CN108802535B - 筛选方法、主干扰源识别方法及装置、服务器及存储介质 - Google Patents

Abstract

本发明公开了一种筛选方法、主干扰源识别方法及装置、服务器及存储介质，所述筛选方法包括：采集干扰源支线组电流质量指标和监测点电压质量指标指标；计算所述支线组电流质量指标与所述监测点电压质量指标的相关系数；根据所述支线组电流质量指标与所述监测点电压质量指标的相关系数计算所述支线组电流质量指标与所述监测点电压质量指标的偏相关系数；根据偏相关系数进行筛选。本发明的方法能够有效踢出其他潜在作用变量对于所需计算的两个变量的相关性的干扰，能够得到更加合理、准确的相关性，获得更为准确、有效地识别主干扰源，该方法不仅适用于谐波源，同时还适用于负序源、功率波动源等的识别，为区域电网各类电能质量问题的原因分析和治理提供了有效手段。

Description

筛选方法、主干扰源识别方法及装置、服务器及存储介质

技术领域

本发明涉及电力系统分析领域，特别是涉及一种筛选方法、主干扰源识别方法及装置、服务器及存储介质。

背景技术

随着电气化铁路、风电、光伏、电动汽车充电等非线性、波动性负荷的快速增长，电网电能质量问题日趋复杂。各类电能质量干扰源在电网中分布广泛，其产生的扰动变化随机、差异大，且经结构复杂的电网广泛传播，电网任一节点的电能质量水平都受到多个干扰源共同作用影响。

电能质量干扰源识别主要针对谐波源，目前谐波源较为常用的的识别方法有基于谐波发射率、谐波阻抗识别和基于相关性分析的识别方法。其中基于谐波发射率、谐波阻抗识别方法基于系统等效电路，估计电网侧和负荷侧的谐波阻抗，通过评估谐波发射量、谐波阻抗识别谐波源，因此，若在多谐波源相互作用、谐波源发射量变化较大时，由于多谐波源均产生发射量，在电网中各谐波对应的电压和电流都互相叠加影响，会导致谐波阻抗估计困难，而且这种方法均对谐波测量数据要求较高(一般需基于录波数据分析计算)，实施困难。

而基于相关性分析的谐波源识别方法，通过计算支线谐波电流质量指标和监测点谐波电压质量指标的相关系数和相关度，依据所述相关度评估支线对监测点谐波的贡献程度，此种方法虽然能够克服谐波发射率、谐波阻抗识别在多谐波相互作用、谐波源发射量变化较大时的应用局限，但是此种识别方法在电网中存在多个干扰源时由于各干扰源之间的互相影响，仍然不能准确反映实际的相关性，评估的精度和准确度都不够。

发明内容

因此，本发明要解决的技术问题在于提供一种识别影响电网电能质量水平的主导干扰源的方法，以克服现有技术中的识别方法无法有效识别影响电网电能质量水平的主导干扰源的缺陷。

本发明提供一种筛选方法，包括：采集干扰源支线组电流质量指标和监测点电压质量指标；计算所述支线组电流质量指标与所述监测点电压质量指标的相关系数；根据所述支线组电流质量指标与所述监测点电压质量指标的相关系数计算所述支线组电流质量指标与所述监测点电压质量指标的偏相关系数；根据偏相关系数进行筛选。

可选地，根据所述干扰源支线组电流质量指标和监测点电压质量指标计算所述支线组电流质量指标与所述监测点电压质量指标的相关系数按照以下公式进行计算：

其中，Xi表征监测点在一天内某时刻电压质量指标，1<＝i<＝1440；Yi表征一天内某一支路某时刻的电流质量指标，

表征监测点在一天内所有电压质量指标的均值；

表征某一支路在一天内所有电流质量指标的均值。

可选地，根据所述干扰源支线组电流质量指标和监测点电压质量指标的相关系数计算所述支线组电流质量指标与所述监测点电压质量指标的偏相关系数按照以下公式进行计算：

其中，r_{xy(Z1Z2…Zm-1)}表征剔除支线Z₁、Z₂…Z_m-1影响后，支线Y与监测点X的相关程度；r_{xzm(Z1Z2…Zm-1)}表征剔除支线Z₁、Z₂…Z_m-1影响后，支线Z_m与监测点X的相关程度；r_{YZm(Z1Z2…Zm-1)}表征剔除支线Z₁、Z₂…Z_m-1影响后，支线Z_m与监测点Y的相关程度。

