CN113644741A - 一种基于边缘计算的海量故障录波数据处理方法 - Google Patents

一种基于边缘计算的海量故障录波数据处理方法 Download PDF

Info

Publication number
CN113644741A
CN113644741A CN202110899781.2A CN202110899781A CN113644741A CN 113644741 A CN113644741 A CN 113644741A CN 202110899781 A CN202110899781 A CN 202110899781A CN 113644741 A CN113644741 A CN 113644741A
Authority
CN
China
Prior art keywords
fault
data
wave recording
intelligent
master station
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.)
Granted
Application number
CN202110899781.2A
Other languages
English (en)
Other versions
CN113644741B (zh
Inventor
李海勇
田君杨
蒋连钿
沈梓正
巫聪云
黄超
刘斌
徐晓峰
杨彦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi Power Grid Co Ltd
Original Assignee
Guangxi Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangxi Power Grid Co Ltd filed Critical Guangxi Power Grid Co Ltd
Priority to CN202110899781.2A priority Critical patent/CN113644741B/zh
Publication of CN113644741A publication Critical patent/CN113644741A/zh
Application granted granted Critical
Publication of CN113644741B publication Critical patent/CN113644741B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J13/00001—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 characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • 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
    • 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
    • H02J13/00002—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 characterised by monitoring
    • 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
    • H02J13/00006—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 characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00016—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 characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus
    • 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
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
    • Y04S40/124—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using wired telecommunication networks or data transmission busses

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Locating Faults (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本申请公开了一种基于边缘计算的海量故障录波数据处理方法，其中方法包括：智能录波装置获取变电站内的录波数据；所述智能录波装置根据所述录波数据提取故障数据；所述智能录波装置通过预设过滤机制将所述故障数据上送录波主站，以使得所述录波主站将所述故障数据进行信息融合处理自动生成故障分析报告。本发明中的智能录波装置将获取到的录波数据进行故障数据的提取后，再将该故障数据通过预设的过滤机制上送录波主站，由于录波主站基于较高价值密度的故障数据自动生成故障分析报告，使得整体上优化了海量录波数据处理链路，并缓解调度分析数据压力，提高故障诊断时效性，支撑调度人员快速决策。

