基于数据驱动大规模配电终端运行缺陷控制及自诊断方法技术

本发明专利技术公开了一种基于数据驱动大规模配电终端运行缺陷控制及自诊断方法，包括：获取配电终端缺陷影响因素与缺陷特征，构建由中央处理单元、通信模块、采集模块、操作控制回路、电源模块组成的配电终端结构模型；构建基于数据驱动的配电终端缺陷分析模型，基于数据驱动对配电终端进行缺陷分析及自诊断。本发明专利技术根据配电网运维工作的实际情况，融合环境、设备运行状态、人为操作等多元数据，通过研究基于数据驱动的大规模配电终端运行特性分析模型及评判分析，为缺陷诊断、消缺提供思路，提高配电终端运维工作的效率与能力，保证电力系统的正常运行。常运行。常运行。

【技术实现步骤摘要】
基于数据驱动大规模配电终端运行缺陷控制及自诊断方法


[0001]本专利技术涉及电力系统配电网运维领域，尤其涉及一种基于数据驱动大规模配电终端运行缺陷控制及自诊断方法。

技术介绍

[0002]配电网是电力系统中直接与用户相连的末端，其安全运行直接关系到用户供电的可靠性。历史统计出的数据可看出配电网故障引起的负荷损失占总电网损失的70％。近年来，随着智能电网建设的推进，配电网正经历着快速发展，不仅配电网的规模不断扩大，而且对供电可靠性、安全性和经济性提出了更高的要求。这就导致检修工作量和检修成本不断攀升，根据人工经验制定的检修计划己经不能再适应日益增大的电网和检修要求的提高，无法兼顾电网检修的可靠性和经济性的要求，充分考虑各方面的因素以制订合理的检修计划具有现实的迫切性和必要性。利用先进的通信组网、智能传感、大数据处理等技术对智能配电网运行状态进行评估，及时发现隐患、掌握设备和系统运行状态已引起电力公司的广泛关注。
[0003]目前世界信息产业已经迎来物联网发展浪潮，国家电网公司也提出通过建设泛在电力物联网，为培育发展新兴战略性产业，提供更强大的数据信息资源支撑。随着智能配电网运检新需求的出现，为智能传感装备和人工智能技术的应用提供了新的契机，输变电设备实现智能化已引起广泛关注。借助于边缘计算、人工智能等物联网新技术在智能电网中的应用，输变电设备进入了多个领域融合创新的新发展阶段。在配电物联网快速发展的时代，原有的配电运维工作方式难以应对配电终端的大规模接入所带来的压力。运维人员数量有限，技术水平参差不齐，而配电终端建设规模广，数量多，造成配电终端缺陷的因素多种多样，导致运维工作困难复杂。当前运维人员只是对大量终端缺陷数据进行简单的记录分类，针对终端缺陷依据运维经验人为分析消缺(即消除终端缺陷)，被动运维且运维效率低。
[0004]为了保证配电终端大规模接入后配电网的稳定运行，现亟需从配网运行产生的大量终端缺陷数据之中挖掘出所需的规律，有效分析缺陷背后的原因，为缺陷诊断、消缺提供思路，并提高配电终端运维工作的效率与能力。在当前“大数据”时代背景下，数据挖掘技术已深入渗透电力系统多个领域，推动智能电网朝能源互联网的发展。

技术实现思路

[0005]本专利技术提供了一种基于数据驱动大规模配电终端运行缺陷控制及自诊断方法，本专利技术根据配电网运维工作的实际情况，融合环境、设备运行状态、人为操作等多元数据，通过研究基于数据驱动的大规模配电终端运行特性分析模型及评判分析，为缺陷诊断、消缺提供思路，提高配电终端运维工作的效率与能力，保证电力系统的正常运行，详见下文描述：
[0006]一种基于数据驱动大规模配电终端运行缺陷控制及自诊断方法，所述方法包括：
[0007]获取配电终端缺陷影响因素与缺陷特征，构建由中央处理单元、通信模块、采集模块、操作控制回路、电源模块组成的配电终端结构模型；
[0008]构建基于数据驱动的配电终端缺陷分析模型，基于数据驱动对配电终端进行缺陷分析及自诊断。
[0009]其中，所述基于数据驱动的配电终端缺陷分析模型为：
[0010]在配电变压器已有运行数据的基础上，利用线索二叉树链表建立同一线路配电变压器群的拓扑关系，充分利用配电变压器二次侧的运行数据，提出基于数据驱动的配电变压器容量在线校正，明确配电变压器之间的前驱后继关系。
[0011]进一步地，所述获取配电终端缺陷影响因素与缺陷特征为：
[0012]采集供电公司终端缺陷数据，对引发终端缺陷的关键因素归纳总结分析，建立配电终端多维度影响因素体系。
[0013]其中，融合配电终端结构与Apriori算法数据模型，基于统计的缺陷数据筛选出缺陷关键因素集合DR，利用Apriori算法获取频繁项集并推导所需的关联规则。
[0014]其中，所述关联规则用于对终端缺陷进行多维度综合自诊断为：
[0015][0016][0017]式中：R1规则为影响因素与缺陷的关联关系；R2规则为缺陷与缺陷设备故障部位的关联关系。
[0018]本专利技术提供的技术方案的有益效果是：
[0019]1、本专利技术能够分析缺陷产生机制，为计划性检修与故障检修提供依据，降低缺陷率，提高消缺效率；
[0020]2、本专利技术能够执行缺陷配电终端故障部位的自诊断，构建配电终端自诊断模型，形成并完善多维度综合自诊断；
[0021]3、本专利技术通过对配电变压器的容量进行在线校正，可以节省对配电变压器逐台单独测量的时间，为配电网的优化运行策略提供保障，提高电力系统的运行控制水平，从而保证电力系统的正常运行；
[0022]4、本专利技术科学合理，适用性强，效果佳。
附图说明
[0023]图1为Apriori算法的流程图；
[0024]图2为配电终端缺陷多维度影响因素的体系图；
[0025]图3为配电终端的缺陷分类图；
[0026]图4为配电终端的结构图；
[0027]图5为基于数据驱动的配电终端缺陷分析及自诊断方法图；
[0028]图6为松原公司甲线路所接带配电变压器辐射状图；
[0029]图7为配电变压器群二叉树结构图。
具体实施方式
[0030]为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术实施方式作进一步地详细描述。
[0031]下面对本专利技术实施例涉及到的技术背景进行下述的介绍：
[0032]一、关联规则与Apriori算法，具体为：
[0033]关联规则最早在1993年由Rakesh Agrawal等人提出，以发掘大量顾客购买不同产品之间的关联规律性。
[0034]1)关联规则定义及指标
[0035]a.关联规则定义：以本专利技术实施例研究的配电终端缺陷问题为例，对于1个终端设备缺陷数据库，影响因素F、缺陷类型D、故障模块P是分析缺陷问题的关键属性，制造厂家M作为家族性缺陷是影响因素F的一部分。由于配电终端缺陷数据中含有制造厂家M的信息，因此将其单独提取出来作为1个关键属性，用以研究是否某厂家生产的设备存在某种特定的缺陷。关键属性及其对应的元素具体为：
[0036]DR＝{D,F,M,P}
[0037]D＝{D1,D2…
D
m
}
[0038]F＝{F1,F2…
F
n
}
[0039]M＝{M1,M2…
M
i
}
[0040]P＝{P1,P2…
P
j
}
[0041]式中，缺陷D有m种类型，影响因素F有n种类型，厂家M共有i家，故障模块P有j类。
[0042]以某一影响因素Ff和缺陷类型Dd为例，关联规则可表述为：其中其中且其表示若出现先导Ff因素，那么有一定的关联关系也会导致后继Dd缺陷的出现。
[0043]b.重要指标：关联规则的评价准则有支持度和置信度2个指标。对于关联规则支持度指的是发生该规则的概率，即Ff和Dd本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动大规模配电终端运行缺陷控制及自诊断方法，其特征在于，所述方法包括：获取配电终端缺陷影响因素与缺陷特征，构建由中央处理单元、通信模块、采集模块、操作控制回路、电源模块组成的配电终端结构模型；构建基于数据驱动的配电终端缺陷分析模型，基于数据驱动对配电终端进行缺陷分析及自诊断。2.根据权利要求1所述的一种基于数据驱动大规模配电终端运行缺陷控制及自诊断方法，其特征在于，所述基于数据驱动的配电终端缺陷分析模型为：在配电变压器已有运行数据的基础上，利用线索二叉树链表建立同一线路配电变压器群的拓扑关系，充分利用配电变压器二次侧的运行数据，提出基于数据驱动的配电变压器容量在线校正，明确配电变压器之间的前驱后继关系。3.根据权利要求1所述的一种基于数据驱动大规模配电终端运行缺陷控制及自诊...

【专利技术属性】
技术研发人员：陈洪涛，郭艳春，侯凤春，韩笑，孙纪男，李春风，魏红远，李默，赵新，张东升，孙浩闻，梁研，孙海航，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：