【技术实现步骤摘要】
本专利技术涉及智能电网，具体涉及基于数字孪生的智能箱式变电站监控方法。
技术介绍
1、箱式变电站作为电力系统中的重要组成部分，其运行状态直接影响到电网的稳定性和安全性。传统的箱式变电站监控方法大多依赖于人工巡检和定期检测，存在监控效率低下、响应速度慢、故障预测不准确等问题。随着物联网、大数据和人工智能技术的发展，如何实现箱式变电站的智能化监控，提高监控效率和故障预测准确率，成为当前亟待解决的问题。
技术实现思路
1、针对上述存在的技术不足，本专利技术的目的是提供一种基于数字孪生的智能箱式变电站监控方法，解决现有技术中存在的箱式变电站监控智能化不高的问题。
2、为解决上述技术问题，本专利技术采用如下技术方案：
3、第一方面，基于数字孪生的智能箱式变电站监控方法，包括：
4、步骤s100：对箱式变电站进行三维建模得到箱式变电站三维模型，基于箱式变电站三维模型搭建箱式变电站的数字孪生场景；
5、步骤s200：通过箱式变电站内的传感器实时获取箱式变电站的运行数据；
6、步骤s300：将箱式变电站的运行数据输入基于深度学习的算法模型中进行分析处理，预测未来预设时间内箱式变电站各硬件的运行状态；
7、步骤s400：在数字孪生场景中，模拟展示实时箱式变电站各硬件的运行状态以及未来预设时间内箱式变电站各硬件的运行状态；
8、步骤s500：当预测箱式变电站的某个硬件在未来预设时间内可能出现运行异常、故障或超出预设安全
9、优选地，在第一方面的一种可能的实施方式中，所述箱式变电站的运行数据包括：局放监测数据、sf6监测数据、避雷器监测数据、无线温度监测数据、雨量数据、温湿度数据、烟感数据、水浸数据、空调监控数据、照明监控数据和风机监控数据。
10、优选地，在第一方面的一种可能的实施方式中，所述基于深度学习的算法模型采用改进的itransformer模型，使用历史箱式变电站运行数据进行训练，所述历史箱式变电站运行数据包括：历史局放监测数据、历史sf6监测数据、历史避雷器监测数据、历史无线温度监测数据、历史雨量数据、历史温湿度数据、历史烟感数据、历史水浸数据、历史空调监控数据、历史照明监控数据、历史风机监控数据和历史箱式变电站硬件运行数据。
11、优选地，在第一方面的一种可能的实施方式中，其特征在于，所述改进的itransformer模型结构包括：
12、嵌入层：用于学习变量的序列特征标识，独立聚合每个变量的全局特征：
13、
14、其中表示同一变量的整条时间序列，表示箱式变电站硬件运行数据，d表示时间序列，n表示变量序列，表示对应变量在过去时间内的时序变化；
15、自注意力层：用于建模不同变量的相关性，利用不同变量的相关性分析注意力图的每个位置：
16、
17、其中，q表示查询向量，k表示关键向量，为关键向量的维度，和对应任意两个变量的查询向量和关键向量，并保留高活跃度的查询向量；
18、前馈神经网络层：利用前馈网络编码词向量，学习任意时间序列的幅值，周期性以及频率谱；
19、归一化层：作用于时序变化内部，让所有变量的特征都处于统一分布，归一化层计算公式为：
20、
21、其中，表示对应变量的特征值，代表特征值的均值，代表特征值的方差；
22、映射层：将学到的特征向量整合并映射为最终的预测结果。
23、优选地，在第一方面的一种可能的实施方式中，所述保留高活跃度的查询向量具体为：在每个序列中选取预设数量的关键向量，计算每个查询向量与预设数量的关键向量的内积，得到每个查询向量的预设数量个得分，选取最高分与均值得到差异得分，按照差异得分选出预设数量的查询向量，剩余的查询向量使用数值向量的平均来代替。
24、优选地，在第一方面的一种可能的实施方式中，所述步骤s400具体包括：
25、接收实时箱式变电站的运行数据以及基于深度学习的算法模型得到的预测数据；
26、对数字孪生场景中的箱式变电站三维模型各硬件进行渲染，并实时展示各硬件的运行状态；
27、当鼠标点击某一硬件时，模拟展示未来预设时间内该硬件的运行状态。
28、优选地，在第一方面的一种可能的实施方式中，所述实时展示各硬件的运行状态步骤包括：按照第一预设时间间隔读取实时箱式变电站的运行数据，针对不同硬件建立对应的脚本挂载在该硬件上，展示其运行状态；
29、所述展示未来预设时间内该硬件的运行状态步骤包括：按照第二预设时间间隔读取基于深度学习的算法模型得到的预测数据，针对不同硬件建立对应的脚本挂载在该硬件上，当鼠标点击时触发事件，展示未来预设时间内该硬件的运行状态。
30、优选地，在第一方面的一种可能的实施方式中，所述步骤s500中的风险预警机制包括根据预测结果生成处理方案，并根据预设的优先级通过短信、邮件或系统通知的方式通知相关人员。
31、优选地，在第一方面的一种可能的实施方式中，所述方法还包括建立箱式变电站的远程监控中心，通过云平台将多个箱式变电站的数字孪生场景及实时监控数据集中管理。
32、优选地，在第一方面的一种可能的实施方式中，所述远程监控中心支持移动终端访问，管理人员通过终端设备查看箱式变电站的运行状态、接收预警信息及处理建议。
33、本专利技术的有益效果在于：通过三维建模与深度学习算法的结合，不仅提高了智能箱式变电站监控的直观性和准确性，还能精准预测未来运行状态，有效避免故障发生。同时，该方法支持用户交互，提高了监控灵活性，并建立了远程监控中心，实现集中管理和移动访问，进一步提升了响应速度和决策效率。总之，该方法显著提高了监控效率和故障预测准确率，为智能电网的安全稳定运行提供了有力保障。
本文档来自技高网...【技术保护点】
1.基于数字孪生的智能箱式变电站监控方法，其特征在于，包括：
2.如权利要求1所述的智能箱式变电站监控方法，其特征在于，所述箱式变电站的运行数据包括：局放监测数据、SF6监测数据、避雷器监测数据、无线温度监测数据、雨量数据、温湿度数据、烟感数据、水浸数据、空调监控数据、照明监控数据和风机监控数据。
3.如权利要求1所述的智能箱式变电站监控方法，其特征在于，所述基于深度学习的算法模型采用改进的iTransformer模型，使用历史箱式变电站运行数据进行训练，所述历史箱式变电站运行数据包括：历史局放监测数据、历史SF6监测数据、历史避雷器监测数据、历史无线温度监测数据、历史雨量数据、历史温湿度数据、历史烟感数据、历史水浸数据、历史空调监控数据、历史照明监控数据、历史风机监控数据和历史箱式变电站硬件运行数据。
4.如权利要求3所述的智能箱式变电站监控方法，其特征在于，所述改进的iTransformer模型结构包括：
5.如权利要求4所述的智能箱式变电站监控方法，其特征在于，所述保留高活跃度的查询向量具体为：在每个序列中选取预设数量的关键向
6.如权利要求1所述的智能箱式变电站监控方法，其特征在于，所述步骤S400具体包括：
7.如权利要求6所述的智能箱式变电站监控方法，其特征在于，所述实时展示各硬件的运行状态步骤包括：按照第一预设时间间隔读取实时箱式变电站的运行数据，针对不同硬件建立对应的脚本挂载在该硬件上，展示其运行状态；
8.如权利要求1所述的智能箱式变电站监控方法，其特征在于，所述步骤S500中的风险预警机制包括根据预测结果生成处理方案，并根据预设的优先级通过短信、邮件或系统通知的方式通知相关人员。
9.如权利要求1所述的智能箱式变电站监控方法，其特征在于，所述方法还包括建立箱式变电站的远程监控中心，通过云平台将多个箱式变电站的数字孪生场景及实时监控数据集中管理。
10.如权利要求9所述的智能箱式变电站监控方法，其特征在于，所述远程监控中心支持移动终端访问，管理人员通过终端设备查看箱式变电站的运行状态、接收预警信息及处理建议。
...【技术特征摘要】
1.基于数字孪生的智能箱式变电站监控方法，其特征在于，包括：
2.如权利要求1所述的智能箱式变电站监控方法，其特征在于，所述箱式变电站的运行数据包括：局放监测数据、sf6监测数据、避雷器监测数据、无线温度监测数据、雨量数据、温湿度数据、烟感数据、水浸数据、空调监控数据、照明监控数据和风机监控数据。
3.如权利要求1所述的智能箱式变电站监控方法，其特征在于，所述基于深度学习的算法模型采用改进的itransformer模型，使用历史箱式变电站运行数据进行训练，所述历史箱式变电站运行数据包括：历史局放监测数据、历史sf6监测数据、历史避雷器监测数据、历史无线温度监测数据、历史雨量数据、历史温湿度数据、历史烟感数据、历史水浸数据、历史空调监控数据、历史照明监控数据、历史风机监控数据和历史箱式变电站硬件运行数据。
4.如权利要求3所述的智能箱式变电站监控方法，其特征在于，所述改进的itransformer模型结构包括：
5.如权利要求4所述的智能箱式变电站监控方法，其特征在于，所述保留高活跃度的查询向量具体为：在每个序列中选取预设数量的关键向量，计算每个查询向量与预设数量的...
【专利技术属性】
技术研发人员：郭安平，李洪磊，孙树军，范增盛，谈明庆，俞国宏，范福元，马君梁，张超，刘震，应雨生，
申请(专利权)人：中国铁路青藏集团有限公司西宁供电段，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。