CN115378136A - 一种电网二次设备安全风险智能预警方法及预警装置 - Google Patents

一种电网二次设备安全风险智能预警方法及预警装置 Download PDF

Info

Publication number
CN115378136A
CN115378136A CN202211108164.7A CN202211108164A CN115378136A CN 115378136 A CN115378136 A CN 115378136A CN 202211108164 A CN202211108164 A CN 202211108164A CN 115378136 A CN115378136 A CN 115378136A
Authority
CN
China
Prior art keywords
data
secondary equipment
early warning
equipment
output
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
CN202211108164.7A
Other languages
English (en)
Inventor
曾治强
欧睿
李德智
魏甦
李�杰
张友强
周文
李筱天
罗媛媛
魏燕
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.)
Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd
State Grid Corp of China SGCC
State Grid Chongqing Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd
State Grid Corp of China SGCC
State Grid Chongqing Electric Power 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 Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd, State Grid Corp of China SGCC, State Grid Chongqing Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd
Priority to CN202211108164.7A priority Critical patent/CN115378136A/zh
Publication of CN115378136A publication Critical patent/CN115378136A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种电网二次设备安全风险智能预警方法及预警装置，所述预警方法包括：(1)对电网原始数据进行采集，关联一次设备的实时测量数据与档案数据，获得一次设备数据信息；关联二次设备的实时测量数据与档案数据，获得二次设备数据信息；(2)将二次设备数据信息与一次设备数据信息关联，建立一二次设备的数据关联关系；(3)根据一二次设备的数据关联关系，以一次设备数据信息为输入数据，以二次设备数据信息中的历史缺陷信息为输出，训练二次设备风险预警模型，其中所述二次设备风险预警模型基于反向传播神经网络算法构建；(4)对训练完成的二次设备风险预警模型进行验证；(5)对二次设备信号异常事件进行安全风险预警。

