CN114693111A - 变电站少油设备智能监测分析系统及方法 - Google Patents

变电站少油设备智能监测分析系统及方法 Download PDF

Info

Publication number
CN114693111A
CN114693111A CN202210318312.1A CN202210318312A CN114693111A CN 114693111 A CN114693111 A CN 114693111A CN 202210318312 A CN202210318312 A CN 202210318312A CN 114693111 A CN114693111 A CN 114693111A
Authority
CN
China
Prior art keywords
data
pressure
alarm
monitoring
temperature
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
Application number
CN202210318312.1A
Other languages
English (en)
Inventor
王学鹏
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.)
Xi'an Zhongke Xunda Information Technology Co ltd
Original Assignee
Xi'an Zhongke Xunda Information Technology 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 Xi'an Zhongke Xunda Information Technology Co ltd filed Critical Xi'an Zhongke Xunda Information Technology Co ltd
Priority to CN202210318312.1A priority Critical patent/CN114693111A/zh
Publication of CN114693111A publication Critical patent/CN114693111A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • 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
    • G06F16/248—Presentation of query results
    • 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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开变电站少油设备智能监测分析系统，涉及电力电网保护技术领域，包括：接入层，通过数据接入服务与数据交换引擎对接变电站的油压监测数据；数据层，对油压监测数据进行数据清洗、加工，形成包括基础数据、遥测数据、告警数据和分析数据的预处理数据并进行数据存储；应用层，对数据层的预处理数据实现数据概览、在线监测、数据分析、系统维护、移动微服务的应用。本发明还提供变电站少油设备智能监测分析方法。本发明采用大数据技术，实现一站式数据分析，为各级管理人员提供决策支撑，充分应用人工智能、大数据、物联网的技术手段，进行精准分析预测，为设备检修提供辅助依据，实现智能运检。

Description

变电站少油设备智能监测分析系统及方法
技术领域
本发明涉及电力电网保护技术领域，具体涉及变电站少油设备智能监测分析系统及方法。
背景技术
为贯彻落实国家电网从数字化向智能化转型，深入推动能源物联网全面发展，践行其在能源物联网的深入实践，近几年已先后部署了大量CT电流互感器/绝缘套管等设备的传感监测装置，取得了初步成效，但由于数据上传至PMS2.0，无配套的展示分析，统一设定的阈值缺乏科学依据，未考虑地域环境差异带来的影响，造成了误告警率高、分析困难、采集的数据得不能充分利用的尴尬现状。与其它如气象、负荷等因素没能有效融合，导致各级单位对少油设备的数据掌握陷入盲区，数据不能支撑智慧决策。
迫切需要一套少油设备的分析诊断能力的安全可靠的油压监测智能分析系统，深度挖掘数据价值，准确评估设备状态。
发明内容
为了解决上述现有技术存在的不足，本发明提供变电站少油设备智能监测分析系统及方法。
本发明提出的技术方案为：
变电站少油设备智能监测分析系统，包括：
接入层，通过数据接入服务与数据交换引擎对接变电站的油压监测数据；
数据层，对油压监测数据进行数据清洗、加工，形成包括基础数据、遥测数据、告警数据和分析数据的预处理数据并进行数据存储；
应用层，对预处理数据进行大数据分析实现数据概览、在线监测、数据分析、系统维护、移动微服务的应用。
作为本发明的进一步技术方案为，所述接入层通过数据接入服务与数据交换引擎对接变电站的油压监测数据；具体包括：所述油压监测数据为设置于变电站的终端传感器检测的油压油温信息、负荷信息、微气象信息、油色谱信息和局放信息；所述油压监测数据通过数据接入服务和数据交换引擎接入；具体为：
从数据中台、PMS/OMS运行系统接收取油压监测数据；
从已导出的电子文档中提取油压监测数据；
通过物联网数据传输协议及传输网络从终端传感器接收油压监测数据。
作为本发明的进一步技术方案为，所述数据层对油压监测数据进行数据清洗、加工，形成包括基础数据、遥测数据、告警数据和分析数据的预处理数据并进行数据存储；具体包括：
基础数据单元，通过初始化数据对油压监测数据清洗，去除非真实数据，加工为变电站信息、设备信息、传感器信息，遥测数据信息、形成基础数据；
告警数据单元，通过规则运算，设定告警策略，引用规则引擎，实时计算得出超出范围、突变、增长率、三相差的异常评估数据，形成告警数据；
分析数据单元，通过数据分析预处理，定时执行预处理任务，遍历全部数据按月、按日、分时段得到监测值的范围、温差、压差、三相差信息进行存储；
API接口单元，数据层对外提供平台API接口，为应用服务提供支撑。
作为本发明的进一步技术方案为，所述应用层对预处理数据进行大数据分析实现数据概览、在线监测、数据分析、系统维护、移动微服务的应用；具体包括：
数据概览单元，为变电站在地图上的综合展示、变电站概览、设备状态评估和告警统计；
在线监测单元，对监测数据综合查询、设备状态实时监测以及历史数据图形展示；
数据分析单元，为监测数据综合汇总，监测数据变化趋势、影响因子分析和识别故障诊断；
系统维护单元，为变电站管理、设备/传感器登记、用户管理和告警策略；
移动微服务单元，提供移动门户的在线监测、数据分析和智能告警。
作为本发明的进一步技术方案为，所述数据概览单元为变电站在地图上的综合展示、变电站概览、设备状态评估和告警统计；具体包括：
综合展示模块，变电站在地图上的综合展示为根据层级钻取展示变电站数量、监测点数量、离线率、告警数量的态势信息；
变电站概览模块，分别按电力公司、变电站、电压对各维度区分正常、离线、告警状态并统计设备数量；
设备状态评估模块，实现自动更新设备状态、包括正常、注意、异常、严重四种状态，实时掌握设备异常动态，做到故障事前响应；
告警统计模块，根据告警类型分别统计当前告警数量，实时展示最新发生的告警事件。
作为本发明的进一步技术方案为，所述在线监测单元对监测数据综合查询、设备状态实时监测以及历史数据图形展示，包括：
监测数据综合查询模块，在线监测实时展示变电站环境和少油设备的运行监测数据，实现对变电站内设备状态的监测分析与告警诊断；具体为：
设备状态实时监测模块，实时动态感知套管/传感器运行状态变化，展示设备上传感器的遥测数据，支持关键字搜索，动态排序；
历史数据图形展示模块，实现历史追溯、多源数据融合，汇聚设备全生命周期数据，提供温度/压力，电池电压/灵敏度的历史数据图像化跟踪展示。
作为本发明的进一步技术方案为，所述数据分析单元为监测数据综合汇总，监测数据变化趋势、影响因子分析和识别故障诊断，具体包括：
监测数据综合汇总模块，按时段综合各监测设备三相数据，实时汇总运行压力范围、运行温度范围、三相压差、日最大压差、日最大温差、环境温差、大气压差信息，并以列表方式展示；
同类型设备批量对比分析模块，支持按厂商、变电站、电压等级、设备类型的分组对比分析，对同状况条件的设备进行横向比较，通过多设备A/B/C三项的压力、温度趋势分析及三相压差、三相温差变化比较，能直观对比出偏离度比较大的异常设备，进而跟踪设备并分析；
单设备详细分析模块，用于对设备的温度变化、压差温差变化、压力温度相关性、三相差异对比和压力温度概率密度分析；
