CN117251810A - 基于数字孪生平台的变电站设备状态评估预警系统及方法 - Google Patents
基于数字孪生平台的变电站设备状态评估预警系统及方法 Download PDFInfo
- Publication number
- CN117251810A CN117251810A CN202311151625.3A CN202311151625A CN117251810A CN 117251810 A CN117251810 A CN 117251810A CN 202311151625 A CN202311151625 A CN 202311151625A CN 117251810 A CN117251810 A CN 117251810A
- Authority
- CN
- China
- Prior art keywords
- equipment
- evaluation
- information
- state
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 225
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 83
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 74
- 238000007689 inspection Methods 0.000 claims abstract description 59
- 238000013210 evaluation model Methods 0.000 claims abstract description 37
- 238000013507 mapping Methods 0.000 claims abstract description 27
- 230000002159 abnormal effect Effects 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 21
- 238000012423 maintenance Methods 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000003745 diagnosis Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 241000272814 Anser sp. Species 0.000 claims description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000032683 aging Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000004146 energy storage Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000003825 pressing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000000779 smoke Substances 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000003860 storage Methods 0.000 description 14
- 230000036541 health Effects 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种基于数字孪生平台的变电站设备状态评估预警系统及方法,包括以下步骤:解析数字孪生模型获取设备基本信息,创建设备信息映射表;匹配设备类型选择评估算法和规则,生成设备状态评估模型;解析巡视系统数据匹配设备信息点;形成设备巡视信息点表;实例化设备评估对象,匹配信息点、算法参数、规则;采用滑窗和事件触发机制启动状态评估,生成评估结果文件;分析历史数据预测设备状态,异常时告警。该方法为变电站内复杂的一、二次设备建立评估模型,抽象具化一次设备、二次设备、监控、巡视、运检系统等多源数据,采用灵活的算法及评价规则组合,屏蔽设备差异性、算法等的多样性,提高评估预警功能的准确性、评估结果的标准化。
Description
技术领域
本发明属于电力系统调度自动化领域,特别是智能变电站监控系统及数字孪生系统中,实现电力设备统一的状态分析、评价和预警方法。
背景技术
随着智能电网的发展、数字孪生变电站的建设,先进数字技术与业务的深度融合将进一步加快,数字化转型、数字电网建设将持续深入,急需提升变电站运维支撑系统质效,通过技术革新推动人工替代,有效缓解电网运检人员不足、设备管控力度弱化、技术支撑保障能力不强、现有运维管理模式难以适应设备快速增长的矛盾。各电网公司为实现变电站设备的运行状况实时监控,及时发现潜在的故障,从而做到及时修理,防患于未然的目标进行了各种尝试。目前对变电站设备健康状态的评估经常面对特定类型设备,使用独立算法和评价体系,此类方法未能充分利用基于数字孪生平台的智能变电站的巨量关联信息数据,未能有效建立统一的设备健康模型以真实反映一、二次设备健康状态,评估算法、算法参数、评价规则分散独立,没有实现高效组合的系统评估方法,难以满足电力用户实时了解一、二次设备运行状态,分析设备运行趋势,达到提前预防事故的智能运维要求。
