一种基于机器学习的电力监测与预警系统的制作方法

1.本发明涉及一种电力监测与预警技术，具体涉及一种基于机器学习的电力监测与预警系统。


背景技术：

2.城市中不定期会组织、承办各类大型活动，如论坛、综艺、演艺、赛事、见面会等，这些活动的举办场所及舞台，有一部分是临时搭建的，为保证活动顺利举办，供电部门必须对现场进行保电，做到配电数据即时监测，设备故障提前预警，当前的情况是，活动供电从就近配电室取电，配电设备及保电设备(如大型电源车、应急抢修车等)自身并无在线监测系统，也没有配套的监测设备能够对重点设备做到数据监控，所以，保供电缺少行之有效的依托保障，是困扰电力应急部门的一大问题。
3.电力系统可靠工作的基础和前提是树立“预防为主”的观念，也是电力工作的指导方针，当前社会企业的一切生产、社会活动都以可靠地电力保障为前提，在重大社会活动中，坚持服务社会，围绕人员财产的安全展开电力保障工作，才能有效发挥电力工作的作用及价值。本项目所研究的适用于重大保电活动的用户侧电力设施状态监测快速部署物联网系统，能够及时监测到配电室电气设备的电气特性参数及变化趋势，比如是否存在火灾、跳闸隐患，电力是否三相不平衡、电流、电压是否稳定可靠、是否存在扰动因素导致供电中断风险等等，这些配电隐患有一些共性问题，总结如下：
4.第一，当前一般配电房用户侧没有装配综合的电力设备及电气参数在线监测系统，导致无法及时进行断电、火灾预警，而是事件发生后进行问题排查、处理；
5.第二，因为保供电活动往往为了应对重大社会活动，而选址及保电客观存在着没有备用、冗余切换供电的成套电气装备，及时备有电源车，也无法与原有配电室电力引出系统实现无间隙切换，这样就无法实现原有配电室保供电异常情况下的不间断供电，而是会对活动造成断电影响；
6.第三，对配电室进行在线监测改造工作量大，时间长，也会对原来供电范围造成断电风险，以当前传统产品技术来说，活动结束后，再拆卸互感器等监测装置比较麻烦，耗费很大人力物力，而且通用的测量装置无法进行系统的数据分析，做不到提前预警、数据综合诊断的作用。
7.当前，社会公益活动愈加频繁，就近的配电室不一定能承载过大的负荷，而保供电不利又会造成重大的财力损失及社会舆论影响，但中低压电气装备对人体是危险的，传统的靠人工现场用仪器监测、主观判断的方法已经不能有效确保设备的正常与否。这种方法也存在检测点不全、人因失误常发，而且准确率低、效率低的问题，更不说预警的作用了。为实现重大社会活动的可靠保供电工作，电力部门多是依赖各种离散的仪器、设备对重要监测点进行监测，耗费大量人力，存在很多漏洞与不足，往往达不到快速综合分析配电装置是否可靠的效果。


技术实现要素：

8.本发明的主要目的是提供了一种基于机器学习的电力监测与预警系统。
9.其采用的技术方案如下：
10.一种基于机器学习的电力监测与预警系统，包括
11.采集装置，所述采集装置包括
12.取电端，固定在监测设备的输电电缆上，
13.采集模块，用于获取监测设备的电气参数，
14.定位模块，用于获取采集装置的位置信息；
15.集中转发装置，与所述的采集装置连接，所述集中转发装置包括
16.通信模块，兼具通用网络接口及通信网络单元，用于采集模块采集到的电气参数数据的接收以及数据处理后的转发，
17.无线数据处理模块，用于通信管理、电池电量管理、数据处理以及数据转发；
18.保电监测平台，与所述的集中转发装置连接，所述保电监测平台包括
19.显示模块，用于显示实时获取的电气参数以及由历史参数构成的波形图，
20.算法模块，基于kalman滤波预测与支持向量机算法对电路运行状态进行故障预警，当系统判断电路运行状态为异常时，将会进行自动报警；
21.移动终端，移动终端与保电监测平台通过静态链接库集成接口连接，用于获取电监测平台的实时监测数据，
22.所述静态链接库集成接口包括接口处理单元、接口监测单元以及接口控制单元，
23.所述接口处理单元用于将接口属性重置以获取图像数据帧，
24.所述接口监测单元，获取图像数据帧的接收时序，与图像数据帧传输对应组合，将图像进行传输封装并传输，
25.所述接口控制单元，用于与移动终端通信检测，并获取移动终端的定位信息。
26.进一步地，所述取电端包括
27.若干个卡扣，所述卡扣由绝缘材料构成，在卡扣的中间设置有探头，所述探头经线缆与采集模块连接。
