[发明专利]一种基于计量自动化系统的配电网失压故障诊断方法和装置在审

专利信息
申请号: 201810008050.2 申请日: 2018-01-04
公开(公告)号: CN108227678A 公开(公告)日: 2018-06-29
发明(设计)人: 蔡永智;任龙霞;阙华坤;林国营;党三磊;孙勇;卢世祥 申请(专利权)人: 广东电网有限责任公司电力科学研究院
主分类号: G05B23/02 分类号: G05B23/02
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 张春水;唐京桥
地址: 510080 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 失压 配电网 计量自动化 故障诊断 方法和装置 电压数据 故障检测 训练建模 诊断结果 断续 排查 预置 运维 突变 抽取 诊断 检测
【权利要求书】:

1.一种基于计量自动化系统的配电网失压故障诊断方法,其特征在于,包括:

实时抽取计量自动化系统的待诊断电压数据并输入到包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果。

2.根据权利要求1所述的一种基于计量自动化系统的配电网失压故障诊断方法,其特征在于,实时抽取计量自动化系统的待诊断电压数据并输入到包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果,具体包括:

S1:从计量自动化系统中抽取预置时间段内的失压故障电压历史数据,并将所述失压故障电压历史数据进行数据变换,得到包括突变失压指标、趋势失压指标和断续失压指标的失压故障电压历史数据建模样本数据;

S2:通过BP神经网络模型对所述建模样本数据进行训练建模得到所述预置训练建模模型;

S3:然后通过所述预置训练建模模型对实时抽取的所述待诊断电压数据进行处理,得到是否失压的诊断结果。

3.根据权利要求1所述的一种基于计量自动化系统的配电网失压故障诊断方法,其特征在于,所述突变失压指标为:

V1:代表电压是否发生突变,逻辑变量,用0和1分别表示发生与不发生两种状态;

其中:α为突降幅度,不同的电压等级需要设置不同的α值,Un为常态电压,即设备正常运行状态时的电压;

T1:代表电压发生突变的最大持续时间是否大于预设值,为逻辑变量,用0和1分别表示是与否两种状态;

其中:t为V1所指突变的持续时间,β为预设值,不同的电压等级需要设置不同的β值。

4.根据权利要求1所述的一种基于计量自动化系统的配电网失压故障诊断方法,其特征在于,所述趋势失压指标为:

代表平均电压系数,用于衡量当前的电压状态;

其中:为计算数据周期内第i相电压均值,Un为常态电压;

ki:代表电压变化曲线斜率,可通过对数据周期内电压变化与时间拟合一元一次方程得到;

Ui=χi+kit

其中:Ui表示数据周期内的第i相电压序列,t为对应时间序列,χi为模型截距。

5.根据权利要求1所述的一种基于计量自动化系统的配电网失压故障诊断方法,其特征在于,所述断续失压指标为:

代表数据周期内,第i相电压发生突增的次数;

其中:表示第i相电压前后两个连续时点上升百分比超过预设值δ(δ∈N),进一步计算为:

代表数据周期内,第i相电压发生突减的次数;

其中:表示第i相电压前后两个连续时点下降百分比超过预设值δ(δ∈N),进一步计算为:

6.一种基于计量自动化系统的配电网失压故障诊断装置,其特征在于,包括:

训练建模诊断单元,用于实时抽取计量自动化系统的待诊断电压数据并输入到包括突变失压指标、趋势失压指标和断续失压指标的预置训练建模模型进行处理,得到是否失压的诊断结果。

7.根据权利要求6所述的一种基于计量自动化系统的配电网失压故障诊断装置,其特征在于,

所述训练建模诊断单元具体包括:

抽取单元,用于从所述计量自动化系统中抽取预置时间段内的失压故障电压历史数据,并将所述失压故障电压历史数据进行数据变换,得到包括突变失压指标、趋势失压指标和断续失压指标的失压故障电压历史数据建模样本数据;

训练建模单元,用于通过BP神经网络模型对所述建模样本数据进行训练建模得到所述预置训练建模模型;

诊断单元,用于通过所述预置训练建模模型对实时抽取的所述待诊断电压数据进行处理,得到是否失压的诊断结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司电力科学研究院,未经广东电网有限责任公司电力科学研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810008050.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top