一种配电网智能诊断系统的制作方法

本发明涉及配电网检修维护技术领域，尤其涉及一种配电网智能诊断系统。

背景技术：

改革开放几十年以来，国民经济得到快速的发展，电网铺设范围及规模都得到大力提升，与此同时用户对供电可靠性的要求也逐步提高，传统的周期巡视检修模式面临检修人员短缺、停电时间长、供电可靠性低、“陪试陪检”现象普遍、检修成本高、费时、费力、受偶然性因素影响较大、检修工作被动执行等众多问题。传统的周期巡视检修模式已经不能适应电网发展的要求，状态检修是解决上述问题的重要手段。

状态检修方式以设备当前的实际工作状况为依据，它通过先进的状态监测和诊断手段、可靠性评价手段以及寿命预测手段，判断设备的状态，识别故障的早期征兆，对故障部位其及严重程度、故障趋势做出判断，并根据分析诊断结果，在设备性能下降到一定程度或故障将要发生之前主动实施维修。它为电气设备安全、稳定、长周期、全性能、优质运行提供了可靠的技术和管理保障。

状态检修方式存在的诸多优点，很多地区已经开始了配网设备状态检修的研究与试验，并建立了相应的系统。但由于缺少整体的规划设计、建设及验收的标准或规范，所面对的配网现实水平也各有差异，目前还没有可以普遍适用的设备监视、状态评估和检修决策技术方案。

由于状态检修方式以设备当前的实际工作状况为依据，现有技术多是通过监视设备掌握供电设备的工作状况信息，而监视设备本身就是一大问题隐患，由于受温湿度、强磁场等环境因素的影响，监控设备极易发生故障，导致影响状态检修的结果，同时会增加检修人员的工作负担，故不能单纯依靠监视设备、传统的周期巡视检修模式不能立刻完全放弃。

技术实现要素：

本发明研制一种配电网智能诊断系统，该系统运用智能评估、机器学习、互联网、数据库等先进技术，对配网各种设备进行实时监测和评估，根据评估结果，实时报告可能的隐患点，提醒工作人员开展针对性的巡视检修工作，提高巡视检修工作的主动性，并能生成巡视检修计划，以及对应的检修用材料表和检修工具清单，指导各单位开展检修工作，充分利用人工智能，帮助人们提高巡视检修效率和质量。

本发明解决技术问题的技术方案为：一种配电网智能诊断系统，包括以下功能模块，

设备状态信息采集模块：通过日常周期巡视检修获得各种配网设备的状态信息，同时将现有DMS、SCADA、故障报修系统、停电管理系统、配电GIS、营销系统中的设备状态信息抽取，结合配电网周围环境信息形成完整的设备状态信息数据；

设备状态信息ETL(Extract、Transformation、Loading，数据抽取、转换和加载)模块：将设备状态信息数据进行筛选和加工，形成统一的数据库对象，建立通用的数据模型，形成设备状态评估模块可以使用的数据；

智能设备状态评估模块：根据配电网设备的各种状态信息，分析数据特征，对设备状态进行定级，并随着时间推移结合新的设备状态信息对设备状态进行推演；智能设备状态评估模块包括工作区、模式匹配器、算法调度模块、算法执行模块，工作区从设备总线获得设备状态数据，并将设备状态数据传入模式匹配器；模式匹配器分析设备状态数据特征，结合知识库和算法调度规则，自动匹配诊断方式和诊断算法；算法调度模块管理评估算法的执行时间、周期等调度信息；算法执行模块按调度要求对待评估设备执行算法，返回执行结果给工作区，返回执行结果传入设备状态管理模块中进行处理；

设备状态管理模块：根据智能设备状态评估模块的信息，判断配电设备是否需要检修，并生成检修计划；

检修计划优化模块：基于检修时间和负荷转移路径对检修计划进行综合优化；

结果输出模块：根据设备状态评估结果，在页面上实时动态展示设备状态，根据检修计划，以动画和文本相结合的方式展示检修过程，生成与检修计划对应的材料表和检修工具清单。

作为优化，所述配电网智能诊断系统还包括知识库模块，知识库模块保存智能设备状态评估模块的诊断算法配置信息及诊断结果，并在设备诊断过程中通过学习不断优化诊断算法配置信息。

作为优化，所述环境信息包括地理信息、气候信息、天气信息，天气信息通过网络自动获取或定期输入。

作为优化，所述返回执行结果是指当前设备的状态级别，包括设备生命周期、故障率、可能的故障点。

作为优化，所述智能设备状态评估模块利用算法执行中的诊断算法对配电设备状态进行诊断，所述诊断算法包括模糊聚类分析算法、层次分析算法或遗传算法，这些算法分别对不同设备类型和诊断方式对设备进行状态评估。

