CN113625097A - 配电网运行状态大数据分析方法 - Google Patents
配电网运行状态大数据分析方法 Download PDFInfo
- Publication number
- CN113625097A CN113625097A CN202110690616.6A CN202110690616A CN113625097A CN 113625097 A CN113625097 A CN 113625097A CN 202110690616 A CN202110690616 A CN 202110690616A CN 113625097 A CN113625097 A CN 113625097A
- Authority
- CN
- China
- Prior art keywords
- fault
- power distribution
- distribution network
- analysis method
- state information
- 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
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)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了配电网运行状态大数据分析方法，包括以下步骤，步骤一，建立分析系统；步骤二，数据采集与传输；步骤三，评估预警；步骤四，数据可视化；步骤五，提供方案；步骤六，结果反馈；本发明相较于现有的配电网运行状态分析方法，通过采集分析各节点信息和设备环境信息，可以快速有效的对配电网进行故障预警和故障分析，极大的提高了配电网的安全性和可靠性，本发明设计有防误报功能，可以减少故障误报，设计有历史故障数据库，配合机器学习算法可以提高故障信息的分析速度，设计有解决方案共享平台，可以提供更加全面准确的故障解决方案，设计有结果反馈环节，可以提高解决方案共享平台的实时性、先进性和准确性。
Description
技术领域
本发明涉及配电网技术领域，具体为配电网运行状态大数据分析方法。
背景技术
配电网是电力系统的重要组成部分，随着社会经济的发展和人们生活水平的提升，人们对配电网的建设和管理提出了更高的要求，但是在现有的配电网运行状态分析方法中，因为数据采集渠道窄，数据集成和处理能力弱，使得数据挖掘变得十分困难，导致分析结果准确性差，且缺少风险预警功能。
发明内容
本发明的目的在于提供配电网运行状态大数据分析方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：配电网运行状态大数据分析方法，包括以下步骤，步骤一，建立分析系统；步骤二，数据采集与传输；步骤三，评估预警；步骤四，数据可视化；步骤五，提供方案；步骤六，结果反馈；
其中上述步骤一中，建立分析系统包括以下步骤：
1)构建历史故障数据库，对故障进行分类分级；
2)构建机器学习算法；
3)使用故障数据库训练机器学习算法，计算出各类故障的风险指标；
4)根据历史故障数据库的故障处理报告，建立解决方案共享平台；
其中上述步骤二中，数据采集与传输包括以下步骤：
1)使用传感器采集各节点电压、电流和位置信息；
2)使用监测器采集配电设备内部环境数据；
3)将所采集到的数据信息输送至监测中心进行整合处理；
其中上述步骤三中，评估预警包括以下步骤：
1)将所接收到的数据通过转换器进行转换处理，提取出特征向量；
2)将特征向量输入机器学习算法；
3)经机器学习算法分析处理后得到对应节点的运行状态信息；
4)由分析系统自动对配电网的运行状态进行评估，得到异常状态信息、故障状态信息和正常状态信息；
5)分析系统根据异常节点位置调用邻进节点状态信息，对异常节点进行状态确认，防止误报；
6)分析系统对故障状态信息进行分级分类；
其中上述步骤四中，数据可视化包括以下步骤：
1)显示器将配电网节点和设备的运行状态信息以图表的形式显示；
2)针对异常状态信息进行预警；
3)针对故障设备和节点的位置信息及故障类型和等级进行分类显示，并由智能语音播报提醒；
其中上述步骤五中，提供方案包括以下步骤：
1)经管理员确定故障后，系统根具故障类型和故障等级自动定位对应的解决方案，并从解决方案共享平台上下载解决方案，生成故障报告；
2)监测中心将故障报告通过无线通讯发送给维护人员；
其中上述步骤六中，根据维护人员故障处理结果的反馈，系统对解决方案进行补充和更新。
根据上述技术方案，所述步骤一2)中，机器学习算法为人工神经网络算法。
根据上述技术方案，所述步骤二2)中，监测器包括温度监测器和湿度监测器。
根据上述技术方案，所述步骤二3)中，数据信息通过无线网络进行传输。
根据上述技术方案，所述步骤三1)中，特征向量为电压幅值、电压相角、电流幅值、电流相角、配电设备环境温度和配电设备环境湿度。
根据上述技术方案，所述步骤三4)中，评估项目包括安全性评估、供电能力评估、可靠性评估和供电质量评估。
与现有技术相比，本发明所达到的有益效果是：本发明相较于现有的配电网运行状态分析方法，通过采集分析各节点信息和设备环境信息，可以快速有效的对配电网进行故障预警和故障分析，极大的提高了配电网的安全性和可靠性，本发明设计有防误报功能，可以减少故障误报，设计有历史故障数据库，配合机器学习算法可以提高故障信息的分析速度，设计有解决方案共享平台，可以提供更加全面准确的故障解决方案，设计有结果反馈环节，可以提高解决方案共享平台的实时性、先进性和准确性。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明的方法流程图。
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。
请参阅图1，本发明提供一种技术方案：配电网运行状态大数据分析方法，包括以下步骤，步骤一，建立分析系统；步骤二，数据采集与传输；步骤三，评估预警；步骤四，数据可视化；步骤五，提供方案；步骤六，结果反馈；
其中上述步骤一中，建立分析系统包括以下步骤：
1)构建历史故障数据库，对故障进行分类分级；
2)构建机器学习算法，机器学习算法为人工神经网络算法；
3)使用故障数据库训练机器学习算法，计算出各类故障的风险指标；
4)根据历史故障数据库的故障处理报告，建立解决方案共享平台；
其中上述步骤二中，数据采集与传输包括以下步骤：
1)使用传感器采集各节点电压、电流和位置信息；
2)使用监测器采集配电设备内部环境数据，监测器包括温度监测器和湿度监测器；
3)将所采集到的数据信息通过无线网络输送至监测中心进行整合处理；
其中上述步骤三中，评估预警包括以下步骤：
1)将所接收到的数据通过转换器进行转换处理，提取出特征向量，特征向量为电压幅值、电压相角、电流幅值、电流相角、配电设备环境温度和配电设备环境湿度；
2)将特征向量输入机器学习算法；
3)经机器学习算法分析处理后得到对应节点的运行状态信息；
4)由分析系统自动对配电网的运行状态进行评估，得到异常状态信息、故障状态信息和正常状态信息，评估项目包括安全性评估、供电能力评估、可靠性评估和供电质量评估；
5)分析系统根据异常节点位置调用邻进节点状态信息，对异常节点进行状态确认，防止误报；
6)分析系统对故障状态信息进行分级分类；
其中上述步骤四中，数据可视化包括以下步骤：
1)显示器将配电网节点和设备的运行状态信息以图表的形式显示；
2)针对异常状态信息进行预警；
3)针对故障设备和节点的位置信息及故障类型和等级进行分类显示，并由智能语音播报提醒；
其中上述步骤五中，提供方案包括以下步骤：
1)经管理员确定故障后，系统根具故障类型和故障等级自动定位对应的解决方案，并从解决方案共享平台上下载解决方案，生成故障报告；
2)监测中心将故障报告通过无线通讯发送给维护人员；
其中上述步骤六中，根据维护人员故障处理结果的反馈，系统对解决方案进行补充和更新。
基于上述，本发明的优点在于，该发明通过采集配电网的各节点数据和配电设备内部环境数据，结合大数据分析方法，可以快速有效的判定配电网运行状态，实现配电网智能化管控，能够有效的对配电网进行故障预警和故障分析，本发明设计有防误报功能，可以减少故障误报，设计有历史故障数据库，配合机器学习算法可以提高故障信息的分析速度，设计有解决方案共享平台，可以提供更加全面准确的故障解决方案，设计有结果反馈环节，可以提高解决方案共享平台的实时性、先进性和准确性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.配电网运行状态大数据分析方法，包括以下步骤，步骤一，建立分析系统；步骤二，数据采集与传输；步骤三，评估预警；步骤四，数据可视化；步骤五，提供方案；步骤六，结果反馈；其特征在于：
其中上述步骤一中，建立分析系统包括以下步骤：
1)构建历史故障数据库，对故障进行分类分级；
2)构建机器学习算法；
3)使用故障数据库训练机器学习算法，计算出各类故障的风险指标；
4)根据历史故障数据库的故障处理报告，建立解决方案共享平台；
其中上述步骤二中，数据采集与传输包括以下步骤：
1)使用传感器采集各节点电压、电流和位置信息；
2)使用监测器采集配电设备内部环境数据；
3)将所采集到的数据信息输送至监测中心进行整合处理；
其中上述步骤三中，评估预警包括以下步骤：
1)将所接收到的数据通过转换器进行转换处理，提取出特征向量；
2)将特征向量输入机器学习算法；
3)经机器学习算法分析处理后得到对应节点的运行状态信息；
4)由分析系统自动对配电网的运行状态进行评估，得到异常状态信息、故障状态信息和正常状态信息；
5)分析系统根据异常节点位置调用邻进节点状态信息，对异常节点进行状态确认，防止误报；
6)分析系统对故障状态信息进行分级分类；
其中上述步骤四中，数据可视化包括以下步骤：
1)显示器将配电网节点和设备的运行状态信息以图表的形式显示；
2)针对异常状态信息进行预警；
3)针对故障设备和节点的位置信息及故障类型和等级进行分类显示，并由智能语音播报提醒；
其中上述步骤五中，提供方案包括以下步骤：
1)经管理员确定故障后，系统根具故障类型和故障等级自动定位对应的解决方案，并从解决方案共享平台上下载解决方案，生成故障报告；
2)监测中心将故障报告通过无线通讯发送给维护人员；
其中上述步骤六中，根据维护人员故障处理结果的反馈，系统对解决方案进行补充和更新。
2.根据权利要求1所述的配电网运行状态大数据分析方法，其特征在于：所述步骤一2)中，机器学习算法为人工神经网络算法。
3.根据权利要求1所述的配电网运行状态大数据分析方法，其特征在于：所述步骤二2)中，监测器包括温度监测器和湿度监测器。
4.根据权利要求1所述的配电网运行状态大数据分析方法，其特征在于：所述步骤二3)中，数据信息通过无线网络进行传输。
5.根据权利要求1所述的配电网运行状态大数据分析方法，其特征在于：所述步骤三1)中，特征向量为电压幅值、电压相角、电流幅值、电流相角、配电设备环境温度和配电设备环境湿度。
6.根据权利要求1所述的配电网运行状态大数据分析方法，其特征在于：所述步骤三4)中，评估项目包括安全性评估、供电能力评估、可靠性评估和供电质量评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110690616.6A CN113625097A (zh) | 2021-06-22 | 2021-06-22 | 配电网运行状态大数据分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110690616.6A CN113625097A (zh) | 2021-06-22 | 2021-06-22 | 配电网运行状态大数据分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113625097A true CN113625097A (zh) | 2021-11-09 |
Family
ID=78378296
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110690616.6A Pending CN113625097A (zh) | 2021-06-22 | 2021-06-22 | 配电网运行状态大数据分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113625097A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114338344A (zh) * | 2021-12-27 | 2022-04-12 | 北京卓越信通电子股份有限公司 | 一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法 |
| CN115099557A (zh) * | 2022-05-09 | 2022-09-23 | 广东电网有限责任公司电力调度控制中心 | 一种基于智能监测智能电网分析方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110569997A (zh) * | 2019-09-16 | 2019-12-13 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于多维度数据体系的充电站运行维护方法 |
| CN112348339A (zh) * | 2020-10-28 | 2021-02-09 | 国网信通亿力科技有限责任公司 | 一种基于大数据分析的配电网规划方法 |
| CN112688431A (zh) * | 2020-12-28 | 2021-04-20 | 国家电网有限公司 | 一种基于大数据的配电网负荷过载可视化方法及系统 |
-
2021
- 2021-06-22 CN CN202110690616.6A patent/CN113625097A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110569997A (zh) * | 2019-09-16 | 2019-12-13 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于多维度数据体系的充电站运行维护方法 |
| CN112348339A (zh) * | 2020-10-28 | 2021-02-09 | 国网信通亿力科技有限责任公司 | 一种基于大数据分析的配电网规划方法 |
| CN112688431A (zh) * | 2020-12-28 | 2021-04-20 | 国家电网有限公司 | 一种基于大数据的配电网负荷过载可视化方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114338344A (zh) * | 2021-12-27 | 2022-04-12 | 北京卓越信通电子股份有限公司 | 一种用机器深度学习方式判断并抑制计算机网络故障及广播风暴的方法 |
| CN115099557A (zh) * | 2022-05-09 | 2022-09-23 | 广东电网有限责任公司电力调度控制中心 | 一种基于智能监测智能电网分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108199795B (zh) | 一种设备状态的监测方法和装置 | |
| CN111047082B (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
| CN109490713A (zh) | 一种用于电缆线路移动巡检及交互诊断的方法及系统 | |
| CN105512448B (zh) | 一种配电网健康指数的评估方法 | |
| CN105515184B (zh) | 基于无线传感网络的多传感器多参量配网协同监测系统 | |
| CN109146093A (zh) | 一种基于学习的电力设备现场勘查方法 | |
| CN104202086B (zh) | 一种光缆故障定位方法 | |
| CN113625097A (zh) | 配电网运行状态大数据分析方法 | |
| CN104751285B (zh) | 电网调度自动化前置采集数据准确性判别与告警系统 | |
| CN109086470A (zh) | 一种基于模糊偏好关系与d-s证据理论的故障诊断方法 | |
| CN108199891B (zh) | 一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法 | |
| CN113506001B (zh) | 一种作业现场安全风险精益化智慧管控辅助决策方法 | |
| CN104615122B (zh) | 一种工控信号检测系统及检测方法 | |
| CN113112635B (zh) | 一种智能设备用常规巡检系统 | |
| CN104615121B (zh) | 一种列车故障诊断方法及系统 | |
| CN109767063A (zh) | 一种稳控装置运行信息系统及其在线电网风险评估方法 | |
| CN115099557A (zh) | 一种基于智能监测智能电网分析方法 | |
| CN117319451B (zh) | 基于多模态大数据的城市级消防物联网监管系统及其方法 | |
| CN115664006B (zh) | 一种增量配电网智能管控一体化平台 | |
| CN117014471A (zh) | 一种基于人工智能的工程物联网安全监测系统 | |
| CN113053063A (zh) | 基于移动端的灾害在线处置流程实现方法 | |
| CN116523502A (zh) | 一种智能生产线运维管理报警系统 | |
| CN117113157B (zh) | 一种基于人工智能的台区用电故障检测系统 | |
| CN116054416B (zh) | 一种基于物联网的智能监控运维管理系统 | |
| CN117156386A (zh) | 消防智能定位、呼救、报警对讲设备 |
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 |