CN117706249A - 一种环网柜的异常检测方法及系统 - Google Patents
一种环网柜的异常检测方法及系统 Download PDFInfo
- Publication number
- CN117706249A CN117706249A CN202311717778.XA CN202311717778A CN117706249A CN 117706249 A CN117706249 A CN 117706249A CN 202311717778 A CN202311717778 A CN 202311717778A CN 117706249 A CN117706249 A CN 117706249A
- Authority
- CN
- China
- Prior art keywords
- ring main
- main unit
- digital twin
- parameter information
- abnormal
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims description 27
- 230000002159 abnormal effect Effects 0.000 claims abstract description 49
- 238000003745 diagnosis Methods 0.000 claims abstract description 29
- 238000012795 verification Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 230000004044 response Effects 0.000 claims abstract description 8
- 230000001360 synchronised effect Effects 0.000 claims abstract description 8
- 238000012423 maintenance Methods 0.000 claims description 39
- 238000012937 correction Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000013024 troubleshooting Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 12
- 238000004891 communication Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Abstract
本发明提供一种环网柜的异常检测方法及系统,包括,获取环网柜的参数信息,并将所述参数信息上传至云端;根据接收的所述参数信息建立环网柜对应的数字孪生环网柜,并在该数字孪生环网柜内建立对应的故障诊断模型,得到最终的数字孪生环网柜;其中,所述故障诊断模型基于故障诊断规则和故障关联规则构建,并通过构建规则模型,使得环网柜数字孪生体在监测到环网柜实体发生异常时,能够基于规则模型及时做出异常响应;通过最终的数字孪生环网柜对实时采集的环网柜的参数信息进行验证,得到验证结果,所述验证结果包括正常或异常。本发明进行实时同步演示,实现远程监控,若数字孪生环网柜检测到发生异常进行故障处理和即时报备,提升效率。
Description
技术领域
本发明涉及环网柜的异常检测技术领域,特别是涉及一种环网柜的异常检测方法及系统。
背景技术
环网柜(Ring Main Unit)是一组输配电气设备(高压开关设备)装在金属或非金属绝缘柜体内或做成拼装间隔式环网供电单元的电气设备,其核心部分采用负荷开关和熔断器,具有结构简单、体积小、价格低、可提高供电参数和性能以及供电安全等优点。它被广泛使用于城市住宅小区、高层建筑、大型公共建筑、工厂企业等负荷中心的配电站以及箱式变电站中。由于长期的使用,环网柜会发生各种问题,一旦发生问题就会直接影响供电的稳定,乃至发生事故,因此,需要工作人员进行维护,但是这种维护只能到现场进行逐一排查,效率低下。
随着数字孪生概念的成熟和技术的发展,从部件到整机,从产品到产线,从生产到服务,从静态到动态,一个数字孪生世界正在被不断构筑;当前,基于传感器、智能装备、工业软件、工业互联网、IoT、云计算和边缘计算的成熟和更广泛的商业实践积累,数字孪生也走到了一个新的时间节点;数字孪生将实体的数据实时转移到虚拟空间,为实现数字化、智能化、网络化的产业模式提供了一个虚拟的底座,为人类的未来想象提供了一条愈发清晰的探索之路。
尽管当前对数字孪生存在多种不同认识和理解,目前尚未形成统一共识的定义,但可以确定的是,物理实体、虚拟模型、数据、连接和服务是数字孪生的核心要素;展开来说,数字孪生就是在一个设备或系统“物理实体”的基础上,创造一个数字版的“虚拟模型”;这个“虚拟模型”被创建在信息化平台上提供服务,与电脑的设计图纸又不同,相比于设计图纸,数字孪生体最大的特点在于,它是对实体对象的动态仿真;同时,数字孪生体“动”的依据,来自实体对象的物理设计模型、传感器反馈的“数据”,以及运行的历史数据;实体对象的实时状态,还有外界环境条件,都会“连接”到“孪生体”上。数字孪生作为实现数字化转型和促进智能化升级的重要使能途径,一直备受各行各业关注,已从理论研究走向了实际应用阶段;数字孪生是以多维虚拟模型和融合数据双驱动,通过虚实闭环交互,来实现监控、仿真、预测、优化等实际功能服务和应用需求。
发明内容
本发明的目的在于,提出一种环网柜的异常检测方法及系统,解决如何通过数字孪生体实时对环网柜进行异常检测的技术问题。
一方面,提供一种环网柜的异常检测方法,包括:
获取环网柜的参数信息,并将所述参数信息上传至云端;其中,所述参数信息至少包括环网柜内的温度、湿度及变电站的电流、电压、负载;
根据接收的所述参数信息建立环网柜对应的数字孪生环网柜,并在该数字孪生环网柜内建立对应的故障诊断模型,得到最终的数字孪生环网柜;其中,所述故障诊断模型基于故障诊断规则和故障关联规则构建,并通过构建规则模型,使得环网柜数字孪生体在监测到环网柜实体发生异常时,能够基于规则模型及时做出异常响应;以及通过汇总环网柜异常类型和异常表现及异常发现概率制定故障定位表单,基于故障定位表单构建规则模型;
通过最终的数字孪生环网柜对实时采集的环网柜的参数信息进行验证,得到验证结果,所述验证结果包括正常或异常。
优选地,所述根据接收的所述参数信息建立环网柜对应的数字孪生环网柜包括,
对采集到的参数信息按照预设的处理方式进行预处理和清洗,将其转化为数字形式;
通过预设的建模工具将转化后的参数信息建立为数字孪生模型,其中,所述数字孪生模型包括形状、结构、属性及运行状态的信息,以及相关的环境、条件、因素的信息;
对建立数字孪生模型按照预设的标准进行验证和测试,直到其达到预设的精度为止。
优选地,还包括,
获取每一环网柜对应的唯一标识信息,并根据唯一标识信息确定环网柜与其对应的数字孪生模型的映射关系。
优选地,还包括,
根据环网柜及设置在环网柜内的传感器的几何参数和几何关系确定环网柜的几何模型,并对于环网柜中的标准件进行设置;当环网柜中存在其他非标准件时,通过三维扫描的方式导入;所述标准件至少包括负荷开关、断路器、熔断器、隔离开关,所述非标准件至少包括传感器、网关设备。
优选地,所述在该数字孪生环网柜内建立对应的故障诊断模型包括,
在数字孪生环网柜的内填充各类控制判断逻,并根据预建的逻辑判断库根据不同的需要选择不同的判断逻辑加入环网柜进行设定;
根据预建的故障维修计划库确定每种故障对应的维护方案、成本方案;
填充控制逻辑并关联相应的故障维修计划。
优选地,还包括,
对数字孪生环网柜的分区进行调整;同时划定预设的各个传感器对应分区,将对应部件所在的数字孪生环网柜的空间坐标与环网柜的空间坐标数据进行统一,以及甚至产生异常时提取对应的维护方案、成本方案。
优选地,还包括,
将各类传感器采集的参数信息输入到建立的数字孪生环网柜内,进行实时同步演示,并进行修正,当修正完成后输出可使用版本的数字孪生环网柜。
优选地,还包括,
当对实时采集的环网柜的参数信息进行验证时,若数字孪生环网柜检测到发生异常,则生成对应的异常维护方案、成本方案,并发送给维护人员和监管单位进行故障处理。
另一方面,还提供一种环网柜的异常检测系统,用以实现所述的方法,包括,
数据获取模块,用以获取环网柜的参数信息,并将所述参数信息上传至云端;其中,所述参数信息至少包括环网柜内的温度、湿度及变电站的电流、电压、负载;