发明内容
为解决现有技术中存在的不足,本发明提供一种基于数字孪生平台的变电站设备状态评估预警方法,目的是基于现有智慧化变电站中的数字孪生系统平台和技术,以标准化的变电站信息模型,统一构建站内一次、二次设备评估模型并实例化评估对象,通过全景多维数据信息和先进的评估预警算法实现设备状态实时、准确的分析、评价和预警,为实现智能运检提供了坚实的基础。
为便于理解本发明的技术方案,首先对本发明中可能出现的技术术语说明如下:
SCD(Substation Configuration Description)变电站配置描述文件:包含电压等级模型、间隔模型和一次设备拓扑模型、变电站内地理区域模型、一次设备模型、二次设备模型、辅助设备模型等信息,其中辅助设备包括动环、安防、消防监控终端、锁控、网关机。
设备资源信息配置文件:用于站内监控系统与巡视系统的信息交互,主要包含监控索引号、设备名称、设备类型、所有需要联动的遥信、遥测信息,其格式和内容均遵循标准定义。
CIM/E电力系统数据标记语言:是E语言规范在CIM(Common Information Model,公共信息模型)基础上以XML方式进行电力系统数据标记的语言,具有简洁、高效和适用于电力系统的特点。
本发明的具体方案如下:
一种基于数字孪生平台的变电站设备状态评估预警方法,所述方法包括以下步骤:
(1)创建设备基本信息映射表,从数字孪生变电站SCD文件中的模型、和监控系统、智能巡视系统中解析、提取、并形成待评估的一、二次设备相关联的监测数据详细信息点集,创建设备基本信息映射表;
(2)通过设备厂家、类型、型号,匹配选取与此待评估设备对应的评估算法、评价规则,关联参数组合和设备参数,加载自变量点信息特征模板和计算关联参数模板,创建设备状态评估模型;
(3)解析智能巡视系统的设备资源信息配置文件相关字段信息,结合SCD文件中区域模型和监控系统信息,匹配巡视点位和对应的一次设备、二次设备,得到待监测评估设备名称、信息点名称、类型和监控测点ID,按设备名称生成设备巡视信息点表;
根据设备资源信息配置文件内容,将从SCD文件已解析的开关场、间隔场所、智能化装置信息和监控系统信息结合,通过名称和IED名称匹配巡视点位和一次设备、二次设备,得到待监测评估设备名称、信息点名称、类型和监控测点ID,按设备名称创建设备巡视信息点表;
(4)根据设备基本信息映射表,综合获取对应设备的状态评估模型,匹配设备巡视信息点表中的信息点、评估算法所用参数、分值判据、评价规则判据、和设备检修信息和家族信息等内容,为待评估设备实例化设备评估对象;
(5)采用滑动时间窗口和事件触发两种方式启动评估流程,判定设备当前状态,生成标准格式评估结果文件;
(6)根据设备监测信息点的分值历史数据预测设备未来状态,当设备为不健康状态时发出告警信号。
本发明进一步包括以下优选方案。
在所述步骤(1)中,解析SCD文件中一次设备拓扑、一次设备、二次设备、在线监测、电压等级、间隔、地理区域、设备台账模型,分析一次设备、二次设备、辅助设备的标识、名称、型号、信息及所属电压等级、间隔、连接点、位置关系,获取二次设备自身监测点表、及二次设备和在线监测设备关联一次设备的点表,一、二次设备厂家、类型和型号信息,通过点引用获取监控系统测点ID,筛除无关的点,形成与待监测评估设备有关详细信息点集,以设备名称为键值,创建设备基本信息映射表;
在步骤(2)中,在专家知识库中预存待评估设备对应的评估算法、评价规则、家族信息运行参数配置;
对于待评估的二次设备,对应的评估算法包括分层监测信息重要度算法、基于规则推理的分析算法、基于在线/离线混合大数据的运行工况评估算法;
对于待评估的一次设备,对应的评价规则包括一次设备的绝对产气率评价规则、相对产气率评价规则、热点温度评价规则、老化率计算评价规则、寿命累计评价规则、过载能力评价规则、漏油识别分析评价规则、破损分析评价规则、噪声及振动分析评价规则;
获取和设备相关的额定电流、额定电压、额定短路电流、额定载流量、额定电容量主要运行参数,并根据选取的评估算法加载对应的算法接口库、分值判据、评价规则和自变量点信息特征和计算参数模板,以设备的厂家、类型、型号为唯一标识,格式为厂家_类型_型号,创建设备状态评估模型。
在步骤(2)中,在选取与待评估设备对应的评估算法、评价规则后,加载对应的自变量点信息特征模板和计算关联参数组合模板;
其中,自变量点信息特征模板中包括待评估设备的状态量信息和量测量信息,所述计算关联参数组合模板包括待评估设备的额定电流、额定电压、额定短路电流、额定载流量、额定电容量。
所述状态量信息包括严重信号、异常信号、注意信号;
其中,严重信号包括设备参数错、ROM和校验错、EEPROM出错、定值错、CPU通讯中断、装置故障、RAM出错、闪存错误、破损、漏油、过热、烟、火;
