CN114418347B - 配电变压器的监测方法、装置、设备及存储介质 - Google Patents
配电变压器的监测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114418347B CN114418347B CN202111647419.2A CN202111647419A CN114418347B CN 114418347 B CN114418347 B CN 114418347B CN 202111647419 A CN202111647419 A CN 202111647419A CN 114418347 B CN114418347 B CN 114418347B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- index
- distribution transformer
- data
- weight
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 302
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000010586 diagram Methods 0.000 claims abstract description 23
- 238000012806 monitoring device Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 34
- 230000007613 environmental effect Effects 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 10
- 239000000779 smoke Substances 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Operations Research (AREA)
- Molecular Biology (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请公开了一种配电变压器的监测方法、装置、设备及存储介质,通过获取配电变压器的每个监测指标对应的多个目标监测数据,并基于多个目标监测数据,建立每个监测指标的第一优序图,利用熵权法,根据第一优序图确定每个目标监测数据的指标加权数据,以及基于指标加权数据,建立每个监测指标的第二优序图,并利用熵权法,根据第二优序图确定监测指标的指标权重值,从而结合优序图法和熵权法实现监测指标的权重分配,同时兼顾了主观性和客观性;再基于指标权重值和指标加权数据,建立目标配变监测模型,最后利用目标配变监测模型,对配电变压器进行监测,得到配电变压器的运行状态结果,提高了监测结果的准确度。
Description
技术领域
本申请涉及电网安全技术领域,尤其涉及一种配电变压器的监测方法、装置、设备及存储介质。
背景技术
配电变压器(简称配变)作为配电网系统最后一公里的关键设备,承担电能输送和分配的重要任务,监测其运行状态的安全性和可靠性对电网企业用户具有重要意义。
目前,配变监测方式主要有机器学习方式和线性加权方式。机器学习方式需要大量训练样本,而当前的配电运行数据量不足于支撑机器学习的训练样本量,导致监测结果不够准确。线性加权方式通过确定监测指标,再分配每个监测指标的权重,最后对所有监测指标进行加权,以确定配变的运行安全性和可靠性。但是线性加权方式本身难以确定最佳权重,并且当前的权重分配方式具有很强主观性,当配变监测数据偏离正常值时,若分配的权重过小则无法正确评价配变的真实运行情,从而导致监测结果准确度低。
发明内容
本申请提供了一种配电变压器的监测方法、装置、设备及存储介质,以解决当前配变监测方式存在监测结果准确度低的技术问题。
为了解决上述技术问题,第一方面,本申请实施例提供了一种配电变压器的监测方法,包括:
获取配电变压器的每个监测指标对应的多个目标监测数据;
基于多个目标监测数据,建立每个监测指标的第一优序图,利用熵权法,根据第一优序图确定每个目标监测数据的指标加权数据;
基于指标加权数据,建立每个监测指标的第二优序图,并利用熵权法,根据第二优序图确定监测指标的指标权重值;
基于指标权重值和指标加权数据,建立目标配变监测模型;
利用目标配变监测模型,对配电变压器进行监测,得到配电变压器的运行状态结果。
