CN117914005B - 一种配网精益化全景监测系统及方法 - Google Patents
一种配网精益化全景监测系统及方法 Download PDFInfo
- Publication number
- CN117914005B CN117914005B CN202410315969.1A CN202410315969A CN117914005B CN 117914005 B CN117914005 B CN 117914005B CN 202410315969 A CN202410315969 A CN 202410315969A CN 117914005 B CN117914005 B CN 117914005B
- Authority
- CN
- China
- Prior art keywords
- early warning
- information
- node
- equipment
- data flow
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 92
- 238000005206 flow analysis Methods 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 30
- 238000011156 evaluation Methods 0.000 claims description 25
- 230000004044 response Effects 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 17
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 13
- 230000008030 elimination Effects 0.000 claims description 12
- 238000003379 elimination reaction Methods 0.000 claims description 12
- 238000002955 isolation Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 10
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 230000003213 activating effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 22
- 238000013024 troubleshooting Methods 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 238000012812 general test Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
- H02J13/00028—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment involving the use of Internet protocols
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Human Computer Interaction (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及智能生产控制技术领域，提供了一种配网精益化全景监测系统及方法，包括：通过与OCS系统通信建立基础数据集，包括设备、拓扑和位置信息；建立分级节点，并进行数据流分析和算力自适应终端配置；通过数据中心接收反馈并生成预警信号，在全景三维模型中显示，解决了配网监测范围有限，无法全面反映配网的运行状态，无法快速处理潜在的配网故障，电力供应稳定性的低的技术问题，实现了全面、准确地收集配网设备的各项基础数据信息，对配网设备进行分级管理，通过故障定位和排查，及时修复故障，提高电力供应稳定性，实现设备的多粒度拆解和节点关联，提高配网运行水平和管理效率的技术效果。
Description
技术领域
本发明涉及智能生产控制相关技术领域，具体涉及一种配网精益化全景监测系统及方法。
背景技术
在电力系统中，配网是连接电源和用户的重要环节，其运行状态直接影响到电力供应的质量和稳定性。传统配网精益化监测方法通常采用在一定时间内，对配网设备进行停电检修，对设备进行全面的检查和维护；或是，当配网设备发生故障时，通过故障定位和排查，及时修复故障，恢复电力供应，往往存在数据采集不全、监测范围有限、管理效率低下等问题。
综上所述，现有技术中存在配网监测范围有限，无法全面反映配网的运行状态，无法快速处理潜在的配网故障，电力供应稳定性的低的技术问题。
发明内容
本申请通过提供了一种配网精益化全景监测系统及方法，旨在解决现有技术中的配网监测范围有限，无法全面反映配网的运行状态，无法快速处理潜在的配网故障，电力供应稳定性的低的技术问题。
鉴于上述问题，本申请实施例提供了一种配网精益化全景监测系统及方法。
本申请公开的第一个方面，提供了一种配网精益化全景监测方法，其中，所述方法包括：建立与OCS系统的系统通信，并基于系统通信建立基础数据信息集，其中，所述基础数据信息集包括设备信息、拓扑结构信息、位置构成信息；建立配网设备的分级节点，所述分级节点通过解析所述基础数据信息集构建而成，构建如下：基于设备信息确定设备等级，建立设备级分级节点，并基于所述设备信息进行设备的多粒度拆解，基于多粒度拆解结果生成粒度分级节点，并依据所述拓扑结构信息和所述位置构成信息进行设备级分级节点、粒度分级节点的节点关联，完成分级节点建立；对分级节点进行数据流分析，通过数据流分析结果和分级节点配置算力自适应终端，其中，算力自适应终端至少与一个分级节点建立通信；基于所述基础数据信息搭建全景三维模型，并依据所述分级节点和所述算力自适应终端进行全景三维模型的模型配置；通过数据中心接收所述算力自适应终端的终端反馈，基于反馈结果生成第一预警信号；基于所述数据中心进行所述反馈结果的结果分析，生成第二预警信号，将所述第一预警信号和所述第二预警信号通过全景三维模型显示。
本申请公开的另一个方面，提供了一种配网精益化全景监测系统，其中，所述系统包括：通信建立模块，用于建立与OCS系统的系统通信，并基于系统通信建立基础数据信息集，其中，所述基础数据信息集包括设备信息、拓扑结构信息、位置构成信息；分级节点建立模块，用于建立配网设备的分级节点，所述分级节点通过解析所述基础数据信息集构建而成，构建如下：基于设备信息确定设备等级，建立设备级分级节点，并基于所述设备信息进行设备的多粒度拆解，基于多粒度拆解结果生成粒度分级节点，并依据所述拓扑结构信息和所述位置构成信息进行设备级分级节点、粒度分级节点的节点关联，完成分级节点建立；数据流分析模块，用于对分级节点进行数据流分析，通过数据流分析结果和分级节点配置算力自适应终端，其中，算力自适应终端至少与一个分级节点建立通信；模型配置模块，用于基于所述基础数据信息搭建全景三维模型，并依据所述分级节点和所述算力自适应终端进行全景三维模型的模型配置；第一预警信号生成模块，用于通过数据中心接收所述算力自适应终端的终端反馈，基于反馈结果生成第一预警信号；第二预警信号生成模块，用于基于所述数据中心进行所述反馈结果的结果分析，生成第二预警信号，将所述第一预警信号和所述第二预警信号通过全景三维模型显示。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了通过与OCS系统建立通信，收集设备信息、拓扑结构和位置信息，构建基础数据集；建立分级节点，对节点进行数据流分析，配置算力自适应终端，通过数据中心接收反馈并生成预警信号，在全景三维模型中显示，实现了全面、准确地收集配网设备的各项基础数据信息，对配网设备进行分级管理，通过故障定位和排查，及时修复故障，提高电力供应稳定性，实现设备的多粒度拆解和节点关联，提高配网运行水平和管理效率的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种配网精益化全景监测系统可能的流程示意图；
图2为本申请实施例提供了一种配网精益化全景监测系统中算力自适应终端配置可能的流程示意图；
图3为本申请实施例提供了一种配网精益化全景监测系统可能的结构示意图。
附图标记说明：通信建立模块100，分级节点建立模块200，数据流分析模块300，模型配置模块400，第一预警信号生成模块500，第二预警信号生成模块600。
具体实施方式
以下结合附图对本发明的示范性实施例作出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例
如图1所示，本申请实施例提供了一种配网精益化全景监测方法，其中，所述方法包括：
Step-1：建立与OCS系统的系统通信，并基于系统通信建立基础数据信息集，其中，所述基础数据信息集包括设备信息、拓扑结构信息、位置构成信息；
Step-2：建立配网设备的分级节点，所述分级节点通过解析所述基础数据信息集构建而成，构建如下：基于设备信息确定设备等级，建立设备级分级节点，并基于所述设备信息进行设备的多粒度拆解，基于多粒度拆解结果生成粒度分级节点，并依据所述拓扑结构信息和所述位置构成信息进行设备级分级节点、粒度分级节点的节点关联，完成分级节点建立；
已知的，定期停电检修往往只能采集部分配网设备的数据，无法全面反映配网的运行状态；当配网设备发生故障时，通过故障定位和排查，及时修复故障，恢复电力供应，但故障处理只能对故障区域进行监测，无法实现全覆盖。
配网精益化，即指配网精益管理，其核心在于面向供电管理目标、用户等关键资源，采用精准、统一的管理模式，其管理效率更高，更能实现精准化的数据资源调度，推动供电企业内部管理的标准化和现代化，提高配网管理的总体质量，通过实施本申请所述的方法，全面、准确地收集配网设备的基础数据信息，包括设备信息、拓扑结构信息、位置构成信息，并基于设备的功能相似匹配和增量学习，实现设备的自动化配置和管理，提高电力供应的稳定性和质量。
具体的，与OCS（Operational Control System，一体化调度运行控制系统）系统建立连接，确保OCS系统与本申请所述的系统之间的数据传输和通信是稳定和可靠的，需要使用特定的通信协议、接口或数据传输方式；定义与OCS系统通信的接口和数据格式，确保系统之间能够正确解析和传输所需的数据；
通过系统连接，从OCS系统将所述基础数据信息集传输至本申请所述的系统中，所述基础数据信息集中的元素包括设备信息、拓扑结构信息、位置构成信息，所述设备信息采用与设备铭牌上的信息同样的数据结构存储在OCS系统中、所述拓扑结构信息采用网状结构存储在OCS系统中、所述位置构成信息可以采用三维坐标系结构存储于OCS系统中（每个设备都可以通过三维坐标系中的x、y、z坐标来表示其在空间中的位置）；
在OCS系统中，将设备信息、拓扑结构信息、位置构成信息存储在OCS系统中进行集中化的整合（包括数据清洗、整理和格式化），形成基础数据信息集，故而，通过设备信息了解设备的型号、性能等属性，利用设备信息和位置信息进行电力负荷预测和优化，提高能源利用效率；通过拓扑结构信息了解设备之间的连接关系，以及通过位置构成信息了解设备在空间中的分布情况，利用拓扑结构信息进行故障诊断和恢复，提高供电可靠性；使用位置构成信息，实现对配电网的更精确、更全面的管理和监控，例如，可以利用位置信息进行设备的定位和跟踪，提高运维效率。
