System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及变电站故障分析诊断,具体为基于大数据的变电站故障智能分析诊断方法和系统。
技术介绍
1、当前大多数企业仍沿用传统的方法对变电运行进行维护与管理,当变电站出现运行故障时,往往还是采用传统的方法依靠人工经验去分析解决。故障发生时,尤其是出现大面积停电等故障时,现场情况紧急,操作人员会比较慌乱,加之技术水平参差不齐,极有可能由于判断错误导致误操作事故,致使故障进一步扩大,严重时造成设备损坏及人员伤亡事故,对电力系统的正常运行产生严重的不利影响。
2、综上所述,如何将操作人员的经验等转化为专家知识库,形成一种针对变电站故障进行智能分析诊断的技术方案,辅助操作人员对变电站故障进行快速、准确的处理,是本领域技术人员研究的重点内容。
技术实现思路
1、针对现有技术的不足,本专利技术提供了基于大数据的变电站故障智能分析诊断方法和系统,解决了如何将操作人员的经验等转化为专家知识库,形成一种针对变电站故障进行智能分析诊断的技术方案,从而实现对变电站故障进行快速、准确处理的问题。
2、为实现以上目的,本专利技术通过以下技术方案予以实现:基于大数据的变电站故障智能分析诊断方法,该方法具体包括以下步骤:
3、步骤一:建立故障模型库,并基于故障模型库建立智能分析诊断规则,其中故障模型库包括:故障数据库和故障诊断规则库,且故障诊断规则库包括:设备层级判别规则、故障信息分类规则、故障类型判别规则,故障数据库包括:故障类型、故障特征和故障处理策略数据;
5、具体的,故障信息分类规则用于对故障进行分类,其中包括低电压故障和短路故障,且具体的分类为:保护动作信号中包含“低电压”文字的均属于低电压故障,保护动作信号中包含“过流”、“速断”等文字的均属于短路故障。
6、具体的断路器动作判别规则用于识别断路器的分合闸状态,当断路器分闸信号=1时,表示断路器在分闸位置;断路器合闸信号=1时,表示断路器在合闸位置;故障类型判别规则用于进行故障分析诊断,得出故障分析诊断结果。
7、步骤二:获取变电站故障时的故障信息,包括故障回路设备编号、保护动作信号、断路器开断信号;且生成保护动作信号的具体方式为:
8、s1:将变电站设备进行标号处理且记作n,且n=1、2、…、m,接着对设备的实时电压和实时电流进行采集并记作un,和in,同时将获取到的实时电压和实时电流与预存的正常数据进行比较;
9、s2:当设备实时电压和实时电流与正常数据相同时,则表示设备正常,并生成正常信号,反之当设备实时电压和实时电流与正常数据不相同时,则表示设备异常,并生成异常信号;
10、s3:接着对生成的异常信号进行分析,获取到异常设备对应的异常数据,并生成对应的保护动作信号。
11、步骤三:根据变电站的故障信息,并根据故障智能分析诊断规则对故障信息进行故障分析,得到故障分析诊断结果;
12、优选地,对故障分析诊断结果的具体判定方式为:
13、p1:获取“故障类型”判定结果。
14、p2:根据设备层级判别规则对所有产生保护动作的设备层级进行判定,确定导致故障发生的设备,关联到“故障原因”。此时分为两种情况,如果p1的判别结果为低电压故障,则判定“故障原因”为:最高层级的设备发生故障;如果p1的判别结果为短路故障,且只有唯一设备有短路故障的保护动作信号,则判定“故障原因”为:该设备发生故障;此时如果有短路故障保护动作信号的设备发生在两个及以上设备层级,则判定“故障原因”为:最低层级的设备发生故障。
15、p3:获取根据断路器动作判别规则对所有断路器的分合闸状态的判别结果,结合设备编号规则及p1和p2的结果判定“故障原因”和“故障结果”。
16、步骤四:将故障分析诊断结果通过人机界面进行输出。
17、本专利技术提供了基于大数据的变电站故障智能分析诊断方法和系统。与现有技术相比具备以下有益效果:
18、本专利技术通过提供的故障诊断规则,将运维人员的专业技术与经验转换为智能诊断知识库,可以辅助变电站运维人员短时间内完成变电站故障的分析诊断与处理,提高了故障诊断的准确性,通过故障诊断规则自学习,能够使采用本方法的决策系统进行自动优化升级,减少人工干预,保证智能诊断的自动迭代更新,使之更加精准。
本文档来自技高网...【技术保护点】
1.基于大数据的变电站故障智能分析诊断方法,其特征在于,该方法具体包括以下步骤:
2.根据权利要求1所述的基于大数据的变电站故障智能分析诊断方法,其特征在于,所述步骤一中的故障模型库包括:故障数据库和故障诊断规则库,且故障诊断规则库包括:设备层级判别规则、故障信息分类规则、故障类型判别规则,故障数据库包括:故障类型、故障特征和故障处理策略数据。
3.根据权利要求2所述的基于大数据的变电站故障智能分析诊断方法,其特征在于,所述设备层级判别规则用于判别设备的层级,所述故障信息分类规则用于对故障进行分类,且故障分类包括:低电压故障和短路故障。
4.根据权利要求1所述的基于大数据的变电站故障智能分析诊断方法,其特征在于,所述步骤二中生成保护动作信号的具体方式为:
5.根据权利要求1所述的基于大数据的变电站故障智能分析诊断方法,其特征在于,所述步骤二中生成断路器开断信号的具体方式为:
6.根据权利要求1所述的基于大数据的变电站故障智能分析诊断方法,其特征在于,所述步骤三中生成故障分析诊断结果的具体方式为:
7.根据权利
8.执行权利要求1-7任一所述的基于大数据的变电站故障智能分析诊断方法的诊断系统,其特征在于,该诊断系统包括:信息获取单元、故障诊断知识库、推理机和人机界面;
...【技术特征摘要】
1.基于大数据的变电站故障智能分析诊断方法,其特征在于,该方法具体包括以下步骤:
2.根据权利要求1所述的基于大数据的变电站故障智能分析诊断方法,其特征在于,所述步骤一中的故障模型库包括:故障数据库和故障诊断规则库,且故障诊断规则库包括:设备层级判别规则、故障信息分类规则、故障类型判别规则,故障数据库包括:故障类型、故障特征和故障处理策略数据。
3.根据权利要求2所述的基于大数据的变电站故障智能分析诊断方法,其特征在于,所述设备层级判别规则用于判别设备的层级,所述故障信息分类规则用于对故障进行分类,且故障分类包括:低电压故障和短路故障。
4.根据权利要求1所述的基于大数据的变电站故障智能分析诊断方法,其特征...
【专利技术属性】
技术研发人员:张英,谌云临,向福芳,崔文梅,李长胜,李九光,邓军健,
申请(专利权)人:岳阳长炼机电工程技术有限公司,
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。