基于状态监测的高压开关柜预警阈值分析方法与流程

本发明涉及开关柜监测，具体涉及基于状态监测的高压开关柜预警阈值分析方法。

背景技术：

1、传统的电网状态检修往往需要人工巡检和定期维护，这不仅耗时耗力，而且难以发现潜在问题。而无源无线智能传感器可以实时监测设备状态，通过对开关柜加装无源无线智能传感器，实现对开关柜关键状态量的实时在线监测和实时智能感知。目前新疆已对50座变电站964面开关柜实行了状态监测，能够远程实时获取到开关柜触头温度、局放信号监测数据，基本能够为开关柜不停电状态检修提供实时和较为全面的数据支撑，但目前的应用效果并不理想，主要存在以下问题：

2、一是数据质量参差不齐。状态监测数据质量问题较多，无效数据较多，为零为空为负数据不在少数，一部分触头测温传感器采用电流取电方式，当柜体流过电流较小时后台置无效数据上传；局放信号数据由于采用的单位不统一也影响了数据分析质量，另外局放信号易受电磁、声波等干扰较大等。以上都严重影响状态预警和评价结果。

3、二是状态预警阈值设置不完善。由于高压开关柜状态监测在属于新技术应用，目前没有成熟的阈值设定及状态预警规则，状态监测数据的应用仍处于起步阶段，试点开展阶段的阈值设定较为宽泛，未能有效发现设备潜在缺陷。

4、针对高压开关柜寻找合适的触头测温报警阈值和高压开关柜局放报警阈值，对于提高状态监测的准确性和有效性至关重要；触头测温报警阈值的必要性：高压开关柜触头过热是引发设备故障和火灾的主要原因之一，设定合适的测温报警阈值可以及时发现触头过热现象，从而预防潜在的安全事故；通过实时监测触头温度，并结合历史数据和运行条件，设定合理的报警阈值，可以在触头温度异常升高时及时发出警报，提醒运维人员采取措施，避免设备损坏和停电事故的发生，同时合适的报警阈值可以减少无效报警，降低运维人员的工作强度，提高运维效率；高压开关柜局放报警阈值的必要性：局部放电是高压开关柜内部绝缘老化和损坏的重要征兆，设定合适的局放报警阈值可以及时发现潜在的绝缘故障，为运维人员提供预警信息，通过分析局放信号的特征和强度，结合设备的历史数据和运行条件，可以判断设备的绝缘状态，为预防性维护提供科学依据，及时发现并处理局部放电问题，可以避免绝缘进一步恶化，延长设备的使用寿命。

5、这两个报警阈值的设定对高压开关柜的状态监测具有重要意义。合适的报警阈值可以确保监测系统的准确性，减少误报和漏报现象，提高监测数据的可信度；基于准确的监测数据，运维人员可以制定更加科学、合理的运维策略，提高设备的可靠性和可用性；通过及时发现和处理潜在问题，可以避免设备故障导致的停电事故和维修成本增加，降低运维成本。

6、因此，为了充分发挥高压开关柜状态监测的作用和价值，需要针对触头温度和局放信号设定合适的报警阈值，并不断完善和优化状态预警和评价机制。

技术实现思路

1、本发明旨在针对现有技术的技术缺陷，提供基于状态监测的高压开关柜预警阈值分析方法，通过获取现有高压开关柜的状态监测数据，制定清洗规则进行数据清洗、分析、比较得到准确的预警阈值和增量阈值，系统平台设定预警阈值和增量阈值，减少误报和漏报现象，提高了高压开关柜状态监测的准确性。

2、本发明提供如下技术方案：基于状态监测的高压开关柜预警阈值分析方法，包含以下步骤：

3、(1)获取高压开关柜监测数据；所述监测数据包括高压开关柜触头测温数据和高压开关柜局放数据，所述高压开关柜触头测温数据包括上触头a、上触头b、上触头c、下触头a、下触头b、下触头c的测温数据；所述高压开关柜局放数据包括超声波、地电压、特高频的局放数据；

