CN118174456A - 一种自感知监测智能化控制配电系统 - Google Patents
一种自感知监测智能化控制配电系统 Download PDFInfo
- Publication number
- CN118174456A CN118174456A CN202410332137.0A CN202410332137A CN118174456A CN 118174456 A CN118174456 A CN 118174456A CN 202410332137 A CN202410332137 A CN 202410332137A CN 118174456 A CN118174456 A CN 118174456A
- Authority
- CN
- China
- Prior art keywords
- power distribution
- data
- node
- target
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 230000002159 abnormal effect Effects 0.000 claims abstract description 109
- 238000012549 training Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000013528 artificial neural network Methods 0.000 claims abstract description 33
- 238000007405 data analysis Methods 0.000 claims description 40
- 230000007613 environmental effect Effects 0.000 claims description 32
- 230000005856 abnormality Effects 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 abstract description 7
- 230000004044 response Effects 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 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
本发明公开了一种自感知监测智能化控制配电系统,具体涉及配电控制领域,包括信息采集模块和数据处理模块,获取并处理大量的实时数据并被用于训练神经网络模块中的预测模型,以识别正常和异常运行状态,数据分析模块根据神经网络模块生成的指令集和节点环境数据集,分析目标配电节点是否存在异常,并确定异常的类型和等级,电力资源重分配模块则根据数据分析模块的分析结果,查找配电策略模块中的相应策略,并据此重新配置配电网络;本发明能够实时监控和分析配电网络的运行状态,及时发现并处理异常情况,优化电力资源的分配,这不仅提高了配电网络的效率和可靠性,也减少了人为错误,而且提高了响应速度,确保了电力供应的稳定性和安全性。
Description
技术领域
本发明涉及配电控制领域,更具体地说,本发明涉及一种自感知监测智能化控制配电系统。
背景技术
随着物联网和人工智能技术的发展,配电节点正逐渐智能化,配电节点可以通过传感器、数据采集和互联网连接,实现对电力系统的实时监测、故障诊断和远程控制,使得配电节点管理具备更高的自动化和智能化水平,提高了电力系统的可靠性和安全性,通过自感知实时监测,配电节点能够提供更准确的电能数据和监测信息,帮助用户更好地了解和管理电力系统,随着电力系统的快速发展,配电网络的复杂性和规模都在不断增加,这使得对配电网络的管理和维护变得越来越困难,人工配电调整操作时,不仅效率低下,而且容易出错,因此,在此提出一种自感知监测智能化控制配电系统。
发明内容
为实现上述目的,本发明提供如下技术方案:
一种自感知监测智能化控制配电系统,包括信息采集模块、数据处理模块、神经网络模块、数据分析模块、配电策略模块、电力资源重分配模块;
信息采集模块用于采集目标区域内的配电网络的配电信息、配电网络的节点环境信息,得到配电信息集、节点环境信息集一同输送至数据处理模块;
数据处理模块用于分别对配电信息集、节点环境信息集进行处理,得到配电数据集、节点环境数据集,将配电数据集输送至神经网络模块,将节点环境数据集输送至数据分析模块;
神经网络模块利用配电数据集进行训练,构建辅助预测模型,具体构建步骤如下:
神经网络模块接收到配电数据集,将配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据一同作为模型训练的输入数据,将目标配电节点的运行数据作为模型训练的输出数据,对不同状态下的目标配电节点构建辅助预测模型,并将其赋值为0或1对模型进行训练,其中0表示该状态下的目标配电节点的运行数据小于等于设定阈值,1表示该状态下的目标配电节点的运行数据大于设定阈值;
将数据处理模块最近预设的时间规划窗口的配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据一同作为模型训练的输入数据,当目标状态下的模型的输出数据为0时,将数据处理模块最近预设的时间规划窗口的配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据作为模型的训练数据对模型进行二次训练同时生成指令一,当目标状态下的模型的输出数据为0时,将数据处理模块最近预设的时间规划窗口的配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据作为模型的训练数据对模型进行二次训练同时生成指令二,将所有生成的指令类型进行汇总,得到指令集并输送至数据分析模块;
数据分析模块用于根据指令集和节点环境数据集分析目标配电节点是否存在异常,及存在异常时的异常类型和等级,然后分析结果输送至电力资源重分配模块;
配电策略模块中预先存储有目标节点异常情形-配电调整策略表单;
电力资源重分配模块用于根据分析结果查找配电策略模块中的目标节点异常情形-配电调整策略表单中的对应配电调整策略并进行目标区域内的配电网络的重新输配。
在一个优选地实施方式中,目标区域内的配电网络的配电信息包含目标区域内的配电网络的各个配电节点位置信息、相邻配电节点间的电力配送连接关系图、各个配电节点的配电等级信息,以及各个配电节点实时监测的各项配电参数信息。
在一个优选地实施方式中,节点环境信息集包含各个配电节点所处环境的各项环境参数信息。
在一个优选地实施方式中,神经网络模块接收到配电数据集,将配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据一同作为模型训练的输入数据,将目标配电节点的运行数据作为模型训练的输出数据,对不同状态下的目标配电节点构建辅助预测模型指的是:
分别获取配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据;
将配电数据集中的目标配电节点的各项配电参数实时监测数据标记为C1 i、各项配电参数预设标准数据标记为C2 i,目标配电节点在目标状态下的运行数据标记为YX i,f i为该目标状态下的各项参数的比重系数,构建不同状态下的目标配电节点的辅助预测模型。
在一个优选地实施方式中,数据分析模块用于根据指令集分析目标配电节点是否存在异常指的是:当指令集中均为指令一时,该目标配电节点不存在异常。
在一个优选地实施方式中,数据分析模块用于根据指令集分析目标配电节点存在异常时的异常类型指的是:
当指令集中不均为指令一时,指令二对应的目标配电节点对应的状态类型存在异常。
在一个优选地实施方式中,数据分析模块用于根据指令集和节点环境数据集分析目标配电节点存在异常时的异常等级指的是:
获取目标配电节点对应的单个存在异常状态类型,获取该单个存在异常状态类型在神经网络模块中的输出数据并标记为SCi,获取节点环境数据集中的各项环境参数信息经过数据处理模块处理后得到的节点环境数据集中的各项环境参数数据并标记为HJ i,将目标配电节点的配电等级标记为DJ i,然后通过以下计算得到该单个存在异常状态类型对应的异常值:k i为各项环境参数数据对应的环境系数,q1、q2、q3均为预设的比例系数,且q1、q2、q3之和为一,pi为该单个存在异常状态类型对应的特定系数,YCi为该单个存在异常状态类型对应的异常值,然后通过对比,得到所有的异常值中的最大值并标记为YCmax,数据分析模块中预设有多个异常区间,将YCmax落入的异常区间对应的序列号作为该目标配电节点的异常等级。
本发明的技术效果和优点:
本发明通过信息采集模块、数据处理模块、神经网络模块、数据分析模块、配电策略模块和电力资源重分配模块的相互配合,能够实时监控和分析配电网络的运行状态,及时发现并处理异常情况,优化电力资源的分配,这不仅提高了配电网络的效率和可靠性,也减少了人为错误,提高了响应速度,确保了电力供应的稳定性和安全性,同时还可以根据异常情况自动调整配电方式,实现电力资源的优化配置,进一步提高了电网的运行效率。
本发明通过信息采集模块和数据处理模块,获取并处理大量的实时数据,这些数据被用于训练神经网络模块中的预测模型,以识别正常和异常运行状态,神经网络模块使用从数据处理模块获得的配电数据集进行训练,构建辅助预测模型,预测目标配电节点在不同状态下的表现,并被训练来识别哪些状态是正常操作,以及哪些状态表明存在问题,数据分析模块根据神经网络模块生成的指令集和节点环境数据集,分析目标配电节点是否存在异常,并确定异常的类型和等级,电力资源重分配模块则根据数据分析模块的分析结果,查找配电策略模块中的相应策略,并据此重新配置配电网络,以解决识别出的问题,这种自感知监测和实时数据分析的能力使得该系统能够快速且自动地响应检测到的异常,以维持或恢复配电网络的稳定运行。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明中的一种自感知监测智能化控制配电系统的原理图。
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
一种自感知监测智能化控制配电系统,包括信息采集模块、数据处理模块、神经网络模块、数据分析模块、配电策略模块、电力资源重分配模块;信息采集模块、数据处理模块、神经网络模块、数据分析模块、配电策略模块、电力资源重分配模块之间通信连接。
信息采集模块用于采集目标区域内的配电网络的配电信息、配电网络的节点环境信息,得到配电信息集、节点环境信息集一同输送至数据处理模块;其中,目标区域内的配电网络的配电信息包含目标区域内的配电网络的各个配电节点位置信息、相邻配电节点间的电力配送连接关系图、各个配电节点的配电等级信息,以及各个配电节点实时监测的各项配电参数信息,节点环境信息集包含各个配电节点所处环境的各项环境参数信息。
数据处理模块用于分别对配电信息集、节点环境信息集进行处理,得到配电数据集、节点环境数据集,将配电数据集输送至神经网络模块,将节点环境数据集输送至数据分析模块。
神经网络模块利用配电数据集进行训练,构建辅助预测模型,具体构建步骤如下:
神经网络模块接收到配电数据集,将配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据一同作为模型训练的输入数据,将目标配电节点的运行数据作为模型训练的输出数据,对不同状态下的目标配电节点构建辅助预测模型,并将其赋值为0或1对模型进行训练,其中0表示该状态下的目标配电节点的运行数据小于等于设定阈值,1表示该状态下的目标配电节点的运行数据大于设定阈值;
将数据处理模块最近预设的时间规划窗口的配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据一同作为模型训练的输入数据,当目标状态下的模型的输出数据为0时,将数据处理模块最近预设的时间规划窗口的配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据作为模型的训练数据对模型进行二次训练同时生成指令一,当目标状态下的模型的输出数据为0时,将数据处理模块最近预设的时间规划窗口的配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据作为模型的训练数据对模型进行二次训练同时生成指令二,将所有生成的指令类型进行汇总,得到指令集并输送至数据分析模块;不同状态下指的是电路存在过压、过载、过流、欠流、短路、断路等异常情况的不同状态,通过对不同状态下的目标配电节点构建辅助预测模型设定不同参数在不同状态下的影响程度,可以更精细化的对异常状态进行分类。
数据分析模块用于根据指令集和节点环境数据集分析目标配电节点是否存在异常,及存在异常时的异常类型和等级,然后分析结果输送至电力资源重分配模块;具体为:
当指令集中均为指令一时,该目标配电节点不存在异常;
当指令集中不均为指令一时,指令二对应的目标配电节点对应的状态类型存在异常,在这样的情况下,需要进行进一步的分析:
获取目标配电节点对应的单个存在异常状态类型,获取该单个存在异常状态类型在神经网络模块中的输出数据并标记为SCi,获取节点环境数据集中的各项环境参数信息经过数据处理模块处理后得到的节点环境数据集中的各项环境参数数据并标记为HJ i,将目标配电节点的配电等级标记为DJ i,然后通过以下计算得到该单个存在异常状态类型对应的异常值:k i为各项环境参数数据对应的环境系数,q1、q2、q3均为预设的比例系数,且q1、q2、q3之和为一,pi为该单个存在异常状态类型对应的特定系数,YCi为该单个存在异常状态类型对应的异常值,然后通过对比,得到所有的异常值中的最大值并标记为YCmax,数据分析模块中预设有多个异常区间,将YCmax落入的异常区间对应的序列号作为该目标配电节点的异常等级;职责是评估目标配电节点的异常状态,并为其分配一个异常等级,通过以下步骤完成:
获取异常状态类型:首先,数据分析模块需要基于神经网络模块的输出和历史数据,确定目标配电节点当前的异常状态类型。
标记异常数据:对于每个异常状态类型,神经网络模块会提供一个输出数据SCi,同时,节点环境数据集中的相关信息在经过数据处理模块处理后被标记为HJi,并且目标配电节点的配电等级也被考虑在内并标记为DJi,目标配电节点的配电等级可以明确该配电节点在配电网络中的重要性,配电等级越大,其参与的配电线路越多,在配电网络中重要程度越高。