建立配网设备的分级节点，具体的，根据设备的类型、功能、性能等属性，将设备划分为不同的等级，例如，可以根据设备的电压等级、重要性等因素进行划分；为每个设备等级创建一个设备级分级节点，所述设备级分级节点可以表示为树状结构或层次结构，其中，每个节点代表一个设备等级；根据设备的功能、组成或结构，将设备拆解为更小的粒度，例如，一个变压器可以被拆解为多个部件或组件；为每个拆解的粒度创建一个粒度分级节点，所述粒度分级节点可以表示为更细粒度的树状结构或层次结构；根据设备的拓扑结构和位置构成信息，将设备级分级节点和粒度分级节点进行关联，节点关联表示为节点之间的直接连接或依赖关系；最终建立起配网设备的分级节点结构。建立与OCS系统的系统通信，并基于系统通信建立基础数据信息集，同时，通过解析基础数据信息集，可以构建配网设备的分级节点，为后续的配网管理和优化提供基础支持。
Step-3：对分级节点进行数据流分析，通过数据流分析结果和分级节点配置算力自适应终端，其中，算力自适应终端至少与一个分级节点建立通信；
Step-4：基于所述基础数据信息搭建全景三维模型，并依据所述分级节点和所述算力自适应终端进行全景三维模型的模型配置；
具体的，收集与分级节点相关的数据流信息，包括设备信息对应的设备运行数据的数据流、拓扑结构信息对应的拓扑结构的变化的数据流、位置构成信息对应的位置构成的数据流；使用适当的数据流分析工具，对收集到的数据流信息进行分析，识别数据流的趋势和异常，以了解分级节点的运行状态和性能；根据数据流分析结果，确定每个分级节点的数据流特征，比如，设备运行数据对应的分级节点的数据流特征包括设备负载率（设备在固定时间分段内的平均负载情况，用于评估设备的处理能力和资源利用率）、设备响应时间（设备对请求或指令的响应速度，反映设备的处理能力和效率）、设备故障率（设备在特定时间段内发生故障的次数，用于评估设备的稳定性和可靠性）；拓扑结构信息对应的分级节点的数据流特征包括拓扑结构变化频率（设备之间连接关系的改变频率，反映网络的动态性和稳定性）、拓扑结构变化类型（拓扑结构变化的类型和范围，如增加、删除、修改等，用于评估网络变化的复杂性和影响范围）；位置构成信息对应的分级节点的数据流特征包括设备位置分布、设备移动轨迹、位置变化频率；
从算力分配角度、关联角度，通过数据流分析结果和分级节点配置算力自适应终端，其中，算力自适应终端至少与一个分级节点建立通信，算力分配角度：根据数据流分析结果，确定每个分级节点所需的算力，包括计算节点的数据处理能力、通信带宽、计算密集度等因素，对照每个分级节点所需的算力，动态调整算力自适应终端的算力分配，以确保满足分级节点的运行需求；关联角度：通过分析分级节点之间的数据流关联，确定分级节点之间的依赖关系和通信频率，进而优化算力自适应终端的配置，以提高通信效率、减少资源浪费并增强系统的稳定性。
具体的，在Rhino(软件名)、Blender(软件名)或其他任意三维建模工具中，使用基础数据信息集中的设备信息、拓扑结构信息和位置构成信息，搭建全景三维模型，所述全景三维模型包括配电网的物理结构、设备分布和连接关系；
依据所述分级节点和所述算力自适应终端进行全景三维模型的模型配置，包括：将分级节点和算力自适应终端集成到全景三维模型中，可以通过在模型中添加相应的节点、设备和连接来表示；根据分级节点的数据流分析和算力自适应终端的配置，对全景三维模型进行相应的配置调整，包括节点的位置调整、连接线的绘制、设备参数的设定等。对分级节点进行数据流分析，并根据分析结果和分级节点配置算力自适应终端，同时，基于基础数据信息搭建全景三维模型，并根据分级节点和算力自适应终端进行模型的配置，有助于提供更直观的配电网管理。
Step-5：通过数据中心接收所述算力自适应终端的终端反馈，基于反馈结果生成第一预警信号；
Step-6：基于所述数据中心进行所述反馈结果的结果分析，生成第二预警信号，将所述第一预警信号和所述第二预警信号通过全景三维模型显示。
具体的，建立与算力自适应终端的数据通信，确保数据中心能够接收并处理来自终端的反馈数据；定义数据通信的格式、协议和频率，确保数据的准确性和实时性；在数据中心设置接收终端反馈的接口或模块，用于接收和处理来自算力自适应终端的反馈数据；
预设预警阈值是指为判断终端的反馈结果是否触发预警而预设的设备状态和性能指标的临界值，例如，额定功率、额定电压、额定电流，对于一台变压器，其额定运行指标包括额定电压、额定电流、额定功率等，当反馈数据中显示变压器的实际运行参数超过额定电压和/或额定电流和/或额定功率时，触发第一预警信号，提示可能处于超负荷运行状态，需要采取相应的措施以避免设备过热、性能下降或故障；另外，预设预警阈值也可以根据不同设备的特性，以及实际运行经验进行个性化设置，例如，对于关键设备或重要线路，可能需要设置更为严格的预警阈值，以确保其稳定运行；而对于非关键设备或一般线路，可以设置相对宽松的预警阈值，以减少不必要的预警；
基于反馈结果生成第一预警信号，包括，对接收到的终端反馈数据进行解析和处理，提取与设备状态、性能相关的关键信息；根据所述预设预警阈值，判断反馈数据是否触发预警，如果触发，则生成相应的第一预警信号，第一预警信号是指包括设备故障、异常运行等运行警告信息。
基于所述数据中心进行所述反馈结果的结果分析，生成第二预警信号，具体的，数据中心会接收到来自各个终端设备的反馈数据；数据中心会并对反馈数据进行深入的分析，包括统计、趋势分析、关联规则挖掘等；通过分析，数据中心可以识别出潜在的问题和风险，存在的潜在的问题和风险包括系统稳定性下降、网络拥塞、数据传输异常等；一旦识别出问题，数据中心就会生成相应的第二预警信号。
第一预警信号和第二预警信号在以下方面存在区别：触发方式角度：第一预警信号是基于终端反馈数据生成的，通过解析和处理终端反馈数据，提取与设备状态、性能相关的信息，然后根据预设的预警阈值判断是否触发预警；而第二预警信号是基于数据中心的结果分析生成的，通过深入分析反馈结果，识别潜在的问题和风险，然后生成相应的预警信号。预警内容角度：第一预警信号通常是对设备故障、异常运行等运行警告信息的提示，而第二预警信号是对系统稳定性下降、网络拥塞等更全局性的问题的预警，综上所述，第一预警信号和第二预警信号在触发方式和预警内容等方面存在区别，分别用于不同类型的预警和问题处理。
