CN114168662A - 一种基于多数据源的配电网问题梳理分析方法及系统 - Google Patents
一种基于多数据源的配电网问题梳理分析方法及系统 Download PDFInfo
- Publication number
- CN114168662A CN114168662A CN202111297542.6A CN202111297542A CN114168662A CN 114168662 A CN114168662 A CN 114168662A CN 202111297542 A CN202111297542 A CN 202111297542A CN 114168662 A CN114168662 A CN 114168662A
- Authority
- CN
- China
- Prior art keywords
- data
- database
- distribution network
- analysis method
- combing
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2272—Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
- G06F16/24534—Query rewriting; Transformation
- G06F16/2454—Optimisation of common expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
Abstract
本发明公开了一种基于多数据源的配电网问题梳理分析方法及系统,通过不同数据源接口采集各终端设备的电力数据并储存在数据库中;采用相应的优化策略对数据库进行优化;确定问题类型,根据相应的问题类型,执行数据抽取功能,建立与远程数据的访问连接,对数据库中的相关数据和关联数据进行提取,并采用关联分析法和离群分析法对数据进行分析;主动提示各终端设备的异常状态,并调取相应的检修方法进行显示;通过对数据进行分析比对,对配电网各类异常运行线路、配变等设备进行梳理,收集线路和配变等设备不同类型异常运行信息,梳理出配电网薄弱环节,并进行问题的精准分析、精确定位、原因辨识,便于对薄弱环节进行重点建设。
Description
技术领域:
本发明涉及送变电设备巡检领域,特别是涉及一种基于多数据源的配电网问题梳理分析方法及系统。
背景技术:
由于我国国民经济实力的增强,人们的生活水平越来越高,人们不再仅仅满足于以往对于电的生活保障需求,而电力企业需要根据时代的改变而提升内在的客户服务水平和质量。这样才能满足客户更高的用电需求。
可是,目前计划外或突发故障导致的停电事故依然很多,在客户注重服务品质的今天,用电客户己无法接受不稳定的供电服务。而且,由于人们的生活更加现代化,对用电的需求更加强烈。人们的生活己离不开电力的支撑。一旦有突发停电状况,社会生产和个人生活都将受到恶劣影响。因此,如何保障人们的用电需求,给用电客户更高品质的营销服务,是当今电力企业首要考虑的发展重点。只有在营销决策上,主动应对,事先分析决策,紧跟日新月异的市场增长和需求变化,提前发现故障并进行解决,把故障解决在萌芽期,从本质上提升市场竞争力,适合客户的服务需求。
发明内容:
本发明所要解决的技术问题是:通过自身传感器对未知的结构环境进行感知,并在获取的需要巡检的供变电设备中选择最优巡检点进行检测,实现对巡检路径进行最优规划的同时,还能够在巡检过程中探索未知巡检环境,从而实现在未知非结构环境中的自助巡检,解决人工遥控巡检和导入巡检点巡检导致的电力过度消耗及人力资源浪费的问题。
为解决上述技术问题,本发明提供的一种技术方案是:一种基于多数据源的配电网问题梳理及技术分析方法,步骤一、通过不同数据源接口采集各终端设备的电力数据并储存在数据库中;
步骤二、采用相应的优化策略对数据库进行优化;
步骤三、确定问题类型,根据相应的问题类型,执行数据抽取功能,建立与远程数据的访问连接,对数据库中的相关数据和关联数据进行提取,并采用关联分析法和离群分析法对数据进行分析;
步骤四、主动提示各终端设备的异常状态,并调取相应的检修方法进行显示。
进一步的,所述步骤一中,所述终端设备包括国网SG186营销业务应用系统、用电信息采集系统、国网PMS2.0系统、营销GIS系统、营销服务前端的95598系统、微信平台、国网掌上电力APP等。
进一步的,所述步骤一中,电力数据主要包括:客户名称、地址、用电容量、电价电费、客户联系信息、受电装置、客户信用等级及用电设备的电压和电流。
进一步的,所述步骤二中优化策略为:1)、充分分析当前数据库中各数据字段情况,根据问题类型需求,适当超前、延长相关数据字段长度,为数据字段扩容,增加数据量,避免数据溢出;2)、为数据表建立索引,提高访问速度;3)、充分编写利用存储过程,提高查询数据的效率,新增数据库访问层,减少服务器压力;4)、采用查询优化规则,优化查询代码,减少查询数据的时间。
进一步的,所述查询优化规则为基于规则的启发式查询优化方法。
进一步的,所述步骤三中数据提取步骤为:根据不同的问题类型,执行数据抽取功能,建立与远程数据的访问连接,将待梳理的来源数据,以及将构建的目标数据进行预定义,根据数据接口的数据检索条件,获取数据。
进一步的,其详细步骤为:1)、获取问题类型的目标和要求,并且把相应的目标和要求转化为数据;2)、进行原始数据进行收集,熟悉数据,对于数据的质量问题予以标明和处理,发现子集,对隐藏的信息进行假设;3)、把所有从原始的未加工的数据构造最终数据集合,将操作型环境数据源中的数据进行重新排序、抽取、转换、导入,使之构建成基础的数据仓库。
进一步的,问题类型为:1)、电量异常;2)、电压电流异常;3)、异常用电诊断;4)、负荷异常诊断;5)、时钟异常诊断;6)、接线异常诊断。
为解决上述技术问题,本发明提供的另一种技术方案是:一种非结构环境下无人机送变电设备巡检系统,其特征在于:包括用户交互模块、业务逻辑模块、数据模块和接口模块,其中:
用户交互模块:为用户交互层是系统的功能界面,负责展示数据信息;
业务逻辑模块:确定问题类型,根据相应的问题类型,执行数据抽取功能,建立与远程数据的访问连接,对数据库中的相关数据和关联数据进行提取,并采用关联分析法和离群分析法对数据进行分析,向用户交互模块发送各终端设备的异常状态,并调取相应的检修方法进行显示;
数据模块:由数据访问层和数据库共同组成的,采集各终端设备的电力数据并储存在数据库中,并采用相应的优化策略对数据库进行优化;
接口模块:用于和其他业务系统及各终端设备进行数据对接。
本发明的有益效果为:
通过不同数据源接口采集各终端设备的电力数据并储存在数据库中;采用相应的优化策略对数据库进行优化;确定问题类型,根据相应的问题类型,执行数据抽取功能,建立与远程数据的访问连接,对数据库中的相关数据和关联数据进行提取,并采用关联分析法和离群分析法对数据进行分析;主动提示各终端设备的异常状态,并调取相应的检修方法进行显示;通过现场调研和历史数据比对,对配电网各类异常运行线路、配变等设备进行梳理,收集线路和配变等设备不同类型异常运行信息,对配电网存在的问题进行统计分析;从多系统提取配电网运行数据,并对多系统多来源数据进行数据融合、筛选、合并及关联,构建配电网问题数据库;梳理出配电网薄弱环节,并进行问题的精准分析、精确定位、原因辨识,便于对薄弱环节进行重点建设。
附图说明:
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例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其中两幅,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为基于多数据源的配电网问题梳理及技术分析方法的流程框图;
图2为数据分析的流程图;
图3为基于多数据源的配电网问题梳理及技术分析系统的结构框图。
具体实施方式:
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
