一种基于大数据的电能质量与可靠性分析方法与流程

本发明涉及电网运营维护技术领域，具体涉及一种基于大数据的电能质量与可靠性分析方法。

背景技术：

随着经济的发展和科学技术的进步，在日常生活和生产活动中对电能的需求量也快速增加，同时对电能质量的要求也越来越苛刻。为了提高电网容纳量和保证电能质量，电网日趋庞大复杂，越来越多的专业设备被应用在电网中。各种专业设备型号不同，性能也有差异，对设备的合理选择和使用集中体现在电网运行的可靠性和电能质量上。因而监测电网运行可靠性和电能质量，也成了电网运营管理中必不可少的工作。而目前电网的监测系统，多为功能单一的专项系统，如电网电能谐波监测系统和发电设备远程监测与诊断系统等，各系统间不能统筹兼顾，导致电网运营单位的技术人员需要运行和维护多种不同系统，而掌握各种系统的使用方法本身也具有一定难度和工作量。因而需要研制出一种综合快速的多功能的电网可靠性和电能质量监测和评价系统。

中国专利cn206420954u，公开日2017年8月18日，动态谐波监测设备及电网管控平台，包括主控室、避雷器故障诊断装置和动态谐波监测设备，避雷器故障诊断装置生成避雷器故障诊断数据，主控室读取谐波特性数据及避雷器故障诊断数据，生成并显示监测数据。其中，动态谐波监测设备，包括配电网、测量数据采集器、测量数据处理器、通信装置和监控装置，测量数据采集器生成电压电流数据，测量数据处理器生成谐波数据，监控装置接收通信装置发送的谐波数据并进行分析处理，生成谐波特性数据，最终显示谐波数据及谐波特性数据，该技术方案缓解了现有技术存在的监测数据远距离传输功耗高的技术问题，降低了通信损耗，提高了电能质量。但其仅能监测电能中谐波的情况，功能单一，难以满足整个电网的监测任务。

技术实现要素：

本发明要解决的技术问题是：目前电力监测系统功能单一的技术问题。提出了一种具有多种监测功能的使用简便的基于大数据的电能质量与可靠性分析方法。

为解决上述技术问题，本发明所采取的技术方案为：一种基于大数据的电能质量与可靠性分析方法，适用于包括大数据服务器和重点负载监测装置的电网，所述重点负载监测装置监测目标电网内的重点负载的启闭状态，重点负载监测装置与大数据服务器通信连接，所述基于大数据的电能质量与可靠性分析方法对目标电网分别进行运行安全与质量诊断、供电设备运行质量分析、供电设备故障预警、供电设备检修策略优化和设备利用效率分析；所述运行安全与质量诊断包括电网裕量监测、电网风险模拟和电网谐波分析，所述运行安全与质量诊断包括裕量诊断、风险管控诊断和质量诊断。

作为优选，所述电网裕量诊断的方法包括以下步骤：a1）设定监测时长为一天的0时至24时，在监测时长内以时间间隔t1从大数据服务器读取目标电网的实时负荷数据、运行机组数据、热备用数据、重点负载的启闭状态和额定功率；a2）当由某次获取到的数据推断出，运行机组所提供的最大供电功率加上热备用功率小于实时负荷功率与全部未启动重点负载额定功率的和时，记录该时刻；a3）计算记录的时刻数量占监测时长内数据读取总次数的百分比，当该百分比大于设定阈值时，电网运行安全的裕量诊断为裕量不合格，反之电网运行安全的裕量诊断为裕量合格；所述重点负载的确定方法包括以下步骤：b1）统计目标电网内的负载额定功率和历史启闭记录，将负载按额定功率由大到小的顺序排列作为负载表，将一天划分为24个时段，根据历史运行信息计算每个时段目标电网的平均负载；b2）选择某个时段，按负载表依次判断每个负载，若该负载的历史启闭记录在该时段存在至少一次开启记录，则将该负载列入该时段的重点负载，若该负载的历史启闭记录在该时段均为关闭则跳过该负载，直到所列入的重点负载的总功率达到该时段平均负载的5%；b3）重复步骤b2直到所有时刻被分析。

作为优选，所述电网风险模拟按照以下步骤工作：c1）从目标电网大数据服务器读取目标电网拓扑结构、设备实时台账信息和历史故障信息；c2）根据目标电网拓扑结构和设备实时台账信息建立电网运行的实时模型；c3）根据历史故障信息，将历史设备故障在实时模型中重现，由模型推断出在目标电网中故障造成的结果，若故障导致目标电网中其他支路故障，则电网运行安全的风险管控诊断为风险管控不合格，反之将电网运行安全诊断为风险管控合格。电网在某一支路出现故障时，应在第一时间内将故障隔离，避免其扩大影响范围，而对电网进行模型建立并进行故障模拟，可以判断电网的组网方式和设备选择是否合理。

作为优选，所述电网谐波分析包括以下步骤：d1）在目标电网设置若干个电压采集点，以20khz频率对电压采集点采样获取时间长度为t2的采样数据，将采样数据进行分段处理，每段长度为104个数据值，数据分段之间有部分重叠；d2）将分段后的数据段进行快速傅里叶变换得到该数据段的频率组成及其幅值，在将全部数据段的频率组成合并，各频率组成的幅值取各次结果的均值，合并后的频率组成及其幅值作为本周期内检测所得的电网电压波形的频谱；d3）若其中存在高于50hz的频率组成且其幅值大于50hz频率组成幅值的2%，则目标电网谐波诊断为不合格，反之，目标电网谐波诊断为合格，所述时间长度t2大于或等于10分钟。电网中存在很多非线性器件，这些非线性器件将导致电网中出现非工频谐波分量，谐波分量将导致电网损耗增加，设备发热量增大，某些情况下还会造成电网故障，因而需要对电网中谐波分量的成分和幅值进行监测。

作为优选，所述供电设备运行质量分析的方法包括以下步骤：e1）设定供电设备运行质量评分为5，根据该供电设备静态数据和运行时序数据，以15分钟为周期采样，计算出该供电设备的平均负载率，若平均负载率超过85%则将该供电设备质量评分减1；e2）若在设定周期t3内检修频次低于设定阈值则将该供电设备质量评分减1；e3）若该供电设备的直接关联设备以及与其直接关联设备直接关联的设备，在设定周期t3内存在保护动作或故障，则将该供电设备质量评分减1；e4）根据外部气象数据，若在设定周期t3内，该供电设备的工作环境温度、湿度和风力等级存在超过设定阈值的情况，则将该供电设备质量评分减1；e5）若供电设备质量评分大于或等于3则判定该供电设备运行质量合格，反之，则判定该供电设备运行质量不合格。供电设备质量评分越高表明该设备运转在更好的状态。作为可选，所述设定周期t3为3个月，检修频次的设定阈值为2次/月。所述工作环境温度、湿度和风力等级的设定阈值根据当地气象条件设置，作为可选，所述工作环境温度、湿度和风力等级的设定阈值均取全年对应记录的平均值。

作为优选，所述供电设备故障预警方法为：以15分钟为周期从目标电网大数据服务器获取供电设备静态数据、运行时序数据和检修计划，与供电设备的故障模型对比，对供电设备进行故障预警，而后与供电设备的寿命模型对比，对供电设备的故障率进行预测；所述故障模型由设备历史故障信息和历史电网运行信息建立出电网电压采集节点电压矢量、设备负载率和检修频率与设备故障的映射关系；所述寿命模型由设备历史故障信息、设备运行时长和设备运行功率时序记录，将设备运行功率时序记录在运行时长上积分获得设备运行能量值，将设备运行能量值与设备故障率建立映射关系。通过建立寿命模型，可以快速的估计出设备的故障率。设备的故障率通常与其工作时长和材料老化程度有关，而材料老化程度与工作时长和运行能量有关，一般设备的运行功率在一个较小的范围内，因而运行能量也能一定程度上反映出运行时长，因而可以仅由运行能量与设备的故障率建立函数关系进行设备故障率的预测。

作为优选，所述供电设备检修策略优化的方法包括以下步骤：f1）计算设备维护成本和检修成本，所述设备维护成本为对设备进行保养维修的成本，所述检修成本为在检修过程中停电导致的失电成本；f2）由所述设备折旧和气象信息计算出设备的故障率，将设备故障率乘以该设备故障时导致的失电成本和维修成本得到风险成本；f3）将设备维护成本、检修成本和风险成本的和作为目标函数，将设定周期内的检修次数作为决策变量，采用单纯形法求出设定周期内的最佳检修次数；其中，所述设备的故障率由设备折旧以及气象信息与设备故障率模型对比获得，所述设备故障率模型的建立方法为：将设备运行功率时序记录在运行时长上积分获得设备运行能量值，将设备运行能量值和气象信息与设备故障率建立映射关系作为设备故障率模型。检修增加将会增加设备维护成本和检修成本，但会降低风险成本，因而检修成本的最低方案求解问题可以作为线性规划问题进行求解。作为可选，所述设定周期为0.5~2个月。

作为优选，所述设备利用效率分析的方法为：以周期t4从目标电网大数据服务器获取全部供电设备静态数据、运行时序数据、检修计划、关联设备运行信息和气象数据，根据供电设备静态数据和运行时序数据求出该供电设备的平均负载率，根据该供电设备的寿命模型计算出该供电设备的故障率；由检修计划、关联设备运行信息和气象数据计算出该供电设备的稳定率，计算方法为：若周期t4内检修频次大于设定阈值则将故障率降低20%，若周期t4内关联设备未出现过保护动作或故障则将故障率降低10%，若周期t4内由气象数据得出该供电设备工作环境温度、湿度和风力处于设定区间内则将故障率降低10%，将最终的故障率与100%的差值的绝对值作为稳定率，将该供电设备的平均负载率与稳定率的积作为该供电设备的利用率，将目标电网内全部供电设备的利用率的均值作为目标电网的利用率；所述寿命模型的建立方法为：将设备运行功率时序记录在运行时长上积分获得设备运行能量值，将设备运行能量值与设备故障率建立映射关系。作为可选，所述频次的设定阈值为2次/月，所述工作环境温度、湿度和风力等级的设定阈值均取当地全年对应记录的平均值。

本发明的实质性效果是：能够全面的对电网运行可靠性和电能质量进行评价，并指出电网运行的薄弱环节，利于电网优化，同时能够结合电网实际运行情况，对设备检修计划进行优化。

附图说明

图1为电网风险模拟的工作流程框图。

图2为供电设备的质量分析方法的流程框图。

具体实施方式

下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。

本发明所公开的基于大数据的电能质量与可靠性分析方法，适用于包括大数据服务器和重点负载监测装置的电网，重点负载监测装置监测目标电网内的重点负载的启闭状态，重点负载监测装置与大数据服务器通信连接，基于大数据的电能质量与可靠性分析方法对目标电网分别进行运行安全与质量诊断、供电设备运行质量分析、供电设备故障预警、供电设备检修策略优化和设备利用效率分析；运行安全与质量诊断包括电网裕量监测、电网风险模拟和电网谐波分析，运行安全与质量诊断包括裕量诊断、风险管控诊断和质量诊断。

作为推荐的实施方式，电网裕量诊断的方法包括以下步骤：a1）设定监测时长为一天的0时至24时，在监测时长内以时间间隔t1从大数据服务器读取目标电网的实时负荷数据、运行机组数据、热备用数据、重点负载的启闭状态和额定功率；a2）当由某次获取到的数据推断出，运行机组所提供的最大供电功率加上热备用功率小于实时负荷功率与全部未启动重点负载额定功率的和时，记录该时刻；a3）计算记录的时刻数量占监测时长内数据读取总次数的百分比，当该百分比大于设定阈值时，电网运行安全的裕量诊断为裕量不合格，反之电网运行安全的裕量诊断为裕量合格；重点负载的确定方法包括以下步骤：b1）统计目标电网内的负载额定功率和历史启闭记录，将负载按额定功率由大到小的顺序排列作为负载表，将一天划分为24个时段，根据历史运行信息计算每个时段目标电网的平均负载；b2）选择某个时段，按负载表依次判断每个负载，若该负载的历史启闭记录在该时段存在至少一次开启记录，则将该负载列入该时段的重点负载，若该负载的历史启闭记录在该时段均为关闭则跳过该负载，直到所列入的重点负载的总功率达到该时段平均负载的5%；b3）重复步骤b2直到所有时刻被分析。裕量是否充足是判断电网运行是否安全的重要依据之一，在裕量充足的情况下，大功率负载的突然接入不会引起电网电能质量的大幅度波动。

如图1所示，作为推荐的实施例，电网风险模拟按照以下步骤工作：c1）从目标电网大数据服务器读取目标电网拓扑结构、设备实时台账信息和历史故障信息；c2）根据目标电网拓扑结构和设备实时台账信息建立电网运行的实时模型；c3）根据历史故障信息，将历史设备故障在实时模型中重现，由模型推断出在目标电网中故障造成的结果，若故障导致目标电网中其他支路故障，则电网运行安全的风险管控诊断为风险管控不合格，反之将电网运行安全诊断为风险管控合格。电网在某一支路出现故障时，应在第一时间内将故障隔离，避免其扩大影响范围，而对电网进行模型建立并进行故障模拟，可以判断电网的组网方式和设备选择是否合理。

作为推荐的实施方式，电网谐波分析包括以下步骤：d1）在目标电网设置若干个电压采集点，以20khz频率对电压采集点采样获取时间长度为t2的采样数据，将采样数据进行分段处理，每段长度为104个数据值，数据分段之间有部分重叠；d2）将分段后的数据段进行快速傅里叶变换得到该数据段的频率组成及其幅值，在将全部数据段的频率组成合并，各频率组成的幅值取各次结果的均值，合并后的频率组成及其幅值作为本周期内检测所得的电网电压波形的频谱；d3）若其中存在高于50hz的频率组成且其幅值大于50hz频率组成幅值的2%，则目标电网谐波诊断为不合格，反之，目标电网谐波诊断为合格，时间长度t2大于或等于10分钟。电网中存在很多非线性器件，这些非线性器件将导致电网中出现非工频谐波分量，谐波分量将导致电网损耗增加，设备发热量增大，某些情况下还会造成电网故障，因而需要对电网中谐波分量的成分和幅值进行监测。

作为推荐的实施方式，供电设备运行质量分析的方法包括以下步骤：e1）设定供电设备运行质量评分为5，根据该供电设备静态数据和运行时序数据，以15分钟为周期采样，计算出该供电设备的平均负载率，若平均负载率超过85%则将该供电设备质量评分减1；e2）若在设定周期t3内检修频次低于设定阈值则将该供电设备质量评分减1；e3）若该供电设备的直接关联设备以及与其直接关联设备直接关联的设备，在设定周期t3内存在保护动作或故障，则将该供电设备质量评分减1；e4）根据外部气象数据，若在设定周期t3内，该供电设备的工作环境温度、湿度和风力等级存在超过设定阈值的情况，则将该供电设备质量评分减1；e5）若供电设备质量评分大于或等于3则判定该供电设备运行质量合格，反之，则判定该供电设备运行质量不合格。供电设备质量评分越高表明该设备运转在更好的状态。

作为推荐的实施方式，供电设备故障预警方法为：以15分钟为周期从目标电网大数据服务器获取供电设备静态数据、运行时序数据和检修计划，与供电设备的故障模型对比，对供电设备进行故障预警，而后与供电设备的寿命模型对比，对供电设备的故障率进行预测；故障模型由设备历史故障信息和历史电网运行信息建立出电网电压采集节点电压矢量、设备负载率和检修频率与设备故障的映射关系；寿命模型由设备历史故障信息、设备运行时长和设备运行功率时序记录，将设备运行功率时序记录在运行时长上积分获得设备运行能量值，将设备运行能量值与设备故障率建立映射关系。通过建立寿命模型，可以快速的估计出设备的故障率。设备的故障率通常与其工作时长和材料老化程度有关，而材料老化程度与工作时长和运行能量有关，一般设备的运行功率在一个较小的范围内，因而运行能量也能一定程度上反映出运行时长，因而可以仅由运行能量与设备的故障率建立函数关系进行设备故障率的预测。

作为推荐的实施方式，供电设备检修策略优化的方法包括以下步骤：f1）计算设备维护成本和检修成本，设备维护成本为对设备进行保养维修的成本，检修成本为在检修过程中停电导致的失电成本；f2）由设备折旧和气象信息计算出设备的故障率，将设备故障率乘以该设备故障时导致的失电成本和维修成本得到风险成本；f3）将设备维护成本、检修成本和风险成本的和作为目标函数，将设定周期内的检修次数作为决策变量，采用单纯形法求出设定周期内的最佳检修次数；其中，设备的故障率由设备折旧以及气象信息与设备故障率模型对比获得，设备故障率模型的建立方法为：将设备运行功率时序记录在运行时长上积分获得设备运行能量值，将设备运行能量值和气象信息与设备故障率建立映射关系作为设备故障率模型。检修增加将会增加设备维护成本和检修成本，但会降低风险成本，因而检修成本的最低方案求解问题可以作为线性规划问题进行求解。

作为推荐的实施方式，设备利用效率分析的方法为：以周期t4从目标电网大数据服务器获取全部供电设备静态数据、运行时序数据、检修计划、关联设备运行信息和气象数据，根据供电设备静态数据和运行时序数据求出该供电设备的平均负载率，根据该供电设备的寿命模型计算出该供电设备的故障率；由检修计划、关联设备运行信息和气象数据计算出该供电设备的稳定率，计算方法为：若周期t4内检修频次大于设定阈值则将故障率降低20%，若周期t4内关联设备未出现过保护动作或故障则将故障率降低10%，若周期t4内由气象数据得出该供电设备工作环境温度、湿度和风力处于设定区间内则将故障率降低10%，将最终的故障率与100%的差值的绝对值作为稳定率，将该供电设备的平均负载率与稳定率的积作为该供电设备的利用率，将目标电网内全部供电设备的利用率的均值作为目标电网的利用率；寿命模型的建立方法为：将设备运行功率时序记录在运行时长上积分获得设备运行能量值，将设备运行能量值与设备故障率建立映射关系。设备利用率主要体现在负载率上，然而若没有做好设备检修保养工作，高的负载率反而会对电网产生不利影响，因而需要综合考量设备负载率和稳定率作为设备的利用效率。

以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。