【技术实现步骤摘要】
基于电力物联网的电网设备管控方法及管控系统
[0001]本专利技术属于电网设备安全状态的监控、风险评估
,尤其涉及基于电力物联网的电网设备管控方法及管控系统。
技术介绍
[0002]随着社会经济的高速发展,科技的进步,电网的规模变得越来越大,全社会对供电可靠性的要求越来越高,所以电网设备的安全维护、风险评估变得越来越重要。数量庞大、新旧不一、功能不同的各种电网设备状态相关信息和基础数据比较分散,各业务系统相互独立,不同的系统其数据格式不一致,数据之间较难共享和兼容,不同系统的数据和信息甚至相互矛盾,难以保证数据的准确性和一致性,不利于各类信息和数据的多维度深度分析和挖掘,不利于信息的快速共享。
[0003]物联网是指不同人与不同物之间的交互以及不同物之间的信息网络链接。电力物联网,就是围绕电力系统各环节,充分应用移动互联、人工智能等现代信息技术、先进通信技术,实现电力系统各环节万物互联、人机交互,具有状态全面感知、信息高效处理、应用便捷灵活特征的智慧服务系统。基本实现业务协同和数据贯通,初步实现统一物联管理,各级智慧能源综合服务平台具备基本功能,支撑电网业务与新兴业务发展。
[0004]目前,随着电网规模的快速发展,全社会对供电可靠性的要求越来越高,状态良好、运行稳定的电网设备是电力物联网的基础。因此,目前急需一种基于电力物联网的安全、智能、运行稳定的电网设备管控方法。
技术实现思路
[0005]专利技术目的:
[0006]本专利技术旨在提出基于电力物联网的电网设备管控方 ...
【技术保护点】
【技术特征摘要】
1.基于电力物联网的电网设备管控方法,其特征在于:该方法包括如下步骤:步骤1,感知层实时采集电网设备的历史/准实时和电网空间数据;对数据进行预处理,判断设备发生故障的概率,并基于数据形成故障诊断的特征库;步骤2,网络层对感知层电网设备海量数据和预处理数据进行传输,对电网设备进行精确定位;步骤3,平台层对网络层传输过来的数据进行综合分析及判断,从故障诊断的特征库提取设备特征值,进行离散化处理,生成断线故障诊断条件特征与结果特征间的强关联规则,进行故障诊断;步骤4,应用层对电力检修部门提供设备的故障信息和精确的定位。2.根据权利要求1所述的基于电力物联网的电网设备管控方法,其特征在于:感知层采集处理数据具体包括:智能管理终端采集电网设备历史/准实时的数据并对数据进行预处理,基于天气情况判断设备发生故障的概率;建立统一的电网设备事故概率模型并形成故障诊断的特征库。3.根据权利要求2所述的基于电力物联网的电网设备管控方法,其特征在于:电网设备事故概率模型具体包括:λ
a
、λ
b
、λ
c
分别为在正常天气、恶劣天气、极端天气下设备元件的年故障率,根据以下公式计算:λ
a
=λ
avg
(1-F
n
)/p
a
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)λ
b
=λ
avg
(1-F
m
)/p
b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)λ
c
=λ
avg
(1-F
m
)/p
c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式中:λ
avg
是基于历史数据统计的元件年平均故障率,p
a
、p
b
、p
c
分别为基于历史统计数据的正常天气、恶劣天气以及极端天气出现的稳态概率;F
n
是故障发生在坏天气恶劣,极端情况下的比例;F
m
坏天气情况中属于极端天气的比例;当所考虑的元件仅运行于“正常”或“停运”2种运行状态时,在所考虑的预测时间段Δt内,元件受天气影响发生停运事件的次数近似服从泊松分布,因此,t0时刻处于正常运行的元件,在t0+Δt时刻发生停运的概率可以近似表迗为:式中:λ
i
为通过短期天气预报和式(1)(2)(3)得到的元件年故障率;Δt可根据现场实际数据的更新时间间隔或实际需要进行选取;在t0+Δt时刻某一预想事故发生的概率用下式计算:式中:A为预想事故下的系统状态;D、U分别为该系统状态下故障元件集合和正常元件集合。4.根据权利要求1所述的基于电力物联网的电网设备管控方法,其特征在于:步骤2中的对电网设备进行精确定位是通过网络层通讯传输网络;通讯传输网络通过开展大容量骨干光传输网、中低压高速电力线载波、电力无线专网、低功耗广域网、光电复合缆、5G网络切片、北斗通信卫星等混合组网技术研究与应用,建成
一体化通信网络。5.根据权利要求1所述的基于电力物联网的电网设备管控方法,其特征在于:步骤3中平台层的具体包括:基于感知层建立的故障诊断特征库,进行基于mRMR算法的主要特征选,通过FP-Growth算法进一步挖掘故障诊断主要条件特征与结果特征之间的关联规则,从而建立起故障诊断的规则库,进行故障诊断;(1)mRMR算法;mRMR算法使用互信息度量特征间的相关性;设存在两个特征X与Y,p(x)、p(y)分别为特征X、特征Y的概率密度函数,p(x,y)为这两个特征的联合概率,则两者之间的互信息定义I(x,y)为:mRMR算法的目标是找出包含m{x
i
}个特征的特征子集S,使得故障诊断条件特征与结果特征之间的相关性最大,条件特征间的冗余度最小,即特征之间的相关性最大,条件特征间的冗余度最小,即式中:x
i
为第i个条件特征,x
j
为第j个条件特征,;c为结果特征;S为特征子集;|S|为特征子集维数;D(S,c)为S与c...
【专利技术属性】
技术研发人员:李铁,王爱华,高凯,葛延峰,刘淼,姜枫,崔岱,杨俊友,洪沨,崔嘉,朱伟峰,王钟辉,李峰,王明凯,张宇时,许小鹏,梁鹏,古博,
申请(专利权)人:沈阳工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。