CN113645587B - 一种基于边缘物联代理的变电站综合监测分析方法和系统 - Google Patents

一种基于边缘物联代理的变电站综合监测分析方法和系统 Download PDF

Info

Publication number
CN113645587B
CN113645587B CN202111188445.3A CN202111188445A CN113645587B CN 113645587 B CN113645587 B CN 113645587B CN 202111188445 A CN202111188445 A CN 202111188445A CN 113645587 B CN113645587 B CN 113645587B
Authority
CN
China
Prior art keywords
data
monitoring
monitoring data
medium
speed level
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.)
Active
Application number
CN202111188445.3A
Other languages
English (en)
Other versions
CN113645587A (zh
Inventor
杨兆静
陈操
陈学科
张明星
程龙胜
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.)
Beijing Zhimeng Ict Co ltd
Original Assignee
Beijing Zhimeng Ict 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 Beijing Zhimeng Ict Co ltd filed Critical Beijing Zhimeng Ict Co ltd
Priority to CN202111188445.3A priority Critical patent/CN113645587B/zh
Publication of CN113645587A publication Critical patent/CN113645587A/zh
Application granted granted Critical
Publication of CN113645587B publication Critical patent/CN113645587B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/35—Utilities, e.g. electricity, gas or water
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation

Abstract

本发明提出了一种基于边缘物联代理的变电站综合监测分析方法和系统，该方法包括:采用多个监测器件对变电站监测，获得多组监测数据；检查监测数据是否完整；根据时延敏感性对监测数据进行分类，监测数据包括高中低敏感数据；将高敏感数据置于边缘物联代理中处理，将低敏感数据置于云服务器中处理；根据经济性指标，选择性将中敏感数据置于边缘物联代理或云服务器中处理；根据传输速率将无线网络划分为多个层级；将中敏感数据和低敏感数据选择性接入无线网络；接收监测数据进行处理以获得处理结果，根据处理结果对变电站进行控制。本发明使监测数据更加全面，优化监测数据处理策略，实现了时延和能耗均衡配置，提高了边缘物联代理的资源利用率。

Description

一种基于边缘物联代理的变电站综合监测分析方法和系统
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种基于边缘物联代理的变电站综合监测分析方法和系统。
背景技术
随着智能电网的建设发展，电网35KV以上变电站中大量使用包括断路器、隔离开关、接地开关、电压互感器、电流互感器、避雷器、母线、电缆终端、进出线套管等组合电气设备，数量庞大，涉及众多厂家和众多型号，对设备状态监测以及智能化运维提出了更高的要求。
边缘物联代理是连接智能电网终端与云端的重要感知层设备，是在靠近物或数据源头的网络边缘侧，将网络、计算、存储、应用核心能力进行融合，就近提供边缘智能服务，满足了智能电网不断变化的应用需求，实现了监测数据的本地化处理。
然而，由于监测数据的数量庞大，且日益增加，对边缘物联代理设备的处理能力带来巨大考验，目前通常采用增加边缘物联代理设备数量的方式提高数据的处理能力，造成设备成本和运营成本提高；而且，处于边缘物联代理和云服务器之间的无线网络没有根据传输速率划分层级，大量数据接入网络后造成网络延迟高，资源利用率低下。
发明内容
鉴于上述问题，本发明提供了一种基于边缘物联代理的变电站综合监测分析方法和系统。
为解决上述技术问题，本发明采用的技术方案是：一种基于边缘物联代理的变电站综合监测分析方法，包括如下步骤:采用多个监测器件对变电站不同设备进行监测，获得多组监测数据；检查所述监测数据是否完整，若完整，则进行下一步，反之，对监测数据进行预测并填充；根据时延敏感性对所述监测数据进行分类，所述监测数据包括高敏感数据、中敏感数据和低敏感数据；将所述高敏感数据置于边缘物联代理中处理，将所述低敏感数据置于云服务器中处理；根据经济性指标，选择性将所述中敏感数据置于边缘物联代理或云服务器中处理，所述经济性指标由数据处理所需能耗和时延计算获得；根据传输速率将覆盖边缘物联代理的无线网络划分为多个层级，所述层级包括高速层级、中速层级和低速层级；将所述中敏感数据和低敏感数据选择性接入无线网络的高速层级、中速感层级和低速层级；接收监测数据进行处理以获得处理结果，根据处理结果对变电站进行控制。
作为优选方案，所述检查监测数据是否完整，包括：在一个检查周期内，根据所有监测器件发送的监测数据数量，判断所述监测数据数量是否与设定监测数据数量相等，若相等，则说明所述监测数据完整。
作为优选方案，所述对监测数据进行预测并填充，包括：建立监测数据回归模型；将多个连续检查周期中的历史监测数据作为训练样本载入回归模型进行训练，直至收敛，获得监测数据预测模型，所述历史监测数据包括ID编码、检查周期序号和历史监测值，所述ID编码包括变电站ID、被测设备ID和监测器件ID；将ID编码和当前检查周期序号代入对应监测数据预测模型，获得预测监测值，并将所述预测监测值填充至数据丢失位置。
作为优选方案，所述监测数据预测模型的预测函数为：
Figure 100002_DEST_PATH_IMAGE001
其中，
Figure 993805DEST_PATH_IMAGE002
为预测监测值，
Figure 100002_DEST_PATH_IMAGE003
为第i个检查周期的历史监测值，n为当前处于第n个 检查周期，k为权重系数。
作为优选方案，所述根据经济性指标，选择性将中敏感数据置于边缘物联代理或云服务器中处理，所述经济性指标由数据处理所需能耗和时延计算获得；包括：若将中敏感数据置于边缘物联代理中处理，则所述能耗H1和时延T1的计算公式分别为：
Figure 69209DEST_PATH_IMAGE004
其中，
Figure 100002_DEST_PATH_IMAGE005
为第n个监测数据的计算量，即当前中敏感数据的计算量，
Figure 265835DEST_PATH_IMAGE006
为边缘物联 代理的计算能力，单位为HZ，
Figure 100002_DEST_PATH_IMAGE007
为边缘物联代理的功率，
Figure 692268DEST_PATH_IMAGE008
为第i个监测数据的计算量，i∈ [1,n-1]时，为排队等待执行的监测数据；
若将中敏感数据置于云服务器中处理，则所述能耗H2和时延T2的计算公式分别为：
Figure 100002_DEST_PATH_IMAGE009
Figure 98454DEST_PATH_IMAGE010
其中，
Figure 100002_DEST_PATH_IMAGE011
为传输功率，M为监测数据的计算量，ω为无线网络的带宽，
Figure 559523DEST_PATH_IMAGE012
为路径损 耗常数，
Figure 100002_DEST_PATH_IMAGE013
为参考距离，θ为路径损耗指数，L为边缘物联代理至云服务器的距离，
Figure 927050DEST_PATH_IMAGE014
为噪声 功率密度，
Figure 100002_DEST_PATH_IMAGE015
为云服务器的功率，
Figure 575200DEST_PATH_IMAGE016
为云服务器的计算能力；
则经济性指标e=λH+μT，λ和μ分别为能耗H和时延T的权重系数，计算出e1和e2；比较经济性指标e1和e2的大小，若e1＜e2，则选择将中敏感数据置于边缘物联代理中处理，若e1＞e2，则选择将中敏感数据置于云服务器中处理。
作为优选方案，所述将中敏感数据和低敏感数据选择性接入无线网络的高速层级、中速层级和低速层级，包括：所述低敏感数据默认接入低速层级，当中速层级传输速率高于低速层级，且所述中速层级在预设时间段内无中敏感数据接入时，从低速层级切换至中速层级；所述中敏感数据默认接入高速层级，当中速层级传输速率高于高速层级时，从高速层级切换至中速层级。
作为优选方案，所述传输速率的计算公式为：
Figure 100002_DEST_PATH_IMAGE017
其中，
Figure 53586DEST_PATH_IMAGE018
为第j个层级网络的接入设备数量，j=1，2，3分别表示高速层级、中速层级 和低速层级网络，
Figure 100002_DEST_PATH_IMAGE019
为第j个层级网络的带宽，
Figure 634740DEST_PATH_IMAGE020
为第j个层级网络的发射功率，G为信道 增益，
Figure 100002_DEST_PATH_IMAGE021
为噪声功率密度，I为受到的总干扰，loss为传播损耗。
作为优选方案，在所述获得多组监测数据之后，还包括：采用IOT-HUB插件将每组监测数据转化为统一数据格式，所述IOT-HUB插件部署在监测系统上，且与监测器件一一对应。
作为优选方案，所述接收监测数据进行处理以获得处理结果，包括：统计在预设时间段内，异常监测数据的出现次数及其对应紧急度，发出预警通知。
本发明还提出了一种基于边缘物联代理的变电站综合监测分析系统，包括：监测模块，用于对变电站不同设备进行监测，获得多组监测数据；数据检查模块，用于检查所述监测数据是否完整，若完整，则进行下一步，反之，对监测数据进行预测并填充；数据分类模块，用于根据时延敏感性对所述监测数据进行分类，所述监测数据包括高敏感数据、中敏感数据和低敏感数据；第一处理模块，用于将所述高敏感数据置于边缘物联代理中处理，将所述低敏感数据置于云服务器中处理；第二处理模块，用于根据经济性指标，选择性将所述中敏感数据置于边缘物联代理或云服务器中处理，所述经济性指标由数据处理所需能耗和时延计算获得；网络划分模块，用于根据传输速率将覆盖边缘物联代理的无线网络划分为多个层级，所述层级包括高速层级、中速层级和低速层级；网络接入模块，用于将所述中敏感数据和低敏感数据选择性接入无线网络的高速层级、中速感层级和低速层级；处理控制模块，用于接收监测数据进行处理以获得处理结果，根据处理结果对变电站进行控制。
与现有技术相比，本发明的有益效果包括：在获得监测数据后，检查监测数据是否完整，若不完整则说明该组监测数据缺失，由于各组监测数据之间具有关联性，为了获得较为准确的处理结果，对数据缺失位置进行预测和填充，使监测数据更加全面。通过将监测数据进行分类，选择性置于边缘物联代理或云服务器中运行，优化了监测数据处理策略，实现了时延和能耗的均衡配置，提高了边缘物联代理的资源利用率。通过将无线网络划分为多个层级，选择性接入中敏感数据和低敏感数据，并实时监测各层级网络传输速率，进行网络层级切换，提升网络资源利用率和传输速度。
附图说明
参照附图来说明本发明的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本发明的保护范围构成限制。在附图中，相同的附图标记用于指代相同的部件。其中：
图1为本发明实施例的基于边缘物联代理的变电站综合监测分析方法的实施环境示意图；
图2为本发明实施例的基于边缘物联代理的变电站综合监测分析方法的流程示意图；
图3为本发明实施例的基于边缘物联代理的变电站综合监测分析系统的结构示意图。
具体实施方式
容易理解，根据本发明的技术方案，在不变更本发明实质精神下，本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。
参见图1，为本发明实施例的基于边缘物联代理的变电站综合监测分析方法的实施环境示意图。该实施环境包括监测系统、边缘物联代理、分类转接模块、次控制器、基站、云服务器和主控制站，该监测系统包括多个与变电站的各被测设备相连的监测器件，用于获取各被测设备的状态参数（电压、电流、频率、负载）、外观数据及所处环境数据。被测设备包括变电站的变压器、断路器、隔离开关、计量装置、继电保护装置、接地开关、避雷器和电缆终端等。边缘物联代理与监测系统连接，经边缘物联代理处理后的数据直接传输至次控制站，边缘物联代理与次控制站之间采用光纤传输，传输速度快、时延低。其余数据经分类转接模块发送至基站的各层级，该基站为5G基站，再由基站传输至云服务器进行处理，处理后的结果通过基站发送至主控制站，次控制站和主控制站根据处理结果对变电站内的各被测设备进行相应控制。
参见图2，本发明公开了一种基于边缘物联代理的变电站综合监测分析方法，包括如下步骤:
S101，采用多个监测器件对变电站不同设备进行监测，获得多组监测数据。该监测数据包括被测设备的状态参数、视频监控数据、设备外观图片数据、温湿度环境数据等。
可选的，在获得多组监测数据之后，还包括：采用IOT-HUB（物联网通信）插件将每组监测数据转化为统一数据格式，IOT-HUB插件部署在监测系统上，且与监测器件一一对应。IOT-HUB插件可以包括多种类型，一种类型插件可以对一种类型监测器件的数据进行转化，将多种类型数据转化为统一数据格式，减少了监测数据的传输量，提高了系统并发性，便于进行数据的分类部署和汇总。
S102，检查监测数据是否完整，若完整，则进行下一步，反之，对监测数据进行预测并填充。同时，将与缺失监测数据对应的监测器件故障通知上报至管理员，通知及时维修更换。
具体的，检查监测数据是否完整，包括：在一个检查周期内，根据所有监测器件发送的监测数据数量，判断监测数据数量是否与设定监测数据数量相等，若相等，则说明监测数据完整。
当监测数据数量与设定监测数据数量不相等时，对监测数据进行预测并填充，包括：
1）建立监测数据回归模型。
2）将多个连续检查周期中的历史监测数据作为训练样本载入回归模型进行训练，直至收敛，获得监测数据预测模型，历史监测数据包括ID编码、检查周期序号和历史监测值，ID编码包括变电站ID、被测设备ID和监测器件ID。
监测数据预测模型的预测函数为：
Figure 907590DEST_PATH_IMAGE022
其中，
Figure 105353DEST_PATH_IMAGE002
为预测监测值，
Figure 653009DEST_PATH_IMAGE003
为第i个检查周期的历史监测值，n为当前处于第n个 检查周期，k为权重系数。
3）将ID编码和当前检查周期序号代入对应监测数据预测模型，获得预测监测值，并将预测监测值填充至数据丢失位置。由于各组监测数据之间具有关联性，对数据缺失位置进行预测和填充，使监测数据更加全面，可以获得较为准确的处理结果。
S103，根据时延敏感性对监测数据进行分类，监测数据包括高敏感数据、中敏感数据和低敏感数据。例如，将被测设备的状态参数定义为高敏感数据，将设备外观图片数据、温湿度环境数据定义为中敏感数据，将视频监控数据定义为低敏感数据，每种类型数据具有相应标志，用于识别不同类型数据。
S104，将高敏感数据置于边缘物联代理中处理，将低敏感数据置于云服务器中处理。由于高敏感数据对时延的敏感性显著，在获取数据后直接在边缘物联代理中处理，再由次控制器对变电站设备进行控制，反应迅速，及时控制。低敏感数据由于具有数据量大、时延敏感偏低的特点，利用云服务器强大计算能力进行处理，降低了边缘物联代理负荷，提高了系统运行的稳定性。
S105，根据经济性指标，选择性将中敏感数据置于边缘物联代理或云服务器中处理，经济性指标由数据处理所需能耗和时延计算获得。
中敏感数据的选择策略如下所示：
（1）若将中敏感数据置于边缘物联代理中处理，则能耗H1和时延T1的计算公式分别为：
Figure DEST_PATH_IMAGE023
其中，
Figure 85740DEST_PATH_IMAGE005
为第n个监测数据的计算量，即当前中敏感数据的计算量，
Figure 60649DEST_PATH_IMAGE006
为边缘物联 代理的计算能力，单位为HZ，
Figure 745708DEST_PATH_IMAGE007
为边缘物联代理的功率，
Figure 362634DEST_PATH_IMAGE008
为第i个监测数据的计算量，i∈ [1,n-1]时，为排队等待执行的监测数据。
（2）若将中敏感数据置于云服务器中处理，则能耗H2和时延T2的计算公式分别为：
Figure 183960DEST_PATH_IMAGE024
Figure DEST_PATH_IMAGE025
其中，
Figure 64191DEST_PATH_IMAGE011
为传输功率，M为监测数据的计算量，ω为无线网络的带宽，
Figure 970967DEST_PATH_IMAGE012
为路径损 耗常数，
Figure 860426DEST_PATH_IMAGE013
为参考距离，θ为路径损耗指数，L为边缘物联代理至云服务器的距离，
Figure 801837DEST_PATH_IMAGE014
为噪声 功率密度，
Figure 118549DEST_PATH_IMAGE026
为云服务器的功率，
Figure DEST_PATH_IMAGE027
为云服务器的计算能力。
（3）经济性指标e=λH+μT，λ和μ分别为能耗H和时延T的权重系数，计算出e1和e2。
（4）比较经济性指标e1和e2的大小，若e1＜e2，则选择将中敏感数据置于边缘物联代理中处理，若e1＞e2，则选择将中敏感数据置于云服务器中处理。
S106，根据传输速率将覆盖边缘物联代理的无线网络划分为多个层级，层级包括高速层级、中速层级和低速层级。本实施例中，该无线网络采用5G基站，利用SDN（SoftwareDefined Network，软件定义网络）和NFV（Network Functions Virtualization，网络功能虚拟化）技术将5G网络划分为多个层级，形成独立的、相互隔离的网络功能模块。
S107，将中敏感数据和低敏感数据选择性接入无线网络的高速层级、中速感层级和低速层级。优化了监测数据处理策略，实现了时延和能耗的均衡配置，提高了边缘物联代理的资源利用率。
详细的，低敏感数据默认接入低速层级，当中速层级传输速率高于低速层级，且中速层级在预设时间段内无中敏感数据接入时，从低速层级切换至中速层级。
中敏感数据默认接入高速层级，当中速层级传输速率高于高速层级时，从高速层级切换至中速层级。
传输速率的计算公式为：
Figure 715883DEST_PATH_IMAGE028
其中，
Figure DEST_PATH_IMAGE029
为第j个层级网络的接入设备数量，j=1，2，3分别表示高速层级、中速层级 和低速层级网络，
Figure 612295DEST_PATH_IMAGE019
为第j个层级网络的带宽，
Figure 428721DEST_PATH_IMAGE020
为第j个层级网络的发射功率，G为信道 增益，
Figure 181913DEST_PATH_IMAGE030
为噪声功率密度，I为受到的总干扰，loss为传播损耗。
S108，接收监测数据进行处理以获得处理结果，根据处理结果对变电站进行控制。具体为：统计在预设时间段内，异常监测数据的出现次数及其对应紧急度，发出预警通知。
每个监测数据均可以具有对应的预设阈值，对于可以进行单独分析的监测数据，可以通过判断该监测数据是否大于对应的预设阈值，若大于，则确定该监测数据异常，并确定该监测数据对应的待测设备为异常设备。对于需要综合分析的监测数据，根据预设关联关系，确定需要进行综合分析的多个监测数据，若综合分析的多个监测数据中，每个监测数据均大于对应的预设阈值，则可以确定该多个监测数据异常，并确定该多个监测数据对应的待测设备为异常设备。还可以根据异常数据出现次数及其对应紧急度，参照预设预警等级划分规则，进行预警等级划分，不同的预警等级，表示设备异常的程度不同。
参见图3，本发明还提出了一种基于边缘物联代理的变电站综合监测分析系统，包括：
监测模块101，用于对变电站不同设备进行监测，获得多组监测数据。
数据检查模块102，用于检查监测数据是否完整，若完整，则进行下一步，反之，对监测数据进行预测并填充。
数据分类模块103，用于根据时延敏感性对监测数据进行分类，监测数据包括高敏感数据、中敏感数据和低敏感数据。
第一处理模块104，用于将高敏感数据置于边缘物联代理中处理，将低敏感数据置于云服务器中处理。
第二处理模块105，用于根据经济性指标，选择性将中敏感数据置于边缘物联代理或云服务器中处理，经济性指标由数据处理所需能耗和时延计算获得。
网络划分模块106，用于根据传输速率将覆盖边缘物联代理的无线网络划分为多个层级，层级包括高速层级、中速层级和低速层级。
网络接入模块107，用于将中敏感数据和低敏感数据选择性接入无线网络的高速层级、中速感层级和低速层级。
处理控制模块108，用于接收监测数据进行处理以获得处理结果，根据处理结果对变电站进行控制。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、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。
综上所述，本发明的有益效果包括：在获得监测数据后，检查监测数据是否完整，若不完整则说明该组监测数据缺失，由于各组监测数据之间具有关联性，为了获得较为准确的处理结果，对数据缺失位置进行预测和填充，使监测数据更加全面。通过将监测数据进行分类，选择性置于边缘物联代理或云服务器中运行，优化了监测数据处理策略，实现了时延和能耗的均衡配置，提高了边缘物联代理的资源利用率。通过将无线网络划分为多个层级，选择性接入中敏感数据和低敏感数据，并实时监测各层级网络传输速率，进行网络层级切换，提升网络资源利用率和传输速度。
应理解，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。
本发明的技术范围不仅仅局限于上述说明中的内容，本领域技术人员可以在不脱离本发明技术思想的前提下，对上述实施例进行多种变形和修改，而这些变形和修改均应当属于本发明的保护范围内。

