本发明专利技术涉及开关柜排障技术领域,用于解决现有的对开关柜故障排查方法存在主观性、不准确性和不一致性,导致在故障排查过程中,难以全面获取开关柜的运行数据和状态信息,限制了对故障原因的充分分析和判断的问题,具体为基于大数据的开关柜故障智能排查系统,包括数据采集模块、电气故障排查模块、运行环境故障排查模块、外部影响排查模块、数据解析模块。本发明专利技术通过大数据分析和综合评估,实现了对开关柜电气状态、运行环境和外部影响的智能排查和评估,并通过数据解析在发现开关柜状态异常时触发相应的预警从而做到及时预测和检测开关柜的故障,提前采取维护措施,从而提高设备的可靠性、安全性和运行效率。
【技术实现步骤摘要】
本专利技术涉及开关柜排障,具体为基于大数据的开关柜故障智能排查系统。
技术介绍
1、近年来,随着电力行业的快速发展,开关柜作为电力系统中重要的组成部分,在供电过程中起到了至关重要的作用。然而,由于开关柜内部结构复杂、运行环境恶劣以及长期使用带来的老化等因素,开关柜故障频繁发生,给电网运行和设备安全带来了巨大风险。
2、传统的开关柜故障排查方法主要依赖于人工经验和现场检测,存在诸多问题。首先,人工经验依赖于操作开关柜的经验水平和专业知识,可能存在主观性、不准确性和不一致性。其次,现场检测需要耗费大量的时间和人力,且难以覆盖到所有的开关柜。而且在故障排查过程中,也难以全面获取开关柜的运行数据和状态信息,限制了对故障原因的充分分析和判断。
技术实现思路
1、本专利技术的目的在于提供基于大数据的开关柜故障智能排查系统,以解决上述
技术介绍
提出的问题。
2、本专利技术的目的可以通过以下技术方案实现:基于大数据的开关柜故障智能排查系统,包括:
3、数据采集模块,用于对开关柜对应监测周期内的内部运行数据及外部影响数据进行采集,得到开关柜对应监测周期内各监测日的内部运行数据及外部影响数据;
4、电气故障排查模块,用于对开关柜对应监测周期内各监测日的电气故障状态进行分析,得到对应监测周期的开关柜的电气评估系数;
5、运行环境故障排查模块,用于对开关柜对应监测周期内各监测日的运行环境状态进行分析,得到对应监测周期的开关柜的运行环境评估系数;p>6、外部影响排查模块,用于对开关柜对应监测周期内各监测日的外部影响因素进行分析,得到对应监测周期的开关柜的外部影响评估系数;
7、数据解析模块,用于对开关柜对应监测周期的电气评估系数、运行环境评估系数、外部影响评估系数进行解析分析,并通过显示预警终端对开关柜对应监测周期的故障状态进行相应的显示,若开关柜对应监测周期的状态为异常,则启动相应的预警。
8、作为本专利技术的进一步改进,所述对开关柜对应监测周期内各监测日的内部运行数据进行采集,其具体采集方式为:
9、通过电流传感器对开关柜对应监测周期内各监测日中各数据监测点的电流进行监测,通过电压传感器对开关柜对应监测周期内各监测日中各数据监测点的电压进行监测,通过功率传感器对开关柜对应监测周期内各监测日中各数据监测点的功率进行监测,分别得到开关柜对应监测周期内各监测日中各数据监测点的电气参数中的电流、电压、功率;
10、通过红外传感器对开关柜对应监测周期内各监测日中各数据监测点的内部物体进行红外辐射感知采集,并从中提取开关柜对应监测周期内各监测日中各数据监测点的红外图像,对采集到的红外图像进行预处理,其中,预处理包括去噪和增强对比度,并对预处理后的红外图像中提取每个像素点下的温度值,并将其进行均值计算,由此得到开关柜对应监测周期内各监测日中各数据监测点的内部运行温度,将其标记为hrij;
11、通过湿度传感器对开关柜对应监测周期内各监测日中各数据监测点的湿度进行采集,得到开关柜对应监测周期内各监测日中各数据监测点的内部运行湿度,将其标记为srij;
12、通过光纤传感器对开关柜对应监测周期内各监测日中各数据监测点的电缆接口处的电弧发生情况进行采集,得到开关柜对应监测周期内各监测日中各数据监测点的内部运行电弧热,将其标记为arij;
13、据此输出开关柜对应监测周期内各监测日的内部运行数据中的电流、电压、功率及内部运行温度、内部运行湿度和内部运行电弧热。
14、作为本专利技术的进一步改进,所述对开关柜对应监测周期内各监测日的外部影响数据进行采集,其具体采集方式为:
15、通过天气传感器对开关柜对应监测周期内各监测日的天气数据进行监测,得到开关柜对应监测周期内各监测日的环境温度、环境湿度、风速,并将其分别标记为ati、ahi、wsi;
16、通过声音传感器对开关柜对应监测周期内各监测日的环境音频进行采集,并从环境音频中提取到开关柜对应监测周期内各监测日的噪音情况和振动情况,得到开关柜对应监测周期内各监测日的噪音值和振动值,并将其分别标记为lni、vbi;
17、据此输出开关柜对应监测周期内各监测日的外部影响数据中的环境温度、环境湿度、风速及噪音值和振动值。
18、作为本专利技术的进一步改进,所述对开关柜对应监测周期内各监测日的电气故障状态进行分析,其具体分析步骤如下:
19、将各监测日中各数据监测点的电流与其对应的电流参照值的进行计算分析,由此得到对应开关柜对应监测周期内各监测日中的各监测数据点的电流反馈值;
20、同理分别分析得到开关柜对应监测周期内各监测日中的各监测数据点的电压反馈值、功率反馈值;
21、将开关柜对应监测周期内各监测日中的各监测数据点的电流反馈值、电压反馈值和功率反馈值进行综合计算分析,由此得到各监测日对应各数据监测点的实时电气评估指数;
22、从系统存储库中提取各监测日对应各数据监测点的参考电气评估指数,并由此得到各监测日对应各数据监测点的参考电气评估指数,依据设定的数据模型:,由此得到对应监测周期的开关柜的电气评估系数,i表示为各监测日的编号,,j表示为各数据监测点的编号,,表示为开关柜对应第i个监测日对应的电气评估指数,表示为自然常数。
23、作为本专利技术的进一步改进,所述对开关柜对应监测周期内各监测日的运行环境状态进行分析,其具体分析步骤如下:
24、从各监测日对应各数据监测点的内部运行温度中提取初始数据监测点的运行温度值,作为各监测日对应各数据监测点的初始运行温度,记为;
25、依据公式:,计算出开关柜对应各监测日中各数据监测点的内部温度变化率kij,表示为系统存储库中存储的开关柜对应的正常运行温度,c1、c2、c3分别表示为初始运行温度、内部运行温度、正常运行温度对应的权重因子;
26、同理分别分析得到开关柜对应各数据监测点的内部湿度变化率δij、电弧热变化率εij;
27、提取系统存储库中存储的各监测日对应的参考内部温度变化率、参考内部湿度变化率和参考电弧热变化率,由此得到各监测日对应各数据监测点的参考内部温度变化率、参考内部湿度变化率、参考电弧热变化率,分别记为,依据设定的数据模型:,计算出开关柜对应监测周期的运行环境评估系数,δk、δδ、δε、分别表示为设定的参考内部温度变化率差、参考内部湿度变化率差、参考电弧热变化率差,d1、d2、d3分别表示为设定的内部温度变化率、内部湿度变化率、电弧热变化率对应的评估因子。
28、作为本专利技术的进一步改进,所述对开关柜对应监测周期内各监测日的外部影响因素进行分析,其具体分析步骤如下:
29、基于开关柜对应监测周期内各监测日的外部影响数据中的环境温度、环境湿度、风速,并由此进行综合分析,依据设定的数据模型:,得到开关柜对应监测周期的外部环境影响指数γ,其中,表示为本文档来自技高网
...
【技术保护点】
1.基于大数据的开关柜故障智能排查系统,其特征在于,包括:
2.根据权利要求1所述的基于大数据的开关柜故障智能排查系统,其特征在于,所述对开关柜对应监测周期内各监测日的内部运行数据进行采集,其具体采集方式为:
3.根据权利要求1所述的基于大数据的开关柜故障智能排查系统,其特征在于,所述对开关柜对应监测周期内各监测日的外部影响数据进行采集,其具体采集方式为:
4.根据权利要求1所述的基于大数据的开关柜故障智能排查系统,其特征在于,所述对开关柜对应监测周期内各监测日的电气故障状态进行分析,其具体分析步骤如下:
5.根据权利要求1所述的基于大数据的开关柜故障智能排查系统,其特征在于,所述对开关柜对应监测周期内各监测日的运行环境状态进行分析,其具体分析步骤如下:
6.根据权利要求1所述的基于大数据的开关柜故障智能排查系统,其特征在于,所述对开关柜对应监测周期内各监测日的外部影响因素进行分析,其具体分析步骤如下:
7.根据权利要求1所述的基于大数据的开关柜故障智能排查系统,其特征在于,所述对开关柜对应监测周期的电气评估系数、运行环境评估系数、外部影响评估系数进行分析,其具体分析步骤如下:
...
【技术特征摘要】
1.基于大数据的开关柜故障智能排查系统,其特征在于,包括:
2.根据权利要求1所述的基于大数据的开关柜故障智能排查系统,其特征在于,所述对开关柜对应监测周期内各监测日的内部运行数据进行采集,其具体采集方式为:
3.根据权利要求1所述的基于大数据的开关柜故障智能排查系统,其特征在于,所述对开关柜对应监测周期内各监测日的外部影响数据进行采集,其具体采集方式为:
4.根据权利要求1所述的基于大数据的开关柜故障智能排查系统,其特征在于,所述对开关柜对应监测周期内各监测日的电气故障状态进行分析,其具体...
【专利技术属性】
技术研发人员:陈帅,姚益伟,张涛,唐中一,纪剑祥,
申请(专利权)人:淮阴工学院,
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。