CN117688468A - 一种变电站重要二次回路可靠性预测预判方法及系统 - Google Patents
一种变电站重要二次回路可靠性预测预判方法及系统 Download PDFInfo
- Publication number
- CN117688468A CN117688468A CN202311498320.XA CN202311498320A CN117688468A CN 117688468 A CN117688468 A CN 117688468A CN 202311498320 A CN202311498320 A CN 202311498320A CN 117688468 A CN117688468 A CN 117688468A
- Authority
- CN
- China
- Prior art keywords
- voltage
- abnormal
- abnormality
- current
- judging
- 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
- 230000002159 abnormal effect Effects 0.000 claims abstract description 75
- 230000005856 abnormality Effects 0.000 claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims description 48
- 238000012806 monitoring device Methods 0.000 claims description 38
- 238000012544 monitoring process Methods 0.000 claims description 35
- 230000000007 visual effect Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 23
- 239000013307 optical fiber Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 15
- 238000003825 pressing Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 238000013100 final test Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000000725 suspension Substances 0.000 claims description 3
- 238000004393 prognosis Methods 0.000 claims 1
- 230000003993 interaction Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009413 insulation Methods 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
- 239000007787 solid Substances 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
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2137—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on criteria of topology preservation, e.g. multidimensional scaling or self-organising maps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种变电站重要二次回路可靠性预测预判方法及系统，方法包括步骤：S1、获取现有变电站异常检测记录，建立异常数据集，并设定异常判定条件；S2、基于神经网络对异常数据集进行训练，统计不同故障类型及对应的数据参数，得到可靠性预测预判模型；S3、获取二次回路多点测量数据，并输入至可靠性预测预判模型进行分析，判别是否存在新的异常及对应的新的异常故障类型；S4、将新的异常及对应的新的异常故障类型作为新的异常数据集，再对可靠性预测预判模型进行优化，得到新的可靠性预测预判模型；S5、将新的可靠性预测预判模型输出的判断结果进行动态展示。本发明具有提高检测效率、保证判断的准确可靠等优点。
