CN114487705A - 一种电网设备故障定位检测方法 - Google Patents

Abstract

一种电网设备故障定位检测方法，该方法先通过网络获取电网设备相关数据并提取特征数据，再基于特征数据和设备实际运行状况确定各类设备的各种故障类型数据、故障判断参数、故障发生时设备的变化数据以及各电网设备采集节点的采集处变化数据，然后对这些数据进行整理关联后存储在数据存储器中，接着实时监测电网设备运行状态和各电网设备采集节点采集的数据，并于报警开始后对上述监测数据进行分析，基于数据变化大小判定监测区域内有无故障，若有故障，则根据数据的实际变化类型将其拆分为多个关键词后输入数据存储器中进行搜索，得到与这些关键词相对应的电网设备或电网设备的采集节点。该设计实现了电网设备故障位置的准确定位。

Description

一种电网设备故障定位检测方法

技术领域

本发明属于电网技术领域，具体涉及一种电网设备故障定位检测方法。

背景技术

电力是国民经济和人民生活的基础产业，它的供应和安全对国家安全战略、经济和社会发展起着至关重要的作用，而电力系统中一般会包括较多的电网设备，电网设备是在电力系统中对发电机、变压器、电力线路、断路器等设备的统称，电气设备在使用过程中，常常会出现各种各样的故障，当电力系统中的电网设备状态异常或者发生故障时，如果不能迅速诊断出电力故障，及时抢修尽快恢复电网正常运行，会导致停电事件影响日常生活，严重的可能会带来巨大的经济损失。

随着我国电力工业迅猛发展，电网装机容量快速增长，电网规模同趋扩大，结构上也随之复杂，运行方式多种多样，呈现给调度员的报警信息也越来越多，电网正常运行时，电力设备产生的告警信息还需要人工处理，电网故障时，成百上千的报警信息会在短时间内上送到调控中心，调控员不可能在极短时间内对这些报警信息进行正确分析和处理，不能充分利用故障信息找出故障发生的区域和设备，所以现有的电网调度报警系统存在故障信息判断困难、人工处理劳动强度大、事故处理效率低，影响电网安全、可靠运行的缺点，使得检修人员难以在第一时间内得知故障所在的具体位置进行检修工作。

发明内容

本发明的目的是解决现有技术存在的上述问题，提供一种电网设备故障定位检测方法。

为实现以上目的，本发明提供了以下技术方案：

一种电网设备故障定位检测方法，依次包括以下步骤：

步骤A、先通过网络获取电网设备相关数据，再提取其中的特征数据；

步骤B、先基于提取的特征数据和电网设备的实际运行状况确定各类设备对应的各种故障类型数据、故障判断参数、故障发生时设备的变化数据以及各电网设备采集节点的采集处变化数据，然后对这些数据进行整理关联后存储在数据存储器中；

步骤C、实时监测电网设备运行时的工作状态和各电网设备采集节点采集的数据，并于报警开始后对上述监测数据进行分析，基于数据的变化值大小判定监测区域内有无故障，若有故障，则进入步骤D；

步骤D、先根据数据的实际变化类型将其拆分为多个关键词，再将这些关键词输入数据存储器中进行搜索，得到与这些关键词相对应的电网设备或电网设备的采集节点。

所述步骤D中，若存在多个变化过大的数据，先任意选择两个数据进行两两加权融合，再将融合后的数据进一步与其他数据两两加权融合，最终得到多个加权融合的特征数据，然后将权重较高的特征数据根据实际变化类型整理拆分成多个关键词。

所述两两加权融合的方法依次包括以下步骤：

S1、先根据选择的两个数据的重要程度和可信度赋予不同的权重系数，随后保留权重系数较大的数据，将权重较小的数据按照如下公式进行调整：

上式中，α₁、α₂分别为两个数据的权重系数，α_i为第i个数据的权重系数，m_i为第i个数据的值，m′_i为第i个数据调整后的值，m'_j为第j个数据调整后的值，