之后，将生成的第一预警信号和第二预警信号与全景三维模型进行关联，可以通过在模型中添加相应的预警标记、颜色来实现；使用全景三维模型的可视化功能，将预警信号以直观的方式展示给用户，通过以上步骤，可以通过数据中心接收算力自适应终端的终端反馈，基于反馈结果生成预警信号，并进行结果分析，并通过全景三维模型进行可视化展示，实现对配网的实时监测和预警，提高管理效率。
进一步而言，如图2所示，本申请方法还包括：
通过预设信息建立标定算力约束；
将所述分级节点激活为可复制节点，通过所述标定算力约束、节点关联进行分级节点的聚类，其中，聚类过程为分级节点的复用聚类过程；
基于聚类结果的数据流特征进行算力的宽容配置，通过宽容配置结果和聚类结果完成算力自适应终端配置。
所述预设信息包括配网设备的安全策略和标准要求，比如GB T 37136-2018《电力用户供配电设施运行维护规范》、GB/T 25296-2022《电气设备安全通用试验导则》，安全策略和标准要求可能会对设备的运行和性能产生影响，例如数据加密、备份等可能需要占用一部分算力；根据配网设备的对应的预设信息，对预设信息进行编码和存储，并以此构建标定算力约束，所述标定算力约束包括设备的计算能力、存储能力、通信能力等；
在完成基础数据信息集和分级节点的建立后，选择需要激活的分级节点；通过特定的激活机制，如复制、引用或指针等方式，使分级节点具备可复制的能力，在后续的聚类过程中，可以方便地复制和引用所述可复制节点；通过所述标定算力约束对激活为可复制的分级节点进行筛选，排除不符合约束条件的节点，之后，基于分级节点之间的关联性，如设备信息、拓扑结构、位置等的相似性，进行分级节点的聚类，其中，分级节点的聚类过程是一个复用聚类的过程，即相似的节点会被聚到同一类；
对聚类后的结果进行分析，提取聚类后的各类别的数据流特征，如数据流量、频率、峰值等；在标定算力约束下，根据所述数据流特征，进行算力的宽容配置，宽容配置过程需要考虑到算力的分配和关联两个角度，以确保各级节点在满足性能需求的同时，也能保持高效的协同工作；将宽容配置的结果应用到聚类后的分级节点上，实现算力自适应终端的初步配置，通过实际运行测试和反馈调整，对初步配置的算力自适应终端进行优化和完善，需要通过多次迭代和调整，以达到最优的运行效果。基于预设信息和分级节点聚类的算力自适应终端配置，提高配网设备的运行效率。
进一步而言，本申请方法还包括：
设置算力与关联的聚类约束；
通过所述聚类约束对分级节点的聚类淘汰判定，生成初始聚类结果；
对所述初始聚类结果进行标定算力约束的约束评价；
若约束评价结果在预设阈值之内，则将对应的初始聚类结果进行算力的宽容配置；
若约束评价结果不在所述预设阈值之内，则依据标定算力约束执行对应初始聚类结果的取整分割，获得最小取整数；
通过最小取整数完成对应初始聚类结果分割，并建立分割关联；
基于分割后的初始聚类结果和分割关联进行算力的宽容配置。
在进行分级节点的聚类之前，需要设置聚类约束，所述聚类约束即聚类淘汰约束，比如在整体算力超过标定值多少，关联度多少的时候保留还是删除新增的聚类数据，聚类约束包括算力与关联两个维度，其中，算力约束可以设定为整体算力超过标定值的比例，例如，如果标定算力约束对应的阈值是13，那么当整体算力超过13时，就需要进行聚类淘汰；关联约束可以设定为节点之间的关联度阈值：当节点之间的关联度低于关联约束对应的阈值时，可以认为节点之间的关联度不够强，需要在节点之间进行聚类淘汰。
直接设置算力与关联的聚类约束可能无法更好的均衡算力与节点之间关联，所得的初始聚类结果可能不是最优的，可能存在算力分布不均、聚类质量下降的问题，为了避免上述问题，对所述初始聚类结果进行标定算力约束的约束评价：若约束评价结果在预设阈值之内，则将对应的初始聚类结果进行算力的宽容配置；
根据所设置的聚类约束，对分级节点进行聚类淘汰判定，即，对于不符合聚类约束的节点，进行淘汰处理；经过淘汰处理后，生成初始聚类结果，对初始聚类结果进行标定算力约束的约束评价，即，根据所设置的标定算力约束条件，对初始聚类结果的算力情况进行评估，如果初始聚类结果的算力情况满足标定算力约束条件，那么可以认为初始聚类结果是符合宽容扩充中的标定算力约束；将对应的初始聚类结果进行算力的宽容配置，具体的，可以按比例约束，比如，评价对应的预设阈值是1.3，若初始聚类结果对应的评价值在1.3以内，直接宽扩充；
优选的，若约束评价结果不在所述预设阈值之内，则依据标定算力约束执行对应初始聚类结果的取整分割，获得最小取整数，比如，评价对应的预设阈值是1.3，若初始聚类结果对应的评价值超过1.3，可以分批配置，原有的初始聚类结果评价值在1.4，分割为两个的组合之后，进行组合。
对分割后的初始聚类结果进行算力的宽容配置，可以对每个分割后的子聚类结果进行独立的算力配置，例如，根据分割关联中节点之间的关联度，对每个子聚类结果的算力进行相应的调整和优化：如果分割关联中节点之间的关联度较高，那么可以对关联度较高的初始聚类结果中多个类别的算力进行相应的增加，例如，分割为两个的组合中的任意一个类别的算力增加至9，剩下的另一个类别的算力同样需要调整至9，以更好地满足业务需求和服务级别协议。通过设置算力与关联的聚类约束，对分级节点进行聚类淘汰判定，生成初始聚类结果，考虑到节点的关联性和完整性等因素；基于设置算力与关联的聚类约束的分级节点的聚类淘汰判定、约束评价、算力宽容配置。
进一步而言，本申请方法还包括：
建立预警等级与频闪、颜色的映射数据集；
通过所述第一预警信号和所述第二预警信号进行预警等级评价，确定实时预警等级；
通过所述实时预警等级和所述映射数据集生成预警约束；