套管多维度综合分析模块，按时间段，支持套管厂商、安装海拔、套管结构、套管型号的灵活拖拽组合成多维度统计，分析得出套管数量、压力范围。
作为本发明的进一步技术方案为，所述单设备详细分析模块，包括压力温度变化趋势分析模块，每日压差温差变化趋势模块，压力温度相关性分析模块，三相差异对比分析模块，压力温度概率密度分析模块；具体为：
压力温度变化趋势分析模块，按日期区间以小时为间隔绘制三相温度压力随时间的变化趋势，叠加环境温度、标准大气压、负荷等曲线进行直观对比；按一天中分时段取压力、温度平均绘制各时段的对比曲线，观察各时段的数据范围变化并绘制随时间变化曲线；左侧看板区分A/B/C三相显示各相数据的压力范围、温度范围、最大温差、最大压差、P20压力范围，P20压差等值；
每日压差温差变化趋势模块，按日期段以天为间隔绘制A/B/C三相随时间温差、压差的变化趋势；绘制A/B/C三相的温差、压差箱线图，计算出温差、压差的上下边缘及异常值；绘制A/B/C三相的温差、压差的概率密度分布，有效观察数据变化是否呈正态分布；左侧看板区分A/B/C三相显示各相数据日温差、日压差的最大值、最小值、均值、中位数、标准差；
压力温度相关性分析模块，按日期区间分别按A/B/C绘制温度、压力随时间变化趋势；同时绘制压力随温度分布的散点图，可根据分布形状及密集程度有效观察温度压力的相关性，左侧看板展示系统计算的相关性系数，系统可根据系数自动给出强相关、显著性相关、不相关三种结论；
三相差异对比分析模块，按日期段以小时为间隔绘制三相压差/温差随时间的变化趋势；绘制三相压差/温差的箱线图，计算出三相差的上下边缘及异常值；绘制三相压差/温差的概率密度分布，有效观察数据变化是否呈正态分布；左侧看板区显示三相压差/温差最大值、最小值、均值、中位数、标准差；
压力温度概率密度分析模块，按日期段以小时为间隔绘制A/B/C的箱线图，计算出温度压力在这段时间内的上下边缘及异常值；绘制A/B/C的概率密度分布，有效观察数据变化是否呈正态分布，同时也绘制负荷的箱线图及概率密度分布，有效观察负荷的影响；左侧看板区分A/B/C三相及负荷展示最大值、最小值、均值、中位数、标准差。
作为本发明的进一步技术方案为，所述告警数据单元通过规则运算，设定告警策略，引用规则引擎，实时计算得出超出范围、突变、增长率、三相差的异常评估数据，形成告警数据；具体包括：
告警信息生成模块，对采集到的数据按告警规则比对计算，生成告警信息；
告警类型定义模块，告警类型定义为压力告警、温度告警、电池电量告警；
告警级别定义模块，告警级别定义为注意、异常、严重三种；
告警事件查询模块，提供按告警时间、告警类型、告警原因、设备厂商的告警事件查询。
本发明还提出变电站油压监测智能分析方法，包括以下步骤：
通过数据接入服务与数据交换引擎对接变电站的油压监测数据；
对油压监测数据进行数据清洗、加工，形成包括基础数据、遥测数据、告警数据和分析数据的预处理数据并进行数据存储；
对预处理数据进行大数据分析实现数据概览、在线监测、数据分析、系统维护、移动微服务的应用。
本发明的有益效果为：
本发明采用大数据技术，综合变电站少油设备接入的压力、温度、负荷等海量数据，实现一站式数据分析，分析设备状态相关的影响因子，实时展示关键指标的趋势、概率密度、相关性分析，为各级领导总体把握设备运行状况、发展态势和波动规律提供观测分析资料，为各级管理人员在日常工作中的信息查询和统计提供更多支持，为各级管理人员提供决策支撑，充分应用人工智能、大数据、物联网的技术手段，建立故障预测模型，进行精准预测，为设备检修提供辅助依据，实现智能运检。
附图说明
图1为本发明提出的变电站少油设备智能监测分析系统结构图；
图2为本发明提出的变电站少油设备智能监测分析系统架构图；
图3为本发明提出的数据概览单元页面图；
图4为本发明提出的在线监测服务页面图；
图5为本发明提出的数据综合汇总页面图；
图6为本发明提出的压力温度变化趋势分析页面图；
图7为本发明提出的每日压差温差变化趋势页面图；
图8为本发明提出的压力温度相关性分析页面图；
图9为本发明提出的三相差对比分析页面图；
图10为本发明提出的压力温度概率密度分析页面图；
图11为本发明提出的智能告警页面图；
图12为本发明提出的系统维护单元页面图；
图13为本发明提出的变电站少油设备智能监测分析方法流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。
参见图1和图2，变电站少油设备智能监测分析系统，包括：
接入层，通过数据接入服务与数据交换引擎对接变电站的油压监测数据；
数据层，对油压监测数据进行数据清洗、加工，形成包括基础数据、遥测数据、告警数据和分析数据的预处理数据并进行数据存储；
应用层，对预处理数据进行大数据分析实现数据概览、在线监测、数据分析、系统维护、移动微服务的应用。
本发明提供的变电站少油设备智能监测分析系统，构建少油设备感知大数据中心体系，通过接入层获取变电站的油压监测数据，通过数据层对油压监测数据进行分析预处理，在通过应用层对预处理信息进行大数据汇总分析，实现智能监测诊断功能，实现对变电站少油设备的监测和诊断分析，实现数据管理、数据决策和数据创新。
通过对接多种数据源，采集海量数据，实现多源数据融合，将全疆各站点少油设备数据及站点气象、线路负荷等相关信息进行统一的汇集与管理，实时感知，深度挖掘数据价值，提供辅助决策。采用大数据技术分析与油压相关的各种影响因子，建立状态预警与风险评估规则，对设备故障智能预判告警，采用人工智能算法进行设备状态异常辅助分析与故障诊断，提升变电站少油设备运行状态的感知水平和运维效率。
本发明的系统框架采用企业级架构J2EE技术，将前台展示、中间业务层和后端数据存储相分离的架构思想，支持Web应用系统的架构设计，只需在省(自治区)的服务器上安装部署应用程序，终端用户通过浏览器可随时访问系统。
本发明选用成熟的技术框架；在平台中主要采用Springboot、Vue、Mybatis等技术。系统大量采用面向组件的架构方式，支持业务级的组件复用和扩展，充分考虑到架构的灵活性和可扩展性。系统结合Redis分布式高速缓存技术，系统运行更稳定，业务处理效率更高。系统安全保障方面，软件设计中在传输层采用https安全传输协议，认证、授权采用了JAAS的技术，密码加密支持MD5单向加密技术，关键数据支持AES对称加密技术；网络硬件设计中采用防火墙、入侵检测、接入认证等技术来提高系统整体的安全性能。系统具有跨平台的特性，可以运行在unix、windows、linux等各种操作系统上。
本发明实施例中，所述通过数据接入服务与数据交换引擎对接变电站的油压监测数据；具体包括：所述油压监测数据为设置于变电站的终端传感器检测的油压油温信息、负荷信息、微气象信息、油色谱信息和局放信息；所述油压监测数据通过数据接入服务和数据交换引擎接入；具体为：
从数据中台、PMS/OMS运行系统接收取油压监测数据；
从已导出的电子文档中提取油压监测数据；
通过物联网数据传输协议及传输网络从终端传感器接收油压监测数据。
本发明提供统一的数据接入融合能力，建立数据交换引擎，适应油压、油温、电池电量、环境温度、标准大气压、线路负荷等多源数据接入，支持多种接入方式：一是可通过运行系统或数据平台对接取数据；二是支持定期从电子文档自动提取数据；三是通过物联网网关，灵活适配不同协议的传感器终端数据，直接采集终端数据。
本发明提供多样的数据接入方式，支持多类数据源接入，为分析平台提供各类数据，有以下几种情况：
PMS/OMS/数据中台可提供开放数据库或数据接口：针对国家电网PMS设备管理系统，通过API或数据交换的方式获取各个站点实时发送至PMS的少油设备监测数据；对接网安的OMS调试管理系统，通过API或数据交换的方式获取各个站点设备的实时负荷数据。
PMS/OMS/数据中台不开放，但可分时段导出excel等数据信息：数据接入服务支持解析电子数据文档的信息，自动接收并存储信息，包括实时监测数据、负荷数据、站点气象信息等。
PMS/OMS/数据中台不开放，也不提供导出信息：平台提供物联网解决方案，具备百万数量级传感器设备接入能力，支持从变电站直接获取数据，同时适配不同厂家的数据协议(IEC 61850,MQTT，OPC-UA，Modbus，BLE，HTTP，CAN，BACnet，ODBC，SNMP等)及各种硬件通信协议(RS232，RS485，TCP等)，可私有化部署，支持集群或单机运行，满足变电站高等级数据保护要求。
本发明实施例中，所述数据层对油压监测数据进行数据清洗、加工，形成包括基础数据、遥测数据、告警数据和分析数据的预处理数据并进行数据存储；具体包括：
通过初始化数据对油压监测数据清洗，去除非真实数据，加工为变电站信息、设备信息、传感器信息，遥测数据信息、形成基础数据；
通过规则运算，设定告警策略，引用规则引擎，实时计算得出超出范围、突变、增长率、三相差的异常评估数据，形成告警数据；
通过数据分析预处理，定时执行预处理任务，遍历全部数据按月、按日、分时段得到监测值的范围、温差、压差、三相差信息进行存储；
数据层对外提供平台API接口，为应用服务提供支撑。
本发明针对不同数据源接入的原始数据进行清洗、加工、聚合、存储、计算分析，同时对外提供平台级API接口，为应用构建提供支撑，缩短上线周期，提高运行效率。
本发明基于CT电流互感器/绝缘套管设备，将其生命周期内各类遥测数据进行聚合，让各级管理人员实时感知设备状态信息，对异常进行及时处理，实现“查、检、保”一体化管理。
本发明实施例中，所述应用层对预处理数据进行大数据分析实现数据概览、在线监测、数据分析、系统维护、移动微服务的应用；具体包括：
数据概览单元，为变电站在地图上的综合展示、变电站概览、设备状态评估和告警统计；
在线监测单元，对监测数据综合查询、设备状态实时监测以及历史数据图形展示；
数据分析单元，为监测数据综合汇总，监测数据变化趋势、影响因子分析和识别故障诊断；
系统维护单元，为变电站管理、设备/传感器登记、用户管理和告警策略；
移动微服务单元，提供移动门户的在线监测、数据分析和智能告警。
进一步地，所述数据概览单元为变电站在地图上的综合展示、变电站概览、设备状态评估和告警统计；具体包括：
综合展示模块，变电站在地图上的综合展示为根据层级钻取展示变电站数量、监测点数量、离线率、告警数量的态势信息；
