CN117638928A - 一种基于云计算的智能配电网管理系统 - Google Patents
一种基于云计算的智能配电网管理系统 Download PDFInfo
- Publication number
- CN117638928A CN117638928A CN202410109415.6A CN202410109415A CN117638928A CN 117638928 A CN117638928 A CN 117638928A CN 202410109415 A CN202410109415 A CN 202410109415A CN 117638928 A CN117638928 A CN 117638928A
- Authority
- CN
- China
- Prior art keywords
- power distribution
- data
- load
- distribution network
- cloud computing
- 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
- 238000010276 construction Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000004891 communication Methods 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 50
- 238000000034 method Methods 0.000 claims description 38
- 238000012544 monitoring process Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 31
- 230000032683 aging Effects 0.000 claims description 20
- 238000003745 diagnosis Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 230000001681 protective effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 22
- 238000012423 maintenance Methods 0.000 description 16
- 230000007613 environmental effect Effects 0.000 description 8
- 239000003570 air Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003827 upregulation Effects 0.000 description 3
- 102100037651 AP-2 complex subunit sigma Human genes 0.000 description 2
- 101000806914 Homo sapiens AP-2 complex subunit sigma Proteins 0.000 description 2
- 230000002222 downregulating effect Effects 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000012080 ambient air Substances 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000002759 z-score normalization Methods 0.000 description 1
Abstract
本发明公开了一种基于云计算的智能配电网管理系统,涉及配电网管理领域,包括云计算中心,所述云计算中心通信连接有数据采集模块、模型构建模块、配电负荷分析模块以及配电故障管理模块;对配电网进行数据采集,获得相应的资源数据;依据所采集的资源数据进行模型构建,获得相应的配电网模型;依据所获得的资源数据和配电网模型对配电网内的配电设备进行配电负荷预测和故障预测,获得相应的预测结果,并依据所获得的预测结果判断配电网内的配电设备是否存在故障,若存在故障,则采取相应保护措施;本发明有利于提高配电网的运行效率与稳定性。
Description
技术领域
本发明涉及配电网管理领域,具体是一种基于云计算的智能配电网管理系统。
背景技术
随着科技的发展,电力系统的管理方式也在不断进步,云计算作为一种新兴的计算模式,具有强大的数据处理能力和高度的灵活性。
与现有技术相比,传统的配电网管理系统存在着数据处理能力弱、系统稳定性差、维护成本高等问题,由于事前没有预警机制,事后的抢修问题查找及处理速度较慢,日常的巡检维护业务需要投入大量的人力物力,且均以单一历史数据为基础进行故障管理,这些是我们需要解决的问题,为此我们提供了一种基于云计算的智能配电网管理系统。
发明内容
本发明的目的在于提供一种基于云计算的智能配电网管理系统。
本发明的目的可以通过以下技术方案实现:一种基于云计算的智能配电网管理系统,包括云计算中心,所述云计算中心通信连接有数据采集模块、模型构建模块、配电负荷分析模块以及配电故障管理模块;
所述数据采集模块用于对配电网进行数据采集,获得相应的资源数据并储存;
所述模型构建模块用于依据所采集的资源数据进行模型构建,获得相应的配电网模型;
所述配电负荷分析模块用于依据所采集的资源数据内的配电负荷数据进行配电负荷预测,获得相应的预测负荷数据,并依据所获得的预测负荷数据判断配电设备是否异常,若异常,则将相应的配电设备标记为异常配电设备;
所述配电故障管理模块用于依据所获得的配电网模型和资源数据对相应的异常配电设备进行故障预测,生成相应的预警信息,并采取保护措施。
进一步的,所述数据采集模块对配电网进行数据采集,获得相应的资源数据并储存的过程包括:
所述数据采集模块内设置有采集节点和监测节点,将所获得的采集节点标记为i,其中,i=1,2,3,……,n,n>0且n为整数,将所获得的监测节点标记为j,其中,j=1,2,3,……,m1,m1>0且m1为整数;
所述采集节点用于采集配电网内的运行数据和环境数据,所述运行数据包括电压、电流、频率、电场强度和磁场强度等,所述环境数据包括环境温度、环境湿度以及环境气压;
所述监测节点用于采集配电网内配电设备的配电负荷数据;
将所采集的运行数据、环境数据以及配电网数据进行打包,获得相应的资源数据,并将其上传至云计算中心内储存。
进一步的,所述模型构建模块用于依据所采集的运行数据进行模型构建,获得相应的配电网模型的过程包括:
所述模型构建模块依据所采集的资源数据进行模型构建,获得相应的配电网模型的过程包括:
获取相应配电网建设时的施工图纸,并依据其获得配电网内各配电设备之间的连接关系以及相应的设备参数,根据配电设备的连接关系形成配电网络拓扑关系;
基于数字孪生技术对相应配电网进行模型构建,获得相应的数字孪生模型,将所采集的运行数据输入至数字孪生模型中,对相应的数字孪生模型进行实时更新,获得相应的配电网模型。
进一步的,所述配电负荷分析模块依据所采集的资源数据内的配电负荷数据进行配电负荷预测,获得相应的预测负荷数据,并依据其判断配电设备是否异常的过程包括:
读取所采集的配电负荷数据,建立时间关于配电负荷数据的二维直角坐标系,获得相应的配电负荷曲线;
设置监测周期,依据所获得的配电负荷曲线获取最近一个监测周期内的配电负荷数据,并依据其计算出相应监测周期内配电负荷的变化系数和单位时间内的最大配电负荷,进而依据所获得的配电负荷的变化系数和单位时间内的最大配电负荷对未来一周期的配电负荷进行预测,获得相应的预测负荷数据。
设置负荷阈值,将所获得的预测负荷数据与负荷阈值进行比较,根据比较结果判断相应配电设备是否异常,若异常,将相应的配电设备标记为异常配电设备,同时生成故障诊断通知,并将其发送至云计算中心。
进一步的,所述配电故障管理模块用于依据所获得的配电网模型和分析结果对配电网内的配电设备进行故障管理的过程包括:
云计算中心读取相应监测周期内所采集的异常配电设备的运行数据和环境数据,并将其导入至配电网模型内模拟运行,获得相应的理论运行数据和理论环境数据;依据其计算出相应的故障因子GZ;
设置故障阈值gz;将所获得的故障因子GZ与其进行比对;
若GZ≤gz,则表明相应的异常配电设备在未来一周期内过负荷运行,则向云计算中心反馈负荷预警,并反馈给云计算中心;
若GZ>gz,判定相应的异常配电设备在未来一周期内会发生故障,则向云计算中心反馈故障预警,并反馈给云计算中心;
所述云计算中心依据接收的预警采取相应的保护;
进一步的,所述云计算中心依据接收的预警采取相应的保护的过程包括:
当接收到负荷预警,所述云计算中心获取相应异常配电设备的预测负荷数据总量和额定负荷容量,并将所获取的预测负荷数据总量和额定负荷容量进行比对,根据比对结果生成相应的调整指令,并依据调整指令对相应的异常配电设备进行负荷调整;
当接收到故障预警,所述云计算中心获取相应异常配电设备的设备参数,依据其获取相应设备的历史故障次数和设备运行时间,分别记为C和t1,进而依据其计算出相应异常配电设备的设备老化系数,记为LH;
其中,;
式中,t2是指同类型配电设备的平均使用寿命时长,是经过实验验证的;
u表示随着配电设备的运行时间而发生变化的变化因子;
设置老化阈值范围,若设备老化系数低于老化阈值范围的最小值,则进行三级故障警告;
若设备老化系数处于老化阈值范围的内,进行二级故障警告,则依据预测所获得的理论运行数据和理论环境数据在维护数据库内进行方案检索,获得若干个设备故障维护方案,对所获得的设备维护方案进行编号,记为b,其中b=1,2,……,q;进而依据所获得的设备维护方案b对相应的配电网模型的资源数据进行修改,并计算出相应的故障因子,选取最小故障因子所对应的设备维护方案作为最佳方案,并将其发送给相应配电网的管理人员;
若设备老化系数高于老化阈值范围的最大值,进行一级故障警告,则云计算中心远程控制配电网内的闭合开关将相应的异常配电设备进行断开,并派遣管理人员前去维护或更换;
所述一级故障警告>二级故障警告>三级故障警告。
与现有技术相比,本发明的有益效果是:通过数据采集模块、模型构建模块、配电负荷分析模块以及配电故障管理模块等多个部分组成,可以实现对配电网内数据的全面采集、分析与处理,提高配电网的管理效率与故障应对能力;通过云计算中心对配电网进行实时监控与调整,提高配电网的运行效率与稳定性;通过配电负荷和运行数据、环境数据多层次综合进行故障预测,有效的提高了故障的监测效率,及时发现并处理潜在的故障风险,避免因故障导致配电网的停运或者降效,减少人工干预和操作,提高配电网管理的准确性和及时性。
附图说明
图1为本发明的原理图。
具体实施方式
如图1所示,一种基于云计算的智能配电网管理系统,包括云计算中心,所述云计算中心通信连接有数据采集模块、模型构建模块、配电负荷分析模块以及配电故障管理模块;
所述数据采集模块用于对配电网进行数据采集,获得相应的资源数据并储存;
所述模型构建模块用于依据所采集的资源数据进行模型构建,获得相应的配电网模型;
所述配电负荷分析模块用于依据所采集的资源数据内的配电负荷数据进行配电负荷预测,获得相应的预测负荷数据,并依据所获得的预测负荷数据判断配电设备是否异常,若异常,则将相应的配电设备标记为异常配电设备;
所述配电故障管理模块用于依据所获得的配电网模型和资源数据对相应的异常配电设备进行故障预测,生成相应的预警信息,并采取保护措施;
需要进一步说明的是,在具体实施过程中,所述数据采集模块对配电网进行数据采集,获得相应的资源数据并储存的过程包括:
所述数据采集模块内设置有采集节点和监测节点,将所获得的采集节点标记为i,其中,i=1,2,3,……,n,n>0且n为整数,将所获得的监测节点标记为j,其中,j=1,2,3,……,m1,m1>0且m1为整数;
所述采集节点用于采集配电网内的运行数据和环境数据,所述运行数据包括电压、电流、频率、电场强度和磁场强度等,所述环境数据包括环境温度、环境湿度以及环境气压;
所述监测节点用于采集配电网内配电设备的配电负荷数据;
将所采集的运行数据、环境数据以及配电网数据进行打包,获得相应的资源数据,并将其上传至云计算中心内储存;
需要进一步说明的是,在具体实施过程中,所述采集节点依据需求分别设置于配电网内的配电设备、输电线路以及闭合开关内;所述监测节点仅设置于配电网内的配电设备中。
需要进一步说明的是,在具体实施过程中,所述模型构建模块依据所采集的资源数据进行模型构建,获得相应的配电网模型的过程包括:
获取相应配电网建设时的施工图纸,并依据其获得配电网内各配电设备之间的连接关系以及相应的设备参数,根据配电设备的连接关系形成配电网络拓扑关系;
所述设备参数包括但不限于设备额定负荷容量、设备型号、额定电压;
基于数字孪生模型技术对相应的配电网进行模型建立,获得相应的数字孪生模型,读取所采集的运行数据,对其进行预处理,并将预处理完成的运行数据导入至所获得的数字孪生模型内,进而结合所获得的设备参数以及网络拓扑关系对相应的数字孪生模型进行实时更新,获得相应的配电网模型;
需要进一步说明的是,在具体实施过程中,所述预处理包括离群点处理、缺失值处理、规范化处理;
所述离群点处理用于对异常数据进行清理,所述离群点处理采用绝对中位差离群值处理方法,所述缺失值处理用于对缺失数据进行填充,所述缺失值处理采用统计量填充方法,所述规范化处理用于对数据的格式进行统一,所述规范化处理采用Z-Score标准化方法;
需要进一步说明的是,在具体实施过程中,所述配电负荷分析模块依据所采集的资源数据内的配电负荷数据进行配电负荷预测,获得相应的预测负荷数据,并依据其判断配电设备是否异常的过程包括:
读取监测节点j处所采集的配电负荷数据,建立时间关于配电负荷数据的二维直角坐标系,获得相应的配电负荷曲线;
设置监测周期,监测周期记为h,其中j=1,2,……,m2,m2>0且m2为整数,将相应监测周期的监测时长记为T;
依据所述配电负荷曲线,获取最近一个监测周期内的配电负荷数据,并对其进行编号,记为k,其中k=1,2,……,m3,m3>0且m3为整数,则相应的配电负荷数据记为Pk;对相应的配电负荷进行动态评估,获得相应配电负荷的变化系数,将所获得的配电负荷的变化系数记为B1;
其中,;
读取所获得的配电负荷曲线,并依据其获得相应监测周期内的配电负荷总量,记为PD总,进而计算出相应监测周期内的单位时长配电负荷;
其中,;
读取所获得的配电负荷曲线,将相应配电负荷曲线的峰值最高点记为单位时长最大配电负荷,用max(Pk)表示;
获取相应配电网在单位时间内配电负荷的最大峰值均比,记为PV;
其中,;
则依据所获得的配电负荷最大峰均比与平均配电负荷进行计算,获得相应监测节点m在单位时间内的最大配电负荷,记为PY;
其中,;
式中,α为修正系数,具体数值以实际需求而定;
依据所获得的单位时间内的最大配电负荷和配电负荷的变化系数,并结合配电网模型对监测节点j处的配电负荷数据进行预测,获得相应的预测负荷数据;
设置负荷阈值范围,依据所获得的预测负荷数据获得相应监测节点j处的预测负荷总量,将监测节点j处所获得的预测负荷总量与负荷阈值范围进行比较;
若预测负荷总量处于负荷阈值范围内,则不进行其他任何操作;
若预测负荷总量处于负荷阈值范围外,则将相应监测节点j所对应的配电设备标记为异常配电设备,生成故障诊断通知并将其反馈给云计算中心;
需要进一步说明的是,在具体实施过程中,所述配电故障管理模块用于依据所获得的配电网模型和分析结果对配电网内的配电设备进行故障管理的过程包括:
所述配电故障管理模块包括故障诊断单元和故障处理单元;
所述故障诊断单元用于依据所获得的配电网模型判断相应的异常配电设备是否存在故障,并获得相应的判断结果;
所述故障处理单元用于根据所获得的判断结果对配电网进行保护;
需要进一步说明的是,在具体实施过程中,所述故障诊断单元依据所获得的配电网模型判断相应的异常配电设备是否存在故障,并获得相应的判断结果的过程包括:
当云计算中心接收到故障诊断通知时,相应监测周期内所采集的运行数据和环境数据,并将其导入至配电网模型内模拟现实运行,获得相应的理论运行数据和理论环境数据,并将其输送至配电故障管理模块;
利用大数据技术获得满足相应监测周期所处时段相应配电设备能够正常运行的环境参数阈值;将所获得的理论环境数据信息与环境参数阈值进行比较,获得相应的偏差值信息,所述偏差值信息包括环境温度偏差值、环境湿度偏差值以及环境气压偏差值,分别将其记为HW、HS和HQ,进而依据其计算出相应的环境偏差系数HP;
其中,HP=λ1×HW+λ2×HS+λ3×HQ;
式中,λ1、λ2、λ3分别代表环境温度、环境湿度和环境气压的权重比例,且λ1+λ2+λ3=1,具体数值以实际需求而定;
获取相应异常配电设备的额定电压、额定电流和额定振幅,读取所获得的理论运行数据,分别获取理论运行数据中的电压数据、电流数据以及振幅数据的平均值,将所获得的平均值分别与额定电压、额定电流、额定振幅进行差值计算,获得相应的电压差DY、电流差DL和振幅差ZL;进而依据其计算出相应异常配电设备的设备稳定系数SW;
其中,;
式中,σ1、σ2、σ3为权重系数,且σ1+σ2+σ3=1,具体数值以实际需求而定;
将所获得的设备稳定系数SW和环境偏差系数HP代入数学公式内,获得相应的设备故障因子GZ,相应的数学公式如下:
;
式中,a1、a2为权重系数,且a1+a2=1;
设置故障阈值gz;将所获得的故障因子GZ与其进行比对;
若GZ≤gz,则表明相应的异常配电设备在未来一周期内过负荷运行,则向云计算中心反馈负荷预警;
若GZ>gz,判定相应的异常配电设备在未来一周期内会发生故障,则向云计算中心反馈故障预警;
需要进一步说明的是,在具体实施过程,所述故障处理单元根据所获得的判断结果对配电网进行保护的过程包括:
当云计算中心接收到负荷预警,获取相应异常配电设备的预测负荷总量和额定负荷容量,分别记为SY和SE;
将所获得的预测负荷总量SY与额定负荷容量进行比对,依据比对结果生成相应的调整指令,所述调整指令包括负荷上调指令和负荷下调指令,依据所获得的调整指令通过故障处理单元进行相应的负荷容量调整;
需要进一步说明的是,在具体实施过程中,依据所获得的调整指令通过故障处理单元进行相应的负荷容量调整的过程包括:
若SY<SE,表明相应的异常配电设备为过负荷运行,则生成负荷上调指令,并将其发送至故障处理单元;
所述故障处理单元接收到负荷上调指令后,依据第一负荷比例S1对相应的异常配电设备进行负荷容量调整,其中;
若SY≥SE,表明相应的异常配电设备为超负荷运行,则生成负荷下调指令,并将其发送至故障处理单元;
当所述故障处理单元接收到负荷下调指令后,依据第二负荷比例S2对相应的配电
负荷进行负荷容量调整,其中;
当接收到故障预警,所述云计算中心获取相应异常配电设备的设备参数,进而依据其获取相应设备的历史故障次数和设备运行时间,分别记为C和t1,进而依据其计算出相应异常配电设备的设备老化系数,记为LH;
其中,;
式中,t2是指同类型配电设备的平均使用寿命时长,是经过实验验证的;
u表示随着配电设备的运行时间而发生变化的变化因子;
ρ1、ρ2为权重系数,且ρ1+ρ2=1;
设置老化阈值范围,若设备老化系数低于老化阈值范围的最小值,则进行三级故障警告;
若设备老化系数处于老化阈值范围的内,进行二级故障警告,则依据预测所获得的理论运行数据和理论环境数据在维护数据库内进行方案检索,获得若干个设备故障维护方案,对所获得的设备维护方案进行编号,记为b,其中b=1,2,……,q;进而依据所获得的设备维护方案b对相应的配电网模型的资源数据进行修改,并计算出相应的故障因子,选取最小故障因子所对应的设备维护方案作为最佳方案,并将其发送给相应配电网的管理人员;
若设备老化系数高于老化阈值范围的最大值,进行一级故障警告,则云计算中心远程控制配电网内的闭合开关将相应的异常配电设备进行断开,并派遣管理人员前去维护或更换;
需要进一步说明的,在具体实施过程中,所述一级故障警告>二级故障警告>三级故障警告;
需要进一步说明的是,在具体实施过程中,所述维护数据库用于储存所采集的历史配电设备故障时相对应的故障数据以及相应的设备维护方案。
以上实施例仅用以说明本发明的技术方法而非限制,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法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种基于云计算的智能配电网管理系统,包括云计算中心,其特征在于,所述云计算中心通信连接有数据采集模块、模型构建模块、配电负荷分析模块以及配电故障管理模块;
所述数据采集模块用于对配电网进行数据采集,获得相应的资源数据并储存;
所述模型构建模块用于依据所采集的资源数据进行模型构建,获得相应的配电网模型;
所述配电负荷分析模块用于依据所采集的资源数据内的配电负荷数据进行配电负荷预测,获得相应的预测负荷数据,并依据所获得的预测负荷数据判断配电设备是否异常,若异常,则将相应的配电设备标记为异常配电设备;
所述配电故障管理模块用于依据所获得的配电网模型和资源数据对相应的异常配电设备进行故障预测,生成相应的预警信息,并采取保护措施。
2.根据权利要求1所述的一种基于云计算的智能配电网管理系统,其特征在于,所述数据采集模块对配电网进行数据采集,获得相应的资源数据并储存的过程包括:
所述数据采集模块包括采集节点和监测节点,所述采集节点用于采集配电网内的运行数据和环境数据;所述监测节点用于采集配电网内配电设备的配电负荷数据;
将所采集的运行数据和环境数据和配电负荷数据进行打包,获得相应的资源数据,并将其上传至云计算中心并储存。
3.根据权利要求2所述的一种基于云计算的智能配电网管理系统,其特征在于,所述模型构建模块依据所采集的资源数据进行模型构建,获得相应的配电网模型的过程包括:
基于数字孪生技术对相应配电网进行模型构建,获得相应的数字孪生模型,将所采集的运行数据输入至数字孪生模型中,对相应的数字孪生模型进行实时更新,获得相应的配电网模型。
4.根据权利要求2所述的一种基于云计算的智能配电网管理系统,其特征在于,所述配电负荷分析模块依据所采集的资源数据内的配电负荷数据进行配电负荷预测,获得相应的预测负荷数据的过程包括:
读取监测节点处所采集的配电负荷数据,建立时间关于配电负荷数据的二维直角坐标系,获得相应的配电负荷曲线;
设置监测周期,依据所获得的配电负荷曲线获取相邻监测周期内的配电负荷数据,并依据所获取的配电负荷数据计算出相应监测周期内配电负荷的变化系数和单位时间内的最大配电负荷,进而依据所获得的配电负荷的变化系数和单位时间内的最大配电负荷对配电负荷进行预测,获得相应的预测负荷数据。
5.根据权利要求4所述的一种基于云计算的智能配电网管理系统,其特征在于,依据所获得的预测负荷数据判断配电设备是否异常的过程包括:
设置负荷阈值,将所获得的预测负荷数据与负荷阈值进行比较,根据比较结果判断相应配电设备是否异常,若异常,将相应的配电设备标记为异常配电设备,同时生成故障诊断通知,并将其发送至云计算中心。
6.根据权利要求5所述的一种基于云计算的智能配电网管理系统,其特征在于,所述配电故障管理模块用于依据所获得的配电网模型和资源数据对相应的异常配电设备进行故障预测,生成相应的预警信息的过程包括:
读取相应监测周期内所采集的异常配电设备的运行数据和环境数据,并将其导入至配电网模型内模拟运行,获得相应的理论运行数据和理论环境数据,并计算出相应的故障因子;
设置故障阈值,将所获得的故障因子与故障阈值进行比对,并根据比对结果生成相应的预警信息,所述预警信息包括故障预警和负荷预警,将所获得的预警信息反馈给云计算中心,云计算中心依据所接收的预警信息采取相应的保护措施。
7.根据权利要求6所述的一种基于云计算的智能配电网管理系统,其特征在于,所述云计算中心依据负荷预警采取相应保护措施的过程包括:
当接收到负荷预警,所述云计算中心获取相应异常配电设备的预测负荷数据总量和额定负荷容量,并将所获取的预测负荷数据总量和额定负荷容量进行比对,根据比对结果生成相应的调整指令,并依据调整指令对相应的异常配电设备进行负荷调整。
8.根据权利要求6所述的一种基于云计算的智能配电网管理系统,其特征在于,所述云计算中心依据所获得的故障预警采取相应报警措施的过程包括:
当接收到故障预警,获取异常配电设备的设备参数和运行时间,并依据其计算出相应异常配电设备的设备老化系数,设置老化阈值范围,将所获得的设备老化系数与老化阈值范围进行比对,并根据比对结果采取相应的故障警告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410109415.6A CN117638928B (zh) | 2024-01-26 | 2024-01-26 | 一种基于云计算的智能配电网管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410109415.6A CN117638928B (zh) | 2024-01-26 | 2024-01-26 | 一种基于云计算的智能配电网管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117638928A true CN117638928A (zh) | 2024-03-01 |
CN117638928B CN117638928B (zh) | 2024-04-12 |
Family
ID=90036026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410109415.6A Active CN117638928B (zh) | 2024-01-26 | 2024-01-26 | 一种基于云计算的智能配电网管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117638928B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117895659A (zh) * | 2024-03-14 | 2024-04-16 | 山东理工大学 | 一种智能电网自动化调度方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170011297A1 (en) * | 2015-01-06 | 2017-01-12 | Ming Li | Power distribution transformer load prediction analysis system |
CN110336377A (zh) * | 2019-07-09 | 2019-10-15 | 南京新虹佳电器设备有限公司 | 一种基于云计算的智能配电系统 |
CN110929927A (zh) * | 2019-11-18 | 2020-03-27 | 国网甘肃省电力公司 | 一种应用配电网全域大数据的人工智能预测模型构方法 |
CN111177101A (zh) * | 2019-12-18 | 2020-05-19 | 广西电网有限责任公司电力科学研究院 | 一种基于大数据架构的配电网多维可视化平台 |
CN112231305A (zh) * | 2020-08-23 | 2021-01-15 | 山东翰林科技有限公司 | 一种基于数字孪生的数字电网系统及方法 |
CN117239926A (zh) * | 2023-09-19 | 2023-12-15 | 国网吉林省电力有限公司四平供电公司 | 基于多参量感知的配电台区监测系统及方法 |
-
2024
- 2024-01-26 CN CN202410109415.6A patent/CN117638928B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170011297A1 (en) * | 2015-01-06 | 2017-01-12 | Ming Li | Power distribution transformer load prediction analysis system |
CN110336377A (zh) * | 2019-07-09 | 2019-10-15 | 南京新虹佳电器设备有限公司 | 一种基于云计算的智能配电系统 |
CN110929927A (zh) * | 2019-11-18 | 2020-03-27 | 国网甘肃省电力公司 | 一种应用配电网全域大数据的人工智能预测模型构方法 |
CN111177101A (zh) * | 2019-12-18 | 2020-05-19 | 广西电网有限责任公司电力科学研究院 | 一种基于大数据架构的配电网多维可视化平台 |
CN112231305A (zh) * | 2020-08-23 | 2021-01-15 | 山东翰林科技有限公司 | 一种基于数字孪生的数字电网系统及方法 |
CN117239926A (zh) * | 2023-09-19 | 2023-12-15 | 国网吉林省电力有限公司四平供电公司 | 基于多参量感知的配电台区监测系统及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117895659A (zh) * | 2024-03-14 | 2024-04-16 | 山东理工大学 | 一种智能电网自动化调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117638928B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117638928B (zh) | 一种基于云计算的智能配电网管理系统 | |
CN111047082A (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
CN114285058B (zh) | 储能系统的参数整定方法和储能系统 | |
CN116073372A (zh) | 一种基于智慧用电的安全监控管理系统及方法 | |
CN115622054B (zh) | 一种能源系统的运行监控方法及系统 | |
CN111835083B (zh) | 电源信息监控系统、方法、装置、计算机设备和存储介质 | |
CN102338835B (zh) | 一种电能质量动态监测系统 | |
CN104467198A (zh) | 一种基于在线分布式的电能储能系统 | |
CN116633002B (zh) | 一种基于人工智能的uv变频电源并联运行控制系统 | |
CN114336721B (zh) | 直流输电系统换流站损耗状态分级预警方法 | |
CN110649652A (zh) | 基于风险量化评估的新能源送出系统调相机配置方法和装置 | |
CN114069860B (zh) | 光伏电站的状态确定方法、装置、设备及可读存储介质 | |
US11163281B2 (en) | Resiliency determination in a microgrid | |
TWI770638B (zh) | 一種行動通信低延遲分散式電力系統輔助服務裝置及方法 | |
CN111401577A (zh) | 设备管理方法、装置、设备及存储介质 | |
CN109599951A (zh) | 一种智能型分布式采集与集成终端及其数据处理方法 | |
CN117374978B (zh) | 结合知识图谱构建的并网调度管理方法及系统 | |
CN102222977A (zh) | 变压器监控系统及方法 | |
CN218450040U (zh) | 一种分布式光伏电站的智能故障诊断系统 | |
CN117761444B (zh) | 一种电涌保护器的寿命监测方法及系统 | |
CN117171590B (zh) | 一种电机智能驱动优化方法及系统 | |
CN117792273A (zh) | 用于光伏发电设备的发电异常预警系统及方法 | |
CN117544872A (zh) | 一种电力数据高效采集与传输系统 | |
CN115065065A (zh) | 一种电力系统输电网络安全维护测试系统及其测试方法 | |
CN117394535A (zh) | 交直流混合配电网数字孪生系统 |
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 |