Description

一种电网二次设备安全风险智能预警方法及预警装置
技术领域
本发明属于电网二次设备安全控制技术领域，具体来说涉及一种电网二次设备安全风险智能预警方法及预警装置。
背景技术
随着新型电力系统建设，源网荷储的互动和相互影响远大于传统电力系统，对电网安全稳定运行提出了更高要求。现有二次专业系统分隔，风险管控不够完善，已无法满足强关联性、高复杂度的新型电力系统生产运行需求。通过二次系统，目前已实现了对一次电网的功能建模、运行状态的实时采集和在线监视。而对于二次系统本身，只实现对一些简单告警的在线监视。
数据采集方面，二次系统的数据主要可分为档案类数据和实时量测数据。其中，实时量测数据通过变电站监控系统、二次设备在线监视、通信网络管理系统等实时采集、动力环境监控系统等系统内，档案类数据(如台账、缺陷、工程、资产)等信息分散保存在物资、设备、调控、互联网、财务等不同部门业务系统内。各系统间互不贯通，存在数据重复录入和数据录入口径不统一的问题。多数管理类数据目前未与实时量测类数据通过统一模型进行贯通，处于沉睡状态，未充分利用。
建模和功能方面，二次系统的模型目前主要仍是台账型的模型，与实时量测关联不紧密且缺乏功能级的建模，各个二次设备模型之间没有维护关联关系，呈孤岛状态，且也未充分考虑二次系统和一次电网之间的关联关系，导致二次系统监视人员，仅能直观发现设备级的异常情况，系统和功能异常以及对一次电网的运行、监视的影响情况只能依赖人工判断和分析，影响故障处置效率。
发明内容
本发明的目的在于：为了克服现有技术问题，公开了一种电网二次设备安全风险智能预警方法及预警装置，基于基于反向传播神经网络算法，建立二次设备风险预警模型，利用一二次设备的数据关联关系，训练构建的二次设备风险预警模型并基于完成验证的二次设备风险预警模型对二次设备异常情况进行风险预警，避免通过人工经验判断缺陷位置，提高了故障处置效率。
一方面，本发明目的通过下述技术方案来实现：
一种电网二次设备安全风险智能预警方法，包括如下步骤：
(1)根据获得的电网原始数据，关联一次设备的实时测量数据与档案数据，获得一次设备数据信息；以及根据获得的关联二次设备的实时测量数据与档案数据，获得二次设备数据信息；
(2)将二次设备数据信息与一次设备数据信息关联，建立一二次设备的数据关联关系；
(3)根据一二次设备的数据关联关系，以一次设备数据信息为输入数据，以二次设备数据信息中的历史缺陷信息为输出，训练构建的二次设备风险预警模型，其中所述二次设备风险预警模型基于反向传播神经网络算法构建；
(4)基于获得的电网原始数据，对训练完成的二次设备风险预警模型进行验证；
(5)基于验证通过的二次设备风险预警模型，对二次设备信号异常事件进行安全风险预警。
根据一个优选的实施方式，步骤(1)中还包括对所述电网原始数据进行清洗。
根据一个优选的实施方式，所述关联关系为二次设备发出信号后，与此信号相关的一次设备、二次设备数据，所述相关的一次设备、二次设备数据包括下述中的至少一种：：测控装置数据、交换机数据、同步时钟数据、远动系统数据、调度数据网数据、开关数据、线路数据、母线数据。
根据一个优选的实施方式，所述二次设备数据信息中的历史缺陷信息包括下述中的至少一种：缺陷设备、缺陷型号、所属厂站、所属专业。
根据一个优选的实施方式，构建的二次设备风险预警模型包括：输入层、输出层和隐含层。
根据一个优选的实施方式，训练构建的二次设备风险预警模型包括：：
(1)初始化训练变量，设定精度为ε，各连接权值的初始化为(-1，1)内的随机数，设置最大迭代次数M；
(2)确定输入参数个数，根据输入层到隐含层的权值v、隐含层阈值和隐含层激励函数确定隐含层输出，具体计算公式为：
Figure BDA0003842627180000031
式中，f为隐含层激励函数，vih为第i个输入层神经元到第h个隐含层神经元的权值， z1h为第h个隐含层神经元阈值，隐含层节点数设置为输入层节点数、输出层节点数之积的开平方，隐含层激励函数使用S型函数；
(3)根据隐含层输出计算输出层实际输出，具体计算公式为：
Figure BDA0003842627180000032
式中，f为输出层激励函数，wim为第i个隐含层到第m个隐含层神经元的权值，z1m为第m个输出层神经元阈值，输出层激励函数使用线性函数；
(4)基于设置的训练变量，通过网络输出值和实际值的误差偏导反复修改反向传播神经网络的权值和阈值，直到BP神经网络的权值和阈值使反向传播神经网络网络输出能与实际值的误差小于精度ε或学习次数大于设定的最大次数M时，得到训练完成的二次设备风险预警模型。
根据一个优选的实施方式，验证训练完成的二次设备风险预警模型包括如下步骤：