参见附图1-图2所示,本申请公开了一种基于多数据源的配电网问题梳理及技术分析方法,其步骤是:步骤S1、通过不同数据源接口采集各终端设备的电力数据并储存在数据库中;
步骤S2、采用相应的优化策略对数据库进行优化;
步骤S3、确定问题类型,根据相应的问题类型,执行数据抽取功能,建立与远程数据的访问连接,对数据库中的相关数据和关联数据进行提取,并采用关联分析法和离群分析法对数据进行分析;
步骤S4、主动提示各终端设备的异常状态,并调取相应的检修方法进行显示。
将电力数据分析决策系统需要的数据通过上面的不同数据源接口集成到本平台后,将执行数据抽取功能,建立与远程数据的访问连接,将待梳理的来源数据,以及将构建的目标数据进行预定义。根据数据接口的数据检索条件,获取数据,通过对大量负荷、电量数据进行关联分析法和离群点分析法分析,构建了基础模型,设立了合适的阈值,完成了防窃电和异常用电的预警,并把相应的解决方法进行显示推送,便于人们根据相应的解决步骤进行操作。
在所述步骤S1中,所述终端设备包括国网SG186营销业务应用系统、用电信息采集系统、国网PMS2.0系统、营销GIS系统、营销服务前端的95598系统、微信平台、国网掌上电力APP等。
其中,大数据的组成以SG186营销业务应用系统为基础,SG186营销业务应用系统和微信平台、掌上APP等构成用户基本信息的收集和存储数据平台,收集数据主要包括:客户名称、地址、用电容量、电价电费、客户联系信息、受电装置、客户信用等级等客户基本信息;PMS2.0和影响GIS平台主要依靠电力人员现场通过GPS定位工具将配电网架结构录入系统中。并采用WebService、中间库、OGG等方式接口与电力营销业务应用系统的受电装置进行关联,组合成营配贯通的配供电网络。电力营销服务大数据主要依靠用电信息采集系统平台及与各系统数据的交互引用数据等。
针对大数据量的数据库优化,需要保证数据库设计结构紧凑、分布平衡、定位迅速。在数据库操作上,采用相关优化技巧提高整个应用系统的执行效率,并注意适当超前,以适应不断变化的应用及系统发展的要求。所述步骤S2中优化策略的具体实施步骤为:
1)、充分分析当前数据库中各数据字段情况,根据目前需求,注意适当超前,延长相关数据字段长度,为数据字段扩容,适应不断增加的数据量,避免数据溢出;2)、为数据表建立索引,提高访问速度;主键自动建立了唯一索引,因此唯一索引也能确保数据的唯一性(即实体完整性);索引码越小,定位就越直接;新建的索引效能最好;3)、充分编写利用存储过程,提高查询数据的效率,新增数据库访问层,减少服务器压力;4)、采用查询优化规则,优化查询代码,减少查询数据的时间。
其中,查询优化规则为基于规则的启发式查询优化方法,即代数优化方法,这种方法与具体关系系统的存储技术无关,其基本原理是研究如何代数表达式进行适当的等价交换,即如何安排所涉及到操作的先后执行顺序;其基本原则是尽量减少查询过程中的中间结果,从而以较少的时间和空间执行开销取得所需的查询结果。
所述步骤三中数据提取步骤为:根据不同的问题类型,执行数据抽取功能,建立与远程数据的访问连接,将待梳理的来源数据,以及将构建的目标数据进行预定义,根据数据接口的数据检索条件,获取数据。
其具体可分为数据分析、数据理解和数据准备等三个步骤。
数据分析:获取问题类型的目标和要求,并且把相应的目标和要求转化为数据;务数据来源与各个基础业务系统,存在缓冲区(buff数据库,及业务系统提供数据的中间库)中,通过ETL抽取到清度汇总中间库(MID数据库,非业务系统提供数据区域),再通过ETL抽取到数据仓库(DW数据库),最后通过ETL抽取到数据集市(DM数据库)中。
数据理解:在该阶段中要进行原始数据的收集工作,另外还要尽快熟悉数据,对于数据的质量问题予以标明或处理,经过探索研究后,对数据形成初步认识和正确的理解,并发现子集,对隐藏的信息进行假设。
