CN116187583B - 配电网大数据故障预测方法 - Google Patents
配电网大数据故障预测方法 Download PDFInfo
- Publication number
- CN116187583B CN116187583B CN202310405674.9A CN202310405674A CN116187583B CN 116187583 B CN116187583 B CN 116187583B CN 202310405674 A CN202310405674 A CN 202310405674A CN 116187583 B CN116187583 B CN 116187583B
- Authority
- CN
- China
- Prior art keywords
- early warning
- weather
- distribution line
- fault
- central control
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000012937 correction Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 15
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (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
本发明涉及配电网故障预测技术领域,尤其涉及一种配电网大数据故障预测方法,包括数据获取模块获取历史配电线路故障数据及对应的历史天气数据,中控模块计算非极端天气下故障密度,中控模块计算各极端天气下故障密度计算对应的相关度系数,数据获取模块获取预计极端天气的天气参数,中控模块根据各极端天气与配电线路故障的相关度及对应的天气参数计算配电线路故障预警值,中控模块根据实际负荷对配电线路故障预警值进行修正并根据修正后配电线路故障预警值判定预警等级并将其发送至预警模块,本发明能够提高配电网故障预警能力,可实现在极端天气到来前快速预测各地区故障并精准预防,减少了人力物力的消耗,提高了配电网的可靠性。
Description
技术领域
本发明涉及配电网故障预测技术领域,尤其涉及一种配电网大数据故障预测方法。
背景技术
配电网是指从输电网或地区发电厂接受电能,通过配电设施就地分配或按电压逐级分配给各类用户的电力网。目前我国配电网规模较大,且配电网空间分散,配电线路新旧程度也十分复杂,自然和人为因素常会导致配电网故障,且集中性的对配电网进行预测是很困难的。
中国专利公开号:CN102175951B公开了一种配电网故障预测系统,包括故障预测器和集中处理器,所述故障预测器包括电流互感器、信号处理电路、低通滤波器、频率检测电路、带通滤波器、第一微处理器和第一通信模块,所述集中处理器包括第二通信模块和第二微处理器。
大风、大雨、大雪、雷电等极端天气是导致配电线路故障的重要原因。然而现有技术中未针对极端天气数据进行精准分析,无法精准预测配电线路故障,进而导致预防维护不及时。
发明内容
为此,本发明提供一种配电网大数据故障预测方法,用以克服现有技术中未针对极端天气数据进行精准分析,从而无法精准预测配电线路故障,导致预防维护不及时的问题。
为实现上述目的,本发明提供一种配电网大数据故障预测方法,包括:
步骤S1,数据获取模块获取历史配电线路故障数据及对应的历史天气数据,中控模块统计非极端天气下配电线路故障次数及非极端天气时间以计算非极端天气故障密度,所述非极端天气为除极端天气之外的天气;
步骤S2,所述中控模块统计各所述极端天气下配电线路故障次数及各极端天气时间以计算各极端天气故障密度,并根据各极端天气故障密度与所述非极端天气故障密度计算各极端天气与配电线路故障的相关度;
步骤S3,所述数据获取模块获取预计极端天气的天气参数,并根据各极端天气与配电线路故障的相关度及对应的所述天气参数计算配电线路故障预警值;
步骤S4,所述数据获取模块获取配电线路的实际负荷,所述中控模块根据所述实际负荷对所述配电线路故障预警值进行修正;
步骤S5,所述中控模块确定修正后的配电线路故障预警值的预警等级并将预警等级发送至预警模块,预警模块依据预警等级发布预警信号。
进一步地,所述极端天气包括大风天气、大雨天气、大雪天气和雷电天气;所述大风天气为风力大于等于8级的天气,所述大雨天气为降雨量大于等于8mm/h的天气,所述大雪天气为降雪量大于等于5mm/d的天气,所述雷电天气为存在雷电活动的天气。
进一步地,在所述步骤S1中,所述中控模块根据统计的非极端天气下配电线路故障次数N0及非极端天气持续时间TO计算非极端天气故障密度M0,设定M0=N0/T0。
进一步地,在所述步骤S2中,所述中控模块分别统计大风天气下配电线路故障次数N1、大雨天气下配电线路故障次数N2、大雪天气下配电线路故障次数N3、雷电天气下配电线路故障次数N4,同时统计大风天气时间T1、大雨天气时间T2、大雪天气时间T3和雷电天气时间T4,所述中控模块根据以下公式计算各极端天气故障密度,设定:
大风天气故障密度M1=N1/T1;
大雨天气故障密度M2=N2/T2;
大雪天气故障密度M3=N3/T3;
雷电天气故障密度M4=N4/T4。
进一步地,在所述步骤S2中,所述中控模块根据各极端天气故障密度与非极端天气故障密度计算各极端天气与配电线路故障的相关度,设定:
大风天气与配电线路故障的相关度Q1=M1/MO;
大雨天气与配电线路故障的相关度Q2=M2/MO;
大雪天气与配电线路故障的相关度Q3=M3/MO;
雷电天气与配电线路故障的相关度Q4=M4/MO。
进一步地,在所述步骤S3中,所述数据获取模块获取预计极端天气的天气参数,所述天气参数包括大风天气预计持续时间Ta、预计平均风力等级F、大雨天气预计持续时间Tb、预计平均降雨量Y、大雪天气预计持续时间Tc、预计平均降雪量J、雷电天气预计持续时间Td及预计雷电危险度等级L;所述中控模块根据以下公式计算配电线路故障预警值A,设定:
A=Q1×Ta×F×f+Q2×Tb×Y×y+Q3×Tc×J×j+Q4×Td×L×l
其中,f为风力转换系数,y为降雨量转换系数,j为降雪量转换系数,l为雷电危险度等级转换系数。
进一步地,在所述步骤S4中,所述数据获取模块获取配电线路的实际负荷R,所述中控模块中设有标准负荷R0、第一预设负荷R1和第二预设负荷R2,R0<R1<R2,中控模块将实际负荷R分别与R0、R1及R2进行比对并根据比对结果选取对应的修正系数对所述配电线路故障预警值进行修正;
若为第一比对结果,所述中控模块判定无需对配电线路故障预警值进行修正;
若为第二比对结果,所述中控模块判定选用第一预警值修正系数对配电线路故障预警值进行修正;
若为第三比对结果,所述中控模块判定选用第二预警值修正系数对配电线路故障预警值进行修正;
若为第四比对结果,所述中控模块判定选用第三预警值修正系数对配电线路故障预警值进行修正;
所述第一比对结果满足R≤R0,所述第二比对结果满足R0<R≤R1,所述第三比对结果满足R1<R≤R2,所述第四比对结果满足R>R2。
进一步地,在所述步骤S4中,所述中控模块设有对修正后的配电线路故障预警值的计算方法,设定修正后的配电线路故障预警值A'=A×ex,其中,x=1,2,3,e1为第一预警值修正系数,e2为第二预警值修正系数,e3为第三预警值修正系数,1<e1<e2<e3<1.5。
进一步地,在所述步骤S5中,所述中控模块预设第一预警值A1和第二预警值A2,A1<A2,所述中控模块将修正后的配电线路故障预警值A'分别与A1和A2进行比对以判定预警等级;
若配电线路故障预警值处于第一预警水平,所述中控模块判定预警等级为第一预警等级;
若配电线路故障预警值处于第二预警水平,所述中控模块判定预警等级为第二预警等级;
若配电线路故障预警值处于第三预警水平,所述中控模块判定预警等级为第三预警等级;
所述第一预警等级的预警级别小于第二预警等级的预警级别小于第三预警等级的预警级别;
所述第一预警水平满足A'<A1,所述第二预警水平满足A1≤A'≤A2,所述第三预警水平满足A'>A2。
进一步地,在所述步骤S5中,所述中控模块将预警等级发送至预警模块,所述预警模块按预警等级发布预警信号。
与现有技术相比,本发明的有益效果在于,所述中控模块通过历史配电线路故障数据及对应的历史天气数据可精准计算出各极端天气与配电线路故障的相关度,当极端天气到来时,通过各极端天气与配电线路故障的相关度和数据获取模块获取的预计极端天气的天气参数,可精准计算预警值,并根据预警值判定预警水平,发布预警信号,实现了在极端天气到来前快速预测配电线路故障并精准预防,减少了人力和物力的消耗,提高了配电线路的可靠性。
进一步地,本发明所述中控模块根据各极端天气故障密度与所述非极端天气故障密度计算各极端天气与配电线路故障的相关度,通过对极端天气与非极端下故障次数的比对,得到的数据更加真实的反应各极端天气对配电线路的影响,进而提高了故障预测的精准度。