基于所述预警约束完成全景三维模型显示控制。
确定预警等级与频闪、颜色之间的映射关系，将映射关系编码，得到预警等级与频闪、颜色的映射数据集。
确定预警等级与频闪、颜色之间的映射关系，可以通过收集实际数据、专家意见或其他方法来确定；通过预警等级与频闪、颜色之间的映射关系编码成数据集，其中包含每个预警等级对应的频闪和颜色信息；接收来自数据中心的第一预警信号和第二预警信号，根据第一预警信号和第二预警信号进行预警等级评价，可以通过一定的规则来确定，例如基于信号的严重程度、持续时间等；根据每一条预警对应的评价结果，确定实时预警等级，所述实时预警等级是基于所述映射数据集对应的一条或多条预警所得的预警等级。
根据实时预警等级和映射数据集，生成相应的预警约束，所述预警约束可以是频闪的频率、颜色的变化等，例如，如果实时预警等级为黄色（表示最高风险），则可能需要在全景三维模型中以更高的频率频闪，或者显示更醒目的其他颜色；根据生成的预警约束，对全景三维模型进行显示控制。这可能包括调整模型的视觉效果、动画效果或其他相关设置，例如，如果需要以更高的频率频闪，则可以在全景三维模型中增加相应的动画效果；如果需要显示更醒目的颜色，则可以调整模型的颜色设置。基于预警信号进行预警等级评价，并生成相应的预警约束，之后，基于这些约束完成全景三维模型的显示控制，为用户提供更直观、更有效的预警信息。
进一步而言，本申请方法还包括：
通过所述实时预警等级建立初始响应窗口和时序递增系数；
若在初始响应窗口内未进行预警位置的维护处理，则在初始响应窗口结束节点进行累计计时；
通过所述时序递增系数和累计计时结果生成时序增长的预警显示持续约束；
通过所述预警显示持续约束进行全景三维模型的显示控制。
根据实时预警等级，建立相应的初始响应窗口，所述初始响应窗口用于表征一个时间范围，表示在接收到预警信号后，系统需要有一定的响应时间；同时，根据预警等级和实际情况，确定时序递增系数，所述时序递增系数可以表示随着预警等级的增加，响应窗口的持续时间或显示约束如何增加。
在初始响应窗口内，需要检查是否进行了预警位置的维护处理：如果没有进行维护处理，那么在初始响应窗口结束时，开始累计计时，在初始响应窗口结束节点进行累计计时可以用于后续的预警显示持续约束计算。根据时序递增系数和累计计时结果，生成时序增长的预警显示持续约束，预警显示持续约束可以根据预警等级和累计时间来调整全景三维模型的显示效果，例如，随着累计时间的增加，预警的显示持续约束可以逐渐加强，以提醒用户更加关注预警信息。
根据生成的预警显示持续约束，对全景三维模型进行显示控制。这可能包括调整模型的动画效果、颜色或其他相关设置，例如，如果预警显示持续约束要求加强显示效果，那么可以在全景三维模型中增加更明显的动画效果或更醒目的颜色。可以基于实时预警等级建立初始响应窗口和时序递增系数，并根据这些参数生成时序增长的预警显示持续约束，然后进行全景三维模型的显示控制，为用户提供精准、动态的预警信息。
进一步而言，本申请方法还包括：
对所述算力自适应终端进行设备的功能相似匹配，根据功能相似匹配结果生成建立约束；
提取所述功能相似匹配结果的基础功能，以所述基础功能为训练目标，执行初始功能网络训练；
当初始功能网络训练完成，则通过所述建立约束进行初始功能网络的增量学习，基于增量学习结果完成算力自适应终端建立。
对算力自适应终端中的各个设备进行功能相似性匹配，可以通过比较设备的功能描述、性能参数、使用场景等因素来实现，找出具有相似功能的设备，并将其归类到同一功能组中；根据功能相似匹配的结果，生成相应的约束条件，包括设备的可用算力、网络连接情况、数据传输速率等，将用于后续的初始功能网络训练和增量学习。
在本申请实施例中，对于聚类算法而言，基础功能通常是指聚类算法能够实现的最基本的、最核心的功能，包括：相似度计算（聚类算法需要能够计算不同数据点之间的相似度或距离，以便将相似度较高的数据点归为一类）、聚类形成、聚类优化，从功能相似匹配结果中提取基础功能，以基础功能为训练目标，执行初始功能网络的训练，可以使用深度学习、神经网络或其他机器学习算法来完成。
当初始功能网络训练完成后，根据之前建立的约束条件，进行增量学习，增量学习是一种在已有模型基础上添加新知识和能力的机器学习方法，通过增量学习，不断优化和改进初始功能网络，使其更好地适应实际应用场景和需求，基于增量学习结果，完成算力自适应终端的建立，算力自适应终端能够根据实际运行情况自动调整算力分配，以实现最优的性能和效率。对算力自适应终端进行设备的功能相似匹配，并根据功能相似匹配结果生成建立约束，然后，以基础功能为训练目标执行初始功能网络训练，并在完成训练后进行增量学习，最终完成算力自适应终端的建立，有助于提高设备的运行效率和性能，满足实际应用的需求。
进一步而言，本申请方法还包括：
判断所述第一预警信号和所述第二预警信号是否触发预警保护；
当触发预警保护时，则将满足预警保护的分级节点执行节点隔离，并将隔离结果同步显示在所述全景三维模型，其中，显示结果与预警结果具有显示关联。
根据预定的预警保护触发条件，判断第一预警信号和第二预警信号是否满足预定的预警保护触发条件，触发条件可能包括特定的数值阈值（如设备温度、电压、电流等超过安全范围）、持续时间（如故障持续时间超过一定时长）、信号频率（如短时间内多次收到同类预警信号）或其他相关因素；如果满足预警保护触发条件，则进行下一步处理；否则，继续监控和判断。
当预警保护被触发时，根据预警信号和相关规则，确定需要进行隔离的分级节点，所述分级节点可能是设备、系统组件或任何其他可隔离的实体，通过隔离，执行对满足预警保护条件的分级节点的隔离操作，包括断开连接、限制访问或设置防火墙等措施，断开与问题节点的连接或将其从网络中移除，以防止问题扩大或影响其他节点。
