CN116029116B - 一种智能变电站智慧管控数字孪生系统 - Google Patents

Abstract

本发明属于变电站管控技术领域，本发明公开了一种智能变电站智慧管控数字孪生系统，包括：数据采集模块，采集变电站电力设备的运行状态信息，所述运行状态信息包括设备自身影响因数与设备供电影响因数；影响因数分析模块，将变电站电力设备标记为管控对象，接收设备自身影响因数，并对其进行公式化分析，求得自身影响表现值，根据自身影响表现值的大小，对相应的管控对象生成不同级别的自身风险影响标记；影响因数分析模块还接收设备供电影响因数，并对其进行公式化分析，求得供电影响表现值，根据供电影响表现值的大小，对相应的管控对象生成不同级别的供电风险影响标记；变电站建模模块，根据变电站建设场地数据建立实景数字孪生模型。

Description

一种智能变电站智慧管控数字孪生系统

技术领域

本发明涉及变电站管控技术领域，更具体地说，本发明涉及一种智能变电站智慧管控数字孪生系统。

背景技术

智能变电站的是智慧电网实现安全可靠输电、配电的重要组成，近年来，随着我国输变电技术的发展，电网规模在不断扩大，变电站电力设备的数量和复杂性不断上升，设备的维护费用占变电站运行总成本的比例日渐增大，维护工作量急剧增加。

为保障变电站电力设备运行可靠性，现有大多采用定期同时维护模式，或出现异常后再进行维护，存在维护不足、维护过剩、维护滞后、维护成本高、效率低等问题。

鉴于此，本申请发明人发明了一种智能变电站智慧管控数字孪生系统。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供一种智能变电站智慧管控数字孪生系统。

为实现上述目的，本发明提供如下技术方案：一种智能变电站智慧管控数字孪生系统，包括：

数据采集模块，采集变电站电力设备的运行状态信息，所述运行状态信息包括设备自身影响因数与设备供电影响因数；

影响因数分析模块，将变电站电力设备标记为管控对象，接收设备自身影响因数，并对其进行公式化分析，求得自身影响表现值Szi，根据自身影响表现值Szi的大小，对相应的管控对象生成不同级别的自身风险影响标记；影响因数分析模块还接收设备供电影响因数，并对其进行公式化分析，求得供电影响表现值Gzi，根据供电影响表现值Gzi的大小，对相应的管控对象生成不同级别的供电风险影响标记；

管控生成模块，同时获取管控对象的影响标记，所述影响标记包括不同级别的自身风险影响标记与不同级别的供电风险影响标记，对相应的管控对象生成不同程度的管控标记；

变电站建模模块，根据变电站建设场地数据、利用无人机对变电站进行航拍并将航拍的视图导入可视化实景数字孪生模型构建系统，对变电站进行实景建模，建立实景数字孪生模型；

管控标注模块，将管控对象的安装位置在实景数字孪生模型中标注，标注包括对管控对象名称、信号、具体位置进行标注；还对管控生成模块生成的不同程度的管控标记对相应的管控对象进行标注；并将标注后的实景数字孪生模型发送至维护端。

在一个优选的实施方式中，所述设备自身影响因数包括油液ph值、油液液位变化值、油泥厚度值，所述油液ph值为绝缘冷却油的ph数据，所述油液液位变化值求得过程包括，将相应的管控对象额定液位最大值与额定液位最小值之和均值标记为w1，将当前时刻绝缘冷却油液位数据标记为w2，将油液液位变化值标记为yw，

所述油泥厚度值求得步骤包括：将油泥厚度值标记为yz，将油泥与绝缘冷却油交汇处高度位置标记为g1，将探测波发生器安装在绝缘冷却油过滤箱内的高度标记为g2，探测波发生器始终位于绝缘冷却油内，g2为探测波发生器距离冷却油过滤箱底的距离值，当探测波发生器向绝缘冷却油过滤箱内垂直发送探测波时，探测波在两种物质交汇处会反射，将探测波在绝缘冷却油中的传播速度与收到反射探测波时间的乘积标记为g1，yz＝g2-g1。

