CN117592967A - 基于大数据的开关柜故障智能排查系统 - Google Patents

基于大数据的开关柜故障智能排查系统 Download PDF

Info

Publication number
CN117592967A
CN117592967A CN202311625769.8A CN202311625769A CN117592967A CN 117592967 A CN117592967 A CN 117592967A CN 202311625769 A CN202311625769 A CN 202311625769A CN 117592967 A CN117592967 A CN 117592967A
Authority
CN
China
Prior art keywords
monitoring
switch cabinet
data
monitoring period
day
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.)
Withdrawn
Application number
CN202311625769.8A
Other languages
English (en)
Inventor
陈帅
姚益伟
张涛
唐中一
纪剑祥
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.)
Huaiyin Institute of Technology
Original Assignee
Huaiyin Institute of Technology
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 Huaiyin Institute of Technology filed Critical Huaiyin Institute of Technology
Priority to CN202311625769.8A priority Critical patent/CN117592967A/zh
Publication of CN117592967A publication Critical patent/CN117592967A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • 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
    • G01R31/003—Environmental or reliability tests
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Operations Research (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)

Abstract

本发明涉及开关柜排障技术领域，用于解决现有的对开关柜故障排查方法存在主观性、不准确性和不一致性，导致在故障排查过程中，难以全面获取开关柜的运行数据和状态信息，限制了对故障原因的充分分析和判断的问题，具体为基于大数据的开关柜故障智能排查系统，包括数据采集模块、电气故障排查模块、运行环境故障排查模块、外部影响排查模块、数据解析模块。本发明通过大数据分析和综合评估，实现了对开关柜电气状态、运行环境和外部影响的智能排查和评估，并通过数据解析在发现开关柜状态异常时触发相应的预警从而做到及时预测和检测开关柜的故障，提前采取维护措施，从而提高设备的可靠性、安全性和运行效率。

Description

基于大数据的开关柜故障智能排查系统
技术领域
本发明涉及开关柜排障技术领域，具体为基于大数据的开关柜故障智能排查系统。
背景技术
近年来，随着电力行业的快速发展，开关柜作为电力系统中重要的组成部分，在供电过程中起到了至关重要的作用。然而，由于开关柜内部结构复杂、运行环境恶劣以及长期使用带来的老化等因素，开关柜故障频繁发生，给电网运行和设备安全带来了巨大风险。
传统的开关柜故障排查方法主要依赖于人工经验和现场检测，存在诸多问题。首先，人工经验依赖于操作开关柜的经验水平和专业知识，可能存在主观性、不准确性和不一致性。其次，现场检测需要耗费大量的时间和人力，且难以覆盖到所有的开关柜。而且在故障排查过程中，也难以全面获取开关柜的运行数据和状态信息，限制了对故障原因的充分分析和判断。
发明内容
本发明的目的在于提供基于大数据的开关柜故障智能排查系统，以解决上述背景技术提出的问题。
本发明的目的可以通过以下技术方案实现：基于大数据的开关柜故障智能排查系统，包括：
数据采集模块，用于对开关柜对应监测周期内的内部运行数据及外部影响数据进行采集，得到开关柜对应监测周期内各监测日的内部运行数据及外部影响数据；
电气故障排查模块，用于对开关柜对应监测周期内各监测日的电气故障状态进行分析，得到对应监测周期的开关柜的电气评估系数；
运行环境故障排查模块，用于对开关柜对应监测周期内各监测日的运行环境状态进行分析，得到对应监测周期的开关柜的运行环境评估系数；
外部影响排查模块，用于对开关柜对应监测周期内各监测日的外部影响因素进行分析，得到对应监测周期的开关柜的外部影响评估系数；
数据解析模块，用于对开关柜对应监测周期的电气评估系数、运行环境评估系数、外部影响评估系数进行解析分析，并通过显示预警终端对开关柜对应监测周期的故障状态进行相应的显示，若开关柜对应监测周期的状态为异常，则启动相应的预警。
作为本发明的进一步改进，所述对开关柜对应监测周期内各监测日的内部运行数据进行采集，其具体采集方式为：
通过电流传感器对开关柜对应监测周期内各监测日中各数据监测点的电流进行监测，通过电压传感器对开关柜对应监测周期内各监测日中各数据监测点的电压进行监测，通过功率传感器对开关柜对应监测周期内各监测日中各数据监测点的功率进行监测，分别得到开关柜对应监测周期内各监测日中各数据监测点的电气参数中的电流、电压、功率；
通过红外传感器对开关柜对应监测周期内各监测日中各数据监测点的内部物体进行红外辐射感知采集，并从中提取开关柜对应监测周期内各监测日中各数据监测点的红外图像，对采集到的红外图像进行预处理，其中，预处理包括去噪和增强对比度，并对预处理后的红外图像中提取每个像素点下的温度值，并将其进行均值计算，由此得到开关柜对应监测周期内各监测日中各数据监测点的内部运行温度，将其标记为HRij；
通过湿度传感器对开关柜对应监测周期内各监测日中各数据监测点的湿度进行采集，得到开关柜对应监测周期内各监测日中各数据监测点的内部运行湿度，将其标记为SRij；
通过光纤传感器对开关柜对应监测周期内各监测日中各数据监测点的电缆接口处的电弧发生情况进行采集，得到开关柜对应监测周期内各监测日中各数据监测点的内部运行电弧热，将其标记为ARij；
据此输出开关柜对应监测周期内各监测日的内部运行数据中的电流、电压、功率及内部运行温度、内部运行湿度和内部运行电弧热。
作为本发明的进一步改进，所述对开关柜对应监测周期内各监测日的外部影响数据进行采集，其具体采集方式为：
通过天气传感器对开关柜对应监测周期内各监测日的天气数据进行监测，得到开关柜对应监测周期内各监测日的环境温度、环境湿度、风速，并将其分别标记为ATi、AHi、WSi；
通过声音传感器对开关柜对应监测周期内各监测日的环境音频进行采集，并从环境音频中提取到开关柜对应监测周期内各监测日的噪音情况和振动情况，得到开关柜对应监测周期内各监测日的噪音值和振动值，并将其分别标记为LNi、VBi；
据此输出开关柜对应监测周期内各监测日的外部影响数据中的环境温度、环境湿度、风速及噪音值和振动值。
作为本发明的进一步改进，所述对开关柜对应监测周期内各监测日的电气故障状态进行分析，其具体分析步骤如下：
将各监测日中各数据监测点的电流与其对应的电流参照值的进行计算分析，由此得到对应开关柜对应监测周期内各监测日中的各监测数据点的电流反馈值；
同理分别分析得到开关柜对应监测周期内各监测日中的各监测数据点的电压反馈值、功率反馈值；
将开关柜对应监测周期内各监测日中的各监测数据点的电流反馈值、电压反馈值和功率反馈值进行综合计算分析，由此得到各监测日对应各数据监测点的实时电气评估指数；
从系统存储库中提取各监测日对应各数据监测点的参考电气评估指数，并由此得到各监测日对应各数据监测点的参考电气评估指数，依据设定的数据模型：，由此得到对应监测周期的开关柜的电气评估系数，i表示为各监测日的编号，/>，j表示为各数据监测点的编号，/>，表示为开关柜对应第i个监测日对应的电气评估指数，/>表示为自然常数。