数字模块,用以根据接收的所述参数信息建立环网柜对应的数字孪生环网柜,并在该数字孪生环网柜内建立对应的故障诊断模型,得到最终的数字孪生环网柜;其中,所述故障诊断模型基于故障诊断规则和故障关联规则构建,并通过构建规则模型,使得环网柜数字孪生体在监测到环网柜实体发生异常时,能够基于规则模型及时做出异常响应;以及通过汇总环网柜异常类型和异常表现及异常发现概率制定故障定位表单,基于故障定位表单构建规则模型;
验证模块,用以通过最终的数字孪生环网柜对实时采集的环网柜的参数信息进行验证,得到验证结果,所述验证结果包括正常或异常。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的环网柜的异常检测方法及系统,通过在环网柜内设置各类传感器(例如温度、湿度)以及变电站通讯管理等设备连接转发的各类数据(电流、电压、负载),实时传送到计算机内,计算机根据这些数据搭建数字孪生环网柜,进行实时同步演示,实现远程监控,若数字孪生环网柜检测到发生异常(例如温度、湿度、电流等)则将异常发送给维护人员和监管单位进行故障处理和即时报备,提升效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例中一种环网柜的异常检测方法的主流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1所示,为本发明提供的一种环网柜的异常检测方法的一个实施例的示意图。在该实施例中,所述方法包括以下步骤:
步骤S1,获取环网柜的参数信息,并将所述参数信息上传至云端;其中,所述参数信息至少包括环网柜内的温度、湿度及变电站的电流、电压、负载;也就是,在环网柜内设置各类传感器(例如温度、湿度)、变电站通讯管理等设备连接转发的各类数据(电流、电压、负载)。具体的,在环网柜A内设置有温湿度传感器、烟雾传感器、水位传感器、测温传感器、电流/电压传感器等,环网柜内还设置有用于数据处理的网关设备,上述传感器均需接入网关设备,并通过网关设备将各类传感器采集的数据上传至云端服务器。
一个实施例中,环网柜监测参数采集端注册包
typedef struct_ClientRegisterPacket
{
char UserName[MAX_PATH];//用户名
char PassWord[MAX_PATH];//密码
}ClientRegisterPacket,*PClientRegisterPacket;
//环网柜监测参数采集端登陆包
typedef struct_ClientInformation
{
char UserName[MAX_PATH];//用户名
char PassWord[MAX_PATH];//密码
char Position[MAX_PATH];//环网柜地点
}ClientInformation,*PClientInformation;
//环网柜监测参数上报包
typedef struct_KPI_INFO
{
unsigned long Temperature;//环网柜室内温度
unsigned long Voltage;//环网柜电压
unsigned long ElectricCurrent;//环网柜电流
unsigned long LineNUM;//环网柜进出线个数
unsigned long LineNUM;//环网柜其他参数
}KPI_INFO,*PKPI_INFO;
网关设备采用双核Cortex-A9处理器,高性能处理能力,配置512MB DDR3内存以及4GB NAND Flash,运行Windows/Linux系统,低功耗,适配工业级场景。智能网关应具备接入多种现有通信网的能力,包括:4G移动通信网络、无线局域网、有线网络等。因此,网关必须具备相应网络的接口和软硬件的接入能力。智能网关支持多种传输协议,包括104、101、Modbus Rtu、Modbus Tcp,IEC 61850、各类传感器接入并统一管理,可根据实际应用,灵活选择搭配不同的近、远程通讯模块。同时集成国网安全芯片,支持双通道身份认证和数据加解密处理,且与配网环网柜内的安全代理服务相依赖,满足数采终端与主站交互协议的转换和安全防护要求,多维度保障终端的应用和信息安全。
步骤S2,根据接收的所述参数信息建立环网柜对应的数字孪生环网柜,并在该数字孪生环网柜内建立对应的故障诊断模型,得到最终的数字孪生环网柜;其中,所述故障诊断模型基于故障诊断规则和故障关联规则构建,并通过构建规则模型,使得环网柜数字孪生体在监测到环网柜实体发生异常时,能够基于规则模型及时做出异常响应;以及通过汇总环网柜异常类型和异常表现及异常发现概率制定故障定位表单,基于故障定位表单构建规则模型;也就是,在云端或者调度室的计算机内建立搭建与环网柜同型号的数字孪生环网柜,就是要搭建成相同的环网柜,不同形态的环网柜各类参数会不一样,如果只是获取数据给控制中心,还可人工进行判断。
一个实施例中,所述根据接收的所述参数信息建立环网柜对应的数字孪生环网柜包括,对采集到的参数信息按照预设的处理方式进行预处理和清洗,将其转化为数字形式;通过预设的建模工具将转化后的参数信息建立为数字孪生模型,其中,所述数字孪生模型包括形状、结构、属性及运行状态的信息,以及相关的环境、条件、因素的信息;对建立数字孪生模型按照预设的标准进行验证和测试,直到其达到预设的精度为止。可理解的,数字孪生体的建立具体包括:1、收集数据:通过传感器、监测设备等方式采集现实世界中的数据,包括物理特征、运行状态、行为等各种信息。2、数据处理:对采集到的数据进行预处理和清洗,将其转化为数字形式,包括数字化、标准化、格式化等。3、模型构建:利用建模工具和模型,将数据转化为数字孪生模型。这包括实体的形状、结构、属性、运行状态等各种信息,以及与实体相关的环境、条件、因素等信息。4、模型验证:对数字孪生模型进行验证和测试,确保其能够准确、有效地模拟现实世界中的实体和行为。
具体地,获取每一环网柜对应的唯一标识信息,并根据唯一标识信息确定环网柜与其对应的数字孪生模型的映射关系。即获取每一实体环网柜对应的唯一标识信息,通过集成平台工具对环网柜的数字孪生体几何模型进行构建,并基于唯一标识信息完成环网柜的实体和数字孪生体的映射关系。
一个实施例中,在建立数字孪生环网柜过程中,根据环网柜及设置在环网柜内的传感器的几何参数和几何关系确定环网柜的几何模型,并对于环网柜中的标准件进行设置;当环网柜中存在其他非标准件时,通过三维扫描的方式导入;所述标准件至少包括负荷开关、断路器、熔断器、隔离开关,所述非标准件至少包括传感器、网关设备。几何模型可以基于三维建模软件(如SolidWorks)根据环网柜柜体及设置在环网柜的传感器及其他装置的几何参数(形状、尺寸、位置)和几何关系(各部件的装配关系、连接关系)完成环网柜的几何模型构建。
一个实施例中,所述在该数字孪生环网柜内建立对应的故障诊断模型包括,在数字孪生环网柜的内填充各类控制判断逻,并根据预建的逻辑判断库根据不同的需要选择不同的判断逻辑加入环网柜进行设定;根据预建的故障维修计划库确定每种故障对应的维护方案、成本方案;填充控制逻辑并关联相应的故障维修计划。可理解的,构建数字孪生体的故障诊断模型;通过构建规则模型,使得环网柜数字孪生体在监测到环网柜实体发生异常时,能够基于规则模型及时做出异常响应。规则模型包括基于故障诊断规则和故障关联规则构建。通过汇总环网柜异常类型和异常表现以及异常发现概率制定故障定位表单,基于故障定位表单构建规则模型。
具体地,对数字孪生环网柜的分区进行调整;同时划定预设的各个传感器对应分区,将对应部件所在的数字孪生环网柜的空间坐标与环网柜的空间坐标数据进行统一,以及甚至产生异常时提取对应的维护方案、成本方案。可理解的,故障诊断模型根据需要建立完成的数字孪生环网柜的内填充各类控制判断逻辑(例如A型号的设备,在多少温度下进行报警、电流冲击报警、击穿报警,每种环网柜的要求不同,独立设定,也可以建立一个逻辑判断库,通过不同的需要选择不同的判断逻辑加入不同的环网柜进行设定组成新的环网柜);建立故障维修计划库(库内会有每种故障对应的维护方案、成本方案,这些都是预先设定的);填充控制逻辑并关联相应的故障维修计划后获得半成品数字孪生体。
故障诊断分类如下:
一个实施例中,对数字孪生环网柜的分区进行调整;同时划定预设的各个传感器对应分区,将对应部件所在的数字孪生环网柜的空间坐标与环网柜的空间坐标数据进行统一,以及甚至产生异常时提取对应的维护方案、成本方案。可理解的,数字孪生体的调整分区;同时划定各个传感器对应分区(例如1号箱体的温度异常,只会在数字孪生环网柜对应的1号箱体进行现实温度异常,而不是所有的箱体都有异常),对应部件所在的数字孪生体空间坐标与实际环网柜的空间坐标数据进行统一。以及产生异常时会提取对应的维护方案、成本方案;获得成品数字孪生体。环网柜对应的传感器数据:
传感器 | 设置位置 | 预警内容 |
温度传感器1 | 箱体1 | 箱体1温度异常 |
温度传感器1 | 箱体3 | 箱体3温度异常 |
湿度传感器 | 箱体1 | 箱体1湿度异常 |
一个实施例中,将各类传感器采集的参数信息输入到建立的数字孪生环网柜内,进行实时同步演示,并进行修正,当修正完成后输出可使用版本的数字孪生环网柜。即建立完成后,需要对数字孪生体再验证;将各类传感器数据送入到建立成型的数字孪生环网柜内,进行实时同步演示,并进行人工修正(如果需要的话),一切完成后得到使用版本的数字孪生环网柜。将使用版本的数字孪生环网柜进行实时同步演示,实现远程监控。
步骤S3,通过最终的数字孪生环网柜对实时采集的环网柜的参数信息进行验证,得到验证结果,所述验证结果包括正常或异常。
一个实施例中,当对实时采集的环网柜的参数信息进行验证时,若数字孪生环网柜检测到发生异常,则生成对应的异常维护方案、成本方案,并发送给维护人员和监管单位进行故障处理。(通过数据接收器)接收来自环网柜的各个数据,若使用版本数字孪生环网柜检测到发生异常(例如温度、湿度、电流等)则将异常、维护方案、成本方案同步发送给维护人员和监管单位进行故障处理和即时报备,提升效率;维护人员也可以根据数字孪生环网柜进行故障的初步判断进行准备,也能够提升效率。
具体的,环网柜上报数据包括如下内容:
环网柜标识:RMU0001,
在线监测数据:
温度传感器1:实时温度信息:50℃,运行状态:异常
温度传感器2:实时温度信息:30℃,运行状态:正常。
湿度传感器:实时湿度信息:67%,运行状态:正常、
烟雾传感器:运行状态:正常
水浸传感器:运行状态:正常
电压传感器:运行状态:正常
电流传感器:运行状态:正常
故障描述:箱体1温度过热,疑似箱体1电缆温度异常升高。
维护方案:箱体1散热器的未开启,已控制箱体1散热器开启。
一个实施例中,维护人员只要根据数字孪生环网柜反馈的内容(例如只报了温度故障)维护人员过去可以直接对不符合要求的温度故障区域进行检查,而不是重头开始排查问题,能够大大的提升效率;同时也能够防止过度维修的事情发生,方便监管。如果维护人员依照方案进行维护解除问题,则不需要对故障维修计划库进行调整,如果无法解除,则通过人工调整故障维修计划库或逻辑判断库保证计划的准确性。同时进行维护,维护过程包括数据采集与处理:持续从传感器和其他数据源收集数据,经过处理后用于数字孪生体的更新和维护。模型更新与优化:根据最新的数据和实际设备的运行状况,对数字孪生模型进行更新和优化,使其更准确地反映设备实际运行状态。故障预测与诊断:通过分析数据和模型,预测和诊断潜在的故障和问题,提前进行干预和维修,降低设备停机时间和意外故障的概率。系统监控与控制:通过数字孪生系统对设备进行实时监控和控制,确保设备的稳定运行和优化性能。数据安全与备份:确保数字孪生系统的数据安全和备份,防止数据丢失和系统故障。同时,也需要对数据进行定期的整理和归档,以便于后续的数据分析和报告。培训与教育:对使用数字孪生系统的工程师和管理人员进行培训和教育,提高他们对数字孪生技术的理解和应用能力,以确保数字孪生系统的有效性和安全性。定期检查与评估:定期对数字孪生系统进行检查和评估,包括系统的性能、稳定性、安全性等方面,以确保数字孪生系统始终保持最佳的运行状态。
本发明的实施例中,还提供一种环网柜的异常检测系统,用以实现所述环网柜的异常检测方法,包括,
数据获取模块,用以获取环网柜的参数信息,并将所述参数信息上传至云端;其中,所述参数信息至少包括环网柜内的温度、湿度及变电站的电流、电压、负载;
数字模块,用以根据接收的所述参数信息建立环网柜对应的数字孪生环网柜,并在该数字孪生环网柜内建立对应的故障诊断模型,得到最终的数字孪生环网柜;其中,所述故障诊断模型基于故障诊断规则和故障关联规则构建,并通过构建规则模型,使得环网柜数字孪生体在监测到环网柜实体发生异常时,能够基于规则模型及时做出异常响应;以及通过汇总环网柜异常类型和异常表现及异常发现概率制定故障定位表单,基于故障定位表单构建规则模型;
验证模块,用以通过最终的数字孪生环网柜对实时采集的环网柜的参数信息进行验证,得到验证结果,所述验证结果包括正常或异常。
需说明的是,上述实施例所述系统与上述实施例所述方法对应,因此,上述实施例所述系统未详述部分可以参阅上述实施例所述方法的内容得到,此处不再赘述。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的环网柜的异常检测方法及系统,通过在环网柜内设置各类传感器(例如温度、湿度)以及变电站通讯管理等设备连接转发的各类数据(电流、电压、负载),实时传送到计算机内,计算机根据这些数据搭建数字孪生环网柜,进行实时同步演示,实现远程监控,若数字孪生环网柜检测到发生异常(例如温度、湿度、电流等)则将异常发送给维护人员和监管单位进行故障处理和即时报备,提升效率。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (9)
1.一种环网柜的异常检测方法,其特征在于,包括:
获取环网柜的参数信息,并将所述参数信息上传至云端;其中,所述参数信息至少包括环网柜内的温度、湿度及变电站的电流、电压、负载;
根据接收的所述参数信息建立环网柜对应的数字孪生环网柜,并在该数字孪生环网柜内建立对应的故障诊断模型,得到最终的数字孪生环网柜;其中,所述故障诊断模型基于故障诊断规则和故障关联规则构建,并通过构建规则模型,使得环网柜数字孪生体在监测到环网柜实体发生异常时,能够基于规则模型及时做出异常响应;以及通过汇总环网柜异常类型和异常表现及异常发现概率制定故障定位表单,基于故障定位表单构建规则模型;
通过最终的数字孪生环网柜对实时采集的环网柜的参数信息进行验证,得到验证结果,所述验证结果包括正常或异常。
2.如权利要求1所述的方法,其特征在于,所述根据接收的所述参数信息建立环网柜对应的数字孪生环网柜包括,
对采集到的参数信息按照预设的处理方式进行预处理和清洗,将其转化为数字形式;
通过预设的建模工具将转化后的参数信息建立为数字孪生模型,其中,所述数字孪生模型包括形状、结构、属性及运行状态的信息,以及相关的环境、条件、因素的信息;
对建立数字孪生模型按照预设的标准进行验证和测试,直到其达到预设的精度为止。
3.如权利要求2所述的方法,其特征在于,还包括,
获取每一环网柜对应的唯一标识信息,并根据唯一标识信息确定环网柜与其对应的数字孪生模型的映射关系。
4.如权利要求3所述的方法,其特征在于,还包括,
根据环网柜及设置在环网柜内的传感器的几何参数和几何关系确定环网柜的几何模型,并对于环网柜中的标准件进行设置;当环网柜中存在其他非标准件时,通过三维扫描的方式导入;所述标准件至少包括负荷开关、断路器、熔断器、隔离开关,所述非标准件至少包括传感器、网关设备。
5.如权利要求4所述的方法,其特征在于,所述在该数字孪生环网柜内建立对应的故障诊断模型包括,
在数字孪生环网柜的内填充各类控制判断逻,并根据预建的逻辑判断库根据不同的需要选择不同的判断逻辑加入环网柜进行设定;
根据预建的故障维修计划库确定每种故障对应的维护方案、成本方案;
填充控制逻辑并关联相应的故障维修计划。
6.如权利要求5所述的方法,其特征在于,还包括,
对数字孪生环网柜的分区进行调整;同时划定预设的各个传感器对应分区,将对应部件所在的数字孪生环网柜的空间坐标与环网柜的空间坐标数据进行统一,以及甚至产生异常时提取对应的维护方案、成本方案。
7.如权利要求6所述的方法,其特征在于,还包括,
将各类传感器采集的参数信息输入到建立的数字孪生环网柜内,进行实时同步演示,并进行修正,当修正完成后输出可使用版本的数字孪生环网柜。
8.如权利要求7所述的方法,其特征在于,还包括,
当对实时采集的环网柜的参数信息进行验证时,若数字孪生环网柜检测到发生异常,则生成对应的异常维护方案、成本方案,并发送给维护人员和监管单位进行故障处理。
9.一种环网柜的异常检测系统,用以实现如权利要求1-8任一项所述的方法,其特征在于,包括,
数据获取模块,用以获取环网柜的参数信息,并将所述参数信息上传至云端;其中,所述参数信息至少包括环网柜内的温度、湿度及变电站的电流、电压、负载;
数字模块,用以根据接收的所述参数信息建立环网柜对应的数字孪生环网柜,并在该数字孪生环网柜内建立对应的故障诊断模型,得到最终的数字孪生环网柜;其中,所述故障诊断模型基于故障诊断规则和故障关联规则构建,并通过构建规则模型,使得环网柜数字孪生体在监测到环网柜实体发生异常时,能够基于规则模型及时做出异常响应;以及通过汇总环网柜异常类型和异常表现及异常发现概率制定故障定位表单,基于故障定位表单构建规则模型;
