CN114841081A - 一种电力设备异常事故控制方法及系统 - Google Patents
一种电力设备异常事故控制方法及系统 Download PDFInfo
- Publication number
- CN114841081A CN114841081A CN202210702338.6A CN202210702338A CN114841081A CN 114841081 A CN114841081 A CN 114841081A CN 202210702338 A CN202210702338 A CN 202210702338A CN 114841081 A CN114841081 A CN 114841081A
- Authority
- CN
- China
- Prior art keywords
- state quantity
- power equipment
- abnormal
- fault
- power
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003745 diagnosis Methods 0.000 claims abstract description 25
- 238000010586 diagram Methods 0.000 claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000010248 power generation Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种电力设备异常事故控制方法及系统，应用于电力设备技术领域，获取历史运行数据；通过历史运行数据输入预设故障诊断模型，确定各故障类型；获取当前多维度运行数据；根据确定的历史运行数据与发生异常的各状态量相关联的各故障类型，生成多个电力设备运行子图；将多个电力设备运行子图进行叠加，得到整体电力设备运行图；利用所述整体电力设备运行图与正常运行状态下带有差异阈值的运行图进行比较判断异常事故。本发明通过构建故障诊断模型，确定故障与运行数据之间的关系，利用故障与运行数据之间的关系，对导致故障的运行数据进行评分，生成电力设备运行图，直观的能够判断异常事故，并且相比现有技术中单一指标判断准确度更高。
Description
技术领域
本发明涉及电力设备技术领域，更具体的说是涉及一种电力设备异常事故控制方法及系统。
背景技术
太阳能发电作为一种清洁新能源自诞生以来倍受世界各国的青睐，随着技术的进步和成本的降低，太阳能发电出现了各种发展形式，其中分布式光伏电站以其装机容量小、初始投资和后期运维成本低、建设周期短、能够实现就近供电等特点在我国得到迅猛的发展。
分布式光伏电站的特点是地理位置偏远、分散。随着分布式光伏电站数量的不断增加，运维的问题已经浮现。如何尽早发现故障电站、尽快排除故障，是提高管理水平、发挥电站最大效率，进而增加企业利润的关键之一。
一般来说，相邻的电站，光照条件基本相同，它们的单位面积平均发电量应该差别不大。根据以上原则，在一定地域范围内，如果某个电站的平均面积发电量明显低于其它电站，则可以认为该电站异常。
但是由于单通过发电量去判断，难免出现误差，甚至可能带来很大的经济损失，显然检修体制是否完善直接影响电力设备的可靠性水平，因此通过对电力设备的异常事故控制，对于其合理使用和维修、故障预测以及配电管理等操作，有着极为重要的意义。
发明内容
有鉴于此，本发明提供了一种电力设备异常事故控制方法及系统，以解决上述技术问题。
为了实现上述目的，本发明提供如下技术方案：
一种电力设备异常事故控制方法，具体步骤如下：
获取光伏电站各电力设备的多维度历史运行数据；
通过多维度历史运行数据输入预设故障诊断模型，确定与发生异常的各状态量相关联的各故障类型；
获取当前光伏电站各电力设备的多维度运行数据；
根据确定的多维度历史运行数据与发生异常的各状态量相关联的各故障类型，生成多个电力设备运行子图；
将多个电力设备运行子图进行叠加，得到整体电力设备运行图；
利用所述整体电力设备运行图与正常运行状态下带有差异阈值的运行图进行比较判断异常事故。
可选的，在上述的一种电力设备异常事故控制方法中，所述多维度历史运行数据包括：光伏组件阴影遮挡、光伏组件方向朝向、光伏组件电性能特性、光伏组件汇流设备、直流柜输出电压、直流柜输出电流、直流柜设备温度、逆变器功率、逆变器输出电压、发电量。
可选的，在上述的一种电力设备异常事故控制方法中，所述预设故障诊断模型中包括：故障类型与状态量的关联关系、各状态量对故障类型的故障影响权值。
可选的，在上述的一种电力设备异常事故控制方法中，所述预设故障诊断模型构建具体步骤如下：
多维度历史运行数据利用层次分析方法，建立判断矩阵；
基于所述判断矩阵，通过两两对比，确定统一隶属关系或同一层次中各状态量的相对重要程度，根据所述相对重要程度确定各状态量的权重。