Description

一种基于边缘计算的海量故障录波数据处理方法
技术领域
本申请涉及继电保护领域，特别涉及一种基于边缘计算的海量故障录波数据处理方法。
背景技术
当前电力系统处于大力发展以“控大智移为目标的阶段，具备继电保护设备信息集成能力的调整主站系统，注重中心化，将各种数据、信息和资源归集至调控机构，调度人员受困于繁琐的数据分析和故障诊断工作，事故处置和调度决策延迟问题时有发生。
录波装置作为变电站的基础配套设备，其数量随着电网规模的持续扩张而快速增加，伴随着智能录波装置的不断接入，实时监测一次设备所采集的录波数据也呈爆发式增长。而在现有技术中，录波装置获取到的数据全部上送至调度主站系统，调度人员对主站系统归集的海量数据进行处理，不仅数据分析压力大，且故障诊断时效性低，无法满足电网故障快速处理业务形态的需求。
发明内容
本申请实施例提供了一种基于边缘计算的海量故障录波数据处理方法，由于本发明中的智能录波装置将获取到的录波数据进行故障数据的提取后，再将该故障数据通过预设的过滤机制上送录波主站，使得在录波主站在需要使用故障数据生成故障分析报告时，可减少对录波数据的处理，从而在整体上优化了海量录波数据处理链路，并缓解了调度分析数据压力，提高故障诊断时效性。
本申请第一方面提供了一种基于边缘计算的海量故障录波数据处理方法，包括：
智能录波装置获取变电站内的录波数据；
所述智能录波装置根据所述录波数据提取故障数据；
所述智能录波装置通过预设过滤机制将所述故障数据上送录波主站，以使得所述录波主站将所述故障数据进行信息融合处理自动生成故障分析报告。
可选的，所述所述智能录波装置根据所述录波数据提取故障数据，包括：
所述智能录波装置通过对所述录波数据并行检测提取故障数据。
可选的，所述所述智能录波装置通过对所述录波数据并行检测提取故障数据之后，所述方法还包括：
所述智能录波装置将所述故障数据进行信号分离处理获取所述故障数据对应的故障类型。
可选的，所述智能录波装置将所述故障数据进行信号分离处理获取所述故障数据对应的故障类型之后，所述方法还包括：
所述智能录波装置根据所述故障数据和所述故障类型获取所述故障数据的预判故障可信度。
所述智能录波装置通过预设过滤机制将所述故障数据上送录波主站，包括：
所述智能录波装置通过预设过滤机制将所述预判故障可信度和所述故障数据上送录波主站。
本申请第二方面提供了一种基于边缘计算的海量故障录波数据处理方法，包括：
录波主站接收智能录波装置发送的故障数据；
所述录波主站将所述故障数据进行数据融合判定自动生成故障分析报告。
可选的，所述录波主站将所述故障数据进行数据融合判定自动生成故障分析报告，包括：
所述录波主站通过D-S证据理论数据融合诊断方法对所述故障数据进行数据融合判定自动生成故障分析报告。
可选的，录波主站将所述故障数据进行数据融合判定自动生成故障分析报告之前，所述方法还包括：
录波主站接收智能录波装置发送的预判故障可信度；
所述录波主站将所述故障数据进行数据融合判定自动生成故障分析报告，包括：
所述录波主站通过将所述故障数据和所述预判故障可信度进行数据融合判定自动生成故障分析报告。
本申请第三方面提供了一种智能录波装置，包括：
获取单元，用于获取变电站内的录波数据；
提取单元，用于根据所述录波数据提取故障数据；
发送单元，用于通过预设过滤机制将所述故障数据上送录波主站，以使得所述录波主站将所述故障数据进行信息融合处理自动生成故障分析报告。
可选的，所述提取单元，还用于通过对所述录波数据并行检测提取故障数据。
可选的，所述智能录波装置还包括：
类型获取单元，用于将所述故障数据进行信号分离处理获取所述故障数据对应的故障类型。
可选的，所述智能录波装置还包括：
可信度计算单元，用于根据所述故障数据和所述故障类型计算所述故障数据的预判故障可信度。
所述发送单元，还用于通过预设过滤机制将所述预判故障可信度和所述故障数据上送录波主站。
本申请第四方面提供了一种录波主站，包括：
接收单元，用于接收智能录波装置发送的故障数据；
自动生成单元，用于将所述故障数据进行数据融合判定自动生成故障分析报告。
可选的，所述自动生成单元，还用于通过D-S证据理论数据融合诊断方法对所述故障数据进行数据融合判定自动生成故障分析报告。
可选的，所述录波主站，还包括：
可信度接收单元，用于接收智能录波装置发送的预判故障可信度；
所述自动生成单元，还用于通过将所述故障数据和所述预判故障可信度进行数据融合判定自动生成故障分析报告。
本申请实施例第五方面提供了一种智能录波装置，包括：
处理器、存储器、输入输出设备以及总线；所述处理器与所述存储器、输入输出设备以及总线相连。
所述处理器执行如下操作：
获取变电站内的录波数据；
根据所述录波数据提取故障数据；
通过预设过滤机制将所述故障数据上送录波主站，以使得所述录波主站将所述故障数据进行信息融合处理自动生成故障分析报告。
可选的，所述处理器还用于执行第一方面中的任意可选方案的操作。
本申请实施例第六方面提供了一种录波主站，包括：
处理器、存储器、输入输出设备以及总线；所述处理器与所述存储器、输入输出设备以及总线相连。