28.进一步地，所述采集装置还包括电池装置、主控芯片以及无线数据收发模块，
29.所述采集模块包括电流传感器以及温度传感器，所述电池装置与主控芯片、采集端无线数据收发模块、电流传感器以及温度传感器分别连接，所述主控芯片与采集端无线数据收发模块、电流传感器以及温度传感器分别连接，所述采集端无线数据收发模块与集中转发装置内的通信模块连接。
30.进一步地，所述集中转发装置还包括转发端无线数据收发模块、无线数据处理模块、无线数据存储模块、数据交换模块、无线数据电池模块，
31.所述转发端无线数据收发模块与采集端无线数据收发模块连接，所述无线数据处理模块与转发端无线数据收发模块和无线数据存储模块，数据交换模块与无线数据存储模块、转发端无线数据收发模块及通信模块连接，无线数据电池模块与线数据收发模块、无线数据处理模块、无线数据存储模块、数据交换模块、通信模块分别连接。
32.进一步地，所述保电监测平台用于监测现场采集的数据、电力信息数据曲线图绘制、采集装置位置显示、历史数据查询以及电力故障预警。
33.进一步地，所述电力信息数据曲线图绘制的方法如下：
34.1)根据采集装置的定位模块建立并行的多个对应的并行数据处理单元，
35.2)依据定位模块的对应关系将采集到的电气数据传输至数据处理单元，监测每一数据处理单元任务列表执行情况，当待执行的数据和正在处理的数据属于同一个周期时间内时，持续输出处理结果，形成曲线图，并在处理结果中显示定位信息和时间，当待执行的数据和正在处理的数据不属于同一个周期时间内时，输出分隔符，将上一曲线图与之区分，在处理结果中显示定位信息和时间。
36.进一步地，所述电力故障预警是基于kalman滤波预测与支持向量机算法，
37.方法为：将绘制的电力信息数据曲线图按照时间t进行连续稳态表示，根据上一时间t的运行结果利用kalman滤波对下一时间t的电路运行状态进行估计，
38.在得到估计值后通过与实际测量值进行作差从而得到各相应参数的偏离值，将得到的偏离值作为svm的输入，利用训练好的svm模型实现对故障的预判从而实现故障预警。
39.进一步地，当电路运行状态为正常时，其电流、电压参数与历史数据相比变化不大，而当线路中出现故障时，其对应的实测参数值将发生突变，此时实测值与根据历史值进行kalman滤波预测得到的估计值失去匹配。
40.本发明基于物联网智能电气参数传感器，卡扣式装配，便于拆卸安装，可安装于低压配电柜、配电箱、表箱等开关出线部位，无需停电、无需接线、快速部署、免维护，纳安级低功耗、采用阻燃材料，集参数测量、状态监测、数据处理、通讯管理于一体，智能识别电气设备电压、电流、温度、三相不平衡等数据，实现多场景、多用途的电气设备运行监测、环境监测、安全监测等应用。
41.集中转发装置同时接收不低于100路的网联网智能传感数据，可通过公网、专网、有线、无线等通讯方式将数据转发给后台，进行智能数据分析。
42.保电监测平台实现数据的历史趋势查询、事件智能分析、预警，安全分析、与应急指挥系统联动，对各个检测变量进行阈值设定、变量通过算法实现设备状态智能诊断，对安全隐患自动做出原因分析，能够结合保供电临时用设备(如电源车、应急抢修车等)数据对这些设备做出状态指示及应急保障数据指导。
43.本发明可实现电力设备保供电时潜在的隐患的自动识别、诊断，能精准、快速检测出电力设备的正常供电隐患，及时对电气隐患做出预警分析，其预警信号与诊断数据实时回传保电监测平台，同时与电力部门已建成的应急指挥系统联动，进行主动干预，规避隐患风险，同时记录与存储隐患事件状态，便于工作人员根据数据对隐患的状态、表现的情况做出分类分析，提高工作效率，确保重大活动的正常供电。
附图说明
44.图1为本发明的原理图；
45.图2为本发明的输出曲线。
具体实施方式
46.以下结合实施例及附图对本发明进行详细的描述。
47.参照图1至图2，本发明提供了一种基于机器学习的电力监测与预警系统，包括数
据采集、数据集中转发和保电监测与预警。在重大活动保电现场，将无线传感装置装夹到为活动供电的中低压配电室(如配电柜、配电箱或者发电车等)的输电电缆上，通过集中转发装置对采集来的数据进行收集，最后再通过互联网nb
‑
iot或运营商2g/3g/4g/5g网络，将采集到的数据无线传输到保电监测平台。保电监测平台可以实时显示各监测点的电流、电压、中性线电流以及温度等电气运行参数，并将历史数据以波形图的形式进行展示。同时，采用kalman滤波预测与支持向量机(support vector machine，svm)算法对电路运行状态进行故障预警，当系统判断电路运行状态为异常时，将会进行自动报警。
48.其具体包括
49.现场终端，包括无线传感装置和无线集中转发装置。在重大活动保电现场，将传感装置装夹到供电的中低压配电室(配电柜、配电箱、发电车等)的输电电缆上，通过集中器将数据收集，再通过物联网nb
‑
iot或运营商2g/3g/4g网络，将数据无线传输到远程指挥中心。
50.保电监测平台，指带公网ip或物联网接入的中心主站服务平台，因本项目与移动应急指挥系统无缝融合，故可使用移动应急指挥系统已建成的服务平台；
51.移动终端，是指挥中心的用户界面，它可以直接看到前端各装置的gps/北斗定位在地图上的位置，并可看到各装置的实时电流、温度参数，并且可通过波形进行显示，以便进行趋势分析预测；并通过软件的智能分析，设定相关阀值，进行自动报警，并将报警信息转发到移动应急指挥系统的各在线终端，与移动应急指挥系统进行联动。
52.具体的方案为：基于机器学习的电力监测与预警系统，包括
53.采集装置，所述采集装置包括
54.取电端，固定在监测设备的输电电缆上，
55.采集模块，用于获取监测设备的电气参数，
56.定位模块，用于获取采集装置的位置信息；
57.集中转发装置，与所述的采集装置连接，所述集中转发装置包括
58.通信模块，兼具通用网络接口及通信网络单元，用于采集模块采集到的电气参数数据的接收以及数据处理后的转发，
59.无线数据处理模块，用于通信管理、电池电量管理、数据处理以及数据转发；
60.保电监测平台，与所述的集中转发装置连接，所述保电监测平台包括
61.显示模块，用于显示实时获取的电气参数以及由历史参数构成的波形图，
62.算法模块，基于kalman滤波预测与支持向量机算法对电路运行状态进行故障预警，当系统判断电路运行状态为异常时，将会进行自动报警；
63.移动终端，移动终端与保电监测平台通过静态链接库集成接口连接，用于获取电监测平台的实时监测数据，
64.所述静态链接库集成接口包括接口处理单元、接口监测单元以及接口控制单元，
65.所述接口处理单元用于将接口属性重置以获取图像数据帧，
66.所述接口监测单元，获取图像数据帧的接收时序，与图像数据帧传输对应组合，将图像进行传输封装并传输，
67.所述接口控制单元，用于与移动终端通信检测，并获取移动终端的定位信息。
68.静态链接库集成接口设计上采用模块化思路，很好的展现了模块化编程中封装的优势，其将复杂的图像识别算法封装起来，对外表现为几组标准的接口，集成方通过一定的
序列顺序对算法模块进行初始化，数据传输和结构回取，在图像识别基础上做出图形化展示和业务表达。
69.隐藏对象的属性和实现细节，仅对外公开接口和对象进行交互，将数据和操作数据的方法进行有机结合；模块的各个部分可以独立开发、独立运维和升级，而且模块可以根据不同的业务需求重新组合，这种独立性使大型软件的不断迭代升级变得可能；通过c 静态链接库的方式进行二进制级别的模块连接，其调用和回传执行效率为最佳选择方案，能更好的适应实时性要求高的使用场景。
70.进一步地，所述取电端包括
71.若干个卡扣，所述卡扣由绝缘材料构成，在卡扣的中间设置有探头，所述探头经线缆与采集模块连接，对电流、电压和温度等电气参数进行采集，其采用卡扣式结构安装于中低压配电柜、配电箱或者发电车的输电电缆上，安装过程中无需停电和接线。
72.所述采集装置还包括电池装置、主控芯片以及无线数据收发模块，
73.所述采集模块包括电流传感器以及温度传感器，所述电池装置与主控芯片、采集端无线数据收发模块、电流传感器以及温度传感器分别连接，所述主控芯片与采集端无线数据收发模块、电流传感器以及温度传感器分别连接，所述采集端无线数据收发模块与集中转发装置内的通信模块连接。
74.所述集中转发装置用于同时近距离接收多路终端数据，并且能够即时进行中转，其采用的是cortex
‑
a8结构的工业级arm处理器，可以完成通信管理、电池电量管理、数据处理、数据转发等工作。能够兼容有线、无线公网、专网等多种制式网络通讯，而且并行接收数据量足够大，从而增加传输效率节约成本。
75.集中转发装置还包括转发端无线数据收发模块、无线数据处理模块、无线数据存储模块、数据交换模块、无线数据电池模块，
76.所述转发端无线数据收发模块与采集端无线数据收发模块连接，所述无线数据处理模块与转发端无线数据收发模块和无线数据存储模块，数据交换模块与无线数据存储模块、转发端无线数据收发模块及通信模块连接，无线数据电池模块与线数据收发模块、无线数据处理模块、无线数据存储模块、数据交换模块、通信模块分别连接。
77.进一步地，所述保电监测平台用于监测现场采集的数据、电力信息数据曲线图绘制、采集装置位置显示、历史数据查询以及电力故障预警。
78.进一步地，所述电力信息数据曲线图绘制的方法如下：
79.1)根据采集装置的定位模块建立并行的多个对应的并行数据处理单元，
80.2)依据定位模块的对应关系将采集到的电气数据传输至数据处理单元，监测每一数据处理单元任务列表执行情况，当待执行的数据和正在处理的数据属于同一个周期时间内时，持续输出处理结果，形成曲线图，并在处理结果中显示定位信息和时间，当待执行的数据和正在处理的数据不属于同一个周期时间内时，输出分隔符，将上一曲线图与之区分，在处理结果中显示定位信息和时间。
81.进一步地，所述电力故障预警是基于kalman滤波预测与支持向量机算法，
82.方法为：将绘制的电力信息数据曲线图按照时间t进行连续稳态表示，根据上一时间t的运行结果利用kalman滤波对下一时间t的电路运行状态进行估计，
83.在得到估计值后通过与实际测量值进行作差从而得到各相应参数的偏离值，将得
到的偏离值作为svm的输入，利用训练好的svm模型实现对故障的预判从而实现故障预警。
84.当电路运行状态为正常时，其电流、电压参数与历史数据相比变化不大，而当线路中出现故障时，其对应的实测参数值将发生突变，此时实测值与根据历史值进行kalman滤波预测得到的估计值失去匹配。
85.kalman滤波算法的模型如式(1)，(2)所示：
86.信号模型：
87.x
k
＝a
k
x
k
‑1 b
k
w
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
88.观测模型：
89.z
k
＝h
k
x
k
v
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
90.上式中z
k
是观测向量，x
k
是状态向量，a
k
是状态转移矩阵，b
k
是输入矩阵，w
k
为动态噪声，v
k
为观测噪声，h
k
为观测矩阵。在本系统中定义kalman滤波的状态向量为x
k
＝(u
k
,i
k
,i'
k
,du
k
,di
k
,di'
k
,c
k
)
t
，观测向量为z
k
＝(u
k
,i
k
,i'
k
,c
k
)
t
。其中：u
k
和du
k
分别是电压与电压变化率；i
k
和di
k
分别是电流与电流变化率；i
‘
k
和di’k
分别是中性线电流与线电流变化率；c
k
为线路采集的温度值。
91.在电网系统中，当线路为稳定运行状态时其电流、电压以及温度等参数会在一定安全范围内波动而不会产生突变。本系统中的kalman滤波系统为线性动态模型。kalman滤波方程如下：
92.时间更新：
93.状态更新：
94.其中，误差协方差矩阵p、状态噪声协方差矩阵q、观测转移矩阵h以及观测噪声协方差矩阵r的初值均由经验值所得。
95.系统通过kalman滤波器得到对电路运行状态参数的估计之后，利用获得的实际测量值，就可得到与当前估计值不匹配所导致的偏离值。将此时获得的偏离值作为svm的输入，利用事先训练好的svm模型就可对当前故障状态进行判断。本系统中的svm模型是通过实验采集大量电路运行正常状态以及非正常状态下的数据训练所得，svm核函数选用的是高斯核，参数取值为c＝2，gamma＝10。
96.以上对本发明实施例所公开的技术方案进行了详细介绍，本文中应用了具体实施例对本发明实施例的原理以及实施方式进行了阐述，以上实施例的说明只适用于帮助理解本发明实施例的原理；同时，对于本领域的一般技术人员，依据本发明实施例，在具体实施方式以及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。