[發明專利]一種基于大數據的變電站二次設備狀態分析方法及設備

在審

• 申請號: 202011341411.9
• 申請日: 2020-11-25
• 公開（公告）號: CN112510699A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 肖宇洋;張弘;徐娜;吳畏;黃翀藝;鄭文豪;杜律君;沈益新;譚文惠;汪志勇;肖思
• 申請（專利權）人: 國網湖北省電力有限公司咸寧供電公司
• 主分類號: H02J3/00
• 分類號: H02J3/00;H02J13/00
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙) 42231
• 代理人: 丁倩

本發明涉及一種基于大數據的變電站二次設備狀態分析方法及設備，方法包括：從設備異常狀態記錄庫中獲取若干組二次設備的歷史狀態數據以及與所述歷史狀態數據對應的異常狀態類型；以若干組歷史狀態數據及其對應的異常狀態類型作為訓練集，根據所述訓練集建立狀態數據與所述異常狀態類型之間的深度學習模型，以得到狀態分析模型；獲取二次設備的實時狀態數據，利用所述狀態分析模型對所述二次設備的實時狀態進行分析。本發明解決了目前難以獲取智能變電站二次設備的實時狀態的問題。

技術領域

本發明涉及變電站維護技術領域，尤其涉及一種基于大數據的變電站二次設備狀態分析方法、設備及存儲介質。

背景技術

隨著近些年來智能變電站的大規模投入運營，其在整個電網系統當中所占到的比重也越來越大，這也將成為未來電網系統發展的一個主流趨勢。在智能變電站中，以以太網為代表的數字通信傳輸模式取代了傳統的硬接線回路，該模式的主要優勢在于：所有傳輸信號能夠被交換并共享。

目前不斷發展和建設中的智能變電站具有三層兩網結構，由眾多的二次設備組成(例如智能終端、合并單元、繼電保護裝置、測控裝置及錄波裝置等二次設備)，當故障發生時會產生大量的故障模擬數據、MMS報文、GOOSE報文，另一方面SCD文件也包含了許多有用的配置信息，眾多的數據給保護裝置保護功能的狀態分析帶來較大的困難。

目前，智能變電站二次設備的正常操作、事故判斷及處理等任務大部分還是由運檢人員完成，一旦有突發性事故發生，運檢人員主要憑借清醒的頭腦和豐富的運行經驗，但是面對智能變電站眾多的SV、GOOSE、MMS告警信號、錄波文件等信息、越來越多的復雜設備及網絡結構，運檢人員單靠經驗和手工查找數據來分析與判斷二次設備的異常行為，很難獲得準確的故障判斷與二次設備異常行為的分析結果。

發明內容

有鑒于此，有必要提供一種基于大數據的變電站二次設備狀態分析方法、設備及存儲介質，用以解決目前難以獲取智能變電站二次設備的實時狀態的問題。

第一方面，本發明提供一種基于大數據的變電站二次設備狀態分析方法，包括如下步驟：

從設備異常狀態記錄庫中獲取若干組二次設備的歷史狀態數據以及與所述歷史狀態數據對應的異常狀態類型；

以若干組歷史狀態數據及其對應的異常狀態類型作為訓練集，根據所述訓練集建立狀態數據與所述異常狀態類型之間的深度學習模型，以得到狀態分析模型；

獲取二次設備的實時狀態數據，利用所述狀態分析模型對所述二次設備的實時狀態進行分析。

優選的，所述的基于大數據的變電站二次設備狀態分析方法中，所述歷史狀態數據至少包括二次設備的自檢信息、對時狀態信息、通信網絡中的MMS報文、GOOSE以及SV報文監測所得到的告警信息，所述異常狀態類型至少包括裝置溫度越限、裝置電壓越限、光強越限以及差流越限。

優選的，所述的基于大數據的變電站二次設備狀態分析方法中，所述以若干組歷史狀態數據及其對應的異常狀態類型作為訓練集，根據所述訓練集建立狀態數據與所述異常狀態類型之間的深度學習模型，以得到狀態分析模型的步驟具體包括：

以若干組歷史狀態數據及其對應的異常狀態類型作為訓練集；

確定所述深度學習模型的輸入層和輸出層，其中，所述輸入層為狀態數據，輸出層為異常狀態類型；

根據所述訓練集的特征值和目標值建立狀態數據與所述異常狀態類型之間的深度學習模型，以得到狀態分析模型，其中，所述特征值為歷史狀態數據，目標值為異常狀態類型。

優選的，所述的基于大數據的變電站二次設備狀態分析方法中，所述根據所述訓練集的特征值和目標值建立狀態數據與所述異常狀態類型之間的深度學習模型的步驟包括：