一种智慧用电管理电气安全预警方法、系统及电子设备与流程

1.本技术属于电气设备的安全防护的技术领域，具体而言，涉及一种智慧用 电管理电气安全预警方法、系统及电子设备。


背景技术：

2.近年来，随着智慧用电的日渐成熟，精准地预先控制电气设备安全成为了 可能。现有技术实现是通过对每个安全监测周期内配电线路的历史数据进行分 析，得到控制策略，进而根据配电线路运行时采集的运行数据实时选择控制策 略；该方法属于在故障发生后实施调控及维护，并没有对电气设备可能发生的 安全故障提前进行预测和区域定位，从而达到安全预警目的。
3.然而智慧用电管理中对电气设备配电线路的网络环境要求较高，难以应对 设备运行过程中的未知情况。亟待需要一种可应用于智慧用电管理的电气安全 预警方案。


技术实现要素：

4.本技术提供一种智慧用电管理电气安全预警方法、系统及电子设备，以解 决在当前智慧用电管理中，对电气设备搭载的复杂配电线路的要求较高，且难 以应对电气设备运行过程中出现的安全故障进行预测和定位的问题。
5.一种智慧用电管理电气安全预警方法，包括：
6.在预先定义的电气安全监测区域范围的网络主干馈线出线位置安装行波 检测装置和通信装置；
7.获取电气设备的配电线路在预设时间长度内的电路运行状态数据；所述电 路运行状态数据包括在不同采样时刻配电线路上的电气量；所述电气量包括电 压行波、电流行波、模量行波和/或相量行波；
8.在电路运行状态数据中，选取由设备故障引起行波扰动的电气量作为构建 目标数据集的数据断面；
9.基于所述目标数据集和预先训练好的数据预测模型，得到所述电气设备的 配电线路在下一个安全监测周期的预测电路运行状态数据，所述下一个安全监 测周期为预先设置的时间长度；
10.若所述预测电路运行状态数据触发预先定义的行波扰动曲线，获取所述预 测电路运行状态数据中第一次触发所述行波扰动曲线时的目标预测电气量和 目标预测故障距离；
11.从行波扰动曲线的时间序列数组中包括所述目标预测电气量和目标预测 故障距离的一组目标时间序列数据；其中，所述行波扰动曲线时间序列数组包 括多组配电线路在不同故障时刻下行波扰动点对应的电气量和故障距离；
12.根据所述目标时间序列数据和所述配电线路当前的电路运行状态数据，输 出所述电气设备的配电线路在下一个安全监测周期的电路运行状态数据，以使 所述电气设备
根据所述电路运行状态数据控制运行。
13.优选的，所述行波扰动曲线的预先定义包括：获取目标数据集的行波扰动 点，记录设备故障引起行波扰动时，发生扰动的时间和电气量变化，以及行波 扰动点距离行波干扰源的故障距离；根据设备故障引起行波扰动的行波扰动点 以及对应的故障时刻下的故障距离，绘制行波扰动曲线。
14.进一步地，所述从预设的行波扰动曲线时间序列数组中确定包括所述目标 预测电气量、所述目标预测故障距离的一组目标时间序列数据，包括：
15.获取所述防护曲线时间序列数组中，存在故障距离与所述目标预测故障距 离相等的至少一组第一时间序列数据；
16.从所述第一时间序列数据中，确定与所述目标预测配电线路电气量的误差 在预设阈值内的至少一组第二时间序列数据；
17.从所述第二时间序列数据中，确定目标时间序列数据。
18.优选的，所述方法还包括：
19.获取训练数据集，所述训练数据集包括n个不同安全监测周期的历史数 据，每个所述历史数据包括配电线路在不同时间的电气量和故障距离；
20.利用所述训练数据集对所述数据预测模型进行训练，训练时，利用反向传 播法以及梯度下降法更新所述数据预测模型的参数，直至第i个历史数据对应 预测电路运行状态数据与第i+1个历史数据的误差值满足预设条件，得到训练 好的数据预测模型。
21.优选的，所述方法还包括：
22.获取与预测电路运行状态数据同一周期的配电线路的实际电路运行状态 数据；
23.基于所述实际电路运行状态数据、所述预测电路运行状态数据之间的变化 量，确定预测误差值；
24.基于所述预测误差值对所述预先训练好的数据预测模型的输出值进行误 差补偿校正。
25.进一步地，所述获取目标数据集的行波扰动点包括：通过计算所述目标数 据集的密度比估计值函数，获得相异偏差向量函数，并将相异偏差向量函数最 大值的对应点定义为目标数据集的行波扰动点。
26.进一步地，所述目标数据集的密度比估计值的获取过程包括：定义目标数 据集a在故障时刻t＝t0+i的故障概率分布为p，以其对应的同分布样本集a
’ꢀ
的故障概率分布p
′
，其中i∈[1，n]；则目标数据集密度比估计值如下式所示：
[0027][0028]
式中，pa和p'a分别为p和p’的密度函数，且pa≥0，p'a＞0；
[0029]
根据目标数据集密度比估计值，计算目标数据集密度比估计值函数：
[0030][0031]
