CN117709677A - 一种线上变电站设备智能布点的方法及其系统 - Google Patents
一种线上变电站设备智能布点的方法及其系统 Download PDFInfo
- Publication number
- CN117709677A CN117709677A CN202311861690.5A CN202311861690A CN117709677A CN 117709677 A CN117709677 A CN 117709677A CN 202311861690 A CN202311861690 A CN 202311861690A CN 117709677 A CN117709677 A CN 117709677A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- substation
- data
- equipment
- point distribution
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012216 screening Methods 0.000 claims abstract description 31
- 238000010276 construction Methods 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000005215 recombination Methods 0.000 claims description 5
- 230000006798 recombination Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000010921 in-depth analysis Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000000491 multivariate analysis Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 3
- 238000012550 audit Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 abstract 1
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000009434 installation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008521 reorganization Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种线上变电站设备智能布点的方法及其系统，具体包括以下步骤：S1.获取与构建变电站三维坐标图，S2.获取待布点设备信息，S3.标准化布点图筛选，S4.最优筛选模型搭建，S5.布局分析，S6.最优决策。通过引入该变电站区域空间所需设备智能生成变电站空间的设备智能布点，使其可快速、准确和智能化的进行智能布点方案的决策布局生成，实现了标准化、规范化的智能规划，智能布点建设效率高，并且由于智能设计后可将生成的布点规划方案进行展示，有利于直观观看智能规划的设计效果，进而可对该规划方案进行有效地审核，能够确保智能布点后的布局质量和有效性。
Description
技术领域
本发明涉及变电站运维领域，具体为一种线上变电站设备智能布点的方法及其系统。
背景技术
智能电网是未来电网的发展方向，能够实现能源资源的大范围、高效率配置；智能电网涉及发电、输电、变电、配电、用电、调度、通信信息各个环节，而变电站无疑是最核心的一环。变电设备是智能变电站的基础，其可靠安全运行关系着变电站的生产安全和相应的社会效益，极大的影响了智能电网的安全性和稳定性。
现在变电站设备的安装建设主要基于人工现场定点，而现场定点需人工巡检进行布点确定，记录现场布点信息后，根据后续对当前变电站空间的建模引入记录后的现场布点信息完成设备布点安装，但是现有人工现场定点后再建模生成的方式不仅效率低下，而且很容易出现设备安装错误的情况，同时后期进行控制也只能进行单个设备的控制，严重影响工作效率。
发明内容
本发明解决的技术问题是：
提供一种线上变电站设备智能布点的方法及其系统，解决了现有人工现场定点后再建模生成的方式不仅效率低下，而且很容易出现设备安装错误的情况，同时后期进行控制也只能进行单个设备的控制，严重影响工作效率的问题。
本发明技术方案是：
为实现以上目的，本发明通过以下技术方案予以实现：一种线上变电站设备智能布点的方法，具体包括以下步骤：
S1.获取与构建变电站三维坐标图
通过基于雷达点云数据获取待布点的变电站空间环境数据，并基于该变电站空间环境数据构建变电站三维坐标系，同时于该三维坐标系中进行区域划分；
S2.获取待布点设备信息
对该变电站空间环境中所需的变电站设备进行清单获取，并确定各设备的用途、形态、关联设备关系及所需空间和所处位置信息；
S3.标准化布点图筛选
从预先获取的布局信源信息中选择布局信源，并从布局信源中的标准化布局模板中选择最接近当前变电站空间环境数据的布局模板；
S4.最优筛选模型搭建
基于分类模型、回归模型和聚类模型作为最优筛选模型的基体，引入卷积神经网络、循环神经网络、长短期记忆网络和生成对抗网络进行决策树模型的搭建，并引入多项组合模块后利用模糊综合评价法和基于专家评估单元进行最优组合的筛选，并使用历史数据值对选定的筛选模型进行训练，利用多元分析通过多个变量之间的关系和相互作用，进行深入分析参数进行变化分析来探索和分析特征数据预估相应的决策，最终经过模型训练、评估和调优完成最优筛选模型的构建；
S5.布局分析
利用S4步骤中的最优筛选模型通过基于分析各设备之间功能模块的组合形式，利用模糊综合评价法筛选专家认可度高的目标组合形式与筛选的布局模板进行初步布点融合形成多组布点组合布局，同时基于最优巡检路线、设备定位布点和该布局对于当前变电站空间环境适用性的最优目标进行组合布局的排序；
S6.最优决策
根据最终排序的多组智能布点定位布局图进行最终决策判定。
优选的，所述S1步骤中的变电站空间环境数据利用无人机搭载雷达和全景相机进行预设变电站设备的空间环境数据进行获取。
优选的，所述S2步骤中的清单数据包括设备名称、设备功能、与之关联的设备名称以及多组设备之间的连接方式和多组设备各自的体积参数。
优选的，所述S3步骤中的布局信源信息包括但不限于通过基于历史变电站分布图、多种空间利用的历史变电站分布图，其中最接近通过空间数据相似度进行排序，包括空间大小、空间形态和空间设备利用率。
优选的，所述S4步骤的多元分析中的多个变量指代多组设备的重组排布、空间划分重组。
优选的，所述S4步骤中的历史数据值基于历史布局信源信息为训练数据库，通过引入历史数据进行模型训练学习。
优选的，一种线上变电站设备智能布点系统，其特征在于，包括智能组合模块、数据获取模块、数据分析模块、智能模型单元和智能专家评估单元。
所述智能组合模块进行各组设备的重合排布；数据获取模块获取包括空间环境及设备信息数据；数据分析模块将获取的数据进行分析处理，包括归一化、去噪、缺失值、异常值和重复值处理；智能模型单元包括最优筛选模块并与智能专家评估单元连接，由智能专家评估单元中基于模糊综合评价法筛选专家认可度高的目标组合形式与筛选的布局模板进行智能布点方案的评估分析和最终判定。
本发明有益效果是：
本发明提供了一种线上变电站设备智能布点的方法及其系统。具备以下有益效果：
1、本发明提供了一种线上变电站设备智能布点的方法及其系统，通过获取待布点区域的环境数据信息并基于该数据信息搭建三维空间，利用获取的所需的变电站设备信息，将多组设备信息经最优筛选模型进行三维空间的载入，而最优筛选模型根据历史布局信源信息生成符合当前三维空间的设备布点布局图，并基于历史布局信源信息生成的布局图将各个设备进行三维拟态组合和智能布点定位，从而通过引入该变电站区域空间所需设备智能生成变电站空间的设备智能布点，使其可快速、准确和智能化的进行智能布点方案的决策布局生成，实现了标准化、规范化的智能规划，智能布点建设效率高，并且由于智能设计后可将生成的布点规划方案进行展示，有利于直观观看智能规划的设计效果，进而可对该规划方案进行有效地审核，能够确保智能布点后的布局质量和有效性。
附图说明
图1为本发明系统组成示意图。
具体实施方式
下面将结合本发明实施例，对本发明上述内容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，都属于本发明保护的范围。
实施例：
本发明实施例提供一种线上变电站设备智能布点的方法，具体包括以下步骤：
S1.获取与构建变电站三维坐标图
通过基于雷达点云数据获取待布点的变电站空间环境数据，并基于该变电站空间环境数据构建变电站三维坐标系，同时于该三维坐标系中进行区域划分；
其中变电站空间环境数据利用无人机搭载雷达和全景相机进行预设变电站设备的空间环境数据进行获取；利用无人机搭载雷达和全景相机进行同步雷达点云数据和全景图像的图像数据获取，根据雷达点云数据作为结构基础，将全景图像的图像数据进行转换，并基于该图像数据作为结构补充数据，完成当前空间环境搭建的数据基础获取；
S2.获取待布点设备信息
对该变电站空间环境中所需的变电站设备进行清单获取，并确定各设备的用途、形态、关联设备关系及所需空间和所处位置信息；
其中清单数据包括设备名称、设备功能、与之关联的设备名称以及多组设备之间的连接方式和多组设备各自的体积参数；该清单数据基于网端数据、历史变电站使用设备数据以及当前购买的实际设备数据进行记录和转换，从而完成数据的记录和对比；
S3.标准化布点图筛选
从预先获取的布局信源信息中选择布局信源，并从布局信源中的标准化布局模板中选择最接近当前变电站空间环境数据的布局模板；
其中布局信源信息包括但不限于通过基于历史变电站分布图、多种空间利用的历史变电站分布图，其中最接近通过空间数据相似度进行排序，包括空间大小、空间形态和空间设备利用率；历史变电站分布图根据已完成并已启用的变电站空间设备布点分布图作为历史信息，而多种空间利用的历史变电站分布图根据历史变电站分布图中变电站空间大小进行排序记录，以满足当前空间环境大小的类似布点；
而最接近中利用的相似度范围【0，1】，范围值内越接近0的为最接近分布图，范围值内越接近1的为最不相似接近的分布图；
S4.最优筛选模型搭建
基于分类模型、回归模型和聚类模型作为最优筛选模型的基体，引入卷积神经网络、循环神经网络、长短期记忆网络和生成对抗网络进行决策树模型的搭建，并引入多项组合模块后利用模糊综合评价法和基于专家评估单元进行最优组合的筛选，并使用历史数据值对选定的筛选模型进行训练，利用多元分析通过多个变量之间的关系和相互作用，进行深入分析参数进行变化分析来探索和分析特征数据预估相应的决策，最终经过模型训练、评估和调优完成最优筛选模型的构建；
其中多元分析中的多个变量指代多组设备的重组排布、空间划分重组，根据组合方案中需要更换组合关系及组合后布点位置的设备数据载入，并根据决策模型运行分析，完成设备布点的多组重组布局方案；而历史数据值基于历史布局信源信息为训练数据库，通过引入历史数据进行模型训练学习，在训练过程中需要定义损失函数和优化算法，并进行测试集的模型测试评估和超参数调优处理完成最终决策模型的性能平衡；
S5.布局分析
利用S4步骤中的最优筛选模型通过基于分析各设备之间功能模块的组合形式，利用模糊综合评价法筛选专家认可度高的目标组合形式与筛选的布局模板进行初步布点融合形成多组布点组合布局，同时基于最优巡检路线、设备定位布点和该布局对于当前变电站空间环境适用性的最优目标进行组合布局的排序；
S6.最优决策
根据最终排序的多组智能布点定位布局图进行最终决策判定。
该方法通过利用一种线上变电站设备智能布点系统进行智能设备布点，该系统包括智能组合模块、数据获取模块、数据分析模块、智能模型单元和智能专家评估单元，由智能组合模块进行多组设备的重合排布；数据获取模块获取包括空间环境、设备信息等多项数据；数据分析模块将获取的数据进行分析处理，包括归一化、去噪、缺失值、异常值、重复值处理；智能模型单元包括最优筛选模块并与智能专家评估单元连接，由智能专家评估单元中基于模糊综合评价法筛选专家认可度高的目标组合形式与筛选的布局模板进行智能布点方案的评估分析和最终判定。
Claims (8)
1.一种线上变电站设备智能布点的方法，其特征在于，具体包括以下步骤：
S1.获取与构建变电站三维坐标图
通过基于雷达点云数据获取待布点的变电站空间环境数据，并基于该变电站空间环境数据构建变电站三维坐标系，同时于该三维坐标系中进行区域划分；
S2.获取待布点设备信息
对该变电站空间环境中所需的变电站设备进行清单获取，并确定各设备的用途、形态、关联设备关系及所需空间和所处位置信息；
S3.标准化布点图筛选
从预先获取的布局信源信息中选择布局信源，并从布局信源中的标准化布局模板中选择最接近当前变电站空间环境数据的布局模板；
S4.最优筛选模型搭建
基于分类模型、回归模型和聚类模型作为最优筛选模型的基体，引入卷积神经网络、循环神经网络、长短期记忆网络和生成对抗网络进行决策树模型的搭建，并引入多项组合模块后利用模糊综合评价法和基于专家评估单元进行最优组合的筛选，并使用历史数据值对选定的筛选模型进行训练，利用多元分析通过多个变量之间的关系和相互作用，进行深入分析参数进行变化分析来探索和分析特征数据预估相应的决策，最终经过模型训练、评估和调优完成最优筛选模型的构建；
S5.布局分析
利用S4步骤中的最优筛选模型通过基于分析各设备之间功能模块的组合形式，利用模糊综合评价法筛选专家认可度高的目标组合形式与筛选的布局模板进行初步布点融合形成多组布点组合布局，同时基于最优巡检路线、设备定位布点和该布局对于当前变电站空间环境适用性的最优目标进行组合布局的排序；
S6.最优决策
根据最终排序的多组智能布点定位布局图进行最终决策判定。
2.根据权利要求1所述的一种线上变电站设备智能布点的方法，其特征在于：所述S1步骤中的变电站空间环境数据利用无人机搭载雷达和全景相机进行预设变电站设备的空间环境数据进行获取。
3.根据权利要求1所述的一种线上变电站设备智能布点的方法，其特征在于：所述S2步骤中的清单数据包括设备名称、设备功能、与之关联的设备名称以及多组设备之间的连接方式和多组设备各自的体积参数。
4.根据权利要求1所述的一种线上变电站设备智能布点的方法，其特征在于：所述S3步骤中的布局信源信息包括但不限于通过基于历史变电站分布图、多种空间利用的历史变电站分布图，其中最接近通过空间数据相似度进行排序，包括空间大小、空间形态和空间设备利用率。
5.根据权利要求1所述的一种线上变电站设备智能布点的方法，其特征在于：所述S4步骤的多元分析中的多个变量指代多组设备的重组排布、空间划分重组。
6.根据权利要求1所述的一种线上变电站设备智能布点的方法，其特征在于：所述S4步骤中的历史数据值基于历史布局信源信息为训练数据库，通过引入历史数据进行模型训练学习。
7.一种线上变电站设备智能布点系统，其特征在于，包括智能组合模块、数据获取模块、数据分析模块、智能模型单元和智能专家评估单元。
8.根据权利要求7所述的一种线上变电站设备智能布点系统；所述智能组合模块进行各组设备的重合排布；数据获取模块获取包括空间环境及设备信息数据；数据分析模块将获取的数据进行分析处理，包括归一化、去噪、缺失值、异常值和重复值处理；智能模型单元包括最优筛选模块并与智能专家评估单元连接，由智能专家评估单元中基于模糊综合评价法筛选专家认可度高的目标组合形式与筛选的布局模板进行智能布点方案的评估分析和最终判定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311861690.5A CN117709677A (zh) | 2023-12-30 | 2023-12-30 | 一种线上变电站设备智能布点的方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311861690.5A CN117709677A (zh) | 2023-12-30 | 2023-12-30 | 一种线上变电站设备智能布点的方法及其系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117709677A true CN117709677A (zh) | 2024-03-15 |
Family
ID=90158991
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311861690.5A Pending CN117709677A (zh) | 2023-12-30 | 2023-12-30 | 一种线上变电站设备智能布点的方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117709677A (zh) |
-
2023
- 2023-12-30 CN CN202311861690.5A patent/CN117709677A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108767851B (zh) | 一种变电站运维智能作业指挥方法及系统 | |
| CN111525684A (zh) | 一种基于云平台的风电场集群化监控的运维系统 | |
| CN106204330A (zh) | 一种配电网智能诊断系统 | |
| CN107194565B (zh) | 一种基于云决策的电网调度优化方法和系统 | |
| CN114856941A (zh) | 海上风电场及机组故障诊断运维系统及其诊断运维方法 | |
| CN114689965A (zh) | 基于嵌入式智能传感器的电力设备在线监测方法及系统 | |
| CN116526667B (zh) | 基于电流物联网反馈机制的二次融合配网馈线终端系统 | |
| CN112183771A (zh) | 一种轨道交通智能运维生态系统及其运行方法 | |
| CN110910440A (zh) | 一种基于电力影像数据的输电线路长度确定方法和系统 | |
| CN115511656A (zh) | 一种基于挖掘电网数据价值的需求规划辅助决策系统 | |
| CN116866512A (zh) | 一种光伏电站巡检系统及其运行方法 | |
| CN115829145A (zh) | 一种光伏发电量预测系统及方法 | |
| CN117709677A (zh) | 一种线上变电站设备智能布点的方法及其系统 | |
| CN113902222B (zh) | 一种新能源智慧运维系统 | |
| CN114895712A (zh) | 一种用于光伏发电设备大范围巡检方法及系统 | |
| CN115062441A (zh) | 一种配电网接线线路的规划评估方法 | |
| CN114741447A (zh) | 一种分布式能源站数据处理方法及装置 | |
| CN113987013A (zh) | 一种基于时序数据平台发电车数据采集的管控系统及方法 | |
| CN113673809A (zh) | 面向共享储能系统的五级协调优化调度控制方法及系统 | |
| CN111882284A (zh) | 一种分布式电源并网的运行监控方法和系统 | |
| CN117391314B (zh) | 综合场站运营管理平台 | |
| CN117726959B (zh) | 基于智能图像识别的无人机电力线路安全巡检系统及方法 | |
| CN112967376B (zh) | 一种基于数据驱动的变电站三维模型建立方法和装置 | |
| CN117313178B (zh) | 电气设计的三维自动布局系统 | |
| CN117909831A (zh) | 一种分布式光伏电站智能运维系统和方法 |
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 |