一种山地变电站电气设备的风险预警方法与流程

文档序号:18943391发布日期:2019-10-23 01:20阅读:225来源:国知局
一种山地变电站电气设备的风险预警方法与流程

本发明涉及一种山地变电站电气设备的风险预警方法,属于电力技术领域。



背景技术:

目前,我国许多变电站被迫建设在山地,山地变电站存在许多的安全风险隐患,比如森林火灾,暴风、山洪、雷暴、大雪、地震等地质灾害,恶劣的地质环境直接威胁到电气设备的运行安全。电气设备在运行中受到各种外力因素的干扰,绝缘材料逐渐劣化,若发生故障将引起局部乃至全部地区的停电。因此,需设法对山地变电站实时在线监控;利用各项预警监测技术实现对山地变电站各种设备的监测,构建一个安全可靠的生产平台。同时,体现出电力一次系统与信息系统的交互,另一方面,建立出一种对电气设备温度的预警系统能够避免工作人员的个人经验和主观判断在评价电气设备状态中的决定因素;由于山地变电站位置较为偏远,为使监测系统稳定运行,一旦温度超过紧急缺陷持续运行并避免突发事故的发生,对提高电力系统运行可靠性及科学管理水平具有重要意义。



技术实现要素:

本发明提供一种山地变电站电气设备的风险预警方法,以用于通过该方法对山地变电站电气设备进行风险预警。

本发明的技术方案是:一种山地变电站电气设备的风险预警方法,所述方法步骤如下:

s1、采集电气设备关键点温度、变压器所处环境温度或者设备负荷值,每30分钟一个采样点,则采集到的数据为n天48个单位的矩阵;

s2、对采集的数据进行非正常数判断:如果满足则采用进行数据校正;否则,不处理;其中,xn,i为第n天的第i个采样点的数据,为n天第i个采样点的均值,n天第i个采样点的方差值为ε为阈值,常取1~1.5;是第n天第i个采样点的修正数据,α1、β1、γ1为不确定系数,α1+β1+γ1=1,xn±1,i是xn,i附近的2个横向数据,则为离xn,i最近的2个相似数据;i=1,2,…,48;

s3、将经过步骤s2处理的数据进行归一化处理;

s4、将经过步骤s3归一化处理后的数据训练lstm神经网络;

s5、采集电气设备关键点温度、变压器所处环境温度或者设备负荷值当前采样点数据放入已训练好的lstm神经网络预测下一个采样点的数据;

s6、对步骤s5预测的值进行风险预警:如果预测值<一般缺陷阈值,则不做处理;如果一般缺陷阈值≤预测值<滞后值a,则记录数据供检修用;如果滞后值a≤预测值≤滞后值b,则发出警报;如果预测值>滞后值b,通过切换器切机;其中滞后值a为严重缺陷阈值*95%,滞后值b为紧急缺陷阈值*95%。

所述一般缺陷阈值=正常值×(1+20%),严重缺陷阈值=正常值×(1+80%),紧急缺陷阈值=正常值3(1+95%)。

本发明的有益效果是:本发明通过对非正常数据进行修正,同时进行归一化实现无量纲化处理,将该处理过的数据采用的lstm算法进行处理可以有效提高预测精度,使管理者得到更为直观明了的设备温度变化情况,实现预测,并通过有限状态机进行状态切换,进而实现风险预警以及切机处理。

附图说明

图1为本发明流程示意框图。

具体实施方式

实施例1:如图1所示,一种山地变电站电气设备的风险预警方法,所述方法步骤如下:

s1、采集电气设备关键点温度、变压器所处环境温度或者设备负荷值(每种数据均按照如下步骤过程处理);

每30分钟一个采样点,则采集到的数据为n天48个单位的矩阵;

s2、对采集的数据进行非正常数判断:如果满足则采用进行数据校正;否则,不处理;得到如果是正常数据,则矩阵中的数据为xn,i,否则,

其中,xn,i为第n天的第i个采样点的数据,为n天第i个采样点的均值,n天第i个采样点的方差值为ε为阈值,常取1~1.5;是第n天第i个采样点的修正数据,α1、β1、γ1为不确定系数,α1+β1+γ1=1,xn±1,i是xn,i附近的2个横向数据,则为离xn,i最近的2个相似数据;i=1,2,…,48;

s3、将经过步骤s2处理的数据进行归一化处理,得到使结果映射在[0-1]之间;其中,

s4、将经过步骤s3归一化处理后的数据训练lstm神经网络;

s5、采集电气设备关键点温度、变压器所处环境温度或者设备负荷值当前采样点数据放入已训练好的lstm神经网络预测下一个采样点的数据;

s6、对步骤s5预测的值进行风险预警:

如果预测值<一般缺陷阈值,则不做处理;

如果一般缺陷阈值≤预测值<滞后值a,则记录数据供检修用;

如果滞后值a≤预测值≤滞后值b,则发出警报;

如果预测值>滞后值b,通过切换器切机;

其中滞后值a为严重缺陷阈值*95%,滞后值b为紧急缺陷阈值*95%。采用滞后值给出避免在严重缺陷阈值/紧急缺陷阈值处状态来回切换。

所述一般缺陷阈值=正常值×(1+20%),严重缺陷阈值=正常值×(1+80%),紧急缺陷阈值=正常值×(1+95%)。

如下给出部分电气设备相对温差判据:

表1部分电气设备相对温差判据

上述步骤形成的数据可以导入数据库,进而实现对环境温度、设备负荷值和设备温度真实值与预测值数据的导入、新增和删除;可供查询历史数据,用作数据对比。也可以用作计算实际数据与预测数据的误差和百分比,并通过曲线、柱状图等形式进行展示,可查询不同电气设备的历史数据和预测数据。

上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1