Description
技术领域
本发明主要涉及变电站技术领域，具体涉及一种变电站重要二次回路可靠性预测预判方法及系统。
背景技术
在变电站电力系统中，二次回路的可靠性尤为重要，发生故障时，有些故障可以通过监控后台获取，但一些隐性故障不能及时处理，威胁电网安全稳定的运行；变电站二次回路连接设备繁多，延伸范围广，保护检查时出口压板多，一些隐蔽的接线错误或绝缘老化等原因导致电流二次回路多点接地、保护误动，影响正常电力运行。采用万用表逐一测试的方法不仅使用繁琐，多点接地、电位复杂的情况下需要多人配合测试，测试效率低，需要人为分析，可能存在误判，导致检修人员不能及时处理现场故障。
现有技术中，CN2019101449256公开了一种变电站二次回路状态监测系统，对于二次回路重要组件的工况进行在线测信、数据上传及移动终端数据下载。但是仍存在不足：
(1)基于二次回路状态监测，只通过故障前后的电气量曲线分析给出可能的故障类型的方案不完备，现场环境复杂，无法精准的判别一些隐蔽故障点；
(2)在线监测采用3G/4G/GPRS网络与云平台数据采集系统连接，现场获取的数据分析状态无法和检修系统数据交互收到网络安全管理约束，检查结果无法及时归档到检修系统并可以和历史记录数据进行对比分析。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种提高检测效率、保证判断准确可靠的变电站重要二次回路可靠性预测预判方法及系统。
为解决上述技术问题，本发明提出的技术方案为：
一种变电站重要二次回路可靠性预测预判方法，包括步骤：
S1、获取现有变电站异常检测记录，建立异常数据集，并设定异常判定条件；
S2、基于神经网络对异常数据集进行训练，统计不同故障类型及对应的数据参数，得到可靠性预测预判模型；
S3、获取二次回路多点测量数据，并输入至可靠性预测预判模型进行分析，判别是否存在新的异常及对应的新的异常故障类型；
S4、将新的异常及对应的新的异常故障类型作为新的异常数据集，再对可靠性预测预判模型进行优化，得到新的可靠性预测预判模型；
S5、将新的可靠性预测预判模型输出的判断结果进行动态展示。
优选地，步骤S1中，异常数据集M包括交流电压异常数据集M1、交流电流异常数据集M2和直流电压异常数据集M3；异常判定条件包括交流电压供电异常判定阈值，异常接地电流判定阈值和压板、跳闸回路故障直流电压状态判定阈值。
优选地，基于SOM人工神经网络对异常数据集M进行训练建立可靠性预测预判模型。
优选地，在交流电压异常数据集M1中，交流电压正常供电模型以阈值δU1＝50V确定故障类型X＝{x1,x2}；其中，x1表示小于等于δU1的判别结果概率，x2表示大于δU1的判别结果概率，最终确定存在此类故障类型的可能性X；
在交流电流异常数据集M2中，多点接地异常电流异常模型以阈值δI1＝5mA，δI2＝1A确定存在的故障类型Y＝{y1,y2,y3}；其中，y1表示小于阈值δI1的判别结果概率，y2表示在阈值δI1与δI2之间的判别结果概率，y3表示大于阈值δI2的判别结果概率；最终确定存在此类故障类型的可能性Y；
在直流电压异常数据集M3中，节点直流电压异常状态模型以三种电压状态“正、负、悬空”进行判别，确定存在的故障类型Z＝{z1,z2,z3}；其中，z1表示状态为“正”的判别结果概率，z2表示状态为“负”的判别结果概率，z3表示状态为“悬空”的判别结果概率；最终确定训练集中存在此类故障的可能性Z；
输出故障判别结果为交流电压是否正常供电、多点接地电流是否异常、多节点直流电压状态。
优选地，采集不同节点的测量数据，包括交流电压U1、交流电流I、直流电压U2，根据可靠性预测预判模型分析，判断存在的故障类型F＝{f1,f2}；其中，f1表示可能判定为故障类型为X、Y、Z，f2表示新的故障类型概率；确定最终此条测试数据对应存在的故障类型可能性F；录入f2对应新的故障类型，存储作为训练集新的子集归档来对可靠性预测预判模型进行优化。
优选地，在步骤S5中，对判断结果进行动态展示，以SVG为基础，实现图形数字化二次回路，包括测量数据统计表、关键节点回路异常分析点变化趋势图、判定所属故障类型统计概率，存储归档结果与历史记录对比分析。
