点进行远动信息对点操作以安全和时效评判变电站系统的对点响应性能。
步骤S3中，评判变电站系统的对点响应性能的具体方法包括：
随机在最优质分析集群中选取一个调度站点作为主站点，剩余调度站点作为副站点；
控制主站点发送通讯报文并同步记录通讯报文的发送时序，同步控制副站点接收报文并同步记录通讯报文的接收时序；
统计通讯报文的发送时序和接收时序间的时序差值作为变电站系统的对点响应效率的判别标准，统计主站点处发送的通讯报文和副站点处接收的通讯报文间的数据差值作为变电站系统的对点响应精度的判别标准。
最优质分析集群中的集群对点响应效率和集群对点响应精度包括主站点和副站点的对点响应效率和对点响应精度的叠加。
利用移动式国产北斗卫星对时技术应用在远动信息对点工作，通过分析对点过程的报文提取时间以及信息丢失比对计算响应效率和响应精度。
如图4所示，基于上述变电站系统对点时间响应性能检测方法，本发明提供了一种检测系统，包括：
矩阵构建单元，用于基于变电站系统中包含的所有调度站点以及调度站点间的流向电流构建对点时间响应性能分析网络；
集群划分单元，用于利用集群划分模型对对点时间响应性能分析网络进行集群划分以获得均衡变电站系统的对点时间响应性能分析精度和分析效率的最优质分析集群；
性能评判单元，用于基于最优质分析集群对调度站点进行远动信息对点操作以安全和时效评判变电站系统的对点响应性能。
性能评判单元包括通讯报文交换组件，响应效率解析组件以及响应精度解析组件，通讯报文交换组件分别设置在主站点和副站点处，用于传送通讯报文并同步记录通讯报文发送和接收时序，再分别传送至响应效率解析组件和响应精度解析组件，响应效率解析组件统计通讯报文发送和接收时序的时序差值，响应精度解析组件用于分别解析主站点处发送的通讯报文和副站点处接收的通讯报文并统计的通讯报文间的数据差值。
本发明将结构复杂的变电站系统中的调度站点依照层次聚类算法将台账参数、工况数据相似的调度站点划分为最优质分析集群，实现对分析精度和分析效率的最佳均衡，最终保障对点变电站系统的对点响应性能分析脱离阈值比对，分析结果更加可靠，并且在对调度站点集群划分过程中利用网络层次内聚特性，避免依赖先验知识，降低计算复杂度。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。

Claims (4)

1.一种变电站系统对点时间响应性能检测方法，其特征在于，包括以下步骤：
步骤S1、基于变电站系统中包含的所有调度站点以及所述调度站点的调度日志构建用于变电站系统对点时间响应性能分析的调度站点样本矩阵；
步骤S2、利用多目标划分算法对所述调度站点样本矩阵进行集群划分以获得均衡变电站系统的对点时间响应性能分析精度和分析效率的最优质分析集群；
步骤S3、基于所述最优质分析集群对所述调度站点进行远动信息对点操作以安全和时效评判变电站系统的对点响应性能；
所述步骤S1中，构建所述调度站点样本矩阵的具体方法包括：
将每个调度主站进行编码量化为调度站点样本矩阵的样本矩阵点ai，并将每个调度主站的调度日志量化为样本矩阵点的样本特征量[bj]；
结合所述样本矩阵点ai和所述样本特征量[bj]构建获得所述调度站点样本矩阵为
Figure 935461DEST_PATH_IMAGE001
；
其中，
Figure 264811DEST_PATH_IMAGE002
，
Figure 463711DEST_PATH_IMAGE003
，N为调度站点总数目，M为样本特征的总类目；
所述步骤S1中，还包括将所述调度站点样本矩阵A转化为相似度邻接矩阵W，包括：
依次计算调度站点样本矩阵A中每一项与其余项的欧氏距离，并生成相似度矩阵
Figure 132590DEST_PATH_IMAGE004
，所述欧氏距离计算公式为：
Figure 125954DEST_PATH_IMAGE005
，
基于预设的相似度阈值
Figure 378818DEST_PATH_IMAGE006
，将所述相似度矩阵进行二值化转换生成相似度邻接矩阵
Figure 178147DEST_PATH_IMAGE007
，所述二值化转换公式为：
Figure 826166DEST_PATH_IMAGE008
；
其中，
Figure 318327DEST_PATH_IMAGE009
，
Figure 622270DEST_PATH_IMAGE010
，N为调度站点总数目，M为样本特征的总类目，
Figure 897393DEST_PATH_IMAGE011
、
Figure 603181DEST_PATH_IMAGE012
分别为调度站点样本矩阵A的第
Figure 664DEST_PATH_IMAGE013
、
Figure 729586DEST_PATH_IMAGE014
个样本矩阵点的第j样本特征元素，
Figure 870717DEST_PATH_IMAGE015
为相似度邻接矩阵W的第
Figure 368695DEST_PATH_IMAGE013
行第
Figure 140342DEST_PATH_IMAGE014
列的矩阵元素，
Figure 90980DEST_PATH_IMAGE016
为相似度矩阵的第
Figure 35802DEST_PATH_IMAGE013
行第
Figure 388286DEST_PATH_IMAGE014
列的矩阵元素；
所述步骤S2中，利用变电站系统的对点时间响应性能分析精度和分析效率构建对调度站点样本矩阵进行集群划分的多目标划分算法，包括：
数学量化所述对点时间响应性能分析精度生成精度效益目标，所述精度效益目标公式为：
Figure 330835DEST_PATH_IMAGE017
；
数学量化所述对点时间响应性能分析效率生成效率效益目标，所述效率效益目标公式为：
Figure 831086DEST_PATH_IMAGE018
；
利用最小化求解原则结合所述精度效益目标和效率效益目标构建所述多目标划分算法的多目标函数，所述多目标函数为：
Figure 251703DEST_PATH_IMAGE019
，
其中，
Figure 724273DEST_PATH_IMAGE020
为调度站点样本矩阵A中划分的第k个集群的样本矩阵点集合，
Figure 900039DEST_PATH_IMAGE021
，
Figure 825270DEST_PATH_IMAGE022
，
Figure 49578DEST_PATH_IMAGE023
，
Figure 111075DEST_PATH_IMAGE024
，
Figure 457742DEST_PATH_IMAGE025
为调度站点样本矩阵A的第
Figure 870269DEST_PATH_IMAGE013
个样本矩阵点，
Figure 898268DEST_PATH_IMAGE026
为调度站点样本矩阵A的第
Figure 79851DEST_PATH_IMAGE027
个样本矩阵点，m为调度站点样本矩阵A划分后的最优质分析集群总数，V为调度站点样本矩阵A中的样本矩阵点集合；
利用多目标划分算法对所述调度站点样本矩阵A进行集群划分的具体方法包括：
步骤S201：对所述调度站点样本矩阵A中的所有样本矩阵点均分别量化为单个分析集群，并设定迭代次数；
步骤S202：依次计算分析集群和其余分析集群的适应度函数，保留适应度函数最大的两个分析集群进行融合归一生成融合集群实现融合迭代；
步骤S203：若融合迭代次数大于等于设定迭代次数，选取当前步骤S202中的融合集群作为所述最优质分析集群；若融合迭代次数小于设定迭代次数，返回步骤S202；
所述步骤S202包括：
基于目标函数线性标定获得适应度函数
Figure 269524DEST_PATH_IMAGE028
，其中，
Figure 231663DEST_PATH_IMAGE029
为扰动常数，
Figure 797774DEST_PATH_IMAGE030
为多目标函数；
依次计算两个分析集群融合的适应度值，并选取适应度值
Figure 99442DEST_PATH_IMAGE031
最高的两个分析集群进行融合；
所述步骤S3中，评判变电站系统的对点响应性能的具体方法包括：
随机在最优质分析集群中选取一个调度站点作为主站点，剩余调度站点作为副站点；
控制主站点发送通讯报文并同步记录所述通讯报文的发送时序，同步控制副站点接收报文并同步记录所述通讯报文的接收时序；
统计通讯报文的发送时序和接收时序间的时序差值作为所述变电站系统的对点响应效率的判别标准，统计主站点处发送的通讯报文和所述副站点处接收的通讯报文间的数据差值作为所述变电站系统的对点响应精度的判别标准。
2.根据权利要求1所述的一种变电站系统对点时间响应性能检测方法，其特征在于，所述最优质分析集群中的集群对点响应效率和集群对点响应精度包括所述主站点和副站点的对点响应效率和对点响应精度的叠加。
3.一种根据权利要求1或2所述的变电站系统对点时间响应性能检测方法的检测系统，其特征在于，包括：
矩阵构建单元，基于变电站系统中包含的所有调度站点以及所述调度站点的调度日志构建用于变电站系统对点时间响应性能分析的调度站点样本矩阵；
集群划分单元，用于利用多目标划分算法对所述调度站点样本矩阵进行集群划分以获得均衡变电站系统的对点时间响应性能分析精度和分析效率的最优质分析集群；
性能评判单元，用于基于所述最优质分析集群对所述调度站点进行远动信息对点操作以安全和时效评判变电站系统的对点响应性能。
4.根据权利要求3所述的一种检测系统，其特征在于，所述性能评判单元包括通讯报文交换组件，响应效率解析组件以及响应精度解析组件，所述通讯报文交换组件分别设置在主站点和副站点处，用于传送通讯报文并同步记录通讯报文发送和接收时序，再分别传送至响应效率解析组件和响应精度解析组件，所述响应效率解析组件统计通讯报文发送和接收时序的时序差值，所述响应精度解析组件用于分别解析主站点处发送的通讯报文和所述副站点处接收的通讯报文并统计的通讯报文间的数据差值。
CN202110841117.2A 2021-07-26 2021-07-26 一种变电站系统对点时间响应性能检测方法及系统 Active CN113283823B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110841117.2A CN113283823B (zh) 2021-07-26 2021-07-26 一种变电站系统对点时间响应性能检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110841117.2A CN113283823B (zh) 2021-07-26 2021-07-26 一种变电站系统对点时间响应性能检测方法及系统

