CN112036622B - 一种基于图谱分析确定配电终端运行状态的方法及系统 - Google Patents
一种基于图谱分析确定配电终端运行状态的方法及系统 Download PDFInfo
- Publication number
- CN112036622B CN112036622B CN202010833544.1A CN202010833544A CN112036622B CN 112036622 B CN112036622 B CN 112036622B CN 202010833544 A CN202010833544 A CN 202010833544A CN 112036622 B CN112036622 B CN 112036622B
- Authority
- CN
- China
- Prior art keywords
- state
- current stage
- state distribution
- feature
- power distribution
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 186
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims abstract description 29
- 238000010586 diagram Methods 0.000 claims description 54
- 239000011159 matrix material Substances 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 12
- 238000012545 processing Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 abstract description 3
- 239000000463 material Substances 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process 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
- 238000010183 spectrum analysis Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/40—Maintenance of things
Abstract
本发明公开了一种基于图谱分析确定配电终端运行状态的方法及系统,利用图谱分析技术和物联网通讯技术,将预测型检修与服务运行于可扩展的、高性能数据处理的配电物联网平台之上,根据每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的EMD距离确定确定配电终端的运行状态,从而实现实时、自动并且准确的配电终端预测型检修;本发明可以提高配电终端故障提前识别的准确性,及时提供异常状态预警信息,能够帮助电力公司在恰当的时间,及时执行所有必需的检修措施,从而确保资源的可用性,降低运营成本和非计划停运时间,大幅降低人工检修所需的人力物力成本。
Description
技术领域
本发明涉及配电物联网技术领域,并且更具体地,涉及一种基于图谱分析确定配电终端运行状态的方法及系统。
背景技术
当前对电力设备进行故障预判主要是基于健康指数的概念,该指数通过利用设备的服役年龄、使用能力、潜在缺陷、外部因素等信息,计算出一个0-10之间的单一数值。该指数虽然不需要大量的计算,但是所需要考虑的参量的种类很多,不利于应用到数量巨大的配电终端设备上;而且该指数基本上是以经验为基础,不同的计算方法之间的精确度难以进行比较。
因此,需要一种能够准确地确定配电终端运行状态的方法。
发明内容
本发明提出一种基于图谱分析确定配电终端运行状态的方法及系统,以解决如何确定配电终端运行状态的问题。
为了解决上述问题,根据本发明的一个方面,提供了一种基于图谱分析确定配电终端运行状态的方法,所述方法包括:
获取配电终端中每个设备在当前阶段的状态分布序列;
根据每个设备当前阶段的状态分布序列确定每个设备当前阶段的状态分布图,并计算每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的搬土距离(Earth Mover’s Distance,EMD);
若存在某个设备对应的EMD距离大于预设的距离阈值,则确定配电终端的运行状态为异常。
优选地,其中所述获取配电终端中每个设备当前阶段的状态分布序列,包括:
按照预设的时间周期,获取传感器记录的每个设备的运行状态数据,并将所述运行状态数据存储至每个设备对应的状态库中,以获取每个设备当前阶段的状态分布序列;其中,所述状态分布序列F=(f1,f2,…,th,t),fh为状态参数向量;t为时间向量。
优选地,其中利用如下方式计算每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的EMD距离,包括:
其中,EMD(P,Q)为设备当前阶段的状态分布图对应的m个特征簇对应的第一特征码集合P和与该设备对应的当前阶段的状态分布基准图对应的n个特征簇对应的第二特征码集合Q之间的EMD距离;P={(p1,wp1),…,(pm,wpm)},Q={(q1,wq1),…,(qn,wqn)},D=[dij]为距离矩阵,dij代表特征簇pi和qj的距离;F=[fij]是流动矩阵,fij代表pi和qj之间的流动。
优选地,其中所述方法利用如下方式确定状态分布图对应的特征码集合中的每个特征码,包括:
利用聚类算法将状态分布图划分为k个特征簇,包括:
(1)初始化每个特征簇cj的中心点mj;
(2)将所述状态分布图中的每个数据点划分到与其最近的中心点所属的特征簇cj;
(3)分别对每一个特征簇cj中的所有数据点求平均值,并将计算得到的平均值作为新的中心点,直至中心点的位置稳定时,确定k个特征簇;
根据特征簇cj确定与其对应的特征码其中,j=1,2,…,k,mj为特征簇cj的模,即该特征簇的中心点的值;/>为特征簇cj的像素在状态分布图中所占的比例。
优选地,其中所述方法还包括:
当确定配电终端的运行状态为异常时,确定异常设备,根据所述异常设备的设备信息生成告警信息,并根据所述告警信息进行报警。
根据本发明的另一个方面,提供了一种基于图谱分析确定配电终端运行状态的系统,所述系统包括:
状态分布序列获取单元,用于获取配电终端中每个设备在当前阶段的状态分布序列;
EMD距离计算单元,用于根据每个设备当前阶段的状态分布序列确定每个设备当前阶段的状态分布图,并计算每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的EMD距离;
运行状态确定单元,用于若存在某个设备对应的EMD距离大于预设的距离阈值,则确定配电终端的运行状态为异常。
优选地,其中所述状态分布序列获取单元,获取配电终端中每个设备当前阶段的状态分布序列,包括:
按照预设的时间周期,获取传感器记录的每个设备的运行状态数据,并将所述运行状态数据存储至每个设备对应的状态库中,以获取每个设备当前阶段的状态分布序列;其中,所述状态分布序列F=(f1,f2,…,fh,t),fh为状态参数向量;t为时间向量。
优选地,其中所述EMD距离计算单元,利用如下方式计算每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的EMD距离,包括:
其中,EMD(P,Q)为设备当前阶段的状态分布图对应的m个特征簇对应的第一特征码集合P和与该设备对应的当前阶段的状态分布基准图对应的n个特征簇对应的第二特征码集合Q之间的EMD距离;P={(p1,wp1),…,(pm,wpm)},Q={(q1,wq1),…,(qn,wqn)},D=[dij]为距离矩阵,dij代表特征簇pi和qj的距离;F=[fij]是流动矩阵,fij代表pi和qj之间的流动。
优选地,其中所述EMD距离计算单元,利用如下方式确定状态分布图对应的特征码集合中的每个特征码,包括:
利用聚类算法将状态分布图划分为k个特征簇,包括:
(1)初始化每个特征簇cj的中心点mj;
(2)将所述状态分布图中的每个数据点划分到与其最近的中心点所属的特征簇cj;
(3)分别对每一个特征簇cj中的所有数据点求平均值,并将计算得到的平均值作为新的中心点,直至中心点的位置稳定时,确定k个特征簇;
根据特征簇cj确定与其对应的特征码其中,j=1,2,…,k,mj为特征簇cj的模,即该特征簇的中心点的值;/>为特征簇cj的像素在状态分布图中所占的比例。
优选地,其中所述系统还包括:
报警单元,用于当确定配电终端的运行状态为异常时,确定异常设备,根据所述异常设备的设备信息生成告警信息,并根据所述告警信息进行报警。
本发明提供了一种基于图谱分析确定配电终端运行状态的方法及系统,利用图谱分析技术和物联网通讯技术,将预测型检修与服务运行于可扩展的、高性能数据处理的配电物联网平台之上,根据每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的EMD距离确定确定配电终端的运行状态,从而实现实时、自动并且准确的配电终端预测型检修;本发明可以提高配电终端故障提前识别的准确性,及时提供异常状态预警信息,能够帮助电力公司在恰当的时间,及时执行所有必需的检修措施,从而确保资源的可用性,降低运营成本和非计划停运时间,大幅降低人工检修所需的人力物力成本。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明实施方式的基于图谱分析确定配电终端运行状态的方法100的流程图;
图2为根据本发明实施方式的基于图谱分析确定配电终端运行状态的系统200的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明实施方式的基于图谱分析确定配电终端运行状态的方法100的流程图。如图1所示,本发明实施方式提供的提供了一种基于图谱分析确定配电终端运行状态的方法,利用图谱分析技术和物联网通讯技术,将预测型检修与服务运行于可扩展的、高性能数据处理的配电物联网平台之上,根据每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的EMD距离确定确定配电终端的运行状态,从而实现实时、自动并且准确的配电终端预测型检修;本发明可以提高配电终端故障提前识别的准确性,及时提供异常状态预警信息,能够帮助电力公司在恰当的时间,及时执行所有必需的检修措施,从而确保资源的可用性,降低运营成本和非计划停运时间,大幅降低人工检修所需的人力物力成本。本发明实施方式提供的基于图谱分析确定配电终端运行状态的方法100,从步骤101处开始,在步骤101获取配电终端中每个设备在当前阶段的状态分布序列。