选取一组电网原始数据作为验证数据，对训练完成的二次设备风险预警模型进行验证，确定训练完成的二次设备风险预警模型准确率。
根据一个优选的实施方式，所述二次设备信号异常事件包括遥测异常、遥信异常。
根据一个优选的实施方式，所述实时量测类数据包括下述中的至少一种：遥测、遥信、计划电压、计划功率。
根据一个优选的实施方式，所述档案类数据包括下述中的至少一种：设备型号、投运年限、历史缺陷信息、历史潮流。
另一方面，本发明还公开了：
一种电网二次设备安全风险智能预警装置，所述智能预警装置包括数据采集单元、数据处理单元和数据输出单元，所述数据处理单元内设有训练完成的基于反向传播神经网络算法构建的二次设备风险预警模型；
所述数据采集单元被配置为实现一次设备数据信息的数据采集；
所述数据处理单元被配置为基于训练完成的二次设备风险预警模型完成数据采集单元的输入数据处理，并输出二次设备的预警数据；
所述数据输出单元被配置实现二次设备的预警数据的数据输出及展示，所述二次设备的预警数据包括二次设备的缺陷设备和缺陷型号数据。
根据一个优选的实施方式，所述训练完成的二次设备风险预警模型为：根据一二次设备的数据关联关系，以一次设备数据信息为输入数据，以二次设备数据信息中的历史缺陷信息为输出，进行模型训练得到；
所述一二次设备的数据关联关系，由二次设备数据信息与一次设备数据信息关联建立得到。
根据一个优选的实施方式，所述一次设备数据信息为关联后的一次设备的实时测量数据与档案数据；所述二次设备数据信息为关联后的二次设备的实时测量数据与档案数据。
根据一个优选的实施方式，构建的二次设备风险预警模型包括：输入层、输出层和隐含层。
根据一个优选的实施方式，训练构建的二次设备风险预警模型包括：
(1)初始化训练变量，设定精度为ε，各连接权值的初始化为(-1，1)内的随机数，设置最大迭代次数M；
(2)确定输入参数个数，根据输入层到隐含层的权值v、隐含层阈值和隐含层激励函数确定隐含层输出，具体计算公式为：
Figure BDA0003842627180000041
式中，f为隐含层激励函数，vih为第i个输入层神经元到第h个隐含层神经元的权值，z1h为第h个隐含层神经元阈值，隐含层节点数设置为输入层节点数、输出层节点数之积的开平方，隐含层激励函数使用S型函数；
(3)根据隐含层输出计算输出层实际输出，具体计算公式为：
Figure BDA0003842627180000051
式中，f为输出层激励函数，wim为第i个隐含层到第m个隐含层神经元的权值，z1m为第m个输出层神经元阈值，输出层激励函数使用线性函数；
(4)基于设置的训练变量，通过网络输出值和实际值的误差偏导反复修改反向传播神经网络的权值和阈值，直到BP神经网络的权值和阈值使反向传播神经网络网络输出能与实际值的误差小于精度ε或学习次数大于设定的最大次数M时，得到训练完成的二次设备风险预警模型。
前述本发明主方案及其各进一步选择方案可以自由组合以形成多个方案，均为本发明可采用并要求保护的方案。本领域技术人员在了解本发明方案后根据现有技术和公知常识可明了有多种组合，均为本发明所要保护的技术方案，在此不做穷举。
本发明的有益效果：本发明提出了基于一二次关联数据的二次设备风险预警模型，该模型可以根据二次信号异常、一次潮流信息及台账类信息对二次设备缺陷进行定位及分类。该模型首次将一二次信息关联对二次设备的缺陷进行定位及分类，能够有效的识别一次设备故障引起的二次信号异常，快速进行缺陷定位，提高二次人员故障处置效率，提高电网安全运行水平。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明的一种电网二次设备安全风险智能预警方法的流程示意图；
图2为本发明的反向传播神经网络算法结构图；
图3为本发明的基于反向传播神经网络算法的二次设备风险预警模型训练流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
实施例1：
参见图1，本发明提供一种电网二次设备安全风险智能预警方法，包括如下步骤：
(1)对电网原始数据进行采集清洗，关联一次设备的实时测量数据与档案数据，获得一次设备数据信息；关联二次设备的实时测量数据与档案数据，获得二次设备数据信息；
(2)将二次设备数据信息与一次设备数据信息关联，建立一二次设备的数据关联关系；
(3)根据一二次设备的数据关联关系，以一次设备数据信息为输入数据，以二次设备数据信息中的历史缺陷信息为输出，训练构建的二次设备风险预警模型，其中所述二次设备风险预警模型基于反向传播神经网络算法构建；
(4)基于获得的电网原始数据，对训练完成的二次设备风险预警模型进行验证；
(5)基于验证通过的二次设备风险预警模型，对二次设备信号异常事件进行安全风险预警。
在一个可选实施例中，实时量测类数据包括遥测、遥信、计划电压、计划功率等。
在一个可选实施例中，档案类数据包括设备型号、投运年限、缺陷记录、历史潮流等。
在一个可选实施例中，关联关系为二次设备发出信号后，与此信号相关的一次设备、二次设备数据，所述相关的一次设备、二次设备数据包括：测控装置、交换机、同步时钟、远动系统、调度数据网、开关、线路、母线等对应数据。
在一个可选实施例中，二次设备数据信息中的历史缺陷信息包括缺陷设备、缺陷型号、所属厂站、所属专业。
在一个可选实施例中，所述构建的二次设备风险预警模型包括：输入层、输出层和隐含层。
在一个可选实施例中，训练构建的二次设备风险预警模型，包括：：
(1)初始化训练变量，设定精度为ε，各连接权值的初始化为(-1，1)内的随机数，，设置最大迭代次数M；
(2)确定输入参数个数，根据输入层到隐含层的权值v、隐含层阈值和隐含层激励函数确定隐含层输出，具体计算公式为：
Figure BDA0003842627180000071
式中，f为隐含层激励函数，vih为第i个输入层神经元到第h个隐含层神经元的权值， z1h为第h个隐含层神经元阈值，隐含层节点数设置为输入层节点数、输出层节点数之积的开平方，隐含层激励函数使用S型函数；
(3)根据隐含层输出计算输出层实际输出，具体计算公式为：
Figure BDA0003842627180000072
式中，f为输出层激励函数，wim为第i个隐含层到第m个隐含层神经元的权值，z1m为第m个输出层神经元阈值，输出层激励函数使用线性函数；
(4)基于设置的训练变量，通过网络输出值和实际值的误差偏导反复修改网络的权值和阈值，直到BP神经网络的权值和阈值使网络输出能与实际值的误差小于精度ε或学习次数大于设定的最大次数M时，得到训练完成的二次设备风险预警模型。
在一个可选实施例中，验证二次设备风险预警模型包括如下步骤：
选取一组电网原始数据作为验证数据，对模型进行验证，确定其准确率。
在一个可选实施例中，二次设备信号异常事件包括遥测异常、遥信异常。
实施例二
参见图2，为本发明的反向传播神经网络算法结构图。该算法包括三个部分输入、输出层和隐含层，是一种比较典型的前向多层神经网络。只含有一个隐含层的神经网络就能对所有非线性函数进行拟合。
BP算法的运算过程是：首先利用一组原始数据对网络训练，通过网络输出和实际值的误差偏导反复修改网络的权值和阈值，直到BP神经网络的权值和阈值使网络输出能与实际值一致。
实施例三
参见图3，为本发明的基于反向传播神经网络算法的二次设备风险预警模型训练流程示意图，具体包括如下步骤：
(1)初始化变量，包括各连接权值的初始化为(-1，1)内的随机数，最大迭代次数为50，隐含层节点数设置为输入层节点数、输出层节点数之积的开平方，隐含层激励函数使用S 型函数，输出层激励函数使用线性函数；
(2)选取电网实时量测类数据和台账类数据作为原始数据，其中输出数据包括缺陷设备和缺陷类型，输入数据包括设备异常信号、设备信号、投运年限、缺陷次数、相关一次潮流、计划电压、计划功率、历史潮流；
(3)通过前向传播获得预测值；
(4)通过模型输出和实际值的误差偏导修改网络的权值和阈值；
(5)未达到预设输出且未未达到训练次数，回到(2)，模型输出与实际输出一致或达到训练次数算法结束。
实施例四
基于实施例一至三，本实例公开了一种电网二次设备安全风险智能预警装置。
智能预警装置包括数据采集单元、数据处理单元和数据输出单元，所述数据处理单元内设有训练完成的基于反向传播神经网络算法构建的二次设备风险预警模型。
数据采集单元被配置为实现一次设备数据信息的数据采集。
数据处理单元被配置为基于二次设备风险预警模型完成数据采集单元的输入数据处理，并输出二次设备的预警数据。
数据输出单元被配置实现二次设备的预警数据的数据输出及展示，所述二次设备的预警数据包括二次设备的缺陷设备和缺陷型号数据。
实施例五
基于训练好的二次设备风险预警模型，对二次设备信号异常事件进行安全风险预警分析，分别以A站某测控装置误发主变三侧开关、刀闸变位信息及B站某测控装置漏发间隔事故总和全站事故总为例，实施过程及结果如表1所示。实施结果表明，二次设备风险预警模型对二次设备信号异常事件分析具有较高的准确性，本发明提出的方法可以准确的进行缺陷定位，有效的提高故障处置效率。
表1实施过程及结果
Figure BDA0003842627180000081
Figure BDA0003842627180000091
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和 /或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (11)

