CN116754888A - 一种基于大数据的低压配电柜实时状态监测系统及方法 - Google Patents

Abstract

本发明涉及一种基于大数据的低压配电柜实时状态监测系统及方法，属于配电网技术领域，包括感知模块、感知数据传输模块、数据分析模块和能耗控制模块，所述感知模块采集电能参数和环境参数；所述感知数据传输模块传输所述电能参数和所述环境参数至所述数据分析模块；所述数据分析模块对所述电能参数和所述环境参数进行分析；所述能耗控制模块根据分析结果，进行故障预警，生成整个系统的优化方案，根据所述优化方案对相关设备远程和实时控制，或者将分析结果、故障预警和/或优化方案提供给其他低压配电柜系统，结合数据分析结果制定低压配电柜的实时远程控制方案，使低压配电柜在运行过程中减少故障次数，从而提高低压配电柜的工作效率。

Description

一种基于大数据的低压配电柜实时状态监测系统及方法

技术领域

本发明属于配电网技术领域，具体地，涉及一种基于大数据的低压配电柜实时状态监测系统及方法。

背景技术

配电柜分为动力配电柜和照明配电柜、计量柜，是配电系统的末级设备，配电柜分级包括：一级配电设备，统称为动力配电中心，集中安装在变电站内，把电能分配给不同地点的下级配电设备，而这一级设备仅靠降压变压器，所以电气参数要求比较高，输出电路容量也比较大；二级配电设备，是动力配电柜和点激动控制中心的统称，动力配电柜使用在符合比较分散，回路较少的场合，电动机控制中心用于符合集中、回路较多的场合，把上一级配电设备某一电路的电能分配给就近的负荷，这级设备应对负荷提供保护、监视和控制，末级配电设备总成为照明动力配电箱，照明动力配电箱原理供电中心，是分散的小容量配电设备，机房配电柜是机房动力中心，如果机房动力及环境设备出现故障，轻则影响电脑系统的运行，重则造成计算机和通信设备报废，使系统陷入瘫痪，尤其目前国内机房设备各自独立运行的情况比较普遍，并且缺乏专业的设备管理人员和综合有效的管理手段，因此对中心机房的动力及环境系统进行实时监控极其重要。

现有的配电柜监测系统，监测的信息不够全面化，并且不能够根据具体的问题执行对应的解决方案

对智能配电柜实施在线监测需要在线监测装置的介入，利用监测装置进行数据采集传输。然而，现有的智能配电柜监测装置一般都是直接与配电柜的控制中心进行连接，自身的应急措施较差，在配电柜线路故障时容易遭受过载电流的冲击而损坏。

发明内容

为解决上述背景技术中存在的技术问题，本发明提供了一种基于大数据的低压配电柜实时状态监测系统及方法。

本发明的目的可以通过以下技术方案实现：

一种基于大数据的低压配电柜实时状态监测系统，包括：感知模块、感知数据传输模块、数据分析模块和能耗控制模块，其中：

所述感知模块采集电能参数和环境参数；所述感知数据传输模块用于传输所述电能参数和所述环境参数至所述数据分析模块；所述数据分析模块对所述电能参数和所述环境参数进行分析，分析低压配电柜实时状态；所述能耗控制模块根据分析结果，进行故障预警，生成整个系统的优化方案，根据所述优化方案对相关设备远程和实时控制，或者将前述分析结果、故障预警和/或优化方案提供给其他低压配电柜系统。

进一步的，所述感知模块获取低压配电柜的电能参数和环境参数，并生成数据组，对数据组进行重新排列分别生成数据组矩阵。

进一步的，所述数据分析模块利用MATLAB软件将数据组矩阵转换成对应的灰度图像，获取数据组中的异常指数，根据异常指数对所述灰度图像进行加密。

进一步的，所述数据分析模块还包括加密单元，所述加密单元根据异常指数识别出异常的灰度图像，对异常的灰度图像进行加密处理。

进一步的，所述能耗控制模块包括故障预警单元、优化方案制定单元、远程实时控制单元和云计算单元，其中：

所述故障预警单元根据所述感知数据传输模块传输的电能参数和环境参数判断低压配电柜是否存在异常情况，并输出低压配电柜实时状态；

所述优化方案制定单元根据故障预警单元输出的低压配电柜的实时状态制定对低压配电柜的实时远程控制方案；

所述远程实时控制单元根据所述优化方案制定单元制定的实时远程控制方案对所述低压配电柜进行远程实时控制；

所述云计算单元将所述能耗控制模块产生的数据提供给其他低压配电柜系统。

一种基于大数据的低压配电柜实时状态监测方法，应用于前述的一种基于大数据的低压配电柜实时状态监测系统，包括以下步骤：

对低压配电柜的运行数据进行实时采集；

将实时采集得到的数据通过通信网络传送至远程数据分析平台；

对接收到的数据进行检测、过滤和分析；

将处理后的数据进行分级计算，进而对分级后的数据进行分析，根据分析结果进行故障预警；

根据分析结果生成优化方案，并根据优化方案对远程低压配电柜进行实时控制。

进一步的，所述基于大数据的低压配电柜实时状态监测方法还包括将分析结果、故障预警和优化方案发送给其他低压配电柜系统。

进一步的，所述对分级后的数据进行分析具体还包括以下步骤：

建立多个时间段的低压配电柜数据库，所述低压配电柜数据库包括电能参数数据库和环境参数数据库；

获取低压配电柜的电能参数和环境参数，并生成数据组，对数据组进行重新排列分别生成数据组矩阵；

分析低压配电柜数据库的数据变化特征信息，并生成特征数据组；

利用MATLAB软件将数据组矩阵转换成对应的灰度图像，获取数据组中的异常指数，根据异常指数对所述灰度图像进行加密。

进一步的，所述根据异常指数对所述灰度图像进行加密具体包括以下步骤：

获取低压配电柜预设周期内的电能参数和环境参数，以电能参数和环境参数为自变量，以异常指数为因变量，建立异常指数线性回归方程；

将当前采集到的电能参数和环境参数带入线性回归方程中，计算当前的异常指数。

进一步的，所述异常指数线性回归方程的具体计算方式如下：

P＝K1*E+K2*F

其中，P为异常指数线性回归方程，K1和K2分别为异常指数线性回归方程系数，E为电能参数，F为环境参数。

本发明的有益效果：

1、本发明公开的一种基于大数据的低压配电柜实时状态监测系统及方法，通过感知模块获取低压配电柜的电能参数和环境参数，对电能参数和环境参数进行实时分析，利用MATLAB软件将电能参数和环境参数生成的数据组进行转换，获取数据组中的异常指数，达到实时监测低压配电柜的状态的效果，更加准确地发现低压配电柜的故障，从而更加及时的对低压配电柜进行预警和优化；

2、本发明公开的一种基于大数据的低压配电柜实时状态监测系统及方法，结合数据分析结果制定低压配电柜的实时远程控制方案，使低压配电柜在运行过程中减少故障次数，从而提高低压配电柜的工作效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明一种基于大数据的低压配电柜实时状态监测系统的整体结构工作原理图；

图2为本发明所述能耗控制模块的具体工作原理图；

图3为本发明一种基于大数据的低压配电柜实时状态监测方法的整体步骤流程图。

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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，一种基于大数据的低压配电柜实时状态监测系统，包括：感知模块、感知数据传输模块、数据分析模块和能耗控制模块，其中：

所述感知模块采集电能参数和环境参数；所述感知数据传输模块用于传输所述电能参数和所述环境参数至所述数据分析模块；所述数据分析模块对所述电能参数和所述环境参数进行分析，分析低压配电柜实时状态；所述能耗控制模块根据分析结果，进行故障预警，生成整个系统的优化方案，根据所述优化方案对相关设备远程和实时控制，或者将前述分析结果、故障预警和/或优化方案提供给其他低压配电柜系统。

在本申请实施例中，所述感知模块用于对设备和环境的感知，通过对只能配电柜进行数据的实时采集得到，所述感知数据传输模块将实时采集到的数据通过有线或无线网络传输的方式将相关数据数据传输至数据分析模块，从而对实时采集到的数据进行分析。

数据分析时，可以通过大数据匹配来分析其输出的相似性,通过大数据机器学习，并通过重用计算结果以及合理的调度,达到节能的效果。

进一步的，在本申请的一种优选实施例中，所述感知模块获取低压配电柜的电能参数和环境参数，并生成数据组，对数据组进行重新排列分别生成数据组矩阵。

进一步的，在本申请的一种优选实施例中，所述数据分析模块利用MATLAB软件将数据组矩阵转换成对应的灰度图像，获取数据组中的异常指数，根据异常指数对所述灰度图像进行加密。

MATLAB软件用于数据分析、无线通信、深度学习、图像处理与计算机视觉、信号处理、量化金融与风险管理、机器人，控制系统等领域，MATLAB系统由MATLAB开发环境、MATLAB数学函数库、MATLAB语言、MATLAB图形处理系统和MATLAB应用程序接口(API)五大部分构成。

进一步的，在本申请的一种优选实施例中，所述数据分析模块还包括加密单元，所述加密单元根据异常指数识别出异常的灰度图像，对异常的灰度图像进行加密处理。

进一步的，在本申请的一种优选实施例中，如图2所示，所述能耗控制模块包括故障预警单元、优化方案制定单元、远程实时控制单元和云计算单元，其中：

所述故障预警单元根据所述感知数据传输模块传输的电能参数和环境参数判断低压配电柜是否存在异常情况，并输出低压配电柜实时状态；

所述优化方案制定单元根据故障预警单元输出的低压配电柜的实时状态制定对低压配电柜的实时远程控制方案；

所述远程实时控制单元根据所述优化方案制定单元制定的实时远程控制方案对所述低压配电柜进行远程实时控制；

所述云计算单元将所述能耗控制模块产生的数据提供给其他低压配电柜系统。

本发明通过实时采集现场的数据，作为供配电系统调度控制的基础决策数据，通过大数据分析由配电智能设备调整各级电源供给策略，提高配电效率，达到节能效果。本发明还能够实现配电保护自动化以及局域网现场连接，由配电控制室通过PC客户端，手机平板客户端实时调节，进一步提高了配电系统的可靠性。

一种基于大数据的低压配电柜实时状态监测方法，应用于前述的一种基于大数据的低压配电柜实时状态监测系统，如图3所示，包括以下步骤：

步骤S1、对低压配电柜的运行数据进行实时采集；

根据历史数据中的所有采集周期的异常指数，生成电能参数一级加密强度数据报文，建立一级加密数据库，将电能参数一级加密强度数据报文分成W个片段，其中每个片段的开头数据为采集周期的起始时间，环境参数的处理方式亦是如此。

步骤S2、将实时采集得到的数据通过通信网络传送至远程数据分析平台；

步骤S3、对接收到的数据进行检测、过滤和分析；

步骤S4、将处理后的数据进行分级计算，进而对分级后的数据进行分析，根据分析结果进行故障预警；

步骤S5、根据分析结果生成优化方案，并根据优化方案对远程低压配电柜进行实时控制。

进一步的，在本申请的一种优选实施例中，所述基于大数据的低压配电柜实时状态监测方法还包括将分析结果、故障预警和优化方案发送给其他低压配电柜系统。

进一步的，在本申请的一种优选实施例中，步骤S4中的所述对分级后的数据进行分析具体还包括以下步骤：

步骤S401、建立多个时间段的低压配电柜数据库，所述低压配电柜数据库包括电能参数数据库和环境参数数据库；

步骤S402、获取低压配电柜的电能参数和环境参数，并生成数据组，对数据组进行重新排列分别生成数据组矩阵；

步骤S403、分析低压配电柜数据库的数据变化特征信息，并生成特征数据组；

步骤S404、利用MATLAB软件将数据组矩阵转换成对应的灰度图像，获取数据组中的异常指数，根据异常指数对所述灰度图像进行加密。

在本发明的一种实施例中，借助水印加密和解密算法，通过分别将计算出的电能参数异常数据和环境参数异常数据作为一级和二级水印加密强度，结合实时监测数据与历史数据的精准验证，从而实现加密；因为电能参数和环境参数是实时测算出来的，再通过历史数据加以验证，使得在解密的时候非常困难，不易被破解或恶意攻击；而对数据组的打乱重排，再结合时间维度的不可篡改和不可逆性，使得数据的加密更加随机，不易被篡改和攻击。

进一步的，在本申请的一种优选实施例中，步骤S404中所述根据异常指数对所述灰度图像进行加密具体包括以下步骤：

步骤S4041、获取低压配电柜预设周期内的电能参数和环境参数，以电能参数和环境参数为自变量，以异常指数为因变量，建立异常指数线性回归方程；

步骤S4042、将当前采集到的电能参数和环境参数带入线性回归方程中，计算当前的异常指数。

进一步的，在本申请的一种优选实施例中，所述异常指数线性回归方程的具体计算方式如下：

P＝K1*E+K2*F

其中，P为异常指数线性回归方程，K1和K2分别为异常指数线性回归方程系数，E为电能参数，F为环境参数。

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，仅仅为一种逻辑功能划分，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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元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全部或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(ROM，read-onlymemory)、随机存取存储器(RAM，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上内容仅仅是对本发明结构所作的举例和说明，所述本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种基于大数据的低压配电柜实时状态监测系统，其特征在于，包括：感知模块、感知数据传输模块、数据分析模块和能耗控制模块，其中：

所述感知模块采集电能参数和环境参数；所述感知数据传输模块用于传输所述电能参数和所述环境参数至所述数据分析模块；所述数据分析模块对所述电能参数和所述环境参数进行分析，分析低压配电柜实时状态；所述能耗控制模块根据分析结果，进行故障预警，生成整个系统的优化方案，根据所述优化方案对相关设备远程和实时控制，或者将前述分析结果、故障预警和/或优化方案提供给其他低压配电柜系统。

2.根据权利要求1所述的一种基于大数据的低压配电柜实时状态监测系统，其特征在于，所述感知模块获取低压配电柜的电能参数和环境参数，并生成数据组，对数据组进行重新排列分别生成数据组矩阵。

3.根据权利要求2所述的一种基于大数据的低压配电柜实时状态监测系统，其特征在于，所述数据分析模块利用MATLAB软件将数据组矩阵转换成对应的灰度图像，获取数据组中的异常指数，根据异常指数对所述灰度图像进行加密。

4.根据权利要求3所述的一种基于大数据的低压配电柜实时状态监测系统，其特征在于，所述数据分析模块还包括加密单元，所述加密单元根据异常指数识别出异常的灰度图像，对异常的灰度图像进行加密处理。

5.根据权利要求1所述的一种基于大数据的低压配电柜实时状态监测系统，其特征在于，所述能耗控制模块包括故障预警单元、优化方案制定单元、远程实时控制单元和云计算单元，其中：

所述故障预警单元根据所述感知数据传输模块传输的电能参数和环境参数判断低压配电柜是否存在异常情况，并输出低压配电柜实时状态；

所述优化方案制定单元根据故障预警单元输出的低压配电柜的实时状态制定对低压配电柜的实时远程控制方案；

所述远程实时控制单元根据所述优化方案制定单元制定的实时远程控制方案对所述低压配电柜进行远程实时控制；

所述云计算单元将所述能耗控制模块产生的数据提供给其他低压配电柜系统。

6.一种基于大数据的低压配电柜实时状态监测方法，其特征在于，应用于权利要求1至5任一项所述的一种基于大数据的低压配电柜实时状态监测系统，包括以下步骤：

对低压配电柜的运行数据进行实时采集；

将实时采集得到的数据通过通信网络传送至远程数据分析平台；

对接收到的数据进行检测、过滤和分析；

将处理后的数据进行分级计算，进而对分级后的数据进行分析，根据分析结果进行故障预警；

根据分析结果生成优化方案，并根据优化方案对远程低压配电柜进行实时控制。

7.根据权利要求6所述的一种基于大数据的低压配电柜实时状态监测方法，其特征在于，所述基于大数据的低压配电柜实时状态监测方法还包括将分析结果、故障预警和优化方案发送给其他低压配电柜系统。

8.根据权利要求6所述的一种基于大数据的低压配电柜实时状态监测方法，其特征在于，所述对分级后的数据进行分析具体还包括以下步骤：

建立多个时间段的低压配电柜数据库，所述低压配电柜数据库包括电能参数数据库和环境参数数据库；

获取低压配电柜的电能参数和环境参数，并生成数据组，对数据组进行重新排列分别生成数据组矩阵；

分析低压配电柜数据库的数据变化特征信息，并生成特征数据组；

利用MATLAB软件将数据组矩阵转换成对应的灰度图像，获取数据组中的异常指数，根据异常指数对所述灰度图像进行加密。

9.根据权利要求8所述的一种基于大数据的低压配电柜实时状态监测方法，其特征在于，所述根据异常指数对所述灰度图像进行加密具体包括以下步骤：

获取低压配电柜预设周期内的电能参数和环境参数，以电能参数和环境参数为自变量，以异常指数为因变量，建立异常指数线性回归方程；

将当前采集到的电能参数和环境参数带入线性回归方程中，计算当前的异常指数。

10.根据权利要求9所述的一种基于大数据的低压配电柜实时状态监测方法，其特征在于，所述异常指数线性回归方程的具体计算方式如下：

P＝K1*E+K2*F

其中，P为异常指数线性回归方程，K1和K2分别为异常指数线性回归方程系数，E为电能参数，F为环境参数。