一种电力行业故障停电全流程管控平台的制作方法

1.本发明涉及电力行业管控领域，设计了一种电力行业故障停电全流程管控平台。
背景技术：
：：2.随着电力规模的不断增长，切实践行“人民电业为人民”成为电力企业的宗旨，不断优化电力管控平台、确保电力供应的稳定性愈发重要，一但出现故障停电问题，如果检修人员无法迅速得到事故原因和维修地点，会拖慢电力恢复的进程，对用户造成巨大损失。3.但如今当电力设备出现故障停电时，通常为管理员通知维修人员进行维修，效率低下；此外现有电力管控平台功能较为分散，管控的效率低，存在滞后性，特别是对停电预测的精确度较低，而精准度对于电力行业的管控具有决定性作用，影响着维修人员对于发生故障停电的信息获取和解决方案。技术实现要素：4.有鉴于现有技术的上述缺陷，本发明提出一种电力行业故障停电全流程管控平台，本发明设计的技术方案包括：数据采集模块、监测模块、分析模块、维修人员用户端、可视化模块和调度计划模块；所述管控平台操作步骤包括：5.s1：所述数据采集模块采集数据，并发送到分析模块；6.s2：分析模块基于数据采集模块，对数据进行分析、预测建模和储存处理，然后将处理后的数据发送到管控模块和可视化模块；7.s3：所述管控模块根据数据信息，输出运维信息工单并传输到所述维修人员用户端；8.s4：维修人员根据接收到的运维信息对故障点进行维修，然后将维修信息发送到所述可视化模块；9.s5：所述监测模块实时监测电力设备的用电信息，并将所述用电信息发送到可视化模块，进行实时监视；10.s6：调度计划模块与可视化模块连接，根据所述预测建模结果和维修信息，生成电力设备的检修工作计划报表和电力预测计划报表；11.s7：可视化模块显示检修工作计划报表、电力预测计划报表和实时电力设备的用电信息报表。12.优选地，所述s1包括：所述采集的数据包括电力生产数据、电力设备检修数据、电力调度数据和辅助监测水文气象数据。13.优选地，所述s1包括：所述数据采集模块包括关系数据库、日志文件和opc服务器；所述关系数据库和日志文件通过访问数据源的计算机上部署的flume进行数据采集；所述opc服务器采用基于java的opc服务采集与转储系统软件进行数据采集。14.优选地，所述s2包括：所述分析包括负荷统计分析、停电统计分析、电压质量统计分析、线损统计分析、三相不平衡统计分析、跳闸统计分析、汇总报表和模板定制。15.优选地，所述s2包括：所述预测建模包括长期预测模型和短期预测模型，对数据采集模块采集的数据进行电力情况状态预测。16.优选地，所述长期预测模型包括：在未来时间的电力情况状态预测，以月份为一个周期；根据所述数据采集模块采集的数据进行建模，将相同特征月的历史平均值作为未来时刻的预测值，然后对历史的数据逐步更迭预测数据，平均数据随之更迭，所述长期预测模型公式为：[0017]vpredct＝αvcurrent+(1-α)vhistory[0018]0≤α≤1[0019]式中，α为预设值、vpredict为电力情况预测模型结果、vcurrent为实时的电力情况、vhistory为历史的电力情况。[0020]优选地，所述短期预测模型包括：在未来时间的电力情况状态预测，以5min为一个周期；根据所述数据采集模块采集的数据进行建模，采用7个数据集表示下一个周期的某个节点的电力情况；v(x，y)为电力情况，x为节点，y为时刻，包括v1(i，k)、v2(i，k-1)、v3(i，k-2)、v4(i-1，k)、v5(i-2，k)、v6(i-1，k-1)、v7(i-2，k-1)七个电力情况数据集来预测v(i，k+1)；采用卡尔曼滤波对电力情况进行建模：v(i，k+1)＝vi，kθi，k+ε；上式中，vi，k＝[v(i，k)，v(i，k-1，vi，k-2，vi-1，k，vi-1，k-1，vi-2，k，vi-2，k-1；θi，k＝θi，k，θi，k-1，θi，k-2，θi-1，k，θi-1，k-1，θi-2，k，θi-2，k-1h；ε为零均值白噪声项；θi，k为电力情况观察值vi，k的系数集合，可以得到第i节点第k+1周期的电力情况预测值：式中，为电力情况观察值vi，k的系数集合值。