CN115689393A

CN115689393A - 一种基于物联网的电力系统实时动态监测系统及方法

Info

Publication number: CN115689393A
Application number: CN202211576338.2A
Authority: CN
Inventors: 唐茂钦; 吴驰凯; 沈波; 陈昂; 陈伟
Original assignee: Nanjing Thinkboy Power Automation Co ltd
Current assignee: Nanjing Thinkboy Power Automation Co ltd
Priority date: 2022-12-09
Filing date: 2022-12-09
Publication date: 2023-02-03
Anticipated expiration: 2042-12-09
Also published as: CN115689393B

Abstract

本发明属于电力系统监测技术领域，具体涉及一种基于物联网的电力系统实时动态监测系统及方法。本发明能够在电力系统的运行状态发生异常之后，立即发出预警信号，并且根据预警信号的等级判定出配电设备是否能够正常运行，确定配电设备在正常运行之后，将此节点标定为电力系统中配电设备阶段性损耗的起始节点，后续在构建评估样本集时，能够得到准确的数据支持，使得电力系统的运行状态能够得到准确的监测，判定实时状态值是否偏离的标准偏差阈也能够实时变化，继续为配电设备的运行状态提供评估指标，避免工作人员或者监测系统出现误判的现象。

Description

一种基于物联网的电力系统实时动态监测系统及方法

技术领域

本发明属于电力系统监测技术领域，具体涉及一种基于物联网的电力系统实时动态监测系统及方法。

背景技术

在电力系统中，其覆盖面积相对较广，一旦出现故障，便可能出现区域性的大面积电力瘫痪现象，影响工业生产或者居民生活，为避免这种现象发生，那么对其运行状态进行实时监测是必不可少的。

传统的电力系统实时动态监测系统多是在故障发生之后才进行定位或排障等工作，或者基于电力系统中的预设状态为标准进行预测评估，但是，电力系统中所涉及的配电设备在使用过程中难免会出现或多或少的损耗，那么其运行状态的波动也会出现阶段性的波动，这就会使电力系统的实时监测数据出现不准确性，不能够准确的作出精准的预测，此预测结果也会导致监测系统和工作人员产生误判。

发明内容

本发明的目的是提供一种基于物联网的电力系统实时动态监测系统及方法，能够利用配电设备正常运行中的样本状态值测算出实时状态下的标准状态值，并在与实时状态值比对之后判断配电设备的运行是否出现异常。

本发明采取的技术方案具体如下：

一种基于物联网的电力系统实时动态监测方法，包括：

获取配电设备的实时状态值，其中，所述状态值至少包括支路功率、节点注入功率、节点电压以及节点电流；

获取配电设备的历史状态值，并构建为评估样本集，建立多个取样周期，且从所述评估样本集中提取与取样周期相对应的历史状态值，并标定为样本状态值；

分别获取每个所述取样周期中的样本状态值并代入至趋势预估模型中，得到评估节点的趋势预估值，其中，所述评估节点为取样周期中结束节点的下一时间节点；

从所述评估样本集中获取评估节点的历史状态值，并标定为实际状态值，并将所述趋势预估值和实际状态值相比较，得到评估节点的状态偏差值；

将所有状态偏差值代入至状态预估模型中，得到标准偏差值，并依据所述标准偏差值，计算并得到配电设备的标准状态值，再将所述实时状态值与标准状态值进行比较，得到实时偏差值；

获取标准偏差阈，并判断所述实时偏差值是否属于标准偏差阈；

若是，则判定所述配电设备正常运行；

若否，则判定所述配电设备运行异常，并发出预警信号。

在一种优选方案中，构建评估样本集时，以配电设备开始正常运行的状态值为起始节点，当前节点的状态值为结束节点，并将起始节点和结束节点中所有的状态值加入至评估样本集中；

