CN113222013A - 一种多系统差异数据巡检方法、系统和存储介质 - Google Patents

一种多系统差异数据巡检方法、系统和存储介质 Download PDF

Info

Publication number
CN113222013A
CN113222013A CN202110510141.8A CN202110510141A CN113222013A CN 113222013 A CN113222013 A CN 113222013A CN 202110510141 A CN202110510141 A CN 202110510141A CN 113222013 A CN113222013 A CN 113222013A
Authority
CN
China
Prior art keywords
data
heterogeneous
time
difference
time window
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
CN202110510141.8A
Other languages
English (en)
Other versions
CN113222013B (zh
Inventor
杨世宁
陈文刚
宰洪涛
姚泽龙
毛俊杰
马振军
王新瑞
郜涛
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.)
Shanxi Shengshi Huizhi Technology Co ltd
Jincheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Original Assignee
Shanxi Shengshi Huizhi Technology Co ltd
Jincheng Power Supply Co of State Grid Shanxi 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 Shanxi Shengshi Huizhi Technology Co ltd, Jincheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd filed Critical Shanxi Shengshi Huizhi Technology Co ltd
Priority to CN202110510141.8A priority Critical patent/CN113222013B/zh
Publication of CN113222013A publication Critical patent/CN113222013A/zh
Application granted granted Critical
Publication of CN113222013B publication Critical patent/CN113222013B/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
    • 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
    • G06F18/25—Fusion 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (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)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供的一种多系统差异数据巡检方法、系统和存储介质，巡检方法包括：S10,连接不同的实时数据采集系统，对各实时数据采集系统中的数据进行采集；S20,对采集的异源数据进行数据融合，将描述同一变量特征的异源数据归为一类；S30,按类对融合后的异源数据进行差异巡检，当多个异源数据之间相似度在阈值条件范围内的，视为异源数据之间无差异，否则视为异源数据之间存在差异；本发明具有能够实现不同系统数据的共享，并对异源数据进行差异巡检，分辨出差异数据的有益效果，适用于数据处理领域。

Description

一种多系统差异数据巡检方法、系统和存储介质
技术领域
本发明涉及数据处理的技术领域，具体涉及一种多系统差异数据巡检方法、系统和存储介质。
背景技术
目前，电网调控中心已经被定义为数据中心，接收多种电网实时数据采集系统(电网调度SCADA实时系统、电能实时采集系统等)的各类实时数据；由于现有的这些实时数据采集系统都有自己的应用环境及数据存储模式，导致电网调控中心存在多个数据库；这就造成系统彼此之间的数据不能交互共享，从而形成了多个不同的信息孤岛。
因此，如何有效地将这些数据融合、处理，形成供用户人员参考的辅助决策，便成为了一种必然趋势。
发明内容
针对相关技术中存在的不足，本发明所要解决的技术问题在于：提供一种能够实现不同系统数据的共享，并对异源数据进行差异巡检，分辨出差异数据的多系统差异数据巡检方法及系统。
为解决上述技术问题，本发明采用的技术方案为：
一种多系统差异数据巡检方法，包括：
S10,连接不同的实时数据采集系统，对各实时数据采集系统中的数据进行采集；
S20,对采集的异源数据进行数据融合，将描述同一变量特征的异源数据归为一类；
S30,按类对融合后的异源数据进行差异巡检，当多个异源数据之间相似度在阈值条件范围内的，视为异源数据之间无差异，否则视为异源数据之间存在差异。
优选地，还包括：S40,将存在差异的异源数据进行展示，并发出预警信号。
优选地，所述按类对融合后的异源数据进行差异巡检，当多个异源数据之间相似度在阈值条件范围内的，视为数据之间无差异，否则视为异源数据之间存在差异，具体包括：
S401,定义时间长度为N的时间窗口；其中，所述时间窗口中包含的数据为多组异源数据；所述每组异源数据均为时间序列数据，所述的时间序列数据包括：时间戳和数据项；
S402,在设定的时间窗口中,通过DTW算法对多组异源数据进行相似度度量计算；
S403,如果时间窗口中任意两组数据之间的DTW距离值大于预先设定的阈值条件，则在该时间窗口内视为异源数据之间存在差异，否则，视为异源数据之间无差异。
优选地，所述在设定的时间窗口中,通过DTW算法对多组异源数据进行相似度度量计算，具体包括：
计算任意两组异源数据之间的距离，具体包括：对数据源X前i个采样点数据与数据源Y前j个采样点的相似性进行相似度计算；
距离的计算方式如下：
DX,Y(i,j)＝DistX,Y(i,j)+min{DX,Y(i-1,j),DX,Y(i,j-1),DX,Y(i-1,j-1)}；
其中：X、Y表示描述时间窗口中包含的两组数据源；
DistX,Y(i,j)表示数据源X中第i个采样点数据与数据源Y中第j个采样点数据之间的距离；
DX,Y(i,j)表示两组异源数据X、Y落在时间窗口中固定数据点的DTW距离；
i、j的取值均小于时间窗口长度N。
优选地，所述时间窗口的窗口起点T1设定为：多组异源数据的统一接入时刻；所述时间窗口的窗口终点T2设定为：T1+N，且T1、T2均随着数据的采集时刻进行动态刷新。
优选地，所述时间窗口的宽度设定为：两组异源数据的数据采集间隔的最小公倍数，且小于一天内数据的采样点数。
本发明提供的一种多系统差异数据巡检系统，包括：
数据采集模块，用于连接不同的实时数据采集系统，对各实时数据采集系统中的数据进行采集；
数据整合模块，用于采集的异源数据进行数据融合，将描述同一变量特征的异源数据归为一类；
差异数据巡检比对模块，用于按类对融合后的异源数据进行差异巡检，当多个异源数据之间相似度在阈值条件范围内的，视为异源数据之间无差异，否则视为异源数据之间存在差异。
优选地，还包括：
结果显示与预警模块，用于将存在差异的异源数据进行展示，并发出预警信号。
本发明提供的存储介质，其中存储有多条指令，所述指令适于由处理器加载并执行如上所述的多系统差异数据巡检方法。
本发明的有益技术效果在于：
1、本发明在进行多系统差异数据巡检时，首先，将采集的不同实时数据采集系统中的数据进行数据融合，将描述同一变量特征的异源数据归为一类；以便后续数据的相似度计算；其次，按类对融合后的异源数据进行差异巡检，若多个异源数据之间相似度在阈值条件范围内的，视为异源数据之间无差异，否则视为异源数据之间存在差异；通过上述数据采集、数据融合、数据的差异巡检能够实现不同系统数据的共享，能够对不同实时数据采集系统中，同一电气量数据差异的检测，分辨出某一电气量的差异数据，并通过将差异进行展示、预警的方式，为工作人员的后续操作，提供了辅助决策手段，进而提高电网调度数据质量，实用性极强。
2、本发明中，采用了DTW算法通过对两组数据之间的DTW距离值进行计算，并将任意两组数据之间的DTW距离值与预先设定的阈值条件进行比较，从而实现了对异源数据的相似度度量，使异源数据之间的序列相似性的度量更加精确。
3、本发明中，采用两组数据的DTW距离值来描述数据临近点的数值与变化趋势的相似度，若两组异源数据在短时间内的值或变化趋势存在差异时，异源数据之间的DTW距离会有明显变化，其变化趋势表示一组数据正常刷新但另一组数据在一定时间内不刷新；如果时间窗口中的两组数据的DTW距离值大于预先设定的阈值条件，则将该两组数据视为在该时间窗口内存在差异，否则，可视为两组数据基本一致；本发明通过将多个系统的数据融合后进行计算，通过计算多组数据之间在预设时间内的相似度，用相似性度量值描述异源数据之间值的差异和变化趋势的差异，提高了差异数据查找的效率。