状态向量预测方程：状态预测增益方程：状态预测协方差方程：p(k+1|v(i，k))＝[i-g(k)c]p(k|v(i，k))+q(k)；初始值：p(1|v(i，0))＝0.01×i7×7；电力情况预测方程：[0021]优选地，所述s5包括：所述监测模块通过搭建变电站集中实时监测电力设备的用电信息，并通过辅助监测对实时水文气象信息数据进行采集，通过智能分析监测电力设备运行的风险与问题，发送所述用电信息到可视化模块，为调度计划模块提供数据支持。[0022]优选地，所述搭建变电站包括但不限于配电自动化站系统、配电scada、配电终端和配电子站。[0023]优选地，所述s7包括：所述可视化模块使用tableau工具实现，形成线变关系异动的数据报表。[0024]有益效果：[0025]1、通过对电力情况长期预测和短期预测的核心算法为平台管控提供辅助决策，提升电力管控能力，一旦发生电力故障的突发情况，能够快速反映，迅速安排维修人员赶赴现场，迅速恢复电力，降低损失；[0026]2、通过负荷统计分析、停电统计分析等多个故障分析维度，结合预测模型生成方案报表，提高电力情况动态分析和故障信息的准确性，进而提高现场维修人员对于出现故障的设备进行维修的效率。附图说明[0027]图1是本发明一种电力行业故障停电全流程管控平台的步骤流程示意图；[0028]图2是本发明一种电力行业故障停电全流程管控平台的预测流程示意图；[0029]图3是本发明一种电力行业故障停电全流程管控平台的故障停电研判总览示意图；[0030]图4是本发明一种电力行业故障停电全流程管控平台的停电实时查询示意图。具体实施方式[0031]下面对本发明的实施例作详细说明，下述的实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。[0032]本发明设计的技术方案包括：数据采集模块、监测模块、分析模块、维修人员用户端、可视化模块和调度计划模块；如图1所示，管控平台操作步骤包括：[0033]s1：数据采集模块采集数据，并发送到分析模块；[0034]s2：分析模块基于数据采集模块，对数据进行分析、预测建模和储存处理，[0035]然后将处理后的数据发送到管控模块和可视化模块；[0036]s3：管控模块根据数据信息，输出运维信息工单并传输到维修人员用户端；[0037]s4：维修人员根据接收到的运维信息对故障点进行维修，然后将维修信息发送到可视化模块；(维修类型主要包括：主线跳闸、支线故障、台区低压故障、线路过载、配变过载、配变低电压和频繁停电异常)[0038]s5：监测模块实时监测电力设备的用电信息，并将用电信息发送到可视化模块，进行实时监视；[0039]s6：调度计划模块与可视化模块连接，根据预测建模结果和维修信息，生成电力设备的检修工作计划报表和电力预测计划报表；[0040]s7：可视化模块显示检修工作计划报表、电力预测计划报表和实时电力设备的用电信息报表。[0041]优选地，s1包括：采集的数据包括电力生产数据、电力设备检修数据、电力调度数据和辅助监测水文气象数据。[0042]优选地，s1包括：数据采集模块包括关系数据库、日志文件和opc服务器；关系数据库和日志文件通过访问数据源的计算机上部署的flume进行数据采集；opc服务器采用基于java的opc服务采集与转储系统软件进行数据采集。[0043]具体的，数据采集模块为整个管控平台的基础，关系到整个流程的运行，必须保证数据的唯一性、真实性；设计了以关系数据库、日志文件和opc服务器为代表的模拟数据源进行数据采集；其中，关系型数据库和日志文件的采集通过访问数据源的计算机上部署的flume进程进行数据采集，通过自定义的采集过滤器，对每条采集过的数据进行标记，然后再数据采集服务器出现故障并完成修复后。flume会迅速将故障期间的漏采数据迅速进行采集上传。opc服务器采集数据则是电力行业里广泛应用的，本技术采用了基于java的opc数据采集与转储系统软件，满足了opc场景的数据采集，具备跨平台、高自由度、故障自恢复和自启动，有效解决了opc数据采集的难题，增强了数据采集的可靠性。[0044]优选地，s2包括：分析包括负荷统计分析、停电统计分析、电压质量统计分析、线损统计分析、三相不平衡统计分析、跳闸统计分析、汇总报表和模板定制。[0045]优选地，s2包括：预测建模包括长期预测模型和短期预测模型，对数据采集模块采集的数据进行电力情况状态预测。[0046]优选地，如图2所示，长期预测模型包括：在未来时间的电力情况状态预测，以月份为一个周期；根据数据采集模块采集的数据进行建模，将相同特征月的历史平均值作为未来时刻的预测值，然后对历史的数据逐步更迭预测数据，平均数据随之更迭，长期预测模型公式为：[0047]vpredict＝αvcurrent+(1-α)vhistory[0048]0≤α≤1[0049]式中，α为预设值、vpredict为电力情况预测模型结果、vcurrent为实时的电力情况、vhistory为历史的电力情况。[0050]优选地，短期预测模型包括：在未来时间的电力情况状态预测，以5min为一个周期；根据数据采集模块采集的数据进行建模，采用7个数据集表示下一个周期的某个节点的电力情况；v(x，y)为电力情况，x为节点，y为时刻，包括v1(i，k)、v2(i，k-1)、v3(i，k-2)、v4(i-1，k)、v5(i-2，k)、v6(i-1，k-1)、v7(i-2，k-1)七个电力情况数据集来预测v(i，k+1)；采用卡尔曼滤波对电力情况进行建模：v(i，k+1)＝vi，kθi，k+ε；上式中，vi，k＝[v(i，k)，v(i，k-1)，v(i，k-2)，v(i-1，k)，v(i-1，k-1)，v(i-2，k)，v(i-2，k-1)]；θi，k＝[θ(i，k)，θ(i，k-1)，θ(i，k-2)，θ(i-1，k)，θ(i-1，k-1)，θ(i-2，k)，θ(i-2，k-1)]h；ε为零均值白噪声项；θi，k为电力情况观察值vi，k的系数集合，可以得到第i节点第k+1周期的电力情况预测值：点第k+1周期的电力情况预测值：式中，为电力情况观察值vi，k的系数集合值。状态向量预测方程：状态预测增益方程：态预测增益方程：状态预测协方差方程：p(k+1|v(i，k))＝[i-g(k)c]p(k|v(i，k))+q(k)；初始值：p(1|v(i，0))＝0.01×i7×7；电力情况预测方程：[0051]具体的，长期预测模型：指在未来时间的电力情况(本技术设置长期时间为12个月)，使用傅里叶历史估算模型进行电力情况状态预测。长期预测原则：平台判断当前日期，如果为稳定的电力情况的月份，调用稳定日期预测模型进行计算，得到第x+1月的数据；如果为异常的电力情况的日期，调用异常日期预测模型进行计算，得到第x+1月的数据；长期预测的对象为一天的设备的电力情况数据，对对象进行预测，因为有固定时间为1年，所以日期之间不互相产生影响。傅里叶历史加权平均模型：根据历史经验值，在电力行业的电力供应一般都较为稳定，例如南方居民用电夏季(4-6月)用电量剧增、北方居民用电冬季(10-12月)用电量剧增，商业用电则在工业忙碌期用电量剧增等，呈现1-12月的一个周期性规律，电网中的长期预测电力情况在正常情况下不会有大的突变。短期预测模型：指当前时间10min～1h(通常设置为30min)内的电力情况，主要与该处历史值、当前一段时间内的序列和与该电力情况相关联区间序列有关。根据电力情况的时间和应用场景的相关性，短期的电力情况处于连续状态，平台得到的实际数据是5min的统计间隔周期，所以考虑三个统计间隔，用k、k-1、k-2时刻的电力情况来预测第k+1时刻的电力情况；经实际运用和验证，采用7个数据集表示下一个时刻的电力情况。[0052]本技术以某城市高新技术开发区的1454个电力用户，选取了2015.01.01-2016.08.31期间的历史电力数据作为测试对象，具体电力数据为负荷数据，采集的样本频率为一天一次，共885496组数据，样本数据见下表：[0053][0054]优选地，s5包括：监测模块通过搭建变电站集中实时监测电力设备的用电信息，并通过辅助监测对实时水文气象信息数据进行采集，通过智能分析监测电力设备运行的风险与问题，发送用电信息到可视化模块，为调度计划模块提供数据支持。[0055]优选地，搭建变电站包括但不限于配电自动化站系统、配电scada、配电终端和配电子站。[0056]优选地，s7包括：可视化模块使用tableau工具实现，形成线变关系异动的数据报表，如图3-4所示，为数据报表显示，包括故障停电研判总览和停电实时查询。故障停电研判总览包括：故障停电研判总览页面展示停电研判事件信息，地图部分展示全省各个地市事件数量及停电事件影响线路情况，各地市停电配变统计展示停电配变数量和停电配变时长，停电事件中心展示实时数据情况；停电实时查询包括：停电事件详情页面展示停电事件信息以及停电设备、停电影响用户、研判动作明细。[0057]以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本
技术领域：
：中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的试验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。当前第1页12当前第1页12
技术特征：
1.一种电力行业故障停电全流程管控平台，其特征在于，包括：数据采集模块、监测模块、分析模块、维修人员用户端、可视化模块和调度计划模块；所述管控平台操作步骤包括：s1：所述数据采集模块采集数据，并发送到分析模块；s2：分析模块基于数据采集模块，对数据进行分析、预测建模和储存处理，然后将处理后的数据发送到管控模块和可视化模块；s3：所述管控模块根据数据信息，输出运维信息工单并传输到所述维修人员用户端；s4：维修人员根据接收到的运维信息对故障点进行维修，然后将维修信息发送到所述可视化模块；s5：所述监测模块实时监测电力设备的用电信息，并将所述用电信息发送到可视化模块，进行实时监视；s6：调度计划模块与可视化模块连接，根据所述预测建模结果和维修信息，生成电力设备的检修工作计划报表和电力预测计划报表；s7：可视化模块显示检修工作计划报表、电力预测计划报表和实时电力设备的用电信息报表。2.根据权利要求1所述的一种电力行业故障停电全流程管控平台，其特征在于，所述s1包括：所述采集的数据包括电力生产数据、电力设备检修数据、电力调度数据和辅助监测水文气象数据。3.根据权利要求2所述的一种电力行业故障停电全流程管控平台，其特征在于，所述s1包括：所述数据采集模块包括关系数据库、日志文件和opc服务器；所述关系数据库和日志文件通过访问数据源的计算机上部署的flume进行数据采集；所述opc服务器采用基于java的opc服务采集与转储系统软件进行数据采集。4.根据权利要求1所述的一种电力行业故障停电全流程管控平台，其特征在于，所述s2包括：所述分析包括负荷统计分析、停电统计分析、电压质量统计分析、线损统计分析、三相不平衡统计分析、跳闸统计分析、汇总报表和模板定制。5.根据权利要求1所述的一种电力行业故障停电全流程管控平台，其特征在于，所述s2包括：所述预测建模包括长期预测模型和短期预测模型，对数据采集模块采集的数据进行电力情况状态预测。6.根据权利要求4所述的一种电力行业故障停电全流程管控平台，其特征在于，所述长期预测模型包括：在未来时间的电力情况状态预测，以月份为一个周期；根据所述数据采集模块采集的数据进行建模，将相同特征月的历史平均值作为未来时刻的预测值，然后对历史的数据逐步更迭预测数据，平均数据随之更迭，所述长期预测模型公式为：v
