ES2961149T3 - Diagnóstico asistido de red eléctrica - Google Patents

Abstract

Un método (100) para ayudar en el diagnóstico de redes de distribución eléctrica, implementado por medios informáticos, que comprende: a. recopilar (101) y centralizar conjuntos de datos de anomalías detectadas por al menos un sensor en una red, incluyendo cada conjunto al menos una fecha y una posición en dicha red; b. asociar (102), con cada conjunto de datos de anomalía, datos topológicos de una zona respectiva de dicha red;c. agrupar (103) los conjuntos de datos de defectos por rangos de tiempo; d. correlacionar (104) grupos de conjuntos de datos que tienen diferentes fechas y similitudes en sus respectivos datos topológicos asociados para formar agregados de grupos de conjuntos de datos; e. transmitir (106), a una interfaz hombre-máquina, los agregados de grupos de conjuntos de datos correlacionados. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Diagnóstico asistido de red eléctrica

Sector de la técnica

La presente divulgación se refiere al campo del mantenimiento de las redes de distribución eléctrica, en particular las redes de distribución denominadas de “baja tensión (BT)”, es decir, las situadas entre un transformador HTA/BT (alta tensión tipo A/baja tensión) y los nodos consumidores que corresponden esencialmente a “puntos de entrega (PDL)”.

Estado de la técnica

La gestión de una red de distribución eléctrica implica una serie de tareas, en particular responder rápidamente para reparar las instalaciones en caso de incidente, pero también renovar y mantener los equipos incluso antes de que se produzcan incidentes para reducir el riesgo y las consecuencias en términos de calidad de servicio.

Para llevar a cabo estas tareas, los operarios de redes suelen mantener un Sistema de Información Geográfica (SIG). En particular, estos sistemas SIG contienen mapas de la red de distribución eléctrica. Los mapas contienen datos organizados de manera que representen, lo más fielmente posible, la red física y las instalaciones que la componen. De manera más general, estos SIG contienen datos topológicos de las distintas zonas que componen la red. Más recientemente, los operarios también disponen de un gran número de sensores situados en la red y capaces de transmitir de forma centralizada datos de medición en tiempo casi real. Por ejemplo, las redes de distribución eléctrica en Francia están equipadas actualmente con sensores de tensión, corriente y potencia. Los contadores eléctricos conocidos con la denominación comercial “Linky” e instalados en los nodos de consumo de los extremos de las redes de distribución incluyen este tipo de sensores. Por ejemplo, los siguientes documentos tratan de la recogida y gestión de los datos recogidos de este modo en las redes de distribución:

- “Extraction of CIM-Based Distribution Grid Topology Informations for Observability” (Shahid Kamalet al,2019), - “Linky contributions in management and fault detection” (Philippe Pelletieret al,2017).

Sin embargo, la cantidad de datos técnicos recibidos en tiempo casi real no permite el análisis humano, por lo que se automatiza en gran medida, es decir, se procesa por ordenador. Un tratamiento informático de este tipo permite detectar las raras anomalías importantes resultantes de incidentes, como los cortes de suministro eléctrico. Se mejora de este modo el mantenimiento correctivo. En cambio, las anomalías menores son mucho más numerosas y generalizadas. Actualmente, en particular es imposible distinguir:

- “defectos fugitivos”, es decir, fallos que desaparecen de forma natural sin necesidad, ni siquiera relevancia, de intervención; y

- “señales débiles” que son precursoras de futuros incidentes y para las que es deseable tomar medidas preventivas. Además, los expertos en la técnica se enfrentan a una gran cantidad de datos a los que no han tenido acceso hasta ahora. Identificar por parte de expertos de “señales débiles” anunciadoras de un incidente en los datos brutos de medición resulta tedioso e ineficaz.

Objeto de la invención

La presente divulgación mejora la situación.

Se propone un procedimiento de ayuda al diagnóstico de redes de distribución eléctrica según la reivindicación 1. Según otro aspecto, se propone una utilización del procedimiento para ayudar en la clasificación de datos de aprendizaje supervisado.

Según otro aspecto, se propone un programa informático que comprende instrucciones para implementar todo o parte de un procedimiento tal como se define en el presente documento cuando este programa es ejecutado por un procesador. Según otro aspecto, se propone un medio de grabación no transitorio legible por ordenador en el que se graba un programa de este tipo.

Las características expuestas en los párrafos siguientes pueden aplicarse opcionalmente. Pueden aplicarse de forma independiente o combinadas entre sí.

Los conjuntos de anomalías recogidos se reciben de sensores dispuestos para transmitir un conjunto de datos de anomalía solo al detectar una excursión de tensión, corriente y/o potencia fuera de unos márgenes predeterminados, comprendiendo además cada conjunto de datos un dato que califica dicha excursión. Esto permite a la vez limitar la cantidad de datos que deben transmitirse y obtener una información más precisa y, por consiguiente, mejorar la fiabilidad de la agregación de datos, los datos topológicos de cada zona de la red comprenden al menos uno de los parámetros siguientes:

- alimentador de salida de baja tensión para la conexión eléctrica del sensor;

- rango de la conexión del alimentador de salida;

- distancia (geográfica o de cableado) hasta el transformador;

- tipo de cableado de la zona;

- naturaleza aérea/subterránea (cable enterrado) de la red;

- identificador del transformador aguas arriba más próximo;

- cargas con indicación de fecha y hora de la zona de la red;

- fenómenos meteorológicos con indicación de fecha y hora de la zona;

- existencia de operaciones de mantenimiento o de obras con indicación de fecha y hora en la zona;

- información sobre las operaciones de mantenimiento o trabajo que incluyen fecha y hora en la zona;

- presencia de un suministro local de energía. Los parámetros mencionados se han identificado como especialmente relevantes para una mejor agregación de los datos;

- presencia de equipos de unión (o “cajas”);

- información sobre las reparaciones realizadas en la red;

- antigüedad de los componentes de red (incluidos los cables).

El método comprende además, antes de transmitir los agregados de grupos de conjuntos de datos correlacionados a una interfaz hombre-máquina: d') programar los agregados entre sí en función del número total de nodos de distribución situados aguas abajo de las zonas correspondientes a los conjuntos de datos de cada agregado, de modo que los análisis humanos puedan priorizarse en función de un número de nodos de distribución situados aguas abajo de las anomalías. En caso necesario, esto permite limitar los análisis humanos a las anomalías más relevantes. Alternativamente, pueden utilizarse otros criterios para la programación.

Descripción de las figuras

Otras características, detalles y ventajas se desprenderán de la siguiente descripción detallada y del análisis de los dibujos adjuntos, en los que:

Figura 1

[La figura 1] muestra un diagrama de flujo que representa la implementación de un procedimiento según una realización.

Figura 2

[La figura 2] muestra un ejemplo de interfaz hombre-máquina en la que se visualizan datos agregados según una realización.

Descripción detallada de la invención

Los dibujos y la siguiente descripción contienen, en su mayor parte, elementos de carácter certero. Por tanto, pueden servir no solo para mejorar la comprensión de la presente divulgación, sino también para contribuir a su definición, cuando proceda.

En la presente divulgación, se dice que ciertos datos/información tienen “indicación de fecha y hora”. Esto significa que una fecha, o un periodo delimitado por dos fechas, se asocia al resto de los datos. En los ejemplos propuestos, el nivel de precisión de las fechas es el segundo (por ejemplo, en el formato año-mes-día-hora-minuto-segundo). Alternativamente, el nivel de precisión de las fechas se adapta al contexto de uso.

