CN110827170B - 考虑广域量测时延的rtu数据处理方法与装置 - Google Patents

Abstract

本发明公开了一种考虑广域量测时延的RTU数据处理方法与装置，采用多断面时刻广域量测的实时库数据存储结构，将设备ID、电气量、时间三维数据结构转化为二维数据结构，降低了存储数据的复杂度。提出调度主站量测数据固定时刻保存的方式，无需单独保存量测数据的时间信息，实现各时刻广域量测数据的快速存储和访问。本发明提供的考虑广域量测时延的RTU数据处理方法与装置，提高了数据库量测数据访问的快速性和便捷性。对量测数据进行滚动刷新修正和预测，提高各存储时刻量测数据准确性。

Description

考虑广域量测时延的RTU数据处理方法与装置

技术领域

本发明涉及一种考虑广域量测时延的RTU数据处理方法与装置，属于电力系统调度自动化技术领域。

背景技术

目前，我国已形成世界上规模最大的交直流互联电网，电网动态特性更加复杂、安全稳定运行风险不断加大，客观上对在线分析提出了更高要求。基础数据方面，由于厂站上送的稳态量测数据不带时标，调度主站服务器接收的数据并非真正意义的时标量测。考虑广域量测数据时延的不确定性，输入到状态估计的稳态测量数据所反映的时间断面有较大差别，进而影响高级应用功能计算准确性。

如图1所示，RTU(远程终端单元)数据通常以周期性召唤或变化量上送方式上送，通过调度数据网发送到调度主站后，将处理后最新时间的量测数据更新到调度主站后台数据库，不保存RTU实际采集时间和调度主站数据更新时间。RTU数据在采集、传输到调度主站过程中存在时延，但现有的实时库仅保存更新后的量测数据，未保存量测数据的更新时刻、时延信息。由于各量测量的RTU数据采集时间与调度主站数据库存储时间之间的时延不一致，尤其是部分量测数据长时间未上送等情况下，广域量测数据的时标不同时性问题表现突出，进而对高级应用功能计算实时性和准确性带来影响。

在带时标数据的存储方式方面，需要将每个量测量及其RTU采集时间一同存储。但由于RTU上送数据时间具有不确定性，广域量测数据各个量测量的RTU采集时间也不完全相同。如按照此方法进行数据的存储和汇集，不便于从数据库中提取相同采集时间的广域量测数据，不利于工程应用，这是广域量测数据的存储和汇集需要解决的重要技术问题。另外，现有的研究主要从时延对状态估计结果等高级应用的影响方面开展，还没有从广域量测数据的存储和汇集开展研究，这是本领域技术人员急需要解决的技术问题。

发明内容

目的：为了克服现有技术中存在的不足，考虑到广域量测数据时延差异，针对不同电站设备具有不同电气量，根据不同电气量传输时延和调度主站接收时刻得到不同电气量在RTU数据采集时间。在调度主站保存一段时间内具有固定系统时刻的广域量测数据，广域量测数据由一段时间内不同电气量组成，实现各时刻广域量测数据的快速存储和访问，并提供一种考虑广域量测时延的RTU数据处理方法。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

一种考虑广域量测时延的RTU数据处理方法，包括如下步骤：

在RTU量测数据未刷新，且数据采集时间t_j对应的调度主站的数据存储点序号j为整数时，根据调度主站的实时库集合X中序号j-1存储点的量测数据更新数据存储点序号j的量测数据；

在RTU量测数据未刷新，且数据采集时间t_j对应的调度主站的数据存储点序号j为非整数时，不更新实时库集合X；

在RTU量测数据已刷新，且数据采集时间t_j对应的调度主站的数据存储点序号j为整数时，将刷新的RTU量测数据更新为调度主站实时库集合X中存储点序号j的量测信息；

在RTU量测数据已刷新、数据采集时间t_j对应的调度主站的数据存储点序号j为非整数、且j与调度主站实时库集合X中存储点序号i满足i＜j＜i+1关系时，如刷新的量测数据为遥信量，则将刷新的量测数据更新为调度主站实时库集合X中存储点序号为(i+1)％(t_n/Δt)的量测数据；t_n为n个广域量测数据最大保存时长，Δt为时刻间隔，％表示取模运算；如刷新的量测数据为遥测量，则更新调度主站实时库集合X中存储点序号i的x_i，并预测存储点序号i+1的x_i+1。

一种考虑广域量测时延的RTU数据处理装置，包括如下模块：

第一处理模块：在RTU量测数据未刷新，且数据采集时间t_j对应的调度主站的数据存储点序号j为整数时，根据调度主站的实时库集合X中序号j-1存储点的量测数据更新数据存储点序号j的量测数据；

第二处理模块：在RTU量测数据未刷新，且数据采集时间t_j对应的调度主站的数据存储点序号j为非整数时，不更新实时库集合X；

第三处理模块：在RTU量测数据已刷新，且数据采集时间t_j对应的调度主站的数据存储点序号j为整数时，将刷新的RTU量测数据更新为调度主站实时库集合X中存储点序号j的量测信息；

第四处理模块：在RTU量测数据已刷新、数据采集时间t_j对应的调度主站的数据存储点序号j为非整数、且j与调度主站实时库集合X中存储点序号i满足i＜j＜i+1关系时，如刷新的量测数据为遥信量，则将刷新的量测数据更新为调度主站实时库集合X中存储点序号为(i+1)％(t_n/Δt)的量测数据；t_n为n个广域量测数据最大保存时长，Δt为时刻间隔，％表示取模运算；如刷新的量测数据为遥测量，则更新调度主站实时库集合X中存储点序号i的x_i，并预测存储点序号i+1的x_i+1。

作为优选方案，所述集合X＝{x₀,x₁,…,x_i…,x_n-1}，其中x_i表示第i个广域量测数据；

i为广域量测数据在调度主站数据存储点序号，取值范围[0，n-1]，n-1为最大数据存储点序号；每个广域量测数据x_i对应一个调度主站实时库时间系统的固定的存储时刻，第i个存储时刻取值范围[0时0分0秒-23时59分59秒]；n个广域量测数据最大保存时长为t_n；

相邻两个广域量测数据对应一个固定的时刻间隔Δt，Δt大于广域量测数据最大时延时间，设置为[2-10]以内60的约数。

作为优选方案，所述

其中，t_n为n个广域量测数据最大保存时长，Δt为时刻间隔，％表示取模运算，m、s分别为t_j采集时间的分钟值和秒钟值。

作为优选方案，所述t_n为120秒，Δt为5秒。

作为优选方案，所述对调度主站实时库集合X中存储点序号i的x_i进行更新的计算公式如下：

其中，t_i、t_i-1分别为存储点序号i、i-1对应的存储时刻，x_i、x_i-1分别为存储点序号i、i-1的量测数据，y_j代表t_j时刻的刷新的RTU量测数据；

所述预测存储点序号i+1的x_i+1，包括：将包括x_i的前n个量测数据输入预先确定的预测模型，计算得到预测后的x_i+1。

作为优选方案，所述预测模型采用自回归滑动平均模型。

作为优选方案，进一步包括：在RTU量测数据未刷新，且数据采集时间t_j对应的调度主站数据存储点序号j为0时，根据存储点序号j-1的值取

存储点的量测数据更新数据存储点序号j的量测数据。

作为优选方案，实时库集合X初始化时，调度主站实时库集合X中序号j-1无量测数据的情况下，当前存储点序号j取最新的RTU采样数据。

有益效果：本发明提供的考虑广域量测时延的RTU数据处理方法及装置，提出调度主站实时库集合X中量测数据固定时刻保存的方式，无需单独保存RTU量测数据的时间信息，提高了调度主站数据库的量测数据访问的快速性和便捷性。对实时库集合X中量测数据进行滚动刷新修正和预测，提高各存储时刻量测数据准确性。另外，提出多断面时刻广域量测的实时库数据存储结构集合X，将设备ID、电气量、时间三维数据结构转化为二维数据结构，降低了存储数据的复杂度。

