【技术实现步骤摘要】
一种将大数据应用于智能电网的异常监测系统
[0001]本专利技术涉及大数据和智慧电网领域,尤其涉及一种将大数据应用于智能电网的异常监测系统。
技术介绍
[0002]随着智能配电网技术的发展和电力系统自动化建设进程的不断推进,电力网络的结构和运行模式也变得越来越复杂,人们对电能的质量和网络运行的可靠性也提出了更高的要求。如何有效地对配电网中电力线路进行异常监测,成为电力生产部门新的需求点和研究的热点方向。
[0003]配电网线路参数对配电网中长期规划、配电网经济稳定运行、配电网拓扑及故障判断有着至关重要的意义,明显错误的线路参数不良数据小则影响调度员做出错误的决策,大则影响到配电网今后的规划设计选型,因此配电网线路数据异常值的辨识手段是一种不可或缺的技术。
[0004]然而,现有的配电网电力线路安全监测技术只监测电力线路的单节点故障状态,不能根据多节点数据进行交叉验证,存在监测信息的单一性,从而导致对配电网中电力线路的故障检测的准确率低。同时,现有的技术主要通过人工寻找配电网中电力线路的故障点,导致配电网的故障排查效率降低,从而使得配电网的安全供电保障受到影响,增加配电网覆盖地区的停电时间,进而无法满足人们的用电需求。
技术实现思路
[0005]为了解决以上问题,本专利技术提供了一种将大数据应用于智能电网的异常监测系统,其包括:传感节点、基站节点、控制节点和管理终端,其中各节点间具有通信连接;控制节点与管理终端具有通信连接;基站节点包括:数据分析模块和异常检测模块,其中,数据分析模块与异 ...
【技术保护点】
【技术特征摘要】
1.一种将大数据应用于智能电网的异常监测系统,其特征在于,其包括:传感节点、基站节点、控制节点和管理终端,其中各节点间具有通信连接;控制节点与管理终端具有通信连接;基站节点包括:数据分析模块和异常检测模块,其中,数据分析模块与异常检测模块具有通信连接;控制节点包括:交叉节点模块和故障检测模块,其中,交叉模块与故障检测模块具有通信连接;各传感节点实时采集输电线路的输电线路数据,并将各个传感节点实时采集的输电线路数据发送到相应的基站节点;基站节点的数据分析模块将接收到的所有输电线路数据输入时空状态模型以输出若干个时空状态数据,并根据所述若干个时空状态数据得到第一稳态向量序列和第二稳态向量序列;基站节点的数据分析模块分别提取第一稳态向量序列中每个第一稳态向量的特征,并将其映射到时序状态空间以获取每个第一稳态向量对应的时序状态点,然后将所有的时序状态点按照时间顺序进行连接以得到时序状态曲线;基站节点的数据分析模块分别提取第二稳态向量序列中每个第二稳态向量的特征,并将其映射到空序状态空间以获取每个第二稳态向量对应的空序状态点,然后将所有的空序状态点按照空间顺序进行连接以得到空序状态曲线;基站节点的数据分析模块分别提取时序状态曲线和空序状态曲线的曲线特征以得到时序状态曲线特征和空序状态曲线特征,并将时序状态曲线特征和空序状态曲线特征映射到时空状态空间得到基站节点的时空状态曲线;基站节点的异常检测模块提取时空状态曲线的特征以得到时空状态曲线特征,并将时空状态曲线特征输入异常检测模型以对基站节点的输电线路进行异常识别;在输电线路出现异常时,异常检测模块将相应基站节点作为异常基站节点,并获取异常基站节点的节点异常数据,然后根据异常基站节点的时空状态曲线特征和节点异常数据生成异常基站节点的基站检测数据;控制节点的交叉节点模块根据接收到的基站检测数据获取异常基站节点的交叉基站节点,并根据交叉基站节点的所有时空状态数据生成交叉检测数据;控制节点的故障检测模块根据基站检测数据和交叉检测数据对异常基站节点和交叉基站节点进行交叉验证以进行异常监测判断。2.根据权利要求1所述的系统,其特征在于,所述传感节点为采集输电线路信息的传感器,其包括电压传感器、电流传感器和电阻传感器。3.根据权利要求2所述的系统,其特征在于,所述基站节点的数据分析模块根据时空撞他数据得到第一稳态向量序列和第二稳态向量序列包括:基站节点的数据分析模块提取每个时空状态数据的时空状态特征,并将每个时空状态特征进行特征分解以得到时序状态特征和空序状态特征;基站节点的数据分析模块将每个时空状态特征的时序状态特征按照时间顺序进行马尔科夫计算以得到每个时空状态数据的若干个时序状态转移概率,其中,所述时序状态转移概率对应一个时刻的状态转移概率;基站节点的数据分析模块将每个时空状态特征的空序状态特征按照空间顺序进行马尔科夫计算以得到每个时空状态数据的若干个空序状态转移概率,其中,所述空序状态转
移概率对应一个位置的状态转移概率;基站节点的数据分析模块根据每个时空状态数据的所有时序状态转移概率生成每个时空状态数据的时序状态转移矩阵,并根据每个时空状态数据的所有空序状态转移概率生成每个时空状态数据的空序状态转移矩阵,然后分别将每个时空状态数据的时序状态转移矩阵和空序状态转移矩阵进行矩阵分解得到每个时空状态数据的时序概率向量序列和空序概率向量序列;基站节点的数据分析模块随机生成矩阵,并分别根据随机矩阵和每个时空状态数据的时序概率向量序列和空序概率向量序列生成每个时空状态数据的第一马尔科夫链和第二马尔科夫链;基站节点的数据分析模块获取每个时空状态数据的第一马尔科夫链的稳态向量,...
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。