一种配电线路接点温度预测系统及方法技术方案

本发明专利技术涉及一种配电线路接点温度预测系统及方法，在配电线路的接点处安装作为子节点的测温装置，再安装作为母节点的接收装置，通过多个子节点和一个母节点以及上位机之间的通信，将温度数据发送至上位机中，而上位机则根据历史数据建立ARIMA预测模型，该模型可根据上一时刻的接点温度预测下一时刻的温度值，从而既实现非接触式测温，也可预测接点的温度变化趋势。

【技术实现步骤摘要】
一种配电线路接点温度预测系统及方法
本专利技术涉及电力工程领域，具体为一种配电线路接点温度预测系统及方法。
技术介绍
本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。作为电力设施的配电线路上存在多个线路与线路、或线路与设备之间的接点，如T接点、接续点等。由于配电网分布广，支线多，因此接点多而分散，配电网运行过程中，线路的接点温度一旦剧增，在负荷高峰时经常会发生由温度升高引起的断线等故障。在我国，据不完全统计，大多数的配电网中均出现过因温度过高而导致的断线事故，尤其是在一些老旧线路上，断线事故轻则降低电能质量，重则影响电力系统的稳定运行，造成巨大的经济损失。目前，测量配电网中的接点温度的方法多为接触式测温或手持红外热像仪测温，接触式测温可实现接点温度的实时监测与预警，但测温装置需要频繁与接点接触，导致测量装置工作寿命降低稳定性变差，红外热像仪测温可远离接点观察其红外特征，避免了与接点直接接触，但需人工来判断接点的红外特征，导致无法精确判断接点的温度，不能准确的判断出接点温度是否过高。对于接点温度的预测方法有多种，常见的有回归分析法、趋势外推法、时间序列法、人工神经网络、支持向量机等，这些方法已得到大规模的应用。例如，回归分析法，将历史数据作为自变量，预测目标的温度值作为因变量建立回归分析方程来以此进行预测，但是这种方法的自变量因子具有多样性和不可预测性，导致了模型需要大量的样本数据，从而使得建模难度加大。趋势外推法通过建立合适的曲线函数来逼近温度曲线，进而推算预测值，但趋势外推法在受到季节因素的干扰时，往往使得预测结果出现较大的偏差。时间序列法将温度数据作为一组时间序列，挖掘数据之间内在的线性关系，拟合序列的变化曲线，可预测短期内的温度变化，但序列中的非线性部分会影响到线性部分的预测结果。人工神经网络着重于针对非线性数据，有强大的泛化能力，可对温度数据中的非线性部分进行处理，作为线性预测部分的修正量。支持向量机基于结构风险最小化原则处理非线性回归问题，通过非线性变化将数据映射到高维空间来求得线性回归中的最优解，可弥补人工神经网络易陷入局部最优解的缺点，但支持向量机需要的运算时间相对较长，实时性不能满足，并且支持向量机擅长处理二分类问题，而回归问题属多分类问题，这使得支持向量机在回归分析上其泛化能力并不强。
技术实现思路
为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种配电线路接点温度预测系统及方法，在配电线路的接点处安装作为子节点的测温装置，再安装一个作为母节点的接收装置，通过多个子节点和一个母节点以及上位机之间的通信，将实时温度数据传递给上位机，而上位机则根据历史数据建立ARIMA预测模型，该模型可根据上一时刻的接点温度预测下一时刻的温度值，从而既实现非接触式测温，也可预测接点的温度变化趋势。为了实现上述目的，本专利技术采用如下技术方案：本专利技术的第一个方面提供一种配电线路接点温度预测方法，包括以下步骤：步骤1，设置子节点和母节点，子节点采集线路节点温度，母节点接收子节点采集的温度数据；步骤2，母节点将温度数据发送至上位机；步骤3，上位机根据接收的数据建立ARIMA预测模型，完成接点温度预测。步骤1中，在配电线路T接点或接续点处的A相、B相和C相接点处设置至少一个子节点。步骤1中，多个子节点将温度数据上传至母节点，母节点将温度数据进行汇总。步骤2中，母接点将汇集的温度数据通过4G-LTE模块发送至上位机。步骤3中，上位机根据接点温度的历史数据建立ARIMA预测模型。步骤3中，建立ARIMA预测模型的过程为：步骤a：获取接点温度历史数据，进行ADF检验，计算出数据的统计值与显著水平概率值，与数据显著水平下的临界值进行对比，得到ARIMA模型中的差分阶数；步骤b：计算数据的自相关函数与偏自相关函数，得到多组AR模型与MA模型的阶数p与q，得到自回归系数γi与移动平均系数θi；步骤c：使用遍历法来寻找最优组合；步骤d：残差检验，判断该模型的残差是否满足均值是0的正态分布且自相关系数是否为0。步骤a中，获取接点温度历史数据，对其进行ADF检验，计算出数据的T统计值与显著水平P概率值，与数据显著水平下的临界值进行对比，当T小于1％的临界值且P小于0.05时，数据是平稳的，若不满足平稳的条件，则对数据进行差分处理，直至满足ADF检验，得到ARIMA模型中的差分阶数d。步骤b中，计算数据的自相关函数ACF与偏自相关函数PACF，根据ACF和PACF的特征，得到多组AR模型与MA模型的阶数p与q，并通过最小二乘法得到每组式子中的自回归系数γi与移动平均系数θi。步骤c中，确定p、q的值后，使用遍历法来寻找最优组合，使用下式所示的赤池信息量准则AIC和贝叶斯信息准则BIC两种方法作为判断标准。AIC＝-2lnC+2kBIC＝-2lnC+k·lnn其中C为似然函数，k为模型中的参数的个数，n为样本数量，AIC和BIC的值最小的模型所对应的p、q的值为最优值。步骤d中，最后对模型进行残差检验，判断该模型的残差是否满足均值是0的正态分布且自相关系数是否为0，当满足上述两个条件后，得到适合接点温度的ARIMA模型。本专利技术的第二个方面提供基于上述方法的一种配电线路接点温度预测系统，包括子节点、母节点和上位机；子节点包括连接在一起的控制模块、红外测温模块以及通信模块，红外测温模块与测温光圈连接，控制模块利用通信模块将红外测温模块获取的温度数据经发射天线发送给母节点。母节点包括连接在一起的控制模块、4GLTE模块以及LoRa通信模块，LoRa通信模块连接接收天线接收子节点发来的温度数据，4GLTE模块连接发送天线将温度数据发送给上位机。上位机处使用ARIMA模型对接点温度进行预测。与现有技术相比，以上一个或多个技术方案存在以下有益效果：1、可远程监测配电线路的接点温度状态，能够精准地测得接点温度的信息并通过低功耗广域网与4G网络共同传输，提高整套系统的工作效率，让工作人员可在远端及时掌握配电网中的各接点的温度状况。2、在实现远程监测的同时，通过预测模型预估下一时刻的接点温度值，有助于评估配电网整体运行状态，可以减少人工巡检和故障处理时间，及时排除隐患，减少经济损失。附图说明构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。图1是本专利技术一个或多个实施例提供的系统结构示意图；图2(a)是本专利技术一个或多个实施例提供的子节点结构示意图；图2(b)是本专利技术一个或多个实施例提供的母节点结构示意图；图3(a)是本专利技术一个或多个实施例提供的子节点处理流程图；图3(b)是本专利技术一个或多个实施例提供的母节点处理流程图；图4是本发本文档来自技高网...

【技术保护点】
1.一种配电线路接点温度预测方法，其特征在于：包括以下步骤：/n步骤1，设置子节点和母节点，子节点采集线路节点温度，母节点接收子节点采集的温度数据；/n步骤2，母节点将温度数据发送至上位机；/n步骤3，上位机根据接收的数据建立ARIMA预测模型，完成接点温度预测。/n

【技术特征摘要】
1.一种配电线路接点温度预测方法，其特征在于：包括以下步骤：
步骤1，设置子节点和母节点，子节点采集线路节点温度，母节点接收子节点采集的温度数据；
步骤2，母节点将温度数据发送至上位机；
步骤3，上位机根据接收的数据建立ARIMA预测模型，完成接点温度预测。


2.如权利要求1所述的一种配电线路接点温度预测方法，其特征在于：所述步骤1中，在配电线路T接点或接续点处的A相、B相和C相接点处设置至少一个子节点。


3.如权利要求1所述的一种配电线路接点温度预测方法，其特征在于：所述步骤2中，多个子节点将温度数据上传至母节点，母节点将温度数据进行汇总。


4.如权利要求1所述的一种配电线路接点温度预测方法，其特征在于：所述步骤3中，上位机根据历史数据建立ARIMA预测模型。


5.如权利要求4所述的一种配电线路接点温度预测方法，其特征在于：所述步骤3中，建立ARIMA预测模型的过程为：
步骤a：获取接点温度历史数据，进行ADF检验，计算出数据的统计值与显著水平概率值，与数据显著水平下的临界值进行对比，得到ARIMA模型中的差分阶数；
步骤b：计算数据的自相关函数与偏自相关函数，得到多组AR模型与MA模型的阶数p与q，得到自回归系数γi与移动平均系数θi；
步骤c：使用遍历法来寻找最优组合；
步骤d：残差检验，判断该模型的残差是否满足均值是0的正态分布且自相关系数是否为0。


6.如权利要求5所述的一种配电线路接点温度预测方法，其特征在于：所述步骤a中，获取接点温度历史数据，对其...

【专利技术属性】
技术研发人员：纪鹏志，董振，徐斌，刘宗杰，陈曦，张慧芬，邱雨，魏亚军，刘强，马骁雨，王威，周科，褚福亮，张驰，马良，付开强，
申请(专利权)人：国网山东省电力公司济宁供电公司，国家电网有限公司，
类型：发明
国别省市：山东;37