CN117895503A - 一种基于边缘计算的分布式能源并网运行故障分析系统 - Google Patents
一种基于边缘计算的分布式能源并网运行故障分析系统 Download PDFInfo
- Publication number
- CN117895503A CN117895503A CN202410067831.4A CN202410067831A CN117895503A CN 117895503 A CN117895503 A CN 117895503A CN 202410067831 A CN202410067831 A CN 202410067831A CN 117895503 A CN117895503 A CN 117895503A
- Authority
- CN
- China
- Prior art keywords
- distributed energy
- data
- abnormality
- energy equipment
- anomaly
- 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
- 230000005856 abnormality Effects 0.000 claims abstract description 115
- 238000001514 detection method Methods 0.000 claims abstract description 81
- 230000007774 longterm Effects 0.000 claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims description 34
- 230000003044 adaptive effect Effects 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 3
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 15
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000001960 triggered effect Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
- H02J3/0012—Contingency detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/24765—Rule-based classification
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Power Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及分布式能源并网故障分析技术领域，具体公开了一种基于边缘计算的分布式能源并网运行故障分析系统，包括数据采集模块、数据处理模块、异常检测模块、数据上送模块以及显示模块；本发明通过实时采集分布式能源设备数据，基于自适应图注意力建立异常分析规则，根据异常分析规则分析分布式能源设备数据出现的零值或空值异常告警、遥测量跳变异常告警、趋势性异常告警、波动性异常告警以及长期不变化告警，将监测到的异常告警分布式能源设备数据上传至主站侧，供主站侧进行分析，并将无异常分布式能源设备数据上传至云端，有助于提高分布式能源系统的稳定性、可靠性和效率，降低维护成本，同时减轻了云端分析的负担。
Description
技术领域
本发明涉及分布式能源并网故障分析技术领域，更具体地说，本发明涉及一种基于边缘计算的分布式能源并网运行故障分析系统。
背景技术
随着电动汽车的大量商用，其在电力系统的影响也日益增加，将分布式能源并网与电动汽车充电站相结合，有助于提高充电便利性和可持续性。边缘计算是一种计算模型，它将计算资源和数据处理能力推向网络的边缘，靠近数据源和终端设备，以实现更快速、实时、低延迟的数据处理和分析，旨在减少数据在传输到云端或远程数据中心之前的延迟，从而更好地满足需要快速响应的应用和服务的需求，通过边缘计算能够为用户提供更快的运算与存储资源以及就近、高效的服务。