变电站概览模块，分别按电力公司、变电站、电压对各维度区分正常、离线、告警状态并统计设备数量；
设备状态评估模块，实现自动更新设备状态、包括正常、注意、异常、严重四种状态，实时掌握设备异常动态，做到故障事前响应；
告警统计模块，根据告警类型分别统计当前告警数量，实时展示最新发生的告警事件。
参见图3，为本发明一具体实施例提供的数据概览页面结构图；综合全疆少油设备套管/CT等基础数据、监测情况、告警情况，结合地图为省(自治区)、地市、变电站各级管理人员提供辖区内全局态势。
全局概览从全省(自治区)到地区电力公司，层级钻取展示下辖的变电站数量、监测点数量、离线率、告警数量等态势信息。
设备概况分别按电力公司、变电站、电压多个维度区分正常、离线、告警状态统计设备数量。
状态评估实时自动更新设备状态，包括正常、注意、异常、严重四种状态，方便用户实时掌握设备异常动态，做到故障事前响应。
智能告警根据告警类型分别统计当前各类告警数量：如压力超标、温度超标等；实时展示最新发生的告警事件；以柱图列出近一个月变电站报警数量TOP10。基于不同地区/站点的不同设备，灵活配置“注意、异常、严重”不同情况风险的评估规则，系统启用规则引擎自动判断，对设备各类潜在故障进行事前告警。
本发明实施例中，在线监测单元实时展示变电站环境和少油设备的各种运行监测数据，实现对变电站内设备状态的监测分析与告警诊断。所述在线监测单元对监测数据综合查询、设备状态实时监测以及历史数据图形展示，包括：
监测数据综合查询模块，在线监测实时展示变电站环境和少油设备的运行监测数据，实现对变电站内设备状态的监测分析与告警诊断；具体为：
设备状态实时监测模块，实时动态感知套管/传感器运行状态变化，展示设备上传感器的遥测数据，支持关键字搜索，动态排序；
历史数据图形展示模块，实现历史追溯、多源数据融合，汇聚设备全生命周期数据，提供温度/压力，电池电压/灵敏度的历史数据图像化跟踪展示。
参见图4，本发明综合变电站、设备类型、状态、安装位置、套管厂商、传感器厂商等多种条件，实时动态感知套管/CT运行状态变化，展示设备上各类传感器遥测回来的最新数据，支持关键字搜索、动态排序。实现历史追溯，多源数据融合，汇聚设备全生命周期数据，提供温度/压力，电池电压/灵敏度等历史数据图形化跟踪展示。
本发明实施例中，采用大数据技术，综合全疆少油设备接入的压力、温度、负荷等海量数据，实现一站式数据分析，为各级总体把握设备运行状况、发展态势和波动规律提供观测分析资料，为各级管理人员在日常工作中的信息查询和统计提供更多支持，为设备检修提供辅助依据。
对设备故障数据进行智能预测与分析，建立各种常见异常故障预测模型，采用人工智能算法，反映故障发生规律，实现对故障的精准预测，通过知识图谱、神经网络、机器学习等技术，实现设备故障的智能分析。当设备状态异常或发生故障时，系统根据数据特征进行推理，自动推荐应急预案和相似故障案例。
本发明将获取的变电站数据进行汇总，通过大数据的离群算法与预测模型，可以根据设备运行数据的特征画像，从大量设备中找出疑似异常数据，辅助智能诊断，对变电站设备实现故障预测，及时对可能发生故障的设备进行维护，防止变电站设备的故障发生，保证变电站设备的可靠运行。
参见图5，所述数据分析单元为监测数据综合汇总，监测数据变化趋势、影响因子分析和识别故障诊断，具体包括：
监测数据综合汇总模块，按时段综合各监测设备三相数据，实时汇总运行压力范围、运行温度范围、三相压差、日最大压差、日最大温差、环境温差、大气压差信息，并以列表方式展示；
同类型设备批量对比分析模块，支持按厂商、变电站、电压等级、设备类型的分组对比分析，对同状况条件的设备进行横向比较，通过多设备A/B/C三项的压力、温度趋势分析及三相压差、三相温差变化比较，能直观对比出偏离度比较大的异常设备，进而跟踪设备并分析；
单设备详细分析模块，用于对设备的温度变化、压差温差变化、压力温度相关性、三相差异对比和压力温度概率密度分析；
套管多维度综合分析模块，按时间段，支持套管厂商、安装海拔、套管结构、套管型号的灵活拖拽组合成多维度统计，分析得出套管数量、压力范围。
采用统计学方法，分析设备状态相关的影响因子，实时展示关键指标的趋势、概率密度、相关性分析，这些数据资料可为各级管理人员提供决策支撑，充分应用人工智能、大数据、物联网等先进技术手段，建立故障预测模型，进行精准预测。通过深度学习，自动推荐应急预案和相似故障案例，实现智能运检。
参见图6至图10，所述单设备详细分析，包括压力温度变化趋势分析，每日压差温差变化趋势，压力温度相关性分析，三相差异对比分析，压力温度概率密度分析；具体为：
压力温度变化趋势分析，按日期区间以小时为间隔绘制三相温度压力随时间的变化趋势，叠加环境温度、标准大气压、负荷等曲线进行直观对比；按一天中分时段取压力、温度平均绘制各时段的对比曲线，观察各时段的数据范围变化；根据公式293*实时压力/(实时温度+273)计算20℃下的压力并绘制随时间变化曲线；左侧看板区分A/B/C三相显示各相数据的压力范围、温度范围、最大温差、最大压差、P20压力范围，P20压差等值；