所述处理器执行如下操作：
接收智能录波装置发送的故障数据；
将所述故障数据进行数据融合判定自动生成故障分析报告。
可选的，所述处理器还用于执行第二方面中的任意可选方案的操作。
本申请第七方面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保存有程序，所述程序在计算机上执行是执行前述海量故障录波数据处理方法。
从以上技术中：智能录波装置获取变电站内的录波数据；所述智能录波装置根据所述录波数据提取故障数据；所述智能录波装置通过预设过滤机制将所述故障数据上送录波主站，以使得所述录波主站将所述故障数据进行信息融合处理自动生成故障分析报告。本发明中的智能录波装置将获取到的录波数据进行故障数据的提取后，再将该故障数据通过预设的过滤机制上送录波主站，使得在录波主站在需要使用故障数据生成故障分析报告时，可减少对录波数据的处理，从而在整体上优化了海量录波数据处理链路，并缓解了调度分析数据压力，提高故障诊断时效性。
附图说明
图1为本申请中基于边缘计算的海量故障录波数据处理方法一个实施例流程示意图；
图2为本申请中基于边缘计算的海量故障录波数据处理方法另一实施例流程示意图；
图3为本申请中智能录波装置一个实施例结构示意图；
图4为本申请中录波主站一个实施例结构示意图；
图5为本申请中智能录波装置另一实施例结构示意图；
图6为本申请中录波主站另一实施例结构示意图；
图7为不同尺度波动逐级分解的故障电流信号的固有模态函数图。
具体实施方式
本申请实施例提供了一种基于边缘计算的海量故障录波数据处理方法，由于本发明中的智能录波装置将获取到的录波数据进行故障数据的提取后，再将该故障数据通过预设的过滤机制上送录波主站，使得在录波主站在需要使用故障数据生成故障分析报告时，可减少对录波数据的处理，从而在整体上优化了海量录波数据处理链路，并缓解了调度分析数据压力，提高故障诊断时效性。
请参阅图1，本申请实施例中基于边缘计算的海量故障录波数据处理方法一个实施例包括：
101、智能录波装置获取变电站内的录波数据；
在本实施例中，智能录波装置是电力系统发生故障及震动时，能自动记录得一种装置，它可以记录因短路故障、系统震荡、频率崩溃、电压崩溃等大扰动引起的系统电流、电压及其导出量，如有功、无功及系统频率的全过程变化现象。智能录波装置接入变电站，通过智能录波装置进行实时检测采集录波数据，该录波数据用于发送至调度主站内，使得调度主站通过该录波数据获取故障数据信息。
102、智能录波装置通过对录波数据并行检测提取故障数据；
当智能录波装置采集到录波数据之后，智能录波装置就对该录波数据进行并行检测来获取故障特征，具体的：先建立故障波形库，记录电网故障(单相接地、两相短路、两相接地、三相短路)波形特征信息；进一步的并行计算目标波形和故障库波形之间的绝对误差，绝对误差的计算公式为：
λ(i,j)＝|Sm(i,j)-T(i,j)|
式中，Sm(i,j)是故障波形库中第m个波形中的点；T(i,j)为目标匹配波形中的点。
然后将故障库波形当作模板，计算波形库中波形模板与目标待匹配波形点的绝对误差，并将每一点的误差累计，计算残差和，作为初始阈值TK。阈值选取对于算法的精度有较大影响，若阈值较大，运算速度较慢；阈值过小，匹配精度会降低，故采用改进后的自适应阈值进行阈值更新。将故障库波形模板不断移动，记下一个匹配区域的残差和为Tk+1，如果Tk+1大于等于TK，则收索完成；如果Tk+1小于TK，则使用Tk+1来更新TK，并记录该区域起始点位置坐标，当目标波形搜索完成，则可得目标匹配波形的最佳匹配结果，记录累加次数Rm。
继而智能录波装置并行计算故障库中波形和目标波形的匹配集合{r1,r2,...,rm}；最终的匹配结果n＝max{r1,r2,...,rm}，即使得阈值最小且累加次数最多的波形即为最终的故障匹配结果。相较于非匹配点来说，只需计算波形中的前几个点即可算出残差和超过阈值，波形不具有故障特征。只有匹配点附近的点才需要扩宽计算，这样平均起来每一点的运算次数将远远小于实测波形的点数，从而达到减少整个波形匹配过程计算量的目的。可以从海量录波数据中并行检测出5％带有故障特征的故障数据。
103、智能录波装置将故障数据进行信号分离处理获取故障数据对应的故障类型；
智能录波装置对检测出的5％带有故障特征的数据，利用希尔伯特-黄变换(Hilbert-Huang Transform，HHT)从信号本身的特征出发，通过经验模态分解(EmpiricalMode Decomposition，EMD)把原始信号分解为若干个固有模态分量(Intrinsic ModeFunction，IMF)，对IMF进行Hilbert变换得到每一个IMF随时间变化的瞬时频率和幅值。
原始信号可用
Figure BDA0003199261100000071
