[go: up one dir, main page]

CN117825864A - 一种配电网线路短路容量监控诊断方法及系统 - Google Patents

一种配电网线路短路容量监控诊断方法及系统 Download PDF

Info

Publication number
CN117825864A
CN117825864A CN202311544257.9A CN202311544257A CN117825864A CN 117825864 A CN117825864 A CN 117825864A CN 202311544257 A CN202311544257 A CN 202311544257A CN 117825864 A CN117825864 A CN 117825864A
Authority
CN
China
Prior art keywords
data
distribution network
network line
line
monitoring
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.)
Withdrawn
Application number
CN202311544257.9A
Other languages
English (en)
Inventor
何思阳
禹海林
何光禄
王帅
潘富祥
黄俊澄
金炬峰
张昌孜
赵世钦
谢扬华
杨竣淇
闵鲟
赵鹏程
王怀元
李金骏
荣尉凯
万宗旭
何子炜
吴金承
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202311544257.9A priority Critical patent/CN117825864A/zh
Publication of CN117825864A publication Critical patent/CN117825864A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08Locating faults in cables, transmission lines, or networks
    • G01R31/081Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08Locating faults in cables, transmission lines, or networks
    • G01R31/088Aspects of digital computing
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/52Testing for short-circuits, leakage current or ground faults
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/0464Convolutional networks [CNN, ConvNet]
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52Outage or fault management, e.g. fault detection or location

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种配电网线路短路容量监控诊断方法及系统,涉及电力系统技术领域,包括采集配电网线路数据,将配电网信息转化为线路拓扑图数据;将数据进行核对并归一化处理,基于皮尔逊相关系数计算特征与目标变量的相关性;进行线路短路容量问题的定位和识别,通过诊断结果进行监控预警并制定调控策略。本发明所述方法通过将抽象复杂的电网数据结构化,增强了数据的可操作性和可分析性;通过基于皮尔逊相关系数计算特征与目标变量的相关性,实现了数据特征之间关系的量化,从而提高了故障预测的准确性;通过结合了K均值聚类和卷积神经网络的分析工具,进行线路短路容量问题的定位和识别,提高了配电网线路故障处理的响应速度和精确度。

Description

一种配电网线路短路容量监控诊断方法及系统
技术领域
本发明电力系统技术领域,具体为一种配电网线路短路容量监控诊断方法及系统。
背景技术
在电力系统运行的安全和稳定性领域,配电网作为连接电力生产和消费的重要环节,其健康状态直接关系到电力系统的可靠性,随着社会经济的发展和电力需求的不断增长,配电网的结构越来越复杂,对配电网线路短路容量监控诊断技术提出了更高的要求,现有技术主要通过传统的过载保护和短路保护来确保配电网的安全运行,但这些方法存在响应时间慢、准确性和可靠性不足等问题,此外,配电网线路短路容量的准确监测对于故障预防和快速响应至关重要,但现有技术往往无法提供实时的监测和精确的诊断。
近年来,智能电网的发展为配电网线路短路容量监控提供了新的技术平台,通过集成先进的传感器技术、无线通信技术和大数据处理技术,实现了对配电网线路数据的实时采集和动态监控,然而,即便是在智能电网框架下,现有技术在数据处理和故障诊断方面仍面临挑战,一方面,配电网线路数据量巨大,包含大量噪声,如何有效地从中提取有用信息并进行准确的特征识别是一个难题,另一方面,现有的监控诊断方法往往缺乏对数据关联性的深入分析,不能充分利用数据之间的内在联系,从而影响故障识别的准确性和及时性,在此背景下,本发明通过采集配电网线路数据,并将这些数据转化为线路拓扑图数据,使得监控诊断过程更加直观和高效,通过对数据进行核对和归一化处理,本发明解决了传统方法中因数据量大和数据质量差导致的分析效率低下问题,此外,采用皮尔逊相关系数计算特征与目标变量的相关性,提高了特征选择的科学性和故障定位的准确性,在故障诊断方面,不仅能够进行线路短路容量问题的定位和识别,而且还能基于诊断结果实时进行监控预警,并制定相应的调控策略,从而显著提高配电网线路故障处理的响应速度和处理的精确度。
发明内容
鉴于上述存在的问题,提出了本发明。
因此,本发明解决的技术问题是:现有的配电网数据处理和故障诊断方法存在准确度,响应慢,效率低,以及如何提供实时的配电网线路监测和精确的诊断的问题。
为解决上述技术问题,本发明提供如下技术方案:一种配电网线路短路容量监控诊断方法,包括采集配电网线路数据,将配电网信息转化为线路拓扑图数据;将数据进行核对并归一化处理,基于皮尔逊相关系数计算特征与目标变量的相关性;进行线路短路容量问题的定位和识别,通过诊断结果进行监控预警并制定调控策略。
作为本发明所述的配电网线路短路容量监控诊断方法的一种优选方案,其中:所述采集配电网线路数据包括在配电网线路节点安装电流互感器、电压传感器以及温度传感器,电流互感器测量配电网线路电流数据,电压传感器测量配电网线路电压数据,温度传感器测量配电网线路温度数据。
作为本发明所述的配电网线路短路容量监控诊断方法的一种优选方案,其中:所述将配电网信息转化为线路拓扑图数据包括通过电流互感器、电压传感器以及温度传感器的无线节点组成无线传感器网络,通过配电网信息获取配电网线路拓扑图,配电网信息包括线路名称、设备型号、安装位置以及连接方式,将配电网线路与设备的连接点作为配电网线路拓扑图的节点,并转换为线路拓扑图数据。
转换过程用OCR图像转换工具将线路拓扑图中的文字和符号转换为矢量图像,通过数据采集模块的API接口,用无线连接方式连接传感器设备。
作为本发明所述的配电网线路短路容量监控诊断方法的一种优选方案,其中:所述将数据进行核对并归一化处理包括基于临时数据中心的创建列表检查配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据中的错误值。
当核对配电网线路电流数据、配电网线路电压数据以及配电网线路温度数据时,若数据超出传感器测量范围,则数据异常,若数据未超出传感器测量范围,则数据正常。
当核对线路拓扑图数据时,若线路拓扑图数据存在错误和不一致的信息,对线路拓扑图数据进行修正,通过预备数据项填充缺失值,若线路拓扑图数据不存在错误和不一致的信息,通过最小-最大归一化将配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据进行约束,并映射到相同尺度,表示为:
其中,Z表示归一化后的配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据,x表示原始配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据,xmin表示原始配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据的最小值,xmax表示原始配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据的最大值。
作为本发明所述的配电网线路短路容量监控诊断方法的一种优选方案,其中:所述计算特征与目标变量的相关性包括基于线性判别分析将配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据投影到一个低维空间,将同一类别的样本聚合,不同类别的样本分开,基于特征与目标变量的相关性进行特征选择,通过皮尔逊相关系数计算特征与目标变量的统计相关性,并选择与目标变量相关性最高的特征r,表示为:
其中,和/>表示不同的配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据的数据均值,Xi、Yi表示X和Y的第i个观测值,X、Y表示两个不同的配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据的数据变量。
作为本发明所述的配电网线路短路容量监控诊断方法的一种优选方案,其中:所述进行线路短路容量问题的定位和识别包括通过K均值聚类迭代算法将数据集中的样本划分为不同的簇,每个簇代表一种潜在的短路容量问题;将配电网线路电流数据、配电网线路电压数据以及配电网线路温度数据分别划分聚类的簇数K,计算不同簇数K值下的簇内平方和,并绘制簇内平方和与簇数K值的折线图,通过折线图上簇内平方和下降速度明显减缓的拐点,选择拐点处的簇数K值作为最终的聚类簇数,计算不同簇数K值下的簇内平方和表示为:
其中,SSE表示不同簇数K值下的簇内平方和,d(i)表示划分聚类的簇数数据与簇中心的距离,n表示不同聚类的簇数K的个数,从配电网线路电流数据、配电网线路电压数据、配电网线路温度数据随机选择K个样本并作为初始簇中心,计算样本与每个簇中心的距离分配到距离最近的簇中,对于每个簇,计算样本的平均值并作为新的簇中心,重复分配和更新操作满足停止条件,满足条件包括达到最大迭代次数以及簇中心的变化小于阈值,每个样本被分配到一个簇中,用于获取最终的聚类结果;输入线路拓扑图数据并分为固定大小的网格单元,每个网格单元负责预测存在的目标物体的类别和位置,利用卷积神经网络对线路拓扑图数据进行特征提取;输入线路拓扑图数据通过卷积层捕捉图像中的低级和高级特征,低级和高级特征包括拓扑图边缘、纹理以及形状,通过池化层进行下采样,重复迭代卷积和下采样的过程,用全连接层将特征图转换为向量形式并映射到目标类别的空间,解码全连接层输出,获取拓扑图中目标物体的位置和类别预测,预测每个网格单元目标物体的类别和位置,每个网格单元预测一个以及多个边界框,每个边界框包含目标物体的位置和尺寸,根据预测的置信度对边界框进行筛选,对于重叠的边界框,使用非最大抑制算法选择最佳的边界框,对所有检测框按照置信度从高到低进行排序,选择置信度最高的检测框,并将置信度最高的检测框加入最终的检测结果列表中,计算已选中的检测框的重叠程度,表示为:
其中,IoU表示检测框的重叠程度,Intersection表示两个检测框的交集区域的面积,Union表示两个检测框的并集区域的面积;当重叠程度大于0.5时,将检测框舍弃;当重叠程度小于等于0.5时,将检测框加入最终的检测结果列表中,重复计算重叠程度,遍历完所有的检测框并返回最终的检测结果列表,输出检测到的目标物体的类别、位置以及置信度,进行定位和识别图像中的目标物体;将配电网线路电流数据、配电网线路电压数据、配电网线路温度数据最终的聚类结果的簇利用线路拓扑图数据的三维坐标系的降维映射,获取配电网数据诊断结果。
作为本发明所述的配电网线路短路容量监控诊断方法的一种优选方案,其中:所述通过诊断结果进行监控预警并制定调控策略包括通过定时轮询获取实时的配电网数据诊断结果,定时轮询时用监控报警模块根据设定的轮询时间间隔,定期向线路诊断模块发送请求并等待诊断模块的响应,当收到响应时,监控报警模块根据诊断结果进行判断;预先设定判断报警条件,判断报警条件包括配电网线路电流数据安全数值为30mA/s,配电网线路电压数据安全数值为36V,配电网线路温度数据安全数值为40℃至60℃;当配电网数据诊断结果中配电网线路电流数据、配电网线路电压数据、配电网线路温度数据超过设定的安全限定数值时,触发报警,设定连续出现异常的次数和时间;当配电网数据诊断结果中配电网线路电流数据、配电网线路电压数据、配电网线路温度数据连续出现异常达到设定的次数和时间时,触发报警,当满足判断报警条件时,通过配电网数据诊断结果映射的线路拓扑图数据获取配电网线路诊断位置,监控报警模块通过声音、警灯以及邮件方式发送警告信息,通过云数据中心记录报警事件并传输至线路控制模块,报警事件内容包括报警时间、报警内容、报警级别;通过无线通信接收线路诊断模块以及监控报警模块的指示,指示包括配电网数据诊断结果和报警信息,进行分析和解读,分析和解读包括诊断结果的解析和安全限定数值的比较;基于分析结果和解读制定相应的控制策略并执行,控制策略包括切断故障线路、调整电力供应、启动备用设备和调度维修人员,监测反馈信息包括监测线路状态、电力供应情况以及设备工作状态,并控制更新系统状态包括更新线路状态、设备状态以及报警状态。
本发明的另外一个目的是提供一种配电网线路短路容量监控诊断系统,其能通过进行线路短路容量问题的定位和识别,通过诊断结果进行监控预警并制定调控策略,解决了目前的配电网数据处理和故障诊断含有响应慢的问题。
作为本发明所述的配电网线路短路容量监控诊断系统的一种优选方案,其中:包括
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序是实现配电网线路短路容量监控诊断方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现配电网线路短路容量监控诊断方法的步骤。
本发明的有益效果:本发明提供的配电网线路短路容量监控诊断方法通过将配电网信息转化为线路拓扑图数据,将抽象复杂的电网数据结构化,增强了数据的可操作性和可分析性;通过将数据进行核对并归一化处理,基于皮尔逊相关系数计算特征与目标变量的相关性,实现了数据特征之间关系的量化,从而提高了故障预测的准确性;通过结合了K均值聚类和卷积神经网络的分析工具,进行线路短路容量问题的定位和识别,提高了配电网线路故障处理的响应速度和处理的精确度,本发明在可靠性、准确性以及效率方面都取得更加良好的效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明第一个实施例提供的一种配电网线路短路容量监控诊断方法的整体流程图。
图2为本发明第三个实施例提供的一种配电网线路短路容量监控诊断系统的整体流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
实施例1
参照图1,为本发明的一个实施例,提供了一种配电网线路短路容量监控诊断方法,包括:
S1:采集配电网线路数据,将配电网信息转化为线路拓扑图数据。
更进一步的,采集配电网线路数据包括在配电网线路节点安装电流互感器、电压传感器以及温度传感器,电流互感器测量配电网线路电流数据,电压传感器测量配电网线路电压数据,温度传感器测量配电网线路温度数据。
应说明的是,将配电网信息转化为线路拓扑图数据包括通过电流互感器、电压传感器以及温度传感器的无线节点组成无线传感器网络,通过配电网信息获取配电网线路拓扑图,配电网信息包括线路名称、设备型号、安装位置以及连接方式,将配电网线路与设备的连接点作为配电网线路拓扑图的节点,并转换为线路拓扑图数据;转换过程用OCR图像转换工具将线路拓扑图中的文字和符号转换为矢量图像,通过数据采集模块的API接口,用无线连接方式连接传感器设备。
还应说明的是,通过高度集成的监测手段,对配电网线路的关键数据进行实时采集,其中包括电流、电压和温度三项基本电气参数,通过安装在配电网节点的电流互感器、电压传感器和温度传感器实现,这些传感器构成无线传感器网络,为配电网的实时监控和数据分析提供了基础,电流互感器测量通过导线的电流量,电压传感器监测电势差,而温度传感器则记录导线的热状态,这些都是评估配电网健康状况的关键指标,采集过程不仅仅停留在数据采集层面,还包括将这些实时数据转换为线路拓扑图数据的能力,这一转换通过OCR图像转换工具和数据采集模块的API接口实现,将传统的线路拓扑图数字化,从而便于数据处理和分析,这种转换过程提升了数据的可读性和可操作性,使得线路状态的监测和分析更加高效和精确,此外,发明通过无线连接方式的创新应用,不仅提高了传感器网络的部署灵活性和数据传输的效率,而且通过精确的数据转换和智能化的数据处理,为配电网的故障预警和健康管理提供了强有力的技术支撑,这种方法在提高配电网的运行效率、降低维护成本以及增强电力系统的可靠性方面具有明显优势。
S2:将数据进行核对并归一化处理,基于皮尔逊相关系数计算特征与目标变量的相关性。
更进一步的,将数据进行核对并归一化处理包括基于临时数据中心的创建列表检查配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据中的错误值。
当核对配电网线路电流数据、配电网线路电压数据以及配电网线路温度数据时,若数据超出传感器测量范围,则数据异常,若数据未超出传感器测量范围,则数据正常。
当核对线路拓扑图数据时,若线路拓扑图数据存在错误和不一致的信息,对线路拓扑图数据进行修正,通过预备数据项填充缺失值,若线路拓扑图数据不存在错误和不一致的信息,通过最小-最大归一化将配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据进行约束,并映射到相同尺度,表示为:
其中,Z表示归一化后的配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据,x表示原始配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据,xmin表示原始配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据的最小值,xmax表示原始配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据的最大值。
应说明的是,计算特征与目标变量的相关性包括基于线性判别分析将配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据投影到一个低维空间,将同一类别的样本聚合,不同类别的样本分开,基于特征与目标变量的相关性进行特征选择,通过皮尔逊相关系数计算特征与目标变量的统计相关性,并选择与目标变量相关性最高的特征r,表示为:
其中,和/>表示不同的配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据的数据均值,Xi、Yi表示X和Y的第i个观测值,X、Y表示两个不同的配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据的数据变量。
还应说明的是,通过临时数据中心创建的列表,系统对配电网线路的电流、电压和温度数据,以及线路拓扑图数据进行核对,以识别和修正异常值或错误,数据核对过程中,若发现任何数据超出了传感器的测量范围,即判定为异常,并标记为需要进一步分析,对于线路拓扑图数据,系统通过修正错误和不一致信息,或通过预备数据项填充缺失值,确保数据的完整性和准确性,随后,通过最小-最大归一化处理,将所有关键数据转化至统一尺度,以便进行后续分析,这一转换对比对和分析数据至关重要,因为它消除了数据量纲的影响,允许不同类型的数据能在相同的标准下比较和处理,进一步,利用线性判别分析(LDA)将数据投影至低维空间,加强了同类别样本的聚合度并分散了不同类别的样本,这有助于后续的故障诊断和特征选择,通过计算皮尔逊相关系数,选出与目标变量相关性最高的特征,这一步骤关键在于它为监控系统提供了一个可靠的统计工具,以量化变量之间的线性关系,从而优化特征选择过程,提升监控预警的精准度。
S3:进行线路短路容量问题的定位和识别,通过诊断结果进行监控预警并制定调控策略。
更进一步的,进行线路短路容量问题的定位和识别包括通过K均值聚类迭代算法将数据集中的样本划分为不同的簇,每个簇代表一种潜在的短路容量问题;将配电网线路电流数据、配电网线路电压数据以及配电网线路温度数据分别划分聚类的簇数K,计算不同簇数K值下的簇内平方和,并绘制簇内平方和与簇数K值的折线图,通过折线图上簇内平方和下降速度明显减缓的拐点,选择拐点处的簇数K值作为最终的聚类簇数,计算不同簇数K值下的簇内平方和表示为:
其中,SSE表示不同簇数K值下的簇内平方和,d(i)表示划分聚类的簇数数据与簇中心的距离,n表示不同聚类的簇数K的个数,从配电网线路电流数据、配电网线路电压数据、配电网线路温度数据随机选择K个样本并作为初始簇中心,计算样本与每个簇中心的距离分配到距离最近的簇中,对于每个簇,计算样本的平均值并作为新的簇中心,重复分配和更新操作满足停止条件,满足条件包括达到最大迭代次数以及簇中心的变化小于阈值,每个样本被分配到一个簇中,用于获取最终的聚类结果;输入线路拓扑图数据并分为固定大小的网格单元,每个网格单元负责预测存在的目标物体的类别和位置,利用卷积神经网络对线路拓扑图数据进行特征提取;输入线路拓扑图数据通过卷积层捕捉图像中的低级和高级特征,低级和高级特征包括拓扑图边缘、纹理以及形状,通过池化层进行下采样,重复迭代卷积和下采样的过程,用全连接层将特征图转换为向量形式并映射到目标类别的空间,解码全连接层输出,获取拓扑图中目标物体的位置和类别预测,预测每个网格单元目标物体的类别和位置,每个网格单元预测一个以及多个边界框,每个边界框包含目标物体的位置和尺寸,根据预测的置信度对边界框进行筛选,对于重叠的边界框,使用非最大抑制算法选择最佳的边界框,对所有检测框按照置信度从高到低进行排序,选择置信度最高的检测框,并将置信度最高的检测框加入最终的检测结果列表中,计算已选中的检测框的重叠程度,表示为:
其中,IoU表示检测框的重叠程度,Intersection表示两个检测框的交集区域的面积,Union表示两个检测框的并集区域的面积;当重叠程度大于0.5时,将检测框舍弃;当重叠程度小于等于0.5时,将检测框加入最终的检测结果列表中,重复计算重叠程度,遍历完所有的检测框并返回最终的检测结果列表,输出检测到的目标物体的类别、位置以及置信度,进行定位和识别图像中的目标物体;将配电网线路电流数据、配电网线路电压数据、配电网线路温度数据最终的聚类结果的簇利用线路拓扑图数据的三维坐标系的降维映射,获取配电网数据诊断结果。
应说明的是,通过诊断结果进行监控预警并制定调控策略包括通过定时轮询获取实时的配电网数据诊断结果,定时轮询时用监控报警模块根据设定的轮询时间间隔,定期向线路诊断模块发送请求并等待诊断模块的响应,当收到响应时,监控报警模块根据诊断结果进行判断;预先设定判断报警条件,判断报警条件包括配电网线路电流数据安全数值为30mA/s,配电网线路电压数据安全数值为36V,配电网线路温度数据安全数值为40℃至60℃。
当配电网数据诊断结果中配电网线路电流数据、配电网线路电压数据、配电网线路温度数据超过设定的安全限定数值时,触发报警,设定连续出现异常的次数和时间。
当配电网数据诊断结果中配电网线路电流数据、配电网线路电压数据、配电网线路温度数据连续出现异常达到设定的次数和时间时,触发报警,当满足判断报警条件时,通过配电网数据诊断结果映射的线路拓扑图数据获取配电网线路诊断位置,监控报警模块通过声音、警灯以及邮件方式发送警告信息,通过云数据中心记录报警事件并传输至线路控制模块,报警事件内容包括报警时间、报警内容、报警级别。
通过无线通信接收线路诊断模块以及监控报警模块的指示,指示包括配电网数据诊断结果和报警信息,进行分析和解读,分析和解读包括诊断结果的解析和安全限定数值的比较。
基于分析结果和解读制定相应的控制策略并执行,控制策略包括切断故障线路、调整电力供应、启动备用设备和调度维修人员,监测反馈信息包括监测线路状态、电力供应情况以及设备工作状态,并控制更新系统状态包括更新线路状态、设备状态以及报警状态。
还应说明的是,在电力系统管理中,实时监控和故障预警机制对于确保配电网的可靠性和安全性至关重要,利用监控报警模块进行定时轮询,以获取配电网数据诊断结果,轮询机制确保了数据的实时性,通过预设的安全阈值—电流为30mA/s,电压为36V,温度为40℃至60℃进行有效监控,当诊断结果显示数据超过这些安全数值时,监控系统会触发报警,并根据连续异常数据出现的次数和持续时间进行进一步的警告,优势在于其能够在问题初期进行干预,防止小故障演变成大问题,通过与线路拓扑图数据的映射,该系统不仅能够准确地定位故障位置,还可以通过多种通讯手段迅速通知维护人员,包括声音、警灯和邮件警告,此外,云数据中心的整合能够记录和传输关键的报警事件信息至线路控制模块,以供进一步分析和响应,整合了现有的监控技术与新型通信手段,提高了配电网故障处理的效率和响应速度。
实施例2
本发明的一个实施例,提供了一种配电网线路短路容量监控诊断方法,为了验证本发明的有益效果,通过经济效益计算和仿真实验进行科学论证。
首先,选定四条配电线路进行实验,每条线路分别安装了电流互感器、电压传感器和温度传感器,这些传感器将数据实时传输至临时数据中心,在数据中心,每条线路的电流、电压和温度数据被记录并与设定的安全阈值进行比较,以识别可能的异常,例如,线路2的电流值37mA超出了安全数值30mA,识别为潜在问题,对于线路4,温度值61℃超出了设定范围,触发了报警,通过这一过程,成功演示了发明的实际应用和其在实时监控与诊断方面的潜力。
参照表1,对实验数据进行记录分析。
表1实验数据记录表
可以看出线路1和线路3的运行状态正常,电流、电压和温度数据均在安全范围内,而线路2的电流和线路4的电压与温度超出了安全阈值,诊断结果表明线路2存在潜在问题,线路4检测到问题,这说明我方发明能够有效地对配电网线路数据进行实时监控,及时发现潜在的安全隐患,相较于现有技术,该实施例展示了更高的监控精确性和快速响应能力,体现了我方发明在智能电网管理中的应用价值,故,我方发明具有创造性。
实施例3
参照图2,为本发明的一个实施例,提供了一种配电网线路短路容量监控诊断系统,包括数据采集模块,数据核对计算模块,问题处理模块。
其中数据采集模块用于采集配电网线路数据,将配电网信息转化为线路拓扑图数据;数据核对计算模块用于将数据进行核对并归一化处理,基于皮尔逊相关系数计算特征与目标变量的相关性;问题处理模块用于进行线路短路容量问题的定位和识别,通过诊断结果进行监控预警并制定调控策略。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种配电网线路短路容量监控诊断方法,其特征在于,包括:
采集配电网线路数据,将配电网信息转化为线路拓扑图数据;
将数据进行核对并归一化处理,基于皮尔逊相关系数计算特征与目标变量的相关性;
进行线路短路容量问题的定位和识别,通过诊断结果进行监控预警并制定调控策略。
2.如权利要求1所述的配电网线路短路容量监控诊断方法,其特征在于:所述采集配电网线路数据包括在配电网线路节点安装电流互感器、电压传感器以及温度传感器,电流互感器测量配电网线路电流数据,电压传感器测量配电网线路电压数据,温度传感器测量配电网线路温度数据。
3.如权利要求2所述的配电网线路短路容量监控诊断方法,其特征在于:所述将配电网信息转化为线路拓扑图数据包括通过电流互感器、电压传感器以及温度传感器的无线节点组成无线传感器网络,通过配电网信息获取配电网线路拓扑图,配电网信息包括线路名称、设备型号、安装位置以及连接方式,将配电网线路与设备的连接点作为配电网线路拓扑图的节点,并转换为线路拓扑图数据;
转换过程用OCR图像转换工具将线路拓扑图中的文字和符号转换为矢量图像,通过数据采集模块的API接口,用无线连接方式连接传感器设备。
4.如权利要求3所述的配电网线路短路容量监控诊断方法,其特征在于:所述将数据进行核对并归一化处理包括基于临时数据中心的创建列表检查配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据中的错误值;
当核对配电网线路电流数据、配电网线路电压数据以及配电网线路温度数据时,若数据超出传感器测量范围,则数据异常,若数据未超出传感器测量范围,则数据正常;
当核对线路拓扑图数据时,若线路拓扑图数据存在错误和不一致的信息,对线路拓扑图数据进行修正,通过预备数据项填充缺失值,若线路拓扑图数据不存在错误和不一致的信息,通过最小-最大归一化将配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据进行约束,并映射到相同尺度,表示为:
其中,Z表示归一化后的配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据,x表示原始配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据,xmin表示原始配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据的最小值,xmax表示原始配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据的最大值。
5.如权利要求4所述的配电网线路短路容量监控诊断方法,其特征在于:所述计算特征与目标变量的相关性包括基于线性判别分析将配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据投影到一个低维空间,将同一类别的样本聚合,不同类别的样本分开,基于特征与目标变量的相关性进行特征选择,通过皮尔逊相关系数计算特征与目标变量的统计相关性,并选择与目标变量相关性最高的特征r,表示为:
其中,和/>表示不同的配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据的数据均值,Xi、Yi表示X和Y的第i个观测值,X、Y表示两个不同的配电网线路电流数据、配电网线路电压数据、配电网线路温度数据以及线路拓扑图数据的数据变量。
6.如权利要求5所述的配电网线路短路容量监控诊断方法,其特征在于:所述进行线路短路容量问题的定位和识别包括通过K均值聚类迭代算法将数据集中的样本划分为不同的簇,每个簇代表一种潜在的短路容量问题;
将配电网线路电流数据、配电网线路电压数据以及配电网线路温度数据分别划分聚类的簇数K,计算不同簇数K值下的簇内平方和,并绘制簇内平方和与簇数K值的折线图,通过折线图上簇内平方和下降速度明显减缓的拐点,选择拐点处的簇数K值作为最终的聚类簇数,计算不同簇数K值下的簇内平方和表示为:
其中,SSE表示不同簇数K值下的簇内平方和,d(i)表示划分聚类的簇数数据与簇中心的距离,n表示不同聚类的簇数K的个数,从配电网线路电流数据、配电网线路电压数据、配电网线路温度数据随机选择K个样本并作为初始簇中心,计算样本与每个簇中心的距离分配到距离最近的簇中,对于每个簇,计算样本的平均值并作为新的簇中心,重复分配和更新操作满足停止条件,满足条件包括达到最大迭代次数以及簇中心的变化小于阈值,每个样本被分配到一个簇中,用于获取最终的聚类结果;
输入线路拓扑图数据并分为固定大小的网格单元,每个网格单元负责预测存在的目标物体的类别和位置,利用卷积神经网络对线路拓扑图数据进行特征提取;
输入线路拓扑图数据通过卷积层捕捉图像中的低级和高级特征,低级和高级特征包括拓扑图边缘、纹理以及形状,通过池化层进行下采样,重复迭代卷积和下采样的过程,用全连接层将特征图转换为向量形式并映射到目标类别的空间,解码全连接层输出,获取拓扑图中目标物体的位置和类别预测,预测每个网格单元目标物体的类别和位置,每个网格单元预测一个以及多个边界框,每个边界框包含目标物体的位置和尺寸,根据预测的置信度对边界框进行筛选,对于重叠的边界框,使用非最大抑制算法选择最佳的边界框,对所有检测框按照置信度从高到低进行排序,选择置信度最高的检测框,并将置信度最高的检测框加入最终的检测结果列表中,计算已选中的检测框的重叠程度,表示为:
其中,IoU表示检测框的重叠程度,Intersection表示两个检测框的交集区域的面积,Union表示两个检测框的并集区域的面积;
当重叠程度大于0.5时,将检测框舍弃;
当重叠程度小于等于0.5时,将检测框加入最终的检测结果列表中,重复计算重叠程度,遍历完所有的检测框并返回最终的检测结果列表,输出检测到的目标物体的类别、位置以及置信度,进行定位和识别图像中的目标物体;
将配电网线路电流数据、配电网线路电压数据、配电网线路温度数据最终的聚类结果的簇利用线路拓扑图数据的三维坐标系的降维映射,获取配电网数据诊断结果。
7.如权利要求6所述的配电网线路短路容量监控诊断方法,其特征在于:所述通过诊断结果进行监控预警并制定调控策略包括通过定时轮询获取实时的配电网数据诊断结果,定时轮询时用监控报警模块根据设定的轮询时间间隔,定期向线路诊断模块发送请求并等待诊断模块的响应,当收到响应时,监控报警模块根据诊断结果进行判断;
预先设定判断报警条件,判断报警条件包括配电网线路电流数据安全数值为30mA/s,配电网线路电压数据安全数值为36V,配电网线路温度数据安全数值为40℃至60℃;
当配电网数据诊断结果中配电网线路电流数据、配电网线路电压数据、配电网线路温度数据超过设定的安全限定数值时,触发报警,设定连续出现异常的次数和时间;
当配电网数据诊断结果中配电网线路电流数据、配电网线路电压数据、配电网线路温度数据连续出现异常达到设定的次数和时间时,触发报警,当满足判断报警条件时,通过配电网数据诊断结果映射的线路拓扑图数据获取配电网线路诊断位置,监控报警模块通过声音、警灯以及邮件方式发送警告信息,通过云数据中心记录报警事件并传输至线路控制模块,报警事件内容包括报警时间、报警内容、报警级别;
通过无线通信接收线路诊断模块以及监控报警模块的指示,指示包括配电网数据诊断结果和报警信息,进行分析和解读,分析和解读包括诊断结果的解析和安全限定数值的比较;
基于分析结果和解读制定相应的控制策略并执行,控制策略包括切断故障线路、调整电力供应、启动备用设备和调度维修人员,监测反馈信息包括监测线路状态、电力供应情况以及设备工作状态,并控制更新系统状态包括更新线路状态、设备状态以及报警状态。
8.一种采用如权利要求1~7任一所述的配电网线路短路容量监控诊断方法的系统,其特征在于:包括数据采集模块,数据核对计算模块,问题处理模块;
所述数据采集模块用于采集配电网线路数据,将配电网信息转化为线路拓扑图数据;
所述数据核对计算模块用于将数据进行核对并归一化处理,基于皮尔逊相关系数计算特征与目标变量的相关性;
所述问题处理模块用于进行线路短路容量问题的定位和识别,通过诊断结果进行监控预警并制定调控策略。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的配电网线路短路容量监控诊断方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的配电网线路短路容量监控诊断方法的步骤。
CN202311544257.9A 2023-11-20 2023-11-20 一种配电网线路短路容量监控诊断方法及系统 Withdrawn CN117825864A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311544257.9A CN117825864A (zh) 2023-11-20 2023-11-20 一种配电网线路短路容量监控诊断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311544257.9A CN117825864A (zh) 2023-11-20 2023-11-20 一种配电网线路短路容量监控诊断方法及系统

Publications (1)

Publication Number Publication Date
CN117825864A true CN117825864A (zh) 2024-04-05

Family

ID=90521785

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311544257.9A Withdrawn CN117825864A (zh) 2023-11-20 2023-11-20 一种配电网线路短路容量监控诊断方法及系统

Country Status (1)

Country Link
CN (1) CN117825864A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118518983A (zh) * 2024-07-24 2024-08-20 山东太平洋电力通信装备有限公司 一种光纤复合架空地线故障定位方法及系统
CN118700884A (zh) * 2024-07-31 2024-09-27 东莞市奥海科技股份有限公司 故障预警方法、充电桩控制器、控制系统及充电桩

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118518983A (zh) * 2024-07-24 2024-08-20 山东太平洋电力通信装备有限公司 一种光纤复合架空地线故障定位方法及系统
CN118700884A (zh) * 2024-07-31 2024-09-27 东莞市奥海科技股份有限公司 故障预警方法、充电桩控制器、控制系统及充电桩

Similar Documents

Publication Publication Date Title
CN117825864A (zh) 一种配电网线路短路容量监控诊断方法及系统
CN108491861A (zh) 基于多源多参量融合的输变电设备状态异常模式识别方法及装置
CN105548744A (zh) 一种基于运检大数据的变电设备故障识别方法及其系统
CN117394337A (zh) 一种电网负荷预警方法及其系统
CN118395358A (zh) 一种变电站智能防误拓扑分析方法
CN118889692A (zh) 一种配电柜智能监测预警系统
CN118603207A (zh) 一种可视化的配电房环境监测方法、系统及装置
CN118551335A (zh) 一种配电网多能耦合云-边-端融合方法及系统
CN114997256A (zh) 一种风电场异常功率的检测方法、设备及存储介质
CN113343998A (zh) 电力机械表计读数监测系统、方法、计算机设备及应用
CN117371207A (zh) 一种特高压换流阀状态评价方法、介质及系统
CN116150692A (zh) 基于云平台和改进孤立森林的电网故障诊断方法和系统
CN117171176B (zh) 一种基于人工智能的用电大数据自升级监管平台
CN106774054A (zh) 基于复杂非结构化数据识别的gis设备分析系统及方法
CN116821403B (zh) 一种厂区设备的智能运维方法及系统
CN118822510A (zh) 一种机房设备状态监控方法、系统及监控终端
CN118551924A (zh) 一种环保智慧管控方法及系统
CN117725536A (zh) 多参量融合分析的电缆接头诊断与异常预警方法与装置
CN115842408A (zh) 基于scada的风电场运行状态检测系统及方法
CN114840566A (zh) 一种基于两级架构的风振数据管理方法及系统
CN118917554A (zh) 一种电网资产监测分析方法、系统及设备
CN118532303B (zh) 基于前向-前向传播的风电机组运行状态评估方法及系统
CN119066589B (zh) 一种电网运行风险管控方法及系统
CN119515354A (zh) 智能厂务管理系统、方法、存储介质及设备
CN115684761A (zh) 一种电容器运行状况监测系统

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20240405

WW01 Invention patent application withdrawn after publication