CN114204675A - 一种基于云边协同的配电台区电能数据采集终端 - Google Patents
一种基于云边协同的配电台区电能数据采集终端 Download PDFInfo
- Publication number
- CN114204675A CN114204675A CN202111344272.XA CN202111344272A CN114204675A CN 114204675 A CN114204675 A CN 114204675A CN 202111344272 A CN202111344272 A CN 202111344272A CN 114204675 A CN114204675 A CN 114204675A
- Authority
- CN
- China
- Prior art keywords
- power
- transformer
- area
- distribution
- index
- 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
- 230000004927 fusion Effects 0.000 claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000013500 data storage Methods 0.000 claims abstract description 4
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 9
- 238000004128 high performance liquid chromatography Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 7
- 239000002699 waste material Substances 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013278 delphi method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
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
- H02J13/00002—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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于云边协同的配电台区电能数据采集终端，用于采集台区各个关键节点处的用电信息，电能数据采集终端包括高压电能表、低压智能断路器和低压电能表，高压电能表安装于配电变压器的高压侧，低压智能断路器安装于配电变压器的低压侧，电能数据采集终端将采集到的实时电量数据传送给智能融合终端，智能融合终端包括配电变压器的运行状态评估指标体系，包括目标层、准则层和指标层，智能融合终端用于部署特征提取和历史数据存储，历史数据属于高压电能表、低压电能表分别采集的用电信息，解决单独建设信息孤岛、实现配电变压器运行态势预测和多源数据的融合及降低资源浪费的问题。
Description
技术领域
本发明涉及配电技术领域，涉及一种基于云边协同的配电台区电能数据采集终端。
背景技术
配电台区是面向用户供电的末端网络，它是电网的重要组成部分，近年来随着智能电网建设的推进，低压配电台区的智能终端监测、用电信息采集等系统的建设及应用，为低压电网的智能化与信息化管理创造了有利条件，可以大大提高了供电可靠性和安全性。
随着电力物联网建设的高速推进，在配电物联网建设体系指导下，在云边协同机制支持下分析处理海量电量数据，完成对大规模配电变压器集群的运行管理。由于输电、变电以及配电各个环节分别单独建设监控系统，各个监控系统之间数据不通而形成信息孤岛，不利于实现各环节数据共享和业务协同，也便于实现各环节监控数据的统一接入和统一管理，另外各个系统的底层技术均为融合物联网技术，重复建设造成技术资源的浪费，并给后期维护带来较高的成本。
发明内容
为了解决上述技术问题，本发明提供了一种基于云边协同的配电台区电能数据采集终端，可以解决单独建设信息孤岛、实现配电变压器运行态势预测和实现多源数据的融合以及降低资源浪费的问题，来解决上述存在的技术问题，具体采用以下技术方案来实现。
