CN117269655A - 变电站电力设备温度异常监测方法、系统、终端及介质 - Google Patents
变电站电力设备温度异常监测方法、系统、终端及介质 Download PDFInfo
- Publication number
- CN117269655A CN117269655A CN202311532314.1A CN202311532314A CN117269655A CN 117269655 A CN117269655 A CN 117269655A CN 202311532314 A CN202311532314 A CN 202311532314A CN 117269655 A CN117269655 A CN 117269655A
- Authority
- CN
- China
- Prior art keywords
- influence
- temperature
- power equipment
- tag
- value
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000008859 change Effects 0.000 claims abstract description 97
- 230000002159 abnormal effect Effects 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000003989 dielectric material Substances 0.000 claims description 6
- 239000003302 ferromagnetic material Substances 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Gas-Insulated Switchgears (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了变电站电力设备温度异常监测方法、系统、终端及介质，涉及电力设备监测技术领域，其技术方案要点是：本发明通过对一个变电站中多个存在温度变化的电力设备进行关联分析，将温度变化值分解成各个影响标签的温度影响值，同时得到各个影响标签之间在单一时段的影响系数，最后依据电力设备的影响标签集、预测温度影响值和预测温度值对电力设备的预测温度值进行逆向计算，可以有效降低温度预测的误差，且提高了电力设备温度预测的效率，能够及时、准确的实现对电力设备的温度异常监测。
Description
技术领域
本发明涉及电力设备监测技术领域，更具体地说，它涉及变电站电力设备温度异常监测方法、系统、终端及介质。
背景技术
在电力系统中，变电站是输电和配电的集结点，配置有变压器、互感器、开关设备和避雷器等大量不同的电气设备，变电站的安全运行直接关系到整个电力系统的安全。在变电站中，由异常高温引起的火灾事故频发，所以对变电站中各个电气设备的温度进行异常监测能够及时预警与处置。
传统的电气设备温度监测主要是基于实时采集的温度值进行监测，此方式的时效性较差。为此，现有技术中记载有基于温度预测的方法来实现异常高温提前预警。例如，采用对历史温度数据进行拟合以得到未来时刻温度预测值的方法，由于影响电气设备的温度变化因素较大，如电压值、电流值、设备材料、环境条件和使用时长等因素，所以依据历史温度数据直接进行拟合预测的方法存在误差较大的问题。又例如，采用机器学习算法对电气设备的温度进行预测，但单个变电站中的电气设备数量众多，且影响因素交错复杂，这就使得机器学习需要海量的样本数据，实现难度大，难以大范围推广应用。
因此，如何研究设计一种能够克服上述缺陷的变电站电力设备温度异常监测方法、系统、终端及介质是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足，本发明的目的是提供变电站电力设备温度异常监测方法、系统、终端及介质，可以有效降低温度预测的误差，且提高了电力设备温度预测的效率，能够及时、准确的实现对电力设备的温度异常监测。
本发明的上述技术目的是通过以下技术方案得以实现的：
第一方面，提供了变电站电力设备温度异常监测方法，包括以下步骤：
分析决定变电站中各个电力设备温度变化的影响因子，从每个影响因子所对应的多个基础标签中均选取一个基础标签构成各个电力设备的基础标签集；
获取变电站中各个电力设备在不同时刻的温度数据，得到对应电力设备的温度序列值；
将基础标签集不同的电力设备所对应的温度序列值进行对比分析，以选取影响温度变化的基础标签作为影响标签，并确定各个电力设备在单一时段的温度变化值；
从电力设备的基础标签集中选出所有的影响标签，以重构得到相应电力设备的影响标签集；
依据电力设备的影响标签集和相应电力设备在单一时段的温度变化值建立温变方程，并依据影响标签的总数量自适应选取多个温变方程构成温变方程组；
依据温变方程组求解得到各个影响标签在单一时段的温度影响值和各个影响标签之间在单一时段的影响系数；
依据多个时段的温度影响值拟合预测得到相应影响标签在未来时段的预测温度影响值，以及依据多个时段的影响系数拟合预测得到相应影响标签在未来时段的预测影响系数；
依据电力设备的影响标签集中各个影响标签所对应的预测温度影响值和预测影响系数计算得到电力设备的预测温度值，并基于预测温度值实现电力设备的温度异常监测。
进一步的，所述影响因子包括电流值、电压值、室内外环境、电介质材料、绝缘介质材料和铁磁材料，每一个影响因子对应至少两个基础标签。
进一步的，所述将基础标签集不同的电力设备所对应的温度序列值进行对比分析的过程具体为：
选取两个电力设备作为一组对比，两个电力设备所对应的基础标签集中仅一个基础标签不同，两个基础标签集中不同的基础标签记为目标标签；
根据电力设备的温度序列值计算单一时段的温度变化值，若两个电力设备在同一时段的温度变化值不同，则选取温度变化值较大所对应电力设备的基础标签集中的目标标签作为影响标签。
进一步的，所述电力设备在单一时段的温度变化值的计算公式具体为：
；
其中，表示电力设备/>在单一时段/>的温度变化值；/>表示电力设备的温度序列值中/>时刻所对应的温度值；/>表示电力设备/>的温度序列值中/>时刻所对应的温度值；/>表示单一时段的时长。
进一步的，所述温变方程的表达式具体为：
；
其中，表示电力设备/>在单一时段/>的温度变化值，电力设备/>的影响标签集由影响标签/>组成；/>表示影响标签/>在单一时段/>的温度影响值；/>表示影响标签/>在单一时段/>的温度影响值；/>表示影响标签/>在单一时段/>的温度影响值；表示影响标签/>之间在单一时段/>的影响系数；/>表示影响标签/>之间在单一时段/>的影响系数；/>表示影响标签/>之间在单一时段/>的影响系数。
进一步的，所述依据影响标签的总数量自适应选取多个温变方程构成温变方程组的过程具体为：
若影响标签的总数量为N；
以温变方程组中包含同一待求解量的温变方程数量不少于N为约束随机组合温变方程组。
进一步的，所述电力设备的预测温度值计算公式具体为：
；
其中，表示电力设备/>在/>时刻的预测温度值，电力设备/>的影响标签集由影响标签/>组成；/>表示电力设备/>在/>时刻所对应的温度值；/>表示影响标签/>在未来时段/>的预测温度影响值；/>表示影响标签/>在未来时段/>的预测温度影响值；/>表示影响标签/>在未来时段/>的预测温度影响值；/>表示影响标签/>之间在未来时段/>的预测影响系数；/>表示影响标签/>之间在未来时段/>的预测影响系数；/>表示影响标签/>之间在未来时段/>的预测影响系数；/>表示未来时段的时长。
第二方面，提供了变电站电力设备温度异常监测系统，包括：
标签分析模块，用于分析决定变电站中各个电力设备温度变化的影响因子，从每个影响因子所对应的多个基础标签中均选取一个基础标签构成各个电力设备的基础标签集；
温度采集模块，用于获取变电站中各个电力设备在不同时刻的温度数据，得到对应电力设备的温度序列值；
温度对比模块，用于将基础标签集不同的电力设备所对应的温度序列值进行对比分析，以选取影响温度变化的基础标签作为影响标签，并确定各个电力设备在单一时段的温度变化值；
标签重构模块，用于从电力设备的基础标签集中选出所有的影响标签，以重构得到相应电力设备的影响标签集；
方程组合模块，用于依据电力设备的影响标签集和相应电力设备在单一时段的温度变化值建立温变方程，并依据影响标签的总数量自适应选取多个温变方程构成温变方程组；
方程求解模块，用于依据温变方程组求解得到各个影响标签在单一时段的温度影响值和各个影响标签之间在单一时段的影响系数；
数据预测模块，用于依据多个时段的温度影响值拟合预测得到相应影响标签在未来时段的预测温度影响值，以及依据多个时段的影响系数拟合预测得到相应影响标签在未来时段的预测影响系数；
温度监测模块，用于依据电力设备的影响标签集中各个影响标签所对应的预测温度影响值和预测影响系数计算得到电力设备的预测温度值，并基于预测温度值实现电力设备的温度异常监测。
第三方面，提供了一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面中任意一项所述的变电站电力设备温度异常监测方法。
第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现如第一方面中任意一项所述的变电站电力设备温度异常监测方法。
与现有技术相比，本发明具有以下有益效果：
1、本发明提供的变电站电力设备温度异常监测方法，通过对一个变电站中多个存在温度变化的电力设备进行关联分析，将温度变化值分解成各个影响标签的温度影响值，同时得到各个影响标签之间在单一时段的影响系数，最后依据电力设备的影响标签集、预测温度影响值和预测温度值对电力设备的预测温度值进行逆向计算，可以有效降低温度预测的误差，且提高了电力设备温度预测的效率，能够及时、准确的实现对电力设备的温度异常监测；
2、本发明在分析影响标签时，以基础标签集中仅一个基础标签不同为标准选取两个电力设备进行对比，并在建立温变方程时过滤了非影响标签的基础标签，降低了温度影响值和影响系数的求解难度；
3、本发明在对电力设备进行温度预测时，不仅仅考虑了单一影响因子对电力设备升温的影响，还考虑了各个影响因子对电力设备升温的综合影响，进一步提高了电力设备温度预测的准确性与可靠性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1是本发明实施例1中的流程图；
图2是本发明实施例1中的效果对比图；
图3是本发明实施例2中的系统框图。
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明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1：变电站电力设备温度异常监测方法，如图1所示，包括以下步骤：
S1：分析决定变电站中各个电力设备温度变化的影响因子，从每个影响因子所对应的多个基础标签中均选取一个基础标签构成各个电力设备的基础标签集；
S2：获取变电站中各个电力设备在不同时刻的温度数据，得到对应电力设备的温度序列值；
S3：将基础标签集不同的电力设备所对应的温度序列值进行对比分析，以选取影响温度变化的基础标签作为影响标签，并确定各个电力设备在单一时段的温度变化值；
S4：从电力设备的基础标签集中选出所有的影响标签，以重构得到相应电力设备的影响标签集；
S5：依据电力设备的影响标签集和相应电力设备在单一时段的温度变化值建立温变方程，并依据影响标签的总数量自适应选取多个温变方程构成温变方程组；
S6：依据温变方程组求解得到各个影响标签在单一时段的温度影响值和各个影响标签之间在单一时段的影响系数；
S7：依据多个时段的温度影响值拟合预测得到相应影响标签在未来时段的预测温度影响值，以及依据多个时段的影响系数拟合预测得到相应影响标签在未来时段的预测影响系数；
S8：依据电力设备的影响标签集中各个影响标签所对应的预测温度影响值和预测影响系数计算得到电力设备的预测温度值，并基于预测温度值实现电力设备的温度异常监测。
在本实施例中，影响因子包括但不限于电流值、电压值、室内外环境、电介质材料、绝缘介质材料和铁磁材料，也可以选取其中任意几个的组合，在此不受限制。此外，每一个影响因子对应至少两个基础标签，如电压等级可以是多个标签。
例如，一个电力设备H处于室内，其基础标签可以是H0，若处于室外，其基础标签可以是H1。又例如，一个电力设备I的电压等级为10KV，其基础标签可以是I0，电压等级为380V，其基础标签可以是I1。
在本实施例中，将基础标签集不同的电力设备所对应的温度序列值进行对比分析的过程具体为：选取两个电力设备作为一组对比，两个电力设备所对应的基础标签集中仅一个基础标签不同，两个基础标签集中不同的基础标签记为目标标签；根据电力设备的温度序列值计算单一时段的温度变化值，若两个电力设备在同一时段的温度变化值不同，则选取温度变化值较大所对应电力设备的基础标签集中的目标标签作为影响标签。
进一步的，电力设备在单一时段的温度变化值的计算公式具体为：
；
其中，表示电力设备/>在单一时段/>的温度变化值；/>表示电力设备的温度序列值中/>时刻所对应的温度值；/>表示电力设备/>的温度序列值中/>时刻所对应的温度值；/>表示单一时段的时长。
例如，一个电力设备R的基础标签集为（J1、L0、M1、O1、P1），另一个电力设备Q的基础标签集为（J1、L0、M1、O1、P0），则两个电力设备可以进行对比分析。若电力设备R的温度变化值大，则P1为影响标签。
在本实施例中，温变方程的表达式具体为：
；
其中，表示电力设备/>在单一时段/>的温度变化值，电力设备/>的影响标签集由影响标签/>组成；/>表示影响标签/>在单一时段/>的温度影响值；/>表示影响标签/>在单一时段/>的温度影响值；/>表示影响标签/>在单一时段/>的温度影响值；表示影响标签/>之间在单一时段/>的影响系数；/>表示影响标签/>之间在单一时段/>的影响系数；/>表示影响标签/>之间在单一时段/>的影响系数。
本发明在分析影响标签时，以基础标签集中仅一个基础标签不同为标准选取两个电力设备进行对比，并在建立温变方程时过滤了非影响标签的基础标签，降低了温度影响值和影响系数的求解难度。
在本实施例中，依据影响标签的总数量自适应选取多个温变方程构成温变方程组的过程具体为：若影响标签的总数量为N；以温变方程组中包含同一待求解量的温变方程数量不少于N为约束随机组合温变方程组。由于每个电力设备的影响标签数量可能不同，所以温变方程组中的温变方程数量一般情况下是大于N。
此外，构成的温变方程组可以是一个，也可以是多个。若是多个则可以去求解结果的中间值作为最终的求解结果，也可以是以多个求解结果的平均值作为最终的求解结果。
在本实施例中，电力设备的预测温度值计算公式具体为：
；
其中，表示电力设备/>在/>时刻的预测温度值，电力设备/>的影响标签集由影响标签/>组成；/>表示电力设备/>在/>时刻所对应的温度值；/>表示影响标签/>在未来时段/>的预测温度影响值；/>表示影响标签/>在未来时段/>的预测温度影响值；/>表示影响标签/>在未来时段/>的预测温度影响值；/>表示影响标签/>之间在未来时段/>的预测影响系数；/>表示影响标签/>之间在未来时段/>的预测影响系数；/>表示影响标签/>之间在未来时段/>的预测影响系数；/>表示未来时段的时长。
本发明在对电力设备进行温度预测时，不仅仅考虑了单一影响因子对电力设备升温的影响，还考虑了各个影响因子对电力设备升温的综合影响，进一步提高了电力设备温度预测的准确性与可靠性。
本发明分别采用最小二乘法K1、机器学习算法K2、本发明所记载的方法K3对一个变电站内连续多个小时的温度进行持续预测，并结合实际温度K4进行对比，如图2所示。从图2中可以看出，采用最小二乘法的拟合结果相比于实际温度的误差最大，机器学习算法K2的误差次之，且可以看出机器学习算法K2与本发明所记载的方法K3的差异较小。
需要说明的是，本发明中预测温度值在实现电力设备的温度异常监测时，可以将预测温度值与相应电力设备的温度阈值进行对比，若超出，则输出预警信号。
实施例2：变电站电力设备温度异常监测系统，该系统用于实现实施例1中所记载的变电站电力设备温度异常监测方法，如图3所示，包括标签分析模块、温度采集模块、温度对比模块、标签重构模块、方程组合模块、方程求解模块、数据预测模块和温度监测模块。
其中，标签分析模块，用于分析决定变电站中各个电力设备温度变化的影响因子，从每个影响因子所对应的多个基础标签中均选取一个基础标签构成各个电力设备的基础标签集；温度采集模块，用于获取变电站中各个电力设备在不同时刻的温度数据，得到对应电力设备的温度序列值；温度对比模块，用于将基础标签集不同的电力设备所对应的温度序列值进行对比分析，以选取影响温度变化的基础标签作为影响标签，并确定各个电力设备在单一时段的温度变化值；标签重构模块，用于从电力设备的基础标签集中选出所有的影响标签，以重构得到相应电力设备的影响标签集；方程组合模块，用于依据电力设备的影响标签集和相应电力设备在单一时段的温度变化值建立温变方程，并依据影响标签的总数量自适应选取多个温变方程构成温变方程组；方程求解模块，用于依据温变方程组求解得到各个影响标签在单一时段的温度影响值和各个影响标签之间在单一时段的影响系数；数据预测模块，用于依据多个时段的温度影响值拟合预测得到相应影响标签在未来时段的预测温度影响值，以及依据多个时段的影响系数拟合预测得到相应影响标签在未来时段的预测影响系数；温度监测模块，用于依据电力设备的影响标签集中各个影响标签所对应的预测温度影响值和预测影响系数计算得到电力设备的预测温度值，并基于预测温度值实现电力设备的温度异常监测。
工作原理：本发明通过对一个变电站中多个存在温度变化的电力设备进行关联分析，将温度变化值分解成各个影响标签的温度影响值，同时得到各个影响标签之间在单一时段的影响系数，最后依据电力设备的影响标签集、预测温度影响值和预测温度值对电力设备的预测温度值进行逆向计算，可以有效降低温度预测的误差，且提高了电力设备温度预测的效率，能够及时、准确的实现对电力设备的温度异常监测。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不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，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.变电站电力设备温度异常监测方法，其特征是，包括以下步骤：
分析决定变电站中各个电力设备温度变化的影响因子，从每个影响因子所对应的多个基础标签中均选取一个基础标签构成各个电力设备的基础标签集；
获取变电站中各个电力设备在不同时刻的温度数据，得到对应电力设备的温度序列值；
将基础标签集不同的电力设备所对应的温度序列值进行对比分析，以选取影响温度变化的基础标签作为影响标签，并确定各个电力设备在单一时段的温度变化值；
从电力设备的基础标签集中选出所有的影响标签，以重构得到相应电力设备的影响标签集；
依据电力设备的影响标签集和相应电力设备在单一时段的温度变化值建立温变方程，并依据影响标签的总数量自适应选取多个温变方程构成温变方程组；
依据温变方程组求解得到各个影响标签在单一时段的温度影响值和各个影响标签之间在单一时段的影响系数；
依据多个时段的温度影响值拟合预测得到相应影响标签在未来时段的预测温度影响值，以及依据多个时段的影响系数拟合预测得到相应影响标签在未来时段的预测影响系数；
依据电力设备的影响标签集中各个影响标签所对应的预测温度影响值和预测影响系数计算得到电力设备的预测温度值，并基于预测温度值实现电力设备的温度异常监测。
2.根据权利要求1所述的变电站电力设备温度异常监测方法，其特征是，所述影响因子包括电流值、电压值、室内外环境、电介质材料、绝缘介质材料和铁磁材料，每一个影响因子对应至少两个基础标签。
3.根据权利要求1所述的变电站电力设备温度异常监测方法，其特征是，所述将基础标签集不同的电力设备所对应的温度序列值进行对比分析的过程具体为：
选取两个电力设备作为一组对比，两个电力设备所对应的基础标签集中仅一个基础标签不同，两个基础标签集中不同的基础标签记为目标标签；
根据电力设备的温度序列值计算单一时段的温度变化值，若两个电力设备在同一时段的温度变化值不同，则选取温度变化值较大所对应电力设备的基础标签集中的目标标签作为影响标签。
4.根据权利要求1所述的变电站电力设备温度异常监测方法，其特征是，所述电力设备在单一时段的温度变化值的计算公式具体为：
；
其中，表示电力设备/>在单一时段/>的温度变化值；/>表示电力设备/>的温度序列值中/>时刻所对应的温度值；/>表示电力设备/>的温度序列值中/>时刻所对应的温度值；/>表示单一时段的时长。
5.根据权利要求1所述的变电站电力设备温度异常监测方法，其特征是，所述温变方程的表达式具体为：
；
其中，表示电力设备/>在单一时段/>的温度变化值，电力设备/>的影响标签集由影响标签/>组成；/>表示影响标签/>在单一时段/>的温度影响值；/>表示影响标签/>在单一时段/>的温度影响值；/>表示影响标签/>在单一时段/>的温度影响值；表示影响标签/>之间在单一时段/>的影响系数；/>表示影响标签/>之间在单一时段/>的影响系数；/>表示影响标签/>之间在单一时段/>的影响系数。
6.根据权利要求1所述的变电站电力设备温度异常监测方法，其特征是，所述依据影响标签的总数量自适应选取多个温变方程构成温变方程组的过程具体为：
若影响标签的总数量为N；
以温变方程组中包含同一待求解量的温变方程数量不少于N为约束随机组合温变方程组。
7.根据权利要求1所述的变电站电力设备温度异常监测方法，其特征是，所述电力设备的预测温度值计算公式具体为：
；
其中，表示电力设备/>在/>时刻的预测温度值，电力设备/>的影响标签集/>由影响标签/>组成；/>表示电力设备/>在/>时刻所对应的温度值；/>表示影响标签/>在未来时段/>的预测温度影响值；/>表示影响标签/>在未来时段/>的预测温度影响值；/>表示影响标签/>在未来时段/>的预测温度影响值；/>表示影响标签/>之间在未来时段的预测影响系数；/>表示影响标签/>之间在未来时段/>的预测影响系数；/>表示影响标签/>之间在未来时段/>的预测影响系数；/>表示未来时段的时长。
8.变电站电力设备温度异常监测系统，其特征是，包括：
标签分析模块，用于分析决定变电站中各个电力设备温度变化的影响因子，从每个影响因子所对应的多个基础标签中均选取一个基础标签构成各个电力设备的基础标签集；
温度采集模块，用于获取变电站中各个电力设备在不同时刻的温度数据，得到对应电力设备的温度序列值；
温度对比模块，用于将基础标签集不同的电力设备所对应的温度序列值进行对比分析，以选取影响温度变化的基础标签作为影响标签，并确定各个电力设备在单一时段的温度变化值；
标签重构模块，用于从电力设备的基础标签集中选出所有的影响标签，以重构得到相应电力设备的影响标签集；
方程组合模块，用于依据电力设备的影响标签集和相应电力设备在单一时段的温度变化值建立温变方程，并依据影响标签的总数量自适应选取多个温变方程构成温变方程组；
方程求解模块，用于依据温变方程组求解得到各个影响标签在单一时段的温度影响值和各个影响标签之间在单一时段的影响系数；
数据预测模块，用于依据多个时段的温度影响值拟合预测得到相应影响标签在未来时段的预测温度影响值，以及依据多个时段的影响系数拟合预测得到相应影响标签在未来时段的预测影响系数；
温度监测模块，用于依据电力设备的影响标签集中各个影响标签所对应的预测温度影响值和预测影响系数计算得到电力设备的预测温度值，并基于预测温度值实现电力设备的温度异常监测。
9.一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-7中任意一项所述的变电站电力设备温度异常监测方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征是，所述计算机程序被处理器执行可实现如权利要求1-7中任意一项所述的变电站电力设备温度异常监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311532314.1A CN117269655B (zh) | 2023-11-17 | 2023-11-17 | 变电站电力设备温度异常监测方法、系统、终端及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311532314.1A CN117269655B (zh) | 2023-11-17 | 2023-11-17 | 变电站电力设备温度异常监测方法、系统、终端及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117269655A true CN117269655A (zh) | 2023-12-22 |
| CN117269655B CN117269655B (zh) | 2024-02-06 |
Family
ID=89210774
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311532314.1A Active CN117269655B (zh) | 2023-11-17 | 2023-11-17 | 变电站电力设备温度异常监测方法、系统、终端及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117269655B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117743965A (zh) * | 2024-02-21 | 2024-03-22 | 深圳市互盟科技股份有限公司 | 基于机器学习的数据中心能效优化方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107817685A (zh) * | 2017-12-05 | 2018-03-20 | 上海中信信息发展股份有限公司 | 智能温度监控方法、装置、系统及终端 |
| KR20200052425A (ko) * | 2018-10-25 | 2020-05-15 | 삼성에스디에스 주식회사 | 시계열 데이터 분석 방법, 주영향 변수 결정 방법 및 그 방법들을 지원하는 장치 |
| CN111754024A (zh) * | 2020-05-22 | 2020-10-09 | 国电南瑞科技股份有限公司 | 一种基于回归分析的电力行业时间序列预测方法和装置 |
| CN114742488A (zh) * | 2022-06-15 | 2022-07-12 | 广东电网有限责任公司佛山供电局 | 一种主变压器运行风险评估方法和系统 |
| CN114819415A (zh) * | 2022-06-27 | 2022-07-29 | 中国标准化研究院 | 一种基于数据分析的电力设备故障预测系统 |
| CN114912339A (zh) * | 2022-03-21 | 2022-08-16 | 国网浙江省电力有限公司湖州供电公司 | 一种变电站一次设备多因素温度预测方法 |
| CN115236469A (zh) * | 2022-07-26 | 2022-10-25 | 沈阳农业大学 | 一种无人值守变电站在线监控方法、系统、介质及设备 |
| CN115833400A (zh) * | 2023-02-07 | 2023-03-21 | 山东盛日电力集团有限公司 | 一种变电站电力设备的监测预警方法及系统 |
| CN116359658A (zh) * | 2023-05-31 | 2023-06-30 | 广东电网有限责任公司湛江供电局 | 一种电力设备异常判断方法、装置、电子设备及存储介质 |
| CN116879662A (zh) * | 2023-09-06 | 2023-10-13 | 山东华尚电气有限公司 | 基于数据分析的变压器故障检测方法 |
-
2023
- 2023-11-17 CN CN202311532314.1A patent/CN117269655B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107817685A (zh) * | 2017-12-05 | 2018-03-20 | 上海中信信息发展股份有限公司 | 智能温度监控方法、装置、系统及终端 |
| KR20200052425A (ko) * | 2018-10-25 | 2020-05-15 | 삼성에스디에스 주식회사 | 시계열 데이터 분석 방법, 주영향 변수 결정 방법 및 그 방법들을 지원하는 장치 |
| CN111754024A (zh) * | 2020-05-22 | 2020-10-09 | 国电南瑞科技股份有限公司 | 一种基于回归分析的电力行业时间序列预测方法和装置 |
| CN114912339A (zh) * | 2022-03-21 | 2022-08-16 | 国网浙江省电力有限公司湖州供电公司 | 一种变电站一次设备多因素温度预测方法 |
| CN114742488A (zh) * | 2022-06-15 | 2022-07-12 | 广东电网有限责任公司佛山供电局 | 一种主变压器运行风险评估方法和系统 |
| CN114819415A (zh) * | 2022-06-27 | 2022-07-29 | 中国标准化研究院 | 一种基于数据分析的电力设备故障预测系统 |
| CN115236469A (zh) * | 2022-07-26 | 2022-10-25 | 沈阳农业大学 | 一种无人值守变电站在线监控方法、系统、介质及设备 |
| CN115833400A (zh) * | 2023-02-07 | 2023-03-21 | 山东盛日电力集团有限公司 | 一种变电站电力设备的监测预警方法及系统 |
| CN116359658A (zh) * | 2023-05-31 | 2023-06-30 | 广东电网有限责任公司湛江供电局 | 一种电力设备异常判断方法、装置、电子设备及存储介质 |
| CN116879662A (zh) * | 2023-09-06 | 2023-10-13 | 山东华尚电气有限公司 | 基于数据分析的变压器故障检测方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117743965A (zh) * | 2024-02-21 | 2024-03-22 | 深圳市互盟科技股份有限公司 | 基于机器学习的数据中心能效优化方法及系统 |
| CN117743965B (zh) * | 2024-02-21 | 2024-05-07 | 深圳市互盟科技股份有限公司 | 基于机器学习的数据中心能效优化方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117269655B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117269655B (zh) | 变电站电力设备温度异常监测方法、系统、终端及介质 | |
| CN110647093B (zh) | 一种基于大数据分析的电力系统智能监控系统及监控方法 | |
| CN106600447B (zh) | 一种变电站巡检机器人集中监控系统大数据云分析方法 | |
| CN104200288A (zh) | 一种基于因素与事件间相关关系识别的设备故障预测方法 | |
| CN105759201A (zh) | 基于异常样本识别的高压断路器自诊断方法 | |
| CN204064509U (zh) | 一种高压开关柜温度在线监测系统 | |
| CN107807860B (zh) | 一种基于矩阵分解的电力故障分析方法及系统 | |
| CN110907064A (zh) | 一种gis隔离开关触头温度预测方法、装置及可读存储介质 | |
| CN117031182B (zh) | 配电站所终端遥测值异常检测方法及系统 | |
| CN106093771A (zh) | 一种断路器分合闸线圈电流信号识别方法 | |
| CN111044859A (zh) | Gis设备的故障处理方法、存储介质及设备 | |
| CN104317778A (zh) | 基于海量监测数据的变电设备故障诊断方法 | |
| CN116703852A (zh) | 一种电网检修风险预警方法及系统 | |
| CN117706258A (zh) | 一种基于大数据处理的故障检测系统 | |
| CN107782954B (zh) | 一种基于大量过电压次数数据的变压器过电压预警方法 | |
| CN117375147A (zh) | 一种储能电站的安全监测预警与运行管理方法及系统 | |
| CN106124089A (zh) | 基于灰色理论的高压开关柜在线测温方法 | |
| CN113418632B (zh) | 一种油浸式变压器油温预测的概念漂移检测方法 | |
| CN118501596B (zh) | 一种基于数据分析的智能用电监测系统 | |
| CN112241511B (zh) | 交通工具辅助电气系统的性能检测方法及装置、终端 | |
| CN117033950B (zh) | 一种gis隔离开关机械故障在线诊断方法及装置 | |
| Jin et al. | Distribution Network Fault Identification Based on the Improved Transformer Network | |
| CN113779005B (zh) | 一次设备的缺陷评估方法和装置、存储介质 | |
| CN118410290A (zh) | 应用于电力设备运行监测的数据智能分析系统及方法 | |
| CN118795207A (zh) | 一种户外环境下高精度预警的电力箱及预警方法 |
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 |