CN111371188A - 一种用电异常数据实时预警系统 - Google Patents
一种用电异常数据实时预警系统 Download PDFInfo
- Publication number
- CN111371188A CN111371188A CN202010373793.7A CN202010373793A CN111371188A CN 111371188 A CN111371188 A CN 111371188A CN 202010373793 A CN202010373793 A CN 202010373793A CN 111371188 A CN111371188 A CN 111371188A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- abnormal
- early warning
- alarm
- 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 54
- 238000007405 data analysis Methods 0.000 claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 230000008676 import Effects 0.000 claims abstract description 5
- 238000007418 data mining Methods 0.000 claims description 49
- 238000004891 communication Methods 0.000 claims description 23
- 208000012661 Dyskinesia Diseases 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000005611 electricity Effects 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 9
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 238000005094 computer simulation Methods 0.000 claims description 5
- 238000004141 dimensional analysis Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 5
- 230000002265 prevention Effects 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 7
- 238000003066 decision tree Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000002085 persistent effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/16—Electric power substations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用电异常数据实时预警系统,包括数据采集单元、数据分析单元和报警单元,所述数据采集单元采集接收电网数据,并将数据传递给数据分析单元,数据分析单元将接收得到的数据导入计算模型,根据计算模型得到异常数据,异常数据产生后,报警单元将报警信号推送至对应的县公司或供电所。本发明实现了变电站接地网状态检测和安全性能评估的技术突破,提高了检测的效率和精度,能够及时有效地对各级供电所进行预警,为电力部门提供了一个有效的预防事故措施,大大提高了管理效率,保障了变电站的安全稳定运行。
Description
技术领域
本发明涉及用电预警技术领域,具体是一种用电异常数据实时预警系统。
背景技术
随着电网规模的不断扩大,加之智能终端设备的安装覆盖率逐年提高,使得电网的业务数据正以爆炸性的趋势增长,如何利用数据挖掘技术,在海量的电网数据中挖掘出有价值的信息,成为当前电力系统分析中的一个挑战性问题。
另一方面,随着市场经济的发展,电网公司正在逐渐转化为经营型企业,如何对用电用户的行为进行分析和预测,并为其提供个性化的电力服务,成为电网公司亟待解决的问题。因此,对电力大数据进行分析和研究,将有利于提高电网公司的经营管理水平和建立坚强的智能电网。
现实情况下,通信故障、设备故障、电网波动以及人为因素等,都会导致用电信息采集系统出现大量异常数据。
发明内容
本发明的目的在于提供一种用电异常数据实时预警系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种用电异常数据实时预警系统,包括数据采集单元、数据分析单元和报警单元,所述数据采集单元采集接收电网数据,并将数据传递给数据分析单元,数据分析单元将接收得到的数据导入计算模型,根据计算模型得到异常数据,异常数据产生后,报警单元将报警信号推送至对应的县公司或供电所。
作为本发明进一步的方案:所述电网数据来源于kv线路数据和.kv台区数据。
作为本发明再进一步的方案:所述异常数据包括但不限于高损异动、重复异动、间歇性异动、持续性异动等异常数据。
作为本发明再进一步的方案:所述数据采集单元连接有无线通信模块Ⅰ,所述数据分析单元连接有无线通信模块Ⅱ,无线通信模块Ⅰ和无线通信模块Ⅱ通过互联网进行无线连接,用于将数据采集单元采集得到得到电网信号传递给数据分析单元。
作为本发明再进一步的方案:所述数据分析单元包括数据挖掘模块、数据分析模块和数据解释模块,数据挖掘模块、数据分析模块和数据解释模块依次连接,数据挖掘模块从大量的电网数据中提取得到隐含的数据信息,数据分析模块通过计算机对隐含的数据信息进行全维度分析,进而对各类数据信息进行分类判断,得到电网数据中的异常数据信息。
作为本发明再进一步的方案:所述数据挖掘模块包括图形用户接口、模式评价模块、数据挖掘引擎、数据仓库服务器和知识库,图形用户接口、模式评价模块、数据挖掘引擎和数据仓库服务器依次相互连接,模式评价模块和知识库相互连接,知识库的输出端与数据挖掘引擎连接。
作为本发明再进一步的方案:所述数据挖掘模块还包括有数据库和数据仓库,数据库和数据仓库的输出端均与数据仓库服务器连接,数据库和数据仓库将处理、过滤和集成后的数据发送至数据仓库服务器,进而方便数据挖掘引擎提取隐含在电网数据中人们事先不知道的、但又是潜在有用的信息和知识。
作为本发明再进一步的方案:所述报警单元包括信号接收模块、历史数据模块、报警器和工单推送模块,所述信号接收模块用于接收数据分析单元处理得到的异常数据,并将异常数据分别推送至历史数据库和报警器,所述报警器通过工单推送模块将报警工单推送至供电局,同时记录各项报警工单是否按规定时间段内,进行排查和检修。
作为本发明再进一步的方案:计算模型包括但不限于Hampel抗差算法、加权皮尔逊算法和随机森林算法。
与现有技术相比,本发明的有益效果是:本发明实现了变电站接地网状态检测和安全性能评估的技术突破,提高了检测的效率和精度,能够及时有效地对各级供电所进行预警,为电力部门提供了一个有效的预防事故措施,既可用于新建接地网的评估验收,又可用于旧接地网的状态检测,成功实施表明该方法和系统具有诊断效率高、操作简便、测量准确等优势,大大提高了管理效率,保障了变电站的安全稳定运行。
附图说明
图1为用电异常数据实时预警系统的结构示意图。
图2为用电异常数据实时预警系统中数据分析单元的结构示意图。
图3为用电异常数据实时预警系统中数据挖掘模块的结构示意图。
图4为用电异常数据实时预警系统中报警单元的结构示意图。
图中:1-数据采集单元、2-无线通信模块Ⅰ、3-无线通信模块Ⅱ、4-数据分析单元、41-数据挖掘模块、411-图形用户接口、412-模式评价模块、413-数据挖掘引擎、414-数据仓库服务器、415-知识库、416-数据库、417-数据仓库、42-数据分析模块、43-数据解释模块、5-报警单元、51-信号接收模块、52-历史数据库、53-报警器、54-工单推送模块。
具体实施方式
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,所描述的实施例仅仅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,本领域普通技术人员在没有做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。
实施例1
请参阅图1~3,本发明实施例中,一种用电异常数据实时预警系统,包括数据采集单元1、数据分析单元4和报警单元5,所述数据采集单元1采集接收电网数据,并将数据传递给数据分析单元4,数据分析单元4将接收得到的数据导入计算模型,根据计算模型得到异常数据,异常数据产生后,报警单元5将报警信号推送至对应的县公司或供电所;
具体的,本实施例中,所述电网数据来源于10kv线路数据和0.4kv台区数据;
具体的,本实施例中,所述异常数据包括但不限于高损异动、重复异动、间歇性异动、持续性异动等异常数据;
所述数据采集单元1连接有无线通信模块Ⅰ2,所述数据分析单元4连接有无线通信模块Ⅱ3,无线通信模块Ⅰ2和无线通信模块Ⅱ3通过互联网进行无线连接,用于将数据采集单元采集得到得到电网信号传递给数据分析单元4;
所述数据分析单元4包括数据挖掘模块41、数据分析模块42和数据解释模块43,数据挖掘模块41、数据分析模块42和数据解释模块43依次连接,数据挖掘模块41从大量的电网数据中提取得到隐含的数据信息,数据分析模块42通过计算机对隐含的数据信息进行全维度分析,进而对各类数据信息进行分类判断,得到电网数据中的异常数据信息;
所述数据挖掘模块41包括图形用户接口411、模式评价模块412、数据挖掘引擎413、数据仓库服务器414和知识库115,图形用户接口411、模式评价模块412、数据挖掘引擎413和数据仓库服务器414依次相互连接,模式评价模块412和知识库115相互连接,知识库115的输出端与数据挖掘引擎413连接;
所述数据挖掘模块41还包括有数据库416和数据仓库417,数据库416和数据仓库417的输出端均与数据仓库服务器414连接,数据库416和数据仓库417将处理、过滤和集成后的数据发送至数据仓库服务器414,进而方便数据挖掘引擎413提取隐含在电网数据中人们事先不知道的、但又是潜在有用的信息和知识。
实施例2
请参阅图1~3,本发明实施例中,一种用电异常数据实时预警系统,包括数据采集单元1、数据分析单元4和报警单元5,所述数据采集单元1采集接收电网数据,并将数据传递给数据分析单元4,数据分析单元4将接收得到的数据导入计算模型,根据计算模型得到异常数据,异常数据产生后,报警单元5将报警信号推送至对应的县公司或供电所;
具体的,本实施例中,所述电网数据来源于10kv线路数据和0.4kv台区数据;
具体的,本实施例中,所述异常数据包括但不限于高损异动、重复异动、间歇性异动、持续性异动等异常数据;
所述数据采集单元1连接有无线通信模块Ⅰ2,所述数据分析单元4连接有无线通信模块Ⅱ3,无线通信模块Ⅰ2和无线通信模块Ⅱ3通过互联网进行无线连接,用于将数据采集单元采集得到得到电网信号传递给数据分析单元4;
所述数据分析单元4包括数据挖掘模块41、数据分析模块42和数据解释模块43,数据挖掘模块41、数据分析模块42和数据解释模块43依次连接,数据挖掘模块41从大量的电网数据中提取得到隐含的数据信息,数据分析模块42通过计算机对隐含的数据信息进行全维度分析,进而对各类数据信息进行分类判断,得到电网数据中的异常数据信息;
所述数据挖掘模块41包括图形用户接口411、模式评价模块412、数据挖掘引擎413、数据仓库服务器414和知识库115,图形用户接口411、模式评价模块412、数据挖掘引擎413和数据仓库服务器414依次相互连接,模式评价模块412和知识库115相互连接,知识库115的输出端与数据挖掘引擎413连接;
所述数据挖掘模块41还包括有数据库416和数据仓库417,数据库416和数据仓库417的输出端均与数据仓库服务器414连接,数据库416和数据仓库417将处理、过滤和集成后的数据发送至数据仓库服务器414,进而方便数据挖掘引擎413提取隐含在电网数据中人们事先不知道的、但又是潜在有用的信息和知识。
请参阅图4,本实施例与实施例1的不同之处在于:
所述报警单元5包括信号接收模块51、历史数据模块52、报警器53和工单推送模块54,所述信号接收模块51用于接收数据分析单元4处理得到的异常数据,并将异常数据分别推送至历史数据库和报警器53,所述报警器53通过工单推送模块54将报警工单推送至供电局,同时记录各项报警工单是否按规定时间段内,进行排查和检修。
实施例3
请参阅图1~3,本发明实施例中,一种用电异常数据实时预警系统,包括数据采集单元1、数据分析单元4和报警单元5,所述数据采集单元1采集接收电网数据,并将数据传递给数据分析单元4,数据分析单元4将接收得到的数据导入计算模型,根据计算模型得到异常数据,异常数据产生后,报警单元5将报警信号推送至对应的县公司或供电所;
具体的,本实施例中,所述电网数据来源于10kv线路数据和0.4kv台区数据;
具体的,本实施例中,所述异常数据包括但不限于高损异动、重复异动、间歇性异动、持续性异动等异常数据;
所述数据采集单元1连接有无线通信模块Ⅰ2,所述数据分析单元4连接有无线通信模块Ⅱ3,无线通信模块Ⅰ2和无线通信模块Ⅱ3通过互联网进行无线连接,用于将数据采集单元采集得到得到电网信号传递给数据分析单元4;
所述数据分析单元4包括数据挖掘模块41、数据分析模块42和数据解释模块43,数据挖掘模块41、数据分析模块42和数据解释模块43依次连接,数据挖掘模块41从大量的电网数据中提取得到隐含的数据信息,数据分析模块42通过计算机对隐含的数据信息进行全维度分析,进而对各类数据信息进行分类判断,得到电网数据中的异常数据信息;
所述数据挖掘模块41包括图形用户接口411、模式评价模块412、数据挖掘引擎413、数据仓库服务器414和知识库115,图形用户接口411、模式评价模块412、数据挖掘引擎413和数据仓库服务器414依次相互连接,模式评价模块412和知识库115相互连接,知识库115的输出端与数据挖掘引擎413连接;
所述数据挖掘模块41还包括有数据库416和数据仓库417,数据库416和数据仓库417的输出端均与数据仓库服务器414连接,数据库416和数据仓库417将处理、过滤和集成后的数据发送至数据仓库服务器414,进而方便数据挖掘引擎413提取隐含在电网数据中人们事先不知道的、但又是潜在有用的信息和知识。
本实施例与实施例1的不同之处在于:
对数据处理的计算模型包括但不限于Hampel抗差算法、加权皮尔逊算法和随机森林算法;
(1)所述Hampel抗差法是M估计的一种,是经典极大似然估计的推广,由于M估计崩溃污染率低,不能处理较多粗差,Hampel抗差法采用了三段截尾ρ函数用于粗差的识别和修正,对于有n个节点组成的网络,算法的ρ函数表达式为:
式中V为量测数据残差;a、b、c为调制阈值,一般为1.0~3.0;J为平差因子阵;σ为余差的绝对中位差;j=1,2,…,n;
(2)对于加权皮尔逊算法,皮尔逊相关系数又称皮尔逊积矩相关系数、简单相关系数,它可以分析2个定距变量间联系的紧密程度,用于度量2个变量X和Y之间的线性相关度,其计算结果介于-1与1之间,一般用r表示,计算公式为:
其中n为样本量,X、Y分别为2个变量的观测值;
若r>0,表明2个变量是正相关,即一个变量的值越大,另一个变量的值也会越大;若r<0,表明2个变量是负相关,即一个变量的值越大,另一个变量的值反而会越小;r的绝对值越大表明相关性越强;
具体的,本实施例中,对于改进加权皮尔逊相关系数算法:
在线损监控过程中,可以发现台区的损耗电量与用户的用电量也存在着线性关系;但由于传统皮尔逊算法在计算过程中,对于大数据量的分析并不直观反应问题;如某个台区在一段时间内的i日出现大幅线损波动,需要对i日所有用户的用电情况进行重点分析,可以加大i日的用电相关度对于结果r值的影响,即对i日的计算结果进行加权,根据反复计算和实践验证,权重系数k取值为:
加权后的皮尔逊相关系数算法为:
结合加权皮尔逊算法,分析一段时间两者的相关程度,在正常情况下,每个用户的电量采集数据曲线应该与台区损耗电量曲线相关度不是十分一致,即计算结果r值较接近0(针对多个台区进行计算,发现85%以上用户的相似度r值在-0.4至0.4以内),如果r值接近于-1或者1,说明存在表计计量问题,对线损产生一定影响;
线损智能诊断软件通过日电量数据分析后,检测出有可能存在异常的用户,如果是重点用户,则再结合用采集系统获取的曲线数据进一步分析,可以根据计算结果r的范围总结出反应的高损原因;
一般定义为:
表1 加权皮尔逊相关系数法反应的高损原因
r的范围 | 相关程度 | 反应的高损原因 |
0.8<r≤1.0 | 极强正相关 | 表计计量误差、倍率过小、超负荷用电、台区远端用电量过大 |
0.4<r≤0.8 | 中等正相关 | 偶发性采集失败、计量误差 |
-0.4≤r≤0.4 | 极弱相关 | 如用户负荷较大则可能存在供带关系错误 |
-0.8≤r<-0.4 | 中等反相关 | 偶发性采集失败、计量误差 |
-1.0≤r<-0.8 | 极强反相关 | 窃电、漏电、表计计量误差、倍率过大、台区轻载、频发性采集失败 |
因此,将一段时间以来的台区线损电量与台区下各个用户的数据进行皮尔逊相关系数计算后,找出相关系数特别大的用户,将其作为疑似问题进行重点检查,往往可以快速查找出该台区下的问题表计;
(3)随机森林算法是利用多个决策树对样本进行训练、分类并预测的一种算法,主要应用于回归和分类场景,在对数据进行分类的同时,还可以给出各个变量的重要性评分,评估各个变量在分类中所起的作用;
随机森林中随机是核心,通过随机的选择样本、特征,降低了决策树之间的相关性;随机森林中的随机主要有两层意思,一是随机在原始训练数据中有放回的选取等量的数据作为训练样本,二是在建立决策树时,随机的选特征中选取一部分特征建立决策树;这两种随机使得各个决策树之间的相关性小,进一步提高模型的准确性。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种用电异常数据实时预警系统,其特征在于,包括数据采集单元(1)、数据分析单元(4)和报警单元(5),所述数据采集单元(1)采集接收电网数据,并将数据传递给数据分析单元(4),数据分析单元(4)将接收得到的数据导入计算模型,根据计算模型得到异常数据,异常数据产生后,报警单元(5)将报警信号推送至对应的县公司或供电所。
2.根据权利要求1所述的用电异常数据实时预警系统,其特征在于,所述电网数据来源于10kv线路数据和0.4kv台区数据。
3.根据权利要求1所述的用电异常数据实时预警系统,其特征在于,所述异常数据包括但不限于高损异动、重复异动、间歇性异动、持续性异动等异常数据。
4.根据权利要求1所述的用电异常数据实时预警系统,其特征在于,所述数据采集单元(1)连接有无线通信模块Ⅰ(2),所述数据分析单元(4)连接有无线通信模块Ⅱ(3),无线通信模块Ⅰ(2)和无线通信模块Ⅱ(3)通过互联网进行无线连接,用于将数据采集单元采集得到得到电网信号传递给数据分析单元(4)。
5.根据权利要求4所述的用电异常数据实时预警系统,其特征在于,所述数据分析单元(4)包括数据挖掘模块(41)、数据分析模块(42)和数据解释模块(43),数据挖掘模块(41)、数据分析模块(42)和数据解释模块(43)依次连接,数据挖掘模块(41)从大量的电网数据中提取得到隐含的数据信息,数据分析模块(42)通过计算机对隐含的数据信息进行全维度分析,进而对各类数据信息进行分类判断,得到电网数据中的异常数据信息。
6.根据权利要求5所述的用电异常数据实时预警系统,其特征在于,所述数据挖掘模块(41)包括图形用户接口(411)、模式评价模块(412)、数据挖掘引擎(413)、数据仓库服务器(414)和知识库(115),图形用户接口(411)、模式评价模块(412)、数据挖掘引擎(413)和数据仓库服务器(414)依次相互连接,模式评价模块(412)和知识库(115)相互连接,知识库(115)的输出端与数据挖掘引擎(413)连接。
7.根据权利要求6所述的用电异常数据实时预警系统,其特征在于,所述数据挖掘模块(41)还包括有数据库(416)和数据仓库(417)。
8.根据权利要求7所述的用电异常数据实时预警系统,其特征在于,数据库(416)和数据仓库(417)的输出端均与数据仓库服务器(414)连接,数据库(416)和数据仓库(417)将处理、过滤和集成后的数据发送至数据仓库服务器(414),进而方便数据挖掘引擎(413)提取隐含在电网数据中人们事先不知道的、但又是潜在有用的信息和知识。
9.根据权利要求1所述的用电异常数据实时预警系统,其特征在于,所述报警单元(5)包括信号接收模块(51)、历史数据模块(52)、报警器(53)和工单推送模块(54),所述信号接收模块(51)用于接收数据分析单元(4)处理得到的异常数据,并将异常数据分别推送至历史数据库和报警器(53),所述报警器(53)通过工单推送模块(54)将报警工单推送至供电局,同时记录各项报警工单是否按规定时间段内,进行排查和检修。
10.根据权利要求1所述的用电异常数据实时预警系统,其特征在于,计算模型包括但不限于Hampel抗差算法、加权皮尔逊算法和随机森林算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010373793.7A CN111371188A (zh) | 2020-05-06 | 2020-05-06 | 一种用电异常数据实时预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010373793.7A CN111371188A (zh) | 2020-05-06 | 2020-05-06 | 一种用电异常数据实时预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111371188A true CN111371188A (zh) | 2020-07-03 |
Family
ID=71209640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010373793.7A Pending CN111371188A (zh) | 2020-05-06 | 2020-05-06 | 一种用电异常数据实时预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111371188A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111881177A (zh) * | 2020-07-14 | 2020-11-03 | 国网河北省电力有限公司信息通信分公司 | 一种电力物联网数据流异常检测系统及方法 |
CN112070627A (zh) * | 2020-08-27 | 2020-12-11 | 国家电网有限公司 | 一种基于电力大数据平台的数据处理系统 |
CN112559591A (zh) * | 2020-12-08 | 2021-03-26 | 晋中学院 | 一种用于冷轧辊制造过程的离群检测系统及其检测方法 |
CN113283744A (zh) * | 2021-05-24 | 2021-08-20 | 国网上海市电力公司 | 一种轻量级用电异常特征指纹库设计和更新方法 |
CN113361663A (zh) * | 2021-08-09 | 2021-09-07 | 国网浙江省电力有限公司金华供电公司 | 基于人工智能的电网事件诊断自主学习方法及系统 |
CN113972741A (zh) * | 2021-10-26 | 2022-01-25 | 广东电网有限责任公司 | 一种用电负荷异常警示方法及相关装置 |
CN115347679A (zh) * | 2022-10-17 | 2022-11-15 | 浙江万胜智能科技股份有限公司 | 一种用户用电的智能管理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090032594A (ko) * | 2007-09-28 | 2009-04-01 | 한국전력공사 | 검침 데이터를 이용한 전력 설비의 시공간 부하 분석시스템 및 부하 계산방법 |
CN105139295A (zh) * | 2015-09-29 | 2015-12-09 | 广东电网有限责任公司电力科学研究院 | 一种电力设备在线监测海量信息的数据挖掘方法 |
CN106443556A (zh) * | 2016-08-31 | 2017-02-22 | 国网江苏省电力公司常州供电公司 | 电能表智能诊断方法 |
CN109034244A (zh) * | 2018-07-27 | 2018-12-18 | 国家电网有限公司 | 基于电量曲线特征模型的线损异常诊断方法及装置 |
CN110544037A (zh) * | 2019-09-02 | 2019-12-06 | 国网河北省电力有限公司沧州供电分公司 | 基于电力用户信用等级评价的催费系统及方法 |
CN110544036A (zh) * | 2019-09-02 | 2019-12-06 | 国网河北省电力有限公司沧州供电分公司 | 电力用户信用等级评价系统及方法 |
-
2020
- 2020-05-06 CN CN202010373793.7A patent/CN111371188A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090032594A (ko) * | 2007-09-28 | 2009-04-01 | 한국전력공사 | 검침 데이터를 이용한 전력 설비의 시공간 부하 분석시스템 및 부하 계산방법 |
CN105139295A (zh) * | 2015-09-29 | 2015-12-09 | 广东电网有限责任公司电力科学研究院 | 一种电力设备在线监测海量信息的数据挖掘方法 |
CN106443556A (zh) * | 2016-08-31 | 2017-02-22 | 国网江苏省电力公司常州供电公司 | 电能表智能诊断方法 |
CN109034244A (zh) * | 2018-07-27 | 2018-12-18 | 国家电网有限公司 | 基于电量曲线特征模型的线损异常诊断方法及装置 |
CN110544037A (zh) * | 2019-09-02 | 2019-12-06 | 国网河北省电力有限公司沧州供电分公司 | 基于电力用户信用等级评价的催费系统及方法 |
CN110544036A (zh) * | 2019-09-02 | 2019-12-06 | 国网河北省电力有限公司沧州供电分公司 | 电力用户信用等级评价系统及方法 |
Non-Patent Citations (2)
Title |
---|
余翔等: "基于孤立森林算法的用电数据异常检测研究", 《信息技术》 * |
杨国庆等: "数据挖掘技术在电力设备状态检修中的应用", 《上海电力学院学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111881177A (zh) * | 2020-07-14 | 2020-11-03 | 国网河北省电力有限公司信息通信分公司 | 一种电力物联网数据流异常检测系统及方法 |
CN112070627A (zh) * | 2020-08-27 | 2020-12-11 | 国家电网有限公司 | 一种基于电力大数据平台的数据处理系统 |
CN112559591A (zh) * | 2020-12-08 | 2021-03-26 | 晋中学院 | 一种用于冷轧辊制造过程的离群检测系统及其检测方法 |
CN113283744A (zh) * | 2021-05-24 | 2021-08-20 | 国网上海市电力公司 | 一种轻量级用电异常特征指纹库设计和更新方法 |
CN113361663A (zh) * | 2021-08-09 | 2021-09-07 | 国网浙江省电力有限公司金华供电公司 | 基于人工智能的电网事件诊断自主学习方法及系统 |
CN113972741A (zh) * | 2021-10-26 | 2022-01-25 | 广东电网有限责任公司 | 一种用电负荷异常警示方法及相关装置 |
CN115347679A (zh) * | 2022-10-17 | 2022-11-15 | 浙江万胜智能科技股份有限公司 | 一种用户用电的智能管理方法及系统 |
CN115347679B (zh) * | 2022-10-17 | 2023-03-03 | 浙江万胜智能科技股份有限公司 | 一种用户用电的智能管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111371188A (zh) | 一种用电异常数据实时预警系统 | |
AU2020101900A4 (en) | A method, device and equipment for detecting abnormal electric meter | |
CN111756034B (zh) | 基于图时空网络的电力系统暂态电压稳定评估方法 | |
CN109660206B (zh) | 一种基于Wasserstein GAN的光伏阵列故障诊断方法 | |
CN110739686B (zh) | 一种基于总表异常分析的台区线损治理方法及系统 | |
CN115170000B (zh) | 一种基于电能表通信模块的远程监测方法及系统 | |
CN113011481B (zh) | 一种基于决策树算法的电能表功能异常评估方法及系统 | |
CN113554361B (zh) | 一种综合能源系统数据处理计算方法及处理系统 | |
CN107807860B (zh) | 一种基于矩阵分解的电力故障分析方法及系统 | |
CN103103570B (zh) | 基于主元相似性测度的铝电解槽况诊断方法 | |
Shi et al. | Expected output calculation based on inverse distance weighting and its application in anomaly detection of distributed photovoltaic power stations | |
CN115222303B (zh) | 基于大数据的行业风险数据分析方法、系统及存储介质 | |
CN112463848A (zh) | 检测用户异常行为的检测方法、系统、装置和存储介质 | |
CN116739829A (zh) | 一种基于大数据的电力数据分析方法、系统及介质 | |
CN114611738A (zh) | 一种基于用户用电行为分析的负荷预测方法 | |
CN116203351A (zh) | 线路阻抗异常的检测方法及系统 | |
CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
CN111178690A (zh) | 基于风控评分卡模型的用电客户窃电风险评估方法 | |
CN105550450B (zh) | 一种电能质量干扰源特征谐波建模方法 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
CN111475548A (zh) | 一种基于大数据挖掘技术的用电异常分析决策系统 | |
CN111199014B (zh) | 一种基于时间序列的seq2point的NILM方法及装置 | |
CN111060755A (zh) | 一种电磁干扰诊断方法和装置 | |
CN111861141A (zh) | 一种基于模糊故障率预测的配电网可靠性评估方法 | |
CN115166625A (zh) | 智能电表误差估计方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200703 |
|
RJ01 | Rejection of invention patent application after publication |