本發(fā)明涉及換流站數(shù)據(jù)采集，特別涉及一種基于協(xié)同信息模型的換流站多類異構終端數(shù)據(jù)采集方法及裝置。

背景技術：

1、換流站是高壓直流輸電系統(tǒng)中的關鍵設施，主要用于將交流電轉換為直流電或將直流電轉換為交流電，以實現(xiàn)遠距離、大容量、低損耗的電能傳輸，同時在不同電網(wǎng)之間實現(xiàn)互聯(lián)互通。換流站通常包含換流變壓器、換流閥、平波電抗器、濾波器、控制系統(tǒng)等核心設備，是電力系統(tǒng)高效、穩(wěn)定運行的重要組成部分。

2、掌握換流站關鍵設備的運行狀態(tài)至關重要，因為這不僅關系到電力系統(tǒng)的穩(wěn)定供應和高效運行，而且對于預防設備故障、減少維護成本、提高系統(tǒng)可靠性和安全性具有決定性作用，同時也為實現(xiàn)智能電網(wǎng)的優(yōu)化調(diào)度和預測性維護提供了重要的數(shù)據(jù)支持。

3、當前換流站的日常監(jiān)測僅關注單個設備的狀態(tài)，而忽視了整體運行狀態(tài)，導致用戶無法全面評估換流站的運行效率和穩(wěn)定性，難以及時發(fā)現(xiàn)和響應跨設備的復雜故障和潛在風險，錯失優(yōu)化系統(tǒng)性能和預防性維護的機會，增加了意外停電和大規(guī)模故障的可能性，從而影響電力供應的可靠性和電網(wǎng)的安全性。此外，僅關注單個設備的運行狀態(tài)還導致用戶無法充分了解設備間的相互信息和協(xié)同效應，限制了對換流站整體安全狀況的了解及預測能力。

技術實現(xiàn)思路

1、本發(fā)明實施例的目的是提供一種基于協(xié)同信息模型的換流站多類異構終端數(shù)據(jù)采集方法及裝置，通過實時獲取并融合多設備狀態(tài)參數(shù)，實現(xiàn)了對換流站運行狀態(tài)的全面監(jiān)控和準確預測，提高了換流站數(shù)據(jù)采集的實時性和準確性，增強了系統(tǒng)的自適應性，提升了用戶對于換流站整體運行狀態(tài)信息了解的準確性，保障了智能電網(wǎng)的穩(wěn)定運行。

2、為解決上述技術問題，本發(fā)明實施例的第一方面提供了一種基于協(xié)同信息模型的換流站多類異構終端數(shù)據(jù)采集方法，包括如下步驟：

3、獲取換流站當前檢測周期內(nèi)的多類異構終端的運行狀態(tài)參數(shù)，所述多類異構終端包括：變壓器、換流閥和平波電抗器；

4、對若干類所述運行狀態(tài)參數(shù)進行特征融合，基于協(xié)同信息模型計算所述換流站的運行狀態(tài)當前預測值；

5、基于所述運行狀態(tài)當前預測值，調(diào)整所述換流站在下一檢測周期的運行狀態(tài)。

6、進一步地，所述多類異構終端包括：變壓器、換流閥和平波電抗器；

7、所述變壓器的運行狀態(tài)參數(shù)包括：負載電流值和絕緣電阻值；

8、所述換流閥的運行狀態(tài)參數(shù)包括：換流閥電壓值、換流閥電流值、觸發(fā)角和關斷角；

9、所述平波電抗器的運行狀態(tài)參數(shù)包括：電抗器電流值和電抗器電壓降值。

10、進一步地，所述對若干類所述運行狀態(tài)參數(shù)進行特征融合，基于協(xié)同信息模型計算所述換流站的運行狀態(tài)當前預測值，包括：

11、對若干類所述運行狀態(tài)參數(shù)進行歸一化處理；

12、結合所述換流站的若干個運行狀態(tài)歷史檢測值，對經(jīng)過歸一化處理后的若干類所述運行狀態(tài)參數(shù)進行特征值融合，計算所述換流站的運行狀態(tài)當前預測值。

13、進一步地，所述運行狀態(tài)當前預測值zt的計算公式為：

14、

15、xt＝[vvalue,ivalue,α,β,itransformer,rinsulation,ireactor,vdrop]；

16、w＝[ω1,ω2,ω3,ω4,ω5,ω6,ω7,ω8]；

17、其中，λ為平滑常數(shù)，xt為一維運行狀態(tài)參數(shù)矩陣，w為一維權重系數(shù)矩陣，t為當前檢測周期的序號，t-i為歷史檢測周期的序號，k為歷史檢測周期的數(shù)量，θt-i為第t-i個運行狀態(tài)歷史檢測值的對應權重系數(shù)，zt-i為第t-i個所述運行狀態(tài)歷史檢測值，vvalue為換流閥電壓值，ivalue為換流閥電流值，α為觸發(fā)角，β為關斷角，itransformer為負載電流值，rinsulation為絕緣電阻值，ireactor為電抗器電流值，vdrop為電抗器電壓降值，ω1為所述換流閥電流值的權重系數(shù)，ω2為所述換流閥電流值的權重系數(shù)，ω3為所述觸發(fā)角的權重系數(shù)，ω4為所述關斷角的權重系數(shù)，ω5為所述負載電流值的權重系數(shù)，ω6為所述絕緣電阻值的權重系數(shù)，ω7為所述電抗器電流值的權重系數(shù)，ω8為所述電抗器電壓降值的權重系數(shù)。

18、進一步地，所述運行狀態(tài)當前預測值zt的計算公式為：

19、zt＝σ1×v'value+σ2×i'value+σ3×α'+σ4×β'+σ5×i'transformer+σ6×r'insulation+σ7×i'reactor+σ8×v'drop；

20、

21、α'＝η30+η31×αt-1+η32×αt-2+…+η3i×αt-i+…+η3k×αt-k；

22、β'＝η40+η41×βt-1+η42×βt-2+…+η4i×βt-i+…+η4k×βt-k；

23、

24、其中，vv'alue為換流閥電壓擬合值，i'value為換流閥電流擬合值，α'為觸發(fā)角擬合值，β'為關斷角擬合值，it'ransformer為負載電流擬合值，ri'nsulation為絕緣電阻擬合值，i'reactor為電抗器電流擬合值，vd'rop為電抗器電壓降擬合值，σ1至σ8依次分別為上述參數(shù)的權重系數(shù)，η10至η1k為所述換流閥電壓值的實時檢測值和歷史檢測值的擬合系數(shù)，η20至η2k為所述換流閥電流值的實時檢測值和歷史檢測值的擬合系數(shù)，η30至η3k為所述觸發(fā)角的實時檢測值和歷史檢測值的擬合系數(shù)，η40至η4k為所述關斷角的實時檢測值和歷史檢測值的擬合系數(shù)，η50至η5k為所述負載電流值的實時檢測值和歷史檢測值的擬合系數(shù)，η60至η6k為所述絕緣電阻值的實時檢測值和歷史檢測值的擬合系數(shù)，η70至η7k為所述電抗器電流值的實時檢測值和歷史檢測值的擬合系數(shù)，η80至η8k為所述電抗器電壓降值的實時檢測值和歷史檢測值的擬合系數(shù)，t-i為歷史檢測周期的序號，k為歷史檢測周期的數(shù)量，t為當前檢測周期的序號。

25、進一步地，所述多類異構終端的運行狀態(tài)參數(shù)還包括：變壓器的設備溫度值和環(huán)境濕度值、換流閥的設備溫度值和環(huán)境濕度值以及平波電抗器的設備溫度值和環(huán)境濕度值。

26、進一步地，所述基于所述運行狀態(tài)當前預測值，調(diào)整所述換流站在下一檢測周期的運行狀態(tài)，包括：

27、當所述運行狀態(tài)當前預測值大于第一預設閾值時，判定所述換流站處于正常運行狀態(tài)；

28、當所述運行狀態(tài)當前預測值小于或等于所述第一預設閾值且大于第二預設閾值時，判定所述換流站處于異常運行狀態(tài)，并發(fā)出異常報警信號；

29、當所述運行狀態(tài)當前預測值小于或等于所述第二預設閾值時，判定所述換流站處于故障狀態(tài)，并發(fā)出故障報警信號。

30、相應地，本發(fā)明實施例的第二方面提供了一種基于協(xié)同信息模型的換流站多類異構終端數(shù)據(jù)采集裝置，基于上述基于協(xié)同信息模型的換流站多類異構終端數(shù)據(jù)采集方法對換流站進行數(shù)據(jù)采集，包括：

31、數(shù)據(jù)獲取模塊，其用于獲取換流站當前檢測周期內(nèi)的多類異構終端的運行狀態(tài)參數(shù)，所述多類異構終端包括：變壓器、換流閥和平波電抗器；

32、特征融合模塊，其用于對若干類所述運行狀態(tài)參數(shù)進行特征融合，基于協(xié)同信息模型計算所述換流站的運行狀態(tài)當前預測值；

33、狀態(tài)控制模塊，其用于基于所述運行狀態(tài)當前預測值，調(diào)整所述換流站在下一檢測周期的運行狀態(tài)。

34、相應地，本發(fā)明實施例的第三方面提供了一種電子設備，包括：至少一個處理器；以及與所述至少一個處理器連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器執(zhí)行上述基于協(xié)同信息模型的換流站多類異構終端數(shù)據(jù)采集方法。

35、相應地，本發(fā)明實施例的第四方面提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機指令，該指令被處理器執(zhí)行時實現(xiàn)上述基于協(xié)同信息模型的換流站多類異構終端數(shù)據(jù)采集方法。

36、本發(fā)明實施例的上述技術方案具有如下有益的技術效果：

37、1.通過綜合獲取換流站內(nèi)不同設備和傳感器的運行狀態(tài)參數(shù)，確保了數(shù)據(jù)采集的全面性，能夠從多角度反映換流站的運行狀況；

38、2.通過對實時數(shù)據(jù)的快速處理和歷史數(shù)據(jù)的融合分析，該方法不僅能夠實時監(jiān)控換流站的當前狀態(tài)，還能預測短期內(nèi)的運行趨勢；

39、3.利用協(xié)同信息模型，該方法能夠有效整合不同來源和類型的數(shù)據(jù)，實現(xiàn)數(shù)據(jù)間的互補和協(xié)同，提高了數(shù)據(jù)的使用效率和分析的準確性；

40、4.通過特征融合和模型計算，能夠準確評估換流站的運行狀態(tài)，為運維決策提供科學依據(jù)。