本发明提供了一种基于云边协同的配电台区电能数据采集终端，所述电能数据采集终端用于采集台区各个关键节点处的用电信息，所述电能数据采集终端包括高压电能表、低压智能断路器和低压电能表，高压电能表安装于配电变压器的高压侧，低压智能断路器安装于配电变压器的低压侧，所述电能数据采集终端通过HPLC、RS485或无线方式与智能终端融合终端通信，所述电能数据采集终端将采集到的实时电量数据传送给智能融合终端；
所述智能融合终端包括配电变压器的运行状态评估指标体系，包括目标层、准则层和指标层，智能融合终端用于部署特征提取和历史数据存储，历史数据属于高压电能表、低压电能表分别采集配电变压器的用电信息，其中，评估指标为实时型、统计型和基础型，实时型指标用于表征配电变压器当前的运行状况，统计型指标用于反映配电变压器的历史累积运转状况，基础型指标为配电变压器本身的固有特性；
预设周期内，将评估指标和实时电量用于配电变压器的状态评估，对各个指标建立分段评估规则，分段区间以及相应的指标得分由预设的专家知识经验得到，对指标数据流进行实时评估和加权综合，以得到配电变压运行状态实时动态图像。
作为上述技术方案的进一步改进，各指标和配电变压器的评估结果采用百分制，分数越低表示指标和配电变压器的状态越差，配电变压器发生故障的概率越高。
作为上述技术方案的进一步改进，智能融合终端包括指标预测模块，指标预测模块采用长短期记忆神经网络、支持向量机和LSTM-SVM预测模型，长短期记忆神经网络将输入门、输出门和遗忘门添加至神经元中，将多个LSTM神经单元进行连接和排列形成提取数据序列时间特征的循环网络结构；支持向量机用于将数据样本进行分割，SVM将问题转化为一个凸二次规划来求解；LSTM-SVM预测模型具有三层LSTM网络结构和两层全连接神经网络结构，最后连接SVM，模型，LSTM网络对输入的实时型指标数据进行实时规律特征提取，全连接神经网络结构进一步提取实时型指标数据的非线性特征，并引入Dropout层缓解特征过拟合，SVM模型对深度神经网络提取的多维特征进行回归学习，预测实时型指标的数值。
作为上述技术方案的进一步改进，智能融合终端还包括运行状态趋势预测模块，结合指标预测模块和配电变压器运行状态的动态评估模型，用于对配电变压器运行状态进行预测。
作为上述技术方案的进一步改进，电能数据采集终端还包括通信连接模块、运行模式确定模块和调度指令模块，通信连接模块用于通过面向台区的互联应用建立智能融合终端与配电网主控制系统和各个台区互联模块的通信连接，运行模式确定模块用于确定配电台区运行状态并根据台区运行状态确定台区互联运行模式；调度指令模块用于根据台区互联运行模式和台区的运行数据确定台区互联功率调度指令，并将台区互联功率调度指令通过台区的智能融合终端下发至每个台区互联模块执行。
作为上述技术方案的进一步改进，运行模式确定模块用于确定配电台区运行状态并根据台区运行状态确定台区互联运行模式，包括：
当台区间的负荷率差异的最大值大于或等于预设负荷率差异阈值，则判定台区运行状态为负荷率差异运行状态，并确定台区运行模式为均载运行模式，以将高压侧对应的重载台区负荷由低压侧对应的轻载台区供电；
当存在台区发生断电故障时，则确定台区运行状态为断电故障运行状态，并确定台区运行模式为故障转供运行模式，并控制低压智能断路器实现由非故障台区向故障台区供电。
作为上述进一步改进，调度指令模块包括第一计算单元和第二计算单元，第一计算单元用于当台区运行模式为均载运行模式时，根据每个台区的配电变压器容量、配电变压器最佳运行点、配电变压器输出功率、台区互联模块容量的有功功率，以最小化不同台区负荷率差异或匹配不同台区的配电变压器最佳运行点为目标，确定台区功率调度指令；第二计算单元用于当台区运行模式为故障转供运行模式时，根据非故障台区的配电变压器容量、配电变压器最佳运行点、配电变压器输出功率、台区互联模块的容量的有功功率，以满足故障台区重要负荷供电需求为目标，确定台区功率调度指令。
本发明提供了一种基于云边协同的配电台区电能数据采集终端，相对于现有技术具有以下有益效果：
通过电能数据采集终端来实现多源数据的采集分类，且利用智能融合终端上所搭载的多种学习算法可完成多源数据在时间和空间上的相互关系与基本特征的融合分析，有助于提高低压配电网对电力设备智能运维的支撑能力。同时通过将配电变压器作为配电网的核心设备，对其进行有效的运行状态评估与预测，对于建设坚强配电网、保障电力系统的安全平稳具有重要意义，配电变压器运行状态评估可以构建评估指标体系，确定指标权重值，建立指标评估规则，对各指标的评估情况进行加权综合，得到配电变压器的最终评估结果。结合云边结合的分布式云架构，实现对输变电各环节监控数据的统一获取和管理，无需分别建设输电监控系统、变电监控系统和输电监控系统，避免信息孤岛现象和技术资源的浪费，同时也有效降低了后期维护带来的成本。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例提供的电能数据采集终端的结构框图；