En lo sucesivo, se hará referencia a “sensor(es)”. Dichos sensores pueden ser autónomos o estar integrados en un conjunto que incluye otros equipos, tales como dispositivos de memoria, de procesamiento y de comunicación. Por ejemplo, un conjunto de estos tales pueden estar dispuesto en la interfaz entre la red de distribución y una red de terceros, e incluir tales sensores. En el lenguaje habitual, tales equipos suelen denominarse “contadores”. Cabe señalar en este caso que el término “contador” deriva de la función histórica de tales equipos: contabilizar el consumo de electricidad a efectos de facturación. Hoy en día, los “contadores” desempeñan otras funciones además de la medición, y se utilizan para supervisar la red con fines de gestión técnica.

En el ejemplo descrito en este caso, los sensores se colocan en la red, en particular en los nodos de consumo, es decir, en los extremos aguas abajo de la red de distribución. Los sensores miden, de forma sustancialmente continua, una tensión, una corriente y/o una potencia. Cuando se mide una desviación de al menos uno de estos valores fuera de un intervalo predeterminado, se genera y registra un conjunto de datos relativos a una anomalía. Por ejemplo, cuando la tensión está fuera de un intervalo del 10 % de una tensión nominal, o cuando supera un límite de sobretensión (por ejemplo, fijado en 270 V), o incluso cuando está por debajo de un umbral de desconexión (por ejemplo, fijado en 160 V), se genera un conjunto de datos relativos a una anomalía.

Tal conjunto de datos de anomalías se genera, se registra localmente y se transmite a un colector remoto, por ejemplo a través de la comunicación por línea eléctrica (CPL).

Cada conjunto de datos incluye una combinación de al menos una fecha y una posición en la red. La fecha corresponde a la fecha de la medición de la anomalía, es decir, un instante representado por una única marca de tiempo. Alternativamente, se incluye en el conjunto de datos al menos un par de fechas que delimitan un periodo. La posición en la red puede ser, por ejemplo, una posición geográfica tal como coordenadas GPS o un identificador de sensor que permita deducir a posteriori una posición en la red. En general, los datos de posición deben permitir localizar el sensor que ha medido la anomalía en relación con los demás equipos de la red.

En algunos ejemplos, los conjuntos de datos pueden comprender además al menos un elemento de datos que califique la anomalía, por ejemplo información que cuantifique una excursión de tensión. Los conjuntos de datos también pueden comprender otros tipos de datos.

A continuación se describe un procedimiento 100 de tratamiento de datos, desglosado en operaciones y basado en el mostrado en la [figura 2].

En una operación 101, los conjuntos de datos procedentes de los sensores se recogen y centralizan. Un colector de este tipo puede estar situado, por ejemplo, en un transformador situado en un extremo aguas arriba de la red. A continuación, los datos recogidos son procesados por medios informáticos, tales como un procesador asociado a un dispositivo de memoria. Los medios informáticos pueden estar integrados en el colector o ser remotos.

En una operación 102, los datos topológicos de una zona respectiva se asocian a cada conjunto de datos de anomalía recogidos. La zona respectiva se determina en función de la posición contenida en cada conjunto de datos de anomalías. Los datos topológicos están, por ejemplo, previamente disponibles en una base de datos accesible a los medios informáticos que implementan el procedimiento. Por ejemplo, la base de datos en la que se almacenan los datos topológicos forma parte de al menos un sistema de información geográfica (SIG).

En el ejemplo descrito en este caso, los datos topológicos de cada zona de red comprenden al menos uno de los siguientes parámetros:

- alimentador de salida de baja tensión para la conexión eléctrica del sensor;

- rango de la conexión del alimentador de salida;

- distancia (geográfica o en el cableado) al transformador;

- tipo de cableado de la zona;

- naturaleza aérea/subterránea (cable enterrado) de la red;

- identificador del transformador aguas arriba más próximo;

- cargas con indicación de fecha y hora en la zona de la red;

- fenómenos meteorológicos con indicación de fecha y hora de la zona;

- existencia de operaciones de mantenimiento o de obras con indicación de fecha y hora en la zona;

- información sobre las operaciones de mantenimiento o trabajo con indicación de fecha y hora en la zona;

- presencia de suministro local de energía (comúnmente denominada “producción descentralizada”, a menudo fotovoltaica, eólica, cogeneración, etc. en la propia red o en una red situada aguas arriba, tal como una red de transporte de alta tensión).

El identificador del transformador puede completarse con información relativa a la potencia del transformador (en otras palabras, su dimensionamiento). Las cargas pueden comprender información sobre el consumo de electricidad de los nodos consumidores y/o el suministro de electricidad en la red.

A continuación, en una operación 103, los conjuntos de datos de fallos a los que se han asociado datos topológicos se agrupan por intervalos de tiempo (o ventanas temporales) en función de sus fechas respectivas. En otras palabras, se agrupan los conjuntos relativos a anomalías que se producen al mismo tiempo, o al menos no muy alejadas en el tiempo. Por ejemplo, los intervalos de tiempo corresponden a semanas naturales. Normalmente, el objetivo de la agrupación de sucesos por fecha es reunir, y por tanto identificar, sucesos con una causa o causas comunes que dependen unas de otras. En este caso, el objetivo es diferente: en primer lugar, se trata de identificar anomalías resultantes de sucesos distintos pero que presentan, no obstante, características similares. Para ello, las anomalías se agrupan en primer lugar por intervalos de tiempo. De este modo se limita el riesgo de que dos anomalías resultantes de un mismo suceso (y, por tanto, probablemente concomitantes) se repartan en dos grupos diferentes. De lo contrario, podría considerarse que las dos anomalías tienen características similares por razones distintas de su origen común, lo que crearía un sesgo.

A continuación, en una operación 104, se correlacionan conjuntos de datos que presentan fechas diferentes, o espaciados por más de un umbral predeterminado. En otras palabras, se comparan los datos topológicos asociados a conjuntos de datos pertenecientes a grupos distintos entre sí. Como resultado de estas comparaciones, se establecen correlaciones cuando al menos algunos de los datos topológicos son similares o idénticos. Por ejemplo, pueden agregarse anomalías que se hayan producido en fechas diferentes y cuyas zonas de red afectadas estén situadas aguas abajo de transformadores distintos pero del mismo modelo. Lo mismo ocurre, por ejemplo, con los cables distintos pero del mismo tipo. De este modo, las anomalías cuyos datos se agregan no resultan a priori de un mismo suceso, pero pueden permitir identificar una fuente de anomalías vinculada a un modelo de transformador particular. Por supuesto, se trata únicamente de un ejemplo no limitativo. También pueden identificarse de este modo otros parámetros, o combinaciones de parámetros, como fuentes probables de anomalías.

Por tanto, se comprende que la asistencia de expertos humanos mediante un procedimiento informatizado es especialmente ventajosa cuando el número y la complejidad de los datos y parámetros son elevados.

En algunas realizaciones, puede elegirse el nivel de similitud requerido para que se establezca una correlación y para que se agreguen los conjuntos de datos. Por ejemplo, una correlación puede establecerse únicamente cuando se encuentra un número mínimo de similitudes entre los datos topológicos durante las comparaciones.

Además, pueden asignarse índices de relevancia a cada tipo de datos topológicos. En este caso, el establecimiento de una correlación puede hacerse depender no solo del número de similitudes, sino también de su grado de relevancia. Por ejemplo, una similitud relativa a la existencia de una operación de mantenimiento en la zona de la red afectada por la anomalía puede ser más pertinente que una similitud relativa a la naturaleza del cableado. Un experto sabrá asignar índices de relevancia a cada dato topológico. La asignación de índices de relevancia se basa en los conocimientos teóricos y la experiencia práctica del experto, así como en el contexto de la aplicación.

La etapa de correlación de grupos de datos también puede incluir el respeto de un número máximo de conjuntos de datos por agregado que no debe superarse. Tal máximo se elige, por ejemplo, en función de la capacidad humana para comparar conjuntos de datos. En consecuencia, el máximo también depende de la complejidad de los propios conjuntos de datos: cuanto mayor sea el número de elementos de datos que componen cada conjunto de datos, menor deberá ser el máximo, y viceversa.

En una operación 105 opcional, los agregados obtenidos pueden programarse entre sí. Tal programación puede depender de una relevancia estimada de los agregados y/o de una función del número total de nodos de distribución situados aguas abajo de las zonas correspondientes a los conjuntos de datos de cada agregado. En este último caso, esto permite, por ejemplo, dar prioridad a determinados análisis humanos posteriores en función de un número de nodos de distribución situados aguas abajo de las anomalías y, por tanto, a priori, en función del número de personas afectadas por las anomalías y sus consecuencias. En la práctica, se utiliza un algoritmo para asignar una puntuación a cada agregado. Comparando las puntuaciones entre sí, los agregados pueden programarse entre sí. Puede aplicarse un filtro a las puntuaciones para retener únicamente los agregados más pertinentes y, por tanto, las anomalías que deben tratarse.

En una operación 106 posterior, los agregados de grupos de conjuntos de datos correlacionados se transmiten a un destino de una interfaz hombre-máquina. Esto permite presentar dichos datos a un humano para su análisis.

La interfaz hombre-máquina puede, por ejemplo, adoptar la forma de una página web a partir de la que los expertos pueden tanto consultar los datos representados como modificarlos, complementarlos o corregirlos. En el contexto de la presente divulgación, los datos agregados se presentan preferiblemente de forma que se facilite su comparación por un humano, normalmente resaltando los puntos comunes entre dos conjuntos de datos del mismo agregado. El objetivo en este caso es facilitar y acelerar la clasificación humana de los datos antes de su uso por una red neuronal, en el contexto del aprendizaje supervisado. Por supuesto, la forma en que se presentan los datos a través de la interfaz de la máquina puede adoptar infinitas formas. La [figura 2] es una captura de pantalla de una interfaz de este tipo. La forma de presentación que se muestra en este caso tiene únicamente fines ilustrativos y no limitativos.

Preferiblemente, la interfaz se dispone para incluir una combinación de al menos una representación espacial (por ejemplo, un mapa) y una representación temporal (por ejemplo, una línea de tiempo).

El solicitante ha implementado el procedimiento y ha obtenido una base de aprendizaje de más de 1.400 etiquetas de expertos que han trabajado en una interfaz de este tipo. Un algoritmo construido mediante aprendizaje supervisado sobre dicha base de aprendizaje y datos antiguos de anomalías permitieron planificar intervenciones preventivas virtuales. En otras palabras, fue posible detectar la necesidad de intervenir en la red en un futuro próximo (en los próximos días, por ejemplo). Por supuesto, el criterio de “necesidad” también puede adaptarse a las exigencias del operario de la red en términos de calidad de servicio. Los criterios utilizados en este caso tenían por objeto, por ejemplo, evitar cortes accidentales y mantener una tensión constante de /- el 10 %. De las intervenciones preventivas identificadas, el 95 % ya habían sido realizadas o planificadas por expertos, lo que demuestra la relevancia de las previsiones. Además, el 90 % de las intervenciones realmente implementadas sobre el terreno también habían sido identificadas por el algoritmo.

La presente divulgación no se limita a los ejemplos de procedimientos, usos, programas informáticos y soportes de grabación no transitorios descritos anteriormente, a título meramente ilustrativo, sino que abarca todas las variantes que un experto en la técnica pueda prever en el contexto de la protección solicitada.

