一种变电站直流电源智能在线监测方法及系统技术方案

本发明专利技术公开了一种变电站直流电源智能在线监测方法及系统，该方法包括：接收直流电源的第一参数和第二参数，基于第一参数作为第一智能分析模型的输入，获取表征直流电源运行性能是否异常的第一分析结果；基于第一参数和第二参数作为第二智能分析模型的输入，获取表征流电源运行性能是否异常的第二分析结果，基于第一分析结果和第二分析结果确定直流电源运行性能情况。本发明专利技术采用与待分析直流电源匹配的第二智能分析模型进行第二分析，同时采用与所有直流电源匹配的第一智能分析模型进行第一分析，实现了同时对直流电源进行粗放式监测和精准匹配式监测，有效提高面向所有直流电源的运行状态分析的准确性。的运行状态分析的准确性。的运行状态分析的准确性。

【技术实现步骤摘要】
一种变电站直流电源智能在线监测方法及系统


[0001]本专利技术涉及变电站直流电源系统监测
，具体涉及一种变电站直流电源智能在线监测方法及系统。

技术介绍

[0002]变电站的直流电源系统，为保护、控制、自动装置等提供可靠电源，是一个独立电源。在正常运行时，充电装置承担经常负荷，同时向蓄电池组充电，以补充蓄电池组的自放电，使蓄电池组以满容量的状态处于备用。在交流电源中断的情况下，由蓄电池组继续向负载提供直流电源，可以保障保护、控制及自动装置的正常工作。随着变电站直流系统运行时间的变长，直流系统中的电源模块、蓄电池可能会出现运行异常的情况。如果对这些直流系统中的缺陷不及时加以处理，则可能会导致更为严重的问题。

技术实现思路

[0003]针对上述现有技术存在的问题，本专利技术提供了一种变电站直流电源智能在线监测方法及系统，实现了对直流系统中的运行故障进行准确的分析。该技术方案如下：
[0004]第一方面，本申请实施例公开了一种变电站直流电源智能在线监测方法，该方法包括如下步骤：
[0005]接收直流电源的第一参数和第二参数，所述第一参数包括：直流蓄电池组的内阻、电压、电流、温度、湿度、运行工作周期、所述第二参数包括：使用时长、厂家、型号、批次；
[0006]基于第一参数作为第一智能分析模型的输入，获取表征直流电源运行性能是否异常的第一分析结果，所述第一智能分析模型是基于所有直流电源的历史第一参数作为训练样本训练得到的；
[0007]基于第一参数和第二参数作为第二智能分析模型的输入，获取表征流电源运行性能是否异常的第二分析结果，所述第二智能分析模型是基于至少一个已有第二智能分析模型在所述直流电源的历史第一参数和第二参数作为训练样本得到的与所述直流电源匹配的分析模型；
[0008]基于第一分析结果和第二分析结果确定直流电源运行性能情况。
[0009]作为上述方案的进一步优化，所述第一智能分析模型的分析过程包括：
[0010]基于第一参数提取第一特征参数和第二特征参数，所述第一特征参数包括不同运行工作周期的持续时长、直流电源运行环境温湿度、电源自身温湿度以及不同运行工作周期期间电压、电流的变化特征；所述第二特征参数包括不同运行工作周期期间内阻的变化特征；
[0011]基于第一特征参数与预设约束规则进行对比分析确定所述直流电源运行是否存在第一故障隐患；
[0012]在确定不存在第一故障隐患的情况下，基于第一特征参数和第二特征参数输入至第一智能分析模型，分析在所述第一特征参数下所述第二特征参数是否异常；
[0013]在确定所述第二特征参数正常的情况下，确定所述直流电源运行性能正常。
[0014]作为上述方案的进一步优化，所述运行工作周期包括：均充电、浮充电、交流失电放电、交流恢复充电，
[0015]所述预设约束规则包括：不同运行工作周期的持续时长约束规则、不同运行工作周期下的直流电源运行环境温湿度和电源自身温湿度差异性约束规则、不同运行工作周期间电压、电流的变化量约束规则。
[0016]作为上述方案的进一步优化，所述基于第一特征参数和第二特征参数输入至第一智能分析模型，分析在所述第一特征参数下所述第二特征参数是否异常，包括：
[0017]基于第一网络对输入的第一特征参数和第二特征参数进行深度特征分析，所述第一网络进行深度特征分析，包括：
[0018]基于第一特征参数和第二特征参数经过至少一层特征提取层处理获得第三特征；
[0019]基于第一特征参数、第二特征参数和第三特征进行合并，从而得到初始特征向量，其中，第一特征参数与第二特征参数的维度之和为d1，第三特征的维度为d2，初始特征向量的维度为d1+d2；
[0020]基于第一可学习参数矩阵作用于所述初始特征向量并通过第一预设激活函数处理得到第一权重参数，基于第二可学习参数矩阵作用于所述初始特征向量并通过第一预设激活函数处理得到第二权重参数；
[0021]基于第一权重参数作用于第一特征参数、第二特征参数同时基于第二权重参数作用于第三特征得到经过加权融合后的融合特征，将所述融合特征输入到预设的第一智能分析模型，分析在所述第一特征参数下所述第二特征参数是否异常。
[0022]作为上述方案的进一步优化，所述第一网络采用3层卷积，总共包含112个卷积核，卷积核大小均为3
×
3，步长为1，填充值为1。
[0023]作为上述方案的进一步优化，所述第二智能分析模型的获取方法，包括：
[0024]记已有的第二智能分析模型为原始模型，记针对所述直流电源的待获取第二智能分析模型为更新模型；
[0025]基于所述直流电源的历史第一参数和第二参数获取针对第二智能分析模型的第二训练样本集；
[0026]基于原始模型的训练样本输入到原始模型中，得到所述原始模型的第一损失函数和基于第一损失函数更新的原始模型的第一模型参数；
[0027]以原始模型的第一模型参数作为更新模型的第二模型参数，并基于更新模型的训练样本输入到更新模型中，得到更新模型的输出结果；
[0028]基于原始模型输入的训练样本和更新模型输入的训练样本的差异量、第一损失函数值修正更新模型的第二模型参数；
[0029]重复上述步骤，对更新模型的第二模型参数进行迭代修正，直至达到预设迭代停止条件，获得训练完成的第二智能分析模型。
[0030]作为上述方案的进一步优化，所述基于原始模型输入的训练样本和更新模型输入的训练样本的差异量、第一损失函数值修正更新模型的第二模型参数，包括：
[0031]基于修正更新模型的第二模型参数，其中，L是累计误差损失，L1是第一损失函数值，L2是原始模型输入的训练样本和更新模型输入的训练样本的差异量，
α
i
是原始模型中自适应和训练精度的权重，i是原始模型输入的训练样本和更新模型输入的训练样本的差异量分析网络层的层数；其中，其中，表示R1‑
R2的F范数，R1、R2分别是原始模型、更新模型输入的训练样本数据的协方差矩阵，d是原始模型和更新模型输入的训练样本的维度数。
[0032]第二方面，本申请实施例公开了一种变电站直流电源智能在线监测系统，该系统包括：
[0033]数据获取单元，用于接收直流电源的第一参数和第二参数，所述第一参数包括：直流蓄电池组的内阻、电压、电流、温度、湿度、运行工作周期、所述第二参数包括：使用时长、厂家、型号、批次；
[0034]第一分析单元，用于基于第一参数作为第一智能分析模型的输入，获取表征直流电源运行性能是否异常的第一分析结果，所述第一智能分析模型是基于所有直流电源的历史第一参数作为训练样本训练得到的；
[0035]第二分析单元，用于基于第一参数和第二参数作为第二智能分析模型的输入，获取表征流电源运行性能是否异常的第二分析结果，所述第二智能分析模型是基于至少一个已有第二智能分析模型在所述直流电源的历史第一参数和第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变电站直流电源智能在线监测方法，其特征在于，包括：接收直流电源的第一参数和第二参数，所述第一参数包括：直流蓄电池组的内阻、电压、电流、温度、湿度、运行工作周期、所述第二参数包括：使用时长、厂家、型号、批次；基于第一参数作为第一智能分析模型的输入，获取表征直流电源运行性能是否异常的第一分析结果，所述第一智能分析模型是基于所有直流电源的历史第一参数作为训练样本训练得到的；基于第一参数和第二参数作为第二智能分析模型的输入，获取表征流电源运行性能是否异常的第二分析结果，所述第二智能分析模型是基于至少一个已有第二智能分析模型在所述直流电源的历史第一参数和第二参数作为训练样本得到的与所述直流电源匹配的分析模型；基于第一分析结果和第二分析结果确定直流电源运行性能情况。2.根据权利要求1所述的一种变电站直流电源智能在线监测方法，其特征在于，所述第一智能分析模型的分析过程包括：基于第一参数提取第一特征参数和第二特征参数，所述第一特征参数包括不同运行工作周期的持续时长、直流电源运行环境温湿度、电源自身温湿度以及不同运行工作周期期间电压、电流的变化特征；所述第二特征参数包括不同运行工作周期期间内阻的变化特征；基于第一特征参数与预设约束规则进行对比分析确定所述直流电源运行是否存在第一故障隐患；在确定不存在第一故障隐患的情况下，基于第一特征参数和第二特征参数输入至第一智能分析模型，分析在所述第一特征参数下所述第二特征参数是否异常；在确定所述第二特征参数正常的情况下，确定所述直流电源运行性能正常。3.根据权利要求2所述的一种变电站直流电源智能在线监测方法，其特征在于，所述运行工作周期包括：均充电、浮充电、交流失电放电、交流恢复充电，所述预设约束规则包括：不同运行工作周期的持续时长约束规则、不同运行工作周期下的直流电源运行环境温湿度和电源自身温湿度差异性约束规则、不同运行工作周期间电压、电流的变化量约束规则。4.根据权利要求3所述的一种变电站直流电源智能在线监测方法，其特征在于，所述基于第一特征参数和第二特征参数输入至第一智能分析模型，分析在所述第一特征参数下所述第二特征参数是否异常，包括：基于第一网络对输入的第一特征参数和第二特征参数进行深度特征分析，所述第一网络进行深度特征分析，包括：基于第一特征参数和第二特征参数经过至少一层特征提取层处理获得第三特征；基于第一特征参数、第二特征参数和第三特征进行合并，从而得到初始特征向量，其中，第一特征参数与第二特征参数的维度之和为d1，第三特征的维度为d2，初始特征向量的维度为d1+d2；基于第一可学习参数矩阵作用于所述初始特征向量并通过第一预设激活函数处理得到第一权重参数，基于第二可学习参数矩阵作用于所述初始特征向量并通过第一预设激活函数处理得到第二权重参数；基于第一权重参数作用于第一特征参数、第二特征参数同时基于第二权重参数作用于
第三特征得到经过加权融合后的融合特征，将所述融合特征输入到预设的第一智能分析模型，分析在所述第一特征参数下所述第二特征参数是否异常。5.根据权利要求4所述的一种变电站直流电源智能在线监测方法，其特征在于，所述第一网络采用3层卷积，...

【专利技术属性】
技术研发人员：徐峰，訾泉，赵琛，杨东，杨为，陈忠，胡迪，常青春，张功营，王严，徐琦睿，徐晓，王楠楠，陈兆，贺威，张建力，倪慧明，巩明涛，邓传力，崔增云，
申请(专利权)人：国网安徽省电力有限公司电力科学研究院，
类型：发明
国别省市：