数据准备:数据准备阶段包括所有从原始的未加工的数据构造最终数据集合的工作。通过特定的规则,将操作型环境数据源中的数据进行重新排序、抽取、转换,导入,使之构建成基础的数据仓库。企业中获取源数据的环节,通常不仅会包括譬如日常业务操作信息、业务发展趋势等内部信息,还会包括一些企业的外部数据,如:其他相关企业的信息,各类相关机构发布的信息等。有了源数据,下一步,就是利用数据库进行数据的抽取,进而就是数据的处理,逐步实现选择数据、分割数据、编辑数据、数据的运算等功能,最后通过数据仓库,实现用户对于数据的高效的访问,同时能够实现分析以及查询功能。
对现有问题情况进行分类,其可分为:1)、电量异常;2)、电压电流异常;3)、异常用电诊断;4)、负荷异常诊断;5)、时钟异常诊断;6)、接线异常诊断。
通过用电信息采集系统冻结采集异常表计的电量数据并进行分析,准确判断窃电是否发生以及窃电发生的大致位置。由于采集系统具备电能量的在线监测功能,通过远程抄表实现表计电量日统计、线损日分析功能,实施在线监测、实地稽查,及时发现非正常用电情况,为发现窃电行为提供技术手段。主站监控人员可用异常数据进行判断窃电行为的查处,利用用电信息采集系统的用电异常分析功能实现对多项用电异常类型的监控,锁定窃电嫌疑对象。用电信息采集系统在日常任务上报和电表主动上报的数据中包含每天96点负荷数据,即每15分钟一个点,负荷数据主要包括电压、电流、功率、有功、无功等量化数据。采集系统可根据这些量化数据进行分析,主动提示用户的异常状态,根据96点负荷数据的组合分析。
其中,关联分析法为:(1)通常认为项在事物中出现比不出现更重要,因此项是非对称二元变量。
(2)关联规则是形如X->Y的蕴涵表达式,其中X和Y是不相交的项集,即X交Y=空。
(3)由关联规则作出的推论并不必然蕴涵因果关系。它只表示规则前件和后件中的项明显地同时出现。
(4)通常,频繁项集的产生所需的计算开销远大于规则产生所需的计算开销。
(5)任何具有反单调性的度量都能够结合到数据挖掘算法中,对候选项集的指数搜索空间有效地进行剪枝。
离群点分析法为:异常检测也称偏差检测和例外挖掘。常见的异常成因:数据来源于不同的类(异常对象来自于一个与大多数数据对象源(类)不同的源(类)的思想),自然变异,以及数据测量或收集误差。
异常检测的方法:(1)基于模型的技术:首先建立一个数据模型,异常是那些同模型不能完美拟合的对象;如果模型是簇的集合,则异常是不显著属于任何簇的对象;在使用回归模型时,异常是相对远离预测值的对象。(2)基于邻近度的技术:通常可以在对象之间定义邻近性度量,异常对象是那些远离其他对象的对象。(3)基于密度的技术:仅当一个点的局部密度显著低于它的大部分近邻时才将其分类为离群点。
离群点的统计方法是基于模型的方法,即为数据创建一个模型,并且根据对象拟合模型的情况来评估它们。大部分用于离群点检测的统计学方法都是构建一个概率分布模型,并考虑对象有多大可能符合该模型。离群点的概率定义:离群点是一个对象,关于数据的概率分布模型,它具有低概率。这种情况的前提是必须知道数据集服从什么分布,如果估计错误就造成了重尾分布。异常检测的混合模型方法:对于异常检测,数据用两个分布的混合模型建模,一个分布为普通数据,而另一个为离群点。
下面对各个故障类型的分析过程进行说明。
电量异常诊断:反向电量异常、电表倒走、电表飞走、停走、抄表数据异常等采用关联分析法与逻辑推断,用电信息采集系统上传测量点数据对应的营销系统档案用户为非并网发电用户,智能表存在反向电量数据且每日电量大于0.5的则主站算法判断为反向电量异常,并在WEB页面显示异常信息。
电压电流异常诊断:包括电压失压、电压断相、电压不平衡、电压越限、电流失流、电流不平衡等异常情况。
电压失压、电压断相和电压越下限三种异常容易混淆,当某相电压从额定电压UN开始下降,当下降到90%UN以下、80%UN以上时,称为电压越下限;当某相电压下降到80%UN以下时,开始判断是否有该相电流,有电流称为电压失压,没有电流则称为电压断相。上述阈值仅为经验值。
其中对电压越限、电压失压、电压断相、电流失流、电流不平衡
