CN113591319A - 电网中计量分路告警故障研判方法与装置 - Google Patents
电网中计量分路告警故障研判方法与装置 Download PDFInfo
- Publication number
- CN113591319A CN113591319A CN202110900909.2A CN202110900909A CN113591319A CN 113591319 A CN113591319 A CN 113591319A CN 202110900909 A CN202110900909 A CN 202110900909A CN 113591319 A CN113591319 A CN 113591319A
- Authority
- CN
- China
- Prior art keywords
- judging
- studying
- voltage event
- medium
- load fluctuation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004590 computer program Methods 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000011160 research Methods 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000007477 logistic regression Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000001960 triggered effect Effects 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000030279 gene silencing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
-
- 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
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Water Supply & Treatment (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种上述电网中计量分路告警故障研判方法、装置、计算机设备和存储介质,其中,方法包括:获取电网中智能设备告警信号以及中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型,通过这些模型来对设备告警信号分别进行中压事件研判、低压事件研判以及负荷波动研判,将这些研判结果归集,得到计量分路告警故障研判结果。整个过程中,通过中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行计量分路告警故障研判,分别从中压停电、低压停电以及负荷波动三维度进行计量分路告警故障研判,可以实现准确的判定停电事件。
Description
技术领域
本申请涉及智能电网技术领域,特别是涉及一种电网中计量分路告警故障研判方法、装置、计算机设备和存储介质。
背景技术
随着科学技术的发展,特别是人工智能与自动化技术的发展出现了智能电网技术,在智能电网中智能设备将自身运行参数信息上传至核心决策平台,核心决策平台自动或者在管理人员干预下对整个智能电网中智能设备进行运行管理,确保电力系统高效且安全运行。
计量分路告警故障研判是智能电网技术中重要组成部分,具体来说,计量分路告警故障研判功能是利用智能设备(电表、分路开关等)告警信号数据、已知事件抢修数据、智能电表负荷等数据对低压分支回路是否停电进行研判分析,能够得到较为准确结果(是否停电)的功能。
然而,由于实际触发停电事件因素是多样,传统计量分路告警故障研判方案无法实现准确的停电事件判定。
发明内容
基于此,有必要针对上述技术问题,提供一种可以准确判定停电事件的电网中计量分路告警故障研判方法、装置、计算机设备和存储介质。
一种电网中计量分路告警故障研判方法,方法包括:
获取电网中智能设备告警信号;
获取中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型;
根据设备告警信号、中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行中压事件研判、低压事件研判以及智能电表波动研判,获取中压事件研判结果、低压事件研判结果以及负荷波动研判结果;
根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果。
在其中一个实施例中,上述电网中计量分路告警故障研判方法还包括:
周期性扫描电网中智能设备,侦听是否发生设备告警;
若发生设备告警,则获取设备告警对应的设备告警信号。
在其中一个实施例中,根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果包括:
当中压事件研判结果、低压事件研判结果以及负荷波动研判结果中至少一个表征故障时,则判定存在停电故障。
