CN105354663A - 基于时间序列相似度的电力互感器误差分析方法及系统 - Google Patents

Abstract

本申请公开了一种基于时间序列相似度的电力互感器误差分析方法及系统，该方法包括：在获取到电力互感器的运行误差和电力互感器的误差影响因素后，按照误差的监测时间间隔，对运行误差进行分隔，得到运行误差时间序列；按照误差影响因素的监测时间间隔，对误差影响因素进行分隔，得到误差影响因素时间序列；然后计算运行误差时间序列与误差影响因素时间序列之间的相似度，并利用相似度，确定误差影响因素对运行误差的影响程度，其中，相似度与影响程度之间呈正相关关系。本申请通过将运行误差和影响因素分隔成相应的时间序列，然后计算双方的相似度，从而实现了确定不同影响因素对电力互感器运行误差的影响程度的目的。

Description

基于时间序列相似度的电力互感器误差分析方法及系统

技术领域

本发明涉及电力互感器误差估计技术领域，特别涉及一种基于时间序列相似度的电力互感器误差分析方法及系统。

背景技术

目前，电力互感器广泛应用于变电站，其质量对变电站的正常工作起到了重要作用。电力互感器在实际应用过程中不可避免存在一定的运行误差，为了降低电力互感器的运行误差，工作人员需要事先对产生这些误差的影响因素进行研究。例如，影响电流互感器误差的因素通常包括剩磁、环境温度、邻近一次导体磁场和高压漏电流等，而影响电压互感器误差的因素通常则包括环境温度、外电场、频率和一次导体磁场等。

然而，不同影响因素对电力互感器误差的影响程度是不同的，如何确定不同影响因素对电力互感器运行误差的影响程度是目前有待解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于时间序列相似度的电力互感器误差分析方法及系统，实现了确定不同影响因素对电力互感器运行误差的影响程度的目的。其具体方案如下：

一种基于时间序列相似度的电力互感器误差分析方法，包括：

利用变电站计量装置上的误差监测终端，获取电力互感器的运行误差；利用所述变电站计量装置上的误差影响因素监测终端，获取所述电力互感器的误差影响因素；

按照误差的监测时间间隔，对所述运行误差进行分隔，得到运行误差时间序列；按照误差影响因素的监测时间间隔，对所述误差影响因素进行分隔，得到误差影响因素时间序列；其中，所述运行误差时间序列包括M个误差监测数据，所述误差影响因素时间序列包括N个误差影响因素监测数据，M和N均为正整数；

计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度，并利用所述相似度，确定所述误差影响因素对所述运行误差的影响程度，其中，所述相似度与所述影响程度之间呈正相关关系。

优选的，所述计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度的过程，包括：

计算所述M个误差监测数据与所述N个误差影响因素监测数据之间的欧氏距离，得到M×N阶的距离矩阵D；其中，所述距离矩阵D中任一元素的表达式为：

D(x_m，y_n)＝|x_m-y_n|；

其中，x_m为所述M个误差监测数据中的任一数据，y_n为所述N个误差影响因素监测数据中的任一数据，m∈{1,2,...,M}，n∈{1,2,...,N}；

按照预设筛选条件，对所述距离矩阵D进行路径筛选，得到S条DTW路径，S为正整数；其中，任意一条DTW路径包含多个路径元素，可表示为w＝{w₁,w₂,...,w_K}，w₁＝D(x₁,y₁)，w_K＝D(x_M,y_N)；

计算所述S条DTW路径中每一条DTW路径的路径元素总和，相应地得到S个路径元素总和；

利用所述S个路径元素总和中最小的路径元素总和，计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度，其中，所述路径元素总和的大小与所述相似度之间呈负相关关系。

优选的，所述预设筛选条件为：

令r∈{2,3,...,K}，并设w_r-1＝D(x_m′,y_n′)和w_r＝D(x_m,y_n)时，需满足m-m′≥0，或者需满足n-n′≤1且m-m′+n-n′≠0。

优选的，所述预设筛选条件为：

令r∈{2,3,...,K}，并设w_r-1＝D(x_m′,y_n′)和w_r＝D(x_m,y_n)时，需满足：

单调性条件：m-m′≥0，n-n′≥0和m-m′+n-n′≠0；

连续性条件：m-m′≤1，n-n′≤1；以及，

变化率有界性条件：设C_xm为路径垂直方向上连续转移的数据个数，设C_yn为路径水平方向上连续转移的数据个数，则需满足C_xm＜C_lim和C_yn＜C_lim；其中，所述路径垂直方向为m-m′＝0所在的方向，所述路径水平方向为n-n′＝0所在的方向，C_lim为预设值。

优选的，所述计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度的过程，还包括：

确定所述距离矩阵的禁区元素集D_b，其中所述禁区元素集D_b中的每一个禁区元素可表示为：D(x_i，y_j)＝|x_i-y_j|，其中，i和j需要满足如下的参数条件：

$i\≤\frac{N}{C_{\lim }},i\×C_{\lim }\≤j\≤N,$ 或者， $j\×C_{\lim }\≤i\≤M,j\≤\frac{M}{C_{\lim }};$

在满足所述参数条件的情况下，将所述禁区元素集D_b中的每一个禁区元素D(x_i，y_j)的数值取为极大值D_max(x_i，y_j)，得到改进距离矩阵D_max；

利用所述改进距离矩阵D_max构造累计距离矩阵C，其中，

所述累计距离矩阵C中的第1行第1列的元素为：C(1,1)＝D_max(1,1)；

第a行第b列的元素的递推公式为：C(a,b)＝D_max(a，b)+ΔD′；

其中，D_max(a，b)表示所述改进距离矩阵D_max的第a行第b列的元素，a∈{2,3,...,M}，b∈{2,3,...,N}，ΔD′为根据最小代价DTW路径上的连续转移的数据个数C_xm′和C_yn′确定的累计增量距离；所述最小代价DTW路径为与所述S个路径元素总和中最小的路径元素总和所对应的DTW路径，C_xm′为所述最小代价DTW路径的路径垂直方向上连续转移的数据个数，C_yn′为所述最小代价DTW路径的路径水平方向上连续转移的数据个数；

利用所述累计距离矩阵C中第M行第N列元素C(M，N)的数值，计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度，其中，C(M，N)的数值大小与所述相似度之间呈负相关关系。

优选的，当所述误差影响因素监测终端获取到至少两种误差影响因素时，还包括：

在计算所述运行误差与每一种误差影响因素之间的相似度，相应地得到至少两个相似度值后，利用所述至少两个相似度值，对所述至少两种误差影响因素进行加权运算，得到所述电力互感器的动态误差。

优选的，所述利用所述至少两个相似度值，对所述至少两种误差影响因素进行加权运算，得到所述电力互感器的动态误差的过程，包括：

将与任一误差影响因素对应的相似度值确定为该误差影响因素的权值，将每一种误差影响因素乘以各自的权值，并对相应得到的乘积进行相加处理，得到所述电力互感器的动态误差。

优选的，所述电力互感器为电流互感器或电压互感器。

本发明还公开了一种基于时间序列相似度的电力互感器误差分析系统，包括：

数据获取模块，用于利用变电站计量装置上的误差监测终端，获取电力互感器的运行误差；利用所述变电站计量装置上的误差影响因素监测终端，获取所述电力互感器的误差影响因素；

序列生成模块，用于按照误差的监测时间间隔，对所述运行误差进行分隔，得到运行误差时间序列；按照误差影响因素的监测时间间隔，对所述误差影响因素进行分隔，得到误差影响因素时间序列；其中，所述运行误差时间序列包括M个误差监测数据，所述误差影响因素时间序列包括N个误差影响因素监测数据，M和N均为正整数；

相似度计算模块，用于计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度；

影响程度确定模块，用于利用所述相似度，确定所述误差影响因素对所述运行误差的影响程度，其中，所述相似度与所述影响程度之间呈正相关关系。

优选的，所述相似度计算模块包括：

距离矩阵获取单元，用于计算所述M个误差监测数据与所述N个误差影响因素监测数据之间的欧氏距离，得到M×N阶的距离矩阵D；其中，所述距离矩阵D中任一元素的表达式为：

D(x_m，y_n)＝|x_m-y_n|；

其中，x_m为所述M个误差监测数据中的任一数据，y_n为所述N个误差影响因素监测数据中的任一数据，m∈{1,2,...,M}，n∈{1,2,...,N}；

路径筛选单元，用于按照预设筛选条件，对所述距离矩阵D进行路径筛选，得到S条DTW路径，S为正整数；其中，任意一条DTW路径包含多个路径元素，可表示为w＝{w₁,w₂,...,w_K}，w₁＝D(x₁,y₁)，w_K＝D(x_M,y_N)；

元素总和计算单元，用于计算所述S条DTW路径中每一条DTW路径的路径元素总和，相应地得到S个路径元素总和；

相似度计算单元，用于利用所述S个路径元素总和中最小的路径元素总和，计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度，其中，所述路径元素总和的大小与所述相似度之间呈负相关关系。

本发明中，在获取到电力互感器的运行误差和电力互感器的误差影响因素后，按照误差的监测时间间隔，对运行误差进行分隔，得到运行误差时间序列；按照误差影响因素的监测时间间隔，对误差影响因素进行分隔，得到误差影响因素时间序列；然后计算运行误差时间序列与误差影响因素时间序列之间的相似度，并利用相似度，确定误差影响因素对运行误差的影响程度，其中，相似度与影响程度之间呈正相关关系。可见，本发明通过将运行误差和影响因素分隔成相应的时间序列，然后计算双方的相似度，从而实现了确定不同影响因素对电力互感器运行误差的影响程度的目的。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的一种基于时间序列相似度的电力互感器误差分析方法流程图；

图2为本发明实施例公开的一种基于时间序列相似度的电力互感器误差分析系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种基于时间序列相似度的电力互感器误差分析方法，参见图1所示，上述电力互感器误差分析方法包括：

步骤S11：利用变电站计量装置上的误差监测终端，获取电力互感器的运行误差；利用变电站计量装置上的误差影响因素监测终端，获取电力互感器的误差影响因素。

需要说明的是，上述电力互感器具体为电流互感器或电压互感器。

步骤S12：按照误差的监测时间间隔，对运行误差进行分隔，得到运行误差时间序列；按照误差影响因素的监测时间间隔，对误差影响因素进行分隔，得到误差影响因素时间序列。

上述运行误差时间序列和误差影响因素时间序列均各包括多个监测数据，这里可设运行误差时间序列包括M个误差监测数据，误差影响因素时间序列包括N个误差影响因素监测数据，M和N均为正整数。

步骤S13：计算运行误差时间序列与误差影响因素时间序列之间的相似度。

步骤S14：利用相似度，确定误差影响因素对运行误差的影响程度，其中，相似度与影响程度之间呈正相关关系。

本发明实施例中，在获取到电力互感器的运行误差和电力互感器的误差影响因素后，按照误差的监测时间间隔，对运行误差进行分隔，得到运行误差时间序列；按照误差影响因素的监测时间间隔，对误差影响因素进行分隔，得到误差影响因素时间序列；然后计算运行误差时间序列与误差影响因素时间序列之间的相似度，并利用相似度，确定误差影响因素对运行误差的影响程度，其中，相似度与影响程度之间呈正相关关系。

可见，本发明实施例通过将运行误差和影响因素分隔成相应的时间序列，然后计算双方的相似度，从而实现了确定不同影响因素对电力互感器运行误差的影响程度的目的。

本发明实施例公开了一种具体的基于时间序列相似度的电力互感器误差分析方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体为：

上一实施例步骤S13中，计算运行误差时间序列与误差影响因素时间序列之间的相似度的过程，具体包括：

步骤S131：计算M个误差监测数据与N个误差影响因素监测数据之间的欧氏距离，得到M×N阶的距离矩阵D；其中，距离矩阵D中任一元素的表达式为：

D(x_m，y_n)＝|x_m-y_n|；

其中，x_m为M个误差监测数据中的任一数据，y_n为N个误差影响因素监测数据中的任一数据，m∈{1,2,...,M}，n∈{1,2,...,N}；

步骤S132：按照预设筛选条件，对距离矩阵D进行路径筛选，得到S条DTW路径，S为正整数；其中，任意一条DTW路径包含多个路径元素，可表示为w＝{w₁,w₂,...,w_K}，w₁＝D(x₁,y₁)，w_K＝D(x_M,y_N)；

步骤S133：计算S条DTW路径中每一条DTW路径的路径元素总和，相应地得到S个路径元素总和；

步骤S134：利用S个路径元素总和中最小的路径元素总和，计算运行误差时间序列与误差影响因素时间序列之间的相似度，其中，路径元素总和的大小与相似度之间呈负相关关系。

其中，上述步骤S132中的预设筛选条件可以为第一预设筛选条件或者第二预设筛选条件；其中，第一预设筛选条件具体为：

令r∈{2,3,...,K}，并设w_r-1＝D(x_m′,y_n′)和w_r＝D(x_m,y_n)时，需满足m-m′≥0，或者需满足n-n′≤1且m-m′+n-n′≠0。

为了避免DTW路径出现病态弯曲的现象，上述步骤S132中的预设筛选条件优先设为第二预设筛选条件；其中，第二预设筛选条件具体为：：

令r∈{2,3,...,K}，并设w_r-1＝D(x_m′,y_n′)和w_r＝D(x_m,y_n)时，需满足：

单调性条件：m-m′≥0，n-n′≥0和m-m′+n-n′≠0；

连续性条件：m-m′≤1，n-n′≤1；以及，

变化率有界性条件：设C_xm为路径垂直方向上连续转移的数据个数，设C_yn为路径水平方向上连续转移的数据个数，则需满足C_xm＜C_lim和C_yn＜C_lim；其中，路径垂直方向为m-m′＝0所在的方向，路径水平方向为n-n′＝0所在的方向，C_lim为预设值。需要说明的是，上述m-m′＝0所在的方向是指直线m-m′＝0所在的方向；同理，上述n-n′＝0所在的方向是指直线n-n′＝0所在的方向。

在步骤S132中的预设筛选条件为第二预设筛选条件的情况下，上一实施例步骤S13中的计算运行误差时间序列与误差影响因素时间序列之间的相似度的过程，还包括：

步骤S135：确定距离矩阵的禁区元素集D_b，其中禁区元素集D_b中的每一个禁区元素可表示为：D(x_i，y_j)＝|x_i-y_j|，其中，i和j需要满足如下的参数条件：

$i\≤\frac{N}{C_{\lim }},i\×C_{\lim }\≤j\≤N$ 或者， $j\×C_{\lim }\≤i\≤M,j\≤\frac{M}{C_{\lim }};$

步骤S136：在满足参数条件的情况下，将禁区元素集D_b中的每一个禁区元素D(x_i，y_j)的数值取为极大值D_max(x_i，y_j)，得到改进距离矩阵D_max；

步骤S137：利用改进距离矩阵D_max构造累计距离矩阵C，其中，

累计距离矩阵C中的第1行第1列的元素为：C(1,1)＝D_max(1,1)；

第a行第b列的元素的递推公式为：C(a,b)＝D_max(a，b)+ΔD′；

其中，D_max(a，b)表示改进距离矩阵D_max的第a行第b列的元素，a∈{2,3,...,M}，b∈{2,3,...,N}，ΔD′为根据最小代价DTW路径上的连续转移的数据个数C_xm′和C_yn′确定的累计增量距离；最小代价DTW路径为与S个路径元素总和中最小的路径元素总和所对应的DTW路径，C_xm′为最小代价DTW路径的路径垂直方向上连续转移的数据个数，C_yn′为最小代价DTW路径的路径水平方向上连续转移的数据个数；

步骤S138：利用累计距离矩阵C中第M行第N列元素C(M，N)的数值，计算运行误差时间序列与误差影响因素时间序列之间的相似度，其中，C(M，N)的数值大小与相似度之间呈负相关关系。考虑到相似度与影响程度之间是呈正相关关系，故C(M，N)的数值大小与影响程度之间呈负相关关系。

进一步的，当误差影响因素监测终端获取到至少两种误差影响因素时，本实施例中的电力互感器误差分析方法还可以包括：在计算运行误差与每一种误差影响因素之间的相似度，相应地得到至少两个相似度值后，利用至少两个相似度值，对至少两种误差影响因素进行加权运算，得到电力互感器的动态误差。

具体的，上述利用至少两个相似度值，对至少两种误差影响因素进行加权运算，得到电力互感器的动态误差的过程，可以包括：将与任一误差影响因素对应的相似度值确定为该误差影响因素的权值，将每一种误差影响因素乘以各自的权值，并对相应得到的乘积进行相加处理，得到电力互感器的动态误差。

本发明实施例还公开了一种基于时间序列相似度的电力互感器误差分析系统，参见图2所示，该系统包括：

数据获取模块21，用于利用变电站计量装置上的误差监测终端，获取电力互感器的运行误差；利用变电站计量装置上的误差影响因素监测终端，获取电力互感器的误差影响因素；

序列生成模块22，用于按照误差的监测时间间隔，对运行误差进行分隔，得到运行误差时间序列；按照误差影响因素的监测时间间隔，对误差影响因素进行分隔，得到误差影响因素时间序列；其中，运行误差时间序列包括M个误差监测数据，误差影响因素时间序列包括N个误差影响因素监测数据，M和N均为正整数；

相似度计算模块23，用于计算运行误差时间序列与误差影响因素时间序列之间的相似度；

影响程度确定模块24，用于利用相似度，确定误差影响因素对运行误差的影响程度，其中，相似度与影响程度之间呈正相关关系。

具体的，上述相似度计算模块23具体可以包括距离矩阵获取单元、路径筛选单元、元素总和计算单元和相似度计算单元；其中，

距离矩阵获取单元，用于计算M个误差监测数据与N个误差影响因素监测数据之间的欧氏距离，得到M×N阶的距离矩阵D；其中，距离矩阵D中任一元素的表达式为：

D(x_m，y_n)＝|x_m-y_n|；

其中，x_m为M个误差监测数据中的任一数据，y_n为N个误差影响因素监测数据中的任一数据，m∈{1,2,...,M}，n∈{1,2,...,N}；

路径筛选单元，用于按照预设筛选条件，对距离矩阵D进行路径筛选，得到S条DTW路径，S为正整数；其中，任意一条DTW路径包含多个路径元素，可表示为w＝{w₁,w₂,...,w_K}，w₁＝D(x₁,y₁)，w_K＝D(x_M,y_N)；

元素总和计算单元，用于计算S条DTW路径中每一条DTW路径的路径元素总和，相应地得到S个路径元素总和；

相似度计算单元，用于利用S个路径元素总和中最小的路径元素总和，计算运行误差时间序列与误差影响因素时间序列之间的相似度，其中，路径元素总和的大小与相似度之间呈负相关关系。

其中，上述预设筛选条件可以为第一预设筛选条件或者第二预设筛选条件；其中，第一预设筛选条件具体为：

令r∈{2,3,...,K}，并设w_r-1＝D(x_m′,y_n′)和w_r＝D(x_m,y_n)时，需满足m-m′≥0，或者需满足n-n′≤1且m-m′+n-n′≠0。

为了避免DTW路径出现病态弯曲的现象，上述预设筛选条件优先设为第二预设筛选条件；其中，第二预设筛选条件具体为：：

令r∈{2,3,...,K}，并设w_r-1＝D(x_m′,y_n′)和w_r＝D(x_m,y_n)时，需满足：

单调性条件：m-m′≥0，n-n′≥0和m-m′+n-n′≠0；

连续性条件：m-m′≤1，n-n′≤1；以及，

变化率有界性条件：设C_xm为路径垂直方向上连续转移的数据个数，设C_yn为路径水平方向上连续转移的数据个数，则需满足C_xm＜C_lim和C_yn＜C_lim；其中，路径垂直方向为m-m′＝0所在的方向，路径水平方向为n-n′＝0所在的方向，C_lim为预设值。需要说明的是，上述m-m′＝0所在的方向是指直线m-m′＝0所在的方向；同理，上述n-n′＝0所在的方向是指直线n-n′＝0所在的方向。

上述相似度计算模块23还可以进一步包括禁区元素确定单元、改进距离矩阵获取单元、累计距离矩阵获取单元和改进相似度计算单元；其中，

禁区元素确定单元，用于确定距离矩阵的禁区元素集D_b，其中禁区元素集D_b中的每一个禁区元素可表示为：D(x_i，y_j)＝|x_i-y_j|，其中，i和j需要满足如下的参数条件：

$i\≤\frac{N}{C_{\lim }},i\×C_{\lim }\≤j\≤N,$ 或者， $j\×C_{\lim }\≤i\≤M,j\≤\frac{M}{C_{\lim }};$

改进距离矩阵获取单元，用于在满足参数条件的情况下，将禁区元素集D_b中的每一个禁区元素D(x_i，y_j)的数值取为极大值D_max(x_i，y_j)，得到改进距离矩阵D_max；

累计距离矩阵获取单元，用于利用改进距离矩阵D_max构造累计距离矩阵C，其中，

累计距离矩阵C中的第1行第1列的元素为：C(1,1)＝D_max(1,1)；

第a行第b列的元素的递推公式为：C(a,b)＝D_max(a，b)+ΔD′；

其中，D_max(a，b)表示改进距离矩阵D_max的第a行第b列的元素，a∈{2,3,...,M}，b∈{2,3,...,N}，ΔD′为根据最小代价DTW路径上的连续转移的数据个数C_xm′和C_yn′确定的累计增量距离；最小代价DTW路径为与S个路径元素总和中最小的路径元素总和所对应的DTW路径，C_xm′为最小代价DTW路径的路径垂直方向上连续转移的数据个数，C_yn′为最小代价DTW路径的路径水平方向上连续转移的数据个数；

改进相似度计算单元，用于利用累计距离矩阵C中第M行第N列元素C(M，N)的数值，计算运行误差时间序列与误差影响因素时间序列之间的相似度，其中，C(M，N)的数值大小与相似度之间呈负相关关系。

进一步的，本实施例中的系统还可以包括动态误差获取模块，其中，

动态误差获取模块可用于当误差影响因素监测终端获取到至少两种误差影响因素时，在计算运行误差与每一种误差影响因素之间的相似度，相应地得到至少两个相似度值后，利用至少两个相似度值，对至少两种误差影响因素进行加权运算，得到电力互感器的动态误差。具体的，动态误差获取模块将与任一误差影响因素对应的相似度值确定为该误差影响因素的权值，然后将每一种误差影响因素乘以各自的权值，并对相应得到的乘积进行相加处理，从而得到电力互感器的动态误差。

本发明实施例中，在数据获取模块获取到电力互感器的运行误差和电力互感器的误差影响因素后，序列生成模块按照误差的监测时间间隔，对运行误差进行分隔，得到运行误差时间序列，并按照误差影响因素的监测时间间隔，对误差影响因素进行分隔，得到误差影响因素时间序列；然后通过相似度计算模块，计算运行误差时间序列与误差影响因素时间序列之间的相似度，并通过影响程度确定模块，确定误差影响因素对运行误差的影响程度，其中，相似度与影响程度之间呈正相关关系。

可见，本发明实施例通过将运行误差和影响因素分隔成相应的时间序列，然后计算双方的相似度，从而实现了确定不同影响因素对电力互感器运行误差的影响程度的目的。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种基于时间序列相似度的电力互感器误差分析方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于时间序列相似度的电力互感器误差分析方法，其特征在于，包括：

利用变电站计量装置上的误差监测终端，获取电力互感器的运行误差；利用所述变电站计量装置上的误差影响因素监测终端，获取所述电力互感器的误差影响因素；

按照误差的监测时间间隔，对所述运行误差进行分隔，得到运行误差时间序列；按照误差影响因素的监测时间间隔，对所述误差影响因素进行分隔，得到误差影响因素时间序列；其中，所述运行误差时间序列包括M个误差监测数据，所述误差影响因素时间序列包括N个误差影响因素监测数据，M和N均为正整数；

计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度，并利用所述相似度，确定所述误差影响因素对所述运行误差的影响程度，其中，所述相似度与所述影响程度之间呈正相关关系。

2.根据权利要求1所述的基于时间序列相似度的电力互感器误差分析方法，其特征在于，所述计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度的过程，包括：

计算所述M个误差监测数据与所述N个误差影响因素监测数据之间的欧氏距离，得到M×N阶的距离矩阵D；其中，所述距离矩阵D中任一元素的表达式为：

D(x_m，y_n)＝|x_m-y_n|；

其中，x_m为所述M个误差监测数据中的任一数据，y_n为所述N个误差影响因素监测数据中的任一数据，m∈{1,2,...,M}，n∈{1,2,...,N}；

按照预设筛选条件，对所述距离矩阵D进行路径筛选，得到S条DTW路径，S为正整数；其中，任意一条DTW路径包含多个路径元素，可表示为w＝{w₁,w₂,...,w_K}，w₁＝D(x₁,y₁)，w_K＝D(x_M,y_N)；

计算所述S条DTW路径中每一条DTW路径的路径元素总和，相应地得到S个路径元素总和；

利用所述S个路径元素总和中最小的路径元素总和，计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度，其中，所述路径元素总和的大小与所述相似度之间呈负相关关系。

3.根据权利要求2所述的基于时间序列相似度的电力互感器误差分析方法，其特征在于，所述预设筛选条件为：

令r∈{2,3,...,K}，并设w_r-1＝D(x_m′,y_n′)和w_r＝D(x_m,y_n)时，需满足m-m′≥0，或者需满足n-n′≤1且m-m′+n-n′≠0。

4.根据权利要求2所述的基于时间序列相似度的电力互感器误差分析方法，其特征在于，所述预设筛选条件为：

令r∈{2,3,...,K}，并设w_r-1＝D(x_m′,y_n′)和w_r＝D(x_m,y_n)时，需满足：

单调性条件：m-m′≥0，n-n′≥0和m-m′+n-n′≠0；

连续性条件：m-m′≤1，n-n′≤1；以及，

变化率有界性条件：设C_xm为路径垂直方向上连续转移的数据个数，设C_yn为路径水平方向上连续转移的数据个数，则需满足C_xm＜C_lim和C_yn＜C_lim；其中，所述路径垂直方向为m-m′＝0所在的方向，所述路径水平方向为n-n′＝0所在的方向，C_lim为预设值。

5.根据权利要求4所述的基于时间序列相似度的电力互感器误差分析方法，其特征在于，所述计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度的过程，还包括：

确定所述距离矩阵的禁区元素集D_b，其中所述禁区元素集D_b中的每一个禁区元素可表示为：D(x_i，y_j)＝|x_i-y_j|，其中，i和j需要满足如下的参数条件：

i×C_lim≤j≤N，或者，j×C_lim≤i≤M，

在满足所述参数条件的情况下，将所述禁区元素集D_b中的每一个禁区元素D(x_i，y_j)的数值取为极大值D_max(x_i，y_j)，得到改进距离矩阵D_max；

利用所述改进距离矩阵D_max构造累计距离矩阵C，其中，

所述累计距离矩阵C中的第1行第1列的元素为：C(1,1)＝D_max(1,1)；

第a行第b列的元素的递推公式为：C(a,b)＝D_max(a，b)+ΔD′；

其中，D_max(a，b)表示所述改进距离矩阵D_max的第a行第b列的元素，a∈{2,3,...,M}，b∈{2,3,...,N}，ΔD′为根据最小代价DTW路径上的连续转移的数据个数C_xm′和C_yn′确定的累计增量距离；所述最小代价DTW路径为与所述S个路径元素总和中最小的路径元素总和所对应的DTW路径，C_xm′为所述最小代价DTW路径的路径垂直方向上连续转移的数据个数，C_yn′为所述最小代价DTW路径的路径水平方向上连续转移的数据个数；

利用所述累计距离矩阵C中第M行第N列元素C(M，N)的数值，计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度，其中，C(M，N)的数值大小与所述相似度之间呈负相关关系。

6.根据权利要求1至5任一项所述的基于时间序列相似度的电力互感器误差分析方法，其特征在于，当所述误差影响因素监测终端获取到至少两种误差影响因素时，还包括：

在计算所述运行误差与每一种误差影响因素之间的相似度，相应地得到至少两个相似度值后，利用所述至少两个相似度值，对所述至少两种误差影响因素进行加权运算，得到所述电力互感器的动态误差。

7.根据权利要求6所述的基于时间序列相似度的电力互感器误差分析方法，其特征在于，所述利用所述至少两个相似度值，对所述至少两种误差影响因素进行加权运算，得到所述电力互感器的动态误差的过程，包括：

将与任一误差影响因素对应的相似度值确定为该误差影响因素的权值，将每一种误差影响因素乘以各自的权值，并对相应得到的乘积进行相加处理，得到所述电力互感器的动态误差。

8.根据权利要求7所述的基于时间序列相似度的电力互感器误差分析方法，其特征在于，所述电力互感器为电流互感器或电压互感器。

9.一种基于时间序列相似度的电力互感器误差分析系统，其特征在于，包括：

数据获取模块，用于利用变电站计量装置上的误差监测终端，获取电力互感器的运行误差；利用所述变电站计量装置上的误差影响因素监测终端，获取所述电力互感器的误差影响因素；

序列生成模块，用于按照误差的监测时间间隔，对所述运行误差进行分隔，得到运行误差时间序列；按照误差影响因素的监测时间间隔，对所述误差影响因素进行分隔，得到误差影响因素时间序列；其中，所述运行误差时间序列包括M个误差监测数据，所述误差影响因素时间序列包括N个误差影响因素监测数据，M和N均为正整数；

相似度计算模块，用于计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度；

影响程度确定模块，用于利用所述相似度，确定所述误差影响因素对所述运行误差的影响程度，其中，所述相似度与所述影响程度之间呈正相关关系。

10.根据权利要求9所述的基于时间序列相似度的电力互感器误差分析系统，其特征在于，所述相似度计算模块包括：

距离矩阵获取单元，用于计算所述M个误差监测数据与所述N个误差影响因素监测数据之间的欧氏距离，得到M×N阶的距离矩阵D；其中，所述距离矩阵D中任一元素的表达式为：

D(x_m，y_n)＝|x_m-y_n|；

其中，x_m为所述M个误差监测数据中的任一数据，y_n为所述N个误差影响因素监测数据中的任一数据，m∈{1,2,...,M}，n∈{1,2,...,N}；

路径筛选单元，用于按照预设筛选条件，对所述距离矩阵D进行路径筛选，得到S条DTW路径，S为正整数；其中，任意一条DTW路径包含多个路径元素，可表示为w＝{w₁,w₂,...,w_K}，w₁＝D(x₁,y₁)，w_K＝D(x_M,y_N)；

元素总和计算单元，用于计算所述S条DTW路径中每一条DTW路径的路径元素总和，相应地得到S个路径元素总和；

相似度计算单元，用于利用所述S个路径元素总和中最小的路径元素总和，计算所述运行误差时间序列与所述误差影响因素时间序列之间的相似度，其中，所述路径元素总和的大小与所述相似度之间呈负相关关系。