在一个优选的实施方式中，所述设备供电影响因数包括供电电压影响值、供电电流影响值，所述供电电压影响值求得过程包括，将供电电压影响值标记为yx，将超出管控对象额定电压值标记为x，将单位时间内x的持续时间标记为yx，将大于管控对象额定最大值电压值标记为x1，将小于管控对象额定最小值电压值标记为x2，x为单位时间内x1的持续时间与x2的持续时间之和；

所述供电电流影响值求得过程包括，将供电电流影响值标记为yz，将超出管控对象额定电流值标记为z，将单位时间内z的持续时间标记为yz，将大于管控对象额定最大值电流值标记为z1，将小于管控对象额定最小值电流值标记为z2，z为单位时间内z1的持续时间与z2的持续时间之和。

在一个优选的实施方式中，对相应的管控对象生成不同级别的自身风险影响标记步骤包括，不同级别的自身风险影响标记包括自身高风险影响标记、自身中风险影响标记、自身低风险影响标记；

将设备自身影响因数中的油液ph值、油液液位值、油泥厚度值，分别标记为phi、ywi、yzi，对其进行公式化分析，求得自身影响表现值Szi，i为管控对象的数量，i为大于1的整数；

设置自身影响表现值范围参考值CK1与CK2,其中CK2＞CK1，将自身影响表现值Szi代入范围参考值CK1与CK2，若自身影响表现值Szi大于等于CK2，则对相应的管控对象生成自身高风险影响标记；若自身影响表现值Szi小于CK2，且大于CK1，则对相应的管控对象生成自身中风险影响标记；若自身影响表现值Szi小于等于CK1，则对相应的管控对象生成自身低风险影响标记。

在一个优选的实施方式中，对相应的管控对象生成不同级别的供电风险影响标记步骤包括，不同级别的供电风险影响标记包括供电高风险影响标记、供电中风险影响标记、供电低风险影响标记；

将i个管控对象设备供电影响因数中的供电电压影响值、供电电流影响值分别标记为yxi、yzi，对其进行公式化分析，求得供电影响表现值Gzi；

设置供电影响表现值范围参考值CK3与CK4，其中CK4＞CK3，将供电影响表现值Gzi代入范围参考值CK3与CK4，若供电影响表现值Gzi大于等于CK4，则对相应的管控对象生成供电高风险影响标记；若供电影响表现值Gzi小于CK4，且大于CK3，则对相应的管控对象生成供电中风险影响标记；若供电影响表现值Gzi小于等于CK3，则对相应的管控对象生成供电低风险影响标记。

在一个优选的实施方式中，不同程度的管控标记包括高风险管控标记，中风险管控标记，生成步骤包括：

若一个管控对象同时具有自身高风险影响标记与供电高风险影响标记，则对相应的管控对象生成高风险管控标记；若一个管控对象同时具有自身高风险影响标记与供电中风险影响标记、自身中风险影响标记与供电中风险影响标记、供电高风险影响标记与自身中风险影响标记、自身中风险影响标记与供电低风险影响标记、供电中风险影响标记与自身低风险影响标记，则对相应的管控对象生成中风险管控标记；若一个管控对象同时具有自身低风险影响标记与供电低风险影响标记，则不对相应的管控对象生成管控标记；

还包括管控标记深度分析模块，管控标记深度分析模块对i生成高风险管控标记对应的管控对象持续监测，在后续单位时间持续获取管控对象的自身影响表现值Szi、供电影响表现值Gzi，将后续单位时间获取的n个自身影响表现值Szi与n个供电影响表现值Gzi分别建立自身影响集合与供电影响集合；然后分别计算自身影响集合内第一均值与第一离散系数、计算供电影响集合内第二均值与第二离散系数；