进一步地,本发明设置预警值的计算方法,所述中控模块通过设置多个转换系数可在将各极端天气共同作用情况下,将各极端天气严酷程度进行整合,使得预警值能够更加准确地反映极端天气对配电线路的影响,进一步提高了故障预测的精准度。
进一步地,本发明所述数据获取模块获取配电线路的实际负荷R,所述中控模块通过将实际负荷R分别与R0、R1及R2进行比对,对预警值进行修正,本发明考虑到了电路负荷对预警值的影响,通过对预警值的修正,进一步提高了故障预测的精准度。
进一步地,本发明所述中控模块将预警值与预设的预警值进行比对,并判定预警等级,所述预警模块根据预警等级发布预警信号,预警信号能够精准预测即将到来的极端天气对各地区配电线路的影响,从而实现在极端天气到来前快速预测各地区故障并精准预防,减少了人力物力的消耗,提高了配电线路的可靠性。
附图说明
图1为本发明实施例配电网大数据故障预测方法的流程图;
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本发明实施例配电网大数据故障预测方法的流程图,本发明所述配电网大数据故障预测方法,包括:
步骤S1,数据获取模块获取历史配电线路故障数据及对应的历史天气数据,中控模块统计非极端天气下配电线路故障次数及非极端天气时间以计算非极端天气故障密度,所述非极端天气为除极端天气之外的天气;
步骤S2,所述中控模块统计各极端天气下配电线路故障次数及各极端天气时间以计算各极端天气故障密度,并根据各极端天气故障密度与所述非极端天气故障密度计算各极端天气与配电线路故障的相关度;
步骤S3,所述数据获取模块获取预计极端天气的天气参数,并根据各极端天气与配电线路故障的相关度及对应的所述天气参数计算配电线路故障预警值;
步骤S4,所述数据获取模块获取配电线路的实际负荷,所述中控模块根据所述实际负荷对所述配电线路故障预警值进行修正;
步骤S5,所述中控模块确定修正后的配电线路故障预警值的预警等级并将预警等级发送至预警模块,预警模块依据预警等级发布预警信号。
具体而言,所述极端天气包括大风天气、大雨天气、大雪天气和雷电天气;
所述大风天气为风力大于等于8级的天气,所述大雨天气为降雨量大于等于8mm/h的天气,所述大雪天气为降雪量大于等于5mm/d的天气,所述雷电天气为存在雷电活动的天气。
中控模块在统计各所述极端天气下配电线路故障次数时,若对应的历史天气数据同时存在两种及以上极端天气,则对任一极端天气下配电线路故障次数进行分别统计。
具体而言,在所述步骤S1中,所述中控模块根据统计的非极端天气下配电线路故障次数N0及非极端天气持续时间TO计算非极端天气故障密度M0,设定M0=N0/T0。
具体而言,在所述步骤S2中,所述中控模块分别统计大风天气下配电线路故障次数N1、大雨天气下配电线路故障次数N2、大雪天气下配电线路故障次数N3、雷电天气下配电线路故障次数N4,同时统计大风天气时间T1,大雨天气时间T2、大雪天气时间T3和雷电天气时间T4;所述中控模块根据以下公式计算各极端天气故障密度,设定:
大风天气故障密度M1=N1/T1;
大雨天气故障密度M2=N2/T2;
大雪天气故障密度M3=N3/T3;
雷电天气故障密度M4=N4/T4。
具体而言,在所述步骤S2中,所述中控模块根据各极端天气故障密度与非极端天气故障密度计算各极端天气与配电线路故障的相关度,设定:
大风天气与配电线路故障的相关度Q1=M1/MO;
大雨天气与配电线路故障的相关度Q2=M2/MO;
大雪天气与配电线路故障的相关度Q3=M3/MO;
雷电天气与配电线路故障的相关度Q4=M4/MO。
所述中控模块通过对极端天气与非极端下故障次数进行比对,得到的数据可以更加真实的反应各极端天气对配电线路的影响,进而提高了故障预测的精准度。
具体而言,在所述步骤S3中,所述数据获取模块获取预计极端天气的天气参数,所述天气参数包括大风天气预计持续时间Ta、预计平均风力等级F、大雨天气预计持续时间Tb、预计平均降雨量Y、大雪天气预计持续时间Tc、预计平均降雪量J、雷电天气预计持续时间Td及预计雷电危险度等级L;所述中控模块根据以下公式计算配电线路故障预警值A,设定:
A=Q1×Ta×F×f+Q2×Tb×Y×y+Q3×Tc×J×j+Q4×Td×L×l
其中,f为风力转换系数,y为降雨量转换系数,j为降雪量转换系数,l为雷电危险度等级转换系数。
本实施例中,转换系数用于将风力、降雨量、降雪量和雷电危险等级转换为同一量纲及标准下的参数,预计极端天气的天气参数为气象局预测的天气参数。
所述中控模块通过设置多个转换系数可在将各极端天气共同作用情况下,将各极端天气严酷程度进行整合,使得预警值能够更加准确地反映极端天气对配电线路的影响,从而使得预测信息更加精准可靠。
具体而言,在所述步骤S4中,所述数据获取模块获取配电线路的实际负荷R,所述中控模块中设有标准负荷R0、第一预设负荷R1和第二预设负荷R2,R0<R1<R2,中控模块将实际负荷R分别与R0、R1及R2进行比对并根据比对结果选取对应的修正系数对所述配电线路故障预警值进行修正;
若为第一比对结果,所述中控模块判定无需对配电线路故障预警值进行修正;
若为第二比对结果,所述中控模块判定选用第一预警值修正系数对配电线路故障预警值进行修正;
若为第三比对结果,所述中控模块判定选用第二预警值修正系数对配电线路故障预警值进行修正;
若为第四比对结果,所述中控模块判定选用第三预警值修正系数对配电线路故障预警值进行修正;
所述第一比对结果满足R≤R0,所述第二比对结果满足R0<R≤R1,所述第三比对结果满足R1<R≤R2,所述第四比对结果满足R>R2。
本发明考虑到了电路负荷对预警值的影响,通过对预警值的修正,进一步提高了故障预测的精准度。
具体而言,在所述步骤S4中,所述中控模块设有对修正后的配电线路故障预警值的计算方法,设定修正后的配电线路故障预警值A'=A×ex,其中,x=1,2,3,e1为第一预警值修正系数,e2为第二预警值修正系数,e3为第三预警值修正系数,1<e1<e2<e3<1.5。
本实施例优选设定e1=1.1,e2=1.2,e3=1.3。
具体而言,在所述步骤S5中,所述中控模块预设第一预警值A1和第二预警值A2,A1<A2,所述中控模块将计算的修正后的配电线路故障预警值A'分别与A1和A2进行比对以判定预警等级;
若配电线路故障预警值处于第一预警水平,所述中控模块判定预警等级为第一预警等级;
若配电线路故障预警值处于第二预警水平,所述中控模块判定预警等级为第二预警等级;
若配电线路故障预警值处于第三预警水平,所述中控模块判定预警等级为第三预警等级;
所述第一预警等级的预警级别小于第二预警等级的预警级别小于第三预警等级的预警级别;
所述第一预警水平满足A'<A1,所述第二预警水平满足A1≤A'≤A2,所述第三预警水平满足A'>A2。
具体而言,在所述步骤S5中,所述中控模块将预警等级发送至预警模块,所述预警模块按预警等级发布预警信号。
所述预警模块通过发布预警信号,能够精准预测即将到来的极端天气对各地区配电线路的影响,从而实现在极端天气到来前快速预测故障并精准预防,减少了人力物力的消耗,提高了配电线路的可靠性。
本领域技术人员应该理解的是,本实施例所述方法可分别应用于多个地区,所述地区可依据实际情况划分,具体可分为街道、村、镇、山区等,当极端天气来临时,中控模块对多地区计算多个预警等级,并根据预警等级对多地区进行预测维护及人力物力的调配。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。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)
1.一种配电网大数据故障预测方法,其特征在于,包括:
步骤S1,数据获取模块获取历史配电线路故障数据及对应的历史天气数据,中控模块统计非极端天气下配电线路故障次数及非极端天气时间以计算非极端天气故障密度,所述非极端天气为除极端天气之外的天气;
步骤S2,所述中控模块统计各所述极端天气下配电线路故障次数及各极端天气时间以计算各极端天气故障密度,并根据各极端天气故障密度与所述非极端天气故障密度计算各极端天气与配电线路故障的相关度;
步骤S3,所述数据获取模块获取预计极端天气的天气参数,并根据各极端天气与配电线路故障的相关度及对应的所述天气参数计算配电线路故障预警值;
步骤S4,所述数据获取模块获取配电线路的实际负荷,所述中控模块根据所述实际负荷对所述配电线路故障预警值进行修正;
步骤S5,所述中控模块确定修正后的配电线路故障预警值的预警等级并将预警等级发送至预警模块,预警模块依据预警等级发布预警信号;
其中,所述极端天气包括大风天气、大雨天气、大雪天气和雷电天气;
所述大风天气为风力大于等于8级的天气,所述大雨天气为降雨量大于等于8mm/h的天气,所述大雪天气为降雪量大于等于5mm/d的天气,所述雷电天气为存在雷电活动的天气;
在所述步骤S1中,所述中控模块根据统计的非极端天气下配电线路故障次数N0及非极端天气持续时间T0计算非极端天气故障密度M0,设定M0=N0/T0;
在所述步骤S2中,所述中控模块分别统计大风天气下配电线路故障次数N1、大雨天气下配电线路故障次数N2、大雪天气下配电线路故障次数N3、雷电天气下配电线路故障次数N4,同时统计大风天气时间T1、大雨天气时间T2、大雪天气时间T3和雷电天气时间T4,所述中控模块根据以下公式计算各极端天气故障密度,设定:
大风天气故障密度M1=N1/T1;
大雨天气故障密度M2=N2/T2;
大雪天气故障密度M3=N3/T3;
雷电天气故障密度M4=N4/T4;
在所述步骤S2中,所述中控模块根据各极端天气故障密度与非极端天气故障密度计算各极端天气与配电线路故障的相关度,设定:
大风天气与配电线路故障的相关度Q1=M1/M0;
大雨天气与配电线路故障的相关度Q2=M2/M0;
大雪天气与配电线路故障的相关度Q3=M3/M0;
雷电天气与配电线路故障的相关度Q4=M4/M0;
在所述步骤S3中,所述数据获取模块获取预计极端天气的天气参数,所述天气参数包括大风天气预计持续时间Ta、预计平均风力等级F、大雨天气预计持续时间Tb、预计平均降雨量Y、大雪天气预计持续时间Tc、预计平均降雪量J、雷电天气预计持续时间Td及预计雷电危险度等级L;所述中控模块根据以下公式计算配电线路故障预警值A,设定:
,
其中,f为风力转换系数,y为降雨量转换系数,j为降雪量转换系数,l为雷电危险度等级转换系数;
在所述步骤S4中,所述数据获取模块获取配电线路的实际负荷R,所述中控模块中设有标准负荷R0、第一预设负荷R1和第二预设负荷R2,R0<R1<R2,中控模块将实际负荷R分别与R0、R1及R2进行比对并根据比对结果选取对应的修正系数对所述配电线路故障预警值进行修正;
若为第一比对结果,所述中控模块判定无需对配电线路故障预警值进行修正;
若为第二比对结果,所述中控模块判定选用第一预警值修正系数对配电线路故障预警值进行修正;
若为第三比对结果,所述中控模块判定选用第二预警值修正系数对配电线路故障预警值进行修正;
若为第四比对结果,所述中控模块判定选用第三预警值修正系数对配电线路故障预警值进行修正;
所述第一比对结果满足R≤R0,所述第二比对结果满足R0<R≤R1,所述第三比对结果满足R1<R≤R2,所述第四比对结果满足R>R2。
2.根据权利要求1所述的配电网大数据故障预测方法,其特征在于,在所述步骤S4中,所述中控模块设有对修正后的配电线路故障预警值的计算方法,设定修正后的配电线路故障预警值A'=A×ex,其中,x=1,2,3,e1为第一预警值修正系数,e2为第二预警值修正系数,e3为第三预警值修正系数,1<e1<e2<e3<1.5。
3.根据权利要求2所述的配电网大数据故障预测方法,其特征在于,在所述步骤S5中,所述中控模块预设第一预警值A1和第二预警值A2,A1<A2,所述中控模块将修正后的配电线路故障预警值A'分别与A1和A2进行比对以判定预警等级;
若配电线路故障预警值处于第一预警水平,所述中控模块判定预警等级为第一预警等级;
若配电线路故障预警值处于第二预警水平,所述中控模块判定预警等级为第二预警等级;
若配电线路故障预警值处于第三预警水平,所述中控模块判定预警等级为第三预警等级;
所述第一预警等级的预警级别小于第二预警等级的预警级别小于第三预警等级的预警级别;
所述第一预警水平满足A'<A1,所述第二预警水平满足A1≤A'≤A2,所述第三预警水平满足A'>A2。
4.根据权利要求3所述的配电网大数据故障预测方法,其特征在于,在所述步骤S5中,所述中控模块将预警等级发送至预警模块,所述预警模块按预警等级发布预警信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310405674.9A CN116187583B (zh) | 2023-04-17 | 2023-04-17 | 配电网大数据故障预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310405674.9A CN116187583B (zh) | 2023-04-17 | 2023-04-17 | 配电网大数据故障预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116187583A CN116187583A (zh) | 2023-05-30 |
CN116187583B true CN116187583B (zh) | 2023-11-03 |
Family
ID=86449130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310405674.9A Active CN116187583B (zh) | 2023-04-17 | 2023-04-17 | 配电网大数据故障预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116187583B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117910639A (zh) * | 2024-01-19 | 2024-04-19 | 湖北省聚广鑫科技有限公司 | 一种配电网可靠性优化方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108375715A (zh) * | 2018-03-08 | 2018-08-07 | 中国电力科学研究院有限公司 | 一种配电网线路故障风险日预测方法及系统 |
CN109657835A (zh) * | 2018-10-31 | 2019-04-19 | 中国电力科学研究院有限公司 | 一种配电网区域故障次数预测方法及系统 |
CN111444240A (zh) * | 2020-03-26 | 2020-07-24 | 北京国网富达科技发展有限责任公司 | 输电线路故障预警方法及装置 |
CN111488896A (zh) * | 2019-01-28 | 2020-08-04 | 国网能源研究院有限公司 | 一种基于多源数据挖掘的配电线路时变故障概率计算方法 |
CN112348207A (zh) * | 2020-09-30 | 2021-02-09 | 云南电网有限责任公司西双版纳供电局 | 电网防灾预警方法及装置 |
CN112700121A (zh) * | 2020-12-29 | 2021-04-23 | 南京后生远达科技有限公司 | 一种基于随机森林的配网故障风险等级预测方法 |
CN113408656A (zh) * | 2021-07-14 | 2021-09-17 | 广东电网有限责任公司广州供电局 | 一种适用于由气象变化引起电力故障级别分类方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11474279B2 (en) * | 2021-01-27 | 2022-10-18 | Mitsubishi Electric Research Laboratories, Inc. | Weather-related overhead distribution line failures online forecasting |
-
2023
- 2023-04-17 CN CN202310405674.9A patent/CN116187583B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108375715A (zh) * | 2018-03-08 | 2018-08-07 | 中国电力科学研究院有限公司 | 一种配电网线路故障风险日预测方法及系统 |
CN109657835A (zh) * | 2018-10-31 | 2019-04-19 | 中国电力科学研究院有限公司 | 一种配电网区域故障次数预测方法及系统 |
CN111488896A (zh) * | 2019-01-28 | 2020-08-04 | 国网能源研究院有限公司 | 一种基于多源数据挖掘的配电线路时变故障概率计算方法 |
CN111444240A (zh) * | 2020-03-26 | 2020-07-24 | 北京国网富达科技发展有限责任公司 | 输电线路故障预警方法及装置 |
CN112348207A (zh) * | 2020-09-30 | 2021-02-09 | 云南电网有限责任公司西双版纳供电局 | 电网防灾预警方法及装置 |
CN112700121A (zh) * | 2020-12-29 | 2021-04-23 | 南京后生远达科技有限公司 | 一种基于随机森林的配网故障风险等级预测方法 |
CN113408656A (zh) * | 2021-07-14 | 2021-09-17 | 广东电网有限责任公司广州供电局 | 一种适用于由气象变化引起电力故障级别分类方法 |
Non-Patent Citations (1)
Title |
---|
数据仓库与数据挖掘技术在配电故障中的应用;李锐 等;计算机集成制造系统-CIMS(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116187583A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116187583B (zh) | 配电网大数据故障预测方法 | |
EP2412074B1 (en) | Systems and methods for predicting power electronics failure | |
CN105706325B (zh) | 电网频率响应 | |
US8135550B2 (en) | System for monitoring and assessing electrical circuits and method of operation | |
US10734808B2 (en) | Method for controlling a variable transformer and electrical system for coupling two AC networks | |
JP5746098B2 (ja) | 自然エネルギーを利用した発電システムの劣化診断装置 | |
EP3008829B1 (en) | Inferring feeder and phase powering a transmitter | |
CN106597313A (zh) | 电池剩余寿命的预测方法及系统 | |
CN111738617B (zh) | 一种强降雨天气下变电站风险评估方法与预警系统 | |
US11451053B2 (en) | Method and arrangement for estimating a grid state of a power distribution grid | |
US11086278B2 (en) | Adaptive system monitoring using incremental regression model development | |
CN115051473A (zh) | 基于融合终端电能质量检测的预警方法、系统、估计方法 | |
EP3020119B1 (en) | Method of determining a condition of an electrical power network and apparatus therefor | |
EP2310671B1 (en) | System for monitoring a restoration factor of a wind turbine population | |
CN105069238A (zh) | 一种特定重现期电网覆冰舞动区域分布图绘制方法 | |
US11454654B2 (en) | Method for evaluating the state and the quality of low-voltage networks | |
KR20180106112A (ko) | 태양광 모듈의 고장 검출 시스템 | |
TWI645663B (zh) | Abnormal judgment method and system for power generation performance of solar energy equipment | |
Yang et al. | Predicting practical benefits of dynamic asset ratings of 33KV distribution transformers | |
CN115358278A (zh) | 一种用电采集器的状态量分布式监测方法及系统 | |
CN108629078A (zh) | 基于监控信息的输电网雷击灾害可靠性评估方法 | |
KR20140028840A (ko) | 전력설비의 전기환경장해 평가 분석 장치 및 그 방법 | |
CN105069529A (zh) | 预安排停电时间预测方法及系统 | |
CN219535641U (zh) | 新能源场站宽频振荡就地监测控制装置 | |
CN113872334B (zh) | 电网实时数据可视化展示方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |