CN111651503B - 一种配电网数据异常识别方法、系统及终端设备 - Google Patents
一种配电网数据异常识别方法、系统及终端设备 Download PDFInfo
- Publication number
- CN111651503B CN111651503B CN202010494831.4A CN202010494831A CN111651503B CN 111651503 B CN111651503 B CN 111651503B CN 202010494831 A CN202010494831 A CN 202010494831A CN 111651503 B CN111651503 B CN 111651503B
- Authority
- CN
- China
- Prior art keywords
- data
- trend
- power distribution
- distribution network
- trend curve
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012544 monitoring process Methods 0.000 claims abstract description 117
- 238000012545 processing Methods 0.000 claims abstract description 50
- 230000002159 abnormal effect Effects 0.000 claims description 39
- 230000005856 abnormality Effects 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000002547 anomalous effect Effects 0.000 abstract 2
- 230000008569 process Effects 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- G06F16/23—Updating
-
- 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
- G06F16/248—Presentation of query results
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Water Supply & Treatment (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Public Health (AREA)
- General Business, Economics & Management (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明实施例涉及一种配电网数据异常识别方法、系统及终端设备,通过配电网的运行数据的第一次处理和第二处理得到样本数据、监测数据、第一趋势曲线和第一趋势偏离程度,根据第一趋势偏离程度满足第一预设条件,得到可靠数据,基于样本数据和监测数据的第二趋势曲线、第二趋势曲线的可靠度,基于第二趋势曲线的可靠度是否满足第二预设条件,识别与第二趋势偏离程度对应配电网的运行数据为不可靠数据,再识别不可靠数据是否满足第三预设条件,得到不可靠数据对应的配电网的运行数据为异常数据,采用该配电网数据异常识别方法能够准确自动判断配电网的运行数据是否存在异常,解决了现有对实时监控配电网的运行数据分析配电网异常不准确的问题。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种配电网数据异常识别方法、系统及终端设备。
背景技术
随着精益化管理的全面推行,配电网发展从广泛管控向精细管控来提升质量管理,电力监控系统为配电网运行分析提供了大量的配电网运行实时监控数据,例如电压、电流、负荷、潮流、告警等实时监控数据,这些数据反映了配电网系统的运行情况。由于传感器故障、人为破坏、数据传输、存储环节问题,会造成电力监控系统中实时监测的数据不准确,导致电力监控系统判断出错。在现有常规的电力监控系统中,大部分是通过对实时监控数据的上下限阈值来判断配电网是否异常发生,比如电压超过235V或者小于198V则认为实时监控数据异常或者超高负荷,这种判断方式过于理想化、目标化,只有当电压已经达到预期阀值,既成事实后用户才能感知到,且无法分析出潜在数据问题,无法在数据变化过程中及时发现配电网系统的运行异常。
发明内容
本发明实施例提供了一种配电网数据异常识别方法、系统及终端设备,用于解决现有电力监控系统对实时监控配电网运行的数据分析判断方式理想化、目标化,判断配电网异常不准确的技术问题。
为了实现上述目的,本发明实施例提供如下技术方案:
一种配电网数据异常识别方法,包括以下步骤:
步骤S1.从电力监控系统获取配电网的运行数据,对所述运行数据进行第一次处理,得到运行数据的样本数据、与所述样本数据对应的第一趋势曲线;
步骤S2.对所述运行数据进行第二次处理,得到处理后的监测数据和与所述监测数据对应的第一趋势偏离程度;
步骤S3.若所述第一趋势偏离程度满足第一预设条件,则与所述第一趋势偏离程度对应的所述监测数据为可靠数据;
步骤S4.根据所述监测数据和所述样本数据更新所述第一趋势曲线,得到第二趋势曲线,所述第二趋势曲线的可靠度更新为可靠数据的占比;
步骤S5.若所述第二趋势曲线的可靠度满足第二预设条件,执行所述步骤S2获取与第二趋势曲线对应数据的第二趋势偏离程度,若所述第二趋势偏离程度不满足第一预设条件,则与所述第二趋势偏离程度对应的监测数据为不可靠数据;
步骤S6.若所述不可靠数据满足第三预设条件,则说明所述运行数据为异常数据;若所述不可靠数据不满足第三预设条件,执行所述步骤S3;
其中,所述可靠数据的占比为所述可靠数据的数量除以所述运行数据的数量。
优选地,该配电网数据异常识别方法还包括:若所述第二趋势曲线的可靠度不满足第二预设条件,则执行所述步骤S2。
优选地,对所述运行数据进行第一次处理包括:根据第一预设规则获取第一预设时长以及第二预设规则获取所述第一预设时长对应的多个第一子时长,根据从所述运行数据筛选出与所述第一子时长对应的运行数据作为所述样本数据,并得到与所述样本数据、所述第一子时长对应的所述第一趋势曲线,设置所述第一趋势曲线的可靠度为第一预设值。
优选地,对所述运行数据进行第二次处理包括:根据所述第一预设规则获取第二预设时长以及所述第二预设规则获取所述第二预设时长对应的多个第二子时长,根据所述第二子时长与所述第一子时长的对应关系获取与所述第二子时长对应的所述监测数据和趋势曲线,根据趋势曲线获取与所述第二子时长对应的所述监测数据的所述第一趋势偏离程度。
优选地,根据所述监测数据和所述样本数据更新所述第一趋势曲线具体包括:获取所述第二子时长的监测数据与对应的所述第一子时长的样本数据,以获取对应监测时刻点的监测数据与样本数据的平均值,根据所述平均值更新所述第一趋势曲线,得到第二趋势曲线。
优选地,所述第二趋势曲线的可靠度更新为可靠数据的占比具体包括:
若所述可靠数据的占比大于或等于第三预设值,所述第二趋势曲线的可靠度更新为C=A+10*B;
若所述可靠数据的占比小于所述第三预设值,所述第二趋势曲线的可靠度更新为C=A-10*B;
其中,C为更新后第二趋势曲线的可靠度,A为更新前第二趋势曲线的可靠度,B为可靠数据的占比。
优选地,该配电网数据异常识别方法还包括:从电力监控系统获取配电网的运行数据异常发生的次数,若所述发生的次数满足第四预设条件,则配电网运行异常;若所述发生的次数不满足所述第四预设条件,则执行所述步骤S3。
本发明还提供一种配电网数据异常识别系统,包括获取处理单元、处理单元、第一判断单元、更新单元、第二判断单元和第三判断单元;
所述获取处理单元,用于从电力监控系统获取配电网的运行数据,对所述运行数据进行第一次处理,得到运行数据的样本数据、与所述样本数据对应的第一趋势曲线;
所述处理单元,用于对所述运行数据进行第二次处理,得到处理后的监测数据和与所述监测数据对应的第一趋势偏离程度;
所述第一判断单元,用于根据所述第一趋势偏离程度满足第一预设条件,则与所述第一趋势偏离程度对应的所述监测数据为可靠数据;
所述更新单元,用于根据所述监测数据和所述样本数据更新所述第一趋势曲线,得到第二趋势曲线,所述第二趋势曲线的可靠度更新为可靠数据的占比;
所述第二判断单元,用于根据所述第二趋势曲线的可靠度满足第二预设条件,执行所述处理单元获取与第二趋势曲线对应数据的第二趋势偏离程度,若所述第二趋势偏离程度不满足第一预设条件,则与所述第二趋势偏离程度对应的监测数据为不可靠数据;
所述第三判断单元,用于根据所述不可靠数据满足第三预设条件,则说明所述运行数据为异常数据;若所述不可靠数据不满足第三预设条件,执行所述更新单元;
其中,所述可靠数据的占比为可靠数据的数量除以运行数据的数量。
本发明还提供一种计算机可读存储介质,所述计算机存储介质用于存储计算机指令,当其在计算机上运行时,使得计算机执行上述的配电网数据异常识别方法。
本发明还提供一种终端设备,包括处理器以及存储器:
所述存储器,用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器,用于根据所述程序代码中的指令执行上述的配电网数据异常识别方法。
从以上技术方案可以看出,本发明实施例具有以下优点:
1.该配电网数据异常识别方法通过配电网的运行数据的第一次处理和第二处理得到样本数据、监测数据、第一趋势曲线和第一趋势偏离程度,根据第一趋势偏离程度满足第一预设条件,得到可靠数据,基于样本数据和监测数据的第二趋势曲线、第二趋势曲线的可靠度,基于第二趋势曲线的可靠度是否满足第二预设条件,识别与第二趋势偏离程度对应配电网的运行数据为不可靠数据,再识别不可靠数据是否满足第三预设条件,得到不可靠数据对应的配电网的运行数据为异常数据,采用该配电网数据异常识别方法能够准确自动判断配电网的运行数据是否存在异常,解决了现有电力监控系统对实时监控配电网运行的数据分析判断方式理想化、目标化,判断配电网异常不准确的技术问题。
2.该配电网数据异常识别系统通过获取处理单元和处理单元对配电网的运行数据进行第一次处理和第二处理得到样本数据、监测数据、第一趋势曲线和第一趋势偏离程度,第一判断单元根据第一趋势偏离程度满足第一预设条件,得到可靠数据,更新单元基于样本数据和监测数据的第二趋势曲线、第二趋势曲线的可靠度,第二判断单元基于第二趋势曲线的可靠度是否满足第二预设条件,识别与第二趋势偏离程度对应配电网的运行数据为不可靠数据,第三判断单元通过不可靠数据是否满足第三预设条件,得到不可靠数据对应的配电网的运行数据为异常数据,采用该配电网数据异常识别系统能够准确自动判断配电网的运行数据是否存在异常,解决了现有电力监控系统对实时监控配电网运行的数据分析判断方式理想化、目标化,判断配电网异常不准确的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例所述的配电网数据异常识别方法的步骤流程图。
图2为本发明实施例所述的配电网数据异常识别系统的框架图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
本申请实施例提供了一种配电网数据异常识别方法、系统及终端设备,用于解决了现有电力监控系统对实时监控配电网运行的数据分析判断方式理想化、目标化,判断配电网异常不准确的技术问题。
实施例一:
图1为本发明实施例所述的配电网数据异常识别方法的步骤流程图。
如图1所示,本发明实施例提供了一种配电网数据异常识别方法,包括以下步骤;
步骤S1.从电力监控系统获取配电网的运行数据,对运行数据进行第一次处理,得到运行数据的样本数据、与样本数据对应的第一趋势曲线;
步骤S2.对运行数据进行第二次处理,得到处理后的监测数据和与监测数据对应的第一趋势偏离程度;
步骤S3.若第一趋势偏离程度满足第一预设条件,则与第一趋势偏离程度对应的监测数据为可靠数据;
步骤S4.根据监测数据和样本数据更新第一趋势曲线,得到第二趋势曲线,第二趋势曲线的可靠度更新为可靠数据的占比;
步骤S5.若第二趋势曲线的可靠度满足第二预设条件,执行步骤S2获取与第二趋势曲线对应数据的第二趋势偏离程度,若第二趋势偏离程度不满足第一预设条件,则与第二趋势偏离程度对应的监测数据为不可靠数据;
步骤S6.若不可靠数据满足第三预设条件,则说明运行数据为异常数据;若不可靠数据不满足第三预设条件,执行步骤S3;
其中,可靠数据的占比为可靠数据的数量除以运行数据的数量。
在本发明实施例的步骤S1中,主要是对获取的配电网运行数据进行第一次处理,得到得到运行数据的样本数据、与样本数据对应的第一趋势曲线。具体地,对运行数据进行第一次处理为根据第一预设规则获取第一预设时长以及第二预设规则获取第一预设时长对应的多个第一子时长,根据从运行数据筛选出与第一子时长对应的运行数据作为样本数据,并得到与样本数据、第一子时长对应的第一趋势曲线,设置第一趋势曲线的可靠度为第一预设值。
需要说明的是,配电网的运行数据包含有电压、电流、负荷、潮流、告警等数据,对运行数据进行处理只是对一类的运行数据(如电压)进行处理。该配电网数据异常识别方法对配电网监测的数据进行一类的数据进行分析,避免关联性数据分析出现数据变化过程分析误差。第一预设规则和第二预设规则分别为不同的时间周期设置的,第一预设规则和第二预设规则是以时间可以根据数据周期特性进行设置,比如说可以按照月进行划分得到以月为单位的时长(第一时长),然后对月份划分天(第一子时长),即是以周为单位的第一预设时长,细化到以天为单元的第一子时长,第一预设规则和第二预设规则可以根据需求进行设置。基于得到的样本数据进行打点或者采用回归拟合函数可以得到趋势曲线。在本实施例中,在对配电网的运行数据进行监测的过程中,根据配电网实际特性,对其运行数据进行按照时间段划分,其可以选一起始点,以该起始时间点开始的一预设时长为第一预设时长,例如:一天、一周、一个月等等,获取第一预设时长的配电网的运行数据。对第一预设时长进行更细的时间段划分,以划分得到多个第一子时长,并基于每个第一子时长将运行数据进行划分,得到每个第一子时长对应的运行数据,将每个第一子时长对应的运行数据设置为第一子时长对应的样本数据。可以理解为每一个第一子时长均与样本数据对应;对每一个第一子时长对应的样本数据分别进行趋势分析以获取每个第一子时长内运行数据对应的趋势曲线,基于第一趋势曲线设置一预设可靠度即设置一个预设值,第一趋势曲线的可靠度可以理解为用趋势曲线来评估整个配电网的运行数据时,整个配电网的运行数据的判断结果的准确度。在起始时,对第一趋势曲线设置一个预估的可靠度,该可靠度可以基于经验值进行设置。第一预设值为60%,在本实施例中,基于样本数据获取的第一趋势曲线的可靠度设置时,其设置值可以设置为60%。
在本发明实施例的步骤S2中,主要是对运行数据进行第二次处理,得到处理后的监测数据和与检测数据对应的第一趋势偏离程度。具体地,对运行数据进行第二次处理为根据第一预设规则获取第二预设时长以及第二预设规则获取第二预设时长对应的多个第二子时长,根据第二子时长与第一子时长的对应关系获取与第二子时长对应的监测数据和趋势曲线,根据趋势曲线获取与第二子时长对应的监测数据的第一趋势偏离程度。
需要说明的是,在步骤S1中得到的第一趋势曲线中包含有N个时间段运行数据,在电力监控系统中继续监测采集配电网的运行数据,在得到的监测数据的过程中,根据第二子时长的时间对应关系去获取其对应的的监测数据的趋势曲线。按着时间段划分规则即第一预设规则继续获取预设时长为第二预设时长,并获取第二预设时长对应的运行数据,同时通过和第一子时长同样的规则即第二预设规则获取第二预设时长对应的多个第二子时长。可以理解为,第一子时长和第二子时长为按照时间顺序一一对应(如时间的周一对周一,周二对周二,一直对应),其根据第一子时长与第二子时长在时间顺序上的对应关系,分别获取第一子时长的第一趋势曲线作为其满足对应关系的第二子时长的趋势曲线,根据该趋势曲线获取第二子时长对应的运行数据的第一趋势偏离程度,即获取第二子时长的监测数据的趋势,通过第一子时长的第一趋势曲线对该趋势进行判断,看其偏离趋势曲线的程度即为第一趋势偏离程度。
在本发明实施例的步骤S3中,主要是对第一趋势偏离程度判断是否满足第一预设条件,若满足,对应于第一趋势偏离程度的监测数据为可靠数据;即是第一趋势偏离程度进行判断,判断第一趋势偏离程度是否满足第一预设条件,当满足第一预设条件时,其认为处理后的监测数据的偏离程度满足要求,处理后的监测数据为可靠数据。其中,可靠数据数量占运行监控数据数据的比例为可靠数据占比。
需要说明说明的是,第一预设条件为-5%~+5%绝。即是,在对处理后的监测数据对应的第一趋势偏离程度在±5%以内的监测数据为可靠数据,第一趋势偏离程度可以通过具体的计算公式计算趋势的变化比得到,其趋势变化比=(100*(监测数据值-第一趋势曲线趋势值)/第一趋势曲线趋势值)。若处理后的监测数据对应的第一趋势偏离程度变化比在±5%以内,说明处理后的监测数据为可靠数据,即是该处理后的数据不是异常数据。
在本发明实施例的步骤S4中,根据处理后的监测数据和样本数据更新第一趋势曲线中的运行数据,得到第二趋势曲线,将可靠数据的占比更新为第二趋势曲线的可靠度;根据第二子时长获取的对应的监测数据和对应第一子时长对应的样本数据,对与该第二子时长和第一子时长对应的趋势曲线进行更新,将更新后的趋势曲线作为该第二子时长和第一子时长对应的趋势曲线。同时获取该第二子时长的可靠数据的占比,并且根据上面获取的可靠数据的获取更新后趋势曲线的可靠度,其也可以理解为,根据获取的占比对更新后的趋势曲线的可靠度在原可靠度的基础上更新。
在本发明实施例的步骤S5中,主要是用于判断第二趋势曲线的可靠度是否满足第二预设条件;根据第二趋势曲线的可靠度满足第二预设条件,执行步骤S2并获取与第二趋势曲线对应的第二趋势偏离程度,判断第二趋势偏离程度是否满足第一预设条件,若第二趋势偏离程度不满足第一预设条件,与第二趋势曲线对应的监测数据为不可靠数据。根据第二趋势曲线的可靠度不满足第二预设条件,执行步骤S2。
需要说明的是,第二预设条件为80%~85%。当获取到的更新后的第二趋势曲线的可靠度不满足第二预设条件时,此时说明得到第二趋势曲线的准确度还不满足要求,将不采用第二趋势曲线对配电网的运行数据进行分析,需要返回步骤S2及其后面的步骤对趋势曲线继续优化。当获取到的更新后的第二趋势曲线的可靠度满足第二预设条件时,说明该更新后的第二趋势曲线的可靠度比较高了,用其对配电网的运行数据的判断的准确度也能够满足要求。
在本发明实施例的步骤S6中,主要是对不可靠数据进行是否满足第三预设条件的判断。根据不可靠数据满足第三预设条件,则说明运行数据为异常数据,即是配电网的运行数据异常。
需要说明的是,第三预设条件为80%~85%。在对配电网的运行数据异常的识别过程中,其可以通过执行步骤S3和步骤S4,继续按照时间段划分规则即第一预设规继续获取后面的预设时长,定义为第二预设时长,并基于更新后的第二趋势曲线获取第二预设时长中第二子时长数据中监测数据的第一趋势偏离程度,并获取其中第而趋势偏离程度不满足第一预设条件的监测数据,标记为不可靠数据,同时对标记的不可靠数据进行判定,判定其是否满足第三预设条件,当不可靠数据不满足第三预设条件时,其数据的不可靠可能为随机产生,此时可以不判定为配电网的数据异常,其可以返回步骤S3,基于监测数据进行趋势曲线的更新和更新后的可靠度的获取。以根据更新后的趋势曲线和对应的可靠度进行后面的配电网的运行数据检测。当不可靠数据满足第三预设条件,则可以判定该不可靠数据与配电网的运行相关,其可以判定配电网的数据异常。
在本实施例中,不可靠数据是否满足第三预设条件包括:不可靠数据为连续监测数据且数量大于第二预设值。具体地,对获取的不可靠数据进行判断时,其数据的多次出现才更具有参考意义,获取运行数据中为连续的不可靠数据,并获取不可靠数据的数量,当数量满足一定条件(例如大于设定的门限值即第二预设值),那么说明不可靠数据满足第三预设条件,此时可以通过不可靠数据得到配电网的数据异常。
需要说明的是,第二预设值为连续不可靠数据的数量大于或等于9。
本发明提供的一种配电网数据异常识别方法通过配电网的运行数据的第一次处理和第二处理得到样本数据、监测数据、第一趋势曲线和第一趋势偏离程度,根据第一趋势偏离程度满足第一预设条件,得到可靠数据,基于样本数据和监测数据的第二趋势曲线、第二趋势曲线的可靠度,基于第二趋势曲线的可靠度是否满足第二预设条件,识别与第二趋势偏离程度对应配电网的运行数据为不可靠数据,再识别不可靠数据是否满足第三预设条件,得到不可靠数据对应的配电网的运行数据为异常数据,采用该配电网数据异常识别方法能够准确自动判断配电网的运行数据是否存在异常,解决了现有电力监控系统对实时监控配电网运行的数据分析判断方式理想化、目标化,判断配电网异常不准确的技术问题。
在本发明的一个实施例中,该配电网数据异常识别方法还包括:若第二趋势曲线的可靠度不满足第二预设条件,则执行步骤S2。
在本发明的一个实施例中,根据所述监测数据和所述样本数据更新所述第一趋势曲线具体包括:获取第二子时长的监测数据与对应的述第一子时长的样本数据,以获取对应监测时刻点的监测数据与样本数据的平均值,根据平均值更新第一趋势曲线,得到第二趋势曲线。
需要说明的是,根据第二子时长的监测数据和样本数据更新第一趋势曲线包括:获取第二子时长的监测数据和与对应的第一子时长的样本数据,以获取对应监测时刻点中监测数据与样本数据的平均值,根据平均值更新第一趋势曲线。具体地,在更新第一子时长和第二子时长对应的趋势曲线过程中,获取第一子时长的样本数据和对应的第二子时长对应的监测数据,并计算样本数据和监测数据对应监测时间点的平均值,基于平均值获取更新后的第一子时长和第二子时长对应的趋势曲线。其可以理解,第一子时长和第二子时长获取的数据中,其数据采集的时刻点为一对一对应,其数据平均值的获取是获取该时刻点的数据的平均值。
在本发明的一个实施例中,第二趋势曲线的可靠度更新为可靠数据的占比具体包括:
若可靠数据的占比大于或等于第三预设值,第二趋势曲线的可靠度更新为C=A+10*B;
若可靠数据的占比小于所述第三预设值,第二趋势曲线的可靠度更新为C=A-10*B;
其中,C为更新后第二趋势曲线的可靠度,A为更新前第二趋势曲线的可靠度,B为可靠数据的占比。
需要说的是,在基于更新后第二趋势曲线更新可靠度时,其先对用来更新第一趋势曲线的第二子时长中的可靠数据的占比进行判定,当第二子时长中的可靠数据的占比比较高,即大于或等于第三预设值,可以通过该可靠数据的占比比提高更新后的趋势曲线的可靠度,即通过公式C=A+10*B获取运算可靠度。当第二子时长中的可靠数据的占比比较低,即小于第三预设值,此时可以说明第一子时长的样本数据定义的可靠度与第二子时长的实际监测数据有偏差,其设置的初始可靠度可能存在问题,或者第二子时长的监测数据有问题,此时需要降低更新后的第二趋势曲线的可靠度,即按照公式C=A-10*B获取运算可靠度。在本实施例中,第三预设值优选选为80%,在其他实施例中,第三预设值也可以选为其他数值。
在本发明的一个实施例中,该配电网数据异常识别方法还包括:
从电力监控系统获取配电网的运行数据异常发生的次数,若发生的次数满足第四预设条件,则配电网运行异常;若发生的次数不满足第四预设条件,则执行步骤S3。具体地,在通过不可靠数据得到配电网的运行数据存在异常时,对配电网的异常运行数据的发生次数进行记录,当配电网的异常运行数据常的发生次数满足一定条件(如:第四预设条件)时,可以通过该配电网的异常运行数据直接判定配电网的运行异常,而不需要通过其他方式进行确认配电网的运行是否异常。而当配电网的异常运行数据的发生次数不满足第四预设条件时,其不对配电网的运行是否异常进行直接判定,其可以继续识别配电网的运行数据,进行后面的配电网的运行数据监测,以对配电网的运行数据异常状况进行监测。
需要说明的是,在获取了配电网的运行数据异常的发生次数时,记录配网数据异常的连续发生次数,并判定连续发生次数是否过多,例如超过了预设次数,如果是,那么就判定配电网的运行数据异常发生的次数满足第四预设条件,此时可以理解为配电网的运行数据异常持续发生,其配电网的运行存在异常的可能性很大,此时即可以判定配电网的运行发生异常了,对配电网的统运行状态进行判定,当配网数据异常发生不频繁,那么其配电网的运行数据异常可能与配电网的运行本身无关,此时可以判定配电网不存在异常,可以对该配电网的继续进行配电网的运行数据监测。在本实施例中,第四预设条件为连续次数大于或等于3。
实施例二:
图2为本发明实施例所述的配电网数据异常识别系统的框架图。
如图2所示,本发明实施例还提供一种配电网数据异常识别系统,包括获取处理单元10、处理单元20、第一判断单元30、更新单元40、第二判断单元50和第三判断单元60;
获取处理单元10,用于从电力监控系统获取配电网的运行数据,对运行数据进行第一次处理,得到运行数据的样本数据、与样本数据对应的第一趋势曲线;
处理单元20,用于对运行数据进行第二次处理,得到处理后的监测数据和与监测数据对应的第一趋势偏离程度;
第一判断单元30,用于根据第一趋势偏离程度满足第一预设条件,则与第一趋势偏离程度对应的监测数据为可靠数据;
更新单元40,用于根据监测数据和样本数据更新第一趋势曲线,得到第二趋势曲线,第二趋势曲线的可靠度更新为可靠数据的占比;
第二判断单元50,用于根据第二趋势曲线的可靠度满足第二预设条件,执行处理单元20获取与第二趋势曲线对应数据的第二趋势偏离程度,若第二趋势偏离程度不满足第一预设条件,则与第二趋势偏离程度对应的监测数据为不可靠数据;
第三判断单元60,用于根据不可靠数据满足第三预设条件,则说明运行数据为异常数据;若不可靠数据不满足第三预设条件,执行更新单元40;
其中,可靠数据的占比为可靠数据的数量除以运行数据的数量。
需要说明的是,实施例二系统中单元对应于实施例一方法中的步骤S1至S6,实施例一的方法已对步骤S1至S6详细阐述了,再此对实施例二中的单元不再一一阐述。
本发明提供的一种配电网数据异常识别系统通过获取处理单元和处理单元对配电网的运行数据进行第一次处理和第二处理得到样本数据、监测数据、第一趋势曲线和第一趋势偏离程度,第一判断单元根据第一趋势偏离程度满足第一预设条件,得到可靠数据,更新单元基于样本数据和监测数据的第二趋势曲线、第二趋势曲线的可靠度,第二判断单元基于第二趋势曲线的可靠度是否满足第二预设条件,识别与第二趋势偏离程度对应配电网的运行数据为不可靠数据,第三判断单元通过不可靠数据是否满足第三预设条件,得到不可靠数据对应的配电网的运行数据为异常数据,采用该配电网数据异常识别系统能够准确自动判断配电网的运行数据是否存在异常,解决了现有电力监控系统对实时监控配电网运行的数据分析判断方式理想化、目标化,判断配电网异常不准确的技术问题。
实施例三:
本发明实施例还提供一种计算机可读存储介质,计算机存储介质用于存储计算机指令,当其在计算机上运行时,使得计算机执行上述的配电网数据异常识别方法。
实施例四:
本发明实施例还提供一种终端设备,包括处理器以及存储器:
存储器,用于存储程序代码,并将程序代码传输给处理器;
处理器,用于根据程序代码中的指令执行上述的配电网数据异常识别方法。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器中,并由处理器执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以是终端设备的内部存储单元,例如终端设备的硬盘或内存。存储器也可以是终端设备的外部存储设备,例如终端设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储计算机程序以及终端设备所需的其他程序和数据。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,系统和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,系统或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种配电网数据异常识别方法,其特征在于,包括以下步骤:
步骤S1.从电力监控系统获取配电网的运行数据,对所述运行数据进行第一次处理,得到运行数据的样本数据、与所述样本数据对应的第一趋势曲线;
步骤S2.对所述运行数据进行第二次处理,得到处理后的监测数据和与所述监测数据对应的第一趋势偏离程度;
步骤S3.若所述第一趋势偏离程度满足第一预设条件,则与所述第一趋势偏离程度对应的所述监测数据为可靠数据;
步骤S4.根据所述监测数据和所述样本数据更新所述第一趋势曲线,得到第二趋势曲线,所述第二趋势曲线的可靠度更新为可靠数据的占比;
步骤S5.若所述第二趋势曲线的可靠度满足第二预设条件,执行所述步骤S2获取与第二趋势曲线对应数据的第二趋势偏离程度,若所述第二趋势偏离程度不满足第一预设条件,则与所述第二趋势偏离程度对应的监测数据为不可靠数据;
步骤S6.若所述不可靠数据满足第三预设条件,则说明所述运行数据为异常数据;若所述不可靠数据不满足第三预设条件,执行所述步骤S3;
其中,所述可靠数据的占比为所述可靠数据的数量除以所述运行数据的数量。
2.根据权利要求1所述的配电网数据异常识别方法,其特征在于,还包括:若所述第二趋势曲线的可靠度不满足第二预设条件,则执行所述步骤S2。
3.根据权利要求1所述的配电网数据异常识别方法,其特征在于,对所述运行数据进行第一次处理包括:根据第一预设规则获取第一预设时长以及第二预设规则获取所述第一预设时长对应的多个第一子时长,根据从所述运行数据筛选出与所述第一子时长对应的运行数据作为所述样本数据,并得到与所述样本数据、所述第一子时长对应的所述第一趋势曲线,设置所述第一趋势曲线的可靠度为第一预设值。
4.根据权利要求3所述的配电网数据异常识别方法,其特征在于,对所述运行数据进行第二次处理包括:根据所述第一预设规则获取第二预设时长以及所述第二预设规则获取所述第二预设时长对应的多个第二子时长,根据所述第二子时长与所述第一子时长的对应关系获取与所述第二子时长对应的所述监测数据和趋势曲线,根据趋势曲线获取与所述第二子时长对应的所述监测数据的所述第一趋势偏离程度。
5.根据权利要求4所述的配电网数据异常识别方法,其特征在于,根据所述监测数据和所述样本数据更新所述第一趋势曲线具体包括:获取所述第二子时长的监测数据与对应的所述第一子时长的样本数据,以获取对应监测时刻点的监测数据与样本数据的平均值,根据所述平均值更新所述第一趋势曲线,得到第二趋势曲线。
6.根据权利要求1所述的配电网数据异常识别方法,其特征在于,还包括:
从电力监控系统获取配电网的运行数据异常发生的次数,若所述发生的次数满足第四预设条件,则配电网运行异常;若所述发生的次数不满足所述第四预设条件,则执行所述步骤S3。
7.根据权利要求1所述的配电网数据异常识别方法,其特征在于,所述第二趋势曲线的可靠度更新为可靠数据的占比具体包括:
若所述可靠数据的占比大于或等于第三预设值,所述第二趋势曲线的可靠度更新为C=A+10*B;
若所述可靠数据的占比小于所述第三预设值,所述第二趋势曲线的可靠度更新为C=A-10*B;
其中,C为更新后第二趋势曲线的可靠度,A为更新前第二趋势曲线的可靠度,B为可靠数据的占比。
8.一种配电网数据异常识别系统,其特征在于,包括获取处理单元、处理单元、第一判断单元、更新单元、第二判断单元和第三判断单元;
所述获取处理单元,用于从电力监控系统获取配电网的运行数据,对所述运行数据进行第一次处理,得到运行数据的样本数据、与所述样本数据对应的第一趋势曲线;
所述处理单元,用于对所述运行数据进行第二次处理,得到处理后的监测数据和与所述监测数据对应的第一趋势偏离程度;
所述第一判断单元,用于根据所述第一趋势偏离程度满足第一预设条件,则与所述第一趋势偏离程度对应的所述监测数据为可靠数据;
所述更新单元,用于根据所述监测数据和所述样本数据更新所述第一趋势曲线,得到第二趋势曲线,所述第二趋势曲线的可靠度更新为可靠数据的占比;
所述第二判断单元,用于根据所述第二趋势曲线的可靠度满足第二预设条件,执行所述处理单元获取与第二趋势曲线对应数据的第二趋势偏离程度,若所述第二趋势偏离程度不满足第一预设条件,则与所述第二趋势偏离程度对应的监测数据为不可靠数据;
所述第三判断单元,用于根据所述不可靠数据满足第三预设条件,则说明所述运行数据为异常数据;若所述不可靠数据不满足第三预设条件,执行所述更新单元;
其中,所述可靠数据的占比为可靠数据的数量除以运行数据的数量。
9.一种计算机可读存储介质,其特征在于,所述计算机存储介质用于存储计算机指令,当其在计算机上运行时,使得计算机执行如权利要求1-7任意一项所述的配电网数据异常识别方法。
10.一种终端设备,其特征在于,包括处理器以及存储器:
所述存储器,用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器,用于根据所述程序代码中的指令执行如权利要求1-7任意一项所述的配电网数据异常识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010494831.4A CN111651503B (zh) | 2020-06-03 | 2020-06-03 | 一种配电网数据异常识别方法、系统及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010494831.4A CN111651503B (zh) | 2020-06-03 | 2020-06-03 | 一种配电网数据异常识别方法、系统及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111651503A CN111651503A (zh) | 2020-09-11 |
CN111651503B true CN111651503B (zh) | 2022-12-23 |
Family
ID=72349821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010494831.4A Active CN111651503B (zh) | 2020-06-03 | 2020-06-03 | 一种配电网数据异常识别方法、系统及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111651503B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116388111B (zh) * | 2023-04-18 | 2024-02-20 | 杭州欣美成套电器制造有限公司 | 电气微电网的就地测控保护一体化装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9967169B2 (en) * | 2009-09-30 | 2018-05-08 | Red Hat, Inc. | Detecting network conditions based on correlation between trend lines |
US10110440B2 (en) * | 2009-09-30 | 2018-10-23 | Red Hat, Inc. | Detecting network conditions based on derivatives of event trending |
CN107391571A (zh) * | 2017-06-16 | 2017-11-24 | 深圳市盛路物联通讯技术有限公司 | 传感器数据的处理方法及装置 |
CN109634801B (zh) * | 2018-10-31 | 2022-04-12 | 深圳壹账通智能科技有限公司 | 数据趋势分析方法、系统、计算机装置及可读存储介质 |
CN111080489A (zh) * | 2020-01-23 | 2020-04-28 | 广东工业大学 | 一种负荷趋势预测方法、系统以及设备 |
-
2020
- 2020-06-03 CN CN202010494831.4A patent/CN111651503B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111651503A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107766299B (zh) | 数据指标异常的监控方法及其系统、存储介质、电子设备 | |
CN112101662B (zh) | 设备健康状况和生命周期检测方法、存储介质及电子设备 | |
CN110708204B (zh) | 一种基于运维知识库的异常处理方法、系统、终端及介质 | |
CN110750429A (zh) | 运维管理系统的异常检测方法、装置、设备及存储介质 | |
CN111103851B (zh) | 基于联合历史和时间序列分析的异常表征的系统和方法 | |
CN109857618B (zh) | 一种监控方法、装置及系统 | |
EP3869424A1 (en) | Equipment failure diagnosis support system and equipment failure diagnosis support method | |
JP2020053036A (ja) | データ系列の異常検出におけるビン分割された四分位数間範囲の分析のためのシステム及び方法 | |
CN112463530A (zh) | 微服务系统的异常检测方法、装置、电子设备及存储介质 | |
CN111651503B (zh) | 一种配电网数据异常识别方法、系统及终端设备 | |
CN113992602B (zh) | 一种电缆监测数据上传方法、装置、设备以及存储介质 | |
CN110795324B (zh) | 一种数据处理方法及装置 | |
CN109525036B (zh) | 一种通信设备的市电供应状态的监控方法、装置和系统 | |
CN110727586A (zh) | 一种主机异常监控方法、装置、存储介质和服务器 | |
CN110580220A (zh) | 测量代码段执行时间的方法及终端设备 | |
CN110458713B (zh) | 模型监控方法、装置、计算机设备及存储介质 | |
CN110134680B (zh) | 空间监控方法、装置、计算机设备及存储介质 | |
CN112416896A (zh) | 数据异常的报警方法和装置、存储介质、电子装置 | |
CN111555899A (zh) | 告警规则配置方法、设备状态监测方法、装置和存储介质 | |
CN115358336A (zh) | 用电异常检测方法、装置及电子设备 | |
CN110764975A (zh) | 设备性能的预警方法、装置及监控设备 | |
CN114928467A (zh) | 一种网络安全运维关联分析方法及系统 | |
CN111563078B (zh) | 基于时序数据的数据质量检测方法、检测装置及存储装置 | |
CN114331688A (zh) | 一种银行柜面系统业务批量运行状态检测方法及装置 | |
CN114037010A (zh) | 一种电量数据异常的识别方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |