CN105427047A - 输变电设备多维运维数据融合方法和系统 - Google Patents

Abstract

本发明涉及一种输变电设备多维运维数据融合方法和系统，获取与输变电设备相关的多维数据，对多维数据进行分析融合处理，得到融合后的特征矢量。根据融合后的特征矢量对输变电设备进行状态评价得到评估结果，并根据评估结果制定输变电设备的运维策略，展示评估结果和运维策略。在原始数据段进行汇集多维度数据源、不同格式的原始数据，通过融合汇总后对输变电设备进行评估，来指导运维和检修策略的研究和执行，确保评估结果的精确性和可信度。

Description

输变电设备多维运维数据融合方法和系统

技术领域

本发明涉及电力电网技术领域，特别是涉及一种输变电设备多维运维数据融合方法和系统。

背景技术

随着信息计算技术的不断发展，电力行业各业务领域的信息系统建设也在不断推进，伴随着信息系统的建设电网中得到的数据量来源越来越多。在电网规划体系中，规划、技经、评审等业务系统不断积累了大量非结构化的数据，由于这些数据在系统建设初期设计要求各不统一，通常具有不同的格式，不同的业务属性，造成了未来各业务信息系统间数据共享和交换的极大困难。

传统的输变电设备数据管理方式仅仅是针对不同类型的数据采用对应的存储系统进行存储，当需要进行数据访问时从对应的存储系统中获取相关数据信息，根据比较单一的数据对输变电设备进行评价。传统的输变电设备数据管理方式存在评价可靠性低的缺点。

发明内容

基于此，有必要针对上述问题，提供一种评价可靠性高的输变电设备多维运维数据融合方法和系统。

一种输变电设备多维运维数据融合方法，包括以下步骤

获取与输变电设备相关的多维数据，所述多维数据包括所述输变电设备的基本信息、原始监测数据、预测试验数据、气象数据和电能质量信息；

对所述多维数据进行分析融合处理，得到融合后的特征矢量；

根据所述融合后的特征矢量对所述输变电设备进行状态评价得到评估结果，并根据所述评估结果制定所述输变电设备的运维策略；

展示所述评估结果和所述运维策略。

一种输变电设备多维运维数据融合系统，包括：

数据采集模块，用于获取与输变电设备相关的多维数据，所述多维数据包括所述输变电设备的基本信息、原始监测数据、预测试验数据、气象数据和电能质量信息；

数据融合模块，用于对所述多维数据进行分析融合处理，得到融合后的特征矢量；

状态评价模块，用于根据所述融合后的特征矢量对所述输变电设备进行状态评价得到评估结果，并根据所述评估结果制定所述输变电设备的运维策略；

综合展示模块，用于展示所述评估结果和所述运维策略。

上述输变电设备多维运维数据融合方法和系统，获取与输变电设备相关的多维数据，对多维数据进行分析融合处理，得到融合后的特征矢量。根据融合后的特征矢量对输变电设备进行状态评价得到评估结果，并根据评估结果制定输变电设备的运维策略，展示评估结果和运维策略。在原始数据段进行汇集多维度数据源、不同格式的原始数据，通过融合汇总后对输变电设备进行评估，来指导运维和检修策略的研究和执行，确保评估结果的精确性和可信度。

附图说明

图1为一实施例中输变电设备多维运维数据融合方法的流程图；

图2为一实施例中对多维数据进行分析融合处理，得到融合后的特征矢量的流程图；

图3为另一实施例中输变电设备多维运维数据融合方法的流程图；

图4为一实施例中输变电设备多维运维数据融合系统的结构图；

图5为一实施例中数据融合模块的结构图；

图6为另一实施例中输变电设备多维运维数据融合系统的结构图。

具体实施方式

一种输变电设备多维运维数据融合方法，适用于不同输变电设备的多维数据融合。如图1所示，上述方法包括以下步骤：

步骤S110：获取与输变电设备相关的多维数据。多维数据包括输变电设备的基本信息、原始监测数据、预测试验数据、气象数据和电能质量信息。本实施例中基本信息包含输变电设备的生产运维数据，还可包含设备名称和地理位置等其他信息。具体可从生产运维数据库获得输变电设备的基本信息；从带点检测、在线监测和SCADA(SupervisoryControlAndDataAcquisition，数据采集与监视控制系统)数据库获得设备的原始监测数据；从预测试验数据库获得预测试验数据；从webservice服务器获取气象数据；电能质量信息可直接从电能质量数据库获取。

步骤S120：对多维数据进行分析融合处理，得到融合后的特征矢量。将获取到的多维数据进行分析融合处理，得到融合后的特征矢量以用于后续的状态评估。在其中一个实施例中，如图2所述，步骤S120包括步骤S122至步骤S126。

步骤S122：根据预设阈值对多维数据进行异常数据清洗。预设阈值的具体取值可根据实际情况进行调整，根据预设阈值对多维数据进行异常数据清洗，去掉异常数据和干扰数据，提高数据处理准确性。

步骤S123：对异常数据清洗后的多维数据进行格式转换，得到转换后的数据。对从各数据库获得的可以准确表征输变电设备状态的信息数据进行格式转换，然后以相同的数据格式进行后续的数据处理操作，提高数据处理便利性。本实施例中将多维数据全部转化为txt格式后进行数据存储，处理简便快捷。

步骤S124：对转换后的数据进行时间对准。由于各个数据库的数据测试间隔是不同的，对于生产和运维数据库的数据从设备出厂后，测试间隔不会变化。对于SCADA数据库的JMS文件是实时的，而e文件是3分钟抽取一次；原始监测数据和预测试验数据是定时从数据库中抽取；气象数据是每隔6分钟从webservice服务器获取一次；电能质量是以diff格式的文件，从已有的数据库中定时抽取。

将上述数据进行异常数据清洗和格式转换后，对转换得到的数据进行时间对准，使数据在时间上对齐。具体地，对于全部的数据为实时数据n分钟抽取一次，可以选择中间值n/2作为时间对准的标准，其它数据的抽取时间以这个时间对准，对于实时数据n/2采集一次数据，对于n分钟抽取一次的数据，使用前n分钟和当前时间的均值作为n/2时间的数据，达到在时间轴上对齐的目的。

本实施例中，选定SCADA数据库的E文件的抽取时间为标准，从输变电设备上线运行开始3分钟抽取一次数据，对于本身不是这个时间间隔的数据使用补齐和采样的方法。对于SCADA数据库的数据3分钟采样一次；对于原始监测数据3分钟采样一次；对于预测试验数据，如果该时段进行了试验，从该时间开始3分钟采样一次，如果没有试验进行那么该值设置为0；对于气象数据将3分钟时的数据设置为和3分钟之前相同；对于运维数据的采样时间从设备开始上线运行都是相同的，如果进行了运维，运维之后更新采样时间。

步骤S125：对时间对准后的数据进行归一化处理，得到对应的特征矢量。根据数据的类型不同可对应选择具体的归一化方式。在其中一个实施例中，步骤S125包括步骤1和步骤2。

步骤1：对时间对准后的基本信息、气象数据和电能质量信息进行线性归一化变换，得到对应的特征矢量。具体对生产运维、气象、电能质量的数据进行线性变换使得所有的数据都映射到[0，1]区间中。

$x^{*}=\frac{x-\min }{\max -\min }$

其中，x^*为对数据x进行线性归一化变换后的特征矢量，min为预设最小值，max为预设最大值。

步骤2：对时间对准后的原始监测数据和预测试验数据进行正态分布归一化处理，得到对应的特征矢量。由于原始监测数据和预测试验数据的分布近似为正态分布，可以使用下面的方法进行归一化。

$x^{*}=\frac{x-\mathrm{\μ}}{\mathrm{\σ}}$

其中，x^*为对数据x进行正态分布归一化变换后的特征矢量，μ为数据x的均值，σ为数据x的标准差。使用正态分布进行归一化，将数据映射到一个固定的区间范围内。

步骤S126：根据预设权值对特征矢量进行融合处理，得到融合后的特征矢量。使用自适应加权融合的方法进行融合，预设权值的具体取值可根据实际情况调整。具体地，将各个数据库来的数据进行时间对准和归一化处理后，得到每个数据的特征矢量X₁X₂...X_n，根据各个数据库数据的重要性设置一个权值，然后将所有的特征矢量进行加权融合得到一个可以表征设备状态特征的特征矢量Y，用作后续进行状态评价。

