[發明專利]一種輸配電網設備缺陷預警系統

在審

• 申請號: 201610811663.0
• 申請日: 2016-09-08
• 公開（公告）號: CN106649915A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 戴永東;毛鋒;何菲
• 申請（專利權）人: 國家電網公司;國網江蘇省電力公司泰州供電公司
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06Q50/06;G06N3/08;G06N3/10;G06N5/02;G06N5/04;G06N7/06;G06K9/62
• 代理公司: 北京風雅頌專利代理有限公司11403
• 代理人: 李陽,于潔

1.一種輸配電網設備缺陷預警系統，其特征在于，包括：

監控端，設置于輸配電網處，用于監控并采集輸配電網設備的運行情況；

交互式數據框架，連接至監控端，用于傳輸監控端采集的輸配電網設備的運行情況、根據預警系統后臺服務器反饋的仿真結果執行故障容錯控制，并與使用者交互；

預警系統后臺服務器，連接至交互式數據框架，用于接收監控端采集的輸配電網設備的運行情況，使用網絡動態仿真技術對輸配電網設備進行仿真，獲得并輸出仿真結果。

2.根據權利要求1所述的系統，其特征在于，所述監控端包括：

直接信息設備，其監控并采的集輸配電網設備的運行情況信息以文字形式表示；

間接信息設備，其監控并采的集輸配電網設備的運行情況信息以圖片或視頻形式表示。

3.根據權利要求1所述的系統，其特征在于，所述交互式數據框架包括：

中間件平臺，用于存放所述預警系統后臺服務器需要調用的功能性模塊，并將所述預警系統后臺服務器與所述交互式數據框架建立連接；

客戶端，連接至所述中間件平臺，用于將輸配電網設備的運行情況與預警系統后臺服務器反饋的仿真結果顯示給操作者。

4.根據權利要求3所述的系統，其特征在于，所述中間件平臺存放的功能性模塊包括：

仿真引擎，用于根據輸入的進程標識與動作，使用環境仿真算法計算并輸出其影響、影響范圍與持續時間；

評估引擎，連接至監控端，用于根據輸入的進程標識與動作，使用集輸配電網設備的運行情況進行評估并輸出其影響、影響范圍與持續時間；

客戶端接口，連接至客戶端，用于將輸配電網設備的運行情況與預警系統后臺服務器反饋的仿真結果轉化為可視化格式并發送給客戶端。

5.根據權利要求4所述的系統，其特征在于，所述預警系統后臺服務器包括：

適配器，連接至仿真引擎、評估引擎與客戶端接口，用于將所述仿真引擎、評估引擎與客戶端接口的與預警系統后臺服務器相轉接；

仿真會話池，通過適配器連接至仿真引擎，用于向所述仿真引擎發送進程標識與動作，并接收其影響、影響范圍與持續時間；

消息與數據寄存器，通過適配器連接至評估引擎，用于向所述評估引擎發送進程標識與動作，并接收其影響、影響范圍與持續時間；

客戶端解釋器，通過適配器連接至客戶端接口，用于將輸配電網設備的運行情況與預警系統后臺服務器反饋的仿真結果發送到客戶端并接收來自客戶端的控制命令；

會話管理器，連接至仿真會話池、消息與數據寄存器與客戶端解釋器，用于根據所述仿真引擎與評估引擎的輸出使用智能診斷方法識別輸配電網設備的缺陷，并控制所述仿真會話池、消息與數據寄存器與客戶端解釋器的工作行為。

6.根據權利要求5所述的系統，其特征在于，所述會話管理器使用的智能診斷方法包括以下至少之一：模糊缺陷診斷法、灰色關聯度缺陷診斷法、神經網絡缺陷診斷法、信息融合缺陷診斷法。

7.根據權利要求6所述的系統，其特征在于，所述模糊缺陷診斷法為使用隸屬函數和模糊關系矩陣判定缺陷與征兆之間的不確定關系,進而檢測與診斷缺陷，其中，所述隸屬函數和模糊關系矩陣選擇具有代表性的特征值。

8.根據權利要求6所述的系統，其特征在于，所述灰色關聯度缺陷診斷法根據不同對象之間的關聯程度，在缺陷診斷中確定和實際模式關聯最強的標準模式，其中，實測模式的特征向量序列與某一標準模式序列關聯度最大時，認定該實測模式屬于對應的標準模式。

9.根據權利要求6所述的系統，其特征在于，所述神經網絡缺陷診斷法包括神經網絡診斷知識庫的建立、神經網絡的診斷推理與神經網絡的自學習，其中，神經網絡診斷知識庫的建立包括:分析診斷對象缺陷的知識結構，根據缺陷樹分析法確定神經網絡結構模型，然后確定網絡的訓練樣本并進行訓練，獲得相應的連接權值，再存儲連接權和閥值，形成知識庫；神經網絡的診斷推理為以并行計算方式完成推理過程，其推理過程只與神經網絡自身的參數相關；神經網絡的自學習為系統知識的再次獲取。

10.根據權利要求6所述的系統，其特征在于，所述信息融合缺陷診斷法用于多個通道信號的融合和不同診斷途徑的診斷結論之間的融合，包括：對每個檢測信息分別進行預處理、特征提取，建立對所檢測狀態的初步結論；通過關聯處理、決策層融合判決，得到聯合推理結果，其中，所述信息融合的方法包括以下至少之一：基于神經網絡的信息融合、基于模糊聚類的信息融合、基于DS證據理論的信息融合。