predict
＝αv
current
+(1-α)v
history
0≤α≤1式中，α为预设值、v
predict
为电力情况预测模型结果、v
current
为实时的电力情况、v
history
为历史的电力情况。7.根据权利要求4所述的一种电力行业故障停电全流程管控平台，其特征在于，所述短期预测模型包括：在未来时间的电力情况状态预测，以5min为一个周期；根据所述数据采集模块采集的数据进行建模，采用7个数据集表示下一个周期的某个节点的电力情况；v(x，y)为电力情况，x为节点，y为时刻，包括v1(i，k)、v2(i，k-1)、v3(i，k-2)、v4(i-1，k)、v5(i-2，k)、v6(i-1，k-1)、v7(i-2，k-1)七个电力情况数据集来预测v(i，k+1)；采用卡尔曼滤波对电力情况进行建模：v(i，k+1)＝v
i，k
θ
i，k
+ε；上式中，v
i，k
＝[v(i，k)，v(i，k-1)，v(i，k-2)，v(i-1，k，vi-1，k-1，vi-2，k，vi-2，k-1；θi，k＝θi，k，θi，k-1，θi，k-2，θi-1，k，θi-1，k-1，θi-2，k，θi-2，k-1h；ε为零均值白噪声项；θi，k为电力情况观察值v
i，k
的系数集合，可以得到第i节点第k+1周期的电力情况预测值：式中，为电力情况观察值v
i，k
的系数集合值。状态向量预测方程：状态预测增益方程：状态预测协方差方程：p(k+1|v(i，k))＝[i-g(k)c]p(k|v(i，k))+q(k)；初始值：p(1|v(i，0))＝0.01
×
i7×7；电力情况预测方程：8.根据权利要求1所述的一种电力行业故障停电全流程管控平台，其特征在于，所述s5包括：所述监测模块通过搭建变电站集中实时监测电力设备的用电信息，并通过辅助监测对实时水文气象信息数据进行采集，通过智能分析监测电力设备运行的风险与问题，发送所述用电信息到可视化模块，为调度计划模块提供数据支持。9.根据权利要求7所述的一种电力行业故障停电全流程管控平台，其特征在于，包括：所述搭建变电站包括但不限于配电自动化站系统、配电scada、配电终端和配电子站。10.根据权利要求1所述的一种电力行业故障停电全流程管控平台，其特征在于，所述s7包括：所述可视化模块使用tableau工具实现，形成线变关系异动的数据报表。

技术总结
本发明公开了一种电力行业故障停电全流程管控平台，包括：数据采集模块、监测模块、分析模块、维修人员用户端、可视化模块和调度计划模块；平台操作步骤包括：S1：数据采集模块采集数据；S2：分析模块对数据进行分析、预测建模和储存处理；S3：管控模块输出运维信息工单并传输到所述维修人员用户端；S4：维修人员根据接收到的运维信息对故障点进行维修；S5：监测模块实时监测电力设备的用电信息；S6：调度计划模块生成报表；S7：可视化模块显示报表；本申请通过对电力情况进行预测结合分析模块生成报表下发工作人员，提高对于故障停电的设备管控能力。控能力。控能力。


技术研发人员：金波 查志勇 郑蕾 吴耿 董晨曦 徐焕 余明阳 詹伟 刘忠佩
受保护的技术使用者：国网湖北省电力有限公司信息通信公司
技术研发日：2023.05.31
技术公布日：2023/8/23