可选的，在上述的一种电力设备异常事故控制方法中，电力设备运行子图生成的具体步骤如下：
确定导致故障发生的状态量指标；
对各个状态量指标结合各状态量对故障类型的故障影响权值进行评分；
各个状态量指标分值连线，确定当前故障类型对应的状态量指标可视化电力设备运行子图。
一种电力设备异常事故控制系统，包括：
第一获取模块，获取光伏电站各电力设备的多维度历史运行数据；
关联模块，通过多维度历史运行数据输入预设故障诊断模型，确定与发生异常的各状态量相关联的各故障类型；
第二获取模块，获取当前光伏电站各电力设备的多维度运行数据；
运行子图模块，根据确定的多维度历史运行数据与发生异常的各状态量相关联的各故障类型，生成多个电力设备运行子图；
整体运行图模块，将多个电力设备运行子图进行叠加，得到整体电力设备运行图；
判断模块，利用所述整体电力设备运行图与正常运行状态下带有差异阈值的运行图进行比较判断异常事故。
可选的，在上述的一种电力设备异常事故控制系统中，第一获取模块和第二获取模块分别获取光伏组件阴影遮挡、光伏组件方向朝向、光伏组件电性能特性、光伏组件汇流设备、直流柜输出电压、直流柜输出电流、直流柜设备温度、逆变器功率、逆变器输出电压、发电量。
可选的，在上述的一种电力设备异常事故控制系统中，关联模块包括预设故障诊断模型，所述预设故障诊断模型用于获取故障类型与状态量的关联关系，以及各状态量对故障类型的故障影响权值。
可选的，在上述的一种电力设备异常事故控制系统中，预设故障诊断模型包括：
判断矩阵单元，多维度历史运行数据利用层次分析方法，建立判断矩阵；
权重确定单元，基于所述判断矩阵，通过两两对比，确定统一隶属关系或同一层次中各状态量的相对重要程度，根据所述相对重要程度确定各状态量的权重。
可选的，在上述的一种电力设备异常事故控制系统中，运行子图模块：
确定单元，确定导致故障发生的状态量指标；
评分单元，对各个状态量指标结合各状态量对故障类型的故障影响权值进行评分；
生成单元，各个状态量指标分值连线，确定当前故障类型对应的状态量指标可视化电力设备运行子图。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种电力设备异常事故控制方法及系统，通过构建故障诊断模型，确定故障与运行数据之间的关系，利用故障与运行数据之间的关系，对导致故障的运行数据进行评分，生成电力设备运行图，直观的能够判断异常事故，并且相比现有技术中单一指标判断准确度更高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明的方法流程图；
图2为本发明的系统框图；
图3为本发明设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种电力设备异常事故控制方法及系统，通过构建故障诊断模型，确定故障与运行数据之间的关系，利用故障与运行数据之间的关系，对导致故障的运行数据进行评分，生成电力设备运行图，直观的能够判断异常事故，并且相比现有技术中单一指标判断准确度更高。
实施例1：
本发明的实施例公开了一种电力设备异常事故控制方法，如图1所示，具体步骤如下：
S101获取光伏电站各电力设备的多维度历史运行数据；
要实现对于电力设备异常事故的控制，需要确定运行数据与异常事故之间的联系，获取光伏电站各电力设备的多维度历史运行数据，剔出不相关数据；
S102通过多维度历史运行数据输入预设故障诊断模型，确定与发生异常的各状态量相关联的各故障类型；
以光伏组件输出故障为例，获取运行数据包括：光伏组件阴影遮挡、光伏组件方向朝向、光伏组件电性能特性、光伏组件汇流设备特性；其中光伏组件阴影遮挡细分为遮挡面积*0.1/遮挡面积*0.2/遮挡面积*0.3/遮挡面积*0.4/遮挡面积*0.5/遮挡面积*0.6/遮挡面积*0.7/遮挡面积*0.8/遮挡面积*0.9/遮挡面积*1；
光伏组件电性能特性：电流，电压，功率，最大输出功率，最大输出电路等等。
S103获取当前光伏电站各电力设备的多维度运行数据；
S104根据确定的多维度历史运行数据与发生异常的各状态量相关联的各故障类型，生成多个电力设备运行子图；
具体地，以光伏组件输出故障为例，影响光伏组件输出故障的状态量有光伏组件阴影遮挡、光伏组件方向朝向、光伏组件电性能特性、光伏组件汇流设备特性四个指标，先画出一个圆形，根据上述四个指标权重，确定每个坐标轴尺度大小，例如光伏组件阴影遮挡与光伏组件方向朝向权重比为1:2；光伏组件阴影遮挡指标轴上的每个刻度代表一个单位，光伏组件方向朝向的指标轴每个刻度代表2个单位；将确定的各个指标轴上的相邻数据连接。
S105将多个电力设备运行子图进行叠加，得到整体电力设备运行图；
具体地，利用不同颜色表征不同的电力设备对应的异常事故，将若干数据电力设备运行子图进行叠加，便可得到整体的电力设备运行图。
S106利用整体电力设备运行图与正常运行状态下带有差异阈值的运行图进行比较判断异常事故。
通过历史运行数据确定异常事故发生的差异阈值，根据正常运行状态确定每种异常事故的运行子图，并在图中能够直观体现确定的差异阈值；
通过两幅图比较对异常事故进行评分确定异常事故发生是否发生，计算多组正常运行状态下的某一参数的算数平均值确定为差异阈值，比较与差异阈值大小即判断是否发生异常。
需要注意的是每个指标轴的数据都是通过获取的电力设备运行数据打分得到的；例如以单一因素影响为例，光伏组件阴影遮挡面积遮挡50%则为五十分；遮挡60%则为六十分；正常情况下差异阈值为5%；也就是评分为5分之内不会造成光伏组件输出故障；只需确定某一指标是否超出差异阈值，便可确定为异常事故。
例如四个指标影响异常事故A；仅有一个指标异常，那么运维人员便可以检查该指标，若至少两个指标异常也能够让运维人员优先确定故障，若四个指标均出现异常，那么出现故障的则是上一级指标（根据层级分析法确定权重，同时确定上一级指标影响下一级指标全部异常）；发生异常事故能够让运维人员及时确定故障所在，最大程度节省时间。
在本发明的另一实施例中，公开了根据确定的多维度历史运行数据与发生异常的各状态量相关联的各故障类型，生成多个电力设备运行子图；
电力设备运行子图能够直观的看出运行数据的趋势变化，根据不同时刻各个运行数据的来绘制运行趋势图，不仅能够清楚看出对应运行数据的变化，而且也能通过趋势变化预测下一时刻的运行数据。
通过不同线型，表示不同运行数据；
通过不同线的颜色，表示不同设备等等。
根据变化趋势图对各个电力设备的运行状态进行估计，其中，若存在电力设备的运行状态参数的变化趋势不同于其他电力设备的运行状态参数的变化趋势，判定对应的电力设备的运行状态异常。
根据数据变化趋势提取运行数据对应的时间序列，将时间序列输入神经网络预测模型预测下一时刻运行状态异常的概率。
为了进一步优化上述技术方案，多维度历史运行数据包括：光伏组件阴影遮挡、光伏组件方向朝向、光伏组件电性能特性、光伏组件汇流设备、直流柜输出电压、直流柜输出电流、直流柜设备温度、逆变器功率、逆变器输出电压、发电量。
为了进一步优化上述技术方案，预设故障诊断模型中包括：故障类型与状态量的关联关系、各状态量对故障类型的故障影响权值。
为了进一步优化上述技术方案，预设故障诊断模型构建具体步骤如下：
多维度历史运行数据利用层次分析方法，建立判断矩阵；
基于判断矩阵，通过两两对比，确定统一隶属关系或同一层次中各状态量的相对重要程度，根据相对重要程度确定各状态量的权重。
需要了解的是：层次分析法(The Analytic Hierarchy Process，简称AHP)的基本原理在于决策者根据既定的标准以及原则，将待评价对象的各项复杂因素简单化，并建立递阶式层次结构。递阶式层次结构能够将复杂的问题变得简单化、条理化、层次化。递阶式层次结构一般包括目标层、准则层以及指标层三层，目标层一般指对于研究问题预定的目标，准则层表示实现该预定目标所需中间环节；指标层是为了实现预定目标所采用的指标、方案等。
AHP法是把复杂的问题分解为若干个组成因素，将这些因素按相互关联度及隶属关系分组形成有序的阶梯层次结构，形成一个多层次的分析评价模型，通过两两比较的方式确定层次中各因素的相对重要性，然后根据实际情况，以决定各因素的权重系数。该方法基于专家对各项指标重要性的主观认知程度，具有一定的说服力度。层次分析法求取权重的方法有几何平均法、算术平均法、特征向量法、最小二乘法4种。
为了进一步优化上述技术方案，电力设备运行子图生成的具体步骤如下：
确定导致故障发生的状态量指标；
对各个状态量指标结合各状态量对故障类型的故障影响权值进行评分；
各个状态量指标分值连线，确定当前故障类型对应的状态量指标可视化电力设备运行子图。
实施例2公开了一种电力设备异常事故控制系统，如图2所示，包括：
第一获取模块，获取光伏电站各电力设备的多维度历史运行数据；
关联模块，通过多维度历史运行数据输入预设故障诊断模型，确定与发生异常的各状态量相关联的各故障类型；
第二获取模块，获取当前光伏电站各电力设备的多维度运行数据；
运行子图模块，根据确定的多维度历史运行数据与发生异常的各状态量相关联的各故障类型，生成多个电力设备运行子图；
整体运行图模块，将多个电力设备运行子图进行叠加，得到整体电力设备运行图；
判断模块，利用整体电力设备运行图与正常运行状态下带有差异阈值的运行图进行比较判断异常事故。
为了进一步优化上述技术方案，第一获取模块和第二获取模块分别获取光伏组件阴影遮挡、光伏组件方向朝向、光伏组件电性能特性、光伏组件汇流设备、直流柜输出电压、直流柜输出电流、直流柜设备温度、逆变器功率、逆变器输出电压、发电量。
为了进一步优化上述技术方案，关联模块包括预设故障诊断模型，预设故障诊断模型用于获取故障类型与状态量的关联关系，以及各状态量对故障类型的故障影响权值。
为了进一步优化上述技术方案，预设故障诊断模型包括：
判断矩阵单元，多维度历史运行数据利用层次分析方法，建立判断矩阵；
权重确定单元，基于判断矩阵，通过两两对比，确定统一隶属关系或同一层次中各状态量的相对重要程度，根据相对重要程度确定各状态量的权重。
