动力环境监控系统设备联动与故障预警

作     者：李逸凡 

作者单位：华北电力大学 

学位级别：硕士

导师姓名：侯思祖;丁柱卫

授予年度：2022年

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

主      题：动力环境监控系统 设备联动 故障预警 卷积神经网络 

摘      要：在电力系统中,电力通信是保障电力安全生产的重要组成部分,若电力通信机房出现问题,电力通信受到影响,进一步可能影响电力系统供电可靠性。通信机房动力环境监控系统可以实时监控机房动力环境状态,目前,动环监控系统仍存在着需大量人工检查、系统内无用日志和冗余告警过多等问题。根据设备联动关系,减少冗余告警量,大幅提升工作人员使用效率是非常必要的。深度学习具有能够从大量数据中主动提取特征,减少人为因素对结果的影响等优势,可以更好地实现故障预警相关研究。本文以通信机房中动力供应系统各组成部分和部分环境因素作为研究对象,通过分析大量故障中的关联告警信息,并借助大量工程师的专家经验,将告警信息划分为对应故障信息,并根据故障类型设计设备联动方案。随后设计了一维卷积神经网络模型进行故障预警相关研究,并将关联数据融合为一个样本集进行训练,通过实验验证其有效性。本文主要工作如下:(1)查阅了国家和企业的相关标准及文献资料,深入分析了机房动环监控系统的采集数据范围,确定了采用曼哈顿距离作为告警相关性分析的方法。(2)通过对大量实际数据进行整理与分析,借助前面确定的告警相关性分析方法,按照交流常用路部分、交流供电部分、整流模块部分、直流配电部分、蓄电池组部分和机房环境部分将告警信息整理为对应故障信息。(3)确定了设备联动的功能需求,借助大量工程师的专家经验,针对不同故障设计了故障发生时的联动方案。(4)设计了一个一维卷积神经网络模型,根据课题的需求,确定了卷积层、池化层、全局平均池化层、全连接层和Dropout层等各部分的参数。在训练时提出了样本融合的方法,将多个不同点位采集的数据按照交流常用路、交流配电单元、整流模块、蓄电池组和直流配电单元划分为五部分,让每一部分中不同类型的关联数据进行数据信息的融合,形成关联样本集,并且每一组都通过实验验证有效性。