CN114881292A - 基于数字孪生的变电站故障预警系统及方法 - Google Patents
基于数字孪生的变电站故障预警系统及方法 Download PDFInfo
- Publication number
- CN114881292A CN114881292A CN202210389948.5A CN202210389948A CN114881292A CN 114881292 A CN114881292 A CN 114881292A CN 202210389948 A CN202210389948 A CN 202210389948A CN 114881292 A CN114881292 A CN 114881292A
- Authority
- CN
- China
- Prior art keywords
- data
- early warning
- digital twin
- module
- environment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013499 data model Methods 0.000 claims description 22
- 238000013139 quantization Methods 0.000 claims description 19
- 238000012550 audit Methods 0.000 claims description 16
- 238000007405 data analysis Methods 0.000 claims description 14
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 230000008447 perception Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q10/04—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/16—Electric power substations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及数字孪生技术领域，公开了一种基于数字孪生的变电站故障预警系统及方法，其方法通过采集变电站的物理节点的属性数据、拓扑连接关系、运行数据和环境数据，以构建变电站的数字孪生体，同时，还在数字孪生体的数据模型提取每个物理节点的运行数据和环境数据，根据物理节点类别从每个物理节点的运行数据和环境数据中提取目标特征字段的特征参数，计算预设时间段内的参数变化量，判断参数变化量是否超出预设变化量阈值，从而进行预警。本方案解决了变电站在故障预测时的预测不及时的问题，提高了故障预测效率以及准确性。
Description
技术领域
本发明涉及数字孪生技术领域，尤其涉及一种基于数字孪生的变电站故障预警系统及方法。
背景技术
变电站是电力系统中变换电压、接受和分配电能、控制电力的流向和调整电压的重要电力设施，它通过其变压器将各级电压的电网联系起来。变电站内各设备的安全稳定运行是确保电网安全运行的基础。
数字孪生是现实生活中物体、流程或系统的数字镜像。数字孪生技术基于数字化模型构建和大数据技术刻画现实的物理对象，实现物理空间全要素的映射，在此基础上，通过对数字孪生模型的分析与优化，来改善其对应的物理实体的性能和运行绩效。
随着数字孪生技术越来越广泛的应用，数字孪生技术在电网数字化转型中的应用也越来越多。但是，由于电网系统特别是变电站的构成和运行都非常复杂，变电站组成元件的类型、特定的多态和动态特性以及非常复杂的关联等因素，使得数字孪生技术在变电站建模后，导致变电站在进行故障预测时出现预测不及时，且准确性较低。
发明内容
本发明提供了一种基于数字孪生的变电站建模系统及方法，解决了变电站在故障预测时的预测不及时，且准确性较低的技术问题。
有鉴于此，本发明第一方面提供了一种基于数字孪生的变电站故障预警系统，包括：数据采集模块、数字孪生模块、感知模块、数据分析模块和预警模块；
所述数据采集模块用于采集变电站的物理节点的属性数据、拓扑连接关系、运行数据和环境数据，还用于将所述物理节点的属性数据、拓扑连接关系、运行数据和环境数据发送至所述数字孪生模块；
所述数字孪生模块用于基于所述物理节点的属性数据、拓扑连接关系、运行数据和环境数据构建变电站的数字孪生体，所述数字孪生体包含各个物理节点的物理模型、拓扑连接逻辑模型以及数据模型，所述数据模型包括运行数据和环境数据；
所述感知模块用于基于所述数字孪生体的所述数据模型提取每个物理节点的运行数据和环境数据，还用于从每个物理节点的运行数据和环境数据中提取目标特征字段的特征参数；还用于将所述特征参数发送至所述数据分析模块；
所述数据分析模块用于根据所述特征参数计算预设时间段内的参数变化量，还用于判断所述参数变化量是否超出预设变化量阈值，若判断为是，则生成故障预警信号发送至所述预警模块；
所述预警模块用于接收所述故障预警信号进行预警。
优选地，本系统还包括：数据集模块，用于获取每个物理节点在预设时间段内的运行数据和环境数据，从而构成运行数据集和环境数据集；
数值量化模块，用于基于深度学习算法分别对所述运行数据集和所述环境数据集进行训练，从而得到环境数值量化模型和气象数值量化模型。
优选地，所述感知模块还用于基于聚类算法，根据所述物理节点的属性数据对各个物理节点进行聚类。
优选地，本系统还包括：图形化模块，用于将所述数字孪生体通过https协议发送至显示前端。
优选地，本系统还包括审计模块，用于获取所述数据分析模块发出的所述故障预警信号，记录所述故障预警信号的次数，从而生成预警审计报表，还用于将所述预警审计报表发送至所述数字孪生模块，从而在所述数字孪生体中与相应的物理节点相关联。
第二方面，本发明还提供了基于数字孪生的变电站故障预警方法，包括以下步骤：
采集变电站的物理节点的属性数据、拓扑连接关系、运行数据和环境数据；
基于所述物理节点的属性数据、拓扑连接关系、运行数据和环境数据构建变电站的数字孪生体，所述数字孪生体包含各个物理节点的物理模型、拓扑连接逻辑模型以及数据模型，所述数据模型包括运行数据和环境数据；
基于所述数字孪生体的所述数据模型提取每个物理节点的运行数据和环境数据，从每个物理节点的运行数据和环境数据中提取目标特征字段的特征参数；
根据所述特征参数计算预设时间段内的参数变化量，判断所述参数变化量是否超出预设变化量阈值，若判断为是，则生成故障预警信号；
根据所述故障预警信号进行预警。
优选地，本方法还包括：获取每个物理节点在预设时间段内的运行数据和环境数据，从而构成运行数据集和环境数据集；
基于深度学习算法分别对所述运行数据集和所述环境数据集进行训练，从而得到环境数值量化模型和气象数值量化模型。
优选地，本方法还包括：基于聚类算法，根据所述物理节点的属性数据对各个物理节点进行聚类。
优选地，本方法还包括：将所述数字孪生体通过https协议发送至显示前端。
优选地，本方法还包括：
获取所述故障预警信号，记录所述故障预警信号的次数，从而生成预警审计报表；
将所述预警审计报表在所述数字孪生体中与相应的物理节点相关联。
从以上技术方案可以看出，本发明具有以下优点：
本发明通过采集变电站的物理节点的属性数据、拓扑连接关系、运行数据和环境数据，以构建变电站的数字孪生体，同时，还在数字孪生体的数据模型提取每个物理节点的运行数据和环境数据，根据物理节点类别从每个物理节点的运行数据和环境数据中提取目标特征字段的特征参数，计算预设时间段内的参数变化量，判断参数变化量是否超出预设变化量阈值，从而进行预警。本方案解决了变电站在故障预测时的预测不及时的问题，提高了故障预测效率以及准确性。
附图说明
图1为本发明实施例提供的一种基于数字孪生的变电站故障预警系统的结构示意图；
图2为本发明实施例提供的一种基于数字孪生的变电站故障预警方法的流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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。
为了便于理解，请参阅图1，本发明提供的一种基于数字孪生的变电站故障预警系统，包括：数据采集模块100、数字孪生模块200、感知模块300、数据分析模块400和预警模块500；
数据采集模块100用于采集变电站的物理节点的属性数据、拓扑连接关系、运行数据和环境数据，还用于将物理节点的属性数据、拓扑连接关系、运行数据和环境数据发送至数字孪生模块200；
需要说明的是，其物理节点记为变电站内的连接设备，如变压器、二次设备、配电柜、变流器等，每个连接设备均包含相应的属性，一般记录于设备铭牌上，如设备名称、型号、额定功率等，而拓扑连接关系即为各个连接设备之间的连接关系，运行数据即为各个连接设备的电气运行情况，如：变压器的电压、电流、功率、频率等；环境数据为连接设备的环境参数，如变压器的温度、湿度、气体监测值、噪音、烟雾和气象预报等。
数字孪生模块200用于基于物理节点的属性数据、拓扑连接关系、运行数据和环境数据构建变电站的数字孪生体，数字孪生体包含各个物理节点的物理模型、拓扑连接逻辑模型以及数据模型，数据模型包括运行数据和环境数据；
需要说明的是，数字孪生模块200是在数字孪生映射的软件运行环境中，对物理节点的属性数据、拓扑连接关系、运行数据和环境数据进行映射，从而构成变电站的数字孪生体，一般示例中，数字孪生体会包括设备层、传输层以及应用层，设备层就是模型的最低层，将采集到的各种信号数据转换成计算机语言(比特流)；传输层提供数据传输服务，应用层基于相应协议直接向用户提供服务，就是用户发出请求，计算机根据相应协议为用户提供服务。同时，还集成了各个物理节点的物理模型、拓扑连接逻辑模型以及数据模型，其中，物理模型用于描述物理节点的属性数据，以对物理节点进行物理区分，拓扑连接逻辑模型用于描述物理节点的拓扑连接逻辑关系，数据模型包括运行数据和环境数据，以描述物理节点的运行情况和环境情况。
同时，通过将环境情况加入到数字孪生体中，增加了数据的维度，使得模型更接近实景；特别是气象数据，可以使得数字孪生体能够提前预测变电站某个设备可能发生的故障，并及时进行预警。
感知模块300用于基于数字孪生体的数据模型提取每个物理节点的运行数据和环境数据，还用于从每个物理节点的运行数据和环境数据中提取目标特征字段的特征参数；还用于将特征参数发送至数据分析模块400；
需要说明的是，每个物理节点的运行数据和环境数据均包括用于表达电气含义的特征字段，如变压器的电压、电流、功率等，这里可以通过现有技术的关键词提取方式提取运行数据和环境数据的关键词，进而得到目标特征字段，而每个特征字段则对应有相应的特征参数，也即数值。
在一个具体实施例中，感知模块300与数字孪生模块200通过IoT API接口连接，且彼此之间互为冗余备份。
数据分析模块400用于根据特征参数计算预设时间段内的参数变化量，还用于判断参数变化量是否超出预设变化量阈值，若判断为是，则生成故障预警信号发送至预警模块500；
其中，预设时间段可以为固定值，从而可以周期性的计算参数变化量，从而提高预警的准确性。而预设变化量阈值可以通过专家经验自行设定。
预警模块500用于接收故障预警信号进行预警。
本实施例提供了一种基于数字孪生的变电站故障预警系统，通过采集变电站的物理节点的属性数据、拓扑连接关系、运行数据和环境数据，以构建变电站的数字孪生体，同时，还在数字孪生体的数据模型提取每个物理节点的运行数据和环境数据，根据物理节点类别从每个物理节点的运行数据和环境数据中提取目标特征字段的特征参数，计算预设时间段内的参数变化量，判断参数变化量是否超出预设变化量阈值，从而进行预警。本方案解决了变电站在故障预测时的预测不及时的问题，提高了故障预测效率以及准确性。
在一个具体实施例中，本系统还包括：数据集模块，用于获取每个物理节点在预设时间段内的运行数据和环境数据，从而构成运行数据集和环境数据集；
可以理解的是，运行数据和环境数据均为历史数据，同时，其构成的运行数据集和环境数据集是具有时序性的。
数值量化模块，用于基于深度学习算法分别对运行数据集和环境数据集进行训练，从而得到环境数值量化模型和气象数值量化模型。
通过深度学习算法分别对运行数据集和环境数据集进行训练，得到环境数值量化模型和气象数值量化模型，为针对变电站各物理设备的主要监测参数随使用时长而形成的数值变化规律；数值量化模型可以形成各种参变化的曲线图、峰值图，同时，通过采集数据可以实时更新。
在一个具体实施例中，感知模块300还用于基于聚类算法，根据物理节点的属性数据对各个物理节点进行聚类。
可以理解的是，物理节点的属性数据用于描述各物理节点的属性，如变压器、负载等，其可以通过对物理节点的属性数据进行聚类分析，从而对各个物理节点进行聚类，得到不同物理节点类型下的多个物理节点。
在一个具体实施例中，本系统还包括：图形化模块，用于将数字孪生体通过https协议发送至显示前端。
其中，显示前端可以为电脑终端屏幕，最终在终端显示出变电站的模型。
在一个具体实施例中，本系统还包括审计模块，用于获取数据分析模块400发出的故障预警信号，记录故障预警信号的次数，从而生成预警审计报表，还用于将预警审计报表发送至数字孪生模块200，从而在数字孪生体中与相应的物理节点相关联。
可以理解的是，通过预警审计报表记录变电站的物理节点的故障预警信号的次数，并将其同步至数字孪生体，提高数字孪生体的数据维度。
以上为本发明提供的一种基于数字孪生的变电站故障预警系统的实施例的详细描述，以下为本发明提供的一种基于数字孪生的变电站故障预警方法的实施例的详细描述。
为了方便理解，请参阅图2，本发明提供的一种基于数字孪生的变电站故障预警方法，包括以下步骤：
S1、采集变电站的物理节点的属性数据、拓扑连接关系、运行数据和环境数据；
S2、基于物理节点的属性数据、拓扑连接关系、运行数据和环境数据构建变电站的数字孪生体，数字孪生体包含各个物理节点的物理模型、拓扑连接逻辑模型以及数据模型，数据模型包括运行数据和环境数据；
S3、基于数字孪生体的数据模型提取每个物理节点的运行数据和环境数据，从每个物理节点的运行数据和环境数据中提取目标特征字段的特征参数；
S4、根据特征参数计算预设时间段内的参数变化量，判断参数变化量是否超出预设变化量阈值，若判断为是，则生成故障预警信号；
S5、根据故障预警信号进行预警。
在一个具体实施例中，本方法还包括：获取每个物理节点在预设时间段内的运行数据和环境数据，从而构成运行数据集和环境数据集；
基于深度学习算法分别对运行数据集和环境数据集进行训练，从而得到环境数值量化模型和气象数值量化模型。
在一个具体实施例中，本方法还包括：基于聚类算法，根据物理节点的属性数据对各个物理节点进行聚类。
在一个具体实施例中，本方法还包括：将数字孪生体通过https协议发送至显示前端。
在一个具体实施例中，本方法还包括：
获取故障预警信号，记录故障预警信号的次数，从而生成预警审计报表；
将预警审计报表在数字孪生体中与相应的物理节点相关联。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.基于数字孪生的变电站故障预警系统，其特征在于，包括：数据采集模块、数字孪生模块、感知模块、数据分析模块和预警模块；
所述数据采集模块用于采集变电站的物理节点的属性数据、拓扑连接关系、运行数据和环境数据，还用于将所述物理节点的属性数据、拓扑连接关系、运行数据和环境数据发送至所述数字孪生模块；
所述数字孪生模块用于基于所述物理节点的属性数据、拓扑连接关系、运行数据和环境数据构建变电站的数字孪生体，所述数字孪生体包含各个物理节点的物理模型、拓扑连接逻辑模型以及数据模型，所述数据模型包括运行数据和环境数据；
所述感知模块用于基于所述数字孪生体的所述数据模型提取每个物理节点的运行数据和环境数据，还用于从每个物理节点的运行数据和环境数据中提取目标特征字段的特征参数；还用于将所述特征参数发送至所述数据分析模块；
所述数据分析模块用于根据所述特征参数计算预设时间段内的参数变化量，还用于判断所述参数变化量是否超出预设变化量阈值，若判断为是，则生成故障预警信号发送至所述预警模块；
所述预警模块用于接收所述故障预警信号进行预警。
2.根据权利要求1所述的基于数字孪生的变电站故障预警系统，其特征在于，还包括：数据集模块，用于获取每个物理节点在预设时间段内的运行数据和环境数据，从而构成运行数据集和环境数据集；
数值量化模块，用于基于深度学习算法分别对所述运行数据集和所述环境数据集进行训练，从而得到环境数值量化模型和气象数值量化模型。
3.根据权利要求1所述的基于数字孪生的变电站故障预警系统，其特征在于，所述感知模块还用于基于聚类算法，根据所述物理节点的属性数据对各个物理节点进行聚类。
4.根据权利要求1所述的基于数字孪生的变电站故障预警系统，其特征在于，还包括：图形化模块，用于将所述数字孪生体通过https协议发送至显示前端。
5.根据权利要求1所述的基于数字孪生的变电站故障预警系统，其特征在于，还包括审计模块，用于获取所述数据分析模块发出的所述故障预警信号，记录所述故障预警信号的次数，从而生成预警审计报表，还用于将所述预警审计报表发送至所述数字孪生模块，从而在所述数字孪生体中与相应的物理节点相关联。
6.基于数字孪生的变电站故障预警方法，其特征在于，包括以下步骤：
采集变电站的物理节点的属性数据、拓扑连接关系、运行数据和环境数据；
基于所述物理节点的属性数据、拓扑连接关系、运行数据和环境数据构建变电站的数字孪生体，所述数字孪生体包含各个物理节点的物理模型、拓扑连接逻辑模型以及数据模型，所述数据模型包括运行数据和环境数据；
基于所述数字孪生体的所述数据模型提取每个物理节点的运行数据和环境数据，从每个物理节点的运行数据和环境数据中提取目标特征字段的特征参数；
根据所述特征参数计算预设时间段内的参数变化量，判断所述参数变化量是否超出预设变化量阈值，若判断为是，则生成故障预警信号；
根据所述故障预警信号进行预警。
7.根据权利要求6所述的基于数字孪生的变电站故障预警方法，其特征在于，还包括：获取每个物理节点在预设时间段内的运行数据和环境数据，从而构成运行数据集和环境数据集；
基于深度学习算法分别对所述运行数据集和所述环境数据集进行训练，从而得到环境数值量化模型和气象数值量化模型。
8.根据权利要求6所述的基于数字孪生的变电站故障预警方法，其特征在于，还包括：基于聚类算法，根据所述物理节点的属性数据对各个物理节点进行聚类。
9.根据权利要求6所述的基于数字孪生的变电站故障预警方法，其特征在于，还包括：将所述数字孪生体通过https协议发送至显示前端。
10.根据权利要求6所述的基于数字孪生的变电站故障预警方法，其特征在于，还包括：
获取所述故障预警信号，记录所述故障预警信号的次数，从而生成预警审计报表；
将所述预警审计报表在所述数字孪生体中与相应的物理节点相关联。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210389948.5A CN114881292A (zh) | 2022-04-14 | 2022-04-14 | 基于数字孪生的变电站故障预警系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210389948.5A CN114881292A (zh) | 2022-04-14 | 2022-04-14 | 基于数字孪生的变电站故障预警系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114881292A true CN114881292A (zh) | 2022-08-09 |
Family
ID=82668837
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210389948.5A Pending CN114881292A (zh) | 2022-04-14 | 2022-04-14 | 基于数字孪生的变电站故障预警系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114881292A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115297184A (zh) * | 2022-09-30 | 2022-11-04 | 网思科技股份有限公司 | 一种用于数字孪生的数据获取系统 |
| CN115932476A (zh) * | 2022-12-12 | 2023-04-07 | 触景无限科技（北京）有限公司 | 基于数字孪生的故障定位方法、装置、电子设备及介质 |
| CN116070840A (zh) * | 2022-12-26 | 2023-05-05 | 北京国网富达科技发展有限责任公司 | 一种基于电网数字孪生模型的变压器协同管理方法和系统 |
| CN116382197A (zh) * | 2023-01-18 | 2023-07-04 | 北京图安世纪科技股份有限公司 | 一种基于数字孪生的智慧工厂管理平台及管理方法 |
| CN116481676A (zh) * | 2023-06-21 | 2023-07-25 | 东阳市光明电力建设有限公司 | 电气设备接头发热测温方法 |
| CN116596518A (zh) * | 2023-07-17 | 2023-08-15 | 南京上古网络科技有限公司 | 一种基于数字孪生的电网故障隐患管理系统及方法 |
| CN117148048A (zh) * | 2023-10-30 | 2023-12-01 | 国网江苏省电力有限公司南通供电分公司 | 基于数字孪生技术的配电网故障预测方法及系统 |
| CN117422205A (zh) * | 2023-12-18 | 2024-01-19 | 天津电力工程监理有限公司 | 基于数字孪生的装配式钢结构变电站建造管理系统和方法 |
| CN118070680A (zh) * | 2024-04-18 | 2024-05-24 | 江苏濠汉信息技术有限公司 | 一种变电站空间建模测距的监测预警方法 |
-
2022
- 2022-04-14 CN CN202210389948.5A patent/CN114881292A/zh active Pending
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115297184A (zh) * | 2022-09-30 | 2022-11-04 | 网思科技股份有限公司 | 一种用于数字孪生的数据获取系统 |
| CN115932476A (zh) * | 2022-12-12 | 2023-04-07 | 触景无限科技（北京）有限公司 | 基于数字孪生的故障定位方法、装置、电子设备及介质 |
| CN115932476B (zh) * | 2022-12-12 | 2023-08-29 | 触景无限科技（北京）有限公司 | 基于数字孪生的故障定位方法、装置、电子设备及介质 |
| CN116070840A (zh) * | 2022-12-26 | 2023-05-05 | 北京国网富达科技发展有限责任公司 | 一种基于电网数字孪生模型的变压器协同管理方法和系统 |
| CN116070840B (zh) * | 2022-12-26 | 2023-10-27 | 北京国网富达科技发展有限责任公司 | 一种基于电网数字孪生模型的变压器协同管理方法和系统 |
| CN116382197A (zh) * | 2023-01-18 | 2023-07-04 | 北京图安世纪科技股份有限公司 | 一种基于数字孪生的智慧工厂管理平台及管理方法 |
| CN116382197B (zh) * | 2023-01-18 | 2023-09-15 | 北京图安世纪科技股份有限公司 | 一种基于数字孪生的智慧工厂管理平台及管理方法 |
| CN116481676B (zh) * | 2023-06-21 | 2023-10-20 | 东阳市光明电力建设有限公司 | 电气设备接头发热测温方法 |
| CN116481676A (zh) * | 2023-06-21 | 2023-07-25 | 东阳市光明电力建设有限公司 | 电气设备接头发热测温方法 |
| CN116596518B (zh) * | 2023-07-17 | 2023-09-19 | 南京上古网络科技有限公司 | 一种基于数字孪生的电网故障隐患管理系统及方法 |
| CN116596518A (zh) * | 2023-07-17 | 2023-08-15 | 南京上古网络科技有限公司 | 一种基于数字孪生的电网故障隐患管理系统及方法 |
| CN117148048A (zh) * | 2023-10-30 | 2023-12-01 | 国网江苏省电力有限公司南通供电分公司 | 基于数字孪生技术的配电网故障预测方法及系统 |
| CN117148048B (zh) * | 2023-10-30 | 2024-01-12 | 国网江苏省电力有限公司南通供电分公司 | 基于数字孪生技术的配电网故障预测方法及系统 |
| CN117422205A (zh) * | 2023-12-18 | 2024-01-19 | 天津电力工程监理有限公司 | 基于数字孪生的装配式钢结构变电站建造管理系统和方法 |
| CN117422205B (zh) * | 2023-12-18 | 2024-04-19 | 天津电力工程监理有限公司 | 基于数字孪生的装配式钢结构变电站建造管理系统和方法 |
| CN118070680A (zh) * | 2024-04-18 | 2024-05-24 | 江苏濠汉信息技术有限公司 | 一种变电站空间建模测距的监测预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114881292A (zh) | 基于数字孪生的变电站故障预警系统及方法 | |
| CN106329516B (zh) | 一种基于典型场景识别的配电网动态重构方法 | |
| CN112633316B (zh) | 一种基于边界估值理论的负荷预测方法和装置 | |
| CN105866725A (zh) | 一种基于聚类分析和云模型的智能电表故障分类方法 | |
| CN110266037A (zh) | 基于拓扑自动聚合的分布式新能源全观测建模方法和系统 | |
| CN115730749B (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
| CN115564331A (zh) | 配电网典型故障风险感知方法、配电网、设备及存储介质 | |
| CN112329997A (zh) | 电力需求负荷预测方法及系统、电子设备和存储介质 | |
| CN115425760A (zh) | 一种基于数字孪生的数字电网系统 | |
| CN115842342A (zh) | 一种分布式配电网的拓扑识别方法及装置 | |
| CN115174416A (zh) | 一种网络规划系统、方法、装置及电子设备 | |
| CN117374978B (zh) | 结合知识图谱构建的并网调度管理方法及系统 | |
| CN107294205B (zh) | 一种基于保信主站数据的变电站状态监视方法 | |
| CN111582717A (zh) | 一种基于大数据技术的主动配电网规划方法 | |
| CN111142003A (zh) | 一种电力电容器状态监测与可靠性分析的系统和方法 | |
| CN116566036A (zh) | 一种用能负荷在线智能监测系统 | |
| CN107240957B (zh) | 一种基于大数据流式计算用于电网监测预警的方法 | |
| CN111857015B (zh) | 输变电云端智能控制器 | |
| CN115660326A (zh) | 一种电力系统备用管理方法、装置、存储介质及系统 | |
| US20150227639A1 (en) | System data compression system and method thereof | |
| CN108123436A (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 | |
| CN113468472A (zh) | 配电网故障定位方法及系统 | |
| CN115809761B (zh) | 一种基于低压台区的电压质量分析方法及系统 | |
| CN116660680B (zh) | 一种基于节点电力线通信停电事件研判方法 | |
| CN116542000B (zh) | 基于源网数据分析的电网精细化管理系统 |
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 |