异常信号包括定值区指针错、SRAM自检异常、FLASH自检异常、软压板错、SV板通信中断、系统定值出错、EEPROM出错、系统配置出错、配置表出错、逻辑表出错、系统运行异常、断路器偷跳、间隔通信中断、GOOSE错误、定值区错、间隔间通信中断、系统运行异常、AD错误、MMI通讯异常;
注意信号包括PT断线、PT失压、弹簧未储能告警、DIO板开出异常、DIO板通讯异常、控制回路断线、开入异常、开出异常、开入输入不正常、双位置输入不一致、开入自检回路出错、开出检验出错、开出阻塞、开出常通、零漂未调整、刻度未调整、CT断线、零漂校验出错、采样数据无效、GPS对时异常、SV数据通信中断、MU采样不同步、零漂越限、网络接口异常、过负荷告警。
所述量测量信息包括设备温度、CPU温度、电源电压、板卡电压、板卡温度、CPU使用率、光口接收光强、光口发送光强、端口流量、端口速率、SV丢包数、触头温度、三相电流、油中溶解气体、铁芯接地电流、油位、内部湿度、环境温度、震动。
在步骤(3)中,所生成的巡视点表包含信息点描述、点的评估状态等级、点关联的设备。
在步骤(4)中,通过遍历设备基本信息映射表,逐一获取表中待评估设备对应的设备状态评估模型,根据设备状态评估模型中的自变量点信息特征和计算参数模板自动匹配设备的详细信息点集和设备巡视信息点表中的信息点,自动从待评估设备的详细信息点集和设备巡视信息点表中的筛选监测点,创建监测信息点/算法映射表和设备巡视信息点/算法映射表,与设备状态评估模型中加载评估算法对应的计算参数、分值判据配置评价规则、设备家族信息,和由运检系统获取的设备运行检修信息与家族信息形成的品质状态因子融合,实例化设备评估对象待评估设备。
在步骤(5)中,采用以评估结果为参考因子的动态周期和突发事件触发方式启动评估流程待评估设备的状态评估,以设备评估对象为单位,对待评估对象中设备的监测信息点通过设备状态评估模型评估算法进行在线诊断计算,依据分值判据对输出值进行判别,得出每个监测信息点分值,累加所有信息点分值获得待评估设备总分值,再依据对象中的评价规则判定设备当前状态,将监测信息点分值和设备状态评估结果保存到历史数据库。
将评估流程所述监测信息点分值和设备状态评估结果生成CIM/E语言格式的标准评估结果文件。
在步骤(6)中,按照时、日、月三个维度对已存储的设备监测信息点得分历史数据进行加权平均,采用时间序列预测分析法分析,计算该设备下所有监测信息点的预测分值并累加得到设备总得分预测值,依据设备评估对象中的评价规则预测设备未来状态,当设备为不健康状态时发出告警信号。
本申请同时公开了一种基于数字孪生平台的变电站设备状态评估预警系统,包括设备基本信息解析模块、设备状态评估模型生成模块、设备巡视信息点表生成模块、待评估设备实例化模块、设备状态评估诊断模块和告警模块,其特征在于:
所述设备基本信息解析模块从数字孪生变电站SCD文件中的模型和监控系统、智能巡视系统中解析、提取并形成待评估的一、二次设备相关联的监测数据详细信息点集,创建设备基本信息映射表;
所述设备状态评估模型生成模块负责根据设备型号、参数等基本信息查询匹配对应的设备状态评估算法,根据设备参数加载评估算法需要的特征模板确定算法评估所需的输入变量,查询匹配设备的状态评价规则确定不同状态的分值判据,并将评估算法、输入特征、状态判据等综合封装为设备状态评估模型;
所述设备巡视信息点表生成模块负责将SCD文件中的区域模型信息与监控系统中的设备信息进行关联匹配,确定智能巡视的点位对应的一次、二次设备,并形成设备巡视信息点表,记录每个设备的巡检数据点信息;
所述待评估设备实例化模块负责为每个具体物理设备实例化一个评估对象,为评估对象加载对应的设备状态评估模型,为评估对象关联设备基本信息映射表中的监测数据点、巡检数据点,完成对具体设备的评估算法和数据点的绑定;
所述设备状态评估诊断模块负责以一定时间间隔或事件为触发获取设备的实时监测数据、巡检数据,将数据输入预定义的状态评估模型运行评估算法计算设备当前状态,并生成标准格式的设备状态评估结果文件;
所述告警模块负责根据状态评估结果如果设备状态异常发出告警,根据状态评估的数据点变化趋势预测设备未来状态,如果预测结果为不健康状态提前发出预警。
与现有技术相比,本发明的能取得以下有益的技术效果。在于,与现有技术相比,针对变电站内不同的设备和健康状态评估方法,本方法可屏蔽设备间的差别,抽象出通用的可描述设备健康状态的评估模型,实现具备统一架构、标准的、可灵活扩展的、评估准确性高等特点的评价系统。主要采用基于变电站数字孪生系统全模型的信息特征要素抽象泛化技术,从一次设备、二次设备、监控系统、巡视系统、运检系统等不同数据源数据,提炼与表征设备状态相关联的信息特征要素表,与特征要素对应的算法、算法参数、分值判据、评价规则的评估参数等构造出统一的虚拟健康模型,以实际变电站内各运行系统的可用数据组合成包含全数据的设备信息,与虚拟健康模型动态结合,提取可实例化的评估变量,灵活匹配最优算法、评价规则、参数等,实例化与设备实体等价的变电站一、二次设备健康状态评估对象,深度融合和分析全站多源多维异构数据和动态评价体系,实现了设备状态的实时评估与预测,为构建预防式的智慧化运维模式创造了条件。
附图说明
图1是实例化设备评估对象;
图2是评估结果文件结构图;
图3是变电站设备状态评估预警系统结构示意图。
具体实施方式
为使本发明的目的、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,对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例,而不是全部实施例。基于本发明精神,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有所其它实施例,都属于本发明的保护范围。
一种基于数字孪生平台的变电站设备状态评估预警方法,所述方法包括以下步骤:
(1)创建设备基本信息映射表,从数字孪生变电站SCD文件中的模型、和监控系统、智能巡视系统中解析、提取、并形成待评估的一、二次设备相关联的监测数据详细信息点集,创建设备基本信息映射表;
在所述步骤(1)中,解析SCD文件中一次设备拓扑、一次设备、二次设备、在线监测、电压等级、间隔、地理区域、设备台账模型,分析一次设备、二次设备、辅助设备的标识、名称、型号、信息及所属电压等级、间隔、连接点、位置关系,获取二次设备自身监测点表、及二次设备和在线监测设备关联一次设备的点表,一、二次设备厂家、类型和型号信息,通过点引用获取监控系统测点ID,筛除无关的点,形成与待监测评估设备有关详细信息点集,以设备名称为键值,创建设备基本信息映射表。
(2)通过设备厂家、类型、型号,匹配选取与此待评估设备对应的评估算法、评价规则,关联参数组合和设备参数,加载自变量点信息特征模板和计算关联参数模板,创建设备状态评估模型;
在步骤(2)中,在专家知识库中预存待评估设备对应的评估算法、评价规则、家族信息运行参数配置;
对于待评估的二次设备,对应的评估算法包括分层监测信息重要度算法、基于规则推理的分析算法、基于在线/离线混合大数据的运行工况评估算法;
对于待评估的一次设备,对应的评价规则包括一次设备的绝对产气率评价规则、相对产气率评价规则、热点温度评价规则、老化率计算评价规则、寿命累计评价规则、过载能力评价规则、漏油识别分析评价规则、破损分析评价规则、噪声及振动分析评价规则;
获取和设备相关的额定电流、额定电压、额定短路电流、额定载流量、额定电容量主要运行参数,并根据选取的评估算法加载对应的算法接口库、分值判据、评价规则和自变量点信息特征和计算参数模板,以设备的厂家、类型、型号为唯一标识,格式为厂家_类型_型号,创建设备状态评估模型。
在选取与待评估设备对应的评估算法、评价规则后,加载对应的自变量点信息特征模板和计算关联参数组合模板;
其中,自变量点信息特征模板中包括待评估设备的状态量信息和量测量信息,所述计算关联参数组合模板包括待评估设备的额定电流、额定电压、额定短路电流、额定载流量、额定电容量。
所述状态量信息包括严重信号、异常信号、注意信号;
其中,严重信号包括设备参数错、ROM和校验错、EEPROM出错、定值错、CPU通讯中断、装置故障、RAM出错、闪存错误、破损、漏油、过热、烟、火;
异常信号包括定值区指针错、SRAM自检异常、FLASH自检异常、软压板错、SV板通信中断、系统定值出错、EEPROM出错、系统配置出错、配置表出错、逻辑表出错、系统运行异常、断路器偷跳、间隔通信中断、GOOSE错误、定值区错、间隔间通信中断、系统运行异常、AD错误、MMI通讯异常;
注意信号包括PT断线、PT失压、弹簧未储能告警、DIO板开出异常、DIO板通讯异常、控制回路断线、开入异常、开出异常、开入输入不正常、双位置输入不一致、开入自检回路出错、开出检验出错、开出阻塞、开出常通、零漂未调整、刻度未调整、CT断线、零漂校验出错、采样数据无效、GPS对时异常、SV数据通信中断、MU采样不同步、零漂越限、网络接口异常、过负荷告警。
所述量测量信息包括设备温度、CPU温度、电源电压、板卡电压、板卡温度、CPU使用率、光口接收光强、光口发送光强、端口流量、端口速率、SV丢包数、触头温度、三相电流、油中溶解气体、铁芯接地电流、油位、内部湿度、环境温度、震动。
(3)解析智能巡视系统的设备资源信息配置文件相关字段信息,结合SCD文件中区域模型和监控系统信息,匹配巡视点位和对应的一次设备、二次设备,得到待监测评估设备名称、信息点名称、类型和监控测点ID,按设备名称生成设备巡视信息点表;
根据设备资源信息配置文件内容,将从SCD文件已解析的开关场、间隔场所、智能化装置信息和监控系统信息结合,通过名称和IED名称匹配巡视点位和一次设备、二次设备,得到待监测评估设备名称、信息点名称、类型和监控测点ID,按设备名称创建设备巡视信息点表;
所生成的巡视点表包含信息点描述、点的评估状态等级、点关联的设备。
(4)如图1所示,根据设备基本信息映射表,综合获取对应设备的状态评估模型,匹配设备巡视信息点表中的信息点、评估算法所用参数、分值判据、评价规则判据、和设备检修品质信息和家族信息等内容,为待评估设备实例化设备评估对象;
在步骤(4)中,通过遍历设备基本信息映射表,逐一获取表中待评估设备对应的设备状态评估模型,根据设备状态评估模型中的自变量点信息特征和计算参数模板自动匹配设备的详细信息点集和设备巡视信息点表中的信息点,自动从待评估设备的详细信息点集和设备巡视信息点表中的筛选监测点,创建监测信息点/算法映射表和设备巡视信息点/算法映射表,与设备状态评估模型中加载评估算法对应的计算参数、分值判据配置评价规则、设备家族信息,和由运检系统获取的设备运行检修信息与家族信息形成的品质状态因子融合,实例化设备评估对象待评估设备。
(5)采用滑动时间窗口和事件触发两种方式启动评估流程,判定设备当前状态,生成标准格式评估结果文件;文件结构如图3所示。
在步骤(5)中,采用以评估结果为参考因子的动态周期和突发事件触发方式启动评估流程待评估设备的状态评估,以设备评估对象为单位,对待评估对象中设备的监测信息点通过设备状态评估算法进行在线诊断计算,依据分值判据对输出值进行判别,得出每个监测信息点分值,对所有信息点分值进行累加平均,获得待评估设备总分值,再依据对象中的评价规则判定设备当前状态,将监测信息点分值和设备状态评估结果保存到历史数据库。
将评估流程所述监测信息点分值和设备状态评估结果生成CIM/E语言格式的标准评估结果文件,评估结果文件按照一、二次设备分类,在一、二设备下分别以相同设备类型顺序排列设备,每台设备包含设备评估结果信息及每个监测信息点评估信息,文件结构设计如图3所示。
(6)根据设备监测信息点的分值历史数据预测设备未来状态,当设备为不健康状态时发出告警信号;
在步骤(6)中,按照时、日、月三个维度对已存储的设备监测信息点得分历史数据进行加权平均,采用时间序列预测分析法分析,计算该设备下所有监测信息点的预测分值并累加得到设备总得分预测值,依据设备评估对象中的评价规则预测设备未来状态,当设备为不健康状态时发出告警信号。
在本发明的优选实施例中,评估结果文件的信息具体内容定义如下:
属性名称 | 含义 | 说明 |
序号 | 序号 | “#”起始字符,从1顺序数字排列 |
ID | 索引 | 该设备唯一数字索引 |
设备索引 | 设备名称 | DL/T860及相关标准定义的设备命名 |
设备描述 | 设备描述 | 设备中文描述 |
评价结果 | 状态评价结果 | 设备正常/注意/异常/严重等状态 |
状态分值 | 设备的评估分值 | 设备评估算法得到的分值 |
评估时间 | 评估时间 | 对设备进行评价的时间 |
监测信息点作为评估结果文件中的评估信息节点:Item::实体名,其中“实体名”部分为设备的描述,列定义内容如下:
本申请同时公开了一种基于前述数字孪生平台的变电站设备状态评估方法的评估预警系统,包括设备基本信息解析模块、设备状态评估模型生成模块、设备巡视信息点表生成模块、待评估设备实例化模块、设备状态评估诊断模块和告警模块,其特征在于:
所述设备基本信息解析模块从数字孪生变电站SCD文件中的模型和监控系统、智能巡视系统中解析、提取并形成待评估的一、二次设备相关联的监测数据详细信息点集,创建设备基本信息映射表;
所述设备状态评估模型生成模块负责根据设备型号、参数等基本信息查询匹配对应的设备状态评估算法,根据设备参数加载评估算法需要的特征模板确定算法评估所需的输入变量,查询匹配设备的状态评价规则确定不同状态的分值判据,并将评估算法、输入特征、状态判据等综合封装为设备状态评估模型;
所述设备巡视信息点表生成模块负责将SCD文件中的区域模型信息与监控系统中的设备信息进行关联匹配,确定智能巡视的点位对应的一次、二次设备,并形成设备巡视信息点表,记录每个设备的巡检数据点信息;
所述待评估设备实例化模块负责为每个具体物理设备实例化一个评估对象,为评估对象加载对应的设备状态评估模型,为评估对象关联设备基本信息映射表中的监测数据点、巡检数据点,完成对具体设备的评估算法和数据点的绑定;
所述设备状态评估诊断模块负责以一定时间间隔或事件为触发获取设备的实时监测数据、巡检数据,将数据输入预定义的状态评估模型运行评估算法计算设备当前状态,并生成标准格式的设备状态评估结果文件;
所述告警模块负责根据状态评估结果如果设备状态异常发出告警,根据状态评估的数据点变化趋势预测设备未来状态,如果预测结果为不健康状态提前发出预警。以上详细描述了本发明的具体实施方式,该方法基于数字孪生平台,采用变电站模型结合专家系统资源,根据不同算法动态创建设备虚拟评估模型,屏蔽具体评估算法和评价标准,融合多源多维信息,实现动态预测一、二次设备状态和预警,输出标准化的评估结果方便各个运行系统解析和展示。
本申请针对变电站内不同的设备和健康状态评估方法,本方法可屏蔽设备间的差别,抽象出通用的可描述设备健康状态的评估模型,实现具备统一架构、标准的、可灵活扩展的、评估准确性高等特点的评价系统。主要采用基于变电站数字孪生系统全模型的信息特征要素抽象泛化技术,从一次设备、二次设备、监控系统、巡视系统、运检系统等不同数据源数据,提炼与表征设备状态相关联的信息特征要素表,与特征要素对应的算法、算法参数、分值判据、评价规则的评估参数等构造出统一的虚拟健康模型,以实际变电站内各运行系统的可用数据组合成包含全数据的设备信息,与虚拟健康模型动态结合,提取可实例化的评估变量,灵活匹配最优算法、评价规则、参数等,实例化与设备实体等价的变电站一、二次设备健康状态评估对象,深度融合和分析全站多源多维异构数据和动态评价体系,实现了设备状态的实时评估与预测,为构建预防式的智慧化运维模式创造了条件。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (12)
1.一种基于数字孪生平台的变电站设备状态评估预警方法,其特征在于,所述方法包括以下步骤:
(1)从数字孪生变电站SCD文件中的模型和监控系统、智能巡视系统中解析、提取并形成待评估的一、二次设备相关联的监测数据详细信息点集,创建设备基本信息映射表;
(2)通过设备厂家、类型、型号,匹配选取与待评估设备对应的评估算法、评价规则,加载自变量点信息特征模板和计算关联参数模板,创建设备状态评估模型;
(3)解析智能巡视系统的设备资源信息配置文件相关字段信息,结合SCD文件中区域模型和监控系统信息,匹配巡视点位和对应的一次设备、二次设备,得到待监测评估设备名称、信息点名称、类型和监控测点ID,按设备名称生成设备巡视信息点表;
(4)根据设备基本信息映射表获取对应设备的状态评估模型,匹配设备巡视信息点表中的信息点、评估算法所用参数、评价规则、设备检修信息和家族信息内容,形成实例化的待评估设备评估对象;
(5)采用滑动时间窗口和事件触发两种方式启动评估流程,判定设备当前状态,生成标准格式评估结果文件;
(6)根据设备监测信息点的分值历史数据预测设备未来状态,当设备为不健康状态时发出告警信号。
2.根据权利要求1所述的变电站设备状态评估预警方法,其特征在于:
在所述步骤(1)中,解析SCD文件中一次设备拓扑、一次设备、二次设备、在线监测系统、电压等级、间隔、地理区域、设备台账模型,分析一次设备、二次设备、辅助设备的标识、名称、型号、类型及所属电压等级、间隔、连接点、位置关系,获取二次设备自身监测点表、及二次设备和在线监测设备关联一次设备的点表,一、二次设备厂家、类型和型号信息,通过点引用获取监控系统测点ID,形成与待监测评估设备有关详细信息点集,以设备名称为键值,创建设备基本信息映射表。
3.根据权利要求1所述的变电站设备状态评估预警方法,其特征在于:
在步骤(2)中,在专家知识库中预存待评估设备对应的评估算法、评价规则、家族信息、运行参数配置;
对于待评估的二次设备,对应的评估算法包括分层监测信息重要度算法、基于规则推理的分析算法、基于在线/离线混合大数据的运行工况评估算法;
对于待评估的一次设备,对应的评价规则包括一次设备的绝对产气率评价规则、相对产气率评价规则、热点温度评价规则、老化率计算评价规则、寿命累计评价规则、过载能力评价规则、漏油识别分析评价规则、破损分析评价规则、噪声及振动分析评价规则。
4.根据权利要求3所述的变电站设备状态评估预警方法,其特征在于:
在步骤(2)中,在选取与待评估设备对应的评估算法、评价规则后,加载对应的自变量点信息特征模板和计算关联参数模板;
其中,自变量点信息特征模板中包括待评估设备的状态量信息和量测量信息,所述计算关联参数模板包括待评估设备的额定电流、额定电压、额定短路电流、额定载流量、额定电容量。
5.根据权利要求4所述的变电站设备状态评估预警方法,其特征在于:
所述状态量信息包括严重信号、异常信号、注意信号;
其中,严重信号包括设备参数错、ROM和校验错、EEPROM出错、定值错、CPU通讯中断、装置故障、RAM出错、闪存错误、破损、漏油、过热、烟、火;
异常信号包括定值区指针错、SRAM自检异常、FLASH自检异常、软压板错、SV板通信中断、系统定值出错、EEPROM出错、系统配置出错、配置表出错、逻辑表出错、系统运行异常、断路器偷跳、间隔通信中断、GOOSE错误、定值区错、间隔间通信中断、系统运行异常、AD错误、MMI通讯异常;
注意信号包括PT断线、PT失压、弹簧未储能告警、DIO板开出异常、DIO板通讯异常、控制回路断线、开入异常、开出异常、开入输入不正常、双位置输入不一致、开入自检回路出错、开出检验出错、开出阻塞、开出常通、零漂未调整、刻度未调整、CT断线、零漂校验出错、采样数据无效、GPS对时异常、SV数据通信中断、MU采样不同步、零漂越限、网络接口异常、过负荷告警。
6.根据权利要求5所述的变电站设备状态评估预警方法,其特征在于:
所述量测量信息包括设备温度、CPU温度、电源电压、板卡电压、板卡温度、CPU使用率、光口接收光强、光口发送光强、端口流量、端口速率、SV丢包数、触头温度、三相电流、油中溶解气体、铁芯接地电流、油位、内部湿度、环境温度、震动。
7.根据权利要求1所述的变电站设备状态评估预警方法,其特征在于:
在步骤(3)中,所生成的巡视点表包含信息点描述、点的评估状态等级、点关联的设备。
8.根据权利要求1所述的变电站设备状态评估预警方法,其特征在于:
在步骤(4)中,通过遍历设备基本信息映射表,逐一获取表中待评估设备对应的设备状态评估模型,根据设备状态评估模型中的自变量点信息特征和计算参数模板自动匹配设备的详细信息点集和设备巡视信息点表中的信息点,从待评估设备的详细信息点集和设备巡视信息点表中筛选监测点,创建监测信息点/算法映射表和设备巡视信息点/算法映射表,加载评估算法对应的计算参数、评价规则、设备家族信息,由运检系统获取的设备运行检修信息,实例化待评估设备。
9.根据权利要求1所述的变电站设备状态评估预警方法,其特征在于:
在步骤(5)中,采用以评估结果为参考因子的动态周期和突发事件触发方式启动待评估设备的状态评估,对待评估设备的监测信息点通过设备状态评估模型进行在线诊断计算,依据分值判据对输出值进行判别,得出每个监测信息点分值,累加所有信息点分值获得待评估设备总分值,再依据对象中的评价规则判定设备当前状态,将监测信息点分值和设备状态评估结果保存到历史数据库。
10.根据权利要求9所述的变电站设备状态评估预警方法,其特征在于:
将所述监测信息点分值和设备状态评估结果生成CIM/E语言格式的标准评估结果文件。
11.根据权利要求1所述的变电站设备状态评估预警方法,其特征在于:
在步骤(6)中,按照时、日、月三个维度对已存储的设备监测信息点得分历史数据进行加权平均,采用时间序列预测分析法分析,计算该设备下所有监测信息点的预测分值并累加得到设备总得分预测值,依据设备评估对象中的评价规则预测设备未来状态,当设备为不健康状态时发出告警信号。
12.一种基于数字孪生平台的变电站设备状态评估预警系统,包括设备基本信息解析模块、设备状态评估模型生成模块、设备巡视信息点表生成模块、待评估设备实例化模块、设备状态评估诊断模块和告警模块,其特征在于:
所述设备基本信息解析模块从数字孪生变电站SCD文件中的模型和监控系统、智能巡视系统中解析、提取并形成待评估的一、二次设备相关联的监测数据详细信息点集,创建设备基本信息映射表;
所述设备状态评估模型生成模块负责根据设备型号、参数等基本信息查询匹配对应的设备状态评估算法,根据设备参数加载评估算法需要的特征模板确定算法评估所需的输入变量,查询匹配设备的状态评价规则确定不同状态的分值判据,并将评估算法、输入特征、状态判据等综合封装为设备状态评估模型;
所述设备巡视信息点表生成模块负责将智能巡视系统的设备资源信息配置文件相关字段信息与SCD文件中的区域模型信息和监控系统中的设备信息进行关联匹配,确定智能巡视的点位对应的一次、二次设备,并形成设备巡视信息点表,记录每个设备的巡检数据点信息;
所述待评估设备实例化模块负责为每个具体物理设备实例化一个评估对象,为评估对象加载对应的设备状态评估模型,为评估对象关联设备基本信息映射表中的监测数据点、巡视数据点,完成对具体设备的评估算法和数据点的绑定;
所述设备状态评估诊断模块负责以一定时间间隔或事件为触发获取设备的实时监测数据、巡检数据,将数据输入预定义的状态评估模型运行评估算法计算设备当前状态,并生成标准格式的设备状态评估结果文件;
所述告警模块负责根据状态评估结果如果设备状态异常发出告警,根据状态评估的数据点变化趋势预测设备未来状态,如果预测结果为不健康状态提前发出预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311151625.3A CN117251810A (zh) | 2023-09-07 | 2023-09-07 | 基于数字孪生平台的变电站设备状态评估预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311151625.3A CN117251810A (zh) | 2023-09-07 | 2023-09-07 | 基于数字孪生平台的变电站设备状态评估预警系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117251810A true CN117251810A (zh) | 2023-12-19 |
Family
ID=89134158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311151625.3A Pending CN117251810A (zh) | 2023-09-07 | 2023-09-07 | 基于数字孪生平台的变电站设备状态评估预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117251810A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117893032A (zh) * | 2024-03-15 | 2024-04-16 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于数字孪生的变电站运维健康分析方法和系统 |
CN118572614A (zh) * | 2024-08-01 | 2024-08-30 | 南京国电南自维美德自动化有限公司 | 一种多工况保护软件灵活配置方法及系统 |
-
2023
- 2023-09-07 CN CN202311151625.3A patent/CN117251810A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117893032A (zh) * | 2024-03-15 | 2024-04-16 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于数字孪生的变电站运维健康分析方法和系统 |
CN117893032B (zh) * | 2024-03-15 | 2024-06-18 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于数字孪生的变电站运维健康分析方法和系统 |
CN118572614A (zh) * | 2024-08-01 | 2024-08-30 | 南京国电南自维美德自动化有限公司 | 一种多工况保护软件灵活配置方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019413432B2 (en) | Scalable system and engine for forecasting wind turbine failure | |
US11289944B2 (en) | Distribution network risk identification system and method and computer storage medium | |
US8924033B2 (en) | Generalized grid security framework | |
Bialek et al. | Benchmarking and validation of cascading failure analysis tools | |
CN117251810A (zh) | 基于数字孪生平台的变电站设备状态评估预警系统及方法 | |
CN109146093A (zh) | 一种基于学习的电力设备现场勘查方法 | |
US10310495B2 (en) | Systems and methods for monitoring automation systems | |
CN113537415A (zh) | 基于多信息融合的换流站巡检方法、装置和计算机设备 | |
CN116522746A (zh) | 高耗能企业配电托管方法 | |
CN108596450B (zh) | 电网风险预警方法和系统 | |
CN104463499A (zh) | 一种基于cim的输变电设备全景信息建模方法 | |
Wang et al. | Power equipment fault information acquisition system based on Internet of things | |
CN113592672B (zh) | 基于工业互联网平台的工业管理控制方法、设备及介质 | |
Tang | Anomaly inference based on heterogeneous data sources in an electrical distribution system | |
CN114265837A (zh) | 一种站端交互数据特征提取方法 | |
Wang et al. | Operation and maintenance technology of smart substations | |
Mousavi et al. | Monitoring and Diagnostics | |
Akerkar et al. | Big Data in Electric Power Industry | |
CN112104073B (zh) | 电力系统实时信息标定方法 | |
Xu | Intelligent Identification of Embedded System Equipment State Based on Internet of Things | |
Zhang et al. | Approach for Provincial distribution automation system in Outage analysis | |
Ye et al. | State assessment of protective devices based on data of information processing system | |
Tang et al. | Distribution Network Operation Safety Evaluation Method based on Big Data Analysis | |
Wu et al. | A Fault Detection Method for Power Systems Based on Random Matrix Theory | |
CN117932257A (zh) | 轨道交通基于知识图谱电力设备缺陷预测方法及设备 |
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 |