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】
本专利技术涉及电力环境运行,更具体地说,本专利技术涉及一种电力环境远程监控系统。
技术介绍
1、电力环境运行时需要对其自身工作状态和外部环境进行检测,以发现其可能出现的故障情况,现有的电力环境监测多是简单对电路运行相关情况进行检测,对电路外部环境的检测判断不够充分理想,导致容易存在预想不到的故障情况,甚至造成较大范围的故障情况,因此需要一种电力环境远程监控系统来解决上述问题。
技术实现思路
1、为了克服上述缺陷,本专利技术提供了一种电力环境远程监控系统,本专利技术所要解决的技术问题是:电力环境监测多是对电路自身运行相关数据进行获取分析,电路所在环境的数据判断不够充分精准,导致故障无法精准进行分析判断的问题。
2、为实现上述目的,本专利技术提供如下技术方案:一种电力环境远程监控系统,包括数据采集单元和定位单元,所述数据采集单元连接有数据压缩单元,所述定位单元与数据压缩单元连接,所述数据压缩单元连接有数据传输单元,所述数据传输单元外连接有数据接收解压单元,所述数据接收解压单元连接有中央处理器,所述数据接收解压单元连接有数据存储单元,所述数据存储单元连接有地图获取划分单元,所述数据存储单元与中央处理器连接,所述中央处理器连接有预测处理单元,所述预测处理单元与数据存储单元连接,所述预测处理单元与反馈单元连接,所述反馈单元与中央处理器连接,所述中央处理器与任务单元连接。
3、作为本专利技术的进一步方案:所述数据采集单元包括电力数据采集单元和环境数据采集单元,所述电力数
4、所述环境数据采集单元用于采集自然环境的实时温度、湿度、风速、气压和区域天气预报数据。
5、作为本专利技术的进一步方案:所述定位单元用于采集对应位置的位置数据并发送至数据压缩单元;
6、所述数据压缩单元用于对数据采集单元和定位单元所获得的数据进行压缩处理;
7、所述数据传输单元用于将压缩得到的数据进行远程无线发送。
8、作为本专利技术的进一步方案:所述数据接收解压单元用于接收得到压缩数据,并将压缩数据进行解压汇总;
9、所述地图获取划分单元用于获取指定区域的电子地图,并将电子地图按照12km×12km划分成网格状;
10、定位单元设在对应的网格状区域内;
11、所述数据预测处理单元用于根据获得的数据确定对电力环境造成风险的因素,然后根据风险影响因素采用神经网络预测模型预测故障发生的概率。
12、作为本专利技术的进一步方案:所述任务单元用于接收中央处理器发送的维修命令后,根据故障所在区域生成任务信息,并匹配相关人员进行维修。
13、作为本专利技术的进一步方案:所述电力环境的风险影响因素的确定方法为:
14、首先设影响因素集为u={u1,u1,…un},ui=(i=1,2,…n)为因素集中的第i个因素;
15、采用层次分析法求出评价指标的权重集a={a1,a1,…an},ai=(i=1,2,…n)是第i个因素的权重,且满足∑ai=1;
16、用层次分析法处理后得出的权重矩阵如下:
17、
18、其中aij指第i位专家对第j个指标判断后经层次分析法处理后得到的权重和重要程度,m表示专家人数,n表示指标个数。
19、为了判断矩阵中各专家所得权重的离散程度,需要计算各权重间的相似系数并由此组成相似系数矩阵,相似系数tij和相似系数矩阵t如下:
20、
21、
22、其中tij指专家i与专家j权重结果的相似程度,tij越小,则相似程度越小,n表示指标权重的维数,即所评价指标的个数,m表示专家意见的总数,即参加权重评估的专家总人数,显然tii=1,tij=tji;
23、提出离异点集中离异程度大的权重,采用:
24、
25、其中tij表示相似度系数矩阵中第i行之和,它表示第i个专家判断得出的权重意见与其他专家群体评估所得权重意见的偏离程度,相似系数之和越小,则专家意见距离其他专家意见越远,偏离程度越大,p表示相似系数对行求和形成的一列。
26、作为本专利技术的进一步方案:所述神经网络预测模型具体步骤为:
27、首先通过神经网络输入层接收训练样本,然后将特征向量传递给网络,模式层用于计算输入特征向量与训练集中各模式的匹配关系,模式层神经元的个数为各个类别训练样本之和,每个模式单元的输出为:
28、
29、式中wi为输入层到模式层连接的权值,δ为平滑因子,对分类有重要作用;
30、求和层,故障模式和神经元是一一对应关系,神经元将对应模式层的一组神经元输出求和,得到故障模式的估计概率密度函数,输出层神经元为一种竞争神经元,接收从求和层输出的各类概率密度函数,按照贝叶斯分类规则将输入向量分到具有最大后验概率密度的类别中,即概率密度最大的神经元输出为1,其他神经元输出全为0;
31、假设存在已知故障模式θa和θb,对于待判定的故障特征样本x=(x1,x2,…xn),
32、如果halafa(x)>hblbfb(x),则x∈θa;
33、如果hblbfb(x)>halafa(x),则x∈θb;
34、其中ha和hb为故障模式θa和θb的先验概率;la为将本属于θa的故障特征样本错误划分到模式的代价因子,lb为将本属于θb故障特征样本错误划分到模式的代价因子,fa,fb为故障模式的改良密度函数,根据parzen方法概率密度函数的估计式为:
35、
36、其中,xai为故障模式θa的第i个训练向量,m为故障模式θa的训练样本数目,δ为平滑参数。
37、本专利技术的有益效果在于:
38、1、本专利技术通过采用预测处理单元,预测处理单元会根据获取的数据判断出影响电力环境的风险影响因素,然后采用神经网络预测模型对相关数据进行分析,得到对应数据所在的区域发生故障的几率,且整体数据的获取采用分布式设计,可较为全面且准确的对各个网格区域的数据进行分别获取,以便于针对相关区域发生故障的情况进行提前准备和及时进行相关故障的修理和维护情况;
39、2、本专利技术通过采用数据压缩单元、数据接收解压单元和任务单元,数据压缩单元可对需要远程传输的数据进行压缩,使需要传输的文件内存较小,保证其传输效率的同时,降低其失真的几率,压缩后分别传输可降低传输和接收的负载,且将区域进行网格式划分,并在划分后的区域设置定位单元,方便对各个区域的具体位置信息与采集的数据进行匹配和后续精准进行维修,使整体的数据传输处理效率更佳,且后续维护更为精准。
本文档来自技高网...【技术保护点】
1.一种电力环境远程监控系统,包括数据采集单元和定位单元,其特征在于:所述数据采集单元连接有数据压缩单元,所述定位单元与数据压缩单元连接,所述数据压缩单元连接有数据传输单元,所述数据传输单元外连接有数据接收解压单元,所述数据接收解压单元连接有中央处理器,所述数据接收解压单元连接有数据存储单元,所述数据存储单元连接有地图获取划分单元,所述数据存储单元与中央处理器连接,所述中央处理器连接有预测处理单元,所述预测处理单元与数据存储单元连接,所述预测处理单元与反馈单元连接,所述反馈单元与中央处理器连接,所述中央处理器与任务单元连接。
2.根据权利要求1所述的一种电力环境远程监控系统,其特征在于:所述数据采集单元包括电力数据采集单元和环境数据采集单元,所述电力数据采集单元用于采集电力系统运行时的电压、电流、漏电和线路数据;
3.根据权利要求1所述的一种电力环境远程监控系统,其特征在于:所述定位单元用于采集对应位置的位置数据并发送至数据压缩单元;
4.根据权利要求1所述的一种电力环境远程监控系统,其特征在于:所述数据接收解压单元用于接收得到压缩数据,并将压
5.根据权利要求1所述的一种电力环境远程监控系统,其特征在于:所述任务单元用于接收中央处理器发送的维修命令后,根据故障所在区域生成任务信息,并匹配相关人员进行维修。
6.根据权利要求4所述的一种电力环境远程监控系统,其特征在于:所述电力环境的风险影响因素的确定方法为:
7.根据权利要求4所述的一种电力环境远程监控系统,其特征在于:所述神经网络预测模型具体步骤为:
...【技术特征摘要】
1.一种电力环境远程监控系统,包括数据采集单元和定位单元,其特征在于:所述数据采集单元连接有数据压缩单元,所述定位单元与数据压缩单元连接,所述数据压缩单元连接有数据传输单元,所述数据传输单元外连接有数据接收解压单元,所述数据接收解压单元连接有中央处理器,所述数据接收解压单元连接有数据存储单元,所述数据存储单元连接有地图获取划分单元,所述数据存储单元与中央处理器连接,所述中央处理器连接有预测处理单元,所述预测处理单元与数据存储单元连接,所述预测处理单元与反馈单元连接,所述反馈单元与中央处理器连接,所述中央处理器与任务单元连接。
2.根据权利要求1所述的一种电力环境远程监控系统,其特征在于:所述数据采集单元包括电力数据采集单元和环境数据采集单元,所述电力数据采集单元用于采集电力系统运行时的电...
【专利技术属性】
技术研发人员:翁思远,张玮,程诚,胡志鹏,石荣辉,胡艳华,唐庚,占新芳,刘恩旺,鲍永锋,
申请(专利权)人:武汉新奋进电力技术有限公司,
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。