在执行节点隔离的同时，将隔离结果显示在全景三维模型中，可以通过将模型中的相关部分更新为反映隔离状态来实现，确保显示结果与预警结果具有关联性，例如，可以使用不同的颜色、标记或动画效果来指示受影响的节点或与预警级别相对应的区域。实现在判断第一预警信号和第二预警信号触发预警保护时，执行相应的节点隔离操作，并将隔离结果显示在全景三维模型中，以便提供直观、可视化的预警和故障排除指示。
综上所述，本申请实施例所提供的一种配网精益化全景监测方法具有如下技术效果：
1．通过与OCS系统的系统通信，建立基础数据信息集，实现对配网设备信息的全面采集。
2．通过建立配网设备的分级节点，实现全覆盖的监测，及时发现和解决问题。
3．通过数据流分析和算力自适应终端的配置，实现对配网的实时监测和预警，提高管理效率。
4．通过全景三维模型的建立和显示控制，实现设备的自动化配置和管理，提供直观、全面的配网运行状态展示，便于管理人员进行决策和调度，提高管理效率。
5．由于采用了通过实时预警等级建立初始响应窗口和时序递增系数；若在初始响应窗口内未进行预警位置的维护处理，则在初始响应窗口结束节点进行累计计时；通过时序递增系数和累计计时结果生成时序增长的预警显示持续约束；通过预警显示持续约束进行全景三维模型的显示控制。可以基于实时预警等级建立初始响应窗口和时序递增系数，并根据这些参数生成时序增长的预警显示持续约束，然后进行全景三维模型的显示控制，为用户提供精准、动态的预警信息。
实施例
基于与前述实施例中一种配网精益化全景监测方法相同的发明构思，如图3所示，本申请实施例提供了一种配网精益化全景监测系统，其中，所述系统包括：
通信建立模块100，用于建立与OCS系统的系统通信，并基于系统通信建立基础数据信息集，其中，所述基础数据信息集包括设备信息、拓扑结构信息、位置构成信息；
分级节点建立模块200，用于建立配网设备的分级节点，所述分级节点通过解析所述基础数据信息集构建而成，构建如下：基于设备信息确定设备等级，建立设备级分级节点，并基于所述设备信息进行设备的多粒度拆解，基于多粒度拆解结果生成粒度分级节点，并依据所述拓扑结构信息和所述位置构成信息进行设备级分级节点、粒度分级节点的节点关联，完成分级节点建立；
数据流分析模块300，用于对分级节点进行数据流分析，通过数据流分析结果和分级节点配置算力自适应终端，其中，算力自适应终端至少与一个分级节点建立通信；
模型配置模块400，用于基于所述基础数据信息搭建全景三维模型，并依据所述分级节点和所述算力自适应终端进行全景三维模型的模型配置；
第一预警信号生成模块500，用于通过数据中心接收所述算力自适应终端的终端反馈，基于反馈结果生成第一预警信号；
第二预警信号生成模块600，用于基于所述数据中心进行所述反馈结果的结果分析，生成第二预警信号，将所述第一预警信号和所述第二预警信号通过全景三维模型显示。
进一步的，所述系统还包括：
通过预设信息建立标定算力约束；
将所述分级节点激活为可复制节点，通过所述标定算力约束、节点关联进行分级节点的聚类，其中，聚类过程为分级节点的复用聚类过程；
基于聚类结果的数据流特征进行算力的宽容配置，通过宽容配置结果和聚类结果完成算力自适应终端配置。
进一步的，所述系统还包括：
设置算力与关联的聚类约束；
通过所述聚类约束对分级节点的聚类淘汰判定，生成初始聚类结果；
对所述初始聚类结果进行标定算力约束的约束评价；
若约束评价结果在预设阈值之内，则将对应的初始聚类结果进行算力的宽容配置；
若约束评价结果不在所述预设阈值之内，则依据标定算力约束执行对应初始聚类结果的取整分割，获得最小取整数；
通过最小取整数完成对应初始聚类结果分割，并建立分割关联；
基于分割后的初始聚类结果和分割关联进行算力的宽容配置。
进一步的，所述系统还包括：
建立预警等级与频闪、颜色的映射数据集；
通过所述第一预警信号和所述第二预警信号进行预警等级评价，确定实时预警等级；
通过所述实时预警等级和所述映射数据集生成预警约束；
基于所述预警约束完成全景三维模型显示控制。
进一步的，所述系统还包括：
通过所述实时预警等级建立初始响应窗口和时序递增系数；
若在初始响应窗口内未进行预警位置的维护处理，则在初始响应窗口结束节点进行累计计时；
通过所述时序递增系数和累计计时结果生成时序增长的预警显示持续约束；
通过所述预警显示持续约束进行全景三维模型的显示控制。
进一步的，所述系统还包括：
对所述算力自适应终端进行设备的功能相似匹配，根据功能相似匹配结果生成建立约束；
提取所述功能相似匹配结果的基础功能，以所述基础功能为训练目标，执行初始功能网络训练；
当初始功能网络训练完成，则通过所述建立约束进行初始功能网络的增量学习，基于增量学习结果完成算力自适应终端建立。
进一步的，所述系统还包括：
判断所述第一预警信号和所述第二预警信号是否触发预警保护；
当触发预警保护时，则将满足预警保护的分级节点执行节点隔离，并将隔离结果同步显示在所述全景三维模型，其中，显示结果与预警结果具有显示关联。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种配网精益化全景监测系统，其特征在于，所述系统包括：
通信建立模块，用于建立与OCS系统的系统通信，并基于系统通信建立基础数据信息集，其中，所述基础数据信息集包括设备信息、拓扑结构信息、位置构成信息；
分级节点建立模块，用于建立配网设备的分级节点，所述分级节点通过解析所述基础数据信息集构建而成，构建如下：基于设备信息确定设备等级，建立设备级分级节点，并基于所述设备信息进行设备的多粒度拆解，基于多粒度拆解结果生成粒度分级节点，并依据所述拓扑结构信息和所述位置构成信息进行设备级分级节点、粒度分级节点的节点关联，完成分级节点建立；
数据流分析模块，用于对分级节点进行数据流分析，从算力分配角度、关联角度，通过数据流分析结果和分级节点配置算力自适应终端，其中，算力自适应终端至少与一个分级节点建立通信；
其中，对数据节点进行数据流分析包括：收集与分级节点相关的数据流信息，使用数据流分析工具，对收集到的数据流信息进行分析，识别数据流的趋势和异常，其中，所述数据流信息包括设备信息对应的设备运行数据的数据流、拓扑结构信息对应的拓扑结构的变化的数据流、位置构成信息对应的位置构成的数据流；
所述算力分配角度包括：根据数据流分析结果，确定每个分级节点所需的算力，对照每个分级节点所需的算力，动态调整算力自适应终端的算力分配，其中，所述确定每个分级节点所需的算力包括计算节点的数据处理能力、通信带宽、计算密集度；
所述关联角度包括：通过分析分级节点之间的数据流关联，确定分级节点之间的依赖关系和通信频率；
模型配置模块，用于基于所述基础数据信息搭建全景三维模型，并依据所述分级节点和所述算力自适应终端进行全景三维模型的模型配置；
第一预警信号生成模块，用于通过数据中心接收所述算力自适应终端的终端反馈，基于反馈结果生成第一预警信号；
第二预警信号生成模块，用于基于所述数据中心进行所述反馈结果的结果分析，生成第二预警信号，将所述第一预警信号和所述第二预警信号通过全景三维模型显示。
2.如权利要求1所述的一种配网精益化全景监测系统，其特征在于，所述系统还包括：
通过预设信息建立标定算力约束；
将所述分级节点激活为可复制节点，通过所述标定算力约束、节点关联进行分级节点的聚类，其中，聚类过程为分级节点的复用聚类过程；
基于聚类结果的数据流特征进行算力的宽容配置，通过宽容配置结果和聚类结果完成算力自适应终端配置。
3.如权利要求2所述的一种配网精益化全景监测系统，其特征在于，所述系统还包括：
设置算力与关联的聚类约束；
通过所述聚类约束对分级节点的聚类淘汰判定，生成初始聚类结果；
对所述初始聚类结果进行标定算力约束的约束评价；
若约束评价结果在预设阈值之内，则将对应的初始聚类结果进行算力的宽容配置；
若约束评价结果不在所述预设阈值之内，则依据标定算力约束执行对应初始聚类结果的取整分割，获得最小取整数；
通过最小取整数完成对应初始聚类结果分割，并建立分割关联；
基于分割后的初始聚类结果和分割关联进行算力的宽容配置。
4.如权利要求1所述的一种配网精益化全景监测系统，其特征在于，所述系统还包括：
建立预警等级与频闪、颜色的映射数据集；
通过所述第一预警信号和所述第二预警信号进行预警等级评价，确定实时预警等级；
通过所述实时预警等级和所述映射数据集生成预警约束；
基于所述预警约束完成全景三维模型显示控制。
5.如权利要求4所述的一种配网精益化全景监测系统，其特征在于，所述系统还包括：
通过所述实时预警等级建立初始响应窗口和时序递增系数；
若在初始响应窗口内未进行预警位置的维护处理，则在初始响应窗口结束节点进行累计计时；
通过所述时序递增系数和累计计时结果生成时序增长的预警显示持续约束；
通过所述预警显示持续约束进行全景三维模型的显示控制。
6.如权利要求1所述的一种配网精益化全景监测系统，其特征在于，所述系统还包括：
对所述算力自适应终端进行设备的功能相似匹配，根据功能相似匹配结果生成建立约束；
提取所述功能相似匹配结果的基础功能，以所述基础功能为训练目标，执行初始功能网络训练；
当初始功能网络训练完成，则通过所述建立约束进行初始功能网络的增量学习，基于增量学习结果完成算力自适应终端建立。
7.如权利要求1所述的一种配网精益化全景监测系统，其特征在于，所述系统还包括：
判断所述第一预警信号和所述第二预警信号是否触发预警保护；
当触发预警保护时，则将满足预警保护的分级节点执行节点隔离，并将隔离结果同步显示在所述全景三维模型，其中，显示结果与预警结果具有显示关联。
8.一种配网精益化全景监测方法，其特征在于，用于实施权利要求1-7任意一项所述的一种配网精益化全景监测系统，包括：
建立与OCS系统的系统通信，并基于系统通信建立基础数据信息集，其中，所述基础数据信息集包括设备信息、拓扑结构信息、位置构成信息；
建立配网设备的分级节点，所述分级节点通过解析所述基础数据信息集构建而成，构建如下：基于设备信息确定设备等级，建立设备级分级节点，并基于所述设备信息进行设备的多粒度拆解，基于多粒度拆解结果生成粒度分级节点，并依据所述拓扑结构信息和所述位置构成信息进行设备级分级节点、粒度分级节点的节点关联，完成分级节点建立；
对分级节点进行数据流分析，通过数据流分析结果和分级节点配置算力自适应终端，其中，算力自适应终端至少与一个分级节点建立通信；
其中，对数据节点进行数据流分析包括：收集与分级节点相关的数据流信息，使用数据流分析工具，对收集到的数据流信息进行分析，识别数据流的趋势和异常，其中，所述数据流信息包括设备信息对应的设备运行数据的数据流、拓扑结构信息对应的拓扑结构的变化的数据流、位置构成信息对应的位置构成的数据流；
所述算力分配角度包括：根据数据流分析结果，确定每个分级节点所需的算力，对照每个分级节点所需的算力，动态调整算力自适应终端的算力分配，其中，所述确定每个分级节点所需的算力包括计算节点的数据处理能力、通信带宽、计算密集度；
所述关联角度包括：通过分析分级节点之间的数据流关联，确定分级节点之间的依赖关系和通信频率；
基于所述基础数据信息搭建全景三维模型，并依据所述分级节点和所述算力自适应终端进行全景三维模型的模型配置；
通过数据中心接收所述算力自适应终端的终端反馈，基于反馈结果生成第一预警信号；
基于所述数据中心进行所述反馈结果的结果分析，生成第二预警信号，将所述第一预警信号和所述第二预警信号通过全景三维模型显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410315969.1A CN117914005B (zh) | 2024-03-20 | 2024-03-20 | 一种配网精益化全景监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410315969.1A CN117914005B (zh) | 2024-03-20 | 2024-03-20 | 一种配网精益化全景监测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117914005A CN117914005A (zh) | 2024-04-19 |
| CN117914005B true CN117914005B (zh) | 2024-06-11 |
Family
ID=90684010
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410315969.1A Active CN117914005B (zh) | 2024-03-20 | 2024-03-20 | 一种配网精益化全景监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117914005B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111030188A (zh) * | 2019-11-28 | 2020-04-17 | 云南电网有限责任公司电力科学研究院 | 一种含分布式和储能的分层分级控制策略 |
| CN115333112A (zh) * | 2022-09-16 | 2022-11-11 | 广东电网有限责任公司 | 一种电网调控系统及调控方法 |
| CN117692345A (zh) * | 2024-02-01 | 2024-03-12 | 山东厚普信息技术有限公司 | 一种基于人工智能的it运营方法及系统 |
-
2024
- 2024-03-20 CN CN202410315969.1A patent/CN117914005B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111030188A (zh) * | 2019-11-28 | 2020-04-17 | 云南电网有限责任公司电力科学研究院 | 一种含分布式和储能的分层分级控制策略 |
| CN115333112A (zh) * | 2022-09-16 | 2022-11-11 | 广东电网有限责任公司 | 一种电网调控系统及调控方法 |
| CN117692345A (zh) * | 2024-02-01 | 2024-03-12 | 山东厚普信息技术有限公司 | 一种基于人工智能的it运营方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| "基于调配一体化的配网综合智能告警系统研究";章立宗等;《能源工程》;20160630(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117914005A (zh) | 2024-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108964995A (zh) | 基于时间轴事件的日志关联分析方法 | |
| CN107273273A (zh) | 一种分布式集群硬件故障预警方法及系统 | |
| CN110891283A (zh) | 一种基于边缘计算模型的小基站监控装置及方法 | |
| CN103544093A (zh) | 监控报警控制方法及其系统 | |
| CN106130185A (zh) | 一种基于状态监测信息的变电站监控系统建模方法 | |
| CN113676534B (zh) | 基于边缘计算的桥梁数据上传方法 | |
| CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
| CN110427298A (zh) | 一种分布式日志的自动特征提取方法 | |
| CN111176953A (zh) | 一种异常检测及其模型训练方法、计算机设备和存储介质 | |
| CN118174456B (zh) | 一种自感知监测智能化控制配电系统 | |
| CN109149776A (zh) | 应用于智能电网的输电线路可靠监测系统 | |
| CN117792864A (zh) | 一种告警处理方法、装置、存储介质及电子装置 | |
| CN118607799A (zh) | 基于物联网的企业能源采集与碳排放智能管理系统 | |
| CN118312888A (zh) | 一种基于楼宇设备微观故障检测模型的训练方法及装置 | |
| WO2024066720A1 (zh) | 指标阈值的确定方法、装置、存储介质及电子装置 | |
| CN117914005B (zh) | 一种配网精益化全景监测系统及方法 | |
| CN203101932U (zh) | 变电设备状态接入控制器 | |
| CN117034149A (zh) | 故障处理策略确定方法、装置、电子设备和存储介质 | |
| CN109687592A (zh) | 变电站信息显示控制方法、装置及电子设备 | |
| CN113742400B (zh) | 一种基于自适应约束条件的网络数据获取系统及方法 | |
| CN113642171A (zh) | 一种基于大数据的输变电设备健康状态评估系统及方法 | |
| CN118095657B (zh) | 基于设备统一信息模型的数字化业务管理方法及系统 | |
| Qiu et al. | Automatic feature extraction model of power iot terminal | |
| CN117255057A (zh) | 一种人装分离的车载业务系统状态数据分级传输设计方法 | |
| CN116743618B (zh) | 厂站远动设备的数据采集分析方法、设备及介质 |
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 |