CN116797403A - 通信台站供配电安全预警方法 - Google Patents
通信台站供配电安全预警方法 Download PDFInfo
- Publication number
- CN116797403A CN116797403A CN202310775657.4A CN202310775657A CN116797403A CN 116797403 A CN116797403 A CN 116797403A CN 202310775657 A CN202310775657 A CN 202310775657A CN 116797403 A CN116797403 A CN 116797403A
- Authority
- CN
- China
- Prior art keywords
- equipment
- early warning
- power supply
- distribution
- warning
- 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.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012423 maintenance Methods 0.000 claims abstract description 43
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 230000032683 aging Effects 0.000 claims abstract description 18
- 230000007774 longterm Effects 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000006353 environmental stress Effects 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000035882 stress Effects 0.000 claims description 8
- 230000003862 health status Effects 0.000 claims description 5
- 230000035772 mutation Effects 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000004378 air conditioning Methods 0.000 claims description 3
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 29
- 230000006378 damage Effects 0.000 description 24
- 230000036541 health Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 21
- 238000003745 diagnosis Methods 0.000 description 18
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000010276 construction Methods 0.000 description 6
- 238000004445 quantitative analysis Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 5
- 238000006731 degradation reaction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000001149 cognitive effect Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011155 quantitative monitoring Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Abstract
本发明公开了一种通信台站供配电安全预警方法,包括:建立长期运行参数数据库和性能曲线图;建立基于预警因子、预警标的和预警能力的综合预警模型;基于长期的历史监测数据、性能曲线图以及厂家提供的设备老化模型和失效分析的工作参数,通过建立的综合预警模型预估每个供配电设备的综合保障能力;通过经验公式计算综合保障能力,与预估的综合保障能力的差值在预设范围内,则输出预测结果;如果超出预设范围,对预估结果进行修正;动力设备、负载设备和安全设备的综合保障能力分别乘以对应权值然后求和,再加上环境治理设备的综合保障能力乘以对应权值。本发明提高了通信台站供配电安全预警准确性、智能化和容错性,提升了运维管理效率。