电压越限:电压越下限表示供电质量不合格,会影响到一部分需要在电网额定电压下工作的电气设备正常运行,但电能表还能正常工作。但当电压下降到80%UN以下时,电能表可能无法正常工作,如果此时该相电流为零,则可能是供电回路断相,并不影响计量准确性,如果此时该相电流不为零,则可能是计量回路出现了故障,将导致实际计量差错,通过日常抄表巡检工作,较难发现单户电压越限,因此如何通过用电信息采集系统分析,告警提醒显得尤为重要。采集主站算法如下:
任一相电压大于K1*参比电压,或任一相电压低于K2*参比电压且不低于K3*参比电压。
一天内需监测到多个点(默认每天3个点),如果同时监测到电能表或采集终端有电压越限事件,立刻生成电压越限异常,否则应连续3天均满足数据诊断要求才生成异常。
电压失压:电压失压异常,往往表现为某一相电压偏低,而其它相电压正常,三相全部失压的情况较少见,因为会导致采集终端和电能表无法工作而丢失监测数据。如在10kV三相三线供电高供高计系统中,会出现计量回路A相电压正常,而C相电压低于80V且电流正常的现象;在10kV三相四线供电高供低计系统或0.4kV低压三相四线低供低计系统中,会出现计量回路中A、B两相电压正常,而C相电压低于176V且电流正常的情况。在单相供电系统出现电压失压异常时,可能会出现因采集终端和电能表无法正常工作而丢失监测数据的情况。由于计量回路故障引起的电压失压异常较为多见,所以还会出现一些失压工况反复的情况,失压相电压有时正常有时异常。
只要在采集系统设定合理的阈值,即可自动产生异常告警。阈值设定可以参照如下标准。(1)专变用户
三相三线高供高计系统:A相或者C相电压低于80%UN。
三相四线高供低计系统:A相或B相或C相电压低于80%UN。
电压失压相的二次电流大于0.1A。
非失压相的电压不超过120%UN。
满足上述条件且一天累计超过3个数据点的判为电压失压。
(2)低压三相用户
用户已安装智能电能表,可远程采集电压电流数据。
每月对智能电能表透抄一次三相电压,某相电压小于80%UN。
对满足上述条件的智能电能表,再次透抄三相电压和三相电流,判断电压失压且同相计量回路电流(无互感器的即为该相一次电流)是否大于启动电流0.1A,如果满足则判为电压失压。
其中,根据上述低电压判断结果进行判断后,其并对底电压的具体原因进行分析,如下表所示。
电压断相:电压断相异常是一种显性异常,对计量的准确性影响存在不确定性,但对三相用电的用户可能存在显著的影响,异常一旦出现状态较为稳定,除非由终端采集故障引起。只要在采集系统设定合理的阈值,即可自动产生异常告警。阈值和判断规则可以参考如下标准设定:(1)按照电压失压判断阈值,滤掉电压失压异常。
(2)如果是专变用户
三相三线高供高计系统:A相或者C相电压低于80%UN。
三相四线高供低计系统:A相或B相或C相电压低于80%UN。
满足上述条件且一天累计超过3个数据点的判为电压断相。
(3)如果是低压三相用户
用户已安装智能电能表,可远程采集电压电流数据,每月对智能电能表透抄一次三相电压,某相电压小于80%UN,对满足上述条件的智能电能表,间隔一定时间后再次透抄三相电压和电流,如果仍然负荷上述判断条件的,就判断为电压断相。
电压不平衡的算法:
(1)PT不等于1;
(2)先排除电压断缺相用户;
(3)两相电压差值的绝对值大于额定电压的10%。
判断依据:满足上述条件且累计超过3个点判为一次电压不平衡。
电流失流:电流失流指三相电流中任一相或两相小于启动电流,且其他相线负荷电流大于5%额定(基本)电流,采集系统算法可定义为:
1、PT>1:
(1)判断三相电流(三相三线判断A/C相)至少有一相电流<K1;(负的取绝对值)
(2)满足每天至少有5个有效采集点,所有点均符合以上判断条件,且持续2天以上;
(3)在上述期间,其他相电流至少有一相有5个点满足电流>K2;(两天中任意5个点);
(4)失流相的电压应大于Un*70%。
2、PT=1:
(1)判断三相电流至少有一相电流<K1;
(2)满足每天至少有5个有效采集点,所有点均符合以上判断条件,且持续7天以上;
(3)在上述期间,其他相电流至少有一相有35个点满足电流>K3;(7天内一共35点,不是每天5点);
(4)在上述期间,一次侧有功功率至少有25个点满足>20kW;
(5)失流相的电压应大于Un*70%。
电流不平衡:由于实际生产中三相四线用户电流不平衡较多,分析后暂无实际意义,故目前只针对高供高计用户中的三相三线,算法为:
(1)先排除电流缺相用户;
(2)两相电流差值的绝对值大于阀值,缺省0.3A。
判断依据:满足上述条件且累计超过3个点判为一次。
异常用电诊断:利用离群点分析法,根据采集系统提供的电量数据结合营销系统的档案信息分析出居民用户和非居民用户或某一行业的用户用电特性,以该特性为集合,采集系统依据电量情况与特性集合比较,当落在集合外的用户提示对应的异常。
例如低压居民用户日电量集合在【0,200】内归类于正常,超过该范围的则提示居民大电量并在页面展示,辅助查询高价低接的异常用电。高压用户正(反)向有功总示度和前一天示度相减,三相三线的大于42kwh、三相四线的大于160kwh,则显示电量突变。
负荷异常诊断:具体包括负荷超容、电流过流、功率因素异常等故障,下面对这些故障进行详细说明。
负荷超容:用户负荷超出合同约定容量即为负荷超容,采集系统算法为:计算有功功率与运行容量的比率是否超出限定阈值K。超阀值运行的时间超过总运行时间的20%以上,1个月统计一次。
式中:P-电表计量有功功率。
电流过流:定义为经互感器接入的三相电能表某一相负荷电流持续超过额定电流。采集系统算法设定:任一相电流大于K*Imax且一天内监测到10个点,如果同时监测到电能表或采集终端有电流越限事件,立刻生成异常,否则连续3天监测到后生成异常。排除负荷超容的情况。
Ia|Ib|Ic>K×Ιmax
功率因素异常:定义为用户日平均功率因数过低(日平均功率因素通过用户日有功、无功电量计算得到)。采集系统算法设定:日正向无功总电量大于受电容量*24*0.05的情况下,按日正向有功总电量与(日正向有功总电量和日正向无功总电量平方之和开方)计算日平均功率因数,判断日平均功率因数是否不大于K。
式中,WP-日正向有功总电量,Wq-日正向无功总电量。
接线异常诊断:包括接线异常诊断和潮流反向,下面对其进行详细描述。
反向电量异常:非发电用户电能表反向有功总示值大于0,且每日反向有功总示值有一定增量。采集系统算法定义为电能表反向有功总示值大于0,当天电能表反向电量大于阈值K。
潮流反向:潮流反向为三相电流或功率出现反向,算法设定:(1)三相电流或(有功值)功率曲线数据出现负值的次数大于设定的阈值K。(2)排除具备发电性质的用户或客户排除已经判断为反向电量的情况。
为解决上述技术问题,本发明提供的一种技术方案是:一种非结构环境下无人机送变电设备巡检系统,参见图3所示,包括用户交互模块、业务逻辑模块、数据模块和接口模块,其中:
用户交互模块:为用户交互层是系统的功能界面,负责展示数据信息;
业务逻辑模块:确定问题类型,根据相应的问题类型,执行数据抽取功能,建立与远程数据的访问连接,对数据库中的相关数据和关联数据进行提取,并采用关联分析法和离群分析法对数据进行分析,向用户交互模块发送各终端设备的异常状态,并调取相应的检修方法进行显示;
数据模块:由数据访问层和数据库共同组成的,采集各终端设备的电力数据并储存在数据库中,并采用相应的优化策略对数据库进行优化;
接口模块:用于和其他业务系统及各终端设备进行数据对接。
本申请通过上述系统实现了,1)问题统计分析服务:收集各地市公司及县公司的配电网线路、配变等设备的异常运行数据,并进行梳理,对配电网存在的问题进行统计分析;2)问题数据库构建服务:从多系统提取配电网运行数据,并对多系统多来源数据进行数据融合、筛选、合并及关联,构建配电网问题数据库;3)配电网薄弱辨识服务:建立配电网评价模型,找出各供电公司配电网存在的突出问题,综合配电网装备水平、运行能力、供电能力、网架结构等多项指标,找出各个环节薄弱点;4)配电网问题精准分析:针对配电网问题进行精准分析,开展问题原因辨识,对于重过载、故障停电、低电压、三相不平衡等问题进行精益分析,支撑精准投资建设;5)问题治理情况闭环跟踪:针对分析出的问题线路、配变开展治理情况闭环跟踪,跟踪治理成效,滚动更新定位未治理或治理成效不佳的问题设备。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述。
