CN113589096A - 一种多状态量可组态变电设备边缘计算系统及其方法 - Google Patents
一种多状态量可组态变电设备边缘计算系统及其方法 Download PDFInfo
- Publication number
- CN113589096A CN113589096A CN202110733750.XA CN202110733750A CN113589096A CN 113589096 A CN113589096 A CN 113589096A CN 202110733750 A CN202110733750 A CN 202110733750A CN 113589096 A CN113589096 A CN 113589096A
- Authority
- CN
- China
- Prior art keywords
- edge
- data
- power transformation
- transformation equipment
- edge computing
- 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.)
- Pending
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 157
- 238000004364 calculation method Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000004927 fusion Effects 0.000 claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims description 81
- 238000007726 management method Methods 0.000 claims description 38
- 230000000875 corresponding effect Effects 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000013523 data management Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 238000012423 maintenance Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000001931 thermography Methods 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种多状态量可组态变电设备边缘计算系统及其方法，包括：云平台、边缘计算装置和边缘感知设备；所述边缘感知设备用于获取对应的本地变电设备的状态信息；每个边缘感知设备对应设置有边缘计算装置，并将获取到的本地变电设备的状态信息发送至其对应的边缘计算装置；所述边缘计算装置通过对本地变电设备的状态信息进行计算，得到数据计算结果，将数据计算结果进行本地执行和存储并采用统一的协议格式反馈至云平台；云平台根据各个边缘计算装置反馈的数据计算结果进行多源信息融合，实现对所有变电设备的综合状态评价。本发明增加云计算平台的终端接入数量，提高带宽利用率，降低数据时延。
Description
技术领域
本发明属于电力设备技术领域，具体涉及一种多状态量可组态变电设备边缘计算系统及其方法。
背景技术
变电站作为智能电网和电力物联网的重点领域，变电站设备的维护、状态监测和电力系统的管理，直接关系到电力供应和服务的质量。为了保证电力系统中变电站高效有序的进行日常运维和检修，加强变电站中变电设备的多状态智能检测是非常重要的。目前变电站中的电力设备主要采用在线监测技术对各个变电设备进行状态感知、阈值分析和趋势研判，难以满足设备和设备之间、设备和系统之间的综合状态评价。随着边缘计算、人工智能技术的不断成熟，针对变电设备的运行状态进行分层分布式监测和状态评价，进一步构建变电站多状态量监测与评价系统，大大提高了变电站运维及管理的智能化水平。
近年来，随着泛在电力物联网的发展，云计算、边缘计算、雾计算等技术在变电设备的状态监测方面的应用越来越广泛，如何实现变电设备的运行监测与状态评价、提高边缘计算的水平、提升终端设备的智能化、实现监测数据的云边协同计算及处理、提高变电设备的智能化管控水平，是当前亟需解决的问题。
针对现有的云边协同计算技术存在以下问题：
1)电力设备数量多、分布广需要大量传感器对设备的运行状态进行监测，目前现有的电力主站系统难以实现对海量电力设备监测传感器数据的接入，系统的处理能力和计算能力也难以支撑电力设备状态监测的深度覆盖，难以满足低时延业务的数据实时性要求；
2)现有电力设备监测终端设备及传感器厂家达上千家、终端协议种类达几十种，造成电力设备状态监测测点功能单一、集成化程度低、协议繁杂等问题，从而导致数据互联互通困难，使得稀有监测数据成为沉睡资源和数据孤岛，制约了电力设备状态监测的广度、深度、密度和精度；
3)现有电力设备的故障诊断和状态评估解决方案是将采集信息上传至服务器进行分析，但是海量终端信息传输量大且有效信息少，会占用和浪费大量网络资源，同时云计算时延较高，无法对严重故障进行实时分析；
4)随着电力系统技术设备的日益精密和复杂，使得运维工作涉及到的技术知识越来越多，而当前很多电力设备维修人员无法满足客观需求，对于设备缺乏细化认识，对于设备的损坏程度等记录不够及时准确，无法提供全方位的维修措施，降低了安全运行的质量；
变电设备的运行检测涉及到变电设备的状态评估、故障诊断等多个环节，需要对变电设备进行全面的监测和分析。目前中心化的云计算难以适应电力系统低时延、多业务的需求，因此，基于边缘计算建立面向变电设备运行监测及运维的云边协同服务，在边缘侧对电力设备进行风险预测、状态评估，能够有效兼顾运维检修的可行性、及时性和经济性原则，实现变电设备的运维检修辅助决策，制定柔性、客观、准确的运维检修策略，从而提高变电设备的可靠运行，进一步保障电力系统的安全稳定运行
发明内容
本发明的目的就是为了解决上述背景技术存在的不足，提供一种多状态量可组态变电设备边缘计算系统，能够利用边缘计算装置对变电设备的运行状态监测数据进行处理分析，通过云边协同处理，提高数据处理的效率，从而减轻云计算的压力，增加云计算平台的终端接入数量，提高带宽利用率，降低数据时延。
本发明采用的技术方案是：一种多状态量可组态变电设备边缘计算系统，包括云平台、边缘计算装置和边缘感知设备；所述边缘感知设备用于获取本地变电设备的状态信息，并将获取到的本地变电设备的状态信息发送至边缘计算装置；
所述边缘计算装置通过云平台下发的模型文件对本地变电设备的状态信息进行计算，得到数据计算结果，将数据计算结果反馈至云平台；
云平台根据不同的本地变电设备创建模型文件并下发至对应的边缘计算装置；根据各个边缘计算装置反馈的数据计算结果和电力系统主站已有监测数据进行多源信息融合，实现对所有本地变电设备的综合状态评价。
上述技术方案中，所述边缘计算装置包括核心处理器、存储模块、通信模块、服务模块、采集模块和电源模块，存储模块、通信模块、服务模块、采集模块分别与核心处理器电连接，电源模块分别为核心处理器、存储模块、通信模块、服务模块、采集模块供电，其中：
通信模块，用于与云平台进行数据通信，从云平台接收模型文件并发送至核心处理器；还用于接收核心处理器的数据计算结果并将其发送至云平台；还用于与本地传感网络进行数据交互，以获取本地变电设备的状态信息并将其发送至核心处理器；
采集模块，与用于检测本地变电设备状态的传感器电连接，获取本地变电设备的状态信息并将其发送至核心处理器；
存储模块，用于存储采集模块和通信模块获取的本地变电设备的状态信息以及核心处理器的数据计算结果；
核心处理器，基于模型文件计算接收到的本地变电设备的状态信息以生成数据计算结果，并根据数据计算结果生成驱动命令发送至服务模块；
服务模块，执行驱动命令。
上述技术方案中，所述云平台包括变电设备监测模型管理模块，变电设备监测模型管理模块用于创建、卸载、配置和更新模型文件。变电设备监测模型可以针对不同的变电设备对模型文件进行针对性的设置，以满足不同的变电设备的监测数据的采集、处理、计算的需求。
模型文件针对边缘监测模型的配置内容包括边缘计算装置监测的变电设备类型、接入的传感器数量及类型、传感器的协议类型、数据预处理的方式。
上述技术方案中，所述边缘计算装置的核心处理器配置有边缘计算服务组件，所述边缘计算服务组件用于接收云平台下发的模型文件并对边缘计算装置的核心处理器进行配置。
上述技术方案中，所述边缘计算装置的核心处理器配置有边缘监测模型，核心处理器根据来自云平台的模型文件通过边缘计算服务组件对边缘监测模型进行配置；边缘监测模型对传感器和本地传感网络采集到的本地变电设备的状态信息的数据协议进行自适应解析，并对解析的数据进行预处理以生成数据池。
上述技术方案中，所述边缘计算装置配置有边缘计算模型，核心处理器根据来自云平台的模型文件通过边缘计算服务组件对边缘计算模型进行配置，边缘计算模型采用数据融合模型对数据池中的数据进行信息融合以生成数据计算结果。
上述技术方案中，所述边缘计算装置设置有边缘服务应用模型，边缘计算装置根据来自云平台的模型文件通过边缘计算服务组件对边缘服务应用模型进行配置，边缘服务应用模块根据数据计算结果通过服务模块为本地的变电设备提供边缘服务，所述边缘服务包括本地报警方式、语音提醒内容、本地数据查看的内容等。
上述技术方案中，所述边缘计算装置通过协议转换程序将数据计算结果转换成IEC61850协议，并通过通信模块将数据计算结果发送到云平台，从而保证云平台接收的数据计算结果为统一的协议模式，便于云平台对接收到的数据作进一步的处理，减少云平台的整体计算量。
上述技术方案中，云平台还包括边缘计算装置管理模块、变电设备监测数据管理模块、边缘服务应用管理模块、变电设备管理模块、多源信息融合模块、变电设备监测云服务模块。
边缘计算装置管理模块用于实现云平台对接入的边缘计算装置的远程管理，包括边缘计算装置的参数设置、运行状态监测。
变电设备监测数据管理模块用于接收和存储边缘计算装置发送的数据计算结果。
边缘服务应用管理模块用于同步边缘计算装置的边缘服务应用。