验证模块,用以通过最终的数字孪生环网柜对实时采集的环网柜的参数信息进行验证,得到验证结果,所述验证结果包括正常或异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311717778.XA CN117706249A (zh) | 2023-12-13 | 2023-12-13 | 一种环网柜的异常检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311717778.XA CN117706249A (zh) | 2023-12-13 | 2023-12-13 | 一种环网柜的异常检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117706249A true CN117706249A (zh) | 2024-03-15 |
Family
ID=90160080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311717778.XA Pending CN117706249A (zh) | 2023-12-13 | 2023-12-13 | 一种环网柜的异常检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117706249A (zh) |
-
2023
- 2023-12-13 CN CN202311717778.XA patent/CN117706249A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110401262B (zh) | 基于边缘计算技术的gis设备状态智能监控系统及方法 | |
CN111143308B (zh) | 基于联邦学习的高低压电动机数据处理方法、系统及装置 | |
CN102510127B (zh) | 电网在线监测的一次和二次设备统一模型的方法 | |
RU2518178C2 (ru) | Система и способ для управления электроэнергетической системой | |
CN111062651A (zh) | 基于边缘计算和大数据分析的安全用电管理系统及方法 | |
CN111371185A (zh) | 一种基于配变终端的线损监测系统和方法 | |
CN109146093A (zh) | 一种基于学习的电力设备现场勘查方法 | |
CN214228280U (zh) | 边缘物联代理设备 | |
CN104269922B (zh) | 一种基于gprs/gis的分布式电源参数监测方法与系统 | |
CN104052631A (zh) | 一种设备信息的采集方法、装置以及系统 | |
CN105471656A (zh) | 一种针对智能变电站自动化系统运维信息模型的抽象方法 | |
CN111538850B (zh) | 一种基于云平台的多元感知数据快速接入方法 | |
CN105515184A (zh) | 基于无线传感网络的多传感器多参量配网协同监测系统 | |
CN104578408A (zh) | 一种智能变电站二次设备状态监测与趋势评估装置 | |
CN110768372A (zh) | 基于iec61850标准的保护信息系统源端建模方法 | |
CN104579784B (zh) | 基于多维虚链路的电力工业控制系统网络管理方法 | |
CN104617671A (zh) | 一种基于多维度监视电力自动化系统运行状态的方法 | |
CN113156869A (zh) | 一种电力物联终端设备的远程维护系统及方法 | |
CN103019161A (zh) | 基于云计算的空气处理设备管理控制系统及方法 | |
CN112947364B (zh) | 一种基于大数据预警配电站设备故障的系统及方法 | |
CN106530653A (zh) | 用电信息采集方法 | |
CN114142614A (zh) | 一种基于sd-wan网络的高速公路配电房智能运维管理系统 | |
CN111665771A (zh) | 一种基础设施监控系统和监控方法 | |
CN104134168A (zh) | 一种数据管理系统 | |
CN202231496U (zh) | 变电站设备远程监测诊断系统 |
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 |