可选地，根据偏相关系数进行筛选包括：保留大于预定阈值的偏相关系数。

本发明提供一种主干扰源识别方法，包括：获取一段时间内数据异常的监测点的电压质量指标和相应的数据异常时间；获取所述数据异常时间相关支线的电流质量指标；对所述电压质量指标和所述电流质量指标进行数据预处理；对经过数据预处理的执行前述所述筛选方法；对筛选后的数据进行分析。

可选地，对筛选后的数据进行分析包括：保留所述偏相干系数大于某预定阈值的所述筛选后的数据；统计所述数据在所述一段时间内发生的频率；选取所述频率最高的所述数据对应的支线作为所述主干扰源。

可选地，获取监测点监测数据中异常数据和数据异常时间包括：获取某时间段内监测数据的电压质量指标统计特征值；判断所述统计特征值是否超出国际标准值；若超出国际标准值，则标注所述某时间段内所述监测点监测数据为异常数据；若没有超出国际标准值，则通过统计控制图判断所述某时间段内监测数据是否异常，所述统计控制图为根据所述监测点电压质量指标历史数据得到的均值方差图；若异常，则标注所述某时间段内所述监测点监测数据为异常数据；否则，则提取所述某时间段内所述监测点监测数据更新所述统计控制图。

可选地，对所述分析参数数据进行数据预处理包括对时序数据进行时标校准。

本发明提供一种筛选装置，包括：采集模块，用于采集干扰源支线组电流质量指标和监测点电压质量指标；第一计算模块，用于计算所述支线组电流质量指标与所述监测点电压质量指标的相关系数；第二计算模块，用于根据所述支线组电流质量指标与所述监测点电压质量指标的相关系数计算所述支线组电流质量指标与所述监测点电压质量指标的偏相关系数；筛选模块，用于根据偏相关系数进行筛选。

本发明提供一种主干扰源识别装置，包括：第一获取模块，用于获取一段时间内数据异常的监测点的电压质量指标和相应的数据异常时间；第二获取模块，用于获取所述数据异常时间相关支线的电流质量指标；数据预处理模块，用于对所述电压质量指标和所述电流质量指标进行数据预处理；第二筛选模块，用于对经过数据预处理的执行前述所述筛选方法进行筛选；分析模块，用于对筛选后的数据进行分析。

可选地，所述分析模块还包括：第一筛选单元，用于保留所述偏相干系数大于某预定阈值的所述筛选后的数据；统计单元，用于统计所述数据在所述一段时间内发生的频率；第二筛选单元，用于选取所述频率最高的所述数据对应的支线作为所述主干扰源。本发明提供一种服务器，包括：数据采集器，用于采集监测点监测数据和支线电流质量指标；存储器和处理器，所述数据采集器、所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行前述所述的主干扰源识别方法。

本发明提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行前述所述的主干扰源识别方法。

本发明技术方案的方法基于电能质量监测系统在线监测数据，提出了一种筛选方法以及区域电网主干扰源识别方法，该方法基于区域电网多节点间电能质量监测数据进行相关性分析，基于相关性分析结果进一步计算偏相关性，能够有效提出其他潜在作用变量对于所需计算的两个变量的相关性的干扰，能够得到更加合理、准确的相关性，获得更为准确、有效地识别主干扰源，该方法不仅适用于谐波源，同时还适用于负序源、功率波动源等的识别，为区域电网各类电能质量问题的原因分析和治理提供了有效手段。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1示出了本发明实施例提供的筛选方法的流程示意图；

图2示意出了本发明实施例提供的主干扰源识别方法流程示意图；

图3示意出了本发明实施例提供的主干扰源识别方法中获取监测点监测数据中异常数据和数据异常时间的流程示意图；

图4示意出本发明实施例提供的主干扰源识别方法中数据预处理的流程示意图；

图5示意出一种筛选装置结构示意图；

图6示意出本发明实施例提供的一种主干扰源识别装置结构示意图；

图7示意出本发明实施例提供的一种服务器结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，本领域技术人员在没有作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。

本发明实施例提供一种筛选方法，该筛选方法能够应用于电网中干扰源信号的筛选，也可以用于其他领域主干扰源信号的筛选，图1示意出了该筛选方法的流程步骤，如图1所示，该方法包括如下步骤：