计算异常值:数据分析模块使用公式计算每个异常状态类型的异常值YCi,考虑了环境参数数据对应的环境系数k i、预设的比例系数q1、q2、q3之和为1,以及该异常状态类型对应的特定系数p i,q1、q2、q3的大小反映了异常状态类型、节点环境、目标配电节点的配电等级对异常值的评估比重大小,结合了这些参数来产生异常值YCi,通过数据更加直观的感受到异常情况的紧迫性,节点环境在公式中的计算体现出的是在异常没出现时的隐患大小或者在异常存在时的解决异常的困难程度。
确定最大异常值:计算出所有的异常值YCi后,数据分析模块将找出这些值中的最大值,这个最大值代表了目标配电节点最严重的异常状态。
分配异常等级:数据分析模块预先设定了多个异常区间,根据最大异常值所在的区间,模块将为目标配电节点分配一个异常等级,这个等级可以用于快速评估节点的运行状况,并决定需要采取的措施,异常等级越高说明异常情况越严重,需要更高程度的重视,并且通过这种方式,数据分析模块能够为目标配电节点提供一个量化的异常等级,这对于电力资源重分配模块来说是一个关键的输入,配电策略模块中预先存储有目标节点异常情形-配电调整策略表单;电力资源重分配模块用于根据分析结果查找配电策略模块中的目标节点异常情形-配电调整策略表单中的对应配电调整策略并进行目标区域内的配电网络的重新输配,电力资源重分配模块可以根据这个异常等级来决定是否需要对配电策略进行调整,以恢复或优化配电网络的性能,这种智能化的异常检测和评级系统使得配电网络的管理更加高效和自动化,有助于减少人为错误,提高响应速度,并确保电力供应的稳定性。
神经网络模块接收到配电数据集,将配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据一同作为模型训练的输入数据,将目标配电节点的运行数据作为模型训练的输出数据,对不同状态下的目标配电节点构建辅助预测模型指的是:
分别获取配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据;
将配电数据集中的目标配电节点的各项配电参数实时监测数据标记为C1 i、各项配电参数预设标准数据标记为C2 i,目标配电节点在目标状态下的运行数据标记为YX i,f i为该目标状态下的各项参数的比重系数,构建不同状态下的目标配电节点的辅助预测模型,确定不同状态下不同参数的影响程度,可以便于使用者更好的获悉异常的类型。
实施例2
一种自感知监测智能化控制配电系统,通过自感知监测技术来优化电力资源的分配,整个系统的目的是提高配电网络的效率和可靠性,通过实时监控和智能分析来预防和解决配电过程中可能出现的问题,这种系统对于现代电网管理非常重要,因为它可以帮助减少停电和电力质量问题,从而确保电力供应的稳定性和安全性,具体介绍如下:
信息采集模块:这个模块负责收集目标区域内配电网络的详细信息,包括每个配电节点的位置、节点间的连接关系、配电等级以及实时监测到的配电参数如电压、电流、功率等。同时,它还收集有关配电节点所处环境的信息,如温度、湿度、降雨量等环境参数。
数据处理模块:接收来自信息采集模块的数据,并将其处理成适合神经网络模块和数据分析模块使用的数据格式。
神经网络模块:使用从数据处理模块获得的配电数据集进行训练,构建一个辅助预测模型。这个模型可以预测目标配电节点在不同状态下的表现,并被训练来识别哪些状态是正常操作即标记为0,以及哪些状态表明存在问题即标记为1,该模块还生成指令一和指令二,用于后续分析,不同状态下指的是电路存在过压、过载、过流、欠流、短路、断路等异常情况的不同状态。
数据分析模块:根据神经网络模块生成的指令集和节点环境数据集,分析目标配电节点是否存在异常,并确定异常的类型和等级。如果所有指令都是指令一,表示没有异常;否则,指令二指示的状态类型存在异常。异常等级是通过评估单个异常状态的严重程度来确定的,考虑了环境参数数据和预设的环境系数。
配电策略模块:包含一个预先定义好的表单,该表单列出了不同的异常类型、多种异常类型同时存在的情况,以及上述情况在不同异常等级下对应的配电调整策略。
电力资源重分配模块:根据数据分析模块的分析结果,查找配电策略模块中的相应策略,并据此重新配置配电网络,以解决识别出的问题。
神经网络模块利用配电数据集进行训练,构建辅助预测模型,具体构建步骤如下:
神经网络模块接收到配电数据集,将配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据一同作为模型训练的输入数据,将目标配电节点的运行数据作为模型训练的输出数据,对不同状态下的目标配电节点构建辅助预测模型,并将其赋值为0或1对模型进行训练,其中0表示该状态下的目标配电节点的运行数据小于等于设定阈值,1表示该状态下的目标配电节点的运行数据大于设定阈值;具体为:分别获取配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据;
将配电数据集中的目标配电节点的各项配电参数实时监测数据标记为C1 i、各项配电参数预设标准数据标记为C2 i,目标配电节点在目标状态下的运行数据标记为YX i,f i为该目标状态下的各项参数的比重系数,构建不同状态下的目标配电节点的辅助预测模型;
将数据处理模块最近预设的时间规划窗口的配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据一同作为模型训练的输入数据,当目标状态下的模型的输出数据为0时,将数据处理模块最近预设的时间规划窗口的配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据作为模型的训练数据对模型进行二次训练同时生成指令一,当目标状态下的模型的输出数据为0时,将数据处理模块最近预设的时间规划窗口的配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据作为模型的训练数据对模型进行二次训练同时生成指令二,将所有生成的指令类型进行汇总,得到指令集并输送至数据分析模块;
数据分析模块用于根据指令集和节点环境数据集分析目标配电节点是否存在异常,及存在异常时的异常类型和等级,然后分析结果输送至电力资源重分配模块。
目标区域内的配电网络的配电信息包含目标区域内的配电网络的各个配电节点位置信息、相邻配电节点间的电力配送连接关系图、各个配电节点的配电等级信息,以及各个配电节点实时监测的各项配电参数信息。
节点环境信息集包含各个配电节点所处环境的各项环境参数信息。
数据分析模块用于根据指令集和节点环境数据集分析目标配电节点是否存在异常,及存在异常时的异常类型和等级,然后分析结果输送至电力资源重分配模块指的是:当指令集中均为指令一时,该目标配电节点不存在异常;
当指令集中不均为指令一时,指令二对应的目标配电节点对应的状态类型存在异常,在这样的情况下,需要进行进一步的分析:
获取目标配电节点对应的单个存在异常状态类型,获取该单个存在异常状态类型在神经网络模块中的输出数据并标记为SCi,获取节点环境数据集中的各项环境参数信息经过数据处理模块处理后得到的节点环境数据集中的各项环境参数数据并标记为HJ i,将目标配电节点的配电等级标记为DJ i,然后通过以下计算得到该单个存在异常状态类型对应的异常值:k i为各项环境参数数据对应的环境系数,q1、q2、q3均为预设的比例系数,且q1、q2、q3之和为一,pi为该单个存在异常状态类型对应的特定系数,YCi为该单个存在异常状态类型对应的异常值,然后通过对比,得到所有的异常值中的最大值并标记为YCmax,数据分析模块中预设有多个异常区间,将YCmax落入的异常区间对应的序列号作为该目标配电节点的异常等级。
配电策略模块中预先存储有目标节点异常情形-配电调整策略表单,该表单列出了不同的异常类型、多项异常类型同时存在的情况,以及上述情况在不同异常等级下对应的配电调整策略,目的是确保系统能够快速且自动地响应检测到的异常,以维持或恢复配电网络的稳定运行,
电力资源重分配模块用于根据分析结果查找配电策略模块中的目标节点异常情形-配电调整策略表单中的对应配电调整策略并进行目标区域内的配电网络的重新输配,举例说明为:假设在神经网络模块和数据分析模块分析后,确定了一个目标配电节点的异常类型仅为“过载”,异常等级为三级,在这个情形下,配电策略模块中可能存储了以下对应的配电调整策略:
负载转移:如果存在一个相邻的配电节点有额外的容量,可以将一部分过载节点的电力需求转移到该节点上,从而减轻过载,异常等级为一级时可采用。
切断非关键供电:暂时切断对非关键负载的供电,例如,关闭一些装饰性照明或者非紧急设施的电源,以便将电力资源重定向到更重要的负载,异常等级为二级时可采用。
启动备用电源:如果可用,启用备用电源系统如发电机组来提供额外的电力供应,以缓解过载情况,异常等级为三级时可采用。
优化配电路径:重新配置配电网络的拓扑结构,寻找更优的配电路径,使得电力传输更为高效,减少线路损耗,并减轻特定节点的负荷,异常等级为三级以上时可采用。
当电力资源重分配模块接收到来自数据分析模块的分析结果时,它会查询这个表单,找到对应的配电调整策略,并在目标区域内实施这些策略,这种自动化的响应机制可以极大地提高电网的可靠性和效率,同时减少人为干预的需要。
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,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
另外,在本申请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。
本领域普通技术人员可以意识到,结合本文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申请的范围。
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。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种自感知监测智能化控制配电系统,其特征在于,包括信息采集模块、数据处理模块、神经网络模块、数据分析模块、配电策略模块、电力资源重分配模块;