本实施例中，对各数据提取得到特征矢量X₁、X₂、X₃、X₄、X₅、X₆，然后将所有的特征矢量融合成为一个大的特征矢量Y＝[X₁，X₂，X₃，X₄，X₅，X₆]，将该特征矢量用作进行状态评价。

在步骤S110获取到多维数据后，依次进行异常数据清洗、数据格式转换、时间对准、数据归一化，最后将所有的数据融合成为一个特征矢量，对所有的数据从时间、数值等方面进行规整，方便后处理和存储。

在其中一个实施例中，步骤S122之前，步骤S120还可包括步骤S121。

步骤S121：对多维数据进行预处理。将采集到的数据进行整合，得到后续可以使用的数据集合。步骤S122可直接根据数据集合中的多维数据进行异常数据清洗，提高数据处理便利性。

步骤S130：根据融合后的特征矢量对输变电设备进行状态评价得到评估结果，并根据评估结果制定输变电设备的运维策略。

在步骤S120得到融合后的特征矢量后，对该特征矢量通过实施评估，具体评估方式可根据实际情况调整。例如可结合预设标准对特征矢量中每个数据特征量进行比对，以此对输变电设备进行状态评估得到评估结果。根据输变电设备相关的多维数据的不同，评估结果具体可分为优秀、良好、合格、异常和严重等多个等级，其中优秀、良好和合格表示输变电设备正常。

根据评估结果制定输变电设备的运维策略，具体可包括：根据评估结果确定输变电设备的风险等级，生成风险评估报告；根据评估结果确定输变电设备的状态，生成设备状态报告；根据评估结果设置输变电设备的运维管理策略。可以理解，制定运维策略的具体方式并不唯一。

步骤S140：展示评估结果和运维策略。具体可将评估结果和运维策略通过图形、文字或表格等形式在显示终端进行综合显示，工作人员只需根据综合展示出中的信息组织运维即可。此外，输变电设备多维运维数据融合方法也可将输变电设备的基本信息和设备的档案及运维记录进行展示，方便工作人员查看。

在其中一个实施例中，如图3所示，步骤S130中根据融合后的特征矢量对输变电设备进行状态评价得到评估结果之后，输变电设备多维运维数据融合方法还包括步骤S150。

步骤S150：根据评估结果对分析融合处理的设置参数进行调整。步骤S150具体可在步骤S140之前，也可在步骤S140之后。具体地，若评估结果为严重或者异常，则可调整步骤S120中时间对准处理的数据抽取时间，以及调整正态分布归一化处理中方差的大小等，修正下一次的评价，使之与实际情况更加吻合。如果评价结果为正常则可不需对分析融合处理的设置参数进行调整。

本实施实例中，如果评价中心给出的评价结果是严重或者异常，则使时间对准处理的数据抽取时间变为原来的二分之一，使更多的数据参与到评价中来，然后根据评价结果相应对融合处理时各特征矢量的权重进行微调。引入反馈机制来控制数据的采集和处理过程，提高数据处理可靠性。

上述输变电设备多维运维数据融合方法，获取与输变电设备相关的多维数据，对多维数据进行分析融合处理，得到融合后的特征矢量。根据融合后的特征矢量对输变电设备进行状态评价得到评估结果，并根据评估结果制定输变电设备的运维策略，展示评估结果和运维策略。在原始数据段进行汇集多维度数据源、不同格式的原始数据，通过融合汇总后对输变电设备进行评估，来指导运维和检修策略的研究和执行，确保评估结果的精确性和可信度。

本发明还提供了一种输变电设备多维运维数据融合系统，适用于不同输变电设备的多维数据融合。如图4所示，上述系统包括数据采集模块110、数据融合模块120、状态评价模块130和综合展示模块140。

数据采集模块110用于获取与输变电设备相关的多维数据。多维数据包括输变电设备的基本信息、原始监测数据、预测试验数据、气象数据和电能质量信息。多维数据包括基本信息、原始监测数据、预测试验数据、气象数据和电能质量信息。本实施例中基本信息包含输变电设备的生产运维数据，还可包含设备名称和地理位置等其他信息。具体可从生产运维数据库获得输变电设备的基本信息；从带点检测、在线监测和SCADA数据库获得设备的原始监测数据；从预测试验数据库获得预测试验数据；从webservice服务器获取气象数据；电能质量信息可直接从电能质量数据库获取。

数据融合模块120用于对多维数据进行分析融合处理，得到融合后的特征矢量。将获取到的多维数据进行分析融合处理，得到融合后的特征矢量以用于后续的状态评估。在其中一个实施例中，如图5所示，数据融合模块120包括数据清洗单元122、格式转换单元123、时间对准单元124、数据归一化单元125和数据融合单元126。

数据清洗单元122用于根据预设阈值对多维数据进行异常数据清洗。预设阈值的具体取值可根据实际情况进行调整，根据预设阈值对多维数据进行异常数据清洗，去掉异常数据和干扰数据，提高数据处理准确性。

格式转换单元123用于对异常数据清洗后的多维数据进行格式转换，得到转换后的数据。对从各数据库获得的可以准确表征输变电设备状态的信息数据进行格式转换，然后以相同的数据格式进行后续的数据处理操作，提高数据处理便利性。本实施例中将多维数据全部转化为txt格式后进行数据存储，处理简便快捷。

时间对准单元124用于对转换后的数据进行时间对准。由于各个数据库的数据测试间隔是不同的，对于生产和运维数据库的数据从设备出厂后，测试间隔不会变化。对于SCADA数据库的JMS文件是实时的，而e文件是3分钟抽取一次；原始监测数据和预测试验数据是定时从数据库中抽取；气象数据是每隔6分钟从webservice服务器获取一次；电能质量是以diff格式的文件，从已有的数据库中定时抽取。

将上述数据进行异常数据清洗和格式转换后，对转换得到的数据进行时间对准，使数据在时间上对齐。具体地，对于全部的数据为实时数据n分钟抽取一次，可以选择中间值n/2作为时间对准的标准，其它数据的抽取时间以这个时间对准，对于实时数据n/2采集一次数据，对于n分钟抽取一次的数据，使用前n分钟和当前时间的均值作为n/2时间的数据，达到在时间轴上对齐的目的。

本实施例中，选定SCADA数据库的E文件的抽取时间为标准，从输变电设备上线运行开始3分钟抽取一次数据，对于本身不是这个时间间隔的数据使用补齐和采样的方法。对于SCADA数据库的数据3分钟采样一次；对于原始监测数据3分钟采样一次；对于预测试验数据，如果该时段进行了试验，从该时间开始3分钟采样一次，如果没有试验进行那么该值设置为0；对于气象数据将3分钟时的数据设置为和3分钟之前相同；对于运维数据的采样时间从设备开始上线运行都是相同的，如果进行了运维，运维之后更新采样时间。

数据归一化单元125用于对时间对准后的数据进行归一化处理，得到对应的特征矢量。根据数据的类型不同可对应选择具体的归一化方式。在其中一个实施例中，数据归一化单元125包括第一处理单元和第二处理单元。

第一处理单元用于对时间对准后的基本信息、气象数据和电能质量信息进行线性归一化变换，得到对应的特征矢量。具体对生产运维、气象、电能质量的数据进行线性变换使得所有的数据都映射到[0，1]区间中。

$x^{*}=\frac{x-\min }{\max -\min }$

其中，x^*为对数据x进行线性归一化变换后的特征矢量，min为预设最小值，max为预设最大值。

第二处理单元用于对时间对准后的原始监测数据和预测试验数据进行正态分布归一化处理，得到对应的特征矢量。由于原始监测数据和预测试验数据的分布近似为正态分布，可以使用下面的方法进行归一化。

$x^{*}=\frac{x-\mathrm{\μ}}{\mathrm{\σ}}$

其中，x^*为对数据x进行正态分布归一化变换后的特征矢量，μ为数据x的均值，σ为数据x的标准差。使用正态分布进行归一化，将数据映射到一个固定的区间范围内。

数据融合单元126用于根据预设权值对特征矢量进行融合处理，得到融合后的特征矢量。使用自适应加权融合的方法进行融合，预设权值的具体取值可根据实际情况调整。具体地，将各个数据库来的数据进行时间对准和归一化处理后，得到每个数据的特征矢量X₁X₂...X_n，根据各个数据库数据的重要性设置一个权值，然后将所有的特征矢量进行加权融合得到一个可以表征设备状态特征的特征矢量Y，用作后续进行状态评价。

本实施例中，对各数据提取得到特征矢量X₁、X₂、X₃、X₄、X₅、X₆，然后将所有的特征矢量融合成为一个大的特征矢量Y＝[X₁，X₂，X₃，X₄，X₅，X₆]，将该特征矢量用作进行状态评价。

在获取到多维数据后，依次进行异常数据清洗、数据格式转换、时间对准、数据归一化，最后将所有的数据融合成为一个特征矢量，对所有的数据从时间、数值等方面进行规整，方便后处理和存储。

在其中一个实施例中，数据融合模块120还可包括数据预处理单元121，数据预处理单元121用于在数据清洗单元122根据预设阈值对多维数据进行异常数据清洗之前，对多维数据进行预处理。将采集到的数据进行整合，得到后续可以使用的数据集合。数据清洗单元122可直接根据数据集合中的多维数据进行异常数据清洗，提高数据处理便利性。

状态评价模块130用于根据融合后的特征矢量对输变电设备进行状态评价得到评估结果，并根据评估结果制定输变电设备的运维策略。

在得到融合后的特征矢量后，对该特征矢量通过实施评估，具体评估方式可根据实际情况调整。例如可结合预设标准对特征矢量中每个数据特征量进行比对，以此对输变电设备进行状态评估得到评估结果。根据输变电设备相关的多维数据的不同，评估结果具体可分为优秀、良好、合格、异常和严重等多个等级，其中优秀、良好和合格表示输变电设备正常。

根据评估结果制定输变电设备的运维策略，具体可包括：根据评估结果确定输变电设备的风险等级，生成风险评估报告；根据评估结果确定输变电设备的状态，生成设备状态报告；根据评估结果设置输变电设备的运维管理策略。可以理解，制定运维策略的具体方式并不唯一。

综合展示模块140用于展示评估结果和运维策略。具体可将评估结果和运维策略通过图形、文字或表格等形式进行综合显示，工作人员只需根据综合展示出中的信息组织运维即可。此外，输变电设备多维运维数据融合方法也可将输变电设备的基本信息和设备的档案及运维记录进行展示，方便工作人员查看。

在其中一个实施例中，如图6所示，输变电设备多维运维数据融合系统还包括参数调节模块150，参数调节模块150用于在状态评价模块130根据融合后的特征矢量对输变电设备进行状态评价得到评估结果之后，根据评估结果对数据融合模块120分析融合处理的设置参数进行调整。具体地，若评估结果为严重或者异常，则可调整时间对准处理的数据抽取时间，以及调整正态分布归一化处理中方差的大小等，修正下一次的评价，使之与实际情况更加吻合。如果评价结果为正常则可不需对分析融合处理的设置参数进行调整。

本实施实例中，如果评价中心给出的评价结果是严重或者异常，则使时间对准处理的数据抽取时间变为原来的二分之一，使更多的数据参与到评价中来，然后根据评价结果相应对融合处理时各特征矢量的权重进行微调。引入反馈机制来控制数据的采集和处理过程，提高数据处理可靠性。

上述输变电设备多维运维数据融合系统，数据采集模块110获取与输变电设备相关的多维数据，数据融合模块120对多维数据进行分析融合处理，得到融合后的特征矢量。状态评价模块130根据融合后的特征矢量对输变电设备进行状态评价得到评估结果，并根据评估结果制定输变电设备的运维策略，综合展示模块140展示评估结果和运维策略。在原始数据段进行汇集多维度数据源、不同格式的原始数据，通过融合汇总后对输变电设备进行评估，来指导运维和检修策略的研究和执行，确保评估结果的精确性和可信度。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种输变电设备多维运维数据融合方法，其特征在于，包括以下步骤：

获取与输变电设备相关的多维数据，所述多维数据包括所述输变电设备的基本信息、原始监测数据、预测试验数据、气象数据和电能质量信息；

对所述多维数据进行分析融合处理，得到融合后的特征矢量；

根据所述融合后的特征矢量对所述输变电设备进行状态评价得到评估结果，并根据所述评估结果制定所述输变电设备的运维策略；

展示所述评估结果和所述运维策略。

2.根据权利要求1所述的输变电设备多维运维数据融合方法，其特征在于，所述对所述多维数据进行分析融合处理，得到融合后的特征矢量的步骤，包括以下步骤：

根据预设阈值对所述多维数据进行异常数据清洗；

对异常数据清洗后的多维数据进行格式转换，得到转换后的数据；

对所述转换后的数据进行时间对准；

对时间对准后的数据进行归一化处理，得到对应的特征矢量；

根据预设权值对所述特征矢量进行融合处理，得到融合后的特征矢量。

3.根据权利要求2所述的输变电设备多维运维数据融合方法，其特征在于，所述对时间对准后的数据进行归一化处理，得到对应的特征矢量的步骤，包括以下步骤：

对时间对准后的所述基本信息、所述气象数据和所述电能质量信息进行线性归一化变换，得到对应的特征矢量；

对时间对准后的所述原始监测数据和所述预测试验数据进行正态分布归一化处理，得到对应的特征矢量。

4.根据权利要求2所述的输变电设备多维运维数据融合方法，其特征在于，根据预设阈值对所述多维数据进行异常数据清洗之前，还包括对所述多维数据进行预处理的步骤。

5.根据权利要求1所述的输变电设备多维运维数据融合方法，其特征在于，所述根据所述融合后的特征矢量对所述输变电设备进行状态评价得到评估结果之后，还包括以下步骤：

根据所述评估结果对所述分析融合处理的设置参数进行调整。

6.一种输变电设备多维运维数据融合系统，其特征在于，包括：

数据采集模块，用于获取与输变电设备相关的多维数据，所述多维数据包括所述输变电设备的基本信息、原始监测数据、预测试验数据、气象数据和电能质量信息；

数据融合模块，用于对所述多维数据进行分析融合处理，得到融合后的特征矢量；

状态评价模块，用于根据所述融合后的特征矢量对所述输变电设备进行状态评价得到评估结果，并根据所述评估结果制定所述输变电设备的运维策略；

综合展示模块，用于展示所述评估结果和所述运维策略。

7.根据权利要求6所述的输变电设备多维运维数据融合系统，其特征在于，所述数据融合模块包括：

数据清洗单元，用于根据预设阈值对所述多维数据进行异常数据清洗；

格式转换单元，用于对异常数据清洗后的多维数据进行格式转换，得到转换后的数据；

时间对准单元，用于对所述转换后的数据进行时间对准；

数据归一化单元，用于对时间对准后的数据进行归一化处理，得到对应的特征矢量；

数据融合单元，用于根据预设权值对所述特征矢量进行融合处理，得到融合后的特征矢量。

8.根据权利要求7所述的输变电设备多维运维数据融合系统，其特征在于，所述数据归一化单元包括：

第一处理单元，用于对时间对准后的所述基本信息、所述气象数据和所述电能质量信息进行线性归一化变换，得到对应的特征矢量；

第二处理单元，用于对时间对准后的所述原始监测数据和所述预测试验数据进行正态分布归一化处理，得到对应的特征矢量。

9.根据权利要求7所述的输变电设备多维运维数据融合系统，其特征在于，所述数据融合模块还包括数据预处理单元，所述数据预处理单元用于在所述数据清洗单元根据预设阈值对所述多维数据进行异常数据清洗之前，对所述多维数据进行预处理。

10.根据权利要求6所述的输变电设备多维运维数据融合系统，其特征在于，还包括参数调节模块，所述参数调节模块用于在所述状态评价模块根据所述融合后的特征矢量对所述输变电设备进行状态评价得到评估结果之后，根据所述评估结果对所述数据融合模块分析融合处理的设置参数进行调整。