一种电力多监测点故障特征值智能匹配方法及装置

技术领域

本发明涉及电力系统故障维修技术领域，尤其是涉及一种电力多监测点故障特征值智能匹配方法及装置。

背景技术

SCADA(Supervisory Control And Data Acquisition)系统，即数据采集与监视控制系统。SCADA系统是以计算机为基础的DCS与电力自动化监控系统；它应用领域很广，可以应用于电力、冶金、石油、化工、燃气、铁路等领域的数据采集与监视控制以及过程控制等诸多领域。

目前电力公司系统产生工单后，维修人员根据故障现象手工选择知识库，但是相同或类似的故障现象有数量众多的知识库，维修人员无从下手，不知道用哪个？经常不选知识库或者选错知识库，难以完成检修任务，进而影响公司的工作效率。

经过检索中国专利公开号CN 108054734A公开了一种基于故障特征匹配的配网保护方法及系统，具体公开了包括步骤：步骤一、在配电网发生故障时，实时获得配电网中所有位置的当前故障特征值；步骤二、将配电网中的所有位置的当前故障特征值与故障类型数据库中预存的每一故障类型所对应的参考故障特征值进行匹配，获得当前故障所对应的故障类型；步骤三、根据所述故障类型，在保护策略数据库中查询所述故障类型所对应的保护策略；步骤四、根据所查询到的保护策略，形成保护动作，执行所述保护动作对所述出现故障配电网进行保护处理。但是电力系统故障时，往往是一批监测点同时报警，现有技术的逐条处理报警效率低下，且容易误判。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种电力多监测点故障特征值智能匹配方法及装置。

本发明的目的可以通过以下技术方案来实现：

根据本发明的一个方面，提供了一种电力多监测点故障特征值智能匹配方法，包括以下步骤：

步骤1)电力故障特征值入库过程，通过历史数据建立特征包，选择相应的报警信息，锁定监测点信息，并关联知识库；

步骤2)电力故障特征值匹配过程，通过对实时数据和特征包里的数据进行比对，当遥信和遥测数据分别满足匹配规则时，产生报警。

作为优选的技术方案，所述的电力故障特征值入库过程具体包括：

步骤101)选取报警；

步骤102)查找监测点；

步骤103)挂接知识库；

步骤104)遥信遥测处理；

步骤105)入库。

作为优选的技术方案，所述的步骤101)选取报警具体为：

拖动时间轴，动态显示该时段出现报警的站点及站点报警数量；默认所有站点都勾选，可去掉某些站点，报警图随着站点的增加减少动态变化。

作为优选的技术方案，所述的时间轴通过拖动可同时展示大精度时间轴和小精度时间轴，同步展示所选择时间段的报警监测点分布情况。

作为优选的技术方案，所述的步骤102)查找监测点具体为：

选择报警后，根据报警数据查找监测点，把监测点纳入故障包；可追加没有报警但标记为较重要的监测点；

对于遥测信息，报警会区分严重超标还是轻微超标。

作为优选的技术方案，所述的步骤103)挂接知识库具体为：

抓取的数据就是一个“样本数据包”，可挂接到已有知识库或者新建知识库。

作为优选的技术方案，所述的步骤104)遥信遥测处理具体为：遥信数据的特征值就是遥信值；遥测数据通过算法来进行斜率计算。

作为优选的技术方案，所述的步骤105)入库具体为：将特征包中的遥信数据、遥测数据、知识库写入特征值样本库。

作为优选的技术方案，所述的步骤2)电力故障特征值匹配过程具体为：

当外部数据来临时，完成相应匹配规则，则进行故障诊断报警，其中匹配规则具体为：

匹配规则1：特征包内只有遥信数据，匹配度>＝80％，则定义为匹配上；

匹配规则2：特征包内只有遥测数据，匹配度>＝80％，则定义为匹配上；

匹配规则3：特征包内包含遥测与遥信，则遥测与遥信权重各自为1/2，且综合计算后匹配度>＝80，则定义为匹配上；

匹配规则4：特征包假设有10个样本数据，当满足其中任意八个样本数据匹配上则算满足匹配度规则；

匹配规则5：以1天的数据为样本，完成匹配度80％的规则，则匹配故障，完成故障诊断；

匹配规则6：单个遥测数据特征值匹配规则增长率有正有负，判断单个增长率匹配，同时满足下列即可：

匹配规则7：增长率绝对值大于等于样本特征值增长率绝对值的90％；

匹配规则8：增长率正负号与样本特征值的正负号一致。

根据本发明的另一个方面，提供了一种电力多监测点故障特征值智能匹配装置，包括：

电力故障特征值入库模块，用于通过历史数据建立特征包，选择相应的报警信息，锁定监测点信息，并关联知识库；

电力故障特征值匹配模块，用于通过对实时数据和特征包里的数据进行比对，当遥信和遥测数据分别满足匹配规则时，产生报警。

与现有技术相比，本发明将一组故障信息提取出特征值，并与相应解决方法一起放入知识库中作为事实存储基础，利用智能化维护策略，解决单条报警无法准确定位故障的问题，并一定程度上取代维修人员的工作任务，以解决旧有单纯靠人力和经验完成大规模信息系统故障检修的问题。

附图说明

图1是本发明电力故障特征值匹配方法的结构图；

图2是本发明电力故障特征值匹配方法的流程图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

如图1所示，本发明电力多监测点故障特征值智能匹配方法，基于SCADA系统、大数据运用等技术，该方法包括以下步骤：电力设备的SCADA数据会不停传输过来，平台检测到数据超过阈值时会产生报警。建立特征包，选择相应的报警信息，锁定监测点信息，并关联知识库。

后续SCADA数据传输过来时，对这些数据和特征包里的数据进行比对，当遥信和遥测数据分别满足匹配规则时，产出报警，并自动给予解决方案。

本发明电力故障特征值入库方法；

步骤1：选取报警，具体方法为：

拖动时间段，动态显示该时段出现报警的站点，及站点报警数量；

默认所有站点都勾选，可以去掉某些站点，报警图动态变化；

时间轴可以拖动，可同时展示大精度时间轴和小精度时间轴；

同步展示所选择时间段的报警监测点分布情况。

步骤2：查找监测点，具体方法为：

选择报警后，根据报警数据查找监测点，把监测点纳入故障包。

可以追加没有报警但认为较重要的监测点。

对于遥测信息，报警会区分严重超标(高于设定的高阈值)，还是轻微超标(高于设定的低阈值)。

步骤3：挂接知识库，具体方法为：

抓取的数据就是一个“样本数据包”，可以挂接到已有知识库或者新建知识库。

步骤4：遥信遥测处理，具体方法为：

遥信数据的特征值就是遥信值；

遥测数据的特征值为增长率，即纳入特征包的样本计算，增长率为(报警时刻点值-报警时刻前一个点值)/报警时刻前一个点值；

增长率有正有负，判断单个增长率匹配，同时满足下列即可：

1、增长率绝对值大于等于样本特征值增长率绝对值的90％；

2、增长率正负号与样本特征值的正负号一致。

步骤5：入库，具体方法为：

将特征包中的遥信数据、遥测数据、知识库写入特征值样本库

当外部数据来临时，完成相应匹配规则，则进行故障诊断报警。

图2是本发明电力故障特征值匹配方法：

匹配规则1：特征包内只有遥信数据，匹配度>＝80％,则定义为匹配上；

匹配规则2：特征包内只有遥测数据，匹配度>＝80％，则定义为匹配上；遥测数据内容样本值可以多种形式表达，暂定为增长率；

匹配规则3：特征包内包含遥测与遥信，则遥测与遥信权重各自为1/2，且综合计算后匹配度>＝80,则定义为匹配上；

匹配规则4：特征包假设有10个样本数据(A1,A2，...,A10)，当满足其中任意八个样本数据匹配上则算满足匹配度规则；

匹配规则5：以1天的数据为样本，完成匹配度80％的规则，则匹配故障，完成故障诊断；

匹配规则6：单个遥测数据特征值匹配规则增长率有正有负，判断单个增长率匹配，同时满足下列即可：

匹配规则7：增长率绝对值大于等于样本特征值增长率绝对值的90％；

匹配规则8：增长率正负号与样本特征值的正负号一致。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。