附图说明

图1是量测数据采集及存储流程示意图。

图2是量测数据存储汇集方法流程图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

一种考虑广域量测时延的RTU数据处理方法，包括：构建多断面时刻广域量测存储数据结构、RTU数据采集时间与调度主站数据存储点序号转换及量测数据汇集。

1、在多断面时刻广域量测存储数据结构中，通过不同的设备表保存不同类型(包括断路器、刀闸、发电机、负荷、母线、容抗器、交流线段、变压器绕组、换流器、直流线段)的设备信息；每类设备以二维数据结构表示各个设备一段时间内量测数据。二维数据结构中，一列数据代表设备ID，另一列数据代表在一段时间内固定时刻广域量测数据的集合X。如表1所示：

表1为广域量测存储数据结构

设备ID	广域量测数据
		114560315521237136	x<sub>0</sub>,x<sub>1</sub>,…,x<sub>i</sub>…,x<sub>n-1</sub>

表1表示，存储在调度主站实时库中断路器开关量量测数据集合X＝{x₀,x₁,…,x_i…,x_n-1}，其中x_i表示第i个开关量量测数据。

X表示广域量测数据的集合,广域量测数据可分为遥信量和遥测量，遥信量指断路器、刀闸的开合状态，遥测量指有功、无功、电压、电流、相角。

i为广域量测数据在调度主站数据存储点序号，为非负整数，取值范围[0，n-1]，n-1则为最大数据存储点序号。每个广域量测数据x_i对应一个调度主站实时库时间系统的固定的存储时刻，第i个存储时刻取值范围[0时0分0秒-23时59分59秒]。n个广域量测数据最大保存时长为t_n，单位为秒，优选120秒。

相邻两个广域量测数据对应一个固定的时刻间隔Δt，Δt大于广域量测数据最大时延时间，设置为[2-10]以内60的约数，单位为秒，优选5秒。

2、RTU数据采集时间t_j与调度主站数据存储点序号转换，t_j的采集时间表示为m分s秒，对应转换的调度主站数据存储点序号j，序号j求取公式如下：

其中，t_n为n个广域量测数据最大保存时长，Δt为时刻间隔，％表示取模运算。

根据时间变化，在数据最大保存时长周期内，按照0到n-1对应的存储时刻顺序进行量测量存储；到下一数据存储周期后，重新按照0到n-1对应的存储时刻顺序进行量测量存储。通过循环存储方式，保存最近t_n时长的量测数据。

3、根据量测数据不同类型、RTU数据采集时间t_j转换结果，将RTU量测数据汇集到调度主站实时库。

当数据采集时间为t_j时，调度主站根据RTU量测数据进行广域量测数据汇集，实时库集合X更新量测数据步骤如下：

步骤1：当RTU量测数据未刷新，数据采集时间t_j对应的调度主站数据存储点序号j为整数，则根据调度主站实时库集合X中序号j-1的存储点的量测数据更新数据存储点序号j的量测数据，然后执行步骤6；

步骤2：当RTU量测数据未刷新，数据采集时间t_j对应的调度主站数据存储点序号j为非整数，则不更新实时库集合X，然后执行步骤6；

步骤3：当RTU量测数据已刷新，数据采集时间t_j对应的调度主站数据存储点序号j为整数，则将刷新的RTU量测数据更新为调度主站实时库集合X中存储点序号j的量测信息，然后执行步骤6；

步骤4：当RTU量测数据已刷新，数据采集时间t_j对应的调度主站数据存储点序号j为非整数，j与调度主站实时库集合X中存储点序号i满足i＜j＜i+1关系，如刷新的量测数据为遥信量，则将刷新的量测数据更新为调度主站实时库集合X中存储点序号为(i+1)％(t_n/Δt)的量测数据，然后执行步骤6；

步骤5：当RTU量测数据已刷新，数据采集时间t_j对应的调度主站数据存储点序号j为非整数，j与调度主站实时库集合X中存储点序号i满足i＜j＜i+1关系，如刷新的量测数据为遥测量，则调度主站实时库集合X中存储点序号i的更新值为x_i，存储点序号i+1的更新值为x_i+1，然后执行步骤6；

其中，t_i、t_i-1分别为存储点序号i、i-1对应的存储时刻，x_i、x_i-1分别为存储点序号i、i-1的量测数据，y_j代表t_j时刻的RTU刷新量测数据；

利用自回归滑动平均模型，输入包括x_i的前n个量测数据，输出x_i+1。

步骤6：当前时刻数据汇集处理结束，继续下一数据采集时间，返回步骤1。

若数据采集时间t_j对应的调度主站数据存储点序号j为0，则序号j-1取

的存储点的量测数据更新数据存储点序号j的量测数据。

对于程序初始启动、调度主站实时库集合X中序号j-1无量测数据的情况下，当前存储点序号j取最新的RTU采样数据。

实施例：

下面结合图2，并通过实例对本发明方法进行进一步说明。假设最大保存时长t_n为120秒，相邻两个广域量测数据存储固定的时刻间隔Δt为5秒，则最大数据存储点序号n为24。

假设当前调度主站正在处理9时16分05秒的RTU汇集数据，某量测数据为遥测量或遥信量。根据公式

可知，该对应调度主站数据存储点序号j＝1。根据图2中步骤1描述的方法，假设当前时刻该量测数据未刷新，则根据上一存储时刻j-1(即9时16分00秒，对应存储点序号为0)的量测数据更新存储点序号j的量测数据。当前时刻该数据汇集处理结束。

假设当前调度主站正在处理9时16分06秒的RTU汇集数据，某量测数据为遥测量或遥信量。根据公式

可知，该对应调度主站数据存储点序号j＝1.2。根据图2中步骤2描述的方法，假设当前时刻该量测数据未刷新，则不更新实时库集合X。当前时刻该数据汇集处理结束。

假设当前调度主站正在处理9时16分05秒的RTU汇集数据，某量测数据为遥测量或遥信量。根据公式

可知，该对应调度主站数据存储点序号j＝1。根据图2中步骤3描述的方法，假设当前时刻该量测数据已刷新，则根据已刷新量测量更新对应存储点序号j＝1的量测信息。当前时刻该数据汇集处理结束。

假设当前调度主站正在处理9时16分08秒的RTU汇集数据，某量测数据为遥信量。根据公式

可知，该对应调度主站数据存储点序号j＝1.6，此时j非整数，且j与广域量测数据的集合中存储点序号i(值为1)满足i＜j＜i+1关系。根据图2步骤4描述的方法，根据该量测数据更新存储点序号为(i+1)％(t_n/Δt)的量测数据。当前时刻该数据汇集处理结束。

假设当前调度主站正在处理9时16分08秒的RTU汇集数据，某量测数据为遥测量。根据公式

可知，该对应调度主站数据存储点序号j＝1.6，此时j非整数，且j与广域量测数据的集合中存储点序号i(值为1)满足i＜j＜i+1关系。根据图2步骤5描述的方法，根据RTU最新量测采样数据插值修正调度主站实时库集合X中存储点序号1的量测信息x₁，公式如下：

其中，t_i、t_i-1(即9时16分05秒、9时16分00秒)分别为存储点序号i、i-1(即1、0)对应的存储时刻，x_i、x_i-1分别为存储点序号i、i-1的量测数据(即1、0)，y_j代表t_j时刻(即9时16分08秒)的RTU采集数据。

根据图2步骤5描述的方法，根据前序时刻已存储遥测量建立时间序列{X₁,X₂,…,X_n-1}(即存储点序号为2、3、4、5……23、0、1已保存的遥测量)，然后利用自回归滑动平均模型(ARMA)预测下一相邻时刻存储点(即序号为2的存储点)的量测信息x₂。

根据图2步骤6描述的方法，当前时刻数据汇集处理结束，继续循环下一时刻量测数据。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (14)

1.一种考虑广域量测时延的RTU数据处理方法，其特征在于：包括如下步骤：

在RTU量测数据未刷新，且数据采集时间t_j对应的调度主站的数据存储点序号j为整数时，根据调度主站的实时库集合X中序号j-1存储点的量测数据更新数据存储点序号j的量测数据；

在RTU量测数据未刷新，且数据采集时间t_j对应的调度主站的数据存储点序号j为非整数时，不更新实时库集合X；

在RTU量测数据已刷新，且数据采集时间t_j对应的调度主站的数据存储点序号j为整数时，将刷新的RTU量测数据更新为调度主站实时库集合X中存储点序号j的量测信息；

在RTU量测数据已刷新、数据采集时间t_j对应的调度主站的数据存储点序号j为非整数、且j与调度主站实时库集合X中存储点序号i满足i＜j＜i+1关系时，如刷新的量测数据为遥信量，则将刷新的量测数据更新为调度主站实时库集合X中存储点序号为(i+1)％(t_n/Δt)的量测数据；t_n为n个广域量测数据最大保存时长，Δt为时刻间隔，％表示取模运算；如刷新的量测数据为遥测量，则更新调度主站实时库集合X中存储点序号i的x_i，并预测存储点序号i+1的x_i+1；

所述

其中，t_n为n个广域量测数据最大保存时长，Δt为时刻间隔，％表示取模运算，m、s分别为t_j采集时间的分钟值和秒钟值。

2.根据权利要求1所述的考虑广域量测时延的RTU数据处理方法，其特征在于：所述集合X＝{x₀,x₁,…,x_i…,x_n-1}，其中x_i表示第i个广域量测数据；

i为广域量测数据在调度主站数据存储点序号，取值范围[0，n-1]，n-1为最大数据存储点序号；每个广域量测数据x_i对应一个调度主站实时库时间系统的固定的存储时刻，第i个存储时刻取值范围[0时0分0秒-23时59分59秒]；n个广域量测数据最大保存时长为t_n；

相邻两个广域量测数据对应一个固定的时刻间隔Δt，Δt大于广域量测数据最大时延时间，设置为[2-10]以内60的约数。

3.根据权利要求2所述的考虑广域量测时延的RTU数据处理方法，其特征在于：所述t_n为120秒，Δt为5秒。

4.根据权利要求1所述的考虑广域量测时延的RTU数据处理方法，其特征在于：所述对调度主站实时库集合X中存储点序号i的x_i进行更新的计算公式如下：

其中，t_i、t_i-1分别为存储点序号i、i-1对应的存储时刻，x_i、x_i-1分别为存储点序号i、i-1的量测数据，y_j代表t_j时刻的刷新的RTU量测数据；

所述预测存储点序号i+1的x_i+1，包括：将包括x_i的前n个量测数据输入预先确定的预测模型，计算得到预测后的x_i+1。

5.根据权利要求4所述的考虑广域量测时延的RTU数据处理方法，其特征在于：所述预测模型采用自回归滑动平均模型。

6.根据权利要求1所述的考虑广域量测时延的RTU数据处理方法，其特征在于：进一步包括：在RTU量测数据未刷新，且数据采集时间t_j对应的调度主站数据存储点序号j为0时，根据存储点序号j-1的值取

存储点的量测数据更新数据存储点序号j的量测数据。

7.根据权利要求1所述的考虑广域量测时延的RTU数据处理方法，其特征在于：实时库集合X初始化时，调度主站实时库集合X中序号j-1无量测数据的情况下，当前存储点序号j取最新的RTU采样数据。

8.一种考虑广域量测时延的RTU数据处理装置，其特征在于：包括如下模块：

第一处理模块：在RTU量测数据未刷新，且数据采集时间t_j对应的调度主站的数据存储点序号j为整数时，根据调度主站的实时库集合X中序号j-1存储点的量测数据更新数据存储点序号j的量测数据；

第二处理模块：在RTU量测数据未刷新，且数据采集时间t_j对应的调度主站的数据存储点序号j为非整数时，不更新实时库集合X；

第三处理模块：在RTU量测数据已刷新，且数据采集时间t_j对应的调度主站的数据存储点序号j为整数时，将刷新的RTU量测数据更新为调度主站实时库集合X中存储点序号j的量测信息；

第四处理模块：在RTU量测数据已刷新、数据采集时间t_j对应的调度主站的数据存储点序号j为非整数、且j与调度主站实时库集合X中存储点序号i满足i＜j＜i+1关系时，如刷新的量测数据为遥信量，则将刷新的量测数据更新为调度主站实时库集合X中存储点序号为(i+1)％(t_n/Δt)的量测数据；t_n为n个广域量测数据最大保存时长，Δt为时刻间隔，％表示取模运算；如刷新的量测数据为遥测量，则更新调度主站实时库集合X中存储点序号i的x_i，并预测存储点序号i+1的x_i+1；

所述

其中，t_n为n个广域量测数据最大保存时长，Δt为时刻间隔，％表示取模运算，m、s分别为t_j采集时间的分钟值和秒钟值。

9.根据权利要求8所述的考虑广域量测时延的RTU数据处理装置，其特征在于：所述集合X＝{x₀,x₁,…,x_i…,x_n-1}，其中x_i表示第i个广域量测数据；

i为广域量测数据在调度主站数据存储点序号，取值范围[0，n-1]，n-1为最大数据存储点序号；每个广域量测数据x_i对应一个调度主站实时库时间系统的固定的存储时刻，第i个存储时刻取值范围[0时0分0秒-23时59分59秒]；n个广域量测数据最大保存时长为t_n；

相邻两个广域量测数据对应一个固定的时刻间隔Δt，Δt大于广域量测数据最大时延时间，设置为[2-10]以内60的约数。

10.根据权利要求9所述的考虑广域量测时延的RTU数据处理装置，其特征在于：所述t_n为120秒，Δt为5秒。

11.根据权利要求8所述的考虑广域量测时延的RTU数据处理装置，其特征在于：所述对调度主站实时库集合X中存储点序号i的x_i进行更新的计算公式如下：

其中，t_i、t_i-1分别为存储点序号i、i-1对应的存储时刻，x_i、x_i-1分别为存储点序号i、i-1的量测数据，y_j代表t_j时刻的刷新的RTU量测数据；

所述预测存储点序号i+1的x_i+1，包括：将包括x_i的前n个量测数据输入预先确定的预测模型，计算得到预测后的x_i+1。

12.根据权利要求11所述的考虑广域量测时延的RTU数据处理装置，其特征在于：所述预测模型采用自回归滑动平均模型。

13.根据权利要求8所述的考虑广域量测时延的RTU数据处理装置，其特征在于：进一步包括：在RTU量测数据未刷新，且数据采集时间t_j对应的调度主站数据存储点序号j为0时，根据存储点序号j-1的值取

存储点的量测数据更新数据存储点序号j的量测数据。

14.根据权利要求8所述的考虑广域量测时延的RTU数据处理装置，其特征在于：实时库集合X初始化时，调度主站实时库集合X中序号j-1无量测数据的情况下，当前存储点序号j取最新的RTU采样数据。

Images