一种数字化特高压交流变电站主动预警方法和装置制造方法及图纸

本申请涉及变电站设备检测技术领域，尤其涉及一种数字化特高压交流变电站主动预警方法和装置，其方法包括获取被测对象的历史状态数据；根据所述历史状态数据的数据类型，建立多个状态评分函数；利用所述状态评分函数确定

【技术实现步骤摘要】
一种数字化特高压交流变电站主动预警方法和装置


[0001]本申请涉及变电站设备检测
，尤其是涉及一种数字化特高压交流变电站主动预警方法和装置
。

技术介绍

[0002]数字化特高压交流变电站较传统变电站而言，通过对一次设备逐步智能化
、
二次设备逐步网络化，在一定程度上弥补了传统变电站信息共享不畅
、
装置通信受阻等多种缺陷
。
进一步地，随着
IEC61850
标准的颁布，使得变电站在功能构架和通信系统建设方面更加标准化和更具开放性
。
但同时数字化变电站内部结构也变得更加复杂，使得其可靠性降低，运行风险增高
。
特别是对于信息化和网络化水平更高的数字化特高压交流变电站，该问题更为突出
。
因此，如何实现对变电主设备状态数据的实时分析，异常设备告警，缺陷诊断和劣化发展过程的监视跟踪等，是当前特高压数字站的应用建设工作重心之一
。
[0003]目前，传统的变电站告警的主要方式包括：分别获得变电站各主设备的状态信息，为各状态信息赋予不同的权重值，然后加权求和获得设备的状态评分结果
。
该状态信息的权重值，即对设备状态的影响程度均由专家系统判定
。
评估过程存在一定的主观因素，而且对于监测信息量较大的智能设备，指标赋权求和模型会使某些重要信息被淹没，对模型的计算精度有较大的影响，并且采用专家系统打分方式的工作量太大，难以满足数字化特高压交流变电站的评估要求
。
此外，由于有一些设备自身更新换代快
、
运行可靠性高
、
监测水平限制等原因，可获取的可靠性相关数据非常有限，在对其可靠性进行评估时，可用样本非常小，而仅依靠有限数据样本采用上述方法分析得到可靠性结果往往存在较大误差
。
[0004]针对上述中的相关技术，专利技术人发现现有的变电站告警方法存在有告警精度低，难以满足数字化特高压交流变电站评估要求的问题
。

技术实现思路

[0005]为了提高告警精度和效率，满足数字化特高压交流变电站评估要求，本申请提供了一种数字化特高压交流变电站主动预警方法和装置
。
[0006]第一方面，本申请提供一种数字化特高压交流变电站主动预警方法
。
[0007]本申请是通过以下技术方案得以实现的：
[0008]一种数字化特高压交流变电站主动预警方法，包括以下步骤，
[0009]获取被测对象的历史状态数据；
[0010]根据所述历史状态数据的数据类型，建立多个状态评分函数；
[0011]利用所述状态评分函数确定
BP
神经网络模型的隐含层节点范围，，以及，将所述历史状态数据输入所述
BP
神经网络模型进行训练，获得主动预警模型；
[0012]获取当前被测对象的状态数据并输入所述主动预警模型中，主动输出设备预警结果和预警级别
。
[0013]本申请在一较佳示例中可以进一步配置为：根据所述历史状态数据的数据类型，
建立多个状态评分函数的步骤包括，
[0014]所述历史状态数据包括模拟量，当所述模拟量为只与越限程度相关的数据类型时，建立第一状态评分函数
V
：
[0015][0016]式中，
a
x
表示状态信息监测值，
V
i0
表示该状态信息的基础位置值，
a
j
表示
j
状态阈值，
a1表示
i
状态阈值，
m
表示上限值，
n
表示下限值，
k1、k2、c1、c2均为信息系数
。
[0017]本申请在一较佳示例中可以进一步配置为：根据所述历史状态数据的数据类型，建立多个状态评分函数的步骤包括，
[0018]所述历史状态数据包括模拟量，当所述模拟量为与越限程度和时间都相关的数据类型时，建立第二状态评分函数
E
：
[0019][0020]式中，
T
表示评估周期，
t
表示时间，
a
x
表示状态信息监测值，
a0表示状态信息额定值
。
[0021]本申请在一较佳示例中可以进一步配置为：根据所述历史状态数据的数据类型，建立多个状态评分函数的步骤包括，
[0022]所述历史状态数据包括模拟量，当所述模拟量为与越限程度和时间都相关，且具有累计效应的数据类型时，建立第三状态评分函数
F
：
[0023][0024]式中，
a
x
表示状态信息监测值，
a
f
表示有效判定阈值，以用于判断状态信息是否达到影响设备健康状态的程度，
t
表示时间
。
[0025]本申请在一较佳示例中可以进一步配置为：还包括以下步骤，
[0026]当设备预警结果为异常时，预设的检修决策数据库基于所述设备预警结果和所述预警级别执行匹配操作，输出检修建议
。
[0027]本申请在一较佳示例中可以进一步配置为：所述获取被测对象的历史状态数据的步骤后，还包括以下步骤，
[0028]检测所述历史状态数据是否存在异常数据；
[0029]若所述历史状态数据存在异常数据，则将所述异常数据剔除并标记剔除位置；
[0030]根据插补算法拟合所述剔除位置的数据，对所述历史状态数据进行补全，得到补全后的历史状态数据；
[0031]基于补全后的历史状态数据建立多个状态评分函数
。
[0032]本申请在一较佳示例中可以进一步配置为：检测所述历史状态数据是否存在异常数据的步骤包括，
[0033]对所述历史状态数据的各采样数据的帧间隔进行判断；
[0034]若相邻两个采样数据之间的帧间隔在阈值范围内，则两个所述采样数据有效，将其存储至数据集中；
[0035]若相邻两个采样数据之间的帧间隔在阈值范围外，则两个所述采样数据无效，将其剔除并标记剔除位置；
[0036]计算所述数据集的采样数据的线性插值，以及，通过罗尔定理计算所述线性插值的最大误差值；
[0037]根据所述线性插值和所述最大误差值，判断所述历史状态数据是否异常
。
[0038]本申请在一较佳示例中可以进一步配置为：根据所述线性插值和所述最大误差值，判断所述历史状态数据是否异常的步骤包括，
[0039]判断所述历史状态数据中任一采样数据与所述线性插值的差值的绝对值是否大于预设倍数的所述最大误差值；
[0040]若所述历史状态数据中任一采样数据与所述线性插值的差值的绝对值大于预设倍数的所述最大误差值，则判定所述采样数据异常
。...

【技术保护点】

【技术特征摘要】
1.
一种数字化特高压交流变电站主动预警方法，其特征在于，包括以下步骤，获取被测对象的历史状态数据；根据所述历史状态数据的数据类型，建立多个状态评分函数；利用所述状态评分函数确定
BP
神经网络模型的隐含层节点范围，，以及，将所述历史状态数据输入所述
BP
神经网络模型进行训练，获得主动预警模型；获取当前被测对象的状态数据并输入所述主动预警模型中，主动输出设备预警结果和预警级别
。2.
根据权利要求1所述的数字化特高压交流变电站主动预警方法，其特征在于，根据所述历史状态数据的数据类型，建立多个状态评分函数的步骤包括，所述历史状态数据包括模拟量，当所述模拟量为只与越限程度相关的数据类型时，建立第一状态评分函数
V
：式中，
a
x
表示状态信息监测值，
V
i0
表示该状态信息的基础位置值，
a
j
表示
j
状态阈值，
a1表示
i
状态阈值，
m
表示上限值，
n
表示下限值，
k1、k2、c1、c2均为信息系数
。3.
根据权利要求1所述的数字化特高压交流变电站主动预警方法，其特征在于，根据所述历史状态数据的数据类型，建立多个状态评分函数的步骤包括，所述历史状态数据包括模拟量，当所述模拟量为与越限程度和时间都相关的数据类型时，建立第二状态评分函数
E
：式中，
T
表示评估周期，
t
表示时间，
a
x
表示状态信息监测值，
a0表示状态信息额定值
。4.
根据权利要求1所述的数字化特高压交流变电站主动预警方法，其特征在于，根据所述历史状态数据的数据类型，建立多个状态评分函数的步骤包括，所述历史状态数据包括模拟量，当所述模拟量为与越限程度和时间都相关，且具有累计效应的数据类型时，建立第三状态评分函数
F
：式中，
a
x
表示状态信息监测值，
a
f
表示有效判定阈值，以用于判断状态信息是否达到影响设备健康状态的程度，
t
表示时间
。5.
根据权利要求1所述的数字化特高压交流变电站主动预警方法，其特征在于，还包括以下步骤，当设备预警结果为异常时，预设的检修决策数据库基于所述设备预警结果和所述预警
级别执行匹配操作，输出检修建议
。6.
根据权利要求1‑5任意一项所述的数字化特高压交流变电站主动预警方法，其特征在于，所述获取被测对象的历史状态数据的步骤后，还包括以下步骤，检测所述历史状态数据是否存在异常数据；若所述历史状态数据存在异常数据，则将所述异常数据剔除并标记剔除位置；根据插补算法拟合所述剔除位置的数据，对所述历史状态数据进行补全，得到补全后的历史状态数据；基于补全后的历史状态数据建立多个状态评分函数
。7.
根据权利要求6所述的数字化特高压交流变电站主动预警方法，其特征在于，检测所述历史状态数据是否存在异常数据的步骤包括，对所述历史状态数据的各采样数据的帧间隔进行判断；若相邻两个采样数据之间的帧间隔在阈值范围内，则两个所述采样数据有效，将其存储至数据集中；若相邻两个采样数据之间的帧间隔在阈值范围外，则两个所述采样数据无效...

【专利技术属性】
技术研发人员：彭晨光，俞一峰，雷振州，黄巍，褚优群，周国伟，刘杰，石佩佩，谢茜，崔玮，
申请(专利权)人：北京智盟信通科技有限公司，
类型：发明
国别省市：