以上,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (9)
1.一种基于多数据源的配电网问题梳理分析方法,其步骤是:步骤一、通过不同数据源接口采集各终端设备的电力数据并储存在数据库中;
步骤二、采用相应的优化策略对数据库进行优化;
步骤三、确定问题类型,根据相应的问题类型,执行数据抽取功能,建立与远程数据的访问连接,对数据库中的相关数据和关联数据进行提取,并采用关联分析法和离群分析法对数据进行分析;
步骤四、主动提示各终端设备的异常状态,并调取相应的检修方法进行显示。
2.根据权利要求1所述的基于多数据源的配电网问题梳理分析方法,其特征是:所述步骤一中,所述终端设备包括国网SG186营销业务应用系统、用电信息采集系统、国网PMS2.0系统、营销GIS系统、营销服务前端的95598系统、微信平台、国网掌上电力APP等。
3.根据权利要求1所述的基于多数据源的配电网问题梳理分析方法,其特征是:所述步骤一中,电力数据主要包括:客户名称、地址、用电容量、电价电费、客户联系信息、受电装置、客户信用等级及用电设备的电压和电流。
4.根据权利要求1所述的基于多数据源的配电网问题梳理分析方法,其特征是:所述步骤二中优化策略为:1)、充分分析当前数据库中各数据字段情况,根据问题类型需求,适当超前、延长相关数据字段长度,为数据字段扩容,增加数据量,避免数据溢出;2)、为数据表建立索引,提高访问速度;3)、充分编写利用存储过程,提高查询数据的效率,新增数据库访问层,减少服务器压力;4)、采用查询优化规则,优化查询代码,减少查询数据的时间。
5.根据权利要求4所述的基于多数据源的配电网问题梳理分析方法,其特征是:所述查询优化规则为基于规则的启发式查询优化方法。
6.根据权利要求1所述的基于多数据源的配电网问题梳理分析方法,其特征是:所述步骤三中数据提取步骤为:根据不同的问题类型,执行数据抽取功能,建立与远程数据的访问连接,将待梳理的来源数据,以及将构建的目标数据进行预定义,根据数据接口的数据检索条件,获取数据。
7.根据权利要求6所述的基于多数据源的配电网问题梳理分析方法,其特征是:其详细步骤为:1)、获取问题类型的目标和要求,并且把相应的目标和要求转化为数据;2)、进行原始数据进行收集,熟悉数据,对于数据的质量问题予以标明和处理,发现子集,对隐藏的信息进行假设;3)、把所有从原始的未加工的数据构造最终数据集合,将操作型环境数据源中的数据进行重新排序、抽取、转换、导入,使之构建成基础的数据仓库。
8.根据权利要求1所述的基于多数据源的配电网问题梳理分析方法,其特征是:问题类型为:1)、电量异常;2)、电压电流异常;3)、异常用电诊断;4)、负荷异常诊断;5)、时钟异常诊断;6)、接线异常诊断。
9.一种基于多数据源的配电网问题梳理分析系统,其特征在于:包括用户交互模块、业务逻辑模块、数据模块和接口模块,其中:
用户交互模块:为用户交互层是系统的功能界面,负责展示数据信息;
业务逻辑模块:确定问题类型,根据相应的问题类型,执行数据抽取功能,建立与远程数据的访问连接,对数据库中的相关数据和关联数据进行提取,并采用关联分析法和离群分析法对数据进行分析,向用户交互模块发送各终端设备的异常状态,并调取相应的检修方法进行显示;
数据模块:由数据访问层和数据库共同组成的,采集各终端设备的电力数据并储存在数据库中,并采用相应的优化策略对数据库进行优化;
接口模块:用于和其他业务系统及各终端设备进行数据对接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111297542.6A CN114168662A (zh) | 2021-11-04 | 2021-11-04 | 一种基于多数据源的配电网问题梳理分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111297542.6A CN114168662A (zh) | 2021-11-04 | 2021-11-04 | 一种基于多数据源的配电网问题梳理分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114168662A true CN114168662A (zh) | 2022-03-11 |
Family
ID=80478010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111297542.6A Pending CN114168662A (zh) | 2021-11-04 | 2021-11-04 | 一种基于多数据源的配电网问题梳理分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114168662A (zh) |
-
2021
- 2021-11-04 CN CN202111297542.6A patent/CN114168662A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN106504116B (zh) | 基于电网运行与暂态稳定裕度指标关联的稳定评估方法 | |
CN113267692B (zh) | 一种低压台区线损智能诊断分析方法和系统 | |
CN112131441B (zh) | 一种快速识别用电异常行为的方法及系统 | |
CN106291253A (zh) | 一种防窃电预警分析方法 | |
CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
CN112307003B (zh) | 电网数据多维辅助分析方法、系统、终端及可读存储介质 | |
CN110928866A (zh) | 基于停电信息大数据分析的线路拓扑核查方法及系统 | |
AU2022204116A1 (en) | Verification method for electrical grid measurement data | |
CN114676883A (zh) | 基于大数据的电网运行管理方法、装置、设备及存储介质 | |
CN213750303U (zh) | 一种基于用电信息采集系统的电能计量异常诊断系统 | |
CN109635950B (zh) | 基于遗传算法和社团聚类的电能表运行状态监测方法 | |
CN115528817A (zh) | 一种用户端智能配用电系统、方法、介质、设备及终端 | |
CN111507013A (zh) | 一种面向电力系统线损故障定位实现方法 | |
Ye et al. | Passenger flow prediction in bus transportation system using ARIMA models with big data | |
CN115423429A (zh) | 基于图像和声音信息的多模态一体化配网运营系统 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN107862459B (zh) | 一种基于大数据的计量设备状态评估方法及系统 | |
CN110555619A (zh) | 一种基于智能配电网的供电能力评估方法 | |
CN110738415A (zh) | 基于用电采集系统和离群点算法的窃电用户分析方法 | |
CN103617447A (zh) | 智能变电站的评价系统及评价方法 | |
CN111391694B (zh) | 一种充电站运行维护的多层次快速数据监测方法和系统 | |
CN117349624A (zh) | 一种电力能源监控方法、系统、终端设备及存储介质 | |
CN112508254A (zh) | 变电站工程项目投资预测数据的确定方法 | |
CN116522746A (zh) | 高耗能企业配电托管方法 |
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 |