本实施例通过获取配电变压器的每个监测指标对应的多个目标监测数据,并基于多个目标监测数据,建立每个监测指标的第一优序图,利用熵权法,根据第一优序图确定每个目标监测数据的指标加权数据,以及基于指标加权数据,建立每个监测指标的第二优序图,并利用熵权法,根据第二优序图确定监测指标的指标权重值,从而结合优序图法和熵权法实现监测指标的权重分配,同时兼顾了主观性和客观性;再基于指标权重值和指标加权数据,建立目标配变监测模型,最后利用目标配变监测模型,对配电变压器进行监测,得到配电变压器的运行状态结果,提高了监测结果的准确度。
在一实施例中,基于多个目标监测数据,建立每个监测指标的第一优序图,利用熵权法,根据第一优序图确定每个目标监测数据的指标加权数据,包括:
对多个目标监测数据进行重要性对比,得到每个目标监测数据的第一重要度;
基于目标监测数据和第一重要度,建立第一优序图;
基于第一优序图,确定目标监测数据的第一权重值;
基于第一权重值,对目标监测数据进行加权,得到指标加权数据。
在一实施例中,基于第一优序图,确定目标监测数据的第一权重值,包括:
基于第一优序图,确定目标监测数据的第一主观权重和第一客观权重;
对第一主观权重和第一客观权重进行组合,得到目标监测数据的第一权重值。
在一实施例中,基于指标加权数据,建立每个监测指标的第二优序图,并利用熵权法,根据第二优序图确定监测指标的指标权重值,包括:
对多个指标加权数据进行重要性对比,得到每个指标加权数据的第二重要度;
基于指标加权数据和第二重要度,建立每个监测指标的第二优序图;
基于每个监测指标的第二优序图,确定每个监测指标的指标权重值。
在一实施例中,基于每个监测指标的第二优序图,确定每个监测指标的指标权重值,包括:
对于每个监测指标,基于监测指标的第二优序图,确定监测指标的第二主观权重和第二客观权重;
对第二主观权重和第二客观权重进行组合,得到监测指标的第二权重值;
基于预设变权因子,对第二权重值进行变权操作,得到监测指标的指标权重值。
在一实施例中,基于指标权重值和指标加权数据,建立目标配变监测模型,包括:
基于指标权重值和指标加权数据,建立多个隶属模糊函数;
基于多个隶属模糊函数,建立配电变压器的运行状态对应的模糊关系矩阵;
基于模糊关系矩阵,建立目标配变监测模型。
在一实施例中,监测指标包括电气量指标、状态量指标和环境量指标;目标监测数据包括电气量指标对应的电气监测数据,以及状态量指标对应的状态监测数据和环境量指标对应的环境监测数据;电气监测数据包括重过载率、三相不平衡率、谐波异常率、功率因数异常率和配变损耗异常率;状态监测数据包括桩温异常率、本体油位异常率和运行油温异常率;环境监测数据包括漏油严重程度、烟雾数据和外物入侵数据。
第二方面,本申请实施例提供一种配电变压器的监测装置,包括:
获取模块,用于获取配电变压器的每个监测指标对应的多个目标监测数据;
第一确定模块,用于基于多个目标监测数据,建立每个监测指标的第一优序图,利用熵权法,根据第一优序图确定每个目标监测数据的指标加权数据;
第二确定模块,用于基于指标加权数据,建立每个监测指标的第二优序图,并利用熵权法,根据第二优序图确定监测指标的指标权重值;
建立模块,用于基于指标权重值和指标加权数据,建立目标配变监测模型;
监测模块,用于利用目标配变监测模型,对配电变压器进行监测,得到配电变压器的运行状态结果。
第三方面,本申请实施例提供一种计算机设备,包括处理器和存储器,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时实现如第一方面所述的配电变压器的监测方法的步骤。
第四方面,本申请实施例提供一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的配电变压器的监测方法的步骤。
需要说明的是,上述第二方面至第四方面的有益效果请参见上述第一方面的相关描述,在此不再赘述。
附图说明
图1为本申请实施例提供的配电变压器的监测方法的流程示意图;
图2为本申请实施例提供的监测指标体的示意图;
图3为本申请实施例提供的配电变压器的监测装置的结构示意图;
图4为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如相关技术记载,目前,配变监测方式主要有机器学习方式和线性加权方式。机器学习方式需要大量训练样本,而当前的配电运行数据量不足于支撑机器学习的训练样本量,导致监测结果不够准确。线性加权方式通过确定监测指标,再分配每个监测指标的权重,最后对所有监测指标进行加权,以确定配变的运行安全性和可靠性。但是线性加权方式本身难以确定最佳权重,并且当前的权重分配方式具有很强主观性,当配变监测数据偏离正常值时,若分配的权重过小则无法正确评价配变的真实运行情,从而导致监测结果准确度低。