在分布式能源并网中引入边缘计算，能够降低系统的时延，提高系统的可靠性，然而，应用于在边缘侧结构的分布式能源并网在运行时，其边缘终端采集的数据常发生异常，从而导致能源分配不准确，为了解决上述问题，现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷，本发明提供一种基于边缘计算的分布式能源并网运行故障分析系统，通过实时采集分布式能源设备数据，基于自适应图注意力建立异常分析规则，根据异常分析规则分析分布式能源设备数据出现的零值或空值异常告警、遥测量跳变异常告警、趋势性异常告警、波动性异常告警以及长期不变化告警，将监测到的异常告警分布式能源设备数据上传至主站侧，供主站侧进行分析，并将无异常分布式能源设备数据上传至云端，有助于提高分布式能源系统的稳定性、可靠性和效率，降低维护成本，同时减轻了云端分析的负担，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于边缘计算的分布式能源并网运行故障分析系统，包括数据采集模块、数据处理模块、异常检测模块、数据上送模块以及显示模块，异常检测模块通过自适应图注意力建立异常分析规则，分析分布式能源设备的异常，建立异常分析规则的步骤为：
步骤一，构建图结构：基于分布式能源设备数据之间的关联性，构建图结构，图结构的节点代表分布式能源设备数据点，边代表分布式能源设备数据之间的关系；
步骤二，计算注意力分数：计算每个节点与其相邻节点之间的注意力分数；
步骤三，计算自适应权重：根据计算的注意力分数，计算每个节点的自适应权重；
步骤四，加权聚合：根据自适应权重，对节点的嵌入进行加权聚合，以获得节点的最终表示，节点的最终表示为：
hi′＝∑j(Alphai*Whj)；
式中：hi′为节点i的最终表示；
步骤五，异常分数计算：通过节点的最终表示以及自适应权重，计算分布式能源设备数据点的异常分数；
步骤六，异常数据判断：设置异常分数的阈值，将异常分数高于阈值的分布式能源设备数据点判断为异常。
作为本发明进一步的方案，步骤二计算注意力分数，计算每个节点与其相邻节点之间的注意力分数，注意力分数的计算公式为：
eij＝A(Whi，Whj)；
式中：eij为节点i对节点j的注意力分数，hi与hj分别为节点i和节点j的嵌入，A为一个可学习的注意力权重函数，W为权重系数。
作为本发明进一步的方案，步骤三计算自适应权重，根据计算的注意力分数，计算每个节点的自适应权重：
Alphai＝softmax(eij)；
式中：Alphai为节点i的自适应权重，softmax为激活函数。
作为本发明进一步的方案，步骤五异常分数计算，通过节点的最终表示以及自适应权重，计算分布式能源设备数据点的异常分数，分布式能源设备数据点的异常分数的计算公式为：
Si＝∑i(Alphai*f(hi′))；
式中：Si为节点i的异常分数，f(hi′)为将节点i的最终表示映射到异常分数的函数。
作为本发明进一步的方案，各模块功能如下：
数据采集模块实时采集分布式能源设备数据；
数据处理模块用于接收分布式能源设备数据，并对分布式能源设备数据进行预处理，包括去除噪声、降采样；
异常检测模块通过自适应图注意力建立异常分析规则，分析分布式能源并网运行的异常数据；
数据上送模块用于定期从本地数据库中获取分布式能源设备数据，按照主站端设置频率对分布式能源设备数据进行二次抽取后进行上送，同时将监测到的异常告警分布式能源设备数据上传至主站侧，供主站侧进行分析，并将无异常分布式能源设备数据上传至云端；
显示模块用于显示异常数据。
作为本发明进一步的方案，数据传送单元将异常告警分布式能源设备数据至边缘集群和主站端，提供异常分析的数据基础。
作为本发明进一步的方案，分布式能源设备数据包括电压特性数据、电流特性数据、频率、功率因数、谐波、电能质量、电压暂升降次数以及负荷异常波动次数。
作为本发明进一步的方案，数据采集模块与数据处理模块相连接，数据处理模块与异常检测模块相连接，异常检测模块与数据上送模块相连接，数据上送模块与显示模块相连接。
作为本发明进一步的方案，异常检测模块包括异常分析单元、零值或空值异常检测单元、零值或空值异常告警单元、遥测量跳变异常检测单元、遥测量跳变异常告警单元、趋势性异常检测单元、趋势性异常告警单元、波动性异常检测单元、波动性异常告警单元、长期不变化检测单元、长期不变化告警单元以及数据传送单元。
作为本发明进一步的方案，异常分析单元与零值或空值异常检测单元、遥测量跳变异常检测单元、趋势性异常检测单元、波动性异常检测单元以及长期不变化检测单元分别相连接，零值或空值异常检测单元与零值或空值异常告警单元相连接，遥测量跳变异常检测单元与遥测量跳变异常告警单元相连接，趋势性异常检测单元与趋势性异常告警单元相连接，波动性异常检测单元与波动性异常告警单元相连接，长期不变化检测单元与长期不变化告警单元相连接，零值或空值异常告警单元、遥测量跳变异常告警单元、趋势性异常告警单元、波动性异常告警单元以及长期不变化告警单元分别与数据传送单元相连接。
异常分析单元用于建立异常分析规则，分布式能源设备数据通过零值或空值异常检测单元，根据异常分析规则判断，当存在分布式能源设备数据连续多个时间点为零或空时，触发零值或空值异常告警单元；分布式能源设备数据通过遥测量跳变异常检测单元，根据异常分析规则判断，当存在连续两个分布式能源设备数据时间点之间的变化超过阈值时，触发遥测量跳变异常告警单元；分布式能源设备数据通过趋势性异常检测单元，根据异常分析规则判断，当分布式能源设备数据的线性或非线性趋势变化明显时，触发趋势性异常告警单元；分布式能源设备数据通过波动性异常检测单元，根据异常分析规则判断，当分布式能源设备数据波动超过阈值时，触发波动性异常告警单元；分布式能源设备数据通过长期不变化检测单元，根据异常分析规则判断，当分布式能源设备数据在一时间窗口内保持不变时，触发长期不变化告警单元。
本发明一种基于边缘计算的分布式能源并网运行故障分析系统的技术效果和优点：
1、本发明通过根据异常分析规则分析分布式能源设备数据出现的零值或空值异常告警、遥测量跳变异常告警、趋势性异常告警、波动性异常告警以及长期不变化告警，将监测到的异常告警分布式能源设备数据上传至主站侧，供主站侧进行分析，并将无异常分布式能源设备数据上传至云端，有助于提高分布式能源系统的稳定性、可靠性和效率，降低维护成本，同时减轻了云端分析的负担；
2、本发明通过自适应图注意力机制建立异常分析规则，提高了异常检测的准确性和系统的可靠性，有助于及早发现和解决问题，减轻了云端分析的负担，提高了系统效率。
附图说明
图1为本发明一种基于边缘计算的分布式能源并网运行故障分析系统的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本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。
一种基于边缘计算的分布式能源并网运行故障分析系统，包括数据采集模块、数据处理模块、异常检测模块、数据上送模块以及显示模块，异常检测模块通过自适应图注意力建立异常分析规则，分析分布式能源设备的异常，建立异常分析规则的步骤为：
步骤一，构建图结构：基于分布式能源设备数据之间的关联性，构建图结构，图结构的节点代表分布式能源设备数据点，边代表分布式能源设备数据之间的关系；
步骤二，计算注意力分数：计算每个节点与其相邻节点之间的注意力分数：
步骤三，计算自适应权重：根据计算的注意力分数，计算每个节点的自适应权重：
步骤四，加权聚合：根据自适应权重，对节点的嵌入进行加权聚合，以获得节点的最终表示，节点的最终表示为：
hi′＝∑j(Alphai*Whj)；
式中：hi′为节点i的最终表示；
步骤五，异常分数计算：通过节点的最终表示以及自适应权重，计算分布式能源设备数据点的异常分数；
步骤六，异常数据判断：设置异常分数的阈值，将异常分数高于阈值的分布式能源设备数据点判断为异常。
作为本发明进一步的方案，步骤二计算注意力分数，计算每个节点与其相邻节点之间的注意力分数，注意力分数的计算公式为：
eij＝A(Whi，Whj)；
式中：eij为节点i对节点j的注意力分数，hi与hj分别为节点i和节点j的嵌入，A为一个可学习的注意力权重函数，W为权重系数。
本发明实施例中，步骤三计算自适应权重，根据计算的注意力分数，计算每个节点的自适应权重：
Alphai＝softmax(eij)；
式中：Alphai为节点i的自适应权重，softmax为激活函数。
本发明实施例中，步骤五异常分数计算，通过节点的最终表示以及自适应权重，计算分布式能源设备数据点的异常分数，分布式能源设备数据点的异常分数的计算公式为：
Si＝∑i(Alphai*f(hi′))；
式中：Si为节点i的异常分数，f(hi′)为将节点i的最终表示映射到异常分数的函数。
通过自适应图注意力机制建立异常分析规则，能够及时识别分布式能源设备的异常情况，确保能源系统的运行质量；将分布式能源设备数据异常分类为不同类型，包括零值或空值异常、遥测量跳变异常、趋势性异常、波动性异常和长期不变化异常，有助于更精确地定位问题，并且提高了异常检测的准确性和系统的可靠性，有助于及早发现和解决问题，减轻了云端分析的负担，提高了系统效率。
本发明实施例中，各模块功能如下：
数据采集模块实时采集分布式能源设备数据；
数据处理模块用于接收分布式能源设备数据，并对分布式能源设备数据进行预处理，包括去除噪声、降采样；
异常检测模块通过自适应图注意力建立异常分析规则，分析分布式能源并网运行的异常数据；
数据上送模块用于定期从本地数据库中获取分布式能源设备数据，按照主站端设置频率对分布式能源设备数据进行二次抽取后进行上送，同时将监测到的异常告警分布式能源设备数据上传至主站侧，供主站侧进行分析，并将无异常分布式能源设备数据上传至云端；
显示模块用于显示异常数据。
本发明实施例通过实时采集分布式能源设备数据，基于自适应图注意力建立异常分析规则，根据异常分析规则分析分布式能源设备数据出现的零值或空值异常告警、遥测量跳变异常告警、趋势性异常告警、波动性异常告警以及长期不变化告警，将监测到的异常告警分布式能源设备数据上传至主站侧，供主站侧进行分析，并将无异常分布式能源设备数据上传至云端，有助于提高分布式能源系统的稳定性、可靠性和效率，降低维护成本，同时减轻了云端分析的负担
本发明实施例中，数据传送单元将异常告警分布式能源设备数据至边缘集群和主站端，提供异常分析的数据基础。
本发明实施例中，分布式能源设备数据包括电压特性数据、电流特性数据、频率、功率因数、谐波、电能质量、电压暂升降次数以及负荷异常波动次数。
本发明实施例中，数据采集模块与数据处理模块相连接，数据处理模块与异常检测模块相连接，异常检测模块与数据上送模块相连接，数据上送模块与显示模块相连接。
本发明实施例中，异常检测模块包括异常分析单元、零值或空值异常检测单元、零值或空值异常告警单元、遥测量跳变异常检测单元、遥测量跳变异常告警单元、趋势性异常检测单元、趋势性异常告警单元、波动性异常检测单元、波动性异常告警单元、长期不变化检测单元、长期不变化告警单元以及数据传送单元。
本发明实施例中，异常分析单元与零值或空值异常检测单元、遥测量跳变异常检测单元、趋势性异常检测单元、波动性异常检测单元以及长期不变化检测单元分别相连接，零值或空值异常检测单元与零值或空值异常告警单元相连接，遥测量跳变异常检测单元与遥测量跳变异常告警单元相连接，趋势性异常检测单元与趋势性异常告警单元相连接，波动性异常检测单元与波动性异常告警单元相连接，长期不变化检测单元与长期不变化告警单元相连接，零值或空值异常告警单元、遥测量跳变异常告警单元、趋势性异常告警单元、波动性异常告警单元以及长期不变化告警单元分别与数据传送单元相连接。
异常分析单元用于建立异常分析规则，分布式能源设备数据通过零值或空值异常检测单元，根据异常分析规则判断，当存在分布式能源设备数据连续多个时间点为零或空时，触发零值或空值异常告警单元；分布式能源设备数据通过遥测量跳变异常检测单元，根据异常分析规则判断，当存在连续两个分布式能源设备数据时间点之间的变化超过阈值时，触发遥测量跳变异常告警单元；分布式能源设备数据通过趋势性异常检测单元，根据异常分析规则判断，当分布式能源设备数据的线性或非线性趋势变化明显时，触发趋势性异常告警单元；分布式能源设备数据通过波动性异常检测单元，根据异常分析规则判断，当分布式能源设备数据波动超过阈值时，触发波动性异常告警单元；分布式能源设备数据通过长期不变化检测单元，根据异常分析规则判断，当分布式能源设备数据在一时间窗口内保持不变时，触发长期不变化告警单元。
零值或空值异常检测单元用于检测分布式能源设备数据中的零值或空值异常，当一个太阳能电池板的功率输出数据突然变为零，零值或空值异常检测单元能够检测到这一异常情况，并触发零值或空值异常告警单元；遥测量跳变异常检测单元用于检测遥测量的跳变异常，当温度传感器的温度值在短时间内出现显著的跳变时，遥测量跳变异常告警单元将发出警告；趋势性异常检测单元用于检测数据的趋势性异常，当分布式能源设备的发电量逐渐下降或上升超出所设置的阈值时，趋势性异常告警单元将发出趋势性异常告警；波动性异常检测单元用于检测数据的波动性异常，当分布式能源系统的电压波动在短时间内剧烈时，波动性异常检测单元能够检测到这一异常情况，将触发波动性异常告警单元；长期不变化检测单元用于检测数据的长期不变化异常，当一传感器的读数在长时间内保持不变时，长期不变化告警单元将发出长期不变化异常告警。
本发明实施例通过实时采集分布式能源设备数据，基于自适应图注意力建立异常分析规则，通过自适应图注意力机制建立异常分析规则，能够及时识别分布式能源设备的异常情况，确保能源系统的运行质量，有助于更精确地定位问题，并且提高了异常检测的准确性和系统的可靠性，有助于及早发现和解决问题，根据异常分析规则分析分布式能源设备数据出现的零值或空值异常告警、遥测量跳变异常告警、趋势性异常告警、波动性异常告警以及长期不变化告警，将监测到的异常告警分布式能源设备数据上传至主站侧，供主站侧进行分析，并将无异常分布式能源设备数据上传至云端，有助于提高分布式能源系统的稳定性、可靠性和效率，降低维护成本，同时减轻了云端分析的负担。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于边缘计算的分布式能源并网运行故障分析系统，包括数据采集模块、数据处理模块、异常检测模块、数据上送模块以及显示模块，其特征在于，异常检测模块通过自适应图注意力建立异常分析规则，分析分布式能源设备的异常，建立异常分析规则的步骤为：