作为优化，所述诊断方式包括单一诊断方式和综合诊断方式，所述单一诊断方式将设备状态数据与规程、历史检修和故障数据、实验数据、同类设备检测数据比较，通过知识库模块建立配电网主设备状态的单一诊断规则，并将单一诊断规则保存在专家系统的规则库中；所述综合诊断方式是运用人工神经元网络在故障征兆与故障位置之间建立起数学模型，将诊断特征数据存储在网络的权值和阀值里，输入的故障征兆经过数学模型处理后得到准确的输出，指导故障定位。

作为优化，所述设备状态管理模块包括状态管理模块、状态处理模块、检修决策模块三个子模块，状态管理模块与知识库模块通信，维护所有设备的状态信息；状态处理模块根据传入的设备状态信息，判断是否有异常情况及异常情况的持续时间，当达到异常持续时间阀值时确认发生异常；检修决策模块根据设备状态信息和检修规则判断是否需要检修。

作为优化，所述检修计划优化模块包括检修时间优化模块和负荷转移路径优化模块，所述检修时间优化模块基于遗传算法给出优化方案，遗传算法的选择策略是转盘式选择，计算新种群的平均适应值，适应值小于均值的个体得以生存，高于均值的个体以概率生存，所述检修时间优化模块采用均匀交叉策略，所述负荷转移路径优化模块基于待恢复树切割的启发式搜索算法及前推回代算法给出优化方案，具体思路是：根据线路首末节点确定节点关系，经过多次广度优先搜索形成层次关系，确定节点计算顺序，基于支路电流计算出节点注入电流回推计算各支路电流并前推电压，最后通过迭代使电压不平衡不大于收敛判据。

作为优化，所述的知识库模块中知识采用产生式规则来表示，知识包括设备状态、检测方法、监测结果、专家判断、状态数据，并通过自学习自动提取和调整设备故障征兆和判断设备状态规则。

本发明的有益效果：

1.系统运用智能评估、机器学习、互联网、数据库等先进技术，对配网各种设备进行实时监测和评估，根据评估结果，实时报告可能的隐患点，提醒工作人员开展针对性的巡视检修工作，提高巡视检修工作的主动性，并能生成巡视检修计划，以及对应的检修用材料表和检修工具清单，指导各单位开展检修工作，充分利用人工智能，帮助人们提高巡视检修效率和质量。

2.智能设备状态评估模块根据最新的设备状态信息数据生成设备状态级别，包括设备生命周期、故障率、可能的故障点，结果实时更新，提高了准确率。

3.将地理信息、气候信息、天气信息等环境信息融入设备状态信息，诊断结果与上述对设备有影响的因素结合起来，提高了诊断的准确性。

附图说明

图1为本发明一种实施例的结构原理图。

图2为本发明一种实施例的软件结构图。

具体实施方式

为了更好地理解本发明，下面结合附图来详细解释本发明的实施方式。

图1、图2为本发明的一种实施例，如图1所示，一种配电网智能诊断系统，包括以下功能模块，

设备状态信息采集模块：通过日常周期巡视检修获得各种配网设备的状态信息，同时将现有DMS、SCADA、故障报修系统、停电管理系统、配电GIS、营销系统中的设备状态信息抽取，结合配电网周围环境信息形成完整的设备状态信息数据；

设备状态信息ETL(Extract、Transformation、Loading，数据抽取、转换和加载)模块：将设备状态信息数据进行筛选和加工，形成统一的数据库对象，建立通用的数据模型，形成设备状态评估模块可以使用的数据；

智能设备状态评估模块：根据配电网设备的各种状态信息，分析数据特征，对设备状态进行定级，并随着时间推移结合新的设备状态信息对设备状态进行推演；智能设备状态评估模块包括工作区、模式匹配器、算法调度模块、算法执行模块，工作区从设备总线获得设备状态数据，并将设备状态数据传入模式匹配器；模式匹配器分析设备状态数据特征，结合知识库和算法调度规则，自动匹配诊断方式和诊断算法；算法调度模块管理评估算法的执行时间、周期等调度信息；算法执行模块按调度要求对待评估设备执行算法，返回执行结果给工作区，返回执行结果传入设备状态管理模块中进行处理；

设备状态管理模块：根据智能设备状态评估模块的信息，判断配电设备是否需要检修，并生成检修计划；

检修计划优化模块：从经济、管理等多方面考虑，结合遗传算法，基于检修时间和负荷转移路径对检修计划进行综合优化

结果输出模块：根据设备状态评估结果，在页面上实时动态展示设备状态，根据检修计划，以动画和文本相结合的方式展示检修过程，生成与检修计划对应的材料表和检修工具清单。

所述配电网智能诊断系统还包括知识库模块，知识库模块保存智能设备状态评估模块的诊断算法配置信息及诊断结果，并在设备诊断过程中通过学习不断优化诊断算法配置信息。

所述环境信息包括地理信息、气候信息、天气信息，天气信息通过网络自动获取或定期输入。

所述返回执行结果是指当前设备的状态级别，包括设备生命周期、故障率、可能的故障点。

所述智能设备状态评估模块利用算法执行中的诊断算法对配电设备状态进行诊断，所述诊断算法包括模糊聚类分析算法、层次分析算法或遗传算法，这些算法分别对不同设备类型和诊断方式对设备进行状态评估。