在其中一个实施例中,获取中压事件研判模型包括:采用实时数据流技术,获取电网实时的中压事件数据和停电设备信息;对获取的中压事件数据和停电设备信息进行数据清洗与转换,构建中压事件停电设备池,得到中压事件研判模型;
根据设备告警信号以及中压事件研判模型进行中压事件研判包括:将设备告警信号与中压事件研判模型匹配,判断是否可以匹配到中压停电事件数据。
在其中一个实施例中,获取智能电表负荷研判模型包括:获取电网历史记录中随时间变化的负荷波动数据以及对应的影响负荷波动因素数据;根据负荷波动数据以及对应的影响负荷波动因素数据,采用Logistic回归分析模型构建负荷波动率预测模型;
根据设备告警信号以及智能电表负荷研判模型进行负荷波动研判包括:获取设备告警信号对应的研判时间点,采集研判时间点对应的影响负荷波动因素;根据研判时间点对应的影响负荷波动因素以及负荷波动率预测模型进行负荷波动预测,得到负荷波动预测值;获取研判时间点对应的负荷波动真实值,根据负荷波动预测值以及负荷波动真实值,得到负荷波动差值;判断负荷波动差值是否大于预设负荷波动阈值。
在其中一个实施例中,上述电网中计量分路告警故障研判方法还包括:
若中压事件研判结果与低压事件研判结果表征未涉及事件、且负荷波动研判结果表征负荷波动正常,则判定设备告警信号无效;
将设备告警信号存储至预设无效告警信息库。
一种电网中计量分路告警故障研判装置,装置包括:
告警信息获取模块,用于获取电网中智能设备告警信号;
模型获取模块,用于获取中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型;
研判模块,用于根据设备告警信号、中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行中压事件研判、低压事件研判以及智能电表波动研判,获取中压事件研判结果、低压事件研判结果以及负荷波动研判结果;
归集模块,用于根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取电网中智能设备告警信号;
获取中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型;
根据设备告警信号、中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行中压事件研判、低压事件研判以及智能电表波动研判,获取中压事件研判结果、低压事件研判结果以及负荷波动研判结果;
根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取电网中智能设备告警信号;
获取中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型;
根据设备告警信号、中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行中压事件研判、低压事件研判以及智能电表波动研判,获取中压事件研判结果、低压事件研判结果以及负荷波动研判结果;
根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果。
上述电网中计量分路告警故障研判方法、装置、计算机设备和存储介质,获取电网中智能设备告警信号以及中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型,通过这些模型来对设备告警信号分别进行中压事件研判、低压事件研判以及负荷波动研判,将这些研判结果归集,得到计量分路告警故障研判结果。整个过程中,通过中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行计量分路告警故障研判,分别从中压停电、低压停电以及负荷波动三维度进行计量分路告警故障研判,可以实现准确的判定停电事件。
附图说明
图1为一个实施例中电网中计量分路告警故障研判方法的应用环境图;
图2为一个实施例中电网中计量分路告警故障研判方法的流程示意图;
图3为另一个实施例中电网中计量分路告警故障研判方法的流程示意图;
图4为一个实施例中电网中计量分路告警故障研判装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的电网中计量分路告警故障研判方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。管理人员在终端102侧操作,发出计量分路告警故障研判请求至服务器104,服务器104响应该请求,获取电网中智能设备告警信号;获取中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型;根据设备告警信号、中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行中压事件研判、低压事件研判以及智能电表波动研判,获取中压事件研判结果、低压事件研判结果以及负荷波动研判结果;根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果。非必要的,服务器104还可以将计量分路告警故障研判结果反馈至终端102,以便管理人员了解最终的计量分路告警故障研判结果,其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。可以理解的是,本申请电网中计量分路告警故障研判方法还可以直接应用于终端。