表示为若干个i(t)和一个残余项r(t)的和，将信号中真实存在的不同尺度的波动逐级分解出来，从高频到低频依次展开获取故障数据对应的故障类型，具体的：将原始信号x(t)上所有的极大值点用三次样条函数拟合成数据的上包络线，所有的极小值点逆合成下包络线，上下包络线的均值，记为m1(t)；进一步的将原始信号x(t)减去该均值即可得到一个去掉低频的新数据序列h1(t)；h1(t)一般仍不是一个IMF分量序列，为此需要对它重复进行上述处理过程，直到h1(t)符合IMF的定义要求，这样就得到第1个IMF分量i1(t)，它代表i(t)中最高频率的分量；继而将i1(t)从x(t)中分离出来，即得到一个去掉高频分量的差值信号r1(t)，即有r1(t)＝x(t)-i1(t)；最后将r1(t)作为原始数据，重复上述步骤a)-d)得到其余分量i2(t)～i5(t)，以及残余项r(t)，如图7。
104、智能录波装置根据故障数据和故障类型计算故障数据的预判故障可信度；
由于预判技术要求能在电网故障发生时，利用本地录波数据迅速进行故障类型和故障性质的判定，将故障判定报告的可信度做一定程度评价，并上传至录波主站，这样在电网发生复杂故障，或在保护、断路器误动时，能从高可信度的录波数据挖掘到真实、有效的故障信息，所以智能录波装置在将故障数据发送至录波主站之前获取故障数据的预判故障可信度。
电网发生故障时，录波故障信号中有大量的高频暂态分量，故障元件的高低频能量比远大于非故障元件。设第p(p＝1,2,…,N)个元件的录波故障信号为xp(t)，利用Hilbert时频谱H(f,t)对时域进行积分，得到高分辨率且能反映数据在频域上统计能量分布特征的Hilbert边际谱H(f)，分别计算低频段(f<100Hz)和高频段(f>100Hz)能量P1和P2，定义该元件的高低频能量比ep为ep＝P2/P1；继而采用
Figure BDA0003199261100000081
计算得到X＝{x1,x2,...,xn}，将其定义为频率变化度(Frequency Variation Degree,FVD)。
电网发生故障时，故障元件故障前后的总能量变化程度远大于非故障元件，通过HHT分析得到故障信号各频段上总能量值，设故障前、后一个周波信号的总能量值分别为E1和E2，求得故障前后能量总和变化率sp为sp＝E2/E1，再根据
Figure BDA0003199261100000091
可得到Y＝{y1,y2,...,yn}，将其定义为能量畸变度(Energy Distortion Degree,EDD)。
故障发生时，故障元件在故障前后的幅值变化程度远大于非故障元件,提取故障前、后对应的电流幅值I1和I2求得故障前后电流信号幅值变化率wp为：wp＝I2/I1，再使用
Figure BDA0003199261100000092
计算得到Z＝{z1,z2,...,zn}，将其定义为幅值故障度(Amplitude FaultDegree,AFD)。
通过HHT算法分离的录波信号，建立表征元件故障程度的指标X，Y和Z，取三个指标的平均值，预判故障可信度。
105、智能录波装置通过预设过滤机制将预判故障可信度和故障数据上送录波主站，以使得录波主站将故障数据进行信息融合处理自动生成故障分析报告。
在本实施例中，从故障特征机理中发现电气量和开关量通道间的关联关系，从智能录波装置启动的条件和预判故障可信度等信息中，探索并建立过滤规则，作为实现录波数据智能过滤传输的有效依据。依据可信度指标和过滤传输机制，建立录波数据智能过滤上送主站系统的流程，具体的：先将故障数据进行图形化展示；再对图形化展示的故障信号进行希尔伯特-黄变换(Hilbert-Huang Transform，HHT)分解；进一步的计算故障可信度，并打可信度标签tag；最后根据录波数据智能过滤传输机制，上传主站系统，实现边缘就地提炼出5％故障数据并携带有可信度tag信息，协助主站系统快速感知故障。
其中的录波数据智能过滤传输机制如下：
A：提取出具有故障特征的录波数据，按照故障性质划分录波数据为：故障录波(“F”)、检修录波(“M”)、启动录波(“S”)；
B：对于故障录波(“F”)，且判定故障类型为短路故障，按照可g信度概率指标值大小，取得上送至主站系统的优先权；
C：对于故障录波(“F”)，但无法快速判断故障类型的复杂故障，保存原始故障数据在专门的复杂故障文件目录下，直接定义为高传输优先级，不过滤此目录下任何录波数据，以免错误过滤导致漏诊；
D：对于启动录波(“S”)，但可信度低的录波数据，在主站资源闲置时进行数据的综合分析；
E：对于启动录波(“S”)，且可信度高的浪涌等干扰信号，进行扰动录波数据的拦截，减少无效数据的上送。
录波数据过滤机制为：对于启动录波(“S”)且可信度高和检修录波(“M”)数据直接过滤掉。
录波数据传输优先级顺序依次为：故障录波(“F”)且可信度高＞故障录波(“F”)且存储于复杂故障文件目录＞故障录波(“F”)且可信度低＞启动录波(“S”)且可信度低。
智能录波装置的录波数据和保护动作情况进行D-S证据理论融合诊断后综合判定，录波数据融合诊断结果如表1所示：
Figure BDA0003199261100000101
表1
