CN117554746A - 一种基于数字孪生的配电网故障诊断系统 - Google Patents
一种基于数字孪生的配电网故障诊断系统 Download PDFInfo
- Publication number
- CN117554746A CN117554746A CN202311530616.5A CN202311530616A CN117554746A CN 117554746 A CN117554746 A CN 117554746A CN 202311530616 A CN202311530616 A CN 202311530616A CN 117554746 A CN117554746 A CN 117554746A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- loss
- fault
- index
- 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
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims description 46
- 238000000034 method Methods 0.000 claims description 32
- 238000013441 quality evaluation Methods 0.000 claims description 31
- 238000012544 monitoring process Methods 0.000 claims description 30
- 230000007613 environmental effect Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 16
- 239000012080 ambient air Substances 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 239000004020 conductor Substances 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 238000013499 data model Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims description 2
- 239000012535 impurity Substances 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于数字孪生的配电网故障诊断系统,包括模型建立模块、数据采集模块、故障参数获取模块、故障参数获取模块、故障参数分析模块、故障诊断评估模块及故障预警模块,通过建立数字孪生模型,模拟配电网实际运行情况,获取配电网故障参数值,进一步获取配电网的稳定性评估指数、环境影响指数及异常损耗性能指数,分析得出质量评价系数,与预设的质量评价系数进行对比,利用数字孪生模型进行异常状态特征提取,进行对应的预警处理,提高配电网的可靠性和稳定性,采用更加先进、智能的故障诊断技术,实现对配电网的实时监测和故障预警,提高故障检测的精度和效率。
Description
技术领域
本发明属于配电网输电故障诊断技术领域,尤其涉及一种基于数字孪生的配电网故障诊断系统。
背景技术
配电网是电力系统中的一个重要组成部分,它将电力输送到终端电器和终端设备,通过电缆、电线和变压器设备将输送到配电网的电能传输和分配到各个用电设备,广泛应用于家庭用电、工业用电、商业用电、城市基础应用设施用电及农业用电,是当代社会电力发展不可或缺的部分。
但是其在实际使用时,仍旧存在较多缺点,如传统的配电网故障检测方法大多通过人工定期巡检的方式进行操作与维护,效率较低,过程缺乏灵活性,且检测精度相对较低,会导致一些潜在的故障无法及时发现,从而对配电网的运行和用户用电造成潜在的安全隐患,同时由于传统的配电网故障检测方法缺乏自动化和智能化技术手段的支持,无法实现实时监测和故障预警,依赖于人工处理排查,使得配电网的运行和维护工作不够便捷和高效。
发明内容
本发明要解决的技术问题是:提供一种基于数字孪生的配电网故障诊断系统,以解决传统的配电网故障检测方法缺乏自动化和智能化技术手段的支持,无法实现实时监测和故障预警,依赖于人工处理排查,使得配电网的运行和维护工作不够便捷和高效等问题。
本发明的技术方案是:
一种基于数字孪生的配电网故障诊断系统,包括:
模型建立模块:利用数字孪生技术,构建配电网数字孪生模型,通过配电网数字孪生模型模拟配电网实际运行情况。
说明:数字孪生技术可以模拟物理实体的属性、参数和运行状态,通过在虚拟环境中对配电网进行实验和测试,减少了在真实环境中进行实验的成本和风险,节约成本。
进一步的,配电网数字孪生模型的搭建方法为:
对现实配电网进行详细的测绘和数据收集,包括配电网的线路、设备、连接点所有细节,然后使用数字孪生技术对配电网进行建模,将所有细节数字化;
数据采集与处理:通过物联网技术,采集配电网中所有设备的运行数据,包括设备的状态、运行情况、环境参数,然后对这些数据进行处理和分析,提取得到影响配电网运行的数据;
构建数字孪生模型:根据配电网的设备信息构建配电网的数据模型,将提取的配电网运行数据与数据模型结合得到配电网数字孪生模型;
模型验证与修正:将模型与实际配电网进行比较,验证模型的准确性和可行性,修正和优化数字孪生模型不准确的地方。
数据采集模块:基于配电网数字孪生模型模拟配电网实际运行情况,采集配电网电力运行数据,配电网运行数据包括设备的状态、运行情况、环境参数,具体包括配电网设备的电压电流及在运行中的变化值、配电网线路的电压电流电阻及在运行中的变化值,功率设定值、电流设定值、温度设定值、时间设定值。
故障参数获取模块:用于从配电网运行数据获取配电网故障参数值,故障参数获取模块包括:稳定性指标获取单元、环境影响指标获取单元及电力损耗指标获取单元,通过稳定性指标获取单元计算得到稳定性评估指数,通过环境影响指标获取单元计算得到环境影响指数,通过电力损耗指标获取单元计算得到异常损耗性能指数。
故障参数分析模块:基于故障参数获取模块得到的信息,分析得到配电网的稳定性评估指数、环境影响指数、异常损耗性能指数。
故障参数分析模块包括:稳定性指标分析单元、环境影响分析单元及电力损耗分析单元,通过稳定性指标分析单元计算得到稳定性评估指数,通过环境影响分析单元计算得到环境影响指数,通过电力损耗指标分析单元计算得到异常损耗性能指数。
故障诊断评估模块:基于故障分析模块分析得到的稳定性评估指数、环境影响指数、异常损耗性能指数,获取配电网的质量评价系数,与预设的质量评价系数进行对比,并进行对应的处理。
故障预警模块:用于筛选配电网处于异常工作状态的监测节点,发送到配电网监管中心,利用数字模型进行异常状态特征提取,进行对应的预警处理。
优选的,所述故障参数获取模块配电网故障参数值具体获取方式为:
稳定性指标获取单元:通过在配电网中设置电力传感器,采集配电网的控制端稳定性参数和用户运行终端稳定性参数;所述配电网的控制端稳定性参数包括:故障次数、故障持续时间、故障控制精度、故障响应速度,分别标记为nl、hl、jl、sl;所述用户运行终端稳定性参数包括:故障频率、谐波电流、能耗指标,分别标记为pl、xl、nh;
环境影响指标获取单元:用于采集配电网运行的环境影响因素,环境影响因素包括:环境湿度、环境气压、环境温度、风速,分别标记为gx、gy、gw、fv;
电力损耗指标获取单元:用于设置电力传感器,采集配电网监测节点的电力损耗数据,电力损耗数据包括:电阻损耗、电感损耗、电流损耗,分别标记为:dp、dz、el。
优选的,所述用户运行终端稳定性参数计算方法为:
所述故障频率指单位时间内配电网运行过程中一共发生故障的次数,计算公式为:
pl=nl*hc
其中pl表示故障频率,nl表示故障次数,hc表示运行总时间;所述谐波电流是指谐波电流叠加在主电源上,由设备或系统引入的非正弦特性电流,计算公式为:
xl=l1*(k1*wt+k2*2wt+k3*3wt+...+kn*nwt)
其中xl表示谐波电流,l1表示基波电流的大小,k1、k2、k3、kn表示各个谐波电流的系数,w表示基波频率,t表示时间,n表示谐波次数;所述能耗指标是指电力网在输送和分配电能过程中,各环节的电能损失所占供电量的比例,计算公式为:
其中nh表示能耗指标,zd表示供电量,zh表示售电量,y表示时间设定值。
优选的,所述稳定性评估指数的计算方法为:
将配电网故障次数、故障持续时间、控制精度、响应速度、故障频率、谐波电流代入公式:
其中β表示配电网的稳定性评估指数,nl表示配电网的故障次数,hl表示故障持续时间,jl表示故障控制精度,sl表示故障响应速度,pl表示故障频率,xl表示谐波电流,μ1、μ2分别表示为配电网故障其他影响因子;
将配电网环境影响因素:环境湿度、环境气压、环境温度代入公式:
其中λ表示环境影响指数,σ1表示故障环境其他影响因子,gx表示环境湿度,gy表示环境气压,gw表示环境温度,e表示自然常数。
基于配电网监测节点的电力损耗数据,电力损耗数据包括:电阻损耗、电感损耗、电流损耗,获取异常损耗性能指数,所述电阻损耗是指电流通过电缆时产生的电阻损耗,它与电缆的导体材料截面积、电缆长度以及电流大小有关,计算公式为:
其中dp表示电阻损耗,I表示电路输出电流,R表示线路电阻,m表示导体材料截面积,q表示电缆长度;所述电感损耗是指电流通过电缆时产生的磁场引起的自感和互感效应造成的损耗,计算公式为:
dz=I∧2RL
其中dz表示电感损耗,L表示线路电感值;所述电流损耗是指电流流过电阻时产生的能量损失,计算公式为:el=l*R*z,其中el表示电流损耗,l表示电流设定值,R表示线路电阻,z表示传输的距离;
联合分析获取的电阻损耗、电感损耗、电流损耗得到异常损耗性能指数,所述异常损耗性能指数计算公式为:
其中表示异常损耗性能指数,dp表示电阻损耗,dz表示电感损耗,el表示电流损耗,s表示损耗速度评价因子,hz表示损耗时间评价因子。
优选的,所述质量评价系数的计算方式为:
其中θ表示配电网的质量评价系数,λ表示环境影响指数,β表示稳定性评估指数,表示损耗性能指数。
优选的,所述故障诊断评估模块的具体评估方式为:
获取配电网各监测节点的质量评价系数,利用数字孪生模型进行异常状态特征提取,与预设的质量评价系数进行对比,若质量评价系数大于预设的质量评价系数,表明配电网监测节点存在异常,反之则表明配电网各监测节点运行正常,未有故障发生。
优选的,所述故障预警模块具体方式为:
用于筛选配电网处于异常工作状态的各监测节点,统计配电网处于异常工作状态的各监测节点数据,并发送到配电网监管中心,利用数字孪生模型进行异常状态特征提取,快速获取故障信息和发生位置,向管理人员发出预警,根据接收的典型故障类型进行相应处理,实现对故障发生的有效切除。
本发明有益效果是:
本发明通过建立数字孪生模型,模拟配电网实际运行情况,利用数字孪生技术,获取配电网监测节点的故障参数值,进一步获取配电网各监测节点的稳定性评估指数、环境影响指数及异常损耗性能指数,分析得出质量评价系数,与预设的质量评价系数进行对比,筛选配电网处于异常工作状态的监测节点,发送到配电网监管中心,利用数字孪生模型进行异常状态特征提取,进行对应的预警处理,提高了配电网的可靠性和稳定性,采用更加先进、智能的故障诊断技术,实现对配电网的实时监测和故障预警,提高故障检测的精度和效率。
附图说明
图1为本发明的系统模块整体结构框图。
图2为本发明的故障参数获取模块示意图。
具体实施方式
实施例1
本发明提供了如图1所示的一种基于数字孪生的配电网故障诊断系统,包括模型建立模块、数据采集模块、故障参数获取模块、故障参数获取模块、故障参数分析模块、故障诊断评估模块、故障预警模块。
所述模型建立模块是利用数字孪生技术,构建配电网数字孪生模型,模拟配电网实际运行情况,以数字化建模的方式对配电网线路、设备进行全生命周期模型建立;
所述数据采集模块基于配电网数字孪生模型模拟配电网实际运行情况,采集配电网电力运行数据,配电网运行数据包括:功率设定值、电流设定值、温度设定值、时间设定值;
所述故障参数获取模块基于数据采集模块采集到的电力运行数据,对数据进行滤波、校准,去除数据中的杂质和冗余信息,获取配电网故障参数值;
配电网故障参数值包括:稳定性指标获取单元、环境影响指标获取单元及电力损耗指标获取单元;
所述故障参数获取模块基于故障参数获取模块,通过稳定性指标获取单元计算得到稳定性评估指数,通过环境影响指标获取单元计算得到环境影响指数,通过电力损耗指标获取单元计算得到异常损耗性能指数;
所述故障参数分析模块基于故障参数获取模块获取的稳定性评估指数、环境影响指数、异常损耗性能指数计算得出质量评价系数;
所述故障诊断评估模块是用于获取配电网的质量评价系数,与预设的质量评价系数进行对比,并进行对应的处理;
所述故障预警模块是用于筛选配电网处于异常工作状态的监测节点,发送到配电网监管中心,利用数字模型进行异常状态特征提取,进行对应的预警处理。
在本发明实施例中,需要解释说明的是,所述模型建立模块具体建立方式为:
基于数字孪生理念,利用数字模型对配电网进行实时运行模拟,通过构建配电网的数字孪生模型,以数字化建模的方式对配电网线路、设备数据进行全生命周期的模型建立。
在本发明实施例中,需要解释说明的是,所述数据采集模块具体采集方式为:
用于配电网数字孪生模型模拟配电网实际运行情况,采集配电网电力运行数据,配电网运行数据包括:功率设定值、电流设定值、温度设定值、时间设定值,分别标记为:g、l、d、y。
请参阅图2所示,在本发明实施例中,需要解释说明的是,所述故障参数获取模块配电网故障参数值具体获取方式为:
稳定性指标获取单元:用于设置电力传感器,采集配电网的控制端稳定性参数和用户运行终端稳定性参数;
配电网的控制端稳定性参数包括:故障次数、故障持续时间、故障控制精度、故障响应速度,分别标记为nl、hl、jl、sl;
用户运行终端稳定性参数包括:故障频率、谐波电流、能耗指标,分别标记为pl、xl、nh;
环境影响指标获取单元:用于采集配电网运行的环境影响因素,环境影响因素包括:环境湿度、环境气压、环境温度,分别标记为gx、gy、gw;
电力损耗指标获取单元:用于设置电力传感器,采集配电网监测节点的电力损耗数据,电力损耗数据包括:电阻损耗、电感损耗、电流损耗,分别标记为:dp、dz、el。
在本发明实施例中,需要解释说明的是,所述用户运行终端稳定性参数计算方法为:
故障频率指单位时间内配电网运行过程中一共发生故障的次数,计算公式为:pl=nl*hc,其中pl表示故障频率,nl表示故障次数,hc表示运行总时间;所述谐波电流是指谐波电流叠加在主电源上,由设备或系统引入的非正弦特性电流,计算公式为:xl=l1*(k1*wt+k2*2wt+k3*3wt+...+kn*nwt),其中xl表示谐波电流,l1表示基波电流的大小,k1、k2、k3、kn表示各个谐波电流的系数,w表示基波频率,t表示时间,n表示谐波次数;所述能耗指标是指电力网在输送和分配电能过程中,各环节的电能损失所占供电量的比例,计算公式为:其中nh表示能耗指标,zd表示供电量,zh表示售电量,y表示时间设定值。
在本发明实施例中,需要解释说明的是,所述稳定性评估指数的计算方法为:
将配电网故障次数、故障持续时间、控制精度、响应速度、故障频率、谐波电流代入公式:
其中β表示配电网的稳定性评估指数,nl表示配电网的故障次数,hl表示故障持续时间,jl表示故障控制精度,sl表示故障响应速度,pl表示故障频率,xl表示谐波电流,μ1、μ2分别表示为配电网故障其他影响因子;
将配电网环境影响因素:环境湿度、环境气压、环境温度代入公式:
其中λ表示环境影响指数,σ1表示故障环境其他影响因子,gx表示环境湿度,gy表示环境气压,gw表示环境温度,e表示自然常数。
基于配电网监测节点的电力损耗数据,电力损耗数据包括:电阻损耗、电感损耗、电流损耗,获取异常损耗性能指数,所述电阻损耗是指电流通过电缆时产生的电阻损耗,它与电缆的导体材料截面积、电缆长度以及电流大小有关,计算公式为:
其中dp表示电阻损耗,I表示电路输出电流,R表示线路电阻,m表示导体材料截面积,q表示电缆长度;所述电感损耗是指电流通过电缆时产生的磁场引起的自感和互感效应造成的损耗,计算公式为:dz=I∧2RL,其中dz表示电感损耗,L表示线路电感值;所述电流损耗是指电流流过电阻时产生的能量损失,计算公式为:el=l*R*z,其中el表示电流损耗。l表示电流设定值,R表示线路电阻,z表示传输的距离;
联合分析获取的电阻损耗、电感损耗、电流损耗得到异常损耗性能指数,所述异常损耗性能指数计算公式为:
其中表示异常损耗性能指数,dp表示电阻损耗,dz表示电感损耗,el表示电流损耗,s表示损耗速度评价因子,hz表示损耗时间评价因子。
在本发明实施例中,需要解释说明的是,所述质量评价系数的计算方式为:
其中θ表示配电网的质量评价系数,λ表示环境影响指数,β表示稳定性评估指数,表示损耗性能指数。
在本发明实施例中,需要解释说明的是,所述故障诊断评估模块的具体评估方式为:
获取配电网各监测节点的质量评价系数,利用数字孪生模型进行异常状态特征提取,与预设的质量评价系数进行对比,若质量评价系数大于预设的质量评价系数,表明配电网监测节点存在异常,反之则表明配电网各监测节点运行正常,未有故障发生。
所述故障预警模块具体方式为:
用于筛选配电网处于异常工作状态的各监测节点,统计配电网处于异常工作状态的各监测节点数据,并发送到配电网监管中心,利用数字孪生模型进行异常状态特征提取,快速获取故障信息和发生位置,向管理人员发出预警,根据接收的典型故障类型进行相应处理,实现对故障发生的有效切除。
Claims (8)
1.一种基于数字孪生的配电网故障诊断系统,其特征在于:所述系统包括:
模型建立模块:利用数字孪生技术,构建配电网数字孪生模型,通过配电网数字孪生模型模拟配电网实际运行情况;
数据采集模块:基于配电网数字孪生模型模拟配电网实际运行情况,采集配电网电力运行数据,配电网运行数据包括:功率设定值、电流设定值、温度设定值、时间设定值;
基于配电网数字孪生模型模拟配电网实际运行情况,采集配电网电力运行数据;
数据筛选模块:基于数据采集模块采集到的电力运行数据,对数据进行滤波和校准,去除数据中的杂质和冗余信息,获取配电网故障参数值;
故障参数获取模块:通过稳定性指标获取单元计算得到稳定性评估指数,通过环境影响指标获取单元计算得到环境影响指数,通过电力损耗指标获取单元计算得到异常损耗性能指数;
故障参数分析模块:基于故障参数获取模块获取的稳定性评估指数、环境影响指数、异常损耗性能指数计算得出质量评价系数;
故障诊断评估模块:用于获取配电网的质量评价系数,与预设的质量评价系数进行对比,并进行对应的处理;
故障预警模块:用于筛选配电网处于异常工作状态的监测节点,发送到配电网监管中心,利用数字模型进行异常状态特征提取,进行对应的预警处理。
2.根据权利要求1所述的一种基于数字孪生的配电网故障诊断系统,其特征在于:配电网数字孪生模型的搭建方法为:
对现实配电网进行详细的测绘和数据收集,包括配电网的线路、设备及连接点所有细节,然后使用数字孪生技术对配电网进行建模,将所有细节数字化;
数据采集与处理:通过物联网技术,采集配电网中所有设备的运行数据,包括设备的状态、运行情况及环境参数,然后对这些数据进行处理和分析,提取得到影响配电网运行的数据;
构建数字孪生模型:根据配电网的设备信息构建配电网的数据模型,将提取的配电网运行数据与数据模型结合得到配电网数字孪生模型;
模型验证与修正:将模型与实际配电网进行比较,验证模型的准确性和可行性,修正和优化数字孪生模型不准确的地方。
3.根据权利要求1所述的一种基于数字孪生的配电网故障诊断系统,其特征在于:所述故障参数获取模块包括:稳定性指标获取单元、环境影响指标获取单元及电力损耗指标获取单元;
所述稳定性指标获取单元:通过电力传感器采集得到配电网的控制端稳定性参数和用户运行终端稳定性参数;配电网的控制端稳定性参数包括:故障次数、故障持续时间、故障控制精度、故障响应速度;用户运行终端稳定性参数包括:故障频率、谐波电流及能耗指标;
所述环境影响指标获取单元:用于采集配电网运行的环境影响因素,环境影响因素包括:环境湿度、环境气压及环境温度;
所述电力损耗指标获取单元:用于设置电力传感器,采集配电网监测节点的电力损耗数据,电力损耗数据包括:电阻损耗、电感损耗及电流损耗。
4.根据权利要求3所述的一种基于数字孪生的配电网故障诊断系统,其特征在于:稳定性指标获取单元获取方法为:
用户运行终端稳定性参数计算方法为:故障频率指单位时间内配电网运行过程中一共发生故障的次数,计算公式为:pl=nl*hc,其中pl表示故障频率,nl表示故障次数,hc表示运行总时间,谐波电流是指谐波电流叠加在主电源上,由设备引入的非正弦特性电流,计算公式如下:xl=l1*(k1*wt+k2*2wt+k3*3wt+...+kn*nwt)其中xl表示谐波电流,l1表示基波电流的大小,k1、k2、k3、kn表示各个谐波电流的系数,w表示基波频率,t表示时间,n表示谐波次数,能耗指标是指电力网在输送和分配电能过程中,各环节的电能损失所占供电量的比例,计算公式为:
其中nh表示能耗指标,zd表示供电量,zh表示售电量,y表示时间设定值。
5.根据权利要求1所述的一种基于数字孪生的配电网故障诊断系统,其特征在于:稳定性评估指数的计算方法为:将配电网故障次数、故障持续时间、控制精度、响应速度、故障频率、谐波电流代入公式:
其中β表示配电网的稳定性评估指数,nl表示配电网的故障次数,hl表示故障持续时间,jl表示故障控制精度,sl表示故障响应速度,pl表示故障频率,xl表示谐波电流,μ1、μ2分别表示为配电网故障其他影响因子;
将配电网环境影响因素:环境湿度、环境气压、环境温度代入公式:
其中λ表示环境影响指数,σ1表示故障环境其他影响因子,gx表示环境湿度,gy表示环境气压,gw表示环境温度,e表示自然常数;
基于配电网监测节点的电力损耗数据,电力损耗数据包括:电阻损耗、电感损耗、电流损耗,获取异常损耗性能指数,电阻损耗是指电流通过电缆时产生的电阻损耗,它与电缆的导体材料截面积、电缆长度以及电流大小有关,计算公式为:
其中dp表示电阻损耗,I表示电路输出电流,R表示线路电阻,m表示导体材料截面积,q表示电缆长度,电感损耗是指电流通过电缆时产生的磁场引起的自感和互感效应造成的损耗,计算公式为:
dz=I∧2RL
其中dz表示电感损耗,L表示线路电感值,电流损耗是指电流流过电阻时产生的能量损失,计算公式为:
el=l*R*z
其中el表示电流损耗,l表示电流设定值,R表示线路电阻,z表示传输的距离;
联合分析获取的电阻损耗、电感损耗、电流损耗得到异常损耗性能指数,所述异常损耗性能指数计算公式为:
其中表示异常损耗性能指数,dp表示电阻损耗,dz表示电感损耗,el表示电流损耗,s表示损耗速度评价因子,hz表示损耗时间评价因子。
6.根据权利要求1所述的一种基于数字孪生的配电网故障诊断系统,其特征在于:质量评价系数的计算方式为:
其中θ表示配电网的质量评价系数,λ表示环境影响指数,β表示稳定性评估指数,表示损耗性能指数。
7.根据权利要求1所述的一种基于数字孪生的配电网故障诊断系统,其特征在于:故障诊断评估模块的具体评估方式为:
获取配电网各监测节点的质量评价系数,利用数字孪生模型进行异常状态特征提取,与预设的质量评价系数进行对比,若质量评价系数大于预设的质量评价系数,表明配电网监测节点存在异常,反之则表明配电网各监测节点运行正常,未有故障发生。
8.根据权利要求1所述的一种基于数字孪生的配电网故障诊断系统,其特征在于:故障预警模块具体方式为:
用于筛选配电网处于异常工作状态的各监测节点,统计配电网处于异常工作状态的各监测节点数据,并发送到配电网监管中心,利用数字孪生模型进行异常状态特征提取,快速获取故障信息和发生位置,向管理人员发出预警,根据接收的典型故障类型进行相应处理,实现对故障发生的有效切除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311530616.5A CN117554746A (zh) | 2023-11-16 | 2023-11-16 | 一种基于数字孪生的配电网故障诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311530616.5A CN117554746A (zh) | 2023-11-16 | 2023-11-16 | 一种基于数字孪生的配电网故障诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117554746A true CN117554746A (zh) | 2024-02-13 |