优选地,其中所述获取配电终端中每个设备当前阶段的状态分布序列,包括:
按照预设的时间周期,获取传感器记录的每个设备的运行状态数据,并将所述运行状态数据存储至每个设备对应的状态库中,以获取每个设备当前阶段的状态分布序列;其中,所述状态分布序列F=(f1,f2,…,fh,t),fh为状态参数向量;t为时间向量。
在本发明的实施方式中,配电终端的传感器测量配电终端中每个设备的运行状态,每经过一个固定的时间间隔后,配电终端就会将测量到的运行状态数据上报给云端主站的应用层。云端主站将运行状态数据保存在状态序列中,和已有的状态序列共同结合,形成新的状态分布序列Fj=(f1,f2,…,fn,t),其中,fi是状态参数向量,如电流、电压、温度等,t是时间向量。例如,对电池来说,其状态分布为Fcell=(U,I,t),其中U,I,t分别为电压、电流、以及时间向量。
在步骤102,根据每个设备当前阶段的状态分布序列确定每个设备当前阶段的状态分布图,并计算每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的EMD距离。
优选地,其中利用如下方式计算每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的EMD距离,包括:
其中,EMD(P,Q)为设备当前阶段的状态分布图对应的m个特征簇对应的第一特征码集合P和与该设备对应的当前阶段的状态分布基准图对应的n个特征簇对应的第二特征码集合Q之间的EMD距离;P={(p1,wp1),…,(pm,wpm)},Q={(q1,wq1),…,(qn,wqn)},D=[dij]为距离矩阵,dij代表特征簇pi和qj的距离;F=[fij]是流动矩阵,fij代表pi和qj之间的流动。
优选地,其中所述方法利用如下方式确定状态分布图对应的特征码集合中的每个特征码,包括:
利用聚类算法将状态分布图划分为k个特征簇,包括:
(1)初始化每个特征簇cj的中心点mj;
(2)将所述状态分布图中的每个数据点划分到与其最近的中心点所属的特征簇cj;
(3)分别对每一个特征簇cj中的所有数据点求平均值,并将计算得到的平均值作为新的中心点,直至中心点的位置稳定时,确定k个特征簇;
根据特征簇cj确定与其对应的特征码其中,j=1,2,…,k,mj为特征簇cj的模,即该特征簇的中心点的值;/>为特征簇cj的像素在状态分布图中所占的比例。
在本发明的实施方式中,根据每个设备当前阶段的状态分布序列确定每个设备当前阶段的状态分布图,并使用基于运输问题的算法计算每个设备当前阶段的状态分布图和已存储的该设备的状态分布基准图的EMD距离。
在本发明的实施方式中,由状态分布F得到状态分布图,每一个状态参数向量fi代表一个维度,包含h个状态参数的状态分布可以得到一个h+1维的状态分布图,其中包含一个时间维度。F的每一个数据点表现为状态分布图上的一个像素点,所得到的状态分布图为一个h+1维的散点图。使用聚类算法如K-means算法将状态分布图划分为k个特征簇,特征簇的数量k由图的复杂程度决定。分簇的步骤如下:
(1)通过猜测或随机的方式得到每个特征簇的中心点mj的初始值,j=1,2,…,k;
(2)将分布图中的每个数据点划分到距离它最近的中心点所属的特征簇cj;
(3)对每一个特征簇cj中的个数据点求平均值,并将计算得到的平均值作为新的中心点;
(4)重复步骤(2)和(3),直到中心点的位置趋于稳定。
在获得特征簇后,计算每个状态分布图的特征码j=1,2,…,k,该特征码代表了一个特征簇的集合,mj是每个特征簇cj的模,即该特征簇的中心点的值,代表每个特征簇cj的像素在状态分布图中所占的比例,即每个特征簇所包含的数据点数。
每个图像的EMD距离是基于将一个分布转化为另一个分布所需的最小成本,因此计算距离是基于运输问题的解。首先令P={(p1,wp1),…,(pm,wpm)}为设备当前阶段的状态分布图对应的特征码集合,令Q={(q1,wq1),…,(qn,wqn)}为已存储的该设备的状态分布基准图对应的特征码集合,D=[dij]为距离矩阵,dij代表特征簇pi和qj的距离。F=[fij]是流动矩阵,fij代表pi和qj之间的流动。则将Fcell转化为Fref所需的成本用以下的方程表示:
并且需要满足以下约束:
fij≥0 1≤i≤m,1≤j≤n (1)
约束(1)只允许将数据点从P运输到Q,而不是反过来。约束(2)限制P中每一个特征簇可以被输送的数据点不能超过它所拥有的全部数据点。约束(3)限制Q中每一个特征簇可以接收的数据点不能超过它原本所拥有的的数据点。约束(4)强制运输最大可能数量的数据点。通过使用Hillier和Lieberman所提出的运输单纯形法,并使用罗素法计算得出初始可行解,来得到最小成本的F矩阵。当得到能达到最小成本的F矩阵后,就可通过以下方程来得到EMD:
在步骤103,若存在某个设备对应的EMD距离大于预设的距离阈值,则确定配电终端的运行状态为异常。
优选地,其中所述方法还包括:
当确定配电终端的运行状态为异常时,确定异常设备,根据所述异常设备的设备信息生成告警信息,并根据所述告警信息进行报警。
在本发明的实施方式中,通过实验以及历史数据获得每个设备全生命周期(每个阶段)的运行状态分布。在计算出每个设备的当前阶段的状态分布图和已存储的该设备的状态分布基准图的EMD后,将计算的得到的EMD和预设的距离阈值EMDTH进行比较,如EMD小于阈值EMDTH,即该设备的运行状态分布十分接近正常的运行状态分布,则判定设备运行状态正常,若每个设备的运行状态都正常,则确定配电终端运行状态为正常;若计算的EMD大于阈值EMDTH,即该设备的运行状态分布和正常的运行状态分布有较大差异,则被认为处于异常状态,则确定配电终端运行状态为异常。在云主站的检修服务业务系统中,会生成警报并创建服务通知。
图2为根据本发明实施方式的基于图谱分析确定配电终端运行状态的系统200的结构示意图。如图2所示,本发明实施方式提供的基于图谱分析确定配电终端运行状态的系统200,包括:状态分布序列获取单元201、EMD距离计算单元202和运行状态确定单元203。
优选地,所述状态分布序列获取单元201,用于获取配电终端中每个设备在当前阶段的状态分布序列。
优选地,其中所述状态分布序列获取单元201,获取配电终端中每个设备当前阶段的状态分布序列,包括:
按照预设的时间周期,获取传感器记录的每个设备的运行状态数据,并将所述运行状态数据存储至每个设备对应的状态库中,以获取每个设备当前阶段的状态分布序列;其中,所述状态分布序列F=(f1,f2,…,fh,t),fh为状态参数向量;t为时间向量。
优选地,所述EMD距离计算单元202,用于根据每个设备当前阶段的状态分布序列确定每个设备当前阶段的状态分布图,并计算每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的EMD距离。
优选地,其中所述EMD距离计算单元202,利用如下方式计算每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的EMD距离,包括:
其中,EMD(P,W)为设备当前阶段的状态分布图对应的m个特征簇对应的第一特征码集合P和与该设备对应的当前阶段的状态分布基准图对应的n个特征簇对应的第二特征码集合Q之间的EMD距离;P={(p1,wp1),…,(pm,wpm)},Q={(q1,wq1),…,(qn,wqn)},D=[dij]为距离矩阵,dij代表特征簇pi和qj的距离;F=[fij]是流动矩阵,fij代表pi和qj之间的流动。
优选地,其中所述EMD距离计算单元202,利用如下方式确定状态分布图对应的特征码集合中的每个特征码,包括:
利用聚类算法将状态分布图划分为k个特征簇,包括:
(1)初始化每个特征簇cj的中心点mj;
(2)将所述状态分布图中的每个数据点划分到与其最近的中心点所属的特征簇cj;
(3)分别对每一个特征簇cj中的所有数据点求平均值,并将计算得到的平均值作为新的中心点,直至中心点的位置稳定时,确定k个特征簇;
根据特征簇cj确定与其对应的特征码其中,j=1,2,…,k,mj为特征簇cj的模,即该特征簇的中心点的值;/>为特征簇cj的像素在状态分布图中所占的比例。
优选地,所述运行状态确定单元203,用于若存在某个设备对应的EMD距离大于预设的距离阈值,则确定配电终端的运行状态为异常。
优选地,其中所述系统还包括:报警单元,用于当确定配电终端的运行状态为异常时,确定异常设备,根据所述异常设备的设备信息生成告警信息,并根据所述告警信息进行报警。
本发明的实施例的基于图谱分析确定配电终端运行状态的系统200与本发明的另一个实施例的基于图谱分析确定配电终端运行状态的方法100相对应,在此不再赘述。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
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。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (4)
1.一种基于图谱分析确定配电终端运行状态的方法,其特征在于,所述方法包括:
获取配电终端中每个设备在当前阶段的状态分布序列;
根据每个设备当前阶段的状态分布序列确定每个设备当前阶段的状态分布图,并计算每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的搬土距离EMD;
若存在某个设备对应的EMD距离大于预设的距离阈值,则确定配电终端的运行状态为异常;
其中,所述获取配电终端中每个设备当前阶段的状态分布序列,包括:
按照预设的时间周期,获取传感器记录的每个设备的运行状态数据,并将所述运行状态数据存储至每个设备对应的状态库中,以获取每个设备当前阶段的状态分布序列;其中,所述状态分布序列F=(f1,f2,…,fh,t),fh为状态参数向量;t为时间向量;
其中,利用如下方式计算每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的EMD距离,包括:
s.t
fij≥0,1≤i≤m,1≤j≤n,
其中,EMD(P,Q)为设备当前阶段的状态分布图对应的m个特征簇对应的第一特征码集合P和与该设备对应的当前阶段的状态分布基准图对应的n个特征簇对应的第二特征码集合Q之间的EMD距离;P={(p1,wp1),…,(pm,wpm)},Q={(q1,wq1),…,(qn,wqn)},D=[dij]为距离矩阵,dij代表特征簇pi和qj的距离;F=[fij]是流动矩阵,fij代表pi和qj之间的流动;
其中,所述方法利用如下方式确定状态分布图对应的特征码集合中的每个特征码,包括:
利用聚类算法将状态分布图划分为k个特征簇,包括:
(1)初始化每个特征簇cj的中心点mj;
(2)将所述状态分布图中的每个数据点划分到与其最近的中心点所属的特征簇cj;
(3)分别对每一个特征簇cj中的所有数据点求平均值,并将计算得到的平均值作为新的中心点,直至中心点的位置稳定时,确定k个特征簇;
根据特征簇cj确定与其对应的特征码其中,j=1,2,…,k,mj为特征簇cj的模,即该特征簇的中心点的值;/>为特征簇cj的像素在状态分布图中所占的比例。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当确定配电终端的运行状态为异常时,确定异常设备,根据所述异常设备的设备信息生成告警信息,并根据所述告警信息进行报警。
3.一种基于图谱分析确定配电终端运行状态的系统,其特征在于,所述系统包括:
状态分布序列获取单元,用于获取配电终端中每个设备在当前阶段的状态分布序列;
EMD距离计算单元,用于根据每个设备当前阶段的状态分布序列确定每个设备当前阶段的状态分布图,并计算每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的EMD距离;
运行状态确定单元,用于若存在某个设备对应的EMD距离大于预设的距离阈值,则确定配电终端的运行状态为异常;
其中,所述状态分布序列获取单元,获取配电终端中每个设备当前阶段的状态分布序列,包括:
按照预设的时间周期,获取传感器记录的每个设备的运行状态数据,并将所述运行状态数据存储至每个设备对应的状态库中,以获取每个设备当前阶段的状态分布序列;其中,所述状态分布序列F=(f1,f2,…,fh,t),fh为状态参数向量;t为时间向量;
其中,所述EMD距离计算单元,利用如下方式计算每个设备当前阶段的状态分布图与该设备对应的当前阶段的状态分布基准图之间的EMD距离,包括:
s.t
fij≥0,1≤i≤m,1≤j≤n,
其中,EMD(P,Q)为设备当前阶段的状态分布图对应的m个特征簇对应的第一特征码集合P和与该设备对应的当前阶段的状态分布基准图对应的n个特征簇对应的第二特征码集合Q之间的EMD距离;P={(p1,wp1),…,(pm,wpm)},Q={(q1,wq1),…,(qn,wqn)},D=[qij]为距离矩阵,qij代表特征簇pi和qj的距离;F=[fij]是流动矩阵,fij代表pi和qj之间的流动;
其中,所述EMD距离计算单元,利用如下方式确定状态分布图对应的特征码集合中的每个特征码,包括:
利用聚类算法将状态分布图划分为k个特征簇,包括:
(1)初始化每个特征簇cj的中心点mj;
(2)将所述状态分布图中的每个数据点划分到与其最近的中心点所属的特征簇cj;
(3)分别对每一个特征簇cj中的所有数据点求平均值,并将计算得到的平均值作为新的中心点,直至中心点的位置稳定时,确定k个特征簇;
根据特征簇cj确定与其对应的特征码其中,j=1,2,…,k,mj为特征簇cj的模,即该特征簇的中心点的值;/>为特征簇cj的像素在状态分布图中所占的比例。
4.根据权利要求3所述的系统,其特征在于,所述系统还包括:
报警单元,用于当确定配电终端的运行状态为异常时,确定异常设备,根据所述异常设备的设备信息生成告警信息,并根据所述告警信息进行报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010833544.1A CN112036622B (zh) | 2020-08-18 | 2020-08-18 | 一种基于图谱分析确定配电终端运行状态的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010833544.1A CN112036622B (zh) | 2020-08-18 | 2020-08-18 | 一种基于图谱分析确定配电终端运行状态的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112036622A CN112036622A (zh) | 2020-12-04 |
CN112036622B true CN112036622B (zh) | 2023-12-26 |
Family
ID=73578240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010833544.1A Active CN112036622B (zh) | 2020-08-18 | 2020-08-18 | 一种基于图谱分析确定配电终端运行状态的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112036622B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122879A (zh) * | 2017-03-03 | 2017-09-01 | 广东南方电力通信有限公司 | 一种基于大数据与设备状态异常跟踪的电网状态检修方法 |