在一个实施例中,如图2所示,提供了一种电网中计量分路告警故障研判方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S200:获取电网中智能设备告警信号。
智能设备告警信号是指电网在运行过程中设备上报的告警信号,设备上报告警信号即表明电网中设备可能出现运行异常、故障,这些异常和故障极有可能触发停电。在这里,可以采用自动扫描的方式来获取电网中智能设备告警信号,例如可以基于自动扫描程序周期性扫描电网中智能设备的运行情况,若扫描到上报告警信号的智能设备,则获取对应的设备告警信号,在该设备告警信号中可以携带有告警事件、告警类型、告警对应的智能设备ID等数据。
S400:获取中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型。
中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型可以是基于电网历史运行数据构建的模型。其中,中压事件研判模型可以是基于电网历史运行数据中中压事件对应的数据构建;低压事件研判模型可以是基于电网历史运行数据中低压事件和停电设备数据构建;或者是基于实时的用电客户报障信息、低压事件和停电设备信息构建;又或者是基于上述2个维度的数据共同构建的。
S600:根据设备告警信号、中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行中压事件研判、低压事件研判以及智能电表波动研判,获取中压事件研判结果、低压事件研判结果以及负荷波动研判结果。
将设备告警信号输入至中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型,以分别进行中压事件研判、低压事件研判以及智能电表波动研判,获取中压事件研判结果、低压事件研判结果以及负荷波动研判结果。需要指出的是,这里可以是并行处理的,即设备告警信号可以同时输入至中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型,以同时进行中压事件研判、低压事件研判以及智能电表负荷波动研判,还可以是在完成一个模型研判之后,再将设备告警信号输入至另外一个模型,具体输入的顺序可以根据需要设定。优选的,这里采用并行的方式,将设备告警信号同时输入至中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行中压事件研判、低压事件研判以及智能电表波动研判。
S800:根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果。
将中压事件研判结果、低压事件研判结果以及负荷波动研判结果归集,判断其中是否有至少一个研判结果表征为故障/异常,若是,则表明存在停电故障。具体来说,若中压事件研判结果为存在中压事件,则计量分路告警故障研判结果为电网存在由于中压事件导致的停电故障;若低压事件研判结果为存在低压事件,则计量分路告警故障研判结果为电网存在由于低压事件导致的停电故障;若负荷波动研判结果为存在负荷波动,则计量分路告警故障研判结果为电网存在新增低压事件导致的停电故障。
上述电网中计量分路告警故障研判方法,获取电网中智能设备告警信号以及中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型,通过这些模型来对设备告警信号分别进行中压事件研判、低压事件研判以及负荷波动研判,将这些研判结果归集,得到计量分路告警故障研判结果。整个过程中,通过中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行计量分路告警故障研判,分别从中压停电、低压停电以及负荷波动三维度进行计量分路告警故障研判,可以实现准确的判定停电事件。
在其中一个实施例中,上述电网中计量分路告警故障研判方法还包括:周期性扫描电网中智能设备,侦听是否发生设备告警;若发生设备告警,则获取设备告警对应的设备告警信号。
可以利用程序设置周期扫描任务,周期性扫描电网中智能设备,侦听是否有智能设备发生设备告警(事件),若发生设备告警(事件),则获取设备告警对应的设备告警信号;若未发生设备告警,则继续保持侦听扫描状态,等待下一个扫描周期的到来。
在其中一个实施例中,根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果包括:当中压事件研判结果、低压事件研判结果以及负荷波动研判结果中至少一个表征故障时,则判定存在停电故障。
在中压事件研判结果、低压事件研判结果以及负荷波动研判结果中只要有至少一个结果表征故障,则判定当前电网中分路上是存在停电故障的。具体来说,若中压事件研判结果为中压停电事件编号和类型,则判定本次告警信息有效且为中压事件;若低压事件研判结果为疑似低压停电事件编号和类型,则判定本次告警信息有效且为疑似低压事件;若负荷波动研判结果为存在负荷波动异常,则判定本次告警信号有效其为新增低压事件。
