CN104182904A - 一种变电站集中监控海量数据的多维分析可视化展示方法 - Google Patents

Abstract

本发明公开了一种变电站集中监控海量数据的多维分析可视化展示方法，包括以下步骤：S1.获取变电站的海量告警数据，对海量告警数据进行各个维度的分析统计处理，对分析统计结果进行频繁项集挖掘，得到频繁项集，即与频报信号密切相关的设备；S2.对满足频繁项集条件的设备予以关注，并在信号分布图和主题窗口上进行可视化展示。本发明可以帮助调度员从宏观上掌握全网的运行概况，揭示电网可能潜在的问题和薄弱环节，从信号类型、频发告警、设备类型、厂站汇总等多个角度指出电网的潜在风险，从而缓解监控压力，提高调度员对整个电网的掌控能力。

Description

一种变电站集中监控海量数据的多维分析可视化展示方法

技术领域

本发明涉及一种数据分析可视化方法，尤其涉及一种用于变电站集中监控海量数据的多维分析可视化展示方法，属于电网调度自动化领域。

背景技术

近年来，电网调度监控业务已全面实现了调控一体化的管理模式。调度员需要时刻监视更大范围、更大数据量的电网信息监控业务，工作压力很大。为调度员提供高效、实用、智能化、面向地区电网调度监控业务的可视化展示系统已经成为电网建设的迫切需要和重要发展方向。

在电网调度系统中，为保证电力系统运行的安全性和经济性，要求调度运行人员能够随时、准确、全面地掌握电力系统的实际运行情况，预测和分析电力系统的运行趋势，对电力系统运行中发生的各种问题做出正确的处理，这些都有赖于电网调度中心对电网信息内容的直观显示。但截至目前，对于整个电网的设备监控告警信号分布状态以及信号的分类、分站多维统计分析还没有成熟的技术方案。

公开号103093305A的中国专利申请中，公开了一种电力调度自动化主站系统辐射可视化渲染方法，包括如下步骤：1)首先在调度应用系统内打开图形；2)接着通过辐射可视化控制对图形进行辐射可视化分析，对图形进行图形对象抽象从而形成基础数据；3)然后根据基础数据按照辐射可视化算法进行系统内部渲染；4)接着将系统内部渲染信息结合屏幕系统坐标在前景区进行渲染图形对象显示；5)最后根据实时基础数据变化，每个渲染图形对象在前景区显示后，完成整个图形实时状态的辐射可视化渲染。该方法能将电力系统中海量数据信息以图形或图像方式予以显示，以使系统运行人员更方便、更直观地了解当前系统的运行状态，以便其采取更有效、更有针对性的运行控制措施。

然而，电网调度系统中所要显示的内容繁杂，操作人员在无法在海量的数据中及时获得需要的信息，进而无法对系统出现的问题做出及时有效的反应，因而如何设计出一个更可靠、有效的可视化展示系统仍然是目前电网调度系统一个亟需解决的问题。

发明内容

针对现有技术的不足，本发明所要解决的技术问题在于提供一种变电站集中监控海量数据的多维分析可视化展示方法(简称多维分析可视化展示方法)。

为实现上述发明目的，本发明采用下述的技术方案：

一种变电站集中监控海量数据的多维分析可视化展示方法，包括以下步骤：

S1.获取变电站的海量告警数据，对所述海量告警数据进行各个维度的分析统计处理，对分析统计结果进行频繁项集挖掘，得到频繁项集，即与频报信号密切相关的设备；

S2.对满足频繁项集条件的所述设备予以关注，并在信号分布图和主题窗口上进行可视化展示。

其中较优地，所述步骤S1进一步包括以下步骤：

(11)分析信号数据，找出引起信号频报的相关因素；

(12)生成事务表，对噪声告警数据进行分析，生成新的频报信号记录表；

(13)由所述新的频报信号记录表形成数据库D，挖掘频繁项集。

其中较优地，所述步骤(13)进一步包括以下步骤：

(131)扫描所述数据库D，找出候选1-项集的集合，并得到所述集合的支持度计数；

(132)再次扫描数据库D，将支持度小于最小支持度的项从各事务中删除，按照各项的支持度计数递减地将各事务中的项重新排列，得到数据库为；

(133)根据频繁1-项集L中的各项的支持度计数，按照预定规则由小到大依次构造各项的数据库子集，并利用FP增长算法对其进行约束频繁项挖掘；

(134)当依次挖掘出L中所有的项的约束频繁项集后，合并所述约束频繁项集。

其中较优地，所述步骤(133)中的预定规则，包括：

a)扫描数据库D'，从中提取所有含项I_i的事务，然后，删除这些事务中支持度小于该项的支持度的项，所得事务集合便为项I_i的数据库子集D_i；

b)对数据库子集D_i，利用FP增长算法进行包含项I_i的约束频繁项集挖掘。

其中较优地，所述步骤b)中约束频繁项集挖掘过程包括：

①利用数据库子集D_i，构造FP树，并创建项头表HT，构造FP树时，该数据库子集中各事务的项按照频繁1-项集L中的次序处理；

②用项头表HT中的最后一项所标示的信息，构造该项的条件模式基，然后构造其条件FP树，在该条件FP树上挖掘出包含该项的频繁项集CL_i，完成在数据库子集D_i上的约束频繁项集挖掘。

其中较优地，所述第(134)步中合并所述约束频繁项集，即取这些约束频繁项集CL_i的并集得到数据库D的所有频繁项集。

其中较优地，所述步骤S2中进行可视化展示包括以下步骤；

(21)建立信号类别与色系的对应关系；

(22)对发生不同告警信息数据的地区进行着色处理；

(23)发生告警的厂站进行挂牌显示。

其中较优地，为实现相邻两个厂站的信号渲染圆不重叠，根据相邻两个厂站之间的最小距离S，以不超过S/4*95％的半径绘制厂站的信号圆。

与现有技术相比较，本发明用一种直观、简单的方式实现了分析结果的可视化，实现了可视化图形和多维分析在时间和空间两个维度的联动，可以帮助调度员从宏观上掌握全网的运行概况，从信号类型、频发告警、设备类型、厂站汇总等多个角度指出电网的潜在风险，从而提高调度员对整个电网的掌控能力。

附图说明

图1是本发明所提供的多维分析可视化展示方法的流程图；

图2是本发明中，改进FP增长算法的计算步骤示意图；

图3是本发明中，计算厂站信号颜色的绘制半径示意图；

图4是本发明中，相邻两个厂站间最小距离的计算示意图；

图5是本发明的一个实施例中，具体实施效果的示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说明。

如图1所示，本发明的整体技术方案总体分为两步：S1.获取海量数据，对海量告警信号进行各个维度的分析统计处理，对分析统计结果进行频繁项集挖掘，从而得到与频报信号密切相关的因素；S2.通过对频繁项集的分析，对满足频繁项集条件的设备予以关注，并在信号分布图和主题窗口上进行可视化展示。下面分别对此展开详细具体的说明。

一.获取海量数据，对海量告警信号进行各个维度的分析统计处理，包括信号获取和统计的频报信号进行分析两个子部分。下面对穿上两个子部分进行详细描述。

1.信号获取子部分，进一步包括以下内容：

1)地区和厂站信号统计，根据每条告警记录的厂站标志和地区标志，可以统计得到某个地区或某个变电站包含的所有信号。

2)设备分类信号统计，变电站主要设备类型大致可以分为：线路、母线、变压器、互感器、避雷器、断路器、隔离开关、电容器、电抗器、继电保护装置等。将各个设备按照设备类型进行划分，再根据每条告警记录的厂站标志和地区标志，可以统计得到某个地区或某个变电站中不同类型设备包含的信号。

3)某厂站未确认未复归信号统计，根据每条记录的确认标志和复归标志，可以统计得到某个地区或某个变电站中某个时段未确认未复归的信号。

4)频报信号的统计，对告警信息去噪后，可以得到大量的噪声数据，其中包括很多频报信号。

根据每条记录的厂站标志和设备标志，可以统计出各个变电站及各个设备包含的频报信号数量，进行降序排序，可以得到频发告警信号的变电站和设备。

根据每条记录的报发时间标志，可以统计当天、任意几天、几周或一个月的频发告警信号的变电站和设备。

根据每条记录的变电站所属地区标志，可以统计出一个地区(地区可以任意指定)或全网的频发告警信号的变电站和设备。

2.对统计的频报信号进行分析

借助于数据挖掘领域中的频繁项集挖掘方法对统计的频报信号进行分析，通过清理大量的频报信号数据，提炼出与频报信号相关联的因素(例如变电站类型、设备类型、投运年份等)有联系的记录字段组成新的频报信号记录表，再从表中得到频繁项集，以充分展示造成频报信号的相关因素。

1)分析频报信号的数据，找出可能引起信号频报的因素。

(1)变电站类型，由于变电站类型不同会导致相关的设备配置存在不同，因此，频报信号与变电站类型有一定的联系，找出频报信号所在的变电站，即可判断其所属变电站的类型。

根据其在电力系统中的地位和作用，可以分为枢纽变电站、中间变电站、地方变电站、企业变电站。

a.枢纽变电站：枢纽变电站位于电力系统的枢纽点，电压等级一般为330kV及以上，联系多个电源，出现回路多，变电容量大；全站停电后将造成大面积停电，或系统瓦解，枢纽变电站对电力系统运行的稳定和可靠性起到重要作用。b.中间变电站：中间变电站位于系统主干环行线路或系统主要干线的接口处，电压等级一般为220～330kV，汇集2～3个电源和若干线路。全站停电后，将引起区域电网的解列。c.地区变电站：地区变电站是一个地区和一个中、小城市的主要变电站，电压等级一般为220kV，全站停电后将造成该地区或城市供电的紊乱。d.企业变电站：企业变电站是大、中型企业的专用变电站，电压等级35～220kV，1～2回进线。

(2)设备类型，由于设备类型不同，会导致装设的保护装置会存在不同，因此频报信号与设备类型有一定的联系。找出频报信号所属的设备，判断该设备的类型。变电站主要设备类型大致可以分为：线路、母线、变压器、互感器、避雷器、断路器、隔离开关、电容器、电抗器、继电保护装置等。

(3)设备投运年份，设备投运时间的长短，会一定程度地决定设备当前的状态，不良的状态会导致设备相关信号频发。

找出频报信号所属的设备，查询该设备已经投运的时间，以/年作单位。由于投运年份为离散值，对其进行离散化处理，设定投运年份小于等于10年为短，投运年份大于10年且小于20年为中，投运年份大于等于20年为长。

(4)设备检修次数，设备的检修次数，也会在一定程度上决定设备当前的状态。

找出频报信号所属的设备，查询该设备从投运至今检修的次数，以/次为单位。由于检修次数为离散值，对其进行离散化处理，设定检修次数小于等于5次为低，检修次数大于5次且小于15次为中，检修次数大于等于15次为高。

2)生成事务表，对噪声告警数据进行分析，使用上述四个相关因素形成新的频报信号记录表。

对于某一条频报信号记录，如表1所示。

告警信息描述	变电站类型	设备类型	设备投运年份	设备检修次数

表1 新的频报信号记录表

在新的频报信号记录表的基础上，形成事务表，如表2所示。

TID

事务项

表2 事务表

例如：某条频报信号为某变电站500kV某线5053开关，投运年份为5年，检修次数为10次，形成的新的频报信号记录和事务记录，如下表所示：

表3 频报信号

TID	事务项
		1	{枢纽变电站，变压器，短，中}

表4 事务项记录

3)频繁项集挖掘

如图2所示，本发明利用改进FP增长算法进行频繁项集挖掘，具体计算步骤如下:

第1步：扫描数据库D，即所统计的频报信号记录表，找出候选1-项集的集合，并得到它们的支持度计数(频繁性)。然后，按照支持度计数递减排列候选1-项集的各项，得到候选1-项集的集合F。将F中支持度小于最小支持度的项删除，得到频繁1-项集的集合L。设L＝{I₁,I₂,…,I_m}，其中，I₁的支持度最高，I_m的支持度最小。

第2步：再次扫描数据库D，将支持度小于最小支持度的项从各事务中删除，然后按照各项的支持度计数递减地将各事务中的项进行重新排列，得到数据库为D'。

第3步：根据频繁1-项集L中的各项的支持度计数，按照以下规则由小到大依次构造各项的数据库子集，并利用FP增长算法对其进行约束频繁项挖掘：

对于L中的每个项I_i(i＝m,m-1,…,1)。

a)扫描数据库D'，从中提取所有含项I_i的事务，然后，删除这些事务中支持度小于该项的支持度的项，所得事务集合便为项I_i的数据库子集D_i。

b)对数据库子集D_i，利用FP增长算法进行包含项I_i的约束频繁项集挖掘，其挖掘过程如下：

①利用数据库子集D_i，构造FP树，并创建项头表HT。构造FP树时，该数据库子集中各事务的项按照频繁1-项集L中的次序处理。因此，项头表HT中的最后一项所标示就是项I_i的支持度计数及其节点链信息。

②用项头表HT中的最后一项所标示的信息，构造该项的条件模式基(包含FP树中与后缀模式一起出现的前缀路径的集合)，然后构造其条件FP树，就能在该条件FP树上挖掘出包含该项的频繁项集CL_i，完成在数据库子集D_i上的约束频繁项集挖掘。

第4步：当L中所有的项的约束频繁项集CL_i被依次挖掘出来后，对这些约束频繁项集进行合并，即取这些约束频繁项集CL_i的并集，便可得到数据库D的所有频繁项集，结束挖掘过程。

经过挖掘过程后，产生事务表中的频繁项集，即满足最小支持度的所有事务项。

假设产生的频繁项集如表5所示：

频繁项集	项数	支持度
			{枢纽变电站，断路器}	2	0.56
{地区变电站，变压器}	2	0.4
			{母线，长，低}	3	0.33

表5 频繁项集

{枢纽变电站，断路器}：说明枢纽变电站中的断路器易产生频报信号。

{地区变电站，变压器}：说明地区变电站中的变压器易产生频报信号。

{母线，长，低}：说明投运年份长，检修次数低的母线易产生频报信号。

通过对频繁项集的分析，可以得到与频报信号密切相关的因素，从而可以对满足频繁项集条件的设备予以关注，检查其是否有可能频发告警信号。

二.多维分析结果显示与互动

1.分析结果在信号分布图上展示，首先建立信号类别与色系之间的对应关系。变电站集中监控的信号分类分为：I类事故、II类异常、III类越限、IV类变位，按照电力系统的惯例，分别对应红色系、黄色系、蓝色系、绿色系。接着再定义颜色深浅和信号量的对应关系。例如颜色A1(浅)—信号量B1(少)，颜色A2(深)—信号量B2(多)，A1与A2必属于同一色系的两个深浅不同的颜色组。那如果得到的信号量是Bx，且B1<Bx<B2，则对应颜色Ax的计算方法为(B2-B1)/(A2-A1)*Bx。

其次，以地区告警信号数量的每日每站均值对应色块值为前景色，填充地区轮廓，作为地区底色。比如某市的滨海区，由四个站构成，滨海站、米兰站、吉林路站和海门站，则滨海区的填充色由四个站当天信号量的总和除以4，即地区平均信号量来决定。

再次，如图4所示，图中遍历地理潮流图上的厂站图元，找出相邻两个厂站之间的最小距离S，以不超过S/4*95％的半径绘制厂站的信号圆，以保证两个厂站的信号渲染圆不重叠并且美观。如果S过于小，则取上一个次小值，距离最近的两个站信号圆也可能部分重叠。以此类推。一般来说，分布图上的厂站信号圆的大小一致，如果有个别重叠严重，可适当调整两站的地理位置。

最后，再根据当前未确认未复归告警数量给厂站挂牌，每个厂站上挂一个小牌，上面有该站未确认未复归的告警数量。该数值会根据实时数据刷新，刷新周期与画面同步。

图5为本发明的一个实施例的实施效果示意图：展示了其市全网各个地区的变电站告警信号情况，从分布图和主题窗上可以看出，目前宝坻、滨海、宁河、城西四个区的二类信号量较大，创业站、双岗站和米兰站的信号量偏大，并且有较多频报信号，可提示调度员注意。

本发明所提供的多维分析可视化展示方法充分挖掘海量信息的价值，有助于调度员从宏观上掌握全网的运行概况，揭示电网可能潜在的问题和薄弱环节，从信号类型、频发告警、设备类型、厂站汇总等多个角度指出电网的潜在风险，从而缓解监控压力，提高调度员对大电网的掌控能力，突破传统的单一、分散的信息展示，形成信息高效融合与表达的机制，实现面向全网的多维度监控信息综合展示。

上面对本发明所提供的变电站集中监控海量数据的多维分析可视化展示方法进行了详细的说明。对本领域的技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。

Claims (8)

1.一种变电站集中监控海量数据的多维分析可视化展示方法，其特征在于包括以下步骤：

S1.获取变电站的海量告警数据，对所述海量告警数据进行各个维度的分析统计处理，对分析统计结果进行频繁项集挖掘，得到频繁项集，即与频报信号密切相关的设备；

S2.对满足频繁项集条件的所述设备予以关注，并在信号分布图和主题窗口上进行可视化展示。

2.如权利要求1所述的多维分析可视化展示方法，其特征在于，

所述步骤S1进一步包括以下步骤：

(11)分析信号数据，找出引起信号频报的相关因素；

(12)生成事务表，对噪声告警数据进行分析，生成新的频报信号记录表；

(13)由所述新的频报信号记录表形成数据库D，挖掘频繁项集。

3.如权利要求2所述的多维分析可视化展示方法，其特征在于，

所述步骤(13)进一步包括以下步骤：

(131)扫描所述数据库D，找出候选1-项集的集合，并得到所述集合的支持度计数；

(132)再次扫描数据库D，将支持度小于最小支持度的项从各事务中删除，按照各项的支持度计数递减地将各事务中的项重新排列，得到数据库为D'；

(133)根据频繁1-项集L中的各项的支持度计数，按照预定规则由小到大依次构造各项的数据库子集，并利用FP增长算法对其进行约束频繁项挖掘；

(134)当依次挖掘出L中所有的项的约束频繁项集CLi后，合并所述约束频繁项集。

4.如权利要求3所述的多维分析可视化展示方法，其特征在于，

所述步骤(133)中的预定规则，包括：

a)扫描数据库D'，从中提取所有含项I_i的事务，然后删除这些事务中支持度小于该项的支持度的项，所得事务集合便为项I_i的数据库子集D_i；

b)对数据库子集D_i，利用FP增长算法进行包含项I_i的约束频繁项集挖掘。

5.如权利要求4所述的多维分析可视化展示方法，其特征在于，

所述步骤b)中，约束频繁项集挖掘过程包括：

①利用数据库子集D_i，构造FP树，并创建项头表HT，构造FP树时，该数据库子集中各事务的项按照频繁1-项集L中的次序处理；

②用项头表HT中的最后一项所标示的信息，构造该项的条件模式基，然后构造其条件FP树，在该条件FP树上挖掘出包含该项的频繁项集CL_i，完成在数据库子集D_i上的约束频繁项集挖掘。

6.如权利要求3所述的多维分析可视化展示方法，其特征在于，

所述步骤(134)中的合并所述约束频繁项集，即取约束频繁项集CL_i的并集得到数据库D的所有频繁项集。

7.如权利要求1所述的多维分析可视化展示方法，其特征在于，

所述步骤S2中，进行可视化展示包括以下步骤；

(21)建立信号类别与色系的对应关系；

(22)对发生不同告警信息数据的地区进行着色处理；

(23)发生告警的厂站进行挂牌显示。

8.如权利要求7所述的多维分析可视化展示方法，其特征在于，

根据相邻两个厂站之间的最小距离S，以不超过S/4*95％的半径绘制厂站的信号圆。