4、(2)制定数据清洗规则；根据监测装置的监测类型、传感器原理、安装位置、通讯方式、生产厂家、覆盖范围的常见问题制定清洗规则，所述清洗规则为剔除无效数据，所述无效数据包括非正常极值异常数据、长时间未变化的数据、数据中断、为空为零的数据；

5、(3)数据清洗后得到有效数据；

6、(4)数据分析；采用直方图、正态分布、聚类分析三种方式分别对所述有效数据进行数据分析，根据数据分析结果选取误告率最低的阈值作为限值阈值；根据所述有效数据进行日增量、周增量、月增量分析，得到增量阈值；

7、(5)预警阈值的设定；所述预警阈值包括限值阈值和增量阈值，根据预警阈值，在国网pms系统平台上设定监测装置的报警阈值，当监测量大于设定的报警阈值，监测装置将自动触发报警。

8、优选的，所述步骤(2)中非正常极值异常数据中的极大值清洗采用同装置的数据分布区间最大的占比为基数取平均值，平均值的10倍为离群阈值，超出离群阈值的数据视为无效数据。

9、优选的，所述步骤(4)中的采用直方图进行有效数据分析，按监测类型、电压等级、开关柜类型分析得到限值阈值；

10、对高压开关柜的触头测温监测数据，将触头测温的监测值，分别取每个监测装置的最大值和最小值，间隔5为一个区间进行分组，计算每个间隔中有多少值，构建直方图，识别直方图中数据集中区域获得触头测温的限值阈值，所述限值阈值包括上限阈值和下限阈值；对高压开关柜局放数据，将局放数据监测值，分别取每个监测装置的最大值和最小值，间隔40为一个区间进行分组，计算每个间隔中有多少值，构建直方图，识别直方图中数据集中区域获得高压开关柜局放的限值阈值，所述限值阈值包括上限阈值和下限阈值。

11、优选的，所述步骤(4)中的采用正态分布进行有效数据分析，按监测类型、电压等级、开关柜类型分析得到限值阈值；

12、对高压开关柜的触头测温监测数据，将触头测温的监测值，区间间隔为2进行分组，取每个分组均值作为x轴，分组内的数据量作为y轴，构建直方图进行原始数据展现，再使用高斯分布进行拟合，得到正态分布参数估计值，再根据面积曲线关系获得限值阈值；对高压开关柜局放数据，将局放数据监测值，区间间隔为10进行分组，取每个分组均值作为x轴，分组内的数据量作为y轴，构建直方图进行原始数据展现，再使用高斯分布进行拟合，得到正态分布参数估计值，再根据面积曲线关系获得限值阈值。

13、优选的，所述步骤(4)中的采用聚类分析进行有效数据分析，采用k-means聚类，将状态监测数据聚类分析，分为正常、注意、异常三类，聚类簇k为3，对高压开关柜的触头测温监测数据，以触头测温的监测值进行分组，取每个分组值作为x轴，分组内的数据量作为y轴，数据量变换取整作为样本数据，通过100次迭代计算获取聚类中心点，使用kmeans预测出簇标签，通过matplotlib进行图形展示，获得限值阈值；

14、对高压开关柜局放数据，以超声波的监测值进行分组，取每个分组均值作为x轴，分组内的数据量作为y轴，数据量变换取整作为样本数据，通过100次迭代计算获取聚类中心点，使用kmeans预测出簇标签，通过matplotlib进行图形展示，获得限值阈值。

15、优选的，其特征在于，所述步骤(4)中增量阈值计算公式如下：

16、δci＝ci-c0，其中ci为当前值，c0为参考值。

17、优选的，所述步骤(4)中的日增量，将每日的监测数据取平均值，与上一日的监测数据平均值相减，取得日均值增量，根据日均值增量绘制趋势图；

18、所述周增量为将每周的监测数据取平均值，与上一周的监测数据平均值相减，取得周均值增量，根据周均值增量绘制趋势图；

19、所述月增量将为每月的监测数据取平均值，与上一月的监测数据平均值相减，取得月均值增量，根据月均值增量绘制趋势图；

20、根据日均值增量、周均值增量、月均值增量区间波动确定增量阈值。

21、优选的，所述步骤(2)中非正常极值异常数据包括监测项为99999、所有监测项为0、高压开关柜局放超声波99、高压开关柜局放地电压99、高压开关柜局放特高频1、高压开关柜局放大于1000、高压开关柜局放负值数据。

22、优选的，所述步骤(3)中数据清洗采用异常检测分析，所述异常检测分析包括描述性统计分析、隔离森林、局部异常、因子检测。

23、优选的，所述步骤(4)中选取误告率最低的阈值作为限值阈值，其中

24、误告率＝(错误警报数/负样本总数)×100％，错误警报数是指在没有真实事件的情况下系统发出的警报数，负样本总数是指数据集中没有真实事件的情况的总数。

25、与现有技术相比，本发明的有益效果是：

26、在以上技术方案中，本发明公开了基于状态监测的高压开关柜预警阈值分析方法，通过获取高压开关柜监测数据、制定数据清洗规则、数据清洗后得到有效数据、数据分析、预警阈值的设定的一系列步骤得出准确的限值阈值和增量阈值，合适的报警阈值可以确保监测系统的准确性，减少误报和漏报现象，提高监测数据的可信度；获取高压开关柜监测数据：这一步骤确保了数据的全面性和多样性，通过收集高压开关柜的触头测温数据和局放数据，可以全面了解开关柜的运行状态，触头测温数据涵盖了不同位置的触头，而局放数据则包含了多种不同类型的监测数据，如超声波、地电压和特高频数据，这种全面的数据收集为后续的分析提供了坚实的基础；制定数据清洗规则：数据清洗是确保数据分析准确性和可靠性的关键步骤，通过制定详细的数据清洗规则，可以剔除那些无效数据，如非正常极值、长时间未变化的数据、数据中断和空值等，这有助于减少错误数据对分析结果的影响，提高分析的准确性，此外，清洗规则根据监测装置的特性和常见问题制定，更具有针对性和实用性；数据清洗后得到有效数据：经过清洗后的数据质量更高，更能反映高压开关柜的实际运行状态，这些有效数据为后续的数据分析提供了准确可靠的基础，有助于发现潜在的问题和异常，从而采取相应的措施进行处理；数据分析：采用多种数据分析方法(直方图、正态分布、聚类分析)对有效数据进行深入分析，可以从多个角度揭示数据的内在规律和特征，直方图和正态分布可以揭示数据的分布情况，帮助确定合理的限值阈值；聚类分析可以发现数据的聚类特征，有助于识别异常数据；此外，通过日、周、月增量分析，可以了解数据的变化趋势，得到增量阈值，为预警提供更加全面的信息，这种多维度的数据分析提高了分析的准确性和可靠性；预警阈值的设定：基于数据分析结果设定的预警阈值更加科学合理，限值阈值根据数据分析中误告率最低的阈值选取，确保了预警的准确性；增量阈值则根据数据的变化趋势设定，能够及时发现异常变化，限值阈值主要关注的是设备的当前状态，而增量阈值则能够反映设备的长期状态变化趋势，通过综合考虑限值阈值和增量阈值，可以更加全面地了解设备的运行状况，由于实际运行环境的复杂性，有时可能会因为某些特殊原因导致监测数据短暂超过限值阈值，从而触发误报，而增量阈值关注的是数据的变化趋势，对于短暂的、非持续性的波动具有更高的容忍度，因此可以降低误报率；在国网pms系统平台上设定监测装置的报警阈值后，一旦监测量超过设定的阈值，监测装置将自动触发报警，这种自动化的预警机制提高了电网的安全性和稳定性，减少了人为干预的需要，同时，根据预警阈值设定的报警阈值也具有可操作性和灵活性，可以根据实际情况进行调整和优化。