信息采集模块用于采集目标区域内的配电网络的配电信息、配电网络的节点环境信息,得到配电信息集、节点环境信息集一同输送至数据处理模块;
数据处理模块用于分别对配电信息集、节点环境信息集进行处理,得到配电数据集、节点环境数据集,将配电数据集输送至神经网络模块,将节点环境数据集输送至数据分析模块;
神经网络模块利用配电数据集进行训练,构建辅助预测模型,具体构建步骤如下:
神经网络模块接收到配电数据集,将配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据一同作为模型训练的输入数据,将目标配电节点的运行数据作为模型训练的输出数据,对不同状态下的目标配电节点构建辅助预测模型,并将其赋值为0或1对模型进行训练,其中0表示该状态下的目标配电节点的运行数据小于等于设定阈值,1表示该状态下的目标配电节点的运行数据大于设定阈值;
将数据处理模块最近预设的时间规划窗口的配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据一同作为模型训练的输入数据,当目标状态下的模型的输出数据为0时,将数据处理模块最近预设的时间规划窗口的配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据作为模型的训练数据对模型进行二次训练同时生成指令一,当目标状态下的模型的输出数据为0时,将数据处理模块最近预设的时间规划窗口的配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据作为模型的训练数据对模型进行二次训练同时生成指令二,将所有生成的指令类型进行汇总,得到指令集并输送至数据分析模块;
数据分析模块用于根据指令集和节点环境数据集分析目标配电节点是否存在异常,及存在异常时的异常类型和等级,然后分析结果输送至电力资源重分配模块;
配电策略模块中预先存储有目标节点异常情形-配电调整策略表单;
电力资源重分配模块用于根据分析结果查找配电策略模块中的目标节点异常情形-配电调整策略表单中的对应配电调整策略并进行目标区域内的配电网络的重新输配。
2.根据权利要求1所述的一种自感知监测智能化控制配电系统,其特征在于,目标区域内的配电网络的配电信息包含目标区域内的配电网络的各个配电节点位置信息、相邻配电节点间的电力配送连接关系图、各个配电节点的配电等级信息,以及各个配电节点实时监测的各项配电参数信息。
3.根据权利要求2所述的一种自感知监测智能化控制配电系统,其特征在于,节点环境信息集包含各个配电节点所处环境的各项环境参数信息。
4.根据权利要求3所述的一种自感知监测智能化控制配电系统,其特征在于,神经网络模块接收到配电数据集,将配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据一同作为模型训练的输入数据,将目标配电节点的运行数据作为模型训练的输出数据,对不同状态下的目标配电节点构建辅助预测模型指的是:
分别获取配电数据集中的目标配电节点的各项配电参数实时监测数据、各项配电参数预设标准数据;
将配电数据集中的目标配电节点的各项配电参数实时监测数据标记为C1 i、各项配电参数预设标准数据标记为C2 i,目标配电节点在目标状态下的运行数据标记为YXi,fi为该目标状态下的各项参数的比重系数,构建不同状态下的目标配电节点的辅助预测模型。
5.根据权利要求4所述的一种自感知监测智能化控制配电系统,其特征在于,数据分析模块用于根据指令集分析目标配电节点是否存在异常指的是:当指令集中均为指令一时,该目标配电节点不存在异常。
6.根据权利要求5所述的一种自感知监测智能化控制配电系统,其特征在于,数据分析模块用于根据指令集分析目标配电节点存在异常时的异常类型指的是:
当指令集中不均为指令一时,指令二对应的目标配电节点对应的状态类型存在异常。
7.根据权利要求6所述的一种自感知监测智能化控制配电系统,其特征在于,数据分析模块用于根据指令集和节点环境数据集分析目标配电节点存在异常时的异常等级指的是:
获取目标配电节点对应的单个存在异常状态类型,获取该单个存在异常状态类型在神经网络模块中的输出数据并标记为SCi,获取节点环境数据集中的各项环境参数信息经过数据处理模块处理后得到的节点环境数据集中的各项环境参数数据并标记为HJi,将目标配电节点的配电等级标记为DJi,然后通过以下计算得到该单个存在异常状态类型对应的异常值:ki为各项环境参数数据对应的环境系数,q1、q2、q3均为预设的比例系数,且q1、q2、q3之和为一,pi为该单个存在异常状态类型对应的特定系数,YCi为该单个存在异常状态类型对应的异常值,然后通过对比,得到所有的异常值中的最大值并标记为YCmax,数据分析模块中预设有多个异常区间,将YCmax落入的异常区间对应的序列号作为该目标配电节点的异常等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410332137.0A