CN112421772B - 多跳d2d组网下数据驱动的配电网在线异常检测装置及方法 - Google Patents

多跳d2d组网下数据驱动的配电网在线异常检测装置及方法 Download PDF

Info

Publication number
CN112421772B
CN112421772B CN202011144958.XA CN202011144958A CN112421772B CN 112421772 B CN112421772 B CN 112421772B CN 202011144958 A CN202011144958 A CN 202011144958A CN 112421772 B CN112421772 B CN 112421772B
Authority
CN
China
Prior art keywords
data
distribution network
hop
networking
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
Application number
CN202011144958.XA
Other languages
English (en)
Other versions
CN112421772A (zh
Inventor
唐元春
夏炳森
陈端云
林文钦
陈卓琳
林红阳
张林垚
陈力
周钊正
张章煌
何德明
游敏毅
刘志伟
李翠
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.)
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power 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 State Grid Fujian Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd filed Critical State Grid Fujian Electric Power Co Ltd
Priority to CN202011144958.XA priority Critical patent/CN112421772B/zh
Publication of CN112421772A publication Critical patent/CN112421772A/zh
Application granted granted Critical
Publication of CN112421772B publication Critical patent/CN112421772B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00022—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/50—Indexing scheme relating to G06F9/50
    • G06F2209/502—Proximity
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
    • Y04S40/126—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using wireless data transmission

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明涉及一种多跳D2D组网下数据驱动的配电网在线异常检测装置及方法。所述装置包括：数据收集单元，用于收集智能电表测量的用电数据；数据传输单元，将收集的用电数据通过多跳D2D组网上报到边缘服务器进行在线分析；数据分析单元，包括负责用电数据实时分析的配电网数据分析单元和负责在线流量监督的多跳D2D网络数据分析单元；决策单元，根据数据分析单元的结果分别实时判定配电网和多跳D2D组网的运行状态。本发明提供的基于数据驱动的配电网在线异常检测方法和装置不仅可以节约大量的计算和存储空间，且可提高异常检测速度，具有较高的有效性和鲁棒性。

Description

多跳D2D组网下数据驱动的配电网在线异常检测装置及方法
技术领域
本发明属于数据分析技术领域，具体涉及一种多跳D2D组网下数据驱动的配电网在线异常检测装置及方法。
背景技术
配电网作为电力网络中直接向用户供电的重要环节，其运行状态直接影响着电力用户的用电质量和用电体验。当前电力用户对供电可靠性的要求随着社会经济的快速发展变得越来越高，而快速高效的异常检测方式是保证供电可靠性的重要手段之一。现阶段，随着智能电表的普及以及用电信息采集系统的升级和完善，配电网数据信息急剧增长。当前根据用电信息采集系统的配电网监测功能虽然能够在一定程度上判别配电网中可能存在的异常运作行为，但由于人类专家对大量信息的吸收能力有限，过度依赖人工的网络管理和异常检测方式不仅效率较低且无法定位异常配电的具体时刻。因此，如何根据智能电表测量出的参数数据和用电信息采集系统采集到的用电信息进行数据分析，实现快速、智能且精确的异常配电行为检测是当前电力网络管理中急需解决的关键问题之一。
随着配电网侧数据量的急剧提升，为了实现对配电网异常行为的快速检测，可将配电网数据传输到通信网边缘具有较强计算和存储能力的服务器中进行实时数据分析。而为了将配电网数据传送到通信网络边缘，可在配电网和基站间建立多跳D2D组网进行数据传输。同时，在多跳D2D组网中，若D2D设备遭遇大量的突发访问，阻断式服务攻击，端口扫描或者蠕虫传播，会造成D2D设备的流量异常，而流量异常会对配电网数据的有效传输造成严重影响。因此，对多跳D2D组网的流量监测是实现基于数据驱动的配电网异常行为监测的重要前提。
机器学习是实现快速智能异常行为检测的重要方式。然而，现有基于机器学习的异常检测方法都需要存储一段时间内的相关测量数据进行离线训练，这种方式不仅检测速度慢且会占用大量的存储空间，同时无法定位异常配电和流量异常的具体时刻。
发明内容
本发明的目的在于提供一种多跳D2D组网下数据驱动的配电网在线异常检测装置及方法，可以根据智能电表上报的实时用电数据和多跳D2D组网实时流量监督数据在线分析配电网和D2D组网的运行状态，可在节约计算和存储资源的同时加快异常检测速度。
为实现上述目的，本发明的技术方案是：一种多跳D2D组网下数据驱动的配电网在线异常检测装置，包括：
数据收集单元，用于收集智能电表测量出的用电数据和用电信息采集系统采集到的用电数据，每隔预定时间周期将收集的用电数据通过数据传输单元上报到边缘服务器进行在线分析；
数据传输单元，是由D2D设备组成的多跳D2D组网，用于将定期收集的用电数据传输到无线网络侧的边缘服务器；
数据分析单元，包括两个部分：(1)负责用电数据实时分析的配电网数据分析单元；(2)负责在线流量监督的多跳D2D网络数据分析单元；
决策单元，根据数据分析单元的结果分别实时判定配电网和多跳D2D组网的运行状态。
在本发明一实施例中，所述智能电表测量出的用电数据包括每个时间周期内的电压、电流、有功功率以及从属线路。
在本发明一实施例中，所述配电网数据分析单元通过一类支持向量机方法实现用电数据实时分析，具体方法为：
第一步，将第k个智能电表在第t个时间周期上报的用电数据投影到随机特征空间得到特征映射函数zk(t)，根据zk(t)分别计算一类支持向量机方法中的权向量wk、偏置值ρk和松弛变量ξk在第t个时间周期上的梯度
Figure BDA0002739463690000021
和
Figure BDA0002739463690000022
第二步，使用随机梯度下降方法进行实时参数更新，更新方法如下：
Figure BDA0002739463690000023
Figure BDA0002739463690000024
Figure BDA0002739463690000025
其中运算符
Figure BDA0002739463690000026
是确保ξk(t)恒为正数的映射算子，wk(t)，ρk(t)和ξk(t)代表wk，ρk和ξk在时间t上的估计，αi(t)(i＝1,2,3)是数值为正的步长因子，用来调整参数更新过程的收敛速度。
在本发明一实施例中，所述多跳D2D网络数据分析单元通过双边主成分分析方法实现，若多跳D2D组网中包含N个D2D设备，定义At∈RN×N表示时间周期t上的监督数据，其中第(ij)项At(ij)表示从设备i到设备j的监督数据，具体的在线流量监督方法为：
第一步，当在时间周期t+1上产生新的监督数据At+1时，计算当前时间周期上的全局平均值为
Figure BDA0002739463690000027
为了获取用于双边主成分分析的行投影矩阵Vt+1和列投影矩阵Ut+1，根据在线更新方法计算两个协方差矩阵
Figure BDA0002739463690000031
和
Figure BDA0002739463690000032
第二步，将协方差矩阵
Figure BDA0002739463690000033
进行特征分解，得到N个特征值:λ1,λ2,...,λN，同时将协方差矩阵
Figure BDA0002739463690000034
进行特征分解，得到N个特征值:χ1,χ2,...,χN；
第三步，基于原始信息保留率θ，将
Figure BDA0002739463690000035
的前l个特征值对应的l个特征矢量组成行投影矩阵Vt+1，将
Figure BDA0002739463690000036
的前r个特征值对应的r个特征矢量组成列投影矩阵Ut+1。
在本发明一实施例中，所述在线更新方法具体为：
根据时间周期t上的协方差矩阵
Figure BDA0002739463690000037
和
Figure BDA0002739463690000038
以及时间周期t上全局平均值
Figure BDA0002739463690000039
在不用存储每个时间周期的流量监督数据的前提下计算时间周期t+1上的两个协方差矩阵
Figure BDA00027394636900000310
和
Figure BDA00027394636900000311
更新公式如下：
Figure BDA00027394636900000312
在本发明一实施例中，所述l和r的计算方法为：
将协方差矩阵分解后得到的特征值按照从大到小的顺序排列，依据原始信息保留率θ取满足
Figure BDA00027394636900000313
且个数最少的数值为l，取满足
Figure BDA00027394636900000314
且个数最少的数值r。
在本发明一实施例中，所述判定配电网运行状态的方法为：
针对第k个智能电表上报的新测量用电数据xk(t)计算判别函数g(xk(t))＝sgn(wk T(t)·zk(t)-ρ(t))，若g(xk(t))＝＝1，则判定区域k内的配电网处于正常工作状态，否则，判定区域k内的配电网的工作状态出现异常。
在本发明一实施例中，所述判定多跳D2D组网运行状态的方法为：
构造时间周期t和t+1上的联合投影矩阵：
Mt＝[Ut,Vt]，Mt+1＝[Ut+1,Vt+1]
定义度量标准
Figure BDA00027394636900000315
来判断新到达的监督数据对主方向的影响，在上式中，Vec(A)表示对矩阵A进行矢量化，越小的Cosine值对应越大的方向变化，设置异常判定门限值score，若cosine≥score，判定At+1为正常数据，D2D组网运行状态正常；否则，判定At+1为异常数据，此时D2D组网运行状态出现异常。
本发明提供了一种基于上述所述多跳D2D组网下数据驱动的配电网在线异常检测装置的配电网在线异常检测方法，包括如下步骤：
步骤S1、收集智能电表测量的用电数据；
步骤S2、将收集的用电数据通过多跳D2D组网上报到边缘服务器进行在线分析，包括用电数据实时分析和在线流量监督；
步骤S3、根据用电数据实时分析和在线流量监督的结果分别实时判定配电网和多跳D2D组网的运行状态。
相较于现有技术，本发明具有以下有益效果：
本发明可根据某一区域智能电表上报的测量数据进行模型参数更新，并在每个时间周期上判定上报数据的异常情况，从而推断该区域配电网的运行状态；其次，该装置使用的双边主成分分析方法可实现对D2D设备流量监督数据的在线分析，并从两个主方向检测新到达流量监督数据中是否包含异常数据，在降低计算存储成本的同时提高检测精确度；该装置使用的在线异常检测算法不仅可以节约大量的计算和存储空间，且可提高异常检测速度，具有较高的有效性和鲁棒性。
附图说明
图1为本发明实施在多跳D2D组网下基于数据驱动的配电网监测架构图；
图2为在线流量监督数据分析原理图；
图3为多跳D2D组网下配电网监测原理图；
图4为基于一类支持向量机的在线配电网运行状态检测流程图；
图5为基于双边主成分分析的在线流量监督方法流程图。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
本发明提供了一种多跳D2D组网下数据驱动的配电网在线异常检测装置，包括：
数据收集单元，用于收集智能电表测量出的用电数据和用电信息采集系统采集到的用电数据，每隔预定时间周期将收集的用电数据通过数据传输单元上报到边缘服务器进行在线分析；
数据传输单元，是由D2D设备组成的多跳D2D组网，用于将定期收集的用电数据传输到无线网络侧的边缘服务器；
数据分析单元，包括两个部分：(1)负责用电数据实时分析的配电网数据分析单元；(2)负责在线流量监督的多跳D2D网络数据分析单元；
决策单元，根据数据分析单元的结果分别实时判定配电网和多跳D2D组网的运行状态。
本发明提供了一种基于上述所述多跳D2D组网下数据驱动的配电网在线异常检测装置的配电网在线异常检测方法，包括如下步骤：
步骤S1、收集智能电表测量的用电数据；
步骤S2、将收集的用电数据通过多跳D2D组网上报到边缘服务器进行在线分析，包括用电数据实时分析和在线流量监督；
步骤S3、根据用电数据实时分析和在线流量监督的结果分别实时判定配电网和多跳D2D组网的运行状态。
以下为本发明的具体实现过程。
参见图1，图1为多跳D2D组网下基于数据驱动的配电网监测架构图。在本发明实施例中，智能电表负责配电网用电信息的定期测量工作，为了实现对配电网异常行为的快速检测，可将智能电表测量出的参数数据传输到通信网边缘具有较强计算和存储能力的边缘服务器中进行实时数据分析。而为了将配电网数据传送到通信网络边缘，可在配电网和基站间建立多跳D2D组网进行数据传输。
参见图2，图2为在线流量监督数据分析原理图。在多跳D2D组网中，若D2D设备遭遇大量的突发访问，阻断式服务攻击或者蠕虫传播，会造成D2D设备的流量异常。多跳D2D组网中包含多个D2D设备，假设从一个设备到任一设备的流量对应监督矩阵中的一项，则多个时间上的监督矩阵会形成了一个张量，其中每一层表示一个时间周期上的监督数据。
参见图3，图3为跳D2D组网下配电网监测原理图，步骤如下：
步骤301：通过数据收集单元收集智能电表测量出的用电数据；
步骤302：数据传输单元每隔一定时间周期将收集的用电数据通过多跳D2D组网上报到边缘服务器进行在线分析；
步骤303：将用电数据输入到配电网数据分析单元进行实时分析，此外，为了监督多跳D2D组网的流量，将流量监督分析数据输入到多跳D2D网络数据分析单元进行在线分析；
步骤304：根据在线一类支持向量机方法和在线主成分分析方法进行参数更新，参数值用于实时异常判定；
步骤305：将运行状态判定结果反馈给对应区域的配电网；
步骤306：将流量分析结果反馈给多跳D2D组网。
参见图4，图4为基于一类支持向量机的在线配电网运行状态检测流程图，步骤如下：
步骤401：每个区域的智能电表定期上报测量数据；
步骤402：将用电数据投影到随机特征空间得到特征映射函数；
步骤403：根据特征映射函数计算权向量、偏置值和松弛变量的梯度；
步骤404：使用随机梯度下降方法对权向量、偏置值和松弛变量进行实时更新，该时间周期的参数将保存用于下一个时间周期的参数更新；
步骤405：基于当前周期的权向量和偏置值计算判别函数；
步骤406：观察当前时间周期上判别函数的值是否等于1；
步骤407：若判别函数值为1，则判定该区域配电网运行状态正常，否则判定该区域配电网运行状态异常。
参见图5，图5为基于双边主成分分析的在线流量监督方法流程图，步骤如下：
步骤501：定期收集D2D设备流量监督数据，形成流量监督矩阵；
步骤502：根据在线更新方法计算用于得到行投影矩阵和列投影矩阵的两个协方差矩阵，当前时间周期的协方差矩阵将用于下一时间周期协方差矩阵的更新；
步骤503：将协方差矩阵进行特征分解；
步骤504：基于原始信息保留率得到行投影矩阵和列投影矩阵；
步骤505：构建联合投影矩阵判断主方向变化程度；
步骤506：对比主方向变化程度和设定阈值的大小；
步骤507：若主方向变化程度小于设定阈值，判定当前时刻D2D组网流量正常，否则判定当前时刻D2D组网流量异常。
本发明可根据某一区域智能电表上报的测量数据进行模型参数更新，并在每个时间周期上判定上报数据的异常情况，从而推断该区域配电网的运行状态；其次，该装置使用的双边主成分分析方法可实现对D2D设备流量监督数据的在线分析，并从两个主方向检测新到达流量监督数据中是否包含异常数据，在降低计算存储成本的同时提高检测精确度；该装置使用的在线异常检测算法不仅可以节约大量的计算和存储空间，且可提高异常检测速度，具有较高的有效性和鲁棒性。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (3)

1.一种多跳D2D组网下数据驱动的配电网在线异常检测装置，其特征在于，包括：
数据收集单元，用于收集智能电表测量出的用电数据和用电信息采集系统采集到的用电数据，每隔预定时间周期将收集的用电数据通过数据传输单元上报到边缘服务器进行在线分析；
数据传输单元，是由D2D设备组成的多跳D2D组网，用于将定期收集的用电数据传输到无线网络侧的边缘服务器；
数据分析单元，包括两个部分：(1)负责用电数据实时分析的配电网数据分析单元；(2)负责在线流量监督的多跳D2D网络数据分析单元；
决策单元，根据数据分析单元的结果分别实时判定配电网和多跳D2D组网的运行状态；
所述配电网数据分析单元通过一类支持向量机方法实现用电数据实时分析，具体方法为：
第一步，将第k个智能电表在第t个时间周期上报的用电数据投影到随机特征空间得到特征映射函数zk(t)，根据zk(t)分别计算一类支持向量机方法中的权向量wk、偏置值ρk和松弛变量ξk在第t个时间周期上的梯度
Figure FDA0003551284710000011
和
Figure FDA0003551284710000012
第二步，使用随机梯度下降方法进行实时参数更新，更新方法如下：
Figure FDA0003551284710000013
Figure FDA0003551284710000014
Figure FDA0003551284710000015
其中运算符
Figure FDA0003551284710000016
是确保ξk(t)恒为正数的映射算子，wk(t)，ρk(t)和ξk(t)代表wk，ρk和ξk在时间t上的估计，αi(t)是数值为正的步长因子，用来调整参数更新过程的收敛速度，其中i＝1,2,3；
所述多跳D2D网络数据分析单元通过双边主成分分析方法实现，若多跳D2D组网中包含N个D2D设备，定义At∈RN×N表示时间周期t上的监督数据，其中第(ij)项At(ij)表示从设备i到设备j的监督数据，具体的在线流量监督方法为：
第一步，当在时间周期t+1上产生新的监督数据At+1时，计算当前时间周期上的全局平均值为
Figure FDA0003551284710000017
为了获取用于双边主成分分析的行投影矩阵Vt+1和列投影矩阵Ut+1，根据在线更新方法计算两个协方差矩阵
Figure FDA0003551284710000018
和
Figure FDA0003551284710000019
第二步，将协方差矩阵
Figure FDA0003551284710000021
进行特征分解，得到N个特征值:λ1,λ2,...,λN，同时将协方差矩阵
Figure FDA0003551284710000022
进行特征分解，得到N个特征值:χ1,χ2,...,χN；
第三步，基于原始信息保留率θ，将
Figure FDA0003551284710000023
的前l个特征值对应的l个特征矢量组成行投影矩阵Vt+1，将
Figure FDA0003551284710000024
的前r个特征值对应的r个特征矢量组成列投影矩阵Ut+1；
所述在线更新方法具体为：
根据时间周期t上的协方差矩阵
Figure FDA0003551284710000025
和
Figure FDA0003551284710000026
以及时间周期t上全局平均值
Figure FDA0003551284710000027
在不用存储每个时间周期的流量监督数据的前提下计算时间周期t+1上的两个协方差矩阵
Figure FDA0003551284710000028
和
Figure FDA0003551284710000029
更新公式如下：
Figure FDA00035512847100000210
Figure FDA00035512847100000211
所述l和r的计算方法为：
将协方差矩阵分解后得到的特征值按照从大到小的顺序排列，依据原始信息保留率θ取满足
Figure FDA00035512847100000212
且个数最少的数值为l，取满足
Figure FDA00035512847100000213
且个数最少的数值r；
所述判定配电网运行状态的方法为：
针对第k个智能电表上报的新测量用电数据xk(t)计算判别函数g(xk(t))＝sgn(wk T(t)·zk(t)-ρ(t))，若g(xk(t))＝＝1，则判定区域k内的配电网处于正常工作状态，否则，判定区域k内的配电网的工作状态出现异常；
所述判定多跳D2D组网运行状态的方法为：
构造时间周期t和t+1上的联合投影矩阵：
Mt＝[Ut,Vt]，Mt+1＝[Ut+1,Vt+1]
定义度量标准
Figure FDA00035512847100000214
来判断新到达的监督数据对主方向的影响，在上式中，Vec(A)表示对矩阵A进行矢量化，越小的Cosine值对应越大的方向变化，设置异常判定门限值score，若cosine≥score，判定At+1为正常数据，D2D组网运行状态正常；否则，判定At+1为异常数据，此时D2D组网运行状态出现异常。
2.根据权利要求1所述的多跳D2D组网下数据驱动的配电网在线异常检测装置，其特征在于，所述智能电表测量出的用电数据包括每个时间周期内的电压、电流、有功功率以及从属线路。
3.一种基于权利要求1-2任一所述多跳D2D组网下数据驱动的配电网在线异常检测装置的配电网在线异常检测方法，其特征在于，包括如下步骤：
步骤S1、收集智能电表测量出的用电数据和用电信息采集系统采集到的用电数据；
步骤S2、将收集的用电数据通过多跳D2D组网上报到边缘服务器进行在线分析，包括用电数据实时分析和在线流量监督；
步骤S3、根据用电数据实时分析和在线流量监督的结果分别实时判定配电网和多跳D2D组网的运行状态。
CN202011144958.XA 2020-10-23 2020-10-23 多跳d2d组网下数据驱动的配电网在线异常检测装置及方法 Active CN112421772B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011144958.XA CN112421772B (zh) 2020-10-23 2020-10-23 多跳d2d组网下数据驱动的配电网在线异常检测装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011144958.XA CN112421772B (zh) 2020-10-23 2020-10-23 多跳d2d组网下数据驱动的配电网在线异常检测装置及方法

Publications (2)

Publication Number Publication Date
CN112421772A CN112421772A (zh) 2021-02-26
CN112421772B true CN112421772B (zh) 2022-05-13

Family

ID=74841878

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011144958.XA Active CN112421772B (zh) 2020-10-23 2020-10-23 多跳d2d组网下数据驱动的配电网在线异常检测装置及方法

Country Status (1)

Country Link
CN (1) CN112421772B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105959988A (zh) * 2016-04-15 2016-09-21 北京航空航天大学 一种基于支持向量机的认知无线自组织网络节点稳定性判决方法
CN110187242A (zh) * 2019-07-02 2019-08-30 上海交通大学 一种基于时空相关性分析的配电网异常检测及定位方法
CN111654874A (zh) * 2020-06-03 2020-09-11 枣庄学院 一种无线传感网异常检测方法
CN111682639A (zh) * 2020-04-20 2020-09-18 国网浙江桐乡市供电有限公司 基于无线多跳网络的配电房全感知监测运维系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200309829A1 (en) * 2019-04-01 2020-10-01 Dake He On-line monitoring system for the performance of the measurement equipment in the entire power grid based on wide-area synchronous measurement

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105959988A (zh) * 2016-04-15 2016-09-21 北京航空航天大学 一种基于支持向量机的认知无线自组织网络节点稳定性判决方法
CN110187242A (zh) * 2019-07-02 2019-08-30 上海交通大学 一种基于时空相关性分析的配电网异常检测及定位方法
CN111682639A (zh) * 2020-04-20 2020-09-18 国网浙江桐乡市供电有限公司 基于无线多跳网络的配电房全感知监测运维系统及方法
CN111654874A (zh) * 2020-06-03 2020-09-11 枣庄学院 一种无线传感网异常检测方法

Also Published As

Publication number Publication date
CN112421772A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN108418841B (zh) 基于ai的下一代关键信息基础设施网络安全态势感知系统
CN102340811B (zh) 无线传感器网络故障诊断方法
CN105354614B (zh) 一种基于大数据的电网信息运维主动预警方法
CN117674140B (zh) 一种配电网测控系统及方法
CN106384186A (zh) 一种分布式新能源并网电能质量监控方法及系统
CN109688602A (zh) 基于节点预状态的无线传感器故障检测算法
CN104280612B (zh) 一种基于单频电流传输特性的分布式谐波源辨识方法
CN115063058B (zh) 一种基于模型驱动和数据驱动的综合能源态势感知系统
CN212895016U (zh) 一种基于LoRa无线测控技术的铝电解槽况诊断系统
CN117411115A (zh) 储能电源状态的检测控制方法、装置、电子设备及介质
CN105515888A (zh) 基于多维熵序列分类的智能变电站通信网络异常检测方法
CN110443481B (zh) 基于混合k-近邻算法的配电自动化终端状态评价系统及方法
CN115396981A (zh) 一种基于大数据技术的智能监测系统
CN117674249A (zh) 一种含分布式光伏的配电网故障自愈控制与评价方法
CN118378834A (zh) 一种优化能源调度的节能型能源综合管理系统及方法
CN117621897A (zh) 一种多桩组网协商充电管理系统及方法
WO2020057402A1 (zh) 系统状态监视方法、装置和存储介质
CN112421772B (zh) 多跳d2d组网下数据驱动的配电网在线异常检测装置及方法
CN111405605A (zh) 一种基于自组织映射的无线网络中断检测方法
CN114779098B (zh) 一种锂离子电池的状态评估方法及系统
CN106195247A (zh) 一种基于大数据管理模式的变速器控制系统
Liu et al. An abnormal detection of positive active total power based on local outlier factor
CN115616471A (zh) 一种智能电能表故障在线预警系统及方法
CN113297194B (zh) 一种电动汽车聚合商备用容量虚假数据识别与清洗的方法
CN113064075B (zh) 一种基于边缘计算及深度学习的电机寿命预估方法

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
GR01 Patent grant
GR01 Patent grant