变电设备管理模块用于对监测的变电设备信息的管理以及将关联变电设备和已构建的模型文件进行关联并向本地变电设备的边缘计算装置下发对应的模型文件。
多源信息融合主要对边缘计算装置上报的数据和主站接入的已有的监测数据进行决策融合，实现变电设备的综合状态评价。
本发明提供了一种多状态量可组态变电设备边缘计算系统的计算方法，具体包括以下步骤：
S1，云平台根据不同的本地变电设备创建模型文件并下发至对应的边缘计算装置；
S2，每个本地变电设备对应的边缘感知设备采集该本地变电设备的状态信息并将其发送至对应的边缘计算装置；
S3，边缘计算装置通过云平台下发的模型文件对接收到的本地变电设备的状态信息进行计算，得到数据计算结构，将数据计算结果反馈至云平台；
S4，云平台根据各个边缘计算装置反馈的数据计算结果进行多源信息融合，实现对所有变电设备的综合状态评价。
本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述技术方案所述的方法的步骤。本发明的有益效果是：实现对变电设备的云边协同计算与监测，通过在边缘侧的数据处理，有效减少传输数据传输的时延，降低数据传输的流量及带宽需求；解决了边缘感知设备协议不统一的问题，边缘计算装置能够对不同厂家的不同协议进行自适应解析；为不同的变电设备提供个性化的边缘服务应用；实现边缘侧与云平台之间数据交互的协议统一；实现边缘侧数据的共享共用，同时边缘数据存储有效降低云存储的成本。
附图说明
图1为本发明的结构示意图；
图2为本发明边缘计算装置云边协同的系统架构图；
图3为本发明边缘计算装置的使用运行流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明，便于清楚地了解本发明，但它们不对本发明构成限定。
本发明采用的技术方案是：一种多状态量可组态变电设备边缘计算系统，包括云平台、边缘计算装置和边缘感知设备；所述边缘感知设备包括多个且分别设置于多个不同区域的本地变电设备，用于获取对应的本地变电设备的状态信息；每个边缘感知设备对应设置有边缘计算装置，并将获取到的本地变电设备的状态信息发送至其对应的边缘计算装置；
所述边缘计算装置通过云平台下发的模型文件对本地变电设备的状态信息进行自适应协议解析和数据处理及计算，将数据计算结果进行本地执行和存储并采用统一的协议格式反馈至云平台；
云平台根据不同的本地变电设备创建模型文件并下发至对应的边缘计算装置；云平台根据各个边缘计算装置反馈的数据计算结果进行多源信息融合，实现对所有变电设备的综合状态评价。
常用的多源信息融合算法有：D-S证据理论、贝叶斯估计、模糊理论和神经网络等。
本发明主要体现在边缘计算装置以及与云平台的边云协同，相关的计算算法主要采用已有的常规算法和模型，属于算法的应用。
对所有变电设备的综合状态评价是基于边缘计算装置反馈的数据和电力系统主站已有监测数据(如电流、电压、振动、噪声等数据)进行信息融合，采用所述的多源信息融合算法实现对监测的变电设备的进行更全面的健康状态评价。
本发明提供的所述多状态量可组态变电设备边缘计算系统能够实现对变电设备的多状态量可组态监测和边缘计算，并能够与云平台共同实现云边协同计算，实现变电设备的云边协同监测与服务。
如图1所示，所述边缘计算装置包括核心处理器(CPU)、存储模块、通信模块、服务模块、采集模块和电源模块，存储模块、通信模块、服务模块、采集模块分别与核心处理器电连接，电源模块分别为核心处理器、存储模块、通信模块、服务模块、采集模块供电，其中：
通信模块，用于与云平台进行数据通信，从云平台接收模型文件并发送至核心处理器；还用于接收核心处理器的数据计算结果并将其发送至云平台；还用于与本地传感网络进行数据交互，以获取本地变电设备的状态信息并将其发送至核心处理器。所述通信模块包括无线通信和有线通信，无线通信如：2G/3G/4G/5G、NB-IOT、Lora、ZigBee、蓝牙等，有线通信如：以太网、光纤等。其中2G/3G/4G/5G、NB-IOT、以太网、光纤主要实现与云平台的数据交互，Lora、ZigBee、蓝牙等主要实现无线传感网络的接入和数据交互。本地传感网络是指用于监测变电设备的传感器网络，如无线传感器网络，属于边缘感知设备。
采集模块，与用于检测本地变电设备状态的传感器电连接，获取本地变电设备的状态信息并将其发送至核心处理器；所述采集模块包括数据采集模块和外设接口。数据采集模块主要实现模拟量传感器的数据采集，并将采集的数据发送到CPU。所述外设接口主要实现有线连接的数字量传感器的接入和数据采集，并将传感器数据发送到CPU。用于检测本地变电设备状态的传感器直接与边缘计算装置连接，是单一的传感器，或者不具有网络通信功能的传感器，属于边缘感知设备。
存储模块，用于存储采集模块和通信模块获取的本地变电设备的状态信息以及核心处理器的数据计算结果，即采集的传感器的数据、边缘计算的结果数据等。
核心处理器，基于模型文件计算接收到的本地变电设备的状态信息以生成数据计算结果，并根据数据计算结果生成驱动命令发送至服务模块；
服务模块，执行驱动命令，主要实现本地报警。
所述电源模块主要实现为各个模块提供电能及电量管理，包括对装置的电池的充电管理、电量检测等。
