CN116383914B - 基于多维信息分析的电力系统故障判断装置及方法 - Google Patents
基于多维信息分析的电力系统故障判断装置及方法 Download PDFInfo
- Publication number
- CN116383914B CN116383914B CN202310380736.5A CN202310380736A CN116383914B CN 116383914 B CN116383914 B CN 116383914B CN 202310380736 A CN202310380736 A CN 202310380736A CN 116383914 B CN116383914 B CN 116383914B
- Authority
- CN
- China
- Prior art keywords
- power system
- value
- abnormal
- judging
- values
- 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 27
- 230000002159 abnormal effect Effects 0.000 claims abstract description 71
- 230000000007 visual effect Effects 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000009191 jumping Effects 0.000 claims abstract description 4
- 238000010586 diagram Methods 0.000 claims description 17
- 230000007547 defect Effects 0.000 abstract description 2
- 230000005856 abnormality Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
- H02J3/0012—Contingency detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Educational Administration (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Architecture (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于多维信息分析的电力系统故障判断装置及方法，解决了现有技术的不足，包括步骤1，获取电力系统多维信息，多维信息包括电力系统自身的运行参数以及外部的环境参数；步骤2，将电力系统自身的运行参数进行可视化处理，构建可视化图形；步骤3，获取可视化图形的特征点，根据可视化图形的特征点转化为特征数值，将特征数值与标准数值进行比较；步骤4，对特征数值与标准数值的比较结果进行分析，判断特征数值是否异常，若异常则跳转至步骤5，若不异常则表示电力系统运转正常；步骤5，获取外部的环境参数，判断环境参数对于电力系统的影响度。
Description
技术领域
本发明涉及电力系统安全技术领域，尤其是指基于多维信息分析的电力系统故障判断装置及方法。
背景技术
随着电力系统的不断发展，多种类型能源需要并网运行，同时电力系统的负载终端的电力需求也越来越大，因此电力系统需要确保稳定运行，减少故障，减少故障带来的损失。现有的电力系统故障判断，大多只对某个运行设备的运行参数进行监控，一旦超过了警戒值则表明该设备的运行可能存在故障。因此现有的电力系统故障故障判断方法较为单一，也不能通过整个电力系统整体运行来考虑是否发生故障，对于故障判断的准确率下降，不仅造成了电力系统运行的风险也造成了人力物力的损失。
发明内容
本发明的目的是克服现有技术中现有的电力系统故障故障判断方法较为单一，也不能通过整个电力系统整体运行来考虑是否发生故障，对于故障判断的准确率下降的缺点，提供一种基于多维信息分析的电力系统故障判断装置及方法。
本发明的目的是通过下述技术方案予以实现：
基于多维信息分析的电力系统故障判断方法，包括以下步骤：
步骤1，获取电力系统多维信息，多维信息包括电力系统自身的运行参数以及外部的环境参数；
步骤2，将电力系统自身的运行参数进行可视化处理，构建可视化图形；
步骤3，获取可视化图形的特征点，根据可视化图形的特征点转化为特征数值，将特征数值与标准数值进行比较；
步骤4，对特征数值与标准数值的比较结果进行分析，判断特征数值是否异常，若异常则跳转至步骤5，若不异常则表示电力系统运转正常；
步骤5，获取外部的环境参数，判断环境参数是否异常，若环境参数正常，则判断为电力系统自身发生故障，若环境参数异常，则判断环境参数对于电力系统的影响度，若影响度大于设定的阈值，则判断电力系统因为外部环境发生异常，若影响度小于设定的阈值，则判断电力系统因外部环境发生故障。
作为优选，所述的步骤2中，可视化图形包括热度图、散点图和趋势图。
作为优选，若可视化图形为热度图，则步骤3具体为：
获取每一个大于等于设定面积阈值的色块区域，每个色块区域内的色值差不超过设定的色差阈值，对于单个色块区域，获取其色值的平均值作为该色块区域的色值，将该色块区域的色值与标准色值做比较，标准色值为若干个不同的固定色值，判断该色块区域的色值与那个固定色值最为接近，然后再获取该固定色值的分值，该固定色值的分值即为该色块区域的分值，将所有色块区域的分值进行数学运算，通过数学运算的结果作为热度图的特征数值，将特征数值与标准数值进行比较。
作为优选，若可视化图形为散点图，则步骤3具体为：
以电力系统运行设备为横坐标，具体运行参数值为纵坐标将散点置入直角坐标系，然后获取电力系统运行正常工作的运行参数范围值，判断设点是否超过正常工作的运行参数范围值，若超过正常工作的运行参数范围值则为异常散点，记录异常散点的数量，异常散点的数量作为散点图的特征数值，将特征数值与标准数据进行比较。
作为优选，若可视化图形为散点图，则步骤3具体为：
以电力系统运行设备为横坐标，具体运行参数值为纵坐标将散点置入直角坐标系，然后获取电力系统运行正常工作的运行参数范围值，判断设点是否超过正常工作的运行参数范围值，若超过正常工作的运行参数范围值则为异常散点，对于每一个异常散点，记录每个异常散点的偏离差值，若偏离差值越大，则该异常散点所占的权重系数越大；所述的特征数值为所有异常散点与自身对应的权重系数的乘积的和，将特征数值与标准数据进行比较。
作为优选，若可视化图形为趋势图，则步骤3具体为：
以日期为横坐标，具体运行参数值为纵坐标构建直角坐标系，通过电力系统的不同日期的运行参数值构建拟合曲线，设定拟合曲线的正常斜率范围，若某个日期的运行参数对应的拟合曲线的斜率超过正常斜率范围，将超过正常斜率的差值作为该日期的偏差值，在设定的日期范围内，所有偏差值的和作为特征数值，将特征数值与标准数值进行比较。
作为优选，若可视化图形为点状图，点状图包括电力系统运行设备的位置图，每个电力系统运行设备为一个点，步骤3具体为：
获取电力系统运行设备的负荷状态，按照负荷状态占满负荷的比值将每一个点的大小成相匹配布置，负荷状态越接近满负荷则点越大，计算任意一个点与其他点在点状图上重叠的面积和，面积和作为点状图的特征数值，将特征数值与标准数据进行比较。
作为优选，若某个电力系统的运行参数包括在热度图、散点图、趋势图和点状图中至少两个图内，则判断电力系统运行正常的条件为在至少两个图内的特征数值均为正常数值，否则判断电力系统运行异常。
基于多维信息分析的电力系统故障判断装置，包括：
获取模块，用于获取电力系统的多维信息，并将多维信息传输至图形模块；
图形模块，用于对电力系统的多维信息进行可视化展示；
分析模块，用于对图形模块生成的可视化图形进行分析，判断电力系统是否存现异常。
本发明的有益效果是：本发明通过对于电力系统多维信息的获取，便于全面了解电力系统自身的运行参数，便于对电力系统是否故障提供了有效的数据支撑，通过对于电力系统自身的运行参数的可视化处理后再判断可视化图形是否存在异常，对于电力系统的故障判断更为准确，也能找出传统电力系统故障判断方法中容易忽略的因素，同时本方案考虑了外部的环境参数对于电力系统运行的影响，并进一步考虑了外部的环境参数对于电力系统运行的严重程度，确保了电力系统故障判断的准确度，使相关人员可以及时采取相应的措施解决故障。
附图说明
图1是本发明的一种流程图。
具体实施方式
下面结合附图和实施例对本发明进一步描述。
实施例1：
基于多维信息分析的电力系统故障判断装置，包括：
获取模块，用于获取电力系统的多维信息，并将多维信息传输至图形模块；
图形模块，用于对电力系统的多维信息进行可视化展示；
分析模块，用于对图形模块生成的可视化图形进行分析，判断电力系统是否存现异常。
基于多维信息分析的电力系统故障判断方法，包括以下步骤：
步骤1，获取电力系统多维信息，多维信息包括电力系统自身的运行参数以及外部的环境参数；
步骤2，将电力系统自身的运行参数进行可视化处理，构建可视化图形；
步骤3，获取可视化图形的特征点，根据可视化图形的特征点转化为特征数值，将特征数值与标准数值进行比较；
步骤4，对特征数值与标准数值的比较结果进行分析，判断特征数值是否异常，若异常则跳转至步骤5，若不异常则表示电力系统运转正常；
步骤5，获取外部的环境参数，判断环境参数是否异常，若环境参数正常，则判断为电力系统自身发生故障，若环境参数异常，则判断环境参数对于电力系统的影响度，若影响度大于设定的阈值，则判断电力系统因为外部环境发生异常，若影响度小于设定的阈值，则判断电力系统因外部环境发生故障。
现有的电力系统是否故障只是对于电力系统中的电力设备运行参数进行获取判断是否发生故障，而本发明中，是将电力系统的运行参数收集并首先构建可视化图形，再寻找可视化图形的特征，获取可视化图形的特征数值，通过可视化图形的特征数值来判断电力系统的运行是否发生异常。相比起现有的通过运行参数判断是否发生故障，本方案可以从整体进行考虑，从整体判断是否发生故障，例如，假如一个电力设备参数异常，但是从整体进行考虑，该电力设备参数短暂异常是被允许的，则电力系统整体运行正常，又或者有多个电力设备参数正常，但是从整体考虑，这些电力设备参数都在满负荷运行状态就是电力系统存在异常。
本方案中，电力系统自身的运行参数包括电压，电流，功率因数，有功功率，无功功率、视在功率负荷、用户负载数量等参数，外部的环境参数主要包括天气情况，具体为实时天气情况和历史天气情况，实时天气情况包括气温、气压、风力等，历史天气情况包括平均气压、年平均气温、极端最高气温、极端最低气温、平均相对湿度、年平均降水量、年平均蒸发量、平均风速、最多风向、沙尘暴日、最大冻土深度、最大积雪深度、年日照时数等。本方案中，通过对于电力系统多维信息的获取，便于全面了解电力系统自身的运行参数，便于对电力系统是否故障提供了有效的数据支撑。
在本方案中，对于环境参数异常可以是气温温度过高或过低、低压过高或过低、风力过大等，对于不同的天气情况，对于电力系统的运行有不同的影响度，例如风力对于电力系统电力塔的影响度较大，气温对于变压器的影响度较大，由于外部环境对于电力系统的运行参数会有变化，因此本方案可以灵活判断是因为外部环境发生异常还是电力系统本身因为外部环境发生异常，可以准确判断异常原因便于相关人员准确的进行相应的处理。
所述的步骤2中，可视化图形包括热度图、散点图和趋势图。
若可视化图形为热度图，则步骤3具体为：
获取每一个大于等于设定面积阈值的色块区域，每个色块区域内的色值差不超过设定的色差阈值，对于单个色块区域，获取其色值的平均值作为该色块区域的色值，将该色块区域的色值与标准色值做比较，标准色值为若干个不同的固定色值，判断该色块区域的色值与那个固定色值最为接近，然后再获取该固定色值的分值，该固定色值的分值即为该色块区域的分值，将所有色块区域的分值进行数学运算，通过数学运算的结果作为热度图的特征数值，将特征数值与标准数值进行比较。
本方案中，数学运算可以是对于所有色块区域的分值进行相加，或者设定一个分值阈值，对于所有大于分值阈值的分值进行相加。
在本实施例中，不同的标准色值可分为红色、黄色和绿色，红色在RGB模式中的色值为255，0，0，黄色在RGB模式中的色值为255，255，0，绿色在RGB模式中的色值为0，255，0。确定色块区域的方法为，首先将所有热度图按照网格线分为若干个大小相等的小块，在一个小块中，选取占比最大的色值范围，若该色值范围与小块的边缘接触，则寻找该小块边缘相邻的小块中与该色值范围一致的区域，整体构成一个色块区域。
在确定色块区域的色值后，确定该色块区域的分值，一般根据习惯，在热度图中，红色为电力系统使用负荷较高、功率较大或负载终端较多的区域，因此红色部分出现故障的概率较大，因此红色的分值最高、黄色次之，绿色最低，每个颜色的分值根据实际情况进行灵活调整。
通过对于热度图的分析判断，可以从整体判断电力系统使用的高峰区域，可以更好的判断电力系统是否发生故障。
若可视化图形为散点图，则步骤3具体为：
以电力系统运行设备为横坐标，具体运行参数值为纵坐标将散点置入直角坐标系，然后获取电力系统运行正常工作的运行参数范围值，判断设点是否超过正常工作的运行参数范围值，若超过正常工作的运行参数范围值则为异常散点，记录异常散点的数量，异常散点的数量作为散点图的特征数值，将特征数值与标准数据进行比较。
散点图的作用为对于相似的电力系统运行设备可以在一个散点图中进行判断，通过对于这些运行设备整体进行可视化分析判断，找出电力系统运行设备的运行风险点，进而判断电力系统整体是否会发生故障，相比现有技术只对电力系统运行设备自身参数进行简单判断是否发生故障，本方案进行了全局的考虑，在部分运行设备可能超过正常工作范围的运行参数采取了一定的容忍度，确保了故障判断的方法更为科学准确有效。
若可视化图形为趋势图，则步骤3具体为：
以日期为横坐标，具体运行参数值为纵坐标构建直角坐标系，通过电力系统的不同日期的运行参数值构建拟合曲线，设定拟合曲线的正常斜率范围，若某个日期的运行参数对应的拟合曲线的斜率超过正常斜率范围，将超过正常斜率的差值作为该日期的偏差值，在设定的日期范围内，所有偏差值的和作为特征数值，将特征数值与标准数值进行比较。
通过趋势图可以判断电力系统运行的趋势，本方案中，通过所有偏差值的和作为特征数值，来判断电力系统运行的稳定程度，偏差值的和越大说明电力系统运行越不稳定，越会有已经产生故障或将要产生故障的可能性。
若可视化图形为点状图，点状图包括电力系统运行设备的位置图，每个电力系统运行设备为一个点，步骤3具体为：
获取电力系统运行设备的负荷状态，按照负荷状态占满负荷的比值将每一个点的大小成相匹配布置，负荷状态越接近满负荷则点越大，计算任意一个点与其他点在点状图上重叠的面积和，面积和作为点状图的特征数值，将特征数值与标准数据进行比较。
实施例2：基于多维信息分析的电力系统故障判断装置及方法，其原理和实施方法和实施例1基本相同，不同之处在于若可视化图形为散点图，则步骤3具体为：
以电力系统运行设备为横坐标，具体运行参数值为纵坐标将散点置入直角坐标系，然后获取电力系统运行正常工作的运行参数范围值，判断设点是否超过正常工作的运行参数范围值，若超过正常工作的运行参数范围值则为异常散点，对于每一个异常散点，记录每个异常散点的偏离差值，若偏离差值越大，则该异常散点所占的权重系数越大；所述的特征数值为所有异常散点与自身对应的权重系数的乘积的和，将特征数值与标准数据进行比较。
本方案中，考虑了不同程度的异常散点，对于偏离差值越大的异常散点，则表示该异常散点出现问题，进而电力系统发生故障的可能性越大。因此本方案相比于实施例1的方案判断的准确率更高，但是计算量随着也提高，计算的效率下降。
权重系数是可以进行动态调整的，根据专家的经验或者已有的故障来进行权重系数的调整，也可以通过神经网络的学习模型对权重系数进行优化。
实施例3：基于多维信息分析的电力系统故障判断装置及方法，其原理和实施方法和实施例1基本相同，不同之处在于若某个电力系统的运行参数包括在热度图、散点图、趋势图和点状图中至少两个图内，则判断电力系统运行正常的条件为在至少两个图内的特征数值均为正常数值，否则判断电力系统运行异常。
本发明还提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
除上述实施例外，本发明还可以有其他实施方式；凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。
Claims (4)
1.基于多维信息分析的电力系统故障判断方法，其特征是，包括以下步骤：
步骤1，获取电力系统多维信息，多维信息包括电力系统自身的运行参数以及外部的环境参数；
步骤2，将电力系统自身的运行参数进行可视化处理，构建可视化图形；
步骤3，获取可视化图形的特征点，根据可视化图形的特征点转化为特征数值，将特征数值与标准数值进行比较；
步骤4，对特征数值与标准数值的比较结果进行分析，判断特征数值是否异常，若异常则跳转至步骤5，若不异常则表示电力系统运转正常；
步骤5，获取外部的环境参数，判断环境参数是否异常，若环境参数正常，则判断为电力系统自身发生故障，若环境参数异常，则判断环境参数对于电力系统的影响度，若影响度大于设定的阈值，则判断电力系统因为外部环境发生异常，若影响度小于设定的阈值，则判断电力系统因外部环境发生故障；
所述的步骤2中，可视化图形包括热度图、散点图、趋势图和点状图；
若可视化图形为热度图，则步骤3具体为：
获取每一个大于等于设定面积阈值的色块区域，每个色块区域内的色值差不超过设定的色差阈值，对于单个色块区域，获取其色值的平均值作为该色块区域的色值，将该色块区域的色值与标准色值做比较，标准色值为若干个不同的固定色值，判断该色块区域的色值与那个固定色值最为接近，然后再获取该固定色值的分值，该固定色值的分值即为该色块区域的分值，将所有色块区域的分值进行数学运算，通过数学运算的结果作为热度图的特征数值，将特征数值与标准数值进行比较；
若可视化图形为散点图，则步骤3具体为：
以电力系统运行设备为横坐标，具体运行参数值为纵坐标将散点置入直角坐标系，然后获取电力系统运行正常工作的运行参数范围值，判断设点是否超过正常工作的运行参数范围值，若超过正常工作的运行参数范围值则为异常散点，记录异常散点的数量，异常散点的数量作为散点图的特征数值，将特征数值与标准数据进行比较；
若可视化图形为趋势图，则步骤3具体为：
以日期为横坐标，具体运行参数值为纵坐标构建直角坐标系，通过电力系统的不同日期的运行参数值构建拟合曲线，设定拟合曲线的正常斜率范围，若某个日期的运行参数对应的拟合曲线的斜率超过正常斜率范围，将超过正常斜率的差值作为该日期的偏差值，在设定的日期范围内，所有偏差值的和作为特征数值，将特征数值与标准数值进行比较；
若可视化图形为点状图，点状图包括电力系统运行设备的位置图，每个电力系统运行设备为一个点，步骤3具体为：
获取电力系统运行设备的负荷状态，按照负荷状态占满负荷的比值将每一个点的大小成相匹配布置，负荷状态越接近满负荷则点越大，计算任意一个点与其他点在点状图上重叠的面积和，面积和作为点状图的特征数值，将特征数值与标准数据进行比较。
2.根据权利要求1所述的一种基于多维信息分析的电力系统故障判断方法，其特征是，若可视化图形为散点图，则步骤3具体为：
以电力系统运行设备为横坐标，具体运行参数值为纵坐标将散点置入直角坐标系，然后获取电力系统运行正常工作的运行参数范围值，判断设点是否超过正常工作的运行参数范围值，若超过正常工作的运行参数范围值则为异常散点，对于每一个异常散点，记录每个异常散点的偏离差值，若偏离差值越大，则该异常散点所占的权重系数越大；所述的特征数值为所有异常散点与自身对应的权重系数的乘积的和，将特征数值与标准数据进行比较。
3.根据权利要求1所述的一种基于多维信息分析的电力系统故障判断方法，其特征是，若某个电力系统的运行参数包括在热度图、散点图、趋势图和点状图中至少两个图内，则判断电力系统运行正常的条件为在至少两个图内的特征数值均为正常数值，否则判断电力系统运行异常。
4.基于多维信息分析的电力系统故障判断装置，其特征是，包括：
获取模块，用于获取电力系统的多维信息，并将多维信息传输至图形模块；
图形模块，用于对电力系统的多维信息进行可视化展示；
分析模块，用于对图形模块生成的可视化图形进行分析，判断电力系统是否存现异常；
可视化图形包括热度图、散点图、趋势图和点状图；
若可视化图形为热度图，则：
获取每一个大于等于设定面积阈值的色块区域，每个色块区域内的色值差不超过设定的色差阈值，对于单个色块区域，获取其色值的平均值作为该色块区域的色值，将该色块区域的色值与标准色值做比较，标准色值为若干个不同的固定色值，判断该色块区域的色值与那个固定色值最为接近，然后再获取该固定色值的分值，该固定色值的分值即为该色块区域的分值，将所有色块区域的分值进行数学运算，通过数学运算的结果作为热度图的特征数值，将特征数值与标准数值进行比较，对特征数值与标准数值的比较结果进行分析，判断特征数值是否异常，若不异常则表示电力系统运转正常，若异常则获取外部的环境参数，判断环境参数是否异常，若环境参数正常，则判断为电力系统自身发生故障，若环境参数异常，则判断环境参数对于电力系统的影响度，若影响度大于设定的阈值，则判断电力系统因为外部环境发生异常，若影响度小于设定的阈值，则判断电力系统因外部环境发生故障；
若可视化图形为散点图，则：
以电力系统运行设备为横坐标，具体运行参数值为纵坐标将散点置入直角坐标系，然后获取电力系统运行正常工作的运行参数范围值，判断设点是否超过正常工作的运行参数范围值，若超过正常工作的运行参数范围值则为异常散点，记录异常散点的数量，异常散点的数量作为散点图的特征数值，将特征数值与标准数据进行比较，对特征数值与标准数值的比较结果进行分析，判断特征数值是否异常，若不异常则表示电力系统运转正常，若异常则获取外部的环境参数，判断环境参数是否异常，若环境参数正常，则判断为电力系统自身发生故障，若环境参数异常，则判断环境参数对于电力系统的影响度，若影响度大于设定的阈值，则判断电力系统因为外部环境发生异常，若影响度小于设定的阈值，则判断电力系统因外部环境发生故障；
若可视化图形为趋势图，则：
以日期为横坐标，具体运行参数值为纵坐标构建直角坐标系，通过电力系统的不同日期的运行参数值构建拟合曲线，设定拟合曲线的正常斜率范围，若某个日期的运行参数对应的拟合曲线的斜率超过正常斜率范围，将超过正常斜率的差值作为该日期的偏差值，在设定的日期范围内，所有偏差值的和作为特征数值，将特征数值与标准数值进行比较，对特征数值与标准数值的比较结果进行分析，判断特征数值是否异常，若不异常则表示电力系统运转正常，若异常则获取外部的环境参数，判断环境参数是否异常，若环境参数正常，则判断为电力系统自身发生故障，若环境参数异常，则判断环境参数对于电力系统的影响度，若影响度大于设定的阈值，则判断电力系统因为外部环境发生异常，若影响度小于设定的阈值，则判断电力系统因外部环境发生故障；
若可视化图形为点状图，点状图包括电力系统运行设备的位置图，每个电力系统运行设备为一个点，则：
获取电力系统运行设备的负荷状态，按照负荷状态占满负荷的比值将每一个点的大小成相匹配布置，负荷状态越接近满负荷则点越大，计算任意一个点与其他点在点状图上重叠的面积和，面积和作为点状图的特征数值，将特征数值与标准数据进行比较，对特征数值与标准数值的比较结果进行分析，判断特征数值是否异常，若不异常则表示电力系统运转正常，若异常则获取外部的环境参数，判断环境参数是否异常，若环境参数正常，则判断为电力系统自身发生故障，若环境参数异常，则判断环境参数对于电力系统的影响度，若影响度大于设定的阈值，则判断电力系统因为外部环境发生异常，若影响度小于设定的阈值，则判断电力系统因外部环境发生故障。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310380736.5A CN116383914B (zh) | 2023-04-11 | 2023-04-11 | 基于多维信息分析的电力系统故障判断装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310380736.5A CN116383914B (zh) | 2023-04-11 | 2023-04-11 | 基于多维信息分析的电力系统故障判断装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116383914A CN116383914A (zh) | 2023-07-04 |
| CN116383914B true CN116383914B (zh) | 2023-10-03 |
Family
ID=86976592
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310380736.5A Active CN116383914B (zh) | 2023-04-11 | 2023-04-11 | 基于多维信息分析的电力系统故障判断装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116383914B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116937575A (zh) * | 2023-09-14 | 2023-10-24 | 济南高品伟业信息科技有限公司 | 一种网格系统用的能源监控管理系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184455A (zh) * | 2015-08-20 | 2015-12-23 | 国家电网公司 | 一种面向城市电力数据分析的高维可视化分析方法 |
| WO2018028005A1 (zh) * | 2016-08-11 | 2018-02-15 | 苏州瑞得恩自动化设备科技有限公司 | 一种大型光伏电站中电池面板的故障检测算法 |
| WO2019233047A1 (zh) * | 2018-06-07 | 2019-12-12 | 国电南瑞科技股份有限公司 | 基于电网调度的运维方法 |
| WO2020172913A1 (zh) * | 2019-02-28 | 2020-09-03 | 东北大学 | 一种基于组态的生产指标可视化监控系统及方法 |
| WO2022063086A1 (zh) * | 2020-09-27 | 2022-03-31 | 深圳市帝迈生物技术有限公司 | 散点图像的显示方法及样本分析设备、相关装置 |
| CN114580819A (zh) * | 2021-09-27 | 2022-06-03 | 广西电网有限责任公司钦州供电局 | 一种基于大数据的线损异常分析运营监控系统及方法 |
| CN114970888A (zh) * | 2021-10-08 | 2022-08-30 | 淮阴师范学院 | 基于电力电气控制的元件故障分析系统 |
| CN115483759A (zh) * | 2022-09-08 | 2022-12-16 | 陈松英 | 一种高压电力运输电网运维控制管理系统 |
| CN115907168A (zh) * | 2022-11-28 | 2023-04-04 | 浙江浙能能源服务有限公司 | 一种用于电力负荷预测的异常数据处理系统 |
-
2023
- 2023-04-11 CN CN202310380736.5A patent/CN116383914B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184455A (zh) * | 2015-08-20 | 2015-12-23 | 国家电网公司 | 一种面向城市电力数据分析的高维可视化分析方法 |
| WO2018028005A1 (zh) * | 2016-08-11 | 2018-02-15 | 苏州瑞得恩自动化设备科技有限公司 | 一种大型光伏电站中电池面板的故障检测算法 |
| WO2019233047A1 (zh) * | 2018-06-07 | 2019-12-12 | 国电南瑞科技股份有限公司 | 基于电网调度的运维方法 |
| WO2020172913A1 (zh) * | 2019-02-28 | 2020-09-03 | 东北大学 | 一种基于组态的生产指标可视化监控系统及方法 |
| WO2022063086A1 (zh) * | 2020-09-27 | 2022-03-31 | 深圳市帝迈生物技术有限公司 | 散点图像的显示方法及样本分析设备、相关装置 |
| CN114580819A (zh) * | 2021-09-27 | 2022-06-03 | 广西电网有限责任公司钦州供电局 | 一种基于大数据的线损异常分析运营监控系统及方法 |
| CN114970888A (zh) * | 2021-10-08 | 2022-08-30 | 淮阴师范学院 | 基于电力电气控制的元件故障分析系统 |
| CN115483759A (zh) * | 2022-09-08 | 2022-12-16 | 陈松英 | 一种高压电力运输电网运维控制管理系统 |
| CN115907168A (zh) * | 2022-11-28 | 2023-04-04 | 浙江浙能能源服务有限公司 | 一种用于电力负荷预测的异常数据处理系统 |
Non-Patent Citations (2)
| Title |
|---|
| 姜丹 ; 梁春燕 ; 吴军英 ; 常永娟 ; .基于大数据分析的电力运行数据异常检测示警方法.中国测试.2020,(第07期),全文. * |
| 曲朝阳 ; 熊泽宇 ; 颜佳 ; 辛鹏 ; 曲楠 ; .基于Spark的电力设备在线监测数据可视化方法.电工电能新技术.2016,(第11期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116383914A (zh) | 2023-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111082749B (zh) | 光伏组串运行状态的识别方法、装置及存储介质 | |
| CN116383914B (zh) | 基于多维信息分析的电力系统故障判断装置及方法 | |
| CN113688987B (zh) | 光伏监测模型的训练方法、光伏设备的监测方法及设备 | |
| CN109993665B (zh) | 电力系统在线安全稳定评估方法、装置及系统 | |
| CN112418687B (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
| CN114201483A (zh) | 一种基于统计建模的光伏阵列故障诊断方法 | |
| CN115776276A (zh) | 光伏阵列状态评价方法、系统、设备及计算机可读存储介质 | |
| CN116050599A (zh) | 一种线路覆冰故障预测方法、系统、存储介质及设备 | |
| CN116956047A (zh) | 一种基于风力发电数据的风电机组性能评估系统 | |
| CN117458722B (zh) | 基于电力能源管理系统的数据监控方法及系统 | |
| CN117895503A (zh) | 一种基于边缘计算的分布式能源并网运行故障分析系统 | |
| CN115224684A (zh) | 基于免疫危险理论的智能配电网风险状态辨识方法及系统 | |
| CN112855458B (zh) | 一种风力发电机组的风速仪故障诊断方法、系统及介质 | |
| CN112836424A (zh) | 一种风机叶片早期结冰故障预测方法 | |
| CN117093943A (zh) | 一种用电量监测预警方法及装置 | |
| CN114675212B (zh) | 一种配电变压器中性点连接异常研判方法 | |
| WO2022009613A1 (ja) | 判定装置、判定方法および判定プログラム | |
| CN113191535A (zh) | 一种大风灾害预警中设计风速修正方法 | |
| CN112686403A (zh) | 一种智能风机档案运维方法及系统 | |
| CN111401689A (zh) | 光伏场站降雪日期的确定方法、装置、设备及存储介质 | |
| CN118589658B (zh) | 一种移动式储能电源控制系统 | |
| CN118673192B (zh) | 一种光伏储能能耗可视化监测方法及系统 | |
| CN117060849B (zh) | 一种光伏用的箱变设备检测方法及其相关设备 | |
| Lu et al. | A Quantitative Assessment of the Impact of Renewable Energy on Power System Frequency Stability | |
| CN118889698A (zh) | 一种光伏储能能耗监控方法及系统 |
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 |