Publications (2)

Publication Number Publication Date
CN113283823A CN113283823A (zh) 2021-08-20
CN113283823B true CN113283823B (zh) 2021-10-22

Family

ID=77287169

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110841117.2A Active CN113283823B (zh) 2021-07-26 2021-07-26 一种变电站系统对点时间响应性能检测方法及系统

Country Status (1)

Country Link
CN (1) CN113283823B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106451792A (zh) * 2016-11-25 2017-02-22 国网河南省电力公司电力科学研究院 一种智能变电站远动对点系统和方法
CN112350869A (zh) * 2020-11-06 2021-02-09 广东电网有限责任公司 一种变电站自动化系统对点时间响应性能检测方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105071535B (zh) * 2015-08-14 2018-08-14 国电南瑞科技股份有限公司 一种电网系统的时间同步管理系统及实现方法
US20200293032A1 (en) * 2019-03-13 2020-09-17 General Electric Company Extremely fast substation asset monitoring system and method
CN112085231A (zh) * 2020-09-14 2020-12-15 国网湖北省电力有限公司咸宁供电公司 一种电力调度控制中心事故信息快速响应方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106451792A (zh) * 2016-11-25 2017-02-22 国网河南省电力公司电力科学研究院 一种智能变电站远动对点系统和方法
CN112350869A (zh) * 2020-11-06 2021-02-09 广东电网有限责任公司 一种变电站自动化系统对点时间响应性能检测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Towards Smart Integration of Distributed Energy Resources Using Distributed Network Protocol Over Ethernet";Esteban Padilla等;《IEEE Transactions on Smart Grid》;20140731;第5卷(第4期);第1686-1695页 *
"基于报文时标信息的智能变电站对点方法";张承模等;《机电工程技术》;20190103;第48卷(第1期);第100-104页 *

Also Published As

Publication number Publication date
CN113283823A (zh) 2021-08-20

Similar Documents

Publication Publication Date Title
CN113904448B (zh) 一种基于多维监控智能配电运维服务系统
CN102938742B (zh) 基于电力业务需求的通信带宽预测方法及装置
CN104112345B (zh) 远程无线抄表系统的数据监测方法
CN111600296B (zh) 基于边缘计算的电力负荷预测系统及其预测方法
CN109474067B (zh) 一种电网调度故障处理辅助决策方法
CN113078630B (zh) 一种基于实时量测数据的低压配电网拓扑辨识方法
CN104933631A (zh) 一种配电网运行在线分析评价系统
CN106814286B (zh) 基于多元故障采集的配电网故障定位系统、方法及服务器
CN103326901B (zh) 一种电力系统宽带网络性能测试方法及系统
CN110095661B (zh) 一种配电变压器高压侧缺相故障抢修方法
CN103869192A (zh) 智能电网线损检测方法和系统
CN111884585B (zh) 一种光伏发电智能储能系统
CN204539486U (zh) 一种地铁线网客流样本追踪分析系统
CN113283823B (zh) 一种变电站系统对点时间响应性能检测方法及系统
CN108446861A (zh) 基于有向图排序的电力调度系统多源数据质量评价方法
CN115037421B (zh) 用电信息采集设备的远程监控方法、装置及系统
CN109742856B (zh) 台区电能表网络三维物理拓扑结构图生成方法
CN116319350A (zh) 一种电表量测数据与电力线通信的低压配网拓扑识别方法
CN113381508B (zh) 一种结合开关转换装置的电力载波通讯调控系统和方法
CN111342554B (zh) 一种台区拓扑自动识别系统和方法
CN105608530B (zh) 一种配电网营配调数据完整性校验方法
CN108414851B (zh) 基于ems理论电量数据与采集电量数据的智能校核方法
CN111308140A (zh) 一种差异式主动上报抄表的方法
Zhang et al. An Evaluation Index System Suitable for Operation and Management of Distribution Network Automation System
AU2021232743B2 (en) Method and system for transmitting multiplexing data over distributed photovoltaic power channels

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