如图2所示，通过边缘感知设备采集变电设备的各个运行状态数据，通过感知设备接入接口(即采集模块)将边缘感知数据(即变电设备的运行状态数据)发送到边缘计算装置，边缘计算装置对采集的边缘感知设备的数据进行协议解析、数据预处理，并建立数据池，进一步通过云平台下发的边缘计算模型对边缘感知数据进行信息融合，并将融合的结果进行存储。
上述技术方案中，所述云平台包括变电设备监测模型管理模块，变电设备监测模型管理模块用于创建、卸载、配置和更新模型文件，并将模型文件下发至对应的边缘计算装置的边缘计算服务组件。变电设备监测模型可以针对不同的变电设备对模型文件进行针对性的设置，以满足不同的变电设备的监测数据的采集、处理、计算的需求。所述变电设备监测模型基于通用信息模型(Common Information Model，以下简称CIM模型)进行建模。所述生成的模型文件格式为XML文件。
上述技术方案中，边缘计算装置运行模型同步应用程序，接收到云平台下发的模型文件后，通过边缘计算服务组件将边缘监测模型、边缘计算模型和边缘服务应用模型进行配置。
其中，边缘监测模型对传感器和本地传感网络采集到的本地变电设备的状态信息(即感知设备接入接口的输出数据)的数据协议进行自适应解析，并对解析的数据进行预处理以生成数据池。所述数据预处理主要实现对传感数据的滤波。其中，边缘监测模型为边缘计算装置对需要监测的变电设备的传感器进行配置的模型，该模型文件为XML格式，边缘计算装置对XML文件进行解析，并配置需要使用的传感器接口及传感器数据解析方式，也可以理解为边缘计算装置的监测传感器配置文件，使得不同的本地变电设备能获取其适配的模型文件。
模型文件针对边缘监测模型的配置内容包括边缘计算装置监测的变电设备类型、接入的传感器数量及类型、传感器的协议类型、数据预处理的方式。所述边缘监测模型的配置内容可根据不同的变电设备作出调整，在变电设备侧的边缘计算装置即完成传感器数据的分析处理，有效减少了云平台的整体工作量。
所述边缘计算模型采用数据融合模型对数据池中的数据进行信息融合以生成数据计算结果并进行数据存储。
其中，边缘计算模型主要采用轻量级的数据融合算法，如卡尔曼滤波、加权平均算法、BP神经网络等。采用边缘计算模型在边缘侧进行数据处理可以对边缘计算装置采集的数据进行快速就地处理，将处理后的结果发送到云平台，减少了数据传输占用的带宽资源，提高数据传输的效率；同时在边缘侧进行处理减小了云端服务器处理数据的压力；边缘计算模型的数据即采即用，与数据传输到云服务进行处理相比，降低了数据传输的时延。
所述边缘服务应用模块根据数据计算结果通过服务模块为本地的变电设备提供边缘服务，所述边缘服务包括本地报警、本地数据查看。维修人员可以通过计算机或者其他的本地显示设备查看报警信息并获取边缘计算装置生成的维修指令。边缘应用服务模型为边缘应用进行配置，该模型文件为XML格式，通过云平台将XML文件下发到边缘计算装置并对XML文件进行解析，并配置边缘服务。
上述技术方案中，所述边缘计算装置通过协议转换程序将数据计算结果转换成IEC61850协议，并通过通信模块将数据计算结果发送到云平台，从而保证云平台接收的数据计算结果为统一的协议模式，便于云平台对接收到的数据作进一步的处理，减少云平台的整体计算量。边缘计算装置上传的信息为数据处理后的结果，不上传原始数据。
上述技术方案中，云平台还包括边缘计算装置管理模块、变电设备监测数据管理模块、边缘服务应用管理模块、变电设备管理模块、多源信息融合模块、变电设备监测云服务模块。云平台的各个模块主要通过WEB页面实现，云平台各个模块相互独立，有效的提升了云平台的服务质量，便于监控中心的电力人员进行数据查看。同时云平台与边缘计算装置实现边云协同，能够有效的优化服务器的资源，减轻服务器的计算压力。
边缘计算装置管理模块用于实现云平台对接入的边缘计算装置的远程管理，包括边缘计算装置的参数设置、运行状态监测；边缘计算装置管理模块主要包括添加设备、删除设备、查看设备状态等功能，其中设备状态包括设备的位置、是否在线、接入的传感器数量、运行状态等。远程管理主要包括两个方面，一方面是远程查看边缘计算装置的状态，另外一个方面是对边缘计算装置的参数进行设置，如数据上报时间间隔、远程删除边缘计算装置的监测模型、计算模型、边缘服务模型等。
变电设备监测数据管理模块用于接收和存储边缘计算装置发送的数据计算结果，并对存储在云服务器上面的边缘计算装置上报的数据进行展示。
边缘服务应用管理模块用于同步边缘计算装置的边缘服务应用；主要用于创建边缘服务应用模型的配置文件。
变电设备管理模块用于对监测的变电设备信息的管理；主要用于添加、删除要监测的变电设备，将变电设备与创建完成的边缘监测模型、边缘计算模型和边缘服务应用模型进行关联，并将上述模型文件下发到边缘计算装置。边缘监测模型和边缘计算模型的创建在变电设备监测模型管理模块实现，边缘服务应用模型的创建在边缘服务应用管理模块实现，变电设备管理模块将该模型文件下发到边缘计算装置。
多源信息融合主要对边缘计算装置上报的数据和主站接入的已有的监测数据进行决策融合，实现变电设备的综合状态评价。电力系统主站已有的监测数据，如电流、电压、局部放电、振动等。
多源信息融合的变电设备状态评价步骤如下：
步骤1：将某一变电设备的边缘计算装置上报的数据与主站的监测数据作为该变电设备健康状态评价的数据集；
步骤2：采用D-S证据理论、随机森林算法、神经网络算法等数据融合算法对数据集进行决策级的数据融合，得到该变电设备的综合状态评价结果。
步骤3：根据变电设备状态评价的结果，将处于异常状态的变电设备通过变电设备监测云服务模块进行告警，并将告警信息发送到相关的运维人员。
变电设备监测云服务主要将变电设备的状态监测与相关的业务进行关联，如运维检修业务，通过多源信息融合将处于异常状态的变电设备发送给运维检修人员，并进行提醒，便于运维人员及时进行设备的维护。
本发明提供了一种多状态量可组态变电设备边缘计算方法，具体包括以下步骤：
S1，云平台根据不同的本地变电设备创建模型文件并下发至对应的边缘计算装置；
S2，每个本地变电设备对应的边缘感知设备采集该本地变电设备的状态信息并将其发送至对应的边缘计算装置；
S3，边缘计算装置通过云平台下发的模型文件对接收到的本地变电设备的状态信息进行自适应协议解析和数据处理及计算，将数据计算结果进行本地执行和存储并采用统一的协议格式反馈至云平台；
S4，云平台根据各个边缘计算装置反馈的数据计算结果进行多源信息融合，实现对所有变电设备的综合状态评价。
如图3所示，本发明所提供的具体实施例的运行流程如下：
步骤1：操作人员根据所监测的变电设备利用变电设备监测模型管理模块创建监测模型、边缘计算模型、边缘服务模型，并将生成的模型文件下发到指定边缘计算装置的边缘计算服务组件；
步骤2：根据变电设备监测模型部署相应的传感器，即边缘感知设备；
步骤3：安装与部署边缘计算装置并通过外设接口、数据采集模块等接入步骤2中的传感器；
步骤4：边缘计算装置同步云平台的边缘监测模型、边缘计算模型、边缘服务应用模型，并在边缘计算装置进行模型的配置；
步骤5：边缘计算装置通过传感器获取本地变电设备的状态信息；根据边缘监测模型对传感器的数据协议进行解析；
步骤6：边缘计算装置根据边缘监测模型对采集的本地变电设备的状态信息进行预处理；
步骤7：边缘计算装置将预处理后的本地变电设备的状态信息数据缓存到数据池；
步骤8：边缘计算装置根据边缘计算模型对数据池中的传感器数据进行信息融合；
步骤9：边缘计算装置对信息融合的结果进行数据存储，并将融合的结果发送到边缘服务应用模块；
步骤10：边缘服务应用模块根据数据融合的结果为变电设备提供边缘服务；
步骤11：边缘计算装置通过协议转换程序将存储的边缘计算数据即信息融合的结果转换成IEC61850协议，并将该数据发送到云平台；
步骤12：云平台接收到边缘计算装置发送的数据，并与其它监测数据进行多源信息融合实现变电设备监测的云服务。
以变电站中的主要变电设备如变压器、高压断路器、开关柜等电力设备和环境气象进行监测为例。选取所需的传感器如下表所示。
边缘计算装置的部署与使用流程如下：
每个监测对象即变电设备对应部署一台边缘计算装置，在监控中心添加各个监测对象、所需要的传感器及相应的边缘节点ID，添加完成后生成并保存对应的模型文件，并将对应的XML格式的模型文件发送到相应的边缘计算装置。边缘计算装置在接收到文件后进行解析和校验，并开启对应的服务。
以主变为例，边缘计算装置通过解析模型文件开启对红外摄像机、局部放电检测仪、振动传感器、气体检测传感器、噪声检测仪、红外成像测温仪、电流、电压等传感器数据的解析。其中电流、电压数据为IEC61850标准的数据不需要进行协议的转换和数据预处理，红外摄像机的数据通过TCP协议直接转发到云端，对振动传感器的数据进行预处理后发送到云端，对局部放电检测仪、振动传感器、气体检测传感器、噪声检测仪、红外成像测温仪的数据进行边缘计算。并根据边缘计算模型进行边端的状态评估，如将局部放电、红外热成像、噪声等数据进行模糊评价实现变压器的基本状态评估，边缘服务根据边缘计算的结果实现本地报警，如局部放电超出设定阈值进行本地报警。针对变压器的更全面的状态评估在云端采用多源信息融合的方式实现，并提供变压器综合状态评估的云服务。
本发明提供了一种多状态量可组态变电设备边缘计算方法的非暂时性计算机只读介质，其特征在于包括：存储在其中的指令，其中所述指令在由一个或以上处理器执行时，使所述一个或以上处理器执行以下的方法包括：
S1，云平台根据不同的本地变电设备创建模型文件并下发至对应的边缘计算装置；
S2，每个本地变电设备对应的边缘感知设备采集该本地变电设备的状态信息并将其发送至对应的边缘计算装置；
S3，边缘计算装置通过云平台下发的模型文件对接收到的本地变电设备的状态信息进行自适应协议解析和数据处理及计算，将数据计算结果进行本地执行和存储并采用统一的协议格式反馈至云平台；
S4，云平台根据各个边缘计算装置反馈的数据计算结果进行多源信息融合，实现对所有变电设备的综合状态评价。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (10)
1.一种多状态量可组态变电设备边缘计算系统，其特征在于：包括云平台、边缘计算装置和边缘感知设备；所述边缘感知设备用于获取本地变电设备的状态信息，并将获取到的本地变电设备的状态信息发送至边缘计算装置；
所述边缘计算装置通过云平台下发的模型文件对本地变电设备的状态信息进行计算，得到数据计算结果，将数据计算结果反馈至云平台；
云平台根据不同的本地变电设备创建模型文件并下发至对应的边缘计算装置；根据各个边缘计算装置反馈的数据计算结果和电力系统主站已有监测数据进行多源信息融合，实现对所有本地变电设备的综合状态评价。
2.根据权利要求1所述的一种多状态量可组态变电设备边缘计算系统，其特征在于：所述边缘计算装置包括核心处理器、存储模块、通信模块、服务模块、采集模块和电源模块，存储模块、通信模块、服务模块、采集模块分别与核心处理器电连接，电源模块分别为核心处理器、存储模块、通信模块、服务模块、采集模块供电，其中：
通信模块，用于与云平台进行数据通信，从云平台接收模型文件并发送至核心处理器；还用于接收核心处理器的数据计算结果并将其发送至云平台；还用于与本地传感网络进行数据交互，以获取本地变电设备的状态信息并将其发送至核心处理器；
采集模块，与用于检测本地变电设备状态的传感器电连接，获取本地变电设备的状态信息并将其发送至核心处理器；
存储模块，用于存储采集模块和通信模块获取的本地变电设备的状态信息以及核心处理器的数据计算结果；
核心处理器，基于模型文件计算接收到的本地变电设备的状态信息以生成数据计算结果，并根据数据计算结果生成驱动命令发送至服务模块；
服务模块，执行驱动命令。
3.根据权利要求1所述的一种多状态量可组态变电设备边缘计算系统，其特征在于：所述云平台包括变电设备监测模型管理模块，变电设备监测模型管理模块用于针对不同的本地变电设备创建、卸载、配置和更新模型文件；模型文件针对边缘监测模型的配置内容包括边缘计算装置对应的变电设备类型、接入的传感器数量及类型、传感器的协议类型、数据预处理的方式、信息融合方式、边缘服务方式。
4.根据权利要求2所述的一种多状态量可组态变电设备边缘计算系统，其特征在于：所述边缘计算装置的核心处理器配置有边缘计算服务组件，所述边缘计算服务组件用于接收云平台下发的模型文件并对边缘计算装置的核心处理器进行配置。
5.根据权利要求4所述的一种多状态量可组态变电设备边缘计算系统，其特征在于：所述边缘计算装置的核心处理器配置有边缘监测模型，边缘计算服务组件根据来自云平台的模型文件对边缘监测模型进行配置；边缘监测模型对传感器和本地传感网络采集到的本地变电设备的状态信息的数据协议进行自适应解析，并对解析的数据进行预处理以生成数据池。
6.根据权利要求5所述的一种多状态量可组态变电设备边缘计算系统，其特征在于：所述边缘计算装置还配置有边缘计算模型，边缘计算服务组件根据来自云平台的模型文件对边缘计算模型进行配置，边缘计算模型采用数据融合模型对数据池中的数据进行信息融合以生成数据计算结果。
7.根据权利要求4所述的一种多状态量可组态变电设备边缘计算系统，其特征在于：所述边缘计算装置还配置有边缘服务应用模型，边缘计算服务组件根据来自云平台的模型文件对边缘服务应用模型进行配置，边缘服务应用模块根据数据计算结果为本地的变电设备提供边缘服务，所述边缘服务包括本地报警、本地数据查看。
8.根据权利要求3所述的一种多状态量可组态变电设备边缘计算系统，其特征在于：云平台还包括边缘计算装置管理模块、变电设备监测数据管理模块、边缘服务应用管理模块、变电设备管理模块、多源信息融合模块、变电设备监测云服务模块；其中，
边缘计算装置管理模块用于实现云平台对接入的边缘计算装置的远程管理，包括边缘计算装置的参数设置、运行状态监测；
变电设备监测数据管理模块用于接收和存储边缘计算装置发送的数据计算结果；
边缘服务应用管理模块用于同步边缘计算装置的边缘服务应用；
变电设备管理模块用于对监测的变电设备信息的管理以及将关联变电设备和已构建的模型文件进行关联并向本地变电设备的边缘计算装置下发对应的模型文件；
多源信息融合模块用于对边缘计算装置上报的数据和电力系统主站已有的监测数据的融合，实现对变电设备的综合状态评价；
变电设备监测云服务模块用于将变电设备的状态监测与相关的业务进行关联。
9.一种多状态量可组态变电设备边缘计算系统的计算方法，其特征在于具体包括以下步骤：
S1，云平台根据不同的本地变电设备创建模型文件并下发至对应的边缘计算装置；
S2，每个本地变电设备对应的边缘感知设备采集该本地变电设备的状态信息并将其发送至对应的边缘计算装置；
S3，边缘计算装置通过云平台下发的模型文件对接收到的本地变电设备的状态信息进行计算，得到数据计算结果，将数据计算结果反馈至云平台；
S4，云平台根据各个边缘计算装置反馈的数据计算结果进行多源信息融合，实现对所有变电设备的综合状态评价。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110733750.XA CN113589096A (zh) | 2021-06-30 | 2021-06-30 | 一种多状态量可组态变电设备边缘计算系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110733750.XA CN113589096A (zh) | 2021-06-30 | 2021-06-30 | 一种多状态量可组态变电设备边缘计算系统及其方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113589096A true CN113589096A (zh) | 2021-11-02 |
Family
ID=78245221
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110733750.XA Pending CN113589096A (zh) | 2021-06-30 | 2021-06-30 | 一种多状态量可组态变电设备边缘计算系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113589096A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114062867A (zh) * | 2021-11-15 | 2022-02-18 | 国网浙江省电力有限公司电力科学研究院 | 一种传感器数据处理模块及变电站分布式监测系统及方法 |
| CN114167270A (zh) * | 2021-11-30 | 2022-03-11 | 广东电网有限责任公司 | 一种基于边缘计算的刀闸状态识别系统 |
| CN114204681A (zh) * | 2021-12-13 | 2022-03-18 | 杭州市电力设计院有限公司 | 基于边缘计算的电力设备管理方法、本地管理装置及系统 |
| CN114697199A (zh) * | 2022-05-31 | 2022-07-01 | 苏州映赛智能科技有限公司 | 一种基于边缘计算的高鲁棒性数据采集方法和系统 |
| US20230327957A1 (en) * | 2020-08-27 | 2023-10-12 | Siemens Aktiengesellschaft | Centralized management of data flow maps for distributed edge node deployment |
| CN117783795A (zh) * | 2024-02-27 | 2024-03-29 | 南京中鑫智电科技有限公司 | 边缘分析的换流变阀侧套管绝缘状态综合分析方法及系统 |
| CN117783795B (zh) * | 2024-02-27 | 2024-06-28 | 南京中鑫智电科技有限公司 | 边缘分析的换流变阀侧套管绝缘状态综合分析方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110933176A (zh) * | 2019-12-05 | 2020-03-27 | 国家电网有限公司 | 一种电力物联网管理及服务平台 |
| CN111131480A (zh) * | 2019-12-30 | 2020-05-08 | 南京德赛尔信息技术有限公司 | 一种面向智慧电厂的云边协同服务系统 |
| CN111784026A (zh) * | 2020-05-28 | 2020-10-16 | 国网信通亿力科技有限责任公司 | 基于云边端协同感知的变电站电气设备全方位体检系统 |
| CN112600891A (zh) * | 2020-12-07 | 2021-04-02 | 中科蓝智(武汉)科技有限公司 | 一种基于信息物理融合的边云协同系统及工作方法 |
| CN112769822A (zh) * | 2020-12-31 | 2021-05-07 | 中国科学院上海高等研究院 | 基于边缘计算的数据采集装置、系统及方法 |
-
2021
- 2021-06-30 CN CN202110733750.XA patent/CN113589096A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110933176A (zh) * | 2019-12-05 | 2020-03-27 | 国家电网有限公司 | 一种电力物联网管理及服务平台 |
| CN111131480A (zh) * | 2019-12-30 | 2020-05-08 | 南京德赛尔信息技术有限公司 | 一种面向智慧电厂的云边协同服务系统 |
| CN111784026A (zh) * | 2020-05-28 | 2020-10-16 | 国网信通亿力科技有限责任公司 | 基于云边端协同感知的变电站电气设备全方位体检系统 |
| CN112600891A (zh) * | 2020-12-07 | 2021-04-02 | 中科蓝智(武汉)科技有限公司 | 一种基于信息物理融合的边云协同系统及工作方法 |
| CN112769822A (zh) * | 2020-12-31 | 2021-05-07 | 中国科学院上海高等研究院 | 基于边缘计算的数据采集装置、系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 江翼等: "基于边云协同的变电设备多状态量监测系统研究", 电力系统保护与控制, vol. 49, no. 6, 16 March 2021 (2021-03-16), pages 138 - 144 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230327957A1 (en) * | 2020-08-27 | 2023-10-12 | Siemens Aktiengesellschaft | Centralized management of data flow maps for distributed edge node deployment |
| CN114062867A (zh) * | 2021-11-15 | 2022-02-18 | 国网浙江省电力有限公司电力科学研究院 | 一种传感器数据处理模块及变电站分布式监测系统及方法 |
| CN114167270A (zh) * | 2021-11-30 | 2022-03-11 | 广东电网有限责任公司 | 一种基于边缘计算的刀闸状态识别系统 |
| CN114167270B (zh) * | 2021-11-30 | 2023-09-19 | 广东电网有限责任公司 | 一种基于边缘计算的刀闸状态识别系统 |
| CN114204681A (zh) * | 2021-12-13 | 2022-03-18 | 杭州市电力设计院有限公司 | 基于边缘计算的电力设备管理方法、本地管理装置及系统 |
| CN114697199A (zh) * | 2022-05-31 | 2022-07-01 | 苏州映赛智能科技有限公司 | 一种基于边缘计算的高鲁棒性数据采集方法和系统 |
| CN117783795A (zh) * | 2024-02-27 | 2024-03-29 | 南京中鑫智电科技有限公司 | 边缘分析的换流变阀侧套管绝缘状态综合分析方法及系统 |
| CN117783795B (zh) * | 2024-02-27 | 2024-06-28 | 南京中鑫智电科技有限公司 | 边缘分析的换流变阀侧套管绝缘状态综合分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113589096A (zh) | 一种多状态量可组态变电设备边缘计算系统及其方法 | |
| CN112069247B (zh) | 基于数字孪生技术的电力系统运行数据可视化系统及方法 | |
| CN103852744A (zh) | 电能计量装置分布式在线监测系统及其方法 | |
| CN111600297B (zh) | 云-边协同下电网设备运行数据的在线分析方法及装置 | |
| CN110995859A (zh) | 一种基于泛在物联网的变电站智能支撑平台系统 | |
| CN110988559A (zh) | 基于物联网的变电站直流系统全生命周期的在线监测方法 | |
| CN109409732A (zh) | 一种能耗管理系统及管理方法 | |
| CN109309733A (zh) | 一种物联网能源监测系统 | |
| CN112685472A (zh) | 一种电网多站融合监控方法、装置、电子设备及存储介质 | |
| CN111338247A (zh) | 一种基于物联网的模拟控制系统及方法 | |
| CN105867267A (zh) | 通过图像识别技术实现配电站房仪表读数自动上报的方法 | |
| CN107623733A (zh) | 一种基于云平台的电力网络监测系统 | |
| CN104092569A (zh) | 一种电力通信传输设备性能智能监测装置及其方法 | |
| CN107966943B (zh) | 一种多级变电站集中总控监控智能数据分析系统 | |
| CN111208384A (zh) | 一种智能电网管理系统 | |
| CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
| CN202231496U (zh) | 变电站设备远程监测诊断系统 | |
| CN117424336A (zh) | 一种基于云端监控的变电站全流程可视化处理系统 | |
| CN111146868A (zh) | 一种电力通信机房动环监控标准化接入方法及系统 | |
| CN103414595B (zh) | 电力调度数据网链路监测系统拓扑图生成方法 | |
| CN116090665A (zh) | 一种源网荷储一体化管控系统 | |
| CN112835647B (zh) | 应用软件配置方法、配置装置、存储介质及电子装置 | |
| Fu et al. | An edge computing framework for digital grid | |
| CN204086959U (zh) | 预测控制实现油田生产井网智能管控系统 | |
| CN113055454A (zh) | 主变电设备监控数据的集中处理方法及系统 |
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 |