[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN115733258A - 一种基于物联网技术的全户内智能变电站系统的控制方法 - Google Patents

一种基于物联网技术的全户内智能变电站系统的控制方法 Download PDF

Info

Publication number
CN115733258A
CN115733258A CN202211661299.6A CN202211661299A CN115733258A CN 115733258 A CN115733258 A CN 115733258A CN 202211661299 A CN202211661299 A CN 202211661299A CN 115733258 A CN115733258 A CN 115733258A
Authority
CN
China
Prior art keywords
maintenance
power equipment
abnormal
meteorological
type
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211661299.6A
Other languages
English (en)
Inventor
潘东
胡晨
张慧洁
何宇辰
李涛
葛成
靳幸福
张纯玉
卫冕
梅晓晨
孙博
崔宏
刘超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Anhui Zhongxing Electric Power Design Institute Co ltd
Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd
Original Assignee
State Grid Anhui Zhongxing Electric Power Design Institute Co ltd
Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Anhui Zhongxing Electric Power Design Institute Co ltd, Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd filed Critical State Grid Anhui Zhongxing Electric Power Design Institute Co ltd
Priority to CN202211661299.6A priority Critical patent/CN115733258A/zh
Publication of CN115733258A publication Critical patent/CN115733258A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明涉及全户内变电站的系统控制技术领域，公开一种基于物联网技术的全户内智能变电站系统的控制方法，通过利用全户内变电站的历史运维记录分析出全户内变电站在各异常气象类型下的巡检周期、重点巡检电力设备及重点巡检电力设备的巡检顺序，从而依据分析结果生成对应气象类型下的控制操作表，实现了全户内变电站在各种异常气象类型下的针对性巡检控制，大大提高了全户内变电站在各种异常气象类型下的巡检控制方式与对应异常气象类型下巡检需求的匹配度，不仅能够及时发现存在运行故障的电力设备，还在一定程度上提高了巡检效率，有利于提高巡检效果。

Description

一种基于物联网技术的全户内智能变电站系统的控制方法
技术领域
本发明涉及全户内变电站的系统控制技术领域，特别涉及全户内变电站的巡检控制技术，具体而言是一种基于物联网技术的全户内智能变电站系统的控制方法。
背景技术
随着城市的发展,传统的敞开式变电站已经越来越不能满足城市发展及环境保护的需要，而全户内变电站凭借节约土地、美观环保、系统可靠等优点,使其在城市中的应用越来越广泛。由于全户内变电站是由主变压器及全部高低压电气设备紧凑布置而成，使其在运行过程中发生故障的几率变高，同时全户内变电站又是作为城市电网的一个重要环节,其安全运行直接影响到整个电力系统的安全运行，因此对全户内变电站的巡检控制显得尤为必要。
鉴于全户内变电站内存在大量的电力设备，其的运行稳定性受外界环境气象影响较大，使其容易在异常天气下引发运行故障，由此进行全户内变电站处于异常气象类型下的巡检控制相对来说更为重要，但由于不同电力设备对不同异常气象类型的敏感程度不同，导致不同电力设备在不同异常气象类型下发生的故障概率存在差异，这种情况使得全户内变电站在不同异常气象类型下存在不同的巡检需求。而在实现本申请的过程中，发明人发现现有对全户内变电站在各种异常气象类型下的巡检控制方式相差不大，导致实际巡检控制方式与巡检需求匹配度不高，缺乏针对性，不仅无法及时发现存在运行故障的电力设备，还在一定程度上降低了巡检效率，难以到达预期的巡检效果。
发明内容
