CN113625082A - 一种基于机器学习算法模型的配电网设备故障研判方法 - Google Patents
一种基于机器学习算法模型的配电网设备故障研判方法 Download PDFInfo
- Publication number
- CN113625082A CN113625082A CN202110903417.9A CN202110903417A CN113625082A CN 113625082 A CN113625082 A CN 113625082A CN 202110903417 A CN202110903417 A CN 202110903417A CN 113625082 A CN113625082 A CN 113625082A
- Authority
- CN
- China
- Prior art keywords
- fault
- information
- power distribution
- distribution network
- model
- 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 53
- 238000010801 machine learning Methods 0.000 title claims abstract description 18
- 230000008439 repair process Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000002955 isolation Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 238000010079 rubber tapping Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及配电网络故障技术领域,具体涉及一种基于机器学习算法模型的配电网设备故障研判方法,通过获取故障点的供电变压器信息,其具体到变压器的编码和类型;通过分析通用信息模型,建立电网设备拓扑模型;通过拓扑模型分析配电设备的故障信息;分析通用信息拓扑模型获取的故障信息,获取报修表计;将报修表计上传外部终端;实现配电网故障的全类型决策、全信息监测、全在线管控、全流程控制,进一步提高了配电网故障的处理效率和管控力度。
Description
技术领域
本发明涉及配电网络故障技术领域,尤其涉及一种基于机器学习算法模型的配电网设备故障研判方法。
背景技术
目前电力系统是一个庞大而复杂的系统,要想获得完备的知识库比较困难,在存在大量故障信息的情况下,目前是将故障信息传输至终端,终端通过人工分析故障信号,从而得到故障情况信息,但配电网设备的数量总多,只是依靠人工判别故障情况,会造成故障情况堆积,导致配电网设备的处理效率低。
发明内容
本发明的目的在于提供一种基于机器学习算法模型的配电网设备故障研判方法,旨在解决现有技术中将故障信息传输至终端,终端通过人工分析故障信号,从而得到故障情况信息,但配电网设备的数量总多,只是依靠人工判别故障情况,会造成故障情况堆积,导致配电网设备的处理效率低的技术问题。
为实现上述目的,本发明采用的一种基于机器学习算法模型的配电网设备故障研判方法,包括如下步骤,
获取故障点的供电变压器信息,其具体到变压器的编码和类型;
通过分析通用信息模型,建立电网设备拓扑模型;
通过拓扑模型分析配电设备的故障信息;
分析通用信息拓扑模型获取的故障信息,获取报修表计;
将报修表计上传外部终端。
其中,在“获取故障点的供电变压器信息,其具体到变压器的编码和类型”中,所述方法还包括,
通过实时检测供电传输情况,接收到供电变压信息,获取故障点的攻牙变电器名称信息和变压器唯一编码。
其中,在“通过分析通用信息模型,建立电网设备拓扑模型”中,所述方法还包括,
建立空的符号信息库,存储每个符号的描述信息;
建立空的复合图元表,存储对符号中每个基本图元的描述;
建立孔的设备模型符号表,存储设备模型与各符号的关系;
对照图元规范将每个设备符号中各个基本图元进行逐一绘制,建立电网设备拓扑模型。
其中,在“通过拓扑模型分析配电设备的故障信息”中,所述方法还包括,分析配电网设备故障时跳闸点;
确定配电网设备故障区间的定位;
获取当前配电网停电的范围;
根据故障区间分析实时供电拓扑。
其中,在“根据故障区间分析实时供电拓扑”中,所述方法还包括,
根据故障区间分析实时供电拓扑,包括停电设备名称和设备唯一编码。
其中,在“分析通用信息拓扑模型获取的故障信息,获取报修表计”中,所述方法还包括,
分析通用信息拓扑模型获取的故障信息;
获取报修用户的表计;
获取与报修用户同组用户的表计;
获取与报修用户临组用户的表计;
获取报修用户供电变压器的表计。
其中,在“将报修表计上传外部终端”中,所述方法还包括,
配电网设备在故障抢修进行现场工作内容的记录;
旋转具体的安全措施信息;
根据隔离及转供辅助决策方法智能生产送点指令。
其中,在“根据隔离及转供辅助决策方法智能生产送点指令”后,所述方法还包括,
在整个故障处理结束后,配电网设备针对本次故障生成完整的事后分析。
其中,在“在整个故障处理结束后,配电网设备针对本次故障生成完整的事后分析”后,所述方法还包括
所述事后分析包括故障简报、故障处理耗时情况和研判评价信息。
本发明的一种基于机器学习算法模型的配电网设备故障研判方法,通过获取故障点的供电变压器信息,其具体到变压器的编码和类型;通过分析通用信息模型,建立电网设备拓扑模型;通过拓扑模型分析配电设备的故障信息;分析通用信息拓扑模型获取的故障信息,获取报修表计;将报修表计上传外部终端;实现配电网故障的全类型决策、全信息监测、全在线管控、全流程控制,进一步提高了配电网故障的处理效率和管控力度。
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是本发明的基于机器学习算法模型的配电网设备故障研判方法的流程图。
图2是本发明的通过分析通用信息模型,建立电网设备拓扑模型的流程图。
图3是本发明的通过拓扑模型分析配电设备的故障信息的流程图。
图4是本发明的分析通用信息拓扑模型获取的故障信息,获取报修表计的流程图。
图5是本发明的将报修表计上传外部终端的流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
请参阅图1至图5,本发明提供了一种基于机器学习算法模型的配电网设备故障研判方法,包括如下步骤,
S101:获取故障点的供电变压器信息,其具体到变压器的编码和类型,通过实时检测供电传输情况,接收到供电变压信息,获取故障点的攻牙变电器名称信息和变压器唯一编码;
S102:通过分析通用信息模型,建立电网设备拓扑模型;
S1021:建立空的符号信息库,存储每个符号的描述信息;
S1022:建立空的复合图元表,存储对符号中每个基本图元的描述;
S1023:建立孔的设备模型符号表,存储设备模型与各符号的关系;
S1024:对照图元规范将每个设备符号中各个基本图元进行逐一绘制,建立电网设备拓扑模型;
在本实施方式中,遵循国家电网公司图元规范的基础上,提出了一个包含电网设备拓扑连接信息的矢量图元符号模型,并相应提出将符号配置与电网设备模型关联相分离的配置方法。通过分别维护设备符号与符号图元二者的关系,电网设备对象、映射规则与设备符号三者的关系,实现设备模型与图元符号的解耦关系,便于在各电网GIS系统下使用。该图元符号库也可以方便地与SVG格式进行互相转换,支持在其他系统中应用。
S103:通过拓扑模型分析配电设备的故障信息;
S1031:分析配电网设备故障时跳闸点;
S1032:确定配电网设备故障区间的定位;
S1033:获取当前配电网停电的范围;
S1034:根据故障区间分析实时供电拓扑,包括停电设备名称和设备唯一编码;
S104:分析通用信息拓扑模型获取的故障信息,获取报修表计;
S1041:分析通用信息拓扑模型获取的故障信息;
S1042:获取报修用户的表计;
S1043:获取与报修用户同组用户的表计;
S1044:获取与报修用户临组用户的表计;
S1045:获取报修用户供电变压器的表计;
S105:将报修表计上传外部终端;
S1051:配电网设备在故障抢修进行现场工作内容的记录;
S1052:旋转具体的安全措施信息;
S1053:根据隔离及转供辅助决策方法智能生产送点指令,在整个故障处理结束后,配电网设备针对本次故障生成完整的事后分析,所述事后分析包括故障简报、故障处理耗时情况和研判评价信息。
在本实施方式中,具体实施时,通过调度员故障处置逻辑实现故障处置界面引导化场景设计,实现故障处置全流程,提升对故障的管控力度和水平,配电网故障全覆盖,提升对故障的感知能力。故障处置全过程图形化,实现故障信息、故障点设置、隔离转电方案、失地试拉、安措执行等操作图形化。与配网调度故障处置环节逐一对应的流程化,流程化的故障处置过程,提升故障处置效率。打通系统间壁垒,实现多元信息融合与GOMS、SG186接口实现故障信息及时发布、故障通知的功能,智能化辅助决策方案分析计算,降低调度工作强度。
本发明的特点:本发明涉及一种配电网故障处置全研判方法,该方法在DMS系统建立一套横向覆盖配电网全部故障类型,涵盖配网常见的短路故障、断相故障、母线失压、失地故障、线路重过载等故障,贴切配网故障处理业务,纵向贯通故障感知、故障分析、隔离转电、故障抢修、送电操作、结束等过程的全研判故障处理闭环管理流程;DMS系统接收各类故障的告警信息后,有效性分析识别故障信号后进行主动的故障研判感知,综合分析出研判结果,便于指挥现场查找隔离、转供等操作。对于失地故障,可通过多种试拉方案进行失地点确定。对于断相故障,可结合线路上下游的配变三相电压量测按相别进行断相点定位。对于母线失压造成的大面积停电,系统根据系统运行方式及终端可控情况,综合考虑大面积转供电方案。DMS系统根据定位的故障点或失地点、断相点、过载点及跳闸点信息自动分析实时拓扑,提供停电信息发布及隔离转电预案;DMS系统对于故障隔离转电预案提供一键式顺控功能,在防误操作方面,加入安全闭锁逻辑,实现在调度确认预案无误后对于可遥控设备清单的自动顺序遥控;DMS系统完成在故障感知以及隔离转电过程中,对于定位错误以及方案错误提供人工设置故障点功能,设置故障点后基于当前实时运行方式重新推出故障隔离转电方案;打通DMS与GOMS信息交互,实现DMS系统将故障停电信息发送至GOMS,在故障处置过程中,实时动态同步最新的停电范围至GOMS;DMS系统在故障抢修环节支持调度对相关故障信息的记录以及安措设备的选择,并支持将记录信息汇总至故障记录模块;安措支持读取电子化故障抢修单中的安措信息,便于调度对现场操作事宜进行安全审核。DMS系统根据故障隔离转电方案及安措可生成抢修完成送电时的调度指令票,实现送电时调度指令的相关操作;整个故障处理结束后,系统自动推出结构性、多维度的分析评价报告。
同时,本发明的配网电力故障诊断新方法不需要花费大量的经历建立专家知识库;诊断快速有效;通用性强,灵活多样,当电力系统结构和保护配置改变时,能够快速适应新的电网设备拓扑结构模型。
不需要花费大量的经历建立专家知识库;诊断快速有效;通用性强,灵活多样,当电力系统结构和保护配置改变时,能够快适应新的电网设备拓扑结构模型。另外,通过实际应用表明,所述方法正确有效,实现配电网故障的全类型决策、全信息监测、全在线管控、全流程控制,进一步提高了配电网故障的处理效率和管控力度,深化了配电自动化系统功能应用,全面提升了配电网运行及故障处置的安全、高效、规范管理水平。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (9)
1.一种基于机器学习算法模型的配电网设备故障研判方法,其特征在于,包括如下步骤,
获取故障点的供电变压器信息,其具体到变压器的编码和类型;
通过分析通用信息模型,建立电网设备拓扑模型;
通过拓扑模型分析配电设备的故障信息;
分析通用信息拓扑模型获取的故障信息,获取报修表计;
将报修表计上传外部终端。
2.如权利要求1所述的基于机器学习算法模型的配电网设备故障研判方法,其特征在于,在“获取故障点的供电变压器信息,其具体到变压器的编码和类型”中,所述方法还包括,
通过实时检测供电传输情况,接收到供电变压信息,获取故障点的攻牙变电器名称信息和变压器唯一编码。
3.如权利要求1所述的基于机器学习算法模型的配电网设备故障研判方法,其特征在于,在“通过分析通用信息模型,建立电网设备拓扑模型”中,所述方法还包括,
建立空的符号信息库,存储每个符号的描述信息;
建立空的复合图元表,存储对符号中每个基本图元的描述;
建立孔的设备模型符号表,存储设备模型与各符号的关系;
对照图元规范将每个设备符号中各个基本图元进行逐一绘制,建立电网设备拓扑模型。
4.如权利要求1所述的基于机器学习算法模型的配电网设备故障研判方法,其特征在于,在“通过拓扑模型分析配电设备的故障信息”中,所述方法还包括,
分析配电网设备故障时跳闸点;
确定配电网设备故障区间的定位;
获取当前配电网停电的范围;
根据故障区间分析实时供电拓扑。
5.如权利要求4所述的基于机器学习算法模型的配电网设备故障研判方法,其特征在于,在“根据故障区间分析实时供电拓扑”中,所述方法还包括,
根据故障区间分析实时供电拓扑,包括停电设备名称和设备唯一编码。
6.如权利要求1所述的基于机器学习算法模型的配电网设备故障研判方法,其特征在于,在“分析通用信息拓扑模型获取的故障信息,获取报修表计”中,所述方法还包括,
分析通用信息拓扑模型获取的故障信息;
获取报修用户的表计;
获取与报修用户同组用户的表计;
获取与报修用户临组用户的表计;
获取报修用户供电变压器的表计。
7.如权利要求1所述的基于机器学习算法模型的配电网设备故障研判方法,其特征在于,在“将报修表计上传外部终端”中,所述方法还包括,
配电网设备在故障抢修进行现场工作内容的记录;
旋转具体的安全措施信息;
根据隔离及转供辅助决策方法智能生产送点指令。
8.如权利要求7所述的基于机器学习算法模型的配电网设备故障研判方法,其特征在于,在“根据隔离及转供辅助决策方法智能生产送点指令”后,所述方法还包括,
在整个故障处理结束后,配电网设备针对本次故障生成完整的事后分析。
9.如权利要求8所述的基于机器学习算法模型的配电网设备故障研判方法,其特征在于,在“在整个故障处理结束后,配电网设备针对本次故障生成完整的事后分析”后,所述方法还包括
所述事后分析包括故障简报、故障处理耗时情况和研判评价信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110903417.9A CN113625082A (zh) | 2021-08-06 | 2021-08-06 | 一种基于机器学习算法模型的配电网设备故障研判方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110903417.9A CN113625082A (zh) | 2021-08-06 | 2021-08-06 | 一种基于机器学习算法模型的配电网设备故障研判方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113625082A true CN113625082A (zh) | 2021-11-09 |
Family
ID=78383287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110903417.9A Pending CN113625082A (zh) | 2021-08-06 | 2021-08-06 | 一种基于机器学习算法模型的配电网设备故障研判方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113625082A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113884803A (zh) * | 2021-08-27 | 2022-01-04 | 国网山东省电力公司日照供电公司 | 配网故障研判方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133148A (zh) * | 2014-08-20 | 2014-11-05 | 国家电网公司 | 一种配网电力故障的研判方法 |
CN107145655A (zh) * | 2017-04-25 | 2017-09-08 | 南京南瑞集团公司 | 建立包含拓扑信息的电网设备矢量图元符号模型的方法 |
CN112834866A (zh) * | 2020-12-31 | 2021-05-25 | 安徽东哲电力科技有限公司 | 一种配网电力故障的研判方法 |
-
2021
- 2021-08-06 CN CN202110903417.9A patent/CN113625082A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133148A (zh) * | 2014-08-20 | 2014-11-05 | 国家电网公司 | 一种配网电力故障的研判方法 |
CN107145655A (zh) * | 2017-04-25 | 2017-09-08 | 南京南瑞集团公司 | 建立包含拓扑信息的电网设备矢量图元符号模型的方法 |
CN112834866A (zh) * | 2020-12-31 | 2021-05-25 | 安徽东哲电力科技有限公司 | 一种配网电力故障的研判方法 |
Non-Patent Citations (1)
Title |
---|
钟佳妤;: "配电网故障自动研判技术应用", 电气传动自动化, no. 02, pages 58 - 61 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113884803A (zh) * | 2021-08-27 | 2022-01-04 | 国网山东省电力公司日照供电公司 | 配网故障研判方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110020967B (zh) | 一种电网调度端变电站智能告警的信息处理方法及装置 | |
CN103033715B (zh) | 变电站内区域设备运行状态检测系统 | |
CN202009267U (zh) | 智能变电站设备状态一体化监测与分析系统 | |
CN110048507B (zh) | 一种配电自动化系统的自动巡检方法及系统 | |
CN107991525B (zh) | 一种绿色产业园区供用电能效监测与故障责任识别方法及系统 | |
CN107749667B (zh) | 一种智能变电站保护压板信息和状态的实时监测方法 | |
CN112834866A (zh) | 一种配网电力故障的研判方法 | |
CN110912273B (zh) | 一种配电网接地故障分析管理系统 | |
CN113191635B (zh) | 建筑工程现场电能智慧化管理系统 | |
CN105573283B (zh) | 变电站设备功能关联库的建立及事件关联信息组的过滤方法 | |
CN106571689A (zh) | 一种多数据源比较技术诊断变电站遥测故障在线监测系统 | |
CN113625082A (zh) | 一种基于机器学习算法模型的配电网设备故障研判方法 | |
CN110837027A (zh) | 基于电网故障情况下调度端关键信息抽取的辅助决策方法及系统 | |
CN108318732B (zh) | 一种变压器铁芯接地电流在线监测装置及方法 | |
CN114202079A (zh) | 一种配电网故障抢修调度系统 | |
CN113991842A (zh) | 一种船舶岸电综合监控系统 | |
CN109361267A (zh) | 故障录波联网系统 | |
CN111983512A (zh) | 线路接地装置监测系统和方法 | |
CN208571705U (zh) | 一种500kV变电站故障录波远传数据监测系统 | |
CN106451760A (zh) | 一种500kV变电站集控系统遥测信息实时监控方法 | |
CN116131453A (zh) | 一种电力通信故障精准定位查询系统 | |
CN211127301U (zh) | 一种智能变电站二次设备运维管控系统 | |
CN104009543B (zh) | 变电站二级设备运行状态的监视方法 | |
CN112994247A (zh) | 一种10kV中压线路的分支识别系统及方法 | |
CN110676935A (zh) | 一种变电站智能运维闭环操作的系统及其方法 |
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 |