CN112215256A - 一种低压配电网多源数据处理方法 - Google Patents
一种低压配电网多源数据处理方法 Download PDFInfo
- Publication number
- CN112215256A CN112215256A CN202010945406.2A CN202010945406A CN112215256A CN 112215256 A CN112215256 A CN 112215256A CN 202010945406 A CN202010945406 A CN 202010945406A CN 112215256 A CN112215256 A CN 112215256A
- Authority
- CN
- China
- Prior art keywords
- data
- distribution network
- low
- source data
- voltage 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.)
- Withdrawn
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 46
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000004870 electrical engineering Methods 0.000 abstract description 2
- 230000002708 enhancing effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 13
- 238000013480 data collection Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Water Supply & Treatment (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种低压配电网多源数据处理方法,涉及电气工程科学技术领域,包括以下步骤:步骤1、收集低压配电网多源数据;步骤2、对步骤1收集的多源数据进行预处理;步骤3、将经过预处理的多源数据进行最终处理与数据融合操作;具体如下:利用数据传感器获取数据特征函数,将数据特征进行对比,检测数据特征之间联系性,并将特征信息进行系统转换,由此获得融合数据信息。本发明对低压配电网多源数据进行收集与整理,强化系统收集能力,加强系统理论性和操作性能,不断通过增强自身防护性能,以保护数据不受外界干扰因素影响。
Description
技术领域
本发明涉及电气工程科学领域,特别是一种低压配电网多源数据处理方法。
背景技术
随着计算机技术的飞速发展,计算技术已融入人类日常生活中。对低压配电网中的多源数据处理与融合的要求越来越高。对多源数据处理方式,能够应用于各领域的数据处理中,在配电网数据遍布时代背景下,利用先进手段处理配电网多源数据问题成为关键问题。
低压配电网处于电力系统的末端,具有地域分布广、电网规模大、设备种类多、网络连接多样、运行方式多变等鲜明特点。随着城镇化建设和用电需求的增长,配电网一直在不断地改造和扩建,其规模也不断扩大。国网公司系统内大多数县级以上配电网的规模都已达到百条馈线以上,一些中、大型城市的中压馈线已达到或超过千条。随着配电自动化、用电信息采集等应用系统的推广应用,对于有千条馈线的大规模配电网,配电网中会产生指数级增长的海量异构、多态的数据,数据集合的大小可达到当今信息学界所关注的大数据级别。此外,大规模配电网还具有其特有的特征: 1)数据采集多,每个采集点采集相对固定类别的数据,且分布在各个电压等级内; 2)不同采集点的采样尺度不数据断面不同; 3)数据不健全,数据采集存在误漏传; 4)数据分布在不同的应用系统中。
而当前,配用电运行技术支持系统,普遍存在功能单一、信息孤岛等现象,由于信息化应用水平较低,难以在各系统间共享数据,部分业务数据重复维护,不但带来更大工作量,而且导致投资回报率低,数据难以得到综合利用,不能很好地为电网建设维护的决策分析提供支撑。
传统的低压配电网多源数据处理与融合技术研究,利用了较为先进的数据处理方式,对数据进行综合性分析,分析数据状态成因,与此同时不断监测数据状态,在一定程度上保证数据在系统运行过程中的安全性,是一种较优良的数据管理模式。但在数据处理过程中忽略对数据集中处理,数据收集的方式较为单一,且精准率较差,无法满足系统对于数据收集的需要,数据处理步骤较为繁杂,不符合可持续发展需求。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供一种低压配电网多源数据处理方法,本发明能够整合管理低压配电网的模型、数据、图形等各种信息,分析配用电调度中各业务需求,为电网建设维护以及各专业应用分析提供综合数据的支持。
本发明为解决上述技术问题采用以下技术方案:
根据本发明提出的一种低压配电网多源数据处理方法,包括以下步骤:
步骤1、收集低压配电网多源数据;
步骤2、对步骤1收集的多源数据进行预处理;
步骤3、将经过预处理的多源数据进行最终处理与数据融合操作;具体如下:利用数据传感器获取数据特征函数,将数据特征进行对比,检测数据特征之间联系性,并将特征信息进行系统转换,由此获得融合数据信息。
作为本发明所述的一种低压配电网多源数据处理方法进一步优化方案,步骤1具体如下:将用户地址作为参数进行研究,选择预设条件的参数作为初始数据输入值,对其进行数据存储操作,并按照数据排列方式,将数据按照类别进行划分,获取最终计算结果。
作为本发明所述的一种低压配电网多源数据处理方法进一步优化方案,步骤2具体如下:经过初步过滤数据进行二次过滤操作。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
(1)低压配电网多源数据进行收集,对数据进行整理与收集,强化系统收集能力,加强系统理论性操作性能,不断通过增强自身防护性能保护数据不受外界干扰因素影响;采用数据匹配方法对数据进行集中匹配,获取所需数据信息;在获取数据信息前提下,实现对数据的预处理;结合数据管理与监测方法,加大数据管控与分析力度,对数据进行集中处理与数据融合操作;
(2)同时,本发明根据数据具体信息划分不同数据集合,记录不同集合相处状态,获得符合系统需求的结果参数;能够很好的为电网应用分析提供数据支持;相较于传统低压配电网多源数据处理与融合方法,本方法设计发明的低压配电网多源数据处理与融合技术研究能够在较高程度上拓展系统基础性能,提高系统操作性,克服数据集中处理,收集方式单一且精准率差的局限性,具备更佳的发展前景。
附图说明
图1是数据监测流程图。
图2是数据排序图。
图3是数据匹配图。
图4是数据解析图。
图5是数据转换图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
以下描述中,为了说明而不是为了限定,提出了诸如特定内部程序、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本方案针对目前低压配电网多源数据处理的特点,提出一种新型多源数据处理方法,包括低压配电网多源数据收集、低压配电网多源数据预处理和低压配电网多源数据处理与融合三部分。下面将结合本发明中的附图,对本发明中核心技术进行清楚、完整的描述。
低压配电网多源数据收集
为增强系统低压配电网多源数据的处理与融合技术性能,首先对配电网多源数据进行收集,获取较为准确的多源数据信息。本方法中采用核心技术一:即将用户地址作为文参数进行研究,选择符合系统研究的参数作为初始数据输入值,对其进行数据存储操作,并按照相应数据排列方式,将数据按照类别进行划分,获取最终计算结果,并将结果函数应用到中心管理系统中,以保证数据完整程度。由数据监测图详细展示,如图1所示:
根据数据特殊性构建数据收集模型,提升系统模型性能,确保系统稳定运行。对此,本发明中利用机器学习算法的技术对收集数据进行分类,将属于同一类别数据进行组合,放置于同一数据集中,分析数据收集的固定规律,采取数据对应手段对收集的数据进行初步过滤,筛选符合系统条件的数据,将数据集进行顺序排列,数据排序如图2 所示:
对已排列数据特征进行识别,获取识别参数,将得到的参数进行记录,标定追踪函数,实时掌握数据在收集通道中的状况,以免外界因素干扰,管理结果参数,完成对低压配电网多源数据初始收集操作。
此过程一共采用了两种核心技术,以数据监测为基础,进行数据排序;数据排序依托数据监测,从而更好地实现多源数据的收集。
低压配电网多源数据预处理
在对数据收集后,将收集的数据进行预处理。经过初步过滤数据进行二次过滤操作,以此去除数据中附着干扰因素,将过滤后数据进行匹配,数据匹配过程如图3 所示。
采用匹配技术,通过匹配原则,将匹配成功的数据进行重组,保证数据操作的可行性。对低压配电网多源数据进行样本采集,选取样本数量较多区域集中测量。挑选符合实验要求的数据,按照处理需求简便处理步骤,分析数据处理条件,注重对异常数据的管理,若出现数据异常情况,应将异常数据去除,保证数据系统正常运行。构建验证模型,以此验证处理数据存在的合理性,分析数据需求,分析数据匹配状况,数据解析示意图如图4所示。
根据系统内部处理装置对数据进行顺序排除,简便操作过程,缩减操作所需时间,实现对数据精准掌控,计算数据间误差值,排除误差数值较大数据,保留误差数值较小的数据,将其存储到管理中心,对数据损失关联性进行检查,检索数据是否符合检查标准,若不符合标准,则应对数据进行重新过滤操作,直至数据符合该标准。由此,完成对低压配电网多源数据的预处理。
在多源数据预处理过程中,本发明结合了数据匹配技术和数据解析技术,确保了数据的真实性和准确性,为下一阶段的融合提供了可靠的依据。
低压配电网多源数据处理与融合
将经过预处理的多源数据进行最终处理与数据融合操作。利用数据传感器获取数据特征函数,将数据特征进行对比,检测数据特征之间联系性,并将特征信息进行系统转换,数据转换过程如图5 所示:
调整数据系统状态,保持系统可操作性,并对电网信号进行筛选与排查操作,设置相应操作函数。
步骤1:以操作函数为基础获取电网信号,按照一定规则进行A/D转换,将模拟信号转换为统一数据信息信号,并进行下一步骤操作。
步骤2:对获取的数据信息信号进行预处理,查找数据融合信息源。同时,过滤数据噪声以及数据污点,降低数据影响因素干扰率。
对数据信号特征进行提取,选取提取算法加强数据系统分析,辅助算法保护,设置数据监控装置,检测数据状况,并挑选适宜规则进行规律性信号特征提取,将提取的信号特征融合为同一个信号数据集合中。挑选综合性较强融合计算算法,将提取特征信号数据进行系统优化操作,由此获得准确性较高的融合数据信息。
在融合阶段,设计发明采用的数据转换技术,保障了数据融合的可靠性,为电网分析提供了相应的数据支持。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围内。
Claims (3)
1.一种低压配电网多源数据处理方法,其特征在于,包括以下步骤:
步骤1、收集低压配电网多源数据;
步骤2、对步骤1收集的多源数据进行预处理;
步骤3、将经过预处理的多源数据进行最终处理与数据融合操作;具体如下:利用数据传感器获取数据特征函数,将数据特征进行对比,检测数据特征之间联系性,并将特征信息进行系统转换,由此获得融合数据信息。
2.根据权利要求1所述的一种低压配电网多源数据处理方法,其特征在于,步骤1具体如下:将用户地址作为参数进行研究,选择预设条件的参数作为初始数据输入值,对其进行数据存储操作,并按照数据排列方式,将数据按照类别进行划分,获取最终计算结果。
3.根据权利要求1所述的一种低压配电网多源数据处理方法,其特征在于,步骤2具体如下:经过初步过滤数据进行二次过滤操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010945406.2A CN112215256A (zh) | 2020-09-10 | 2020-09-10 | 一种低压配电网多源数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010945406.2A CN112215256A (zh) | 2020-09-10 | 2020-09-10 | 一种低压配电网多源数据处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112215256A true CN112215256A (zh) | 2021-01-12 |
Family
ID=74050561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010945406.2A Withdrawn CN112215256A (zh) | 2020-09-10 | 2020-09-10 | 一种低压配电网多源数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215256A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222783A (zh) * | 2021-06-23 | 2021-08-06 | 南方电网数字电网研究院有限公司 | 一种基于多元能源大数据的电力用户用电信息采集方法 |
-
2020
- 2020-09-10 CN CN202010945406.2A patent/CN112215256A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222783A (zh) * | 2021-06-23 | 2021-08-06 | 南方电网数字电网研究院有限公司 | 一种基于多元能源大数据的电力用户用电信息采集方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108255649B (zh) | 一种基于建模仿真协同分析的诊断策略设计方法 | |
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN111505433B (zh) | 一种低压台区户变关系纠错及相位识别方法 | |
CN105426980B (zh) | 一种配电网健康指数评估工程应用系统 | |
CN101615687B (zh) | 电池化成设备智能读取数据方法 | |
CN116148679B (zh) | 一种电池健康状态的预测方法及相关装置 | |
CN108802535B (zh) | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 | |
CN101216982A (zh) | 二维中继式自动路由抄表方法及载波路由动态维护方法 | |
CN107479540A (zh) | 故障诊断方法以及系统 | |
CN112968520A (zh) | 基于台区关键节点特征电流信息的台区拓扑识别方法 | |
CN112904148A (zh) | 智能电缆运行监测系统、方法及装置 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN108072858B (zh) | 电能表质量管理方法、系统及终端设备 | |
CN110348683A (zh) | 电能质量扰动事件主成因分析方法、装置设备及存储介质 | |
CN112215256A (zh) | 一种低压配电网多源数据处理方法 | |
CN110309221A (zh) | 基于电缆附件故障数据库的电缆故障识别系统 | |
CN117277566B (zh) | 基于大数据的电网数据分析电力调度系统及方法 | |
CN110321376A (zh) | 一种基于本福特定律的数据造假排查方法 | |
CN109324264A (zh) | 一种配电网线路阻抗数据异常值的辨识方法及装置 | |
CN112182499A (zh) | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 | |
CN111191946A (zh) | 故障线路识别方法及装置、电子设备 | |
CN111612054A (zh) | 一种基于非负矩阵分解和密度聚类的用户窃电行为识别方法 | |
CN110719445A (zh) | 一种基于图像识别的远程抄表系统及方法 | |
CN114066219A (zh) | 一种关联矩阵下用电异常点智能识别的窃电分析方法 | |
CN101546468A (zh) | 二维中继式载波路由动态维护方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210112 |
|
WW01 | Invention patent application withdrawn after publication |