CN117978837A - 一种电力数据采集传输方法及其系统 - Google Patents
一种电力数据采集传输方法及其系统 Download PDFInfo
- Publication number
- CN117978837A CN117978837A CN202410331245.6A CN202410331245A CN117978837A CN 117978837 A CN117978837 A CN 117978837A CN 202410331245 A CN202410331245 A CN 202410331245A CN 117978837 A CN117978837 A CN 117978837A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- time
- data
- actual measurement
- sensing parameters
- 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.)
- Granted
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims abstract description 165
- 238000005259 measurement Methods 0.000 claims abstract description 88
- 238000012544 monitoring process Methods 0.000 claims abstract description 38
- 238000004891 communication Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000005856 abnormality Effects 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000003139 buffering effect Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method 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
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005987 sulfurization reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Gas-Insulated Switchgears (AREA)
Abstract
本发明涉及电力系统领域，本发明公开了一种电力数据采集传输方法及其系统，包括根据传感参数实测数据判断是否出现异常事件，根据异常事件提取T‑N至T时刻采集到的传感参数实测数据，并通过电力通信单元和电力线传输至集中器；接收T‑N至T时刻采集到的传感参数实测数据，并根据电力通信单元和中继器将T‑N至T时刻采集到的传感参数实测数据无线传输给云处理端；根据T‑N至T时刻采集到的传感参数实测数据进行分析，以确定对应气体绝缘开关设备的异常结果，根据异常结果生成控制指令和报警指令，并反馈给智能监控终端；本发明有利于提高电力数据采集和传输的效率，以及及时发现设备异常或故障的情况。
Description
技术领域
本发明涉及电力系统领域，更具体地说，本发明涉及一种电力数据采集传输方法及其系统。
背景技术
气体绝缘开关设备（Gas Insulated Switchgear，GIS），其主要由开关、电流互感器、隔离开关、管道母线、穿线套管、伸缩节等设备组成，是一种用于电力系统中的高压电气设备，以用于控制、保护和隔离电路；相对于传统的油浸式或空气绝缘开关设备，气体绝缘开关设备采用绝缘气体（通常是硫化气体，如SF6）来替代空气或油作为绝缘介质，使其具备设备尺寸小、高绝缘性能和高度集成等优点；然而，在现有的电力系统中，气体绝缘开关设备的监测和控制通常依赖于离散的数据采集和手动干预；现有的电力数据采集传输方法通常受到数据丢失、传输延迟和设备故障的影响，这限制了对气体绝缘开关设备的实时监测和有效管理；因此，有必要提供一种更为高效、稳定和实时的电力数据采集传输方法，以满足不断增长的电力系统监测需求。
目前，缺乏针对气体绝缘开关设备进行的数据采集传输和数据监测分析的方法，虽存在部分相关文献，例如申请公开号为CN107749158A的中国专利公开了一种远程监测充气型电力设备气压的系统和方法，但对上述方法以及现有技术进行研究和实际应用发现，上述方法以及现有技术至少存在以下部分缺陷：
（1）缺乏对关键运行参数的实时监测和有效数据传输的能力，难以对设备状态进行准确评估和及时干预，难以确保电力数据采集和传输的稳定性；
（2）无法在获悉气体绝缘开关设备的运行数据的基础上，及时发现设备异常或故障的情况，进而不利于保障输电线路的安全。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种电力数据采集传输方法及其系统。
为实现上述目的，本发明提供如下技术方案：
一种电力数据采集传输系统，包括设置于气体绝缘开关设备上的智能监控终端、集中器和云处理端；所述智能监控终端、集中器和云处理端内均设置有电力通信单元，所述集中器与云处理端之间设置有中继器；其中，