本发明还公开了一种变电站重要二次回路可靠性预测预判装置，包括多个监测装置和可视化监测系统；以一台监测装置为主机，其他监测装置为从机；各从机通过主机与可视化监测系统通讯相连；
所述监测装置，用于实时获取变电站二次回路交流电压、接地电流、保护装置出口压板电位、断路器合闸回路电位多点数据，上传至可视化监测系统；
可视化监测系统，用于录入变电站异常检查记录、获取监测装置上传数据，通过可靠性预测预判模型分析，可视化展示关键节点回路的重要数据，判别结果。
优选地，所述监测装置包括多点交流电压检测单元、多回路电流检测单元、多节点直流电位检测单元、计量处理单元、异常告警单元、通信处理单元、GPS对时单元、无线通信单元、光纤通信单元和电源转换单元；
所述多点交流电压检测单元包括多路交流电压输入端口，直接并联接入待测点，用于采样测量多路交流电压幅值、相位；
所述多回路电流检测单元包括多路交流电流输入端口，用于电流钳/电流互感器接入待测点测量回路电流幅值和相位，或用于直接串联接入待测回路测量回路电流幅值和相位；
所述多节点直流电位检测单元包括多个直流电压输入端口，直接接入待测节点，用于测量节点电压大小；
所述计量处理单元连接通信处理单元，用于获取多点交流电压检测单元获取的交流电压、多回路电流检测单元获取的交流电流、多节点直流电位检测单元获取的直流电压，进行数据处理和归集；
所述GPS对时单元和通信处理单元连接，用GPS标准时间进行内部时间校准，保证监测装置测量时间的准确性、实时性；
所述无线通信单元和通信处理单元连接，用于多个监测装置之间的通信，通过主机下发同步测量指令，从机同步与主机进行测量，并将测量数据通过无线通信上传主机；
所述光纤通信单元包括光纤通信接口，与内网检修系统的服务器之间光纤通信，上传测量数据至可视化监测系统，同步可视化监测系统判别异常故障时利用光纤通信通知监测装置；
所述异常告警单元，用于获取异常故障信息时进行故障异常提示；
所述多点交流电压监测单元连接电源转换单元，输入监测装置的交流电压由电源转换单元转换成系统各单元工作需要的直流电压。
本发明进一步公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。
本发明还公开了一种变电站重要二次回路可靠性预测预判系统，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。
与现有技术相比，本发明的优点在于：
本发明针对现有技术中变电站二次回路故障检测和分析效率低、故障判别不精准、无法和变电站检修系统实时数据交互的问题，提出一种变电站重要二次回路可靠性预测预判方法，对二次回路交流电压、接地电流、保护装置出口压板电位、断路器合闸回路电位等进行多点监测，可录入变电站异常检查记录，建立异常数据集，基于神经网络对数据集不断训练，得到可靠性预测预判模型，进一步多点监测数据不断优化模型，准确识别故障回路、进行异常状态分析，并建立可视化监测系统。
本发明利用监测装置和可视化监测系统配合工作，系统智能分析判别二次回路异常，提高检测效率、保证判断的准确、可靠，异常提示保证检修人员快速处理异常现场；本发明通过判断电压、电流状态，对供电异常、多点接地、保护装置出口压板电位异常、重合闸线路间隔合闸回路电位异常进行综合分析，对不可靠的二次回路问题预判，提高供电的可靠性；本发明通过模型分析、不断学习优化，给出完备的异常结果处理方案，可应对复杂的现场环境，精准判别一些隐蔽故障点；本发明监测装置之间无线通信，监测装置和可视化监测系统之间光纤通信，与内网服务器直接建立连接，现场获取数据分析和检修系统数据交互避免网络安全的通信约束，保证数据上传可靠，检查结果及时归档到检修系统并可以和历史记录数据进行对比分析。
附图说明
图1为本发明的预判方法在实施例的流程图。
图2为本发明的预判模型在实施例的结构图。
图3为本发明的预判装置在实施例的结构图。
图4为本发明的监测装置在实施例的结构图。
具体实施方式
以下结合说明书附图和具体实施例对本发明作进一步描述。
如图1所示，本发明实施例的变电站重要二次回路可靠性预测预判方法，包括步骤：
S1、获取现有变电站异常检测记录，建立异常数据集，并设定异常判定条件；
具体地，变电站有异常数据集M，包括交流电压异常数据集M1、交流电流异常数据集M2和直流电压异常数据集M3，对应异常判定条件包括交流电压供电异常判定阈值，异常接地电流判定阈值和压板、跳闸回路故障直流电压状态判定阈值；
以交流电压正常是否正常供电，建立异常判定阈值δU1＝50V；
以多点接地异常电流建立判定阈值δI1＝5mA，δI2＝1A；
以多节点直流电压的电位三种状态“正、负、悬空”作为判别状态阈值。
S2、基于SOM人工神经网络对异常数据集M进行训练，统计不同故障类型及对应的数据参数，得到可靠性预测预判模型；
S3、获取二次回路多点测量数据，并输入至可靠性预测预判模型进行分析，判别是否存在新的异常及对应的新的异常故障类型；测量数据包括二次回路多点交流电压、交流电流、直流电压；
S4、将新的异常及对应的新的异常故障类型作为新的异常数据集，再对可靠性预测预判模型进行优化，得到新的可靠性预测预判模型；
如图2所示，在上述步骤中，在交流电压异常数据集M1中，交流电压正常供电模型以阈值δU1＝50V确定故障类型X＝{x1,x2}；其中，x1表示小于等于δU1的判别结果概率，x2表示大于δU1的判别结果概率，最终确定存在此类故障类型的可能性X；
在交流电流异常数据集M2中，多点接地异常电流异常模型以阈值δI1＝5mA，δI2＝1A确定存在的故障类型Y＝{y1,y2,y3}；其中，y1表示小于阈值δI1的判别结果概率，y2表示在阈值δI1与δI2之间的判别结果概率，y3表示大于阈值δI2的判别结果概率；最终确定存在此类故障类型的可能性Y；
在直流电压异常数据集M3中，节点直流电压异常状态模型以三种电压状态“正、负、悬空”进行判别，确定存在的故障类型Z＝{z1,z2,z3}；其中，z1表示状态为“正”的判别结果概率，z2表示状态为“负”的判别结果概率，z3表示状态为“悬空”的判别结果概率；最终确定训练集中存在此类故障的可能性Z；
将输入层直接采集不同节点的测量数据，交流电压U1、交流电流I、直流电压U2根据模型分析，判断存在的故障类型F＝{f1,f2}；其中，f1表示可能判定为故障类型为X、Y、Z，f2表示新的故障类型概率；确定最终此条测试数据对应存在的故障类型可能性F；
手动录入f2对应新的故障类型、存储作为训练集新的子集归档；
输出故障判别结果以交流电压是否正常供电①、多点接地电流是否异常②、多节点直流电压状态③的判别结果进行可视化显示。
S5、将新的可靠性预测预判模型输出的判断结果进行动态展示。以SVG为基础，实现图形数字化二次回路，包括：测量数据统计表、关键节点回路异常分析点变化趋势图、判定所属故障类型统计概率，存储归档结果与历史记录对比分析。
本发明针对现有技术中变电站二次回路故障检测和分析效率低、故障判别不精准、无法和变电站检修系统实时数据交互的问题，提出一种变电站重要二次回路可靠性预测预判方法，对二次回路交流电压、接地电流、保护装置出口压板电位、断路器合闸回路电位等进行多点监测，可录入变电站异常检查记录，建立异常数据集，基于神经网络对数据集不断训练，得到可靠性预测预判模型，进一步多点监测数据不断优化模型，准确识别故障回路、进行异常状态分析，并建立可视化监测系统。
如图3所示，本发明实施例提供了一种变电站重要二次回路可靠性预测预判装置，包括监测装置和可视化监测系统；以一台监测装置为主机，其他监测装置为从机；各从机通过主机与可视化监测系统通讯相连；
监测装置，用于实时获取变电站二次回路交流电压、接地电流、保护装置出口压板电位、断路器合闸回路电位等多点数据，上传至可视化监测系统；
可视化监测系统，用于录入变电站异常检查记录、获取监测装置上传数据，通过可靠性预测预判模型分析，可视化展示关键节点回路的重要数据，判别结果。
如图4所示，监测装置包括多点交流电压检测单元、多回路电流检测单元、多节点直流电位检测单元、计量处理单元、异常告警单元、通信处理单元、GPS对时单元、无线通信单元、光纤通信单元和电源转换单元；
多点交流电压检测单元包括多路交流电压输入端口，直接并联接入待测点，用于采样测量多路交流电压幅值、相位；
多回路电流检测单元包括多路交流电流输入端口，用于电流钳/电流互感器接入待测点测量回路电流幅值和相位，或用于直接串联接入待测回路测量回路电流幅值和相位；
多节点直流电位检测单元包括多个直流电压输入端口，直接接入待测节点，用于测量节点电压大小；
计量处理单元连接通信处理单元，用于获取多点交流电压检测单元获取的交流电压、多回路电流检测单元获取的交流电流、多节点直流电位检测单元获取的直流电压，进行数据处理和归集；
GPS对时单元和通信处理单元连接，用GPS标准时间进行内部时间校准，保证装置测量时间的准确性、实时性；
无线通信单元和通信处理单元连接，用于多个监测装置之间的通信，以一台监测装置为主机，其他监测装置未从机，通过主机下发同步测量指令，从机可同步和主机进行测量，并将测量数据通过无线通信上传主机；
光纤通信单元包括光纤通信接口，与内网检修系统的服务器之间光纤通信，上传测量数据至可视化监测系统，同步可视化监测系统判别异常故障时利用光纤通信通知监测装置；
异常告警单元，用于获取异常故障信息时进行故障异常提示；
多点交流电压监测单元连接电源转换单元，输入监测装置的交流电压由电源转换单元转换成系统各单元工作需要的直流电压。
其中，交流电压检测单元采集交流电压范围为0～300V；多回路电流检测单元实现0.5mA～1A接地电流的准确测量；利用高速A/D转换器实时采集多点交流电压、多回路电流，按照RMS(方均根值)原理计算电压、电流的有效值，在波形畸变时能准确的测量；电源转换单元可以将电网供电的AC220V电压转换成系统单元需要的DC3.3V、DC5V等小电压保证装置的正常工作。
本发明利用监测装置和可视化监测系统配合工作，系统智能分析判别二次回路异常，提高检测效率、保证判断的准确、可靠，异常提示保证检修人员快速处理异常现场；本发明通过判断电压、电流状态，对供电异常、多点接地、保护装置出口压板电位异常、重合闸线路间隔合闸回路电位异常进行综合分析，对不可靠的二次回路问题预判，提高供电的可靠性；本发明通过模型分析、不断学习优化，给出完备的异常结果处理方案，可应对复杂的现场环境，精准判别一些隐蔽故障点；本发明监测装置之间无线通信，监测装置和可视化监测系统之间光纤通信，与内网服务器直接建立连接，现场获取数据分析和检修系统数据交互避免网络安全的通信约束，保证数据上传可靠，检查结果及时归档到检修系统并可以和历史记录数据进行对比分析。
本发明进一步公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。本发明还公开了一种变电站重要二次回路可靠性预测预判系统，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。本发明的介质及系统，与上述方法相对应，同样具有如上方法所述的优点。
本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-On ly Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。存储器用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现各种功能。存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Med ia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其它易失性固态存储器件等。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。
Claims (10)
1.一种变电站重要二次回路可靠性预测预判方法，其特征在于，包括步骤：
S1、获取现有变电站异常检测记录，建立异常数据集，并设定异常判定条件；
S2、基于神经网络对异常数据集进行训练，统计不同故障类型及对应的数据参数，得到可靠性预测预判模型；
S3、获取二次回路多点测量数据，并输入至可靠性预测预判模型进行分析，判别是否存在新的异常及对应的新的异常故障类型；
S4、将新的异常及对应的新的异常故障类型作为新的异常数据集，再对可靠性预测预判模型进行优化，得到新的可靠性预测预判模型；
S5、将新的可靠性预测预判模型输出的判断结果进行动态展示。
2.根据权利要求1所述的变电站重要二次回路可靠性预测预判方法，其特征在于，步骤S1中，异常数据集M包括交流电压异常数据集M1、交流电流异常数据集M2和直流电压异常数据集M3；异常判定条件包括交流电压供电异常判定阈值，异常接地电流判定阈值和压板、跳闸回路故障直流电压状态判定阈值。
3.根据权利要求2所述的变电站重要二次回路可靠性预测预判方法，其特征在于，基于SOM人工神经网络对异常数据集M进行训练建立可靠性预测预判模型。
4.根据权利要求3所述的变电站重要二次回路可靠性预测预判方法，其特征在于，在交流电压异常数据集M1中，交流电压正常供电模型以阈值δU1＝50V确定故障类型X＝{x1,x2}；其中，x1表示小于等于δU1的判别结果概率，x2表示大于δU1的判别结果概率，最终确定存在此类故障类型的可能性X；
在交流电流异常数据集M2中，多点接地异常电流异常模型以阈值δI1＝5mA，δI2＝1A确定存在的故障类型Y＝{y1,y2,y3}；其中，y1表示小于阈值δI1的判别结果概率，y2表示在阈值δI1与δI2之间的判别结果概率，y3表示大于阈值δI2的判别结果概率；最终确定存在此类故障类型的可能性Y；
在直流电压异常数据集M3中，节点直流电压异常状态模型以三种电压状态“正、负、悬空”进行判别，确定存在的故障类型Z＝{z1,z2,z3}；其中，z1表示状态为“正”的判别结果概率，z2表示状态为“负”的判别结果概率，z3表示状态为“悬空”的判别结果概率；最终确定训练集中存在此类故障的可能性Z；
输出故障判别结果为交流电压是否正常供电、多点接地电流是否异常、多节点直流电压状态。
5.根据权利要求4所述的变电站重要二次回路可靠性预测预判方法，其特征在于，采集不同节点的测量数据，包括交流电压U1、交流电流I、直流电压U2，根据可靠性预测预判模型分析，判断存在的故障类型F＝{f1,f2}；其中，f1表示可能判定为故障类型为X、Y、Z，f2表示新的故障类型概率；确定最终此条测试数据对应存在的故障类型可能性F；录入f2对应新的故障类型，存储作为训练集新的子集归档来对可靠性预测预判模型进行优化。
6.根据权利要求1-4中任意一项所述的变电站重要二次回路可靠性预测预判方法，其特征在于，在步骤S5中，对判断结果进行动态展示，以SVG为基础，实现图形数字化二次回路，包括测量数据统计表、关键节点回路异常分析点变化趋势图、判定所属故障类型统计概率，存储归档结果与历史记录对比分析。
7.一种变电站重要二次回路可靠性预测预判装置，其特征在于，包括多个监测装置和可视化监测系统；以一台监测装置为主机，其他监测装置为从机；各从机通过主机与可视化监测系统通讯相连；
所述监测装置，用于实时获取变电站二次回路交流电压、接地电流、保护装置出口压板电位、断路器合闸回路电位多点数据，上传至可视化监测系统；
可视化监测系统，用于录入变电站异常检查记录、获取监测装置上传数据，通过可靠性预测预判模型分析，可视化展示关键节点回路的重要数据，判别结果。
8.根据权利要求7所述的变电站重要二次回路可靠性预测预判装置，其特征在于，所述监测装置包括多点交流电压检测单元、多回路电流检测单元、多节点直流电位检测单元、计量处理单元、异常告警单元、通信处理单元、GPS对时单元、无线通信单元、光纤通信单元和电源转换单元；
所述多点交流电压检测单元包括多路交流电压输入端口，直接并联接入待测点，用于采样测量多路交流电压幅值、相位；
所述多回路电流检测单元包括多路交流电流输入端口，用于电流钳/电流互感器接入待测点测量回路电流幅值和相位，或用于直接串联接入待测回路测量回路电流幅值和相位；
所述多节点直流电位检测单元包括多个直流电压输入端口，直接接入待测节点，用于测量节点电压大小；
所述计量处理单元连接通信处理单元，用于获取多点交流电压检测单元获取的交流电压、多回路电流检测单元获取的交流电流、多节点直流电位检测单元获取的直流电压，进行数据处理和归集；
所述GPS对时单元和通信处理单元连接，用GPS标准时间进行内部时间校准，保证监测装置测量时间的准确性、实时性；
所述无线通信单元和通信处理单元连接，用于多个监测装置之间的通信，通过主机下发同步测量指令，从机同步与主机进行测量，并将测量数据通过无线通信上传主机；
所述光纤通信单元包括光纤通信接口，与内网检修系统的服务器之间光纤通信，上传测量数据至可视化监测系统，同步可视化监测系统判别异常故障时利用光纤通信通知监测装置；
所述异常告警单元，用于获取异常故障信息时进行故障异常提示；
所述多点交流电压监测单元连接电源转换单元，输入监测装置的交流电压由电源转换单元转换成系统各单元工作需要的直流电压。
9.一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，所述计算机程序在被处理器运行时执行如权利要求1～6中任意一项所述方法的步骤。
