CN116404759B - 基于深度学习的电路负荷预测监测系统及方法 - Google Patents
基于深度学习的电路负荷预测监测系统及方法 Download PDFInfo
- Publication number
- CN116404759B CN116404759B CN202310670978.8A CN202310670978A CN116404759B CN 116404759 B CN116404759 B CN 116404759B CN 202310670978 A CN202310670978 A CN 202310670978A CN 116404759 B CN116404759 B CN 116404759B
- Authority
- CN
- China
- Prior art keywords
- power supply
- transmission line
- module
- virtual model
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 86
- 238000013135 deep learning Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title abstract description 15
- 230000005540 biological transmission Effects 0.000 claims abstract description 242
- 238000009877 rendering Methods 0.000 claims abstract description 44
- 238000010276 construction Methods 0.000 claims abstract description 24
- 230000003993 interaction Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0084—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring voltage only
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Emergency Management (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及电力监测技术领域,具体涉及基于深度学习的电路负荷预测监测系统及方法,包括:控制终端,是系统的主控端,用于发出执行命令;采集模块,用于采集电力供输线路部署数据;构建模块,用于接收采集模块采集到的电力供输线路部署数据,应用电力供输线路部署数据构建电力供输线路虚拟模型;本发明中系统在运行过程中能够以电力供输线路的位置坐标进行电力供输线路虚拟模型的构建,并进一步将实时采集到的电力供输线路电力反馈至电力供输线路虚拟模型中进行显示,显示时,通过同色系颜色渲染的方式来表示电压的大小程度,进一步的以渲染颜色深度的判定,实现了电力供输线路的监测预警功能。
Description
技术领域
本发明涉及电力监测技术领域,具体涉及基于深度学习的电路负荷预测监测系统及方法。
背景技术
电能的传输和变电、配电、用电一起,构成电力系统的整体功能。通过输电,把相距甚远的发电厂和负荷中心联系起来,使电能的开发和利用超越地域的限制。
然而,电力供输线路作为电力供输的载体,其在进行电力传输过程中,可能会因用电用户的集中用电出现电力供输线路负荷骤增的情况,此类情况极易造成电力供输故障,为了保证电力供输故障能够被更快的解决,目前相关工作人员采用定期巡检的方式来对电力供输线路进行维护,但此种方式面对复杂、庞大的电力供输线路群而言,比较耗费大量的人力资源,因而不利于推广使用。
发明内容
针对现有技术所存在的上述缺点,本发明提供了基于深度学习的电路负荷预测监测系统及方法,解决了上述背景技术中提出的问题。
为实现以上目的,本发明通过以下技术方案予以实现:
第一方面,基于深度学习的电路负荷预测监测系统,包括:
控制终端,是系统的主控端,用于发出执行命令;
采集模块,用于采集电力供输线路部署数据;
构建模块,用于接收采集模块采集到的电力供输线路部署数据,应用电力供输线路部署数据构建电力供输线路虚拟模型;
监测模块,用于监测电力供输线路上实时电压;
渲染模块,用于接收监测模块中监测到的电力供输线路上实时电压,根据电力供输线路实时电压大小对电力供输线路虚拟模型中对应电力供输线路进行由深到浅的同一色系的渲染;
预警模块,用于获取电力供输线路虚拟模型中各电力供输线路渲染结果,设定预警阈值,根据电力供输线路虚拟模型中渲染的各电力供输线路的颜色深度与预警阈值进行比对的比对结果,向控制终端发送处于预警阈值的电力供输线路虚拟模型中的电力供输线。
更进一步地,所述采集模块下级设置有子模块,包括:
输入单元,用于输入各电力供输线路的起始及终止位置坐标;
标记单元,用于接收输入单元中输入的各电力供输线路的起始及终止位置坐标,在各电力供输线路的起始及终止位置坐标遍历查找起始及终止位置坐标相同的电力供输线路,对查找到的电力供输线路进行区别标记;
其中,所述输入单元中各电力供输线路的起始及终止位置坐标的输入操作通过系统端用户手动完成,标记单元对电力供输线路所执行的区别标记,以数字字符及英文字母字符进行标记,所述输入单元中输入的电力供输线路的起始及终止位置坐标即采集模块所采集电力供输线路部署数据。
更进一步地,所述构建模块在运行构建电力供输线路虚拟模型时,同步监测标记单元运行状态,在标记单元运行结束后,执行电力供输线路虚拟模型的构建任务;
其中,所述构建模块构建电力供输线路虚拟模型时,根据电力供输线路的起始及终止位置坐标进行构建,并同步读取标记单元运行数据,获取电力供输线路中存在区别标记的电力供输线路,根据区别标记的数量执行对应电力供输线路虚拟模型的重复构建。
更进一步地,所述监测模块在监测电力供输线路上实时电压时,通过系统端用户手动设定有监测周期,监测模块根据监测周期监测电力供输线路上实时电压,电力供输线路上实时电压通过电力监测仪进行采集,电力监测仪采集的电压数据通过无线网络与监测模块相连接,电力监测仪根据监测周期实时执行采集的电压数据向监测模块反馈的操作。
更进一步地,所述监测模块内部设置有子模块,包括:
交互单元,用于接收监测模块监测到的电力供输线路上实时电压,将电力供输线路实时电压进一步向构建模块构建的电力供输线路虚拟模型中发送;
其中,各所述电力供输线路与电力供输线路虚拟模型中各电力供输线路一一对应,电力监测仪与电力供输线路一一对应,电力供输线路实时电压在发送至电力供输线路虚拟模型后,进一步以电力供输线路实时电压的来源电力监测仪归属,完成电力供输线路实时电压对应电力供输线路的分发操作。
更进一步地,所述电力供输线路实时电压在采集时,同步通过下式求取电力供输线路中的电力损耗,请求的电力损耗同步跟随电力供输线路实时电压一同向电力供输线路虚拟模型中发送,公式为:
;
式中:为电力供输线路输入功率;/>为电力供输线路长度;/>为电力供输线路损耗因子;/>为电力供输线路输入端增益;/>为电力供输线路输出端增益;/>为电力供输线路输出端与底面的高差;/>为电力供输线路电波波长;/>、/>为电力供输线路相邻电力供输线路的长度。
更进一步地,所述渲染模块对电力供输线路虚拟模型中各电力供输线路进行渲染后,通过下式求取电力供输线路虚拟模型中各电力供输线路的颜色深度,公式为:
;
式中:为渲染区域亮度;/>为渲染区域饱和度;/>为渲染区域饱和度参照;/>为渲染区域色相。
更进一步地,所述渲染模块与预警模块下级设置有子模块,包括:
更迭单元,用于设定更迭周期,应用更迭周期控制渲染模块重置运行,对电力供输线路虚拟模型中各电力供输线路进行重新渲染;
其中,更迭单元中设定的更迭周期与监测模块中设定的监测周期相等。
更进一步地,所述控制终端通过介质电性连接有采集模块,所述采集模块下级通过介质电性连接有输入单元及标记单元,所述采集模块通过介质电性连接有构建模块及监测模块,所述监测模块内部通过介质电性连接有交互单元,所述交互单元通过介质电性连接有构建模块,所述构建模块通过介质电性与标记单元相连接,所述监测模块通过介质电性连接有渲染模块及预警模块,所述渲染模块及预警模块下级通过介质电性连接有更迭单元。
第二方面,基于深度学习的电路负荷预测监测方法,包括以下步骤:
步骤1:获取电力供输线路始末端位置坐标;
步骤2:根据电力供输线路始末端位置坐标构建电力供输线路虚拟模型;
步骤3:监测电力供输线路实时电压,并反馈至电力供输线路虚拟模型中;
步骤4:根据电力供输线路虚拟模型中各电力供输线路的实时电压进行渲染;
步骤5:设定预警阈值,根据电力供输线路虚拟模型中各电力供输线路渲染的颜色深度与预警阈值比对,获取处于预警阈值的电力供输线路;
步骤6:结果的输出。
采用本发明提供的技术方案,与已知的公有技术相比,具有如下有益效果:
1、本发明提供一种基于深度学习的电路负荷预测监测系统,该系统在运行过程中能够以电力供输线路的位置坐标进行电力供输线路虚拟模型的构建,并进一步将实时采集到的电力供输线路电力反馈至电力供输线路虚拟模型中进行显示,显示时,通过同色系颜色渲染的方式来表示电压的大小程度,进一步的以渲染颜色深度的判定,实现了电力供输线路的监测预警功能。
2、本发明中系统在运行的过程中,通过对电力供输线路中存在的电力损耗计算,能够进一步的为系统端用户提供参考数据,且由此种方式对电力供输线路所实施的监测,在监测到问题线路时,能够直接对电力供输线路进行溯源,以便于提供系统端用户电力供输线路维护目标,并且该系统适用于复杂的庞大的电力供输线路群。
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为基于深度学习的电路负荷预测监测系统的结构示意图;
图2为基于深度学习的电路负荷预测监测方法的流程示意图;
图中的标号分别代表:1、控制终端;2、采集模块;21、输入单元;22、标记单元;3、构建模块;4、监测模块;41、交互单元;5、渲染模块;6、预警模块;61、更迭单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
下面结合实施例对本发明作进一步的描述。
实施例一:本实施例的基于深度学习的电路负荷预测监测系统,如图1所示,包括:
控制终端1,是系统的主控端,用于发出执行命令;
采集模块2,用于采集电力供输线路部署数据;
构建模块3,用于接收采集模块2采集到的电力供输线路部署数据,应用电力供输线路部署数据构建电力供输线路虚拟模型;
监测模块4,用于监测电力供输线路上实时电压;
渲染模块5,用于接收监测模块4中监测到的电力供输线路上实时电压,根据电力供输线路实时电压大小对电力供输线路虚拟模型中对应电力供输线路进行由深到浅的同一色系的渲染;
预警模块6,用于获取电力供输线路虚拟模型中各电力供输线路渲染结果,设定预警阈值,根据电力供输线路虚拟模型中渲染的各电力供输线路的颜色深度与预警阈值进行比对的比对结果,向控制终端1发送处于预警阈值的电力供输线路虚拟模型中的电力供输线;
采集模块2下级设置有子模块,包括:
输入单元21,用于输入各电力供输线路的起始及终止位置坐标;
标记单元22,用于接收输入单元21中输入的各电力供输线路的起始及终止位置坐标,在各电力供输线路的起始及终止位置坐标遍历查找起始及终止位置坐标相同的电力供输线路,对查找到的电力供输线路进行区别标记;
其中,输入单元21中各电力供输线路的起始及终止位置坐标的输入操作通过系统端用户手动完成,标记单元22对电力供输线路所执行的区别标记,以数字字符及英文字母字符进行标记,输入单元21中输入的电力供输线路的起始及终止位置坐标即采集模块2所采集电力供输线路部署数据;
渲染模块5对电力供输线路虚拟模型中各电力供输线路进行渲染后,通过下式求取电力供输线路虚拟模型中各电力供输线路的颜色深度,公式为:
;
式中:为渲染区域亮度;/>为渲染区域饱和度;/>为渲染区域饱和度参照;/>为渲染区域色相;
控制终端1通过介质电性连接有采集模块2,采集模块2下级通过介质电性连接有输入单元21及标记单元22,所述采集模块2通过介质电性连接有构建模块3及监测模块4,监测模块4内部通过介质电性连接有交互单元41,交互单元41通过介质电性连接有构建模块3,构建模块3通过介质电性与标记单元22相连接,监测模块4通过介质电性连接有渲染模块5及预警模块6,渲染模块5及预警模块6下级通过介质电性连接有更迭单元61。
在本实施例中,控制终端1控制采集模块2运行采集电力供输线路部署数据,并由构建模块3来接收采集模块2采集到的电力供输线路部署数据,应用电力供输线路部署数据构建电力供输线路虚拟模型,监测模块4同步的监测电力供输线路上实时电压,渲染模块5后置运行接收监测模块4中监测到的电力供输线路上实时电压,根据电力供输线路实时电压大小对电力供输线路虚拟模型中对应电力供输线路进行由深到浅的同一色系的渲染,最后通过预警模块6获取电力供输线路虚拟模型中各电力供输线路渲染结果,设定预警阈值,根据电力供输线路虚拟模型中渲染的各电力供输线路的颜色深度与预警阈值进行比对的比对结果,向控制终端1发送处于预警阈值的电力供输线路虚拟模型中的电力供输线;
通过上述采集模块2下级设置的子模块,可以使得电力供输线路中处于同于位置的电力供输线路能够得到区别标记处理,以便于后续的电力供输线路虚拟模型在构建时,不会出现因位置相同,而导致电力供输线路虚拟模型构建不完整的情况出现;
同时通过上述记载的颜色深度计算公式,为预警模块6提供了必要的数据支持,确保需要预警的电力供输线路稳定输出。
实施例二:在具体实施层面,在实施例1的基础上,本实施例参照图1对实施例1中基于深度学习的电路负荷预测监测系统做进一步具体说明:
构建模块3在运行构建电力供输线路虚拟模型时,同步监测标记单元22运行状态,在标记单元22运行结束后,执行电力供输线路虚拟模型的构建任务;
其中,构建模块3构建电力供输线路虚拟模型时,根据电力供输线路的起始及终止位置坐标进行构建,并同步读取标记单元22运行数据,获取电力供输线路中存在区别标记的电力供输线路,根据区别标记的数量执行对应电力供输线路虚拟模型的重复构建。
通过上述设置,确保处于同一位置的电力供输线路能够完整的构建,保证电力供输线路虚拟模型完整性。
如图1所示,监测模块4在监测电力供输线路上实时电压时,通过系统端用户手动设定有监测周期,监测模块4根据监测周期监测电力供输线路上实时电压,电力供输线路上实时电压通过电力监测仪进行采集,电力监测仪采集的电压数据通过无线网络与监测模块4相连接,电力监测仪根据监测周期实时执行采集的电压数据向监测模块4反馈的操作。
通过上述设置对电力供输线路中的实施电压数据进行了采集。
如图1所示,监测模块4内部设置有子模块,包括:
交互单元41,用于接收监测模块4监测到的电力供输线路上实时电压,将电力供输线路实时电压进一步向构建模块3构建的电力供输线路虚拟模型中发送;
其中,各电力供输线路与电力供输线路虚拟模型中各电力供输线路一一对应,电力监测仪与电力供输线路一一对应,电力供输线路实时电压在发送至电力供输线路虚拟模型后,进一步以电力供输线路实时电压的来源电力监测仪归属,完成电力供输线路实时电压对应电力供输线路的分发操作。
通过上述设置,实现了电力供输线路虚拟模型中各电力供输线路实时电压数据的配对。
如图1所示,电力供输线路实时电压在采集时,同步通过下式求取电力供输线路中的电力损耗,请求的电力损耗同步跟随电力供输线路实时电压一同向电力供输线路虚拟模型中发送,公式为:
;
式中:为电力供输线路输入功率;/>为电力供输线路长度;/>为电力供输线路损耗因子;/>为电力供输线路输入端增益;/>为电力供输线路输出端增益;/>为电力供输线路输出端与底面的高差;/>为电力供输线路电波波长;/>、/>为电力供输线路相邻电力供输线路的长度。
通过上述设置,能够对各电力供输线路的实时电压损耗进行计算,从而以此为系统端用户提供更进一步参考数据,辅助系统端用户对电力供输线路的安全状态进行判定。
如图1所示,渲染模块5与预警模块6下级设置有子模块,包括:
更迭单元61,用于设定更迭周期,应用更迭周期控制渲染模块5重置运行,对电力供输线路虚拟模型中各电力供输线路进行重新渲染;
其中,更迭单元61中设定的更迭周期与监测模块4中设定的监测周期相等。
通过更迭单元61的设置,可以使得系统能自主完成电力供输线路虚拟模型的状态更新,使得系统运行更加趋于智能化,为系统端用户带来更佳的使用体验。
实施例三:在具体实施层面,在实施例1的基础上,本实施例参照图2对实施例1中基于深度学习的电路负荷预测监测系统做进一步具体说明:
基于深度学习的电路负荷预测监测方法,包括以下步骤:
步骤1:获取电力供输线路始末端位置坐标;
步骤2:根据电力供输线路始末端位置坐标构建电力供输线路虚拟模型;
步骤3:监测电力供输线路实时电压,并反馈至电力供输线路虚拟模型中;
步骤4:根据电力供输线路虚拟模型中各电力供输线路的实时电压进行渲染;
步骤5:设定预警阈值,根据电力供输线路虚拟模型中各电力供输线路渲染的颜色深度与预警阈值比对,获取处于预警阈值的电力供输线路;
步骤6:结果的输出。
综上而言,上述实施例中系统在运行过程中能够以电力供输线路的位置坐标进行电力供输线路虚拟模型的构建,并进一步将实时采集到的电力供输线路电力反馈至电力供输线路虚拟模型中进行显示,显示时,通过同色系颜色渲染的方式来表示电压的大小程度,进一步的以渲染颜色深度的判定,实现了电力供输线路的监测预警功能;同时,系统在运行的过程中,通过对电力供输线路中存在的电力损耗计算,能够进一步的为系统端用户提供参考数据,且由此种方式对电力供输线路所实施的监测,在监测到问题线路时,能够直接对电力供输线路进行溯源,以便于提供系统端用户电力供输线路维护目标,并且该系统适用于复杂的庞大的电力供输线路群。
以上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,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.基于深度学习的电路负荷预测监测系统,其特征在于,包括:
控制终端(1),是系统的主控端,用于发出执行命令;
采集模块(2),用于采集电力供输线路部署数据;
构建模块(3),用于接收采集模块(2)采集到的电力供输线路部署数据,应用电力供输线路部署数据构建电力供输线路虚拟模型;
监测模块(4),用于监测电力供输线路上实时电压;
渲染模块(5),用于接收监测模块(4)中监测到的电力供输线路上实时电压,根据电力供输线路实时电压大小对电力供输线路虚拟模型中对应电力供输线路进行由深到浅的同一色系的渲染;
预警模块(6),用于获取电力供输线路虚拟模型中各电力供输线路渲染结果,设定预警阈值,根据电力供输线路虚拟模型中渲染的各电力供输线路的颜色深度与预警阈值进行比对的比对结果,向控制终端(1)发送处于预警阈值的电力供输线路虚拟模型中的电力供输线;
所述采集模块(2)下级设置有子模块,包括:
输入单元(21),用于输入各电力供输线路的起始及终止位置坐标;
标记单元(22),用于接收输入单元(21)中输入的各电力供输线路的起始及终止位置坐标,在各电力供输线路的起始及终止位置坐标遍历查找起始及终止位置坐标相同的电力供输线路,对查找到的电力供输线路进行区别标记;
其中,所述输入单元(21)中各电力供输线路的起始及终止位置坐标的输入操作通过系统端用户手动完成,标记单元(22)对电力供输线路所执行的区别标记,以数字字符及英文字母字符进行标记,所述输入单元(21)中输入的电力供输线路的起始及终止位置坐标即采集模块(2)所采集电力供输线路部署数据;
所述电力供输线路实时电压在采集时,同步通过下式求取电力供输线路中的电力损耗,请求的电力损耗同步跟随电力供输线路实时电压一同向电力供输线路虚拟模型中发送,公式为:
;
式中:为电力供输线路输入功率;/>为电力供输线路长度;/>为电力供输线路损耗因子;/>为电力供输线路输入端增益;/>为电力供输线路输出端增益;/>为电力供输线路输出端与底面的高差;/>为电力供输线路电波波长;/>、/>为电力供输线路相邻电力供输线路的长度。
2.根据权利要求1所述的基于深度学习的电路负荷预测监测系统,其特征在于,所述构建模块(3)在运行构建电力供输线路虚拟模型时,同步监测标记单元(22)运行状态,在标记单元(22)运行结束后,执行电力供输线路虚拟模型的构建任务;
其中,所述构建模块(3)构建电力供输线路虚拟模型时,根据电力供输线路的起始及终止位置坐标进行构建,并同步读取标记单元(22)运行数据,获取电力供输线路中存在区别标记的电力供输线路,根据区别标记的数量执行对应电力供输线路虚拟模型的重复构建。
3.根据权利要求1所述的基于深度学习的电路负荷预测监测系统,其特征在于,所述监测模块(4)在监测电力供输线路上实时电压时,通过系统端用户手动设定有监测周期,监测模块(4)根据监测周期监测电力供输线路上实时电压,电力供输线路上实时电压通过电力监测仪进行采集,电力监测仪采集的电压数据通过无线网络与监测模块(4)相连接,电力监测仪根据监测周期实时执行采集的电压数据向监测模块(4)反馈的操作。
4.根据权利要求1或3所述的基于深度学习的电路负荷预测监测系统,其特征在于,所述监测模块(4)内部设置有子模块,包括:
交互单元(41),用于接收监测模块(4)监测到的电力供输线路上实时电压,将电力供输线路实时电压进一步向构建模块(3)构建的电力供输线路虚拟模型中发送;
其中,各所述电力供输线路与电力供输线路虚拟模型中各电力供输线路一一对应,电力监测仪与电力供输线路一一对应,电力供输线路实时电压在发送至电力供输线路虚拟模型后,进一步以电力供输线路实时电压的来源电力监测仪归属,完成电力供输线路实时电压对应电力供输线路的分发操作。
5.根据权利要求1所述的基于深度学习的电路负荷预测监测系统,其特征在于,所述渲染模块(5)对电力供输线路虚拟模型中各电力供输线路进行渲染后,通过下式求取电力供输线路虚拟模型中各电力供输线路的颜色深度,公式为:
;
式中:为渲染区域亮度;/>为渲染区域饱和度;/>为渲染区域饱和度参照;/>为渲染区域色相。
6.根据权利要求1或3所述的基于深度学习的电路负荷预测监测系统,其特征在于,所述渲染模块(5)与预警模块(6)下级设置有子模块,包括:
更迭单元(61),用于设定更迭周期,应用更迭周期控制渲染模块(5)重置运行,对电力供输线路虚拟模型中各电力供输线路进行重新渲染;
其中,更迭单元(61)中设定的更迭周期与监测模块(4)中设定的监测周期相等。
7.根据权利要求1所述的基于深度学习的电路负荷预测监测系统,其特征在于,所述控制终端(1)通过介质电性连接有采集模块(2),所述采集模块(2)下级通过介质电性连接有输入单元(21)及标记单元(22),所述采集模块(2)通过介质电性连接有构建模块(3)及监测模块(4),所述监测模块(4)内部通过介质电性连接有交互单元(41),所述交互单元(41)通过介质电性连接有构建模块(3),所述构建模块(3)通过介质电性与标记单元(22)相连接,所述监测模块(4)通过介质电性连接有渲染模块(5)及预警模块(6),所述渲染模块(5)及预警模块(6)下级通过介质电性连接有更迭单元(61)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310670978.8A CN116404759B (zh) | 2023-06-08 | 2023-06-08 | 基于深度学习的电路负荷预测监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310670978.8A CN116404759B (zh) | 2023-06-08 | 2023-06-08 | 基于深度学习的电路负荷预测监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116404759A CN116404759A (zh) | 2023-07-07 |
CN116404759B true CN116404759B (zh) | 2023-08-15 |
Family
ID=87014580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310670978.8A Active CN116404759B (zh) | 2023-06-08 | 2023-06-08 | 基于深度学习的电路负荷预测监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116404759B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196421B (zh) * | 2023-09-15 | 2024-05-10 | 大庆市庆翔热电有限公司 | 一种基于电厂能源调度可视化系统及校准方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107896002A (zh) * | 2017-10-10 | 2018-04-10 | 国网浙江宁波市奉化区供电公司 | 10kV馈线负荷监测主动告警系统 |
CN110032093A (zh) * | 2019-03-12 | 2019-07-19 | 江苏楷正建设有限公司 | 一种基于视觉物联网的工程用电安全管理方法 |
CN110826165A (zh) * | 2019-11-12 | 2020-02-21 | 国网青海省电力公司西宁供电公司 | 一种基于gis的电力重要用户供电路径展示方法 |
CN112990699A (zh) * | 2021-03-12 | 2021-06-18 | 深圳供电局有限公司 | 电力数据处理方法、装置、计算机设备和存储介质 |
CN214124941U (zh) * | 2020-12-24 | 2021-09-03 | 国网湖南省电力有限公司 | 用于电网风险预警及安全调度系统的数据实时采集装置 |
CN115062198A (zh) * | 2022-06-17 | 2022-09-16 | 国网冀北电力有限公司承德供电公司 | 一种可视化的电网规划布局平台 |
CN115099585A (zh) * | 2022-06-09 | 2022-09-23 | 国网安徽省电力有限公司电力科学研究院 | 基于pms系统的配电网线路极限传输容量超标检测方法 |
CN115510298A (zh) * | 2022-09-26 | 2022-12-23 | 国网四川省电力公司广安供电公司 | 一种电网运行状态可视化评价方法及系统 |
CN115765167A (zh) * | 2022-11-04 | 2023-03-07 | 国网安徽省电力有限公司芜湖供电公司 | 基于数据价值挖掘的配电网健康码智能监测方法及系统 |
CN116184915A (zh) * | 2023-04-24 | 2023-05-30 | 长通智能(深圳)有限公司 | 一种工业互联网设备运行状态监控方法及系统 |
-
2023
- 2023-06-08 CN CN202310670978.8A patent/CN116404759B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107896002A (zh) * | 2017-10-10 | 2018-04-10 | 国网浙江宁波市奉化区供电公司 | 10kV馈线负荷监测主动告警系统 |
CN110032093A (zh) * | 2019-03-12 | 2019-07-19 | 江苏楷正建设有限公司 | 一种基于视觉物联网的工程用电安全管理方法 |
CN110826165A (zh) * | 2019-11-12 | 2020-02-21 | 国网青海省电力公司西宁供电公司 | 一种基于gis的电力重要用户供电路径展示方法 |
CN214124941U (zh) * | 2020-12-24 | 2021-09-03 | 国网湖南省电力有限公司 | 用于电网风险预警及安全调度系统的数据实时采集装置 |
CN112990699A (zh) * | 2021-03-12 | 2021-06-18 | 深圳供电局有限公司 | 电力数据处理方法、装置、计算机设备和存储介质 |
CN115099585A (zh) * | 2022-06-09 | 2022-09-23 | 国网安徽省电力有限公司电力科学研究院 | 基于pms系统的配电网线路极限传输容量超标检测方法 |
CN115062198A (zh) * | 2022-06-17 | 2022-09-16 | 国网冀北电力有限公司承德供电公司 | 一种可视化的电网规划布局平台 |
CN115510298A (zh) * | 2022-09-26 | 2022-12-23 | 国网四川省电力公司广安供电公司 | 一种电网运行状态可视化评价方法及系统 |
CN115765167A (zh) * | 2022-11-04 | 2023-03-07 | 国网安徽省电力有限公司芜湖供电公司 | 基于数据价值挖掘的配电网健康码智能监测方法及系统 |
CN116184915A (zh) * | 2023-04-24 | 2023-05-30 | 长通智能(深圳)有限公司 | 一种工业互联网设备运行状态监控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116404759A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116404759B (zh) | 基于深度学习的电路负荷预测监测系统及方法 | |
CN112381963B (zh) | 一种基于数字孪生技术的电力物联网智能巡检方法及系统 | |
CN110071824B (zh) | 一种配电网络拓扑自动构建和可视化方法 | |
CN205049995U (zh) | 一种智能蚕室监控系统 | |
CN111337787B (zh) | 配电网一二次融合设备远程检测装置 | |
KR20170101455A (ko) | 빅데이터 플랫폼 기반의 인공지능 딥러닝 네트워크 구축을 활용한 3d 카메라를 장착한 로봇의 트레이닝 방법 | |
CN107818765A (zh) | 显示设备亮度控制方法、装置及移动智能终端和显示设备 | |
CN108873847A (zh) | 一种面向模锻生产线的数据采集方法 | |
CN110795583A (zh) | 一种泵站清污机智能管理方法 | |
CN106447288A (zh) | 一种基于互联网的移动通信网络基站智能勘察设计系统 | |
CN115174648A (zh) | 一种桥梁施工设备操控的前端设备控制方法 | |
CN111710032A (zh) | 变电站三维模型的构建方法、装置、设备和介质 | |
CN105938360A (zh) | 一种分布式自动化控制系统及其控制方法、一种组态装置 | |
CN110661873B (zh) | 物联网平台参数转换方法、装置、设备、介质及系统 | |
CN106125578A (zh) | 一种热水器主控制器程序更新方法 | |
CN104578387A (zh) | 可编程双路电源自动转换控制器及控制方法 | |
CN111914376A (zh) | 一种电网母线方式图自动构建方法、装置和存储介质 | |
CN106341662A (zh) | 一种基于计算机图像处理的可视化系统 | |
CN116401800A (zh) | 一种智能电网厂站一次接线图的校核方法及装置 | |
CN110765616A (zh) | 一种发电厂计算机监控系统的仿真闭环测试系统及方法 | |
CN105573221A (zh) | 航空线束辅助布线系统 | |
CN105468311A (zh) | 一种直观高效的数码印花颜色修正管理方法 | |
CN111258431B (zh) | 基于混合现实的汽轮机检修辅助系统 | |
CN115224795A (zh) | 一种智能化变电站设备运行监测预警系统及方法 | |
CN209265243U (zh) | 海缆之导体阻水控制系统 |
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 |