所述智能监控终端，用于根据T时刻采集到传感参数实测数据判断是否出现异常事件，根据异常事件提取T-N至T时刻采集到的传感参数实测数据，并通过电力通信单元和电力线传输至集中器；所述传感参数实测数据包括温度实测值、气体浓度实测值、气压实测值、电流实测值和电压实测值，T和N均为大于零的整数；
所述集中器，用于接收T-N至T时刻采集到的传感参数实测数据，并根据电力通信单元和中继器将T-N至T时刻采集到的传感参数实测数据无线传输给云处理端；
所述云处理端，用于根据T-N至T时刻采集到的传感参数实测数据进行分析，以确定对应气体绝缘开关设备的异常结果，根据异常结果生成控制指令和报警指令，并依据电力通信单元、中继器、集中器和电力线将控制指令反馈给智能监控终端；所述异常结果包括故障发生时间、异常因素和异常部件。
进一步地，所述智能监控终端还包括数据存储单元和多个传感单元；多个所述传感单元用于采集气体绝缘开关设备的温度实测值、气体浓度实测值、气压实测值、电流实测值和电压实测值；所述数据存储单元用于缓存温度实测值、气体浓度实测值、气压实测值、电流实测值和电压实测值。
进一步地，所述根据T时刻采集到传感参数实测数据判断是否出现异常事件，包括：
提取T时刻采集到传感参数实测数据，以及获取预存的传感参数标准数据；
其中，所述传感参数标准数据包括温度值标准值、气体浓度标准值、气压值标准值、电流标准值和电压标准值；
基于T时刻采集到传感参数实测数据和传感参数标准数据计算出异常系数；其计算公式为：；式中：/>为异常系数，/>为第i个传感参数的实测值，/>为第i个传感参数的标准值，Q为传感参数总数；
将异常系数与预设异常系数区间进行比较，若异常系数属于预设异常系数区间，则判定在T时刻对应的气体绝缘开关设备出现异常事件；若异常系数不属于预设异常系数区间，则判定在T时刻对应的气体绝缘开关设备未出现异常事件。
进一步地，根据T-N至T时刻采集到的传感参数实测数据进行分析，包括：
将T-N至T时刻作为异常时间区间，获取在异常时间区间内每种传感参数的变动集合；
构建五个空坐标系，分别将每种传感参数的变动集合输入一个空坐标系中，以获取每种传感参数的参数趋势图；
获取每种传感参数的参数趋势图的变化平均幅值，将变化平均幅值大于预设变化平均幅值阈值的对应参数趋势图作为异常参数趋势图，将参数趋势图对应的传感参数作为异常传感参数；
获取异常传感参数的类型，并根据传感参数的类型与异常分析数据的映射关系，确定对应的异常分析数据；所述异常分析数据中包括多个异常原因、与每个异常原因对应的异常表现图以及与每个异常原因对应的设备组件；
通过余弦相似度算法计算每个异常原因对应的异常表现图与异常参数趋势图的相似度，得到K个相似度值；
对K个相似度值进行排序，将排序第一相似度值对应的异常原因作为异常因素，以及将异常原因对应的设备组件作为异常组件；
将异常因素和异常组件作为对应气体绝缘开关设备的异常结果。
进一步地，所述传感参数的变动集合包括温度传感参数的变动集合、浓度传感参数的变动集合、气压传感参数的变动集合、电流传感参数的变动集合和电压传感参数的变动集合；
所述温度传感参数的变动集合的获取逻辑如下：
获取异常时间区间内的温度实测值；
计算异常时间区间内每两个相邻温度实测值的差值，将每两个相邻温度实测值的差值作为温度变动值；
统计所有温度变动值，将所有温度变动值输入预构建的空集合中，得到温度传感参数的变动集合。
进一步地，根据T-N至T时刻采集到的传感参数实测数据进行分析，还包括：
将异常传感参数的类型、异常传感参数的变动集合以及异常部件的位置作为预测故障发生的特征数据；
将预测故障发生的特征数据输入预设的故障时间预测模型中，以预测对应异常部件的故障发生时间；
所述预设的故障时间预测模型的生成逻辑如下：
获取故障时间历史数据，将故障时间历史数据划分为故障时间训练集和故障时间测试集；所述故障时间历史数据包括预测故障发生的特征数据及其对应的故障发生时间；
构建回归网络，将故障时间训练集中预测故障发生的特征数据作为回归网络的输入数据，将故障时间训练集中的故障发生时间作为回归网络的输出数据，对回归网络进行训练，得到初始故障时间回归网络；
将所述对应异常部件的故障发生时间作为对应气体绝缘开关设备的异常结果。
进一步地，所述控制指令包括对应气体绝缘开关设备的标识信息、电路线切断命令和异常部件的关闭命令；所述报警指令包括故障发生时间、异常因素和异常部件；
所述智能监控终端，还用于根据控制指令在故障发生时间之前将与对应气体绝缘开关设备相连接的电路线切断，以及根据控制指令在故障发生时间之前停止对应异常部件的运行；
所述云处理端，还用于根据报警指令通知电力抢修部门对对应气体绝缘开关设备进行抢修。
一种电力数据采集传输方法，包括：
根据T时刻采集到的传感参数实测数据判断是否出现异常事件，根据异常事件提取T-N至T时刻采集到的传感参数实测数据，并通过电力通信单元和电力线传输至集中器；所述传感参数实测数据包括温度实测值、气体浓度实测值、气压实测值、电流实测值和电压实测值，T和N均为大于零的整数；
接收T-N至T时刻采集到的传感参数实测数据，并根据电力通信单元和中继器将T-N至T时刻采集到的传感参数实测数据无线传输给云处理端；
根据T-N至T时刻采集到的传感参数实测数据进行分析，以确定对应气体绝缘开关设备的异常结果，根据异常结果生成控制指令和报警指令，并依据电力通信单元、中继器、集中器和电力线将控制指令反馈给智能监控终端；所述异常结果包括故障发生时间、异常因素和异常部件。