步骤一，构建图结构：基于分布式能源设备数据之间的关联性，构建图结构，图结构的节点代表分布式能源设备数据点，边代表分布式能源设备数据之间的关系；
步骤二，计算注意力分数：计算每个节点与其相邻节点之间的注意力分数；
步骤三，计算自适应权重：根据计算的注意力分数，计算每个节点的自适应权重；
步骤四，加权聚合：根据自适应权重，对节点的嵌入进行加权聚合，以获得节点的最终表示，节点的最终表示为：
hi′＝∑j(Alphai*Whj)；
式中：hi′为节点i的最终表示；
步骤五，异常分数计算：通过节点的最终表示以及自适应权重，计算分布式能源设备数据点的异常分数；
步骤六，异常数据判断：设置异常分数的阈值，将异常分数高于阈值的分布式能源设备数据点判断为异常。
2.根据权利要求1所述的一种基于边缘计算的分布式能源并网运行故障分析系统，其特征在于，步骤二计算注意力分数，计算每个节点与其相邻节点之间的注意力分数，注意力分数的计算公式为：
eij＝A(Whi,Whj)；
式中：eij为节点i对节点j的注意力分数，hi与hj分别为节点i和节点j的嵌入，A为一个可学习的注意力权重函数，W为权重系数。
3.根据权利要求1所述的一种基于边缘计算的分布式能源并网运行故障分析系统，其特征在于，步骤三计算自适应权重，根据计算的注意力分数，计算每个节点的自适应权重：
Alphai＝softmax(eij)；
式中：Alphai为节点i的自适应权重，softmax为激活函数。
4.根据权利要求1所述的一种基于边缘计算的分布式能源并网运行故障分析系统，其特征在于，步骤五异常分数计算，通过节点的最终表示以及自适应权重，计算分布式能源设备数据点的异常分数，分布式能源设备数据点的异常分数的计算公式为：
Si＝∑i(Alphai*f(hi′))；
式中：Si为节点i的异常分数，f(hi′)为将节点i的最终表示映射到异常分数的函数。
5.根据权利要求1所述的一种基于边缘计算的分布式能源并网运行故障分析系统，其特征在于，
数据采集模块实时采集分布式能源设备数据；
数据处理模块用于接收分布式能源设备数据，并对分布式能源设备数据进行预处理，包括去除噪声、降采样；
异常检测模块通过自适应图注意力建立异常分析规则，分析分布式能源并网运行的异常数据；
数据上送模块用于定期从本地数据库中获取分布式能源设备数据，按照主站端设置频率对分布式能源设备数据进行二次抽取后进行上送，同时将监测到的异常告警分布式能源设备数据上传至主站侧，供主站侧进行分析，并将无异常分布式能源设备数据上传至云端；
显示模块用于显示异常数据。
6.根据权利要求1所述的一种基于边缘计算的分布式能源并网运行故障分析系统，其特征在于，异常检测模块包括异常分析单元、零值或空值异常检测单元、零值或空值异常告警单元、遥测量跳变异常检测单元、遥测量跳变异常告警单元、趋势性异常检测单元、趋势性异常告警单元、波动性异常检测单元、波动性异常告警单元、长期不变化检测单元、长期不变化告警单元以及数据传送单元。
7.根据权利要求6所述的一种基于边缘计算的分布式能源并网运行故障分析系统，其特征在于，异常分析单元与零值或空值异常检测单元、遥测量跳变异常检测单元、趋势性异常检测单元、波动性异常检测单元以及长期不变化检测单元分别相连接，零值或空值异常检测单元与零值或空值异常告警单元相连接，遥测量跳变异常检测单元与遥测量跳变异常告警单元相连接，趋势性异常检测单元与趋势性异常告警单元相连接，波动性异常检测单元与波动性异常告警单元相连接，长期不变化检测单元与长期不变化告警单元相连接，零值或空值异常告警单元、遥测量跳变异常告警单元、趋势性异常告警单元、波动性异常告警单元以及长期不变化告警单元分别与数据传送单元相连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410067831.4A CN117895503A (zh) | 2024-01-17 | 2024-01-17 | 一种基于边缘计算的分布式能源并网运行故障分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410067831.4A CN117895503A (zh) | 2024-01-17 | 2024-01-17 | 一种基于边缘计算的分布式能源并网运行故障分析系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117895503A true CN117895503A (zh) | 2024-04-16 |
Family
ID=90648792