为加权平均值；

S2、根据以下公式将上述两个数据的权重系数转化为局部权重系数，以得到一个融合后的新数据α′_im′_i+α'_jm'_j，并将该新数据的权重系数设定为(α_i+α_j)：

上式中，α′_i、α′_j分别为转化后第i、j个数据的权重系数。

所述步骤C中，若无故障，则对电网设备的状态进行诊断，得到配电网设备的状态评价结果，若状态评价结果为正常状态，则无需检修；若状态评价结果为注意或异常状态，则判定可能出现部分零件磨损，需要安排维护人员进行维护；若状态评价结果为严重状态，则判定可能出现设备运行过久老化的问题，需要即刻安排维修人员进行停机维护，随后基于上述状态评价结果和该设备的实际运行数据，结合历史同类型设备数据预测该设备未来可能发生的故障。

所述状态评价方法为：

C1、将电网设备的历史状态数据按照严重程度分为严重、异常﹑注意、正常四个数据集，并对其进行归一化处理；

C2、采用主成分分析法对上述各数据集进行特征优化；

C3、对于待评价状态数据，计算其与各数据集中心的距离，以距离最小的数据集的严重程度属性作为待评价状态数据的评价结果。

所述步骤D中，若搜索之后没有得到相对应的电网设备或电网设备的采集节点，则过滤掉变化幅度较小的关键词后再次进行搜索，直至搜索到相对应的电网设备或电网设备的采集节点。

所述方法还包括：

步骤E、根据数据存储器中存储的与搜索得到的电网设备或电网设备的采集节点关联的数据预测电网设备或电网设备的采集节点可能出现的故障类型，并根据数据的变化大小确定对应的故障等级，给出对应故障等级的警报。

所述步骤E中，若可能出现的故障类型有多种时，按照紧迫性和必要性进行排序，同时按优先级确定具体检修时序方案。

与现有技术相比，本发明的有益效果为：

1、本发明一种电网设备故障定位检测方法先通过网络获取电网设备相关数据，并提取其中的特征数据，再基于提取的特征数据和电网设备的实际运行状况确定各类设备对应的各种故障类型数据、故障判断参数、故障发生时设备的变化数据以及各电网设备采集节点的采集处变化数据，然后对这些数据进行整理关联后存储在数据存储器中，实时监测电网设备运行时的工作状态和各电网设备采集节点采集的数据，并于报警开始后对上述监测数据进行分析，基于数据的变化值大小判定监测区域内有无故障，若有故障，则根据数据的实际变化类型将其拆分为多个关键词，再将这些关键词输入数据存储器中进行搜索，得到与这些关键词相对应的电网设备或电网设备的采集节点，该方法通过统计故障数据发生时设备的变化与各电网设备采集节点对应的位置发生的变化，并对变化数据、各类设备的故障数据和采集节点对应位置发生的变化进行关联，使得当报警系统工作报警时，可以根据监测的数据变化在数据存储器中进行搜索，来判断出现故障的电网设备或采集节点，从而实现了电网设备故障位置的定位。因此，本发明实现了电网设备故障位置的定位。

2、本发明一种电网设备故障定位检测方法对于存在多个变化过大的数据的情况，先任意选择两个数据进行两两加权融合，再将融合后的数据进一步与其他数据两两加权融合，最终得到多个加权融合的特征数据，并选取权重较高的特征数据根据实际变化类型整理拆分成多个关键词进行搜索，本设计通过两两加权调整融合技术可明显提高对正确判断的信任度，不仅能够解决如何确定来自不同信息源的数据权重系数问题，而且可以进一步提高特征数据中故障识别的准确率。因此，本发明不仅解决了来自不同信息源的数据权重系数确定问题，而且提高了故障识别的准确率。

3、本发明一种电网设备故障定位检测方法对于监测区域内无故障的情况，首先根据电网设备的历史状态数据按照严重程度分为严重、异常﹑注意、正常四个数据集，即对设备状态进行定级，然后对电网设备的实际运行数据进行状态评价，并根据状态评价结果指导得出对应的维修策略，同时，基于状态评价结果和设备的实际运行数据，结合历史同类型设备数据预测设备未来可能发生的故障，该方法针对目前无故障设备实现了其未来故障的有效预测。因此，本发明实现了目前无故障电网设备未来故障的预测。

附图说明

图1为本发明中步骤C、D的流程图。

具体实施方式

下面结合具体实施方式和附图对本发明作进一步的说明。

参见图1，一种电网设备故障定位检测方法，依次包括以下步骤：

步骤A、先通过网络获取电网设备相关数据，再提取其中的特征数据；

步骤B、先基于提取的特征数据和电网设备的实际运行状况确定各类设备对应的各种故障类型数据、故障判断参数、故障发生时设备的变化数据以及各电网设备采集节点的采集处变化数据，然后对这些数据进行整理关联后存储在数据存储器中；

步骤C、实时监测电网设备运行时的工作状态和各电网设备采集节点采集的数据，并于报警开始后对上述监测数据进行分析，基于数据的变化值大小判定监测区域内有无故障，若有故障，则进入步骤D；

步骤D、先根据数据的实际变化类型将其拆分为多个关键词，再将这些关键词输入数据存储器中进行搜索，得到与这些关键词相对应的电网设备或电网设备的采集节点。

所述步骤D中，若存在多个变化过大的数据，先任意选择两个数据进行两两加权融合，再将融合后的数据进一步与其他数据两两加权融合，最终得到多个加权融合的特征数据，然后将权重较高的特征数据根据实际变化类型整理拆分成多个关键词。

所述两两加权融合的方法依次包括以下步骤：

S1、先根据选择的两个数据的重要程度和可信度赋予不同的权重系数，随后保留权重系数较大的数据，将权重较小的数据按照如下公式进行调整：

上式中，α₁、α₂分别为两个数据的权重系数，α_i为第i个数据的权重系数，m_i为第i个数据的值，m′_i为第i个数据调整后的值，m'_j为第j个数据调整后的值，

为加权平均值；

S2、根据以下公式将上述两个数据的权重系数转化为局部权重系数，以得到一个融合后的新数据α′_im′_i+α'_jm'_j，并将该新数据的权重系数设定为(α_i+α_j)：

上式中，α′_i、α′_j分别为转化后第i、j个数据的权重系数。

所述步骤C中，若无故障，则对电网设备的状态进行诊断，得到配电网设备的状态评价结果，若状态评价结果为正常状态，则无需检修；若状态评价结果为注意或异常状态，则判定可能出现部分零件磨损，需要安排维护人员进行维护；若状态评价结果为严重状态，则判定可能出现设备运行过久老化的问题，需要即刻安排维修人员进行停机维护，随后基于上述状态评价结果和该设备的实际运行数据，结合历史同类型设备数据预测该设备未来可能发生的故障。

所述状态评价方法为：

C1、将电网设备的历史状态数据按照严重程度分为严重、异常﹑注意、正常四个数据集，并对其进行归一化处理；

C2、采用主成分分析法对上述各数据集进行特征优化；

C3、对于待评价状态数据，计算其与各数据集中心的距离，以距离最小的数据集的严重程度属性作为待评价状态数据的评价结果。

所述步骤D中，若搜索之后没有得到相对应的电网设备或电网设备的采集节点，则过滤掉变化幅度较小的关键词后再次进行搜索，直至搜索到相对应的电网设备或电网设备的采集节点。

所述方法还包括：

步骤E、根据数据存储器中存储的与搜索得到的电网设备或电网设备的采集节点关联的数据预测电网设备或电网设备的采集节点可能出现的故障类型，并根据数据的变化大小确定对应的故障等级，给出对应故障等级的警报。

所述步骤E中，若可能出现的故障类型有多种时，按照紧迫性和必要性进行排序，同时按优先级确定具体检修时序方案。

实施例1：

参见图1，一种电网设备故障定位检测方法，依次按照以下步骤进行：

1、通过网络爬虫系统从公开免费的信息源获取电网设备相关数据，再提取其中的特征数据；

2、先基于提取的特征数据和电网设备的实际运行状况确定各类设备对应的各种故障类型数据、故障判断参数、故障发生时设备的变化数据以及各电网设备采集节点的采集处变化数据，然后对这些数据进行整理关联后存储在数据存储器中，如将采集位置出现温度升高与导致的设备故障进行关联，将采集位置湿度升高与导致的设备故障进行关联，将采集位置运行噪音增高与导致的设备故障进行关联等，其中，所述故障判断参数包括短路故障电流阈值和接地故障电流阈值，所述故障发生时设备的变化数据包括感官变化和监测变化数据，所述感官变化数据包括设备运行时产生的噪音变化、形状变化、味道变化、温度变化、颜色变化以及线路变化数据，监测变化数据包括传感器对电网设备的工作状态采集数据的变化和对电网设备的多个节点的监测变化数据；

3、实时监测电网设备运行时的工作状态和各电网设备采集节点采集的数据，并于报警开始后对上述监测数据进行分析，基于数据的变化值大小判定监测区域内有无故障，若数据没有突变，则判断为本设备或区域内无故障，并进入步骤4，若有突变，则确定,本设备或区域内有故障，并进入步骤5；

4、对电网设备的状态进行诊断，得到配电网设备的状态评价结果，若状态评价结果为正常状态，则无需检修；若状态评价结果为注意或异常状态，则判定可能出现部分零件磨损，使用时会产生一定的高温或噪音，需要安排维护人员根据温度升高或噪音较高的位置进行着重检修，必要时更换零件；若状态评价结果为严重状态，则判定可能出现设备运行过久老化的问题，需要即刻安排维修人员进行停机维护，随后基于上述状态评价结果和该设备的实际运行数据，结合历史同类型设备数据预测该设备未来可能发生的故障，其中，所述状态评价方法为：先将电网设备的历史状态数据按照严重程度分为严重、异常﹑注意、正常四个数据集，并对其进行归一化处理，再采用主成分分析法对上述各数据集进行特征优化，随后对于待评价状态数据，计算其与各数据集中心的距离，以距离最小的数据集的严重程度属性作为待评价状态数据的评价结果；

5、若变化过大的数据有一个，根据该数据的实际变化类型将其拆分为多个关键词，若变化过大的数据有多个，先任意选择两个数据进行两两加权融合，再将融合后的数据进一步与其他数据两两加权融合，最终得到多个加权融合的特征数据，然后将权重较高的特征数据根据实际变化类型整理拆分成多个关键词，其中，所述两两加权融合的方法依次包括以下步骤：

S1、先根据选择的两个数据的重要程度和可信度赋予不同的权重系数，随后保留权重系数较大的数据，将权重较小的数据按照如下公式进行调整：

上式中，α₁、α₂分别为两个数据的权重系数，α_i为第i个数据的权重系数，m_i为第i个数据的值，m_i'为第i个数据调整后的值，m'_j为第j个数据调整后的值，

为加权平均值；

S2、根据以下公式将上述两个数据的权重系数转化为局部权重系数，以得到一个融合后的新数据α′_im′_i+α'_jm'_j，并将该新数据的权重系数设定为(α_i+α_j)：

上式中，α′_i、α′_j分别为转化后第i、j个数据的权重系数；

6、将上述关键词输入数据存储器中进行搜索，得到与这些关键词相对应的电网设备或电网设备的采集节点，若搜索之后没有得到相对应的电网设备或电网设备的采集节点，则过滤掉变化幅度较小的关键词后再次进行搜索，直至搜索到相对应的电网设备或电网设备的采集节点；

7、根据数据存储器中存储的与搜索得到的电网设备或电网设备的采集节点关联的数据预测电网设备或电网设备的采集节点可能出现的故障类型，并根据数据的变化大小确定对应的故障等级，同时提取对应设备的使用数据传送给维修人员，给出对应故障等级的警报，若可能出现的故障类型有多种时，按照紧迫性和必要性进行排序，同时按优先级确定具体检修时序方案。

Claims (8)

1.一种电网设备故障定位检测方法，其特征在于：

所述定位检测方法依次包括以下步骤：

步骤A、先通过网络获取电网设备相关数据，再提取其中的特征数据；

步骤B、先基于提取的特征数据和电网设备的实际运行状况确定各类设备对应的各种故障类型数据、故障判断参数、故障发生时设备的变化数据以及各电网设备采集节点的采集处变化数据，然后对这些数据进行整理关联后存储在数据存储器中；

步骤C、实时监测电网设备运行时的工作状态和各电网设备采集节点采集的数据，并于报警开始后对上述监测数据进行分析，基于数据的变化值大小判定监测区域内有无故障，若有故障，则进入步骤D；

步骤D、先根据数据的实际变化类型将其拆分为多个关键词，再将这些关键词输入数据存储器中进行搜索，得到与这些关键词相对应的电网设备或电网设备的采集节点。

2.根据权利要求1所述的一种电网设备故障定位检测方法，其特征在于：

所述步骤D中，若存在多个变化过大的数据，先任意选择两个数据进行两两加权融合，再将融合后的数据进一步与其他数据两两加权融合，最终得到多个加权融合的特征数据，然后将权重较高的特征数据根据实际变化类型整理拆分成多个关键词。

3.根据权利要求2所述的一种电网设备故障定位检测方法，其特征在于：

所述两两加权融合的方法依次包括以下步骤：

S1、先根据选择的两个数据的重要程度和可信度赋予不同的权重系数，随后保留权重系数较大的数据，将权重较小的数据按照如下公式进行调整：

上式中，α₁、α₂分别为两个数据的权重系数，α_i为第i个数据的权重系数，m_i为第i个数据的值，m′_i为第i个数据调整后的值，m'_j为第j个数据调整后的值，

为加权平均值；

S2、根据以下公式将上述两个数据的权重系数转化为局部权重系数，以得到一个融合后的新数据α′_im′_i+α'_jm'_j，并将该新数据的权重系数设定为(α_i+α_j)：

上式中，α′_i、α′_j分别为转化后第i、j个数据的权重系数。

4.根据权利要求1-3中任一项所述的一种电网设备故障定位检测方法，其特征在于：

所述步骤C中，若无故障，则对电网设备的状态进行诊断，得到配电网设备的状态评价结果，若状态评价结果为正常状态，则无需检修；若状态评价结果为注意或异常状态，则判定可能出现部分零件磨损，需要安排维护人员进行维护；若状态评价结果为严重状态，则判定可能出现设备运行过久老化的问题，需要即刻安排维修人员进行停机维护，随后基于上述状态评价结果和该设备的实际运行数据，结合历史同类型设备数据预测该设备未来可能发生的故障。

5.根据权利要求4所述的一种电网设备故障定位检测方法，其特征在于：

所述状态评价方法为：

C1、将电网设备的历史状态数据按照严重程度分为严重、异常﹑注意、正常四个数据集，并对其进行归一化处理；

C2、采用主成分分析法对上述各数据集进行特征优化；

C3、对于待评价状态数据，计算其与各数据集中心的距离，以距离最小的数据集的严重程度属性作为待评价状态数据的评价结果。

6.根据权利要求1-3中任一项所述的一种电网设备故障定位检测方法，其特征在于：

所述步骤D中，若搜索之后没有得到相对应的电网设备或电网设备的采集节点，则过滤掉变化幅度较小的关键词后再次进行搜索，直至搜索到相对应的电网设备或电网设备的采集节点。

7.根据权利要求1-3中任一项所述的一种电网设备故障定位检测方法，其特征在于：

所述方法还包括：

步骤E、根据数据存储器中存储的与搜索得到的电网设备或电网设备的采集节点关联的数据预测电网设备或电网设备的采集节点可能出现的故障类型，并根据数据的变化大小确定对应的故障等级，给出对应故障等级的警报。

8.根据权利要求7所述的一种电网设备故障定位检测方法，其特征在于：

所述步骤E中，若可能出现的故障类型有多种时，按照紧迫性和必要性进行排序，同时按优先级确定具体检修时序方案。

Images