Lista de signos de referencia

- 100: Procedimiento

- 101: operación de recogida;

- 102: operación de asociación;

- 103: operación de agrupación;

- 104: operación de correlación;

- 105: operación de programación;

- 106: operación de transmisión.

Claims (7)

REIVINDICACIONES

1. Procedimiento (100) de ayuda al diagnóstico de redes de distribución eléctrica, implementado por medios informáticos, que comprende:

a. recoger (101) y centralizar conjuntos de datos de anomalías, correspondiendo cada conjunto a una anomalía detectada por al menos un sensor entre una pluralidad de sensores distribuidos por una red de distribución eléctrica, incluyendo cada conjunto una combinación de al menos una fecha y una posición en dicha red;

b. asociar (102), a cada conjunto de datos anómalos, datos topológicos de una zona respectiva de dicha red, estando dicha zona respectiva determinada en función de la posición contenida en cada conjunto de datos de anomalías;

caracterizado por queel procedimiento (100) comprende además las siguientes etapas:

c. agrupar (103) los conjuntos de datos de defectos por intervalos de tiempo según sus fechas respectivas;

d. correlacionar (104) grupos de conjuntos de datos que presentan fechas diferentes y similitudes en sus datos topológicos respectivos asociados para formar agregados de grupos de conjuntos de datos,

e. transmitir (106), a al menos una interfaz hombre-máquina, los agregados de grupos de conjuntos de datos correlacionados, de modo que dichos datos puedan presentarse a un humano para su análisis,

f. a partir de dichos agregados de grupos de conjuntos de datos correlacionados transmitidos, determinar un plan de intervención que deba implementarse en la red de distribución eléctrica.

2. Procedimiento según la reivindicación anterior, en el que los conjuntos de anomalías recogidas se reciben desde sensores dispuestos para transmitir un conjunto de datos de anomalías únicamente al detectar una excursión de tensión, corriente y/o potencia fuera de unos intervalos predeterminados, comprendiendo además cada conjunto de datos un elemento de datos que califica dicha excursión.

3. Procedimiento según una de las reivindicaciones anteriores, en el que los datos topológicos de cada zona de la red comprenden al menos uno de los siguientes parámetros:

- alimentador de salida de baja tensión para la conexión eléctrica del sensor;

- rango de la conexión del alimentador de salida;

- distancia (geográfica o en el cableado) al transformador;

- tipo de cableado de la zona;

- naturaleza aérea/subterránea (cable enterrado) de la red;

- identificador del transformador aguas arriba más cercano;

- cargas con indicación de fecha y hora en la zona de la red;

- fenómenos meteorológicos con indicación de fecha y hora de la zona;

- existencia de operaciones de mantenimiento o de obras con indicación de fecha y hora en la zona;

- información sobre las operaciones de mantenimiento o trabajo con indicación de fecha y hora en la zona;

- presencia de suministro local de energía;

- presencia de equipos de unión;

- información sobre las reparaciones realizadas en la red;

- antigüedad de los elementos de red.

4. Procedimiento según cualquiera de las reivindicaciones anteriores, que comprenden además, antes de transmitir (106) los agregados de grupos de conjuntos de datos correlacionados a una interfaz hombre-máquina:

d') programas (105) los agregados entre sí en función del número total de nodos de distribución situados aguas abajo de las zonas correspondientes a los conjuntos de datos de cada agregado, de modo que puedan priorizarse los análisis humanos en función de un número de nodos de distribución situados aguas abajo de las anomalías. 5. Uso del procedimiento según una de las reivindicaciones anteriores para ayudar en la clasificación de datos de aprendizaje supervisado.

6. Programa informático que comprende instrucciones para implementar el procedimiento según una de las reivindicaciones 1 a 4 cuando este programa se ejecuta por un procesador.

7. Medio de grabación no transitorio legible por ordenador en el que se graba un programa para implementar el procedimiento según una de las reivindicaciones 1 a 4 cuando este programa se ejecuta por un procesador.