每日压差温差变化趋势，按日期段以天为间隔绘制A/B/C三相随时间温差、压差的变化趋势；绘制A/B/C三相的温差、压差箱线图，计算出温差、压差的上下边缘及异常值；绘制A/B/C三相的温差、压差的概率密度分布，有效观察数据变化是否呈正态分布；左侧看板区分A/B/C三相显示各相数据日温差、日压差的最大值、最小值、均值、中位数、标准差；
压力温度相关性分析，按日期区间分别按A/B/C绘制温度、压力随时间变化趋势；同时绘制压力随温度分布的散点图，可根据分布形状及密集程度有效观察温度压力的相关性，左侧看板展示系统计算的相关性系数，系统可根据系数自动给出强相关、显著性相关、不相关三种结论；
三相差异对比分析，按日期段以小时为间隔绘制三相压差/温差随时间的变化趋势；绘制三相压差/温差的箱线图，计算出三相差的上下边缘及异常值；绘制三相压差/温差的概率密度分布，有效观察数据变化是否呈正态分布；左侧看板区显示三相压差/温差最大值、最小值、均值、中位数、标准差；
压力温度概率密度分析，按日期段以小时为间隔绘制A/B/C的箱线图，计算出温度压力在这段时间内的上下边缘及异常值；绘制A/B/C的概率密度分布，有效观察数据变化是否呈正态分布，同时也绘制负荷的箱线图及概率密度分布，有效观察负荷的影响；左侧看板区分A/B/C三相及负荷展示最大值、最小值、均值、中位数、标准差。
参见图11，告警数据单元通过规则运算，设定告警策略，引用规则引擎，实时计算得出超出范围、突变、增长率、三相差的异常评估数据，形成告警数据；具体包括：
告警信息生成模块，对采集到的数据按告警规则比对计算，生成告警信息；
告警类型定义模块，告警类型定义为压力告警、温度告警、电池电量告警；
告警级别定义模块，告警级别定义为注意、异常、严重三种；
告警事件查询模块，提供按告警时间、告警类型、告警原因、设备厂商的告警事件查询。
参见图12，所述系统维护单元为变电站管理、设备/传感器登记、用户管理和告警策略；具体包括：变电站维护模块，提供省(自治区)、地市变电站属性信息管理，支持数据初始化；用户授权管理模块；支持按照省(自治区)、地市、变电站各级用户灵活授权，结合变电站运行管理特点，构建从省(自治区)、地市、变电站分级授权管理机制，实现纵向监管，横向对比，同时借助大数据技术进行地市/变电站的少油设备综合评估分析；设备、传感器管理模块；提供对设备信息、传感器信息进行初始化登记与维护，做为分析统计的基础数据；告警策略配置模块，针对设备灵活配置告警策略，可定义简单的范围数据阈值，如压力超过多少告警等；同时支持定制复杂事件告警策略，如突变阈值、增长率、三相压差阈值等，适应扩展要求，可按电压等级、变电站等条件批量应用于各个监测装置。
参见图13，本发明还提出变电站油压监测智能分析方法，包括以下步骤：
步骤101，通过数据接入服务与数据交换引擎对接变电站的油压监测数据；
步骤102，对油压监测数据进行数据清洗、加工，形成包括基础数据、遥测数据、告警数据和分析数据的预处理数据并进行数据存储；
步骤103，对预处理数据进行大数据分析实现数据概览、在线监测、数据分析、系统维护、移动微服务的应用。
本发明实施例中，变电站少油设备智能监测分析方法融合多源数据进行设备综合分析，压力与温度、环境、负荷都有很强的关联性，应结合变电站海拔、温度、线路负荷等其它参量信息，按时段综合各监测设备三相数据，实时展示分析运行压力范围、运行温度范围、三相压差、日最大压差、日最大温差、环境温差、大气压差等信息。
通过大数据分析可批量针对相同条件设备做离群分析，通过离群分析来较准确的判断有问题的设备，如按厂商、变电站、电压等级、设备类型等多条件分组对比分析，可对同状况条件的设备进行横向比较，通过多设备A/B/C三项的压力、温度趋势分析及三相压差、三相温差变化比较，能直观对比出偏离度比较大的异常设备，进而跟踪某设备分析具体原因。
实现设备详细分析诊断，初期采用统计学方法，统计设备在一段时间的关键指标，如范围、均值、方差、概率、相关系数等，实时绘制压力温度变化趋势分析图、每日压差温差变化趋势图、压力温度相关性分析图、三相差异对比分析图、压力温度概率密度分析图，便于定位设备具体问题。
通过外调互联网接口，可实现天气、温度的未来数据，后期在异常数据积累到一定的量后，充分应用人工智能、大数据建立故障预测模型，进行精准预测。通过深度学习，自动推荐应急预案和相似故障案例，实现智能运检。
充分考虑不同地域的告警差异，智能告警，初期按已知的不同地域及设备条件差异设定阈值，如压力范围、三相差、增长率等指标，后期在有效告警积累到一定的量后采用大数据算法实现各类影响因子对阈值的影响系数，从而根据遥测数据动态调整阈值，实现设备状态准确评估。
按气候与时节变化分析设备运行规律，科学引导，即按照二十四节气，将设备历史数据分段进行归纳分析，总结数据特点，发现不同节气下的运行规律，在下个节气到来前预先给出科学引导，对可预测的风险进行有效防范。
以上对本发明进行了详细介绍，但是本发明不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解，本发明不限于特定的实施方式，本发明的范围由所附权利要求限定。

Claims (10)

1.变电站少油设备智能监测分析系统，其特征在于，包括：
接入层，通过数据接入服务与数据交换引擎对接变电站的油压监测数据；
数据层，对油压监测数据进行数据清洗、加工，形成包括基础数据、遥测数据、告警数据和分析数据的预处理数据并进行数据存储；
应用层，对预处理数据进行大数据分析实现数据概览、在线监测、数据分析、系统维护、移动微服务的应用。
2.根据权利要求1所述的系统，其特征在于，所述接入层通过数据接入服务与数据交换引擎对接变电站的油压监测数据；具体包括：所述油压监测数据为设置于变电站的终端传感器检测的油压油温信息、负荷信息、微气象信息、油色谱信息和局放信息；所述油压监测数据通过数据接入服务和数据交换引擎接入；具体为：
从数据中台、PMS/OMS运行系统接收取油压监测数据；
从已导出的电子文档中提取油压监测数据；
通过物联网数据传输协议及传输网络从终端传感器接收油压监测数据。
3.根据权利要求1所述的系统，其特征在于，所述数据层对油压监测数据进行数据清洗、加工，形成包括基础数据、遥测数据、告警数据和分析数据的预处理数据并进行数据存储；具体包括：
基础数据单元，通过初始化数据对油压监测数据清洗，去除非真实数据，加工为变电站信息、设备信息、传感器信息，遥测数据信息、形成基础数据；
告警数据单元，通过规则运算，设定告警策略，引用规则引擎，实时计算得出超出范围、突变、增长率、三相差的异常评估数据，形成告警数据；
分析数据单元，通过数据分析预处理，定时执行预处理任务，遍历全部数据按月、按日、分时段得到监测值的范围、温差、压差、三相差信息进行存储；
API接口单元，数据层对外提供平台API接口，为应用服务提供支撑。
4.根据权利要求1所述的系统，其特征在于，所述应用层对预处理数据进行大数据分析实现数据概览、在线监测、数据分析、系统维护、移动微服务的应用；具体包括：
数据概览单元，为变电站在地图上的综合展示、变电站概览、设备状态评估和告警统计；
在线监测单元，对监测数据综合查询、设备状态实时监测以及历史数据图形展示；
数据分析单元，为监测数据综合汇总，监测数据变化趋势、影响因子分析和识别故障诊断；
系统维护单元，为变电站管理、设备/传感器登记、用户管理和告警策略；
移动微服务单元，提供移动门户的在线监测、数据分析和智能告警。
5.根据权利要求4所述的系统，其特征在于，所述数据概览单元为变电站在地图上的综合展示、变电站概览、设备状态评估和告警统计；具体包括：
综合展示模块，变电站在地图上的综合展示为根据层级钻取展示变电站数量、监测点数量、离线率、告警数量的态势信息；
变电站概览模块，分别按电力公司、变电站、电压对各维度区分正常、离线、告警状态并统计设备数量；
设备状态评估模块，实现自动更新设备状态、包括正常、注意、异常、严重四种状态，实时掌握设备异常动态，做到故障事前响应；
告警统计模块，根据告警类型分别统计当前告警数量，实时展示最新发生的告警事件。
6.根据权利要求4所述的系统，其特征在于，所述在线监测单元对监测数据综合查询、设备状态实时监测以及历史数据图形展示，包括：
监测数据综合查询模块，在线监测实时展示变电站环境和少油设备的运行监测数据，实现对变电站内设备状态的监测分析与告警诊断；具体为：
设备状态实时监测模块，实时动态感知套管/传感器运行状态变化，展示设备上传感器的遥测数据，支持关键字搜索，动态排序；
历史数据图形展示模块，实现历史追溯、多源数据融合，汇聚设备全生命周期数据，提供温度/压力，电池电压/灵敏度的历史数据图像化跟踪展示。
7.根据权利要求4所述的系统，其特征在于，所述数据分析单元为监测数据综合汇总，监测数据变化趋势、影响因子分析和识别故障诊断，具体包括：
监测数据综合汇总模块，按时段综合各监测设备三相数据，实时汇总运行压力范围、运行温度范围、三相压差、日最大压差、日最大温差、环境温差、大气压差信息，并以列表方式展示；
同类型设备批量对比分析模块，支持按厂商、变电站、电压等级、设备类型的分组对比分析，对同状况条件的设备进行横向比较，通过多设备A/B/C三项的压力、温度趋势分析及三相压差、三相温差变化比较，能直观对比出偏离度比较大的异常设备，进而跟踪设备并分析；
单设备详细分析模块，用于对设备的温度变化、压差温差变化、压力温度相关性、三相差异对比和压力温度概率密度分析；
套管多维度综合分析模块，按时间段，支持套管厂商、安装海拔、套管结构、套管型号的灵活拖拽组合成多维度统计，分析得出套管数量、压力范围。
8.根据权利要求7所述的系统，其特征在于，所述单设备详细分析模块，包括压力温度变化趋势分析模块，每日压差温差变化趋势模块，压力温度相关性分析模块，三相差异对比分析模块，压力温度概率密度分析模块；具体为：
压力温度变化趋势分析模块，按日期区间以小时为间隔绘制三相温度压力随时间的变化趋势，叠加环境温度、标准大气压、负荷等曲线进行直观对比；按一天中分时段取压力、温度平均绘制各时段的对比曲线，观察各时段的数据范围变化并绘制随时间变化曲线；左侧看板区分A/B/C三相显示各相数据的压力范围、温度范围、最大温差、最大压差、P20压力范围，P20压差等值；
每日压差温差变化趋势模块，按日期段以天为间隔绘制A/B/C三相随时间温差、压差的变化趋势；绘制A/B/C三相的温差、压差箱线图，计算出温差、压差的上下边缘及异常值；绘制A/B/C三相的温差、压差的概率密度分布，有效观察数据变化是否呈正态分布；左侧看板区分A/B/C三相显示各相数据日温差、日压差的最大值、最小值、均值、中位数、标准差；
压力温度相关性分析模块，按日期区间分别按A/B/C绘制温度、压力随时间变化趋势；同时绘制压力随温度分布的散点图，可根据分布形状及密集程度有效观察温度压力的相关性，左侧看板展示系统计算的相关性系数，系统可根据系数自动给出强相关、显著性相关、不相关三种结论；
三相差异对比分析模块，按日期段以小时为间隔绘制三相压差/温差随时间的变化趋势；绘制三相压差/温差的箱线图，计算出三相差的上下边缘及异常值；绘制三相压差/温差的概率密度分布，有效观察数据变化是否呈正态分布；左侧看板区显示三相压差/温差最大值、最小值、均值、中位数、标准差；
压力温度概率密度分析模块，按日期段以小时为间隔绘制A/B/C的箱线图，计算出温度压力在这段时间内的上下边缘及异常值；绘制A/B/C的概率密度分布，有效观察数据变化是否呈正态分布，同时也绘制负荷的箱线图及概率密度分布，有效观察负荷的影响；左侧看板区分A/B/C三相及负荷展示最大值、最小值、均值、中位数、标准差。
9.根据权利要求5所述的系统，其特征在于，所述告警数据单元通过规则运算，设定告警策略，引用规则引擎，实时计算得出超出范围、突变、增长率、三相差的异常评估数据，形成告警数据；具体包括：
告警信息生成模块，对采集到的数据按告警规则比对计算，生成告警信息；
告警类型定义模块，告警类型定义为压力告警、温度告警、电池电量告警；
告警级别定义模块，告警级别定义为注意、异常、严重三种；
告警事件查询模块，提供按告警时间、告警类型、告警原因、设备厂商的告警事件查询。
10.变电站油压监测智能分析方法，其特征在于，包括如权利要求1-9中任一所述的变电站少油设备智能监测分析系统，包括以下步骤：
通过数据接入服务与数据交换引擎对接变电站的油压监测数据；
对油压监测数据进行数据清洗、加工，形成包括基础数据、遥测数据、告警数据和分析数据的预处理数据并进行数据存储；
对预处理数据进行大数据分析实现数据概览、在线监测、数据分析、系统维护、移动微服务的应用。
CN202210318312.1A 2022-03-29 2022-03-29 变电站少油设备智能监测分析系统及方法 Pending CN114693111A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210318312.1A CN114693111A (zh) 2022-03-29 2022-03-29 变电站少油设备智能监测分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210318312.1A CN114693111A (zh) 2022-03-29 2022-03-29 变电站少油设备智能监测分析系统及方法

Publications (1)

Publication Number Publication Date
CN114693111A true CN114693111A (zh) 2022-07-01

Family

ID=82140884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210318312.1A Pending CN114693111A (zh) 2022-03-29 2022-03-29 变电站少油设备智能监测分析系统及方法

Country Status (1)

Country Link
CN (1) CN114693111A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116455933A (zh) * 2023-04-03 2023-07-18 国网重庆市电力公司超高压分公司 一种二次交流回路多点接地监测系统
CN118380685A (zh) * 2024-06-20 2024-07-23 安徽中科久安新能源有限公司 一种储能预制舱热失控防控系统和方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116455933A (zh) * 2023-04-03 2023-07-18 国网重庆市电力公司超高压分公司 一种二次交流回路多点接地监测系统
CN118380685A (zh) * 2024-06-20 2024-07-23 安徽中科久安新能源有限公司 一种储能预制舱热失控防控系统和方法

Similar Documents

Publication Publication Date Title
CN109146093B (zh) 一种基于学习的电力设备现场勘查方法
CN112788142B (zh) 一种支持多传感器接入的智能边缘物联网关
CN108564254B (zh) 基于大数据的配电设备状态可视化平台
CN110266000B (zh) 一种配电网电压越限原因分析方法、系统及存储介质
CN114693111A (zh) 变电站少油设备智能监测分析系统及方法
CN107742922A (zh) 一种具有远程自诊断功能的gis系统和方法
EP1309062A2 (en) Apparatus and method for determining days of the week with similar utility consumption profiles
CN108083044A (zh) 一种基于大数据分析的电梯按需维保系统及方法
CN112700032A (zh) 一种用于低压直流配用电系统的故障预测系统及方法
CN114881808B (zh) 基于大数据的电力窃电精准识别方法及防窃电系统
CN103914791A (zh) 一种电力设备状态检修系统
CN110008278B (zh) 一种利用接地电流信号的配网电缆故障判别方法和系统
CN111591778A (zh) 基于互联网技术的堆取料机远程监控管理系统及方法
CN1787116A (zh) 基于状态监测的核电厂智能维护系统
CN109814004A (zh) 配电网故障定位系统及方法
CN109034400A (zh) 一种变电站异常量测数据预测平台系统
CN110336379A (zh) 基于物联网的变电站在线监测系统及终端设备
CN114383652A (zh) 一种配电网潜在故障在线风险辨识方法、系统及装置
US20200393501A1 (en) Systems and methods to analyze waveforms from multiple devices in power systems
CN116823220A (zh) 一种电缆运行状态监测平台及设备
CN117955245A (zh) 电网的运行状态的确定方法、装置、存储介质和电子设备
CN114142614A (zh) 一种基于sd-wan网络的高速公路配电房智能运维管理系统
CN117494009A (zh) 基于绝缘材料热解分析的电气设备状态评估方法及云平台
Zhang et al. Research on comprehensive diagnosis model of anti-stealing electricity based on big data technology
CN111638416A (zh) 配电室配电柜的故障监测装置及方法

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