CN108335231A - 一种自动匹配的配电网数据诊断方法 - Google Patents
一种自动匹配的配电网数据诊断方法 Download PDFInfo
- Publication number
- CN108335231A CN108335231A CN201810083983.8A CN201810083983A CN108335231A CN 108335231 A CN108335231 A CN 108335231A CN 201810083983 A CN201810083983 A CN 201810083983A CN 108335231 A CN108335231 A CN 108335231A
- Authority
- CN
- China
- Prior art keywords
- data
- distribution network
- auto
- power distribution
- matching
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003745 diagnosis Methods 0.000 title claims abstract description 17
- 238000013499 data model Methods 0.000 claims abstract description 10
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 238000004140 cleaning Methods 0.000 claims abstract description 5
- 230000005856 abnormality Effects 0.000 claims abstract description 4
- 238000007418 data mining Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 238000013439 planning Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种自动匹配的配电网数据诊断方法，它包括数据导入过程，数据分析过程和数据导出过程；数据存入过程包括以下步骤：步骤101，输入原始数据；步骤102，搜索原始数据中的分类关键字，根据该分类关键字将该原始数据进行分类；步骤103，按照设定的数据模型对分类后的原始数据建立数据模型；步骤104，对归类后的原始数据进行关联数据挖掘，剔除异常数据，得到清洗后的数据；步骤105，将清洗后的数据匹配索引关键字，建立索引表，存入数据库。它具有如下优点：将复杂多样的配网原始数据进行自动归类、剔除问题数据，提高配电网数据的准确性，减少了人工汇总、统计的出错率，实现大量数据处理功能。
Description
技术领域
本发明涉及一种自动匹配的配电网数据诊断方法。
背景技术
配电网是由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿器及一些附属设施等组成的，在电力网中起分配电能作用的网络，它是国民经济和社会发展的重要公共基础设施。
随着配电网的不断发展，电网供电设备种类越来越多，有关电网的数据、信息资料越来越复杂。配网的统计需要由各县汇到地级市的规划人员进行统计、分析，由于配电网数据量大、模型多，导致运维人员进行统计分析时的工作量大，周期长，也很难发现其中数据的问题，可能会产生以问题数据为原始量参与计算，导致配电网规划结果不够准确或者出现问题。
为了提高工作效率，减轻规划人员工作量，提高配电网数据的准确性为目标，发明一种自动匹配的配电网数据诊断方法尤为重要。
发明内容
本发明提供了一种自动匹配的配电网数据诊断方法，其克服了背景技术中所述的现有技术的不足。
本发明解决其技术问题所采用的技术方案是：
一种自动匹配的配电网数据诊断方法，它包括数据导入过程，数据分析过程和数据导出过程；该数据导入过程包括以下步骤：
步骤101，输入原始数据；
步骤102，搜索原始数据中的分类关键字，根据该分类关键字将该原始数据进行分类；
步骤103，按照设定的数据模型对分类后的原始数据建立数据模型；
步骤104，对归类后的原始数据进行关联数据挖掘，剔除异常数据，得到清洗后的数据；
步骤105，将清洗后的数据匹配索引关键字，建立索引表，存入数据库。
一实施例之中：所述步骤2中的分类关键字包括数据单位和/或数值范围。
一实施例之中：所述步骤3中的数据模型至少包括设备模型、供电模型、主配架构模型中的一种或多种。
一实施例之中：所述步骤4中的关联数据挖掘包括基于网络关系的深度拓扑挖掘。
一实施例之中：所述数据库采用EXCEL建立。
一实施例之中：所述数据分析过程包括如下步骤：
步骤201，从数据库中调取所需的索引表中的数据；
步骤202，根据计算算法进行数据处理分析；
步骤203，得出分析结果，形成分析报表。
一实施例之中：所述数据导出过程包括对步骤105中的索引表中的数据的导出和步骤203中分析报表的导出。
本技术方案与背景技术相比，它具有如下优点：
本发明将复杂多样的配网原始数据进行自动归类、剔除问题数据，提高配电网数据的准确性，减少了人工汇总、统计的出错率，实现大量数据处理功能，自动形成配电网诊断、规划报表，提高工作效率，为指标提升方案提供数据支撑。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为本实施例所述的数据导入步骤图。
图2为本实施例所述的数据分析步骤图。
具体实施方式
请查阅图1，一种自动匹配的配电网数据诊断方法，它包括数据导入过程，数据分析过程和数据导出过程；该数据导入过程包括以下步骤：
步骤101，输入原始数据；
步骤102，搜索原始数据中的分类关键字，根据该分类关键字将该原始数据进行分类；配网数据较为复杂，但是数据之间总能找到一些共同的关联特征(及关键字)，因此可根据这些关联特征来对原始数据做分类。
步骤103，按照设定的数据模型对分类后的原始数据建立数据模型；到此步骤为止，原始数据成为了风格一致、格式一致的地区级配网原始数据。
步骤104，对归类后的原始数据进行关联数据挖掘，剔除异常数据，得到清洗后的数据；清洗后被剔除的数据存入数据库的垃圾数据保存处；
步骤105，将清洗后的数据匹配索引关键字，建立索引表，存入数据库。
所述步骤2中的分类关键字包括数据单位和/或数值范围，也可以是其他关键字，根据需要设定。
一实施例之中：所述步骤3中的数据所属模型至少包括设备模型、供电模型、主配架构模型中的一种或多种。
所述步骤4中的关联数据挖掘包括基于网络关系的深度拓扑挖掘，即从某一电站中主变向与该主变相关的电容器、输电线路等进行拓扑挖掘，从而对异常数据进行筛选剔除，如变压器容量与拓扑出来的线路设计容量不一致、电容器与变压器输出设计不符等情况，即可说明数据为异常数据。
本实施例中，所述数据库采用EXCEL建立。
请查阅图2，述数据分析过程包括如下步骤：
步骤201，从数据库中调取所需的索引表中的数据；
步骤202，根据计算算法进行数据处理分析；
步骤203，得出分析结果，形成分析报表。
数据分析过程综合使用数据库软件，以模块化思维为指导，生成指标值与判断值；数据分析结果划分为两个层次，首先能提供整个地市配电网的现状分析报告，能把不同分区的指标值整合甚至是对比，而且也能选择县级的分报告的生成；其次，能按照指标值，针对需要检验的部分指标进行核实或现状分析，筛选出潜在的问题或错误。
所述数据导出过程包括对步骤105中的索引表中的数据的导出和步骤203中分析报表的导出。配电网原始数据作为供电部门进行年度规划最基本、最核心的数据来源，经过数据清洗后的配电网数据由于风格统一，便可方便导出如变电站明细表、配电设施明细表、主干线路明细表、线路明细表等等配电网数据。
本发明公开一种自动匹配的配电网数据诊断方法，该发明减少人工汇总(传统Excel计算方式)、统计的出错率，准确计算分区分类指标，运用数学模型计算全口径指标。具有大量数据的处理功能，自动形成配电网诊断、规划数据汇总表格。实现不同分区指标值的对比，通过预设目标值，检测未达标的网架结构水平、负荷供电能力、装备技术水平等方面综合指标。解决了配电网诊断分析及规划数据量大，数据偏差率高，数据无法统筹分析等问题。提高工作效率，减轻规划人员工作量，提高配电网数据的准确性，为指标提升方案提供数据支撑。
以上所述，仅为本发明较佳实施例而已，故不能依此限定本发明实施的范围，即依本发明专利范围及说明书内容所作的等效变化与修饰，皆应仍属本发明涵盖的范围内。
Claims (7)
1.一种自动匹配的配电网数据诊断方法，其特征在于：包括数据导入过程，数据分析过程和数据导出过程；该数据导入过程包括以下步骤：
步骤101，输入原始数据；
步骤102，搜索原始数据中的分类关键字，根据该分类关键字将该原始数据进行分类；
步骤103，按照设定的数据模型对分类后的原始数据建立数据模型；
步骤104，对归类后的原始数据进行关联数据挖掘，剔除异常数据，得到清洗后的数据；
步骤105，将清洗后的数据匹配索引关键字，建立索引表，存入数据库。
2.根据权利要求1所述的一种自动匹配的配电网数据诊断方法，其特征在于：所述步骤2中的分类关键字包括数据单位和/或数值范围。
3.根据权利要求1所述的一种自动匹配的配电网数据诊断方法，其特征在于：所述步骤3中的数据模型至少包括设备模型、供电模型、主配架构模型中的一种或多种。
4.根据权利要求1所述的一种自动匹配的配电网数据诊断方法，其特征在于：所述步骤4中的关联数据挖掘包括基于网络关系的深度拓扑挖掘。
5.根据权利要求1所述的一种自动匹配的配电网数据诊断方法，其特征在于：所述数据库采用EXCEL建立。
6.根据权利要求1-5中任一项所述的一种自动匹配的配电网数据诊断方法，其特征在于：所述数据分析过程包括如下步骤：
步骤201，从数据库中调取所需的索引表中的数据；
步骤202，根据计算算法进行数据处理分析；
步骤203，得出分析结果，形成分析报表。
7.根据权利要求6中任一项所述的一种自动匹配的配电网数据诊断方法，其特征在于：所述数据导出过程包括对步骤105中的索引表中的数据的导出和步骤203中分析报表的导出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810083983.8A CN108335231A (zh) | 2018-01-29 | 2018-01-29 | 一种自动匹配的配电网数据诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810083983.8A CN108335231A (zh) | 2018-01-29 | 2018-01-29 | 一种自动匹配的配电网数据诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108335231A true CN108335231A (zh) | 2018-07-27 |
Family
ID=62926006
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810083983.8A Pending CN108335231A (zh) | 2018-01-29 | 2018-01-29 | 一种自动匹配的配电网数据诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108335231A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111242459A (zh) * | 2020-01-07 | 2020-06-05 | 中国南方电网有限责任公司 | 全网设备参数异常值辨识方法及系统 |
| CN112650865A (zh) * | 2021-01-27 | 2021-04-13 | 南威软件股份有限公司 | 一种基于灵活规则解决多区域证照数据冲突的方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104750813A (zh) * | 2015-03-30 | 2015-07-01 | 浪潮集团有限公司 | 一种基于数据归约模型的数据清洗方法 |
| US9116734B1 (en) * | 2011-01-14 | 2015-08-25 | Dispersive Networks Inc. | Dispersive storage area networks |
| CN105404944A (zh) * | 2015-12-11 | 2016-03-16 | 中国电力科学研究院 | 一种面向电力系统重过载预警的大数据分析方法 |
| CN105930424A (zh) * | 2016-04-19 | 2016-09-07 | 国网重庆市电力公司电力科学研究院 | 一种实现配电网数据在线异步采集智能挖掘的方法 |
| CN106709035A (zh) * | 2016-12-29 | 2017-05-24 | 贵州电网有限责任公司电力科学研究院 | 一种电力多维全景数据的预处理系统 |
| CN106779407A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司杭州供电公司 | 一种基于数据池的电力数据融合方法 |
-
2018
- 2018-01-29 CN CN201810083983.8A patent/CN108335231A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9116734B1 (en) * | 2011-01-14 | 2015-08-25 | Dispersive Networks Inc. | Dispersive storage area networks |
| CN104750813A (zh) * | 2015-03-30 | 2015-07-01 | 浪潮集团有限公司 | 一种基于数据归约模型的数据清洗方法 |
| CN105404944A (zh) * | 2015-12-11 | 2016-03-16 | 中国电力科学研究院 | 一种面向电力系统重过载预警的大数据分析方法 |
| CN105930424A (zh) * | 2016-04-19 | 2016-09-07 | 国网重庆市电力公司电力科学研究院 | 一种实现配电网数据在线异步采集智能挖掘的方法 |
| CN106779407A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司杭州供电公司 | 一种基于数据池的电力数据融合方法 |
| CN106709035A (zh) * | 2016-12-29 | 2017-05-24 | 贵州电网有限责任公司电力科学研究院 | 一种电力多维全景数据的预处理系统 |
Non-Patent Citations (1)
| Title |
|---|
| 蒲天骄等: "基于一致性算法的主动配电网分布式优化调度", 《中国电机工程学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111242459A (zh) * | 2020-01-07 | 2020-06-05 | 中国南方电网有限责任公司 | 全网设备参数异常值辨识方法及系统 |
| CN112650865A (zh) * | 2021-01-27 | 2021-04-13 | 南威软件股份有限公司 | 一种基于灵活规则解决多区域证照数据冲突的方法及系统 |
| CN112650865B (zh) * | 2021-01-27 | 2021-11-09 | 南威软件股份有限公司 | 一种基于灵活规则解决多区域证照数据冲突的方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103455563B (zh) | 一种适用于智能变电站一体化监控系统的数据挖掘方法 | |
| CN107301296A (zh) | 基于数据的断路器故障影响因素定性分析方法 | |
| CN109286188B (zh) | 一种基于多源数据集的10kV配电网理论线损计算方法 | |
| CN110378809A (zh) | 一种变电站监控信息表信息数据的智能校核方法 | |
| CN106372747B (zh) | 基于随机森林的台区合理线损率估计方法 | |
| CN111090643B (zh) | 一种基于数据分析系统下的海量用电数据挖掘方法 | |
| CN106530139A (zh) | 电网投资分析模型指标参数计算方法 | |
| CN107729939A (zh) | 一种面向新增电网资源的cim模型扩展方法及装置 | |
| CN110348683A (zh) | 电能质量扰动事件主成因分析方法、装置设备及存储介质 | |
| CN111738573A (zh) | 一种基于电能表全寿命周期数据的健康评价方法 | |
| CN108053095A (zh) | 一种电能质量扰动事件特征提取方法及系统 | |
| CN109885601A (zh) | 一种配电网基础数据收集分析系统 | |
| CN108335231A (zh) | 一种自动匹配的配电网数据诊断方法 | |
| Gao et al. | Defect analysis of the same batch of substation equipment based on big data analysis algorithm | |
| CN110703183A (zh) | 一种智能电能表故障数据分析方法及系统 | |
| CN108230183A (zh) | 一种基于时标量测的电网设备多维度综合告警的处理方法 | |
| CN112329432B (zh) | 一种基于改进Apriori的配电网电压越限问题关联分析方法 | |
| CN111651448B (zh) | 一种基于降噪差分进化的低压拓扑识别方法 | |
| CN109324264A (zh) | 一种配电网线路阻抗数据异常值的辨识方法及装置 | |
| CN104915681A (zh) | 兼顾电压暂降监测信息及其关联因素的变电站聚类方法 | |
| CN111127186A (zh) | 一种基于大数据技术的客户信用等级评价体系的使用方法 | |
| CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及系统 | |
| CN113466578A (zh) | 一种农网台区箱表拓扑关系识别方法及用户用电监测方法 | |
| CN112016631A (zh) | 一种低电压治理相关的改进方案 | |
| CN118539432B (zh) | 一种基于电网结构图的电网优化方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180727 |