Description
技术领域
本发明属于电气测试测量技术领域,涉及一种通信台站供配电安全预警方法。可广泛适用于通信机房,IDC机房,电源机房,专网运营商机房(如轨道交通、电力、工矿)等供配电安全综合智能化运维管理。
背景技术
随着大数据应用时代的到来,信息化技术手段应用日新月异的变幻,通信台站作为承载大数据,人工智能,物联网等技术应用的重要组成和载体,其智能化五人值守运维管理与安全逐步成为运维管理单位核心工作任务。作为新建的IDC机房和通信台站建设起点高,新技术应用优势明显,在建设之初就充分考虑了扩容PUE等重要建设指标。但作为数量巨大存量已经建成的铁路机房、电力机房、军用通信台站等则存在历史遗留问题严重,建设标准不一,机房重要程度差异化明显等,从而造成了通信台站或专网机房供配电系统中存在严重的安全漏洞和盲区,而传统人工为建成老旧的专网机房或通信台站运维管理手段也极其落后,给运维管理人员带来极大挑战。
通过近年的文献资料在用户侧显示绝大多数的通信机房现状存在“设备智能化程度低”,“业务要素管理不全”,“专业人员能力不足”,“维护力量薄弱”等突出的问题。各通信台站之间“信息孤岛”现象严重。无法做到“精细化管理,智能化运维”。
通信台站供配电系统是通信台站核心技术之一,目前对于通信台站供配电安全故障诊断都是靠人工经验和单点测量结果来判断分析,根本无法满足当前通信台站无人值守的管理机制,而且无法实现故障前的安全预警,导致通信台站供电故障频发和通信系统中断和异常等。通过对通信台站故障预测与健康管理(PHM)的技术成分研究,分析了传统PHM的存在的效率低、故障率高、工作量大、台站运维管理成本高、无法提前进行安全预警和故障定位等缺陷,严重影响了通信台站供配电系统安全运维和管理。
发明内容
为了解决上述问题,本发明提供一种通信台站供配电安全预警方法,提高了通信台站供配电安全预警准确性、智能化和容错性,提升了运维管理效率,解决了现有技术中存在的问题。
本发明所采用的技术方案是,一种通信台站供配电安全预警方法,包括以下步骤:
S1,通过硬件性能损耗数据采集模块动态监测供配电系统中多种供配电设备的长期运行参数,为每个供配电设备建立长期运行参数数据库和性能曲线图;
S2,为不同供配电设备建立基于预警因子、预警标的和预警能力的综合预警模型;
S3,基于每个供配电设备长期的历史监测数据、性能曲线图以及厂家提供的设备老化模型和失效分析的工作参数,通过S2建立的综合预警模型预估每个供配电设备的综合保障能力;
S4,通过经验公式计算综合保障能力,并与S3预估的综合保障能力相比较,如果差值在预设范围内,则作为最终的预测结果;如果差值超出预设范围,通过通信台站供电设备的历史运维数据和实际使用的老化数据对预估结果进行修正;
S5,供配电设备中的动力设备、负载设备和安全设备作为高优先级,供配电设备中的环境治理设备作为低优先级,动力设备、负载设备和安全设备的综合保障能力分别乘以对应权值然后求和,再加上环境治理设备的综合保障能力乘以对应权值。
进一步的,所述综合预警模型包括六个方面的预警因子,六个方面的预警能力和三个维度的预警标的。
进一步的,所述六个方面的预警因子包括支撑时间、健康状态、设备寿命、供电系统可靠性、设备故障率和值勤完成率。
进一步的,所述六个方面的预警能力包括:
状态预警:监控对象状态值发生改变时发出预警;
阈值预警:监控对象运行状态达到阈值时发出预警;
突变预警:监控对象运行数据违背正常运行轨迹发生突变时发出预警;
趋势预警:监控对象运行数据同影子对象发生拟合趋势变化时发出预警;
评价预警:监控对象相关的预警因子给出评价,针对不同评价值发出预警;
关联预警:监控对象逻辑出现上述预警时,针对逻辑关联对象发出预警。
进一步的,所述三个维度的预警标的包括设备级、台站级和区域级。
进一步的,所述步骤S1中,采集的信息源按通信台站配置分为四大类:第一类:动力设备,包括交流供配电设备、直流供配电设备和后备电源设备;第二类:负载设备,包括交流负载和直流负载;第三类:环境类治理设备,包括精密工业空调设备、温度及湿度传感设备;第四类:安全防护类设备,包括防雷接地设备、漏电保护设备、安防设备和消防设备。
进一步的,所述步骤S4中,累计性能衰减值=预警模型中物理失效分析值×60%+环境应力×20%+工作应力×20%;实际设备的综合保障能力=设备出厂性能×100%-累计性能衰减值。
进一步的,所述步骤S4中,将通信台站供电设备的历史运维数据和实际使用老化数据以插值的方式替换S1中供配电设备性能长期运行参数,替换时间长度为配电设备的工作老化周期。
进一步的,所述步骤S4中,预设范围为0-5%。
进一步的,所述步骤S5中,动力设备、负载设备和安全设备的权值为80%-100%,环境治理设备的权值为0-20%。
本发明的有益效果是:
1.通过本发明的方法可以提前对台站供配电设备的健康状态进行预警,对设备存在的问题提前分析,对台站维护薄弱环节能够给出提升建议。本发明对预估模型中的6个因素赋予了新的评估参数,更符合通信台站供配电安全预警,并对预警模型输出结果进行反复修订,实例中对供配电设备ATS柜快速氧化和老化应用测试,预警精度达到了99.4%。台站供配电设备不同,预警模型中的6个因素的权重值也不同,型针对不同供配电设备给出最佳的预警阈值,提高系统的响应能力。
2.本发明能够及时对设备、台站、区域的综合保障能力做出判断,为高效、可靠、安全的保障任务提供强大保障。基于历史数据,直观分析出高故障率设备,高故障率台站,高故障率区域,高故障率厂家,高故障率值班人员;为设备采购,台站建设,人员提升提供数据支撑。
3.本发明基于精细化管理,碎片化应用,有效避免过去坏个小螺丝,轻则换设备,重则业务停罢的情况发生,降低运维成本,提升台站运维安全及可靠性。维护大数据的重要支撑来源,既降低了无效数据的收集成本,同时通过预警数据的积累,可为行业用户大数据平台的顶层设计提供重要依据和保障。结合专家库,快速给出预警设备的维修办法,保养办法,有效缩短了设备的愈合时间,降低了业务暂停风险。
4.本发明通过减少备件、保障设备、维修人力等保障资源需求,降低维修保障费用;通过减少维修,特别是计划外维修次数,缩短维修时间,提高通信台站完好率;通过健康感知,减少任务过程中故障引起的风险,提高运维管理成功率。
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是本发明实施例中SHLRFC预警模型图。
图2是本发明实施例预置损伤标尺的工作原理示意图。
图3是本发明实施例中区域级预警算法实现效果图。
图4是本发明实施例中设备级预警算法实现效果图。
图5是本发明实施例中供配电系统示意图。
图6是本发明实施例中供配电安全预警系统预警体系(CR-PSEW)示意图。
图7是本发明实施例中预警趋势理论示意图。
图8是本发明实施例中损伤模型示意图。
图9是本发明实施例中ANN模型示意图。
图10是本发明实施例中响应模型系示意图。
图11是本发明实施例中失效模型示意图。
图12是本发明实施例中诊断流程示意图。
图13是本发明实施例中数据采集逻辑示意图。
图14是本发明实施例中综合保障能力模型示意图。
图15是本发明实施例中支撑时间模型示意图。
图16是本发明实施例中健康状态模型示意图。
图17是本发明实施例中健康寿命模型示意图。
图18是本发明实施例中供电系统可靠性示意图。
图19是本发明实施例中设备故障率模型示意图。
图20是本发明实施例中值勤完成率模型示意图。
图21是本发明实施例中三个维度的示意图。
具体实施方式
下面将结合本发明实施例,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。
图13 给出了通信台站供配电安全预警算法所依托的数据采集逻辑和数据分析逻辑。采用开放式的体系结构(OSA),方便各种故障诊断与预测方法的不断完善,实现即插即用。面向通信台站中所有的提供232、485、网口等硬件接口的设备,以及提供SNMP,Modbus,RESFUL等接口形式的第三方系统通过实时数据采集,系统相关业务数据融合;经过基础数据预处理,将数据通过加密方式进行传输。包含了数据采集、数据预处理、数据传输、特征提取、数据融合、状态监测、故障诊断、故障预测、保障决策等环节;在现有已知的数据采集逻辑和数据分析逻辑的基础上融入了故障诊断和预测模型,而且采用了开放式体系结构,通过对历史采集大数据数据分析,可不断对各种故障诊断和预测方法进行持续完善和优化,提高预警或预测精度。
预警预测认知模型建立:
预警是针对不同产品不能完成规定功能或性能退化不满足规定要求的状态。被测对象和测试环境构成了预警故障诊断与预警预测的完整认知模型。采集的信息源不同,预警故障诊断与预警预测方法不同。
采集的信息源按通信台站供配电设备分为四大类:第一类:动力设备,包括交流供配电设备、直流供配电设备和后备电源设备;第二类:负载设备,包括交流负载和直流负载;第三类:环境类治理设备,包括精密工业空调设备、温度及湿度传感设备;第四类:安全防护类设备,包括防雷接地设备、漏电保护设备、安防设备和消防设备等。
对于预警故障诊断与预警故障预测来说,可以采集的信息源包括:
被观测对象直接的功能及性能信息(基于故障状态信息);
被观测对象使用中表现出来的异常现象信息(基于异常现象信息);
被观测对象使用中所承受的环境应力和工作应力信息(基于使用环境信息);