1.一种电网二次设备安全风险智能预警方法，其特征在于，包括如下步骤：
(1)根据获得的电网原始数据，关联一次设备的实时测量数据与档案数据，获得一次设备数据信息；以及根据获得的关联二次设备的实时测量数据与档案数据，获得二次设备数据信息；
(2)将二次设备数据信息与一次设备数据信息关联，建立一二次设备的数据关联关系；
(3)根据一二次设备的数据关联关系，以一次设备数据信息为输入数据，以二次设备数据信息中的历史缺陷信息为输出，训练构建的二次设备风险预警模型，其中所述二次设备风险预警模型基于反向传播神经网络算法构建；
(4)基于获得的电网原始数据，对训练完成的二次设备风险预警模型进行验证；
(5)基于验证通过的二次设备风险预警模型，对二次设备信号异常事件进行安全风险预警。
2.根据权利要求1所述的电网二次设备安全风险智能预警方法，其特征在于，所述关联关系为二次设备发出信号后，与此信号相关的一次设备、二次设备数据，所述相关的一次设备、二次设备数据包括下述中的至少一种：测控装置数据、交换机数据、同步时钟数据、远动系统数据、调度数据网数据、开关数据、线路数据、母线数据。
3.根据权利要求1所述的电网二次设备安全风险智能预警方法，其特征在于，所述二次设备数据信息中的历史缺陷信息包括下述中的至少一种：缺陷设备、缺陷型号、所属厂站、所属专业。
4.根据权利要求1所述的电网二次设备安全风险智能预警方法，其特征在于，所述构建的二次设备风险预警模型包括：输入层、输出层和隐含层。
5.根据权利要求4所述的电网二次设备安全风险智能预警方法，其特征在于，训练构建的二次设备风险预警模型，包括：
(1)初始化训练变量，设定精度为ε，各连接权值的初始化为(-1,1)内的随机数，，设置最大迭代次数M；
(2)确定输入参数个数，根据输入层到隐含层的权值v、隐含层阈值和隐含层激励函数确定隐含层输出，具体计算公式为：
Figure FDA0003842627170000021
式中，f为隐含层激励函数，vih为第i个输入层神经元到第h个隐含层神经元的权值，z1h为第h个隐含层神经元阈值，隐含层节点数设置为输入层节点数、输出层节点数之积的开平方，隐含层激励函数使用S型函数；
(3)根据隐含层输出计算输出层实际输出，具体计算公式为：
Figure FDA0003842627170000022
式中，f为输出层激励函数，wim为第i个隐含层到第m个隐含层神经元的权值，z1m为第m个输出层神经元阈值，输出层激励函数使用线性函数；
(4)基于设置的训练变量，通过网络输出值和实际值的误差偏导反复修改反向传播神经网络的权值和阈值，直到BP神经网络的权值和阈值使反向传播神经网络网络输出能与实际值的误差小于精度ε或学习次数大于设定的最大次数M时，得到训练完成的二次设备风险预警模型。
6.根据权利要求1所述的电网二次设备安全风险智能预警方法，其特征在于，验证训练完成的二次设备风险预警模型包括如下步骤：
选取一组电网原始数据作为验证数据，对训练完成的二次设备风险预警模型进行验证，确定训练完成的二次设备风险预警模型准确率。
7.一种电网二次设备安全风险智能预警装置，其特征在于，所述智能预警装置包括数据采集单元、数据处理单元和数据输出单元，所述数据处理单元内设有训练完成的基于反向传播神经网络算法构建的二次设备风险预警模型；
所述数据采集单元被配置为实现一次设备数据信息的数据采集；
所述数据处理单元被配置为基于训练完成的二次设备风险预警模型完成数据采集单元的输入数据处理，并输出二次设备的预警数据；
所述数据输出单元被配置实现二次设备的预警数据的数据输出及展示，所述二次设备的预警数据包括二次设备的缺陷设备和缺陷型号数据。
8.如权利要求7所述的电网二次设备安全风险智能预警装置，其特征在于，所述训练完成的二次设备风险预警模型为：根据一二次设备的数据关联关系，以一次设备数据信息为输入数据，以二次设备数据信息中的历史缺陷信息为输出，进行模型训练得到；
所述一二次设备的数据关联关系，由二次设备数据信息与一次设备数据信息关联建立得到。
9.如权利要求8所述的电网二次设备安全风险智能预警装置，其特征在于，所述一次设备数据信息为关联后的一次设备的实时测量数据与档案数据；
所述二次设备数据信息为关联后的二次设备的实时测量数据与档案数据。
10.如权利要求9所述的电网二次设备安全风险智能预警装置，其特征在于，构建的二次设备风险预警模型包括：输入层、输出层和隐含层。
11.如权利要求10所述的电网二次设备安全风险智能预警装置，其特征在于，训练构建的二次设备风险预警模型包括：
(1)初始化训练变量，设定精度为ε，各连接权值的初始化为(-1,1)内的随机数，设置最大迭代次数M；
(2)确定输入参数个数，根据输入层到隐含层的权值v、隐含层阈值和隐含层激励函数确定隐含层输出，具体计算公式为：
Figure FDA0003842627170000041
式中，f为隐含层激励函数，vih为第i个输入层神经元到第h个隐含层神经元的权值，z1h为第h个隐含层神经元阈值，隐含层节点数设置为输入层节点数、输出层节点数之积的开平方，隐含层激励函数使用S型函数；
(3)根据隐含层输出计算输出层实际输出，具体计算公式为：
Figure FDA0003842627170000042
式中，f为输出层激励函数，wim为第i个隐含层到第m个隐含层神经元的权值，z1m为第m个输出层神经元阈值，输出层激励函数使用线性函数；
(4)基于设置的训练变量，通过网络输出值和实际值的误差偏导反复修改反向传播神经网络的权值和阈值，直到BP神经网络的权值和阈值使反向传播神经网络网络输出能与实际值的误差小于精度ε或学习次数大于设定的最大次数M时，得到训练完成的二次设备风险预警模型。
CN202211108164.7A 2022-09-13 2022-09-13 一种电网二次设备安全风险智能预警方法及预警装置 Pending CN115378136A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211108164.7A CN115378136A (zh) 2022-09-13 2022-09-13 一种电网二次设备安全风险智能预警方法及预警装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211108164.7A CN115378136A (zh) 2022-09-13 2022-09-13 一种电网二次设备安全风险智能预警方法及预警装置

Publications (1)

Publication Number Publication Date
CN115378136A true CN115378136A (zh) 2022-11-22

Family

ID=84071580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211108164.7A Pending CN115378136A (zh) 2022-09-13 2022-09-13 一种电网二次设备安全风险智能预警方法及预警装置

Country Status (1)

Country Link
CN (1) CN115378136A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117332857A (zh) * 2023-09-19 2024-01-02 上海聚数信息科技有限公司 一种基于多源数据的电网数据自动化管理系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117332857A (zh) * 2023-09-19 2024-01-02 上海聚数信息科技有限公司 一种基于多源数据的电网数据自动化管理系统及方法
CN117332857B (zh) * 2023-09-19 2024-04-02 上海聚数信息科技有限公司 一种基于多源数据的电网数据自动化管理系统及方法

Similar Documents

Publication Publication Date Title
CN107346466A (zh) 一种电力调度系统的控制方法及装置
CN106682781A (zh) 一种电力设备多指标预测方法
CN105894177A (zh) 一种基于决策树算法的电力设备运行风险分析评估方法
CN110674189A (zh) 一种智能变电站二次状态监测与故障定位的方法
CN114169568A (zh) 基于Prophet模型的配电线路电流预测与重过载预警及系统
CN116184961A (zh) 基于工业物联网的注塑件自动化贴合生产线安全管控系统
CN108921230A (zh) 基于类均值核主元分析和bp神经网络的故障诊断方法
CN107291830A (zh) 一种设备知识库的创建方法
CN106199174A (zh) 基于迁移学习的挤压机能耗异常预测方法
CN110688389A (zh) 变电站二次设备缺陷云管理系统
CN107679089A (zh) 一种用于电力传感数据的清洗方法、装置和系统
CN115378136A (zh) 一种电网二次设备安全风险智能预警方法及预警装置
CN110705849A (zh) 巡检机器人的实效评估方法、系统、存储介质及机器人
CN102820706A (zh) 智能化变电站智能告警及辅助决策的实现方法及装置
CN112763963A (zh) 一种基于深度网络对互感器进行在线监控的系统及方法
Guo et al. Research on the intelligent fault diagnosis of medical devices based on a dematel-fuzzy concept lattice
CN111709597B (zh) 一种电网生产域运营监测系统
Sambrekar et al. Maintenance strategies for realizing Industry 4.0: An overview
CN108053136A (zh) 一种基于神经网络的汽车经销商业绩分析专家系统
CN112000708A (zh) 一种基于调控配用数据融合的异常数据处理方法及系统
CN115864644A (zh) 一种继电保护装置状态评价方法、系统、设备及介质
Torres et al. State of the art of human factors analysis applied to industrial and commercial power systems
CN114881154A (zh) 一种基于pca和深度森林的天然气场站故障检测方法及系统
CN112147974B (zh) 基于化工过程知识自动化的报警根原因诊断方法
CN112510699A (zh) 一种基于大数据的变电站二次设备状态分析方法及设备

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