CN115689532A - 一种电力系统故障分析方法及其装置 - Google Patents

Abstract

本发明涉及一种电力系统故障分析方法及其装置，包括：获取天气信息、供电信息和各用户组的用户信息；根据所述天气信息、所述供电信息和所述各用户组的用户信息，确定各用户组的故障概率；根据所述各用户组的故障概率，产生调整方案。通过本发明，能够帮助检修人员进行电力系统排查故障。

Description

一种电力系统故障分析方法及其装置

技术领域

本发明涉及电力系统技术领域，具体涉及一种电力系统故障分析方法及其装置。

背景技术

电力系统是由发电、供电(输电、变电、配电)、用电设施以及为保障其正常运行所需的调节控制及继电保护和安全自动装置、计量装置、调度自动化、电力通信等二次设施构成的统一整体，电力系统故障时需要检修人员进行大范围的排查故障，因此，有必要研究一种能够帮助检修人员排查故障的电力系统故障分析解决方案。

发明内容

本发明的目的在于提出一种电力系统故障分析方法及其装置，以能够帮助检修人员进行电力系统排查故障。

为实现上述目的，本发明的实施例提出一种电力系统故障分析方法，包括：

获取天气信息、供电信息和各用户组的用户信息；

根据所述天气信息、所述供电信息和所述各用户组的用户信息，确定各用户组的故障概率；

根据所述各用户组的故障概率，产生调整方案。

优选地，所述方法还包括：

获取天气数据，根据所述天气数据，确定所述天气信息；其中，所述天气数据包括当前天气信息和未来天气信息。

优选地，所述方法还包括：

获取供电数据，根据所述供电数据，确定所述供电信息。

优选地，所述方法还包括：

获取用户数据，根据所述用户数据，确定所述各用户组的用户信息；其中，所述用户数据包括用户组数量、各用户组用电量和各用户组的用户数。

优选地，所述根据所述各用户组的故障概率，产生调整方案，包括：

响应于用户组的故障概率大于阈值时，确定故障类型。

优选地，所述确定故障类型包括：

获取输电数据、变电数据和配电数据，根据所述输电数据、所述变电数据和所述配电数据，确定所述故障类型。

优选地，所述输电数据、所述变电数据和所述配电数据由多个预设的电网监测点采集。

优选地，所述电网监测点包括图像采集装置，用于获取图像数据；

所述确定故障类型还包括：

根据所述图像数据、所述输电数据、所述变电数据和所述配电数据，确定所述故障类型。

优选地，所述根据所述各用户组的故障概率，产生调整方案，还包括：

响应于所述故障类型为预设类型，产生报警事件和/或调整参数。

本发明的实施例还提出一种电力系统故障分析装置，用于实现上述实施例的电力系统故障分析方法，包括：

数据采集模块，获取天气信息、供电信息和各用户组的用户信息；

分析模块，用于根据所述天气信息、所述供电信息和所述各用户组的用户信息，确定各用户组的故障概率；

控制模块，用于根据所述各用户组的故障概率根据所述各用户组的故障概率，产生调整方案。

本发明的实施例具有以下有益效果：

(1)根据对包括发电、输电、变电和配电在内的电力系统运行过程进行实时监测和深入分析，能够对电力系统的故障进行预测，对于预防故障发生和故障排查具有指导性作用；

(2)基于对各用户组进行预测，在保证预测准确性的基础上，有效简化了分析过程，节省了时间成本和人力成本；

(3)基于预测得到的故障类型，能够精确进行反馈和预警，快速定位可能发生故障的位点，针对性地提前进行排查，提高了电力系统的稳定性和安全性。

本发明的其它特征和优点将在随后的具体实施方式中阐述。

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一些实施例，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，还可以根据这些附图获得其他的附图。

图1是根据本发明的实施例中所述的电力系统故障分析装置的模块示意图。

图2是根据本发明的实施例中所述的电力系统故障分析方法的示例性流程图。

图3是根据本发明的实施例中所述的确定各用户组故障概率的模型示意图。

图4是根据本发明的实施例中所述的电力系统故障分析方法的流程图。

图5是根据本发明的实施例中所述的确定故障类型的模型示意图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。另外，为了更好的说明本发明，在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的手段未作详细描述，以便于凸显本发明的主旨。