由于本发明中的智能录波装置将获取到的录波数据进行故障数据的提取后，再将该故障数据通过预设的过滤机制发送至录波主站，使得在调度主站需要使用故障数据时，可减少对录波数据的处理，从而减少录波数据处理链路调度分析数据压力。
请参阅图2，本申请实施例基于边缘计算的海量故障录波数据处理方法另一实施例包括：
201、录波主站接收智能录波装置发送的预判故障可信度；
在本实施例中，当智能录波装置计算好预判故障可信度之后，智能录波装置就会将计算好的预判故障可信度上送至录波主站，此时录波主站就会接收到智能录波装置发送的预判故障可信度。
202、录波主站接收智能录波装置发送的故障数据；
当智能录波装置实时采集到录波数据后，智能录波装置就会将采集到的录波数据进行过滤处理获取录波数据中的故障数据，并将该故障数据发送至录波主站，此时录波主站就会接收到智能录波装置发送的故障数据。
在本申请中，步骤201与步骤202可以同时执行，也可以不同时执行，具体此处不做具体限定。
203、录波主站通过将故障数据和预判故障可信度进行数据融合判定自动生成故障分析报告。
由于智能录波装置对自身收集的录波数据进行故障预判只是初步判断，存在一定的局限性，会存在故障诊断可信度不足的情况。对于预判可信度低于阈值的录波数据诊断结果，主站利用录波组网的资源优势和与其他主站信息交互的模式，调用故障线路对侧以及保护动作的信息综合诊断故障，对上送主站的5％故障数据综合诊断，挖掘出2％的故障信息，获得融合诊断结果，以弥补单独分析可信度不足和故障信息之间有矛盾而误诊的情况，相当于对预判可信度低的故障数据做一次校验，提高故障判定的准确性。
其中数据融合诊断方法具体为：
A、智能录波装置对录波数据进行故障预判，并打上故障可信度tag，根据过滤传输机制，录波主站获取带有可信度tag的故障数据；
B、利用时间序列相近原则，主站侧调取对侧录波数据预判结果和可信度tag，确认两侧故障信息是否统一；
C、结合保信主站的保护动作情况和断路器开关变位信息，整理可疑故障元件集合；
D、根据可疑故障集合中元件的个数进行以下判断：若个数为1，且与两侧录波数据分析结果中的故障元件一致，则转到G)，否则转到E)；
E、对可疑故障元件集合中的每个元件逐一求取故障可信度指标，得到各元件的故障表征概率；
F、以两侧录波数据和保护动作信息故障可信度作为证据，对每个可疑故障元件利用D-S证据理论加权融合诊断故障；
G、得到主站侧故障诊断结果，即故障分析报告。
调度主站和智能录波装置在数据过滤前后相关指标对比，如表2所示：
Figure BDA0003199261100000121
表2
经过智能录波装置进行数据预判，在智能录波装置内部第一时间消化数据，预判成功率可达90％，用较小的时间代价可过滤掉95％无效数据。
2)经过智能录波装置数据过滤，过滤后上送数据量为之前数量的5％，价值密度可达95％，且上送至录波主站的传输时间仅为之前时长的1.8％。
3)由于仅有5％的数据量上送至录波主站，录波主站与变电站之间、调控与主站之间的交互指令呈指数级下降。同时，录波主站只需对接收到的5％故障数据中的37％可信度指标低的数据进行综合诊断，减少了主站计算约63％的工作量，让录波主站更多地面向调控机构执行定制化任务，优化了整个数据传输链路的结构。
统计广西电力调度控制中心2617例故障在云边协同应用前后故障诊断时间、延迟决策和漏检率指标，比对结果如表3所示。
Figure BDA0003199261100000131
表3
从表3可以看出，应用主站和厂站协同的方式后，故障最快反应速度从原来的8min提升至3min以内，故障平均处理时间提升66％，并且故障延迟决策和漏检比例降低，体现了边缘计算技术对资源的优化利用、提升了调度主站对故障的快速处理和对全网故障的掌控能力。
而其中D-S证据理论是一种处理不确定性问题的方法，广泛应用于信息融合、目标模式识别等领域。在应用中发现此理论存在一票否决、Zadeh悖论和公平等问题，从修改证据权重进行改进，提高改进后D-S证据理论的鲁棒性。
设识别框架Θ＝{A1,A2,...,An}，x个证据在识别框架下的基本概率分别为m1,m2,...,mx，证据权重w反应证据的相对可靠程度，将w作为修正系数修改原证据M＝{mj(A1),mj(A2),...,mj(An)}，得到修正后的证据概率分配函数，具体的：
计算证据平均概率m'ave(Ai)：
Figure BDA0003199261100000141
计算单个证据与证据平均概率的距离d'j：
Figure BDA0003199261100000142
d'j越小，证据权重越大，计算各证据概率权重和新的证据平均概率mave(Ai)；
Figure BDA0003199261100000143
Figure BDA0003199261100000144
利用mave(Ai)，计算每个证据与新的证据平均概率的距离；
重新定义各证据在每个命题下的权重并求出加权平均证据概率：
Figure BDA0003199261100000145
Figure BDA0003199261100000146
其中，m'j(Ai)＝{wjmj(Ai)|i＝1,2,...,n；j＝1,2,...,x}，mj(Ai)∈M且
Figure BDA0003199261100000147
最后，将wj修正后的证据和评价类证据故障度利用D-S组合规则式为：
Figure BDA0003199261100000148
获得故障融合可信度m(Ai)，其中，冲突因子K为：
Figure BDA0003199261100000149
k接近0，表明证据之间的冲突越小且融合结果越准确；k越接近1，表明证据之间的冲突越大且融合结果越不准确。当证据间的冲突因子k增大时，证据权重w降低，形成冲突因子和证据权重之间的动态调整。
请参阅图3，本申请实施例中智能录波装置一个实施例包括：
获取单元301，用于获取变电站内的录波数据；
提取单元302，用于根据录波数据提取故障数据；
发送单元303，用于通过预设过滤机制将故障数据上送录波主站，以使得录波主站将故障数据进行信息融合处理自动生成故障分析报告。
在本实施例中，提取单元302，还用于通过对录波数据并行检测提取故障数据。
本实施例中，该智能录波装置还可以进一步包括：
类型获取单元304，用于将故障数据进行信号分离处理获取故障数据对应的故障类型。
本实施例中，该智能录波装置还可以进一步包括：
可信度计算单元305，用于根据故障数据和故障类型计算故障数据的预判故障可信度。
发送单元303，还用于通过预设过滤机制将预判故障可信度和故障数据上送录波主站。
在本实施例中，获取单元301获取变电站内的录波数据，并将该录波数据发送至提取单元302和发送单元303，提取单元302通过对录波数据并行检测提取故障数据，并将该故障数据发送至类型获取单元304，类型获取单元304将故障数据进行信号分离处理获取故障数据对应的故障类型；此时智能录波装置将故障类型发送到可信度计算单元305，可信度计算单元305根据故障数据和故障类型计算故障数据的预判故障可信度，且将该预判故障可信度发送至发送单元303，当发送单元303接收到预判故障可信度和故障数据之后，发送单元303通过预设过滤机制将预判故障可信度和故障数据上送录波主站。
请参阅4，本申请实施例中录波主站一个实施例包括：
接收单元401，用于接收智能录波装置发送的故障数据，故障数据包括故障预判结果、故障类型；
自动生成单元402，用于将故障数据进行数据融合判定自动生成故障分析报告。
本实施例中，自动生成单元402，还用于通过D-S证据理论数据融合诊断方法对故障数据进行数据融合判定自动生成故障分析报告。
本实施例中，该录波主站还包括：
可信度接收单元403，用于接收智能录波装置发送的预判故障可信度；
自动生成单元402，还用于通过将故障数据和预判故障可信度进行数据融合判定自动生成故障分析报告。
在本实施例中，当智能录波装置实时获取到录波数据，并对该录波数据进行过滤处理之后获取故障数据和计算故障数据的预判故障可信度，再将该故障数据和该预判故障可信度发送至录波主站，此时接收单元401接收智能录波装置发送的故障数据，并将该故障数据发送至自动生成单元402；同时可信度接收单元403接收智能录波装置发送的预判故障可信度，并将该预判故障可信度也发送至自动生成单元。自动生成单元402通过将故障数据和预判故障可信度进行数据融合判定自动生成故障分析报告。
下面对本申请实施例中的智能录波装置进行详细描述，请参阅图5，本申请实施例中录波主站装置另一实施例包括：
处理器501、存储器502、输入输出单元503、总线504；
处理器501与存储器502、输入输出单元503以及总线504相连；
处理器501执行如下操作：
获取变电站内的录波数据；
提取录波数据的故障数据，故障数据包括故障预判结果与故障类型；
通过预设过滤机制将故障数据发送给至录波主站，以使得录波主站将故障数据进行信息融合处理与数据解析获取故障分析报告。
本实施例中，处理器501的功能与前述图1所示实施例中的步骤，此处不再赘述。
下面对本申请实施例中的录波主站进行详细描述，请参阅图6，本申请实施例中录波主站另一实施例包括：
处理器601、存储器602、输入输出单元603、总线604；
处理器601与存储器602、输入输出单元603以及总线604相连；
处理器601执行如下操作：
接收智能录波装置发送的故障数据，故障数据包括故障预判结果、故障类型；
将故障数据进行数据融合判定获取故障分析报告。
本实施例中，处理器601的功能与前述图2所示实施例中的步骤，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元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，本申请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全部或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(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。