在其中一个实施例中,获取中压事件研判模型包括:采用实时数据流技术,获取电网实时的中压事件数据和停电设备信息;对获取的中压事件数据和停电设备信息进行数据清洗与转换,构建中压事件停电设备池,得到中压事件研判模型;根据设备告警信号以及中压事件研判模型进行中压事件研判包括:将设备告警信号与中压事件研判模型匹配,判断是否可以匹配到中压停电事件数据。
中压事件研判模型采用数据分析方式构建。具体来说,利用实时数据流技术获取电网中实时的中压事件和停电设备信息,对获取的中压事件和停电设备信息进行数据清洗和转换,构建中压事件停电设备池,该中压停电设备池即作为中压事件研判模型,在需要利用中压事件研判模型进行中压事件研判时,将设备告警信号与中压事件停电设备池中数据进行匹配,根据匹配结果进行输出,若未匹配到停电设备,则判定本次不涉及中压停电事件;若匹配到停电设备,则表明本次涉及中压停电,可以输出中压停电事件编号和类型信息。非必要的,构建的中压事件停电设备池可以保持实时更新维护。
进一步的,低压事件研判模型的构建与中压事件研判模型类型,其同样采用数据分析方式构建,只是低压事件研判模型的构建可以分为两层,基于两个不同的数据源来不同的低压事件研判模型两层,具体如下:
1)、利用实时数据流技术获取低压事件和停电设备数据,在数据清洗和转换后构建低压事件停电设备池,对低压事件停电的设备状态(停复电)进行实时更新维护,然后在接收到传入参数(智能设备告警信号)后,利用入参的智能设备唯一标识比对分析低压事件停电设备池里的所有停电设备,并根据匹配结果进行输出,若未匹配到停电设备则输出不涉及低压停电事件,若匹配到停电设备则输出低压停电事件编号和类型信息;
2)、利用实时数据流技术获取实时的用电客户报障信息、低压事件和停电设备信息,在数据清洗和转换后利用用电客户各渠道的报障数据构建疑似低压停电设备池,对疑似低压停电的设备状态(疑似停电、停电、未停电)进行实时更新维护,然后在接收到传入参数(智能设备告警信号)后,利用入参的智能设备唯一标识比对分析疑似停电设备池里的所有停电设备,并根据匹配结果进行输出,若未匹配到停电设备则输出不涉及低压疑似停电,若匹配到停电设备则输出疑似低压停电事件编号和类型信息,把疑似停电设备加入低压事件停电设备池内并从疑似低压停电设备池内删除该设备,以便进行后续是否涉及已知低压事件的研判。
在其中一个实施例中,获取智能电表负荷研判模型包括:获取电网历史记录中随时间变化的负荷波动数据以及对应的影响负荷波动因素数据;根据负荷波动数据以及对应的影响负荷波动因素数据,采用Logistic回归分析模型构建负荷波动率预测模型;根据设备告警信号以及智能电表负荷研判模型进行负荷波动研判包括:获取设备告警信号对应的研判时间点,采集研判时间点对应的影响负荷波动因素;根据研判时间点对应的影响负荷波动因素以及负荷波动率预测模型进行负荷波动预测,得到负荷波动预测值;获取研判时间点对应的负荷波动真实值,根据负荷波动预测值以及负荷波动真实值,得到负荷波动差值;判断负荷波动差值是否大于预设负荷波动阈值。
影响负荷波动因素数据包括季节、节假日、温度以及天气等会影响负荷波动的数据,通过分析在历史记录中负荷-季节-日期(主要区分季节和节假日)-温度-天气之间的关系,具体可以按照日期为统计轴,统计在历史记录中每日的负荷-温度-天气等数据,基于每日的负荷数据可以计算负荷动率数据,运用Logistic回归分析模型构建负荷波动率预测模型。在实际应用时,获取设备告警信号对应的研判时间点,采集研判时间点对应的影响负荷波动因素;根据研判时间点对应的影响负荷波动因素以及负荷波动率预测模型进行负荷波动预测,得到负荷波动预测值;获取研判时间点对应的负荷波动真实值,根据负荷波动预测值以及负荷波动真实值,得到负荷波动差值;判断负荷波动差值是否大于预设负荷波动阈值。非必要的,还可以将实际的负荷波动率与历史上同期的负荷波动率以及上期负荷波动率进行差值对比,最终得到综合负荷波动差值,即在综合负荷波动差值中包含有上述真实值与预测值的负荷波动率差值、真实值与历史上通气的负荷波动率差值以及当前时间点的负荷波动率真实值与上期负荷波动率差值的三种类型差值,将负荷波动差值再与预设负荷波动阈值比较,以进行负荷波动研判。预设负荷波动阈值是预先设定的阈值参数,其可以通过分析历史经验数据或者实验数据合理设置,例如其可以设置为15%,即当综合负荷波动差值超过15%则判定改时间点负荷波动异常,反之则判定负荷波动正常。
如图3所示,在其中一个实施例中,上述电网中计量分路告警故障研判方法还包括:
S920:若中压事件研判结果与低压事件研判结果表征未涉及事件、且负荷波动研判结果表征负荷波动正常,则判定设备告警信号无效;
S940:将设备告警信号存储至预设无效告警信息库。
若中压事件研判结果与低压事件研判结果表征未涉及事件、且负荷波动研判结果表征负荷波动正常,则表明本次设备告警信息是无效告警信号,即属于一次“误报”,将该设备告警信号存储至预设无效告警信息库,以便在后续操作可以准确发现无效的设备告警信号,实现更加合理的计量分路告警故障研判。
为了更进一步详细说明本申请电网中计量分路告警故障研判方法的技术方案及其效果,下面将采用具体实例描述整个流程:
1、利用构建的智能设备(电表、分路开关等)告警信号自动扫描程序进行每3分钟一次的扫描,若未发现新增的告警信号则沉默,等待下次扫描;若发现新增的告警信号则获取智能设备告警信息,同时启动中压事件研判模型、低压事件研判模型和智能电表负荷波动研判模型并传递相关参数开始分析研判
