[發明專利]一種穩控裝置運行狀態的動態分析與量化評估方法

在審

• 申請號: 202010871605.3
• 申請日: 2020-08-26
• 公開（公告）號: CN112016748A
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 周敬森;謝剛文;張友強;方輝;朱晟毅;肖強;向紅吉;余亞南
• 申請（專利權）人: 國網重慶市電力公司電力科學研究院;國家電網有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06N20/00;H02J3/00
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 賀春林

1.一種穩控裝置運行狀態的動態分析與量化評估方法，其特征在于，包括以下步驟：

S1、利用數字孿生技術構建與穩控裝置完整映射的數字虛擬模型；

S2、所述穩控裝置和數字虛擬模型輸出數據構成穩控裝置孿生數據庫；

S3、在穩控裝置孿生數據庫基礎上通過多維度數據實時采集與數據預處理技術實現穩控裝置運行狀態的全面感知；

S4、根據穩控裝置運行狀態的全面感知結果構建穩控裝置的故障特征庫和安全指標體系，對穩控裝置的運行狀態進行動態分析與量化評估。

2.如權利要求1所述的方法，其特征在于，所述步驟S3包括：

S31、對穩控裝置的數字虛擬模型進行多維度數據實時采集；

S32、對實時采集獲得的多維度數據進行數據預處理；

S33、基于預處理后的多維度數據進行穩控裝置運行狀態分析與預測。

3.如權利要求2所述的方法，其特征在于，所述步驟S31包括大擾動和穩態運行狀態下穩控裝置數據的時域和頻域特性數據采集和分析，具體步驟如下：

S311、針對穩控裝置的大擾動與穩態運行狀態，分別進行多維度數據采集，并建立相關數據庫；

S312、針對大擾動與穩態運行狀態兩種情況，分別對數據庫中的數據進行時間序列排序，分析其時域特性；

S313、利用快速傅里葉變換分別對大擾動和穩態運行狀態下的數據時間序列進行頻譜估計，分析其頻域特性。

4.如權利要求2所述的方法，其特征在于，所述步驟S32包括：

S321、針對數據采集中的丟包、錯誤和重復情況，使用壞數據預篩選方法對原始數據進行梳理，剔除掉不完整、錯誤的壞數據；

S322、針對原始數據中可能摻雜的噪聲數據，選擇合適的數據信號預濾波器對原始數據進行處理，獲得最具有代表性的數據集合；

S323、選取用于運行狀態分析和預測的數據時間長度，所述數據時間長度應約束在穩控裝置控制時間步長內，且數據時間長度能足夠精確地反映裝置相應的運行狀態。

5.如權利要求2所述的方法，其特征在于，所述步驟S33包括：

S331、基于預處理后的多維度數據，對歷史及當前時間節點的穩控裝置運行狀態進行分析、計算，建立基于時間序列的裝置運行狀態數據庫；

S332、在裝置運行狀態數據庫的基礎上，利用指數平滑法對未來狀態進行預測。

6.如權利要求5所述的方法，其特征在于，所述指數平滑法如下：

設指數平滑初始值為數據時間序列中最早m個數據y₁,y₂,...,y_m的平均值，即則一次指數平滑計算公式為：

其中，和分別表示第t期和第t-1期的一次指數平滑值，α是平滑系數，是第t+1期的預測值，所述第t+1期的預測值等于第t期的一次指數平滑值所述平滑系數的范圍為0α1。

7.如權利要求1-6中任一項所述的方法，其特征在于，構建穩控裝置的故障特征庫包括以下步驟：

S411、根據穩定裝置運行過程中出現的各種故障特征，將其分成不同的故障類型，形成歷史數據庫；

S412、針對每一種故障類型，在其歷史數據基礎上，利用機器學習算法訓練出與其對應的數字化特征模型；

S413、結合專家處理記錄，形成對穩控裝置未來故障狀態進行精準判斷的依據，并針對不同新態故障進行特征庫豐富和更新，最終建立穩控裝置故障特征庫。

8.如權利要求7所述的方法，其特征在于，構建穩控裝置安全指標體系包括以下步驟：

S421、根據穩控裝置的安全運行特性，結合各類運行參數上、下限等約束條件，確定穩控裝置的安全運行域；

S422、根據穩控裝置安全運行域，提出能正確、精準表征裝置安全態勢的參數指標，構建一套安全指標體系。