Claims (10)

1.一种基于边缘物联代理的变电站综合监测分析方法，其特征在于，包括如下步骤:
采用多个监测器件对变电站不同设备进行监测，获得多组监测数据；
检查所述监测数据是否完整，若完整，则进行下一步，反之，对监测数据进行预测并填充；
根据时延敏感性对所述监测数据进行分类，所述监测数据包括高敏感数据、中敏感数据和低敏感数据；
将所述高敏感数据置于边缘物联代理中处理，将所述低敏感数据置于云服务器中处理；
根据经济性指标，选择性将所述中敏感数据置于边缘物联代理或云服务器中处理，所述经济性指标由数据处理所需能耗和时延计算获得；
根据传输速率将覆盖边缘物联代理的无线网络划分为多个层级，所述层级包括高速层级、中速层级和低速层级；
将所述中敏感数据和低敏感数据选择性接入无线网络的高速层级、中速层级和低速层级；
接收监测数据进行处理以获得处理结果，根据处理结果对变电站进行控制。
2.根据权利要求1所述的基于边缘物联代理的变电站综合监测分析方法，其特征在于，所述检查监测数据是否完整，包括：在一个检查周期内，根据所有监测器件发送的监测数据数量，判断所述监测数据数量是否与设定监测数据数量相等，若相等，则说明所述监测数据完整。
3.根据权利要求1所述的基于边缘物联代理的变电站综合监测分析方法，其特征在于，所述对监测数据进行预测并填充，包括：
建立监测数据回归模型；
将多个连续检查周期中的历史监测数据作为训练样本载入回归模型进行训练，直至收敛，获得监测数据预测模型，所述历史监测数据包括ID编码、检查周期序号和历史监测值，所述ID编码包括变电站ID、被测设备ID和监测器件ID；
将ID编码和当前检查周期序号代入对应监测数据预测模型，获得预测监测值，并将所述预测监测值填充至数据丢失位置。
4.根据权利要求3所述的基于边缘物联代理的变电站综合监测分析方法，其特征在于，所述监测数据预测模型的预测函数为：
Figure DEST_PATH_IMAGE001
其中，
Figure 668718DEST_PATH_IMAGE002
为预测监测值，
Figure DEST_PATH_IMAGE003
为第i个检查周期的历史监测值，n为当前处于第n个检查周期，k为权重系数。
5.根据权利要求1所述的基于边缘物联代理的变电站综合监测分析方法，其特征在于，所述根据经济性指标，选择性将中敏感数据置于边缘物联代理或云服务器中处理，所述经济性指标由数据处理所需能耗和时延计算获得；
包括：
若将中敏感数据置于边缘物联代理中处理，则所述能耗H1和时延T1的计算公式分别为：
Figure 164421DEST_PATH_IMAGE004
其中，
Figure DEST_PATH_IMAGE005
为第n个监测数据的计算量，即当前中敏感数据的计算量，
Figure 428043DEST_PATH_IMAGE006
为边缘物联代理的计算能力，单位为HZ，
Figure DEST_PATH_IMAGE007
为边缘物联代理的功率，
Figure 325592DEST_PATH_IMAGE008
为第i个监测数据的计算量，i∈[1,n-1]时，为排队等待执行的监测数据；
若将中敏感数据置于云服务器中处理，则所述能耗H2和时延T2的计算公式分别为：
Figure DEST_PATH_IMAGE009
Figure 914837DEST_PATH_IMAGE010
其中，
Figure DEST_PATH_IMAGE011
为传输功率，M为监测数据的计算量，ω为无线网络的带宽，
Figure 632257DEST_PATH_IMAGE012
为路径损耗常数，
Figure DEST_PATH_IMAGE013
为参考距离，θ为路径损耗指数，L为边缘物联代理至云服务器的距离，
Figure 696640DEST_PATH_IMAGE014
为噪声功率密度，
Figure DEST_PATH_IMAGE015
为云服务器的功率，
Figure 651958DEST_PATH_IMAGE016
为云服务器的计算能力；
则经济性指标e=λH+μT，λ和μ分别为能耗H和时延T的权重系数，计算出e1和e2；
比较经济性指标e1和e2的大小，若e1＜e2，则选择将中敏感数据置于边缘物联代理中处理，若e1＞e2，则选择将中敏感数据置于云服务器中处理。
6.根据权利要求1所述的基于边缘物联代理的变电站综合监测分析方法，其特征在于，所述将中敏感数据和低敏感数据选择性接入无线网络的高速层级、中速层级和低速层级，包括：
所述低敏感数据默认接入低速层级，当中速层级传输速率高于低速层级，且所述中速层级在预设时间段内无中敏感数据接入时，从低速层级切换至中速层级；
所述中敏感数据默认接入高速层级，当中速层级传输速率高于高速层级时，从高速层级切换至中速层级。
7.根据权利要求6所述的基于边缘物联代理的变电站综合监测分析方法，其特征在于，所述传输速率的计算公式为：
Figure DEST_PATH_IMAGE017
其中，
Figure 412104DEST_PATH_IMAGE018
为第j个层级网络的接入设备数量，j=1，2，3分别表示高速层级、中速层级和低速层级网络，
Figure DEST_PATH_IMAGE019
为第j个层级网络的带宽，
Figure 351241DEST_PATH_IMAGE020
为第j个层级网络的发射功率，G为信道增益，
Figure DEST_PATH_IMAGE021
为噪声功率密度，I为受到的总干扰，loss为传播损耗。
8.根据权利要求1所述的基于边缘物联代理的变电站综合监测分析方法，其特征在于，在所述获得多组监测数据之后，还包括：采用IOT-HUB插件将每组监测数据转化为统一数据格式，所述IOT-HUB插件部署在监测系统上，且与监测器件一一对应。
9.根据权利要求1所述的基于边缘物联代理的变电站综合监测分析方法，其特征在于，所述接收监测数据进行处理以获得处理结果，包括：统计在预设时间段内，异常监测数据的出现次数及其对应紧急度，发出预警通知。
10.一种基于边缘物联代理的变电站综合监测分析系统，其特征在于，包括：
监测模块，用于对变电站不同设备进行监测，获得多组监测数据；
数据检查模块，用于检查所述监测数据是否完整，若完整，则进行下一步，反之，对监测数据进行预测并填充；
数据分类模块，用于根据时延敏感性对所述监测数据进行分类，所述监测数据包括高敏感数据、中敏感数据和低敏感数据；
第一处理模块，用于将所述高敏感数据置于边缘物联代理中处理，将所述低敏感数据置于云服务器中处理；
第二处理模块，用于根据经济性指标，选择性将所述中敏感数据置于边缘物联代理或云服务器中处理，所述经济性指标由数据处理所需能耗和时延计算获得；
网络划分模块，用于根据传输速率将覆盖边缘物联代理的无线网络划分为多个层级，所述层级包括高速层级、中速层级和低速层级；
网络接入模块，用于将所述中敏感数据和低敏感数据选择性接入无线网络的高速层级、中速层级和低速层级；
处理控制模块，用于接收监测数据进行处理以获得处理结果，根据处理结果对变电站进行控制。
CN202111188445.3A 2021-10-12 2021-10-12 一种基于边缘物联代理的变电站综合监测分析方法和系统 Active CN113645587B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111188445.3A CN113645587B (zh) 2021-10-12 2021-10-12 一种基于边缘物联代理的变电站综合监测分析方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111188445.3A CN113645587B (zh) 2021-10-12 2021-10-12 一种基于边缘物联代理的变电站综合监测分析方法和系统

