CN117879180B - 一种开关柜运行监测系统及监测方法 - Google Patents

一种开关柜运行监测系统及监测方法 Download PDF

Info

Publication number
CN117879180B
CN117879180B CN202410276345.3A CN202410276345A CN117879180B CN 117879180 B CN117879180 B CN 117879180B CN 202410276345 A CN202410276345 A CN 202410276345A CN 117879180 B CN117879180 B CN 117879180B
Authority
CN
China
Prior art keywords
monitoring
data
breaking
period
switch cabinet
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.)
Active
Application number
CN202410276345.3A
Other languages
English (en)
Other versions
CN117879180A (zh
Inventor
何宇平
窦伟
陈帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Zhonghuan Electric Group Co ltd
Original Assignee
Jiangsu Zhonghuan Electric Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Zhonghuan Electric Group Co ltd filed Critical Jiangsu Zhonghuan Electric Group Co ltd
Priority to CN202410276345.3A priority Critical patent/CN117879180B/zh
Publication of CN117879180A publication Critical patent/CN117879180A/zh
Application granted granted Critical
Publication of CN117879180B publication Critical patent/CN117879180B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Arc-Extinguishing Devices That Are Switches (AREA)

Abstract

本发明公开了一种开关柜运行监测系统及监测方法,涉及开关柜监测技术领域,包括运行数据采集模块、监测分析建模模块、监测时间管理模块和开关柜运行监测模块,运行数据采集模块用于采集开关柜运行过程中断路器的开断历史数据,并对开断历史数据进行预处理;监测分析建模模块用于依据预处理后的开断历史数据预测断路器的开断稳定周期;监测时间管理模块用于分析开断稳定周期预测结果,对断路器开断监测时间进行管理;开关柜运行监测模块用于依据管理时间对开关柜的断路器进行开断监测,在监测到开断故障时进行异常预警,提高了监测数据获取成功的概率,改善了开关柜内断路器工作状态的差异性给监测工作带来的困难。