所述诊断方式包括单一诊断方式和综合诊断方式，所述单一诊断方式将设备状态数据与规程、历史检修和故障数据、实验数据、同类设备检测数据比较，通过知识库模块建立配电网主设备状态的单一诊断规则，并将单一诊断规则保存在专家系统的规则库中；所述综合诊断方式是运用人工神经元网络在故障征兆与故障位置之间建立起数学模型，将诊断特征数据存储在网络的权值和阀值里，输入的故障征兆经过数学模型处理后得到准确的输出，指导故障定位。

所述设备状态管理模块包括状态管理模块、状态处理模块、检修决策模块三个子模块，状态管理模块与知识库模块通信，维护所有设备的状态信息；状态处理模块根据传入的设备状态信息，判断是否有异常情况及异常情况的持续时间，当达到异常持续时间阀值时确认发生异常；检修决策模块根据设备状态信息和检修规则判断是否需要检修。

所述检修计划优化模块包括检修时间优化模块和负荷转移路径优化模块，所述检修时间优化模块基于遗传算法给出优化方案，遗传算法的选择策略是转盘式选择，计算新种群的平均适应值，适应值小于均值的个体得以生存，高于均值的个体以概率生存，所述检修时间优化模块采用均匀交叉策略，所述负荷转移路径优化模块基于待恢复树切割的启发式搜索算法及前推回代算法给出优化方案，具体思路是：根据线路首末节点确定节点关系，经过多次广度优先搜索形成层次关系，确定节点计算顺序，基于支路电流计算出节点注入电流回推计算各支路电流并前推电压，最后通过迭代使电压不平衡不大于收敛判据。

所述的知识库模块中知识采用产生式规则来表示，知识包括设备状态、检测方法、监测结果、专家判断、状态数据，并通过自学习自动提取和调整设备故障征兆和判断设备状态规则。

如图2所示，智能设备状态评估模块包括工作区、模式匹配器、算法调度模块、算法执行模块，工作区从设备总线获得设备状态数据，并将设备状态数据传入模式匹配器；模式匹配器分析设备状态数据特征，结合知识库和算法调度规则，自动匹配诊断方式和诊断算法；算法调度模块管理评估算法的执行时间、周期等调度信息；算法执行模块按调度要求对待评估设备执行算法，返回执行结果给工作区，返回执行结果传入设备状态管理模块中进行处理。

设备状态管理模块包括状态管理、状态处理、检修决策三个子模块。状态管理模块与数据库通信，维护所有设备的状态信息；状态处理模块根据传入的设备状态信息，判断是否有异常情况及异常情况的持续时间，当达到异常持续时间阀值时确认发生异常；检修决策根据设备状态信息和检修规则判断是否需要检修。

检修计划优化模块包括检修时间优化和负荷转移路径优化，检修时间优化基于遗传算法给出优化方案，负荷转移路径优化基于待恢复树切割的启发式搜索算法及前推回代算法给出优化方案，在此基础上综合两种优化方案，返回最优的优化方案。

本发明为了实现对配网设备状态的评估和检修计划的优化，采用多种方式和渠道采集设备状态信息，抽取出统一的数据对象，建设了智能设备状态评估模型和专家知识库，根据设备状态信息和知识库，分析诊断设备状态，并基于检修时间和负荷路径转移对检修计划进行优化，能够实现设备检修方案的综合优化，为配网系统的稳定运行提供技术支撑，提高配网系统的运维水平和工作效率。

本发明针对配网设备故障早期特征抽取、设备状态评估模型建立、设备状态检修算法优化等难点，设计了基于专家系统与人工神经元网络的设备状态评估模型，对配网设备状态进行实时监测评估，通过检修时间优化和负荷转移路径优化相结合的方法实现对检修计划的优化。同时在数据模型抽取、知识库自动更新等方面采用技术手段进行了实现。

针对某一故障问题，根据设备状态信息数据，通过主成分分析提取出一组该故障的早期状态数据，在算法执行模块中采用K-means算法对该组数据进行聚类分析，给出该故障问题的早期特征和特征状态数据。

单一诊断将设备状态数据与规程、历史检修和故障数据、实验数据、同类设备检测数据比较，并考虑当前系统的运行状况，通过专家系统建立配电网主设备状态的单一诊断规则，并将这些知识保存在专家系统的规则库中。综合诊断是运用人工神经元网络在故障征兆与故障位置之间建立起数学模型，将综合诊断知识存储在网络的权值和阀值里。采用BP网络进行建模。输入的故障征兆经过模型的处理后得到准确的输出，指导故障定位。

基于遗传算法给出检修时间优化方案，基于待恢复树切割的启发式搜索算法及前推回代算法给出负荷转移路径优化方案，在此基础上综合两种优化方案，给出最优的检修方案，为检修人员合理安排检修工作提供依据。

上述虽然结合附图对发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。