CN118818242B - 一种开关柜局放在线监测数据管理系统及方法 - Google Patents
一种开关柜局放在线监测数据管理系统及方法 Download PDFInfo
- Publication number
- CN118818242B CN118818242B CN202411311635.3A CN202411311635A CN118818242B CN 118818242 B CN118818242 B CN 118818242B CN 202411311635 A CN202411311635 A CN 202411311635A CN 118818242 B CN118818242 B CN 118818242B
- Authority
- CN
- China
- Prior art keywords
- partial discharge
- data
- discharge
- fault
- sensor
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000013523 data management Methods 0.000 title claims description 12
- 238000012806 monitoring device Methods 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 40
- 230000006870 function Effects 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 9
- 238000007637 random forest analysis Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 abstract description 4
- 238000009413 insulation Methods 0.000 description 14
- 230000007547 defect Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000005684 electric field Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 230000015556 catabolic process Effects 0.000 description 5
- 239000004020 conductor Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000007667 floating Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1209—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using acoustic measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Acoustics & Sound (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种开关柜局放在线监测数据管理系统及方法，属于开关柜局放监测数据处理领域。其中系统包括：传感器配置模块；历史数据处理模块，用于获取开关柜的与局部放电相关的历史故障数据和获取放电位置的历史局放数据；故障预测模型模块，用于基于所述故障数据集和所述局放数据集对故障预测模型进行训练；局放数据处理模块，用于进行局放数据处理；局放定位模块，用于进行局部放电位置的定位；预警信息模块，用于根据局部放电位置的定位结果得到放电部件类型，并根据通过所述局部放电监测装置得到的局放数据，基于所述故障预测模型得到故障发生时间。本发明能够根据局放数据实现故障预警。
Description
技术领域
本发明涉及开关柜局放监测数据处理领域，特别涉及一种开关柜局放在线监测数据管理系统及方法。
背景技术
开关柜是一种电气设备，其主要作用是在电力系统进行发电、输电、配电和电能转换的过程中开合、控制和保护用电设备。开关柜内部件主要有断路器、隔离开关、负荷开关、操作机构、互感器以及各种保护装置等。在工作过程时，由于内部元件的老化和绝缘缺陷，开光柜有可能出现局部放电的问题。产生局部放电的主要原因是设备加工工艺、现场安装环境、施工师傅安装不专业等，使得设备电介质不均匀，绝缘体各区域承受的电场强度不均匀，在某些区域电场强度达到击穿场强而发生放电，随着多次的局部放电叠加损坏设备及设备绝缘部分，进而导致设备绝缘故障、击穿，甚至引发火灾等事故，其危险性不容忽视。因此，需要通过局放传感器来检测局部放电，确保开关柜绝缘良好。当前急需一种开关柜局放在线监测数据管理系统，能够随时监测开关柜局部放电状态，及时发现绝缘缺陷并判断缺陷类型，实现状态检修，并根据当前开关柜设备运行数据和局放数据进行故障预警。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种开关柜局放在线监测数据管理系统及方法，能够根据局放数据实现开关柜绝缘缺陷监测并实现故障预警。
本发明实施例一方面提供一种开关柜局放在线监测数据管理系统，传感器配置模块，用于配置第一和第二监测装置；其中，第一监测装置至少包括一个设置在开关柜内部的第一特高频传感器和第一超声波传感器；第二监测装置至少包括一个设置在开关柜外表面的第二超声波传感器；历史数据处理模块，用于获取开关柜的与局部放电相关的历史故障数据，得到故障数据集；所述故障数据集包括放电位置、放电部件类型、设备运行数据和故障发生时间；获取放电位置的历史局放数据，基于固定时间间隔对局放数据进行划分得到局放数据集；所述局放数据集包括放电位置、局放类型和各传感器在各时间间隔内的最大放电幅值、平均放电量和放电次数；故障预测模型模块，用于基于所述故障数据集、所述局放数据集和随机森林算法构建回归树，得到已训练的以放电部件类型、设备运行数据和局放数据为输入，以故障发生时间为输出的故障预测模型；局放数据处理模块，用于通过与局部放电监测装置连接的局放数据接收器采集局放数据至后台处理系统进行局放数据处理；所述局放数据处理包括识别放电类型和统计各传感器在固定周期内的最大放电幅值、平均放电量和放电次数；局放定位模块，用于根据开关柜建立空间坐标系并根据开关柜内部结构建立若干表示结构的第一函数；当发生局部放电时，获取第一特高频传感器、第一和第二超声波传感器的局放数据进行局部放电位置的定位，并根据局部放电位置的定位结果得到放电部件类型；预警信息模块，用于根据所述放电部件类型和通过所述局部放电监测装置得到的局放数据，基于所述故障预测模型得到故障发生时间，并输出预警信息。
本发明实施例至少实现以下有益效果：本发明实施例通过设置在开关柜内外的多个传感器实现对局放数据的实时监测；通过对历史故障数据和历史局放数据分析得到故障预测模型；通过对开关柜内部结构建立空间坐标系并基于多个传感器的传感信号实现局放定位并根据定位点确定放电部件类型；通过对基于设备运行数据、放电部件类型和局放数据训练得到的故障预测模型得到预测故障时间；通过预测故障时间实现故障预警，并输出预警信息以便技术人员及时处理。
根据本发明的一些实施例，所述第二监测装置还包括一个设置在开关柜外表面的地电波传感器；以及所述传感器配置模块还用于配置第三监测装置，所述第三监测装置包括设置在在开关柜外部、配电房内部的第二特高频传感器。
根据本发明的一些实施例，第三监测装置预警单元，用于根据配电房内的开关柜数量和工作状态设置局放数据预警阈值，并每隔一定时间间隔将当前局放数据和最近的历史局放数据进行对比，得到局放数据变化趋势和变化值；根据所述局放数据预警阈值、局放数据变化趋势和变化值综合判断输出预警信息。
根据本发明的一些实施例，所述获取第一特高频传感器、第一和第二超声波传感器的局放数据进行放电位置的定位包括：计算第一距离和第二距离：，；其中，表示超声波信号传播速度，表示发生局部放电时第一特高频传感器的特高频信号和第一超声波传感器的超声波信号的时间差，表示发生局部放电时第一特高频传感器的特高频信号和第二超声波传感器的超声波信号的时间差；基于第一距离和第二距离以及第一、第二局部放电监测装置的坐标建立球面方程并计算两球面的交线，并根据交线与所述第一函数计算得到若干交点作为放电定位点。
根据本发明的一些实施例，当交线与所述第一函数没有交点，基于预设幅度调整所述交线的参数。
根据本发明的一些实施例，所述局放数据处理模块包括：放电类型识别单元，用于采集各个局放传感器的局部放电信号并进行降噪处理，得到局部放电信号；提取所述局部放电信号的特征信息；将所述特征信息输入神经网络分类器得到局部放电类型。
根据本发明的一些实施例，所述故障预测模型模块包括：数据合并处理单元，用于对同一放电位置的同一时间的相同类型传感器的局放数据进行合并处理，包括对最大放电幅值、平均放电量和放电次数进行相加取平均值作为合并处理后的数值；时间对齐单元，用于对同一放电位置的故障数据和局放数据进行时间对齐，包括对故障发生时间和局放数据中各传感器的局放数据进行时间对齐，取故障发生时间前一段时间的局放数据用于构建样本数据集；样本数据构建单元，用于根据放电部件类型、设备运行数据、局放数据和故障发生时间构建样本数据集，样本数据集包括影响预测结果的若干特征和预测故障发生时间，其中，表示特征维度为的特征；其中，所述放电部件类型是根据部件表面材质或形状结构进行分类，所述设备运行数据包括设备运行时长、电流电压和包括温湿度的环境数据回归预测单元，用于基于样本数据集构创建回归树，得到回归预测模型。
根据本发明的一些实施例，所述故障预测模型模块包括：特征选择单元，用于基于随机森林的特征选择方法对特征和预测故障发生时间进行特征重要性度量，得到每个特征与预测故障发生时间之间的相关度，并根据相关度得到第二样本数据集，所述第二样本数据集用于创建回归树。
根据本发明的一些实施例，所述局放定位模块用于对开关柜建立三维空间坐标系，并对开关柜内的各部件进行分类标记，当根据第一特高频传感器、第一和第二超声波传感器的局放数据进行局部放电位置的定位并得到定位点时，根据定位点得到放电部件类型。
本发明实施例另一方面提供一种一种开关柜局放在线监测数据管理方法，包括以下步骤：S100、配置第一和第二监测装置；其中，第一监测装置至少包括一个设置在开关柜内部的第一特高频传感器和第一超声波传感器；第二监测装置至少包括一个设置在开关柜外表面的第二超声波传感器；S200、获取开关柜的与局部放电相关的历史故障数据，得到故障数据集；所述故障数据集包括放电位置、放电部件类型、设备运行数据和故障发生时间；获取放电位置的历史局放数据，基于固定时间间隔对局放数据进行划分得到局放数据集；所述局放数据集包括放电位置、局放类型和各传感器在各时间间隔内的最大放电幅值、平均放电量和放电次数；S300、基于所述故障数据集、所述局放数据集和随机森林算法构建回归树，得到已训练的以放电部件类型、设备运行数据和局放数据为输入，以故障发生时间为输出的故障预测模型；S400、通过与局部放电监测装置连接的局放数据接收器采集局放数据至后台处理系统进行局放数据处理；所述局放数据处理包括识别放电类型和统计各传感器在固定周期内的最大放电幅值、平均放电量和放电次数S500、根据开关柜建立空间坐标系并根据开关柜内部结构建立若干表示结构的第一函数；当发生局部放电时，获取第一特高频传感器、第一和第二超声波传感器的局放数据进行局部放电位置的定位，并根据局部放电位置的定位结果得到放电部件类型；S600、根据所述放电部件类型和通过所述局部放电监测装置得到的局放数据，基于所述故障预测模型得到故障发生时间，并输出预警信息。
本发明实施例至少实现以下有益效果：本发明实施例通过设置在开关柜内外的多个传感器实现对局放数据的实时监测；通过对历史故障数据和历史局放数据分析得到故障预测模型；通过对开关柜内部结构建立空间坐标系并基于多个传感器的传感信号实现局放定位并根据定位点确定放电部件类型；通过对基于设备运行数据、放电部件类型和局放数据训练得到的故障预测模型得到预测故障时间；通过预测故障时间实现故障预警，并输出预警信息以便技术人员及时处理。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例的系统的模块示意框图；
图2为本发明实施例的方法的流程示意图。
附图标记：
传感器配置模块 100、历史数据处理模块 200、故障预测模型模块 300、局放数据处理模块 400、局放定位模块 500、预警信息模块 600。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个及两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
在电网中运行的电力设备，正常情况下，绝缘性能均能承受运行电压。由于制造安装工艺的影响，电气设备的绝缘内部可能存在气泡、杂志、裂缝等，在高压交变电场作用下会引起内部或表面的电场强度过高，绝缘内部将会出现周期性局部放电，由于放电量很小，短时不会使整个通路击穿，但却能使绝缘性能下降，甚至丧失耐压性能，且随着高压电力设备数量越来越多，电压等级越来越高，这些问题累积严重威胁电力系统的安全运行。局部放电检测是检验设备绝缘状况的有效手段，也是当前应用的热点，在局部放电检测中，常用的方法有超高频检测、超声、高频电流和地电波检测设备，这些设备为检修人员解决了大量事故隐患。
局部放电信号表现形式为单个或者连续的电气脉冲，脉冲波形不仅包含了缺陷的放电机理信息，而且也包含了缺陷严重程度信息，因此，局部放电检测的主要任务之一就是通过局部放电脉冲波形对缺陷类型进行识别，从而对缺陷严重程度进行诊断以及制定合理的设备维护措施及策略。
开关柜局部放电的原因如下：
一、电晕放电，通常在气体包围的高压导体周围会出现电晕放电，比如高压输电线路或者高压变压器等，这些高压电气设备的高压接线端子暴露在空气中，因此发生电晕放电的机率相对较大。电晕放电体现出的是典型的、极不均匀电场的特征，也是极不均匀电场下特有的自持放电。
二、沿面放电，通常在绝缘介质表面会出现沿面放电的现象。这种局部放电的形式属于特殊的气体放电现象，电力电缆、电机绕组、绝缘套管的端部等位置比较常见沿面放电。一旦介质内部电场的强度低于电极边缘气隙的电场强度，而且介质沿面击穿电压相对较低，沿面放电就会发生在绝缘介质的表面。通常电压波形、电场的分布、空气质量、介质的表面状态、气候条件等均会对沿面放电电压产生影响，所以沿面放电体现出不稳定的特点。
三、内部放电，固体绝缘介质内部比较常见内部放电。在生产加工绝缘介质时难免存在材料与工艺缺陷的问题，导致绝缘介质内部出现内部缺陷，比如掺人少量的空气或者杂质等。一旦绝缘受到高压作用，内部缺陷就有发生局部击穿或者重复性击穿的可能。通常介质自身的特性、气隙大小、缺陷的位置与形状、气隙气体的种类等会对内部放电的发生条件产生影响。
四、悬浮电位放电，这种局部放电的形式是指高压设备中某个导体部件存在结构设计缺陷，或者其它原因导致接触不良断开，最终造成该部件位于高压电极与低压电极之间并根据其位置的阻抗比获得分压发生放电，针对该导体部件上对地电位称其为悬浮电位。导体具有悬浮电位时，通常其附近的场强会比较集中，而且会破坏四周绝缘介质的形成。一般在电气设备内高电位的金属部件或者处于地电位的金属部件上容易发生悬浮电位放电。
参照图1，本发明实施例提出一种开关柜局放在线监测数据管理系统，包括：
传感器配置模块100，用于配置第一和第二监测装置；其中，第一监测装置至少包括一个设置在开关柜内部的第一特高频传感器和第一超声波传感器；第二监测装置至少包括一个设置在开关柜外表面的第二超声波传感器。
历史数据处理模块200，用于获取开关柜的与局部放电相关的历史故障数据，得到故障数据集；故障数据集包括放电位置、放电部件类型、设备运行数据和故障发生时间；获取放电位置的历史局放数据，基于固定时间间隔对局放数据进行划分得到局放数据集；局放数据集包括放电位置、局放类型和各传感器在各时间间隔内的最大放电幅值、平均放电量和放电次数。
可以理解的是，本实施例的放电部件类型是根据放电部件的材质、形状构造等可能影响故障发生时间的因素进行分类的。设备运行数据是包括电流电压、温湿度等环境数据在内的，可能影响故障发生时间的设备运行数据。本实施例的固定时间间隔为人为设置，可以根据预测效果进行调整。
故障预测模型模块300，用于基于故障数据集和局放数据集对故障预测模型进行训练，得到已训练的以放电部件类型、设备运行数据和局放数据为输入，以故障发生时间为输出的故障预测模型。本实施例的故障发生时间是预测未来一段时间内发生故障的概率，估计发生故障的时间。
局放数据处理模块400，用于通过与局部放电监测装置连接的局放数据接收器采集局放数据至后台处理系统进行局放数据处理；局放数据处理包括识别放电类型和统计各传感器在固定周期内的最大放电幅值、平均放电量和放电次数。
局放定位模块500，用于根据开关柜建立空间坐标系并根据开关柜内部结构建立若干表示结构的第一函数；当发生局部放电时，获取第一特高频传感器、第一和第二超声波传感器的局放数据进行局部放电位置的定位，并根据局部放电位置的定位结果得到放电部件类型。
预警信息模块600，用于根据放电部件类型和通过局部放电监测装置得到的局放数据，基于故障预测模型得到故障发生时间，并输出预警信息。
在一些实施例中，第二监测装置还包括一个设置在开关柜外表面的地电波传感器；以及传感器配置模块还用于配置第三监测装置，第三监测装置包括设置在在开关柜外部、配电房内部的第二特高频传感器。本实施例的第二特高频传感器用于监测配电房内的局放数据。
在一些实施例中，预警信息模块包括：第三监测装置预警单元，用于根据配电房内的开关柜数量和工作状态设置局放数据预警阈值，并每隔一定时间间隔将当前局放数据和最近的历史局放数据进行对比，得到局放数据变化趋势和变化值；根据局放数据预警阈值、局放数据变化趋势和变化值综合判断输出预警信息。
在一些实施例中，获取第一特高频传感器、第一和第二超声波传感器的局放数据进行放电位置的定位包括：计算第一距离和第二距离：，；其中，表示超声波信号传播速度，表示发生局部放电时第一特高频传感器的特高频信号和第一超声波传感器的超声波信号的时间差，表示发生局部放电时第一特高频传感器的特高频信号和第二超声波传感器的超声波信号的时间差；基于第一距离和第二距离以及第一、第二局部放电监测装置的坐标建立球面方程并计算两球面的交线，并根据交线与第一函数计算得到若干交点作为放电定位点。
特别的，当交线与第一函数没有交点，基于预设幅度调整交线的参数。
在一些实施例中，局放数据处理模块包括：放电类型识别单元，用于采集各个局放传感器的局部放电信号并进行降噪处理，得到局部放电信号；提取局部放电信号的特征信息；将特征信息输入神经网络分类器得到局部放电类型。
在一些实施例中，故障预测模型模块包括：数据合并处理单元，用于对同一放电位置的同一时间的相同类型传感器的局放数据进行合并处理，包括对最大放电幅值、平均放电量和放电次数进行相加取平均值作为合并处理后的数值。时间对齐单元，用于对同一放电位置的故障数据和局放数据进行时间对齐，包括对故障发生时间和局放数据中各传感器的局放数据进行时间对齐，取故障发生时间前一段时间的局放数据用于构建样本数据集。样本数据构建单元，用于根据放电部件类型、设备运行数据、局放数据和故障发生时间构建样本数据集，样本数据集包括影响预测结果的若干特征和预测故障发生时间，其中，表示特征维度为的特征。回归预测单元，用于基于样本数据集构创建回归树，得到回归预测模型。
在一些实施例中，故障预测模型模块包括：特征选择单元，用于基于随机森林的特征选择方法对特征和预测故障发生时间进行特征重要性度量，得到每个特征与预测故障发生时间之间的相关度，并根据相关度得到第二样本数据集，第二样本数据集用于创建回归树。
在一些实施例中，局放定位模块用于对开关柜建立三维空间坐标系，并对开关柜内的各部件进行分类标记，当根据第一特高频传感器、第一和第二超声波传感器的局放数据进行局部放电位置的定位并得到定位点时，根据定位点得到放电部件类型。
与前述实施例相对应，本发明还提供了方法的实施例。对于方法实施例而言，由于其基本对应于系统实施例，所以相关之处参见系统实施例的部分说明即可。
参照图2，本发明实施例提出一种开关柜局放在线监测数据管理方法，包括以下步骤：
S100、配置第一和第二监测装置；其中，第一监测装置至少包括一个设置在开关柜内部的第一特高频传感器和第一超声波传感器；第二监测装置至少包括一个设置在开关柜外表面的第二超声波传感器。
S200、获取开关柜的与局部放电相关的历史故障数据，得到故障数据集；故障数据集包括放电位置、放电部件类型、设备运行数据和故障发生时间；获取放电位置的历史局放数据，基于固定时间间隔对局放数据进行划分得到局放数据集；局放数据集包括放电位置、局放类型和各传感器在各时间间隔内的最大放电幅值、平均放电量和放电次数。
S300、基于故障数据集和局放数据集对故障预测模型进行训练，得到已训练的以放电部件类型、设备运行数据和局放数据为输入，以故障发生时间为输出的故障预测模型。
S400、通过与局部放电监测装置连接的局放数据接收器采集局放数据至后台处理系统进行局放数据处理；局放数据处理包括识别放电类型和统计各传感器在固定周期内的最大放电幅值、平均放电量和放电次数。
S500、根据开关柜建立空间坐标系并根据开关柜内部结构建立若干表示结构的第一函数；当发生局部放电时，获取第一特高频传感器、第一和第二超声波传感器的局放数据进行局部放电位置的定位，并根据局部放电位置的定位结果得到放电部件类型。
S600、根据放电部件类型和通过局部放电监测装置得到的局放数据，基于故障预测模型得到故障发生时间，并输出预警信息。
尽管本文描述了具体实施方案，但是本领域中的普通技术人员将认识到，许多其它修改或另选的实施方案同样处于本公开的范围内。例如，结合特定设备或组件描述的功能和/或处理能力中的任一项可以由任何其它设备或部件来执行。另外，虽然已根据本公开的实施方案描述了各种例示性具体实施和架构，但是本领域中的普通技术人员将认识到，对本文所述的例示性具体实施和架构的许多其它修改也处于本公开的范围内。
上文参考根据示例性实施方案所述的系统、方法、系统和/或计算机程序产品的框图和流程图描述了本公开的某些方面。应当理解，框图和流程图中的一个或多个块以及框图和流程图中的块的组合可分别通过执行计算机可执行程序指令来实现。同样，根据一些实施方案，框图和流程图中的一些块可能无需按示出的顺序执行，或者可以无需全部执行。另外，超出框图和流程图中的块所示的那些部件和/或操作以外的附加部件和/或操作可存在于某些实施方案中。
因此，框图和流程图中的块支持用于执行指定功能的装置的组合、用于执行指定功能的元件或步骤的组合以及用于执行指定功能的程序指令装置。还应当理解，框图和流程图中的每个块以及框图和流程图中的块的组合可以由执行特定功能、元件或步骤的专用硬件计算机系统或者专用硬件和计算机指令的组合来实现。
本文所述的程序模块、应用程序等可包括一个或多个软件组件，包括例如软件对象、方法、数据结构等。每个此类软件组件可包括计算机可执行指令，所述计算机可执行指令响应于执行而使本文所述的功能的至少一部分（例如，本文所述的例示性方法的一种或多种操作）被执行。
软件组件可以用各种编程语言中的任一种来编码。一种例示性编程语言可以为低级编程语言，诸如与特定硬件体系结构和/或操作系统平台相关联的汇编语言。包括汇编语言指令的软件组件可能需要在由硬件架构和/或平台执行之前由汇编程序转换为可执行的机器代码。另一种示例性编程语言可以为更高级的编程语言，其可以跨多种架构移植。包括更高级编程语言的软件组件在执行之前可能需要由解释器或编译器转换为中间表示。编程语言的其它示例包括但不限于宏语言、外壳或命令语言、作业控制语言、脚本语言、数据库查询或搜索语言、或报告编写语言。在一个或多个示例性实施方案中，包含上述编程语言示例中的一者的指令的软件组件可直接由操作系统或其它软件组件执行，而无需首先转换成另一种形式。
软件组件可存储为文件或其它数据存储构造。具有相似类型或相关功能的软件组件可一起存储在诸如特定的目录、文件夹或库中。软件组件可为静态的（例如，预设的或固定的）或动态的（例如，在执行时创建或修改的）。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (10)
1.一种开关柜局放在线监测数据管理系统，其特征在于，包括：
传感器配置模块，用于配置第一和第二监测装置；其中，第一监测装置至少包括一个设置在开关柜内部的第一特高频传感器和第一超声波传感器；第二监测装置至少包括一个设置在开关柜外表面的第二超声波传感器；
历史数据处理模块，用于获取开关柜的与局部放电相关的历史故障数据，得到故障数据集；所述故障数据集包括放电位置、放电部件类型、设备运行数据和故障发生时间；获取放电位置的历史局放数据，基于固定时间间隔对局放数据进行划分得到局放数据集；所述局放数据集包括放电位置、局放类型和各传感器在各时间间隔内的最大放电幅值、平均放电量和放电次数；
故障预测模型模块，用于基于所述故障数据集、所述局放数据集和随机森林算法构建回归树，得到以放电部件类型、设备运行数据和局放数据为输入，以故障发生时间为输出的故障预测模型；
局放数据处理模块，用于通过与局部放电监测装置连接的局放数据接收器采集局放数据至后台处理系统进行局放数据处理；所述局放数据处理包括识别放电类型和统计各传感器在固定周期内的最大放电幅值、平均放电量和放电次数；
局放定位模块，用于根据开关柜建立空间坐标系并根据开关柜内部结构建立若干表示结构的第一函数；当发生局部放电时，获取第一特高频传感器、第一和第二超声波传感器的局放数据进行局部放电位置的定位，并根据局部放电位置的定位结果得到放电部件类型；
预警信息模块，用于根据所述放电部件类型和通过所述局部放电监测装置得到的局放数据，基于所述故障预测模型得到故障发生时间，并输出预警信息。
2.根据权利要求1所述的开关柜局放在线监测数据管理系统，其特征在于，所述第二监测装置还包括一个设置在开关柜外表面的地电波传感器；以及所述传感器配置模块还用于配置第三监测装置，所述第三监测装置包括设置在在开关柜外部、配电房内部的第二特高频传感器。
3.根据权利要求2所述的开关柜局放在线监测数据管理系统，其特征在于，所述预警信息模块包括：
第三监测装置预警单元，用于根据配电房内的开关柜数量和工作状态设置局放数据预警阈值，并每隔一定时间间隔将当前局放数据和最近的历史局放数据进行对比，得到局放数据变化趋势和变化值；根据所述局放数据预警阈值、局放数据变化趋势和变化值综合判断输出预警信息。
4.根据权利要求1所述的开关柜局放在线监测数据管理系统，其特征在于，所述获取第一特高频传感器、第一和第二超声波传感器的局放数据进行局部放电位置的定位包括：
计算第一距离和第二距离：，；其中，表示超声波信号传播速度，表示发生局部放电时第一特高频传感器的特高频信号和第一超声波传感器的超声波信号的时间差，表示发生局部放电时第一特高频传感器的特高频信号和第二超声波传感器的超声波信号的时间差；
基于第一距离和第二距离以及第一、第二局部放电监测装置的坐标建立球面方程并计算两球面的交线，并根据交线与所述第一函数计算得到若干交点作为放电定位点。
5.根据权利要求4所述的开关柜局放在线监测数据管理系统，其特征在于，当交线与所述第一函数没有交点，基于预设幅度调整所述交线的参数。
6.根据权利要求1所述的开关柜局放在线监测数据管理系统，其特征在于，所述局放数据处理模块包括：
放电类型识别单元，用于采集各个局放传感器的局部放电信号并进行降噪处理，得到局部放电信号；提取所述局部放电信号的特征信息；将所述特征信息输入神经网络分类器得到局部放电类型。
7.根据权利要求1所述的开关柜局放在线监测数据管理系统，其特征在于，所述故障预测模型模块包括：
数据合并处理单元，用于对同一放电位置的同一时间的相同类型传感器的局放数据进行合并处理，包括对最大放电幅值、平均放电量和放电次数进行相加取平均值作为合并处理后的数值；
时间对齐单元，用于对同一放电位置的故障数据和局放数据进行时间对齐，包括对故障发生时间和局放数据中各传感器的局放数据进行时间对齐，取故障发生时间前一段时间的局放数据用于构建样本数据集；
样本数据构建单元，用于根据放电部件类型、设备运行数据、局放数据和故障发生时间构建样本数据集，样本数据集包括影响预测结果的若干特征和预测故障发生时间，其中，表示特征维度为的特征；其中，所述放电部件类型是根据部件表面材质或形状结构进行分类，所述设备运行数据包括设备运行时长、电流电压和包括温湿度的环境数据；
回归预测单元，用于基于样本数据集构创建回归树，得到回归预测模型。
8.根据权利要求7所述的开关柜局放在线监测数据管理系统，其特征在于，所述故障预测模型模块包括：
特征选择单元，用于基于随机森林的特征选择方法对特征和预测故障发生时间进行特征重要性度量，得到每个特征与预测故障发生时间之间的相关度，并根据相关度得到第二样本数据集，所述第二样本数据集用于创建回归树。
9.根据权利要求1所述的开关柜局放在线监测数据管理系统，其特征在于，所述局放定位模块用于对开关柜建立三维空间坐标系，并对开关柜内的各部件进行分类标记，当根据第一特高频传感器、第一和第二超声波传感器的局放数据进行局部放电位置的定位并得到定位点时，根据定位点得到放电部件类型。
10.一种开关柜局放在线监测数据管理方法，其特征在于，包括以下步骤：
S100、配置第一和第二监测装置；其中，第一监测装置至少包括一个设置在开关柜内部的第一特高频传感器和第一超声波传感器；第二监测装置至少包括一个设置在开关柜外表面的第二超声波传感器；
S200、获取开关柜的与局部放电相关的历史故障数据，得到故障数据集；所述故障数据集包括放电位置、放电部件类型、设备运行数据和故障发生时间；获取放电位置的历史局放数据，基于固定时间间隔对局放数据进行划分得到局放数据集；所述局放数据集包括放电位置、局放类型和各传感器在各时间间隔内的最大放电幅值、平均放电量和放电次数；
S300、基于所述故障数据集、所述局放数据集和随机森林算法构建回归树，得到以放电部件类型、设备运行数据和局放数据为输入，以故障发生时间为输出的故障预测模型；
S400、通过与局部放电监测装置连接的局放数据接收器采集局放数据至后台处理系统进行局放数据处理；所述局放数据处理包括识别放电类型和统计各传感器在固定周期内的最大放电幅值、平均放电量和放电次数；
S500、根据开关柜建立空间坐标系并根据开关柜内部结构建立若干表示结构的第一函数；当发生局部放电时，获取第一特高频传感器、第一和第二超声波传感器的局放数据进行局部放电位置的定位，并根据局部放电位置的定位结果得到放电部件类型；
S600、根据所述放电部件类型和通过所述局部放电监测装置得到的局放数据，基于所述故障预测模型得到故障发生时间，并输出预警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411311635.3A CN118818242B (zh) | 2024-09-20 | 2024-09-20 | 一种开关柜局放在线监测数据管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411311635.3A CN118818242B (zh) | 2024-09-20 | 2024-09-20 | 一种开关柜局放在线监测数据管理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118818242A CN118818242A (zh) | 2024-10-22 |
| CN118818242B true CN118818242B (zh) | 2024-11-19 |
Family
ID=93075154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411311635.3A Active CN118818242B (zh) | 2024-09-20 | 2024-09-20 | 一种开关柜局放在线监测数据管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118818242B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119046643A (zh) * | 2024-10-31 | 2024-11-29 | 珠海市科宏电子科技有限公司 | 一种数字化智能集成平台终端显示故障预测方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118275833A (zh) * | 2024-04-18 | 2024-07-02 | 北京泰岳天成科技有限公司 | 局部放电监测方法、装置、电子设备及存储介质 |
| CN118277942A (zh) * | 2024-06-03 | 2024-07-02 | 成都工百利自动化设备有限公司 | 一种智能开关柜状态在线监测系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150042425A (ko) * | 2013-10-11 | 2015-04-21 | 한국전력공사 | 온라인 부분방전 검출기 |
| KR102366922B1 (ko) * | 2021-08-27 | 2022-02-28 | 팩트얼라이언스 주식회사 | 시계열적 절연 진단 정보 기반의 중전기기 열화 예측 시스템 및 그 방법 |
-
2024
- 2024-09-20 CN CN202411311635.3A patent/CN118818242B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118275833A (zh) * | 2024-04-18 | 2024-07-02 | 北京泰岳天成科技有限公司 | 局部放电监测方法、装置、电子设备及存储介质 |
| CN118277942A (zh) * | 2024-06-03 | 2024-07-02 | 成都工百利自动化设备有限公司 | 一种智能开关柜状态在线监测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118818242A (zh) | 2024-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101553005B1 (ko) | 전력설비의 부분방전 감시진단 시스템 | |
| KR101574613B1 (ko) | 원격 설정 기능이 있는 초고주파 전기신호 검출에 의한 부분방전 감시진단 시스템 | |
| CN118818242B (zh) | 一种开关柜局放在线监测数据管理系统及方法 | |
| KR101574615B1 (ko) | 통계적 위상패턴 기반의 신호검출 방법을 이용한 전력설비 부분 방전 감시진단 시스템 | |
| Wang et al. | Reflectometry-based cable insulation aging diagnosis and prognosis | |
| CN115015692A (zh) | 一种高压设备电力电缆运维监测预警方法及系统 | |
| JP2000512766A (ja) | 高電圧絶縁における部分放電測定の統計的パターン分析方法 | |
| Ghosh et al. | Partial discharge measurements and life estimation in DC electrical insulation during voltage transients and steady state | |
| Huecker et al. | UHF partial discharge monitoring and expert system diagnosis | |
| Wei et al. | Transmission line galloping prediction based on GA-BP-SVM combined method | |
| KR20220055323A (ko) | 전기선로의 열화 위험도 판단 방법 및 장치 | |
| US11693041B2 (en) | Method for monitoring the electric insulation status of a piece of equipment for MV or HV electric systems | |
| WO2022105285A1 (zh) | 一种基于冲击事件来监测异常状态的系统及方法 | |
| CN113884837A (zh) | 一种电缆局部放电在线监测分析系统及分析方法 | |
| CN118820976A (zh) | 一种绝缘子闪络风险预警系统 | |
| CN108732470A (zh) | 一种基于提升小波时间序列法的劣化绝缘子预测方法 | |
| CN118534264A (zh) | 一种开关柜局部放电识别及预警系统 | |
| Hassan et al. | Degradation assessment of in‐service aerial bundled cables in coastal areas leading to prognosis using infrared thermography | |
| CN118112461A (zh) | 一种用于空气开关的安全预警系统 | |
| CN113848442B (zh) | 一种气体绝缘环境微粒尺寸缺陷识别方法及装置 | |
| CN118376895B (zh) | 一种高压套管局部放电缺陷检测与定位方法和系统 | |
| CN109270412A (zh) | 高压电缆绝缘状态的移动式监测预警方法 | |
| CN119044696B (zh) | 一种gis气体绝缘开关设备的局部放电监测系统及方法 | |
| CN117269669B (zh) | 一种街码安全监测方法、装置和计算机设备 | |
| CN115867814A (zh) | 高压仪用变压器和用于局部放电识别的方法 |
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 |