CN113447764A - 应用于电网的智慧监测及故障管控方法 - Google Patents

Abstract

本发明公开了应用于电网的智慧监测及故障管控方法，涉及配电网故障监测技术领域，解决了现有方案无法准确识别电网故障状态和位置，导致电力维管人员无法准确及时排除电网故障的技术问题；本发明通过获取电力设备和配电线路的数据，根据数据分析出对应的故障，并将分析出的故障可视化，有助于电力维管人员对整个配电网状态的把握，提高电力故障排除的及时性；本发明将电网的故障可视化，当目标区域存在较多的故障点时，则判定电网出现大面积的异常，将原有的目标区域扩大形成预警区域，能够及时的提醒关联区域防范；本发明将故障可视化之后，派遣电力维管人员对电力故障进行排除，能够及时调度电力维管人员进行故障排除，保证群众的用电安全。

Description

应用于电网的智慧监测及故障管控方法

技术领域

本发明属于配电网故障监测技术领域，具体是应用于电网的智慧监测及故障管控方法。

背景技术

供电系统的正常运行对于各行各业的发展来说显得尤为重要，实际供电过程中，会因外界因素和内部设备因素的影响，导致电网供电出现故障，严重影响人们的生活和工作。

公开号为CN111629347A的发明专利公开了一种输电网智能监测预警系统，包括输电网设备监测子系统和预警中心；所述输电网设备监测子系统包括通过无线传感器网络多跳的方式组网的节点，节点包括传感器节点和汇聚节点，传感器节点用于采集输电网设备监测数据；所述汇聚节点汇聚各传感器节点发送的输电网设备监测数据，进行处理后转发至预警中心；预警中心用于对汇聚节点发送的输电网设备监测数据进行分析处理和显示，并在输电网设备监测数据异常时及逆行报警。

上述方案利用无线传感器网络技术实现了输电网的智能实时监测，降低了成本，保障了监测精度；但是，上述方案只是将输电网设备监测数据与设定的安全阈值进行比较来判定故障，无法判定电网故障类型、故障位置以及引起故障的因素，导致维管人员无法及时准确地处理故障；因此，亟需一种能够帮助电力维管人员实时监测电网故障，并为电力故障的排除提供建议的电网故障监测管控方法。

发明内容

本发明提供了应用于电网的智慧监测及故障管控方法，用于解决现有方案无法准确识别电网故障状态和位置，导致电力维管人员无法准确及时排除电网故障的技术问题，本发明通过设置故障评估模型和可视化地图解决了上述问题。

本发明的目的可以通过以下技术方案实现：应用于电网的智慧监测及故障管控方法，包括：

通过采集传感器实时采集电网设备的监测数据；所述监测数据包括电流和电压；

根据监测数据获取数据拟合曲线，对数据拟合曲线进行分析之后生成第一故障标签；所述数据拟合曲线包括电流拟合曲线和电压拟合曲线；

获取电网中配电线路的实时波形图，将故障评估模型和实时波形图相结合获取第二故障标签；所述实时波形图包括电压波形图和电流波形图；

通过故障定位方法对第二故障标签对应的配电线路进行故障定位获取故障位置；所述故障定位方法包括行波法和注入信号法；

生成可视化地图，在可视化地图中对配电线路和电网设备进行标注；结合可视化地图进行区域风险预警；

派遣电力维管人员对电力故障进行排除，同时实时更新电力维管人员的位置。

优选的，所述数据拟合曲线的获取包括：

提取监测数据中的目标数据作为因变量；所述目标数据包括电压和电流；

以目标数据的获取时间为自变量，结合多项式拟合法获取数据拟合曲线。

优选的，所述第一故障标签的生成包括：

获取数据拟合曲线的一阶导数；

将自变量代入一阶导数获取一阶导数值，获取一阶导数值的均方差；

筛选出一阶导数值中绝对值最大的标记为校验导数值；

当均方差小于均方差阈值，且校验导数值小于校验导数阈值时，则判定电网设备的电压和电流正常，不生成第一故障标签；否则，判定电网设备的电压和电流异常，生成第一故障标签；其中，均方差阈值和校验导数阈值均为大于0的实数。

优选的，所述第二故障标签包括相间短路故障标签、单相接地故障标签、断线故障标签和间歇性故障标签。

优选的，将所述实时波形图转换成实时波形数据，将实时波形数据输入至故障评估模型获取第二故障标签。

优选的，所述故障评估模型的获取包括：

获取标准训练数据；所述标准训练数据包括若干组第二故障标签和对应的实时波形数据，以及电网正常时的实时波形数据；所述实时波形数据包括振幅、频率、瞬时值和相位差；

构建人工智能模型；所述人工智能模型包括误差逆向反馈神经网络、RBF神经网络和深度卷积神经网络中的一种或者多种；

通过标准训练数据对人工智能模型进行训练、测试和校验，将训练完成的人工智能模型标记为故障评估模型。

优选的，通过第三方地图平台生成可视化地图；所述第三方地图平台包括高德地图、百度地图和腾讯地图；在所述可视化地图中，将第一故障标签对应的电力设备标记为黄色，将第二故障标签对应的配电线路标记为红色。

优选的，根据所述可视化地图进行区域风险预警，包括：

获取经过标注的可视化地图；

任取一个故障点为圆心，以R为半径划定圆形并标记为目标区域；所述故障点为第一故障标签对应电力设备的位置，或者第二故障标签对应配电线路的故障位置；

获取目标区域中故障点总数，当故障点总数大于数量阈值时，则判定所述目标区域的电网出现大面积异常，则生成预警区域；所述预警区域与目标区域的圆心重合，所述预警区域的半径为R+r；其中，R和r均为大于0的常数，且0.1R<r<0.3R。

优选的，所述采集传感器包括电压传感器、电流传感器、温度传感器和湿度传感器。

与现有技术相比，本发明的有益效果是：

1、本发明通过获取电力设备和配电线路的数据，根据数据分析出对应的故障，并将分析出的故障可视化，有助于电力维管人员对整个配电网状态的把握，提高电力故障排除的及时性。

2、本发明将电网的故障可视化，并通过可视化地图来分析目标区域，当目标区域存在较多的故障点时，则判定电网出现大面积的异常，将原有的目标区域扩大形成预警区域，能够及时的提醒关联区域防范。

3、本发明将故障可视化之后，派遣电力维管人员对电力故障进行排除，同时实时更新电力维管人员的位置，能够及时调度电力维管人员进行故障排除，保证群众的用电安全。

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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的工作流程示意图。

具体实施方式

下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。

这里使用的术语用于描述实施例，并不意图限制和/或限制本公开；应该注意的是，除非上下文另有明确指示，否则单数形式的“一”、“一个”和“该”也包括复数形式；而且，尽管属于“第一”、“第二”等可以在本文中用于描述各种元件，但是元件不受这些术语的限制，这些术语仅用于区分一个元素和另一个元素。

请参阅图1，本申请提供了一种应用于电网的智慧监测及故障管控方法，包括：

通过采集传感器实时采集电网设备的监测数据；根据监测数据获取数据拟合曲线，对数据拟合曲线进行分析之后生成第一故障标签；取电网中配电线路的实时波形图，将故障评估模型和实时波形图相结合获取第二故障标签；通过故障定位方法对第二故障标签对应的配电线路进行故障定位获取故障位置；生成可视化地图，在可视化地图中对配电线路和电网设备进行标注；结合可视化地图进行区域风险预警；派遣电力维管人员对电力故障进行排除，同时实时更新电力维管人员的位置。

本实施例中的监测数据包括电流和电压，数据拟合曲线包括电流拟合曲线和电压拟合曲线，实时波形图包括电压波形图和电流波形图；在另外一些实施例中，可包含其他对电力设备、配电线路有影响的因素，来保证故障监测的准确性。

本申请提供的应用于电网的智慧监测及故障管控方法中，根据监测数据获取数据拟合曲线，对数据拟合曲线进行分析之后生成第一故障标签。首先提取监测数据中的目标数据作为因变量，以目标数据的获取时间为自变量，结合多项式拟合法获取数据拟合曲线；然后获取数据拟合曲线的一阶导数，将自变量代入一阶导数获取一阶导数值，获取一阶导数值的均方差，筛选出一阶导数值中绝对值最大的标记为校验导数值；当均方差小于均方差阈值，且校验导数值小于校验导数阈值时，则判定电网设备的电压和电流正常，不生成第一故障标签；否则，判定电网设备的电压和电流异常，生成第一故障标签。

本实施例根据监测数据生成数据拟合曲线，然后对数据拟合曲线的导数进行分析，从最值和均方差两个角度来判定数据拟合曲线是否正常，当数据拟合曲线不正常时，则生成第一故障标签；如当均方差大于等于均方差阈值时生成第一故障标签，当校验导数值大于等于校验导数阈值时生成第一故障标签，当均方差大于等于均方差阈值且校验导数值大于等于校验导数阈值时，生成第一故障标签。

本申请提供的应用于电网的智慧监测及故障管控方法中，获取电网中配电线路的实时波形图，将故障评估模型和实时波形图相结合获取第二故障标签。故障评估模型的获取包括：获取标准训练数据，构建人工智能模型，通过标准训练数据对人工智能模型进行训练、测试和校验，将训练完成的人工智能模型标记为故障评估模型。

本实施例中的标准训练数据包括若干组第二故障标签和对应的实时波形数据，以及电网正常时的实时波形数据；故障数据和正常数据相结合对人工智能模型进行训练，能够保证故障评估模型的可靠性和鲁棒性。

本实施例中的实时波形数据包括振幅、频率、瞬时值、相位差等能够反映出实时波形图特点的数据，将图像转化成数据，有助于提高本申请的数据处理效率。本实施例中的人工智能模型包括误差逆向反馈神经网络、RBF神经网络和深度卷积神经网络中的一种或者多种，人工智能模型可以是一种，必要的时候可以将多种模型融合。

本申请提供的应用于电网的智慧监测及故障管控方法中，通过故障定位方法对第二故障标签对应的配电线路进行故障定位获取故障位置；故障定位方法包括行波法和注入信号法。

本实施例中只对第二故障标签对应的配电线路进行故障定位获取故障位置，因为默认第一故障标签的故障位置就是对应的电力设备。行波法的具体工作流程为：当接地点发生故障后，故障点会沿着配电线路前、后传递一个行波，行波有速度和衰减，通过在故障前后节点测量行波的值和时间点可以定位出故障所在位置，行波法较适合高压配电线路，因为高压配电线路是一条或者少数几条分支的线路，行波易于识别和分析；注入信号法的工作流程为：在电源侧人工接入一个信号，这个信号通道通过接入点和接地点形成回路，大部分从接地点走出去，监测沿线信号通道中没信号的位置即为故障位置。在整个配电网的监测过程中，行波法和注入信号法可以交叉联合使用。

本申请提供的应用于电网的智慧监测及故障管控方法中，生成可视化地图，在可视化地图中对配电线路和电网设备进行标注；结合可视化地图进行区域风险预警。通过第三方地图平台生成可视化地图，在可视化地图中，将第一故障标签对应的电力设备标记为黄色，将第二故障标签对应的配电线路标记为红色；获取经过标注的可视化地图，任取一个故障点为圆心，以R为半径划定圆形并标记为目标区域；获取目标区域中故障点总数，当故障点总数大于数量阈值时，则判定目标区域的电网出现大面积异常，则生成预警区域；预警区域与目标区域的圆心重合，预警区域的半径为R+r。

本实施例中将电网的故障可视化，并通过可视化地图来分析目标区域，当目标区域存在较多的故障点时，则判定电网出现大面积的异常，将原有的目标区域扩大形成预警区域，能够及时的提醒关联区域防范，避免自然灾害对电网造成的影响扩大。

本申请提供的应用于电网的智慧监测及故障管控方法，其中一个重点在于通过获取电力设备和配电线路的数据，根据数据分析出对应的故障，并将分析出的故障可视化，有助于电力维管人员对整个配电网状态的把握，提高电力故障排除的及时性；另外一个重点在于根据可视化地图判定目标区域，进而根据目标区域获取预警区域，根据预警区域进行预警，提醒电力维管人员和群众对配电网的状态进行把握，提前预警防范。

本申请中的相关阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：

通过采集传感器实时采集电网设备的监测数据，根据监测数据获取数据拟合曲线，对数据拟合曲线进行分析之后生成第一故障标签；获取电网中配电线路的实时波形图，将故障评估模型和实时波形图相结合获取第二故障标签；通过故障定位方法对第二故障标签对应的配电线路进行故障定位获取故障位置；生成可视化地图，在可视化地图中对配电线路和电网设备进行标注；结合可视化地图进行区域风险预警；派遣电力维管人员对电力故障进行排除，同时实时更新电力维管人员的位置。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.应用于电网的智慧监测及故障管控方法，其特征在于，包括：

通过采集传感器实时采集电网设备的监测数据；所述监测数据包括电流和电压；

根据监测数据获取数据拟合曲线，对数据拟合曲线进行分析之后生成第一故障标签；所述数据拟合曲线包括电流拟合曲线和电压拟合曲线；

获取电网中配电线路的实时波形图，将故障评估模型和实时波形图相结合获取第二故障标签；所述实时波形图包括电压波形图和电流波形图；

通过故障定位方法对第二故障标签对应的配电线路进行故障定位获取故障位置；所述故障定位方法包括行波法和注入信号法；

生成可视化地图，在可视化地图中对配电线路和电网设备进行标注；结合可视化地图进行区域风险预警；

派遣电力维管人员对电力故障进行排除，同时实时更新电力维管人员的位置。

2.根据权利要求1所述的应用于电网的智慧监测及故障管控方法，其特征在于，所述数据拟合曲线的获取包括：

提取监测数据中的目标数据作为因变量；所述目标数据包括电压和电流；

以目标数据的获取时间为自变量，结合多项式拟合法获取数据拟合曲线。

3.根据权利要求2所述的应用于电网的智慧监测及故障管控方法，其特征在于，所述第一故障标签的生成包括：

获取数据拟合曲线的一阶导数；

将自变量代入一阶导数获取一阶导数值，获取一阶导数值的均方差；

筛选出一阶导数值中绝对值最大的标记为校验导数值；

当均方差小于均方差阈值，且校验导数值小于校验导数阈值时，则判定电网设备的电压和电流正常，不生成第一故障标签；否则，判定电网设备的电压和电流异常，生成第一故障标签；其中，均方差阈值和校验导数阈值均为大于0的实数。

4.根据权利要求1所述的应用于电网的智慧监测及故障管控方法，其特征在于，所述第二故障标签包括相间短路故障标签、单相接地故障标签、断线故障标签和间歇性故障标签。

5.根据权利要求1所述的应用于电网的智慧监测及故障管控方法，其特征在于，将所述实时波形图转换成实时波形数据，将实时波形数据输入至故障评估模型获取第二故障标签。

6.根据权利要求1或5所述的应用于电网的智慧监测及故障管控方法，其特征在于，所述故障评估模型的获取包括：

获取标准训练数据；所述标准训练数据包括若干组第二故障标签和对应的实时波形数据，以及电网正常时的实时波形数据；所述实时波形数据包括振幅、频率、瞬时值和相位差；

构建人工智能模型；所述人工智能模型包括误差逆向反馈神经网络、RBF神经网络和深度卷积神经网络中的一种或者多种；

通过标准训练数据对人工智能模型进行训练、测试和校验，将训练完成的人工智能模型标记为故障评估模型。

7.根据权利要求1所述的应用于电网的智慧监测及故障管控方法，其特征在于，通过第三方地图平台生成可视化地图；在所述可视化地图中，将第一故障标签对应的电力设备标记为黄色，将第二故障标签对应的配电线路标记为红色。

8.根据权利要求1或7所述的应用于电网的智慧监测及故障管控方法，其特征在于，根据所述可视化地图进行区域风险预警，包括：

获取经过标注的可视化地图；

任取一个故障点为圆心，以R为半径划定圆形并标记为目标区域；所述故障点为第一故障标签对应电力设备的位置，或者第二故障标签对应配电线路的故障位置；

获取目标区域中故障点总数，当故障点总数大于数量阈值时，则判定所述目标区域的电网出现大面积异常，则生成预警区域；所述预警区域与目标区域的圆心重合，所述预警区域的半径为R+r；其中，R和r均为大于0的常数，且0.1R<r<0.3R。

Images