Description

一种开关柜运行监测系统及监测方法
技术领域
本发明涉及开关柜监测技术领域,具体是一种开关柜运行监测系统及监测方法。
背景技术
断路器开断指的是在带电情况下,通过断路器来强行切断电路的操作,这一过程发生在电路出现故障,如过载或短路时,能够保护电器设备安全,断路器是电路中重要的保护装置,可以帮助避免电路故障的发生,如果断路器开断时间过长,无法及时在电路故障时进行开断操作,可能对电器设备造成损坏,影响控制效果,因此需要加强对开关柜内断路器的监测和维护,确保其正常运转;
然而,在对开关柜的断路器进行监测时,开关柜状态的多样性会导致部分监测数据获取失败,从而浪费开关柜监测资源,开关柜内有些断路器则要多次进行开断,有些则一次都不用开断,在断路器不进行开断时进行监测无法获取到监测数据,这一工作状态的差异性给断路器的在线监测带来困难。
所以,人们急需一种开关柜运行监测系统及监测方法来解决上述技术问题。
发明内容
本发明的目的在于提供一种开关柜运行监测系统及监测方法,以解决现有技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种开关柜运行监测系统,包括:运行数据采集模块、监测分析建模模块、监测时间管理模块和开关柜运行监测模块;
所述运行数据采集模块的输出端连接所述监测分析建模模块的输入端,所述监测分析建模模块的输出端连接所述监测时间管理模块的输入端,所述监测时间管理模块的输出端连接所述开关柜运行监测模块的输入端;
所述运行数据采集模块用于采集开关柜运行过程中断路器的开断历史数据,并对开断历史数据进行预处理,将预处理后的数据传输至所述监测分析建模模块;
所述监测分析建模模块用于依据预处理后的开断历史数据预测断路器的开断稳定周期;
所述监测时间管理模块用于分析开断稳定周期预测结果,对断路器开断监测时间进行管理;
所述开关柜运行监测模块用于依据管理时间对开关柜的断路器进行开断监测,在监测到开断故障时进行异常预警。
进一步的,所述运行数据采集模块包括开断时间采集单元、数据样本生成单元和数据样本分段单元;
所述开断时间采集单元的输出端连接所述数据样本生成单元的输入端,所述数据样本生成单元的输出端连接所述数据样本分段单元的输入端;
所述开断时间采集单元用于采集开关柜的断路器以往若干次自动开断的历史间隔时长数据;所述数据样本生成单元用于将历史间隔时长数据按开断时间从前到后的顺序进行编号,第二次自动开断时间与第一次自动开断时间的间隔时长数据为编号为1的数据,第三次自动开断时间与第二次自动开断时间的间隔时长数据为编号为2的数据,以此类推,将编号与间隔时长数据进行组合生成样本数据;所述数据样本分段单元用于将样本数据拆分为若干段,每段样本数据中的间隔时长数据编号都是连续的。
进一步的,所述监测分析建模模块包括开断分析建模单元和稳定周期预测单元;
所述开断分析建模单元的输入端连接所述数据样本分段单元的输出端,所述开断分析建模单元的输出端连接所述稳定周期预测单元的输入端;
所述开断分析建模单元用于对拆分后每段样本数据进行数据拟合并建立若干个开断时间分析模型;所述稳定周期预测单元用于获取每个模型的偏置,设置偏置阈值和偏置差值阈值,计算每个模型的偏置与偏置阈值的差值绝对值,筛选出差值绝对值小于偏置差值阈值的模型,获取筛选出的模型建立前参照的样本数据中的间隔时长数据,依据获取到的间隔时长数据预测筛选出的模型对应的开断稳定周期。
进一步的,所述监测时间管理模块包括最精确周期筛选单元和监测周期选择单元;
所述最精确周期筛选单元的输入端连接所述稳定周期预测单元的输出端,所述最精确周期筛选单元的输出端连接所述监测周期选择单元的输入端;
所述最精确周期筛选单元用于若筛选出的模型数量为1:将预测到的筛选出的模型对应的开断稳定周期作为断路器的开断最精确周期;若筛选出的模型数量大于1:获取每个模型对应的开断稳定周期数据集,从数据集中分析得到断路器的开断最精确周期;所述监测周期选择单元用于选择对开关柜的断路器进行开断监测的周期为断路器的开断最精确周期。