电力系统是由发电、供电(输电、变电、配电)、用电设施以及为保障其正常运行所需的调节控制及继电保护和安全自动装置、计量装置、调度自动化、电力通信等二次设施构成的统一整体。

具体的，电力系统是由发电厂、送变电线路、供配电所和用电等环节组成的电能生产与消费系统。电力系统的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户。为实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、优质的电能。

电力系统的主体结构有电源(水电站、火电厂、核电站等发电厂)，变电所(升压变电所、负荷中心变电所等)，输电、配电线路和负荷中心。各电源点还互相联接以实现不同地区之间的电能交换和调节，从而提高供电的安全性和经济性。电力系统的信息与控制系统由各种检测设备、通信设备、安全保护装置、自动控制装置以及监控自动化、调度自动化系统组成。

电力系统正在向智能化转变，智能化的电力系统是以包括各种发电设备、输配电网络、用电设备和储能设备的物理电网为基础，将现代先进的传感测量技术、网络技术、通讯技术、计算技术、自动化与智能控制技术等与物理电网高度集成而形成的新型电网，它能够实现可观测(能够监测电网所有设备的状态)、可控制(能够控制电网所有设备的状态)、完全自动化(可自适应并实现自愈)和系统综合优化平衡(发电、输配电和用电之间的优化平衡)，从而使电力系统更加清洁、高效、安全、可靠。

电力系统可靠性的预测及其故障分析研究也一直未停过。对电力系统故障进行预测，是保障电力系统可靠性的一个重要手段。

本发明实施例提供的一种智能化的电力系统故障分析方法，基于电网运行状态的实时监测分析，能够基于天气信息、供电信息和各用户组的用户信息，确定各用户组的故障概率，并进一步确定故障类型，基于预测结果提前做出预警和调控等措施，有效提高电力系统稳定性和安全性。

图1是根据本发明实施例所示的电力系统故障分析装置的模块示意图。如图1所示，电力系统故障分析装置100可以包括数据采集模块110、分析模块120和控制模块130。

数据采集模块110可以用于获取天气信息、供电信息和各用户组的用户信息。关于数据采集模块110获取天气信息、供电信息和各用户组的用户信息的更多内容可以参见图2及其的相关描述，在此不再赘述。

分析模块120可以用于基于天气信息、供电信息和各用户组的用户信息，确定各用户组的故障概率。关于分析模块120确定各用户组的故障概率的更多内容可以参见图2和图3及其相关描述，在此不再赘述。

控制模块130可以用于基于所述各用户组的故障概率，产生调整方案。关于控制模块130，产生调整方案的更多内容可以参见下文相关部分的描述，在此不再赘述。

图2是根据本发明实施例所示的电力系统故障分析方法的示例性流程图。流程200可以由电力系统故障分析装置100执行。如图2所示，流程200包括下述步骤：

步骤210，获取天气信息、供电信息和各用户组的用户信息。步骤210可以通过数据采集模块110执行。

天气信息可以指与天气情况相关的信息，包括但不限于温度、湿度、风速等。天气信息可以通过温度计、湿度计等检测装置获取，也可以通过天气预报获取。

天气信息还可以是基于当前的天气信息和未来的天气信息综合处理得到的。具体示例，数据采集模块110可以获取天气数据；基于天气数据，确定天气信息。其中，天气数据可以包括当前天气信息和未来天气信息。例如，可以根据天气预报获取设备所在地区未来一段时期内的天气信息。

示例的，天气信息可以基于模型确定，关于基于模型确定天气信息的更多内容，可以参见图3及其相关描述，在此不再赘述。

供电信息可以是电网发电环节的供电数据，例如，单位时间发电量等。供电信息可以基于发电站的实时监测装置提供。供电信息也可以是基于电网发电环节的供电数据进一步处理得到的信息。具体示例，数据采集模块110可以获取供电数据；基于供电数据，确定供电信息。示例的，供电信息可以基于模型确定，关于基于模型确定供电信息的更多内容，可以参见图3及其相关描述，在此不再赘述。

用户组可以指一个用户或多个用户的集合。用户组可以基于预设的条件进行划分，例如，根据用户所在区域或用户所使用的线路进行划分，同一用户组的用户可以是同一区域的用户也可以是使用同一线路的用户。

