1.本发明涉及电网监测技术领域,尤其是一种智能生产的集控系统。
背景技术:
2.随着电网规模不断的扩增,生产指挥中心所接收到的数据量较以往大量增加。由于缺乏系统化的监控数据综合处理和分析工具,需要使用多套系统,这些大量信息的涌入给生产指挥中心指挥员(监控员)监控信息处理造成极大不便,人员监盘压力大,人工分析过程缓慢,效率低,无法从海量监控告警信息、运行状况信息中精准诊断设备跳闸并推送,为设备监控管理及后期运行分析带来诸多问题,针对以上的问题,在这里我们提出一种智能生产的集控系统。
技术实现要素:
3.(一)解决的技术问题
4.针对现有技术不足,本发明提供了一种智能生产的集控系统,解决了:大量信息的涌入给生产指挥中心指挥员监控信息处理造成极大不便,人员监盘压力大,人工分析过程缓慢,效率低,无法从海量监控告警信息、运行状况信息中精准诊断设备跳闸并推送,为设备监控管理及后期运行分析带来诸多问题的问题。
5.(二)技术方案
6.为实现以上目的,本发明通过以下技术方案予以实现:一种智能生产的集控系统,包括以下方法,
7.s1,数据采集:采用传感器和检测设备,实现对生产过程中各项数据的准确采集,并将其传输至云端服务器;
8.s2,数据处理:通过使用深度学习算法,对采集到的数据进行分析和处理,提取出有用信息,并生成对应的决策建议;
9.s3,智能调度:根据实时数据和预测模型,自动优化生产计划和调度,以实现生产资源的最优配置和利用,考虑生产过程中的随机性和不确定性,以保证调度精度;
10.s4,远程控制:通过远程控制技术,实现对生产设备和流程的远程监控和控制,结合人工智能技术,自动调整生产参数;
11.s5,故障诊断与维护:通过使用机器学习算法和大数据分析技术,及时发现和解决生产设备的故障问题。
12.作为本发明的进一步优选方式,步骤s1中:接入遥信、遥测、故障录波、电网断面、变电站拓扑数据。
13.作为本发明的进一步优选方式,步骤s3中,依据信号间的关系、电网拓扑模型、设备状态运行特点,机器人使用神经网络聚类分析技术,建立监控事件推理模型,将原先离散的、海量的告警信息自动建立关联关系,实现以监控事件为索引的告警数据自动聚类。
14.作为本发明的进一步优选方式,步骤s5中,基于接入的遥信、遥测、故障录波、电网
断面、变电站拓扑数据,利用数据辨识、随机森林和xgboost算法技术,结合电网操作场景及人工经验建立知识库,将实时诊断出的事故推送给值班人员处理,通过分析及挖掘技术,实现跳闸事件事前感知预判、事中辅助及事后分析,实现电网跳闸事件全过程智能分析,降低电网运行风险。
15.作为本发明的进一步优选方式,步骤s2中,还包括有数据辨识技术和数据清洗技术,多源异构数据首先数据经过数据辨识规则库进行初次识别,然后进行数据质量审核,数据质量审核采用多源统计控制和数据挖掘算法,再通过审核进行标准评判,最后质量分析评估进入数据清洗技术环节,所述多源异构数据包括有监控警告、设备检修、故障录波和保信子站。
16.作为本发明的进一步优选方式,所述数据清洗技术建立异常辨识库,对异常数据进行异常检测,然后转化成异常样本,分析异常原因,并生成故障信息,提醒检修限电。
17.作为本发明的进一步优选方式,所述数据辨识技术遇到数据缺失或异常时,采用过滤无效数据、只能修正补偿或者人工修正补偿。
18.作为本发明的进一步优选方式,步骤s1中,建立电力监控知识库,所述电力监控知识库包括有电网规则库和电网文档库,所述电网规则库包括有监控操作规则、电网稳定规则、信号过滤规则、设备跳闸规则和处理原则建议,所述电网文档库包括有故障处置预案、电网管控规程、电网图纸档案、业务标准流程和作业评价细则。
19.(三)有益效果
20.本发明提供了一种智能生产的集控系统。具备以下有益效果:
21.本发明主要实现对生产过程中各项数据的准确采集、分析和处理,并根据实时数据和预测模型自动优化生产计划和调度,以实现生产资源的最优配置和利用。该系统可以远程监控和控制生产设备和流程,并自动调整生产参数,通过机器学习算法和大数据分析技术及时发现和解决生产设备的故障问题。此外,该系统还包括数据辨识和数据清洗技术,用于初次识别多源异构数据并进行质量审核,以确保数据的准确性和可靠性。最后,该系统还建立了电力监控知识库,包括有电网规则库和电网文档库,以帮助值班人员快速处理电力事故事件,该技术的发展为代理“人力”眼睛盯盘的监控运行监视方式看到了可能,充分整合现有的信息化资源,减少人工重复性工作,不仅节约人力配置,还可以进一步增强设备运维检修工作的安全性、高效性。
附图说明
22.图1本发明的数据技术的原理框架系统示意图;
23.图2本发明的电力监控知识库的原理框架系统示意图;
24.图3本发明的事件智能研判流程示意图。
具体实施方式
25.下面将结合本发明实施例中,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
26.请参阅图1-3,本发明提供一种技术方案:一种智能生产的集控系统,包括以下方法,
27.s1,数据采集:采用传感器和检测设备,实现对生产过程中各项数据的准确采集,并将其传输至云端服务器;
28.s2,数据处理:通过使用深度学习算法,对采集到的数据进行分析和处理,提取出有用信息,并生成对应的决策建议;
29.s3,智能调度:根据实时数据和预测模型,自动优化生产计划和调度,以实现生产资源的最优配置和利用,考虑生产过程中的随机性和不确定性,以保证调度精度;
30.s4,远程控制:通过远程控制技术,实现对生产设备和流程的远程监控和控制,结合人工智能技术,自动调整生产参数;
31.s5,故障诊断与维护:通过使用机器学习算法和大数据分析技术,及时发现和解决生产设备的故障问题。
32.电网事件主要划分为以下几种事件:
33.电网故障事件:基于有效的监控信号、遥测信号,生成站内各类电压等级(500kv、220kv、110kv、35kv、10kv)的设备跳闸事件,包括线路、主变、母线、容抗器等
34.电网异常事件:基于有效一次告警数据,实现频发事件、信号未复归、设备越限等事件生成。
35.电网操作事件:基于avc自动调压系统数据,实现avc动作频繁、avc操作失败告警的告警事件。
36.步骤s1中:接入遥信、遥测、故障录波、电网断面、变电站拓扑数据。
37.步骤s3中,依据信号间的关系、电网拓扑模型、设备状态运行特点,机器人使用神经网络聚类分析技术,建立监控事件推理模型,将原先离散的、海量的告警信息自动建立关联关系,实现以监控事件为索引的告警数据自动聚类。
38.步骤s5中,基于接入的遥信、遥测、故障录波、电网断面、变电站拓扑数据,利用数据辨识、随机森林和xgboost算法技术,结合电网操作场景及人工经验建立知识库,将实时诊断出的事故推送给值班人员处理,通过分析及挖掘技术,实现跳闸事件事前感知预判、事中辅助及事后分析,实现电网跳闸事件全过程智能分析,降低电网运行风险。
39.步骤s2中,还包括有数据辨识技术和数据清洗技术,多源异构数据首先数据经过数据辨识规则库进行初次识别,然后进行数据质量审核,数据质量审核采用多源统计控制和数据挖掘算法,再通过审核进行标准评判,最后质量分析评估进入数据清洗技术环节,所述多源异构数据包括有监控警告、设备检修、故障录波和保信子站。
40.所述数据清洗技术建立异常辨识库,对异常数据进行异常检测,然后转化成异常样本,分析异常原因,并生成故障信息,提醒检修限电。
41.所述数据辨识技术遇到数据缺失或异常时,采用过滤无效数据、只能修正补偿或者人工修正补偿。
42.步骤s1中,建立电力监控知识库,所述电力监控知识库包括有电网规则库和电网文档库,所述电网规则库包括有监控操作规则、电网稳定规则、信号过滤规则、设备跳闸规则和处理原则建议,所述电网文档库包括有故障处置预案、电网管控规程、电网图纸档案、业务标准流程和作业评价细则。
43.以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
44.此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。