CN110070272A - 基于自学习技术的电能量采集数据质量管控多维评价方法 - Google Patents

Abstract

本发明提供一种基于自学习技术的电能量采集数据质量管控多维评价方法，涉及电力领域，根据人工设定的标准检测电能量计量系统生成的母平、变损、线损数据是否合理；采用分析算法对电能量计量系统生成的母线、主变、线路数据进行分析，检测是否存在问题数据和事项；所有母平、变损、线损数据的检测结果以树型结构显示出来，并且能对合理、不合理的数据加以区分；根据分析出来的结果，做进一步的智能分析处理。有益效果：自动检测电能量计量系统生成的母平、变损、线损数据是否合理；分析母平、变损、线损数据不合理的原因；针对导致母平、变损、线损数据不合理的原因，可以启动一系列的修复措施确保向管理人员提供准确可靠的电量数据和报表。

Description

基于自学习技术的电能量采集数据质量管控多维评价方法

技术领域：

本发明涉及电力领域，尤其涉及一种基于自学习技术的电能量采集数据质量管控多维评价方法。

背景技术：

电能量计量系统存储了大量的电量数据，对这些数据的正确性检查成为系统日常维护工作的重点。常用的方法是检查系统生成的母平、线损、变损等指标数据，对指标所涉及的计量点数据进行分析，确定导致指标数据错误的原因并予以纠正。由于指标所涉及的计量点数量庞大，并且存在多种可能导致数据出错的原因，因此依靠维护人员手工完成错误数据的查找和纠正往往耗费大量时间，效率很低。国内目前主流的电能计量主站系统也均提供了一些用于错误数据分析的手段，比如母平指标的分量查询，数据突变的告警等，但这些维护手段一般都分散到不同的功能模块来实现，不便于维护人员快速确定异常数据产生的原因，至于错误数据纠正则必须完全依赖人工完成。随着电能量计量系统实现地县一体化的实现，其采集的数据量会进一步增加，若要依靠有限的人力对所有数据进行日常巡视是不现实的，为此必须研究电量数据的智能分析告警技术，替代繁琐和耗时的人工作业。

发明内容：

本发明所要解决的技术问题在于克服现有技术的缺陷，本发明提出一种基于自学习技术的电能量采集数据质量管控多维评价方法。

本发明所要解决的技术问题采用以下技术方案来实现。

基于自学习技术的电能量采集数据质量管控多维评价方法，包括以下步骤：

1)根据人工设定的标准检测电能量计量系统生成的母平、变损、线损数据是否合理；

2)采用分析算法对电能量计量系统生成的母线、主变、线路数据进行分析，检测是否存在问题数据和事项；

3)所有母平、变损、线损数据的检测结果以树型结构显示出来，并且能对合理、不合理的数据加以区分；

4)根据分析出来的结果，做进一步的智能分析处理。

有益效果：

自动检测电能量计量系统生成的母平、变损、线损数据是否合理；

分析母平、变损、线损数据不合理的原因，包括检查原始电能表窗口值数据是否有效、合理，是否有换表、旁代事件等；

针对导致母平、变损、线损数据不合理的原因，可以启动一系列的修复措施确保向管理人员提供准确可靠的电量数据和报表。

具体实施方式：

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例，进一步阐述本发明。

基于自学习技术的电能量采集数据质量管控多维评价方法，包括以下步骤：

1)根据人工设定的标准检测电能量计量系统生成的母平、变损、线损数据是否合理；

2)采用分析算法对电能量计量系统生成的母线、主变、线路数据进行分析，检测是否存在问题数据和事项；

3)所有母平、变损、线损数据的检测结果以树型结构显示出来，并且能对合理、不合理的数据加以区分；

4)根据分析出来的结果，做进一步的智能分析处理。

所述分析算法包括换表检测算法、旁代检测算法、数据异常检测算法、数据突变纠错算法。

所述换表检测算法，根据采集的电表数据检测出可能发生的换表事件，主要通过检测电能表窗口值数据根据数据的变化判断是否可能存在换表操作，顺序检测15分钟密度的电能表窗口值数据记录以下几个数据点的数据：

1)当日0点：获取0点的电能量窗口值，如果数据为空或者为无效，则向前追查最近一次的数值为A₀；

2)当日24点：获取24点的电能量窗口值，如果数据为空或者为无效，则向前追查最近一次的数值为A₂₄；

3)时间点一：寻找24点之前(含24点)第一个有效数据出现时间。如果找到，则记这个时间点为T_end，记这个时间点的电能表窗口值为A_end；

4)时间点二：寻找0点之后(含0点)第一个有效数据出现时间。如果找到，则记这个时间点为T_start，记这个时间点的电能表窗口值为A_start；

检测过程为：

1)如果A_start＜A_end，则判计量点未换表；

记计量点当日电量E_Σ1＝(A₂₄-A₀)×计量点倍率；

2)如果A_start＞A_end，则判计量点有换表，以事项显示，继续3)步；

3)在T_start之后的有效的电能表窗口值序列中按时间先后顺序向后寻找(跳过无效数据)，寻找最后一个大于A_start的有效数据(记窗口值为A_start-1，时间点为T_start-1)，继续4)步；