若第一均值大于等于CK2，且第一离散系数小于第一离散阈值，则对相应的管控对象生成常发性自身高风险影响标记；

若第一均值大于等于CK2，且第一离散系数大于等于第一离散阈值、若第一均值小于CK2，且第一离散系数大于等于第一离散阈值、以及第一均值小于CK2，且第一离散系数小于第一离散阈值时，则对相应的管控对象生成偶发性自身高风险影响标记；

若第二均值大于等于CK4，且第二散系数小于第二离散阈值，则对相应的管控对象生成常发性供电高风险影响标记；

若第二均值大于等于CK4，且第二离散系数大于等于第二离散阈值、若第二均值小于CK4，且第二离散系数大于等于第二离散阈值、以及第二均值小于CK4，且第二离散系数小于第二离散阈值时，则对相应的管控对象生成偶发性供电高风险影响标记；

将后续单位时间内同时具有常发性自身高风险影响标记与常发性供电高风险影响标记对相应的管控对象生成紧急维护标记；

对剩下情形的管控对象生成一般维护标记，剩下情形包括常发性自身高风险影响标记与偶发性供电高风险影响标记、常发性供电高风险影响标记与偶发性自身高风险影响标记、偶发性供电高风险影响标记与偶发性自身高风险影响标记。

在一个优选的实施方式中，还包括用电关联模块、用电数据采集模块、影响分析模块；

用电关联模块将相应的管控对象对应的供电区域关联；

用电数据采集模块采集供电区域内维护生命设备用电数据、备用电源的电量数据、病患监护人联系方式，所述用电数据包括维护生命设备能耗；

影响分析模块计算备用电源供电时间，电源供电时间计算方法为：备用电源的电量数据除以维护生命设备能耗；若备用电源供电时间小于等于相应的管控对象维护所需时间，则生成提示信息，根据相应的病患监护人联系方式发送提示信息，告知相应的病患监护人。

本发明一种智能变电站智慧管控数字孪生系统的技术效果和优点：

(1)通过根据不同管控对象运行时产生的运行状态信息数据，对不同运行状态信息数据根据影响类别分类，对分类后的影响数据综合分析，识别故障的早期征兆，对早期征兆发展趋势做出判断，即对征兆进行分类，如上述高、中风险管控标记；可以做到科学地掌握不同管控对象运行状态的变化，在管控对象出现故障之前，精准做出维护，方便维护人员针对性的对不同管控对象进行维护，做到精细化管控，可大大减轻维护人员的工作量，降低维护成本，提高维护的效率，提升管控对象运行的可靠性。

(2)将管控对象的安装位置在实景数字孪生模型中标注，标注包括对管控对象名称、信号、具体位置进行标注；还对生成的不同程度的管控标记对相应的管控对象进行标注；并将标注后的实景数字孪生模型发送至维护端，维护端有维护人员携带，方便维护人员对即将维护的管控对象进行定位，方便维护人员概览全局进一步提升维护效率。

(3)通过对生成高风险管控标记对应的管控对象持续监测，在后续单位时间持续获取管控对象的自身影响表现值Szi、供电影响表现值Gzi，并对其进行分析，根据其异常频率进行分类，进一步方便维护人员及时掌握高频率运行状态异常的管控对象，及时做出针对性维护，进一步保障管控对象运行的可靠性，和提升维护效率。

附图说明

图1为本发明实施例一中的智能变电站智慧管控数字孪生系统示意图；

图2为本发明实施例二中的智能变电站智慧管控数字孪生系统示意图；

图3为本发明实施例三中的智能变电站智慧管控数字孪生系统示意图。

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。

实施例一

请参阅图1所示，本实施例所述一种智能变电站智慧管控数字孪生系统，包括数据采集模块1、影响因数分析模块2、管控生成模块3、变电站建模模块4、管控标注模块5。

数据采集模块1，采集变电站电力设备的运行状态信息，变电站电力设备包括变压器、高压断路器、继电保护器等，为便于理解本发明技术方案的构思，以变电站电力设备为变压器为例，其运行状态信息包括设备自身影响因数与设备供电影响因数。

其中设备自身影响因数包括油液ph值、油液液位变化值、油泥厚度值，上述油液ph值为绝缘冷却油的ph数据，由ph传感器监测获取，绝缘冷却油随着使用时间的增长，其ph值也会逐渐减小，相应的绝缘部件的腐蚀会加强，绝缘冷却油的导热性能也下降。

上述油液液位变化值求得过程包括，将相应的变电站电力设备额定液位最大值与额定液位最小值之和均值标记为w1，将当前时刻绝缘冷却油液位数据标记为w2，将油液液位变化值标记为yw，yw表现值越小越好，则说明相应的绝缘冷却油损耗越小。

上述油泥厚度值求得步骤包括：将油泥厚度值标记为yz，将油泥与绝缘冷却油交汇处高度位置标记为g1，将探测波发生器安装在绝缘冷却油过滤箱内的高度标记为g2，探测波发生器安装始终位于绝缘冷却油内，g2为探测波发生器距离冷却油过滤箱底的距离值，为保障测量结果准确性，绝缘冷却油过滤箱选择形状规则的形状，如长方形、正方形等形状，当探测波发生器向绝缘冷却油过滤箱内垂直发送探测波时，探测波在两种物质交汇处会反射，将探测波在绝缘冷却油中的传播速度与收到反射探测波时间的乘积标记为g1，yz＝g2-g1，yz越大，这代表对应的绝缘冷却油中油泥增多，绝缘冷却油中绝缘与冷却性能在下降；上述探测波发生器可以为发生探测波的仪器，如雷达波发生器。

设备供电影响因数包括供电电压影响值、供电电流影响值，上述供电电压影响值求得过程包括，将供电电压影响值标记为yx，将超出变电站电力设备额定电压值标记为x，将单位时间内x的持续时间标记为yx，将大于变电站电力设备额定最大值电压值标记为x1，将小于变电站电力设备额定最小值电压值标记为x2，x为单位时间内x1的持续时间与x2的持续时间之和，电压值有电压传感器监测获取。

上述供电电流影响值求得过程包括，将供电电流影响值标记为yz，将超出变电站电力设备额定电流值标记为z，将单位时间内z的持续时间标记为yz，将大于变电站电力设备额定最大值电流值标记为z1，将小于变电站电力设备额定最小值电流值标记为z2，z为单位时间内z1的持续时间与z2的持续时间之和，电流值有电流传感器监测获取。

影响因数分析模块2，接收设备自身影响因数中的油液ph值、油液液位值、油泥厚度值，将变电站电力设备标记为管控对象，将油液ph值、油液液位变化值、油泥厚度值分别标记为phi、ywi、yzi，i为管控对象的数量，i为大于1的整数，依据公式，求得自身影响表现值Szi，式中α1、α2、α3为权重因子系数，且α1＞α2＞α3＞0，α1+α2+α3＝3.523。

需要说明的是，自身影响表现值Szi的表现值越大，则说明相应的管控对象运行状态越好，出故障的概率低，反之则相反。

获取i个管控对象的设备供电影响因数中的供电电压影响值、供电电流影响值，生成供电影响表现值，具体生成步骤包括：

将供电电压影响值、供电电流影响值分别标记为yxi、yzi，依据公式，，求得供电影响表现值Gzi，式中/>为权重因子系数，且。

需要说明的是供电影响表现值Gzi越大，对相应的管控对象影响越大，管控对象内电子元件出故障的概率就越大，反之则相反；上述式中权重因子系数用于均衡各项数据在公式中的占比比重，从而促进计算结果的准确性。

