本发明涉及opgw配网的监测,特别是涉及一种对于opgw配网的综合监测系统。
背景技术:
1、近年来虽然配电网投资逐步増加但短期内仍无法改变配电网基础差、拓扑复杂、迂回交叉供电等问题。尤其是农村公用配电台区问题较多,严重制约了居民用户侧电能质量,影响服务水平。目前,电网公司辖区内低压台区仅具备对配电变压器的数据监测,而缺乏对整个台区的低压接入设备的全状态信息的监测采集和资产管理。导致变压器出线至用户表的低压配网处于监测盲区,管理及运维单位对低压设备运行情况以及低压负荷分布与特点均不掌握,一旦出问题,只能人工排查费时费力。
技术实现思路
1、本发明的目的在于,提出一种对于opgw配网的综合监测系统,解决如何对配网进行全面信息的监测,减少人力物力的浪费,提高电网用户电能质量的技术问题。
2、一方面,提供一种对于opgw配网的综合监测系统,包括:
3、光纤监测模块、异常识别模块、故障定位模块、异常预警模块;
4、所述光纤监测模块,用于实时监测和采集整个opgw配网的线路参数;
5、所述异常识别模块,用于根据采集的线路参数识别配网环境中的异常情况;
6、所述故障定位模块,用于通过预设的雷击故障模型对采集的线路参数进行识别,并根据识别结果定位雷击故障点;
7、所述异常预警模块,用于通过预设的配变设备模型对采集的线路参数进行预测,确定配变的重过载情况,当存在重过载时,输出预警信号。
8、优选地,还包括,
9、显示模块,用于将光纤监测模块、异常识别模块、故障定位模块、异常预警模块的输出信息进行展示,并对异常情况进行报警。
10、优选地,所述异常识别模块具体用于,对采集的线路参数进行预处理,所述预处理至少包括数据清洗、去噪和特征提取;
11、对预处理后的数据进行聚类,将数据分成多个簇,并通过评估簇内离散度和簇间间隔来确定最佳的聚类结果,当簇内离散度大于预设的第一阈值和簇间间隔小于预设的第二阈值时,判定存在异常情况;其中,每个簇代表一种数据模式;
12、为每个聚类簇建立描述正常环境的行为模型,当有新的数据输入时,通过与每个行为模型进行比较,计算数据与行为模型之间的差异度,当差异度大于预设的第三阈值时,判定存在异常情况。
13、优选地,所述异常识别模块还用于,确定聚类结果与行为模型识别结果之间的差异度,确定聚类结果与行为模型识别结果之间的差异度和预设的异常阈值的比较结果;
14、根据该比较结果判断环境是否异常,当聚类结果与行为模型识别结果之间的差异度超过异常阈值时,数据被标记为异常,同时生成相应的警报并记录异常事件的相关信息。
15、优选地,所述通过评估簇内离散度和簇间间隔来确定最佳的聚类结果包括,
16、计算每个簇内样本之间的平均距离,并对所有簇的内部距离求平均值,得到平均簇内离散度;
17、计算每对不同的簇之间的距离,并对所有簇之间的距离求平均值,得到平均簇间间隔;
18、根据平均簇内离散度和平均簇间间隔的值计算轮廓系数;
19、根据轮廓系数的结果,选择使得轮廓系数最大的簇的数量值,表示在该簇的数量值下簇内紧密度最高且簇间分离度最好,得到最佳的聚类结果。
20、优选地,所述故障定位模块具体用于,根据采集的线路参数确定对应的波形、频率和能量分布信息,并提取对应的特征向量,将提取到的特征向量与预先建立的雷击故障模型进行匹配,确定对应的相似度或距离度量;
21、确定的相似度或距离度量确定雷击故障点的位置以及故障类型。
22、优选地,所述故障定位模块还用于,根据采集的历史雷电过程中的电压、电流、电场参数数据,并建立雷击故障模型,所述雷击故障模型用于描述雷电故障的特征和行为,所述雷击故障模型至少包括雷电的波形、频率、能量分布信息。
23、优选地,所述异常预警模块具体用于,通过预设的配变设备模型识别采集的线路参数中的额定参数和负载特性,预测配变设备的负荷;
24、将预测的配变设备的负荷与设定的预警阈值比较,当预测的配变设备的负荷超过预警阈值时,判定存在重过载的风险,并生成相应的预警信号。
25、优选地,所述异常预警模块还用于,获取配变设备的电流、电压、功率参数数据,并建立对应的配变设备模型,所述配变设备模型用于描述配变设备的工作状态和特性,所述配变设备模型至少包括设备的额定参数、负载特性、热耗损参数信息。
26、优选地,所述光纤监测模块具体用于,通过预设于opgw线路中的光纤传感网络对整个opgw线路的温度、应变、振动参数进行实时监测和数据采集。
27、综上,实施本发明的实施例,具有如下的有益效果:
28、本发明提供的对于opgw配网的综合监测系统,通过光纤传感网络,集成配网异常环境智能识别算法、雷击故障快速定位算法、配变重过载异常预警算法,并结合设备模型对算法结果进行实时展示,同时输出预警信息,通过智能化算法和实时展示,提升opgw配网的可靠性、安全性和智能化程度。
1.一种对于opgw配网的综合监测系统,其特征在于,包括:
2.如权利要求1所述的系统,其特征在于,还包括,
3.如权利要求1所述的系统,其特征在于,所述异常识别模块具体用于,对采集的线路参数进行预处理,所述预处理至少包括数据清洗、去噪和特征提取;
4.如权利要求3所述的系统,其特征在于,所述异常识别模块还用于,确定聚类结果与行为模型识别结果之间的差异度,确定聚类结果与行为模型识别结果之间的差异度和预设的异常阈值的比较结果;
5.如权利要求3所述的系统,其特征在于,所述通过评估簇内离散度和簇间间隔来确定最佳的聚类结果包括,
6.如权利要求1所述的系统,其特征在于,所述故障定位模块具体用于,根据采集的线路参数确定对应的波形、频率和能量分布信息,并提取对应的特征向量,将提取到的特征向量与预先建立的雷击故障模型进行匹配,确定对应的相似度或距离度量;
7.如权利要求6所述的系统,其特征在于,所述故障定位模块还用于,根据采集的历史雷电过程中的电压、电流、电场参数数据,并建立雷击故障模型,所述雷击故障模型用于描述雷电故障的特征和行为,所述雷击故障模型至少包括雷电的波形、频率、能量分布信息。
8.如权利要求1所述的系统,其特征在于,所述异常预警模块具体用于,通过预设的配变设备模型识别采集的线路参数中的额定参数和负载特性,预测配变设备的负荷;
9.如权利要求8所述的系统,其特征在于,所述异常预警模块还用于,获取配变设备的电流、电压、功率参数数据,并建立对应的配变设备模型,所述配变设备模型用于描述配变设备的工作状态和特性,所述配变设备模型至少包括设备的额定参数、负载特性、热耗损参数信息。
10.如权利要求1所述的系统,其特征在于,所述光纤监测模块具体用于,通过预设于opgw线路中的光纤传感网络对整个opgw线路的温度、应变、振动参数进行实时监测和数据采集。