进一步的,所述开关柜运行监测模块包括断路器开断监测单元和开断异常预警单元;
所述断路器开断监测单元的输入端连接所述监测周期选择单元的输出端,所述断路器开断监测单元的输出端连接所述开断异常预警单元的输入端;
所述断路器开断监测单元用于依据选择监测周期对开关柜的断路器进行开断监测;所述开断异常预警单元用于在监测到断路器开断故障时向监测终端发送开断异常警报信号。
一种开关柜运行监测方法,包括以下步骤:
Z1:采集开关柜运行过程中断路器的开断历史数据,并对开断历史数据进行预处理;
Z2:依据预处理后的开断历史数据预测断路器的开断稳定周期;
Z3:分析开断稳定周期预测结果,对断路器开断监测时间进行管理;
Z4:依据管理时间对开关柜的断路器进行开断监测,在监测到开断故障时进行异常预警。
进一步的,在Z1中:采集到开关柜的断路器以往若干次自动开断的历史间隔时长数据,将历史间隔时长数据按开断时间从前到后的顺序进行编号,将编号与间隔时长数据进行组合生成样本数据集,样本数据集中的编号为1的间隔时长数据为断路器第二次自动开断时间与第一次自动开断时间的间隔时长,编号为1的间隔时长数据和编号1组合成为数据集中的第一项数据,例如:采集到断路器第二次自动开断时间与第一次自动开断时间的间隔时长为a,则样本数据集中的第一项数据为:(1,a),将样本数据拆分为n段,每段数据均为一个数据集,每个数据集均包含编号以及编号对应的间隔时长数据。
进一步的,在Z2中:获取到拆分后的随机一段样本数据集为{(i,Ti),(i+1,Ti+1),…,(m,Tm)},其中,Ti表示断路器第i+1次自动开断时间与第i次自动开断时间的间隔时长,i表示对应段样本数据集中的第一个编号,m表示对应段样本数据集中的最后一个编号,对对应段样本数据进行直线拟合,建立开断时间分析模型:,其中,表示对应开断时间分析模型的偏置,/>表示对应开断时间分析模型的截距,根据下列公式计算/>:/>
通过相同计算方式得到n个开断时间分析模型的偏置集合为={/>,/>,…,/>},设置偏置阈值为W,得到n个模型的偏置与偏置阈值的差值绝对值集合为{/>,…,/>},设置偏置差值阈值为/>,筛选出差值绝对值小于偏置差值阈值的模型,获取到随机一个筛选出的模型建立前参照的样本数据中的间隔时长集合为t={t1,t2,…,tk},其中,k表示随机一个筛选出的模型建立前参照的样本数据项数,预测得到对应筛选出的模型对应的开断稳定周期为Lv,/>,其中,ta表示集合t中的第a项间隔时长;
通过大数据技术采集开关柜内断路器的历史开断时间,参考历史开断时间来选择恰当的监测时间对断路器进行开断监测,考虑到参考数据中并非所有开断时间都具备周期性规律,将参考数据分为若干段数据,分别对拆分后的数据进行开断间隔时长分析,对拆分后的数据进行单独拟合,建立开断时间分析模型,通过分析模型的偏置大小来判断对应参考数据中的间隔时长差异大小,偏置越接近于0,即与偏置阈值的差值绝对值越小,说明对应段参考数据中的间隔时长差异越小,开断时间则越具备周期性规律,分析多个模型的偏置来筛选出差异偏小的参考数据,参照筛选出的参考数据来选择监测周期,提高了按照选择的监测周期来进行开断监测成功获取到监测数据的概率。
进一步的,在Z3中:若筛选出的模型数量为1:将预测到的筛选出的模型对应的开断稳定周期作为断路器的开断最精确周期;若筛选出的模型数量大于1:获取每个模型对应的开断稳定周期集合为L={L1,L2,…,Lv,…,Lf},其中,f表示筛选出的模型数量,将f个开断稳定周期参数按从小到大的顺序进行排序后分为h组,其中,前一组中每个开断稳定周期都小于后一组,获取到随机一个分组结果中,每组中的开断稳定周期均值集合为F={F1,F2,…,Fh},根据公式分析随机一个分组结果中参数的离散系数R,通过相同计算方式分析不同分组结果中参数的离散系数,获取离散系数最大的分组结果中的第一组开断稳定周期,对第一组开断稳定周期求平均值作为断路器的开断最精确周期,选择对开关柜的断路器进行开断监测的周期为断路器的开断最精确周期;