获取所述起始节点和结束节点之间的总时长，并构建多个小于总时长的取样周期，其中，多个取样周期相互交叉。

在一种优选方案中，所述分别获取每个所述取样周期中的样本状态值并代入至趋势预估模型中，得到评估节点的趋势预估值的步骤，包括：

获取取样周期中所有时间节点下的样本状态值；

将所有所述样本状态值按由大至小的顺序进行排列，统计出所有相同取值的样本状态值出现的概率；

根据样本状态值的概率计算出样本状态值的状态期望值；

获取趋势预估模型中的标准函数；

将所有样本状态值与状态期望值输入至标准函数，分别确定多个评估节点的趋势预估值。

在一种优选方案中，所述将所述趋势预估值和实际状态值相比较，得到评估节点的状态偏差值的步骤，包括：

获取同一评估节点下的实际状态值与趋势预估值；

根据计算公式

，计算出评估节点的状态偏差值，式中，

表示状态偏差值，

表示实际状态值，

表示趋势预估值。

在一种优选方案中，所述将所有状态偏差值代入至状态预估模型中，得到标准偏差值，并依据所述标准偏差值，计算并得到配电设备的标准状态值的步骤，包括：

从所述状态预估模型中获取目标函数；

将所有状态偏差值代入至目标函数，求得配电设备的标准偏差值；

获取当前时间节点的前一节点下的历史状态值，并标定为基准状态值；

将所述基准状态值和标准偏差值进行求和计算，得到当前节点下配电设备的标准状态值。

在一种优选方案中，所述将所述实时状态值与标准状态值进行比较，得到实时偏差值的步骤，包括：

获取当前节点下的实时状态值以及标准状态值；

根据计算公式：

，计算出实时偏差值，其中，

表示当前节点下的实时偏差值，

表示实时状态值，

表示标准状态值。

在一种优选方案中，所述获取标准偏差阈的步骤，包括：

获取评估样本集中样本状态值中的样本上限值与样本下限值；

以所述状态期望值为基准，分别与样本上限值和样本下限值进行做差处理，分别得到偏差临界上限值和偏差临界下限值；

以所述临界上限值和临界上限值为边界元素，构建标准偏差阈。

在一种优选方案中，所述判定所述配电设备运行异常时，包括：

获取标准偏差阈中的偏差阈值；

计算实时偏差值与标准偏差阈值之间的差值，并标定为评估指标；

获取预警信号等级以及相应的判定指标，并与所述评估指标进行比较，判断所述评估指标对应的判定指标，配电设备发出与其相对应等级的预警信号。

本发明还提供了，一种基于物联网的电力系统实时动态监测系统，应用于上述的基于物联网的电力系统实时动态监测方法，包括：

获取模块，所述获取模块用于获取配电设备的实时状态值，其中，所述状态值至少包括支路功率、节点注入功率、节点电压以及节点电流；

取样模块，所述取样模块用于获取配电设备的历史状态值，并构建为评估样本集，建立多个取样周期，且从所述评估样本集中提取与取样周期相对应的历史状态值，并标定为样本状态值；

趋势预估模块，所述趋势预估模块用于分别获取每个所述取样周期中的样本状态值并代入至趋势预估模型中，得到评估节点的趋势预估值，其中，所述评估节点为取样周期中结束节点的下一时间节点；

第一计算模块，所述第一计算模块用于从所述评估样本集中获取评估节点的历史状态值，并标定为实际状态值，并将所述趋势预估值和实际状态值相比较，得到评估节点的状态偏差值；

第二计算模块，所述第二计算模块用于将所有状态偏差值代入至状态预估模型中，得到标准偏差值，并依据所述标准偏差值，计算并得到配电设备的标准状态值，再将所述实时状态值与标准状态值进行比较，得到实时偏差值；

判定模块，所述判定模块用于获取标准偏差阈，并判断所述实时偏差值是否属于标准偏差阈；

若是，则判定所述配电设备正常运行；

若否，则判定所述配电设备运行异常，并发出预警信号。

以及，一种基于物联网的电力系统实时动态监测终端，包括：

至少一个处理器；

以及与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的基于物联网的电力系统实时动态监测方法。

本发明取得的技术效果为：

本发明能够在电力系统的运行状态发生异常之后，立即发出预警信号，并且根据预警信号的等级判定出配电设备是否能够正常运行，确定配电设备在正常运行之后，将此节点标定为电力系统中配电设备阶段性损耗的起始节点，后续在构建评估样本集时，能够得到准确的数据支持，使得电力系统的运行状态能够得到准确的监测，判定实时状态值是否偏离的标准偏差阈也能够实时变化，继续为配电设备的运行状态提供评估指标，避免工作人员或者监测系统出现误判的现象。