CN118174456A (zh) | 2024-03-22 | 2024-03-22 | 一种自感知监测智能化控制配电系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410332137.0A CN118174456A (zh) | 2024-03-22 | 2024-03-22 | 一种自感知监测智能化控制配电系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118174456A true CN118174456A (zh) | 2024-06-11 |
Family
ID=91358205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410332137.0A Pending CN118174456A (zh) | 2024-03-22 | 2024-03-22 | 一种自感知监测智能化控制配电系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118174456A (zh) |
-
2024
- 2024-03-22 CN CN202410332137.0A patent/CN118174456A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112788142B (zh) | 一种支持多传感器接入的智能边缘物联网关 | |
CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
Nan et al. | A quantitative method for assessing resilience of interdependent infrastructures | |
CN107193274B (zh) | 一种基于多维度综合指标的电网脆弱性评估方法 | |
CN105069695B (zh) | 一种智能变电站实时风险分析系统及分析方法 | |
CN111047082A (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
US20140148962A1 (en) | Situational Awareness / Situational Intelligence System and Method for Analyzing, Monitoring, Predicting and Controlling Electric Power Systems | |
CN110443037B (zh) | 一种基于改进ahp方法的电力监控网络安全态势感知方法 | |
WO2013023178A1 (en) | Adaptive stochastic controller for dynamic treatment of cyber-physical systems | |
CN105325023A (zh) | 用于小区异常检测的方法和网络设备 | |
CN105372534A (zh) | 一种多传感器多参量信息智能融合系统 | |
CN102934312A (zh) | 能量产生系统及其控制 | |
CN113762604B (zh) | 一种工业互联网大数据服务系统 | |
CN113169709A (zh) | 基于机器学习的太阳能发电控制系统及方法 | |
CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
CN113887606A (zh) | 基于故障树建立的电子设备控制系统故障诊断方法 | |
CN116684253A (zh) | 基于智能运维的网络异常管控方法 | |
CN116125204A (zh) | 一种基于电网数字化的故障预测系统 | |
CN115603459A (zh) | 一种基于数字孪生技术的配电网关键厂站监测方法与系统 | |
CN117374978B (zh) | 结合知识图谱构建的并网调度管理方法及系统 | |
CN104834305A (zh) | 基于dms系统的配网自动化终端遥测异常分析系统及方法 | |
CN117674249A (zh) | 一种含分布式光伏的配电网故障自愈控制与评价方法 | |
CN117526344A (zh) | 一种配电网无功电压控制优化方法及系统 | |
CN118174456A (zh) | 一种自感知监测智能化控制配电系统 | |
CN112799363B (zh) | 一种分层分区能源站智能电气监控管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |