CN116882595B - 一种变电站综合性能预测方法及系统 - Google Patents

一种变电站综合性能预测方法及系统 Download PDF

Info

Publication number
CN116882595B
CN116882595B CN202311141618.5A CN202311141618A CN116882595B CN 116882595 B CN116882595 B CN 116882595B CN 202311141618 A CN202311141618 A CN 202311141618A CN 116882595 B CN116882595 B CN 116882595B
Authority
CN
China
Prior art keywords
equipment
value
comprehensive performance
average value
parameter
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
Application number
CN202311141618.5A
Other languages
English (en)
Other versions
CN116882595A (zh
Inventor
高洪杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ruizhi Technology Group Co ltd
Original Assignee
Ruizhi Technology Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ruizhi Technology Group Co ltd filed Critical Ruizhi Technology Group Co ltd
Priority to CN202311141618.5A priority Critical patent/CN116882595B/zh
Publication of CN116882595A publication Critical patent/CN116882595A/zh
Application granted granted Critical
Publication of CN116882595B publication Critical patent/CN116882595B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06Electricity, gas or water supply
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本申请涉及大数据领域,尤其涉及一种变电站综合性能预测方法及系统,包括:获取变电站所有设备之间的关联关系的安全影响程度;在监测周期内,采集变电站内的设备的每个性能参数的数值,并计算得到该设备在该监测周期内的总综合性能参数均值;依据该设备在该监测周期内的总综合性能参数均值,判断该设备的异常情况,得到异常设备;若该设备异常,则依据设备与该设备之间的关联关系的安全影响程度,筛选风险设备;依据该监测周期内的异常设备的总综合性能参数均值,以及该监测周期内的风险设备的总综合性能参数均值,计算得到变电站综合风险预测值,以进行变电站综合风险预测。本申请可以降低变电站综合性能预测的难度,并且提高预测的准确度。

Description

一种变电站综合性能预测方法及系统
技术领域
本申请涉及大数据领域,尤其涉及一种变电站综合性能预测方法及系统。
背景技术
变电站是指电力系统中对电压和电流进行变换,接受电能及分配电能的场所。在发电厂内的变电站是升压变电站,其作用是将发电机发出的电能升压后馈送到高压电网中。在用户附件的变电站是降压变电站,其作用是将高压电网中的电能降压后输送至用户的用电设备。
伴随着计算机及大规模集成电路技术的发展,变电站自动化系统应用而生。通过变电站自动化系统可以收集到较为齐全的数据和信息,具有计算机高速计算能力和判断功能,能够方便地监视和控制变电站内各种设备的运行及操作,实现运行管理的智能化。
但是,由于变电站中设备数量较多,设备种类也较多,例如:直接生产、输送、分配和使用电能的一次设备,主要包括:高压断路器、隔离开关、母线、避雷器、电容器、电抗器等;对一次设备和系统的运行工况进行测量、监视、控制和保护的二次设备,主要包括:继电保护装置、自动装置、测控装置、计量装置、自动化系统以及为二次设备提供电源的直流设备等,而不同种类的设备对变电站综合性能的影响不同,这就导致对变电站进行综合性能预测的难度较大。而选择主要设备对变电站进行综合性能预测,又致使综合性能的预测准确度较低,这不利于变电站故障的提前预测。
因此,如何降低变电站综合性能预测的难度,并且提高变电站综合性能预测的准确度,以利于提高预测变电站的故障,是本领域技术人员目前急需解决的技术问题。
发明内容
在本申请提供了一种变电站综合性能预测方法及系统,以降低变电站综合性能预测的难度,并且提高变电站综合性能预测的准确度,以利于提高预测变电站的故障。
为解决上述技术问题,本申请提供如下技术方案:
一种变电站综合性能预测方法,包括如下步骤:步骤S110、获取变电站所有设备之间的关联关系的安全影响程度;步骤S120、在监测周期内,采集变电站内的设备的每个性能参数的数值,并计算得到该设备在该监测周期内的总综合性能参数均值;步骤S130、依据该设备在该监测周期内的总综合性能参数均值,判断该设备的异常情况,得到异常设备;步骤S140、若该设备异常,则依据设备与该设备之间的关联关系的安全影响程度,筛选风险设备;步骤S150、依据该监测周期内的异常设备的总综合性能参数均值,以及该监测周期内的风险设备的总综合性能参数均值,计算得到变电站综合风险预测值,以进行变电站综合风险预测。
如上所述的变电站综合性能预测方法,其中,优选的是,步骤S110包括如下子步骤:步骤S111、获取变电站内设备与设备之间的关联关系;步骤S112、获取具有关联关系的设备的种类参数值和等级参数值;步骤S113、根据设备与设备之间的关联关系、设备的种类参数值和等级参数值,获得设备与设备之间的关联关系的安全影响程度。
如上所述的变电站综合性能预测方法,其中,优选的是,步骤S120如下子步骤:步骤S121、按照设备所归属的种类获得对设备进行监测的监测频率,在监测周期内,按照监测频率采集该设备的每个性能参数的数值;步骤S122、通过该监测周期内每次采集的该设备的每个性能参数的数值,计算得到该设备的该次的综合性能参数均值;步骤S123、依据监测周期内该设备的每次的综合性能参数均值,得到该设备在该监测周期内的总综合性能参数均值。
如上所述的变电站综合性能预测方法,其中,优选的是,在计算得到设备的总综合性能参数均值后,将该设备的总综合性能参数均值与该设备的预设总综合性能参数均值进行比较;若该设备的总综合性能参数均值大于该设备的预设总综合性能参数均值,则该设备在该监测周期内正常,为正常设备;否则,则该设备在该监测周期内异常,为异常设备。
如上所述的变电站综合性能预测方法,其中,优选的是,若该设备存在异常,则将该设备与和其具有关联关系的设备之间的关联关系的安全影响程度和风险阈值进行比较;若该设备与和其具有关联关系的设备之间的关联关系的安全影响程度大于风险阈值,则将与该设备具有关联关系的这个设备筛选为风险设备。
一种变电站综合性能预测系统,其中,优选的是,包括:安全影响程度获取模块、采集计算模块、异常设备获取模块、风险设备筛选模块和综合风险预测模块;安全影响程度获取模块获取变电站所有设备之间的关联关系的安全影响程度;采集计算模块在监测周期内,采集变电站内的设备的每个性能参数的数值,并计算得到该设备在该监测周期内的总综合性能参数均值;异常设备获取模块依据该设备在该监测周期内的总综合性能参数均值,判断该设备的异常情况,得到异常设备;若该设备异常,则风险设备筛选模块依据设备与该设备之间的关联关系的安全影响程度,筛选风险设备;综合风险预测模块依据该监测周期内的异常设备的总综合性能参数均值,以及该监测周期内的风险设备的总综合性能参数均值,计算得到变电站综合风险预测值,以进行变电站综合风险预测。
如上所述的变电站综合性能预测系统,其中,优选的是,安全影响程度获取模块,包括:关联关系获取子模块、参数值获取子模块和安全影响程度获取子模块;关联关系获取子模块获取变电站内设备与设备之间的关联关系;参数值获取子模块获取具有关联关系的设备的种类参数值和等级参数值;安全影响程度获取子模块根据设备与设备之间的关联关系、设备的种类参数值和等级参数值,获得设备与设备之间的关联关系的安全影响程度。
如上所述的变电站综合性能预测系统,其中,优选的是,采集计算模块包括:频率获取子模块、数值采集子模块、性能参数均值计算子模块和总综合性能参数均值计算子模块;频率获取子模块按照设备所归属的种类获得对设备进行监测的监测频率,在监测周期内,数值采集子模块按照监测频率采集该设备的每个性能参数的数值;性能参数均值计算子模块通过该监测周期内每次采集的该设备的每个性能参数的数值,计算得到该设备的该次的综合性能参数均值;总综合性能参数均值计算子模块依据监测周期内该设备的每次的综合性能参数均值,得到该设备在该监测周期内的总综合性能参数均值。
如上所述的变电站综合性能预测系统,其中,优选的是,在计算得到设备的总综合性能参数均值后,将该设备的总综合性能参数均值与该设备的预设总综合性能参数均值进行比较;若该设备的总综合性能参数均值大于该设备的预设总综合性能参数均值,则该设备在该监测周期内正常,为正常设备;否则,则该设备在该监测周期内异常,为异常设备。
如上所述的变电站综合性能预测系统,其中,优选的是,若该设备存在异常,则将该设备与和其具有关联关系的设备之间的关联关系的安全影响程度和风险阈值进行比较;若该设备与和其具有关联关系的设备之间的关联关系的安全影响程度大于风险阈值,则将与该设备具有关联关系的这个设备筛选为风险设备。
相对上述背景技术,由于本申请根据设备的种类确定对其进行监测的频率,从而减少了监测数据的数量,并且本申请中对于风险设备的确定,是从与异常设备具有关联关系的设备中进行筛选的,因此不仅考虑了与异常设备关联的设备对变电站综合风险预测的影响,还避免了在大范围内进行风险设备的筛查,因此本申请可以降低变电站综合性能预测的难度,并且提高变电站综合性能预测的准确度,以利于提高预测变电站的故障。
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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的变电站综合性能预测方法的流程图;
图2是本申请实施例提供的变电站综合性能预测方法中关联关系的安全影响程度的获取方法的流程图;
图3是本申请实施例提供的变电站综合性能预测方法中总综合性能参数均值的获取方法的流程图;
图4是本申请实施例提供的变电站综合性能预测系统的示意图;
图5是本申请实施例提供的变电站综合性能预测系统中安全影响程度获取模块的示意图;
图6是本申请实施例提供的变电站综合性能预测系统中采集计算模块的示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
实施例一
请参阅图1,图1是本申请实施例提供的变电站综合性能预测方法的流程图。
本申请提供了一种变电站综合性能预测方法,包括如下步骤:
步骤S110、获取变电站所有设备之间的关联关系的安全影响程度;
一座变电站内具有数量较多、种类也较多的设备,例如:高压断路器、隔离开关、母线、避雷器、电容器、电抗器等一次设备,自动装置、测控装置、计量装置、自动化系统以及为二次设备提供电源的直流设备等二次设备。两个一次设备之间、两个二次设备之间以及一个一次设备与一个二次设备之间,均可能具有关联关系,例如:设备A出现安全问题,设备B也会出现安全问题,因此设备A与设备B之间具有关联关系。
具体的,如图2所示,步骤S110包括如下子步骤:
步骤S111、获取变电站内设备与设备之间的关联关系;
变电站内的第个设备/>出现安全问题,第/>个设备/>也可能会出现安全问题,因此第/>个设备/>与第/>个设备/>之间具有关联关系,表示为:/>。作为一个例子,变电站内的一级设备高压断路器出现安全问题,会影响二级设备计量装置出现安全问题,因此一级设备高压断路器和二级设备计量装置之间具有关联关系。
步骤S112、获取具有关联关系的设备的种类参数值和等级参数值;
由于设备所归属的种类(控制设备、开关设备等)不同,其会影响该设备与其他设备之间的安全影响程度,另外设备属于一级设备或者属于二级设备,也会影响该设备与其他设备之间的安全影响程度,因此获取具有关联关系的设备所归属的种类的参数值,种类参数值、/>,其中,/>为第/>个设备/>的种类参数值,/>为第/>个设备/>的种类参数值,以及所属的等级的参数值,等级参数值/>、/>(即:一级设备和二级设备),其中,/>为第/>个设备/>的等级参数值,/>为第/>个设备/>的种类参数值,以评价设备与设备之间的关联关系的安全影响程度。
步骤S113、根据设备与设备之间的关联关系、设备的种类参数值和等级参数值,获得设备与设备之间的关联关系的安全影响程度;
具体的,依据公式 计算得到第/>个设备/>与第/>个设备/>之间的关联关系的安全影响程度,其中/>为安全影响因子,为经验值。
步骤S120、在监测周期内,采集变电站内的设备的每个性能参数的数值,并计算得到该设备在该监测周期内的总综合性能参数均值;
具体的,如图3所示,步骤S120包括如下子步骤:
步骤S121、按照设备所归属的种类获得对设备进行监测的监测频率,在监测周期内,按照监测频率采集该设备的每个性能参数的数值;
由于变电站内的设备的种类较多,而不同种类的设备对于变电站综合性能的影响程度是不同的,因此按照第个设备/>所归属的/>种类获得对第/>个设备/>进行监测的监测频率/>,然后按照所获得的监测频率/>采集第/>个设备/>的每个性能参数的数值,其中监测频率/>为一个监测周期内完成性能参数的数值的采集次数。
具体的,在一个监测周期(例如:分钟)内,按照所获得的监测频率/>采集第/>个设备/>的每个性能参数的数值。例如:第1次采集的第/>个设备/>的每个性能参数的数值为/>,/>,第/>次采集的第/>个设备/>的每个性能参数的数值为/>,/>,第/>次采集的第/>个设备的每个性能参数的数值为/>,其中,
步骤S122、通过该监测周期内每次采集的该设备的每个性能参数的数值,计算得到该设备的该次的综合性能参数均值;
通过该监测周期内每次采集的第个设备/>的每个性能参数的数值,计算得到第/>个设备/>的该次的综合性能参数均值。具体的,第/>个设备/>的第/>次的综合性能参数均值为/>,其中,/>为第/>次采集的第/>个设备/>的第1个性能参数的数值,/>为第/>次采集的第/>个设备/>的第2个性能参数的数值,/>为第/>次采集的第/>个设备/>的第/>个性能参数的数值,/>为/>中的最大值。
步骤S123、依据监测周期内该设备的每次的综合性能参数均值,得到该设备在该监测周期内的总综合性能参数均值;
依据该监测周期内第个设备/>的每次的综合性能参数均值,得到第/>个设备的总综合性能参数均值。具体的,第/>个设备/>的总综合性能参数均值为 ,其中,/>为第/>个设备/>的第/>次的综合性能参数均值,/>第/>个设备/>的第/>次的综合性能参数均值,/>第/>个设备/>的第/>次的综合性能参数均值。同理,可以计算得到第/>个设备/>的总综合性能参数均值为/>
步骤S130、依据该设备在该监测周期内的总综合性能参数均值,判断该设备的异常情况,得到异常设备;
在计算得到第个设备/>的总综合性能参数均值/>后,将第/>个设备/>的总综合性能参数均值/>与第/>个设备/>的预设总综合性能参数均值/>进行比较,若第/>个设备/>的总综合性能参数均值/>大于第/>个设备/>的预设总综合性能参数均值/>,则认为第/>个设备/>在该监测周期内正常,为正常设备,否则,则认为第/>个设备/>在该监测周期内异常,为异常设备。
步骤S140、若该设备异常,则依据设备与该设备之间的关联关系的安全影响程度,筛选风险设备;
若第个设备/>存在异常,则与之具有关联关系的第/>个设备/>就可能存在风险,那么将第/>个设备/>与第/>个设备/>之间的关联关系的安全影响程度/>与风险阈值/>进行比较,若第/>个设备/>与第/>个设备/>之间的关联关系的安全影响程度大于风险阈值,第/>个设备/>存在风险,从而筛选得到风险设备,否则,则认为第/>个设备/>不存在风险。
步骤S150、依据该监测周期内的异常设备的总综合性能参数均值,以及该监测周期内的风险设备的总综合性能参数均值,计算得到变电站综合风险预测值,以进行变电站综合风险预测。
在筛选出风险设备后,依据公式,计算得到该监测周期内变电站综合风险预测值/>;其中,/>为预测系数,为经验值;/>为第/>个异常设备的总综合性能参数均值;/>为第/>个异常设备的标准总综合性能参数均值;/>为第/>个异常设备的权重值;/>为异常设备的总权重值;/>为异常设备的数量;为第/>个风险设备的总综合性能参数均值;/>为第/>个风险设备的标准总综合性能参数均值;/>为第/>个风险设备的权重值;/>为风险设备的总权重值;/>为风险设备的数量。
在计算得到变电站综合风险预测值后,将变电站综合风险预测值与预设的风险阈值范围进行比较,若变电站综合风险预测值在预设的风险阈值范围之内,则认为该变电站的综合风险不高,若变电站综合风险预测值在预设的风险阈值范围之外,则认为该变电站的综合风险较高,应该对异常设备和风险设备进行逐步排查。
实施例二
请参阅图4,图4是本申请实施例提供的变电站综合性能预测系统的示意图。
本申请提供了一种变电站综合性能预测系统400,包括:安全影响程度获取模块410、采集计算模块420、异常设备获取模块430、风险设备筛选模块440和综合风险预测模块450。
安全影响程度获取模块410获取变电站所有设备之间的关联关系的安全影响程度。
一座变电站内具有数量较多、种类也较多的设备,例如:高压断路器、隔离开关、母线、避雷器、电容器、电抗器等一次设备,自动装置、测控装置、计量装置、自动化系统以及为二次设备提供电源的直流设备等二次设备。两个一次设备之间、两个二次设备之间以及一个一次设备与一个二次设备之间,均可能具有关联关系,例如:设备A出现安全问题,设备B也会出现安全问题,因此设备A与设备B之间具有关联关系。
具体的,如图5所示,安全影响程度获取模块410,包括:关联关系获取子模块411、参数值获取子模块412和安全影响程度获取子模块413。
关联关系获取子模块411获取变电站内设备与设备之间的关联关系。
变电站内的第个设备/>出现安全问题,第/>个设备/>也可能会出现安全问题,因此第/>个设备/>与第/>个设备/>之间具有关联关系,表示为:/>。作为一个例子,变电站内的一级设备高压断路器出现安全问题,会影响二级设备计量装置出现安全问题,因此一级设备高压断路器和二级设备计量装置之间具有关联关系。
参数值获取子模块412获取具有关联关系的设备的种类参数值和等级参数值。
由于设备所归属的种类(控制设备、开关设备等)不同,其会影响该设备与其他设备之间的安全影响程度,另外设备属于一级设备或者属于二级设备,也会影响该设备与其他设备之间的安全影响程度,因此获取具有关联关系的设备所归属的种类的参数值,种类参数值、/>,其中,/>为第/>个设备/>的种类参数值,/>为第/>个设备/>的种类参数值,以及所属的等级的参数值,等级参数值/>、/>(即:一级设备和二级设备),其中,/>为第/>个设备/>的等级参数值,/>为第/>个设备/>的种类参数值,以评价设备与设备之间的关联关系的安全影响程度。
安全影响程度获取子模块413根据设备与设备之间的关联关系、设备的种类参数值和等级参数值,获得设备与设备之间的关联关系的安全影响程度。
具体的,依据公式 计算得到第/>个设备/>与第/>个设备/>之间的关联关系的安全影响程度,其中/>为安全影响因子,为经验值。
采集计算模块420在监测周期内,采集变电站内的设备的每个性能参数的数值,并计算得到该设备在该监测周期内的总综合性能参数均值;
具体的,如图3所示,采集计算模块420包括:频率获取子模块421、数值采集子模块422、性能参数均值计算子模块423和总综合性能参数均值计算子模块424。
频率获取子模块421按照设备所归属的种类获得对设备进行监测的监测频率,在监测周期内,数值采集子模块422按照监测频率采集该设备的每个性能参数的数值。
由于变电站内的设备的种类较多,而不同种类的设备对于变电站综合性能的影响程度是不同的,因此按照第个设备/>所归属的种类/>获得对第/>个设备/>进行监测的监测频率/>,然后按照所获得的监测频率/>采集第/>个设备/>的每个性能参数的数值,其中监测频率/>为一个监测周期内完成性能参数的数值的采集次数。
具体的,在一个监测周期(例如:分钟)内,按照所获得的监测频率/>采集第/>个设备/>的每个性能参数的数值。例如:第1次采集的第/>个设备/>的每个性能参数的数值为/>,/>,第/>次采集的第/>个设备/>的每个性能参数的数值为/>,/>,第/>次采集的第/>个设备/>的每个性能参数的数值为/>,其中,/>
性能参数均值计算子模块423通过该监测周期内每次采集的该设备的每个性能参数的数值,计算得到该设备的该次的综合性能参数均值。
通过该监测周期内每次采集的第个设备/>的每个性能参数的数值,计算得到第/>个设备/>的该次的综合性能参数均值。具体的,第/>个设备/>的第/>次的综合性能参数均值为/>,其中,/>为第/>次采集的第/>个设备/>的第1个性能参数的数值,/>为第/>次采集的第/>个设备/>的第2个性能参数的数值,/>为第/>次采集的第/>个设备/>的第/>个性能参数的数值,/>为/>中的最大值。
总综合性能参数均值计算子模块424依据监测周期内该设备的每次的综合性能参数均值,得到该设备在该监测周期内的总综合性能参数均值。
依据该监测周期内第个设备/>的每次的综合性能参数均值,得到第/>个设备的总综合性能参数均值。具体的,第/>个设备/>的总综合性能参数均值为 ,其中,/>为第/>个设备/>的第/>次的综合性能参数均值,/>第/>个设备/>的第/>次的综合性能参数均值,/>第/>个设备/>的第/>次的综合性能参数均值。同理,可以计算得到第/>个设备/>的总综合性能参数均值为/>
异常设备获取模块430依据该设备在该监测周期内的总综合性能参数均值,判断该设备的异常情况,得到异常设备。
在计算得到第个设备/>的总综合性能参数均值/>后,将第/>个设备/>的总综合性能参数均值/>与第/>个设备/>的预设总综合性能参数均值/>进行比较,若第个设备/>的总综合性能参数均值/>大于第/>个设备/>的预设总综合性能参数均值,则认为第/>个设备/>在该监测周期内正常,为正常设备,否则,则认为第/>个设备在该监测周期内异常,为异常设备。
若该设备异常,则风险设备筛选模块440依据设备与该设备之间的关联关系的安全影响程度,筛选风险设备。
若第个设备/>存在异常,则与之具有关联关系的第/>个设备/>就可能存在风险,那么将第/>个设备/>与第/>个设备/>之间的关联关系的安全影响程度/>与风险阈值/>进行比较,若第/>个设备/>与第/>个设备/>之间的关联关系的安全影响程度/>大于风险阈值,第/>个设备/>存在风险,从而筛选得到风险设备,否则,则认为第/>个设备不存在风险。
综合风险预测模块450依据该监测周期内的异常设备的总综合性能参数均值,以及该监测周期内的风险设备的总综合性能参数均值,计算得到变电站综合风险预测值,以进行变电站综合风险预测。
在筛选出风险设备后,依据公式,计算得到该监测周期内变电站综合风险预测值/>;其中,/>为预测系数,为经验值;/>为第/>个异常设备的总综合性能参数均值;/>为第/>个异常设备的标准总综合性能参数均值;/>为第/>个异常设备的权重值;/>为异常设备的总权重值;/>为异常设备的数量;为第/>个风险设备的总综合性能参数均值;/>为第/>个风险设备的标准总综合性能参数均值;/>为第/>个风险设备的权重值;/>为风险设备的总权重值;/>为风险设备的数量。
在计算得到变电站综合风险预测值后,将变电站综合风险预测值/>与预设的风险阈值范围进行比较,若变电站综合风险预测值/>在预设的风险阈值范围之内,则认为该变电站的综合风险不高,若变电站综合风险预测值/>在预设的风险阈值范围之外,则认为该变电站的综合风险较高,应该对异常设备和风险设备进行逐步排查。
由于本申请根据设备的种类确定对其进行监测的频率,从而减少了监测数据的数量,并且本申请中对于风险设备的确定,是从与异常设备具有关联关系的设备中进行筛选的,因此不仅考虑了与异常设备关联的设备对变电站综合风险预测的影响,还避免了在大范围内进行风险设备的筛查,因此本申请可以降低变电站综合性能预测的难度,并且提高变电站综合性能预测的准确度,以利于提高预测变电站的故障。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。