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410067831.4A Pending CN117895503A (zh) | 2024-01-17 | 2024-01-17 | 一种基于边缘计算的分布式能源并网运行故障分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117895503A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118694002A (zh) * | 2024-08-23 | 2024-09-24 | 安徽方能电气技术有限公司 | 一种基于实时边缘计算的电气融合传感监测系统 |
-
2024
- 2024-01-17 CN CN202410067831.4A patent/CN117895503A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118694002A (zh) * | 2024-08-23 | 2024-09-24 | 安徽方能电气技术有限公司 | 一种基于实时边缘计算的电气融合传感监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
| WO2022151819A1 (zh) | 一种基于聚类分析的电池系统在线故障诊断方法和系统 | |
| CN112803592B (zh) | 一种适用于分布式电站的智能故障预警方法及系统 | |
| CN111669123B (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
| CN113156917A (zh) | 基于人工智能的电网设备故障诊断方法及系统 | |
| CN117895503A (zh) | 一种基于边缘计算的分布式能源并网运行故障分析系统 | |
| Yu et al. | A dynamic alarm threshold setting method for photovoltaic array and its application | |
| CN109149776A (zh) | 应用于智能电网的输电线路可靠监测系统 | |
| CN116050599A (zh) | 一种线路覆冰故障预测方法、系统、存储介质及设备 | |
| CN108681625A (zh) | 基于大数据技术的变压器短期过载能力智能评估系统 | |
| CN105958474B (zh) | 一种电网调控系统用输电线路动态增容方法和系统 | |
| Dong et al. | Fault diagnosis and classification in photovoltaic systems using scada data | |
| JP2003090887A (ja) | 落雷による瞬時電圧低下予測システムおよび予測方法 | |
| CN115224684A (zh) | 基于免疫危险理论的智能配电网风险状态辨识方法及系统 | |
| CN117113157B (zh) | 一种基于人工智能的台区用电故障检测系统 | |
| Hu et al. | Operational reliability evaluation method based on big data technology | |
| CN112257329A (zh) | 一种判定台风对线路影响的方法 | |
| CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
| CN114297920A (zh) | 基于数据预测填充及全局动态模型的线损计算方法 | |
| CN111767659B (zh) | 一种配电变压器绕组材质无损检测评估系统 | |
| CN115811278B (zh) | 基于离散率的分布式光伏故障检测方法及装置 | |
| CN117131947B (zh) | 架空输电线路故障预测方法、装置、设备及存储介质 | |
| CN115711206B (zh) | 一种基于聚类权重的风力发电机叶片覆冰状态监测系统 | |
| CN118411160B (zh) | 一种考虑多种气象因子的电网故障预测方法及系统 | |
| Li et al. | Research of Extreme Gradient Enhancement in Fault Prediction of Smart Distribution Networks |
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 |