S101、采集干扰源支线组电流质量指标和监测点电压质量指标。根据业务需求选取关注的监测点(一般为变电站母线监测点)，采集所监测点的电压质量指标参数和干扰源支线的电流质量指标参数，包括但不限于：电压偏差与无功功率参数对；某次谐波电压及相应次数谐波电流参数对；某次间谐波电压及相应次数间谐波电流参数对；三相电压不平衡度与负序电流参数对。

S102、计算所述支线组电流质量指标与所述监测点电压质量指标的相关系数。

已有研究表明，电压质量指标与电流质量指标间存在线性相关性，因此可基于两变量间关联程度评估关注节点电压参数与支路电流参数之间的相关性，进而提取与存在电能质量扰动事件的监测点母线强相关的电流支路，获取强相关支路集。两变量间关联程度方法包括但不限于：皮尔逊相关系数法、斯皮尔曼等级相关系数法等。其中，变量X、Y的皮尔逊相关系数公式计算按照以下公式进行计算：

其中，Xi表征监测点在一天内某时刻电压质量指标，具体来说，是一天内某一分钟的电压质量指标，1<＝i<＝1440；Yi表征一天内某一支路某时刻的电流质量指标，

表征监测点在一天内所有电压质量指标的均值；

表征某一支路在一天内所有电流质量指标的均值。

S103、根据所述支线组电流质量指标与所述监测点电压质量指标的相关系数计算所述支线组电流质量指标与所述监测点电压质量指标的偏相关系数。

由于电网中电能质量水平是多干扰源共同作用的结果，当存在多个变量且相互影响时，两变量的相关性计算结果不能准确的反映实际的相关性。偏相关系数能够有效的剔除其他潜在作用变量对需计算的两个变量的相关性的影响，从而得到更加合理评价变量间内在线性相关性。对于多个随机变量X,Y,Z₁,Z₂,...,Z_m，偏相关计算如公式2所示：

其中，r_{xy(Z1Z2…Zm-1)}表征剔除支线Z₁、Z₂…Z_m-1影响后，支线Y与监测点X的相关程度；r_{xzm(Z1Z2…Zm-1)}表征剔除支线Z₁、Z₂…Z_m-1影响后，支线Z_m与监测点X的相关程度；r_{YZm(Z1Z2…Zm-1)}表征剔除支线Z₁、Z₂…Z_m-1影响后，支线Z_m与监测点Y的相关程度。

S104、根据偏相关系数进行筛选。根据偏相关系数进行筛选包括：保留大于预定阈值的偏相关系数。

其中，所述预定阈值为根据显著性检验表中显著性水平α对应的列数据的数值确定为筛选偏相关系数的阈值。

具体操作中，可以将偏相关系数值降序或升序排列，分别对各偏相关系数查询比对相关系数显著性检验表，根据实际需要选择显著性水平，如选择显著性水平α为0.05，则监测点中偏相关系数超过显著水平0.05的数据可认为通过了显著性检验，通过了显著性检验的数据对应的支路与所述监测点最为相关。

本实施例的方法对相关性分析结果进一步计算偏相关性，能够有效提出其他潜在作用变量对于所需计算的两个变量的相关性的干扰，能够得到更加合理、准确的相关性，获得更为准确、有效地识别主干扰源，为区域电网各类电能质量问题的原因分析和治理提供了有效手段。

本发明实施例提供了一种主干扰源识别方法，该方法可用于区域电网主导电能质量干扰源的识别，图2示意出了该方法具体流程图，如图2所示，该方法包括如下步骤：S201、获取一段时间内数据异常的监测点的电压质量指标和相应的数据异常时间。

所述监测点的选取可以根据业务需求来选择，一般为变电站母线监测点。异常监测点的确定可以通过比对监测点某日的指定电能质量指标数据与动态阈值是否存在异常来实现。指定的电能质量指标包括但不限于：电压偏差、三相电压不平衡度、各次谐波电压和各次间谐波电压。动态阈值获得的方法包括但不限于：依据国标限值的超标判异法、统计控制图法、箱型图法、模型检测法、聚类分析法等统计分析法，以及上述相结合的方法。在获取该电压质量指标时可以提取监测到的该检测点某日的异常电压质量指标分钟级数据。

所述一段时间可以是一个月内的监测点数据，也可以是一周内的监测点数据，具体时间节点可以根据实际需要选择。

其中该统计控制图的绘制可以通过以下步骤完成：

首先选定电压偏差、三相电压不平衡度、各次谐波电压和各次间谐波电压指标作为分析指标，通过抽取关注监测点选定指标历史数据作为统计控制图的训练样本，然后对数据进行分组，本实施例依据数据时序每40个点分为一组，计算每组数据的统计特征值，即均值和标准差，然后分别计算选定电能质量指标的控制图参数，每个电能质量指标均对应一组控制图参数，其中控制图参数包括上控限、中心线、下控线，计算方法和系数取值参考国标GB-T_4091-2001均值-标准差控制图。然后根据训练得到的参数绘制各指标的均值-标准差控制图。例如，某区域关注的监测点集{500,502}，分别抽取监测点500、502一段历史数据(2017年6月1日至2017年11月30日)，具体即电压偏差、三相电压不平衡度、各次谐波电压和各次间谐波电压指标的1分钟粒度数据，对数据分组训练控制图参数，对于每个监测点每个指标都对应一个控制图。

S202、获取该一段时间内所述数据异常时间相关支线的电流质量指标。

该相关支路是指与步骤S201中识别出的存在电能质量扰动事件的监测点相关的区域电网内的干扰源所在支路，且在分析时间段内与电网有较大功率交换，避免干扰源处于备供状态或待机状态时对分析结果产生干扰。

在具体操作中，选取监测点的电压质量指标和相关支线的电流质量指标作为后续数据处理、筛选和分析的分析指标对，包括但不限于：电压偏差与无功功率指标对；某次谐波电压及相应次数谐波电流指标对；某次间谐波电压及相应次数间谐波电流指标对；三相电压不平衡度与负序电流指标对；根据该分析指标对能够识别出的电能质量扰动事件类型。在获取该电流质量指标时可以提取监测到的该相关支路在该某日的异常电流质量指标分钟级数据。

S203、对该一段时间内所述电压质量指标和所述电流质量指标进行数据预处理。

受到监测系统变比参数配置错误、通讯条件、监测终端差异性等因素等影响，数据分析结果准确性难以保证。需对提取后待分析的监测数据做预处理，保证分析数据的正确性和一致性。

S204对经过数据预处理的数据执行前述实施例所述筛选方法的筛选。

计算异常日异常监测点与相关支路两者间选定指标对数据的皮尔逊相关系数，计算公式见公式1。

例如，2017年12月1日监测点500通过步骤1检测出3次谐波电压指标异常，则选定指标对<3次谐波电压，3次谐波电流>进行分析，通过台帐得知相关支路集{497,498,499,502,503,505,506}，则分别计算该日监测点500的3次谐波电压指标数据与相关支路所有监测点3次谐波电流数据的皮尔逊相关系数，结果如表1所示：

表1相关支路相关系数

提取皮尔逊相关系数大于0.8的相关支路作为异常监测点的强相关支路，如表1中监测点497、502即为强相关支路。具体操作中也可以根据实际需要选择不同的皮尔逊相关系数阈值作为分辨强相关支路的节点，如选取皮尔逊相关系数大于0.6的相关支路作为异常监测点的强相关支路。

进一步计算确定的强相关支路与异常监测点偏相关系数，计算公式见公式2，按偏相关系数值降序排序，分别对各偏相关系数查询比对相关系数显著性检验表，其中显著性水平α可以选取0.02,0.01或0.05，根据显著性检验表中显著性水平α对应的列数据的数值确定为筛选偏相关系数的阈值，大于该阈值的偏相关系数即为通过检验，检验通过的相关支路的偏相关系数值降序序列即为电压贡献度的降序排序，同时得到该日监测点电压指标异常主要是由哪些支路引起。

如监测点500相关支路偏相关系数如表2所示，该表2检验时所用的显著性水平α取0.05:

表2相关支路偏相关系数

监测点502、497偏相关系数分别为0.902、0.304均通过显著水平0.05的显著性检验，相关支路降序序列为<502,497>,因此可得监测点500谐波电压异常，最有可能由支路502引起，次有可能由支路497引起。

S205、对该一段时间内筛选后的数据进行分析。

基于该一段时间内数据统计干扰源偏相关系数大于预定阈值的频次，根据频次降序排列，排名靠前的即为区域电网主导干扰源。例如，选取该一段时间为一个月，该预定阈值为0.8，统计各支路偏相关系数如表3所示，

表3统计月度干扰源频次

注：NaN是皮尔逊相关系数小于0.8不再纳入偏相关计算。

从表3中得知，相关支路频次从高到底排序<502,497,503>,其频次依次为6次、2次、1次。由此可得出本区域电网主导干扰源为监测点502。

具体操作中，该预定阈值可以根据实际需要进行选择。

该实施例的方法基于统计分析方法和相关性分析，基于关注节点电压质量指标、支路电流治理指标两变量间关联程度分析提取强相关支路，可有效表征节点与相关支路关联程度；通过偏相关系数分析精确评估区域电网多个干扰源对节点电压质量贡献度，能够有效剔除其他潜在作用变量对需计算的两个变量的相关性的影响，从而得到更加合理评价变量间内在线性相关性；基于一段时间内统计区域电网事件分析区域电网主导干扰源，由于电能质量扰动具有随机性和波动性，能够克服某次干扰源识别结果不足以反映实际情况问题。

作为该实施例的进一步实施例，附图3示意出了步骤S201的具体执行流程，如图3所示，可以包步骤S01可以括如下步骤：

S301、获取某时间段内监测数据的统计特征值。

首先获取关注监测点某日在线监测数据，计算该日数据的统计特征值，包括均值、最大值、最小值、平均值、95概率大值。

S302、判断所述统计特征值是否超出国际标准值。依据电能质量国标判别所述该日统计值是否越限。若超出国际标准值，则执行步骤S303，否则执行步骤S304。

S303、若超出国际标准值，则标注所述某时间段内所述监测点监测数据为异常数据；

S304、若没有超出国际标准值，则通过统计控制图判断所述某时间段内监测数据是否异常，所述统计控制图为根据所述监测点电压质量指标历史数据得到的均值方差图，判异原则参考国标GB-T_4091-2001。

若异常，则执行步骤S305，否则执行步骤S306。

S305、则标注所述某时间段内所述监测点监测数据为异常数据；

S306、则提取所述某时间段内所述监测点监测数据更新所述统计控制图，作为新增训练样本动态更新均值、方差控制图。例如监测点500在2017年12月1日电压偏差指标出现超标，则标记该日为异常日，监测点500为异常监测点。

该实施例通过动态阈值检测监测点电能质量指标是否存在异常来实现，相比仅以国标限值作为判异条件的传统方式，事件检测敏感度更高，判定更准确。

作为该实施例进一步实施例，图4示意出该步骤S203的具体操作流程，如图4所示，数据预处理包括如下步骤：

S401、去除重复数据。

如果同监测点同日同电能质量指标同类型数据多于一个，则只保留一个数据。

S402、填补时序数据空白数据。

空白数据是指该时间点并未上传数据，填补方法采用中位数代替法，即用前后两个相邻数据的算术平均值代替本值。

S403、对时序数据进行时标校准，采用电压暂降事件发生时刻进行校准。

比对多监测点间的暂降事件发生时刻，如果出现某个监测点暂降发生时刻与其它监测点不一致，可认为该监测点时标出现错位，移动数据时标直至与其它监测点一致。

S404、统一数据粒度，采用细粒度向高粒度等间隔采数法，例如对于提取的数据片段中包括1分钟和3分钟时序数据，将1分钟数据隔两个数据采一个数据形成新时序数据，新时序数据便可作为3分钟粒度的数据，完成数据统一成3分钟粒度。

该实施例采用电压暂降事件特性对多台电能质量监测终端进行时标校准，进一步保证了相关性，而且该校准仅需监测数据对时标自校准，相比其它投入软硬件方式，有效降低投入。

本发明实施例还提供一种筛选装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图5示意出该装置的结构示意图，如图5所示，该装置包括：采集模块51，用于采集干扰源支线组电流质量指标和监测点电压质量指标；第一计算模块52，用于计算所述支线组电流质量指标与所述监测点电压质量指标的相关系数；第二计算模块53，用于根据所述支线组电流质量指标与所述监测点电压质量指标的相关系数计算所述支线组电流质量指标与所述监测点电压质量指标的偏相关系数；筛选模块54，用于根据偏相关系数进行筛选。

本发明实施例还提供一种主干扰源识别装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图6示意出该装置的结构示意图，如图6所示，该装置包括：第一获取模块61，用于获取一段时间内数据异常的监测点的电压质量指标和相应的数据异常时间；第二获取模块62，用于获取所述数据异常时间相关支线的电流质量指标；数据预处理模块63，用于对所述电压质量指标和所述电流质量指标进行数据预处理；第二筛选模块64，用于对经过数据预处理的执行前述实施例所述的筛选方法；分析模块65，用于对筛选后的数据进行分析。

本发明实施例还提供一种服务器，如图7所示，该服务器包括数据采集器701，用于采集监测点监测数据和支线电流质量指标；存储器702和处理器703，所述数据采集器701、所述存储器702和所述处理器703之间互相通信连接，图7中以总线连接为例，也可以以其他方式连接。

其中该处理器可以为至少一个，例如CPU(Central Processing Unit，中央处理器)，还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器702作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，可以是高速RAM存储器(Random Access Memory，易挥发性随机存取存储器)，存储器702也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。该存储器702中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行前述实施例所述的主干扰源识别方法。

上述服务器的具体细节可以对应参阅图1至图6所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (5)

1.一种主干扰源识别方法，其特征在于，包括：

获取一段时间内数据异常的监测点的电压质量指标和相应的数据异常时间，获取监测点监测数据中异常数据和数据异常时间包括：

获取某时间段内监测数据的电压质量指标统计特征值；

判断所述统计特征值是否超出国际标准值；

若超出国际标准值，则标注所述某时间段内所述监测点监测数据为异常数据；

若没有超出国际标准值，则通过统计控制图判断所述某时间段内监测数据是否异常，所述统计控制图为根据所述监测点电压质量指标历史数据得到的均值方差图；

若异常，则标注所述某时间段内所述监测点监测数据为异常数据；

否则，则提取所述某时间段内所述监测点监测数据更新所述统计控制图；

获取所述数据异常时间相关支线的电流质量指标；

对所述电压质量指标和所述电流质量指标进行数据预处理；

对经过数据预处理的数据执行预设筛选方法的筛选，所述预设筛选方法包括：

采集干扰源支线组电流质量指标和监测点电压质量指标；

计算所述支线组电流质量指标与所述监测点电压质量指标的相关系数；

根据所述支线组电流质量指标与所述监测点电压质量指标的相关系数计算所述支线组电流质量指标与所述监测点电压质量指标的偏相关系数；

根据偏相关系数进行筛选；

对筛选后的数据进行分析，包括：

保留所述偏相关系数大于预定阈值的所述筛选后的数据；

统计所述数据在所述一段时间内发生的频率；

选取所述频率最高的所述数据对应的支线作为所述主干扰源。

2.根据权利要求1所述的主干扰源识别方法，其特征在于，对所述分析参数数据进行数据预处理包括对时序数据进行时标校准。

3.一种主干扰源识别装置，其特征在于，包括：

第一获取模块，用于获取一段时间内数据异常的监测点的电压质量指标和相应的数据异常时间，获取监测点监测数据中异常数据和数据异常时间包括：

获取某时间段内监测数据的电压质量指标统计特征值；

判断所述统计特征值是否超出国际标准值；

若超出国际标准值，则标注所述某时间段内所述监测点监测数据为异常数据；

若没有超出国际标准值，则通过统计控制图判断所述某时间段内监测数据是否异常，所述统计控制图为根据所述监测点电压质量指标历史数据得到的均值方差图；

若异常，则标注所述某时间段内所述监测点监测数据为异常数据；

否则，则提取所述某时间段内所述监测点监测数据更新所述统计控制图；

第二获取模块，用于获取所述数据异常时间相关支线的电流质量指标；

数据预处理模块，用于对所述电压质量指标和所述电流质量指标进行数据预处理；

第二筛选模块，用于对经过数据预处理的执行预设筛选方法的筛选，所述预设筛选方法包括：

采集干扰源支线组电流质量指标和监测点电压质量指标；

计算所述支线组电流质量指标与所述监测点电压质量指标的相关系数；

根据所述支线组电流质量指标与所述监测点电压质量指标的相关系数计算所述支线组电流质量指标与所述监测点电压质量指标的偏相关系数；

根据偏相关系数进行筛选；

分析模块，用于对筛选后的数据进行分析，包括：

第一筛选单元，用于保留所述偏相关系数大于某预定阈值的所述筛选后的数据；

统计单元，用于统计所述数据在所述一段时间内发生的频率；

第二筛选单元，用于选取所述频率最高的所述数据对应的支线作为所述主干扰源。

4.一种服务器，其特征在于，包括：

数据采集器，用于采集监测点监测数据和支线电流质量指标；

存储器和处理器，所述数据采集器、所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-2中任一项所述的主干扰源识别方法。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-2中任一项所述的主干扰源识别方法。

Images