Claims (6)

1.一种变电站综合性能预测方法,其特征在于,包括如下步骤:
步骤S110、获取变电站所有设备之间的关联关系的安全影响程度;
步骤S110包括如下子步骤:
步骤S111、获取变电站内设备与设备之间的关联关系;
步骤S112、获取具有关联关系的设备的种类参数值和等级参数值;
步骤S113、根据设备与设备之间的关联关系、设备的种类参数值和等级参数值,获得设备与设备之间的关联关系的安全影响程度;
依据公式 计算得到第/>个设备/>与第个设备/>之间的关联关系的安全影响程度/>,其中/>为安全影响因子,/>为第个设备/>与第/>个设备/>之间具有关联关系,/>为第/>个设备/>的种类参数值,为第/>个设备/>的种类参数值,/>为第/>个设备/>的等级参数值,/>为第/>个设备/>的等级种类参数值;
步骤S120、在监测周期内,采集变电站内的设备的每个性能参数的数值,并计算得到该设备在该监测周期内的总综合性能参数均值;
步骤S120包括如下子步骤:
步骤S121、按照设备所归属的种类获得对设备进行监测的监测频率,在监测周期内,按照监测频率采集该设备的每个性能参数的数值;
步骤S122、通过该监测周期内每次采集的该设备的每个性能参数的数值,计算得到该设备的该次的综合性能参数均值;
个设备/>的第/>次的综合性能参数均值为,其中,/>为第/>次采集的第/>个设备/>的第1个性能参数的数值,/>为第/>次采集的第/>个设备/>的第2个性能参数的数值,/>为第/>次采集的第/>个设备/>的第/>个性能参数的数值,为/>中的最大值;
步骤S123、依据监测周期内该设备的每次的综合性能参数均值,得到该设备在该监测周期内的总综合性能参数均值;
步骤S130、依据该设备在该监测周期内的总综合性能参数均值,判断该设备的异常情况,得到异常设备;
步骤S140、若该设备异常,则依据设备与该设备之间的关联关系的安全影响程度,筛选风险设备;
步骤S150、依据该监测周期内的异常设备的总综合性能参数均值,以及该监测周期内的风险设备的总综合性能参数均值,计算得到变电站综合风险预测值,以进行变电站综合风险预测。
2.根据权利要求1所述的变电站综合性能预测方法,其特征在于,
在计算得到设备的总综合性能参数均值后,将该设备的总综合性能参数均值与该设备的预设总综合性能参数均值进行比较;
若该设备的总综合性能参数均值大于该设备的预设总综合性能参数均值,则该设备在该监测周期内正常,为正常设备;
否则,则该设备在该监测周期内异常,为异常设备。
3.根据权利要求2所述的变电站综合性能预测方法,其特征在于,若该设备存在异常,则将该设备与和其具有关联关系的设备之间的关联关系的安全影响程度和风险阈值进行比较;
若该设备与和其具有关联关系的设备之间的关联关系的安全影响程度大于风险阈值,则将与该设备具有关联关系的这个设备筛选为风险设备。
4.一种变电站综合性能预测系统,其特征在于,包括:安全影响程度获取模块、采集计算模块、异常设备获取模块、风险设备筛选模块和综合风险预测模块;
安全影响程度获取模块获取变电站所有设备之间的关联关系的安全影响程度;
安全影响程度获取模块,包括:关联关系获取子模块、参数值获取子模块和安全影响程度获取子模块;
关联关系获取子模块获取变电站内设备与设备之间的关联关系;
参数值获取子模块获取具有关联关系的设备的种类参数值和等级参数值;
安全影响程度获取子模块根据设备与设备之间的关联关系、设备的种类参数值和等级参数值,获得设备与设备之间的关联关系的安全影响程度;
依据公式 计算得到第/>个设备/>与第个设备/>之间的关联关系的安全影响程度/>,其中/>为安全影响因子,/>为第个设备/>与第/>个设备/>之间具有关联关系,/>为第/>个设备/>的种类参数值,为第/>个设备/>的种类参数值,/>为第/>个设备/>的等级参数值,/>为第/>个设备/>的等级种类参数值;
采集计算模块在监测周期内,采集变电站内的设备的每个性能参数的数值,并计算得到该设备在该监测周期内的总综合性能参数均值;
采集计算模块包括:频率获取子模块、数值采集子模块、性能参数均值计算子模块和总综合性能参数均值计算子模块;
频率获取子模块按照设备所归属的种类获得对设备进行监测的监测频率,在监测周期内,数值采集子模块按照监测频率采集该设备的每个性能参数的数值;
性能参数均值计算子模块通过该监测周期内每次采集的该设备的每个性能参数的数值,计算得到该设备的该次的综合性能参数均值;
个设备/>的第/>次的综合性能参数均值为,其中,/>为第/>次采集的第/>个设备/>的第1个性能参数的数值,/>为第/>次采集的第/>个设备/>的第2个性能参数的数值,/>为第/>次采集的第/>个设备/>的第/>个性能参数的数值,为/>中的最大值;
总综合性能参数均值计算子模块依据监测周期内该设备的每次的综合性能参数均值,得到该设备在该监测周期内的总综合性能参数均值;
异常设备获取模块依据该设备在该监测周期内的总综合性能参数均值,判断该设备的异常情况,得到异常设备;
若该设备异常,则风险设备筛选模块依据设备与该设备之间的关联关系的安全影响程度,筛选风险设备;
综合风险预测模块依据该监测周期内的异常设备的总综合性能参数均值,以及该监测周期内的风险设备的总综合性能参数均值,计算得到变电站综合风险预测值,以进行变电站综合风险预测。
5.根据权利要求4所述的变电站综合性能预测系统,其特征在于,
在计算得到设备的总综合性能参数均值后,将该设备的总综合性能参数均值与该设备的预设总综合性能参数均值进行比较;
若该设备的总综合性能参数均值大于该设备的预设总综合性能参数均值,则该设备在该监测周期内正常,为正常设备;
否则,则该设备在该监测周期内异常,为异常设备。
6.根据权利要求5所述的变电站综合性能预测系统,其特征在于,若该设备存在异常,则将该设备与和其具有关联关系的设备之间的关联关系的安全影响程度和风险阈值进行比较;
若该设备与和其具有关联关系的设备之间的关联关系的安全影响程度大于风险阈值,则将与该设备具有关联关系的这个设备筛选为风险设备。
CN202311141618.5A 2023-09-06 2023-09-06 一种变电站综合性能预测方法及系统 Active CN116882595B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311141618.5A CN116882595B (zh) 2023-09-06 2023-09-06 一种变电站综合性能预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311141618.5A CN116882595B (zh) 2023-09-06 2023-09-06 一种变电站综合性能预测方法及系统

Publications (2)

Publication Number Publication Date
CN116882595A CN116882595A (zh) 2023-10-13
CN116882595B true CN116882595B (zh) 2024-01-30

Family

ID=88271867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311141618.5A Active CN116882595B (zh) 2023-09-06 2023-09-06 一种变电站综合性能预测方法及系统

Country Status (1)

Country Link
CN (1) CN116882595B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117234858A (zh) * 2023-11-14 2023-12-15 睿至科技集团有限公司 一种智能告警平台的协调优化运行方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069695A (zh) * 2015-07-28 2015-11-18 东北电力大学 一种智能变电站实时风险分析系统及分析方法
CN112396292A (zh) * 2020-10-22 2021-02-23 国网浙江省电力有限公司嘉兴供电公司 一种基于物联网及边缘计算的变电站设备风险管控系统
CN115800272A (zh) * 2023-02-06 2023-03-14 国网山东省电力公司东营供电公司 基于拓扑识别的电网故障分析方法、系统、终端及介质
CN116433009A (zh) * 2023-03-08 2023-07-14 广东电网有限责任公司 一种用于变电设备的异常监测方法、装置及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109239265B (zh) * 2018-09-11 2021-01-22 清华大学合肥公共安全研究院 监测设备故障检测方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069695A (zh) * 2015-07-28 2015-11-18 东北电力大学 一种智能变电站实时风险分析系统及分析方法
CN112396292A (zh) * 2020-10-22 2021-02-23 国网浙江省电力有限公司嘉兴供电公司 一种基于物联网及边缘计算的变电站设备风险管控系统
CN115800272A (zh) * 2023-02-06 2023-03-14 国网山东省电力公司东营供电公司 基于拓扑识别的电网故障分析方法、系统、终端及介质
CN116433009A (zh) * 2023-03-08 2023-07-14 广东电网有限责任公司 一种用于变电设备的异常监测方法、装置及存储介质

Also Published As

Publication number Publication date
CN116882595A (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
CN111010084B (zh) 一种光伏电站智能监控分析平台及方法
CN116882595B (zh) 一种变电站综合性能预测方法及系统
CN107453485B (zh) 一种调度运行信息巡检方法及系统
CN103065268A (zh) 一种对变电站运行数据的优化整合与智能分析的系统
CN114264952B (zh) 一种基于数据处理的断路器运行状态特征管理系统
CN104966147A (zh) 一种考虑基态和事故态的电网运行风险分析方法
CN104331042A (zh) 水电厂计算机监控系统的状态评价方法
CN108389002A (zh) 一种基于n-1严重故障集的多重故障生成方法
CN108876197B (zh) 一种电力设备集群及群组分析系统
CN103149492B (zh) 一种基于智能电表的微电网短路故障诊断方法
CN112001686A (zh) 一种架空线路停电研判系统
Bollen et al. Reliability of distribution networks with DER including intentional islanding
CN114928166A (zh) 一种医疗设备配电监测管理系统
CN112737106B (zh) 一种线损异常分段管控方法
CN107508314B (zh) 一种分布式光伏保护系统及保护方法
CN111929528A (zh) 一种市域电网设备故障风险监测预警方法
Zhang et al. Research on operation evaluation technology system of smart distribution grid
CN105703341B (zh) 针对大规模风电具有防偷跳功能的分层分域孤岛保护方法
Chu et al. Self-healing control method in abnormal state of distribution network
CN112751421A (zh) 一种数字计算增强的高可靠性低压配电安全监控系统
CN112865117A (zh) 新能源汇集直流闭锁后无功紧急控制方法、装置和系统
CN112448478B (zh) 一种变压器负载管控方法
CN116843361B (zh) 电网审计信息化管理方法及系统
CN110912269B (zh) 一种海上电网电能调度与管控系统
Su et al. Hierarchical Layered Method of Converter Station Based on Principal Component Analysis and Association Analysis

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