CN117686829A - 一种集电线路故障预警系统及方法 - Google Patents
一种集电线路故障预警系统及方法 Download PDFInfo
- Publication number
- CN117686829A CN117686829A CN202311403947.2A CN202311403947A CN117686829A CN 117686829 A CN117686829 A CN 117686829A CN 202311403947 A CN202311403947 A CN 202311403947A CN 117686829 A CN117686829 A CN 117686829A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- early warning
- fault
- data
- module
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 218
- 238000012423 maintenance Methods 0.000 claims abstract description 86
- 238000013499 data model Methods 0.000 claims abstract description 69
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 238000003745 diagnosis Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000009826 distribution Methods 0.000 claims description 25
- 230000007935 neutral effect Effects 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 17
- 238000007619 statistical method Methods 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 11
- 230000010354 integration Effects 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000002955 isolation Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract 2
- 230000005540 biological transmission Effects 0.000 abstract 1
- 230000009471 action Effects 0.000 description 6
- 238000007689 inspection Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000003631 expected effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- 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
- G01R31/088—Aspects of digital computing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种集电线路故障预警系统及方法,涉及电力系统运行与维护技术领域,包括监测模块,设置在多个监测位置处,实时监测并记录关键参数,所述监测模块用于实现对集电线路的全面监测;根据历史记录关键参数建立的常态数据模型,将其结合实时监测数据给出故障诊断结果;根据所述故障诊断结果触发多种级别的预警,且直到分析模块判断符合常态数据模型之前,实时记录故障类型、故障位置的变化,并根据其变化修正预警通知中建议的应对措施。结合了传感器技术、数据采集与传输、数据分析与处理、预警通知和远程监控与维护等关键技术,实现对集电线路的实时监测、故障预警,提高集电线路的可靠性和安全性,减少停电时间和维护成本。
Description
技术领域
本申请涉及电力系统运行与维护技术领域,更具体地,涉及一种集电线路故障预警系统及方法。
背景技术
在电力系统中,集电线路发生故障会导致电力无法正常输送,因此需要采取一系列的处理方法来解决问题,其中调度应急管理规定在电力系统运行中起着重要的作用。
处理集电线跳闸事故的第一步是确定跳闸的原因,通过巡检和故障检测设备等手段,可以确定跳闸的原因,如短路、过载或设备故障等。确定了跳闸原因后,需要迅速隔离故障点,切断故障部分与其他正常运行的线路的连接,以防止故障扩大;隔离故障点后,需要尽快修复或更换故障设备,以迅速解决事故、恢复电力供应。这需要相关设备和值守者、调度人员、维修人员的协同工作,但其涉及多种复杂的故障情况,急需全面的调度应急管理规定,其目的是为了确保在事故发生时能够迅速、有效地采取应对措施,防止事故扩大。
因此,如何在集电线路发生故障时,对事故仍然保有的明确及具体的协调指示,使值守者、调度人员、维修人员能够根据规定采取灵活的应对措施是目前有待解决的技术问题。
发明内容
本发明提供一种集电线路故障预警系统及方法,用以解决现有技术中在集电线路发生故障时,难以给出明确及具体的协调指示的技术问题。
本发明的集电线路故障预警系统,包括:
监测模块,设置在多个监测位置处,实时监测并记录关键参数,所述监测模块用于实现对集电线路的全面监测;
分析模块,预设有根据历史记录关键参数建立的常态数据模型,所述分析模块还根据实时监测的关键参数设置有可视化的实时监测数据,并结合实时监测数据和常态数据模型给出故障诊断结果;
预警模块,根据所述故障诊断结果触发多种级别的预警,预警通知包括故障类型、故障位置和建议的应对措施,预警通过声音、光线、短信、邮件等方式通知运维人员或相关部门,所述预警模块接收运维人员或相关部门的决策信息,且直到分析模块判断符合常态数据模型之前,实时记录故障类型、故障位置的变化,并根据其变化修正预警通知中建议的应对措施,所述预警模块用于帮助运维人员或相关部门跟踪故障变化并快速响应故障;
维护模块,记录每一次预警的决策信息,并针对决策进行周期性的跟踪记录,将跟踪记录与监测模块及分析模块的数据进行多维度的整合生成风险数据,根据风险数据设计维护计划,并在每一次预警后更新维护计划。
优选的,所述监测模块设置有一个主控中心,用于集中管理和监测整个集电线路的数据,主控中心安装在电网管理机构或控制中心接收和处理来自各个监测位置的关键参数。
优选的,所述变电站设置有一级监测关键参数、支线设置有二级监测关键参数,导线处设置有三级监测关键参数,其中,
在集电线路的每一变电站安装有一级监测传感器,所述一级监测传感器用于监测变电站内的电流、电压、温度及设备状态,所述一级监测传感器用于通过对变电站的监测,及时发现变电器内部的故障和异常情况;
在集电线路的每一支线位置安装有二级监测传感器,所述二级监测传感器用于监测支线的电流、电压、温度,所述二级监测传感器用于通过对支线的监测,及时发现支线上的故障和异常情况;
在集电线路的导线上每间隔预设距离,安装有三级监测传感器,所述三级监测传感器用于实时监测导线的温度、振动、电流,所述三级监测传感器用于通过对导线的监测,发现导线的过载、松动。
优选的,所述分析模块,收集历史记录中的关键参数数据,对收集到的数据进行预处理,包括数据清洗、去除异常值、填补缺失值;
分别对一级监测关键参数、二级监测关键参数、三级监测关键参的每个关键参数进行统计分析,根据数据统计分析的分布的特点,选择正态分布或指数分布的概率分布拟合数据,并用机器学习算法将拟合数据生成常态数据组,使用时间序列模型关联每一级别关键参数的常态数据组生成常态数据模型,对建立的常态数据模型进行评估和验证。
优选的,所述分析模块,基于常态数据模型提取每一关键参数的边界阈值,当可视化的实时监测数据中任意一关键参数超出或低于可视化的实时监测数据时触发故障诊断,并根据事故的隔离需求、危险性、维修难度赋予对应的特征权重使生成故障判断诊断结果。
优选的,所述预警模块根据特征权重分析故障的性质和范围生成多种级别的预警,且每一级别的预警对应一位或多位不同的预警接收者;
所述预警模块还预设有多种决策信息实施时对每一特征权重变化量的数据模型,当接收到决策信息模后拟决策信息实施,并给决策预计效果;
所述预警模块还当决策信息实施后比对常态数据模型的每一关键参数的边界阈值检查决策是否达到决策预计效果。
优选的,所述维护模块根据分析故障因素且提取故障发生前预设周期的运行数据与常态化数据进行比对得到风险数据,所述维护模块根据风险数据修正常态数据模型,并在边界阈值内生成一个中性阈值,在维护模块监测到超出中性阈值后,并根据中性阈值的特征权重给出一个潜在风险预警,根据潜在风险预警生成一个维护计划。
本发明还提供一种集电线路故障预警方法,包括:
在多个监测位置处设置监测模块,进行实时监测并记录关键参数,用于实现对集电线路的全面监测;
根据历史记录关键参数建立的常态数据模型,并根据实时监测的关键参数设置有可视化的实时监测数据,结合实时监测数据和常态数据模型给出故障诊断结果;
根据所述故障诊断结果触发多种级别的预警,预警通知包括故障类型、故障位置和建议的应对措施,预警通过声音、光线、短信、邮件等方式通知运维人员或相关部门,所述预警模块接收运维人员或相关部门的决策信息,且直到分析模块判断符合常态数据模型之前,实时记录故障类型、故障位置的变化,并根据其变化修正预警通知中建议的应对措施,所述预警模块用于帮助运维人员或相关部门跟踪故障变化并快速响应故障;
记录每一次预警的决策信息,并针对决策进行周期性的跟踪记录,将跟踪记录与监测模块及分析模块的数据进行多维度的整合生成风险数据,根据风险数据设计维护计划,并在每一次预警后更新维护计划。
优选的,在多个监测位置处设置监测模块,进行实时监测并记录关键参数,用于实现对集电线路的全面监测,包括:
设置有一个主控中心,用于集中管理和监测整个集电线路的数据,主控中心安装在电网管理机构或控制中心接收和处理来自各个监测位置的关键参数;
设置有一级监测关键参数、支线设置有二级监测关键参数,导线处设置有三级监测关键参数,其中,
在集电线路的每一变电站安装有一级监测传感器,所述一级监测传感器用于监测变电站内的电流、电压、温度及设备状态,所述一级监测传感器用于通过对变电站的监测,及时发现变电器内部的故障和异常情况;
在集电线路的每一支线位置安装有二级监测传感器,所述二级监测传感器用于监测支线的电流、电压、温度,所述二级监测传感器用于通过对支线的监测,及时发现支线上的故障和异常情况;
在集电线路的导线上每间隔预设距离,安装有三级监测传感器,所述三级监测传感器用于实时监测导线的温度、振动、电流,所述三级监测传感器用于通过对导线的监测,发现导线的过载、松动;
根据历史记录关键参数建立的常态数据模型,结合实时监测数据和常态数据模型给出故障诊断结果,包括:
收集历史记录中的关键参数数据,对收集到的数据进行预处理,包括数据清洗、去除异常值、填补缺失值;
分别对一级监测关键参数、二级监测关键参数、三级监测关键参的每个关键参数进行统计分析,根据数据统计分析的分布的特点,选择正态分布或指数分布的概率分布拟合数据,并用机器学习算法将拟合数据生成常态数据组,使用时间序列模型关联每一级别关键参数的常态数据组生成常态数据模型,对建立的常态数据模型进行评估和验证。
优选的,根据所述故障诊断结果触发多种级别的预警,预警通知包括故障类型、故障位置和建议的应对措施,包括:
根据特征权重分析故障的性质和范围生成多种级别的预警,且每一级别的预警对应一位或多位不同的预警接收者;
预设有多种决策信息实施时对每一特征权重变化量的数据模型,当接收到决策信息模后拟决策信息实施,并给决策预计效果;
当决策信息实施后比对常态数据模型的每一关键参数的边界阈值检查决策是否达到决策预计效果;
所述将跟踪记录与监测模块及分析模块的数据进行多维度的整合生成风险数据,根据风险数据设计维护计划,并在每一次预警后更新维护计划,包括:
根据分析故障因素且提取故障发生前预设周期的运行数据与常态化数据进行比对得到风险数据,所述维护模块根据风险数据修正常态数据模型,并在边界阈值内生成一个中性阈值,在维护模块监测到超出中性阈值后,并根据中性阈值的特征权重给出一个潜在风险预警,根据潜在风险预警生成一个维护计划。
通过应用以上技术方案,本申请的一种集电线路故障预警系统具有以下技术效果
1.通过在多个监测位置设置监测模块,实现对集电线路的全面监测。这样可以及时获取各个位置的关键参数数据,提高对线路状态的感知能力。
2.分析模块预设了基于历史记录关键参数建立的常态数据模型,该模型可以用于与实时监测数据进行比较和分析,帮助诊断线路故障。
3.预警模块根据故障诊断结果触发多种级别的预警,预警模块记录故障类型和位置的变化,并根据其实时变化修正预警通知中的建议应对措施,这样能够帮助运维人员并快速响应,并且跟踪故障变化,提高故障处理的准确性和效率。
4.维护模块记录每次预警的决策信息,并进行周期性的跟踪记录。通过将跟踪记录与监测模块和分析模块的数据进行整合,生成风险数据。根据风险数据设计维护计划,并在每次预警后更新维护计划,以优化线路的维护工作。
综上所述,该集电线路故障预警系统通过全面监测、数据分析、多级别预警和维护计划优化等功能,能够提高对集电线路故障的诊断和响应能力,减少线路故障对供电系统的影响,提高线路的可靠性和稳定性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,对于本领域技术人员来讲,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他的附图。
图1示出了本发明实施例提出的一种集电线路故障预警系统的结构示意图;
图2示出了本发明实施例提出的一种集电线路故障预警方法的流程示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术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,都属于本申请保护的范围。
本申请实施例提供一种集电线路故障预警系统及方法,为了更好的理解,在此说明在实际应用中的工作情况:给出一种9.35kV集电线跳闸事故处理的原始过程:
现象:
开关站监控系统出现音响报警。
触发相关保护动作。
35kV集电线断路器位置发生变位。
处理:
检查35kV母线运行正常,否则按照35kV母线跳闸进行处理。
检查一次设备及继电保护装置和自动化装置动作情况,打印故障录波报告,根据保护动作判明故障性质和范围,及时汇报调度员,根据调度命令进行相关操作。
问题分析:
出现保护动作不正确、一次设备故障等原因造成36kV集电线跳闸,应立即隔离故障设备,对故障设备办票处理,并及时汇报调度。
如果处理不当面临的继发问题:
35kV接地变跳闸导致相应35kV母线所属全部集电线跳闸,按照35kV母线跳闸进行处理。
针对上述技术问题,至少需要以下繁琐的和低效步骤才能完成故障分析,不利于集电路系统的保护:
1.监控系统响报警处理:
-当开关站监控系统出现音响报警时,操作人员应立即查看报警信息,并确认是否与35kV集电线跳闸有关。
-如果报警与集电线跳闸有关,操作人员应迅速进入事故处理程序。
2.35kV母线运行检查:
-首先,操作人员应检查35kV母线的运行情况,确保其正常工作。
-如果发现35kV母线存在异常,操作人员应按照35kV母线跳闸的处理方法进行操作。
3.一次设备及继电保护装置和自动化装置检查:
-操作人员应检查一次设备、继电保护装置和自动化装置的动作情况,以确定故障的性质和范围。
-同时,应打印故障录波报告,以便进一步分析和判断故障情况。
-操作人员应及时向调度员汇报,并根据调度命令进行相关操作。
4.36kV集电线跳闸处理:
-如果保护动作不正确或一次设备故障等原因导致36kV集电线跳闸,操作人员应立即隔离故障设备。
-同时,应办理故障设备的停电作业票,确保安全操作。
-操作人员还应及时向调度员汇报,以便进一步指导和处理。
5.35kV接地变跳闸处理:
-如果是35kV接地变跳闸导致相应35kV母线所属的全部集电线跳闸,操作人员应按照35kV母线跳闸的处理方法进行操作。
-并确保隔离故障设备,并及时向调度员汇报。
基于此本实施例提出一种自动化预警跟踪优化及巡检的技术方案,且闭环控制上述风险,避免上述技术问题中的人为操作错误可能导致的继发问题。
参阅图1所示,本实施例的集电线路故障预警系统,包括:
监测模块,设置在多个监测位置处,实时监测并记录关键参数,用于实现对集电线路的全面监测;
分析模块,预设有根据历史记录关键参数建立的常态数据模型,分析模块还根据实时监测的关键参数设置有可视化的实时监测数据,并结合实时监测数据和常态数据模型给出故障诊断结果;
预警模块,根据故障诊断结果触发多种级别的预警,预警通知包括故障类型、故障位置和建议的应对措施,预警通过声音、光线、短信、邮件等方式通知运维人员或相关部门,预警模块接收运维人员或相关部门的决策信息,且直到分析模块判断符合常态数据模型之前,实时记录故障类型、故障位置的变化,并根据其变化修正预警通知中建议的应对措施,预警模块用于帮助运维人员或相关部门跟踪故障变化并快速响应故障;
维护模块,记录每一次预警的决策信息,并针对决策进行周期性的跟踪记录,将跟踪记录与监测模块及分析模块的数据进行多维度的整合生成风险数据,根据风险数据设计维护计划,并在每一次预警后更新维护计划。
在本申请的一些实施例中,监测模块设置有一个主控中心,用于集中管理和监测整个集电线路的数据,主控中心安装在电网管理机构或控制中心接收和处理来自各个监测位置的关键参数。
在本申请的一些实施例中,变电站设置有一级监测关键参数、支线设置有二级监测关键参数,导线处设置有三级监测关键参数,其中,
在集电线路的每一变电站安装有一级监测传感器,一级监测传感器用于监测变电站内的电流、电压、温度及设备状态,一级监测传感器用于通过对变电站的监测,及时发现变电器内部的故障和异常情况;
在集电线路的每一支线位置安装有二级监测传感器,二级监测传感器用于监测支线的电流、电压、温度,二级监测传感器用于通过对支线的监测,及时发现支线上的故障和异常情况;
在集电线路的导线上每间隔预设距离,安装有三级监测传感器,三级监测传感器用于实时监测导线的温度、振动、电流,三级监测传感器用于通过对导线的监测,发现导线的过载、松动。
在本申请的一些实施例中,分析模块,收集历史记录中的关键参数数据,对收集到的数据进行预处理,包括数据清洗、去除异常值、填补缺失值;
分别对一级监测关键参数、二级监测关键参数、三级监测关键参的每个关键参数进行统计分析,根据数据统计分析的分布的特点,选择正态分布或指数分布的概率分布拟合数据,并用机器学习算法将拟合数据生成常态数据组,使用时间序列模型关联每一级别关键参数的常态数据组生成常态数据模型,对建立的常态数据模型进行评估和验证。
在本申请的一些实施例中,分析模块基于常态数据模型提取每一关键参数的边界阈值,当可视化的实时监测数据中任意一关键参数超出或低于可视化的实时监测数据时触发故障诊断,并根据事故的隔离需求、危险性、维修难度赋予对应的特征权重使生成故障判断诊断结果。
在本申请的一些实施例中,预警模块根据特征权重分析故障的性质和范围生成多种级别的预警,且每一级别的预警对应一位或多位不同的预警接收者;
预警模块还预设有多种决策信息实施时对每一特征权重变化量的数据模型,当接收到决策信息模后拟决策信息实施,并给决策预计效果;
预警模块还当决策信息实施后比对常态数据模型的每一关键参数的边界阈值检查决策是否达到决策预计效果。
在本申请的一些实施例中,所述维护模块根据分析故障因素且提取故障发生前预设周期的运行数据与常态化数据进行比对得到风险数据,所述维护模块根据风险数据修正常态数据模型,并在边界阈值内生成一个中性阈值,在维护模块监测到超出中性阈值后,并根据中性阈值的特征权重给出一个潜在风险预警,根据潜在风险预警生成一个维护计划。
参阅图2所示,本实施例还提供一种集电线路故障预警方法,包括:
S1:在多个监测位置处设置监测模块,进行实时监测并记录关键参数,用于实现对集电线路的全面监测;
S2:根据历史记录关键参数建立的常态数据模型,并根据实时监测的关键参数设置有可视化的实时监测数据,结合实时监测数据和常态数据模型给出故障诊断结果;
S3:根据所述故障诊断结果触发多种级别的预警,预警通知包括故障类型、故障位置和建议的应对措施,预警通过声音、光线、短信、邮件等方式通知运维人员或相关部门,所述预警模块接收运维人员或相关部门的决策信息,且直到分析模块判断符合常态数据模型之前,实时记录故障类型、故障位置的变化,并根据其变化修正预警通知中建议的应对措施,所述预警模块用于帮助运维人员或相关部门跟踪故障变化并快速响应故障;
S4:记录每一次预警的决策信息,并针对决策进行周期性的跟踪记录,将跟踪记录与监测模块及分析模块的数据进行多维度的整合生成风险数据,根据风险数据设计维护计划,并在每一次预警后更新维护计划。
在本申请的一些实施例中,在多个监测位置处设置监测模块,进行实时监测并记录关键参数,用于实现对集电线路的全面监测,包括:
设置有一个主控中心,用于集中管理和监测整个集电线路的数据,主控中心安装在电网管理机构或控制中心接收和处理来自各个监测位置的关键参数;
设置有一级监测关键参数、支线设置有二级监测关键参数,导线处设置有三级监测关键参数,其中,
在集电线路的每一变电站安装有一级监测传感器,所述一级监测传感器用于监测变电站内的电流、电压、温度及设备状态,所述一级监测传感器用于通过对变电站的监测,及时发现变电器内部的故障和异常情况;
在集电线路的每一支线位置安装有二级监测传感器,所述二级监测传感器用于监测支线的电流、电压、温度,所述二级监测传感器用于通过对支线的监测,及时发现支线上的故障和异常情况;
在集电线路的导线上每间隔预设距离,安装有三级监测传感器,所述三级监测传感器用于实时监测导线的温度、振动、电流,所述三级监测传感器用于通过对导线的监测,发现导线的过载、松动;
根据历史记录关键参数建立的常态数据模型,结合实时监测数据和常态数据模型给出故障诊断结果,包括:
收集历史记录中的关键参数数据,对收集到的数据进行预处理,包括数据清洗、去除异常值、填补缺失值;
分别对一级监测关键参数、二级监测关键参数、三级监测关键参的每个关键参数进行统计分析,根据数据统计分析的分布的特点,选择正态分布或指数分布的概率分布拟合数据,并用机器学习算法将拟合数据生成常态数据组,使用时间序列模型关联每一级别关键参数的常态数据组生成常态数据模型,对建立的常态数据模型进行评估和验证。
在本申请的一些实施例中,根据所述故障诊断结果触发多种级别的预警,预警通知包括故障类型、故障位置和建议的应对措施,包括:
根据特征权重分析故障的性质和范围生成多种级别的预警,且每一级别的预警对应一位或多位不同的预警接收者;
预设有多种决策信息实施时对每一特征权重变化量的数据模型,当接收到决策信息模后拟决策信息实施,并给决策预计效果;
当决策信息实施后比对常态数据模型的每一关键参数的边界阈值检查决策是否达到决策预计效果;
可以理解的是,根据故障诊断结果,根据特征权重分析故障的性质和范围,生成多种级别的预警。每个级别的预警可以对应不同的预警接收者。这样可以根据故障的严重程度和紧急程度,及时通知相关人员并采取相应的应对措施。预警通知包括故障类型、故障位置和建议的应对措施。通过提供这些信息,预警接收者可以了解故障的具体情况,并采取相应的措施来解决问题。建议的应对措施可以根据历史数据和专业知识提供,以最大程度地减少故障对系统的影响。预设多种决策信息实施时对每一特征权重变化量的数据模型,可以帮助判断决策的有效性。当接收到决策信息后,可以使用该模型进行拟决策信息实施,并预测决策的效果。这样可以在实际实施之前对决策进行评估和优化,提高决策的准确性和效果。此外,决策信息实施后,通过比对常态数据模型的每个关键参数的边界阈值来检查决策是否达到预计效果。常态数据模型可以作为基准,用于判断决策是否使关键参数保持在正常范围内。如果决策没有达到预计效果,可以及时调整和优化决策,以确保系统的正常运行。
将跟踪记录与监测模块及分析模块的数据进行多维度的整合生成风险数据,根据风险数据设计维护计划,并在每一次预警后更新维护计划,包括:
根据分析故障因素且提取故障发生前预设周期的运行数据与常态化数据进行比对得到风险数据,所述维护模块根据风险数据修正常态数据模型,并在边界阈值内生成一个中性阈值,在维护模块监测到超出中性阈值后,并根据中性阈值的特征权重给出一个潜在风险预警,根据潜在风险预警生成一个维护计划。
可以理解的是,通过比对故障发生前的运行数据和常态化数据,可以提取出与故障相关的风险数据。这些风险数据可以反映出线路运行状态的异常情况,有助于预测潜在的故障风险。通过对比故障数据和常态数据的差异,可以更新常态数据模型,使其更准确地反映线路的实际运行情况。这样可以提高故障诊断和预警的准确性。此外,维护模块在修正常态数据模型的基础上,生成一个中性阈值。中性阈值可以作为判断线路运行状态的边界,当监测数据超出中性阈值时,表示监测位置存在潜在的风险。当维护模块监测到超出中性阈值的情况时,根据中性阈值的特征权重,可以给出一个潜在风险预警。这样可以提前发现并警示可能存在的故障风险,帮助运维人员及时采取措施,减少故障对线路的影响。并且,根据潜在风险预警,维护模块可以生成一个相应的维护计划。维护计划可以包括针对潜在风险的具体处理措施和时间安排,以确保集电线路的正常运行和维护工作的高效进行。
综上所述,通过应用以上技术方案,本申请的一种集电线路故障预警系统具有以下技术效果:
1.通过全面监测集电线路、集中管理和处理数据、建立常态数据模型以及实现故障预警和诊断等步骤,可以提高对集电线路的监测能力和故障处理效率,减少故障对线路运行的影响。
2.通过收集历史记录中的关键参数数据,进行数据预处理、统计分析、概率分布拟合、机器学习算法生成常态数据组、时间序列模型关联常态数据,并进行评估和验证,可以建立准确可靠的常态数据模型,结合实时监测数据进行故障诊断,提高线路故障检测和处理的效率。
3.通过根据特征权重分析生成多种级别的预警,预设决策信息模型,并进行边界阈值检查,可以提高决策的效果和系统的稳定性。预警通知的及时性和准确性可以帮助相关人员迅速响应故障,并采取适当的措施进行处理。这些技术可以有效地提高故障诊断和应对的效率,减少系统故障对生产和运营的影响。
4.维护模块通过分析故障因素、比对运行数据与常态化数据、生成风险数据、修正常态数据模型、设定中性阈值、给出潜在风险预警和生成维护计划等步骤,可以提高对线路潜在风险的预测和维护工作的规划性,提高线路的可靠性和稳定性。
综上所述,该集电线路故障预警系统通过全面监测、数据分析、多级别预警和维护计划优化等功能,能够提高对集电线路故障的诊断和响应能力,减少线路故障对供电系统的影响,提高线路的可靠性和稳定性。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施场景所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种集电线路故障预警系统,其特征在于,包括:
监测模块,设置在多个监测位置处,实时监测并记录关键参数,所述监测模块用于实现对集电线路的全面监测;
分析模块,预设有根据历史记录关键参数建立的常态数据模型,所述分析模块还根据实时监测的关键参数设置有可视化的实时监测数据,并结合实时监测数据和常态数据模型给出故障诊断结果;
预警模块,根据所述故障诊断结果触发多种级别的预警,预警通知包括故障类型、故障位置和建议的应对措施,预警通过声音、光线、短信、邮件等方式通知运维人员或相关部门,所述预警模块接收运维人员或相关部门的决策信息,且直到分析模块判断符合常态数据模型之前,实时记录故障类型、故障位置的变化,并根据其变化修正预警通知中建议的应对措施,所述预警模块用于帮助运维人员或相关部门跟踪故障变化并快速响应故障;
维护模块,记录每一次预警的决策信息,并针对决策进行周期性的跟踪记录,将跟踪记录与监测模块及分析模块的数据进行多维度的整合生成风险数据,根据风险数据设计维护计划,并在每一次预警后更新维护计划。
2.如权利要求1所述的集电线路故障预警系统,其特征在于,所述监测模块设置有一个主控中心,用于集中管理和监测整个集电线路的数据,主控中心安装在电网管理机构或控制中心接收和处理来自各个监测位置的关键参数。
3.如权利要求2所述的集电线路故障预警系统,其特征在于,所述变电站设置有一级监测关键参数、支线设置有二级监测关键参数,导线处设置有三级监测关键参数,其中,
在集电线路的每一变电站安装有一级监测传感器,所述一级监测传感器用于监测变电站内的电流、电压、温度及设备状态,所述一级监测传感器用于通过对变电站的监测,及时发现变电器内部的故障和异常情况;
在集电线路的每一支线位置安装有二级监测传感器,所述二级监测传感器用于监测支线的电流、电压、温度,所述二级监测传感器用于通过对支线的监测,及时发现支线上的故障和异常情况;
在集电线路的导线上每间隔预设距离,安装有三级监测传感器,所述三级监测传感器用于实时监测导线的温度、振动、电流,所述三级监测传感器用于通过对导线的监测,发现导线的过载、松动。
4.如权利要求3所述的集电线路故障预警系统,其特征在于,所述分析模块,收集历史记录中的关键参数数据,对收集到的数据进行预处理,包括数据清洗、去除异常值、填补缺失值;
分别对一级监测关键参数、二级监测关键参数、三级监测关键参的每个关键参数进行统计分析,根据数据统计分析的分布的特点,选择正态分布或指数分布的概率分布拟合数据,并用机器学习算法将拟合数据生成常态数据组,使用时间序列模型关联每一级别关键参数的常态数据组生成常态数据模型,对建立的常态数据模型进行评估和验证。
5.如权利要求4所述的集电线路故障预警系统,其特征在于,所述分析模块,基于常态数据模型提取每一关键参数的边界阈值,当可视化的实时监测数据中任意一关键参数超出或低于可视化的实时监测数据时触发故障诊断,并根据事故的隔离需求、危险性、维修难度赋予对应的特征权重使生成故障判断诊断结果。
6.如权利要求5所述的集电线路故障预警系统,其特征在于,所述预警模块根据特征权重分析故障的性质和范围生成多种级别的预警,且每一级别的预警对应一位或多位不同的预警接收者;
所述预警模块还预设有多种决策信息实施时对每一特征权重变化量的数据模型,当接收到决策信息模后拟决策信息实施,并给决策预计效果;
所述预警模块还当决策信息实施后比对常态数据模型的每一关键参数的边界阈值检查决策是否达到决策预计效果。
7.如权利要求6所述的集电线路故障预警系统,其特征在于,所述维护模块根据分析故障因素且提取故障发生前预设周期的运行数据与常态化数据进行比对得到风险数据,所述维护模块根据风险数据修正常态数据模型,并在边界阈值内生成一个中性阈值,在维护模块监测到超出中性阈值后,并根据中性阈值的特征权重给出一个潜在风险预警,根据潜在风险预警生成一个维护计划。
8.一种集电线路故障预警方法,应用于如权利要求1-7任意一项所述的集电线路故障预警系统,其特征在于,
在多个监测位置处设置监测模块,进行实时监测并记录关键参数,用于实现对集电线路的全面监测;
根据历史记录关键参数建立的常态数据模型,并根据实时监测的关键参数设置有可视化的实时监测数据,结合实时监测数据和常态数据模型给出故障诊断结果;
根据所述故障诊断结果触发多种级别的预警,预警通知包括故障类型、故障位置和建议的应对措施,预警通过声音、光线、短信、邮件等方式通知运维人员或相关部门,所述预警模块接收运维人员或相关部门的决策信息,且直到分析模块判断符合常态数据模型之前,实时记录故障类型、故障位置的变化,并根据其变化修正预警通知中建议的应对措施,所述预警模块用于帮助运维人员或相关部门跟踪故障变化并快速响应故障;
记录每一次预警的决策信息,并针对决策进行周期性的跟踪记录,将跟踪记录与监测模块及分析模块的数据进行多维度的整合生成风险数据,根据风险数据设计维护计划,并在每一次预警后更新维护计划。
9.如权利要求8所述的集电线路故障预警方法,其特征在于,在多个监测位置处设置监测模块,进行实时监测并记录关键参数,用于实现对集电线路的全面监测,包括:
设置有一个主控中心,用于集中管理和监测整个集电线路的数据,主控中心安装在电网管理机构或控制中心接收和处理来自各个监测位置的关键参数;
设置有一级监测关键参数、支线设置有二级监测关键参数,导线处设置有三级监测关键参数,其中,
在集电线路的每一变电站安装有一级监测传感器,所述一级监测传感器用于监测变电站内的电流、电压、温度及设备状态,所述一级监测传感器用于通过对变电站的监测,及时发现变电器内部的故障和异常情况;
在集电线路的每一支线位置安装有二级监测传感器,所述二级监测传感器用于监测支线的电流、电压、温度,所述二级监测传感器用于通过对支线的监测,及时发现支线上的故障和异常情况;
在集电线路的导线上每间隔预设距离,安装有三级监测传感器,所述三级监测传感器用于实时监测导线的温度、振动、电流,所述三级监测传感器用于通过对导线的监测,发现导线的过载、松动;
根据历史记录关键参数建立的常态数据模型,结合实时监测数据和常态数据模型给出故障诊断结果,包括:
收集历史记录中的关键参数数据,对收集到的数据进行预处理,包括数据清洗、去除异常值、填补缺失值;
分别对一级监测关键参数、二级监测关键参数、三级监测关键参的每个关键参数进行统计分析,根据数据统计分析的分布的特点,选择正态分布或指数分布的概率分布拟合数据,并用机器学习算法将拟合数据生成常态数据组,使用时间序列模型关联每一级别关键参数的常态数据组生成常态数据模型,对建立的常态数据模型进行评估和验证。
10.如权利要求9所述的集电线路故障预警方法,其特征在于,根据所述故障诊断结果触发多种级别的预警,预警通知包括故障类型、故障位置和建议的应对措施,包括:
根据特征权重分析故障的性质和范围生成多种级别的预警,且每一级别的预警对应一位或多位不同的预警接收者;
预设有多种决策信息实施时对每一特征权重变化量的数据模型,当接收到决策信息模后拟决策信息实施,并给决策预计效果;
当决策信息实施后比对常态数据模型的每一关键参数的边界阈值检查决策是否达到决策预计效果;
所述将跟踪记录与监测模块及分析模块的数据进行多维度的整合生成风险数据,根据风险数据设计维护计划,并在每一次预警后更新维护计划,包括:
根据分析故障因素且提取故障发生前预设周期的运行数据与常态化数据进行比对得到风险数据,所述维护模块根据风险数据修正常态数据模型,并在边界阈值内生成一个中性阈值,在维护模块监测到超出中性阈值后,并根据中性阈值的特征权重给出一个潜在风险预警,根据潜在风险预警生成一个维护计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311403947.2A CN117686829A (zh) | 2023-10-26 | 2023-10-26 | 一种集电线路故障预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311403947.2A CN117686829A (zh) | 2023-10-26 | 2023-10-26 | 一种集电线路故障预警系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117686829A true CN117686829A (zh) | 2024-03-12 |