为了进一步优化上述技术方案，运行子图模块：
确定单元，确定导致故障发生的状态量指标；
评分单元，对各个状态量指标结合各状态量对故障类型的故障影响权值进行评分；
生成单元，各个状态量指标分值连线，确定当前故障类型对应的状态量指标可视化电力设备运行子图。
本发明实施例还提供一种电力设备异常事故控制设备，该一种电力设备异常事故控制设备可通过装载上述所述的一种电力设备异常事故控制系统，以实现本发明实施例提供的电力设备异常事故控制方法。
可选的，该一种电力设备异常事故控制设备的一种可选硬件结构可以如图3所示，图3为本发明实施例提供的一种电力设备异常事故控制设备的结构图，包括：至少一个处理器01，至少一个通信接口02，至少一个存储器03和至少一个通信总线04；
在本发明实施例中，处理器01、通信接口02、存储器03通过通信总线04完成相互间的通信；
处理器01可能是中央处理器CPU，或者是特定集成电路ASIC（ApplicationSpecific Integrated Circuit），或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器03可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatilememory），例如至少一个磁盘存储器。
其中，存储器03存储有程序，处理器01调用存储器03所存储的程序，执行本发明实施例提供的电力设备异常事故控制方法。
本发明实施例还提供一种存储介质，该存储介质可以存储执行本发明实施例提供的一种电力设备异常事故控制的程序。
可选的，所述程序可具体用于：
获取光伏电站各电力设备的多维度历史运行数据；
通过多维度历史运行数据输入预设故障诊断模型，确定与发生异常的各状态量相关联的各故障类型；
获取当前光伏电站各电力设备的多维度运行数据；
根据确定的多维度历史运行数据与发生异常的各状态量相关联的各故障类型，生成多个电力设备运行子图；
将多个电力设备运行子图进行叠加，得到整体电力设备运行图；
利用所述整体电力设备运行图与正常运行状态下带有差异阈值的运行图进行比较判断异常事故。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种电力设备异常事故控制方法，其特征在于，具体步骤如下：
获取光伏电站各电力设备的多维度历史运行数据；
通过多维度历史运行数据输入预设故障诊断模型，确定与发生异常的各状态量相关联的各故障类型；
获取当前光伏电站各电力设备的多维度运行数据；
根据确定的多维度历史运行数据与发生异常的各状态量相关联的各故障类型，生成多个电力设备运行子图；
将多个电力设备运行子图进行叠加，得到整体电力设备运行图；
利用所述整体电力设备运行图与正常运行状态下带有差异阈值的运行图进行比较判断异常事故。
2.根据权利要求1所述的一种电力设备异常事故控制方法，其特征在于，所述多维度历史运行数据包括：光伏组件阴影遮挡、光伏组件方向朝向、光伏组件电性能特性、光伏组件汇流设备、直流柜输出电压、直流柜输出电流、直流柜设备温度、逆变器功率、逆变器输出电压、发电量。
3.根据权利要求1所述的一种电力设备异常事故控制方法，其特征在于，所述预设故障诊断模型中包括：故障类型与状态量的关联关系、各状态量对故障类型的故障影响权值。
4.根据权利要求3所述的一种电力设备异常事故控制方法，其特征在于，所述预设故障诊断模型构建具体步骤如下：
多维度历史运行数据利用层次分析方法，建立判断矩阵；
基于所述判断矩阵，通过两两对比，确定统一隶属关系或同一层次中各状态量的相对重要程度，根据所述相对重要程度确定各状态量的权重。
5.根据权利要求1所述的一种电力设备异常事故控制方法，其特征在于，电力设备运行子图生成的具体步骤如下：
确定导致故障发生的状态量指标；
对各个状态量指标结合各状态量对故障类型的故障影响权值进行评分；
各个状态量指标分值连线，确定当前故障类型对应的状态量指标可视化电力设备运行子图。
6.一种电力设备异常事故控制系统，其特征在于，包括：
第一获取模块，获取光伏电站各电力设备的多维度历史运行数据；
关联模块，通过多维度历史运行数据输入预设故障诊断模型，确定与发生异常的各状态量相关联的各故障类型；
第二获取模块，获取当前光伏电站各电力设备的多维度运行数据；
运行子图模块，根据确定的多维度历史运行数据与发生异常的各状态量相关联的各故障类型，生成多个电力设备运行子图；
整体运行图模块，将多个电力设备运行子图进行叠加，得到整体电力设备运行图；
判断模块，利用所述整体电力设备运行图与正常运行状态下带有差异阈值的运行图进行比较判断异常事故。
7.根据权利要求6所述的一种电力设备异常事故控制系统，其特征在于，第一获取模块和第二获取模块分别获取光伏组件阴影遮挡、光伏组件方向朝向、光伏组件电性能特性、光伏组件汇流设备、直流柜输出电压、直流柜输出电流、直流柜设备温度、逆变器功率、逆变器输出电压、发电量。
