一种基于大数据分析的电力系统智能监控系统及监控方法与流程

本发明涉及一种基于大数据分析的电力系统智能监控系统及监控方法。

背景技术：

伴随着我国经济的迅猛发展和技术的进步，在电力系统中，红外测温技术、局部放电(局部放电)、可见光技术、声音传感技术已经较为成熟，能够通过在线监控的方式，在控制端得到现场的红外温度、红外图像、局部放电数据、照片、视频、声音等。但在数据的使用上，目前都是基于实时或周期取得的数据进行报警判断，没有对数据进行大数据相关的应用。

技术实现要素：

本发明提供一种基于大数据分析的电力系统智能监控系统及监控方法，提高了报警判断和预测的准确度，提高了运维人员的工作效率，提高了电力系统设备的安全级别。

为了达到上述目的，本发明提供一种基于大数据分析的电力系统智能监控系统，包含：

多个局部放电传感器，其分别设置在各个电力设备上，用于采集电力设备的局部放电数据；

多个温度传感器，其分别设置在各个电力设备上，用于采集电力设备的温度数据；

数据存储模块，其连接局部放电传感器和温度传感器，用于存储数据；

数据分析模块，其连接数据存储模块，用于对局部放电数据和温度数据进行历史数据纵向分析，关联设备数据横向分析，以及多维数据横向分析；

数据展示和预警模块，其连接数据分析模块，用于展示数据分析模块的分析结果，并根据数据分析模块的分析结果进行预警。

所述的局部放电传感器和温度传感器布置在各个单独的电力设备上，监测同类设备的多个局部放电传感器或监测同类设备的多个温度传感器称为关联设备，所述的同类设备是指位置相近、所处环境相同或相近、种类相同的电力设备。

本发明还提供一种基于大数据分析的电力系统智能监控方法，包含：

局部放电传感器采集电力设备的局部放电数据，温度传感器采集电力设备的温度数据；

数据存储模块存储局部放电数据和温度数据；

数据分析模块对局部放电数据和温度数据进行历史数据纵向分析，关联设备数据横向分析，以及多维数据横向分析；

数据展示和预警模块展示数据分析模块的分析结果，并根据数据分析模块的分析结果进行预警。

局部放电传感器和温度传感器以相同的频率同步采集数据。

所述的历史数据纵向分析包含：

将每个传感器的所有纵向数据按照时间顺序平均分成多组；

计算每组数据的均值；

计算相邻两组数据均值之间的变化量δz；

计算时间最近的一组数据的均值与均值最低的一组数据的均值之间的变化量δy；

如果δz或δy超过第一阈值a，则直接产生预警信息；

如果δy超过第二阈值b的次数达到m次，则产生预警信息；

如果δy超过第三阈值c的次数达到n次，则产生预警信息。

第一阈值a>第二阈值b>第三阈值c。

所述的关联设备数据横向分析包含：

计算同一组关联设备中的传感器的数据变化率δx＝|xa-xb|/xm，如果数据变化率δx超过设定阈值，则产生预警信息；

其中，xa为同一组关联设备中的传感器的数据最大值，xb为同一组关联设备中的传感器的数据最小值，xm为同一组关联设备中的传感器的数据平均值。

所述的多维数据横向分析包含：

针对同一个被监测电力设备，如果温度传感器的历史数据纵向分析结果达到了阈值的80％且局部放电传感器的关联设备数据横向分析结果达到了阈值的80％，或者局部放电传感器的历史数据纵向分析结果达到了阈值的80％且温度传感器的关联设备数据横向分析结果达到了阈值的80％，则产生预警信息。

本发明基于大数据实现了历史数据纵向分析，关联设备数据横向分析，以及多维数据横向分析，提高了报警判断和预测的准确度，提高了运维人员的工作效率，提高了电力系统设备的安全级别。

附图说明

图1是本发明提供的一种基于大数据分析的电力系统智能监控系统的示意图。

图2是本发明提供的一种基于大数据分析的电力系统智能监控方法的流程图。

具体实施方式

以下根据图1和图2具体说明本发明的较佳实施例。

在异常发生前，异常指标会逐渐提高，如局部放电的最大放电量、放电频次等会逐渐增加，异常点的温度也会逐渐提高，因此对历史数据的分析，能够实现有效的预警。

由于气候、环境的变化，设备工作状态的不同，都会引起温度、局部放电参数等的变化。如开关柜母排，在冬天与夏天的温度存在较为明显的差别。但是相同的环境条件下的母排，温度应该在相同的区间。通过关联设备数据的横向分析，也能够提高分析的准确度。

电力系统设备发生异常时，一般会产生多种现象，如发生局部放电时，一般会异常发热，甚至伴随着异常声音，因此针对异常时刻的多维关联数据分析，能提高分析的准确度。

如图1所示，本发明提供一种基于大数据分析的电力系统智能监控系统，包含：

多个局部放电传感器1，其分别设置在各个电力设备上，用于采集电力设备的局部放电数据；

多个温度传感器2，其分别设置在各个电力设备上，用于采集电力设备的温度数据；

数据存储模块3，其连接局部放电传感器1和温度传感器2，用于存储数据；

数据分析模块4，其连接数据存储模块3，用于对局部放电数据和温度数据进行历史数据纵向分析，关联设备数据横向分析，以及多维数据横向分析；

数据展示和预警模块5，其连接数据分析模块4，用于展示数据分析模块4的分析结果，并根据数据分析模块4的分析结果进行预警。

在本发明的一个实施例中，电力系统智能监控系统中的局部放电传感器和温度传感器可以布局在变电站、开关站、配电站等电力设施中，具体地，将局部放电传感器和温度传感器布置在各个单独的电力设备上，例如，每一个套管柱头上都要设置一个局部放电传感器，每一个母排上都要设置一个温度传感器，以便于进行关联设备数据的横向分析。数据分析模块和数据展示和预警模块可以布局在电力系统控制端或主站，便于统一监控和调配。

如图2所示，本发明还提供一种基于大数据分析的电力系统智能监控方法，包含以下步骤：

步骤s1、局部放电传感器采集电力设备的局部放电数据，温度传感器采集电力设备的温度数据；所述的局部放电数据至少包含：局部放电最大值、局部放电均值、放电频次；在本发明的一个实施例中，各传感器的每次数据采集都要在同一时刻进行，时间精确到毫秒，采集频率为每10分钟采集一次；

步骤s2、数据存储模块存储局部放电数据和温度数据；

步骤s3、数据分析模块对局部放电数据和温度数据进行历史数据纵向分析，关联设备数据横向分析，以及多维数据横向分析；

步骤s4、数据展示和预警模块展示数据分析模块的分析结果，并根据数据分析模块的分析结果进行预警。

进一步，所述的历史数据纵向分析包含：

将每个传感器的所有纵向数据按照时间顺序平均分成多组；

计算每组数据的均值；

计算最近的一组数据的均值与均值最低的一组数据的均值之间的变化量δz，计算相邻两组数据均值之间的变化量δy：

第一阈值a，表示δz、δy将直接引起预警的阈值；

第二阈值b，表示δy连续出现m次，会引起预警的阈值；

第三阈值c，表示δy连续出现n次，会引起预警的阈值；

且a>b>c。

如果δz或δy超过第一阈值a，则直接产生预警信息；

如果δy超过第二阈值b的次数达到m次，则产生预警信息；

如果δy超过第三阈值c的次数达到n次，则产生预警信息；

在本发明的一个实施例中，每个传感器的纵向数据，至少要分析1000条的历史数据，如果总数据量不足1000条，则分析所有数据。以每6条数据为一组，计算每组数据的均值。使用分组后的均值，可以降低偶现的测试异常带来的影响。

对于温度传感器，现行的带电设备红外规范为《dlt664-2016带电设备红外诊断应用规范》，其中定义了不同对象报警的绝对值。假设监控的对象为套管柱头，按照标准，测点温度超过55度则为严重缺陷，超过80度则为紧急缺陷，环境温度一般为30度。所以，根据经验和电力设备发热特性，为了有效预测，当近期温度变化超过25度，即使没有达到55度时，应该进行预警，因此定义第一阈值a＝25，第二阈值b＝8，连续出现次数m＝3，第三阈值c＝5，连续出现次数n＝5。当超过b的次数达到3次时，表示近期持续温升已不低于24度，应产生一个预警；当超过c的次数达到5次时，温升不低于25度。

对于局部放电传感器，报警标准一般使用厂家自定义标准，思路和温度传感器一致，通过将历史数据分组的比较分析，完成预警参数的设置。同样假设监控的对象为套管柱头，选用的为特高频传感器，定义a＝1000，b＝400，c＝200，m＝2，n＝5。

所述的关联设备数据横向分析包含：

计算同一组关联设备中的传感器的数据变化率δx＝|xa-xb|/xm，其中，xa为同一组关联设备中的传感器的数据最大值，xb为同一组关联设备中的传感器的数据最小值，xm为同一组关联设备中的传感器的数据平均值；

如果数据变化率δx超过设定阈值，则产生预警信息。

所述的关联设备是指：监测对象属于同类设备的多个传感器，所述的同类设备是指位置相近、所处环境相同或相近、种类相同的电力设备。

在本发明的一个实施例中，比如同一现场的，都在运行的10kv开关柜内，监控母排的多个传感器则归为一组关联设备。

在本发明的另一个实施例中，同一组关联设备中的多个温度传感器的检测对象是套管柱头，则当数据变化率δx>35％时，产生预警信息。

当多种传感器同时检测到异常时，需要提高报警或预警级别。

所述的多维数据横向分析包含：

针对同一个被监测电力设备，如果温度传感器的历史数据纵向分析结果达到了阈值的80％且局部放电传感器的关联设备数据横向分析结果达到了阈值的80％，或者局部放电传感器的历史数据纵向分析结果达到了阈值的80％且温度传感器的关联设备数据横向分析结果达到了阈值的80％，则产生预警信息。

在本发明的一个实施例中，同一个被监测设备，在温度历史数据纵向分析时，若n＝4，表示4个小时温度变化为20度(表示达到了阈值c的80％)；在关联设备数据横向分析时，局部放电峰值δx＝30％(局部放电峰值比相关设备最高高了30％，阈值的85％)，虽然单一维度数据均没达到报警条件，但是两维数据都达到了80％，异常的准确度很高，则应产生一个预警信息。

在本发明的一个实施例中，所述的数据展示和预警模块显示分析结果和预警信息，预警信息中包括监测对象、设备位置、预警原因等。

本发明基于大数据实现了历史数据纵向分析，关联设备数据横向分析，以及多维数据横向分析，提高了报警判断和预测的准确度，提高了运维人员的工作效率，提高了电力系统设备的安全级别。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。