CN112307003A - 电网数据多维辅助分析方法、系统、终端及可读存储介质 - Google Patents

电网数据多维辅助分析方法、系统、终端及可读存储介质 Download PDF

Info

Publication number
CN112307003A
CN112307003A CN202011204408.2A CN202011204408A CN112307003A CN 112307003 A CN112307003 A CN 112307003A CN 202011204408 A CN202011204408 A CN 202011204408A CN 112307003 A CN112307003 A CN 112307003A
Authority
CN
China
Prior art keywords
data
power grid
equipment
multidimensional
analysis
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.)
Granted
Application number
CN202011204408.2A
Other languages
English (en)
Other versions
CN112307003B (zh
Inventor
谢先锋
朱训平
李森森
桂雨龙
何兵兵
石海春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HEFEI YOUO ELECTRONIC TECHNOLOGY CO LTD
Original Assignee
HEFEI YOUO ELECTRONIC TECHNOLOGY CO LTD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by HEFEI YOUO ELECTRONIC TECHNOLOGY CO LTD filed Critical HEFEI YOUO ELECTRONIC TECHNOLOGY CO LTD
Priority to CN202011204408.2A priority Critical patent/CN112307003B/zh
Publication of CN112307003A publication Critical patent/CN112307003A/zh
Application granted granted Critical
Publication of CN112307003B publication Critical patent/CN112307003B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/256—Integrating or interfacing systems involving database management systems in federated or virtual 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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
    • 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
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本发明涉及电网数据多维辅助分析方法、系统、终端及可读存储介质，包括以下步骤：S1、获取数据；S2、对获取的数据进行校核并处理，剔除异常及坏点数据；S3、基于处理后的数据，获取不同维度下用户用电与线路负荷的相关性，分析故障；S4、对电网设备进行打标签画像处理，得到分析结果。本发明通过获取数据，并对数据进行校核并处理，剔除异常及坏点数据，这样保证了在后续的分析过程中电网数据的真实性，分析结果会更加准确。

Description

电网数据多维辅助分析方法、系统、终端及可读存储介质
技术领域
本发明涉及电网数据分析处理技术领域，尤其涉及电网数据多维辅助 分析方法、系统、终端及可读存储介质。
背景技术
随着电网规模的飞速发展，电网生产管理系统所产生的运行数据信息 越来越多、越来越复杂，对电网运行数据的实时监控分析和辅助决策功能 提出了更加具体的要求，这样就需要有一套系统用来将各个电力系统的各 项数据信息融合在一起，实现多系统数据源统一化、标准化、规范化，更 好地为调控生产管理工作提供技术支撑服务。
面对依托于在线监测SCADA系统、智能调度管理OMS系、电能量管 理EMS系统等技术支持系统和气象中心系统，在电力生产经营过程中产生 的海量的电网运行数据，如有功、无功、电流、电压、电量、监控告警信 号等，前期由于数据处理能力不足，无法去除电网数据中的异常数据，导 致现阶段对实时数据和短期数据进行分析、判断时结果并不能够达到实际 运用的预期。
申请号为“CN201811606494.2”的发明专利申请公开了一种电网数据 质量分析方法，所述方法包括：采集电网调度自动化系统的告警数据及实 时三遥数据；对所述告警数据进行频繁无效告警分析、重复告警分析、同 一终端异常数量告警分析及遥信变位与SOE不匹配分析，过滤输出异常告 警数据；将所述实时三遥数据输入训练好的随机森林树模型，筛查输出异 常数据。但是该专利方案是通过建立模型来输出异常数据，并不能够对剔除异常及坏点数据，所以分析结果并不能够有较好的应用前景。
发明内容
本发明所要解决的技术问题在于克服无法对获取数据进行剔除异常及 坏点数据的问题。
本发明通过以下技术手段实现解决上述技术问题的：
一种电网数据多维辅助分析方法，包括以下步骤：
S1、获取数据；
S2、对获取的数据进行校核并处理，剔除异常及坏点数据；
其中，对获取的数据进行校核包括：计算综合波动指数，判断综合波 动指数与第一预设阈值的大小，如果综合波动指数大于第一预设阈值，则 为缺省/坏点数据，反之为正常数据不需要剔除；
S3、基于处理后的数据，获取不同维度下用户用电与线路负荷的相关 性，结合负载率判断可能出现跳闸设备；
S4、对电网设备进行打标签画像处理，得到分析结果。
通过获取数据，并对数据进行校核并处理，剔除异常及坏点数据，这 样保证了在后续的分析过程中电网数据的真实性，分析结果会更加准确。
作为本发明进一步的方案：所述S1为：服务器根据遥测/遥测数据类别、 不同设备采样周期、不同数据源，设定电网运行数据采集周期，分设备、 分类型、分时、分段根据设定的采集周期，每天定时/实时采集电网运行数 据信息。
作为本发明进一步的方案：
所述计算综合波动指数包括；
1)、利用公式(1)计算综合波动指数；
Figure BDA0002756575960000031
其中：α为综合波动指数；n为历史数据个数；ei为第i个历史数 据的大小，当综合波动指数超过第一预设阈值时，该数据为缺省/坏点 数；
作为本发明进一步的方案：所述异常数据识别还包括：
2)利用公式(2)来计算数据数列的方差值；
1)
Figure BDA0002756575960000032
其中，
Figure BDA0002756575960000033
为历史数据的均值；当方差指数超过第二预设阈值时，该数据 为缺省/坏点数；
3)、利用公式(3)识别缺省/坏点数据；
Figure BDA0002756575960000034
其中，根据历史样本数据，Pi,t为历史样本第i天t时刻的遥测值， (i＝1,2,…,n,t＝1,2,…,T)，n为历史天数，T为采样点数，第s天 为第i天的同类型日，s＝i±7，则其t时刻的历史遥测数据为Ps,t。 通过逐点计算遥测数据偏差率
Figure BDA0002756575960000035
超过第三预设阈值则视为 缺省/坏点数据需进行修正，不超过阈值则视为有效数据。
作为本发明进一步的方案：所述对获取的数据进行校核还包括：
2)利用公式(2)来计算数据数列的方差值；
2)
Figure BDA0002756575960000041
其中，
Figure BDA0002756575960000042
为历史数据的均值；当方差指数超过第二预设阈值时，该数据 为缺省/坏点数；
3)、利用公式(3)识别缺省/坏点数据；
Figure BDA0002756575960000043
其中，根据历史样本数据，Pi,t为历史样本第i天t时刻的遥测值， (i＝1,2,…,n,t＝1,2,…,T)，n为历史天数，T为采样点数，第s天 为第i天的同类型日，s＝i±7，则其t时刻的历史遥测数据为Ps,t， 通过逐点计算遥测数据偏差率
Figure BDA0002756575960000044
与第三预设阈值进行比 较，超过阈值则视为缺省/坏点数据需进行修正，不超过阈值则视为有效数据。
作为本发明进一步的方案：
所述步骤S2还包括：
4)、采用系数大于0的标准对电网运行遥测上一级进行最低标准分析， 确定影响计算的最大、最小阈值范围。
作为本发明进一步的方案：所述步骤S3包括：
S31、利用公式(4)分析夏季、冬季、白天、夜晚、工作日、周末等时 间段时升温、取暖的情况下负荷增减情况和负荷占比的相关系数；计算公 式如下：
Figure BDA0002756575960000051
其中rxy表示样本相关系数，sxy表示样本协方差，sx表示X的样本标准 差，sy表示y的样本标准差，sxy协方差和sx和sy标准差分别为：
Figure BDA0002756575960000052
S32、结合负载率判断可能出现跳闸设备；
作为本发明进一步的方案：基于所述服务器中存在的故障异常信息库， 当出现易因重过载导致的跳闸的设备负载率达到第四预设阈值时，进行短 信实时消息告警，同时在系统页面中以数据列表的形式进行滚动告警提醒；
其中，所述故障异常信息库为：通过实时采集SCADA系统中事故跳闸 信息，辅以人工标注跳闸原由。
一种电网数据多维辅助分析系统，包括：
获取模块，用于获取数据；
校核模块，用于对获取的数据进行校核并处理，剔除异常及坏点数据；
分析模块，用于基于处理后的数据，获取不同维度下用户用电与线路 负荷的相关性，分析故障；
处理模块，用于对电网设备进行打标签画像处理，得到分析结果。
一种终端，包括：
存储器；
处理器；
存储于所述存储器中的计算机程序，所述计算机程序被配置为由处理 器运行，当所述计算机程序被处理器运行时实现所述的电网数据多维辅助 分析方法。
一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算 机程序运行时实现所述的电网数据多维辅助分析方法。
本发明的优点在于：
1、本发明通过获取数据，并对数据进行校核并处理，剔除异常及坏点 数据，这样保证了在后续的分析过程中电网数据的真实性，分析结果会更 加准确。
2、本发明能够以分区、分片、分站、分级、分类型等对电网间所有设 备和设备运行数据进行分类，建立设备台账间管理关系，并辅以图表图形 化展示。系统通过自动采集SCADA、OMS等系统一次设备台帐数据、负 荷电量、设备运行、设备检修、无功电压、新能源等电网运行大数据进行 集中处理、关联分析。
3、本发明通过电网数据通过大数据存储及分析手段，汇集至系统中， 通过图形、图像等多维方式展现，方便工作人员检索查看。
4、本发明实现对不同的新能源设备在不同气象条件下的利用情况进行 了统一的聚类分析展示。
5、本发明建立了专线用户台账，实现了商业综合体、医院及其它重点 保护单位在不同时间段的负荷增减情况的综合分析和超载预警。
6、建立故障异常特征信息库，实现设备故障的提前预判，减少故障的 出现。
7、对设备进行静态和动态标签的标记，实现设备的多维立体化展示， 避免了设备信息分散、不全、查看困难的情况。
8、通过电网数据和气象等因素的结合，自动分析设备负载率、电网负 荷、事故异常原因、设备状态等，为调度人员对电力调度作出了重要的辅 助参考，减少了电力调度在出现问题后的现场核查工作量，大大提高了电 力调度的可靠性和工作效率。
附图说明
图1为本发明实施例1中原始遥测值数据处理前的波形对比图。
图2为本发明实施例1中原始遥测值数据处理后的波形对比图。
图3为本发明实施例1中电压变动情况下电压曲线相关系数变化的过 程图。
图4为本发明实施例1提供的电网数据多维辅助分析方法的流程图。
图5本发明实施例2提供的电网数据多维辅助分析系统中，为整合利 用现有安全和大数据相关技术手段设计的微服务架构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本 发明实施例，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作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
图4为本发明实施例1提供的电网数据多维辅助分析方法的流程图， 参阅图4，一种电网数据多维辅助分析方法，包括以下步骤：
S1、获取数据；
其中，事先通过人工汇集电网各电力技术支持系统的设备台账信息， 对电网设备纵向按照分责任区域、分片区、分变电站、分电压等级、分设 备建立台账间关联关系，同时剔除停运设备，标记待运、检修、置牌、专 线专变等设备，横向按照电流、电压、有功、无功、遥测遥信等进行分类；，
补充设备容量/阈值/别名等参数数据，梳理并建立片区与所辖设备、主 变和对应出线、新能源变电站和并网点-->并网母线-->上级变电站-->主变设 备之间的关联对应关系，实现打通各系统间壁垒，建立一份统一化、标准 化和完整化的电网数据中心设备台账数据；
服务器根据遥测/遥测数据类别、不同设备采样周期、不同数据源，设 定电网运行数据采集周期，分设备、分类型、分时、分段根据设定的采集 周期，每天定时/实时采集电网运行数据信息；
S2、对获取的数据进行校核并处理，剔除异常及坏点数据；
在电网的运行数据中，原始数据往往是不完整、不一致的，可能缺少 相应的属性值、存在错误的、异常的数据、噪点的数据，这些未经校核的 数据若直接使用，将严重影响到电网运行数据分析的准确率，所以对数据 进行清洗、校验就显得尤为重要。所述校验步骤主要包括：
S21、识别缺省/坏点数数据，具体包括：
1)、利用公式(1)计算综合波动指数；
Figure BDA0002756575960000081
其中：α为综合波动指数；n为历史数据个数；ei为第i个历史数据的 大小。
采用综合波动指数来进行该类数据识别，综合波动指数考虑了时间数列 若干个(本实施例中优选为两个)相邻点之间的差异，指数大、差异大， 数列波动剧烈；相反，指数越小、差异小，数列波动平稳；当波动指数超 过第一预设阈值时，该数据为缺省/坏点数；
2)利用公式(2)来计算数据数列的方差值；
Figure BDA0002756575960000091
其中，
Figure BDA0002756575960000092
为历史数据的均值；方差值越大，数据数列波动越猛烈；反之， 波动越弱；该类数据无法通过异常数据感知，系统中对此类数据使用不同 属性间的约束来检测和清理数据，参阅图1及图2，图1为本发明实施例1 中原始遥测值数据处理前的波形对比图，图2为本发明实施例1中原始遥 测值数据处理后的波形对比图，展示异常数据处理前后的波形对比；当方 差指数超过第二预设阈值时，该数据为缺省/坏点数；
3)、利用公式(3)识别缺省/坏点数据；
Figure BDA0002756575960000093
其中，根据历史样本数据，Pi,t为历史样本第i天t时刻的遥测值， (i＝1,2,…,n,t＝1,2,…,T)，n为历史天数，T为采样点数，第s天 为第i天的同类型日，s＝i±7，则其t时刻的历史遥测数据为Ps,t。 通过逐点计算遥测数据偏差率
Figure BDA0002756575960000094
设定偏差率的第三预设阈 值，超过第三预设阈值则视为缺省/坏点数据需进行修正，不超过阈值则视为有效数据。
对于缺省/坏点数据进行校正，采取热卡填充(Hot deck imputation) 法进行校正处理(在完整数据中找到一个与它最相似的对象，然后用这个 相似对象的值来进行填充，不同的问题可能会选用不同的标准来对相似进 行判定)；
具体的热卡填充法的步骤为现有技术，并不在本发明的保护范围之内， 此处不再进行详细说明。
所述步骤S2还包括：对数据进行处理，根据皮尔逊相关性系数可知， 系数越接近于1，相关性就越强，系数越接近于0，相关性就越弱。
4)、采用系数大于0的标准对电网运行遥测上一级进行最低标准分析， 确定影响计算的最大、最小阈值范围，如电压为250和190的范围标准， 参阅图3，图3为本发明实施例1中电压变动情况下电压曲线相关系数变化 的过程图。
通过对电网运行数据重的异常数据的识别及处理，提升数据的完整性 和准确性，对电网运行方式的准确分析提供的基础数据保障。
应当说明的是，所述最低标准分析包括：通过采集电网中的新能源设 备(光伏、生物质、风电、水电)的负荷数据，得到新能源设备在不同时 间段(早、中、晚)、不同气象天气下的最大、平均出力情况，出力时长， 最大负载率、平均负载率，同期对比增长率、环期对比增长率，新能源负 荷反向倒送等情况，从而方便通过不同的新能源分类从时间、气象等维度 进行分析评估，得出新能源设备在气象预报天气下的出力情况，所述出力 情况即为上面计算的出力、负载率等。
S3、基于处理后的数据，获取不同维度下用户用电与线路负荷的相关性， 结合负载率判断可能出现跳闸设备；
S31、获取不同维度下用户用电与线路负荷的相关性包括：利用供电单 位整理的10kV出线与重点保电用户间的对应关系台账，将台账数据导入至 系统中，建立10KV出线与其对应的重点保电用户(学校、商业综合体、医 院、其它重点保电单位)间的对应关系台账(该对应关系台账由供电公司 整理并提供)。根据对应关系台账，分析夏季、冬季、白天、夜晚、工作 日、周末等时间段时升温、取暖的情况下用户负荷增减情况和负荷占比情 况。利用大数据相关性系数算法，相关系数的取值区间在1到-1之间，1 表示两个变量完全线性相关，-1表示两个变量完全负相关，0表示两个变 量不相关。数据越趋近于0表示相关关系越弱。相关系数的计算公式如下：
Figure BDA0002756575960000111
其中rxy表示样本相关系数，sxy表示样本协方差，sx表示X的样本标准 差，sy表示y的样本标准差，sxy协方差和sx和sy标准差分别为：
Figure BDA0002756575960000112
通过公式(4)计算出不同维度下用户用电与线路负荷的相关性，发现 潜在的关联度，即可实现综合分析预警，为电网运行方式调整提供技术手 段辅助支撑。
S32、结合负载率判断可能出现跳闸设备；
基于服务器中存在的故障异常信息库，设定第四预设阈值；实时采集采 集SCADA系统中事故跳闸信息与预设的阈值进行比对，当出现易因重过载 导致的跳闸的设备负载率达到阈值时，进行短信实时消息告警，同时在系 统页面中以数据列表的形式进行滚动告警提醒。
其中，所述故障异常信息库为：通过实时采集SCADA系统中事故跳闸信 息，辅以人工标注跳闸原由(重过载、接地等)。
应当强调的是，S31、S32是用于解决两个不同问题的过程，之间是可以 独立并行的，操作的序号，S31S32，仅仅是用于区分开各个不同的操作， 序号本身不代表任何的执行顺序。
S4、对电网设备进行打标签画像处理；实现对电网设备有效、快速、精 准的分析评估。
所述服务器对电网设备进行打标签画像处理，标签分为静态标签(电压 等级、所属区域、所属变电站、用户类型、投运时间、设备运行状况等静 态参数信息)和动态标签(有功、无功、电流、电压、负载率等动态运行 数据信息)，针对电网设备的参数多样、数据零散、数据源不统一的情况， 通过融合各种设备信息为一体，设备信息的一篮子展示，进而达到了对电 网设备进行有效、快速、精准的分析评估的目的。
实施例2
一种电网数据多维辅助分析系统，包括：
获取模块，用于获取数据；其中，服务器根据遥测/遥测数据类别、不 同设备采样周期、不同数据源，设定电网运行数据采集周期，分设备、分 类型、分时、分段根据设定的采集周期，每天定时/实时采集电网运行数据 信息；
校核模块，用于对获取的数据进行校核并处理，剔除异常及坏点数据；
其中，对获取的数据进行校核包括：计算综合波动指数，判断综合波 动指数与第一预设阈值的大小，如果综合波动指数大于第一预设阈值，则 为缺省/坏点数据，反之为正常数据不需要剔除；
所述计算综合波动指数包括：
1)、利用公式(1)计算综合波动指数；
Figure BDA0002756575960000131
其中：α为综合波动指数；n为历史数据个数；ei为第i个历史数据的 大小，当综合波动指数超过第一预设阈值时，该数据为缺省/坏点数据；
2)利用公式(2)来计算数据数列的方差值；
3)
Figure BDA0002756575960000132
其中，
Figure BDA0002756575960000133
为历史数据的均值；当方差指数超过第二预设阈值时，该数据 为缺省/坏点数；
3)、利用公式(3)识别缺省/坏点数据；
Figure BDA0002756575960000134
其中，根据历史样本数据，Pi,t为历史样本第i天t时刻的遥测值， (i＝1,2,…,n,t＝1,2,…,T)，n为历史天数，T为采样点数，第s天 为第i天的同类型日，s＝i±7，则其t时刻的历史遥测数据为Ps,t， 通过逐点计算遥测数据偏差率
Figure BDA0002756575960000135
与第三预设阈值进行比 较，超过阈值则视为缺省/坏点数据需进行修正，不超过阈值则视为有效数据；
还包括：
4)、采用系数大于0的标准对电网运行遥测上一级进行最低标准分析， 确定影响计算的最大、最小阈值范围。
分析模块，用于基于处理后的数据，获取不同维度下用户用电与线路 负荷的相关性，分析故障；还用于：
利用公式(4)分析夏季、冬季、白天、夜晚、工作日、周末等时间段 时升温、取暖的情况下负荷增减情况和负荷占比的相关系数；计算公式如 下：
Figure BDA0002756575960000141
其中rxy表示样本相关系数，sxy表示样本协方差，sx表示X的样本标准 差，sy表示y的样本标准差，sxy协方差和sx和sy标准差分别为：
Figure BDA0002756575960000142
S32、结合负载率判断可能出现跳闸设备；
基于所述服务器中存在的故障异常信息库，当出现易因重过载导致的跳 闸的设备负载率达到第四预设阈值时，进行短信实时消息告警，同时在系 统页面中以数据列表的形式进行滚动告警提醒；
其中，所述故障异常信息库为：通过实时采集SCADA系统中事故跳闸 信息，辅以人工标注跳闸原由。
处理模块，用于对电网设备进行打标签画像处理，得到分析结果；还用 于；
所述服务器对电网设备进行打标签画像处理，标签分为静态标签和动态 标签，针对电网设备的参数多样、数据零散、数据源不统一的情况，通过 融合各种设备信息为一体，设备信息的一篮子展示，进而达到了对电网设 备进行有效、快速、精准的分析评估的目的。
示例性的，以本系统整合利用现有安全和大数据相关技术手段，设计使 用如图5所示，图5本发明实施例2提供的电网数据多维辅助分析系统中， 为整合利用现有安全和大数据相关技术手段设计的微服务架构图；其中，
1)注册中心ANS与配置中心ACM
基于阿里云微服务注册中心与配置中心nacos开发，可实现集群式部署， 满足高可用和稳定性需求。
2)ZUUL网关与统一鉴权
所有请求都会经过Zuul到达后端的Netflix应用服务。作为一个边界性 质的应用程序，Zuul提供了动态路由、监控、弹性负载和安全功能。请求 访问资源之前，由单点登录OAuth2提供统一授权、鉴权，OAuth2具有灵 活而严格的权限控制功能，确保系统接口调用的安全性需求。
3)服务治理YSM
在微服务架构中通常会有多个服务层调用，基础服务的故障可能会导致 级联故障，进而造成整个系统不可用的情况。基于Sentinel限流降级开发的 YSM，能够达到对服务有效地治理，从而提高用户体验，防止服务宕机。
4)Feign调用
Feign通过注解的方式实现http客户端的功能，能用最小的性能开销， 让我们调用web服务器上基于文本的接口。
5)Skywalking链路追踪
微服务架构是一个分布式架构，它按业务划分服务单元，一个分布式系 统往往有很多个服务单元。由于服务单元数量众多，业务的复杂性，如果 出现了错误和异常，很难去定位。主要体现在，一个请求可能需要调用很 多个服务，而内部服务的调用复杂性，决定了问题难以定位。实现了分布 式链路追踪，去采集请求的服务参与信息，包括具体参与的服务和参与的 顺序，从而达到每个请求的步骤清晰可见，出现问题，快速定位，增强服 务的可维护性。
6)应用全链路监控
应用全链路监控能对关键业务应用的监测和优化，提高业务应用的可用 性和可靠性指标，在提供更优质服务的前提下，降低运维的投入和工作量， 为用户带来更多的客户体验。
7)弹性伸缩YRS
弹性伸缩可以根据业务需求和策略设置伸缩规则，在业务需求增长时自 动增加节点以保证计算能力。弹性伸缩不仅适合业务量不断波动的应用程 序，同时也适合业务量稳定的应用程序。
8)存储架构
Redis集群用于高效缓存服务，提升系统存储吞吐量及访问速率。结构 化数据使用MySQL存储，主模式搭建的MySQL集群，可实现读写分离与 双机热备，确保数据的安全和吞吐量需求。采集数据对数据分析及存查性 能要求较高，由于采集数据为大量时序型数据，分析维度具有一定的规律 性，因此采用基于HBase搭建的分布式OpenTSDB集群。
实施例3
一种终端，包括：
存储器；
处理器；
存储于所述存储器中的计算机程序，所述计算机程序被配置为由处理器 运行，当所述计算机程序被处理器运行时实现所述的电网数据多维辅助分 析方法。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一 个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完 成本发明。所述一个或多个模块/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，该指令段用于描述所述计算机程序在所述测量终端中的 执行过程。所述测量终端可以是测井仪及云端服务器等计算设备。所述井 眼截面形状测量的终端设备可包括，但不仅限于，处理器、存储器。本领 域技术人员可以理解，图仅仅是测量终端的示例，并不构成对测量终端的 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，例如所述井眼截面形状测量的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 GateArray，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。
所述存储器可以是所述测量终端的内部存储单元，例如测量终端的硬 盘或内存。所述存储器也可以是所述测量终端的外部存储设备，例如所述 测量终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全 数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器 还可以既包括所述测量终端的内部存储单元也包括外部存储设备。所述存 储器用于存储所述计算机程序以及所述井眼截面形状测量的终端设备所需 的其他程序和数据。所述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。
实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块 完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以 上描述的全部或者部分功能。
各功能单元、模块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。另 外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限 制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考 前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有 详述或记载的部分，可以参见其它实施例的相关描述。
应当强调的是，结合本文中所公开的实施例描述的各示例的单元及算法 步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些 功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计 约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所 描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方 法，可以通过其它的方式实现。例如，以上所描述的终端设备实施例仅仅 是示意性的，例如，所述模块或单元的划分，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，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。
实施例4
一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机 程序运行时实现所述的电网数据多维辅助分析方法。
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以 为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算 机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、 记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器 (Read-Only Memory，ROM)、随机存取存储器(RandomAccessMemory， RAM)、电载波信号、电信信号以及软件分发介质等。
需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区 内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据 立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
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精神和范围。

Claims (10)

1.一种电网数据多维辅助分析方法，其特征在于，包括以下步骤：
S1、获取数据；
S2、对获取的数据进行校核并处理，剔除异常及坏点数据；
其中，对获取的数据进行校核包括：计算综合波动指数，判断综合波动指数与第一预设阈值的大小，如果综合波动指数大于第一预设阈值，则为缺省/坏点数据，反之为正常数据不需要剔除；
S3、基于处理后的数据，获取用户用电与线路负荷的相关性，并结合负载率判断可能出现跳闸设备；
S4、对电网设备进行打标签画像处理，得到分析结果。
2.根据权利要求1所述的电网数据多维辅助分析方法，其特征在于，服务器根据遥测/遥测数据类别、不同设备采样周期、不同数据源，设定电网运行数据采集周期，分设备、分类型、分时、分段根据设定的采集周期，每天定时/实时采集电网运行数据信息。
3.根据权利要求2所述的电网数据多维辅助分析方法，其特征在于，所述计算综合波动指数包括：
1)、利用公式(1)计算综合波动指数；
Figure FDA0002756575950000011
其中：α为综合波动指数；n为历史数据个数；ei为第i个历史数据的大小，当综合波动指数超过第一预设阈值时，该数据为缺省/坏点数据。
4.根据权利要求3所述的电网数据多维辅助分析方法，其特征在于，所述对获取的数据进行校核还包括：
2)利用公式(2)来计算数据数列的方差值；
Figure FDA0002756575950000021
其中，
Figure FDA0002756575950000022
为历史数据的均值；当方差指数超过第二预设阈值时，该数据为缺省/坏点数；
3)、利用公式(3)识别缺省/坏点数据；
Figure FDA0002756575950000023
其中，根据历史样本数据，Pi,t为历史样本第i天t时刻的遥测值，(i＝1,2,…,n,t＝1,2,…,T)，n为历史天数，T为采样点数，第s天为第i天的同类型日，s＝i±7，则其t时刻的历史遥测数据为Ps,t，通过逐点计算遥测数据偏差率
Figure FDA0002756575950000024
与第三预设阈值进行比较，超过阈值则视为缺省/坏点数据，不超过阈值则视为有效数据。
5.根据权利要求3所述的电网数据多维辅助分析方法，其特征在于，所述步骤S2还包括：
4)、采用系数大于0的标准对电网运行遥测上一级进行最低标准分析，确定影响计算的最大、最小阈值范围。
6.根据权利要求4所述的电网数据多维辅助分析方法，其特征在于，所述步骤S3包括：
S31、利用公式(4)分析夏季、冬季、白天、夜晚、工作日、周末等时间段时升温、取暖的情况下负荷增减情况和负荷占比的相关系数；计算公式如下：
Figure FDA0002756575950000031
其中rxy表示样本相关系数，sxy表示样本协方差，sx表示X的样本标准差，sy表示y的样本标准差，sxy协方差和sx和sy标准差分别为：
Figure FDA0002756575950000032
S32、结合负载率判断可能出现跳闸设备；基于所述服务器中存在的故障异常信息库，当出现易因重过载导致的跳闸的设备负载率达到第四预设阈值时，进行短信实时消息告警，同时在系统页面中以数据列表的形式进行滚动告警提醒；
其中，所述故障异常信息库为：通过实时采集SCADA系统中事故跳闸信息，辅以人工标注跳闸原由。
7.根据权利要求4所述的电网数据多维辅助分析方法，其特征在于，所述步骤S4包括：
所述服务器对电网设备进行打标签画像处理，标签分为静态标签和动态标签，针对电网设备的参数多样、数据零散、数据源不统一的情况，通过融合各种设备信息为一体，设备信息的一篮子展示，进而达到了对电网设备进行有效、快速、精准的分析评估的目的。
8.一种电网数据多维辅助分析系统，其特征在于，包括：
获取模块，用于获取数据；
校核模块，用于对获取的数据进行校核并处理，剔除异常及坏点数据；
分析模块，用于基于处理后的数据，获取不同维度下用户用电与线路负荷的相关性，分析故障；
处理模块，用于对电网设备进行打标签画像处理，得到分析结果。
9.一种终端，其特征在于，包括：
存储器；
处理器；
存储于所述存储器中的计算机程序，所述计算机程序被配置为由处理器运行，当所述计算机程序被处理器运行时实现权利要求1-7任一所述的电网数据多维辅助分析方法。
10.一种可读存储介质，其特征在于，所述可读存储介质存储有计算机程序，所述计算机程序运行时实现如权利要求1-7任一所述的电网数据多维辅助分析方法。
CN202011204408.2A 2020-11-02 2020-11-02 电网数据多维辅助分析方法、系统、终端及可读存储介质 Active CN112307003B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011204408.2A CN112307003B (zh) 2020-11-02 2020-11-02 电网数据多维辅助分析方法、系统、终端及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011204408.2A CN112307003B (zh) 2020-11-02 2020-11-02 电网数据多维辅助分析方法、系统、终端及可读存储介质

Publications (2)

Publication Number Publication Date
CN112307003A true CN112307003A (zh) 2021-02-02
CN112307003B CN112307003B (zh) 2022-09-09

Family

ID=74333658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011204408.2A Active CN112307003B (zh) 2020-11-02 2020-11-02 电网数据多维辅助分析方法、系统、终端及可读存储介质

Country Status (1)

Country Link
CN (1) CN112307003B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906389A (zh) * 2021-02-04 2021-06-04 云南电网有限责任公司昆明供电局 一种基于多维度数据分析的故障跳闸判别方法
CN113538165A (zh) * 2021-05-28 2021-10-22 国网上海市电力公司 一种服务于用户节能减排的居民用电行为感知分析方法
CN113570200A (zh) * 2021-06-30 2021-10-29 国电南瑞科技股份有限公司 一种基于多维信息的电网运行状态监测方法及系统
CN113687257A (zh) * 2021-08-27 2021-11-23 广东省科学院电子电器研究所 电源健康状态动态评估方法及装置
CN114039819A (zh) * 2022-01-07 2022-02-11 中大检测(湖南)股份有限公司 一种基于5g的边缘智能网关

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008252551A (ja) * 2007-03-30 2008-10-16 Smk Corp 電力線通信品質評価方法と電力線通信システム
US20090271664A1 (en) * 2008-04-28 2009-10-29 International Business Machines Corporation Method for monitoring dependent metric streams for anomalies
CN104217014A (zh) * 2014-09-22 2014-12-17 国家电网公司 一种用于国网省一体化安全校核的数据校验方法
CN105158610A (zh) * 2015-09-14 2015-12-16 广西电网有限责任公司电力科学研究院 一种变压器状态预警数据可疑值的筛查处理方法
CN109242321A (zh) * 2018-09-17 2019-01-18 国网河北省电力有限公司电力科学研究院 用户电力负荷在线分析方法及终端设备
CN109598642A (zh) * 2018-12-10 2019-04-09 国网山东省电力公司电力科学研究院 一种精准切负荷系统可中断负荷评估机制的建立方法
CN109657613A (zh) * 2018-12-19 2019-04-19 贵州大学 基于幂法和并行计算技术的大规模电网异常负荷识别方法
CN111382897A (zh) * 2019-10-25 2020-07-07 广州供电局有限公司 台区低压跳闸预测方法、装置、计算机设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008252551A (ja) * 2007-03-30 2008-10-16 Smk Corp 電力線通信品質評価方法と電力線通信システム
US20090271664A1 (en) * 2008-04-28 2009-10-29 International Business Machines Corporation Method for monitoring dependent metric streams for anomalies
CN104217014A (zh) * 2014-09-22 2014-12-17 国家电网公司 一种用于国网省一体化安全校核的数据校验方法
CN105158610A (zh) * 2015-09-14 2015-12-16 广西电网有限责任公司电力科学研究院 一种变压器状态预警数据可疑值的筛查处理方法
CN109242321A (zh) * 2018-09-17 2019-01-18 国网河北省电力有限公司电力科学研究院 用户电力负荷在线分析方法及终端设备
CN109598642A (zh) * 2018-12-10 2019-04-09 国网山东省电力公司电力科学研究院 一种精准切负荷系统可中断负荷评估机制的建立方法
CN109657613A (zh) * 2018-12-19 2019-04-19 贵州大学 基于幂法和并行计算技术的大规模电网异常负荷识别方法
CN111382897A (zh) * 2019-10-25 2020-07-07 广州供电局有限公司 台区低压跳闸预测方法、装置、计算机设备及存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
KIM,TH ETC.: "A Study on the Extraction of the Abnormal Behavior Point using Hilbert-Huang Transform", 《NONDESTRUCTIVE CHARACTERIZATION AND MONITORING OF ADVANCED MATERIALS,AEROSPACE,AND CIVIL INFRASTRUCTURE 2016》 *
刁赢龙等: "大规模配电网负荷数据在线清洗与修复方法研究", 《电网技术》 *
刘文霞等: "多重控制信息失效下配电网电压波动性的评估", 《电力系统自动化》 *
吴布托: "风电机组运行数据中异常值的检测方法", 《中国优秀硕士学位论文全文数据库（风电机组运行数据中异常值的检测方法）》 *
周谢: "电力负荷特性指标及其内在关联性分析", 《中国优秀硕士学位论文全文数据库（工程科技Ⅱ辑）》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906389A (zh) * 2021-02-04 2021-06-04 云南电网有限责任公司昆明供电局 一种基于多维度数据分析的故障跳闸判别方法
CN112906389B (zh) * 2021-02-04 2022-08-26 云南电网有限责任公司昆明供电局 一种基于多维度数据分析的故障跳闸判别方法
CN113538165A (zh) * 2021-05-28 2021-10-22 国网上海市电力公司 一种服务于用户节能减排的居民用电行为感知分析方法
CN113570200A (zh) * 2021-06-30 2021-10-29 国电南瑞科技股份有限公司 一种基于多维信息的电网运行状态监测方法及系统
CN113570200B (zh) * 2021-06-30 2023-10-03 国电南瑞科技股份有限公司 一种基于多维信息的电网运行状态监测方法及系统
CN113687257A (zh) * 2021-08-27 2021-11-23 广东省科学院电子电器研究所 电源健康状态动态评估方法及装置
CN114039819A (zh) * 2022-01-07 2022-02-11 中大检测(湖南)股份有限公司 一种基于5g的边缘智能网关

Also Published As

Publication number Publication date
CN112307003B (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
CN112307003B (zh) 电网数据多维辅助分析方法、系统、终端及可读存储介质
CN106557991B (zh) 电压监测数据平台
CN111815132B (zh) 一种电力监控系统网络安全管理信息发布方法及系统
CN113267692B (zh) 一种低压台区线损智能诊断分析方法和系统
CN111600296B (zh) 基于边缘计算的电力负荷预测系统及其预测方法
CN106570778A (zh) 一种基于大数据的数据集成与线损分析计算的方法
CN111160791A (zh) 一种基于gbdt算法及因素融合的异常用户识别方法
CN102855525A (zh) 一种居民用户负荷预测分析系统和方法
CN110346661B (zh) 一种用户电压异常自动巡检的方法及系统
AU2022204116A1 (en) Verification method for electrical grid measurement data
CN110309884A (zh) 基于泛在电力物联网体系的用电数据异常识别系统
CN104463696A (zh) 电网运行风险识防方法及系统
CN110333402A (zh) 一种基于边缘计算的用户电压异常感知方法及系统
CN111667143A (zh) 电网调度实时监测数据与业务管理数据融合的实现方法
CN112380399A (zh) 基于云平台的用电大数据处理系统及其处理方法
CN112150027A (zh) 供电服务指挥平台系统
CN110855012A (zh) 一种台区实时线损智能分析系统
CN106685086A (zh) 远程用电管理系统
CN111552686B (zh) 一种电力数据质量评估方法及其装置
CN111311089B (zh) 一种电力物联网的大数据统计方法及系统
CN111366889B (zh) 一种智能电表异常用电检测方法
CN112100223A (zh) 电网企业电力设备营配贯通数据采集处理方法
CN116306005A (zh) 一种基于全生命周期理论的配网工程评价方法
CN116522746A (zh) 高耗能企业配电托管方法
CN114139744A (zh) 异常光伏组串支路识别方法、装置、电子设备及存储介质

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