2、中压事件研判模型被启动后利用传入参数和实时更新维护的数据,进行研判分析,并输出研判结果;
3、低压事件研判模型被启动后利用传入参数和实时更新维护的数据,进行研判分析,并输出研判结果;
4、负荷波动研判模型被启动后利用传入参数和实时更新维护的数据,进行研判分析,并输出研判结果;
5、根据3个模型的研判结果进行汇总研判,若中压、低压事件研判模型均返回不涉及事件且负荷波动研判模型返回负荷波动正常,则判定本次告警信号无效,相关告警信息存入无效告警信息库;若中压事件研判模型返回中压停电事件编号和类型信息,则判定本次告警信号有效且为中压事件,相关告警信息存入有效告警信息库;若中压事件研判模型返回不涉及中压事件,低压事件研判模型返回低压停电事件编号和类型信息,则判定本次告警信号有效且为低压事件,相关告警信息存入有效告警信息库;若中压事件研判模型返回不涉及中压事件,低压事件研判模型返回疑似低压停电事件编号和类型信息,则判定本次告警信号有效且为疑似低压事件,相关告警信息存入有效告警信息库;若中压、低压事件研判模型均返回不涉及事件,负荷波动研判模型返回负荷波动异常,则判定本次告警信号有效且为新增低压事件,相关告警信息存入有效告警信息库。
应该理解的是,虽然上述各流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,本申请还提供一种电网中计量分路告警故障研判装置,装置包括:
告警信息获取模块200,用于获取电网中智能设备告警信号;
模型获取模块400,用于获取中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型;
研判模块600,用于根据设备告警信号、中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行中压事件研判、低压事件研判以及智能电表波动研判,获取中压事件研判结果、低压事件研判结果以及负荷波动研判结果;
归集模块800,用于根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果。
上述电网中计量分路告警故障研判装置,获取电网中智能设备告警信号以及中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型,通过这些模型来对设备告警信号分别进行中压事件研判、低压事件研判以及负荷波动研判,将这些研判结果归集,得到计量分路告警故障研判结果。整个过程中,通过中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行计量分路告警故障研判,分别从中压停电、低压停电以及负荷波动三维度进行计量分路告警故障研判,可以实现准确的判定停电事件。
在其中一个实施例中,告警信息获取模块200还用于周期性扫描电网中智能设备,侦听是否发生设备告警;若发生设备告警,则获取设备告警对应的设备告警信号。
在其中一个实施例中,归集模块800还用于当中压事件研判结果、低压事件研判结果以及负荷波动研判结果中至少一个表征故障时,则判定存在停电故障。
在其中一个实施例中,模型获取模块400还用于采用实时数据流技术,获取电网实时的中压事件数据和停电设备信息;对获取的中压事件数据和停电设备信息进行数据清洗与转换,构建中压事件停电设备池,得到中压事件研判模型;研判模块600还用于将设备告警信号与中压事件研判模型匹配,判断是否可以匹配到中压停电事件数据。
在其中一个实施例中,模型获取模块400还用于获取电网历史记录中随时间变化的负荷波动数据以及对应的影响负荷波动因素数据;根据负荷波动数据以及对应的影响负荷波动因素数据,采用Logistic回归分析模型构建负荷波动率预测模型;研判模块600还用于获取设备告警信号对应的研判时间点,采集研判时间点对应的影响负荷波动因素;根据研判时间点对应的影响负荷波动因素以及负荷波动率预测模型进行负荷波动预测,得到负荷波动预测值;获取研判时间点对应的负荷波动真实值,根据负荷波动预测值以及负荷波动真实值,得到负荷波动差值;判断负荷波动差值是否大于预设负荷波动阈值。
在其中一个实施例中,上述电网中计量分路告警故障研判装置还包括:
无效存储模块,用于当中压事件研判结果与低压事件研判结果表征未涉及事件、且负荷波动研判结果表征负荷波动正常时,判定设备告警信号无效;将设备告警信号存储至预设无效告警信息库。
关于电网中计量分路告警故障研判装置的具体实施例可以参见上文中对于电网中计量分路告警故障研判方法的实施例,在此不再赘述。上述电网中计量分路告警故障研判装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储预设模型数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电网中计量分路告警故障研判方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取电网中智能设备告警信号;
获取中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型;