图2为本发明实施例提供的运行模式确定模块的工作流程图；
图3为本发明实施例提供的调度指令模块的结构框图。
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，仅用于解释本发明，而不能理解为对本发明的限制。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。相反，当元件被称作“直接在”另一元件“上”时，不存在中间元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
参阅图1、图2及图3 ，本发明提供了一种基于云边协同的配电台区电能数据采集终端，所述电能数据采集终端用于采集台区各个关键节点处的用电信息，所述电能数据采集终端包括高压电能表、低压智能断路器和低压电能表，高压电能表安装于配电变压器的高压侧，低压智能断路器安装于配电变压器的低压侧，所述电能数据采集终端通过HPLC、RS485或无线方式与智能终端融合终端通信，所述电能数据采集终端将采集到的实时电量数据传送给智能融合终端；
所述智能融合终端包括配电变压器的运行状态评估指标体系，包括目标层、准则层和指标层，智能融合终端用于部署特征提取和历史数据存储，历史数据属于高压电能表、低压电能表分别采集配电变压器的用电信息，其中，评估指标为实时型、统计型和基础型，实时型指标用于表征配电变压器当前的运行状况，统计型指标用于反映配电变压器的历史累积运转状况，基础型指标为配电变压器本身的固有特性；
预设周期内，将评估指标和实时电量用于配电变压器的状态评估，对各个指标建立分段评估规则，分段区间以及相应的指标得分由预设的专家知识经验得到，对指标数据流进行实时评估和加权综合，以得到配电变压运行状态实时动态图像。
本实施例中，各指标和配电变压器的评估结果采用百分制，分数越低表示指标和配电变压器的状态越差，配电变压器发生故障的概率越高。根据评估结果得分，将配电变压器的运行状态分为“优”、“良”、“中”、“差”四种状态，运行状态与评估分值对应，“优”状态表示评估指标数值较小，均在正常范围内；“良”状态表示指标数值有增大的趋势，但还处于正常范围内；“中”状态表示指标数值持续增大，且超过正常范围；“差”状态表示指标数值明显增大，远超出正常范围。数据采集终端从配电变压器的电压、电流等监测数据中提取多维特征，包括配电变压器运行的基础状态、即时状态、累积状态等，以此构建配电变压器运行状态的评价指标体系，建立动态评估模型，实现配电变压器运行状态的实时图像描述，从而及时掌握配电变压器运行状态的变化规律。提取的多维特征易计算、实时性高，计算时间尺度可动态调整，满足配电设备状态评估实际工作的动态需求，描述配电变压器运行状态动态变化的多维特征具有一定的时序性和变化规律，利用人工智能模型对其建模预测，结合动态评估能够对配电变压器未来的运行状态进行图像描述，提前感知运行状态的劣化趋势，有助于开展配电变压器预测性维护工作，采用滑动窗口机制对特征进行预测，可以灵活控制预测时间尺度，满足实际工作的动态需求。
可选地，智能融合终端包括指标预测模块，指标预测模块采用长短期记忆神经网络、支持向量机和LSTM-SVM预测模型，长短期记忆神经网络将输入门、输出门和遗忘门添加至神经元中，将多个LSTM神经单元进行连接和排列形成提取数据序列时间特征的循环网络结构；支持向量机用于将数据样本进行分割，SVM将问题转化为一个凸二次规划来求解；LSTM-SVM预测模型具有三层LSTM网络结构和两层全连接神经网络结构，最后连接SVM，模型，LSTM网络对输入的实时型指标数据进行实时规律特征提取，全连接神经网络结构进一步提取实时型指标数据的非线性特征，并引入Dropout层缓解特征过拟合，SVM模型对深度神经网络提取的多维特征进行回归学习，预测实时型指标的数值。
本实施例中，指标权重选用层次分析（analytic hierarchy process，AHP）和德尔菲法（Delphi）的综合模型计算，AHP是为了将复杂问题进行分解而形成的一种方法，通过对复杂问题进行分析，将宗问题分解成多个子问题，再将子问题分解成更小的问题，从而建立起层次分明的指标体系来描述复杂的问题。Delphi也称为专家打分法，能够充分利用群体专家的知识和经验的评估方法，由于AHP主观性太强，因此引入Delphi使得指标权重更客观。
需要说明的是，AHP-Delphi的计算指标权重的过程为：让多个专家为指标的两两判断矩阵赋值，求取两两判断矩阵的平均判断矩阵；计算平均判断矩阵离散度，检验专家意见一致性，若专家意见不一致，返回第一部重新赋值计算，若一致，将平均判断矩阵作为AHP的输入矩阵；计算输入矩阵的最大特征值以及对应的特征向量，利用最大特征值检验输入矩阵的一致性，若检验不通过，返回第一步重新赋值计算，若通过，将特征向量归一化后的数值作为指标权重值。
可选地，智能融合终端还包括运行状态趋势预测模块，结合指标预测模块和配电变压器运行状态的动态评估模型，用于对配电变压器运行状态进行预测。
本实施例中，在云边协同机制下，对某供电区域内的40台（30台干式、10台油浸式）配电变压器进行实时动态评估，智能融合终端控制电能数据采集终端进行底层数据采集，并进行特征提取等工作，将特征数据流上传至云中心，云中心调用评估模型实现对配电变压器运行状态的实时评估，同时对数据进行存储，便于多维度的配电数据分析，从干式和油浸式配电变压器中各选取一种型号展示评估结果，配电变压器运行状态的动态性变化是由指标的实时变化引起，指标数据的计算频率为一小时一次，可以改变指标数据的计算频率，实现配电变压器动态性评估，将实时评估结果与变压器实际运行情况进行对比，能够准确反映指标的变化情况和变压器的运行状态，并通过对配电变压器历史的运行状态图像进行规律分析，可以掌握配电变压器运行状态的变化模式和劣化原因，从而制定及时、精准的维修策略，预测的运行状态图像与实际评估基本拟合，某些时刻存在分数偏差，但这些时刻的预测状态趋势与实际评估趋势是一致的，验证了预测模型的精确性，从未来运行动态图像中不仅可以提前感知风险状态，还能分析运行状态的变化趋势，根据上述趋势预测，可以为配电变压器故障概率推断提供科学依据，有助于开展有效的预测性维护，从而降低运维成本，提高配电设备可靠性提供保障。
可选地，电能数据采集终端还包括通信连接模块、运行模式确定模块和调度指令模块，通信连接模块用于通过面向台区的互联应用建立智能融合终端与配电网主控制系统和各个台区互联模块的通信连接，运行模式确定模块用于确定配电台区运行状态并根据台区运行状态确定台区互联运行模式；调度指令模块用于根据台区互联运行模式和台区的运行数据确定台区互联功率调度指令，并将台区互联功率调度指令通过台区的智能融合终端下发至每个台区互联模块执行。
本实施例中，S1：当台区间的负荷率差异的最大值大于或等于预设负荷率差异阈值，则判定台区运行状态为负荷率差异运行状态，并确定台区运行模式为均载运行模式，以将高压侧对应的重载台区负荷由低压侧对应的轻载台区供电；S2：当存在台区发生断电故障时，则确定台区运行状态为断电故障运行状态，并确定台区运行模式为故障转供运行模式，并控制低压智能断路器实现由非故障台区向故障台区供电。
可选地，调度指令模块包括第一计算单元和第二计算单元，第一计算单元用于当台区运行模式为均载运行模式时，根据每个台区的配电变压器容量、配电变压器最佳运行点、配电变压器输出功率、台区互联模块容量的有功功率，以最小化不同台区负荷率差异或匹配不同台区的配电变压器最佳运行点为目标，确定台区功率调度指令；第二计算单元用于当台区运行模式为故障转供运行模式时，根据非故障台区的配电变压器容量、配电变压器最佳运行点、配电变压器输出功率、台区互联模块的容量的有功功率，以满足故障台区重要负荷供电需求为目标，确定台区功率调度指令。
本实施例中，配电网主控系统可以根据台区运行状态决策台区互联运行模式，当台区间存在负载率差异较大时，确定台区运行模式为均载运行模式，将重载台区部分负荷由轻载台区供给；当台区发生失电故障时，确定运行模式为故障转供模式，由非故障台区向故障台区供电。另外，配电网主站管理系统还能够将上述决策的台区互联运行模式下发给台区智能融合终端，台区智能融合终端接收台区互联运行模式指令，并下发给台区互联装置执行，实现多台区互联运行模式更新。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (7)
1.一种基于云边协同的配电台区电能数据采集终端，其特征在于，所述电能数据采集终端用于采集台区各个关键节点处的用电信息，所述电能数据采集终端包括高压电能表、低压智能断路器和低压电能表，高压电能表安装于配电变压器的高压侧，低压智能断路器安装于配电变压器的低压侧，所述电能数据采集终端通过HPLC、RS485或无线方式与智能终端融合终端通信，所述电能数据采集终端将采集到的实时电量数据传送给智能融合终端；
所述智能融合终端包括配电变压器的运行状态评估指标体系，包括目标层、准则层和指标层，智能融合终端用于部署特征提取和历史数据存储，历史数据属于高压电能表、低压电能表分别采集配电变压器的用电信息，其中，评估指标为实时型、统计型和基础型，实时型指标用于表征配电变压器当前的运行状况，统计型指标用于反映配电变压器的历史累积运转状况，基础型指标为配电变压器本身的固有特性；