各用户组的用户信息可以包括每个用户组的信息以及每个用户组中每个用户的与用电相关的用户数据。例如，用户数据可以包括但不限于用户组数量、各用户组用电量、各用户组的用户数等。各用户组的用户信息可以是基于用电检测装置(例如智能电表)检测得到的，也可以是基于多个用户数据综合处理得到的。具体示例，数据采集模块110可以获取用户数据；基于用户数据，确定各用户组的用户信息。示例的，各用户组的用户信息可以基于模型确定，关于基于模型确定供电信息的更多内容，可以参见图3及其相关描述，在此不再赘述。

步骤220，基于天气信息、供电信息和各用户组的用户信息，确定各用户组的故障概率。步骤220可以通过分析模块120执行。

各用户组的故障概率可以指每个用户组相关的电力设施发生故障的概率。

分析模块120可以基于多种可行的方式确定各用户组的故障概率，例如，数据分析归纳、建立预设算法等。示例的，分析模块120可以基于第一模型确定各用户组的故障概率，第一模型可以是机器学习模型。

图3是根据本发明实施例所示的确定各用户组故障概率的模型示意图。如图3所示，第一模型340可以包括第一特征提取层341、第二特征提取层342、第三特征提取层343和判断层344，第一特征提取层341、第二特征提取层342、第三特征提取层343和判断层344可以是卷积神经网络或深度神经网络等或其组合得到的模型等。

第一特征提取层341的输入可以包括天气数据310，第一特征提取层341的输出可以包括天气信息350；第二特征提取层342的输入可以包括供电数据320，第二特征提取层342的输出可以包括供电信息360；第三特征提取层343的输入可以包括用户数据330，第三特征提取层343的输出可以包括各用户组的用户信息370；判断层344的输入可以包括天气信息350、供电信息360和各用户组的用户信息370，判断层344的输出可以包括各用户组的故障概率380。其中，天气信息350、供电信息360和各用户组的用户信息370可以包括分别基于天气数据310、供电数据320和用户数据330提取的特征数据。特征数据可以包括但不限于向量和/或矩阵等形式。

第一模型340可以基于训练获取。例如，可以通过单独训练或联合训练的方式获取。

示例的，可以通过获取训练好的第一特征提取层341、第二特征提取层342、第三特征提取层343和判断层344，进而获取第一模型340。

第一特征提取层341可以通过单独训练得到。例如，向初始第一特征提取层输入样本天气数据作为训练样本数据，得到初始第一特征提取层输出的天气信息，使用样本天气信息作为标签，对初始第一特征提取层输出的天气信息进行验证，训练得到训练好的第一特征提取层。初始第一特征提取层训练输入的样本数据和标签样本数据可以通过历史数据获取。

第二特征提取层342可以通过单独训练得到。例如，向初始第二特征提取层输入样本供电数据作为训练样本数据，得到初始第二特征提取层输出的供电信息，使用样本供电信息作为标签，对初始第二特征提取层输出的供电信息进行验证，训练得到训练好的第二特征提取层。初始第二特征提取层训练输入的样本数据和标签样本数据可以通过历史数据获取。

第三特征提取层343可以通过单独训练得到。例如，向初始第三特征提取层输入样本用户数据作为训练样本数据，得到初始第三特征提取层输出的各用户组的用户信息，使用样本各用户组的用户信息作为标签，对初始第三特征提取层输出的各用户组的用户信息进行验证，训练得到训练好的第三特征提取层。初始第三特征提取层训练输入的样本数据和标签样本数据可以通过历史数据获取。

判断层344可以基于单独训练获得。例如，可以将带有训练标签的训练样本输入初始判断层，训练样本可以包括样本天气信息、样本供电信息以及样本各用户组的用户信息，对应的训练标签可以为样本各用户组的故障概率。通过训练迭代更新初始判断层的参数，直到其满足预设条件，获取训练好的判断层。迭代更新模型参数的方法可以包括随机梯度下降等常规的模型训练方法。

示例的，第一特征提取层341、第二特征提取层342和第三特征提取层343的输出可以作为判断层344的输入，第一特征提取层341、第二特征提取层342、第三特征提取层343和判断层344可以联合训练得到第一模型340。

例如，向初始第一特征提取层输入样本天气数据，向初始第二特征提取层输入样本供电数据，向初始第三特征提取层输入样本用户数据，标签为样本各用户组的故障概率，基于第一特征提取层输出的天气信息、第二特征提取层输出的供电信息、第三特征提取层输出的各用户组的用户信息和标签建立损失函数，更新第一特征提取层、第二特征提取层、第三特征提取层和判断层的参数进行训练。

本发明实施例通过基于大量历史数据对模型进行训练，获取训练好的第一模型，利用第一模型可以较为容易地预测各用户组发生故障的概率，准确性高，可靠性强。

步骤230，基于各用户组的故障概率，产生调整方案。步骤230可以通过控制模块130执行。

例如，控制模块130可以基于某一用户组的故障概率小于等于阈值，不作处理。又例如，控制模块130可以响应于用户组的故障概率大于阈值时，确定故障类型。故障概率可以以0-100％表示，百分比越大则表明发生故障的概率越大。阈值可以是预设的，例如，阈值可以为80％。

控制模块130可以基于多种可行的方式确定故障类型，例如，可以通过排查电网运行数据、数据分析比对等方式确定可能的故障类型。

图4是根据本发明实施例所示的电力系统故障分析方法的示例性流程图。流程400可以由电力系统故障分析装置100执行。如图4所示，流程400包括下述步骤：

步骤410，获取输电数据、变电数据和配电数据。步骤410可以通过控制模块130执行。

输电数据可以指与电力输送相关的数据，例如输电电压、输电电流等。

变电数据可以指与变电设备(如变电站等)相关的数据，如变电设备参数等。

配电数据可以指与电力分配相关的数据，如配电电压、配电电流等。

可以理解的，确定故障类型是在已确定相应的用户组发生故障概率超过设定阈值的情况下进行的，因此，输电数据、变电数据和配电数据可以是该故障概率超过阈值的用户组所对应的电网区域或线路的数据。

通过首先确定故障概率，然后在故障概率较高的指定用户组进一步预测故障类型，可以避免使用数据量庞大的电网运行数据进行直接分析，能够节省算力，同时能够较快地获得较准确的预测结果。

输电数据、变电数据和配电数据可以由多个预设的电网监测点采集。具体示例，在电网中可以设置多个监测位点，其中一些监测位点可以设置于电网节点，电网节点可以指电网计算分析等值图中电流的汇集点或支路的汇集点。电网节点一般对应于运行电网的母线等。监测位点可以设置拉力采集装置、倾角采集装置、微气象采集装置、融合传感器和无线通信装置等，将采集到的数据信息通过无线网络发送给控制模块130。

电网监测点还可以包括图像采集装置，用于获取图像数据。图像采集装置可以设置于电网中较为重要的区域，例如，变电站等，基于图像数据可以判断是否可能存在外部原因(例如，人车等异物侵入)导致的异常。

步骤420，基于输电数据、变电数据和配电数据，确定故障类型。步骤420可以通过控制模块130执行。

控制模块130还可以基于图像数据、输电数据、变电数据和配电数据，确定故障类型。故障类型可以基于第二模型确定，第二模型可以是机器学习模型。

图5是根据本发明实施例所示的确定故障类型的模型示意图。如图5所示，第二模型550可以包括嵌入层551和输出层552，嵌入层551和输出层552可以是卷积神经网络或深度神经网络等或其组合得到的模型等。

嵌入层551的输入可以包括图像数据540，嵌入层551的输出可以包括图像特征560；输出层552的输入可以包括输电数据510、变电数据520、配电数据530和图像特征560，输出层552的输出可以包括故障类型570。其中，图像特征560可以包括基于图像数据540提取的特征数据。特征数据可以包括但不限于向量和/或矩阵等形式。

第二模型550可以基于训练获取。例如，可以通过单独训练或联合训练的方式获取。

示例的，可以通过获取单独训练好的嵌入层551和输出层552，进而获取第二模型550。

嵌入层551可以通过单独训练得到。例如，向初始嵌入层输入样本图像数据作为训练样本数据，得到初始嵌入层输出的图像特征，使用样本图像特征作为标签，对初始嵌入层输出的图像特征进行验证，训练得到训练好的嵌入层。初始嵌入层训练输入的样本数据和标签样本数据可以通过历史数据获取。

输出层552可以基于单独训练获得。例如，可以将带有训练标签的训练样本输入初始输出层，训练样本可以包括样本图像特征、样本输电数据、样本变电数据以及样本配电数据，对应的训练标签可以为故障类型。通过训练迭代更新初始输出层的参数，直到其满足预设条件，获取训练好的输出层。迭代更新模型参数的方法可以包括随机梯度下降等常规的模型训练方法。

示例的，嵌入层551的输出可以作为输出层552的输入，嵌入层551和输出层552可以联合训练得到第二模型550。

例如，向初始嵌入层输入样本图像数据，向初始输出层输入样本输电数据、样本变电数据和样本配电数据，标签为样本故障类型，基于嵌入层输出的图像特征和标签建立损失函数，更新嵌入层和输出层的参数进行训练。

本发明的实施例通过模型进一步预测故障类型，能够进一步确定故障发生概率较高的用户组可能发生的具体故障类型，便于后期进行根据预测结果及时针对性地进行检查和处理，节省了时间成本和人力成本。

示例的，控制模块130还可以响应于故障类型为预设类型，产生报警事件和/或调整参数。

报警事件可以指对异常情况进行反馈的操作，包括但不限于：开启报警提示音、开启报警提示灯、拨打预留电话等或其任意组合。进一步的，报警事件还可以包括停止供电、启动应急线路等。

预设类型可以指预先确定并进行分类的故障类型。例如，预设类型可以包括但不限于：短路故障、过电压故障、系统性故障等。进一步的，预设类型还可以进一步细分，包括但不限于：输入侧电压过高、负载侧电压过高等。

调整参数可以指对电网参数进行相应调整，例如，针对过电压故障可以调整变频器的参数等。

进一步的，针对预测得到的故障类型为预设类型，电力系统可以自动调整参数，工作人员可以针对性地对相应设备和/或区域等进行检查，以提前消除故障因素，避免故障发生导致严重后果。

需说明的是，本实施例的装置与上述实施例的方法对应，因此本实施例的装置未详述的内容可以参阅上述实施例的方法得到，此处不再赘述。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和更换都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种电力系统故障分析方法，其特征在于，包括：

获取天气信息、供电信息和各用户组的用户信息；

根据所述天气信息、所述供电信息和所述各用户组的用户信息，确定各用户组的故障概率；

根据所述各用户组的故障概率，产生调整方案。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取天气数据，根据所述天气数据，确定所述天气信息；其中，所述天气数据包括当前天气信息和未来天气信息。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取供电数据，根据所述供电数据，确定所述供电信息。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取用户数据，根据所述用户数据，确定所述各用户组的用户信息；其中，所述用户数据包括用户组数量、各用户组用电量和各用户组的用户数。

5.根据权利要求1所述的方法，其特征在于，所述根据所述各用户组的故障概率，产生调整方案，包括：

响应于用户组的故障概率大于阈值时，确定故障类型。

6.根据权利要求5所述的方法，其特征在于，所述确定故障类型包括：

获取输电数据、变电数据和配电数据，根据所述输电数据、所述变电数据和所述配电数据，确定所述故障类型。

7.根据权利要求6所述的方法，其特征在于，所述输电数据、所述变电数据和所述配电数据由多个预设的电网监测点采集。

8.根据权利要求7所述的方法，其特征在于，所述电网监测点包括图像采集装置，用于获取图像数据；

所述确定故障类型还包括：

根据所述图像数据、所述输电数据、所述变电数据和所述配电数据，确定所述故障类型。

9.根据权利要求5所述的方法，其特征在于，所述根据所述各用户组的故障概率，产生调整方案，还包括：

响应于所述故障类型为预设类型，产生报警事件和/或调整参数。

10.一种电力系统故障分析装置，其特征在于，用于实现根据权利要求1-9中任一项所述的电力系统故障分析方法，所述装置包括：

数据采集模块，获取天气信息、供电信息和各用户组的用户信息；

分析模块，用于根据所述天气信息、所述供电信息和所述各用户组的用户信息，确定各用户组的故障概率；

控制模块，用于根据所述各用户组的故障概率根据所述各用户组的故障概率，产生调整方案。

Images