【技术实现步骤摘要】
本申请涉及电网故障检测，具体而言，涉及一种电网故障的预警与定位方法、装置、介质及系统。
技术介绍
1、对于电网故障预警和定位的方法，现有的技术一般是通过以下步骤进行实现，
2、第一步是智能传感器网络的构建，为了实现对电网实时状态的全面监控，首先在电网的关键设备和节点布设多个种类的智能传感器。这些传感器包括电流传感器、电压传感器、温度传感器和振动传感器等，每种传感器负责采集不同类型的数据。电流传感器监测线路中的电流变化，电压传感器实时检测电压波动，温度传感器用来监控电网设备的过热情况，而振动传感器则用于检测机械设备的异常振动。这些传感器通过无线通信技术(如wi-fi、电网故障的预警与定位igbee、lora等)将采集的数据实时传输至中央处理单元。例如，在一条长距离的输电线路上，传感器可能布设在不同的输电塔上，确保覆盖整个电网的运行状态。这样，每一处电网设施的实时数据都能被采集并传送至监控中心，形成对电网的全面感知网络。
3、第二步是数据采集与传输模块，为了保证数据的准确性和实时性，在智能传感器采集到的数据后，首先通过数据采集模块对这些数据进行标准化处理。这些原始数据通过无线网络传输至集中的中央处理单元，该模块负责存储、预处理以及初步分析传感器数据。数据的传输采用低功耗、高可靠性的通信协议，确保即便在恶劣环境下，传输也不受影响。在实际应用中，数据传输的延迟和丢包问题是电网监控系统中必须解决的重要问题。例如，当电流传感器监测到电流突然变化时，数据立刻通过低延迟的无线传输链路传送至中央控制系统。若有数据丢失或异常
4、第三步是大数据分析与故障检测，该系统通过机器学习算法(如随机森林、支持向量机、深度神经网络等)对大量历史数据进行训练，使得算法能够根据不同的故障模式做出精准的故障判断和预警。
5、第四步是故障定位与精确预警，一旦故障被检测到，系统会通过故障定位模块进行进一步的分析。这一模块基于传感器数据和电网的拓扑结构，利用故障传播模型、信号传播速度等信息，精确定位故障发生的区域。在电网发生故障时，智能传感器采集到的电流、电压和温度等异常数据会被传输到中央处理单元，系统通过比对各区域的异常数据分布情况，精确判断出故障点的坐标。举例来说，若在一条输电线路上发生短路故障，电流传感器将会发现电流的急剧变化，并通过数据传输到中央系统。系统通过分析各个传感器节点的数据，结合电网的拓扑结构，最终确定故障发生的具体位置。例如，通过分析与该段线路相邻传感器的电压变化情况，系统可以推断出故障的确切位置，并给出“故障发生在第12号输电塔”的定位结果。
6、智能传感器网络与大数据分析虽然能提高故障检测的准确性，但仍存在误报和漏报的风险，特别是在电网运行环境复杂多变的情况下。比如，设备老化、环境噪声或电网波动等因素可能导致系统误判，从而影响电力调度员的决策，增加响应成本。
7、目前线路发生故障后，调度员与分局人员通过线路检测到的电压电流大小、自动化开关上报的故障告警信号、变电站的告警跳闸信号进行综合研判，耗时长、故障判断准确性低，缺乏一种有效的故障研判辅助工具。
8、与此同时，目前的监测系统通常通过电压、电流或者单一的传感器进行简单的判断，难以发现设备的异常。当前设备异常普遍采用人为巡视的方式，通过局放测试、手动测温等手段进行判断，针对设备机械的异常更是难以发现。
9、即针对电网故障预警和定位，现有方案通过电压、电流或者单一的传感器进行简单的判断，难以发现设备的异常。
技术实现思路
1、本申请的主要目的在于提供一种电网故障的预警与定位方法、装置、介质及系统，以至少解决针对电网故障预警和定位，现有方案通过电压、电流或者单一的传感器进行简单的判断，难以发现设备的异常的问题。
2、为了实现上述目的，根据本申请的一个方面，提供了一种电网故障的预警与定位方法，该方法包括：
3、获取多个传感器采集的当前电网节点的初始采集数据，所述传感器包括电流传感器、温度传感器和振动传感器；
4、至少采用加权融合算法和卡尔曼滤波算法对所述初始采集数据进行处理，得到最终预测结果；
5、根据所述最终预测结果与上一次实测结果的大小，确定是否生成预警信息，所述预警信息用于提示所述当前电网节点故障。
6、可选地，至少采用加权融合算法和卡尔曼滤波算法对所述初始采集数据进行处理，得到最终预测结果，包括：
7、采用所述加权融合算法对所述初始采集数据进行处理，得到第一采集数据；
8、采用flink的流式处理技术对所述第一采集数据进行处理，得到第二采集数据；
9、采用所述卡尔曼滤波算法对所述第二采集数据进行处理，得到所述最终预测结果。
10、可选地，在采用所述卡尔曼滤波算法对所述第二采集数据进行处理，得到所述最终预测结果的过程中，所述方法还包括：
11、采用
12、以及
13、更新所述卡尔曼滤波算法的预测结果；
14、其中，为所述最终预测结果或者当前预测结果，为所述第二采集数据，为当前预测误差协方差，pk为当前更新误差协方差，i为单位矩阵，h为观测矩阵，kk为卡尔曼增益矩阵，为当前更新预测结果，r为观测噪声协方差，zk为当前时刻k的观测值。
15、可选地，采用所述卡尔曼滤波算法对所述第二采集数据进行处理，得到所述最终预测结果，包括：
16、根据
17、确定所述最终预测结果，其中，a为状态转移矩阵，b为控制矩阵，为所述最终预测结果或者当前预测结果，为所述第二采集数据，pk-为当前预测误差协方差，q为过程噪声协方差，pk-1为上一次更新误差协方差。
18、可选地，至少采用加权融合算法和卡尔曼滤波算法对所述初始采集数据进行处理，得到最终预测结果，包括：
19、采用所述加权融合算法对所述初始采集数据进行处理，得到第一采集数据；
20、采用所述卡尔曼滤波算法对所述第一采集数据进行处理，得到所述最终预测结果。
21、可选地，根据所述最终预测结果与上一次实测结果的大小，确定是否生成预警信息，包括：
22、确定预测差值为所述最终预测结果与所述上一次实测结果的差值；
23、在所述预测差值的绝对值处于预设范围内的情况下，确定生成所述预警信息；
24、在所述预测差值的绝对值未处于所述预设范围内的情况下，确定不生成所述预警信息。
25、可选地，在确定生成预警信息的情况下，所述方法还包括：
26、以语音的形式广播所述预警信息。
27、根据本申请的另一方面，提供了一种电网故障的预警与定位装置，该装置包括：
28、获取单元，用于获取多个传感器采集的当前电网节点的初始采集数据，所述传感器包括电流传感器、温度传感器和振动传感器；
29、第一处理单元，用于至少本文档来自技高网...
【技术保护点】
1.一种电网故障的预警与定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，至少采用加权融合算法和卡尔曼滤波算法对所述初始采集数据进行处理，得到最终预测结果，包括：
3.根据权利要求2所述的方法，其特征在于，在采用所述卡尔曼滤波算法对所述第二采集数据进行处理，得到所述最终预测结果的过程中，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，采用所述卡尔曼滤波算法对所述第二采集数据进行处理，得到所述最终预测结果，包括：
5.根据权利要求1所述的方法，其特征在于，至少采用加权融合算法和卡尔曼滤波算法对所述初始采集数据进行处理，得到最终预测结果，包括：
6.根据权利要求1所述的方法，其特征在于，根据所述最终预测结果与上一次实测结果的大小，确定是否生成预警信息，包括：
7.根据权利要求1至6中任一项所述的方法，其特征在于，在确定生成预警信息的情况下，所述方法还包括：
8.一种电网故障的预警与定位装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计
10.一种电网故障的预警与定位系统，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的方法。
...【技术特征摘要】
1.一种电网故障的预警与定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，至少采用加权融合算法和卡尔曼滤波算法对所述初始采集数据进行处理，得到最终预测结果，包括：
3.根据权利要求2所述的方法，其特征在于，在采用所述卡尔曼滤波算法对所述第二采集数据进行处理，得到所述最终预测结果的过程中，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，采用所述卡尔曼滤波算法对所述第二采集数据进行处理，得到所述最终预测结果，包括：
5.根据权利要求1所述的方法，其特征在于，至少采用加权融合算法和卡尔曼滤波算法对所述初始采集数据进行处理，得到最终预测结果，包括：
6.根据权利要求1所述的方法，其特征在于，根据所述最...
【专利技术属性】
技术研发人员：李文梽，梁华宝，潘青，郭永溢，郑建成，林丽莎，张通，苏钰溢，
申请(专利权)人：广东电网有限责任公司，
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。