Family
ID=89814217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311530616.5A Pending CN117554746A (zh) | 2023-11-16 | 2023-11-16 | 一种基于数字孪生的配电网故障诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117554746A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117933576A (zh) * | 2024-03-21 | 2024-04-26 | 网思科技集团有限公司 | 一种基于数字孪生的配电网运维方法、系统和介质 |
CN118094060A (zh) * | 2024-04-23 | 2024-05-28 | 江苏沃能电气科技有限公司 | 一种基于数字孪生的电力母线远程健康诊断方法 |
CN118263852A (zh) * | 2024-03-27 | 2024-06-28 | 华中科技大学 | 一种基于数字孪生的故障预判方法及系统 |
CN118395362A (zh) * | 2024-06-28 | 2024-07-26 | 上海凌至物联网有限公司 | 基于数字孪生的变压器套管内部故障诊断方法 |
CN118469402A (zh) * | 2024-07-10 | 2024-08-09 | 网思科技股份有限公司 | 一种数字孪生辅助的故障诊断方法、系统和介质 |
CN118483598A (zh) * | 2024-07-11 | 2024-08-13 | 江苏镇扬汽渡有限公司 | 船舶用异步发电机电压滤波器的测试方法及测试系统 |
CN118534244A (zh) * | 2024-04-17 | 2024-08-23 | 福州驰那信息科技有限公司 | 基于物联网的智能电网故障检测系统 |
CN118735469A (zh) * | 2024-09-03 | 2024-10-01 | 中电装备山东电子有限公司 | 一种基于物联网的用户电能数据采集分析终端 |
CN118483598B (zh) * | 2024-07-11 | 2024-11-12 | 江苏镇扬汽渡有限公司 | 船舶用异步发电机电压滤波器的测试方法及测试系统 |
-
2023
- 2023-11-16 CN CN202311530616.5A patent/CN117554746A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117933576A (zh) * | 2024-03-21 | 2024-04-26 | 网思科技集团有限公司 | 一种基于数字孪生的配电网运维方法、系统和介质 |
CN117933576B (zh) * | 2024-03-21 | 2024-05-28 | 网思科技集团有限公司 | 一种基于数字孪生的配电网运维方法、系统和介质 |
CN118263852A (zh) * | 2024-03-27 | 2024-06-28 | 华中科技大学 | 一种基于数字孪生的故障预判方法及系统 |
CN118534244A (zh) * | 2024-04-17 | 2024-08-23 | 福州驰那信息科技有限公司 | 基于物联网的智能电网故障检测系统 |
CN118094060A (zh) * | 2024-04-23 | 2024-05-28 | 江苏沃能电气科技有限公司 | 一种基于数字孪生的电力母线远程健康诊断方法 |
CN118395362A (zh) * | 2024-06-28 | 2024-07-26 | 上海凌至物联网有限公司 | 基于数字孪生的变压器套管内部故障诊断方法 |
CN118395362B (zh) * | 2024-06-28 | 2024-10-22 | 上海凌至物联网有限公司 | 基于数字孪生的变压器套管内部故障诊断方法 |
CN118469402A (zh) * | 2024-07-10 | 2024-08-09 | 网思科技股份有限公司 | 一种数字孪生辅助的故障诊断方法、系统和介质 |
CN118483598A (zh) * | 2024-07-11 | 2024-08-13 | 江苏镇扬汽渡有限公司 | 船舶用异步发电机电压滤波器的测试方法及测试系统 |
CN118483598B (zh) * | 2024-07-11 | 2024-11-12 | 江苏镇扬汽渡有限公司 | 船舶用异步发电机电压滤波器的测试方法及测试系统 |
CN118735469A (zh) * | 2024-09-03 | 2024-10-01 | 中电装备山东电子有限公司 | 一种基于物联网的用户电能数据采集分析终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117554746A (zh) | 一种基于数字孪生的配电网故障诊断系统 | |
CN103439593B (zh) | 基于电气回路故障特性的分布式电网风险评估方法 | |
CN114971173B (zh) | 基于物联网技术的输电全景智慧管控平台 | |
CN114640173A (zh) | 一种基于多特征量的变压器和发电机的预警模型 | |
CN104796082A (zh) | 一种光伏发电系统在线故障诊断系统及方法 | |
CN114966467A (zh) | 一种基于数字孪生的输电线路状态评估方法 | |
CN114065875B (zh) | 基于大数据的电力电网故障识别系统 | |
CN103823433A (zh) | 一种使用通讯过程分析实现继电保护设备在线监测的方法 | |
CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
CN108629520B (zh) | 一种微气象环境下的高压输电线路运行状态评估方法 | |
CN104820884A (zh) | 一种结合电力系统特征的电网调度实时数据稽查方法 | |
CN117078017A (zh) | 一种用于电力电网设备监控智能化决策分析系统 | |
CN109597396A (zh) | 一种基于大数据流及迁移学习的配变故障在线诊断方法 | |
CN104915894A (zh) | 计量自动化终端运行风险预警系统 | |
CN114152896A (zh) | 一种基于采集平台的失准更换系统 | |
CN116823226A (zh) | 一种基于大数据的电力台区故障监测系统 | |
CN115586402B (zh) | 配电网故障诊断与处理方法 | |
CN116885858A (zh) | 一种基于数字孪生技术的配电网故障处理方法及系统 | |
CN104834305B (zh) | 基于dms系统的配网自动化终端遥测异常分析系统及方法 | |
CN112381467A (zh) | 一种基于配电台区全量采集大数据的人工智能线损分析系统 | |
CN107703383A (zh) | 一种信息采集系统故障诊断知识库的建立方法 | |
CN114152909A (zh) | 基于大数据的中高压失准分析系统 | |
CN117113157B (zh) | 一种基于人工智能的台区用电故障检测系统 | |
CN116256691B (zh) | 一种电能表失准在线监测方法及系统 | |
CN117192283A (zh) | 一种电网中输电线路跳闸故障原因诊断系统 |
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 |