作为本发明的进一步改进，所述对开关柜对应监测周期内各监测日的运行环境状态进行分析，其具体分析步骤如下：
从各监测日对应各数据监测点的内部运行温度中提取初始数据监测点的运行温度值，作为各监测日对应各数据监测点的初始运行温度，记为；
依据公式：，计算出开关柜对应各监测日中各数据监测点的内部温度变化率kij，/>表示为系统存储库中存储的开关柜对应的正常运行温度，c1、c2、c3分别表示为初始运行温度、内部运行温度、正常运行温度对应的权重因子；
同理分别分析得到开关柜对应各数据监测点的内部湿度变化率δij、电弧热变化率εij；
提取系统存储库中存储的各监测日对应的参考内部温度变化率、参考内部湿度变化率和参考电弧热变化率，由此得到各监测日对应各数据监测点的参考内部温度变化率、参考内部湿度变化率、参考电弧热变化率，分别记为，依据设定的数据模型：，计算出开关柜对应监测周期的运行环境评估系数/>，Δk、Δδ、Δε、分别表示为设定的参考内部温度变化率差、参考内部湿度变化率差、参考电弧热变化率差，d1、d2、d3分别表示为设定的内部温度变化率、内部湿度变化率、电弧热变化率对应的评估因子。
作为本发明的进一步改进，所述对开关柜对应监测周期内各监测日的外部影响因素进行分析，其具体分析步骤如下：
基于开关柜对应监测周期内各监测日的外部影响数据中的环境温度、环境湿度、风速，并由此进行综合分析，依据设定的数据模型：，得到开关柜对应监测周期的外部环境影响指数γ，其中，/>表示为系统存储库中存储的环境温度与环境湿度的参考比例，f1、f2表示为误差因子，e表示为自然常数；
基于开关柜对应监测周期内各监测日的外部影响数据中的噪音值和振动值，并由此进行综合分析，依据设定的数据模型：，计算得出开关柜对应监测周期的机械故障影响指数ρ，其中，f3和f4分别表示为噪音值和振动值的归一因子；
将开关柜对应监测周期的外部环境影响指数与其对应的机械故障影响指数进行综合分析，依据公式：，计算出开关柜对应监测周期的外部影响评估系数ξ，e表示为自然常数，q1、q2分别表示为外部环境影响指数、机械故障影响指数对应的系数因子。
作为本发明的进一步改进，所述对开关柜对应监测周期的电气评估系数、运行环境评估系数、外部影响评估系数进行分析，其具体分析步骤如下：
将开关柜对应监测周期的电气评估系数和设定的电气评估阈值进行对比，若开关柜对应监测周期的电气评估系数大于电气评估阈值，则判定开关柜对应监测周期的电气状态为正常，反之，则判定开关柜对应监测周期的电气状态为异常；
将开关柜对应监测周期的运行环境评估系数和设定的环境运行评估阈值进行对比，若开关柜对应监测周期的运行环境评估系数大于环境运行评估阈值，则判定开关柜对应监测周期的环境运行状态为正常，反之，则判定开关柜对应监测周期的环境运行状态为异常；
将开关柜对应监测周期的外部影响评估系数和设定的外部影响评估阈值进行对比，若开关柜对应监测周期的外部影响评估系数大于外部影响评估阈值，则判定开关柜对应监测周期的外部影响状态为正常，反之，则判定开关柜对应监测周期的外部影响状态为异常。
本发明的有益效果：
基于大数据分析开关柜的电气故障状态、运行环境状态和外部影响因素，从而能够智能地排查开关柜的故障情况。通过对各监测日的电流、电压、功率等数据进行分析，以及对内部温度、湿度、电弧热变化率等参数的计算，系统能够综合评估开关柜的电气状态、运行环境状态和外部影响状态。
通过计算分析各监测日中各数据监测点的电流、电压、功率反馈值，得到各监测日对应各数据监测点的实时电气评估指数。这使得用户能够实时了解开关柜的电气状态，并及时采取相应措施，预防潜在故障的发生。
通过分析内部运行温度、湿度变化率，以及外部环境数据如温度、湿度、风速等因素，计算出开关柜对应监测周期的运行环境评估系数。这有助于评估开关柜的运行环境是否正常，及时发现异常情况，保障设备的安全稳定运行。
通过分析外部环境数据中的温度、湿度、风速以及噪音值和振动值等因素，计算得出开关柜对应监测周期的外部影响评估系数。这可以帮助判断外部环境对开关柜的影响程度，及时发现潜在的机械故障因素，提高设备的可靠性和运行效率。
综上，本发明通过大数据分析和综合评估，实现了对开关柜电气状态、运行环境和外部影响的智能排查和评估。这有助于提前发现潜在的故障风险，及时采取措施进行修复和维护，从而提高设备的可靠性、安全性和运行效率。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的系统框图。
具体实施方式
下面将结合本发明实施例中的附图，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，本领域普通技术开关柜在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为基于大数据的开关柜故障智能排查系统，包括：数据采集模块、电气故障排查模块、运行环境故障排查模块、外部影响排查模块、数据解析模块、显示预警终端和系统存储库。
