CN111242459A - 全网设备参数异常值辨识方法及系统 - Google Patents
全网设备参数异常值辨识方法及系统 Download PDFInfo
- Publication number
- CN111242459A CN111242459A CN202010015479.1A CN202010015479A CN111242459A CN 111242459 A CN111242459 A CN 111242459A CN 202010015479 A CN202010015479 A CN 202010015479A CN 111242459 A CN111242459 A CN 111242459A
- Authority
- CN
- China
- Prior art keywords
- equipment
- parameter
- abnormal
- data
- parameters
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 152
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000008859 change Effects 0.000 claims abstract description 62
- 230000001174 ascending effect Effects 0.000 claims abstract description 14
- 230000005856 abnormality Effects 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 description 19
- 238000012795 verification Methods 0.000 description 8
- 150000003624 transition metals Chemical group 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000003672 processing method Methods 0.000 description 4
- 229910052723 transition metal Inorganic materials 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 125000004432 carbon atom Chemical group C* 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明提出一种全网设备参数异常值辨识方法及系统,该方法包括:获取全网设备参数数据,分别从多维度对设备参数指标进行归类分析;创建各设备参数标准化字段和衍生标准化字段,作为设备参数异常辨识的基础;将各设备参数按升序排列并编号,求取各参数的方差变化率;通过对比前后两个参数的方差变化率之差,判断该设备参数数值是否存在异常;如果方差变化率之差超出预设方差阈值,则判断对应的设备参数为异常数据,若无异常数据,再根据四分位法得到设备参数正常区间范围,判断设备参数数值是否在此范围内,若超出,则判断为异常数据。本发明通用性强、可靠性高,可有效识别电网设备参数中的异常数据值,为电网继电保护定值正确性提供有力保障。
Description
技术领域
本发明涉及电力系统技术领域,特别涉及一种全网设备参数异常值辨识方法及系统。
背景技术
目前继电保护定值计算的整个工作流程十分依赖于参与人员的知识体系结构、积累的实际经验、处理复杂问题的能力和对工作的责任感,人因风险管控压力大,难以持续发展。电网的安全稳定运行离不开各系统如整定计算与在线校核、电力系统稳定分析等软件的正常运行,而设备参数是这些系统正常运行的基础。各专业、各级调度的模型应用,都是面对的同一张电网,其设备参数应该都是唯一的,但目前的现实情况是,各专业的数据总是或多或少存在着差异,到底哪份数据更准确一直也是现场困惑的问题;另外,某一地区数据的录入总是或多或少受过去经验的影响,但这个经验本身由于受当时的历史条件限制,其正确性也是一个问题,同时,设备参数都是通过人工录入系统,可能存在人为疏忽,因此,脱离人为因素的参数录入的智能检查也非常必要,特别是新增设备时,能利用系统内原有数据规律对新录数据的准确性进行检查及智能录入显得非常重要。因此,有必要研究一种新方法对电网设备参数异常值进行辨识。
目前应用的对设备参数辨识的方法包括:(1)通过设备参数数值分布规律进行曲线拟合,超出曲线拟合范围的数值认为是异常值,由于曲线拟合存在一定偏差,对数据的处理容易产生误导;(2)根据历史经验人为制定上下限区间,缺乏一定的科学依据,可能造成正确数据的误处理或错误数据漏处理;(3)计算设备参数数据的均值和标准差来判断异常值,但是均值和标准差的耐抗性较小,很容易受到异常值的影响,其有效性有限。
随着电网规模的扩大,调度信息化的发展,电网非正常运行方式明显增多,给当继电保护整定计算工作带来了巨大的挑战,要保证定值的准确性,首先要保证电网模型的准确性,而模型的准确性是由各设备参数的准确性决定的,因此设备参数的准确性是防止“误整定”事件的第一道防线,而模型生成的方式大都通过人工录入参数且没有校验机制,一旦存在参数误输入的情况,电网模型的准确性便不能保证,从而定值的准确性也会受到影响。
发明内容
本发明旨在至少解决上述技术问题之一。
为此,本发明的一个目的在于提出一种全网设备参数异常值辨识方法,该方法通用性强、可靠性高,可有效识别电网设备参数中的异常数据值,为电网继电保护定值正确性提供有力保障。
为此,本发明的第二个目的在于提出一种全网设备参数异常值辨识系统。
为了实现上述目的,本发明第一方面的实施例提出了一种全网设备参数异常值辨识方法,包括以下步骤:获取全网设备参数数据,分别从多维度对设备参数指标进行归类分析,所述设备参数指标至少包括:线路参数指标、变压器参数指标、发电机参数指标中的一个或多个;创建各设备参数标准化字段和衍生标准化字段,作为后续设备参数异常辨识的基础;按设备类型和对应设备参数维度分别将各设备参数按升序排列并编号,分别求取各参数的方差变化率;通过对比前后两个参数的方差变化率之差,判断该设备参数数值是否存在异常;如果方差变化率之差超出预设方差阈值,则判断该方差变化率之差对应的设备参数为异常数据;如果方差变化率之差未超出预设方差阈值,则利用四分位法求得各维度设备参数数据正常值范围;如果该设备参数数据超出该正常值范围,则判断该设备参数为异常数据。
另外,根据本发明上述实施例的全网设备参数异常值辨识方法还可以具有如下附加的技术特征:
在一些示例中,还包括:如果该设备参数数据未超出该正常值范围,则判断所有维度对应的所有设备参数数据是否均已处理完成,如果是,则展示异常数据及其对应的异常原因。
在一些示例中,还包括:将异常设备参数数据存入异常数据集合中。
在一些示例中,如果判断所有维度对应的所有设备参数数据未全部处理完成,则继续进行异常辨识,直至所有维度对应的所有设备参数数据全部处理完成。
根据本发明实施例的全网设备参数异常值辨识方法,从设备类型、多维度建立设备参数的标准化字段及其标准化衍生字段,优化分析方法,适用于不同数据源的设备参数异常分析,减少重复性操作;在分析现有设备参数异常数据类型的基础上,充分结合四分位法和方差变化率方法的优点,保证对设备参数异常数据的全方位辨识;基于方差变化率和四分位法的设备参数异常值辨识方法,针对现有系统设备参数校验均依靠人工审核、可继承性差、易出错等问题,为电网一次设备参数的正确性校验及智能录入提供了良好的处理方法;从而,该方法通用性强、可靠性高,可有效识别电网设备参数中的异常数据值,为电网继电保护定值正确性提供有力保障。
为了实现上述目的,本发明第二方面的实施例提出了一种全网设备参数异常值辨识系统,包括:获取模块,用于获取全网设备参数数据,分别从多维度对设备参数指标进行归类分析,所述设备参数指标至少包括:线路参数指标、变压器参数指标、发电机参数指标中的一个或多个;创建模块,用于创建各设备参数标准化字段和衍生标准化字段,作为后续设备参数异常辨识的基础;计算模块,用于按设备类型和对应设备参数维度分别将各设备参数按升序排列并编号,分别求取各参数的方差变化率;处理模块,用于通过对比前后两个参数的方差变化率之差,判断该设备参数数值是否存在异常;判断模块,用于当方差变化率之差超出预设方差阈值时,判断该方差变化率之差对应的设备参数为异常数据,以及,当方差变化率之差未超出预设方差阈值时,利用四分位法求得各维度设备参数数据正常值范围,并当该设备参数数据超出该正常值范围时,判断该设备参数为异常数据。
另外,根据本发明上述实施例的全网设备参数异常值辨识系统还可以具有如下附加的技术特征:
在一些示例中,所述判断模块,还用于当该设备参数数据未超出该正常值范围时,判断所有维度对应的所有设备参数数据是否均已处理完成,如果是,则展示异常数据及其对应的异常原因。
在一些示例中,还包括:存储模块,用于将异常设备参数数据存入异常数据集合中。
在一些示例中,所述判断模块,还用于当判断所有维度对应的所有设备参数数据未全部处理完成,则继续进行异常辨识,直至所有维度对应的所有设备参数数据全部处理完成。
根据本发明实施例的全网设备参数异常值辨识系统,从设备类型、多维度建立设备参数的标准化字段及其标准化衍生字段,优化分析方法,适用于不同数据源的设备参数异常分析,减少重复性操作;在分析现有设备参数异常数据类型的基础上,充分结合四分位法和方差变化率方法的优点,保证对设备参数异常数据的全方位辨识;基于方差变化率和四分位法的设备参数异常值辨识方法,针对现有系统设备参数校验均依靠人工审核、可继承性差、易出错等问题,为电网一次设备参数的正确性校验及智能录入提供了良好的处理方法;从而,该系统通用性强、可靠性高,可有效识别电网设备参数中的异常数据值,为电网继电保护定值正确性提供有力保障。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明一个实施例的全网设备参数异常值辨识方法的流程图;
图2是根据本发明一个具体实施例的全网设备参数异常值辨识方法的详细流程图;
图3是根据本发明一个具体实施例的设备参数各维度数据指标划分示意图;
图4是根据本发明一个具体实施例的变压器参数各维度数据指标划分示意图;
图5是根据本发明一个具体实施例的发电机参数各维度数据指标划分示意图;
图6是根据本发明一个实施例的全网设备参数异常值辨识系统的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
以下结合附图描述根据本发明实施例的全网设备参数异常值辨识方法及系统。
为便于理解本发明实施例,在介绍本发明实施例的全网设备参数异常值辨识方法及系统之前,首先对设备参数及本发明实施例涉及的相关方法进行介绍。
具体的,设备参数数值异常情况通常包括以下几种:(1)设备参数未录入,或为0、Null的情况,这种异常数值分布在0或Null值附近波动;(2)设备参数数值误录,如将1.2误录成12,此类异常数据可能超出正常值数值很多,波动较大;(3)设备参数数值自身为错误值,此类异常数据随机分散分布,可能集中于正常值附近波动,也可能超出正常值很多。
四分位法是一种常用的异常数据识别方法,在统计学中常用来分析判断数据分布特征,四分位法的中位数、上枢位值、下枢位值、上须值、下须值可有效地衡量数据整体的分布情况,反映数据分布的中心位置和分散范围,但是当异常数据所占比重较大,或正常数据与异常数据量相当时,则无法有效地辨别设备参数的异常数据。因此,本发明实施例结合了一种对于分散数据异常能够有效识别的方差变化率方法,以保证对异常数据的全方位辨识。
图1是根据本发明一个实施例的全网设备参数异常值辨识方法的流程图。如图1所示,该全网设备参数异常值辨识方法,包括以下步骤:
步骤S1:获取全网设备参数数据,分别从多维度对设备参数指标进行归类分析,设备参数指标至少包括:线路参数指标、变压器参数指标、发电机参数指标中的一个或多个。
具体的,可从电网模型数据库中获取全网设备参数数据。分别对如下设备参数指标进行分析:
(1)线路参数指标:获取面向全网、不同区域、不同电压等级、不同设备型号的不同维度线路参数值,包括:单位正序电阻、单位正序电抗、单位零序电阻、单位零序电抗、正序阻抗角、零序阻抗角、正、零序阻抗角差值,具体例如图3所示。
(2)变压器参数指标:考虑全局数据维度、电压等级维度、变压器类型、变压器容量维度对变压器参数数据进行分析,包括:各侧正序电阻(高压侧正序电阻、中压侧正序电阻、低压侧正序电阻)、各侧正序电抗(高压侧正序电抗、中压侧正序电抗、低压侧正序电抗)、各侧零序电阻(高压侧零序电阻、中压侧零序电阻、低压侧零序电阻)、各侧零序电抗(高压侧零序电抗、中压侧零序电抗、低压侧零序电抗)、高中压侧铭牌参数短路阻抗百分比、高低压侧铭牌参数短路阻抗百分比、中低压侧铭牌参数短路阻抗百分比,具体例如图4所示。
(3)发电机参数指标:考虑全局数据维度、电压等级维度、额定容量维度对发电机参数数据进行分析,包括:铭牌次暂态电抗、铭牌负序电抗、铭牌负序电抗与次暂态电抗比值,具体例如图5所示。
步骤S2:创建各设备参数标准化字段和衍生标准化字段,作为后续设备参数异常辨识的基础。
具体的说,目前各地区继电保护相关系统的设备参数没有统一的标准规范,同一设备参数在不同的保护装置中可能存在不同的参数名称,且大量的参数杂乱分布,这些问题直接或间接的影响对设备参数异常辨识分析的有效性和准确性。因此需要将不同保护装置内的设备名称标准化为同一名称,解决不同地域的数据个性化,实现设备参数异常辨识分析的通用性和实用性。
为便于后续设备参数异常分析,根据业务需求对所有设备参数进行整理,建立各设备参数标准化字段,如令线路正序阻抗角标准化字段为线路零序阻抗角标准化字段为此外,有些设备参数指标涉及多个设备参数,因此需要建立衍生标准化设备参数字段,如线路正序、零序阻抗角差值,令其标准化字段为其中后续设备参数异常分析均基于此标准化字段进行。
在具体实施例中,各设备类型标准化字段参数如表1所示。
表1
步骤S3:按设备类型和对应设备参数维度分别将各设备参数按升序排列并编号,分别求取各参数的方差变化率。
步骤S4:通过对比前后两个参数的方差变化率之差,判断该设备参数数值是否存在异常。
步骤S5:如果方差变化率之差超出预设方差阈值,则判断该方差变化率之差对应的设备参数为异常数据。
具体的说,即基于方差变化率法进行设备参数异常值辨识。按设备类型和对应设备参数维度将设备参数按升序排列并编号,求取方差变化率。如设X1_unit(线路单位正序电抗)数据集合为W={x1,x2,…,xn},式中,xi表示第i个数据的单位正序电抗值,且数据按升序排列,即xi≤xi+1,i∈(1,n-1),求出各点方差为:
在得到各点方差后,通过方差的变化率ki来观察方差变化是否明显,若ki大于阈值T,T可根据实际情况变更,则认为此数据变化明显,存在异常。
ki=|si-si-1|
对设备的方差变化率进行识别,可以从统计学的角度得到设备参数明显变化的位置,判断是否存在明显变化的数据,若ki>0.5,则判断数据xj为异常数据。
步骤S6:如果方差变化率之差未超出预设方差阈值,则利用四分位法求得各维度设备参数数据正常值范围。
步骤S7:如果该设备参数数据超出该正常值范围,则判断该设备参数为异常数据。
具体的说,即基于四分位法进行设备参数异常值辨识。利用四分位法求得数据异常值内限,找到按升序排列后各设备参数平均分为四部分,四分之一位置的数值为第一四分位数Q1,即下枢位值;四分之二位置的数值为第二四分位数Q2,即中位数;四分之三位置的数值为第三四分位数Q3,即上枢位值。
计算中位数Q1:当n为奇数时,
n为偶数时,
计算下枢位值Q1、上枢位值Q3:
n为奇数时,
n为偶数时,
通过计算四分位数可以得到四分位极差IQR(Inter Quartile Range)为:
IQR=Q3-Q1
这个区间包含了设备参数中一半的数据,为留有一定的裕度,取n倍四分位级差作为裕度空间,得到设备参数正常数值范围为[Q1-nIQR,Q3+nIQR],处于区间内的数据为正常数据,处于区间外的数据判定为异常数据。可根据实际情况调整n的大小。进而,若有超出范围数据,则判断此数据为异常数据。
在本发明的一个实施例中,该方法还包括:如果该设备参数数据未超出该正常值范围,即表明该设备参数为正常数据,则判断所有维度对应的所有设备参数数据是否均已处理完成,如果是,则展示异常数据及其对应的异常原因。
进一步地,如果判断所有维度对应的所有设备参数数据未全部处理完成,则继续进行异常辨识,直至所有维度对应的所有设备参数数据全部处理完成。
在本发明的一个实施例中,该方法还包括:将异常设备参数数据存入异常数据集合中。
综上,本发明实施例的全网设备参数异常值辨识方法,解决了现有电网一次模型没有校验机制的问题,确保电网模型的准确性,该方法基于方差变化率和四分位法进行设备参数异常值辨识,结合方差变化率和四分位法对电网模型异常设备参数进行多维度、全方位异常数据辨识,通用性强、可靠性高,可有效识别电网设备参数中的异常数据值,为电网继电保护定值正确性提供有力保障。
为了便于更好的理解本发明,以下结合附图及具体的实施例对该全网设备参数异常值辨识方法进行示例性描述。
在具体实施例中,结合图2所示,该全网设备参数异常值辨识方法,基于方差变化率和四分位法进行设备参数异常值辨识,具体包括以下步骤:
步骤1、获取全网设备参数数据,分别从多维度对各设备参数指标进行归类分析,各设备参数指标例如包括线路参数指标、变压器参数指标、发电机参数指标。
步骤2、创建各设备参数标准化字段和衍生标准化字段,作为后续设备参数异常辨识的基础。
步骤3、按设备类型和对应设备参数维度分别将各设备参数按升序排列并编号,分别求取各参数的方差变化率。
步骤4、通过对比前后两个数据的方差变化率之差,判断设备参数数值是否存在异常,方差变化率之差超出预设方差阈值时,根据经验该预设方差阈值取0.5,判断此方差变化率对应的设备参数为异常数据,跳转到步骤8,否则继续步骤5。
步骤5、利用四分位法求得各维度设备参数数据正常值范围,根据经验,n取1.5。
步骤6、若此设备参数数据超出此范围,则判断此设备参数为异常数据,跳转到步骤8,否则跳转到步骤7。
步骤7、判断是否所有维度对应的所有设备参数数据均已经处理完成,若是,则跳转到步骤9,否则跳转到步骤3。
步骤8、将异常设备参数数据存入异常数据集合中,存储完成后跳转到步骤7。
步骤9、展示异常数据及其异常原因。
根据本发明实施例的全网设备参数异常值辨识方法,从设备类型、多维度建立设备参数的标准化字段及其标准化衍生字段,优化分析方法,适用于不同数据源的设备参数异常分析,减少重复性操作;在分析现有设备参数异常数据类型的基础上,充分结合四分位法和方差变化率方法的优点,保证对设备参数异常数据的全方位辨识;基于方差变化率和四分位法的设备参数异常值辨识方法,针对现有系统设备参数校验均依靠人工审核、可继承性差、易出错等问题,为电网一次设备参数的正确性校验及智能录入提供了良好的处理方法;从而,该方法通用性强、可靠性高,可有效识别电网设备参数中的异常数据值,为电网继电保护定值正确性提供有力保障。
本发明的进一步实施例还提出了一种全网设备参数异常值辨识系统。
图6是根据本发明一个实施例的全网设备参数异常值辨识系统的结构框图。如图6所示,该全网设备参数异常值辨识系统100,包括:获取模块110、创建模块120、计算模块130、处理模块140和判断模块150。
具体的,获取模块110用于获取全网设备参数数据,分别从多维度对设备参数指标进行归类分析,设备参数指标至少包括:线路参数指标、变压器参数指标、发电机参数指标中的一个或多个。
具体的,可从电网模型数据库中获取全网设备参数数据。分别对如下设备参数指标进行分析:
(1)线路参数指标:获取面向全网、不同区域、不同电压等级、不同设备型号的不同维度线路参数值,包括:单位正序电阻、单位正序电抗、单位零序电阻、单位零序电抗、正序阻抗角、零序阻抗角、正、零序阻抗角差值。
(2)变压器参数指标:考虑全局数据维度、电压等级维度、变压器类型、变压器容量维度对变压器参数数据进行分析,包括:各侧正序电阻(高压侧正序电阻、中压侧正序电阻、低压侧正序电阻)、各侧正序电抗(高压侧正序电抗、中压侧正序电抗、低压侧正序电抗)、各侧零序电阻(高压侧零序电阻、中压侧零序电阻、低压侧零序电阻)、各侧零序电抗(高压侧零序电抗、中压侧零序电抗、低压侧零序电抗)、高中压侧铭牌参数短路阻抗百分比、高低压侧铭牌参数短路阻抗百分比、中低压侧铭牌参数短路阻抗百分比。
(3)发电机参数指标:考虑全局数据维度、电压等级维度、额定容量维度对发电机参数数据进行分析,包括:铭牌次暂态电抗、铭牌负序电抗、铭牌负序电抗与次暂态电抗比值。
创建模块120用于创建各设备参数标准化字段和衍生标准化字段,作为后续设备参数异常辨识的基础。
具体的说,目前各地区继电保护相关系统的设备参数没有统一的标准规范,同一设备参数在不同的保护装置中可能存在不同的参数名称,且大量的参数杂乱分布,这些问题直接或间接的影响对设备参数异常辨识分析的有效性和准确性。因此需要将不同保护装置内的设备名称标准化为同一名称,解决不同地域的数据个性化,实现设备参数异常辨识分析的通用性和实用性。
为便于后续设备参数异常分析,根据业务需求对所有设备参数进行整理,建立各设备参数标准化字段,如令线路正序阻抗角标准化字段为线路零序阻抗角标准化字段为此外,有些设备参数指标涉及多个设备参数,因此需要建立衍生标准化设备参数字段,如线路正序、零序阻抗角差值,令其标准化字段为其中后续设备参数异常分析均基于此标准化字段进行。
计算模块130用于按设备类型和对应设备参数维度分别将各设备参数按升序排列并编号,分别求取各参数的方差变化率。
处理模块140用于通过对比前后两个参数的方差变化率之差,判断该设备参数数值是否存在异常。
判断模块150用于当方差变化率之差超出预设方差阈值时,判断该方差变化率之差对应的设备参数为异常数据,以及,当方差变化率之差未超出预设方差阈值时,利用四分位法求得各维度设备参数数据正常值范围,并当该设备参数数据超出该正常值范围时,判断该设备参数为异常数据。
具体的说,即基于方差变化率法进行设备参数异常值辨识。按设备类型和对应设备参数维度将设备参数按升序排列并编号,求取方差变化率。如设X1_unit(线路单位正序电抗)数据集合为W={x1,x2,…,xn},式中,xi表示第i个数据的单位正序电抗值,且数据按升序排列,即xi≤xi+1,i∈(1,n-1),求出各点方差为:
在得到各点方差后,通过方差的变化率ki来观察方差变化是否明显,若ki大于阈值T,T可根据实际情况变更,则认为此数据变化明显,存在异常。
ki=|si-si-1|
对设备的方差变化率进行识别,可以从统计学的角度得到设备参数明显变化的位置,判断是否存在明显变化的数据,若ki>0.5,则判断数据xj为异常数据。
如前所述,判断模块150还用于当方差变化率之差未超出预设方差阈值时,利用四分位法求得各维度设备参数数据正常值范围;当该设备参数数据超出该正常值范围时,判断该设备参数为异常数据。
具体的说,即基于四分位法进行设备参数异常值辨识。利用四分位法求得数据异常值内限,找到按升序排列后各设备参数平均分为四部分,四分之一位置的数值为第一四分位数Q1,即下枢位值;四分之二位置的数值为第二四分位数Q2,即中位数;四分之三位置的数值为第三四分位数Q3,即上枢位值。
计算中位数Q1:当n为奇数时,
n为偶数时,
计算下枢位值Q1、上枢位值Q3:
n为奇数时,
n为偶数时,
通过计算四分位数可以得到四分位极差IQR(Inter Quartile Range)为:
IQR=Q3-Q1
这个区间包含了设备参数中一半的数据,为留有一定的裕度,取n倍四分位级差作为裕度空间,得到设备参数正常数值范围为[Q1-nIQR,Q3+nIQR],处于区间内的数据为正常数据,处于区间外的数据判定为异常数据。可根据实际情况调整n的大小。进而,若有超出范围数据,则判断此数据为异常数据。
在本发明的一个实施例中,判断模块150还用于当该设备参数数据未超出该正常值范围,即表明该设备参数为正常数据时,判断所有维度对应的所有设备参数数据是否均已处理完成,如果是,则展示异常数据及其对应的异常原因。
进一步地,判断模块150还用于当判断所有维度对应的所有设备参数数据未全部处理完成,则继续进行异常辨识,直至所有维度对应的所有设备参数数据全部处理完成。
在本发明的一个实施例中,该全网设备参数异常值辨识系统还包括存储模块。存储模块用于将异常设备参数数据存入异常数据集合中。
综上,本发明实施例的全网设备参数异常值辨识系统,解决了现有电网一次模型没有校验机制的问题,确保电网模型的准确性,该方法基于方差变化率和四分位法进行设备参数异常值辨识,结合方差变化率和四分位法对电网模型异常设备参数进行多维度、全方位异常数据辨识,通用性强、可靠性高,可有效识别电网设备参数中的异常数据值,为电网继电保护定值正确性提供有力保障。
需要说明的是,本发明实施例的全网设备参数异常值辨识系统的具体实现方式与本发明实施例的全网设备参数异常值辨识方法的具体实现方式类似,具体请参见方法部分的描述,为了减少冗余,此处不再赘述。
根据本发明实施例的全网设备参数异常值辨识系统,从设备类型、多维度建立设备参数的标准化字段及其标准化衍生字段,优化分析方法,适用于不同数据源的设备参数异常分析,减少重复性操作;在分析现有设备参数异常数据类型的基础上,充分结合四分位法和方差变化率方法的优点,保证对设备参数异常数据的全方位辨识;基于方差变化率和四分位法的设备参数异常值辨识方法,针对现有系统设备参数校验均依靠人工审核、可继承性差、易出错等问题,为电网一次设备参数的正确性校验及智能录入提供了良好的处理方法;从而,该系统通用性强、可靠性高,可有效识别电网设备参数中的异常数据值,为电网继电保护定值正确性提供有力保障。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同限定。
Claims (8)
1.一种全网设备参数异常值辨识方法,其特征在于,包括以下步骤:
获取全网设备参数数据,分别从多维度对设备参数指标进行归类分析,所述设备参数指标至少包括:线路参数指标、变压器参数指标、发电机参数指标中的一个或多个;
创建各设备参数标准化字段和衍生标准化字段,作为后续设备参数异常辨识的基础;
按设备类型和对应设备参数维度分别将各设备参数按升序排列并编号,分别求取各参数的方差变化率;
通过对比前后两个参数的方差变化率之差,判断该设备参数数值是否存在异常;
如果方差变化率之差超出预设方差阈值,则判断该方差变化率之差对应的设备参数为异常数据;
如果方差变化率之差未超出预设方差阈值,则利用四分位法求得各维度设备参数数据正常值范围;
如果该设备参数数据超出该正常值范围,则判断该设备参数为异常数据。
2.根据权利要求1所述的全网设备参数异常值辨识方法,其特征在于,还包括:
如果该设备参数数据未超出该正常值范围,则判断所有维度对应的所有设备参数数据是否均已处理完成,如果是,则展示异常数据及其对应的异常原因。
3.根据权利要求1或2所述的全网设备参数异常值辨识方法,其特征在于,还包括:
将异常设备参数数据存入异常数据集合中。
4.根据权利要求3所述的全网设备参数异常值辨识方法,其特征在于,如果判断所有维度对应的所有设备参数数据未全部处理完成,则继续进行异常辨识,直至所有维度对应的所有设备参数数据全部处理完成。
5.一种全网设备参数异常值辨识系统,其特征在于,包括:
获取模块,用于获取全网设备参数数据,分别从多维度对设备参数指标进行归类分析,所述设备参数指标至少包括:线路参数指标、变压器参数指标、发电机参数指标中的一个或多个;
创建模块,用于创建各设备参数标准化字段和衍生标准化字段,作为后续设备参数异常辨识的基础;
计算模块,用于按设备类型和对应设备参数维度分别将各设备参数按升序排列并编号,分别求取各参数的方差变化率;
处理模块,用于通过对比前后两个参数的方差变化率之差,判断该设备参数数值是否存在异常;
判断模块,用于当方差变化率之差超出预设方差阈值时,判断该方差变化率之差对应的设备参数为异常数据,以及,当方差变化率之差未超出预设方差阈值时,利用四分位法求得各维度设备参数数据正常值范围,并当该设备参数数据超出该正常值范围时,判断该设备参数为异常数据。
6.根据权利要求5所述的全网设备参数异常值辨识系统,其特征在于,
所述判断模块,还用于当该设备参数数据未超出该正常值范围时,判断所有维度对应的所有设备参数数据是否均已处理完成,如果是,则展示异常数据及其对应的异常原因。
7.根据权利要求5或6所述的全网设备参数异常值辨识系统,其特征在于,还包括:
存储模块,用于将异常设备参数数据存入异常数据集合中。
8.根据权利要求7所述的全网设备参数异常值辨识系统,其特征在于,
所述判断模块,还用于当判断所有维度对应的所有设备参数数据未全部处理完成,则继续进行异常辨识,直至所有维度对应的所有设备参数数据全部处理完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010015479.1A CN111242459A (zh) | 2020-01-07 | 2020-01-07 | 全网设备参数异常值辨识方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010015479.1A CN111242459A (zh) | 2020-01-07 | 2020-01-07 | 全网设备参数异常值辨识方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111242459A true CN111242459A (zh) | 2020-06-05 |
Family
ID=70874330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010015479.1A Pending CN111242459A (zh) | 2020-01-07 | 2020-01-07 | 全网设备参数异常值辨识方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111242459A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111984930A (zh) * | 2020-08-19 | 2020-11-24 | 河海大学 | 一种地下水水位监测数据异常值识别方法及系统 |
CN112035543A (zh) * | 2020-08-28 | 2020-12-04 | 平安医疗健康管理股份有限公司 | 药品用量数据的异常识别方法、装置和计算机设备 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101566641A (zh) * | 2009-03-06 | 2009-10-28 | 深圳市双合电脑系统股份有限公司 | 一种电力系统输电线路参数同步测量与记录装置 |
CN102967779A (zh) * | 2012-11-14 | 2013-03-13 | 广东电网公司东莞供电局 | 一种输电线路分布参数的辨识方法 |
CN104020370A (zh) * | 2014-05-22 | 2014-09-03 | 中国南方电网有限责任公司电网技术研究中心 | 基于虚拟参数变化监视的变压器内部故障诊断方法 |
CN104143160A (zh) * | 2014-07-18 | 2014-11-12 | 国家电网公司 | 一种基于计算机实现的评测电网调度能力的方法 |
CN104166767A (zh) * | 2014-08-18 | 2014-11-26 | 国家电网公司 | 一种将变压器零序试验数据转换为计算用零序参数的方法 |
CN104809594A (zh) * | 2015-05-13 | 2015-07-29 | 中国电力科学研究院 | 一种基于动态离群点检测的配电网数据在线清洗方法 |
CN105677952A (zh) * | 2015-12-30 | 2016-06-15 | 南京理工大学 | 一种考虑失稳位置不确定的输电线路故障概率评估方法 |
CN106130781A (zh) * | 2016-07-19 | 2016-11-16 | 国网江苏省电力公司电力科学研究院 | 基于配电网拓扑模型的变压器故障累积效应评估方法 |
CN106253248A (zh) * | 2016-08-24 | 2016-12-21 | 江苏方天电力技术有限公司 | 基于区间运算的分布式电源与传统电厂短路电流计算方法 |
CN106788060A (zh) * | 2017-01-04 | 2017-05-31 | 新疆大学 | 基于改进SVD‑Prony算法的发电机参数辨识方法 |
CN107248736A (zh) * | 2017-05-25 | 2017-10-13 | 华北电力大学 | 一种配电网线路正序参数的在线辨识方法 |
CN108051700A (zh) * | 2017-10-19 | 2018-05-18 | 北京交通大学 | 基于μPMU的配电线路参数辨识的相分量故障测距方法 |
CN108075469A (zh) * | 2017-12-20 | 2018-05-25 | 国网江西省电力有限公司电力科学研究院 | 一种配电变压器零序阻抗计算方法 |
CN108092266A (zh) * | 2017-12-29 | 2018-05-29 | 国网浙江省电力有限公司电力科学研究院 | 一种考虑零序阻抗的适用于电磁暂态仿真的大电网等值方法 |
CN108335231A (zh) * | 2018-01-29 | 2018-07-27 | 国网福建省电力有限公司 | 一种自动匹配的配电网数据诊断方法 |
US20180260561A1 (en) * | 2017-03-08 | 2018-09-13 | General Electric Company | Generic framework to detect cyber threats in electric power grid |
CN108872792A (zh) * | 2018-07-16 | 2018-11-23 | 西南交通大学 | 一种输电线路故障检测方法 |
CN109001596A (zh) * | 2018-10-17 | 2018-12-14 | 广东电网有限责任公司 | 一种电网故障诊断与输电线路参数辨识系统 |
CN109324264A (zh) * | 2018-10-24 | 2019-02-12 | 中国电力科学研究院有限公司 | 一种配电网线路阻抗数据异常值的辨识方法及装置 |
CN110619182A (zh) * | 2019-09-24 | 2019-12-27 | 长沙理工大学 | 一种基于wams大数据的输电线路参数辨识及输电网建模方法 |
CN110633269A (zh) * | 2019-08-02 | 2019-12-31 | 国家电网公司华东分部 | 基于Tableau的设备参数数据标准化方法 |
-
2020
- 2020-01-07 CN CN202010015479.1A patent/CN111242459A/zh active Pending
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101566641A (zh) * | 2009-03-06 | 2009-10-28 | 深圳市双合电脑系统股份有限公司 | 一种电力系统输电线路参数同步测量与记录装置 |
CN102967779A (zh) * | 2012-11-14 | 2013-03-13 | 广东电网公司东莞供电局 | 一种输电线路分布参数的辨识方法 |
CN104020370A (zh) * | 2014-05-22 | 2014-09-03 | 中国南方电网有限责任公司电网技术研究中心 | 基于虚拟参数变化监视的变压器内部故障诊断方法 |
CN104143160A (zh) * | 2014-07-18 | 2014-11-12 | 国家电网公司 | 一种基于计算机实现的评测电网调度能力的方法 |
CN104166767A (zh) * | 2014-08-18 | 2014-11-26 | 国家电网公司 | 一种将变压器零序试验数据转换为计算用零序参数的方法 |
CN104809594A (zh) * | 2015-05-13 | 2015-07-29 | 中国电力科学研究院 | 一种基于动态离群点检测的配电网数据在线清洗方法 |
CN105677952A (zh) * | 2015-12-30 | 2016-06-15 | 南京理工大学 | 一种考虑失稳位置不确定的输电线路故障概率评估方法 |
CN106130781A (zh) * | 2016-07-19 | 2016-11-16 | 国网江苏省电力公司电力科学研究院 | 基于配电网拓扑模型的变压器故障累积效应评估方法 |
CN106253248A (zh) * | 2016-08-24 | 2016-12-21 | 江苏方天电力技术有限公司 | 基于区间运算的分布式电源与传统电厂短路电流计算方法 |
CN106788060A (zh) * | 2017-01-04 | 2017-05-31 | 新疆大学 | 基于改进SVD‑Prony算法的发电机参数辨识方法 |
US20180260561A1 (en) * | 2017-03-08 | 2018-09-13 | General Electric Company | Generic framework to detect cyber threats in electric power grid |
CN107248736A (zh) * | 2017-05-25 | 2017-10-13 | 华北电力大学 | 一种配电网线路正序参数的在线辨识方法 |
CN108051700A (zh) * | 2017-10-19 | 2018-05-18 | 北京交通大学 | 基于μPMU的配电线路参数辨识的相分量故障测距方法 |
CN108075469A (zh) * | 2017-12-20 | 2018-05-25 | 国网江西省电力有限公司电力科学研究院 | 一种配电变压器零序阻抗计算方法 |
CN108092266A (zh) * | 2017-12-29 | 2018-05-29 | 国网浙江省电力有限公司电力科学研究院 | 一种考虑零序阻抗的适用于电磁暂态仿真的大电网等值方法 |
CN108335231A (zh) * | 2018-01-29 | 2018-07-27 | 国网福建省电力有限公司 | 一种自动匹配的配电网数据诊断方法 |
CN108872792A (zh) * | 2018-07-16 | 2018-11-23 | 西南交通大学 | 一种输电线路故障检测方法 |
CN109001596A (zh) * | 2018-10-17 | 2018-12-14 | 广东电网有限责任公司 | 一种电网故障诊断与输电线路参数辨识系统 |
CN109324264A (zh) * | 2018-10-24 | 2019-02-12 | 中国电力科学研究院有限公司 | 一种配电网线路阻抗数据异常值的辨识方法及装置 |
CN110633269A (zh) * | 2019-08-02 | 2019-12-31 | 国家电网公司华东分部 | 基于Tableau的设备参数数据标准化方法 |
CN110619182A (zh) * | 2019-09-24 | 2019-12-27 | 长沙理工大学 | 一种基于wams大数据的输电线路参数辨识及输电网建模方法 |
Non-Patent Citations (1)
Title |
---|
沈小军等: "风电机组风速-功率异常运行数据", vol. 33, no. 33, pages 3353 - 3361 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111984930A (zh) * | 2020-08-19 | 2020-11-24 | 河海大学 | 一种地下水水位监测数据异常值识别方法及系统 |
CN112035543A (zh) * | 2020-08-28 | 2020-12-04 | 平安医疗健康管理股份有限公司 | 药品用量数据的异常识别方法、装置和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832855B (zh) | 基于相关性分析的线损多源诊断方法及系统 | |
CN111242459A (zh) | 全网设备参数异常值辨识方法及系统 | |
CN116125361B (zh) | 电压互感器误差评估方法、系统、电子设备及存储介质 | |
CN106503884A (zh) | 一种对开关柜进行健康状态评估的方法 | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
CN113887846B (zh) | 一种电容式电压互感器的超差风险预警方法 | |
CN106251042A (zh) | 一种对配电变压器进行健康状态评估的方法 | |
CN109472293A (zh) | 一种基于机器学习的电网设备档案数据纠错方法 | |
CN111881124A (zh) | 一种基于改进算法的状态估计的数据处理方法及系统 | |
CN112686405A (zh) | 一种基于故障树的配电网故障区域划分方法 | |
CN114778936A (zh) | 电能计量异常的监控方法、监控器、系统以及电子设备 | |
CN107015526A (zh) | 基于直觉模糊多属性决策的智能数控系统风险评估方法 | |
CN115036595A (zh) | 储能电池安全预防维护方法、装置及系统 | |
CN111999691A (zh) | 一种计量传感器装置的误差校准方法和误差校准装置 | |
CN114723223A (zh) | 基于旭日图的电表健康度分析展示方法及装置 | |
CN106709623B (zh) | 一种基于风险计算模型的电网营销稽查风险管控方法 | |
CN108446202A (zh) | 一种机房设备的安全状况的判断方法 | |
CN104616209A (zh) | 一种基于在线监测的电力电缆接头信息聚合评价方法 | |
CN117057666A (zh) | 一种数字化配电网的配电质量评估方法及系统 | |
CN109784777B (zh) | 基于时序信息片段云相似度度量的电网设备状态评估方法 | |
CN111144712A (zh) | 基于层次分析法的高压供用电安全评估方法、系统、存储介质及计算机设备 | |
CN115833387A (zh) | 一种储能电站自动化状态巡检方法 | |
CN115693692A (zh) | 基于配电网电压数据分析的电压合格率提升方法 | |
CN113361730B (zh) | 一种检修计划的风险预警方法、装置、设备和介质 | |
CN113094244B (zh) | 一种用于数据中心的机房运行智能检测系统 |
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 |