CN112380340A - 一种主站与电厂、变电站之间的错误数据诊断方法及系统 - Google Patents

一种主站与电厂、变电站之间的错误数据诊断方法及系统 Download PDF

Info

Publication number
CN112380340A
CN112380340A CN202011233294.4A CN202011233294A CN112380340A CN 112380340 A CN112380340 A CN 112380340A CN 202011233294 A CN202011233294 A CN 202011233294A CN 112380340 A CN112380340 A CN 112380340A
Authority
CN
China
Prior art keywords
data
error category
alarm
parameter
error
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
CN202011233294.4A
Other languages
English (en)
Other versions
CN112380340B (zh
Inventor
梅傲琪
周立德
陈凤超
何毅鹏
赵俊炜
李祺威
黎鸣
饶欢
张锐
徐睿烽
鲁承波
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.)
Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Dongguan Power Supply Bureau of Guangdong Power Grid 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 Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202011233294.4A priority Critical patent/CN112380340B/zh
Publication of CN112380340A publication Critical patent/CN112380340A/zh
Application granted granted Critical
Publication of CN112380340B publication Critical patent/CN112380340B/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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Water Supply & Treatment (AREA)
  • Computational Linguistics (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及计算机技术领域，具体揭示了一种主站与电厂、变电站之间的错误数据诊断方法。所述方法包括：当接收到不平衡告警时，核查主站数据库是否依照最新的通知报文信息更新变比参数和拓扑参数；如果主站数据库依照通知报文信息更新变比参数和拓扑参数，以有功平衡、无功平衡、电压平衡以及电流平衡作为筛选指标，筛选出不平衡设备，并获取不平衡设备告警信息；将不平衡设备告警信息对应的告警数据输入到预先建立的错误类别聚类模型，得到告警数据的错误类别；其中，错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。此方法下，能够提高不平衡数据排查效率和识别准确性。

Description

一种主站与电厂、变电站之间的错误数据诊断方法及系统
技术领域
本发明涉及计算机技术领域，特别涉及一种主站与电厂、变电站之间的错误数据诊断方法及系统。
背景技术
在电网系统中，如果电网线路、变压器等设备已更新，而主站系统中的对应参数未及时更新以及不同设备的量测数据的同步存在延迟，会导致电厂、变电站端送到主站的电压、电流、功率等数据与主站本地对应端的量测数据之间存在严重的不平衡。
目前，当出现主站与电厂、变电站之间的数据不平衡时，一般采用手动的方式排查错误数据问题。具体来说，电网发现电压、电流、功率等不平衡时，主站调度员首先会确认主站数据库中变比、拓扑等是否及时更新，相关通知报文是否处理。若主站数据库正常则调度员会联络电厂、变电站值班人员根据现场设备排查问题，查看是否是数据源问题或通讯问题。整个排查过程无自动化解决方案，需要多方协同手工实时联络排查，过程费时费力，且识别准确性得不到保证，急需自动化排查方案。
发明内容
为了解决相关技术中存在的排查不平衡数据费时费力且准确性低的技术问题，本发明提供了一种主站与电厂、变电站之间的错误数据诊断方法及系统。
本发明实施例第一方面公开了一种主站与电厂、变电站之间的错误数据诊断方法，所述方法包括：
当接收到不平衡告警时，核查主站数据库是否依照最新的通知报文信息更新变比参数和拓扑参数；
如果所述主站数据库依照所述通知报文信息更新所述变比参数和所述拓扑参数，以有功平衡、无功平衡、电压平衡以及电流平衡作为筛选指标，筛选出不平衡设备，并获取不平衡设备告警信息；
将所述不平衡设备告警信息对应的告警数据输入到预先建立的错误类别聚类模型，得到所述告警数据的错误类别；其中，所述错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
作为一种可选的实施方式，在本发明实施例第一方面中，所述将所述不平衡设备告警信息对应的告警数据输入到预先建立的错误类别聚类模型，得到所述告警数据的错误类别，包括：
获取所述不平衡设备告警信息对应的告警数据，并从所述告警数据中提取其特征向量；
将所述特征向量输入到预先建立的错误类别聚类模型，计算所述特征向量与所述错误聚类模型中的每个簇的中心向量的欧氏距离，将欧氏距离最小的簇对应的错误类别确定为所述告警数据的错误类别。
作为一种可选的实施方式，在本发明实施例第一方面中，所述主站数据库没有依照最新的通知报文信息更新变比参数和拓扑参数，所述方法还包括：
获取最新的通知报文信息，所述通知报文信息用于指示主站数据库的参数更新，且所述通知报文信息携带有所述主站数据库中更新后的参数的数据，以及每个参数对应的参数类型标识；所述参数至少包括变比参数和拓扑参数；
从所述通知报文信息中解析出所述更新后的参数的数据以及每个所述参数对应的参数类型标识；
根据所述参数类型标识查找到所述主站数据库中对应类型的参数，并利用所述更新后的参数的数据更新所述主站数据中存储的参数对应的数据。
作为一种可选的实施方式，在本发明实施例第一方面中，所述将所述不平衡设备告警信息对应的告警数据输入到预先建立的错误类别聚类模型，得到所述告警数据的错误类别之前，所述方法还包括：
获取历史异常数据，并构建历史异常数据对应的特征值矩阵；其中，所述历史异常数据来自已知的不平衡告警点；
根据所述特征值矩阵确定输入样本集；
对所述输入样本集进行聚类分析，建立错误类别聚类模型；其中，所述错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
本发明实施例第二方面公开了一种主站与电厂、变电站之间的错误数据诊断系统，所述系统包括：
核查模块，用于当接收到不平衡告警时，核查主站数据库是否依照最新的通知报文信息更新变比参数和拓扑参数；
筛选模块，用于如果所述主站数据库依照所述通知报文信息更新所述变比参数和所述拓扑参数，以有功平衡、无功平衡、电压平衡以及电流平衡作为筛选指标，筛选出不平衡设备，并获取不平衡设备告警信息；
聚类识别模块，用于将所述不平衡设备告警信息对应的告警数据输入到预先建立的错误类别聚类模型，得到所述告警数据的错误类别；其中，所述错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
作为一种可选的实施方式，在本发明实施例第二方面中，所述聚类识别模块，包括：
获取子模块，用于获取所述不平衡设备告警信息对应的告警数据；
提取子模块，用于从所述告警数据中提取其特征向量；
输入子模块，用于将所述特征向量输入到预先建立的错误类别聚类模型；
计算子模块，用于计算所述特征向量与所述错误聚类模型中的每个簇的中心向量的欧氏距离；
确定子模块，用于将欧氏距离最小的簇对应的错误类别确定为所述告警数据的错误类别。
作为一种可选的实施方式，在本发明实施例第二方面中，所述系统还包括：
获取模块，用于获取最新的通知报文信息，所述通知报文信息用于指示主站数据库的参数更新，且所述通知报文信息携带有所述主站数据库中更新后的参数的数据，以及每个参数对应的参数类型标识；所述参数至少包括变比参数和拓扑参数；
解析模块，用于从所述通知报文信息中解析出所述更新后的参数的数据以及每个所述参数对应的参数类型标识；
更新模块，根据所述参数类型标识查找到所述主站数据库中对应类型的参数，并利用所述更新后的参数的数据更新所述主站数据中存储的参数对应的数据。
作为一种可选的实施方式，在本发明实施例第二方面中，所述系统还包括：
矩阵构建模块，用于获取历史异常数据，并构建历史异常数据对应的特征值矩阵；其中，所述历史异常数据来自已知的不平衡告警点；
确定模块，用于根据所述特征值矩阵确定输入样本集；
聚类模型构建模块，用于对所述输入样本集进行聚类分析，建立错误类别聚类模型；其中，所述错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
本发明实施例第三方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本发明实施例第一方面公开的一种主站与电厂、变电站之间的错误数据诊断方法。
本发明实施例第四方面公开一种电子设备，所述电子设备包括：
处理器；
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如前所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果：
本发明所提供的主站与电厂、变电站之间的错误数据诊断方法包括如下步骤，当接收到不平衡告警时，核查主站数据库是否依照最新的通知报文信息更新变比参数和拓扑参数；如果主站数据库依照通知报文信息更新变比参数和拓扑参数，以有功平衡、无功平衡、电压平衡以及电流平衡作为筛选指标，筛选出不平衡设备，并获取不平衡设备告警信息；将不平衡设备告警信息对应的告警数据输入到预先建立的错误类别聚类模型，得到告警数据的错误类别；其中，错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
此方法下，能够在出现不平衡告警时，根据最新的通知报文信息核查主站系统的参数更新情况，并在排除了参数未及时更新这一原因之后，利用多个筛选指标初步检查主网线路平衡问题，并检查出存在不平衡设备，进一步利用错误类别聚类模型识别出告警数据的错误类别，提高了告警数据识别的准确性，进而，准确识别数据错误类别也有利于不平衡数据的修正，实现数据质量的提高，同时也为后续恢复主站与电厂、变电站的数据同步奠定基础。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种主站与电厂、变电站之间的错误数据诊断方法的流程图；
图2是根据一示例性实施例示出的另一种主站与电厂、变电站之间的错误数据诊断方法的流程图；
图3是根据一示例性实施例示出的一种主站与电厂、变电站之间的错误数据诊断系统的框图。
具体实施方式
这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种主站与电厂、变电站之间的错误数据诊断方法的流程图。如图1所示，此方法包括以下步骤。
步骤101、当接收到不平衡告警时，错误数据诊断系统核查主站数据库是否依照最新的通知报文信息更新变比参数和拓扑参数；如果主站数据库依照通知报文信息更新变比参数和拓扑参数，触发执行步骤102；如果主站数据库未依照通知报文信息更新变比参数和拓扑参数，获取最新的通知报文信息，依照该通知报文信息更新变比参数和拓扑参数。
本发明实施例中，电网发现电厂、变电站端送到主站的电压、电流以及功率等数据与主站本地对应端的量测数据之间存在不平衡时，发出不平衡告警；错误数据诊断系统可以实时监测是否接收到电网不平衡告警，如果是，则可以触发执行步骤101。
本发明实施例中，可选的，如果主站数据库未依照通知报文信息更新变比参数和拓扑参数，则获取最新的通知报文信息，依照该通知报文信息更新变比参数和拓扑参数。具体来说，错误数据诊断系统可以获取最新的通知报文信息，其中，该通知报文信息可以包括但不限于时间信息、设备信息和参数修改信息，可以用于指示主站数据库的参数更新，且通知报文信息所包含的参数修改信息携带有主站数据库中更新后的参数的数据，以及每个参数对应的参数类型标识，以及参数至少可以包括变比参数和拓扑参数；从通知报文信息中解析出更新后的参数的数据以及每个参数对应的参数类型标识；根据参数类型标识查找到主站数据库中对应类型的参数，并利用更新后的参数的数据更新主站数据中存储的参数对应的数据。
步骤102、错误数据诊断系统以有功平衡、无功平衡、电压平衡以及电流平衡作为筛选指标，筛选出不平衡设备，并获取不平衡设备告警信息。
步骤103、错误数据诊断系统将上述不平衡设备告警信息对应的告警数据输入到预先建立的错误类别聚类模型，得到该告警数据的错误类别；其中，该错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
作为一种可选的实施方式，在步骤103将不平衡设备告警信息对应的告警数据输入到预先建立的错误类别聚类模型，得到告警数据的错误类别之前，错误数据诊断系统还可以执行以下步骤：
获取历史异常数据，并构建历史异常数据对应的特征值矩阵；其中，历史异常数据来自已知的不平衡告警点；根据特征值矩阵确定输入样本集；
对输入样本集进行聚类分析，建立错误类别聚类模型；其中，该错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
可见，实施图1所描述的主站与电厂、变电站之间的错误数据诊断方法，能够在出现不平衡告警时，根据最新的通知报文信息核查主站系统的参数更新情况，并在排除了参数未及时更新这一原因之后，利用多个筛选指标初步检查主网线路平衡问题，并检查出存在不平衡设备，进一步利用错误类别聚类模型识别出告警数据的错误类别，提高了告警数据识别的准确性，进而，准确识别数据错误类别也有利于不平衡数据的修正，实现数据质量的提高，同时也为后续恢复主站与电厂、变电站的数据同步奠定基础。
请参考图2，图2是本发明实施例公开的另一种主站与电厂、变电站之间的错误数据诊断方法的流程示意图。其中，如图2所示，该主站与电厂、变电站之间的错误数据诊断方法可以包括以下步骤：
本发明实施例中，该主站与电厂、变电站之间的错误数据诊断方法包括步骤201~202，针对步骤201~202的描述，请参照实施例一中针对步骤101~102的详细描述，本发明实施例不再赘述。
步骤203、错误数据诊断系统获取不平衡设备告警信息对应的告警数据，并从该告警数据中提取其特征向量。
步骤204、错误数据诊断系统将特征向量输入到预先建立的错误类别聚类模型，计算特征向量与错误聚类模型中的每个簇的中心向量的欧氏距离，将欧氏距离最小的簇对应的错误类别确定为告警数据的错误类别；其中，该错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
可见，实施图2所描述的主站与电厂、变电站之间的错误数据诊断方法，能够在出现不平衡告警时，根据最新的通知报文信息核查主站系统的参数更新情况，并在排除了参数未及时更新这一原因之后，利用多个筛选指标初步检查主网线路平衡问题，并检查出存在不平衡设备，进一步利用错误类别聚类模型识别出告警数据的错误类别，提高了告警数据识别的准确性，进而，准确识别数据错误类别也有利于不平衡数据的修正，实现数据质量的提高，同时也为后续恢复主站与电厂、变电站的数据同步奠定基础。
图3是根据一示例性实施例示出的一种主站与电厂、变电站之间的错误数据诊断系统的框图。如图3所示，该系统包括：
核查模块301，用于当接收到不平衡告警时，核查主站数据库是否依照最新的通知报文信息更新变比参数和拓扑参数。
筛选模块302，用于如果主站数据库依照通知报文信息更新变比参数和拓扑参数，以有功平衡、无功平衡、电压平衡以及电流平衡作为筛选指标，筛选出不平衡设备，并获取不平衡设备告警信息。
聚类识别模块303，用于将不平衡设备告警信息对应的告警数据输入到预先建立的错误类别聚类模型，得到告警数据的错误类别；其中，该错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
作为一种可选的实施方式，上述聚类识别模块可以包括：
获取子模块，用于获取不平衡设备告警信息对应的告警数据，并将该告警数据提供给提取子模块；
提取子模块，用于从告警数据中提取其特征向量；
输入子模块，用于将特征向量输入到预先建立的错误类别聚类模型，并触发计算子模块启动；其中，该错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别；
计算子模块，用于计算特征向量与错误聚类模型中的每个簇的中心向量的欧氏距离，并触发确定子模块启动；
确定子模块，用于将欧氏距离最小的簇对应的错误类别确定为告警数据的错误类别。
作为另一种可选的实施方式，上述错误数据诊断系统还可以包括：
获取模块，用于获取最新的通知报文信息，并触发解析模块启动；其中，该通知报文信息用于指示主站数据库的参数更新，且该通知报文信息携带有主站数据库中更新后的参数的数据，以及每个参数对应的参数类型标识，以及参数至少包括变比参数和拓扑参数；
解析模块，用于从上述通知报文信息中解析出更新后的参数的数据以及每个参数对应的参数类型标识，并将其提供给更新模块；
更新模块，根据参数类型标识查找到主站数据库中对应类型的参数，并利用更新后的参数的数据更新主站数据中存储的参数对应的数据。
作为又一种可选的实施方式，上述错误数据诊断系统还可以包括：
矩阵构建模块，用于获取历史异常数据，并构建历史异常数据对应的特征值矩阵，并将其提供给确定模块；其中，该历史异常数据来自已知的不平衡告警点；
确定模块，用于根据特征值矩阵确定输入样本集，并将该输入样本集提供给聚类模型构建模块；
聚类模型构建模块，用于对输入样本集进行聚类分析，建立错误类别聚类模型；其中，该错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
可见，实施图3所描述的系统，能够在出现不平衡告警时，根据最新的通知报文信息核查主站系统的参数更新情况，并在排除了参数未及时更新这一原因之后，利用多个筛选指标初步检查主网线路平衡问题，并检查出存在不平衡设备，进一步利用错误类别聚类模型识别出告警数据的错误类别，提高了告警数据识别的准确性，进而，准确识别数据错误类别也有利于不平衡数据的修正，实现数据质量的提高，同时也为后续恢复主站与电厂、变电站的数据同步奠定基础。
本发明还提供一种电子设备，该电子设备包括：
处理器；
存储器，该存储器上存储有计算机可读指令，该计算机可读指令被处理器执行时，实现如前所示的主站与电厂、变电站之间的错误数据诊断方法。
在一示例性实施例中，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如前所示的主站与电厂、变电站之间的错误数据诊断方法。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (8)

1.一种主站与电厂、变电站之间的错误数据诊断方法，其特征在于，所述方法包括：
当接收到不平衡告警时，核查主站数据库是否依照最新的通知报文信息更新变比参数和拓扑参数；
如果所述主站数据库依照所述通知报文信息更新所述变比参数和所述拓扑参数，以有功平衡、无功平衡、电压平衡以及电流平衡作为筛选指标，筛选出不平衡设备，并获取不平衡设备告警信息；
将所述不平衡设备告警信息对应的告警数据输入到预先建立的错误类别聚类模型，得到所述告警数据的错误类别；其中，所述错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
2.根据权利要求1所述的方法，其特征在于，所述将所述不平衡设备告警信息对应的告警数据输入到预先建立的错误类别聚类模型，得到所述告警数据的错误类别，包括：
获取所述不平衡设备告警信息对应的告警数据，并从所述告警数据中提取其特征向量；
将所述特征向量输入到预先建立的错误类别聚类模型，计算所述特征向量与所述错误聚类模型中的每个簇的中心向量的欧氏距离，将欧氏距离最小的簇对应的错误类别确定为所述告警数据的错误类别；其中，所述错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
3.根据权利要求1所述的方法，其特征在于，所述主站数据库没有依照最新的通知报文信息更新变比参数和拓扑参数，所述方法还包括：
获取最新的通知报文信息，所述通知报文信息用于指示主站数据库的参数更新，且所述通知报文信息携带有所述主站数据库中更新后的参数的数据，以及每个参数对应的参数类型标识；所述参数至少包括变比参数和拓扑参数；
从所述通知报文信息中解析出所述更新后的参数的数据以及每个所述参数对应的参数类型标识；
根据所述参数类型标识查找到所述主站数据库中对应类型的参数，并利用所述更新后的参数的数据更新所述主站数据中存储的参数对应的数据。
4.根据权利要求1所述的方法，其特征在于，所述将所述不平衡设备告警信息对应的告警数据输入到预先建立的错误类别聚类模型，得到所述告警数据的错误类别之前，所述方法还包括：
获取历史异常数据，并构建历史异常数据对应的特征值矩阵；其中，所述历史异常数据来自已知的不平衡告警点；
根据所述特征值矩阵确定输入样本集；
对所述输入样本集进行聚类分析，建立错误类别聚类模型；其中，所述错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
5.一种主站与电厂、变电站之间的错误数据诊断系统，其特征在于，所述系统包括：
核查模块，用于当接收到不平衡告警时，核查主站数据库是否依照最新的通知报文信息更新变比参数和拓扑参数；
筛选模块，用于如果所述主站数据库依照所述通知报文信息更新所述变比参数和所述拓扑参数，以有功平衡、无功平衡、电压平衡以及电流平衡作为筛选指标，筛选出不平衡设备，并获取不平衡设备告警信息；
聚类识别模块，用于将所述不平衡设备告警信息对应的告警数据输入到预先建立的错误类别聚类模型，得到所述告警数据的错误类别；其中，所述错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
6.根据权利要求5所述的系统，其特征在于，所述聚类识别模块，包括：
获取子模块，用于获取所述不平衡设备告警信息对应的告警数据；
提取子模块，用于从所述告警数据中提取其特征向量；
输入子模块，用于将所述特征向量输入到预先建立的错误类别聚类模型；其中，所述错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别；
计算子模块，用于计算所述特征向量与所述错误聚类模型中的每个簇的中心向量的欧氏距离；
确定子模块，用于将欧氏距离最小的簇对应的错误类别确定为所述告警数据的错误类别。
7.根据权利要求5所述的系统，其特征在于，所述系统还包括：
获取模块，用于获取最新的通知报文信息，所述通知报文信息用于指示主站数据库的参数更新，且所述通知报文信息携带有所述主站数据库中更新后的参数的数据，以及每个参数对应的参数类型标识；所述参数至少包括变比参数和拓扑参数；
解析模块，用于从所述通知报文信息中解析出所述更新后的参数的数据以及每个所述参数对应的参数类型标识；
更新模块，根据所述参数类型标识查找到所述主站数据库中对应类型的参数，并利用所述更新后的参数的数据更新所述主站数据中存储的参数对应的数据。
8.根据权利要求5所述的系统，其特征在于，所述系统还包括：
矩阵构建模块，用于获取历史异常数据，并构建历史异常数据对应的特征值矩阵；其中，所述历史异常数据来自已知的不平衡告警点；
确定模块，用于根据所述特征值矩阵确定输入样本集；
聚类模型构建模块，用于对所述输入样本集进行聚类分析，建立错误类别聚类模型；其中，所述错误类别聚类模型中包括多个簇，每个簇包括中心向量及其对应的错误类别。
CN202011233294.4A 2020-11-06 2020-11-06 一种主站与电厂、变电站之间的错误数据诊断方法及系统 Active CN112380340B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011233294.4A CN112380340B (zh) 2020-11-06 2020-11-06 一种主站与电厂、变电站之间的错误数据诊断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011233294.4A CN112380340B (zh) 2020-11-06 2020-11-06 一种主站与电厂、变电站之间的错误数据诊断方法及系统

Publications (2)

Publication Number Publication Date
CN112380340A true CN112380340A (zh) 2021-02-19
CN112380340B CN112380340B (zh) 2023-10-20

Family

ID=74579805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011233294.4A Active CN112380340B (zh) 2020-11-06 2020-11-06 一种主站与电厂、变电站之间的错误数据诊断方法及系统

Country Status (1)

Country Link
CN (1) CN112380340B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112994846A (zh) * 2021-03-02 2021-06-18 广州汇通国信科技有限公司 一种应用于电力数据同步校验的治理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107919728A (zh) * 2017-11-15 2018-04-17 国网江苏省电力有限公司 基于Scada与电能量采集系统数据融合的变电站电能量平衡在线感知监测方法及系统
CN107944680A (zh) * 2017-11-16 2018-04-20 国网江苏省电力有限公司 一种基于智能电能表的变电站电能量平衡监测方法
CN108155717A (zh) * 2017-03-16 2018-06-12 国网福建省电力有限公司厦门供电公司 基于电网运行数据的配电主站fa防误校验方法
US20180276562A1 (en) * 2017-03-24 2018-09-27 Microsoft Technology Licensing, Llc Bug categorization and team boundary inference via automated bug detection
CN109787817A (zh) * 2018-12-28 2019-05-21 武汉船舶通信研究所（中国船舶重工集团公司第七二二研究所） 网络故障诊断方法、装置和计算机可读存储介质
CN110391936A (zh) * 2019-07-25 2019-10-29 长沙学院 一种基于时序性告警的新型聚类算法
CN110738255A (zh) * 2019-10-15 2020-01-31 和尘自仪(嘉兴)科技有限公司 一种基于聚类算法的设备状态监测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108155717A (zh) * 2017-03-16 2018-06-12 国网福建省电力有限公司厦门供电公司 基于电网运行数据的配电主站fa防误校验方法
US20180276562A1 (en) * 2017-03-24 2018-09-27 Microsoft Technology Licensing, Llc Bug categorization and team boundary inference via automated bug detection
CN107919728A (zh) * 2017-11-15 2018-04-17 国网江苏省电力有限公司 基于Scada与电能量采集系统数据融合的变电站电能量平衡在线感知监测方法及系统
CN107944680A (zh) * 2017-11-16 2018-04-20 国网江苏省电力有限公司 一种基于智能电能表的变电站电能量平衡监测方法
CN109787817A (zh) * 2018-12-28 2019-05-21 武汉船舶通信研究所（中国船舶重工集团公司第七二二研究所） 网络故障诊断方法、装置和计算机可读存储介质
CN110391936A (zh) * 2019-07-25 2019-10-29 长沙学院 一种基于时序性告警的新型聚类算法
CN110738255A (zh) * 2019-10-15 2020-01-31 和尘自仪(嘉兴)科技有限公司 一种基于聚类算法的设备状态监测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112994846A (zh) * 2021-03-02 2021-06-18 广州汇通国信科技有限公司 一种应用于电力数据同步校验的治理方法

Also Published As

Publication number Publication date
CN112380340B (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
US8451753B2 (en) Systems and methods for the configuration of substation remote terminals with a central controller
CN111443259A (zh) 基于局部异常因子检测的有源配电网故障诊断方法及系统
CN112688310B (zh) 一种应用于配电网的线损分析方法及装置
CN109885021A (zh) 一种基于实时采集数据对采集设备进行监测的方法及系统
CN112464995A (zh) 一种基于决策树算法的电网配变故障诊断方法及系统
CN112597263B (zh) 管网检测数据异常判断方法及系统
CN110543658A (zh) 基于大数据的电厂设备诊断方法
CN113392893B (zh) 业务故障的定位方法、装置、存储介质及计算机程序产品
CN114255784A (zh) 一种基于声纹识别的变电站设备故障诊断方法及相关装置
CN109902373A (zh) 一种辖区变电站故障诊断、定位方法及系统
CN107069960A (zh) 一种二次运维管理系统的在线缺陷诊断方法
CN108595390B (zh) 智能变电站scd与ied参数一致性的校验方法
CN117613908B (zh) 基于配电网络的智能运维方法及系统
CN112380340A (zh) 一种主站与电厂、变电站之间的错误数据诊断方法及系统
CN117148048B (zh) 基于数字孪生技术的配电网故障预测方法及系统
CN113740666B (zh) 一种数据中心电力系统告警风暴根源故障的定位方法
CN118138471A (zh) 基于知识图谱的网络模型构建方法、设备及存储介质
CN110582091B (zh) 定位无线质量问题的方法和装置
CN115684829A (zh) 一种电力二次回路故障检测预警方法及系统
CN111639141B (zh) 数据测试方法、装置及计算机终端
CN115542070A (zh) 一种配网线路故障定位方法及存储介质
CN111737875A (zh) 有功功率不平衡率分析诊断方法、系统及计算机设备
CN117007912B (zh) 配网线路停电分析方法、装置、设备及存储介质
CN110942256B (zh) 新能源厂站涉网端实时交互过程异常检测方法及系统
CN117691755B (zh) 一种智能变电站二次回路的可视化监测及异常检测系统

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