Claims (7)

1.一种基于边缘计算的海量故障录波数据处理方法，其特征在于，包括：
智能录波装置获取变电站内的录波数据；
所述智能录波装置根据所述录波数据提取故障数据；
所述智能录波装置通过预设过滤机制将所述故障数据上送录波主站，以使得所述录波主站将所述故障数据进行信息融合处理自动生成故障分析报告。
2.根据权利要求1所述的海量故障录波数据处理方法，其特征在于，所述所述智能录波装置根据所述录波数据提取故障数据，包括：
所述智能录波装置通过对所述录波数据并行检测提取故障数据。
3.根据权利要求2所述的海量故障录波数据处理方法，其特征在于，所述所述智能录波装置通过对所述录波数据并行检测提取故障数据之后，所述方法还包括：
所述智能录波装置将所述故障数据进行信号分离处理获取所述故障数据对应的故障类型。
4.根据权利要求3所述的海量故障录波数据处理方法，其特征在于，所述智能录波装置将所述故障数据进行信号分离处理获取所述故障数据对应的故障类型之后，所述方法还包括：
所述智能录波装置根据所述故障数据和所述故障类型计算所述故障数据的预判故障可信度。
所述智能录波装置通过预设过滤机制将所述故障数据上送录波主站，包括：
所述智能录波装置通过预设过滤机制将所述预判故障可信度和所述故障数据上送录波主站。
5.一种基于边缘计算的海量故障录波数据处理方法，其特征在于，包括：
录波主站接收智能录波装置发送的故障数据；
所述录波主站将所述故障数据进行数据融合判定自动生成故障分析报告。
6.根据权利要求5所述的海量故障录波数据处理方法，其特征在于，所述录波主站将所述故障数据进行数据融合判定获取故障分析报告，包括：
所述录波主站通过D-S证据理论数据融合诊断方法对所述故障数据进行数据融合判定自动生成故障分析报告。
7.根据权利要求6所述的海量故障录波数据处理方法，其特征在于，所述录波主站将所述故障数据进行数据融合判定自动生成故障分析报告之前，所述方法还包括：
录波主站接收智能录波装置发送的预判故障可信度；
所述录波主站将所述故障数据进行数据融合判定自动生成故障分析报告，包括：
所述录波主站通过将所述故障数据和所述预判故障可信度进行数据融合判定自动生成故障分析报告。
CN202110899781.2A 2021-08-06 2021-08-06 一种基于边缘计算的海量故障录波数据处理方法 Active CN113644741B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110899781.2A CN113644741B (zh) 2021-08-06 2021-08-06 一种基于边缘计算的海量故障录波数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110899781.2A CN113644741B (zh) 2021-08-06 2021-08-06 一种基于边缘计算的海量故障录波数据处理方法