根据设备告警信号、中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行中压事件研判、低压事件研判以及智能电表波动研判,获取中压事件研判结果、低压事件研判结果以及负荷波动研判结果;
根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
周期性扫描电网中智能设备,侦听是否发生设备告警;若发生设备告警,则获取设备告警对应的设备告警信号。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当中压事件研判结果、低压事件研判结果以及负荷波动研判结果中至少一个表征故障时,则判定存在停电故障。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
采用实时数据流技术,获取电网实时的中压事件数据和停电设备信息;对获取的中压事件数据和停电设备信息进行数据清洗与转换,构建中压事件停电设备池,得到中压事件研判模型;将设备告警信号与中压事件研判模型匹配,判断是否可以匹配到中压停电事件数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取电网历史记录中随时间变化的负荷波动数据以及对应的影响负荷波动因素数据;根据负荷波动数据以及对应的影响负荷波动因素数据,采用Logistic回归分析模型构建负荷波动率预测模型;获取设备告警信号对应的研判时间点,采集研判时间点对应的影响负荷波动因素;根据研判时间点对应的影响负荷波动因素以及负荷波动率预测模型进行负荷波动预测,得到负荷波动预测值;获取研判时间点对应的负荷波动真实值,根据负荷波动预测值以及负荷波动真实值,得到负荷波动差值;判断负荷波动差值是否大于预设负荷波动阈值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若中压事件研判结果与低压事件研判结果表征未涉及事件、且负荷波动研判结果表征负荷波动正常,则判定设备告警信号无效;将设备告警信号存储至预设无效告警信息库。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取电网中智能设备告警信号;
获取中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型;
根据设备告警信号、中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行中压事件研判、低压事件研判以及智能电表波动研判,获取中压事件研判结果、低压事件研判结果以及负荷波动研判结果;
根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
周期性扫描电网中智能设备,侦听是否发生设备告警;若发生设备告警,则获取设备告警对应的设备告警信号。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当中压事件研判结果、低压事件研判结果以及负荷波动研判结果中至少一个表征故障时,则判定存在停电故障。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
采用实时数据流技术,获取电网实时的中压事件数据和停电设备信息;对获取的中压事件数据和停电设备信息进行数据清洗与转换,构建中压事件停电设备池,得到中压事件研判模型;将设备告警信号与中压事件研判模型匹配,判断是否可以匹配到中压停电事件数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取电网历史记录中随时间变化的负荷波动数据以及对应的影响负荷波动因素数据;根据负荷波动数据以及对应的影响负荷波动因素数据,采用Logistic回归分析模型构建负荷波动率预测模型;获取设备告警信号对应的研判时间点,采集研判时间点对应的影响负荷波动因素;根据研判时间点对应的影响负荷波动因素以及负荷波动率预测模型进行负荷波动预测,得到负荷波动预测值;获取研判时间点对应的负荷波动真实值,根据负荷波动预测值以及负荷波动真实值,得到负荷波动差值;判断负荷波动差值是否大于预设负荷波动阈值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若中压事件研判结果与低压事件研判结果表征未涉及事件、且负荷波动研判结果表征负荷波动正常,则判定设备告警信号无效;将设备告警信号存储至预设无效告警信息库。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电网中计量分路告警故障研判方法,其特征在于,所述方法包括:
获取电网中智能设备告警信号;
获取中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型;
根据所述设备告警信号、中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行中压事件研判、低压事件研判以及智能电表波动研判,获取中压事件研判结果、低压事件研判结果以及负荷波动研判结果;
根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果。
2.根据权利要求1所述的方法,其特征在于,还包括:
周期性扫描电网中智能设备,侦听是否发生设备告警;
若发生设备告警,则获取设备告警对应的设备告警信号。
3.根据权利要求1所述的方法,其特征在于,所述根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果包括:
当所述中压事件研判结果、低压事件研判结果以及负荷波动研判结果中至少一个表征故障时,则判定存在停电故障。
4.根据权利要求1所述的方法,其特征在于,所述根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果包括:
若中压事件研判结果为触发中压停电事件时,则判定所述设备告警信号有效且发生中压停电故障;
若低压事件研判结果为触发疑似低压停电事件时,则判定所述设备告警信号有效且发生疑似低压停电故障;
若所述负荷波动研判结果为负荷波动异常时,则判定所述设备告警信号有效且发生新增低压停电故障。
5.根据权利要求1所述的方法,其特征在于,获取中压事件研判模型包括:
采用实时数据流技术,获取电网实时的中压事件数据和停电设备信息;
对获取的中压事件数据和停电设备信息进行数据清洗与转换,构建中压事件停电设备池,得到中压事件研判模型;
根据所述设备告警信号以及中压事件研判模型进行中压事件研判包括:
将所述设备告警信号与所述中压事件研判模型匹配,判断是否可以匹配到中压停电事件数据。
6.根据权利要求1所述的方法,其特征在于,获取智能电表负荷研判模型包括:
获取电网历史记录中随时间变化的负荷波动数据以及对应的影响负荷波动因素数据;
根据所述负荷波动数据以及对应的影响负荷波动因素数据,采用Logistic回归分析模型构建负荷波动率预测模型;
根据所述设备告警信号以及智能电表负荷研判模型进行负荷波动研判包括:
获取设备告警信号对应的研判时间点,采集所述研判时间点对应的影响负荷波动因素;
根据所述研判时间点对应的影响负荷波动因素以及所述负荷波动率预测模型进行负荷波动预测,得到负荷波动预测值;
获取所述研判时间点对应的负荷波动真实值,根据所述负荷波动预测值以及所述负荷波动真实值,得到负荷波动差值;
判断所述负荷波动差值是否大于预设负荷波动阈值。
7.根据权利要求1所述的方法,其特征在于,还包括:
若中压事件研判结果与所述低压事件研判结果表征未涉及事件、且负荷波动研判结果表征负荷波动正常,则判定所述设备告警信号无效;
将所述设备告警信号存储至预设无效告警信息库。
8.一种电网中计量分路告警故障研判装置,其特征在于,所述装置包括:
告警信息获取模块,用于获取电网中智能设备告警信号;
模型获取模块,用于获取中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型;
研判模块,用于根据所述设备告警信号、中压事件研判模型、低压事件研判模型以及智能电表负荷研判模型进行中压事件研判、低压事件研判以及智能电表波动研判,获取中压事件研判结果、低压事件研判结果以及负荷波动研判结果;
归集模块,用于根据中压事件研判结果、低压事件研判结果以及负荷波动研判结果,得到计量分路告警故障研判结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110900909.2A CN113591319A (zh) | 2021-08-06 | 2021-08-06 | 电网中计量分路告警故障研判方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110900909.2A CN113591319A (zh) | 2021-08-06 | 2021-08-06 | 电网中计量分路告警故障研判方法与装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113591319A true CN113591319A (zh) | 2021-11-02 |
Family
ID=78255837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110900909.2A Pending CN113591319A (zh) | 2021-08-06 | 2021-08-06 | 电网中计量分路告警故障研判方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113591319A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150037095A (ko) * | 2013-09-30 | 2015-04-08 | 한국전력공사 | 변배전 휴전 조작절차 관리 장치 및 방법 |
CN106451761A (zh) * | 2016-07-21 | 2017-02-22 | 国网浙江省电力公司电力科学研究院 | 一种基于动态数据驱动的大面积停电自动监测分析系统 |
CN110244163A (zh) * | 2019-06-20 | 2019-09-17 | 国网湖南省电力有限公司 | 一种台区停复电事件层级智能研判方法及装置 |
CN111562460A (zh) * | 2020-03-24 | 2020-08-21 | 广东电网有限责任公司广州供电局 | 配电网停电事件侦测研判方法、装置、计算机设备及介质 |