附图说明
图1是本发明实施例一提供的一种多系统差异数据巡检方法的流程示意图；
图2是本发明实施例二提供的一种多系统差异数据巡检方法的流程示意图；
图3是本发明实施例一提供的一种多系统差异数据巡检系统的结构示意图；
图中：10为数据采集模块，20为数据整合模块，30为差异数据巡检比对模块，40为结果显示与预警模块,50为实时采集系统。
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中的附图，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的一部分实施例，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。
其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
以下结合附图详细说明所述一种多系统差异数据巡检方法及系统的一个实施例。
实施例一
图1是本发明实施例一提供的一种多系统差异数据巡检方法的流程示意图；如图1所示，一种多系统差异数据巡检方法，包括：
S10,连接不同的实时数据采集系统，对各实时数据采集系统中的数据进行采集；
S20,对采集的异源数据进行数据融合，将描述同一变量特征的异源数据归为一类；
S30,按类对融合后的异源数据进行差异巡检，当多个异源数据之间相似度在阈值条件范围内的，视为异源数据之间无差异，否则视为异源数据之间存在差异；
S40,将存在差异的异源数据进行展示，并发出预警信号。
具体地，本实施例中，步骤S10中，连接不同的实时数据采集系统，对各实时数据采集系统中的数据进行采集，具体可包括：根据待采集的各实时系统的数据存储方式采用相应的数据爬取手段，并通过适用的网络传输协议对电气量目标数据进行采集；其中：所述适用的网络传输协议包括：电网远动传输网路协议，如：IEC61850；所述的电气量目标数据可为：有功、无功、电压、电流、电量等常用电气量数据。
进一步地，所述的实时数据采集系统可包括：电网调度SCADA实时系统、电网计量终端实时采集系统等；所述不同的实时数据采集系统中的数据，称为：异源数据。
本实施例应用于电力系统，其中的变量均可为电气量，由于不同实时数据采集系统对其采集的数据往往附有各自业务领域特点的不同数据标签，为此需要对描述同一变量(电气量)的量测数据进行标签统一化；本实施例中，步骤S20中，对采集的异源数据进行数据融合，将描述同一变量特征的异源数据归为一类，具体可包括：
S201，对所采集到的异源数据(包括：电网量测数据)进行标签预处理，使其形成统一标签格式；其中：所述统一标签格式可按照：“系统名称-管理单位-变电站-电气设备”的顺序构成相应的字符串格式；
S202，对数据进行分类融合；具体包括：对标签预处理后的数据按照所描述的电气量特征进行数据分类，将描述同一变量特征的数据归为一类；
其中：类的数量可按照实际需求进行分类调整；表示电气量特征的数据可包括：电压、电流、有功、无功、电量等描述电网运行状态的物理量。
本实施例在进行多系统差异数据巡检时，首先，将采集的不同实时数据采集系统中的数据进行数据融合，将描述同一变量特征的异源数据归为一类；以便后续数据的相似度计算；其次，按类对融合后的异源数据进行差异巡检，若多个异源数据之间相似度在阈值条件范围内的，视为异源数据之间无差异，否则视为异源数据之间存在差异；通过上述数据采集、数据融合、数据的差异巡检能够实现不同系统数据的共享，能够对不同实时数据采集系统中，同一电气量数据差异的检测，分辨出某一电气量的差异数据，并通过将差异进行展示、预警的方式，为工作人员的后续操作，提供了辅助决策手段，进而提高电网调度数据质量，实用性极强。
实施例二
图2是本发明实施例二提供的一种多系统差异数据巡检方法的流程示意图；如图2所示，在实施例一的基础上，所述按类对融合后的异源数据进行差异巡检，当多个异源数据之间相似度在阈值条件范围内的，视为数据之间无差异，否则视为异源数据之间存在差异，具体包括：
S401,定义时间长度为N的时间窗口；其中，所述时间窗口中包含的数据为多组异源数据；所述每组异源数据均为时间序列数据，所述的时间序列数据包括：时间戳和数据项；
S402,在设定的时间窗口中,通过DTW算法对多组异源数据进行相似度度量计算；
S403,如果时间窗口中任意两组数据之间的DTW距离值大于预先设定的阈值条件，则在该时间窗口内视为异源数据之间存在差异，否则，视为异源数据之间无差异。
本实施例中，每类电气电气量特征的阈值条件可用Cobj表示，因此，表示预先设定的各电气量的差异判别阈值条件序列C的序列值为：
C＝{Cobj1，Cobj2，Cobj3，L}，下标obj1、obj2…表示各待巡检电气量对象。
具体的地，所述时间窗口的窗口起点T1设定为：多组异源数据的统一接入时刻；所述时间窗口的窗口终点T2设定为：T1+N，且T1、T2均随着数据的采集时刻进行动态刷新。
进一步地，所述时间窗口的宽度设定为：两组异源数据的数据采集间隔的最小公倍数，且小于一天内数据的采样点数。
本实施例中，采用了DTW算法通过对两组数据之间的DTW距离值进行计算，并将任意两组数据之间的DTW距离值与预先设定的阈值条件进行比较，从而实现了对异源数据的相似度度量，使异源数据之间的序列相似性的度量更加精确。
实施例三
在实施例二的基础上，一种多系统差异数据巡检方法，所述在设定的时间窗口中,通过DTW算法对多组异源数据进行相似度度量计算，具体包括：
计算任意两组异源数据之间的距离，具体包括：对数据源X前i个采样点数据与数据源Y前j个采样点的相似性进行相似度计算；
距离的计算方式如下：
DX,Y(i,j)＝DistX,Y(i,j)+min{DX,Y(i-1,j),DX,Y(i,j-1),DX,Y(i-1,j-1)}；
其中：X、Y表示描述时间窗口中包含的两组数据源；
DistX,Y(i,j)表示数据源X中第i个采样点数据与数据源Y中第j个采样点数据之间的距离；
DX,Y(i,j)表示两组异源数据X、Y落在时间窗口中固定数据点的DTW距离；
i、j的取值均小于时间窗口长度N。
本实施例中，采用两组数据的DTW距离值来描述数据临近点的数值与变化趋势的相似度，若两组异源数据在短时间内的值或变化趋势存在差异时，异源数据之间的DTW距离会有明显变化，其变化趋势表示一组数据正常刷新但另一组数据在一定时间内不刷新；如果时间窗口中的两组数据的DTW距离值大于预先设定的阈值条件，则将该两组数据视为在该时间窗口内存在差异，否则，可视为两组数据基本一致；本实施例中，将多个系统的数据融合后进行计算，通过计算多组数据之间在预设时间内的相似度，用相似性度量值描述异源数据之间值的差异和变化趋势的差异，提高了差异数据查找的效率。
本发明还提供了一种能够实现上述巡检方法的巡检系统，图3是本发明实施例一提供的一种多系统差异数据巡检系统的结构示意图；如图3所示，
一种多系统差异数据巡检系统，包括：
数据采集模块10，用于连接不同的实时数据采集系统50，对各实时数据采集系统50中的数据进行采集；
数据整合模块20，用于采集的异源数据进行数据融合，将描述同一变量特征的异源数据归为一类；
差异数据巡检比对模块30，用于按类对融合后的异源数据进行差异巡检，当多个异源数据之间相似度在阈值条件范围内的，视为异源数据之间无差异，否则视为异源数据之间存在差异。
具体地，还包括：结果显示与预警模块40，用于将存在差异的异源数据进行展示，并发出预警信号。
本发明还提供了一种存储设备，其中存储有多条指令，所述指令适于由处理器加载并执行如上述的多系统差异数据巡检方法。
本发明中的技术不仅是一个具有创造性的方案，还在相关系统中进行了实际应用。在应用过程中，系统部署可靠，成功地发现了来自不同的实时数据采集系统之间的数据差异，并及时给予了告警，后期经过与相关系统进行数据验证，数据监测准确、及时。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中，参考术语“实施例x”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任一个或多个实施例或示例中以合适的方式结合。
此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。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的部分，可以参见其他实施例的相关描述。
可以理解的是，上述方法、装置及系统中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。
所述领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和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。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其他设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定的编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在本申请所提供的实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，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，又例如，多个模块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信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (9)

1.一种多系统差异数据巡检方法，其特征在于：包括：
S10,连接不同的实时数据采集系统，对各实时数据采集系统中的数据进行采集；
S20,对采集的异源数据进行数据融合，将描述同一变量特征的异源数据归为一类；
S30,按类对融合后的异源数据进行差异巡检，当多个异源数据之间相似度在阈值条件范围内的，视为异源数据之间无差异，否则视为异源数据之间存在差异。
2.根据权利要求1所述的一种多系统差异数据巡检方法，其特征在于:还包括：
S40,将存在差异的异源数据进行展示，并发出预警信号。
3.根据权利要求1所述的一种多系统差异数据巡检方法，其特征在于:所述按类对融合后的异源数据进行差异巡检，当多个异源数据之间相似度在阈值条件范围内的，视为数据之间无差异，否则视为异源数据之间存在差异，具体包括：
S401,定义时间长度为N的时间窗口；其中，所述时间窗口中包含的数据为多组异源数据；所述每组异源数据均为时间序列数据，所述的时间序列数据包括：时间戳和数据项；
S402,在设定的时间窗口中,通过DTW算法对多组异源数据进行相似度度量计算；
S403,如果时间窗口中任意两组数据之间的DTW距离值大于预先设定的阈值条件，则在该时间窗口内视为异源数据之间存在差异，否则，视为异源数据之间无差异。
4.根据权利要求3所述的一种多系统差异数据巡检方法，其特征在于:所述在设定的时间窗口中,通过DTW算法对多组异源数据进行相似度度量计算，具体包括：
计算任意两组异源数据之间的距离，具体包括：对数据源X前i个采样点数据与数据源Y前j个采样点的相似性进行相似度计算；
距离的计算方式如下：
DX,Y(i,j)＝DistX,Y(i,j)+min{DX,Y(i-1,j),DX,Y(i,j-1),DX,Y(i-1,j-1)}；
其中：X、Y表示描述时间窗口中包含的两组数据源；
DistX,Y(i,j)表示数据源X中第i个采样点数据与数据源Y中第j个采样点数据之间的距离；
DX,Y(i,j)表示两组异源数据X、Y落在时间窗口中固定数据点的DTW距离；
i、j的取值均小于时间窗口长度N。
5.根据权利要求1所述的一种多系统差异数据巡检方法，其特征在于：所述时间窗口的窗口起点T1设定为：多组异源数据的统一接入时刻；所述时间窗口的窗口终点T2设定为：T1+N，且T1、T2均随着数据的采集时刻进行动态刷新。
6.根据权利要求1所述的一种多系统差异数据巡检方法，其特征在于：所述时间窗口的宽度设定为：两组异源数据的数据采集间隔的最小公倍数，且小于一天内数据的采样点数。
7.一种多系统差异数据巡检系统，其特征在于：包括：
数据采集模块(10)，用于连接不同的实时数据采集系统(50)，对各实时数据采集系统(50)中的数据进行采集；
数据整合模块(20)，用于采集的异源数据进行数据融合，将描述同一变量特征的异源数据归为一类；
差异数据巡检比对模块(30)，用于按类对融合后的异源数据进行差异巡检，当多个异源数据之间相似度在阈值条件范围内的，视为异源数据之间无差异，否则视为异源数据之间存在差异。
8.根据权利要求7所述的一种多系统差异数据巡检系统，其特征在于：还包括：
结果显示与预警模块(40)，用于将存在差异的异源数据进行展示，并发出预警信号。
9.存储介质，其中存储有多条指令，其特征在于：所述指令适于由处理器加载并执行如权利要求1～6中任一所述的多系统差异数据巡检方法。
CN202110510141.8A 2021-05-11 2021-05-11 一种多系统差异数据巡检方法、系统和存储介质 Active CN113222013B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110510141.8A CN113222013B (zh) 2021-05-11 2021-05-11 一种多系统差异数据巡检方法、系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110510141.8A CN113222013B (zh) 2021-05-11 2021-05-11 一种多系统差异数据巡检方法、系统和存储介质

Publications (2)

Publication Number Publication Date
CN113222013A true CN113222013A (zh) 2021-08-06
CN113222013B CN113222013B (zh) 2024-07-19

Family

ID=77094621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110510141.8A Active CN113222013B (zh) 2021-05-11 2021-05-11 一种多系统差异数据巡检方法、系统和存储介质

Country Status (1)

Country Link
CN (1) CN113222013B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114241749A (zh) * 2021-11-26 2022-03-25 深圳市戴升智能科技有限公司 一种基于时间序列的视频信标数据关联方法和系统
CN117331921A (zh) * 2023-09-28 2024-01-02 石家庄铁道大学 一种轴承监测多源数据处理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110334766A (zh) * 2019-07-08 2019-10-15 中国地质大学（武汉） 一种基于可变间隔对象的时序数据相似性度量方法
CN110441823A (zh) * 2019-08-09 2019-11-12 浙江财经大学 基于多源数据融合的地层对比不确定性可视化方法
US20200209277A1 (en) * 2018-12-31 2020-07-02 Robert Bosch Gmbh System and method for standardized evaluation of activity sequence
CN111612650A (zh) * 2020-05-27 2020-09-01 福州大学 一种基于dtw距离和近邻传播聚类算法的电力用户分群方法及系统
CN112199421A (zh) * 2020-12-04 2021-01-08 中国电力科学研究院有限公司 一种多源异构数据融合和量测数据多源互校验方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200209277A1 (en) * 2018-12-31 2020-07-02 Robert Bosch Gmbh System and method for standardized evaluation of activity sequence
CN110334766A (zh) * 2019-07-08 2019-10-15 中国地质大学（武汉） 一种基于可变间隔对象的时序数据相似性度量方法
CN110441823A (zh) * 2019-08-09 2019-11-12 浙江财经大学 基于多源数据融合的地层对比不确定性可视化方法
CN111612650A (zh) * 2020-05-27 2020-09-01 福州大学 一种基于dtw距离和近邻传播聚类算法的电力用户分群方法及系统
CN112199421A (zh) * 2020-12-04 2021-01-08 中国电力科学研究院有限公司 一种多源异构数据融合和量测数据多源互校验方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114241749A (zh) * 2021-11-26 2022-03-25 深圳市戴升智能科技有限公司 一种基于时间序列的视频信标数据关联方法和系统
CN117331921A (zh) * 2023-09-28 2024-01-02 石家庄铁道大学 一种轴承监测多源数据处理方法

Also Published As

Publication number Publication date
CN113222013B (zh) 2024-07-19

Similar Documents

Publication Publication Date Title
US20220137612A1 (en) Transformer fault diagnosis and positioning system based on digital twin
CN106199276B (zh) 一种用电信息采集系统中异常信息的智能诊断系统及方法
CN112598343B (zh) 一种对数据中心的风险巡检方法、装置、设备及存储介质
CN104020754B (zh) 一种变电站一次主设备状态监测信息接入调控系统的方法
CN112910089A (zh) 一种变电站二次设备故障逻辑可视化方法及系统
CN113222013A (zh) 一种多系统差异数据巡检方法、系统和存储介质
CN117390403B (zh) 一种新能源灯塔发电站的电网故障检测方法及系统
CN111431284A (zh) 一种基于bim技术的变电站智能化管控系统
CN117197770B (zh) 一种基于物联网的巡检全流程数据监管系统及方法
CN102542122B (zh) 一种停电区域渲染方法和装置
CN117726164A (zh) 一种基于多源数据融合的风险故障态势感知系统
CN116094174A (zh) 基于知识图谱的电网运维监控方法、系统、设备及介质
CN115617784A (zh) 一种信息化配电的数据处理系统及其处理方法
CN115457211A (zh) 基于数字孪生的变电站管理方法及系统
CN104463499A (zh) 一种基于cim的输变电设备全景信息建模方法
CN114460519A (zh) 基于电力互感器检验的现场与终端融合管理系统和方法
CN113740666A (zh) 一种数据中心电力系统告警风暴根源故障的定位方法
CN116054416B (zh) 一种基于物联网的智能监控运维管理系统
CN117251751A (zh) 机房监测方法、装置、电子设备及存储介质
CN112070400A (zh) 一种电网数据库安全态势评估方法及装置
CN110888949A (zh) 基于三维地图的设备告警屏蔽方法、装置、设备及介质
CN116192612A (zh) 一种基于日志分析的系统故障监测和预警系统及方法
CN114089067A (zh) 一种变电站电气二次回路可视化系统
CN113408753A (zh) 一种基于标签技术的主网设备画像装置及方法
CN114400769A (zh) 智能换电站的3d可视化监控方法与装置

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