设置自身影响表现值范围参考值CK1与CK2,设置供电影响表现值范围参考值CK3与CK4，其中CK2＞CK1，CK4＞CK3，将自身影响表现值Szi代入范围参考值CK1与CK2，若自身影响表现值Szi大于等于CK2，则对相应的管控对象生成自身高风险影响标记；若自身影响表现值Szi小于CK2，且大于CK1，则对相应的管控对象生成自身中风险影响标记；若自身影响表现值Szi小于等于CK1，则对相应的管控对象生成自身低风险影响标记。

将供电影响表现值Gzi代入范围参考值CK3与CK4，若供电影响表现值Gzi大于等于CK4，则对相应的管控对象生成供电高风险影响标记；若供电影响表现值Gzi小于CK4，且大于CK3，则对相应的管控对象生成供电中风险影响标记；若供电影响表现值Gzi小于等于CK3，则对相应的管控对象生成供电低风险影响标记。

管控生成模块3，获取i个管控对象的影响标记，生成不同程度的管控标记，管控标记包括高风险管控标记，中风险管控标记；具体生成步骤包括：

若一个管控对象同时具有自身高风险影响标记与供电高风险影响标记，则对相应的管控对象生成高风险管控标记；若一个管控对象同时具有自身高风险影响标记与供电中风险影响标记、自身中风险影响标记与供电中风险影响标记、供电高风险影响标记与自身中风险影响标记、自身中风险影响标记与供电低风险影响标记、供电中风险影响标记与自身低风险影响标记，则对相应的管控对象生成中风险管控标记；若一个管控对象同时具有自身低风险影响标记与供电低风险影响标记，则不对相应的管控对象生成管控标记。

通过根据不同管控对象运行时产生的运行状态信息数据，对不同运行状态信息数据根据影响类别分类，对分类后的影响数据综合分析，识别故障的早期征兆，对早期征兆发展趋势做出判断，即对征兆进行分类，如上述高、中风险管控标记；可以做到科学地掌握不同管控对象运行状态的变化，在管控对象出现故障之前，精准做出维护，方便维护人员针对性的对不同管控对象进行维护，做到精细化管控，可大大减轻维护人员的工作量，降低维护成本，提高维护的效率，提升管控对象运行的可靠性。

维护人员对不同的管控对象维护顺序，在人员不足的情况下，可以优先对高风险管控标记对应的管控对象进行维护检修，在中风险管控标记成为高风险管控标记前应加强对其进行巡检。

变电站建模模块4，根据变电站建设场地数据、利用无人机对变电站进行航拍并将航拍的视图导入可视化实景数字孪生模型构建系统，对变电站进行实景建模，建立实景数字孪生模型。

所述可视化实景数字孪生模型构建系统,基于高清视频监控记录信息，以三维数字世界为依托，构建能反映出物理世界的空间要素构成，以卫星照片、CAD图纸等为依据开展轻量级实用的三维场景模型构建，为数字孪生提供实景化的信息承载空间，提升数字孪生场景的感知认知能力。使视频画面能够通过可视的方式融合到三维空间中，展现相应位置的实时景象状态。

管控标注模块5，将管控对象的安装位置在实景数字孪生模型中标注，标注包括对管控对象名称、信号、具体位置进行标注；管控标注模块5还对管控生成模块3生成的不同程度的管控标记对相应的管控对象进行标注；并将标注后的实景数字孪生模型发送至维护端，维护端有维护人员携带，方便维护人员对即将维护的管控对象进行定位，方便维护人员概览全局进一步提升维护效率。

实施例二

请参阅图2所示，为进一步提升上述高风险管控标记的准确性，本实施例在实施例一的基础上，进一步对相关数据分析；该系统还包括管控标记深度分析模块6，管控标记深度分析模块6，对i生成高风险管控标记对应的管控对象持续监测，在后续单位时间持续获取管控对象的自身影响表现值Szi、供电影响表现值Gzi，将后续单位时间获取的n个自身影响表现值Szi与n个供电影响表现值Gzi，分别建立自身影响集合与供电影响集合；然后分别计算自身影响集合内第一均值与第一离散系数、计算供电影响集合内第二均值与第二离散系数。

若第一均值大于等于CK2，且第一离散系数小于第一离散阈值，则对相应的管控对象生成常发性自身高风险影响标记，说明对应的管控对象运行状态异常频率较高，出故障的较大；

若第一均值大于等于CK2，且第一离散系数大于等于第一离散阈值、若第一均值小于CK2，且第一离散系数大于等于第一离散阈值、以及第一均值小于CK2，且第一离散系数小于第一离散阈值时，则对相应的管控对象生成偶发性自身高风险影响标记，说明对应的管控对象运行状态异常频率低，为偶然性；出故障相对低；

同理，若第二均值大于等于CK4，且第二散系数小于第二离散阈值，则对相应的管控对象生成常发性供电高风险影响标记，说明对应的管控对象供电状态异常频率较高，出故障的较大；

若第二均值大于等于CK4，且第二离散系数大于等于第二离散阈值、若第二均值小于CK4，且第二离散系数大于等于第二离散阈值、以及第二均值小于CK4，且第二离散系数小于第二离散阈值时，则对相应的管控对象生成偶发性供电高风险影响标记，说明对应的管控对象供电状态异常频率较低，出故障的同理较低。

将后续单位时间内同时具有常发性自身高风险影响标记与常发性供电高风险影响标记对相应的管控对象生成紧急维护标记；

对剩下情形的管控对象生成一般维护标记，剩下情形包括常发性自身高风险影响标记与偶发性供电高风险影响标记、常发性供电高风险影响标记与偶发性自身高风险影响标记、偶发性供电高风险影响标记与偶发性自身高风险影响标记。

通过对生成高风险管控标记对应的管控对象持续监测，在后续单位时间持续获取管控对象的自身影响表现值Szi、供电影响表现值Gzi，并对其进行分析，根据其异常频率进行分类，进一步方便维护人员及时掌握高频率运行状态异常的管控对象，及时做出针对性维护，进一步保障管控对象运行的可靠性，和提升维护效率。

实施例三

请参阅图3所示，在对相应的管控对象进行维护时，有的需要断电维护，断电则会影响相应用电区域的用户用电，本实施例在实施例二的基础上，进一步采集相关用电数据，并分析，将用户用电影响降到最低；该系统还包括用电关联模块7、用电数据采集模块8、影响分析模块9。

用电关联模块7，将相应的管控对象对应的供电区域关联；

用电数据采集模块8，采集供电区域内维护生命设备用电数据、备用电源的电量数据、病患监护人联系方式；

上述用电数据包括维护生命设备能耗；维护生命设备如呼吸机、制氧机等。

影响分析模块9，计算备用电源供电时间，电源供电时间计算方法为：备用电源的电量数据除以维护生命设备能耗；若备用电源供电时间小于等于相应的管控对象维护所需时间，则生成提示信息，根据相应的病患监护人联系方式发送提示信息，告知相应的病患监护人，增加备用电源数量或增加备用电源储电量；充分考虑断维护给用电群众带来的影响，保障相应的供电区域维护生命设备在断电维护过程中的正常运行，充分保障病患生命财产安全，体现所述系统的人文关怀温度。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

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。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、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，所述单元的划分，仅仅为一种，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。

所述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，在本申请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。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种智能变电站智慧管控数字孪生系统，其特征在于，包括：

数据采集模块（1），采集变电站电力设备的运行状态信息，所述运行状态信息包括设备自身影响因数与设备供电影响因数；

影响因数分析模块（2），将变电站电力设备标记为管控对象，接收设备自身影响因数，并对其进行公式化分析，求得自身影响表现值Szi，根据自身影响表现值Szi的大小，对相应的管控对象生成不同级别的自身风险影响标记；影响因数分析模块（2）还接收设备供电影响因数，并对其进行公式化分析，求得供电影响表现值Gzi，根据供电影响表现值Gzi的大小，对相应的管控对象生成不同级别的供电风险影响标记；

管控生成模块（3），同时获取管控对象的影响标记，所述影响标记包括不同级别的自身风险影响标记与不同级别的供电风险影响标记，对相应的管控对象生成不同程度的管控标记；

变电站建模模块（4），根据变电站建设场地数据、利用无人机对变电站进行航拍并将航拍的视图导入可视化实景数字孪生模型构建系统，对变电站进行实景建模，建立实景数字孪生模型；

管控标注模块（5），将管控对象的安装位置在实景数字孪生模型中标注，标注包括对管控对象名称、信号、具体位置进行标注；还对管控生成模块（3）生成的不同程度的管控标记对相应的管控对象进行标注；并将标注后的实景数字孪生模型发送至维护端；

对相应的管控对象生成不同级别的自身风险影响标记步骤包括，不同级别的自身风险影响标记包括自身高风险影响标记、自身中风险影响标记、自身低风险影响标记；

将设备自身影响因数中的油液ph值、油液液位值、油泥厚度值，分别标记为phi、ywi、yzi，对其进行公式化分析，求得自身影响表现值Szi，i为管控对象的数量，i为大于1的整数；

设置自身影响表现值范围参考值CK1与CK2,其中CK2＞CK1，将自身影响表现值Szi代入范围参考值CK1与CK2，若自身影响表现值Szi大于等于CK2，则对相应的管控对象生成自身高风险影响标记；若自身影响表现值Szi小于CK2，且大于CK1，则对相应的管控对象生成自身中风险影响标记；若自身影响表现值Szi小于等于CK1，则对相应的管控对象生成自身低风险影响标记;

对相应的管控对象生成不同级别的供电风险影响标记步骤包括，不同级别的供电风险影响标记包括供电高风险影响标记、供电中风险影响标记、供电低风险影响标记；

将i个管控对象设备供电影响因数中的供电电压影响值、供电电流影响值分别标记为yxi、yzi，对其进行公式化分析，求得供电影响表现值Gzi；

设置供电影响表现值范围参考值CK3与CK4，其中CK4＞CK3，将供电影响表现值Gzi代入范围参考值CK3与CK4，若供电影响表现值Gzi大于等于CK4，则对相应的管控对象生成供电高风险影响标记；若供电影响表现值Gzi小于CK4，且大于CK3，则对相应的管控对象生成供电中风险影响标记；若供电影响表现值Gzi小于等于CK3，则对相应的管控对象生成供电低风险影响标记;

不同程度的管控标记包括高风险管控标记，中风险管控标记，生成步骤包括：

若一个管控对象同时具有自身高风险影响标记与供电高风险影响标记，则对相应的管控对象生成高风险管控标记；若一个管控对象同时具有自身高风险影响标记与供电中风险影响标记、自身中风险影响标记与供电中风险影响标记、供电高风险影响标记与自身中风险影响标记、自身中风险影响标记与供电低风险影响标记、供电中风险影响标记与自身低风险影响标记，则对相应的管控对象生成中风险管控标记；若一个管控对象同时具有自身低风险影响标记与供电低风险影响标记，则不对相应的管控对象生成管控标记；

还包括管控标记深度分析模块（6），管控标记深度分析模块（6）对i生成高风险管控标记对应的管控对象持续监测，在后续单位时间持续获取管控对象的自身影响表现值Szi、供电影响表现值Gzi，将后续单位时间获取的n个自身影响表现值Szi与n个供电影响表现值Gzi分别建立自身影响集合与供电影响集合；然后分别计算自身影响集合内第一均值与第一离散系数、计算供电影响集合内第二均值与第二离散系数；

若第一均值大于等于CK2，且第一离散系数小于第一离散阈值，则对相应的管控对象生成常发性自身高风险影响标记；

若第一均值大于等于CK2，且第一离散系数大于等于第一离散阈值、若第一均值小于CK2，且第一离散系数大于等于第一离散阈值、以及第一均值小于CK2，且第一离散系数小于第一离散阈值时，则对相应的管控对象生成偶发性自身高风险影响标记；

若第二均值大于等于CK4，且第二散系数小于第二离散阈值，则对相应的管控对象生成常发性供电高风险影响标记；

若第二均值大于等于CK4，且第二离散系数大于等于第二离散阈值、若第二均值小于CK4，且第二离散系数大于等于第二离散阈值、以及第二均值小于CK4，且第二离散系数小于第二离散阈值时，则对相应的管控对象生成偶发性供电高风险影响标记；

将后续单位时间内同时具有常发性自身高风险影响标记与常发性供电高风险影响标记对相应的管控对象生成紧急维护标记；

对剩下情形的管控对象生成一般维护标记，剩下情形包括常发性自身高风险影响标记与偶发性供电高风险影响标记、常发性供电高风险影响标记与偶发性自身高风险影响标记、偶发性供电高风险影响标记与偶发性自身高风险影响标记。

2.根据权利要求1所述的一种智能变电站智慧管控数字孪生系统，其特征在于，所述设备自身影响因数包括油液ph值、油液液位变化值、油泥厚度值，所述油液ph值为绝缘冷却油的ph数据，所述油液液位变化值求得过程包括，将相应的管控对象额定液位最大值与额定液位最小值之和均值标记为w1，将当前时刻绝缘冷却油液位数据标记为w2，将油液液位变化值标记为yw，yw=；

所述油泥厚度值求得步骤包括：将油泥厚度值标记为yz，将油泥与绝缘冷却油交汇处高度位置标记为g1，将探测波发生器安装在绝缘冷却油过滤箱内的高度标记为g2，探测波发生器始终位于绝缘冷却油内，g2为探测波发生器距离冷却油过滤箱底的距离值，当探测波发生器向绝缘冷却油过滤箱内垂直发送探测波时，探测波在两种物质交汇处会反射，将探测波在绝缘冷却油中的传播速度与收到反射探测波时间的乘积标记为g1，yz=g2-g1。

3.根据权利要求2所述的一种智能变电站智慧管控数字孪生系统，其特征在于，所述设备供电影响因数包括供电电压影响值、供电电流影响值，所述供电电压影响值求得过程包括，将供电电压影响值标记为yx，将超出管控对象额定电压值标记为x，将单位时间内x的持续时间标记为yx，将大于管控对象额定最大值电压值标记为x1，将小于管控对象额定最小值电压值标记为x2，x为单位时间内x1的持续时间与x2的持续时间之和；

所述供电电流影响值求得过程包括，将供电电流影响值标记为yz，将超出管控对象额定电流值标记为z，将单位时间内z的持续时间标记为yz，将大于管控对象额定最大值电流值标记为z1，将小于管控对象额定最小值电流值标记为z2，z为单位时间内z1的持续时间与z2的持续时间之和。

4.根据权利要求3所述的一种智能变电站智慧管控数字孪生系统，其特征在于，还包括用电关联模块（7）、用电数据采集模块（8）、影响分析模块（9）；

用电关联模块（7）将相应的管控对象对应的供电区域关联；

用电数据采集模块（8）采集供电区域内维护生命设备用电数据、备用电源的电量数据、病患监护人联系方式，所述用电数据包括维护生命设备能耗；

影响分析模块（9）计算备用电源供电时间，电源供电时间计算方法为：备用电源的电量数据除以维护生命设备能耗；若备用电源供电时间小于等于相应的管控对象维护所需时间，则生成提示信息，根据相应的病患监护人联系方式发送提示信息，告知相应的病患监护人。