为了克服上述不足，本发明搭建了一种基于物联网技术的全户内智能变电站系统的控制方法，通过利用全户内变电站的历史运维记录以全户内变电站在异常气象类型下的巡检周期、重点巡检电力设备及重点巡检电力设备的巡检顺序为控制对象进行巡检控制，具体技术方案如下：一种基于物联网技术的全户内智能变电站系统的控制方法，包括以下步骤：步骤1、获取全户内变电站的坐落位置，并从全户内变电站对应的历史运维记录中提取各条运维记录对应的运维故障信息。
步骤2、从运维故障信息中提取故障时间点，进而基于全户内变电站的坐落位置从全户内变电站所在坐落位置的气象台提取各条运维记录所处故障时间点的气象信息。
步骤3、根据各条运维记录所处故障时间点的气象信息分析各条运维记录所处故障时间点的气象类型，从中剔除属于正常气象类型的运维记录，并将保留下的气象类型均记为异常气象。
步骤4、将相同异常气象类型对应的运维记录进行归类，得到各异常气象类型对应的运维记录集合。
步骤5、从运维故障信息中提取故障电力设备，进而将各异常气象类型对应的运维记录集合中各条运维记录对应的故障电力设备进行相互对比，进而将相同故障电力设备对应的运维记录进行归类，构成各异常气象类型对应各故障电力设备的运维记录集合。
步骤6、基于各异常气象类型对应各故障电力设备的运维记录集合将全户内变电站所在坐落位置存在的异常气象类型划分为常规异常气象类型和特定异常气象类型。
步骤7、分别对全户内变电站在常规异常气象类型下的巡检周期和全户内变电站在特定异常气象类型下的巡检周期进行智能确定。
步骤8、识别全户内变电站在各异常气象类型下的重点巡检电力设备，并对重点巡检电力设备的巡检顺序进行分析。
步骤9、基于全户内变电站在各异常气象类型下的巡检周期和重点巡检电力设备的巡检顺序进行全户内变电站在异常气象类型下的巡检控制。
在一种可能的设计中，所述运维故障信息包括故障电力设备和故障时间点。
在一种可能的设计中，所述气象信息包括气温、空气相对湿度、风速和雷电风险等级。
在一种可能的设计中，所述根据各条运维记录所处故障时间点的气象信息分析各条运维记录所处故障时间点的气象类型具体包括如下步骤：步骤31、从气象信息中提取气温，进而将各条运维记录所处故障时间点的气温分别与参考数据库中变电站正常运行对应的上限适宜温度和下限适宜温度进行对比，若某条运维记录所处故障时间点的气温高于变电站正常运行对应的适宜上限温度，则分析该条运维记录所处故障时间点的气象类型为高温气象，若某条运维记录所处故障时间点的气温低于变电站正常运行对应的适宜下限温度，则分析该条运维记录所处故障时间点的气象类型为低温气象。
步骤32、从气象信息中提取空气相对湿度，进而将各条运维记录所处故障时间点的空气相对湿度分别与参考数据库中变电站正常运行对应的适宜空气相对湿度进行对比，若某条运维记录所处故障时间点的空气相对湿度大于变电站正常运行对应的适宜空气相对湿度，则分析该条运维记录所处故障时间点的气象类型为高湿气象。
步骤33、从气象信息中提取风速，进而将各条运维记录所处故障时间点的风速与参考数据库中变电站正常运行对应的允许风速进行对比，若某条运维记录所处故障时间点的风速大于变电站正常运行对应的允许风速，则分析该条运维记录所处故障时间点的气象类型为大风气象。
步骤34、从气象信息中提取雷电风险等级，进而将各条运维记录所处故障时间点的雷电风险等级与参考数据库中变电站正常运行对应的允许雷电风险等级进行对比，若某条运维记录所处故障时间点的雷电风险等级大于变电站正常运行对应的允许雷电风险等级，则分析该条运维记录所处故障时间点的气象类型为雷电气象。
步骤35、若某条运维记录所处故障时间点的气温处于变电站正常运行对应的上限适宜温度与下限适宜温度之间且该条运维记录所处故障时间点的空气相对湿度等于变电站正常运行对应的适宜空气相对湿度且该条运维记录所处故障时间点的风速小于或等于变电站正常运行对应的允许风速且该条运维记录所处故障时间点的雷电风险等级小于或等于变电站正常运行对应的允许雷电风险等级，则分析该条运维记录所处故障时间点的气象类型为正常气象。
在一种可能的设计中，所述步骤6对应的具体实现方法如下：步骤61、分别从各异常气象类型对应各故障电力设备的运维记录集合中统计运维记录数量，将其作为各异常气象类型中各故障电力设备对应的运维频次。
步骤62、将各异常气象类型中各故障电力设备对应的运维频次除以各异常气象类型对应的运维记录总数量，计算出各异常气象类型中各故障电力设备对应的运维频次占比。
步骤63、将各异常气象类型中各故障电力设备对应的运维频次占比进行相互对比，从中筛选出最大运维频次占比和最小运维频次占比。
步骤64、将各异常气象类型对应的最大运维频次占比和最小运维频次占比通过公式
Figure BDA0004013311260000051
计算出各异常气象类型对应的运维频次浮动指数ηi，i表示为异常气象类型编号，i＝1,2,…,n，n表示为异常气象类型的数量，ximax、ximin分别表示为第i异常气象类型对应的最大运维频次占比、最小运维频次占比，e表示为自然常数。
步骤65、将各异常气象类型对应的运维频次浮动指数与设定的均衡运维频次浮动指数进行对比，若某异常气象类型对应的运维频次浮动指数小于或等于设定的均衡运维频次浮动指数，则将该异常气象类型划类为常规异常气象类型，反之则将该异常气象类型划类为特定异常气象类型，由此全户内变电站所在坐落位置存在的异常气象类型划分为常规异常气象类型和特定异常气象类型。