预置损伤标尺(precursor)的状态信息(基于损伤标尺信息)。
为了构建完整认知预警模型,采集不同设备信息数据,构建不同的预警和预测模型,针对四大类设备对应的工作参数,不同的供配电系统设备工作模式不同,实现方法归一化为:先对不同的设备采集其工作的状态等信息数据,依据不同的设备所构建的预警和预测模型,将采集的信息数据输入到模型中,模型会输出设备健康度或预警数据,再依据国标和行业经验,给出设备的健康度水平和预警数据,依据预警数据阈值决定是否启动声光预警;预警数据是设备健康度水平评估的来源和依据,每个设备预警数据类型不同,决定了每个设备健康度水平评估标准会略有差异。健康度水平是管理人员可直观评判设备劣化程度。如果设备劣化程度用预警数据阈值来体现对管理人员来说就需要专业水平判断,而健康度水平对管理人员来说直观,而且能快速反应出设备的可靠性和老化状态,方便管理人员及时介入。
图5是通信台站供配电系统设备电气结构拓扑图,是本发明实施例进行预警和老化预测的目的设备电气连接拓扑关系。本发明实施例从预警故障诊断与预警故障预测的认知模型出发,依据采集的信息源不同对多个量化的已知预警故障诊断与预警故障预测方法进行归类;分为安全防护类设备的预警方法、动力设备预警方法、负载设备预警方法、环境类治理设备预警方法。过热、过载、过欠压、短路、反接、漏电、防雷接地、消防、门禁等预警故障诊断和预测方法归类为安全防护设备的预警方法。变电设备、柴油发电机组、交流配电柜、ATS柜、高频开关电源柜、列头柜、UPS、蓄电池、配电网交直流母线、负荷管控模块等警故障诊断和预测方法归类为动力设备的预警方法。照明、空调、光通信设备、数据交换设备、监控设备等交直流负载为负载设备的预警方法。空调、数据采集设备、温湿度传感设备、烟雾传感设备、漏液传感设备、视频监控、门禁系统等归类为环境治理设备的预警方法。
通信台站内部涉及的供配电设备种类较多,不可能每个设备均为其建立独立的预测模型,采用这种归类分析方法,不但方便模型建立、实现、测试验证和优化,也保障了模型的完整性和后续模型实现后的系统集成。
基于异常现象的预警预测模型建立:
通过被观测对象在非正常工作状态下所表现出来或可侦测到的异常现象(振动、噪声、污染、温度、电磁场等)进行预警故障诊断,并基于趋势分析进行预警故障预测。本发明实施例是基于异常现象信息进行预警故障诊断与预警故障预测,具体的依据包括:基于历史统计数据、故障注入获得的数据等各类已知信息,针对当前产品异常现象特征,进行预警故障损伤程度的判断及故障预测(图12)。通过概率分析方法、人工神经网络、专家系统、模糊集、被测对象物理模型等引入建立异常现象与预警故障损伤关系模型。常见的基于异常现象的模型包括:概率趋势分析模型(图8)、神经网络(ANN)趋势分析模型(图9)、基于系统模型进行趋势分析(图10)。
如图9所示,本发明实施例通过初始建立的预警模型,不断通过采集每类设备实际工作参数大数据分析、状态及失效分析特点,不断完善和优化预警模型,使得警故障预测模型算法的完整性和健壮性不断提升。
图7是通信台站供配电设备预警模型和失效分析方法建立的基本理论依据,每种设备原厂均会提供设备失效及劣化模型,本发明实施例的设备预警模型和实效分析的方案均是基于图7的理论依据和厂家提供的模型建立,保障设备预警模型建立后预测的准确性。
基于使用环境信息的预警预测模型建立:
本发明实施例植入了可监测的耗损参数和性能退化参数,对故障发生进程极短(毫秒级)等嵌套模型,集成了电子电气产品的失效物理模型,通过环境应力和工作应力监测,进行累计损伤计算,进而推断产品的剩余寿命,如图11所示。
针对四大类不同的供配电设备的工作参数及其在供配电系统中的属性,植入了硬件性能损耗数据采集模块,动态监测供配电系统中设备的性能参数,结合不同设备所建立不同的预警预测模型中的物理实现分析,环境应力和工作应力等功能进行累计性能衰减计算,结合厂家提供设备模型来分析和预测供配电设备的工作状态、剩余寿命、健康度评估等,依据用户自主设定的阈值门限为用户提供预警预测告警。
基于损伤标尺的预警预测模型建立:
所谓损伤标尺(precursor),是针对一种或多种故障机理,应用了对被监控对象特定失效机理的认识,利用损伤标尺的定量设计方法,通过一系列不同健壮程度的设备损伤标尺,实现电子产品损伤过程的连续定量监控,解决累计损伤程度难以证实的问题。
损伤标尺定量分析方法是设备原厂提供的阈值范围界定方法,不同通信台站的供配电系统所涉及的设备要求等级不同,相同的供配电设备损伤标尺及阈值设定的范围略有不同,如何界定设备累计损伤程度目前没有统一的行业标准和国家标准作为参考;本发明实施例采用动态监测电能质量和谐波治理数据,谐波治理数据即采用标准电能质量监测模块对交流负载供电设备的电压、电流、谐波、有功、无功和功率因数等参数进行动态监测,对齐次谐波进行治理和优化,同时依据每个交流设备所建立的损伤阈值标尺进行定量分析;定量分析内容包括谐波干扰、有功功率、无功功率、功率因数和齐次谐波对负载供电质量影响因子等,依据这些定量分析的工作参数的波动量利用谐波治理模块进行干预,同时对提取的这些动态定量分析的数据进行累计,当累计损伤程度达到安全预警标尺所规定的阈值,系统即可启动声光预警装置,提前让管理人员介入,防止设备损伤严重导致供配电系统故障,从而准确评估供配电设备的累计损伤程度。
累计损伤程度是动态监测的定量分析中各数据的最大偏差值,如交流ATS柜输出的三相交流电压的5次谐波正常值小于60mV,当监测到三相交流电压的5次谐波达到180mV后,ATS柜交流配电输出的累计损伤程度达到了120mV。
损伤标尺应用在于供配电设备的交流电压、电流、有功功率、无功功率、功率因数、直流电压、直流电流、文波等在供配电系统中的失效机理。
预警算法,数据融合及综合诊断的预警预测:
综合利用来自多种信息源的、多参数、多传感器信息,及历史与经验信息,以减小本发明实施例所设计的故障诊断与预警模型算法的差错,提高预警精度是根本任务。预警故障诊断与预警预测中的数据融合采用算法推理层数据融合模型,采信相似产品可靠性统计数据或专家经验知识实现。
综合利用四个数据要素来源:1. 通过植入了硬件性能损耗数据采集模块动态监测供配电系统中多种设备的性能运行参数;2. 厂家提供设备模型及失效分析参数;3. 历史监测大数据分析结果;4. 行业运维经验老化数据。
通过对上述四个数据要求来源对本发明实施实例建立的故障诊断与预警预测模型算法输出健康度评估结果进行误差修订,具体针对每种设备修订数据模型略有差异。核心是保证预警预测模型输出精度得到提高。
本发明实施例基于一套基于预警因子、预警能力和预警标的综合预警算法实现,详细描述如下:
6个方面的预警因子(图1):
支撑时间、健康状态、设备寿命、供电系统可靠性R、设备故障率、值勤完成率。
SHLRFC预警模型(六因素模型)为本领域已知,不同在于本发明实施例中,针对供配电设备在6个方面的预警因子而设定。
本发明实施例中,6个方面的预警能力(图6):
状态预警:监控对象状态值发生改变时发出预警;
阈值预警:监控对象运行状态达到阈值时发出预警;
突变预警:监控对象运行数据违背正常运行轨迹发生突变时发出预警;
趋势预警:监控对象运行数据同影子对象发生拟合趋势变化时发出预警;
评价预警:监控对象相关的因子给出评价,针对不同评价值发出预警;
关联预警:监控对象逻辑出现上述预警时,针对逻辑关联对象发出预警。
3个维度的预警标的(图21):
设备级:以设备为预警视角综合考量设备的监控状态;
台站级:以台站为预警视角综合考量台站综合保障能力;
区域级:以区域为预警视角综合考量区域综合保障能力。
本发明实施例中所涉及的工作原理围绕“伴随因子系统实时分析校验算法”,工作原理参见图2。
预警模型算法验证与应用:
通过规模化在综合通信基础设施改造建设项目应用,具体应用见图3和图4。通信台站供配电安全预警准确率大于96.4%,实现无人值守,降低年度运维成本80%以上,借助信息化手段极大提高通信台站供配电运维管理效率,降低通信台站供配电安全运维管理故障率60%,实现本专利技术预期目标。
从图3-4中能够看出,通过预警模型计算出了通信台站综合保证能力通过雷达图直观呈现(见标号1);根据大数据修订调整后的预警模型各维度权重值(见标号2):支撑时间的权重为20%,故障率的权重为10%,供配电系统的权重值为20%,维护大纲的权重值为5%,寿命的权重值为5%,执勤完成度的权重为20%,无人值守的权重为10%,健康评估的权重为5%;预警模型各维度分值(见标号3):支撑时间的分值为80,寿命的分值为75,故障率的分值为85,执勤完成度的分值为83,供配电系统的分值为86,无人值守的分值为88,维护大纲的分值为82,健康评估的分值为84。通过预警模型结合历史数据、实时数据和权重值所得出的通信机房综合保障能力:82.8(见标号4)。根据综合保障能力对当前通信机房给出的维护建议(见标号5)。根据预警模型结合历史数据、实时数据对通信台站供配电设备寿命、支撑时间、健康状态、设备寿命、供电系统可靠性R、设备故障率、值勤完成进行分析,将实时运行健康度水平通过仪表盘进行呈现(见标号6),85%、95%表示两个时间段内的预警监测设备实时运行健康度水平。根据预警模型结合历史数据和实时数据对通信台站供配电设备健康状态通过雷达图进行呈现(见标号7)。根据通信台站供配电设备的健康状态给出对应的维护建议(见标号8)。根据通信台站供配电设备的健康状态,运行数据通过性能曲线图直观呈现设备的各生命周期的数据情况(见标号9),性能曲线图的纵坐标是负载工作实际功率需求值(单位为KW),代表了台站通信供配电设备输出功率动态水平和峰值水平,横坐标是时间(单位为分钟),代表不同时间节点。图3中的维护大纲指的是国标规定的通信台站运维管理所必须遵循的原则和指导意见书;无人值守是维护大纲中对通信台站运维管理提出一种全新的智能化运维管理模式,依靠智能传感、智能预警、智能调度和智能化供配电态势分析的一种无需人工干预的智能化运维管理模式。
通信台站供配电安全预警的具体实现方法:
S1,通过硬件性能损耗数据采集模块动态监测供配电系统中多种供配电设备的工作性能长期运行参数,为每个供配电设备建立长期运行参数数据库和性能曲线图;
S2,针对不同设备依据不同的维度建立预警模型;为不同供配电设备建立基于预警因子、预警标的和预警能力的综合预警模型,包括6个方面的预警因子,6个方面的预警能力和3个维度的预警标的,以此为设备提供健康度评分及预警预测;
S3,基于每个供配电设备长期的历史监测数据、性能曲线图以及厂家提供的设备老化模型和失效分析的工作参数,通过步骤S2建立的预警模型预估每个供配电设备的综合保障能力,综合保障能力的预估见图14-20,目的是依托预警预测模型及评分计算方法对供配电系统中的设备给出综合保障能力,方便维护人员直观观测,提前做好应急预案。
S4,通过经验公式计算综合保障能力,将得到的综合保障能力与S3预估的综合保障能力相比较,如果差值在0-5%的范围内,则可以作为最终的预测结果;如果差值超出0-5%的范围,通过历史运维数据和实际使用老化数据进行修正。
不同设备所建立不同的预警预测模型中的物理失效分析、环境应力和工作应力通过以下经验公式进行累计性能衰减计算:
累计性能衰减值(即每个供配电设备的累计损伤程度)=预警模型中物理失效分析值×60%+环境应力×20%+工作应力(工作强度)×20%;实际设备的性能(即综合保障能力)=设备出厂性能×100%-累计性能衰减值。
其中,预警模型中物理失效分析值是供配电设备出厂工作参数设定值,本发明实施例划分的四大类设备中每一类设备的物理失效分析值的名称统一,不同设备失效分析值大小略有不同,可作为一个集合参与计算;环境应力代表设备工作的环境状况,本领域技术人员能够根据实际情况确定环境应力,能够根据供配电设备的出厂信息确定对应的工作应力。上述公式对台站供配电设备行业运维经验针对设备性能影响因素赋予了不同的计算权值,最后通过此公式可得到实际设备工作的综合保障能力。
修正方法:将通信台站供电设备的历史运维数据和实际使用老化数据以插值的方式替换S1中供配电设备性能长期运行参数,修正和优化预估结果,使得预警和预测结果更切合实际,提高预警预测精度和准确性;替换时间长度为配电设备的工作老化周期,不同设备插值数据的长度不同。
S5,本发明实施例将不同的4大类供配电设备进行优先级处理,动力设备、负载设备和安全设备作为预警模型的最高优先级(权值为80%-100%);环境治理设备作为最低优先级(权值可以为0-20%),综合预警模型基于上述的优先级和权值对整个通信台站供配电安全进行预警预测,具体为:动力设备、负载设备和安全设备的综合保障能力分别乘以对应权值,然后求和,再加上环境治理设备的综合保障能力乘以对应权值。通过本方法建立的预警模型可极大提高供配电安全预警实时性。
本发明实施例从设备级、台站级和区域级对通信系统供配电设备、台站整体供配电和区域级多台站联合供配电三个维度进行安全预警,针对4大类设备建立基于预警因子、预警能力和预警标的综合预警模型和算法实现方法,需要依据5个方面内容进行,对行业经验与历史数据进行收集与分析,对预测结果进行修正,提高了预警和预测结果的准确性,使得预测精度达到了98%及以上,达到了预期的预警进度,降低了误报率。
因每种设备基于预警因子、预警能力和预警标的综合预警模型和算法实现均有差异,本发明实施例通过归一化处理实现预警。比如,依据ATS柜的工作特点,基于预警因子、预警能力和预警标的综合预警模型和算法如下:
步骤1,确定预警因子;预警因子包括:柜体内接触器和断路器的组件温度、电参数(功率,电压,电流等)、连续运行时间、ATS柜健康状态、ATS累计使用寿命、可靠性、设备故障率、值勤完成率等。可靠性是基于6个方面的预警因子输入到预警模型中,预警模型即可给出可靠性评估值,实际供配电设备可靠性可理解为健康度水平。
步骤2,基于步骤1中的数据,建立包括以下6个维度的预警和预测模型(预警是过程,预测是结果);6个维度包括:
状态预警,即ATS状态异常预警;
阈值预警,即ATS运行状态达到阈值时发出预警;
突变预警,即ATS运行数据偏离正常运行轨迹发生突变时发出预警;
趋势预警,即ATS运行数据同影子对象(原厂提供的失效分析工参数据)发生拟合趋势变化时发出预警;
评价预警,即确定ATS的6个因子(支撑时间、健康状态、设备寿命、供电系统可靠性R、设备故障率、值勤完成率)的评价值,计算综合保障能力,进而发出预警;
关联预警,即ATS逻辑出现上述预警时,针对逻辑关联对象发出预警。
步骤3,基于ATS设备长期的历史监测大数据,通过步骤2建立的预警模型输出预警结果(即综合保障能力),并通过电力系统ATS柜的行业运维经验与老化数据对预警结果进行修正,提高供配电系统中ATS柜体的安全预警的准确性,预警精度达到了99.4%,让运维管理人员提前对ATS柜体的运维预警状态动态掌握,防止发生安全隐患。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。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,均包含在本发明的保护范围内。
Claims (10)
1.一种通信台站供配电安全预警方法,其特征在于,包括以下步骤:
S1,通过硬件性能损耗数据采集模块动态监测供配电系统中多种供配电设备的长期运行参数,为每个供配电设备建立长期运行参数数据库和性能曲线图;
S2,为不同供配电设备建立基于预警因子、预警标的和预警能力的综合预警模型;
S3,基于每个供配电设备长期的历史监测数据、性能曲线图以及厂家提供的设备老化模型和失效分析的工作参数,通过S2建立的综合预警模型预估每个供配电设备的综合保障能力;
S4,通过经验公式计算综合保障能力,并与S3预估的综合保障能力相比较,如果差值在预设范围内,则输出预测结果;如果差值超出预设范围,通过通信台站供电设备的历史运维数据和实际使用的老化数据对预估结果进行修正;
S5,供配电设备中的动力设备、负载设备和安全设备作为高优先级,供配电设备中的环境治理设备作为低优先级,动力设备、负载设备和安全设备的综合保障能力分别乘以对应权值然后求和,再加上环境治理设备的综合保障能力乘以对应权值。
2.根据权利要求1所述一种通信台站供配电安全预警方法,其特征在于,所述综合预警模型包括六个方面的预警因子,六个方面的预警能力和三个维度的预警标的。
3.根据权利要求2所述一种通信台站供配电安全预警方法,其特征在于,所述六个方面的预警因子包括支撑时间、健康状态、设备寿命、供电系统可靠性、设备故障率和值勤完成率。
4.根据权利要求2所述一种通信台站供配电安全预警方法,其特征在于,所述六个方面的预警能力包括:
状态预警:监控对象状态值发生改变时发出预警;
阈值预警:监控对象运行状态达到阈值时发出预警;
突变预警:监控对象运行数据违背正常运行轨迹发生突变时发出预警;
趋势预警:监控对象运行数据同影子对象发生拟合趋势变化时发出预警;
评价预警:监控对象相关的预警因子给出评价,针对不同评价值发出预警;
关联预警:监控对象逻辑出现上述预警时,针对逻辑关联对象发出预警。
5.根据权利要求2所述一种通信台站供配电安全预警方法,其特征在于,所述三个维度的预警标的包括设备级、台站级和区域级。
6.根据权利要求1所述一种通信台站供配电安全预警方法,其特征在于,所述步骤S1中,采集的信息源按通信台站配置分为四大类:第一类:动力设备,包括交流供配电设备、直流供配电设备和后备电源设备;第二类:负载设备,包括交流负载和直流负载;第三类:环境类治理设备,包括精密工业空调设备、温度及湿度传感设备;第四类:安全防护类设备,包括防雷接地设备、漏电保护设备、安防设备和消防设备。
7.根据权利要求1所述一种通信台站供配电安全预警方法,其特征在于,所述步骤S4中,累计性能衰减值=预警模型中物理失效分析值×60%+环境应力×20%+工作应力×20%;实际设备的综合保障能力=设备出厂性能×100%-累计性能衰减值。
8.根据权利要求1所述一种通信台站供配电安全预警方法,其特征在于,所述步骤S4中,将通信台站供电设备的历史运维数据和实际使用老化数据以插值的方式替换S1中供配电设备性能长期运行参数,替换时间长度为配电设备的工作老化周期。
9.根据权利要求1所述一种通信台站供配电安全预警方法,其特征在于,所述步骤S4中,预设范围为0-5%。
10.根据权利要求1所述一种通信台站供配电安全预警方法,其特征在于,所述步骤S5中,动力设备、负载设备和安全设备的权值为80%-100%,环境治理设备的权值为0-20%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310775657.4A CN116797403A (zh) | 2023-06-28 | 2023-06-28 | 通信台站供配电安全预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310775657.4A CN116797403A (zh) | 2023-06-28 | 2023-06-28 | 通信台站供配电安全预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116797403A true CN116797403A (zh) | 2023-09-22 |
Family
ID=88049411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310775657.4A Pending CN116797403A (zh) | 2023-06-28 | 2023-06-28 | 通信台站供配电安全预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116797403A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117353436A (zh) * | 2023-10-07 | 2024-01-05 | 山东探越物联网技术有限公司 | 一种基于物联网监控的太阳能供电系统 |
CN117353436B (zh) * | 2023-10-07 | 2024-04-30 | 山东探越物联网技术有限公司 | 一种基于物联网监控的太阳能供电系统 |
-
2023
- 2023-06-28 CN CN202310775657.4A patent/CN116797403A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117353436A (zh) * | 2023-10-07 | 2024-01-05 | 山东探越物联网技术有限公司 | 一种基于物联网监控的太阳能供电系统 |
CN117353436B (zh) * | 2023-10-07 | 2024-04-30 | 山东探越物联网技术有限公司 | 一种基于物联网监控的太阳能供电系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2697699B1 (en) | Dynamic assessment system for high-voltage electrical components | |
CN111934332A (zh) | 一种基于云边协同的储能电站系统 | |
CN104020754A (zh) | 一种变电站一次主设备状态监测信息接入调控系统的方法 | |
CN110988559A (zh) | 基于物联网的变电站直流系统全生命周期的在线监测方法 | |
CN112713649A (zh) | 一种基于极限学习机的电力设备剩余寿命预测方法 | |
CN110349048B (zh) | 变电站多维数据运行交互控制平台及故障处置方法 | |
CN110336379A (zh) | 基于物联网的变电站在线监测系统及终端设备 | |
CN114383652A (zh) | 一种配电网潜在故障在线风险辨识方法、系统及装置 | |
CN106570567A (zh) | 一种主网检修多约束多目标评估专家系统及优化方法 | |
CN110569997A (zh) | 一种基于多维度数据体系的充电站运行维护方法 | |
CN102931625A (zh) | 一种继电保护在线状态检修智能决策分析装置和其信号处理方法及其应用 | |
CN112348699A (zh) | 一种供电系统电力设备生命周期管理方法及系统 | |
CN110991799A (zh) | 一种配电网生产综合预警方法 | |
CN117078017A (zh) | 一种用于电力电网设备监控智能化决策分析系统 | |
CN115760073A (zh) | 一种基于bim模型的变电站设备维护系统和方法 | |
CN105867267A (zh) | 通过图像识别技术实现配电站房仪表读数自动上报的方法 | |
CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
CN103616877A (zh) | 能源管网的监控诊断方法和系统 | |
CN116797403A (zh) | 通信台站供配电安全预警方法 | |
CN114838756B (zh) | 一种智能环网柜监控系统 | |
CN116470638A (zh) | 一种智能机房管控系统 | |
CN214122337U (zh) | 能源介质计量偏差预警系统 | |
CN111652497B (zh) | 基于调度规程的刀闸异常发热辅助决策系统 | |
CN117791562A (zh) | 变电设备状态管理方法、装置、管理服务器及存储介质 | |
Ling | Research on Efficiency Power System Fault Response Based on Intelligent Predictive Calculation |
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 |