10.一种变电站重要二次回路可靠性预测预判系统，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序在被处理器运行时执行如权利要求1～6中任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311498320.XA CN117688468A (zh) | 2023-11-10 | 2023-11-10 | 一种变电站重要二次回路可靠性预测预判方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311498320.XA CN117688468A (zh) | 2023-11-10 | 2023-11-10 | 一种变电站重要二次回路可靠性预测预判方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117688468A true CN117688468A (zh) | 2024-03-12 |
Family
ID=90136151
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311498320.XA Pending CN117688468A (zh) | 2023-11-10 | 2023-11-10 | 一种变电站重要二次回路可靠性预测预判方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117688468A (zh) |
-
2023
- 2023-11-10 CN CN202311498320.XA patent/CN117688468A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN209102839U (zh) | 移动式电缆在线监测预警装置 | |
| CN110703009B (zh) | 台区线损率异常分析及处理方法 | |
| CN103713275A (zh) | 基于多维关联规则算法判断电能表计量不准确异常的方法 | |
| CN110928866A (zh) | 基于停电信息大数据分析的线路拓扑核查方法及系统 | |
| CN116125361B (zh) | 电压互感器误差评估方法、系统、电子设备及存储介质 | |
| CN114065875B (zh) | 基于大数据的电力电网故障识别系统 | |
| CN107589391B (zh) | 一种检测电能计量装置整体误差的方法、装置和系统 | |
| CN114781476B (zh) | 一种量测设备故障分析系统和方法 | |
| CN116317171B (zh) | 一种电量及非电量物联网监控装置 | |
| KR102056856B1 (ko) | Pmu데이터 및 comtrade형식 데이터를 활용한 계통사고 감시 및 분석방법 | |
| CN114252694A (zh) | 用于监测电气系统中的能量相关数据的系统和方法 | |
| CN204789852U (zh) | 直流电源系统蓄电池组接地故障的检测装置 | |
| CN110174564A (zh) | 电能质量监测装置接入主站的现场检测系统及其检测方法 | |
| CN109586406B (zh) | 第三代智能变电站模拟量就地模块测试系统及其应用方法 | |
| CN116823226A (zh) | 一种基于大数据的电力台区故障监测系统 | |
| CN114879122A (zh) | 三相三线智能电能表的运行异常检测方法、装置及设备 | |
| Ananthan et al. | Model-based approach integrated with fault circuit indicators for fault location in distribution systems | |
| CN111856313B (zh) | 双路电源实时监测装置 | |
| CN117517873A (zh) | 一种基于三维模型的电网故障诊断方法 | |
| CN101957436B (zh) | 一种it服务器类设备的电源质量测试仪和测试方法 | |
| CN117607784A (zh) | 一种电表运行误差实时监测系统 | |
| CN107977626A (zh) | 一种电子设备工作数据的分组方法 | |
| CN111638401A (zh) | 一种电容器在线监测系统及方法 | |
| CN117688468A (zh) | 一种变电站重要二次回路可靠性预测预判方法及系统 | |
| CN115480121A (zh) | 一种消谐电阻器参数智能分析与管理系统 |
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 |