Publications (2)

Publication Number Publication Date
CN113645587A CN113645587A (zh) 2021-11-12
CN113645587B true CN113645587B (zh) 2022-02-11

Family

ID=78426446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111188445.3A Active CN113645587B (zh) 2021-10-12 2021-10-12 一种基于边缘物联代理的变电站综合监测分析方法和系统

Country Status (1)

Country Link
CN (1) CN113645587B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114025362B (zh) * 2022-01-05 2022-04-01 华东交通大学 基于无线通信和分布式计算的铁路施工安全监测方法
CN115118619A (zh) * 2022-06-21 2022-09-27 阿里云计算有限公司 网络监测方法、装置、电子设备、介质及程序产品
CN114936808A (zh) * 2022-07-21 2022-08-23 之江实验室 一种面向变电站故障检测的云边协同任务管理系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016086750A1 (zh) * 2014-12-05 2016-06-09 国家电网公司 一种变电站过程层报文共网共口传输系统
CN110401262A (zh) * 2019-06-17 2019-11-01 北京许继电气有限公司 基于边缘计算技术的gis设备状态智能监控系统及方法
CN111064278A (zh) * 2019-12-11 2020-04-24 国网浙江省电力有限公司绍兴供电公司 一种基于边缘物联代理的精准负荷控制业务实现方法
CN112613790A (zh) * 2020-12-30 2021-04-06 国家电网有限公司大数据中心 应用于多站融合环境下的协同数据处理方法、设备及介质
CN112764835A (zh) * 2021-01-22 2021-05-07 国网宁夏电力有限公司信息通信公司 基于边缘计算的电力物联网传感设备配置微服务系统及方法
CN112804280A (zh) * 2019-11-14 2021-05-14 普天信息技术有限公司 电力物联网系统及其数据处理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016086750A1 (zh) * 2014-12-05 2016-06-09 国家电网公司 一种变电站过程层报文共网共口传输系统
CN110401262A (zh) * 2019-06-17 2019-11-01 北京许继电气有限公司 基于边缘计算技术的gis设备状态智能监控系统及方法
CN112804280A (zh) * 2019-11-14 2021-05-14 普天信息技术有限公司 电力物联网系统及其数据处理方法
CN111064278A (zh) * 2019-12-11 2020-04-24 国网浙江省电力有限公司绍兴供电公司 一种基于边缘物联代理的精准负荷控制业务实现方法
CN112613790A (zh) * 2020-12-30 2021-04-06 国家电网有限公司大数据中心 应用于多站融合环境下的协同数据处理方法、设备及介质
CN112764835A (zh) * 2021-01-22 2021-05-07 国网宁夏电力有限公司信息通信公司 基于边缘计算的电力物联网传感设备配置微服务系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
边缘物联代理装置设计及在电缆沟道综合监测的应用;马凯等;《电力信息与通信技术》;20201130;第18卷(第11期);全文 *

Also Published As

Publication number Publication date
CN113645587A (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
CN113645587B (zh) 一种基于边缘物联代理的变电站综合监测分析方法和系统
CN106199305B (zh) 煤矿井下供电系统用干式变压器绝缘健康状态评估方法
CN107220775B (zh) 一种考虑信息系统作用的有源配电网多视角协同脆弱性评估方法
CN113904443B (zh) 多维度空间可视化的现场变电设备监控与预警系统
CN110266000B (zh) 一种配电网电压越限原因分析方法、系统及存储介质
CN106980905A (zh) 配电网供电可靠性预测方法和系统
CN108923422B (zh) 物联代理数据处理方法、系统及电网终端设备监测系统
CN103312037A (zh) 智能变电站压力测试装置及方法
CN203301508U (zh) 智能变电站压力测试装置
CN112611936A (zh) 一种基于边缘计算的配网变压器故障动态检测与分类系统
CN104103019A (zh) 含分布式电源的配电网运行风险评估方法及评估系统
CN105550793A (zh) 一种第二道安全防线切负荷事故等级风险在线评估方法
CN112700144B (zh) 变电站运行状态风险评估方法、装置、设备以及存储介质
CN115549094B (zh) 一种智能电网变电设备预警评估方法及系统
CN106843100A (zh) 变电站二次设备运行状态等级判断方法和装置
CN110112824A (zh) 一种直流电源系统监控数据的自主采集及智能管控方法
CN103617447A (zh) 智能变电站的评价系统及评价方法
CN114531662B (zh) 基于电力5g虚拟专网的终端智能接入认证管理方法
CN108596450B (zh) 电网风险预警方法和系统
CN114928168A (zh) 一种海上平台无人化数据边缘计算装置
CN113812060A (zh) 用于监控能量供应网络的运行状态的方法和系统
CN113128840B (zh) 一种设备状态评估方法、系统及存储介质
Kapil et al. Application of Industry 4.0 Technology and Internet of Things in Power Transmission Protection, Monitoring and Asset Management
CN110807014B (zh) 一种基于交叉验证的台区数据异常甄别方法和装置
CN105375463B (zh) 一种基于scada系统的电网安全运行控制方法

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
GR01 Patent grant
GR01 Patent grant