CN117471230A - 一种基于配电自动化故障精准定位分析方法及系统 - Google Patents
一种基于配电自动化故障精准定位分析方法及系统 Download PDFInfo
- Publication number
- CN117471230A CN117471230A CN202311175870.8A CN202311175870A CN117471230A CN 117471230 A CN117471230 A CN 117471230A CN 202311175870 A CN202311175870 A CN 202311175870A CN 117471230 A CN117471230 A CN 117471230A
- Authority
- CN
- China
- Prior art keywords
- fault
- power distribution
- terminal
- distribution automation
- analysis
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 143
- 238000004458 analytical method Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims description 31
- 230000011664 signaling Effects 0.000 claims description 28
- 238000012423 maintenance Methods 0.000 claims description 23
- 230000005856 abnormality Effects 0.000 claims description 21
- 238000001816 cooling Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 8
- 230000001965 increasing effect Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 238000012800 visualization Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000001603 reducing effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 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
-
- 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- Y—GENERAL 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Locating Faults (AREA)
Abstract
本发明公开了一种基于配电自动化故障精准定位分析方法及系统,涉及电网技术领域,包括根据配电自动化过程检测信号故障,通过自动远程调阅配电终端故障录波文件;对故障录波发生时刻前和故障发生时刻后的波形数据进行分析;根据故障时间查阅相应时段的告警信号,配电自动化主站自动调取故障路径的配电终端定值;输出录波分析结果。本发明实现了基于配电自动化系统的录波文件自动分析和故障精准定位,在现有配电自动化技术基础上向自动化精准故障定位分析方向进行延伸和创新,实现配电自动化系统对故障录波文件的自动解析,实现了对故障位置的自动精确判断。
Description
技术领域
本发明涉及电网技术领域,特别是一种基于配电自动化故障精准定位分析方法及系统。
背景技术
随着数字化信息技术的发展,电网企业持续推动智能测控通用终端建设、运行、生产技术升级,以“提质增效”为总体目标,开展智能测控通用终端智能化、一体化建设,充分发挥变电领域数据的生产要素作用,有力支撑数字电网、数字企业、数字服务和数字产业升级。其中,智能测控通用终端可以包括各类电网传感器。
目前现有配电网存在线路故障时无法快速定位故障的问题,传统方式是依靠人工解析配电终端的故障录波文件来判断故障位置,工作量大且效率低,随着智能配电网和配电自动化系统的发展,实现配电网的远程监控、遥控和自动化成为可能,配电自动化系统可以快速检测到配电网故障并采集相关数据,但是现有的配电自动化系统并不能自动解析录波文件,依然需人工分析判断,无法实现对故障的自动化精确定位,实现基于配电自动化系统的录波文件自动分析和故障精准定位,是在现有配电自动化技术基础上向自动化精准故障定位分析方向的延伸和创新,实现配电自动化系统对故障录波文件的自动解析,以实现对故障位置的自动精确判断。