考虑到筛选出的参考数据可能不止一段,在这种情况下,通过将筛选出的参考数据进行分组的方式筛选出开断周期偏小的参考数据,对开断周期偏小的参考数据做进一步计算处理后确定最终开断监测周期,在这种情况下周期越小越有可能成功获取到监测数据,侧重于选择偏小的监测周期,进一步提高了监测数据获取成功的可能性。
进一步的,在Z4中:依据选择的监测周期对开关柜的断路器进行开断监测,设置开断需要时长阈值,在监测到断路器开断需要的时长超出阈值时,判断断路器出现开断故障,在故障时向监测终端发送开断异常警报信号。
与现有技术相比,本发明的有益效果是:
通过大数据技术采集开关柜内断路器的历史开断时间,参考历史开断时间来选择恰当的监测时间对断路器进行开断监测,考虑到参考数据中并非所有开断时间都具备周期性规律,将参考数据分为若干段数据,分别对拆分后的数据进行开断间隔时长分析,对拆分后的数据进行单独拟合,建立开断时间分析模型,通过分析模型的偏置大小来判断对应参考数据中的间隔时长差异大小,分析多个模型的偏置来筛选出差异偏小的参考数据,参照筛选出的参考数据来选择监测周期,提高了按照选择的监测周期来进行开断监测成功获取到监测数据的概率。
考虑到筛选出的参考数据可能不止一段,在这种情况下,通过将筛选出的参考数据进行分组的方式筛选出开断周期偏小的参考数据,对开断周期偏小的参考数据做进一步计算处理后确定最终开断监测周期,在这种情况下周期越小越有可能成功获取到监测数据,侧重于选择偏小的监测周期,进一步提高了监测数据获取成功的可能性,改善了开关柜内断路器工作状态的差异性给监测工作带来的困难。
监测开关柜的断路器的开断情况,在实际开断需要的时长异常时进行及时预警,有利于提醒对断路器进行及时检查和维护,避免后续发生电路故障时因开断出现延时、未能及时进行开断而造成对电路设备损害的问题。
附图说明
图1为本发明一种开关柜运行监测系统的结构示意图;
图2为本发明一种开关柜运行监测方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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1:如图1所示,本实施例提供了一种开关柜运行监测系统,系统包括:运行数据采集模块、监测分析建模模块、监测时间管理模块和开关柜运行监测模块;运行数据采集模块用于采集开关柜运行过程中断路器的开断历史数据,并对开断历史数据进行预处理,将预处理后的数据传输至监测分析建模模块;监测分析建模模块用于依据预处理后的开断历史数据预测断路器的开断稳定周期;监测时间管理模块用于分析开断稳定周期预测结果,对断路器开断监测时间进行管理;开关柜运行监测模块用于依据管理时间对开关柜的断路器进行开断监测,在监测到开断故障时进行异常预警。
运行数据采集模块包括开断时间采集单元、数据样本生成单元和数据样本分段单元;开断时间采集单元用于采集开关柜的断路器以往若干次自动开断的历史间隔时长数据;数据样本生成单元用于将历史间隔时长数据按开断时间从前到后的顺序进行编号,第二次自动开断时间与第一次自动开断时间的间隔时长数据为编号为1的数据,第三次自动开断时间与第二次自动开断时间的间隔时长数据为编号为2的数据,以此类推,将编号与间隔时长数据进行组合生成样本数据;数据样本分段单元用于将样本数据拆分为若干段,每段样本数据中的间隔时长数据编号都是连续的。
监测分析建模模块包括开断分析建模单元和稳定周期预测单元;开断分析建模单元用于对拆分后每段样本数据进行数据拟合并建立若干个开断时间分析模型;稳定周期预测单元用于获取每个模型的偏置,设置偏置阈值和偏置差值阈值,计算每个模型的偏置与偏置阈值的差值绝对值,筛选出差值绝对值小于偏置差值阈值的模型,获取筛选出的模型建立前参照的样本数据中的间隔时长数据,依据获取到的间隔时长数据预测筛选出的模型对应的开断稳定周期。
监测时间管理模块包括最精确周期筛选单元和监测周期选择单元;最精确周期筛选单元用于若筛选出的模型数量为1:将预测到的筛选出的模型对应的开断稳定周期作为断路器的开断最精确周期;若筛选出的模型数量大于1:获取每个模型对应的开断稳定周期数据集,从数据集中分析得到断路器的开断最精确周期;监测周期选择单元用于选择对开关柜的断路器进行开断监测的周期为断路器的开断最精确周期。
开关柜运行监测模块包括断路器开断监测单元和开断异常预警单元;断路器开断监测单元用于依据选择监测周期对开关柜的断路器进行开断监测;开断异常预警单元用于在监测到断路器开断故障时向监测终端发送开断异常警报信号。
实施例2:如图2所示,本实施例提供了一种开关柜运行监测方法,其基于实施例中的监测系统实现,包括以下步骤:Z1:采集开关柜运行过程中断路器的开断历史数据,并对开断历史数据进行预处理,采集到开关柜的断路器以往若干次自动开断的历史间隔时长数据,将历史间隔时长数据按开断时间从前到后的顺序进行编号,将编号与间隔时长数据进行组合生成样本数据集,样本数据集中的编号为1的间隔时长数据为断路器第二次自动开断时间与第一次自动开断时间的间隔时长,编号为1的间隔时长数据和编号1组合成为数据集中的第一项数据,例如:采集到断路器第二次自动开断时间与第一次自动开断时间的间隔时长为a,则样本数据集中的第一项数据为:(1,a),将样本数据拆分为n段,每段数据均为一个数据集,每个数据集均包含编号以及编号对应的间隔时长数据;
Z2:依据预处理后的开断历史数据预测断路器的开断稳定周期,获取到拆分后的第一段样本数据集为{(1,T1),(2,T2),(3,T3),(4,T4),(5,T5)}={(1,2),(2,10),(3,7),(4,8),(5,6)},对对应段样本数据进行直线拟合,建立开断时间分析模型:,其中,/>表示对应开断时间分析模型的偏置,/>表示对应开断时间分析模型的截距,根据下列公式计算/>,/>;通过相同计算方式得到n个开断时间分析模型的偏置集合为/>={/>,/>,/>,/>,/>,/>,/>}={0.6,2,1.5,3.2,0.5,0.1,0.2},设置偏置阈值为W=0,得到n个模型的偏置与偏置阈值的差值绝对值集合为{0.6,2,1.5,3.2,0.5,0.1,0.2},设置偏置差值阈值为,筛选出差值绝对值小于偏置差值阈值的模型为第1、5、6和7个模型,获取到随机一个筛选出的模型建立前参照的样本数据中的间隔时长集合为t={t1,t2,…,tk},其中,k表示随机一个筛选出的模型建立前参照的样本数据项数,预测得到对应筛选出的模型对应的开断稳定周期为Lv,/>,其中,ta表示集合t中的第a项间隔时长;
Z3:分析开断稳定周期预测结果,对断路器开断监测时间进行管理,若筛选出的模型数量为1:将预测到的筛选出的模型对应的开断稳定周期作为断路器的开断最精确周期;若筛选出的模型数量大于1:获取每个模型对应的开断稳定周期集合为L={L1,L2,…,Lv,…,Lf},其中,f表示筛选出的模型数量,将f个开断稳定周期参数按从小到大的顺序进行排序后分为h组,其中,前一组中每个开断稳定周期都小于后一组,获取到随机一个分组结果中,每组中的开断稳定周期均值集合为F={F1,F2,…,Fh},根据公式分析随机一个分组结果中参数的离散系数R,通过相同计算方式分析不同分组结果中参数的离散系数,获取离散系数最大的分组结果中的第一组开断稳定周期,对第一组开断稳定周期求平均值作为断路器的开断最精确周期,选择对开关柜的断路器进行开断监测的周期为断路器的开断最精确周期;
Z4:依据选择的监测周期对开关柜的断路器进行开断监测,设置开断需要时长阈值,在监测到断路器开断需要的时长超出阈值时,判断断路器出现开断故障,在故障时向监测终端发送开断异常警报信号。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (6)

1.一种开关柜运行监测方法,其特征在于:包括以下步骤:
Z1:采集开关柜运行过程中断路器的开断历史数据,并对开断历史数据进行预处理;
Z2:依据预处理后的开断历史数据预测断路器的开断稳定周期;
Z3:分析开断稳定周期预测结果,对断路器开断监测时间进行管理;
Z4:依据管理时间对开关柜的断路器进行开断监测,在监测到开断故障时进行异常预警;
在Z1中:采集到开关柜的断路器以往若干次自动开断的历史间隔时长数据,将历史间隔时长数据按开断时间从前到后的顺序进行编号,将编号与间隔时长数据进行组合生成样本数据集,样本数据集中的编号为1的间隔时长数据为断路器第二次自动开断时间与第一次自动开断时间的间隔时长,编号为1的间隔时长数据和编号1组合成为数据集中的第一项数据,将样本数据拆分为n段,每段数据均为一个数据集,每个数据集均包含编号以及编号对应的间隔时长数据;
在Z2中:获取到拆分后的随机一段样本数据集为{(i,Ti),(i+1,Ti+1),…,(m,Tm)},其中,Ti表示断路器第i+1次自动开断时间与第i次自动开断时间的间隔时长,i表示对应段样本数据集中的第一个编号,m表示对应段样本数据集中的最后一个编号,对对应段样本数据进行直线拟合,建立开断时间分析模型:其中,ε1表示对应开断时间分析模型的偏置,/>表示对应开断时间分析模型的截距,根据下列公式计算ε1:
通过相同计算方式得到n个开断时间分析模型的偏置集合为ε={ε1,ε2,…,εn},设置偏置阈值为W,得到n个模型的偏置与偏置阈值的差值绝对值集合为{|ε1-W|,|ε2-W|,…,|εn-W|},设置偏置差值阈值为筛选出差值绝对值小于偏置差值阈值的模型,获取到随机一个筛选出的模型建立前参照的样本数据中的间隔时长集合为t={t1,t2,…,tk},其中,k表示随机一个筛选出的模型建立前参照的样本数据项数,预测得到对应筛选出的模型对应的开断稳定周期为Lv,/>其中,ta表示集合t中的第a项间隔时长;
在Z3中:若筛选出的模型数量为1:将预测到的筛选出的模型对应的开断稳定周期作为断路器的开断最精确周期;若筛选出的模型数量大于1:获取每个模型对应的开断稳定周期集合为L={L1,L2,…,Lv,…,Lf},其中,f表示筛选出的模型数量,将f个开断稳定周期参数按从小到大的顺序进行排序后分为h组,其中,前一组中每个开断稳定周期都小于后一组,获取到随机一个分组结果中,每组中的开断稳定周期均值集合为F={F1,F2,…,Fh},根据公式分析随机一个分组结果中参数的离散系数R,通过相同计算方式分析不同分组结果中参数的离散系数,获取离散系数最大的分组结果中的第一组开断稳定周期,对第一组开断稳定周期求平均值作为断路器的开断最精确周期,选择对开关柜的断路器进行开断监测的周期为断路器的开断最精确周期。
2.根据权利要求1所述的一种开关柜运行监测方法,其特征在于:在Z4中:依据选择的监测周期对开关柜的断路器进行开断监测,设置开断需要时长阈值,在监测到断路器开断需要的时长超出阈值时,判断断路器出现开断故障,在故障时向监测终端发送开断异常警报信号。
3.一种开关柜运行监测系统,应用于如权利要求1所述的一种开关柜运行监测方法,其特征在于,包括:运行数据采集模块、监测分析建模模块、监测时间管理模块和开关柜运行监测模块;
所述运行数据采集模块的输出端连接所述监测分析建模模块的输入端,所述监测分析建模模块的输出端连接所述监测时间管理模块的输入端,所述监测时间管理模块的输出端连接所述开关柜运行监测模块的输入端;
所述运行数据采集模块用于采集开关柜运行过程中断路器的开断历史数据,并对开断历史数据进行预处理,将预处理后的数据传输至所述监测分析建模模块;
所述监测分析建模模块用于依据预处理后的开断历史数据预测断路器的开断稳定周期;
所述监测时间管理模块用于分析开断稳定周期预测结果,对断路器开断监测时间进行管理;
所述开关柜运行监测模块用于依据管理时间对开关柜的断路器进行开断监测,在监测到开断故障时进行异常预警;
所述运行数据采集模块包括开断时间采集单元、数据样本生成单元和数据样本分段单元;
所述开断时间采集单元的输出端连接所述数据样本生成单元的输入端,所述数据样本生成单元的输出端连接所述数据样本分段单元的输入端;
所述开断时间采集单元用于采集开关柜的断路器以往若干次自动开断的历史间隔时长数据;所述数据样本生成单元用于将历史间隔时长数据按开断时间从前到后的顺序进行编号,将编号与间隔时长数据进行组合生成样本数据;所述数据样本分段单元用于将样本数据拆分为若干段,每段样本数据中的间隔时长数据编号都是连续的。
4.根据权利要求3所述的一种开关柜运行监测系统,其特征在于:所述监测分析建模模块包括开断分析建模单元和稳定周期预测单元;
所述开断分析建模单元的输入端连接所述数据样本分段单元的输出端,所述开断分析建模单元的输出端连接所述稳定周期预测单元的输入端;
所述开断分析建模单元用于对拆分后每段样本数据进行数据拟合并建立若干个开断时间分析模型;所述稳定周期预测单元用于获取每个模型的偏置,设置偏置阈值和偏置差值阈值,计算每个模型的偏置与偏置阈值的差值绝对值,筛选出差值绝对值小于偏置差值阈值的模型,获取筛选出的模型建立前参照的样本数据中的间隔时长数据,依据获取到的间隔时长数据预测筛选出的模型对应的开断稳定周期。
5.根据权利要求4所述的一种开关柜运行监测系统,其特征在于:所述监测时间管理模块包括最精确周期筛选单元和监测周期选择单元;
所述最精确周期筛选单元的输入端连接所述稳定周期预测单元的输出端,所述最精确周期筛选单元的输出端连接所述监测周期选择单元的输入端;
所述最精确周期筛选单元用于若筛选出的模型数量为1:将预测到的筛选出的模型对应的开断稳定周期作为断路器的开断最精确周期;若筛选出的模型数量大于1:获取每个模型对应的开断稳定周期数据集,从数据集中分析得到断路器的开断最精确周期;所述监测周期选择单元用于选择对开关柜的断路器进行开断监测的周期为断路器的开断最精确周期。
6.根据权利要求5所述的一种开关柜运行监测系统,其特征在于:所述开关柜运行监测模块包括断路器开断监测单元和开断异常预警单元;
所述断路器开断监测单元的输入端连接所述监测周期选择单元的输出端,所述断路器开断监测单元的输出端连接所述开断异常预警单元的输入端;
所述断路器开断监测单元用于依据选择监测周期对开关柜的断路器进行开断监测;所述开断异常预警单元用于在监测到断路器开断故障时向监测终端发送开断异常警报信号。
CN202410276345.3A 2024-03-12 2024-03-12 一种开关柜运行监测系统及监测方法 Active CN117879180B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410276345.3A CN117879180B (zh) 2024-03-12 2024-03-12 一种开关柜运行监测系统及监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410276345.3A CN117879180B (zh) 2024-03-12 2024-03-12 一种开关柜运行监测系统及监测方法

Publications (2)

Publication Number Publication Date
CN117879180A CN117879180A (zh) 2024-04-12
CN117879180B true CN117879180B (zh) 2024-05-17

Family

ID=90579743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410276345.3A Active CN117879180B (zh) 2024-03-12 2024-03-12 一种开关柜运行监测系统及监测方法

Country Status (1)

Country Link
CN (1) CN117879180B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103339702A (zh) * 2011-02-02 2013-10-02 三菱电机株式会社 电力开关装置的动作时间预测装置及方法
CN107342576A (zh) * 2017-06-05 2017-11-10 江苏尚坤电力安装有限公司 一种高压开关柜在线监测与预警保护方法及其系统
CN115327369A (zh) * 2022-09-13 2022-11-11 国网安徽省电力有限公司宿州供电公司 一种开关柜断路器分合闸电流在线监测分析系统
CN116345340A (zh) * 2023-05-30 2023-06-27 沈阳飞驰电气设备有限公司 一种开关柜智能监测系统
CN116433136A (zh) * 2023-04-18 2023-07-14 深圳市元美供应链管理有限公司 一种基于大数据的货运安全监测系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103339702A (zh) * 2011-02-02 2013-10-02 三菱电机株式会社 电力开关装置的动作时间预测装置及方法
CN107342576A (zh) * 2017-06-05 2017-11-10 江苏尚坤电力安装有限公司 一种高压开关柜在线监测与预警保护方法及其系统
CN115327369A (zh) * 2022-09-13 2022-11-11 国网安徽省电力有限公司宿州供电公司 一种开关柜断路器分合闸电流在线监测分析系统
CN116433136A (zh) * 2023-04-18 2023-07-14 深圳市元美供应链管理有限公司 一种基于大数据的货运安全监测系统及方法
CN116345340A (zh) * 2023-05-30 2023-06-27 沈阳飞驰电气设备有限公司 一种开关柜智能监测系统

Also Published As

Publication number Publication date
CN117879180A (zh) 2024-04-12

Similar Documents

Publication Publication Date Title
CN107220775B (zh) 一种考虑信息系统作用的有源配电网多视角协同脆弱性评估方法
CN116187593B (zh) 一种配电网故障预测处理方法、装置、设备、存储介质
CN113762604B (zh) 一种工业互联网大数据服务系统
CN114928171A (zh) 基于物联网的电力二次设备综合监控系统
CN114295940A (zh) 一种基于智慧城市的配网故障状态监测系统及方法
CN103986240B (zh) 一种配电实时数据有效性分析处理系统的有效性分析方法
CN110723166A (zh) 一种道岔监测方法及系统
CN115372816A (zh) 基于数据分析的配电开关设备运行故障预测系统及方法
CN112488336A (zh) 一种用于极端天气下的电网故障处理方法及系统
CN117879180B (zh) 一种开关柜运行监测系统及监测方法
CN112561097A (zh) 一种基于云雾边协同的轴承监测方法及系统
CN115856613A (zh) 断路器状态评估方法
CN116389062A (zh) 基于流量安全分析的工业控制系统行为监测方法及设备
CN114338743B (zh) 一种云端边端数据交互的智能识别防御系统
CN111583594B (zh) 一种配电箱预警系统及预警方法
CN114446027A (zh) 一种基于物联网的设备故障报警方法、系统、设备及介质
CN113986659A (zh) 故障分析方法、装置、设备及计算机存储介质
CN117495357B (zh) 一种基于大数据的电力数据监管系统及方法
CN117996965B (zh) 智能配电网断路器控制方法及控制系统
CN117031200A (zh) 一种基于电网运行大数据的配电异常识别方法
CN116545124B (zh) 一种数字智能化开关柜综合监控系统
CN111464361B (zh) 一种调度主站异常告警辨识系统
CN116545906B (zh) 一种通信网络设备综合管理系统
CN116994422A (zh) 一种自动化开关的遥控功能监测方法和装置
Feng et al. Research and application of alarm optimization mechanism in power grid operation monitoring

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