进一步地，所述方法还包括：
根据控制指令在故障发生时间之前将与对应气体绝缘开关设备相连接的电路线切断，以及根据控制指令在故障发生时间之前停止对应异常部件的运行；
根据报警指令通知电力抢修部门对对应气体绝缘开关设备进行抢修。
相比于现有技术，本发明的有益效果在于：
1.本申请公开了一种电力数据采集传输方法及其系统，包括根据传感参数实测数据判断是否出现异常事件，根据异常事件提取T-N至T时刻采集到的传感参数实测数据，并通过电力通信单元和电力线传输至集中器； 接收T-N至T时刻采集到的传感参数实测数据，并根据电力通信单元和中继器将T-N至T时刻采集到的传感参数实测数据无线传输给云处理端；根据T-N至T时刻采集到的传感参数实测数据进行分析，以确定对应气体绝缘开关设备的异常结果，根据异常结果生成控制指令和报警指令，并反馈给智能监控终端；基于上述部件，本发明有利于能够对关键运行参数进行实时监测和有效数据传输，从而有利于对设备状态进行准确评估和及时干预，进而确保电力数据采集和传输的稳定性；
2.本申请公开了一种电力数据采集传输方法及其系统，通过基于采集到的关键运行参数进行大数据分析，本发明有利于及时发现设备异常或故障的情况，并提前采取相应应对措施，进而有利于保障输电线路的长久运行和安全。
附图说明
图1为本发明实施例1提供的一种电力数据采集传输系统的结构示意图；
图2为本发明实施例2提供的一种电力数据采集传输方法的流程图；
图3为本发明实施例3提供的一种电力数据采集传输方法的流程图。
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
请参阅图1所示，本实施例公开提供了一种电力数据采集传输系统，包括设置于气体绝缘开关设备上的智能监控终端110、集中器120和云处理端140；所述智能监控终端110、集中器120和云处理端140内均设置有电力通信单元，所述集中器120与云处理端之间设置有中继器130；其中，
所述智能监控终端110，用于根据T时刻采集到传感参数实测数据判断是否出现异常事件，根据异常事件提取T-N至T时刻采集到的传感参数实测数据，并通过电力通信单元和电力线传输至集中器120；所述传感参数实测数据包括温度实测值、气体浓度实测值、气压实测值、电流实测值和电压实测值，T和N均为大于零的整数；
具体的，所述智能监控终端110、集中器120、中继器130和云处理端140之间通过电气和/或无线网络方式连接；可理解的是，所述集中器120通过电力线分别与多个智能监控终端110相连接，在所述智能监控终端110中设置有电力通信单元，该智能监控终端110上的电力通信单元将T-N至T时刻采集到的传感参数实测数据调制成高频载波信号，并通过电力载波通信方式，将信息转化后的传感参数实测数据发送至集中器120，而集中器120上设置有无线技术的电力通信单元，该集中器120上的电力通信单元通过中继器130，并基于5G/4G网络将信息转化后的传感参数实测数据发送至云处理端140；
具体的，所述智能监控终端110还包括数据存储单元和多个传感单元；多个所述传感单元用于采集气体绝缘开关设备的温度实测值、气体浓度实测值、气压实测值、电流实测值和电压实测值；所述数据存储单元用于缓存温度实测值、气体浓度实测值、气压实测值、电流实测值和电压实测值；
需要说明的是：所述多个所述传感单元分别各类型的传感器，各类型的所述传感器包括但不限于温度传感器、SF6气体浓度传感器、气压传感器、电流传感器和电压传感器等；所述数据存储单元缓存数据的有效时间为3～5天，即每隔3～5天数据存储单元将清除上一周期采集到的传感参数实测数据；
在实施中，所述根据T时刻采集到传感参数实测数据判断是否出现异常事件，包括：
提取T时刻采集到传感参数实测数据，以及获取预存的传感参数标准数据；
应当明白的是：传感参数标准数据预存于系统数据，同传感参数标准数据一样，其同样包含温度、浓度、气压、电流和电压五个类型的传感参数；而传感参数标准数据限定了每种传感参数的标准值，即气体绝缘开关设备应处于的最佳温度、最佳浓度、最佳气压、最佳电流和最佳电压，其根据技术人员事先实验设定得到，对此不做过多赘述；
其中，所述传感参数标准数据包括温度值标准值、气体浓度标准值、气压值标准值、电流标准值和电压标准值；
基于T时刻采集到传感参数实测数据和传感参数标准数据计算出异常系数；其计算公式为：；式中：/>为异常系数，/>为第i个传感参数的实测值，/>为第i个传感参数的标准值，Q为传感参数总数；
将异常系数与预设异常系数区间进行比较，若异常系数属于预设异常系数区间，则判定在T时刻对应的气体绝缘开关设备出现异常事件；若异常系数不属于预设异常系数区间，则判定在T时刻对应的气体绝缘开关设备未出现异常事件；
可以理解的是：当出现异常事件时，系统才会将T-N至T时刻采集到的传感参数实测数据传输至集中器120；而未出现异常事件时，智能监控终端110不会采取任何数据上传操作；因而，依据异常事件进行偶发性的数据传输，有利于避免数据在传输过程中的延迟和拥堵情况，提高了电力数据的采集传输效率，同时可避免大量无用的数据处理和分析过程，大大降低了数据计算资源的浪费；
所述集中器120，用于接收T-N至T时刻采集到的传感参数实测数据，并根据电力通信单元和中继器130将T-N至T时刻采集到的传感参数实测数据无线传输给云处理端140；
可以明白的是：本申请电力载波技术将T-N至T时刻采集到的传感参数实测数据传输至集中器120，再利用中继器130和5G无线通信技术将T-N至T时刻采集到的传感参数实测数据远程传输至云处理端140；基于上述设备和通信技术的组合，结合各种通信技术的优点，有利于大大提高电力数据采集和传输的效率，以及提高电力数据采集和传输的稳定性，从而有利于对输电线路上的气体绝缘开关设备进行高效的安全监测和控制，进而有利于保障输电线路的安全和长久稳定运行；
所述云处理端140，用于根据T-N至T时刻采集到的传感参数实测数据进行分析，以确定对应气体绝缘开关设备的异常结果，根据异常结果生成控制指令和报警指令，并依据电力通信单元、中继器130、集中器120和电力线将控制指令反馈给智能监控终端110；所述异常结果包括故障发生时间、异常因素和异常部件；
在一个具体实施方式中，根据T-N至T时刻采集到的传感参数实测数据进行分析，包括：
将T-N至T时刻作为异常时间区间，获取在异常时间区间内每种传感参数的变动集合；
具体的，所述传感参数的变动集合包括温度传感参数的变动集合、浓度传感参数的变动集合、气压传感参数的变动集合、电流传感参数的变动集合和电压传感参数的变动集合；
示例性地，方便理解，本步骤将介绍温度传感参数的变动集合的获取逻辑，同理，气压传感参数的变动集合、电流传感参数的变动集合和电压传感参数的变动集合的获取逻辑，同下文温度传感参数的变动集合的获取逻辑；
具体的，所述温度传感参数的变动集合的获取逻辑如下：
获取异常时间区间内的温度实测值；
计算异常时间区间内每两个相邻温度实测值的差值，将每两个相邻温度实测值的差值作为温度变动值；
统计所有温度变动值，将所有温度变动值输入预构建的空集合中，得到温度传感参数的变动集合；
进一步示例说明就是：假设异常时间区间为7点30分00秒到7点30分5秒，且7点30分00秒采集到的温度实测值为45摄氏度、7点30分01秒采集到的温度实测值为47摄氏度、7点30分02秒采集到的温度实测值为50摄氏度、7点30分03秒采集到的温度实测值为53摄氏度、7点30分04秒采集到的温度实测值为57摄氏度和7点30分05秒采集到的温度实测值为63摄氏度；因此，7点30分01秒与7点30分00秒的温度实测值的差值为2摄氏度、7点30分02秒与7点30分01秒的温度实测值的差值为3摄氏度、7点30分03秒与7点30分02秒的温度实测值的差值为3摄氏度、7点30分04秒与7点30分03秒的温度实测值的差值为4摄氏度、7点30分05秒与7点30分04秒的温度实测值的差值为6摄氏度；进而可以理解的是，温度传感参数的变动集合为{2,3,4,6}；
需要注意的是：变动集合中的每元素均带有时间值；承接上述示例说明就是，若7点30分01秒与7点30分00秒的温度实测值的差值为2摄氏度，则2摄氏度为温度传感参数的变动集合中的一个元素，则该元素的时间值为7点30分01秒；同理，若7点30分02秒与7点30分01秒的温度实测值的差值为3摄氏度，则3摄氏度为温度传感参数的变动集合中的一个元素，则该元素的时间值为7点30分02秒；可以理解的是，当前时刻的温度值减去上一时刻的温度值，得到的差值为温度变动值，而该温度变动值的时间被当前时刻的温度值的时间所赋予；
需要说明的是：气压传感参数的变动集合、电流传感参数的变动集合和电压传感参数的变动集合的获取逻辑，同理可参照上述度传感参数的变动集合的获取逻辑，因此，在此不做过多赘述；
构建五个空坐标系，分别将每种传感参数的变动集合输入一个空坐标系中，以获取每种传感参数的参数趋势图；
需要说明的是：每种传感参数的参数趋势图包括有温度传感参数的参数趋势图、浓度传感参数的参数趋势图、气压传感参数的参数趋势图、电流传感参数的参数趋势图和电压传感参数的参数趋势图；
承接上述示例进行说明就是：假设温度传感参数的变动集合为{2,3,4,6}，因此将温度传感参数的变动集合输入空坐标系时，则以时间为空坐标系的横轴，以温度为空坐标系的纵轴，并通过Origin软件中曲线连接功能将每个元素相连接，构建得到温度传感参数的参数趋势图；
可以理解的是：同上述温度传感参数的参数趋势图的构建描述过程，浓度传感参数的参数趋势图、气压传感参数的参数趋势图、电流传感参数的参数趋势图和电压传感参数的参数趋势图的构建过程的原理也是如此；
获取每种传感参数的参数趋势图的变化平均幅值，将变化平均幅值大于预设变化平均幅值阈值的对应参数趋势图作为异常参数趋势图，将参数趋势图对应的传感参数作为异常传感参数；
继续结合上述示例进行说明就是：假设温度传感参数的变动集合为{2,3,4,6}，因此，可以获知在温度传感参数的参数趋势图中，每个元素的温度幅值分别为2、3、4、6；因此，通过计算可知，其计算公式为：，式中：/>为变化平均幅值，/>为变动集合中第j个元素的幅值，G为元素数量；因此，可以温度传感参数的参数趋势图的变化平均幅值为7.5；同理，其他传感参数的参数趋势图的变化平均幅值的计算逻辑，也是如此，因此，不做重复赘述；
获取异常传感参数的类型，并根据传感参数的类型与异常分析数据的映射关系，确定对应的异常分析数据；所述异常分析数据中包括多个异常原因、与每个异常原因对应的异常表现图以及与每个异常原因对应的设备组件；
需要说明的是：在系统数据库中预存有多条传感参数的类型与异常分析数据的映射关系，每条映射关系均事先将一种类型的传感参数与异常分析数据相关联绑定；每个异常分析数据中均事先存储有多个异常原因、与每个异常原因对应的异常表现图以及与每个异常原因对应的设备组件；当确定了异常传感参数的类型，则可找出对应的映射关系，进而可进行后续的异常原因和异常组件排查工作，大幅缩短数据分析时间和提高了数据分析效率；
通过余弦相似度算法计算每个异常原因对应的异常表现图与异常参数趋势图的相似度，得到K个相似度值；
对K个相似度值进行排序，将排序第一相似度值对应的异常原因作为异常因素，以及将异常原因对应的设备组件作为异常组件；
将异常因素和异常组件作为对应气体绝缘开关设备的异常结果；
在一个具体实施方式中，根据T-N至T时刻采集到的传感参数实测数据进行分析，还包括：
将异常传感参数的类型、异常传感参数的变动集合以及异常部件的位置作为预测故障发生的特征数据；
将预测故障发生的特征数据输入预设的故障时间预测模型中，以预测对应异常部件的故障发生时间；
具体的，所述预设的故障时间预测模型的生成逻辑如下：
获取故障时间历史数据，将故障时间历史数据划分为故障时间训练集和故障时间测试集；所述故障时间历史数据包括预测故障发生的特征数据及其对应的故障发生时间；
其中，所述故障时间历史数据中的故障发生时间通过技术人员进行实际实验或实际记录得到；
构建回归网络，将故障时间训练集中预测故障发生的特征数据作为回归网络的输入数据，将故障时间训练集中的故障发生时间作为回归网络的输出数据，对回归网络进行训练，得到初始故障时间回归网络；
利用故障时间测试集对初始故障时间回归网络进行模型验证，输出小于等于预设测试误差的初始故障时间回归网络作为预设的故障时间预测模型；
需要说明的是：所述回归网络具体为决策树回归、支持向量机回归、随机森林回归、多项式回归或神经网络回归等算法中的具体一种；
将所述对应异常部件的故障发生时间作为对应气体绝缘开关设备的异常结果；
具体的，所述控制指令包括对应气体绝缘开关设备的标识信息、电路线切断命令和异常部件的关闭命令；所述报警指令包括故障发生时间、异常因素和异常部件；
所述智能监控终端110，还用于根据控制指令在故障发生时间之前将与对应气体绝缘开关设备相连接的电路线切断，以及根据控制指令在故障发生时间之前停止对应异常部件的运行；
所述云处理端140，还用于根据报警指令通知电力抢修部门对对应气体绝缘开关设备进行抢修；
可以理解的是：通过依据控制指令对对应的电路线切断和停止对应异常部件的运行，从而有利于保障输电线路的安全；此外，通过报警指令通知电力抢修部门对对应气体绝缘开关设备进行抢修，进而有利于避免异常因素带来的安全事件扩大，并且报警指令包括故障发生时间、异常因素和异常部件，可缩短技术人员的排查时间，提高技术人员的检修效率。
实施例
请参阅图2所示，参照上述实施例1，基于同一发明构思，本实施例公开提供了一种电力数据采集传输方法，本实施例未详细叙述部分参见上述实施例1的描述内容，所述方法包括：
S201：根据T时刻采集到传感参数实测数据判断是否出现异常事件，根据异常事件提取T-N至T时刻采集到的传感参数实测数据，并通过电力通信单元和电力线传输至集中器120；所述传感参数实测数据包括温度实测值、气体浓度实测值、气压实测值、电流实测值和电压实测值，T和N均为大于零的整数
S202：接收T-N至T时刻采集到的传感参数实测数据，并根据电力通信单元和中继器130将T-N至T时刻采集到的传感参数实测数据无线传输给云处理端140；
S203：根据T-N至T时刻采集到的传感参数实测数据进行分析，以确定对应气体绝缘开关设备的异常结果，根据异常结果生成控制指令和报警指令，并依据电力通信单元、中继器130、集中器120和电力线将控制指令反馈给智能监控终端110；所述异常结果包括故障发生时间、异常因素和异常部件；
实施例
请参阅图3所示，参照上述实施例1或2，基于同一发明构思，本实施例公开提供了一种电力数据采集传输方法，所述方法包括：
S301：根据控制指令在故障发生时间之前将与对应气体绝缘开关设备相连接的电路线切断，以及根据控制指令在故障发生时间之前停止对应异常部件的运行；
S302：根据报警指令通知电力抢修部门对对应气体绝缘开关设备进行抢修。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数、权重以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD）或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种电力数据采集传输系统，其特征在于，包括设置于气体绝缘开关设备上的智能监控终端、集中器和云处理端；所述智能监控终端、集中器和云处理端内均设置有电力通信单元，所述集中器与云处理端之间设置有中继器；其中，
所述智能监控终端，用于根据T时刻采集到传感参数实测数据判断是否出现异常事件，根据异常事件提取T-N至T时刻采集到的传感参数实测数据，并通过电力通信单元和电力线传输至集中器；所述传感参数实测数据包括温度实测值、气体浓度实测值、气压实测值、电流实测值和电压实测值，T和N均为大于零的整数；
所述集中器，用于接收T-N至T时刻采集到的传感参数实测数据，并根据电力通信单元和中继器将T-N至T时刻采集到的传感参数实测数据无线传输给云处理端；
所述云处理端，用于根据T-N至T时刻采集到的传感参数实测数据进行分析，以确定对应气体绝缘开关设备的异常结果，根据异常结果生成控制指令和报警指令，并依据电力通信单元、中继器、集中器和电力线将控制指令反馈给智能监控终端；所述异常结果包括故障发生时间、异常因素和异常部件。
2.根据权利要求1所述的电力数据采集传输系统，其特征在于，所述智能监控终端还包括数据存储单元和多个传感单元；多个所述传感单元用于采集气体绝缘开关设备的温度实测值、气体浓度实测值、气压实测值、电流实测值和电压实测值；所述数据存储单元用于缓存温度实测值、气体浓度实测值、气压实测值、电流实测值和电压实测值。
3.根据权利要求2所述的电力数据采集传输系统，其特征在于，所述根据T时刻采集到传感参数实测数据判断是否出现异常事件，包括：
提取T时刻采集到传感参数实测数据，以及获取预存的传感参数标准数据；
其中，所述传感参数标准数据包括温度值标准值、气体浓度标准值、气压值标准值、电流标准值和电压标准值；
基于T时刻采集到传感参数实测数据和传感参数标准数据计算出异常系数；其计算公式为：；式中：/>为异常系数，/>为第i个传感参数的实测值，/>为第i个传感参数的标准值，Q为传感参数总数；
将异常系数与预设异常系数区间进行比较，若异常系数属于预设异常系数区间，则判定在T时刻对应的气体绝缘开关设备出现异常事件；若异常系数不属于预设异常系数区间，则判定在T时刻对应的气体绝缘开关设备未出现异常事件。
4.根据权利要求3所述的电力数据采集传输系统，其特征在于，根据T-N至T时刻采集到的传感参数实测数据进行分析，包括：
将T-N至T时刻作为异常时间区间，获取在异常时间区间内每种传感参数的变动集合；
构建五个空坐标系，分别将每种传感参数的变动集合输入一个空坐标系中，以获取每种传感参数的参数趋势图；
获取每种传感参数的参数趋势图的变化平均幅值，将变化平均幅值大于预设变化平均幅值阈值的对应参数趋势图作为异常参数趋势图，将参数趋势图对应的传感参数作为异常传感参数；
获取异常传感参数的类型，并根据传感参数的类型与异常分析数据的映射关系，确定对应的异常分析数据；所述异常分析数据中包括多个异常原因、与每个异常原因对应的异常表现图以及与每个异常原因对应的设备组件；
通过余弦相似度算法计算每个异常原因对应的异常表现图与异常参数趋势图的相似度，得到K个相似度值；
对K个相似度值进行排序，将排序第一相似度值对应的异常原因作为异常因素，以及将异常原因对应的设备组件作为异常组件；
将异常因素和异常组件作为对应气体绝缘开关设备的异常结果。
5.根据权利要求4所述的电力数据采集传输系统，其特征在于，所述传感参数的变动集合包括温度传感参数的变动集合、浓度传感参数的变动集合、气压传感参数的变动集合、电流传感参数的变动集合和电压传感参数的变动集合；
所述温度传感参数的变动集合的获取逻辑如下：
获取异常时间区间内的温度实测值；
计算异常时间区间内每两个相邻温度实测值的差值，将每两个相邻温度实测值的差值作为温度变动值；
统计所有温度变动值，将所有温度变动值输入预构建的空集合中，得到温度传感参数的变动集合。
6.根据权利要求5所述的电力数据采集传输系统，其特征在于，根据T-N至T时刻采集到的传感参数实测数据进行分析，还包括：
将异常传感参数的类型、异常传感参数的变动集合以及异常部件的位置作为预测故障发生的特征数据；
将预测故障发生的特征数据输入预设的故障时间预测模型中，以预测对应异常部件的故障发生时间；
所述预设的故障时间预测模型的生成逻辑如下：
获取故障时间历史数据，将故障时间历史数据划分为故障时间训练集和故障时间测试集；所述故障时间历史数据包括预测故障发生的特征数据及其对应的故障发生时间；
构建回归网络，将故障时间训练集中预测故障发生的特征数据作为回归网络的输入数据，将故障时间训练集中的故障发生时间作为回归网络的输出数据，对回归网络进行训练，得到初始故障时间回归网络；
将所述对应异常部件的故障发生时间作为对应气体绝缘开关设备的异常结果。
7.根据权利要求6所述的电力数据采集传输系统，其特征在于，所述控制指令包括对应气体绝缘开关设备的标识信息、电路线切断命令和异常部件的关闭命令；所述报警指令包括故障发生时间、异常因素和异常部件；
所述智能监控终端，还用于根据控制指令在故障发生时间之前将与对应气体绝缘开关设备相连接的电路线切断，以及根据控制指令在故障发生时间之前停止对应异常部件的运行；
所述云处理端，还用于根据报警指令通知电力抢修部门对对应气体绝缘开关设备进行抢修。
8.一种电力数据采集传输方法，其特征在于，包括：
根据T时刻采集到的传感参数实测数据判断是否出现异常事件，根据异常事件提取T-N至T时刻采集到的传感参数实测数据，并通过电力通信单元和电力线传输至集中器；所述传感参数实测数据包括温度实测值、气体浓度实测值、气压实测值、电流实测值和电压实测值，T和N均为大于零的整数；
接收T-N至T时刻采集到的传感参数实测数据，并根据电力通信单元和中继器将T-N至T时刻采集到的传感参数实测数据无线传输给云处理端；
根据T-N至T时刻采集到的传感参数实测数据进行分析，以确定对应气体绝缘开关设备的异常结果，根据异常结果生成控制指令和报警指令，并依据电力通信单元、中继器、集中器和电力线将控制指令反馈给智能监控终端；所述异常结果包括故障发生时间、异常因素和异常部件。
9.根据权利要求8所述的电力数据采集传输方法，其特征在于，所述方法还包括：
根据控制指令在故障发生时间之前将与对应气体绝缘开关设备相连接的电路线切断，以及根据控制指令在故障发生时间之前停止对应异常部件的运行；
根据报警指令通知电力抢修部门对对应气体绝缘开关设备进行抢修。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410331245.6A CN117978837B (zh) | 2024-03-22 | 2024-03-22 | 一种电力数据采集传输方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410331245.6A CN117978837B (zh) | 2024-03-22 | 2024-03-22 | 一种电力数据采集传输方法及其系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117978837A true CN117978837A (zh) | 2024-05-03 |
| CN117978837B CN117978837B (zh) | 2024-06-14 |
Family
ID=90857881
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410331245.6A Active CN117978837B (zh) | 2024-03-22 | 2024-03-22 | 一种电力数据采集传输方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117978837B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203479925U (zh) * | 2013-07-24 | 2014-03-12 | 国家电网公司 | 基于多通道检测的gis运行状态重症监护系统 |
| CN107749158A (zh) * | 2017-10-23 | 2018-03-02 | 中国电力科学研究院有限公司 | 一种远程监测充气型电力设备气压的系统和方法 |
| CN108155720A (zh) * | 2018-01-11 | 2018-06-12 | 重庆市东泰电器实业有限公司 | 变电站电力监控系统及方法 |
| KR101874286B1 (ko) * | 2018-02-09 | 2018-08-02 | 이황희 | 전력설비 모니터링 및 진단 시스템 |
| CN111044859A (zh) * | 2019-12-18 | 2020-04-21 | 国网北京市电力公司 | Gis设备的故障处理方法、存储介质及设备 |
| CN112700628A (zh) * | 2020-11-30 | 2021-04-23 | 宁波三明电力发展有限公司 | 基于5g的配电房电力数据采集系统和采集方法 |
| CN113110386A (zh) * | 2021-04-19 | 2021-07-13 | 重庆大学 | Gis/gil设备机械振动状态在线监测及机械故障云诊断系统 |
| CN114530936A (zh) * | 2022-01-27 | 2022-05-24 | 江苏德胜电气股份有限公司 | 一种用于电力系统的数据监测方法、系统及存储介质 |
| CN115016339A (zh) * | 2022-05-20 | 2022-09-06 | 山东浪潮科学研究院有限公司 | 一种室外电力设备的监测方法、设备及介质 |
| CN115077605A (zh) * | 2022-06-06 | 2022-09-20 | 昂顿科技（上海）有限公司 | 智能变电站管理系统 |
| CN115616341A (zh) * | 2022-09-29 | 2023-01-17 | 众芯汉创（北京）科技有限公司 | 一种基于物联网的远程自动查找电力电缆线路的运维监控系统 |
| CN117725541A (zh) * | 2024-02-07 | 2024-03-19 | 上海强华实业股份有限公司 | 退火炉运行状态智能监控与故障诊断系统 |
-
2024
- 2024-03-22 CN CN202410331245.6A patent/CN117978837B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203479925U (zh) * | 2013-07-24 | 2014-03-12 | 国家电网公司 | 基于多通道检测的gis运行状态重症监护系统 |
| CN107749158A (zh) * | 2017-10-23 | 2018-03-02 | 中国电力科学研究院有限公司 | 一种远程监测充气型电力设备气压的系统和方法 |
| CN108155720A (zh) * | 2018-01-11 | 2018-06-12 | 重庆市东泰电器实业有限公司 | 变电站电力监控系统及方法 |
| KR101874286B1 (ko) * | 2018-02-09 | 2018-08-02 | 이황희 | 전력설비 모니터링 및 진단 시스템 |
| CN111044859A (zh) * | 2019-12-18 | 2020-04-21 | 国网北京市电力公司 | Gis设备的故障处理方法、存储介质及设备 |
| CN112700628A (zh) * | 2020-11-30 | 2021-04-23 | 宁波三明电力发展有限公司 | 基于5g的配电房电力数据采集系统和采集方法 |
| CN113110386A (zh) * | 2021-04-19 | 2021-07-13 | 重庆大学 | Gis/gil设备机械振动状态在线监测及机械故障云诊断系统 |
| CN114530936A (zh) * | 2022-01-27 | 2022-05-24 | 江苏德胜电气股份有限公司 | 一种用于电力系统的数据监测方法、系统及存储介质 |
| CN115016339A (zh) * | 2022-05-20 | 2022-09-06 | 山东浪潮科学研究院有限公司 | 一种室外电力设备的监测方法、设备及介质 |
| CN115077605A (zh) * | 2022-06-06 | 2022-09-20 | 昂顿科技（上海）有限公司 | 智能变电站管理系统 |
| CN115616341A (zh) * | 2022-09-29 | 2023-01-17 | 众芯汉创（北京）科技有限公司 | 一种基于物联网的远程自动查找电力电缆线路的运维监控系统 |
| CN117725541A (zh) * | 2024-02-07 | 2024-03-19 | 上海强华实业股份有限公司 | 退火炉运行状态智能监控与故障诊断系统 |
Non-Patent Citations (3)
| Title |
|---|
| FANQI MENG ET.AL: "Research and Analysis on Fault Diagnosis of Gas Insulated Switchgear", 《2020 12TH INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND COMMUNICATION NETWORKS (CICN)》, 26 September 2020 (2020-09-26) * |
| 吕梦琳等: "110kV智能变电站GIS设备故障分析及对策", 《集成电路应用》, vol. 40, no. 10, 31 October 2023 (2023-10-31), pages 262 - 263 * |
| 张永强等: "一种气体绝缘金属封闭开关设备状态监测远程诊断系统的设计与开发", 《电气技术》, vol. 20, no. 07, 31 July 2019 (2019-07-31), pages 28 - 32 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117978837B (zh) | 2024-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
| CN103823433B (zh) | 一种使用通讯过程分析实现继电保护设备在线监测的方法 | |
| KR101214765B1 (ko) | 전력설비 모니터링 시스템 및 방법 | |
| CN117060409B (zh) | 电力线路运行状态自动化检测分析方法及系统 | |
| CN111929579B (zh) | 发电机在线故障诊断方法、设备及计算机设备 | |
| US12039045B2 (en) | Event analysis in an electric power system | |
| CN113763667A (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
| CN117612345A (zh) | 一种电力设备状态监测报警系统及方法 | |
| CN117289085A (zh) | 一种多线路故障分析诊断方法及系统 | |
| CN117791876A (zh) | 变电设备运行状态监测方法及异常管控系统 | |
| CN117978837B (zh) | 一种电力数据采集传输方法及其系统 | |
| CN117419829A (zh) | 过热故障的预警方法、装置和电子设备 | |
| JP2016161302A (ja) | 事故点標定装置及び方法、電力系統監視システム、設備計画支援システム | |
| CN115600879A (zh) | 一种断路器异常预警方法、系统及相关装置 | |
| CN113268844B (zh) | 一种用于电力线路的故障设备获取方法、装置、设备 | |
| CN115684829A (zh) | 一种电力二次回路故障检测预警方法及系统 | |
| CN104392102A (zh) | 一种继电保护设备在线监测指标自动提取和计算方法 | |
| CN104375482A (zh) | 一种继电保护装置在线评估方法 | |
| CN114279492A (zh) | 基于不同故障参数记录确定电缆故障信息方法和装置 | |
| CN108199482B (zh) | 维护提示方法及装置 | |
| CN118395358B (zh) | 一种变电站智能防误拓扑分析方法 | |
| CN118094168B (zh) | 一种电力数据的修正方法及装置 | |
| CN117200458B (zh) | 一种基于智能低压开关柜的数字化管理方法及装置 | |
| CN116107265B (zh) | 一种人造板材加工设备远程控制系统及方法 | |
| CN118572873A (zh) | 一种储能电站综合监测系统、方法、装置、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 |