CN107153584A (zh) * | 2016-03-03 | 2017-09-12 | 中兴通讯股份有限公司 | 异常检测方法及装置 |
CN109145957A (zh) * | 2018-07-26 | 2019-01-04 | 国网浙江省电力有限公司温州供电公司 | 基于大数据的配电网异常指标的识别与处理方法及装置 |
CN109547089A (zh) * | 2018-11-21 | 2019-03-29 | 北京域天科技有限公司 | 一种应急通信卫星终端管理系统 |
-
2020
- 2020-08-18 CN CN202010833544.1A patent/CN112036622B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107153584A (zh) * | 2016-03-03 | 2017-09-12 | 中兴通讯股份有限公司 | 异常检测方法及装置 |
CN107122879A (zh) * | 2017-03-03 | 2017-09-01 | 广东南方电力通信有限公司 | 一种基于大数据与设备状态异常跟踪的电网状态检修方法 |
CN109145957A (zh) * | 2018-07-26 | 2019-01-04 | 国网浙江省电力有限公司温州供电公司 | 基于大数据的配电网异常指标的识别与处理方法及装置 |
CN109547089A (zh) * | 2018-11-21 | 2019-03-29 | 北京域天科技有限公司 | 一种应急通信卫星终端管理系统 |
CN110212968A (zh) * | 2018-11-21 | 2019-09-06 | 北京域天科技有限公司 | 一种应急通信卫星终端管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112036622A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105825298B (zh) | 一种基于负荷特性预估的电网计量预警系统及方法 | |
CN112148577A (zh) | 数据异常检测方法、装置、电子设备及存储介质 | |
US20130268463A1 (en) | Smoothing Power Output From a Wind Farm | |
CN108549955B (zh) | 一种充电桩异常率确定方法及装置 | |
US20180166880A1 (en) | Data-Driven Demand Charge Management Solution | |
CN116660759B (zh) | 基于bms电池管理系统的电池寿命预测方法及装置 | |
CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN116632838B (zh) | 应用于发电企业的电能供给分析的方法及装置 | |
CN116559667A (zh) | 模型训练方法及装置、电池检测方法及装置、设备、介质 | |
CN116882804A (zh) | 一种智能电力监控方法及系统 | |
US11265688B2 (en) | Systems and methods for anomaly detection and survival analysis for physical assets | |
CN116756522B (zh) | 概率预报方法、装置、存储介质及电子设备 | |
CN112116205B (zh) | 针对台区用电特征的画像方法、装置和存储介质 | |
CN112036622B (zh) | 一种基于图谱分析确定配电终端运行状态的方法及系统 | |
CN114186733A (zh) | 一种短期负荷预测方法和装置 | |
CN116502771B (zh) | 一种基于电力物资预测的配电方法及系统 | |
CN117408394A (zh) | 电力系统的碳排放因子预测方法、装置及电子设备 | |
CN109978299B (zh) | 用于海上风电业务的数据分析方法、装置和存储介质 | |
CN116303480A (zh) | 基于云计算的电能表误差校验方法 | |
CN116777281A (zh) | 一种基于arima模型的电力设备质量趋势预测方法及装置 | |
CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
CN114462298A (zh) | 电力计量资产管理方法、装置、设备及存储介质 | |
CN113642248A (zh) | 定位设备剩余使用时间的评估方法及装置 | |
CN111523083A (zh) | 一种电力负荷申报数据的确定方法以及装置 | |
de Andrade et al. | Complementary module to smart meters based on outliers correction using artificial intelligence |
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 |