预设周期内，将评估指标和实时电量用于配电变压器的状态评估，对各个指标建立分段评估规则，分段区间以及相应的指标得分由预设的专家知识经验得到，对指标数据流进行实时评估和加权综合，以得到配电变压运行状态实时动态图像。
2.根据权利要求1所述的一种基于云边协同的配电台区电能数据采集终端，其特征在于，各指标和配电变压器的评估结果采用百分制，分数越低表示指标和配电变压器的状态越差，配电变压器发生故障的概率越高。
3.根据权利要求1所述的一种基于云边协同的配电台区电能数据采集终端，其特征在于，智能融合终端包括指标预测模块，指标预测模块采用长短期记忆神经网络、支持向量机和LSTM-SVM预测模型，长短期记忆神经网络将输入门、输出门和遗忘门添加至神经元中，将多个LSTM神经单元进行连接和排列形成提取数据序列时间特征的循环网络结构；支持向量机用于将数据样本进行分割，SVM将问题转化为一个凸二次规划来求解；LSTM-SVM预测模型具有三层LSTM网络结构和两层全连接神经网络结构，最后连接SVM，模型，LSTM网络对输入的实时型指标数据进行实时规律特征提取，全连接神经网络结构进一步提取实时型指标数据的非线性特征，并引入Dropout层缓解特征过拟合，SVM模型对深度神经网络提取的多维特征进行回归学习，预测实时型指标的数值。
4.根据权利要求1所述的一种基于云边协同的配电台区电能数据采集终端，其特征在于，智能融合终端还包括运行状态趋势预测模块，结合指标预测模块和配电变压器运行状态的动态评估模型，用于对配电变压器运行状态进行预测。
5.根据权利要求1所述的一种基于云边协同的配电台区电能数据采集终端，其特征在于，电能数据采集终端还包括通信连接模块、运行模式确定模块和调度指令模块，通信连接模块用于通过面向台区的互联应用建立智能融合终端与配电网主控制系统和各个台区互联模块的通信连接，运行模式确定模块用于确定配电台区运行状态并根据台区运行状态确定台区互联运行模式；调度指令模块用于根据台区互联运行模式和台区的运行数据确定台区互联功率调度指令，并将台区互联功率调度指令通过台区的智能融合终端下发至每个台区互联模块执行。
6.根据权利要求5所述的一种基于云边协同的配电台区电能数据采集终端，其特征在于，运行模式确定模块用于确定配电台区运行状态并根据台区运行状态确定台区互联运行模式，包括：
当台区间的负荷率差异的最大值大于或等于预设负荷率差异阈值，则判定台区运行状态为负荷率差异运行状态，并确定台区运行模式为均载运行模式，以将高压侧对应的重载台区负荷由低压侧对应的轻载台区供电；
当存在台区发生断电故障时，则确定台区运行状态为断电故障运行状态，并确定台区运行模式为故障转供运行模式，并控制低压智能断路器实现由非故障台区向故障台区供电。
7.根据权利要求5所述的一种基于云边协同的配电台区电能数据采集终端，其特征在于，调度指令模块包括第一计算单元和第二计算单元，第一计算单元用于当台区运行模式为均载运行模式时，根据每个台区的配电变压器容量、配电变压器最佳运行点、配电变压器输出功率、台区互联模块容量的有功功率，以最小化不同台区负荷率差异或匹配不同台区的配电变压器最佳运行点为目标，确定台区功率调度指令；第二计算单元用于当台区运行模式为故障转供运行模式时，根据非故障台区的配电变压器容量、配电变压器最佳运行点、配电变压器输出功率、台区互联模块的容量的有功功率，以满足故障台区重要负荷供电需求为目标，确定台区功率调度指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111344272.XA CN114204675A (zh) | 2021-11-15 | 2021-11-15 | 一种基于云边协同的配电台区电能数据采集终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111344272.XA CN114204675A (zh) | 2021-11-15 | 2021-11-15 | 一种基于云边协同的配电台区电能数据采集终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114204675A true CN114204675A (zh) | 2022-03-18 |
Family
ID=80647747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111344272.XA Pending CN114204675A (zh) | 2021-11-15 | 2021-11-15 | 一种基于云边协同的配电台区电能数据采集终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114204675A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115085384A (zh) * | 2022-07-25 | 2022-09-20 | 深圳市朝阳辉电气设备有限公司 | 一种智能用电监测终端装置 |