Family
ID=90137881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311403947.2A Pending CN117686829A (zh) | 2023-10-26 | 2023-10-26 | 一种集电线路故障预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117686829A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118501596A (zh) * | 2024-07-11 | 2024-08-16 | 南京米特科技股份有限公司 | 一种基于数据分析的智能用电监测系统 |
-
2023
- 2023-10-26 CN CN202311403947.2A patent/CN117686829A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118501596A (zh) * | 2024-07-11 | 2024-08-16 | 南京米特科技股份有限公司 | 一种基于数据分析的智能用电监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110941918B (zh) | 智能化变电站故障分析系统 | |
CN112713649B (zh) | 一种基于极限学习机的电力设备剩余寿命预测方法 | |
CN103473710A (zh) | 一种集中运维系统的故障分级处理方法 | |
CN117689214B (zh) | 一种柔性直流牵引供电系统能量路由器动态安全评估方法 | |
CN114139274B (zh) | 一种健康管理系统 | |
CN117686829A (zh) | 一种集电线路故障预警系统及方法 | |
CN117215940A (zh) | 智慧运维应急处理系统 | |
CN109741653B (zh) | 一种基于推理的智能电力故障应急处理培训仿真方法 | |
CN110723166A (zh) | 一种道岔监测方法及系统 | |
KR102301790B1 (ko) | 전력 모니터링 시스템 | |
CN116756966A (zh) | 一种电网故障预警方法、系统、终端设备及存储介质 | |
CN115794588A (zh) | 内存故障预测方法、装置、系统及监测服务器 | |
CN118226179B (zh) | 一种配网自动化继电保护测试系统 | |
CN106372816A (zh) | 一种基于贝叶斯推理的变电站二次系统故障评估方法 | |
KR101023533B1 (ko) | 고속철도 에이티시의 실시간 원격복구 시스템 및 그 제어방법 | |
CN113344739B (zh) | 一种自动检查电力故障的数据安全监管方法和系统 | |
Nielsen et al. | Technical services: unavailability root causes, strategy and limitations | |
CN111509839A (zh) | 一种基于告警信号的跳闸事件化模型分析方法 | |
CN116365714A (zh) | 一种监控告警信号误发的分析方法 | |
Han et al. | Implementation strategy of predictive maintenance in nuclear power plant | |
CN114094708B (zh) | 一种电网设备关联告警方法及系统 | |
CN105138755A (zh) | 一种液体火箭发动机试验台故障响应生成器的设计方法 | |
CN114529151A (zh) | 多源异构数据融合的线路故障智能处理方法及装置 | |
Genz et al. | Test the Right Stuff: Using Data to Improve Relay Availability, Reduce Failures, and Optimize Test Intervals | |
Ravinder | Experience in asset performance management analytics for decision support on Transmission & Distribution Assets |
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 |