CN112467724A (zh) * | 2020-11-12 | 2021-03-09 | 广东电网有限责任公司湛江供电局 | 一种低压配电网故障研判方法 |
-
2021
- 2021-08-06 CN CN202110900909.2A patent/CN113591319A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150037095A (ko) * | 2013-09-30 | 2015-04-08 | 한국전력공사 | 변배전 휴전 조작절차 관리 장치 및 방법 |
CN106451761A (zh) * | 2016-07-21 | 2017-02-22 | 国网浙江省电力公司电力科学研究院 | 一种基于动态数据驱动的大面积停电自动监测分析系统 |
CN110244163A (zh) * | 2019-06-20 | 2019-09-17 | 国网湖南省电力有限公司 | 一种台区停复电事件层级智能研判方法及装置 |
CN111562460A (zh) * | 2020-03-24 | 2020-08-21 | 广东电网有限责任公司广州供电局 | 配电网停电事件侦测研判方法、装置、计算机设备及介质 |
CN112467724A (zh) * | 2020-11-12 | 2021-03-09 | 广东电网有限责任公司湛江供电局 | 一种低压配电网故障研判方法 |
Non-Patent Citations (3)
Title |
---|
王程斯;: "基于电网全景模型的终端用户供电可靠性信息系统", 计算机系统应用, no. 02, pages 58 - 64 * |
郑学青;张雨;林斌;: "基于多数据融合的停电服务调度模式研究", 工程建设与设计, no. 11, pages 92 - 93 * |
郭建成;钱静;陈光;张伟;杜鹏;崔立忠;尚学伟;: "智能配电网调度控制系统技术方案", 电力系统自动化, no. 01, pages 206 - 212 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108375715B (zh) | 一种配电网线路故障风险日预测方法及系统 | |
CN112487046B (zh) | 用电信息分析方法、装置、系统、计算机设备和存储介质 | |
CN111562460B (zh) | 配电网停电事件侦测研判方法、装置、计算机设备及介质 | |
CN113708493B (zh) | 基于云边协同的配电终端运维方法、装置和计算机设备 | |
CN108764596A (zh) | 计量自动化系统的停电状态的监测方法和监测系统 | |
CN103154904A (zh) | 操作管理设备、操作管理方法和程序 | |
CN115642706A (zh) | 一种电网内配电负荷监控系统 | |
CN116882804A (zh) | 一种智能电力监控方法及系统 | |
CN113592114A (zh) | 电网中用户报障研判方法、装置、计算机设备和存储介质 | |
CN112016856B (zh) | 综合倍率异常识别方法、装置、计量系统和存储介质 | |
CN112686773A (zh) | 一种基于融合业务拓扑的电力计量全链路关键业务异常定位模型构建方法 | |
CN117169761A (zh) | 电池状态评估方法、装置、设备、存储介质和程序产品 | |
CN116843314A (zh) | 监控终端运维管理方法、系统、设备及存储介质 | |
CN113591319A (zh) | 电网中计量分路告警故障研判方法与装置 | |
CN115934487A (zh) | 日志监控告警方法、装置、计算机设备和存储介质 | |
CN109558956A (zh) | 计量设备的掉线估算方法、装置、计算机设备和存储介质 | |
CN116108376A (zh) | 一种反窃电的监测系统、方法、电子设备及介质 | |
RU2677429C2 (ru) | Способ удаленного мониторинга и прогнозирования состояния отдельных агрегатов и сложных технологических комплексов | |
CN115907033A (zh) | 一种基于机器学习算法预测每小时用电量的方法及系统 | |
CN113570473A (zh) | 设备故障监测方法、装置、计算机设备和存储介质 | |
CN108808672A (zh) | 一种基于保信系统的保护装置可靠性在线预测方法及系统 | |
CN117149580B (zh) | 一种基于区块链的智能电力监控系统 | |
CN117148048B (zh) | 基于数字孪生技术的配电网故障预测方法及系统 | |
CN116739347A (zh) | 电网风险评估方法、装置、存储介质及计算机设备 | |
CN118195583A (zh) | 智能运维充电设备零部件状态分析方法和装置 |
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 |