为此,本申请实施例提供一种配电变压器的监测方法、装置、设备及存储介质,通过获取配电变压器的每个监测指标对应的多个目标监测数据,并基于多个目标监测数据,建立每个监测指标的第一优序图,利用熵权法,根据第一优序图确定每个目标监测数据的指标加权数据,以及基于指标加权数据,建立每个监测指标的第二优序图,并利用熵权法,根据第二优序图确定监测指标的指标权重值,从而结合优序图法和熵权法实现监测指标的权重分配,同时兼顾了主观性和客观性;再基于指标权重值和指标加权数据,建立目标配变监测模型,最后利用目标配变监测模型,对配电变压器进行监测,得到配电变压器的运行状态结果,提高了监测结果的准确度。
请参照图1,图1为本申请实施例提供的一种配电变压器的监测方法的流程示意图。本申请实施例的配电变压器的监测方法可应用于计算机设备,该计算机设备包括但不限于智能手机、平板电脑、笔记本电脑、桌上型计算机、物理服务器和云服务器等计算设备。如图1所示,配电变压器的监测方法包括步骤S101至S105,详述如下:
步骤S101,获取配电变压器的每个监测指标对应的多个目标监测数据;
在本步骤中,如图2所示,监测指标包括一级监测指标和二级监测指标,一级监测指标包括电气量指标、状态量指标和环境量指标;电气量指标对应的二级监测指标包括重过载率指标、三相不平衡率指标、谐波异常率指标、功率因数异常率指标和配变损耗异常率指标;状态量指标对应的二级监测指标包括桩温异常率指标、本体油位异常率指标和运行油温异常率指标;环境量指标对应的二级监测指标包括漏油严重程度指标、烟雾指标和外物入侵指标。
相应地,所述目标监测数据包括所述电气量指标对应的电气监测数据,以及所述状态量指标对应的状态监测数据和所述环境量指标对应的环境监测数据;所述电气监测数据包括重过载率、三相不平衡率、谐波异常率、功率因数异常率和配变损耗异常率;所述状态监测数据包括桩温异常率、本体油位异常率和运行油温异常率;所述环境监测数据包括漏油严重程度、烟雾数据和外物入侵数据。
相比于目前基于电气量监测指标实现监测方式,本实施例利用电气量指标结合非电气量指标(状态量指标和环境量指标),能够全面监测配变运行状态,提高监测结果的客观性,从而进一步提高监测结果的准确性。
示例性地,采集配变的原始电气量数据、原始状态量数据和原始环境量数据,原始电气量数据具体包括:配变额定容量SN,配变重过载临界容量S0,配变实时总负荷St,配变低压侧实时三相母线电流配变低压侧φ(φ∈{A,B,C})相母线实时电压谐波量和电流谐波量配变低压侧φ相母线实时电压基波量和电流基波量配变实时综合功率因数Ft,配变综合功率因数下限F0,配变实时有功损耗配变正常有功损耗Ps0。原始状态量数据具体包括:配变实时桩头温度Kt,配变正常工况下桩头温度上限K0,配变实时油位lt,配变正常工况下的油位上限lmin和下限lmax,配变实时油温Tt,配变正常工况下的油温上限T0,配变实时漏油量Ct,配变油箱容量C0;所述的环境量数据具体包括:配变实时烟雾状态β32,配变实时外物入侵状态β33。
可选地,重过载率:
其中,St为时刻t的配变总负荷;S0为配变重过载临界容量;SN为配变额定容量。
可选地,三相不平衡率:
可选地,谐波异常率:
其中,为时刻t配变低压侧φ(φ∈{A,B,C})相母线电压谐波量,等于该相所有次谐波电压平方和的平方根为时刻t配变低压侧φ相母线电压基波量;为时刻t配变低压侧φ相母线电流谐波量,等于该相所有次谐波电流平方和的平方根,为时刻t配变低压侧φ相母线电流基波量。
可选地,功率因数异常率:
其中,Ft表示时刻t配变的综合功率因数,F0表示配变综合功率因数下限。
可选地,配变损耗异常率:
可选地,桩温异常率:
其中,Kt表示时刻t配变桩头温度,K0表示配变正常工况下桩头温度上限。
可选地,本体油位异常率:
其中,lt表示时刻t配变油位,lmin、lmax分别为配变正常工况下的油位上、下限。
可选地,运行油温异常率:
其中,Tt表示时刻t配变油温,T0为配变正常工况下的油温上限。
可选地,漏油严重程度:
其中,Ct为时刻t配变的漏油量,C0为配变油箱容量。
将上述9个指标体系进行标准化处理,具体操作如下公式:
将烟雾数据β32、外物入侵数据β33按如下标准化处理:
其中,二级指标烟雾为真时,β32为真,二级指标外物入侵为真时,β33为真。
步骤S102,基于多个所述目标监测数据,建立每个所述监测指标的第一优序图,利用熵权法,根据所述第一优序图确定每个所述目标监测数据的指标加权数据。
在本步骤中,利用优序图法,对目标监测数据进行重要性对比,并计算每个目标监测数据的指标得分,即计算每个二级指标的指标得分;根据该指标得分,利用熵权法,确定每个目标监测数据的指标加权数据,即确定每个二级指标的加权结果。
步骤S103,基于所述指标加权数据,建立每个所述监测指标的第二优序图,并利用熵权法,根据所述第二优序图确定所述监测指标的指标权重值。
在本步骤中,利用优序图法,对监测指标进行重要性对比,并计算每个监测指标的指标得分,即计算每个二级指标的加权结果对应的指标得分;根据该指标得分,利用熵权法,确定每个监测指标的指标权重值,即确定每个一级指标的指标权重值。
步骤S104,基于所述指标权重值和所述指标加权数据,建立目标配变监测模型。
在本步骤中,由于一级指标包括多个二级指标,所以利用二级指标对应的指标加权结果与一级指标的指标权重值进行线性加权,监理目标配变监测模型。
步骤S105,利用所述目标配变监测模型,对所述配电变压器进行监测,得到所述配电变压器的运行状态结果。
在本步骤中,获取配电变压器的在线监测数据,利用目标配变监测模型进行运算,得到运算结果,并根据运算结果确定配变的运行状态结果。可选地,运行状态结果包括正常运行状态、注意异常运行状态、异常运行状态和严重异常运行状态。
在一实施例中,在图1所示实施例的基础上,上述步骤S102,包括:
对多个所述目标监测数据进行重要性对比,得到每个所述目标监测数据的第一重要度;
基于所述目标监测数据和所述第一重要度,建立所述第一优序图;
基于所述第一优序图,确定所述目标监测数据的第一权重值;
基于所述第一权重值,对所述目标监测数据进行加权,得到所述指标加权数据。
在本实施例中,对每个一级指标下的多个目标监测数据建立第一优序图,例如,对状态量指标对应的状态量数据建立第一优序图:
其中,y表示列数。若β21比β23重要,则重要性得分a13=1,a31=0;若β21与β23同样重要,则重要性得分a13=0.5,a31=0.5,以此类推。应理解,其他一级指标下的目标监测数据也类似于状态量数据的优序图建立过程,在此不再赘述。
进一步地,所述基于所述第一优序图,确定所述目标监测数据的第一权重值。可选地,基于所述第一优序图,确定所述目标监测数据的第一主观权重和第一客观权重;对所述第一主观权重和所述第一客观权重进行组合,得到所述目标监测数据的第一权重值。
在本可选实施例中,计算一级指标βi(i=1,2,3)中的各个二级指标的主观权重为:
其中,x表示第一优序图的行数,y表示第一优序图的列数,ajy表示βi中的第j个二级指标的指标得分,axy表示第一优序图中第x行第y列的重要性得分,n为一级指标βi中的二级指标个数。
计算一级指标βi中的各二级指标的客观权重:
计算一级指标βi中的各二级指标的组合权重:
其中,α∈[0,1]。可选地,α=0.4;
计算指标加权数据:
在一实施例中,在图1所示实施例的基础上,上述步骤S103包括:
对多个所述指标加权数据进行重要性对比,得到每个所述指标加权数据的第二重要度;
基于所述指标加权数据和所述第二重要度,建立每个所述监测指标的所述第二优序图;
基于每个所述监测指标的所述第二优序图,确定每个所述监测指标的指标权重值。
在本实施例中,示例性地,根据上述指标加权数据,建立一级指标的优序图:
进一步地,基于每个所述监测指标的所述第二优序图,确定每个所述监测指标的指标权重值。可选地,对于每个所述监测指标,基于所述监测指标的所述第二优序图,确定所述监测指标的第二主观权重和第二客观权重;对所述第二主观权重和所述第二客观权重进行组合,得到所述监测指标的第二权重值;基于预设变权因子,对所述第二权重值进行变权操作,得到所述监测指标的指标权重值。
在本可选实施例中,计算一级指标βi的主观权重为:
计算一级指标βi的客观权重:
计算一级指标βi的组合权重:
ωi=ηωz,i+(1-η)ωk,i;
其中,η∈[0,1]。可选地,η=0.4;
引入预设变权因子计算一级指标βi的指标权重值:
在一实施例中,在图1所示实施例的基础上,上述步骤S104,包括:
基于所述指标权重值和所述指标加权数据,建立多个隶属模糊函数;
基于多个所述隶属模糊函数,建立所述配电变压器的运行状态对应的模糊关系矩阵;
基于所述模糊关系矩阵,建立所述目标配变监测模型。
在本实施例中,建立四个隶属模糊函数:
其中,a1、a2、a3、a4分别为一级指标值对配变正常、注意、异常、严重四种运行状态反映的风险值。可选地,a1=0.1,a2=0.3,a3=0.5,a4=0.7。
则建立配变监测模型:
其中g1、g2、g3、g4为配变监测结果分别为正常、注意、异常、严重的概率。
为了执行上述方法实施例对应的配电变压器的监测方法,以实现相应的功能和技术效果。参见图3,图3示出了本申请实施例提供的一种配电变压器的监测装置的结构框图。为了便于说明,仅示出了与本实施例相关的部分,本申请实施例提供的配电变压器的监测装置,包括:
获取模块301,用于获取配电变压器的每个监测指标对应的多个目标监测数据;
第一确定模块302,用于基于多个所述目标监测数据,建立每个所述监测指标的第一优序图,利用熵权法,根据所述第一优序图确定每个所述目标监测数据的指标加权数据;
第二确定模块303,用于基于所述指标加权数据,建立每个所述监测指标的第二优序图,并利用熵权法,根据所述第二优序图确定所述监测指标的指标权重值;
建立模块304,用于基于所述指标权重值和所述指标加权数据,建立目标配变监测模型;
监测模块305,用于利用所述目标配变监测模型,对所述配电变压器进行监测,得到所述配电变压器的运行状态结果。
在一实施例中,所述基第一确定模块302,包括:
第一对比单元,用于对多个所述目标监测数据进行重要性对比,得到每个所述目标监测数据的第一重要度;
第一建立单元,用于基于所述目标监测数据和所述第一重要度,建立所述第一优序图;
第二建立单元,用于基于所述第一优序图,确定所述目标监测数据的第一权重值;
加权单元,用于基于所述第一权重值,对所述目标监测数据进行加权,得到所述指标加权数据。
在一实施例中,所述第二建立单元,包括:
第一确定子单元,用于基于所述第一优序图,确定所述目标监测数据的第一主观权重和第一客观权重;
第一组合子单元,用于对所述第一主观权重和所述第一客观权重进行组合,得到所述目标监测数据的第一权重值。
在一实施例中,所述第二确定模块303,包括:
第二对比单元,用于对多个所述指标加权数据进行重要性对比,得到每个所述指标加权数据的第二重要度;
第三建立单元,用于基于所述指标加权数据和所述第二重要度,建立每个所述监测指标的所述第二优序图;
确定单元,用于基于每个所述监测指标的所述第二优序图,确定每个所述监测指标的指标权重值。
在一实施例中,所述确定单元,包括:
第二确定子单元,用于对于每个所述监测指标,基于所述监测指标的所述第二优序图,确定所述监测指标的第二主观权重和第二客观权重;
第二组合子单元,用于对所述第二主观权重和所述第二客观权重进行组合,得到所述监测指标的第二权重值;
变权子单元,用于基于预设变权因子,对所述第二权重值进行变权操作,得到所述监测指标的指标权重值。
在一实施例中,所述建立模块304,包括:
第四建立单元,用于基于所述指标权重值和所述指标加权数据,建立多个隶属模糊函数;
第五建立单元,用于基于多个所述隶属模糊函数,建立所述配电变压器的运行状态对应的模糊关系矩阵;
第六建立单元,用于基于所述模糊关系矩阵,建立所述目标配变监测模型。
在一实施例中,所述监测指标包括电气量指标、状态量指标和环境量指标;所述目标监测数据包括所述电气量指标对应的电气监测数据,以及所述状态量指标对应的状态监测数据和所述环境量指标对应的环境监测数据;所述电气监测数据包括重过载率、三相不平衡率、谐波异常率、功率因数异常率和配变损耗异常率;所述状态监测数据包括桩温异常率、本体油位异常率和运行油温异常率;所述环境监测数据包括漏油严重程度、烟雾数据和外物入侵数据。
上述的配电变压器的监测装置可实施上述方法实施例的配电变压器的监测方法。上述方法实施例中的可选项也适用于本实施例,这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容,在本实施例中,不再进行赘述。
图4为本申请一实施例提供的计算机设备的结构示意图。如图4所示,该实施例的计算机设备4包括:至少一个处理器40(图4中仅示出一个)处理器、存储器41以及存储在所述存储器41中并可在所述至少一个处理器40上运行的计算机程序42,所述处理器40执行所述计算机程序42时实现上述任意方法实施例中的步骤。
所述计算机设备4可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该计算机设备可包括但不仅限于处理器40、存储器41。本领域技术人员可以理解,图4仅仅是计算机设备4的举例,并不构成对计算机设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),该处理器40还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41在一些实施例中可以是所述计算机设备4的内部存储单元,例如计算机设备4的硬盘或内存。所述存储器41在另一些实施例中也可以是所述计算机设备4的外部存储设备,例如所述计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
另外,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在计算机设备上运行时,使得计算机设备执行时实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中,可以理解的是,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
所述功能如果以软件功能模块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执行本申请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。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围。特别指出,对于本领域技术人员来说,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种配电变压器的监测方法,其特征在于,包括:
获取配电变压器的每个监测指标对应的多个目标监测数据,所述监测指标包括电气量指标、状态量指标和环境量指标,所述目标监测数据包括所述电气量指标对应的电气监测数据,以及所述状态量指标对应的状态监测数据和所述环境量指标对应的环境监测数据;
基于多个所述目标监测数据,建立每个所述监测指标的第一优序图,利用熵权法,根据所述第一优序图确定每个所述目标监测数据的指标加权数据;
基于所述指标加权数据,建立每个所述监测指标的第二优序图,并利用熵权法,根据所述第二优序图确定所述监测指标的指标权重值;
基于所述指标权重值和所述指标加权数据,建立目标配变监测模型;
利用所述目标配变监测模型,对所述配电变压器进行监测,得到所述配电变压器的运行状态结果;
所述利用熵权法,根据所述第二优序图确定所述监测指标的指标权重值,包括:
对于每个所述监测指标,基于所述监测指标的所述第二优序图,确定所述监测指标的第二主观权重和第二客观权重;
对所述第二主观权重和所述第二客观权重进行组合,得到所述监测指标的第二权重值;
基于预设变权因子,对所述第二权重值进行变权操作,得到所述监测指标的指标权重值,所述预设变权因子为所述监测指标对所述配电变压器运行状态的注意系数;
所述变权操作为:
2.如权利要求1所述的配电变压器的监测方法,其特征在于,所述基于多个所述目标监测数据,建立每个所述监测指标的第一优序图,利用熵权法,根据所述第一优序图确定每个所述目标监测数据的指标加权数据,包括:
对多个所述目标监测数据进行重要性对比,得到每个所述目标监测数据的第一重要度;
基于所述目标监测数据和所述第一重要度,建立所述第一优序图;
基于所述第一优序图,确定所述目标监测数据的第一权重值;
基于所述第一权重值,对所述目标监测数据进行加权,得到所述指标加权数据。
3.如权利要求2所述的配电变压器的监测方法,其特征在于,所述基于所述第一优序图,确定所述目标监测数据的第一权重值,包括:
基于所述第一优序图,确定所述目标监测数据的第一主观权重和第一客观权重;
对所述第一主观权重和所述第一客观权重进行组合,得到所述目标监测数据的第一权重值。
4.如权利要求1所述的配电变压器的监测方法,其特征在于,所述基于所述指标加权数据,建立每个所述监测指标的第二优序图,包括:
对多个所述指标加权数据进行重要性对比,得到每个所述指标加权数据的第二重要度;
基于所述指标加权数据和所述第二重要度,建立每个所述监测指标的所述第二优序图。
5.如权利要求1至4任一项所述的配电变压器的监测方法,其特征在于,所述基于所述指标权重值和所述指标加权数据,建立目标配变监测模型,包括:
基于所述指标权重值和所述指标加权数据,建立多个隶属模糊函数;
基于多个所述隶属模糊函数,建立所述配电变压器的运行状态对应的模糊关系矩阵;
基于所述模糊关系矩阵,建立所述目标配变监测模型。
6.如权利要求1至4任一项所述的配电变压器的监测方法,其特征在于,所述监测指标包括电气量指标、状态量指标和环境量指标;所述目标监测数据包括所述电气量指标对应的电气监测数据,以及所述状态量指标对应的状态监测数据和所述环境量指标对应的环境监测数据;所述电气监测数据包括重过载率、三相不平衡率、谐波异常率、功率因数异常率和配变损耗异常率;所述状态监测数据包括桩温异常率、本体油位异常率和运行油温异常率;所述环境监测数据包括漏油严重程度、烟雾数据和外物入侵数据。
7.一种配电变压器的监测装置,其特征在于,包括:
获取模块,用于获取配电变压器的每个监测指标对应的多个目标监测数据,所述监测指标包括电气量指标、状态量指标和环境量指标,所述目标监测数据包括所述电气量指标对应的电气监测数据,以及所述状态量指标对应的状态监测数据和所述环境量指标对应的环境监测数据;
第一确定模块,用于基于多个所述目标监测数据,建立每个所述监测指标的第一优序图,利用熵权法,根据所述第一优序图确定每个所述目标监测数据的指标加权数据;
第二确定模块,用于基于所述指标加权数据,建立每个所述监测指标的第二优序图,并利用熵权法,根据所述第二优序图确定所述监测指标的指标权重值;
建立模块,用于基于所述指标权重值和所述指标加权数据,建立目标配变监测模型;
监测模块,用于利用所述目标配变监测模型,对所述配电变压器进行监测,得到所述配电变压器的运行状态结果;
所述第二确定模块,包括:
确定单元,用于基于每个所述监测指标的所述第二优序图,确定每个所述监测指标的指标权重值;
所述确定单元,包括:
第二确定子单元,用于对于每个所述监测指标,基于所述监测指标的所述第二优序图,确定所述监测指标的第二主观权重和第二客观权重;
第二组合子单元,用于对所述第二主观权重和所述第二客观权重进行组合,得到所述监测指标的第二权重值;
变权子单元,用于基于预设变权因子,对所述第二权重值进行变权操作,得到所述监测指标的指标权重值,所述预设变权因子为所述监测指标对所述配电变压器运行状态的注意系数;
所述变权操作为:
8.一种计算机设备,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至6任一项所述的配电变压器的监测方法的步骤。
9.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的配电变压器的监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111647419.2A CN114418347B (zh) | 2021-12-29 | 2021-12-29 | 配电变压器的监测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111647419.2A CN114418347B (zh) | 2021-12-29 | 2021-12-29 | 配电变压器的监测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114418347A CN114418347A (zh) | 2022-04-29 |
CN114418347B true CN114418347B (zh) | 2022-10-11 |
Family
ID=81269823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111647419.2A Active CN114418347B (zh) | 2021-12-29 | 2021-12-29 | 配电变压器的监测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114418347B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018157691A1 (zh) * | 2017-02-28 | 2018-09-07 | 国网江苏省电力公司常州供电公司 | 有源配电网的安全性量化方法 |
CN111080072A (zh) * | 2019-11-21 | 2020-04-28 | 广州供电局有限公司 | 配电变压器健康指数评估方法、装置及系统 |
CN111178708A (zh) * | 2019-12-18 | 2020-05-19 | 贝壳技术有限公司 | 目标评分方法和装置、计算机可读存储介质、电子设备 |
CN112149986A (zh) * | 2020-09-17 | 2020-12-29 | 西安工程大学 | 基于多层次模糊综合评判的高压开关柜评估方法 |
CN112734218A (zh) * | 2021-01-05 | 2021-04-30 | 黄河勘测规划设计研究院有限公司 | 以流域为基础的河流健康评价方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108548974A (zh) * | 2018-04-28 | 2018-09-18 | 广东电网有限责任公司 | 基于时序动态视角的变压器状态评价方法及装置 |
-
2021
- 2021-12-29 CN CN202111647419.2A patent/CN114418347B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018157691A1 (zh) * | 2017-02-28 | 2018-09-07 | 国网江苏省电力公司常州供电公司 | 有源配电网的安全性量化方法 |
CN111080072A (zh) * | 2019-11-21 | 2020-04-28 | 广州供电局有限公司 | 配电变压器健康指数评估方法、装置及系统 |
CN111178708A (zh) * | 2019-12-18 | 2020-05-19 | 贝壳技术有限公司 | 目标评分方法和装置、计算机可读存储介质、电子设备 |
CN112149986A (zh) * | 2020-09-17 | 2020-12-29 | 西安工程大学 | 基于多层次模糊综合评判的高压开关柜评估方法 |
CN112734218A (zh) * | 2021-01-05 | 2021-04-30 | 黄河勘测规划设计研究院有限公司 | 以流域为基础的河流健康评价方法及装置 |
Non-Patent Citations (2)
Title |
---|
"含分布式光伏配电网安全性与可靠性评估";樊若楠;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20170215;第C042-943页 * |
多层次模糊综合评判法在数字图书馆评价中的应用;战学秋等;《情报科学》;20070715(第07期);第62-66页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114418347A (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hong et al. | Vehicle energy system active defense: a health assessment of lithium‐ion batteries | |
CN108198408B (zh) | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 | |
CN111624986A (zh) | 基于案例库的故障诊断方法和系统 | |
Hou et al. | Impact‐increment based decoupled reliability assessment approach for composite generation and transmission systems | |
Krishnan et al. | Contingency assessment under uncertainty for voltage collapse and its application in risk based contingency ranking | |
CN111025041A (zh) | 电动汽车充电桩监测方法及其系统、计算机设备、介质 | |
Hailu et al. | Techniques of power system static security assessment and improvement: A literature survey | |
CN117134504B (zh) | 基于安全防护的智能能源监测方法及系统 | |
CN114418347B (zh) | 配电变压器的监测方法、装置、设备及存储介质 | |
CN107491862B (zh) | 电网风险评测的方法及装置 | |
Li et al. | Stochastic fractal search-optimized multi-support vector regression for remaining useful life prediction of bearings | |
CN105759217B (zh) | 一种基于可测数据的铅酸蓄电池组在线故障诊断方法 | |
CN112966930A (zh) | 光伏电站的评价方法、装置以及计算机可读存储介质 | |
CN112305485A (zh) | 电容式电压互感器的谐波电压测量误差修正方法及装置 | |
CN109934499B (zh) | 一种设备低电压故障的评估方法、装置、设备及存储介质 | |
Freitas et al. | Orthogonal method for solving maximum correntropy‐based power system state estimation | |
CN116400266A (zh) | 基于数字孪生模型的变压器故障检测方法、装置及介质 | |
CN116702084A (zh) | 一种基于模糊理论的一二次融合柱上断路器状态评价方法 | |
CN113887676A (zh) | 设备故障预警方法、装置、设备、介质和计算机程序产品 | |
Yang et al. | Identification of weak nodes in ac/dc hybrid power grid based on entropy theory | |
Qi et al. | Imprecise reliability assessment of generating systems involving interval probability | |
CN113723821B (zh) | 一种基于潮流介数的电网故障预警方法及装置 | |
Mohapatra et al. | Unified boundary and probabilistic power flow | |
CN112230087B (zh) | 一种线性状态估计方法、装置、电子设备及存储介质 | |
JP2019047696A (ja) | 電力系統監視システム、電力系統監視方法、及びプログラム |
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 |