【技术实现步骤摘要】
本专利技术涉及电力安全，具体为一种基于大数据的电力安全智能监控系统及方法。
技术介绍
1、电力系统的安全运行是电网稳定的基础，电力安全直接关系到工业、商业和居民生活的基础需求。随着我国经济的快速发展，对电力企业的供电能力和电力质量的要求也越来越高，随之而来的，电网的运行环境变得日益复杂，电网运行的安全风险监管也面临着更大的挑战。
2、目前，电力安全的监管部门在多年的实践中，已经总结出了一套有效的方法和管理经验，但是随着可再生能源的大量接入，以及用电需求的变化，电网的功率波动不可避免。虽然功率波动不是电弧产生的直接原因，但它所引起的电网状况变化，增加了温度过热和绝缘损坏的风险，为电弧的形成创造条件。电弧产生的高温足以对人体产生烧伤，还可能烧伤触头，造成电路接触不良，进一步增加电路损坏和触电的风险，影响电力供应的可靠性和稳定性。另一方面，功率波动可能导致电网保护设备误动作或失效，减少了对电弧故障的快速响应和隔离能力，使得一旦发生电弧，可能无法得到及时遏制，对电力系统的安全运行产生了极大的威胁。
3、因此，为了预防电弧事件的发生，需要对电网进行有效的监控和管理，对电力的安全运行进行保障。
技术实现思路
1、本专利技术的目的在于提供一种基于大数据的电力安全智能监控系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据的电力安全智能监控方法，所述方法包括以下步骤：
3、s1：通过安装在
4、s2：基于机器学习模型，分析电网功率波动的规律，并基于电网历史数据对电网功率波动趋势进行预测；
5、s3：根据电网功率波动规律，结合当前电网状态数据，对电网中的电弧产生风险进行分析，根据分析结果获取电弧产生的风险度，将电弧产生的风险度高于预设阈值的电网区域标记为风险区域；
6、s4：对步骤s3中标记的风险区域进行监控，当检测到风险区域出现模糊电弧时，对电网保护装置发出指令，对风险区域进行隔离，对模糊电弧进行处理。
7、进一步的，在步骤s1中，所述数据采集设备包括继电保护装置、传感器、同步相量测量装置和数据记录器；通过数据采集设备将电网各区域内的功率波动情况整合生成电网监控数据；每一个电网区域存在一个对应的电网波动数据集；
8、其中，将电网第q个区域对应的电网波动数据集记为kq，q∈[1，q]，q表示电网内的区域总数量，每一个电网波动数据集中包括t个时间节点的电网监控数据，其中，表示电网第q个区域中第t个时间节点的电流值，表示电网第q个区域中第t个时间节点的电压值，表示电网第q个区域中第t个时间节点的有功功率值，表示电网第q个区域中第t个时间节点的无功功率值。
9、进一步的，所述步骤s2具体包括以下步骤：
10、s2-1：获取电网各区域对应的电网波动数据集，对电网波动数据集进行数据预处理，所述数据预处理包括处理缺失值、填充缺失值和处理异常值；将电网波动数据集中的电网监控数据按照时间顺序进行排序；定义窗口长度为l，从电网波动数据集的第1个时间节点对应的电网监控数据开始，根据窗口长度逐步向前滑动；
11、s2-2：对于每个窗口，分别计算连续窗口间电网监控数据中各项元素的变化率，计算每个窗口对应的电网监控数据中各项元素的平均变化率作为特征值，将每个窗口对应的4个特征值整合组成特征向量，4个特征值分别对应电网监控数据中的电流特征、电压特征、有功功率特征和无功功率特征；对所有窗口按照时间顺序排列，构建特征矩阵，所述特征矩阵为二维矩阵，每一行代表一个窗口的特征向量，每一列对应一个特征维度；
12、s2-3：调用lstm模型框架，所述lstm模型包括输入层、lstm层、全连接层以及输出层；从特征矩阵分割出输入序列，并定义输出标签，将特征矩阵转换成模型训练所需的输入输出格式，用于进一步的预测电网功率波动趋势；所述输出标签表示与输入序列相对应的目标值，对模型输出的预测数据进行定义；使用特征矩阵对lstm模型进行训练，通过交叉熵损失函数和梯度下降优化器对模型进行迭代；
13、需要说明的是，lstm模型框架为现有技术范畴，在此不再赘述；本专利技术的重点在于如何利用lstm模型对电网功率波动情况进行预测，而非lstm模型本身。
14、s2-4：将训练好的lstm模型部署到电力安全智能监控系统中，持续接收电网监控数据，实时预测电网功率波动情况，并根据预测结果采取相应措施，以便于维持电网稳定。
15、进一步的，所述步骤s3具体包括以下步骤：
16、s3-1：根据lstm模型对电网波动数据进行预测，输出电流预测值、电压预测值、有功功率预测值和无功功率预测值，将lstm模型输出的预测值和电网监控数据进行整合，生成电弧风险预测模型的输入数据集；
17、s3-2：结合当前电网状态数据，通过电弧风险预测模型计算电网中任意区域内产生电弧的风险度，具体的，根据以下公式计算当前电网第q个区域内电弧产生的风险度mq：
18、mq＝b(q)×loss1+w(q)×loss2+f(q)×loss3；
19、
20、
21、
22、其中，b(q)表示电网第q个区域中的谐波指数，n表示电网第q个区域中谐波出现的总次数，所述谐波通过谐波分析仪进行识别，表示电网第q个区域中出现的第n个谐波的电流峰值，表示电网第q个区域中的基波电流峰值；表示电网第q个区域中出现的第n个谐波的电压峰值，表示电网第q个区域中的基波电压峰值；
23、w(q)表示电网第q个区域中的绝缘材料衰减度，r0表示绝缘材料在上一次电网检测时的绝缘强度，表示电网第q个区域中第t+j个时间节点的有功功率预测值，表示电网第q个区域中第t+j个时间节点的电压预测值，λ1和λ2为绝缘性能影响系数；
24、f(q)表示电网第q个区域中的负载影响值，表示电网第q个区域中第t+j个时间节点的无功功率预测值；负载影响值对电网中的设备损耗和热量产生存在关联，负载影响值越高，则表示无功功率的流动越多，对电网设备的损耗越大，电网中产生电弧的可能度越高；
25、loss1、loss2和loss3为损失因子，由相关人员预先设置并存储在数据库中；
26、s3-3：根据电弧风险预测模型的计算结果获取到电网各区域内电弧产生的风险度，将电弧产生的风险度高于预设阈值的电网区域标记为风险区域。
27、通过以上方法能够对电网中可能出现电弧的区域位置进行确定，缩小了对电网监控时的数据分析范围，减少了数据处理的工作量，可以在电弧产生之前对风险区域进行检查和处理，降低了电弧的出现概率。
28、进一步的，所述步骤s4具体包括以下步骤：
29本文档来自技高网...
【技术保护点】
1.一种基于大数据的电力安全智能监控方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于大数据的电力安全智能监控方法，其特征在于：在步骤S1中，所述数据采集设备包括继电保护装置、传感器、同步相量测量装置和数据记录器；通过数据采集设备将电网各区域内的功率波动情况整合生成电网监控数据；每一个电网区域存在一个对应的电网波动数据集；
3.根据权利要求1所述的一种基于大数据的电力安全智能监控方法，其特征在于，所述步骤S2具体包括以下步骤：
4.根据权利要求1所述的一种基于大数据的电力安全智能监控方法，其特征在于，所述步骤S3具体包括以下步骤：
5.根据权利要求1所述的一种基于大数据的电力安全智能监控方法，其特征在于，所述步骤S4具体包括以下步骤：
6.一种基于大数据的电力安全智能监控系统，其特征在于，所述系统包括电网数据采集模块、电网波动分析模块、电网状态分析模块和电弧风险检测模块；
7.根据权利要求6所述的一种基于大数据的电力安全智能监控系统，其特征在于：所述电网数据采集模块包括监控数据采集单元
8.根据权利要求6所述的一种基于大数据的电力安全智能监控系统，其特征在于：所述电网波动分析模块包括规律分析单元和趋势预测单元；
9.根据权利要求6所述的一种基于大数据的电力安全智能监控系统，其特征在于：所述电网状态分析模块包括数据整合单元和风险判别单元；
10.根据权利要求6所述的一种基于大数据的电力安全智能监控系统，其特征在于：所述电弧风险检测模块包括风险监控单元、模糊电弧检测单元和风险处理单元；
...【技术特征摘要】
1.一种基于大数据的电力安全智能监控方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于大数据的电力安全智能监控方法，其特征在于：在步骤s1中，所述数据采集设备包括继电保护装置、传感器、同步相量测量装置和数据记录器；通过数据采集设备将电网各区域内的功率波动情况整合生成电网监控数据；每一个电网区域存在一个对应的电网波动数据集；
3.根据权利要求1所述的一种基于大数据的电力安全智能监控方法，其特征在于，所述步骤s2具体包括以下步骤：
4.根据权利要求1所述的一种基于大数据的电力安全智能监控方法，其特征在于，所述步骤s3具体包括以下步骤：
5.根据权利要求1所述的一种基于大数据的电力安全智能监控方法，其特征在于，所述步骤s4具体包括以下步骤：
...
【专利技术属性】
技术研发人员：胡文裕，
申请(专利权)人：江苏恒润电力设计院有限公司，
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。