基于历史数据驱动的厂站接线图自动生成

摘要
图/表
参考文献
相关文章 (13)

全文: PDF (30437 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要在分析电网变电站主接线方式及特征的基础上,结合电网历史图形数据,研究实现无拓扑信息场景下的电网厂站接线图自动生成。利用设备双重命名规范构建拓扑关系;通过解析历史图形间隔的组成结构,自动构建厂站特征库,为绘制目标厂站间隔提供数据基础。基于特征向量及子图匹配算法进行特征模板匹配,进而研究基于图形模板和间隔模板的布局算法,完成基于历史数据驱动的图形自动生成,达到电网厂站接线图图模数一体化构建的目的,为自动化人员的日常运维工作提供支撑。经过实际项目应用,自动生成的图形满足要求。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	陈连杰
	司鹏
	高源
	苏运光
	彭晖

关键词 ：厂站接线图, 特征匹配, 接线方式, 数据驱动, 自动生成

Abstract：Based on the analysis of typical wiring mode and characteristics of the power grid substations, the automatic generation of power grid substation diagram is studied without topology information,considering the historical model and graphics data in the power grid. Topological relationships are constructed using dual naming conventions. By analyzing the composition structure of the graphic bays in historical diagrams, the feature library is constructed automatically to provide a data basis for the drawing of the target substation bays. Based on feature vector and sub-graph matching algorithms, feature template matching is carried out, and layout algorithms based on graphic templates and interval templates are studied to achieve automatic graphic generation driven by historical data, so as to achieve the purpose of the integrated construction of the power grid power substation diagram. It can be used to provide a great assist on daily maintenance for automation personnel. In actual project application, the automatically generated diagrams meet the requirements.

Key words： substation diagram feature matching wire mode data driven automatic generation

收稿日期: 2024-04-24

作者简介: 陈连杰（1982—）,男,江苏省南京市人,硕士,高级工程师,主要从事电力系统人机交互技术的研究工作。

引用本文:

陈连杰, 司鹏, 高源, 苏运光, 彭晖. 基于历史数据驱动的厂站接线图自动生成[J]. 电气技术, 2024, 25(9): 56-64. CHEN Lianjie, SI Peng, GAO Yuan, SU Yunguang, PENG Hui. Automatic generation of power grid substation diagram driven by historical data. Electrical Engineering, 2024, 25(9): 56-64.

链接本文:

http://dqjs.cesmedia.cn/CN/Y2024/V25/I9/56

[1] 陈彪. 变电站智能管控一体化平台建设与应用[J]. 电气技术, 2021, 22(8): 104-108.
[2] 张柯, 李金旗. 数字站建设方案及技术探究[J]. 电气技术, 2023, 24(12): 68-74.
[3] 姚志强, 吴艳平, 徐歆, 等. 面向智能电网的主厂站一体化关键技术探讨[J]. 电力系统自动化, 2017, 41(8): 179-185.
[4] 邓大为, 刘沛林, 朱文, 等. 变电站调度中心单线图模数图一致性测试模型构建研究[J]. 电气传动, 2022, 52(9): 69-73.
[5] 沙树名, 林峰. 一种基于CIM的厂站接线图自动生成技术[J]. 电力系统自动化, 2008, 32(21): 68-71.
[6] 戴春潮, 何桦, 祁忠, 等. 一种通过SCD模型文件自动生成厂站图的方法: CN108897913A[P].2018- 11-27.
[7] 王星宇, 吕飞鹏, 钟文, 等. 基于SCD文件的智能变电站主接线自动生成方法[J]. 电力系统自动化, 2019, 43(24): 119-125.
[8] 李宝潭, 邱俊宏, 张海庭, 等. 基于样式的变电站自动化厂站图形辅助生成系统[J]. 电力系统自动化, 2015, 39(14): 120-125.
[9] 吴俊, 苏寅生, 马骞, 等. 一种厂站主接线图模型自动转换与存储管理方法[J]. 自动化与仪器仪表, 2016(4): 173-175.
[10] 李昊, 管荑, 王杉, 等. 电力系统厂站接线图拓扑关系检测技术[J]. 北京航空航天大学学报, 2021, 47(3): 531-538.
[11] 刘进峰, 郭兆丰, 金石, 等. 一种基于卷积神经网络的一次接线图图元识别方法: CN112287773A[P].2021-01-29.
[12] 王梓耀, 罗庆全, 萧文聪, 等. 电网厂站接线图人工智能识别关键方法[J]. 电力系统自动化, 2023, 47(2): 115-124.
[13] 赵家庆, 张亮, 钱科军, 等. 基于CIM/G的电网潮流图自动生成关键技术研究及应用[J]. 电力自动化设备, 2015, 35(9): 156-162.
[14] 沈伟, 吴文传, 张伯明, 等. 能量管理系统中电网潮流单线图自动生成算法[J]. 电力系统自动化, 2010, 34(6): 48-53.
[15] 章坚民, 叶琳, 孙维真, 等. 基于地理相对位置的省级输电网均匀接线图自动生成[J]. 电力系统自动化, 2010, 34(24): 55-59.
[16] 沈自虎, 吴淑玮, 葛艺晓, 等. 输电网接线图增量自动成图算法[J]. 计算机系统应用, 2020, 29(5): 128-135.
[17] 周博曦, 孟昭勇, 王志臣, 等. 基于CIM的变电站与配电馈线一次接线图自动绘制算法[J]. 电力系统自动化, 2012, 36(11): 77-81.
[18] 陈连杰, 赵仰东, 韩韬, 等. 基于层次结构及模型驱动的配电网图形自动生成[J]. 电力系统自动化, 2015, 39(1): 226-232.
[19] 陈璐, 陈连杰, 欧阳文, 等. 基于环形结构的配电网联络图布局算法[J]. 电力系统自动化, 2016, 40(24): 151-156.
[20] 廖凡钦, 刘东, 闫红漫, 等. 基于拓扑分层的配电网电气接线图自动生成算法[J]. 电力系统自动化, 2014, 38(13): 174-181.
[21] 任建文, 江贤康, 崔悦. 基于通用电网框架模型的电力系统图形自动绘制实现[J]. 电力系统保护与控制, 2012, 40(7): 138-142.
[22] 章坚民, 叶义, 徐冠华. 变电站单线图模数图一致性设计与自动成图[J]. 电力系统自动化, 2013, 37(9): 84-91.
[23] 邓其军, 刘姜涛, 周洪, 等. 低压台区地理图到电气接线图的自动转换[J]. 电力系统保护与控制, 2011, 39(4): 132-136.
[24] 高旭, 杜丽艳, 李雪冬, 等. 基于改进遗传算法的继电保护一体化图形拼接厂站最优布局[J]. 电力系统保护与控制, 2015, 43(10): 74-78.
[25] 苏运光, 罗俊, 熊浩, 等. 基于存量图形拓扑分析的厂站接线图自动生成[J]. 电力系统自动化, 2020, 44(3): 162-166.
[26] 李汉巨. 基于机器学习和模板匹配的变电站仪表自动读数方法[J]. 电气技术, 2024, 25(1): 61-66.
[27] 朱长银, 吕航, 丁杰. 基于模板复用的智能变电站系统配置描述文件自动配置方案[J]. 电气技术, 2022, 23(3): 77-81.
[28] 王萍, 弓清瑞, 张吉昂, 等. 一种基于数据驱动与经验模型组合的锂电池在线健康状态预测方法[J]. 电工技术学报, 2021, 36(24): 5201-5212.
[29] 陈宗遥, 卜旭辉, 郭金丽. 基于神经网络的数据驱动互联电力系统负荷频率控制[J]. 电工技术学报, 2022, 37(21): 5451-5461.
[30] 梁新福, 罗日成, 党世轩, 等. 基于数字图像处理的电力线异物识别方法研究[J]. 电气技术, 2022, 23(2): 73-78.
[31] 臧国强, 刘晓莉, 徐颖菲, 等. 深度学习在电力设备缺陷识别中的应用进展[J]. 电气技术, 2022, 23(6): 1-7.