8.根据权利要求6所述的一种电力设备异常事故控制系统，其特征在于，关联模块包括预设故障诊断模型，所述预设故障诊断模型用于获取故障类型与状态量的关联关系，以及各状态量对故障类型的故障影响权值。
9.根据权利要求8所述的一种电力设备异常事故控制系统，其特征在于，预设故障诊断模型包括：
判断矩阵单元，多维度历史运行数据利用层次分析方法，建立判断矩阵；
权重确定单元，基于所述判断矩阵，通过两两对比，确定统一隶属关系或同一层次中各状态量的相对重要程度，根据所述相对重要程度确定各状态量的权重。
10.根据权利要求6所述的一种电力设备异常事故控制系统，其特征在于，运行子图模块：
确定单元，确定导致故障发生的状态量指标；
评分单元，对各个状态量指标结合各状态量对故障类型的故障影响权值进行评分；
生成单元，各个状态量指标分值连线，确定当前故障类型对应的状态量指标可视化电力设备运行子图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210702338.6A CN114841081A (zh) | 2022-06-21 | 2022-06-21 | 一种电力设备异常事故控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210702338.6A CN114841081A (zh) | 2022-06-21 | 2022-06-21 | 一种电力设备异常事故控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114841081A true CN114841081A (zh) | 2022-08-02 |
Family
ID=82573940
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210702338.6A Pending CN114841081A (zh) | 2022-06-21 | 2022-06-21 | 一种电力设备异常事故控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114841081A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115453356A (zh) * | 2022-09-06 | 2022-12-09 | 上海电力大学 | 一种动力设备运行状态监测分析方法、系统、终端及介质 |
| CN117193088A (zh) * | 2023-09-22 | 2023-12-08 | 珠海臻图信息技术有限公司 | 一种工业设备监控方法、装置以及服务器 |
| CN117670300A (zh) * | 2023-12-08 | 2024-03-08 | 西安中创新能网络科技有限责任公司 | 一种分布式光伏设备检测运维系统及方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103149475A (zh) * | 2013-02-05 | 2013-06-12 | 广东电网公司 | 电力设备故障诊断方法及系统 |
| CN103178615A (zh) * | 2013-02-05 | 2013-06-26 | 广东电网公司 | 电力设备故障监控方法及其系统 |
| US8682585B1 (en) * | 2011-07-25 | 2014-03-25 | Clean Power Research, L.L.C. | Computer-implemented system and method for inferring operational specifications of a photovoltaic power generation system |
| WO2014131032A1 (en) * | 2013-02-25 | 2014-08-28 | Inscope Energy, Llc | System and method for providing monitoring of industrial equipment |
| CN105353256A (zh) * | 2015-11-30 | 2016-02-24 | 上海交通大学 | 一种输变电设备状态异常检测方法 |
| CN105975735A (zh) * | 2016-07-19 | 2016-09-28 | 广西电网有限责任公司电力科学研究院 | 一种用于电力设备健康状态评估的建模方法 |
| CN108537426A (zh) * | 2018-03-28 | 2018-09-14 | 广州供电局有限公司 | 电力设备运行状态估计方法、装置和计算机设备 |
| CN109842373A (zh) * | 2019-04-15 | 2019-06-04 | 国网河南省电力公司电力科学研究院 | 基于时空分布特性的光伏阵列故障诊断方法及装置 |
| CN111010084A (zh) * | 2019-12-12 | 2020-04-14 | 山东中实易通集团有限公司 | 一种光伏电站智能监控分析平台及方法 |
| CN111669123A (zh) * | 2020-05-11 | 2020-09-15 | 国电新能源技术研究院有限公司 | 用于对光伏组串进行故障诊断的方法和装置 |
| CN111680820A (zh) * | 2020-05-08 | 2020-09-18 | 国网河南省电力公司电力科学研究院 | 分布式光伏电站故障诊断方法和装置 |
| CN112115618A (zh) * | 2020-09-22 | 2020-12-22 | 南方电网海南数字电网研究院有限公司 | 一种基于矩阵图及置信度的电力设备故障诊断方法及系统 |
| CN112508100A (zh) * | 2020-12-07 | 2021-03-16 | 国网浙江省电力有限公司双创中心 | 一种智慧社区公共设备的运行状态监控方法及装置 |
| CN112991297A (zh) * | 2021-03-15 | 2021-06-18 | 广东电网有限责任公司清远供电局 | 一种输电线路故障诊断方法、系统、电子设备和存储介质 |
| CN113098390A (zh) * | 2021-01-18 | 2021-07-09 | 国家电网有限公司 | 基于模糊数学的新能源并网自动告警及可视化方法及装置 |
-
2022
- 2022-06-21 CN CN202210702338.6A patent/CN114841081A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8682585B1 (en) * | 2011-07-25 | 2014-03-25 | Clean Power Research, L.L.C. | Computer-implemented system and method for inferring operational specifications of a photovoltaic power generation system |
| CN103149475A (zh) * | 2013-02-05 | 2013-06-12 | 广东电网公司 | 电力设备故障诊断方法及系统 |
| CN103178615A (zh) * | 2013-02-05 | 2013-06-26 | 广东电网公司 | 电力设备故障监控方法及其系统 |
| WO2014131032A1 (en) * | 2013-02-25 | 2014-08-28 | Inscope Energy, Llc | System and method for providing monitoring of industrial equipment |
| CN105353256A (zh) * | 2015-11-30 | 2016-02-24 | 上海交通大学 | 一种输变电设备状态异常检测方法 |
| CN105975735A (zh) * | 2016-07-19 | 2016-09-28 | 广西电网有限责任公司电力科学研究院 | 一种用于电力设备健康状态评估的建模方法 |
| CN108537426A (zh) * | 2018-03-28 | 2018-09-14 | 广州供电局有限公司 | 电力设备运行状态估计方法、装置和计算机设备 |
| CN109842373A (zh) * | 2019-04-15 | 2019-06-04 | 国网河南省电力公司电力科学研究院 | 基于时空分布特性的光伏阵列故障诊断方法及装置 |
| CN111010084A (zh) * | 2019-12-12 | 2020-04-14 | 山东中实易通集团有限公司 | 一种光伏电站智能监控分析平台及方法 |
| CN111680820A (zh) * | 2020-05-08 | 2020-09-18 | 国网河南省电力公司电力科学研究院 | 分布式光伏电站故障诊断方法和装置 |
| CN111669123A (zh) * | 2020-05-11 | 2020-09-15 | 国电新能源技术研究院有限公司 | 用于对光伏组串进行故障诊断的方法和装置 |
| CN112115618A (zh) * | 2020-09-22 | 2020-12-22 | 南方电网海南数字电网研究院有限公司 | 一种基于矩阵图及置信度的电力设备故障诊断方法及系统 |
| CN112508100A (zh) * | 2020-12-07 | 2021-03-16 | 国网浙江省电力有限公司双创中心 | 一种智慧社区公共设备的运行状态监控方法及装置 |
| CN113098390A (zh) * | 2021-01-18 | 2021-07-09 | 国家电网有限公司 | 基于模糊数学的新能源并网自动告警及可视化方法及装置 |
| CN112991297A (zh) * | 2021-03-15 | 2021-06-18 | 广东电网有限责任公司清远供电局 | 一种输电线路故障诊断方法、系统、电子设备和存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115453356A (zh) * | 2022-09-06 | 2022-12-09 | 上海电力大学 | 一种动力设备运行状态监测分析方法、系统、终端及介质 |
| CN115453356B (zh) * | 2022-09-06 | 2023-05-30 | 上海电力大学 | 一种动力设备运行状态监测分析方法、系统、终端及介质 |
| CN117193088A (zh) * | 2023-09-22 | 2023-12-08 | 珠海臻图信息技术有限公司 | 一种工业设备监控方法、装置以及服务器 |
| CN117193088B (zh) * | 2023-09-22 | 2024-04-26 | 珠海臻图信息技术有限公司 | 一种工业设备监控方法、装置以及服务器 |
| CN117670300A (zh) * | 2023-12-08 | 2024-03-08 | 西安中创新能网络科技有限责任公司 | 一种分布式光伏设备检测运维系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114841081A (zh) | 一种电力设备异常事故控制方法及系统 | |
| CN106411257B (zh) | 一种光伏电站状态诊断方法及装置 | |
| CN106204330A (zh) | 一种配电网智能诊断系统 | |
| CN106709651B (zh) | 一种基于风险理论的电力系统安全性评估系统 | |
| CN104504607A (zh) | 一种基于模糊聚类算法的光伏电站故障诊断方法 | |
| CN111680879B (zh) | 一种考虑敏感负荷失效的配电网运行韧性评估方法及装置 | |
| Ma et al. | Scenario-based multiobjective decision-making of optimal access point for wind power transmission corridor in the load centers | |
| CN109934437B (zh) | 一种配电网停电风险评估方法及系统 | |
| CN103471729A (zh) | 一种装置温度预警方法及其应用 | |
| CN104573887A (zh) | 用于配电网络故障抢修的资源调配优化方法 | |
| CN113269468A (zh) | 一种基于区块链的电力调度系统及其数据处理方法 | |
| CN114069860B (zh) | 光伏电站的状态确定方法、装置、设备及可读存储介质 | |
| CN102590652A (zh) | 基于电气信息的设备性能评价系统及方法 | |
| CN105741016A (zh) | 一种用于中期电网规划的静态可靠性概率指标获取方法 | |
| CN117196413A (zh) | 配电网电缆接地故障预警特征指标模型构建和优化方法 | |
| CN104992307A (zh) | 一种配电网风险协同管控系统 | |
| CN111628498A (zh) | 一种考虑配电网可靠性的多目标配电网重构方法和装置 | |
| CN110021933B (zh) | 考虑组件故障的电力信息系统控制功能可靠性评估方法 | |
| CN113837423A (zh) | 基于能源互联网电力大数据的电网运行态势预测方法 | |
| CN108090616A (zh) | 一种电力系统主动解列最优断面搜索方法 | |
| CN114186858A (zh) | 一种配电网储能规划节点重要度评估方法及系统 | |
| CN114662589A (zh) | 一种电表故障研判方法、装置、设备和可读存储介质 | |
| CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及系统 | |
| CN114814402A (zh) | 基于一体化电量及线损系统大数据的异常用电分析方法 | |
| Zhang et al. | Distributed Architecture of Power Grid Asset Management and Future Research Directions |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220802 |
|
| RJ01 | Rejection of invention patent application after publication |