在一种可能的设计中，所述全户内变电站在常规异常气象类型下的巡检周期参见以下确定步骤：(1)获取全户内变电站对应的常规巡检周期，记为T0。
(2)将全户内变电站在常规异常气象类型下各故障电力设备对应的运维频次占比进行均值计算，得到全户内变电站在常规异常气象类型下的平均运维频次占比,记为
Figure BDA0004013311260000061
(3)将T0与
Figure BDA0004013311260000062
代入公式
Figure BDA0004013311260000063
计算出全户内变电站在常规异常气象类型下的巡检周期T常规。
在一种可能的设计中，所述全户内变电站在特定异常气象类型下的巡检周期参见以下确定步骤：第一步、从全户内变电站在特定异常气象类型内各故障电力设备对应的运维频次占比中提取最大运维频次占比，将其作为全户内变电站在特定异常气象类型下的倾向运维频次占比，记为xmax。
第二步、将T0与xmax代入公式
Figure BDA0004013311260000064
计算出全户内变电站在特定异常气象类型下的巡检周期T特定。
在一种可能的设计中，所述步骤8的具体实施过程包括如下分析步骤：步骤81、统计全户内变电站内存在的电力设备数量，并对各电力设备进行编号，进而从设备关联库中提取各电力设备对应的关联电力设备及其与关联电力设备之间的关联度。
步骤82、分别将全户内变电站在各异常气象类型下存在的故障电力设备作为全户内变电站在各异常气象类型下的重点巡检电力设备，并据此获取全户内变电站在各异常气象类型下各重点巡检电力设备对应的关联电力设备及其与关联电力设备之间的关联度。
步骤83、将全户内变电站在各异常气象类型下各重点巡检电力设备对应的运维频次占比结合各重点巡检电力设备对应的关联电力设备及其与关联设备之间的关联度计算出全户内变电站在各异常气象类型下各重点巡检电力设备对应关联电力设备的运维关联响应度，其计算公式为
Figure BDA0004013311260000071
其中
Figure BDA0004013311260000072
表示为全户内变电站在第i异常气象类型下第j重点巡检电力设备对应第k关联电力设备的运维关联响应度,j表示为重点巡检电力设备编号，j＝1,2,…,m，m表示为全户内变电站在各异常气象类型下存在的重点巡检电力设备数量，k表示为各重点巡检电力设备对应的关联电力设备编号，k＝1,2,…,z,z表示为各重点巡检电力设备对应的关联电力设备数量，xij表示为全户内变电站在第i异常气象类型下第j重点巡检电力设备对应的运维频次占比,εj→k表示为第j重点巡检电力设备与第k关联电力设备之间的关联度。
步骤84、将全户内变电站在各异常气象类型下的各重点巡检电力设备与其他重点巡检电力设备对应的关联电力设备进行匹配，从中匹配出各重点巡检电力设备对应的运维关联影响度，记为yij。
步骤85、将xij和yij通过巡检优先度评估公式
Figure BDA0004013311260000081
评估出全户内变电站在各异常气象类型下各重点巡检电力设备对应的巡检优先度ψij，其中R表示为预设常数，且R>2,α、β分别表示为设定的运维频次占比、运维关联影响度对应的权衡因子。
步骤86、按照巡检优先度由大到小的顺序对全户内变电站在各异常气象类型下的重点巡检电力设备进行排序,得到全户内变电站在各异常气象类型下重点巡检电力设备的巡检顺序。
在一种可能的设计中，所述全户内变电站在异常气象类型下的巡检控制过程为：将全户内变电站在各异常气象类型下的巡检周期、重点巡检电力设备及重点巡检电力设备对应的巡检顺序生成对应异常气象类型下的巡检操作表。
实时获取全户内变电站所在坐落位置的气象信息，并据此识别气象类型，与此同时判断识别的气象类型是否属于异常气象类型。
当判断识别的气象类型属于异常气象类型时将当前识别的异常气象类型与全户内变电站在各异常气象类型下的巡检操作表进行匹配，从中匹配出全户内变电站在当前异常气象类型下的巡检操作表，并将其传输至巡检管理中心。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：
1、本发明通过利用全户内变电站的历史运维记录分析出全户内变电站在各异常气象类型下的巡检周期、重点巡检电力设备及重点巡检电力设备的巡检顺序，从而依据分析结果生成对应气象类型下的控制操作表，实现了全户内变电站在各种异常气象类型下的针对性巡检控制，大大提高了全户内变电站在各种异常气象类型下的巡检控制方式与对应异常气象类型下巡检需求的匹配度，不仅能够及时发现存在运行故障的电力设备，还在一定程度上提高了巡检效率，有利于提高巡检效果。
2、本发明进行全户内变电站在异常气象类型下的巡检控制采用的分析依据为全户内变电站的历史运维记录，一方面提高了控制结果的可靠适用性，另一方面有效发挥了历史运维记录的额外价值，大大避免了历史运维资源的浪费，具有较大的实用性优势。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的方法实施步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1所示，本发明提出一种基于物联网技术的全户内智能变电站系统的控制方法，包括以下步骤：步骤1、获取全户内变电站的坐落位置，并从全户内变电站对应的历史运维记录中提取各条运维记录对应的运维故障信息，其中运维故障信息包括故障电力设备和故障时间点。
步骤2、从运维故障信息中提取故障时间点，进而基于全户内变电站的坐落位置从全户内变电站所在坐落位置的气象台提取各条运维记录所处故障时间点的气象信息，其中气象信息包括气温、空气相对湿度、风速和雷电风险等级。
步骤3、根据各条运维记录所处故障时间点的气象信息分析各条运维记录所处故障时间点的气象类型，从中剔除属于正常气象类型的运维记录，并将保留下的气象类型均记为异常气象。
作为本发明的一个优选示例，上述根据各条运维记录所处故障时间点的气象信息分析各条运维记录所处故障时间点的气象类型具体包括如下步骤：步骤31、从气象信息中提取气温，进而将各条运维记录所处故障时间点的气温分别与参考数据库中变电站正常运行对应的上限适宜温度和下限适宜温度进行对比，若某条运维记录所处故障时间点的气温高于变电站正常运行对应的适宜上限温度，则分析该条运维记录所处故障时间点的气象类型为高温气象，若某条运维记录所处故障时间点的气温低于变电站正常运行对应的适宜下限温度，则分析该条运维记录所处故障时间点的气象类型为低温气象。
步骤32、从气象信息中提取空气相对湿度，进而将各条运维记录所处故障时间点的空气相对湿度分别与参考数据库中变电站正常运行对应的适宜空气相对湿度进行对比，若某条运维记录所处故障时间点的空气相对湿度大于变电站正常运行对应的适宜空气相对湿度，则分析该条运维记录所处故障时间点的气象类型为高湿气象。
步骤33、从气象信息中提取风速，进而将各条运维记录所处故障时间点的风速与参考数据库中变电站正常运行对应的允许风速进行对比，若某条运维记录所处故障时间点的风速大于变电站正常运行对应的允许风速，则分析该条运维记录所处故障时间点的气象类型为大风气象。
步骤34、从气象信息中提取雷电风险等级，进而将各条运维记录所处故障时间点的雷电风险等级与参考数据库中变电站正常运行对应的允许雷电风险等级进行对比，若某条运维记录所处故障时间点的雷电风险等级大于变电站正常运行对应的允许雷电风险等级，则分析该条运维记录所处故障时间点的气象类型为雷电气象。
步骤35、若某条运维记录所处故障时间点的气温处于变电站正常运行对应的上限适宜温度与下限适宜温度之间且该条运维记录所处故障时间点的空气相对湿度等于变电站正常运行对应的适宜空气相对湿度且该条运维记录所处故障时间点的风速小于或等于变电站正常运行对应的允许风速且该条运维记录所处故障时间点的雷电风险等级小于或等于变电站正常运行对应的允许雷电风险等级，则分析该条运维记录所处故障时间点的气象类型为正常气象。
示例性地，上述提到的雷电风险等级包括高、中高、中、低。
步骤4、将相同异常气象类型对应的运维记录进行归类，得到各异常气象类型对应的运维记录集合。
步骤5、从运维故障信息中提取故障电力设备，进而将各异常气象类型对应的运维记录集合中各条运维记录对应的故障电力设备进行相互对比，进而将相同故障电力设备对应的运维记录进行归类，构成各异常气象类型对应各故障电力设备的运维记录集合。
步骤6、基于各异常气象类型对应各故障电力设备的运维记录集合将全户内变电站所在坐落位置存在的异常气象类型划分为常规异常气象类型和特定异常气象类型，具体实现方法如下：步骤61、分别从各异常气象类型对应各故障电力设备的运维记录集合中统计运维记录数量，将其作为各异常气象类型中各故障电力设备对应的运维频次。
步骤62、将各异常气象类型中各故障电力设备对应的运维频次除以各异常气象类型对应的运维记录总数量，计算出各异常气象类型中各故障电力设备对应的运维频次占比。
步骤63、将各异常气象类型中各故障电力设备对应的运维频次占比进行相互对比，从中筛选出最大运维频次占比和最小运维频次占比。
步骤64、将各异常气象类型对应的最大运维频次占比和最小运维频次占比通过公式
Figure BDA0004013311260000121
计算出各异常气象类型对应的运维频次浮动指数ηi，i表示为异常气象类型编号，i＝1,2,…,n，n表示为异常气象类型的数量，ximax、ximin分别表示为第i异常气象类型对应的最大运维频次占比、最小运维频次占比，e表示为自然常数，其中最大运维频次占比与最小运维频次占比之间相差越大，异常气象类型对应的运维频次浮动指数越大。
步骤65、将各异常气象类型对应的运维频次浮动指数与设定的均衡运维频次浮动指数进行对比，若某异常气象类型对应的运维频次浮动指数小于或等于设定的均衡运维频次浮动指数，则将该异常气象类型划类为常规异常气象类型，反之则将该异常气象类型划类为特定异常气象类型，由此全户内变电站所在坐落位置存在的异常气象类型划分为常规异常气象类型和特定异常气象类型。
步骤7、分别对全户内变电站在常规异常气象类型下的巡检周期和全户内变电站在特定异常气象类型下的巡检周期进行智能确定。
作为本发明的又一具体示例，上述中全户内变电站在常规异常气象类型下的巡检周期参见以下确定步骤：(1)获取全户内变电站对应的常规巡检周期，记为T0。
(2)将全户内变电站在常规异常气象类型下各故障电力设备对应的运维频次占比进行均值计算，得到全户内变电站在常规异常气象类型下的平均运维频次占比,记为
Figure BDA0004013311260000131
(3)将T0与
Figure BDA0004013311260000132
代入公式
Figure BDA0004013311260000133
计算出全户内变电站在常规异常气象类型下的巡检周期T常规。
上述中全户内变电站在特定异常气象类型下的巡检周期参见以下确定步骤：第一步、从全户内变电站在特定异常气象类型内各故障电力设备对应的运维频次占比中提取最大运维频次占比，将其作为全户内变电站在特定异常气象类型下的倾向运维频次占比，记为xmax。
第二步、将T0与xmax代入公式
Figure BDA0004013311260000141
计算出全户内变电站在特定异常气象类型下的巡检周期T特定。
本发明中对全户内变电站在异常气象类型下巡检周期的分析通过划分常规异常气象类型和特定异常气象类型进行针对性分析，能够大大提高分析结果的准确度，能够更加适配对应异常气象类型下的巡检周期需求，其中常规异常气象类型下故障电力设备的发生率较为均衡，而特定异常气象类型下存在某故障电力设备的发生率大大高于其他故障电力设备，这两种异常气象类型下的巡检周期需求是存在较大差异的。
步骤8、识别全户内变电站在各异常气象类型下的重点巡检电力设备，并对重点巡检电力设备的巡检顺序进行分析，具体实施过程包括如下分析步骤：步骤81、统计全户内变电站内存在的电力设备数量，并对各电力设备进行编号，进而从设备关联库中提取各电力设备对应的关联电力设备及其与关联电力设备之间的关联度。
步骤82、分别将全户内变电站在各异常气象类型下存在的故障电力设备作为全户内变电站在各异常气象类型下的重点巡检电力设备，并据此获取全户内变电站在各异常气象类型下各重点巡检电力设备对应的关联电力设备及其与关联电力设备之间的关联度。
步骤83、将全户内变电站在各异常气象类型下各重点巡检电力设备对应的运维频次占比结合各重点巡检电力设备对应的关联电力设备及其与关联设备之间的关联度计算出全户内变电站在各异常气象类型下各重点巡检电力设备对应关联电力设备的运维关联响应度，其计算公式为
Figure BDA0004013311260000151
其中
Figure BDA0004013311260000152
表示为全户内变电站在第i异常气象类型下第j重点巡检电力设备对应第k关联电力设备的运维关联响应度,j表示为重点巡检电力设备编号，j＝1,2,…,m，m表示为全户内变电站在各异常气象类型下存在的重点巡检电力设备数量，k表示为各重点巡检电力设备对应的关联电力设备编号，k＝1,2,…,z,z表示为各重点巡检电力设备对应的关联电力设备数量，xij表示为全户内变电站在第i异常气象类型下第j重点巡检电力设备对应的运维频次占比,εj→k表示为第j重点巡检电力设备与第k关联电力设备之间的关联度。
步骤84、将全户内变电站在各异常气象类型下的各重点巡检电力设备与其他重点巡检电力设备对应的关联电力设备进行匹配，从中匹配出各重点巡检电力设备对应的运维关联影响度，记为yij，其具体匹配方式为若某重点巡检电力设备与其他重点巡检电力设备对应的关联电力设备匹配成功，则将其他重点巡检电力设备对应关联电力设备的运维关联响应度作为该重点巡检电力设备对应的运维关联影响度，反之则将该重点巡检电力设备对应的运维关联影响度记为0。
步骤85、将xij和yij通过巡检优先度评估公式
Figure BDA0004013311260000153
评估出全户内变电站在各异常气象类型下各重点巡检电力设备对应的巡检优先度ψij，其中R表示为预设常数，且R>2,α、β分别表示为设定的运维频次占比、运维关联影响度对应的权衡因子。
步骤86、按照巡检优先度由大到小的顺序对全户内变电站在各异常气象类型下的重点巡检电力设备进行排序,得到全户内变电站在各异常气象类型下重点巡检电力设备的巡检顺序。
本发明进行全户内变电站在异常气象类型下的巡检控制采用的分析依据为全户内变电站的历史运维记录，一方面提高了控制结果的可靠适用性，另一方面有效发挥了历史运维记录的额外价值，大大避免了历史运维资源的浪费，具有较大的实用性优势。
步骤9、基于全户内变电站在各异常气象类型下的巡检周期和重点巡检电力设备的巡检顺序进行全户内变电站在异常气象类型下的巡检控制，具体巡检控制过程为：将全户内变电站在各异常气象类型下的巡检周期、重点巡检电力设备及重点巡检电力设备对应的巡检顺序生成对应异常气象类型下的巡检操作表。
实时获取全户内变电站所在坐落位置的气象信息，并据此识别气象类型，与此同时按照步骤3判断识别的气象类型是否属于异常气象类型。
当判断识别的气象类型属于异常气象类型时将当前识别的异常气象类型与全户内变电站在各异常气象类型下的巡检操作表进行匹配，从中匹配出全户内变电站在当前异常气象类型下的巡检操作表，并将其传输至巡检管理中心。
本发明通过利用全户内变电站的历史运维记录分析出全户内变电站在各异常气象类型下的巡检周期、重点巡检电力设备及重点巡检电力设备的巡检顺序，从而依据分析结果生成对应气象类型下的控制操作表，实现了全户内变电站在各种异常气象类型下的针对性巡检控制，大大提高了全户内变电站在各种异常气象类型下的巡检控制方式与对应异常气象类型下巡检需求的匹配度，不仅能够及时发现存在运行故障的电力设备，还在一定程度上提高了巡检效率，有利于提高巡检效果。
本发明在实施过程中还用到了参考数据库和设备关联库，所述参考数据库用于存储变电站正常运行对应的上限适宜温度和下限适宜温度，示例性的，上限适宜温度和下限适宜温度分别为40℃、20℃，存储变电站正常运行对应的适宜空气相对湿度，示例性的，适宜空气相对湿度为90％，存储变电站正常运行对应的允许风速，示例性的，允许风速为35m/s,存储变电站正常运行对应的允许雷电风险等级，示例性的允许雷电风险等级为低。
所述设备关联库用于存储各电力设备对应的关联电力设备及其与关联电力设备之间的关联度。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种基于物联网技术的全户内智能变电站系统的控制方法，其特征在于，包括以下步骤：
步骤1、获取全户内变电站的坐落位置，并从全户内变电站对应的历史运维记录中提取各条运维记录对应的运维故障信息；
步骤2、从运维故障信息中提取故障时间点，进而基于全户内变电站的坐落位置从全户内变电站所在坐落位置的气象台提取各条运维记录所处故障时间点的气象信息；
步骤3、根据各条运维记录所处故障时间点的气象信息分析各条运维记录所处故障时间点的气象类型，从中剔除属于正常气象类型的运维记录，并将保留下的气象类型均记为异常气象；
步骤4、将相同异常气象类型对应的运维记录进行归类，得到各异常气象类型对应的运维记录集合；
步骤5、从运维故障信息中提取故障电力设备，进而将各异常气象类型对应的运维记录集合中各条运维记录对应的故障电力设备进行相互对比，进而将相同故障电力设备对应的运维记录进行归类，构成各异常气象类型对应各故障电力设备的运维记录集合；
步骤6、基于各异常气象类型对应各故障电力设备的运维记录集合将全户内变电站所在坐落位置存在的异常气象类型划分为常规异常气象类型和特定异常气象类型；
步骤7、分别对全户内变电站在常规异常气象类型下的巡检周期和全户内变电站在特定异常气象类型下的巡检周期进行智能确定；
步骤8、识别全户内变电站在各异常气象类型下的重点巡检电力设备，并对重点巡检电力设备的巡检顺序进行分析；
步骤9、基于全户内变电站在各异常气象类型下的巡检周期和重点巡检电力设备的巡检顺序进行全户内变电站在异常气象类型下的巡检控制。
2.根据权利要求1所述的一种基于物联网技术的全户内智能变电站系统的控制方法，其参数在于：所述运维故障信息包括故障电力设备和故障时间点。
3.根据权利要求2所述的一种基于物联网技术的全户内智能变电站系统的控制方法，其参数在于：所述气象信息包括气温、空气相对湿度、风速和雷电风险等级。
4.根据权利要求3所述的一种基于物联网技术的全户内智能变电站系统的控制方法，其特征在于：所述根据各条运维记录所处故障时间点的气象信息分析各条运维记录所处故障时间点的气象类型具体包括如下步骤：
步骤31、从气象信息中提取气温，进而将各条运维记录所处故障时间点的气温分别与参考数据库中变电站正常运行对应的上限适宜温度和下限适宜温度进行对比，若某条运维记录所处故障时间点的气温高于变电站正常运行对应的适宜上限温度，则分析该条运维记录所处故障时间点的气象类型为高温气象，若某条运维记录所处故障时间点的气温低于变电站正常运行对应的适宜下限温度，则分析该条运维记录所处故障时间点的气象类型为低温气象；
步骤32、从气象信息中提取空气相对湿度，进而将各条运维记录所处故障时间点的空气相对湿度分别与参考数据库中变电站正常运行对应的适宜空气相对湿度进行对比，若某条运维记录所处故障时间点的空气相对湿度大于变电站正常运行对应的适宜空气相对湿度，则分析该条运维记录所处故障时间点的气象类型为高湿气象；
步骤33、从气象信息中提取风速，进而将各条运维记录所处故障时间点的风速与参考数据库中变电站正常运行对应的允许风速进行对比，若某条运维记录所处故障时间点的风速大于变电站正常运行对应的允许风速，则分析该条运维记录所处故障时间点的气象类型为大风气象；
步骤34、从气象信息中提取雷电风险等级，进而将各条运维记录所处故障时间点的雷电风险等级与参考数据库中变电站正常运行对应的允许雷电风险等级进行对比，若某条运维记录所处故障时间点的雷电风险等级大于变电站正常运行对应的允许雷电风险等级，则分析该条运维记录所处故障时间点的气象类型为雷电气象；
步骤35、若某条运维记录所处故障时间点的气温处于变电站正常运行对应的上限适宜温度与下限适宜温度之间且该条运维记录所处故障时间点的空气相对湿度等于变电站正常运行对应的适宜空气相对湿度且该条运维记录所处故障时间点的风速小于或等于变电站正常运行对应的允许风速且该条运维记录所处故障时间点的雷电风险等级小于或等于变电站正常运行对应的允许雷电风险等级，则分析该条运维记录所处故障时间点的气象类型为正常气象。
5.根据权利要求1所述的一种基于物联网技术的全户内智能变电站系统的控制方法，其特征在于：所述步骤6对应的具体实现方法如下：
步骤61、分别从各异常气象类型对应各故障电力设备的运维记录集合中统计运维记录数量，将其作为各异常气象类型中各故障电力设备对应的运维频次；
步骤62、将各异常气象类型中各故障电力设备对应的运维频次除以各异常气象类型对应的运维记录总数量，计算出各异常气象类型中各故障电力设备对应的运维频次占比；
步骤63、将各异常气象类型中各故障电力设备对应的运维频次占比进行相互对比，从中筛选出最大运维频次占比和最小运维频次占比；
步骤64、将各异常气象类型对应的最大运维频次占比和最小运维频次占比通过公式
Figure FDA0004013311250000041
计算出各异常气象类型对应的运维频次浮动指数ηi，i表示为异常气象类型编号，i＝1,2,…,n，n表示为异常气象类型的数量，ximax、ximin分别表示为第i异常气象类型对应的最大运维频次占比、最小运维频次占比，e表示为自然常数；
步骤65、将各异常气象类型对应的运维频次浮动指数与设定的均衡运维频次浮动指数进行对比，若某异常气象类型对应的运维频次浮动指数小于或等于设定的均衡运维频次浮动指数，则将该异常气象类型划类为常规异常气象类型，反之则将该异常气象类型划类为特定异常气象类型，由此全户内变电站所在坐落位置存在的异常气象类型划分为常规异常气象类型和特定异常气象类型。
6.根据权利要求1所述的一种基于物联网技术的全户内智能变电站系统的控制方法，其特征在于：所述全户内变电站在常规异常气象类型下的巡检周期参见以下确定步骤：
(1)获取全户内变电站对应的常规巡检周期，记为T0；
(2)将全户内变电站在常规异常气象类型下各故障电力设备对应的运维频次占比进行均值计算，得到全户内变电站在常规异常气象类型下的平均运维频次占比,记为
Figure FDA0004013311250000051
(3)将T0与
Figure FDA0004013311250000052
代入公式
Figure FDA0004013311250000053
计算出全户内变电站在常规异常气象类型下的巡检周期T常规。
7.根据权利要求6所述的一种基于物联网技术的全户内智能变电站系统的控制方法，其特征在于：所述全户内变电站在特定异常气象类型下的巡检周期参见以下确定步骤：
第一步、从全户内变电站在特定异常气象类型内各故障电力设备对应的运维频次占比中提取最大运维频次占比，将其作为全户内变电站在特定异常气象类型下的倾向运维频次占比，记为xmax；
第二步、将T0与xmax代入公式
Figure FDA0004013311250000054
计算出全户内变电站在特定异常气象类型下的巡检周期T特定。
8.根据权利要求5所述的一种基于物联网技术的全户内智能变电站系统的控制方法，其特征在于：所述步骤8的具体实施过程包括如下分析步骤：
步骤81、统计全户内变电站内存在的电力设备数量，并对各电力设备进行编号，进而从设备关联库中提取各电力设备对应的关联电力设备及其与关联电力设备之间的关联度；
步骤82、分别将全户内变电站在各异常气象类型下存在的故障电力设备作为全户内变电站在各异常气象类型下的重点巡检电力设备，并据此获取全户内变电站在各异常气象类型下各重点巡检电力设备对应的关联电力设备及其与关联电力设备之间的关联度；
步骤83、将全户内变电站在各异常气象类型下各重点巡检电力设备对应的运维频次占比结合各重点巡检电力设备对应的关联电力设备及其与关联设备之间的关联度计算出全户内变电站在各异常气象类型下各重点巡检电力设备对应关联电力设备的运维关联响应度，其计算公式为
Figure FDA0004013311250000061
其中
Figure FDA0004013311250000062
表示为全户内变电站在第i异常气象类型下第j重点巡检电力设备对应第k关联电力设备的运维关联响应度,j表示为重点巡检电力设备编号，j＝1,2,…,m，m表示为全户内变电站在各异常气象类型下存在的重点巡检电力设备数量，k表示为各重点巡检电力设备对应的关联电力设备编号，k＝1,2,…,z,z表示为各重点巡检电力设备对应的关联电力设备数量，xij表示为全户内变电站在第i异常气象类型下第j重点巡检电力设备对应的运维频次占比,εj→k表示为第j重点巡检电力设备与第k关联电力设备之间的关联度；
步骤84、将全户内变电站在各异常气象类型下的各重点巡检电力设备与其他重点巡检电力设备对应的关联电力设备进行匹配，从中匹配出各重点巡检电力设备对应的运维关联影响度，记为yij；
步骤85、将xij和yij通过巡检优先度评估公式
Figure FDA0004013311250000071
评估出全户内变电站在各异常气象类型下各重点巡检电力设备对应的巡检优先度ψij，其中R表示为预设常数，且R>2,α、β分别表示为设定的运维频次占比、运维关联影响度对应的权衡因子；
步骤86、按照巡检优先度由大到小的顺序对全户内变电站在各异常气象类型下的重点巡检电力设备进行排序,得到全户内变电站在各异常气象类型下重点巡检电力设备的巡检顺序。
9.根据权利要求1所述的一种基于物联网技术的全户内智能变电站系统的控制方法，其特征在于：所述全户内变电站在异常气象类型下的巡检控制过程为：
将全户内变电站在各异常气象类型下的巡检周期、重点巡检电力设备及重点巡检电力设备对应的巡检顺序生成对应异常气象类型下的巡检操作表；
实时获取全户内变电站所在坐落位置的气象信息，并据此识别气象类型，与此同时判断识别的气象类型是否属于异常气象类型；
当判断识别的气象类型属于异常气象类型时将当前识别的异常气象类型与全户内变电站在各异常气象类型下的巡检操作表进行匹配，从中匹配出全户内变电站在当前异常气象类型下的巡检操作表，并将其传输至巡检管理中心。
CN202211661299.6A 2022-12-23 2022-12-23 一种基于物联网技术的全户内智能变电站系统的控制方法 Pending CN115733258A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211661299.6A CN115733258A (zh) 2022-12-23 2022-12-23 一种基于物联网技术的全户内智能变电站系统的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211661299.6A CN115733258A (zh) 2022-12-23 2022-12-23 一种基于物联网技术的全户内智能变电站系统的控制方法

Publications (1)

Publication Number Publication Date
CN115733258A true CN115733258A (zh) 2023-03-03

Family

ID=85302079

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211661299.6A Pending CN115733258A (zh) 2022-12-23 2022-12-23 一种基于物联网技术的全户内智能变电站系统的控制方法

Country Status (1)

Country Link
CN (1) CN115733258A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117034174A (zh) * 2023-09-26 2023-11-10 国网安徽省电力有限公司经济技术研究院 变电站设备异常检测方法及其系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117034174A (zh) * 2023-09-26 2023-11-10 国网安徽省电力有限公司经济技术研究院 变电站设备异常检测方法及其系统
CN117034174B (zh) * 2023-09-26 2023-12-29 国网安徽省电力有限公司经济技术研究院 变电站设备异常检测方法及其系统

Similar Documents

Publication Publication Date Title
CN109660206B (zh) 一种基于Wasserstein GAN的光伏阵列故障诊断方法
CN106777984A (zh) 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法
CN108733966A (zh) 一种基于决策树群的多维电能表现场状态检验方法
CN106646026A (zh) 一种非侵入式家电负荷识别方法
CN106570790B (zh) 一种计及风速数据分段特性的风电场出力数据修复方法
CN116797049B (zh) 配电网差异化节能潜力量化评估方法
CN108594041A (zh) 一种针对非侵入式家居电力负荷监测装置的检测平台
CN116432123A (zh) 一种基于cart决策树算法的电能表故障预警方法
CN114240003A (zh) 一种新能源出力预测方法、系统、存储介质及设备
CN117907923A (zh) 一种电表健康状态的评价方法及系统
CN111310854A (zh) 基于用电负荷指纹的低误报率窃电检测二次筛选方法
Ding et al. A health status-based performance evaluation method of photovoltaic system
CN117235617A (zh) 沙尘天气下基于ml-rfknn的光伏阵列故障诊断方法
CN115733258A (zh) 一种基于物联网技术的全户内智能变电站系统的控制方法
CN114595762A (zh) 一种光伏电站异常数据序列提取方法
CN113379005A (zh) 一种电网电力设备能源智能管理系统及方法
CN117411436B (zh) 光伏组件状态检测方法、系统及存储介质
CN111999695A (zh) 一种变电站计量装置状态评估与异常诊断方法
CN117578425A (zh) 一种极端天气情况下的区域功率预测修正方法
CN111487488A (zh) 一种基于灰色关联分析的智能台区户变识别方法
CN117332288A (zh) 一种建筑节能技术评估系统及方法
CN117787698A (zh) 基于供电范围最大化的微网风险评估方法及系统
CN116502149A (zh) 基于电流特征传导的低压配电网户变关系识别方法及系统
CN115545240A (zh) 一种低压配电网台区异常线损诊断方法、系统、设备及介质
CN117764547A (zh) 一种光伏组串故障诊断方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination