CN104850933A - 基于可信特征值的调度自动化数据稽查系统及其稽查方法 - Google Patents

Abstract

本发明公开的是一种基于可信特征值的调度自动化数据稽查系统及其稽查方法，其系统包括：电网数据稽查系统，改电网数据稽查系统包括数据预处理模块、可信特征值提取模块、基于可信特征值的历史数据与统计数据稽查模块以及实时数据稽查模块；其方法是首先对电网调度自动化系统海量历史数据规律分析和预处理，然后提取量测数据的可信特征值，并对不良历史数据和统计数据稽查，最后结合电力系统特征，基于可信特征值对电网实时数据进行稽查和处理。本发明的基于可信特征值的调度自动化数据稽查方法，根据电气设备、电力系统特征和历史数据规律对不良数据进行有效辨识和稽查，提高了电网基础数据的质量。

Description

基于可信特征值的调度自动化数据稽查系统及其稽查方法

技术领域

本发明涉及的是一种涉及智能电网调度自动化数据稽查系统，具体涉及一种基于可信特征值的调度自动化数据稽查系统及其稽查方法，属于电力调度自动化技术领域。

背景技术

数据稽查通常是指对不良数据进行捕获与分析判断。目前智能电网调度控制系统信息量迅猛增长，基础数据质量却还存在很多问题，不良数据引发调度员误判、漏判事故的情况很多，如何提高电网运行数据和管理数据品质，降低不良数据率，减小不良数据对调度安全性可靠性的影响等问题愈加突出。

调度自动化实时和历史不良数据在宏观上无规律可循，部分科研成果通过电气设备额定参数、合理限值等方法，不能准确捕捉到各种特殊跳变等不良数据，还有通过大数据分析平台的研究则尚难以实用化。目前，智能电网调控系统出现了不良数据后主要依靠维护人员手动排查判断，常常要结合很多信息分析，工作量大且效果不好，有时会严重影响调度、监控等专业对电网实际运行情况的判断，成为电网安全稳定优质运行的隐患。同时，对于大量没有发现的不良数据则隐藏很深，无法挖掘出来且无法修正，对于综合智能告警和电网事故研判。因此，如何加强数据质量监控，如何提高基础数据质量，如何减轻维护人员负担，提高电网调度运行数据的数据质量，已成为各级调度机构迫切需要解决的问题。

发明内容

本发明所要解决的技术问题在于，针对现有智能电网调度控制系统中的实时数据出现突变、异常越限及遥信遥测数据不一致等基础数据质量问题，以致影响调控人员正常监控设备和对事故的判断，以及各类报表数据的精确性，需要基于调度自动化海量历史数据研究数据规律，结合电气设备特征和电网运行规律，而目的提供一种基于可信特征值的调度自动化数据稽查系统及其稽查方法，能够快速准确的给自动化维护人员提供不良数据信息，并必要时进行优化处理以满足综合智能告警的需要，以及对事故研究分析的后续要求。

本发明解决其技术问题所采用的技术方案是：

一种基于可信特征值的调度自动化数据稽查系统，其特征在于，包括：

电网数据稽查系统，用于捕获调度自动化系统中的不良实时数据和历史数据；

所述电网数据稽查系统包括用于对历史数据空点、毛刺以及突变进行预处理的数据预处理模块，用于可信特征值提取的可信特征值提取模块，基于可信特征值的历史数据与统计数据稽查模块，基于电气规律的数据、网络拓扑数据以及可信特征值数据的实时数据稽查模块；

所述基于可信特征值的历史数据与统计数据稽查模块包括：

历史数据稽查模块，对预处理结果数据检查是否满足可信特征值要求，

统计数据稽查模块，根据历史数据稽查模块稽查处理后的历史数据，重新判断相关时间段的统计数据是否满足可信特征值要求。

所述数据预处理模块包括：

历史数据空点处理模块，采用插值办法完成空点填充；

历史数据毛刺处理模块，结合电气设备额定值 ，进行毛刺平滑处理；

历史数据突变处理模块，通过限幅、限速与均值滤波的限幅滤波法和滑动平均滤波法，进行数据的突变过滤和平滑处理。

所述可信特征值提取包括：

历史极值提取，提取符合电气设备运行稳定限额的历史最大值、历史最小值及整月、整年的极值；

数值振幅提取，提取历史数据的最大升幅、停运的最大降幅；

数值变化率提取，提取历史数据的最大升变化率、最大降变化率。

所述实时数据稽查模块包括：

基于电气规律的数据稽查模块，根据电力系统基本规律，检测可疑量测数据，所述可疑量测数据包括PQI不一致、数据越限检查；

基于网络拓扑的数据稽查模块，根据电网潮流特征，检测可疑量测数据，该数据包括误遥信辨识、数据不一致、不平衡量异常、PQI不一致检查；

依据可信特征值的数据稽查模块，根据提取出的可信特征值，按照极值、振幅和变化率实时分析判断数据是否异常。

所述的度自动化数据稽查系统还包括辨识比较模块，基于统计规律的离线辨识，分时段设定阈值判别法，及使用同比、环比、特征曲线的统计方式进行对历史数据的辨识比较。

在本发明所述的基于可信特征值的调度自动化数据稽查系统中，所述数据预处理模块包括：

历史数据空点处理，采用插值办法完成空点填充；

历史数据毛刺处理，结合电气设备和合理值范围进行毛刺平滑处理；

历史数据突变处理，通过限幅、限速与均值滤波的复合滤波算法，进行数据的突变过滤和平滑处理。

在本发明所述的基于可信特征值的调度自动化数据稽查系统中，所述可信特征值提取模块包括：

历史极值提取，提取符合电气设备运行稳定限额的历史最大值、历史最小值及整月、整年的极值；

数值振幅提取，提取历史数据的最大升幅、考虑停运的最大降幅等；

数值变化率提取，提取历史数据的最大升变化率、最大降变化率等。

在本发明所述的基于可信特征值的调度自动化数据稽查系统中，所述基于可信特征值的历史数据与统计数据稽查模块包括：

历史数据稽查，对预处理结果数据检查是否满足特征值要求；

统计数据稽查，根据稽查处理后的历史数据，重新分析相关时间段的统计数据是否满足特征值要求。

在本发明所述的基于可信特征值的调度自动化数据稽查系统中，所述结合电气特征的实时数据稽查模块包括：

基于电气规律的数据稽查，根据电力系统基本规律，检测可疑量测数据，包括PQI不一致、数据越限检查等；

基于网络拓扑的数据稽查，根据电网潮流特征，检测可疑量测数据，包括误遥信辨识、数据不一致、不平衡量异常、PQI不一致检查等；

依据可信特征值的数据稽查，根据提取出的可信特征值，按照极值、振幅和变化率实时分析判断数据是否异常。

在本发明所述的基于可信特征值的调度自动化数据稽查系统中，所述稽查系统还包括基于统计规律的离线辨识，分时段设定阈值判别法，及使用同比、环比、特征曲线等统计方式进行对历史数据的辨识比较。

根据本发明的另一个方面，提供一种基于可信特征值的调度自动化数据稽查方法，包括以下步骤：

S1：启动数据稽查程序；对智能电网调度控制系统镜像库开始进行数据预处理和可信特征值提取操作；

S2：周期性地对增量历史数据进行预处理；

S3：周期性地读取关键设备量测数据，提取数据的可信特征值；

S4：依据可信特征值对历史数据以及统计数据进行稽查；对步骤S2的预处理结果数据检查是否满足可信特征值要求，若不满足，则进行修正，返回步骤S2；若满足可信特征值要求，则根据稽查处理后的历史数据，重新判断相关时间段的统计数据是否满足可信特征值要求；若满足，则进入步骤S7，否则，返回步骤S2；

S5：同时支持依据可信特征值对历史数据进行人工离线稽查；人工离线稽查后进入步骤S7；

S6：从可信特征值模块中读取相应的特征值，结合电气特征进行实时数据的稽查，稽查后进入步骤S8；

S7：如果需要人工结束周期性稽查，则结束数据稽查，否则进入步骤S2。

本发明所达到的有益效果：

1）通过对智能电网调度控制系统中历史数据预处理，和基于可信特征值的历史数据稽查，提高了历史数据的准确性；

2）通过对可信特征值的提取，充分利用了数值分析的特点，形成了调度自动化可依循的更精确的量测合理范围与变化规律；

3）基于可信特征值的统计数据稽查，提升系统对外接口报表数据的精确度；

4）通过合理提取的可信特征值对实时数据进行过滤处理，数据稽查结果充分表明了数值分析与电气规律结合的特点，一定程度上避免了电网事故的误判。

附图说明

图1 为本发明的基于可信特征值的调度自动化数据稽查系统功能框图。

图2 为本发明的基于可信特征值的调度自动化数据稽查方法流程图。

具体实施方式

以下结合附图对本发明作进一步详细的介绍。

参见图1和图2，本发明主要在智能电网调度控制系统平台上，在探讨数据稽查理论的基础上，开展基础数据整治主站侧实用化技术研究,着眼于建立完整的调控关键数据稽查的方法和工具，并对稽查中发现的不良数据提出处理方案。

如图1所示，在本发明的基于可信特征值的调度自动化数据稽查系统中，包括数据预处理模块、可信特征值提取模块、基于可信特征值的历史数据与统计数据稽查模块、结合电气特征的实时数据稽查模块。

数据预处理是对历史数据本身的品质优化。通过研究专家算法对历史数据进行分析和过滤，处理其中明显的错误数据，提高历史数据的真实性和正确性，尽可能保证历史数据高质、可用。数据维护对历史曲线的空点、毛刺、突变、阶跃等进行分析优化与修正，以便后续特征值的分析统计和数据挖掘。

可信特征值提取首先要解决的关键问题就是将蕴含在海量历史数据中的电网运行特性、规律和经验挖掘出来，量化成可以用明确的语义描述、可以由系统自动处理的逻辑表达。本发明充分借助现代数据挖掘的理论基础，采用最大期望算法和限幅滤波法相结合，分析海量历史数据，提取出历史量测极值、最大变化率、最大变幅等历史特征值。在智能电网调度控制系统中新建可信值信息表，用于定义需要参与统计的重要量测（线路、主变、总加等），基于历史数据库进行自动提取。针对历史数据的处理是循环迭代式的，这样整个历史数据库和规则模型就形成一个不断进行优化的自完善体系。

基于可信特征值的历史数据与统计数据稽查，在数据预处理后根据可信值进一步判断历史数据跳变、不符合电气设备特征等不正确情况，并给出告警以及建议的修改值。数据跳变的判断以可信特征值为依据，提供独立的界面供用户查询对历史数据筛查的结果，确认后可直接根据建议值进行修改，也可以选择某一天的数据进行离线分析。统计数据来源于历史数据，影响着对外很多报表内容，因此，也进行周期性稽查与修正。

结合电气特征的实时数据稽查，以具备合理置信区间的可信特征值为基础，实时检查遥测与遥信值识别不良数据，对重要数据进行跳变监视，遥测超过可信值范围，则判断为跳变；遥测变化幅值和变化率超过历史最大变化幅值、历史最大变化率，则判断为跳变，发送告警，提示用户监视异常数据。同时，结合电网平衡和电气设备的采集量关系，捕获引起不平衡量偏高的量测、PQI不一致、遥信遥测不一致等异常数据。

通过数据稽查各模块的功能，并最终实现实时量测的稽查，为自动化维护人员迅速发现基础数据量测问题提供重要参考。

如图2所示，在进行调控数据稽查时，其具体包括以下步骤：

1. 启动数据稽查程序，即根据不良基础数据稽查要求，在智能电网调度控制系统镜像库开始进行数据预处理和可信值提取功能。

2. 周期性地对增量历史数据进行预处理，一般是每日对历史曲线的空点、毛刺、突变、阶跃等进行分析优化与修正，为后续数据分析提供较为完整与准确的历史数据。

本发明中，预处理包括：历史数据空点处理，采用插值办法完成空点填充；历史数据毛刺处理，结合电气设备额定值，进行毛刺平滑处理；历史数据突变处理模块，通过限幅滤波法和滑动平均滤波法，进行数据的突变过滤和平滑处理。

3. 周期性地读取关键设备量测数据，提取设备的可信特征值；一般是每日对增量存储的历史数据，和已经提取出的可信特征值进行比较修正，不断更新数据的可信特征值，如果存在个别量测调试问题严重失真，也可以人工修正。

提取数据的可信特征值包括：

历史极值提取，提取符合电气设备运行稳定限额的历史最大值、历史最小值及整月、整年的极值；

数值振幅提取，提取历史数据的最大升幅、停运的最大降幅；

数值变化率提取，提取历史数据的最大升变化率、最大降变化率。

4. 依据可信特征值对历史数据进行稽查，历史数据经过预处理后，并不能排除突变、越限等情况，通过提取出来的可信特征值进一步修正历史数据，为报表和其他分析应用提供更为准确的历史数据。

5.同时支持依据可信特征值对历史数据进行人工离线稽查，使用同比、环比、特征曲线等统计方式对总加、联络线等历史数据的离线辨识比较。人工离线稽查是基于统计规律的离线辨识，分时段设定阈值判别法，及使用同比、环比、特征曲线的统计方式进行对历史数据的辨识比较。

6. 依据可信特征值对统计数据进行稽查，修正年月日的最大最小值和历史最值。

7.结合电气特征进行实时数据的稽查，在线实时稽查的手段包括在前置数据采集、SCADA数据处理、计算统计及告警等多方面，还结合了计划值、检修操作票等管理数据信息，对数据进行各个侧面的判断。

本发明中，基于电气规律的数据稽查是根据电力系统基本规律，检测可疑量测数据，所述可疑量测数据包括PQI不一致、数据越限检查；

基于网络拓扑的数据稽查，根据电网潮流特征，检测可疑量测数据，该数据包括误遥信辨识、数据不一致、不平衡量异常、PQI不一致检查；

依据可信特征值的数据稽查，根据提取出的可信特征值，按照极值、振幅和变化率实时分析判断数据是否异常。

8. 如果需要人工结束周期性稽查，则结束数据稽查，否则继续周期运行。

本发明通过上述实施例可知，本发明是首先对电网调度自动化系统海量历史数据规律分析和预处理，然后提取量测数据的可信特征值，并对不良历史数据和统计数据稽查，最后结合电力系统特征，基于可信特征值对电网实时数据进行稽查和处理。

本发明的基于可信特征值的调度自动化数据稽查方法，根据电气设备、电力系统特征和历史数据规律对不良数据进行有效辨识和稽查，提高了电网基础数据的质量。

通过对智能电网调度控制系统中历史数据预处理，和基于可信特征值的历史数据稽查，提高了历史数据的准确性；并通过对可信特征值的提取，充分利用了数值分析的特点，形成了调度自动化可依循的更精确的量测合理范围与变化规律；

此外，基于可信特征值的统计数据稽查，提升系统对外接口报表数据的精确度；通过合理提取的可信特征值对实时数据进行过滤处理，数据稽查结果充分表明了数值分析与电气规律结合的特点，一定程度上避免了电网事故的误判。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.  一种基于可信特征值的调度自动化数据稽查系统，其特征在于，包括：

电网数据稽查系统，用于捕获调度自动化系统中的不良实时数据和历史数据；

所述电网数据稽查系统包括用于对历史数据空点、毛刺以及突变进行预处理的数据预处理模块，用于可信特征值提取的可信特征值提取模块，基于可信特征值的历史数据与统计数据稽查模块，基于电气规律的数据、网络拓扑数据以及可信特征值数据的实时数据稽查模块；

所述基于可信特征值的历史数据与统计数据稽查模块包括：

历史数据稽查模块，对预处理结果数据检查是否满足可信特征值要求，

统计数据稽查模块，根据历史数据稽查模块稽查处理后的历史数据，重新判断相关时间段的统计数据是否满足可信特征值要求。

2. 根据权利要求1所述的基于可信特征值的调度自动化数据稽查系统，其特征在于，所述数据预处理模块包括：

历史数据空点处理模块，采用插值办法完成空点填充；

历史数据毛刺处理模块，结合电气设备额定值，进行毛刺平滑处理；

历史数据突变处理模块，通过限幅滤波法和滑动平均滤波法，进行数据的突变过滤和平滑处理。

3. 根据权利要求1所述的基于可信特征值的调度自动化数据稽查系统，其特征在于，所述可信特征值提取包括：

历史极值提取，提取符合电气设备运行稳定限额的历史最大值、历史最小值及整月、整年的极值；

数值振幅提取，提取历史数据的最大升幅、停运的最大降幅；

数值变化率提取，提取历史数据的最大升变化率、最大降变化率。

4. 根据权利要求1所述的基于可信特征值的调度自动化数据稽查系统，其特征在于，所述实时数据稽查模块包括：

基于电气规律的数据稽查模块，根据电力系统基本规律，检测可疑量测数据，所述可疑量测数据包括PQI不一致、数据越限检查；

基于网络拓扑的数据稽查模块，根据电网潮流特征，检测可疑量测数据，该数据包括误遥信辨识、数据不一致、不平衡量异常、PQI不一致检查；

依据可信特征值的数据稽查模块，根据提取出的可信特征值，按照极值、振幅和变化率实时分析判断数据是否异常。

5. 根据权利要求１－4任意所述的基于可信特征值的调度自动化数据稽查系统，其特征在于，所述的度自动化数据还包括辨识比较模块，基于统计规律的离线辨识，分时段设定阈值判别法，及使用同比、环比、特征曲线的统计方式进行对历史数据的辨识比较。

6. 一种基于可信特征值的调度自动化数据稽查方法，其特征在于，包括以下步骤：

S1：启动数据稽查程序；对智能电网调度控制系统镜像库开始进行数据预处理和可信特征值提取操作；

S2：周期性地对增量历史数据进行预处理；

S3：周期性地读取关键设备量测数据，提取数据的可信特征值；

S4：依据可信特征值对历史数据以及统计数据进行稽查；对步骤S2的预处理结果数据检查是否满足可信特征值要求，若不满足，则进行修正，返回步骤S2；若满足可信特征值要求，则根据稽查处理后的历史数据，重新判断相关时间段的统计数据是否满足可信特征值要求；若满足，则进入步骤S7，否则，返回步骤S2；

S5：同时支持依据可信特征值对历史数据进行人工离线稽查；人工离线稽查后进入步骤S7；

S6：从可信特征值模块中读取相应的特征值，结合电气特征进行实时数据的稽查，稽查后进入步骤S8；

S7：如果需要人工结束周期性稽查，则结束数据稽查，否则进入步骤S2。

7. 根据权利要求6所述的一种基于可信特征值的调度自动化数据稽查方法，其特征在于， 所述步骤S2中，对增量历史数据进行预处理数据预处理模块包括：

历史数据空点处理，采用插值办法完成空点填充；

历史数据毛刺处理，结合电气设备额定值，进行毛刺平滑处理；

历史数据突变处理模块，通过限幅滤波法和滑动平均滤波法，进行数据的突变过滤和平滑处理。

8. 根据权利要求6所述的一种基于可信特征值的调度自动化数据稽查方法，其特征在于，所述步骤S3中，提取数据的可信特征值包括：

历史极值提取，提取符合电气设备运行稳定限额的历史最大值、历史最小值及整月、整年的极值；

数值振幅提取，提取历史数据的最大升幅、停运的最大降幅；

数值变化率提取，提取历史数据的最大升变化率、最大降变化率。

9. 根据权利要求6所述的一种基于可信特征值的调度自动化数据稽查方法，其特征在于，所述S6中，结合电气特征进行实时数据的稽查包括：

基于电气规律的数据稽查步骤；根据电力系统基本规律，检测可疑量测数据，所述可疑量测数据包括PQI不一致、数据越限检查；

基于网络拓扑的数据稽查步骤，根据电网潮流特征，检测可疑量测数据，该数据包括误遥信辨识、数据不一致、不平衡量异常、PQI不一致检查；

依据可信特征值的数据稽查步骤，根据提取出的可信特征值，按照极值、振幅和变化率实时分析判断数据是否异常。

10. 根据权利要求6所述的一种基于可信特征值的调度自动化数据稽查方法，其特征在于，所述S5中，依据可信特征值对历史数据进行人工离线稽查的方法为：基于统计规律的离线辨识，分时段设定阈值判别法，及使用同比、环比、特征曲线的统计方式进行对历史数据的辨识比较。