附图说明

图1是本发明的实施例所提供的方法流程图；

图2是本发明的实施例所提供的系统模块图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个较佳的实施方式中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

再其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

请参阅图1图2所示，本发明提供了一种基于物联网的电力系统实时动态监测方法，包括：

S1、获取配电设备的实时状态值，其中，状态值至少包括支路功率、节点注入功率、节点电压以及节点电流；

S2、获取配电设备的历史状态值，并构建为评估样本集，建立多个取样周期，且从评估样本集中提取与取样周期相对应的历史状态值，并标定为样本状态值；

S3、分别获取每个取样周期中的样本状态值并代入至趋势预估模型中，得到评估节点的趋势预估值，其中，评估节点为取样周期中结束节点的下一时间节点；

S4、从评估样本集中获取评估节点的历史状态值，并标定为实际状态值，并将趋势预估值和实际状态值相比较，得到评估节点的状态偏差值；

S5、将所有状态偏差值代入至状态预估模型中，得到标准偏差值，并依据标准偏差值，计算并得到配电设备的标准状态值，再将实时状态值与标准状态值进行比较，得到实时偏差值；

S6、获取标准偏差阈，并判断实时偏差值是否属于标准偏差阈；

若是，则判定配电设备正常运行；

若否，则判定配电设备运行异常，并发出预警信号。

如上述步骤S1-S6所述，在对电力系统进行动态监测时，本实施例中是以配电设备的实时状态值以及历史状态值进行的，其中，配电设备的评判指标是以历史状态值为基准值进行测算的，首先基于历史状态值构建用于评估配电设备运行趋势的评估样本集，再构建多个取样周期，根据各个取样周期中的样本状态值推测出评估节点的趋势预估值，由于取样周期存在多个，故而趋势预估值也会存在多个，将这些趋势预估值和评估节点下已知的实际状态值进行比较，从而可得到评估节点下的状态偏差值，使得各个评估节点下的状态偏差值均能够被测算，后续再将这些状态偏差值输入至状态预估模型中，得出标准状态偏差值，据此来评判配电设备实时状态下的实时状态值的偏差是否超出标准状态偏差值，而后，再据此判断配电设备的运行是否出现异常，决定是否发出预警信号，在此，需要说明的是，在划定预警信号时，对于不同的偏差情况，预警信号的等级也不一致，在实时偏差值超出标准偏差阈的前提下，需要根据偏差值的具体取值情况进行判定，此方式能够根据配电设备的历史运行状态，确定偏差范围，再基于偏差范围对配电设备的实时运行状态进行监测，有效的评估出实时状态下的状态值是否偏离，而在配电设备的状态偏差值过大之时，需要工作人员进行实地排查，若配电设备仍能正常运行，则将此节点标定为配电设备阶段性起伏的节点，从而在保证监测结果准确性的同时，还能够根据配电设备阶段性的损耗进行监测。

在一个较佳的实施方式中，构建评估样本集时，以配电设备开始正常运行的状态值为起始节点，当前节点的状态值为结束节点，并将起始节点和结束节点中所有的状态值加入至评估样本集中；

获取起始节点和结束节点之间的总时长，并构建多个小于总时长的取样周期，其中，多个取样周期相互交叉。

在该实施方式中，评估样本集的构建起始节点是由配电设备正常运行的起始节点为开始，若是在配电设备运行的过程中，出现异常情况时，配电设备难免会产生相应的损耗，从而后续配电设备在继续运行时，其实时状态值相较于配电设备之前的状态值而言，起伏度较大，故而评估样本集应当重新构建，以此来规避配电设备的前运行状态对后运行状态造成影响；

