一种电力设备运维状态智能监测系统技术方案

本发明专利技术涉及一种电力设备运维状态智能监测系统，包括依次连接的信号感知装置、数据采集装置和信息运算诊断装置，所述信号感知装置包括分布式光纤传感器，分布安装于待测电力设备上，所述信息运算诊断装置存储有执行以下步骤的程序：定时发出数据读取触发信号；基于采集的数据，利用构建的基于线性自回归方法的预测模型进行预测处理，实现数据流优化，获得待测电力设备的最终采样数据；基于所述最终采样数据获得待测电力设备的监测结果。与现有技术相比，本发明专利技术具有降低光纤检测系统的缺陷发生率，提高工作效率，确保电网安全、高效运行等优点。

【技术实现步骤摘要】
一种电力设备运维状态智能监测系统
本专利技术涉及电力设备的激光信号感知、优化处理与诊断决策技术，尤其是涉及一种电力设备运维状态智能监测系统。
技术介绍
电力变电站是电力传输的重要载体，随着供电网络快速发展及供电半径的缩小，电力变电站的安全运行和事故时有发生，其中一个重要的原因是缺乏对电力变电站运维的在线监测。如传统的电力变电站运维是将点式监测装置如振动传感器安装在电力变电站部位进行振动监测，此方法在某些场合比如变电站设备较少的情况下比较经济实用，但其不足是只能反映电力变电站局部位置的振动情况，却无法实现整个电力变电站以及所敷设环境振动的在线监测，且安装繁琐、不可靠、受电磁干扰大等。为更好地进行电力变电站运维状态检测，当前比较常用的是分布式光纤感知技术。目前，国内外光纤传感监测技术对配网设备的安全监测的研发和应用主要放在变电站内设备和电缆监测，比如MICRONOPTICS公司推出的光纤点式测温系统实现对开关柜的温度监测，LIOS公司推出的电力电缆监控系统实现对电力电缆和架空线路温度监测。但国内外研究机构用光纤传感监测技术对配网设备的安全监测大多还处于初期研究阶段，应用也基本停留在对个别设备和某个部件上的监测，远未形成涵盖电缆防偷盗、电缆关键区域点式测温、振动以及配网自动化的电力电缆在线监控系统的信息网络化综合平台。因此，现在应用全光纤传感监测技术对配网设备进行全面安全监测尚属空白。而具有广覆盖的配网自动化必须依靠先进的光纤传感监测技术，来助推配网自动化的建设，以确保设备的顺利实施和运行。由于电力变电站设备分布面广、相距较远，致使分布式光纤节点部署不均衡、采集频率频繁、感知数据强关联等特点，且由于整个系统损耗和噪声的影响，造成所测电力变电站运维数据的真实性受损，从而形成漏报、误报，致使其应用受限。为了使光纤传感监测技术更好的应用于实际，对其数据质量和数据管理技术就提出了更高的要求，以便更准确的提高电力变电站运维感知数据的质量，并进行有效计算与准确报警。目前传统的提高传感器节点采集数据质量最简单的方法就是利用多次采样来为每个传感器收集足够多采样数据，然后取采样数据的平均值作为最终的采样数据，但由于分布式光纤节点部署不均衡、采集频率频繁、感知数据强关联等特点，直接简单的把采集数据传送到计算机进行运算，则容易出现数据检测不准确。
技术实现思路
本专利技术的目的在于克服上述现有技术存在的缺陷而提供一种电力设备运维状态智能监测系统。本专利技术的目的可以通过以下技术方案来实现：一种电力设备运维状态智能监测系统，包括依次连接的信号感知装置、数据采集装置和信息运算诊断装置，所述信号感知装置包括分布式光纤传感器，分布安装于待测电力设备上，所述信息运算诊断装置存储有执行以下步骤的程序：定时发出数据读取触发信号；基于采集的数据，利用构建的基于线性自回归方法的预测模型进行预测处理，实现数据流优化，获得待测电力设备的最终采样数据；基于所述最终采样数据获得待测电力设备的监测结果。进一步地，所述信号感知装置包括激光信号感知单元、载流量监测器和温度监测器。进一步地，所述预测模型为自回归AR(n)模型，表示为：其中，βi为自回归参数，x为样本点，εt为不可观测的随机误差，为εt的方差，n为模型阶数。进一步地，当随机误差εt＝0出现的概率小于设定阈值时，将所述预测模型调整为：其中，β't＝βi+E(εt)/(nxt-i)，ε't＝εt-E(εt)，E(εt)为平均预测误差。进一步地，所述数据流优化还包括：计算预测数据的异常统计量，表达式为：其中，ω2是表示时间序列中当前时刻向后N个相应的误差εt平方和的平均值；当λ＞Jij时，判定xt+1为异常数据，Jij为基于广义Jaccard系数定义的判定阈值。进一步地，所述最终采样数据经信息融合处理后获得待测电力设备的监测结果。进一步地，所述信息融合包括数据层次融合、特征层次融合以及决策层融合。进一步地，所述程序还执行：向数据采集装置发送优化结束信息；所述数据采集装置在收到所述优化结束信息后，启动下次数据采集操作。与现有技术相比，本专利技术具有如下有益效果：1、本专利技术可以利用光纤传感器对电网中的电力变压器运行状况进行全方位实时智能监测，通过综合分析处理各传感器信息，并且在出现异常情况时，通过控制相应的联动设备采取一定的措施来保障电网正常运行。2、针对变电站设备分布面广、相距较远，致使分布式光纤节点部署不均衡、采集频率频繁、感知数据强关联等特点，且由于整个系统损耗和噪声的影响，造成所测电力变电站数据的真实性受损，从而形成漏报、误报，致使其应用受限等不足，本专利技术采用线性自回归方法，给出传感器数据流的预测模型及其预测机制。3、本专利技术采用信息融合的故障诊断技术，分别是数据层次、特征层次以及决策层的融合，根据这些数据融合后的结果来对研究对象进行可靠性分析或故障诊断等研究，以便更加准确的判断出故障，而不至于形成误报。4、为了降低预测误差，本发肯提出了一种预测模型自动调整策略，以便在预测误差超过预先设定的阈值时，自动调整预测模型，从而提高分布式光纤传感器信息的质量，并在数据出现异常情况时能够进行有效修正，在一定程度上降低光纤检测系统的缺陷发生率，避免了大量的现场工作，提高了工作效率。5、通过信息融合的故障诊断技术的三个层次，分布式光纤的状态监测数据更加可靠，运算量也得提高，抗干扰能力也得到加强，更加符合分布式光纤的各种应用环境。6、本专利技术可实现对电力变电站的温度、载流量、偷盗入侵等进行监测，确保电网安全、高效运行。附图说明图1为本专利技术实施例2的结构示意图；图2为本专利技术的信号流图；图3为本专利技术数据级融合过程示意图；图4为本专利技术特征级融合过程示意图；图5为本专利技术决策级融合过程示意图；图6为无异常的试验数据与其预测值示意图；图7为有异常的试验数据与其预测值示意图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。实施例1本实施例提供一种电力设备运维状态智能监测系统，包括依次连接的信号感知装置、数据采集装置和信息运算诊断装置，信号感知装置包括分布式光纤传感器，分布安装于待测电力设备上，信息运算诊断装置存储有执行以下步骤的程序：定时发出数据读取触发信号；基于采集的数据，利用构建的基于线性自回归方法的预测模型进行预测处理，实现数据流优化，获得待测电力设备的最终采样数据；基于最终采样数据获得待测电力设备的监测结果。1、信号感知装置信号感知装置的分布式光纤传感器包括激光信号感知单元、载流量监测器和温度监测器，可实现对电力变电站的温度、载流量、偷盗入侵等进行监测本文档来自技高网...

【技术保护点】
1.一种电力设备运维状态智能监测系统，其特征在于，包括依次连接的信号感知装置、数据采集装置和信息运算诊断装置，所述信号感知装置包括分布式光纤传感器，分布安装于待测电力设备上，所述信息运算诊断装置存储有执行以下步骤的程序：/n定时发出数据读取触发信号；/n基于采集的数据，利用构建的基于线性自回归方法的预测模型进行预测处理，实现数据流优化，获得待测电力设备的最终采样数据；/n基于所述最终采样数据获得待测电力设备的监测结果。/n

【技术特征摘要】
1.一种电力设备运维状态智能监测系统，其特征在于，包括依次连接的信号感知装置、数据采集装置和信息运算诊断装置，所述信号感知装置包括分布式光纤传感器，分布安装于待测电力设备上，所述信息运算诊断装置存储有执行以下步骤的程序：
定时发出数据读取触发信号；
基于采集的数据，利用构建的基于线性自回归方法的预测模型进行预测处理，实现数据流优化，获得待测电力设备的最终采样数据；
基于所述最终采样数据获得待测电力设备的监测结果。


2.根据权利要求1所述的电力设备运维状态智能监测系统，其特征在于，所述信号感知装置包括激光信号感知单元、载流量监测器和温度监测器。


3.根据权利要求1所述的电力设备运维状态智能监测系统，其特征在于，所述预测模型为自回归AR(n)模型，表示为：



其中，βi为自回归参数，x为样本点，εt为不可观测的随机误差，为εt的方差，n为模型阶数。


4.根据权利要求3所述的电力设备运维状态智能监测系统，其特征在于，当随机误差εt＝0出现的概率小于设定阈值时，将所述预测模型调整为...

【专利技术属性】
技术研发人员：江友华，刘子瑜，易罡，黄荣昌，尤飘飘，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：上海;31