4)在T_end之前的有效的电能表窗口值序列中按时间先后顺序向前寻找(跳过无效数据)，寻找最后一个小于A_end的有效数据(记窗口值为A_end-1，时间点为T_end-1)，继续5)步；

5)据此判断换表时段为(T_start-1,T_end-1)；

6)计量点当日电量

E_Σ1＝(A_start-1-A_start)×计量点倍率+(A_end-A_end-1)×计量点倍率,并生成可能出现换表的告警事项。

所述旁代检测算法，根据旁路计量点(前提电能量计量系统平台上可以判断某计量为旁路计量点，把顺序的15分钟密度的电能量窗口值记做A_n)，15分钟密度的电能表窗口值差值μ_n＝A_n-A_n-1，如果差值μ_n大于0则判断旁路有运行电量，从而检测是否可能发生旁路事件；

算法过程

1)根据时间顺序变大，计算旁路计量点15分钟密度的电能量窗口值差值μ_n＝A_n-A_n-1，如果μlimit＞μ_n＞0，则记录时间T₀执行步骤2)，否则继续执行1)步，直到最后所有数据检测完毕；

2)根据时间逆序变小，计算旁路计量点15分钟密度的电能量窗口值差值μ_n＝A_n-A_n-1，如果μlimit＞μ_n＞0，则记录时间T₁执行步骤3)，否则继续执行2)步，当T_n＜＝T₀时，进行3)步；

3)寻找和旁路计量点相同厂站相同电压等级的非旁路计量点列表M，如果寻找到继续4)步，否则退出算法；

4)从3)寻找到的计量点列表中，获取一个计量点M_n，继续5)步，否则退出算法；

5)获取一个计量点M_n，某一功率类型的(T₀,T₁)时间段内的15分钟的电能表窗口值数据B₀、B₁，计算μ_n＝B₁-B₀，如果所有功率类型μ_n＝0，则可能存在旁路，继续4)步。

所述数据异常检测算法，当采集数据发生异常的时候，采用该算法对电量数据进行智能分析计算保证电量的准确计算。该算法是顺序检测15分钟密度的电能表窗口值，分析任意一个电能表窗口值的数据状态、记录发生时间段，并且能够在错误数据、突变数据的情况下正常计算电量数据；

算法过程：

1)从计量点列表中获取一个计量点，获取该计量点的电能表窗口值，如果成功继续2)，否则退出；

2)顺序检测计量点电能表窗口值，获取一个数据A_n的状态进行判断：

如果数据为无效记录时间点为T_{novalid-start}、T_novalid-end，继续3)步；

如果数据为空记录时间点为T_null-start、T_null-end，继续4)步；

如果数据正常继续2)；

如果检测到最后一个数据，继续1)；

3)从A_n开始向后检测，获取下一个数据A_m的状态进行判断：

如果数据为无效，记录时间点为T_novalid-end，继续3)步；

如果数据为空，保存上一条无效时间段的事项，继续4)步；

如果数据正常，保存上一条无效时间段的事项，继续2)步；

如果检测到最后一个数据，继续1)；

4)从A_n开始向后检测，获取下一个数据A_m的状态进行判断：

如果数据为无效，保存上一条无效时间段的事项，继续3)步；

如果数据为空，记录时间点为T_null-end，继续4)步；

如果数据正常，保存上一条无效时间段的事项，继续2)步；

如果检测到最后一个数据，继续1)。

所述数据突变纠错算法，根据计量点的15分钟密度的电能表窗口值差值μ_n＝(A_n-A_n-1)*倍率，如果差值μ_n大于一般设定的阀值f则表示可能变大突变、如果μ_n小于0,并且A_n的数据状态正常，那么可能变小突变或者可能存在换表事项，对这些异常数据将不累计到本日的电量中，对于存在的这类事项进行保存，并且把计量点电量的数据状态标示为相应的判断结果；

算法过程：

1)从计量点列表中获取一个计量点，获取该计量点的(T_n,T_n+1)电能表窗口值(A_n,A_n+1)，继续2)步；

2)计算μ_n＝(A_n+1-A_n)*倍率，如果μ_n＞f或者μ_n＜0，继续3步；

3)如果A_n，A_n+1都为正常数据，则判断为突变μ_n不做电量累计值，继续4)步，如果A_n+1为无效或者空数据，则直接继续4)；

4)向前追查数据A_n+1＝A_n，继续1)步。

所述智能分析处理，根据算法检测：0点表码数据异常、24点表码数据异常、计量点可能发生换表、计量点可能被旁路等事项，在发生以上事项的时候，采用纠错算法；

处理描述

0点表码数据异常、24点表码数据异常，可以直接进行纠错处理，”补招”历史数据处理，采集完成后，电能量计量系统会自动触发相关统计进行纠错处理；

计量点可能发生换表，提示可能发生事项，可以根据换表发生事件进行纠错处理，人工确认后，进行统计纠错；

计量点可能被旁路，提示可能发生事项，可以根据旁路发生事项进行纠错处理，人工确认后，进行统计纠错。

在电能量计量系统平台上，结合上面的分析与纠错算法，利用现代先进的数据库技术、通信技术、组件技术等实现对变电站母线平衡数据、变电站主变损耗数据、变电站输电线路损耗数据的，合格性分析、原因分析。

以下为实际利用情况：

可靠性：

系统年可用率：99.99％；

服务器、网络主设备的平均无故障时间MTBF：≥20，000小时；

其它设备的平均无故障时间MTBF：≥10，000小时；

系统运行寿命>15年。

连续性：

系统全年365天、每天24小时都能提供连续的服务；

CRT画面调用时间≤2秒；

联机检索数据平均响应时间≤5秒。

系统负荷率：

数据服务器(正常情况下)CPU负荷率≤25％；

用户工作站CPU负荷率≤25％；

正常情况下，网络负荷率≤10％。

以上显示和描述了本发明的基本原理、主要特征以及本发明的优点。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 (7)

1.一种基于自学习技术的电能量采集数据质量管控多维评价方法，其特征在于：包括以下步骤：

1)根据人工设定的标准检测电能量计量系统生成的母平、变损、线损数据是否合理；

2)采用分析算法对电能量计量系统生成的母线、主变、线路数据进行分析，检测是否存在问题数据和事项；

3)所有母平、变损、线损数据的检测结果以树型结构显示出来，并且能对合理、不合理的数据加以区分；

4)根据分析出来的结果，做进一步的智能分析处理。

2.根据权利要求1中所述的一种基于自学习技术的电能量采集数据质量管控多维评价方法，其特征在于：所述分析算法包括换表检测算法、旁代检测算法、数据异常检测算法、数据突变纠错算法。

3.根据权利要求2中所述的一种基于自学习技术的电能量采集数据质量管控多维评价方法，其特征在于：所述换表检测算法，根据采集的电表数据检测出可能发生的换表事件，主要通过检测电能表窗口值数据根据数据的变化判断是否可能存在换表操作，顺序检测15分钟密度的电能表窗口值数据记录以下几个数据点的数据：

1)当日0点：获取0点的电能量窗口值，如果数据为空或者为无效，则向前追查最近一次的数值为A₀；

2)当日24点：获取24点的电能量窗口值，如果数据为空或者为无效，则向前追查最近一次的数值为A₂₄；

3)时间点一：寻找24点之前(含24点)第一个有效数据出现时间，如果找到，则记这个时间点为T_end，记这个时间点的电能表窗口值为A_end；

4)时间点二：寻找0点之后(含0点)第一个有效数据出现时间，如果找到，则记这个时间点为T_start，记这个时间点的电能表窗口值为A_start；

检测过程为：

1)如果A_start＜A_end，则判计量点未换表；

记计量点当日电量E_Σ1＝(A₂₄-A₀)×计量点倍率；

2)如果A_start＞A_end，则判计量点有换表，以事项显示，继续3)步；

3)在T_start之后的有效的电能表窗口值序列中按时间先后顺序向后寻找(跳过无效数据)，寻找最后一个大于A_start的有效数据(记窗口值为A_start-1，时间点为T_start-1)，继续4)步；

4)在T_end之前的有效的电能表窗口值序列中按时间先后顺序向前寻找(跳过无效数据)，寻找最后一个小于A_end的有效数据(记窗口值为A_end-1，时间点为T_end-1)，继续5)步；

5)据此判断换表时段为(T_start-1,T_end-1)；

6)计量点当日电量

E_Σ1＝(A_start-1-A_start)×计量点倍率+(A_end-A_end-1)×计量点倍率,并生成可能出现换表的告警事项。

4.根据权利要求2中所述的一种基于自学习技术的电能量采集数据质量管控多维评价方法，其特征在于：所述旁代检测算法，根据旁路计量点，15分钟密度的电能表窗口值差值μ_n＝A_n-A_n-1，如果差值μ_n大于0则判断旁路有运行电量，从而检测是否可能发生旁路事件；

算法过程

1)根据时间顺序变大，计算旁路计量点15分钟密度的电能量窗口值差值μ_n＝A_n-A_n-1，如果μ_limit＞μ_n＞0，则记录时间T₀执行步骤2)，否则继续执行1)步，直到最后所有数据检测完毕；

2)根据时间逆序变小，计算旁路计量点15分钟密度的电能量窗口值差值μ_n＝A_n-A_n-1，如果μ_limit＞μ_n＞0，则记录时间T₁执行步骤3)，否则继续执行2)步，当T_n＜＝T₀时，进行3)步；

3)寻找和旁路计量点相同厂站相同电压级的非旁路计量点列表M，如果寻找到继续4)步，否则退出算法；

4)从3)寻找到的计量点列表中，获取一个计量点M_n，继续5)步，否则退出算法；

5)获取一个计量点M_n，某一功率类型的(T₀,T₁)时间段内的15分钟的电能表窗口值数据B₀、B₁，计算μ_n＝B₁-B₀，如果所有功率类型μ_n＝0，则可能存在旁路，继续4)步。

5.根据权利要求2中所述的一种基于自学习技术的电能量采集数据质量管控多维评价方法，其特征在于：所述数据异常检测算法，当采集数据发生异常的时候，采用该算法对电量数据进行智能分析计算保证电量的准确计算，该算法是顺序检测15分钟密度的电能表窗口值，分析任意一个电能表窗口值的数据状态、记录发生时间段，并且能够在错误数据、突变数据的情况下正常计算电量数据；

算法过程：

1)从计量点列表中获取一个计量点，获取该计量点的电能表窗口值，如果成功继续2)，否则退出；

2)顺序检测计量点电能表窗口值，获取一个数据A_n的状态进行判断：

如果数据为无效记录时间点为T_{novalid-start}、T_novalid-end，继续3)步；

如果数据为空记录时间点为T_null-start、T_null-end，继续4)步；

如果数据正常继续2)；

如果检测到最后一个数据，继续1)；

3)从A_n开始向后检测，获取下一个数据A_m的状态进行判断：

如果数据为无效，记录时间点为T_novalid-end，继续3)步；

如果数据为空，保存上一条无效时间段的事项，继续4)步；

如果数据正常，保存上一条无效时间段的事项，继续2)步；

如果检测到最后一个数据，继续1)；

4)从A_n开始向后检测，获取下一个数据A_m的状态进行判断：

如果数据为无效，保存上一条无效时间段的事项，继续3)步；

如果数据为空，记录时间点为T_null-end，继续4)步；

如果数据正常，保存上一条无效时间段的事项，继续2)步；

如果检测到最后一个数据，继续1)。

6.根据权利要求2中所述的一种基于自学习技术的电能量采集数据质量管控多维评价方法，其特征在于：所述数据突变纠错算法，根据计量点的15分钟密度的电能表窗口值差值μ_n＝(A_n-A_n-1)*倍率，如果差值μ_n大于一般设定的阀值f则表示可能变大突变、如果μ_n小于0,并且A_n的数据状态正常，那么可能变小突变或者可能存在换表事项，对这些异常数据将不累计到本日的电量中，对于存在的这类事项进行保存，并且把计量点电量的数据状态标示为相应的判断结果；

算法过程：

1)从计量点列表中获取一个计量点，获取该计量点的(T_n,T_n+1)电能表窗口值(A_n,A_n+1)，继续2)步；

2)计算μ_n＝(A_n+1-A_n)*倍率，如果μ_n＞f或者μ_n＜0，继续3步；

3)如果A_n，A_n+1都为正常数据，则判断为突变μ_n不做电量累计值，继续4)步，如果A_n+1为无效或者空数据，则直接继续4)；

4)向前追查数据A_n+1＝A_n，继续1)步。

7.根据权利要求1中所述的一种基于自学习技术的电能量采集数据质量管控多维评价方法，其特征在于：所述智能分析处理，根据算法检测：0点表码数据异常、24点表码数据异常、计量点可能发生换表、计量点可能被旁路事项，在发生以上事项的时候，采用纠错算法；

处理描述

0点表码数据异常、24点表码数据异常，可以直接进行纠错处理，”补招”历史数据处理，采集完成后，电能量计量系统会自动触发相关统计进行纠错处理；

计量点可能发生换表，提示可能发生事项，可以根据换表发生事件进行纠错处理，人工确认后，进行统计纠错；

计量点可能被旁路，提示可能发生事项，可以根据旁路发生事项进行纠错处理，人工确认后，进行统计纠错。