在此，需要说明的是，配电设备在每次维保之后，大概率不会存在立即异常的情况，会正常运行状态一端时间，而此阶段内的状态值均能够被作为样本状态值，从而为评估样本集提供大量的数据支持；

在构建样本周期时，相邻的取样周期中的时间段相互交叉，例如，起始节点至结束节点之间的总时长为10天，每个取样周期的时长为5天，可以第1、3、5天为起始节点进行构建，当然，取样周期的时长并不是一成不变的，具体可根据实际的使用需求或者不同的配电设备进行构建，文中对此就不再加以过多的赘述。

在一个较佳的实施方式中，分别获取每个取样周期中的样本状态值并代入至趋势预估模型中，得到评估节点的趋势预估值的步骤，包括：

S301、获取取样周期中所有时间节点下的样本状态值；

S302、将所有样本状态值按由大至小的顺序进行排列，统计出所有相同取值的样本状态值出现的概率；

S303、根据样本状态值的概率计算出样本状态值的状态期望值；

S304、获取趋势预估模型中的标准函数；

S305、将所有样本状态值与状态期望值输入至标准函数，分别确定多个评估节点的趋势预估值。

如上述步骤S301-S305所述，在获取到样本状态值之后，难免会有重复的数值，基于每个一样本状态值出现的概率，计算出样本状态值的状态期望值，而后再将状态期望值和样本状态值输入至公式：

，计算出评估节点下的趋势预估值，式中，

表示趋势预估值，

表示取样周期中末位的样本状态值，

表示1～

之间的样本状态值，

表示取样周期中样本状态值的期望值，

表示1～

之间的样本状态值出现的概率，基于此，便可得到评估节点的趋势预估值，后续再与评估节点下的实际状态值进行比较，便可得出此方式下的预估偏差。

在一个较佳的实施方式中，将趋势预估值和实际状态值相比较，得到评估节点的状态偏差值的步骤，包括：

S401、获取同一评估节点下的实际状态值与趋势预估值；

S402、根据计算公式

，计算出评估节点的状态偏差值，式中，

表示状态偏差值，

表示实际状态值，

表示趋势预估值。

如上述步骤S401-S402所述，在计算状态偏差值时，得到的取值可能为正，也可能为负，而状态偏差值具有多个，取值为正或者为负的状态偏差值在进行比对时，难免无法准确的判断出偏离程度，基于此，本实施方式中，取用状态偏差值的绝对值，再汇总在一起，方便后续对这些状态偏差值进行统一评估，而在配电设备正常运行的状态下，评估样本集在不断的得到补充，进而取样周期也会相应的增加，趋势预估值和状态偏差值也在不断的得到补充，使得数据不断的得到充实，后续所测算的标准状态值也能够越来越精确。

在一个较佳的实施方式中，将所有状态偏差值代入至状态预估模型中，得到标准偏差值，并依据标准偏差值，计算并得到配电设备的标准状态值的步骤，包括：

S501、从状态预估模型中获取目标函数；

S502、将所有状态偏差值代入至目标函数，求得配电设备的标准偏差值；

S503、获取当前时间节点的前一节点下的历史状态值，并标定为基准状态值；

S504、将基准状态值和标准偏差值进行求和计算，得到当前节点下配电设备的标准状态值。

如上述步骤S501-S504所述，状态预估模型中的目标函数为：

，式中，

表示配电设备的标准偏差值，

表示1～

中的状态偏差值，基于此函数能够计算出状态偏差值的均值，并确定为标准偏差值，当然，此数值对应的是配电设备正常运行的状态，在此基础上，结合当前节点的前一节点的历史状态值，加上标准偏差值，便可得到实时状态下的标准状态值。

在一个较佳的实施方式中，将实时状态值与标准状态值进行比较，得到实时偏差值的步骤，包括：

S505、获取当前节点下的实时状态值以及标准状态值；

S506、根据计算公式：

，计算出实时偏差值，其中，

表示当前节点下的实时偏差值，

表示实时状态值，

表示标准状态值。

如上述步骤S505-S506所述，在得到标准状态值之后，与配电设备的实时状态值进行比较，得到实时偏差值，后需基于此便可判断实时状态值是否出现超出预计的偏差，而后，基于此，也能够判断出报警信号的级别，使得工作人员能够根据不同的报警信号级别作出不同的维修方案。

在一个较佳的实施方式中，获取标准偏差阈的步骤，包括：

S601、获取评估样本集中样本状态值中的样本上限值与样本下限值；

S602、以状态期望值为基准，分别与样本上限值和样本下限值进行做差处理，分别得到偏差临界上限值和偏差临界下限值；

S603、以临界上限值和临界上限值为边界元素，构建标准偏差阈。

如上述步骤S601-S603所述，在建立标准偏差阈时，需要根据配电设备正常运行状态下的样本上限值和样本下限值进行确定的，此间，样本上限值与样本下限值需要与状态期望值进行做差处理，由此便可得到标准偏差阈的临界上限值和临界下限值，完成对标准偏差阈的构建。

在一个较佳的实施方式中，判定配电设备运行异常时，包括：

S604、获取标准偏差阈中的偏差阈值；

S605、计算实时偏差值与标准偏差阈值之间的差值，并标定为评估指标；

S606、获取预警信号等级以及相应的判定指标，并与评估指标进行比较，判断评估指标对应的判定指标，配电设备发出与其相对应等级的预警信号。

如上述步骤S604-S606所述，本实施方式中将标准偏差阈中的上限阈值为预警信号的评估基准，并将实时偏差值与标准偏差阈值之间的差值标定为评估指标，例如，评估指标为2，而判定指标为0.5，且每隔0.5预警信号的等级上升一级，那么便说明，评估指标为2的预警信号等级为四级，在此，由于配电设备种类的不同而导致电力系统网络的覆盖性不同的原因，本实施例未限制预警信号等级的上限，在具体应用时，可根据实际需求进行设置。

获取模块，获取模块用于获取配电设备的实时状态值，其中，状态值至少包括支路功率、节点注入功率、节点电压以及节点电流；

取样模块，取样模块用于获取配电设备的历史状态值，并构建为评估样本集，建立多个取样周期，且从评估样本集中提取与取样周期相对应的历史状态值，并标定为样本状态值；

趋势预估模块，趋势预估模块用于分别获取每个取样周期中的样本状态值并代入至趋势预估模型中，得到评估节点的趋势预估值，其中，评估节点为取样周期中结束节点的下一时间节点；

第一计算模块，第一计算模块用于从评估样本集中获取评估节点的历史状态值，并标定为实际状态值，并将趋势预估值和实际状态值相比较，得到评估节点的状态偏差值；

第二计算模块，第二计算模块用于将所有状态偏差值代入至状态预估模型中，得到标准偏差值，并依据标准偏差值，计算并得到配电设备的标准状态值，再将实时状态值与标准状态值进行比较，得到实时偏差值；

判定模块，判定模块用于获取标准偏差阈，并判断实时偏差值是否属于标准偏差阈；

若是，则判定配电设备正常运行；

若否，则判定配电设备运行异常，并发出预警信号。

上述中，电力系统中，均是由多个配电设备为基础进行组成的，这些配电设备或多或少的存在多个支路，以此来实现对不同区域提供相应的电力支持，而对配电设备的运行状态进行监测，也就从基础上解决了对电力系统的监测，以此防止电力系统出现故障或者瘫痪的现象发生，而在此过程中，电力设备在正常运行的状态下，其实时状态值的起伏度会控制在一个固定的区间之内，此区间决定着取样周期的数量以及评估样本集中的样本状态值，为取样模块以及趋势预估模块提供足够的数据支持，再结合第一计算模块和第二计算模块逐渐的计算出实时状态值与标准状态值的偏差值，最后结合if……else算法逐级嵌套，生成判断结果即可，使得电力系统在出现故障时，能够及时的发出对应级别的预警信号，使得工作人员能够根据不同级别的预警信号作出对应的应对方案。

至少一个处理器；

以及与至少一个处理器通信连接的存储器；

其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行上述的基于物联网的电力系统实时动态监测方法。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法，如无特别说明和限定，均按照本领域的常规手段进行实施。