发明内容
鉴于现有的一种基于配电自动化故障精准定位分析方法及系统中存在的问题,提出了本发明。
因此,本发明的目的是提供一种基于配电自动化故障精准定位分析方法及系统,在配电无法实现对故障的自动化精确定位时,使用配电自动化调取进行自动精准定位。
为解决上述技术问题,本发明提供如下技术方案:
第一方面,本发明实施例提供了一种基于配电自动化故障精准定位分析方法,其包括,根据配电自动化过程检测信号故障,通过自动远程调阅配电终端故障录波文件;对故障录波发生时刻前和故障发生时刻后的波形数据进行分析;获取配电自动化主站自动调取故障路径的配电终端定值,根据故障时间查阅相应时段的告警信号,输出录波分析结果进行定位。
作为本发明所述一种基于配电自动化故障精准定位分析方法的一种优选方案,其中:所述根据配电自动化过程检测信号故障,通过自动远程调阅配电终端故障录波文件包括采集配电终端保护信号,主站启动配电终端故障录波文件召唤,并且存储故障断面进行分析。
作为本发明所述一种基于配电自动化故障精准定位分析方法的一种优选方案,其中:所述对故障录波发生时刻前和故障发生时刻后的波形数据进行分析包括开展录波文件分析波形,通过波形计算阻抗实现精准定位故障,所述分析波形包括提取故障电压、计算短路阻抗和精准判断故障位置。
作为本发明所述一种基于配电自动化故障精准定位分析方法的一种优选方案,其中:所述故障电压包括三相短路故障、两相短路故障和接地故障,三相短路故障为:
其中,U为短路电压,Ik为短路电流,ZL为阻抗;
两相短路故障为:
U=2IkZL
其中,U为短路电压,Ik为短路电流,ZL为阻抗;
接地故障为:
其中,U为短路电压,Ik为短路电流,ZL为阻抗。
作为本发明所述一种基于配电自动化故障精准定位分析方法的一种优选方案,其中:所述配电自动化主站自动调取故障路径的配电终端定值包括GIS图模数据文件获取接口,通过接口接收OCS推送的GIS图模数据文件,一动作一分析数据获取接口,通过ocs给予的数据库用户访问动作分析数据存储表,辅助远程运维调阅及下装定值接口,通过接口接收及发送.PWDZ指定文件格式进行远程功能操作。
作为本发明所述一种基于配电自动化故障精准定位分析方法的一种优选方案,其中:所述根据故障时间查阅相应时段的告警信号包括调阅主站存储的相应时段的告警信号,故障发生前时段A的范围为[T-t1,T],判断终端发信是否正常,若判断正常,则自动调取故障路径的配电终端定值,若判断异常,进行辅助远程运维调阅,将终端发信异常分为I、II、III以及IV等级;
当终端发信异常为I级时,视为一级情况,利用辅助远程运维调阅进行返回终端在运定值,通过发送端配网OCS向接收端配网以SFTP文件再次传输发送;
当终端发信异常为Ⅱ级时,视为二级情况,利用辅助远程运维调阅进行发送待执行定值,通过配网整定发送端配网整定以SFTP文件传输发送;
当终端发信异常为III级时,视为三级情况,利用辅助远程运维调阅进行返回定值远方修改,通过配网OCS以SFTP文件传输发送;
当终端发信异常为IV等级时,此时终端发信异常严重,利用辅助远程运维调阅进行定值召回命令,将召回的终端发信通过机器学习算法进行训练,接入输出录波分析告警,故障发生时段B的范围为[T,T+t2],则终端发信为异常,此时终端发信异常严重,接入输出录波分析告警。
作为本发明所述一种基于配电自动化故障精准定位分析方法的一种优选方案,其中:所述输出录波分析结果进行定位包括利用机器学习算法训练故障类型,所述机器学习算法训练是将新数据增量训练模型进行自适应学习,将新数据增量与原数据进行交替组合,首先将新数据增量单独训练,训练结束后与原数据结合进行二次训练,在新增数据和原数据之间的平衡公式为:
其中,θt为t轮迭代参数,N0为原数据,N1为新数据增量,λ(t)为动态调节系数,λ(t)可表示为a*sin(b*t)+c,通过改变任一a,b或c的值,可实现数据之间的动态平衡;
当检测到N1≥N0时,则模型关注原数据,减小动态平衡,当检测到N1<N0时,则模型关注新数据增量,增大动态平衡,调整波动频率;
当二次训练动态平衡失态时,利用一动作一分析数据获取Q冷却期进行校正,对冷却期进行调整,建立动力学模型来模拟参数进行调整,通过改变不同冷却期内的温度控制动态平衡,设定动力学模型初始温度值为T’,利用训练误差拟合出对应的温度值T”,将初始温度值为T’和对应的温度值T”进行对比,若T’<T”时,则模型偏热,效果波动增大,减小冷却系数,使温度升高,若T’>T”时,则模型偏冷,效果波动减小,增大冷却系数,使温度降低,若T’=T”时,则动态平衡正常,重复检测温度和调节参数过程,形成一个温度反馈控制回路,有效控制动态平衡,训练完成后生成精准定位分析报告,形成虚实融合的三维可视化输出。
第二方面,本发明实施例提供了一种基于配电自动化故障精准定位系统,其包括:自动远程模块,其根据配电自动化过程检测信号故障,通过自动远程调阅配电终端故障录波文件;分析模块,其对故障录波发生时刻前和故障发生时刻后的波形数据进行分析;自动调取模块,获取配电自动化主站自动调取故障路径的配电终端定值,根据故障时间查阅相应时段的告警信号;输出模块,其输出录波分析结果进行定位,形成虚实融合的三维可视化输出。
第三方面,本发明实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其中:所述处理器执行所述计算机程序时实现上述的一种基于配电自动化故障精准定位分析方法的任一步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中:所述计算机程序被处理器执行时实现上述的一种基于配电自动化故障精准定位分析方法的任一步骤。
本发明有益效果为:通过自动远程调阅配电终端故障录波文件,对故障录波发生时刻前和故障发生时刻后的波形数据进行分析,自动调取故障路径的配电终端定值并输出录波分析结果。实现了基于配电自动化系统的录波文件自动分析和故障精准定位,在现有配电自动化技术基础上向自动化精准故障定位分析方向进行延伸和创新,实现配电自动化系统对故障录波文件的自动解析,实现了对故障位置的自动精确判断。
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它的附图。其中:
图1为本发明一个实施例提供的一种基于配电自动化故障精准定位分析方法及系统的具体流程图。
图2为本发明一个实施例提供的一种基于配电自动化故障精准定位分析方法及系统的配网整定示意图。
图3为本发明一个实施例提供的一种基于配电自动化故障精准定位分析方法及系统的计算机设备的内部结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1和图2,为本发明第一个实施例,该实施例提供了一种基于配电自动化故障精准定位分析方法,包括:
S1:根据配电自动化过程检测信号故障,通过自动远程调阅配电终端故障录波文件。
其中,根据配电自动化过程检测信号故障,通过自动远程调阅配电终端故障录波文件包括采集配电终端保护信号,主站启动配电终端故障录波文件召唤,并且存储故障断面进行分析。
进一步的,配电自动化采集到配电终端的保护信号,主站启动该配电终端的故障录波文件召唤,故障录波应包含故障发生时刻前和故障发生时刻后的波形数据,故障前不应少于4个周波,故障后不应少于8个周波,录波点数为不少于80点/周波。
S2:对故障录波发生时刻前和故障发生时刻后的波形数据进行分析。
其中,对故障录波发生时刻前和故障发生时刻后的波形数据进行分析包括开展录波文件分析波形,通过波形计算阻抗实现精准定位故障,分析波形包括提取故障电压、计算短路阻抗和精准判断故障位置。
S2.1:故障电压包括三相短路故障、两相短路故障和接地故障,三相短路故障为:
其中,U为短路电压,Ik为短路电流,ZL为阻抗;
两相短路故障为:
U=2IkZL
其中,U为短路电压,Ik为短路电流,ZL为阻抗;
接地故障为:
其中,U为短路电压,Ik为短路电流,ZL为阻抗。
S3:获取配电自动化主站自动调取故障路径的配电终端定值,根据故障时间查阅相应时段的告警信号。
其中,配电自动化主站自动调取故障路径的配电终端定值包括GIS图模数据文件获取接口,通过接口接收OCS推送的GIS图模数据文件,一动作一分析数据获取接口,通过ocs给予的数据库用户访问动作分析数据存储表,辅助远程运维调阅及下装定值接口,通过接口接收及发送.PWDZ指定文件格式进行远程功能操作。
进一步的,GIS图模数据文件获取接口包括通过接口接收OCS推送的GIS图模数据文件,一动作一分析数据获取接口包括通过ocs给予的数据库用户访问动作分析数据存储表,辅助远程运维调阅及下装定值接口包括通过接口接收及发送.PWDZ指定文件格式进行远程功能操作,GIS图模数据文件获取方式如下表1所示:
表1GIS图模数据文件获取表
配电网整定计算服务器与配电网OCS系统之间建立了GIS系统原始图模文件的数据接口,接口采用SFTP文件传输的方式,OCS系统中的GIS系统每日凌晨2点会主动通过SFTP中转服务器将包含CIM文件和SVG图文件的原始GIS图模数据,以文件共享的形式传输到配电网整定计算服务器指定的/home/sftp_zdjs/GIS目录下,实现每日一次文件的自动传输,配电网整定计算系统采用被动接受的方式获取GIS原始图模文件数据,进行相关的配电网整定计算和分析。
更进一步的,一动作一分析数据获取接口包括通过ocs给予的数据库用户访问动作分析数据存储表,具体获取接口如下表2所示:
表2一动作一分析数据获取表
配电网整定计算服务器与配电网OCS系统建立了一动作一分析数据的接口,用于按需获取OCS系统中的动作分析数据,该接口通过OCS系统提供访问权限的方式实现,OCS系统给予配电网整定计算服务器指定的数据库用户名和密码,可以主动访问OCS系统中存储动作分析数据的指定数据库表,按需提取动作分析数据,配电网整定计算服务器可以根据自身需要,主动使用该用户名和密码访问OCS系统的动作分析数据库,并从指定表中获取动作分析数据,以进行相关的配电网整定计算和分析。
辅助远程运维调阅及下装定值接口包括通过接口接收及发送.PWDZ指定文件格式进行远程功能操作,进行远方定值调阅功能,具体辅助功能操作如下表3所示
表3辅助远程运维调阅功能操作表
配电网整定计算系统和配电网OCS系统建立了定值远程调阅管理的文件传输接口,接口包括四种类型的文件传输,整定系统可以按需向OCS发送定值召回命令;OCS收到命令后返回终端在运定值文件;整定系统根据分析发送待执行定值文件至OCS;OCS收到后返回定值远程执行结果的反馈文件,四种文件传输均通过SFTP协议按需进行,以实现两系统之间定值的远程调阅、校验和下发功能,辅助配电网的远程维护与管理。
S3.1:根据故障时间查阅相应时段的告警信号包括调阅主站存储的相应时段的告警信号,故障发生前时段A的范围为[T-t1,T],判断终端发信是否正常,若判断正常,则自动调取故障路径的配电终端定值,若判断异常,进行辅助远程运维调阅,将终端发信异常分为I、II、III以及IV等级,当终端发信异常为I级时,视为一级情况,利用辅助远程运维调阅进行返回终端在运定值,通过发送端配网OCS向接收端配网以SFTP文件再次传输发送,当终端发信异常为Ⅱ级时,视为二级情况,利用辅助远程运维调阅进行发送待执行定值,通过配网整定发送端配网整定以SFTP文件传输发送,当终端发信异常为III级时,视为三级情况,利用辅助远程运维调阅进行返回定值远方修改,通过配网OCS以SFTP文件传输发送,当终端发信异常为IV等级时,此时终端发信异常严重,利用辅助远程运维调阅进行定值召回命令,将召回的终端发信通过机器学习算法进行训练,接入输出录波分析告警,故障发生时段B的范围为[T,T+t2],则终端发信为异常,此时终端发信异常严重,接入输出录波分析告警。
S4:输出录波分析结果进行定位。
其中,输出录波分析结果包括利用机器学习算法训练故障类型,机器学习算法训练是将新数据增量训练模型进行自适应学习,将新数据增量与原数据进行交替组合,首先将新数据增量单独训练,训练结束后与原数据结合进行二次训练,在新增数据和原数据之间的平衡公式为:
其中,θt为t轮迭代参数,Loss()为损失函数,N0为原数据,N1为新数据增量,λ(t)为动态调节系数,λ(t)可表示为a*sin(b*t)+c,通过改变任一a,b或c的值,可实现数据之间的动态平衡;
当检测到N1≥N0时,则模型关注原数据,减小动态平衡,增大a的值,使λ(t)波动幅度变小,增大c的值,使λ(t)的偏置变大,整体波动增大,减小b的值,使λ(t)的正弦周期变长,整体波动频率降低,当检测到N1<N0时,则模型关注新数据增量,增大动态平衡,减小a的值,使λ(t)波动幅度变大,减小c的值,使λ(t)的偏置变小,整体波动降低,增大b的值,使λ(t)的正弦周期变短,整体波动频率增大;
利用一动作一分析数据获取Q冷却期,对冷却期进行调整,建立动力学模型来模拟参数进行调整,通过改变不同冷却期内的温度控制动态平衡,设定动力学模型初始温度值为T’,利用训练误差拟合出对应的温度值T”,将初始温度值为T’和对应的温度值T”进行对比,若T’<T”时,则模型偏热,效果波动增大,适当减小冷却系数,使温度升高,若T’>T”时,则模型偏冷,效果波动减小,适当增大冷却系数,使温度降低,若T’=T”时,则动态平衡正常,重复检测温度和调节参数过程,形成一个温度反馈控制回路,将模型效果控制在合适水平,有效控制动态平衡,训练完成后生成精准定位分析报告,形成虚实融合的三维可视化输出。
优选的,经过10轮模型训练判断一个标准差范围,设置初始目标温度为T’=5,将初始目标温度带入拟合函数T=3*loss2+2,得出最佳平均值为2,将平均值进行映射调整,例如,T”-T’=6-5=1,映射到平均调整量为sqrt((1+5)/3)-2=0.5,将上述过程进行反复训练,选择温度的最优范围,具体的温度值训练过程如下表4所示:
表4温度值训练具体数据表
首轮训练结束后,平均值为5.2,对应温度为7.3度,相对目标温度5度偏高2.3度,为实现降温,进行了参数a减0.1和参数c加0.2的调整,同时采取强化冷却措施,调整后温度降为6.8度,第二轮后,Loss为4.9,温度为6.8度,继续偏高1.8度,此次调整a减0.08和c加0.15,中等冷却,新温度为6.3度,第三轮温度降至6.5度,偏高1.5度,采取微弱冷却,a减0.05,c加0.1,新温度为6.1度,之后几轮温度逐步接近目标值5度,参数调节量也在减小,第六轮起由于温度偏低,进行了微弱的加热调整,最后两轮温度基本达到目标,波动在5.2至5.3度间,无须再调节,表现平稳,通过每个轮次的调控,使整个模型温度控制更为直观。
在一个优选实施例中,一种基于配电自动化故障精准定位系统,该系统包括自动远程模块,其根据配电自动化过程检测信号故障,通过自动远程调阅配电终端故障录波文件;分析模块,其对故障录波发生时刻前和故障发生时刻后的波形数据进行分析;自动调取模块,其根据故障时间查阅相应时段的告警信号,配电自动化主站自动调取故障路径的配电终端定值;输出模块,其输出录波分析结果,形成虚实融合的三维可视化输出。
上述各单元模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
综上,本发明通过自动远程调阅配电终端故障录波文件,对故障录波发生时刻前和故障发生时刻后的波形数据进行分析,自动调取故障路径的配电终端定值并输出录波分析结果。实现了基于配电自动化系统的录波文件自动分析和故障精准定位,在现有配电自动化技术基础上向自动化精准故障定位分析方向进行延伸和创新,实现配电自动化系统对故障录波文件的自动解析,实现了对故障位置的自动精确判断。
实施例2
参照图1和图2,为本发明第二个实施例,该实施例提供了一种基于配电自动化故障精准定位分析方法,为了验证本发明的有益效果,通过仿真实验进行科学论证。
根据故障时间查阅相应时段的告警信号包括调阅主站存储的相应时段的告警信号,故障发生前时段A的范围为[11:00:00,11:10:15],判断终端发信是否正常,若判断正常,则自动调取故障路径的配电终端定值,否则接入输出录波分析告警,若故障发生时段B的范围为[11:10:16,11:25:35],则终端发信为异常,则接入输出录波分析告警,配电自动化主站自动调取故障路径的配电终端定值包括GIS图模数据文件获取接口,一动作一分析数据获取接口,辅助远程运维调阅及下装定值接口,设定了故障发生时间为11:10:16,故障前后两个时段的具体表述如下表5所示:
表5故障前后两个时段具体操作表
时段 | 范围 | 终端发信情况 | 对应操作 |
故障前时段A | [11:00:00,11:10:15] | 正常 | 自动调取故障路径终端定值 |
故障前时段A | [11:00:00,11:10:15] | 异常 | 输出录波分析告警 |
故障后时段B | [11:10:16,11:25:35] | 异常 | 输出录波分析告警 |
将告警时段分为故障发生前的时段A和故障发生后的时段B,时段A若终端发信正常则自动调取定值,若异常则输出告警,时段B终端发信一定异常,则直接输出告警。
当检测到N1>N0时,则模型关注原数据,减小动态平衡,增大a的值为2,使λ(t)波动幅度变小,增大c的值为5,使λ(t)的偏置变大,整体波动增大,减小b的值为0.5,使λ(t)的正弦周期变长,整体波动频率降低,当检测到N1<N0时,则模型关注新数据增量,增大动态平衡,减小a的值为0.5,使λ(t)波动幅度变大,减小c的值为2,使λ(t)的偏置变小,整体波动降低,增大b的值为2,使λ(t)的正弦周期变短,整体波动频率增大,训练完成后生成精准定位分析报告,形成虚实融合的三维可视化输出,具体的输出数据表如下表6所示:
表6三维可视化输出数据表
当N0>N1时,设置a、b、c的值为第一行数据,使λ(t)波动幅度变小,周期变长,偏置变大,则模型更加关注原数据,当N1>N0时,设置a、b、c的值为第二行数据,使λ(t)波动幅度变大,周期变短,偏置变小,则模型更加关注新数据,通过改变a、b、c参数动态调节λ(t),实现在原数据和新数据之间的平衡训练。本方案技术与现有技术对比如下表7所示:
表7本方案技术与现有技术优势对比表
本发明通过实现自动化与机器学习等技术手段,相较现有技术提高了配电网故障定位的精准度、效率和适应性,对现有技术进行了重要的技术创新与拓展。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于配电自动化故障精准定位分析方法,其特征在于:包括,
根据配电自动化过程检测信号故障,通过自动远程调阅配电终端故障录波文件;
对故障录波发生时刻前和故障发生时刻后的波形数据进行分析;
获取配电自动化主站自动调取故障路径的配电终端定值,根据故障时间查阅相应时段的告警信号;
输出录波分析结果进行定位。
2.如权利要求1所述的一种基于配电自动化故障精准定位分析方法,其特征在于:所述根据配电自动化过程检测信号故障,通过自动远程调阅配电终端故障录波文件包括采集配电终端保护信号,主站启动配电终端故障录波文件召唤,并且存储故障断面进行分析。
3.如权利要求2所述的一种基于配电自动化故障精准定位分析方法,其特征在于:所述对故障录波发生时刻前和故障发生时刻后的波形数据进行分析包括开展录波文件分析波形,通过波形计算阻抗实现精准定位故障,所述分析波形包括提取故障电压、计算短路阻抗和精准判断故障位置。
4.如权利要求3所述的一种基于配电自动化故障精准定位分析方法,其特征在于:所述故障电压包括三相短路故障、两相短路故障和接地故障,三相短路故障为:
其中,U为短路电压,Ik为短路电流,ZL为阻抗;
两相短路故障为:
U=2IkZL
其中,U为短路电压,Ik为短路电流,ZL为阻抗;
接地故障为:
其中,U为短路电压,Ik为短路电流,ZL为阻抗。
5.如权利要求4所述的一种基于配电自动化故障精准定位分析方法,其特征在于:所述配电自动化主站自动调取故障路径的配电终端定值包括GIS图模数据文件获取接口,通过接口接收OCS推送的GIS图模数据文件,一动作一分析数据获取接口,通过ocs给予的数据库用户访问动作分析数据存储表,辅助远程运维调阅及下装定值接口,通过接口接收及发送.PWDZ指定文件格式进行远程功能操作。
6.如权利要求5所述的一种基于配电自动化故障精准定位分析方法,其特征在于:所述根据故障时间查阅相应时段的告警信号包括调阅主站存储的相应时段的告警信号,故障发生前时段A的范围为[T-t1,T],判断终端发信是否正常,若判断正常,则自动调取故障路径的配电终端定值,若判断异常,进行辅助远程运维调阅,将终端发信异常分为I、II、III以及IV等级;
当终端发信异常为I级时,视为一级情况,利用辅助远程运维调阅进行返回终端在运定值,通过发送端配网OCS向接收端配网以SFTP文件再次传输发送;
当终端发信异常为Ⅱ级时,视为二级情况,利用辅助远程运维调阅进行发送待执行定值,通过配网整定发送端配网整定以SFTP文件传输发送;
当终端发信异常为III级时,视为三级情况,利用辅助远程运维调阅进行返回定值远方修改,通过配网OCS以SFTP文件传输发送;
当终端发信异常为IV等级时,此时终端发信异常严重,利用辅助远程运维调阅进行定值召回命令,将召回的终端发信通过机器学习算法进行训练,接入输出录波分析告警,故障发生时段B的范围为[T,T+t2],则终端发信为异常,此时终端发信异常严重,接入输出录波分析告警。
7.如权利要求6所述的一种基于配电自动化故障精准定位分析方法,其特征在于:所述输出录波分析结果进行定位包括利用机器学习算法训练故障类型,所述机器学习算法训练是将新数据增量训练模型进行自适应学习,将新数据增量与原数据进行交替组合,首先将新数据增量单独训练,训练结束后与原数据结合进行二次训练,在新增数据和原数据之间的平衡公式为:
其中,θt为t轮迭代参数,N0为原数据,N1为新数据增量,λ(t)为动态调节系数,λ(t)可表示为a*sin(b*t)+c,通过改变任一a,b或c的值,可实现数据之间的动态平衡;
当检测到N1≥N0时,则模型关注原数据,减小动态平衡,当检测到N1<N0时,则模型关注新数据增量,增大动态平衡,调整波动频率;
当二次训练动态平衡失态时,利用一动作一分析数据获取Q冷却期进行校正,对冷却期进行调整,建立动力学模型来模拟参数进行调整,通过改变不同冷却期内的温度控制动态平衡,设定动力学模型初始温度值为T’,利用训练误差拟合出对应的温度值T”,将初始温度值为T’和对应的温度值T”进行对比,若T’<T”时,则模型偏热,效果波动增大,减小冷却系数,使温度升高,若T’>T”时,则模型偏冷,效果波动减小,增大冷却系数,使温度降低,若T’=T”时,则动态平衡正常,重复检测温度和调节参数过程,形成一个温度反馈控制回路,有效控制动态平衡,训练完成后生成精准定位分析报告,形成虚实融合的三维可视化输出。
8.一种基于配电自动化故障精准定位系统,基于权利要求1~7任一所述的一种基于配电自动化故障精准定位分析方法,其特征在于:包括,
自动远程模块,其根据配电自动化过程检测信号故障,通过自动远程调阅配电终端故障录波文件;
分析模块,其对故障录波发生时刻前和故障发生时刻后的波形数据进行分析;
自动调取模块,获取配电自动化主站自动调取故障路径的配电终端定值,根据故障时间查阅相应时段的告警信号;
输出模块,其输出录波分析结果进行定位,形成虚实融合的三维可视化输出。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1~7任一所述的一种基于配电自动化故障精准定位分析方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1~7任一所述的一种基于配电自动化故障精准定位分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311175870.8A CN117471230A (zh) | 2023-09-13 | 2023-09-13 | 一种基于配电自动化故障精准定位分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311175870.8A CN117471230A (zh) | 2023-09-13 | 2023-09-13 | 一种基于配电自动化故障精准定位分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117471230A true CN117471230A (zh) | 2024-01-30 |
Family
ID=89630091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311175870.8A Pending CN117471230A (zh) | 2023-09-13 | 2023-09-13 | 一种基于配电自动化故障精准定位分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117471230A (zh) |
-
2023
- 2023-09-13 CN CN202311175870.8A patent/CN117471230A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102053202B (zh) | 面向智能电网的电能质量监测系统及方法 | |
EP1900076B1 (en) | Automated precision alignment of data in a utility monitoring system | |
EP2483829A2 (en) | Real-time microgrid power analytics portal for mission critical power systems | |
CN107085156A (zh) | 微机型继电保护与自动化测试仪自动检测系统 | |
CN116581891B (zh) | 一种电力数据采集方法及系统 | |
CN105093047A (zh) | 电力线路载流量监测预警系统 | |
CN103439114A (zh) | 一种汽轮机组热力性能试验系统及装置 | |
CN103605326A (zh) | 一种实时在线能源监控管理系统与能源管理优化方法 | |
CN114498933A (zh) | 负荷识别及多传感器融合感知方法及装置 | |
CN106646322A (zh) | 一种测试全光纤电流互感器低温准确度的方法和系统 | |
EP2989515A1 (en) | Apparatus and method for interfacing with supervisory monitoring and control arrangements | |
US20170115645A1 (en) | Apparatus and method for interfacing with supervisory monitoring and control arrangements | |
CN111769987B (zh) | 基于大数据管理模型的网络信息安全测试系统及方法 | |
CN117471230A (zh) | 一种基于配电自动化故障精准定位分析方法及系统 | |
CN204906010U (zh) | 输电线路动态监测预警系统 | |
CN205103345U (zh) | 环网柜的监测系统 | |
CN111521966A (zh) | 台区电表时间超差监测方法、装置、监测终端和存储介质 | |
CN114236447A (zh) | 变电站用pmu检测校验方法、装置、计算机设备和存储介质 | |
TW202232906A (zh) | 聯網設備資料缺漏分析與補值裝置、系統、方法及電腦可讀媒介 | |
CN111781553A (zh) | 一种分压器校验系统及方法 | |
CN112415465A (zh) | 一种远程电能表故障检测识别系统 | |
CN112800102A (zh) | 告警相关性计算方法、装置及计算设备 | |
Yan et al. | Evaluation Methods and Index System for Data Quality of Public Building Energy Consumption Monitoring Platforms | |
CN117644794B (zh) | 一种基于充电桩的智能时段控制系统 | |
CN117129791B (zh) | 一种配网侧电能质量监测装置 |
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 |