| CN115149562A (zh) * | 2022-06-20 | 2022-10-04 | 贵州电网有限责任公司 | 一种基于多端口柔性互联装置的配电台区功率控制策略 |
| CN117914001A (zh) * | 2024-03-18 | 2024-04-19 | 北京智芯微电子科技有限公司 | 电力系统、故障研判方法、装置、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105225070A (zh) * | 2015-10-30 | 2016-01-06 | 广东电网有限责任公司电力调度控制中心 | 节能发电调度计划方法及系统 |
| CN111695800A (zh) * | 2020-06-03 | 2020-09-22 | 南京中电科能技术有限公司 | 一种云边协同逐级分析定位异常用电行为用户的方法 |
| CN112636338A (zh) * | 2020-12-11 | 2021-04-09 | 国网江苏省电力有限公司南通供电分公司 | 一种基于边缘计算的负荷分区调控系统及方法 |
| CN112953012A (zh) * | 2021-03-05 | 2021-06-11 | 广州鑫泓设备设计有限公司 | 一种基于大数据和物联网的智能供电系统和方法 |
| CN113471959A (zh) * | 2021-05-28 | 2021-10-01 | 国网上海能源互联网研究院有限公司 | 基于台区智能融合终端的多台区柔性互联控制方法及系统 |
-
2021
- 2021-11-15 CN CN202111344272.XA patent/CN114204675A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105225070A (zh) * | 2015-10-30 | 2016-01-06 | 广东电网有限责任公司电力调度控制中心 | 节能发电调度计划方法及系统 |
| CN111695800A (zh) * | 2020-06-03 | 2020-09-22 | 南京中电科能技术有限公司 | 一种云边协同逐级分析定位异常用电行为用户的方法 |
| CN112636338A (zh) * | 2020-12-11 | 2021-04-09 | 国网江苏省电力有限公司南通供电分公司 | 一种基于边缘计算的负荷分区调控系统及方法 |
| CN112953012A (zh) * | 2021-03-05 | 2021-06-11 | 广州鑫泓设备设计有限公司 | 一种基于大数据和物联网的智能供电系统和方法 |
| CN113471959A (zh) * | 2021-05-28 | 2021-10-01 | 国网上海能源互联网研究院有限公司 | 基于台区智能融合终端的多台区柔性互联控制方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 张波 等: "面向云边协同 的配电变压器运行状态评估及态势预测", 重庆大学学报, vol. 46, no. 5, pages 50 - 61 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115149562A (zh) * | 2022-06-20 | 2022-10-04 | 贵州电网有限责任公司 | 一种基于多端口柔性互联装置的配电台区功率控制策略 |
| CN115085384A (zh) * | 2022-07-25 | 2022-09-20 | 深圳市朝阳辉电气设备有限公司 | 一种智能用电监测终端装置 |
| CN115085384B (zh) * | 2022-07-25 | 2022-11-18 | 深圳市朝阳辉电气设备有限公司 | 一种智能用电监测终端装置 |
| CN117914001A (zh) * | 2024-03-18 | 2024-04-19 | 北京智芯微电子科技有限公司 | 电力系统、故障研判方法、装置、设备及介质 |
| CN117914001B (zh) * | 2024-03-18 | 2024-05-17 | 北京智芯微电子科技有限公司 | 电力系统、故障研判方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114204675A (zh) | 一种基于云边协同的配电台区电能数据采集终端 | |
| CN111429027B (zh) | 一种基于大数据的地区输电网运行多维度分析方法 | |
| CN104283308B (zh) | 微电网智能中央策略控制系统 | |
| Hua et al. | Review of distributed control and optimization in energy internet: From traditional methods to artificial intelligence‐based methods | |
| CN106504116A (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 | |
| CN117526432B (zh) | 一种面向源荷互动的配网调控系统及方法 | |
| Pan et al. | Edge-cloud computing application, architecture, and challenges in ubiquitous power Internet of Things demand response | |
| Muhammad et al. | Deep-reinforcement-learning-based sustainable energy distribution for wireless communication | |
| CN115693652A (zh) | 基于电力平衡和性能成本的配电网网架优化方法及装置 | |
| CN115589000A (zh) | 一种基于典型负荷归类的地区电压调整优化方法和系统 | |
| CN113344283B (zh) | 基于边缘智能的能源互联网新能源消纳能力评估方法 | |
| CN112053086B (zh) | 基于大数据电网运行诊断系统的工作方法 | |
| Wang et al. | Short-term wind power prediction based on DBSCAN clustering and support vector machine regression | |
| CN117878886A (zh) | 一种自主调度型虚拟电厂系统 | |
| CN116632944A (zh) | 一种基于用户需求的电网运行智能电网调度方法 | |
| Tretyakov | Advanced methods of transportation and distribution of electrical power in smart power grids of railways | |
| CN113689064A (zh) | 一种透明化变电站管理系统架构 | |
| CN107526316B (zh) | 一种基于互联网通信引擎的引导显示设备监控系统 | |
| CN118508597B (zh) | 一种面向电力系统保障对象的应急供电方法、系统和设备 | |
| Wang et al. | An End-to-End Network Evaluation Method for Differentiated Multi-Service Bearing in VPP | |
| Ren et al. | Service Governance Algorithm for Power Grid Structure Optimization Based on Improved Deep Neural Network | |
| CN114049029B (zh) | 一种基于能量枢纽智能体的多能源协同运行系统及其方法 | |
| CN108572631A (zh) | 一种基于二型模糊认知图的智能控制系统及方法 | |
| Chen et al. | Integrated Scheduling and Control System of Microgrid Based on Dynamic Programming Algorithm | |
| Xie et al. | Research on Comprehensive Evaluation Method of Urban Power Supply Capability Based on Information Fusion |
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 |