Publications (2)

Publication Number Publication Date
CN113644741A true CN113644741A (zh) 2021-11-12
CN113644741B CN113644741B (zh) 2023-10-24

Family

ID=78419804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110899781.2A Active CN113644741B (zh) 2021-08-06 2021-08-06 一种基于边缘计算的海量故障录波数据处理方法

Country Status (1)

Country Link
CN (1) CN113644741B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114217168A (zh) * 2021-12-07 2022-03-22 云南电网有限责任公司保山供电局 基于录波数据最优特征选取的输电线路故障高效诊断方法
CN117233536A (zh) * 2023-11-08 2023-12-15 深圳海辰储能科技有限公司 户用储能拓扑中的线路故障检测方法及相关设备
CN118689654A (zh) * 2024-08-23 2024-09-24 北京云庐科技有限公司 一种边缘端数据的处理方法、处理系统和介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020172180A1 (en) * 2000-10-27 2002-11-21 Hall Eric K. Use of chip repetition to produce a flexible bandwidth DS-CDMA system
CN106950445A (zh) * 2017-03-15 2017-07-14 北京四方继保自动化股份有限公司 一种基于故障录波数据的站间时差分析方法
CN111598166A (zh) * 2020-05-18 2020-08-28 国网山东省电力公司电力科学研究院 基于主分量分析和Softmax函数的单相接地故障分类方法和系统
CN212364472U (zh) * 2020-04-29 2021-01-15 国网湖南省电力有限公司 一种低压配电网窃漏电检测装置和监测系统
US20210109556A1 (en) * 2019-10-11 2021-04-15 Schneider Electric USA, Inc. Systems and methods for managing energy-related stress in an electrical system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020172180A1 (en) * 2000-10-27 2002-11-21 Hall Eric K. Use of chip repetition to produce a flexible bandwidth DS-CDMA system
CN106950445A (zh) * 2017-03-15 2017-07-14 北京四方继保自动化股份有限公司 一种基于故障录波数据的站间时差分析方法
US20210109556A1 (en) * 2019-10-11 2021-04-15 Schneider Electric USA, Inc. Systems and methods for managing energy-related stress in an electrical system
CN212364472U (zh) * 2020-04-29 2021-01-15 国网湖南省电力有限公司 一种低压配电网窃漏电检测装置和监测系统
CN111598166A (zh) * 2020-05-18 2020-08-28 国网山东省电力公司电力科学研究院 基于主分量分析和Softmax函数的单相接地故障分类方法和系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114217168A (zh) * 2021-12-07 2022-03-22 云南电网有限责任公司保山供电局 基于录波数据最优特征选取的输电线路故障高效诊断方法
CN114217168B (zh) * 2021-12-07 2024-06-04 云南电网有限责任公司保山供电局 基于录波数据最优特征选取的输电线路故障高效诊断方法
CN117233536A (zh) * 2023-11-08 2023-12-15 深圳海辰储能科技有限公司 户用储能拓扑中的线路故障检测方法及相关设备
CN117233536B (zh) * 2023-11-08 2024-01-26 深圳海辰储能科技有限公司 户用储能拓扑中的线路故障检测方法及相关设备
CN118689654A (zh) * 2024-08-23 2024-09-24 北京云庐科技有限公司 一种边缘端数据的处理方法、处理系统和介质

Also Published As

Publication number Publication date
CN113644741B (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
CN113644741A (zh) 一种基于边缘计算的海量故障录波数据处理方法
CN107909118B (zh) 一种基于深度神经网络的配电网工况录波分类方法
CN107609569B (zh) 一种基于多维特征向量的配电网接地故障定位方法
WO2019184557A1 (zh) 定位根因告警的方法、装置和计算机可读存储介质
CN113591393B (zh) 智能变电站的故障诊断方法、装置、设备和存储介质
CN105932774A (zh) 基于ica算法的智能变电站设备状态预警方法
CN102508076A (zh) 一种基于多智能体系统和小波分析的故障诊断装置及方法
CN108562821A (zh) 一种基于Softmax确定配电网单相接地故障选线的方法及系统
Kezunovic Translational knowledge: From collecting data to making decisions in a smart grid
CN111783696A (zh) 一种基于pv关系的低压分支拓扑实时分析的边缘计算方法
Turizo et al. Voltage sags characterization using fault analysis and deep convolutional neural networks
CN113702767B (zh) 基于小波滑窗能量的孤岛直流微电网故障诊断方法
CN114978877A (zh) 一种异常处理方法、装置、电子设备及计算机可读介质
CN114415056A (zh) 一种分布式电源孤岛故障的检测方法
WO2024119983A1 (zh) 一种轨道车辆电缆终端的异常检测方法及装置
CN109635430A (zh) 电网输电线路暂态信号监测方法和系统
CN111628888B (zh) 一种故障诊断方法、装置、设备及计算机存储介质
CN116757870A (zh) 一种能源物联网的智慧能源监控数据处理方法及系统
CN111343271A (zh) 一种基于dtu设备的人工智能云控制方法及系统
CN114325072B (zh) 基于格拉姆角场编码的铁磁谐振过电压识别方法及装置
CN114661700A (zh) 一种基于ai的人工影响天气作业效果检验方法
JP3479711B2 (ja) 電力系統状態決定装置
CN106980925B (zh) 一种基于大数据的区域电网调度方法
CN111103490A (zh) 一种负荷辨识事件检测方法、装置及设备
CN110572356A (zh) 基于边缘网关数据质量评价的计算能力迁移方法及系统

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
GR01 Patent grant
GR01 Patent grant