一种园区供用电设备全状态信息采集及故障诊断方法

技术领域

本发明属于设备故障诊断技术领域，涉及到一种信息采集及故障诊断方法，具体为一种园区供用电设备全状态信息采集及故障诊断方法。

背景技术

园区以智力密集为依托，集合科研机构、科技公司等形成综合体，以此推动科学技术与经济效益的协调发展，在未来城市规划发展过程中占据重要地位。但园区配电自动化终端数据未接入公司智慧物联体系，业务数据共享程度低，本地计算能力未得到充分发挥，且供电服务运行缺乏有效的供用电设备故障诊断技术，配用电系统多类型故障难以主动发现和自动识别，浪费抢修资源，从而影响园区的安全高效运行。因此，如何实现园区内供用电设备全状态信息采集及故障诊断就成为一个重要问题。

当前设备故障诊断方法有基于加权模糊Petri网的方法，但由于数据源采集的不准确与负荷变动等因素，造成模糊Petri网模型建模不准确，影响了设备故障诊断结果。

发明内容

本发明为了解决上述问题，设计了一种园区供用电设备全状态信息采集及故障诊断方法，可以保证园区内供用电设备的安全高效经济运行。

本发明的具体技术方案是：

一种园区供用电设备全状态信息采集及故障诊断方法，本方案基于园区供用电设备及数据采集、接入系统，深入分析园区供用电设备的故障情况，利用智能融合终端实现数据融合及加权模糊Petri网模型实现故障诊断，具体步骤包括，

步骤一，建立园区供用电设备全状态信息采集及园区智慧物联体系；

步骤二，基于加权模糊Petri网模型建模分析研究；

步骤三，基于加权模糊Petri网的园区供用电线路模型建模；

步骤四，基于加权模糊Petri网的园区供用电变压器模型建模；

步骤五，基于加权模糊Petri网的园区供用电设备故障诊断模型建模及故障分析。

步骤一中，园区供用电设备全状态信息采集内容与数据融合步骤如下：

①安装温度传感器、温湿度传感器、烟感传感器、门禁和水位传感器，对园区供用电设备的温度、湿度、天气和灯光环境信息的采集，对环境信息的采集功能；

②安装智能电表、低压监测单元和电采集中器，对电压、电流、功率和功率因数数据采集；

③安装智能断路器对多种故障状态进行判断保护，包括短路，电缆断线等故障，对直流电弧和交流电弧进行监测；

④安装具备HPLC通信模块功能的智能融合终端，对智能终端设备与温、湿度传感器在线监测。

步骤二中，模糊Petri网结构形式为，

FPN＝(R,T,I,O,H,G) (2-1)；

其中，FPN为加权模糊Petri网模型，R为有限库的集合，T为变迁集合，I为输入方程，O为输出方程，H为映射变迁到其确信因子的方程，G为映射库所到置信度的方程。加权模糊Petri网加入权重和阈值因素，结构形式如下：

FPN＝(Q,I,O,S,μ,Th) (2-2)；

其中，Q＝(q

其中，a(p

其中，SQ(t

步骤三中，园区供用电线路分为送端和受端，对线路两端的保护可以进一步分为受端主保护、送端主保护、受端近后备保护、送端近后备保护、受端远后备保护和送端远后备保护。

所述受端主保护、送端主保护、受端近后备保护、送端近后备保护、受端远后备保护和送端远后备保护，分别用A

规则1，IF X

其中X

规则2，IF X

其中X

规则3，IF X

其中X

规则4，IF X

其中X

规则5，IF X

其中X

规则6，IF X

其中X

规则7，IF R

其中园区某一供用电线路保护动作为A

规则8，IF R

其中园区某一供用电线路保护动作为A

规则9，IF R

其中园区某一供用电线路保护动作为A

规则10，IF R

其中园区某一供用电线路保护动作为A

规则11，IF R

其中园区某一供用电线路保护动作为A

规则12，IF R

其中园区某一供用电线路保护动作为A

规则13，IF R

其中园区某一供用电线路保护动作为A

规则14，IF R

其中园区某一供用电线路保护动作为A

规则15，IF R

其中园区某一供用电线路保护动作为A

规则16，

IF R

将以上16个规则转换为园区供用电加权模糊Petri线路模型。

步骤四中，园区借助加装的设备本体、位置监测、环境监测和安防监控传感器的基础数据源，实时配电变压器运行情况与状态信息的全面监测，基于加权模糊Petri网的园区供用电变压器模型建模规则如下：

规则1，IF X

其中X

规则2，IF X

其中X

规则3，IF X

其中X

规则4，

IF R

将以上4个规则转换为园区供用电加权模糊Petri变压器模型。

步骤五中，基于加权模糊Petri网的园区供用电设备故障诊断模型建好后，计算园区供用电设备发生故障的概率。

推导园区供用电设备发生故障的概率为：

①基于加权模糊Petri网的园区供用电设备故障诊断模型模糊输入的确定；

②园区供用电设备故障诊断模型合成模糊输入可信度与阈值的比较；

③过滤合成园区供用电设备故障诊断模型中模糊输入度Di为0的输入项；

④园区供用电设备故障诊断模型模糊输出可信度的计算；

⑤对园区供用电设备故障诊断模型当前所有命题的可信度进行计算；

⑥对第五步的计算公式迭代计算，当没有任何命题的可信度发生变化时，计算结束，输出计算结果。

本发明的有益效果是：

基于智能融合终端实现数据融合及加权模糊Petri网模型的故障诊断方法，在多源数据融合及加权模糊Petri网模型建模分析研究基础上，对园区供用电线路和变压器进行数据采集与加权模糊Petri网建模，并对园区供用电设备异常和缺陷进行分析，准确、快速判断园区供用电设备故障元件及故障特性，保证园区内供用电设备的安全高效经济运行。

附图说明

图1为本发明的全状态信息采集及园区智慧物联的结构框图；

图2为本发明的信息采集及故障诊断方法流程图；

图3为本发明的基于加权模糊Petri网模型计算步骤流程图。

具体实施方式

以下结合具体实施例及附图对本发明的技术方案作进一步详细的描述，但本发明的保护范围及实施方式不限于此。

一种园区供用电设备全状态信息采集及故障诊断方法，本方案基于园区供用电设备及数据采集、接入系统，深入分析园区供用电设备的故障情况，利用智能融合终端实现数据融合及加权模糊Petri网模型实现故障诊断，具体步骤包括，

步骤一，建立园区供用电设备全状态信息采集及园区智慧物联体系；

步骤二，基于加权模糊Petri网模型建模分析研究；

步骤三，基于加权模糊Petri网的园区供用电线路模型建模；

步骤四，基于加权模糊Petri网的园区供用电变压器模型建模；

步骤五，基于加权模糊Petri网的园区供用电设备故障诊断模型建模及故障分析。

加权模糊Petri网：传统的Petri网模型只能应用于比较简单的场景，计算效率和容错率较低。加权模糊Petri网对传统的Petri网模型进行了改进。通过结合模糊算法，将基本的Petri网结构进行扩展，从原来的三元组形式增加为六元祖形式，并且可以根据需要形成各种网结构，更加符合实际情况和人类思维方式，而且推理速度快，容错性强。并在模糊Petri网的基础上加入权重、阈值等因素，使得模型矩阵的计算更加快速便捷、易于实现，进而提高故障诊断速度；

基于智能融合终端实现数据融合及加权模糊Petri网模型的故障诊断方法，在多源数据融合及加权模糊Petri网模型建模分析研究基础上，对园区供用电线路和变压器进行数据采集与加权模糊Petri网建模，并对园区供用电设备异常和缺陷进行分析。

步骤一中，园区供用电设备全状态信息采集内容与数据融合步骤如下：

①安装温度传感器、温湿度传感器、烟感传感器、门禁和水位传感器，对园区供用电设备的温度、湿度、天气和灯光环境信息的采集，对环境信息的采集功能；

②安装智能电表、低压监测单元和电采集中器，对电压、电流、功率和功率因数数据采集；

③安装智能断路器对多种故障状态进行判断保护，包括短路，电缆断线等故障，对直流电弧和交流电弧进行监测；

④安装具备HPLC通信模块功能的智能融合终端，对智能终端设备与温、湿度传感器在线监测。

通过DS证据理论对多传感器采集到的温度、湿度、天气等环境信息数据进行融合的步骤如下：

Ⅰ.确定识别框架U，对目标命题的分析集合化；

设U为识别框架，对于问题域中目标都包含于集函数m:2u→[0,1]，且满足：

m(Φ)＝0 (1-1)；

其中，m为识别框架U上的基本概率指派函数，A为目标命题，m(A)表示对目标A的基本概率指派，即支持目标A的发生程度，

Ⅱ.将多传感器获得的信息分析给出命题基本概率赋值函数；

首先定义函数Bel:2u→[0,1]为U上的置信度函数。当识别框架中只有一个子集时，

有

Bel(Φ)＝0 (1-4)；

Bel(U)＝1 (1-5)；

则

使用Bel(A)对命题的描述是不全面的，并没有说明怀疑目标的程度。为了全面的描述目标，给出目标的似然函数，与置信度一起描述支持与怀疑目标的程度；

设pl:2u→[0,1]，满足

其中，pl为辨识框架上X的似然函数。Bel(X)表示不支持X的置信度，pl(X)表示最大程度上对X的支持；pl(X)为1时，表明对目标是完全信任的；pl(X)为0时，表明对目标是绝对怀疑的；这时与基本概率指派函数表达一致；对于目标X，讨论目标的支持度可由信任区间[Bel(X),pl(X)]表述；对此，根据证据得到关于目标不确定性可用区间[Bel(X),pl(X)]内任意值度量表述；

Ⅲ.对于识别框架U，得到两个证据信息对于命题的信任函数分别为m

则对A有：

但是，若两者的交集为空集，则意味着

归一化公式为：k

其中，k

完成数据上传调试，将智能融合终端的数据传送至物联管理平台。

步骤二中，模糊Petri网结构形式为，

FPN＝(R,T,I,O,H,G) (2-1)；

其中，FPN为加权模糊Petri网模型，R为有限库的集合，T为变迁集合，I为输入方程，O为输出方程，H为映射变迁到其确信因子的方程，G为映射库所到置信度的方程；加权模糊Petri网加入权重和阈值因素，结构形式如下：

FPN＝(Q,I,O,S,μ,Th) (2-2)；

其中，Q＝(q

其中，a(p

其中，SQ(t

步骤三中，园区供用电线路分为送端和受端，对线路两端的保护可以进一步分为受端主保护、送端主保护、受端近后备保护、送端近后备保护、受端远后备保护和送端远后备保护。

所述受端主保护、送端主保护、受端近后备保护、送端近后备保护、受端远后备保护和送端远后备保护，分别用A

规则1，IF X

其中X

规则2，IF X

其中X

规则3，IF X

其中X

规则4，IF X

其中X

规则5，IF X

其中X

规则6，IF X

其中X

规则7，IF R

其中园区某一供用电线路保护动作为A

规则8，IF R

其中园区某一供用电线路保护动作为A

规则9，IF R

其中园区某一供用电线路保护动作为A

规则10，IF R

其中园区某一供用电线路保护动作为A

规则11，IF R

其中园区某一供用电线路保护动作为A

规则12，IF R

其中园区某一供用电线路保护动作为A

规则13，IF R

其中园区某一供用电线路保护动作为A

规则14，IF R

其中园区某一供用电线路保护动作为A

规则15，IF R

其中园区某一供用电线路保护动作为A

规则16，

IF R

将以上16个规则转换为园区供用电加权模糊Petri线路模型。

步骤四中，园区借助加装的设备本体、位置监测、环境监测和安防监控传感器的基础数据源，实时配电变压器运行情况与状态信息的全面监测，基于加权模糊Petri网的园区供用电变压器模型建模规则如下：

规则1，IF X

其中X

规则2，IF X

其中X

规则3，IF X

其中X

规则4，

IF R

将以上4个规则转换为园区供用电加权模糊Petri变压器模型。

根据说明书附图3所示，步骤五中，基于加权模糊Petri网的园区供用电设备故障诊断模型建好后，计算园区供用电设备发生故障的概率。

推导园区供用电设备发生故障的概率为：

①基于加权模糊Petri网的园区供用电设备故障诊断模型模糊输入的确定；

②园区供用电设备故障诊断模型合成模糊输入可信度与阈值的比较；

③过滤合成园区供用电设备故障诊断模型中模糊输入度Di为0的输入项；

④园区供用电设备故障诊断模型模糊输出可信度的计算；

⑤对园区供用电设备故障诊断模型当前所有命题的可信度进行计算；

⑥对第五步的计算公式迭代计算，当没有任何命题的可信度发生变化时，计算结束，输出计算结果。

基于加权模糊Petri网的园区供用电设备故障诊断模型模糊输入的确定，

计算公式为：D＝Δ

其中，D为园区供用电设备故障诊断模型合成模糊输入可信度，△为园区供用电设备故障诊断模型的输入矩阵，F

园区供用电设备故障诊断模型合成模糊输入可信度与阈值的比较，当园区供用电设备故障诊断模型合成模糊输入度D大于映射对变迁节点t的阈值Th时，D

园区供用电设备故障诊断模型模糊输出可信度的计算，

计算公式为：

其中，F

对园区供用电设备故障诊断模型当前所有命题的可信度进行计算，

计算公式为：

其中，F

本方法在具体使用时，先根据园区智能融合终端及智慧物联体系数据，读取园区线路保护动作与断路器保护状态；再根据加权模糊Petri模型线路建模规则建立园区加权模糊Petri线路模型；再根据园区DTU，FTU读取园区变压器保护动作与断路器保护状态；再根据加权模糊Petri模型变压器建模规则建立园区加权模糊Petri变压器模型；最后根据基于园区供用电设备故障诊断计算步骤计算各元件故障概率。