数据采集模块，用于对开关柜对应监测周期内的内部运行数据及外部影响数据进行采集，具体采集方式为：
通过电流传感器对开关柜对应监测周期内各监测日中各数据监测点的电流进行监测，通过电压传感器对开关柜对应监测周期内各监测日中各数据监测点的电压进行监测，通过功率传感器对开关柜对应监测周期内各监测日中各数据监测点的功率进行监测，分别得到开关柜对应监测周期内各监测日中各数据监测点的电气参数中的电流、电压、功率，并将其分别标记为eleij、pleij、rowij；
通过红外传感器对开关柜对应监测周期内各监测日中各数据监测点的内部物体进行红外辐射感知采集，并从中提取开关柜对应监测周期内各监测日中各数据监测点的红外图像，对采集到的红外图像进行预处理，其中，预处理包括去噪和增强对比度，并对预处理后的红外图像中提取每个像素点下的温度值，并将其进行均值计算，由此得到开关柜对应监测周期内各监测日中各数据监测点的内部运行温度，将其标记为HRij；
通过湿度传感器对开关柜对应监测周期内各监测日中各数据监测点的湿度进行采集，得到开关柜对应监测周期内各监测日中各数据监测点的内部运行湿度，将其标记为SRij；
通过光纤传感器对开关柜对应监测周期内各监测日中各数据监测点的电缆接口处的电弧发生情况进行采集，得到开关柜对应监测周期内各监测日中各数据监测点的内部运行电弧热，将其标记为ARij；
据此输出开关柜对应监测周期内各监测日的内部运行数据中的电流、电压、功率及内部运行温度、内部运行湿度和内部运行电弧热。
通过天气传感器对开关柜对应监测周期内各监测日的天气数据进行监测，得到开关柜对应监测周期内各监测日的环境温度、环境湿度、风速，并将其分别标记为ATi、AHi、WSi；
通过声音传感器对开关柜对应监测周期内各监测日的环境音频进行采集，并从环境音频中提取到开关柜对应监测周期内各监测日的噪音情况和振动情况，得到开关柜对应监测周期内各监测日的噪音值和振动值，并将其分别标记为LNi、VBi；
据此输出开关柜对应监测周期内各监测日的外部影响数据中的环境温度、环境湿度、风速及噪音值和振动值。
综上由此得到开关柜对应监测周期内各监测日的内部运行数据及外部影响数据。
电气故障排查模块用于对开关柜对应监测周期内各监测日的电气故障状态进行分析，具体分析步骤如下：
将各监测日中各数据监测点的电流与其对应的电流参照值的进行计算分析，依据设定的数据模型：，由此得到对应开关柜对应监测周期内各监测日中的各监测数据点的电流反馈值dlij，其中，ele*表示为电流参照值，Δa表示为对应数据监测点的电流与其对应的电流参照值之间差值的参照值；
依据设定的数据模型：，由此得到对应开关柜对应监测周期内各监测日中的各监测数据点的电压反馈值dyij，其中ple*表示为电压参照值，Δb表示为对应数据监测点的电压与其对应的电压参照值之间差值的参照值；
依据设定的数据模型：，由此得到对应开关柜对应监测周期内各监测日中的各监测数据点的功率反馈值dgij，其中，row*表示为功率参照值，Δc表示为对应数据监测点的功率与其对应的功率参照值之间差值的参照值；
将开关柜对应监测周期内各监测日中的各监测数据点的电流反馈值、电压反馈值和功率反馈值进行综合计算分析，依据设定的数据模型：，由此得到各监测日对应各数据监测点的实时电气评估指数/>，b1、b2和b3分别表示为电流反馈值、电压反馈值和功率反馈值对应的修正因子；
从系统存储库中提取各监测日对应各数据监测点的参考电气评估指数，并由此得到各监测日对应各数据监测点的参考电气评估指数，依据设定的数据模型：，由此得到对应监测周期的开关柜的电气评估系数/>，i表示为各监测日的编号，/>，n表示为各监测日编号的总数；j表示为各数据监测点的编号，/>，m表示各数据监测点编号的总数；/>表示为开关柜对应第i个监测日对应的电气评估指数，/>表示为自然常数；
将开关柜对应监测周期的电气评估系数发送至数据解析模块并进行解析分析，具体的：
将开关柜对应监测周期的电气评估系数和设定的电气评估阈值进行对比，若开关柜对应监测周期的电气评估系数大于电气评估阈值，则判定开关柜对应监测周期的电气状态为正常，反之，则判定开关柜对应监测周期的电气状态为异常。
运行环境故障排查模块对开关柜对应监测周期内各监测日的运行环境状态进行分析，具体分析步骤如下：
从各监测日对应各数据监测点的内部运行温度中提取初始数据监测点的运行温度值，作为各监测日对应各数据监测点的初始运行温度，记为；
依据公式：，计算出开关柜对应各监测日中各数据监测点的内部温度变化率kij，/>表示为系统存储库中存储的开关柜对应的正常运行温度，c1、c2、c3分别表示为初始运行温度、内部运行温度、正常运行温度对应的权重因子；
从各监测日对应各数据监测点的内部运行湿度中提取初始数据监测点的运行湿度值，作为各监测日对应各数据监测点的初始运行湿度，记为，依据公式：，计算出开关柜对应各监测日中各数据监测点的内部湿度变化率δij，/>表示为系统存储库中存储的开关柜对应的正常运行湿度，c4、c5、c6分别表示为初始运行湿度、内部运行湿度、正常运行湿度对应的权重因子；
从各监测日对应各数据监测点的内部运行电弧热中提取初始数据监测点的电弧热值，作为各监测日对应各数据监测点的初始电弧热，记为，依据公式：，计算出开关柜对应各监测日中各数据监测点的内部电弧热变化率εijj，/>表示为系统存储库中存储的开关柜对应的正常运行电弧热，c7、c8、c9分别表示为初始运行电弧热、内部运行电弧热、正常运行电弧热对应的权重因子；
提取系统存储库中存储的各监测日对应的参考内部温度变化率、参考内部湿度变化率和参考电弧热变化率，由此得到各监测日对应各数据监测点的参考内部温度变化率、参考内部湿度变化率、参考电弧热变化率，分别记为，依据设定的数据模型：，计算出开关柜对应监测周期的运行环境评估系数/>，Δk、Δδ、Δε、分别表示为设定的参考内部温度变化率差、参考内部湿度变化率差、参考电弧热变化率差，d1、d2、d3分别表示为设定的内部温度变化率、内部湿度变化率、电弧热变化率对应的评估因子；
将开关柜对应监测周期的运行环境评估系数发送至数据解析模块并进行解析分析，具体的：
将开关柜对应监测周期的运行环境评估系数和设定的环境运行评估阈值进行对比，若开关柜对应监测周期的运行环境评估系数大于环境运行评估阈值，则判定开关柜对应监测周期的环境运行状态为正常，反之，则判定开关柜对应监测周期的环境运行状态为异常。
外部影响排查模块用于对开关柜对应监测周期内各监测日的外部影响因素进行分析，具体分析步骤如下：
基于开关柜对应监测周期内各监测日的外部影响数据中的环境温度、环境湿度、风速，并由此进行综合分析，依据设定的数据模型：，得到开关柜对应监测周期的外部环境影响指数γ，其中，/>表示为系统存储库中存储的环境温度与环境湿度的参考比例，f1、f2表示为误差因子，e表示为自然常数；
基于开关柜对应监测周期内各监测日的外部影响数据中的噪音值和振动值，并由此进行综合分析，依据设定的数据模型：，计算得出开关柜对应监测周期的机械故障影响指数ρ，其中，f3和f4分别表示为噪音值和振动值的归一因子；
将开关柜对应监测周期的外部环境影响指数与其对应的机械故障影响指数进行综合分析，依据公式：，计算出开关柜对应监测周期的外部影响评估系数ξ，e表示为自然常数，q1、q2分别表示为外部环境影响指数、机械故障影响指数对应的系数因子；
将开关柜对应监测周期的外部影响评估系数发送至数据解析模块并进行解析分析，具体的：
将开关柜对应监测周期的外部影响评估系数和设定的外部影响评估阈值进行对比，若开关柜对应监测周期的外部影响评估系数大于外部影响评估阈值，则判定开关柜对应监测周期的外部影响状态为正常，反之，则判定开关柜对应监测周期的外部影响状态为异常。
数据解析模块用于对开关柜对应监测周期的电气评估系数、运行环境评估系数、外部影响评估系数进行分析，并通过显示预警终端对开关柜对应监测周期的故障状态进行相应的显示，若开关柜对应监测周期的状态为异常，则启动相应的预警。
在一个具体的实施例中，基于大数据分析开关柜的电气故障状态、运行环境状态和外部影响因素，从而能够智能地排查开关柜的故障情况。通过对各监测日的电流、电压、功率等数据进行分析，以及对内部温度、湿度、电弧热变化率等参数的计算，系统能够综合评估开关柜的电气状态、运行环境状态和外部影响状态。
通过计算分析各监测日中各数据监测点的电流、电压、功率反馈值，得到各监测日对应各数据监测点的实时电气评估指数。这使得用户能够实时了解开关柜的电气状态，并及时采取相应措施，预防潜在故障的发生。
通过分析内部运行温度、湿度变化率，以及外部环境数据如温度、湿度、风速等因素，计算出开关柜对应监测周期的运行环境评估系数。这有助于评估开关柜的运行环境是否正常，及时发现异常情况，保障设备的安全稳定运行。
通过分析外部环境数据中的温度、湿度、风速以及噪音值和振动值等因素，计算得出开关柜对应监测周期的外部影响评估系数。这可以帮助判断外部环境对开关柜的影响程度，及时发现潜在的机械故障因素，提高设备的可靠性和运行效率。
综上，本发明通过大数据分析和综合评估，实现了对开关柜电气状态、运行环境和外部影响的智能排查和评估。这有助于提前发现潜在的故障风险，及时采取措施进行修复和维护，从而提高设备的可靠性、安全性和运行效率。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术开关柜对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (7)

1.基于大数据的开关柜故障智能排查系统，其特征在于，包括：
数据采集模块，用于对开关柜对应监测周期内的内部运行数据及外部影响数据进行采集，得到开关柜对应监测周期内各监测日的内部运行数据及外部影响数据；
电气故障排查模块，用于对开关柜对应监测周期内各监测日的电气故障状态进行分析，得到对应监测周期的开关柜的电气评估系数；
运行环境故障排查模块，用于对开关柜对应监测周期内各监测日的运行环境状态进行分析，得到对应监测周期的开关柜的运行环境评估系数；
外部影响排查模块，用于对开关柜对应监测周期内各监测日的外部影响因素进行分析，得到对应监测周期的开关柜的外部影响评估系数；
数据解析模块，用于对开关柜对应监测周期的电气评估系数、运行环境评估系数、外部影响评估系数进行解析分析，并通过显示预警终端对开关柜对应监测周期的故障状态进行相应的显示，若开关柜对应监测周期的状态为异常，则启动相应的预警。
2.根据权利要求1所述的基于大数据的开关柜故障智能排查系统，其特征在于，所述对开关柜对应监测周期内各监测日的内部运行数据进行采集，其具体采集方式为：
通过电流传感器对开关柜对应监测周期内各监测日中各数据监测点的电流进行监测，通过电压传感器对开关柜对应监测周期内各监测日中各数据监测点的电压进行监测，通过功率传感器对开关柜对应监测周期内各监测日中各数据监测点的功率进行监测，分别得到开关柜对应监测周期内各监测日中各数据监测点的电气参数中的电流、电压、功率；
通过红外传感器对开关柜对应监测周期内各监测日中各数据监测点的内部物体进行红外辐射感知采集，并从中提取开关柜对应监测周期内各监测日中各数据监测点的红外图像，对采集到的红外图像进行预处理，其中，预处理包括去噪和增强对比度，并对预处理后的红外图像中提取每个像素点下的温度值，并将其进行均值计算，由此得到开关柜对应监测周期内各监测日中各数据监测点的内部运行温度，将其标记为HRij；
通过湿度传感器对开关柜对应监测周期内各监测日中各数据监测点的湿度进行采集，得到开关柜对应监测周期内各监测日中各数据监测点的内部运行湿度，将其标记为SRij；
通过光纤传感器对开关柜对应监测周期内各监测日中各数据监测点的电缆接口处的电弧发生情况进行采集，得到开关柜对应监测周期内各监测日中各数据监测点的内部运行电弧热，将其标记为ARij；
据此输出开关柜对应监测周期内各监测日的内部运行数据中的电流、电压、功率及内部运行温度、内部运行湿度和内部运行电弧热。
3.根据权利要求1所述的基于大数据的开关柜故障智能排查系统，其特征在于，所述对开关柜对应监测周期内各监测日的外部影响数据进行采集，其具体采集方式为：
通过天气传感器对开关柜对应监测周期内各监测日的天气数据进行监测，得到开关柜对应监测周期内各监测日的环境温度、环境湿度、风速，并将其分别标记为ATi、AHi、WSi；
通过声音传感器对开关柜对应监测周期内各监测日的环境音频进行采集，并从环境音频中提取到开关柜对应监测周期内各监测日的噪音情况和振动情况，得到开关柜对应监测周期内各监测日的噪音值和振动值，并将其分别标记为LNi、VBi；
据此输出开关柜对应监测周期内各监测日的外部影响数据中的环境温度、环境湿度、风速及噪音值和振动值。
4.根据权利要求1所述的基于大数据的开关柜故障智能排查系统，其特征在于，所述对开关柜对应监测周期内各监测日的电气故障状态进行分析，其具体分析步骤如下：
将各监测日中各数据监测点的电流与其对应的电流参照值的进行计算分析，由此得到对应开关柜对应监测周期内各监测日中的各监测数据点的电流反馈值；
同理分别分析得到开关柜对应监测周期内各监测日中的各监测数据点的电压反馈值、功率反馈值；
将开关柜对应监测周期内各监测日中的各监测数据点的电流反馈值、电压反馈值和功率反馈值进行综合计算分析，由此得到各监测日对应各数据监测点的实时电气评估指数；
从系统存储库中提取各监测日对应各数据监测点的参考电气评估指数，并由此得到各监测日对应各数据监测点的参考电气评估指数，依据设定的数据模型：，由此得到对应监测周期的开关柜的电气评估系数，i表示为各监测日的编号，/>，j表示为各数据监测点的编号，/>，表示为开关柜对应第i个监测日对应的电气评估指数，/>表示为自然常数。
5.根据权利要求1所述的基于大数据的开关柜故障智能排查系统，其特征在于，所述对开关柜对应监测周期内各监测日的运行环境状态进行分析，其具体分析步骤如下：
从各监测日对应各数据监测点的内部运行温度中提取初始数据监测点的运行温度值，作为各监测日对应各数据监测点的初始运行温度，记为；
依据公式：，计算出开关柜对应各监测日中各数据监测点的内部温度变化率kij，/>表示为系统存储库中存储的开关柜对应的正常运行温度，c1、c2、c3分别表示为初始运行温度、内部运行温度、正常运行温度对应的权重因子；
同理分别分析得到开关柜对应各数据监测点的内部湿度变化率δij、电弧热变化率εij；
提取系统存储库中存储的各监测日对应的参考内部温度变化率、参考内部湿度变化率和参考电弧热变化率，由此得到各监测日对应各数据监测点的参考内部温度变化率、参考内部湿度变化率、参考电弧热变化率，分别记为，依据设定的数据模型：，计算出开关柜对应监测周期的运行环境评估系数/>，Δk、Δδ、Δε、分别表示为设定的参考内部温度变化率差、参考内部湿度变化率差、参考电弧热变化率差，d1、d2、d3分别表示为设定的内部温度变化率、内部湿度变化率、电弧热变化率对应的评估因子。
6.根据权利要求1所述的基于大数据的开关柜故障智能排查系统，其特征在于，所述对开关柜对应监测周期内各监测日的外部影响因素进行分析，其具体分析步骤如下：
基于开关柜对应监测周期内各监测日的外部影响数据中的环境温度、环境湿度、风速，并由此进行综合分析，依据设定的数据模型：，得到开关柜对应监测周期的外部环境影响指数γ，其中，/>表示为系统存储库中存储的环境温度与环境湿度的参考比例，f1、f2表示为误差因子，e表示为自然常数；
基于开关柜对应监测周期内各监测日的外部影响数据中的噪音值和振动值，并由此进行综合分析，依据设定的数据模型：，计算得出开关柜对应监测周期的机械故障影响指数ρ，其中，f3和f4分别表示为噪音值和振动值的归一因子；
将开关柜对应监测周期的外部环境影响指数与其对应的机械故障影响指数进行综合分析，依据公式：，计算出开关柜对应监测周期的外部影响评估系数ξ，e表示为自然常数，q1、q2分别表示为外部环境影响指数、机械故障影响指数对应的系数因子。
7.根据权利要求1所述的基于大数据的开关柜故障智能排查系统，其特征在于，所述对开关柜对应监测周期的电气评估系数、运行环境评估系数、外部影响评估系数进行分析，其具体分析步骤如下：
将开关柜对应监测周期的电气评估系数和设定的电气评估阈值进行对比，若开关柜对应监测周期的电气评估系数大于电气评估阈值，则判定开关柜对应监测周期的电气状态为正常，反之，则判定开关柜对应监测周期的电气状态为异常；
将开关柜对应监测周期的运行环境评估系数和设定的环境运行评估阈值进行对比，若开关柜对应监测周期的运行环境评估系数大于环境运行评估阈值，则判定开关柜对应监测周期的环境运行状态为正常，反之，则判定开关柜对应监测周期的环境运行状态为异常；
将开关柜对应监测周期的外部影响评估系数和设定的外部影响评估阈值进行对比，若开关柜对应监测周期的外部影响评估系数大于外部影响评估阈值，则判定开关柜对应监测周期的外部影响状态为正常，反之，则判定开关柜对应监测周期的外部影响状态为异常。
CN202311625769.8A 2023-11-30 2023-11-30 基于大数据的开关柜故障智能排查系统 Withdrawn CN117592967A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311625769.8A CN117592967A (zh) 2023-11-30 2023-11-30 基于大数据的开关柜故障智能排查系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311625769.8A CN117592967A (zh) 2023-11-30 2023-11-30 基于大数据的开关柜故障智能排查系统

Publications (1)

Publication Number Publication Date
CN117592967A true CN117592967A (zh) 2024-02-23

Family

ID=89914724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311625769.8A Withdrawn CN117592967A (zh) 2023-11-30 2023-11-30 基于大数据的开关柜故障智能排查系统

Country Status (1)

Country Link
CN (1) CN117592967A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118523502A (zh) * 2024-07-22 2024-08-20 泉州市振威电器设备有限公司 一种箱式高低压成套开关设备的控制方法
CN118548928A (zh) * 2024-06-05 2024-08-27 济南能源工程集团有限公司 一种基于物联网的建筑设备运行故障监测预警方法
CN118670459A (zh) * 2024-08-20 2024-09-20 中电装备山东电子有限公司 一种户外电力计量箱运行环境智能预警系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118548928A (zh) * 2024-06-05 2024-08-27 济南能源工程集团有限公司 一种基于物联网的建筑设备运行故障监测预警方法
CN118523502A (zh) * 2024-07-22 2024-08-20 泉州市振威电器设备有限公司 一种箱式高低压成套开关设备的控制方法
CN118670459A (zh) * 2024-08-20 2024-09-20 中电装备山东电子有限公司 一种户外电力计量箱运行环境智能预警系统

Similar Documents

Publication Publication Date Title
CN117592967A (zh) 基于大数据的开关柜故障智能排查系统
JP7312919B2 (ja) 太陽光発電アレイの動作状態を決定する方法および装置、デバイス並びに記憶媒体
US11397208B2 (en) Infrared zero value diagnosis method and system for porcelain insulator string
CN117421687B (zh) 一种数字化电力环网柜运行状态监测方法
CN112179691A (zh) 基于对抗学习策略的机械装备运行状态异常检测系统和方法
CN114743089B (zh) 一种基于ssa-svm的图像识别gis故障诊断装置及方法
CN117408514A (zh) 基于多参数传感器的智能运维变电站监测预警系统及方法
CN113779005B (zh) 一次设备的缺陷评估方法和装置、存储介质
CN117407679A (zh) 智能末屏传感器的数据采集方法及系统
CN116797028A (zh) 基于智慧物联网的电缆隧道综合监控系统及方法
CN113177646A (zh) 一种基于自适应边缘代理的配电设备在线监测方法及系统
CN118011307A (zh) 一种电能表故障数据监测系统及数据存储介质
CN112632148A (zh) 一种考虑极端气候条件下配电网元器件智能预警方法
CN115878958A (zh) 一种变压器油温预测方法、装置、设备及存储介质
CN117807155B (zh) 多维度预警提示信息的生成方法、设备及存储介质
CN115265609B (zh) 一种诊断结构健康监测系统中传感器状态的方法
CN117150418B (zh) 基于状态特征故障树的变压器运检周期制定方法和系统
CN204758022U (zh) 可移动式高压组合电器状态诊断装置
CN116878728B (zh) 一种压力传感器故障检测分析处理系统
CN113193616A (zh) 一种用于输电通道监拍设备的健康状态评估方法
CN114492636B (zh) 一种变压器绕组状态信号的采集系统
CN115982591A (zh) 变压器健康状态的检测方法及装置、设备及存储介质
CN117951633B (zh) 一种光伏发电设备故障诊断方法及系统
CN118653970B (zh) 一种风电机组运行状态预警阈值的修正方法及系统
CN118549776A (zh) 基于多维时序特征的换流变阀侧套管在线绝缘监测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20240223

WW01 Invention patent application withdrawn after publication