式中，为高斯核计算函数，ac是从au中选取的 高斯核函数中心值，au为关于目标数据集a的第u维矩阵，u∈[1，n]表示矩 阵维度,σ＞0表示内
核宽度，数据采样参数其中，λ≥0表示正 规化参数；为n
×
n维矩阵，in为n维单位矩阵；则，
[0032][0033][0034]
式中，为中第u行、第v列元素，u和v∈[1，n]表示矩阵维度；表示u维向量，av为目标数据集a的v维矩阵，ai为目标数据集a的第i个数 据断面，a'j为a'中的第j个数据样本；参数α∈[1,n]。
[0035]
进一步地，所述相异偏差向量函数通过下式计算：
[0036][0037]
一种智慧用电管理电气安全预警系统，包括：
[0038]
设置模块，用于在预先定义的电气安全监测区域范围的网络主干馈线出线 位置安装行波检测装置和通信装置；
[0039]
监测模块，用于获取电气设备的配电线路在预设时间长度内的电路运行状 态数据；所述电路运行状态数据包括在不同采样时刻配电线路上的电气量；所 述电气量包括电压行波、电流行波、模量行波和/或相量行波；
[0040]
选取模块，用于在电路运行状态数据中，选取由设备故障引起行波扰动的 电气量作为构建目标数据集的数据断面；
[0041]
状态预测模块，用于基于所述目标数据集和预先训练好的数据预测模型， 得到所述电气设备的配电线路在下一个安全监测周期的预测电路运行状态数 据，所述下一个安全监测周期为预先设置的时间长度；
[0042]
第一获取模块，用于若所述预测电路运行状态数据触发预先定义的行波扰 动曲线，获取所述预测电路运行状态数据中第一次触发所述行波扰动曲线时的 目标预测电气量和目标预测故障距离；
[0043]
第二获取模块，用于从行波扰动曲线的时间序列数组中选取包括所述目标 预测电气量和目标预测故障距离的一组目标时间序列数据；其中，所述行波扰 动曲线时间序列数组包括多组配电线路在不同故障时刻下行波扰动点对应的 电气量和故障距离；
[0044]
预警模块，用于根据所述目标时间序列数据和所述配电线路当前的电路运 行状态数据，输出所述电气设备的配电线路在下一个安全监测周期的电路运行 状态数据，以使所述电气设备根据所述电路运行状态数据控制运行。
[0045]
一种电子设备，包括：存储器和处理器，所述存储器和所述处理器连接；
[0046]
所述存储器，用于存储程序；
[0047]
所述处理器，用于调用存储于所述存储器中的程序，以执行如权利要求 1-8中任一项所述的方法。
[0048]
本发明的有益效果体现在：
[0049]
本发明提供的一种智慧用电管理电气安全预警方法、系统及电子设备，通 过获取
电气设备的配电线路在预设时间内的电路运行状态数据；在电路运行状 态数据中选取由设备故障引起行波扰动的电气量作为构建目标数据集的数据 断面；基于目标数据集和预先训练好的数据预测模型得到在下一安全监测周期 的预测电路运行状态数据；若预测电路运行状态数据触发预先定义的行波扰动 曲线，获取第一次触发行波扰动曲线时的目标预测电气量和故障距离；从曲线 的时间序列数组中选取包括上述预测内容的一组目标时间序列数据，并结合配 电线路当前的电路运行状态数据输出电气设备的配电线路在下一安全监测周 期的电路运行状态数据，以使电气设备根据该数据控制运行。有效解决了在当 前智慧用电管理中，对电气设备搭载的复杂配电线路的要求较高，且难以应对 电气设备运行过程中出现的安全故障进行预测和定位的难题。
附图说明
[0050]
为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使 用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例， 因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创 造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0051]
图1为本技术实施例示出的一种智慧用电管理电气安全预警方法流程图；
[0052]
图2为本技术实施例示出的一种电子设备的结构示意图。
具体实施方式
[0053]
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例 仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限 制本发明的保护范围。
[0054]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某 一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解 释。同时，在本技术的描述中诸如“第一”、“第二”等之类的关系术语仅仅用 来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示 这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、
ꢀ“
包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列 要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列 出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。 在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在 包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0055]
下面将结合附图对本技术的技术方案进行清楚、完整地描述。
[0056]
实施例1：
[0057]
请参阅图1，图1为本技术实施例提供的一种智慧用电管理电气安全预警 方法，下面将结合图1对其包含的步骤进行说明。
[0058]
s101：在预先定义的电气安全监测区域范围的网络主干馈线出线位置安装 行波检测装置和通信装置；
[0059]
s102：获取电气设备的配电线路在预设时间长度内的电路运行状态数据； 所述电路运行状态数据包括在不同采样时刻配电线路上的电气量；所述电气量 包括电压行波、电
流行波、模量行波和/或相量行波；
[0060]
s104：在电路运行状态数据中，选取由设备故障引起行波扰动的电气量作 为构建目标数据集的数据断面；
[0061]
s105：基于所述目标数据集和预先训练好的数据预测模型，得到所述电气 设备的配电线路在下一个安全监测周期的预测电路运行状态数据，所述下一个 安全监测周期为预先设置的时间长度；
[0062]
s106：若所述预测电路运行状态数据触发预先定义的行波扰动曲线，获取 所述预测电路运行状态数据中第一次触发所述行波扰动曲线时的目标预测电 气量和目标预测故障距离；
[0063]
s107：从行波扰动曲线的时间序列数组中包括所述目标预测电气量和目标 预测故障距离的一组目标时间序列数据；其中，所述行波扰动曲线时间序列数 组包括多组配电线路在不同故障时刻下行波扰动点对应的电气量和故障距离；
[0064]
s108：根据所述目标时间序列数据和所述配电线路当前的电路运行状态数 据，输出所述电气设备的配电线路在下一个安全监测周期的电路运行状态数 据，以使所述电气设备根据所述电路运行状态数据控制运行。
[0065]
步骤s102中，获取配电线路在预设时间长度内的电路运行状态数据，可 以是预先获取并保存在数据库或磁盘中的，在需要时直接获取即可，或者，是 也可以是在需要使用时，基于步骤s101在预先定义的电气安全监测区域范围 的网络主干馈线出线位置安装行波检测装置和通信装置实时采集得到的。
[0066]
预设时间长度可以是10秒钟、30秒钟、50秒钟、1分钟、2分钟、3分 钟等固定时间长度；两个相邻的时刻的间隔可以根据实际需求设置，此处不对 其作出限制。
[0067]
步骤s106中，所述行波扰动曲线的预先定义包括：获取目标数据集的行 波扰动点，记录设备故障引起行波扰动时，发生扰动的时间和电气量变化，以 及行波扰动点距离行波干扰源的故障距离；根据设备故障引起行波扰动的行波 扰动点以及对应的故障时刻下的故障距离，绘制行波扰动曲线。
[0068]
其中，所述获取目标数据集的行波扰动点包括：通过计算所述目标数据集 的密度比估计值函数，获得相异偏差向量函数，并将相异偏差向量函数最大值 的对应点定义为目标数据集的行波扰动点。
[0069]
所述目标数据集的密度比估计值的获取过程包括：定义目标数据集a在 故障时刻t＝t0+i的故障概率分布为p，以其对应的同分布样本集a’的故障概 率分布p
′
，其中i∈[1，n]；则目标数据集密度比估计值如下式所示：
[0070][0071]
式中，pa和p'a分别为p和p’的密度函数，且pa≥0，p'a＞0；
[0072]
根据目标数据集密度比估计值，计算目标数据集密度比估计值函数：
[0073][0074]
式中，为高斯核计算函数，ac是从au中选取的 高斯
核函数中心值，au为关于目标数据集a的第u维矩阵，u∈[1，n]表示矩 阵维度,σ＞0表示内核宽度，数据采样参数其中，λ≥0表示正 规化参数；为n
×
n维矩阵，in为n维单位矩阵；则，
[0075][0076][0077]
式中，为中第u行、第v列元素，u和v∈[1，n]表示矩阵维度；表示u维向量，av为目标数据集a的v维矩阵，ai为目标数据集a的第i个数 据断面，a'j为a'中的第j个数据样本；参数α∈[1,n]。
[0078]
所述相异偏差向量函数通过下式计算：
[0079][0080]
步骤s107中，所述从预设的行波扰动曲线时间序列数组中确定包括所述 目标预测电气量、所述目标预测故障距离的一组目标时间序列数据，包括：
[0081]
获取所述防护曲线时间序列数组中，存在故障距离与所述目标预测故障距 离相等的至少一组第一时间序列数据；
[0082]
从所述第一时间序列数据中，确定与所述目标预测配电线路电气量的误差 在预设阈值内的至少一组第二时间序列数据；
[0083]
从所述第二时间序列数据中，确定目标时间序列数据。
[0084]
此外，本发明具体实施方式中的方法还包括：
[0085]
获取训练数据集，所述训练数据集包括n个不同安全监测周期的历史数 据，每个所述历史数据包括配电线路在不同时间的电气量和故障距离；
[0086]
利用所述训练数据集对所述数据预测模型进行训练，训练时，利用反向传 播法以及梯度下降法更新所述数据预测模型的参数，直至第i个历史数据对应 预测电路运行状态数据与第i+1个历史数据的误差值满足预设条件，得到训练 好的数据预测模型。
[0087]
可选的，数据预测模型可以是模糊神经网络模型，例如可以是包括5层的 网格结构的模糊神经网络模型，第1层为输入层，用于完成行驶数据的输入， 第2层为模糊层，采用高斯隶属度根据聚类算法结果计算各个输入量的模糊隶 属度，第3层为模糊计算层，完成对规则的前件参数计算，第4层进行模糊推 理并计算模糊规则的输出，完成对规则的后件参数计算，第5层为输出层，完 成清晰化过程输出控制量，即输出预测电路运行状态数据。
[0088]
其中，该训练好的运行数据预测模型的训练过程可以是，首先获取训练样 本集，该训练样本集包括多个安全监测周期的目标时间序列数据和配电线路当 前的状态数据，以及每个周期的目标时间序列数据和配电线路当前的状态数据 对应的下一安全监测周期的实际运行数据，利用该训练样本集对运行数据预测 模型进行训练，训练时，将同一安全监测周期的目标时间序列数据和配电线路 当前的状态数据输入运行数据预测模型中，得到对应的预测运行数据，基于该 预测运行数据和该安全监测周期对应的实际运行数据的误差，利用反向传播法 以及梯度下降法更新该运行数据预测模型的参数，直至预测得到的
预测运行数 据与其对应的实际运行数据的误差小于预设阈值，该预设阈值可以根据实际需 求设置，此处不对其具体数值作出限制，但应当理解的是，预设阈值的值越小， 预测得到的运行数据的准确度越高。
[0089]
此外，本发明提出的一种智慧用电管理电气安全预警方法还包括：
[0090]
获取与预测电路运行状态数据同一周期的配电线路的实际电路运行状态 数据；
[0091]
基于所述实际电路运行状态数据、所述预测电路运行状态数据之间的变化 量，确定预测误差值；
[0092]
基于所述预测误差值对所述预先训练好的数据预测模型的输出值进行误 差补偿校正。
[0093]
实施例2：基于同样的发明构思，本技术实例还提供了一种智慧用电管 理电气安全预警系统，其作为实施例1对应的虚拟系统，具体过程及原理在前 文已叙述清楚，为简要描述，此处不再赘述。
[0094]
本技术实施2的智慧用电管理电气安全预警系统，包括：
[0095]
设置模块，用于在预先定义的电气安全监测区域范围的网络主干馈线出线 位置安装行波检测装置和通信装置；
[0096]
监测模块，用于获取电气设备的配电线路在预设时间长度内的电路运行状 态数据；所述电路运行状态数据包括在不同采样时刻配电线路上的电气量；所 述电气量包括电压行波、电流行波、模量行波和/或相量行波；
[0097]
选取模块，用于在电路运行状态数据中，选取由设备故障引起行波扰动的 电气量作为构建目标数据集的数据断面；
[0098]
状态预测模块，用于基于所述目标数据集和预先训练好的数据预测模型， 得到所述电气设备的配电线路在下一个安全监测周期的预测电路运行状态数 据，所述下一个安全监测周期为预先设置的时间长度；
[0099]
第一获取模块，用于若所述预测电路运行状态数据触发预先定义的行波扰 动曲线，获取所述预测电路运行状态数据中第一次触发所述行波扰动曲线时的 目标预测电气量和目标预测故障距离；
[0100]
第二获取模块，用于从行波扰动曲线的时间序列数组中选取包括所述目标 预测电气量和目标预测故障距离的一组目标时间序列数据；其中，所述行波扰 动曲线时间序列数组包括多组配电线路在不同故障时刻下行波扰动点对应的 电气量和故障距离；
[0101]
预警模块，用于根据所述目标时间序列数据和所述配电线路当前的电路运 行状态数据，输出所述电气设备的配电线路在下一个安全监测周期的电路运行 状态数据，以使所述电气设备根据所述电路运行状态数据控制运行。
[0102]
实施例3：请参阅图2，实施例3为本技术实施例提供的一种电子设备200。 所述电子设备200包括：收发器210、存储器220、通讯总线230、处理器240。
[0103]
所述收发器210、所述存储器220、处理器240各元件相互之间直接或间 接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一 条或多条通讯总线230或信号线实现电性连接。其中，收发器210用于收发数 据。存储器220用于存储计算机程序，如存储有软件功能模块，即配电线路安 全防护装置100。其中，配电线路安全防护装置100包括至少一个可以软件或 固件(firmware)的形式存储于所述存储器220中或固化在所述
电子设备200 的操作系统(operating system，os)中的软件功能模块。所述处理器240， 用于执行存储器220中存储的可执行模块，例如配电线路安全防护装置100 包括的软件功能模块或计算机程序。
[0104]
此时，处理器240，用于在预先定义的电气安全监测区域范围的网络主干 馈线出线位置安装行波检测装置和通信装置；获取电气设备的配电线路在预设 时间长度内的电路运行状态数据；所述电路运行状态数据包括在不同采样时刻 配电线路上的电气量；所述电气量包括电压行波、电流行波、模量行波和/或 相量行波；
[0105]
在电路运行状态数据中，选取由设备故障引起行波扰动的电气量作为构建 目标数据集的数据断面；
[0106]
基于所述目标数据集和预先训练好的数据预测模型，得到所述电气设备的 配电线路在下一个安全监测周期的预测电路运行状态数据，所述下一个安全监 测周期为预先设置的时间长度；
[0107]
若所述预测电路运行状态数据触发预先定义的行波扰动曲线，获取所述预 测电路运行状态数据中第一次触发所述行波扰动曲线时的目标预测电气量和 目标预测故障距离；
[0108]
从行波扰动曲线的时间序列数组中选取包括所述目标预测电气量和目标 预测故障距离的一组目标时间序列数据；其中，所述行波扰动曲线时间序列数 组包括多组配电线路在不同故障时刻下行波扰动点对应的电气量和故障距离； 根据所述目标时间序列数据和所述配电线路当前的电路运行状态数据，输出所 述电气设备的配电线路在下一个安全监测周期的电路运行状态数据，以使所述 电气设备根据所述电路运行状态数据控制运行。
[0109]
其中，存储器220可以是，但不限于，随机存取存储器 (random access memory，ram)，只读存储器(read only memory，rom)， 可编程只读存储器(programmable read-only memory，prom)，可擦除只读存 储器(erasable programmable read-only memory，eprom)，电可擦除只读存 储器(electric erasable programmable read-only memory，eeprom)等。
[0110]
处理器240可能是一种集成电路芯片，具有信号的处理能力，例如可以是 运行vxworks(嵌入式实时操作系统)的imx6芯片。上述的处理器也可以是 通用处理器，包括中央处理器(central processing unit，cpu)、网络处理 器(network processor，np)等；还可以是数字信号处理器(digital signalprocessor，dsp)、专用集成电路(application specific integrated circuit， asic)、现场可编程门阵列(field programmable gate array，fpga)或者其他 可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者 执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微 处理器或者该处理器240也可以是任何常规的处理器等。
[0111]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限 制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人 员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未 脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利 要求保护范围之内。