CN113687257A - 电源健康状态动态评估方法及装置 - Google Patents
电源健康状态动态评估方法及装置 Download PDFInfo
- Publication number
- CN113687257A CN113687257A CN202111000312.9A CN202111000312A CN113687257A CN 113687257 A CN113687257 A CN 113687257A CN 202111000312 A CN202111000312 A CN 202111000312A CN 113687257 A CN113687257 A CN 113687257A
- Authority
- CN
- China
- Prior art keywords
- data
- dynamic
- processing
- power supply
- fusion
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 75
- 238000011156 evaluation Methods 0.000 title claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 180
- 238000012544 monitoring process Methods 0.000 claims abstract description 152
- 230000004927 fusion Effects 0.000 claims abstract description 80
- 238000004458 analytical method Methods 0.000 claims abstract description 58
- 230000003068 static effect Effects 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000005065 mining Methods 0.000 claims abstract description 32
- 238000007418 data mining Methods 0.000 claims abstract description 17
- 230000010354 integration Effects 0.000 claims abstract description 16
- 238000013210 evaluation model Methods 0.000 claims abstract description 14
- 238000007499 fusion processing Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims description 30
- 239000000178 monomer Substances 0.000 claims description 30
- 238000013075 data extraction Methods 0.000 claims description 20
- 238000012217 deletion Methods 0.000 claims description 18
- 230000037430 deletion Effects 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 claims description 12
- 230000003862 health status Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000003066 decision tree Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000005802 health problem Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 19
- 230000001364 causal effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 239000012535 impurity Substances 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/40—Testing power supplies
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于跨区域集成及融合的电源健康状态动态评估方法及装置,其中,所述方法包括:采集不同区域的电源的动态监测数据,并与动态监测数据对应的静态基础数据和准动态数据进行融合处理,形成融合监测数据;对融合监测数据输入信息模型统一中进行信息格式统一处理,获得统一后的融合监测数据;进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据;进行数据挖掘分析处理,获得挖掘分析结果;将挖掘分析结果输入电源健康状态评估模型中进行健康动态状态评估处理,获得电源健康动态状态评估结果。在本发明实施例中,可以有效的对不同的电源进行健康状态的动态评估,及时发现电源的健康问题,保障供电安全。
Description
技术领域
本发明涉及供电电源技术领域,尤其涉及一种基于跨区域集成及融合的电源健康状态动态评估方法及装置。
背景技术
在大功率多级放大射频电源中,功率多级放大器采用全固态功率管,射频驱动信号输入为多级放大器提供激励源,阻抗匹配器通过阻抗匹配实现最大功率输出;大功率输出电源因此存在多级且设置较为复杂,现有的技术,无法对电源进行实时的动态健康评估,无法最及时的得到电源的健康问题,导致无法及时发现电源存在的健康问题,从而导致电源可能存在带病工作,导致供电安全隐患。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种基于跨区域集成及融合的电源健康状态动态评估方法及装置,可以有效的对不同的电源进行健康状态的动态评估,及时发现电源的健康问题,保障供电安全。
为了解决上述技术问题,本发明实施例提供了一种基于跨区域集成及融合的电源健康状态动态评估方法,所述方法包括:
采集不同区域的电源的动态监测数据,并与所述动态监测数据对应的静态基础数据和准动态数据进行融合处理,形成融合监测数据;
对所述融合监测数据输入信息模型统一中进行信息格式统一处理,获得统一后的融合监测数据;
对所述统一后的融合监测数据进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据;
对所述影响关键性能指标数据进行数据挖掘分析处理,获得挖掘分析结果;
将所述挖掘分析结果输入电源健康状态评估模型中进行健康动态状态评估处理,获得电源健康动态状态评估结果。
可选的,所述采集不同区域的电源的动态监测数据,包括:
在不同区域的电源的各个节点上设置对应的节点数据传感器;
利用对应的节点数据传感器对不同区域的电源的各个节点进行数据采集,并将采集到的数据用对应的节点数据传感器ID进行标注,形成动态监测数据;
其中所述电源的各个节点包括电源电压监测节点、电源电流监测节点、电源温度监测节点及电源内阻监测节点;所述动态监测数据包括电源动态电压数据、电源动态电流数据、电源动态温度数据和电源动态内阻数据。
可选的,所述并与所述动态监测数据对应的静态基础数据和准动态数据进行融合处理,形成融合监测数据,包括:
基于所述动态监测数据获得对应的节点数据传感器ID,并利用所述节点数据传感器ID分别在静态基础数据库和准动态数据库中进行检索匹配,并匹配出对应的静态基础数据和准动态数据;
将所述动态监测数据与其对应的静态基础数据和准动态数据融合处理,获得融合监测数据;
其中,所述静态基础数据包括电源基础台账数据和地里位置信息数据;所述准动态数据包括电气连接关系数据和标准化检修数据。
可选的,所述对所述融合监测数据输入信息模型统一中进行信息格式统一处理,获得统一后的融合监测数据,包括:
将所述融合监测数据依次进行采样、保持及量化处理,获得处理结果;
对所述处理结果按照其对应的动态监测数据中所包含采集时间戳和节点数据传感器ID进行唯一性识别编码处理,获得唯一性编码后的处理结果;
基于数字滤波对唯一性编码后的处理结果进行去噪处理,获得去噪处理结果;
对所述去噪处理结果进行数据清洗及统一处理,获得统一信号数据。
可选的,所述对所述去噪处理结果进行数据清洗及统一处理,获得统一信号数据,包括:
基于粗糙集理论的决策树对所述去噪处理结果进行无效和重复数据的删除处理,获得删除处理后的去噪处理结果;
对所述删除处理后的去噪处理结果进行纠正异常数据处理,并对纠正后的数据基于差值法进行补全缺失数据处理,获得补全后的数据;
将补全后的数据进行格式统一处理,获得统一信号数据。
可选的,所述对所述统一后的融合监测数据进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据,包括:
基于关键性能指标体系对所述统一后的融合监测数据按照故障模式与影响分析进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据;
其中,所述关键性能指标体系中包括单体电压离差系数、单体电压趋势系数、单体内阻熵权系数、单体内阻趋势系数、单体内阻温度极差系数和;所述影响关键性能指标数据为提取与电源关键性能指标相关的多维度静态、动态、准动态和外部参数数据,并获得各类关键指标信息数据的自身特点,分析电源数据与输变电设备状态之间的空间特性,提取的有效表征电源的数据特征。
可选的,所述对所述影响关键性能指标数据进行数据挖掘分析处理,获得挖掘分析结果,包括:
利用k-means算法对所述影响关键性能指标数据进行聚类分析处理,获得K个聚类中心;
基于K个聚类中心在所述影响关键性能指标数据中进行关联规则挖掘处理,获得挖掘分析结果。
可选的,所述电源健康状态评估模型为基于电源的历史数据对应的电源在不同操作模式下运行状态的各种参数指标值之间的关联关系,分析电源各个监测参数云电源不同健康状态之间的对应关系和多维的度静态、动态、准动态及外部参数与各个状态参数指标的关联规则建立的模型。
可选的,所述方法还包括:
在获得电源健康动态状态评估结果之后,将所述电源健康动态状态评估结果推送至终端,并基于可扩展标识语言在所述终端生成配合浏览器软件的用户播放界面对所述分析结果进行播放展示。
另外,本发明实施例还提供了一种基于跨区域集成及融合的电源健康状态动态评估装置,所述装置包括:
数据融合模块:用于采集不同区域的电源的动态监测数据,并与所述动态监测数据对应的静态基础数据和准动态数据进行融合处理,形成融合监测数据;
数据统一模块:用于对所述融合监测数据输入信息模型统一中进行信息格式统一处理,获得统一后的融合监测数据;
数据提取模块:用于对所述统一后的融合监测数据进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据;
数据挖掘模块:用于对所述影响关键性能指标数据进行数据挖掘分析处理,获得挖掘分析结果;
状态评估模块:用于将所述挖掘分析结果输入电源健康状态评估模型中进行健康动态状态评估处理,获得电源健康动态状态评估结果。
在本发明实施例中,可以有效的对不同的电源进行健康状态的动态评估,及时发现电源的健康问题,消除电源健康安全隐患从而在供电的过程中,保障供电安全。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例中的基于跨区域集成及融合的电源健康状态动态评估方法的流程示意图;
图2是本发明实施例中的基于跨区域集成及融合的电源健康状态动态评估装置的结构组成示意图。
具体实施方式
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,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
实施例一
请参阅图1,图1是本发明实施例中的基于跨区域集成及融合的电源健康状态动态评估方法的流程示意图。
如图1所示,一种基于跨区域集成及融合的电源健康状态动态评估方法,所述方法包括:
S11:采集不同区域的电源的动态监测数据,并与所述动态监测数据对应的静态基础数据和准动态数据进行融合处理,形成融合监测数据;
在本发明具体实施过程中,所述采集不同区域的电源的动态监测数据,包括:在不同区域的电源的各个节点上设置对应的节点数据传感器;利用对应的节点数据传感器对不同区域的电源的各个节点进行数据采集,并将采集到的数据用对应的节点数据传感器ID进行标注,形成动态监测数据;其中所述电源的各个节点包括电源电压监测节点、电源电流监测节点、电源温度监测节点及电源内阻监测节点;所述动态监测数据包括电源动态电压数据、电源动态电流数据、电源动态温度数据和电源动态内阻数据。
进一步的,所述并与所述动态监测数据对应的静态基础数据和准动态数据进行融合处理,形成融合监测数据,包括:基于所述动态监测数据获得对应的节点数据传感器ID,并利用所述节点数据传感器ID分别在静态基础数据库和准动态数据库中进行检索匹配,并匹配出对应的静态基础数据和准动态数据;将所述动态监测数据与其对应的静态基础数据和准动态数据融合处理,获得融合监测数据;其中,所述静态基础数据包括电源基础台账数据和地里位置信息数据;所述准动态数据包括电气连接关系数据和标准化检修数据。
具体的,存在若干个电源,并且分别在不同区域,然后在不同区域的电源的各个节点上设置有对应的节点数据传感器,然后利用对应的节点传感器对不同区域的电源的各个节点进行数据采集,并将采集到的数据用对应的节点数据传感器的ID进行标注,形成动态监测数据;其中,电源的各个节点至少包括电源电压监测节点、电源电流监测节点、电源温度监测节点及电源内阻监测节点;动态监测数据至少包括电源动态电压数据、电源动态电流数据、电源动态温度数据和电源动态内阻数据。
在动态监测数据之后,根据该动态监测数据获得对应的节点数据传感器ID,并利用该节点数据传感器ID分别在静态基础数据库和准动态数据库中进行检索匹配,并匹配出对应的静态基础数据和准动态数据;最终将该动态监测数据与其对应的静态基础数据和准动态数据融合处理,获得融合监测数据;其中,静态基础数据包括电源基础台账数据和地里位置信息数据;准动态数据包括电气连接关系数据和标准化检修数据。
S12:对所述融合监测数据输入信息模型统一中进行信息格式统一处理,获得统一后的融合监测数据;
在本发明具体实施过程中,所述对所述融合监测数据输入信息模型统一中进行信息格式统一处理,获得统一后的融合监测数据,包括:将所述融合监测数据依次进行采样、保持及量化处理,获得处理结果;对所述处理结果按照其对应的动态监测数据中所包含采集时间戳和节点数据传感器ID进行唯一性识别编码处理,获得唯一性编码后的处理结果;基于数字滤波对唯一性编码后的处理结果进行去噪处理,获得去噪处理结果;对所述去噪处理结果进行数据清洗及统一处理,获得统一信号数据。
进一步的,所述对所述去噪处理结果进行数据清洗及统一处理,获得统一信号数据,包括:基于粗糙集理论的决策树对所述去噪处理结果进行无效和重复数据的删除处理,获得删除处理后的去噪处理结果;对所述删除处理后的去噪处理结果进行纠正异常数据处理,并对纠正后的数据基于差值法进行补全缺失数据处理,获得补全后的数据;将补全后的数据进行格式统一处理,获得统一信号数据。
具体的,对于融合监测数据,需要进行相关的处理,方便后续的处理需求,即需要将融合监测数据转换及去噪处理,其主要是讲模拟信号转换为数字信号,方便后续的读取及去噪处理,可以有效的减少杂质影响,提高监控的精度。
在对融合监测数据通过模数转换器转换之后,依次进行采样、保持及量化处理,从而得到处理结果,然后将该处理结果按照其对应的融合监测数据中所包含采集时间戳和节点传感器编号进行唯一性识别编码处理,获得唯一性编码后的处理结果,方便后续通过该编码查询或者调用该具体唯一性编码的数据;然后根据数字滤波对唯一性编码后的处理结果进行去噪处理,获得去噪处理结果,即采用数字滤波算法来对数据信号进行滤波去噪,其中,该数字滤波包括经典滤波和现代滤波;经典滤波是根据傅里叶分析和变换提出的一个工程概念,根据高等数学理论,任何一个满足一定条件的信号,都可以被看成是由无限个正弦波叠加而成,就是工程信号是不同频率的正弦波线性叠加而成的,组成信号的不同频率的正弦波叫做信号的频率成分或叫做谐波成分;现代滤波是利用信号的随机性的本质,将信号及其噪声看成随机信号,通过利用其统计特征,估计出信号本身,一旦信号被估计出,得到的信号本身比原来的信噪比高出许多,典型的数字滤波器有Kalman滤波,Wenner滤波,自适应滤波,小波变换(wavelet)等;数字滤波具有高精度、高可靠性、可程控改变特性或复用、便于集成等优点;数字滤波有低通、高通、带通、带阻和全通等类型;可以是时不变的或时变的、因果的或非因果的、线性的或非线性的;应用最广的是线性、时不变数字滤波器;最后对去噪处理结果需要进行数据清洗及统一处理,从而得到统一信号数据。
在数据清洗及统一处理中,采用粗糙集理论的决策树对去噪处理结果进行无效和重复数据的删除处理,获得删除处理后的去噪处理结果,粗糙集理论的决策树可以实现对数据进行归纳,使得数据内冗余杂质数据被剔除,所形成的数据较为精简;然后对删除处理后的去噪处理结果进行纠正异常数据处理,并对纠正后的数据基于差值法进行补全缺失数据处理,获得预处理后的多源异构信号数据,在纠正异常数据时,采用三西格玛准则判断异常值来实现纠正异常数据,异常值为一组测定值中与平均值的偏差超过3倍标准差的值;三西格玛准则又称为拉依达准则,它是先假设一组检测数据只含有随机误差,对其进行计算处理得到标准偏差,按一定概率确定一个区间,认为凡超过这个区间的误差,就不属于随机误差而是粗大误差,含有该误差的数据应予以剔除;在补全缺失处理过程中采用插值算法来实现补全缺失数据,具体可以由Lagrange插值、Newton插值、Hermite插值、分段插值和样条插值等来实现;在获得补全后的数据之后,需要进行格式统一处理,即,将多源异构的补全后的数据进行格式的统一,从而得到统一信号数据。
S13:对所述统一后的融合监测数据进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据;
在本发明具体实施过程中,所述对所述统一后的融合监测数据进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据,包括:基于关键性能指标体系对所述统一后的融合监测数据按照故障模式与影响分析进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据;其中,所述关键性能指标体系中包括单体电压离差系数、单体电压趋势系数、单体内阻熵权系数、单体内阻趋势系数、单体内阻温度极差系数和;所述影响关键性能指标数据为提取与电源关键性能指标相关的多维度静态、动态、准动态和外部参数数据,并获得各类关键指标信息数据的自身特点,分析电源数据与输变电设备状态之间的空间特性,提取的有效表征电源的数据特征。
具体的,根据关键性能指标体系来对统一后的融合监测数据按照故障模式与影响分析进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据;其中,关键性能指标体系中包括单体电压离差系数、单体电压趋势系数、单体内阻熵权系数、单体内阻趋势系数、单体内阻温度极差系数和;影响关键性能指标数据为提取与电源关键性能指标相关的多维度静态、动态、准动态和外部参数数据,并获得各类关键指标信息数据的自身特点,分析电源数据与输变电设备状态之间的空间特性,提取的有效表征电源的数据特征;通过中方式,可以有效的得到影响电源的影响关键性能指标数据;使得后续在对电源进行健康动态评估时,具有较高的评估准确度。
S14:对所述影响关键性能指标数据进行数据挖掘分析处理,获得挖掘分析结果;
在本发明具体实施过程中,所述对所述影响关键性能指标数据进行数据挖掘分析处理,获得挖掘分析结果,包括:利用k-means算法对所述影响关键性能指标数据进行聚类分析处理,获得K个聚类中心;基于K个聚类中心在所述影响关键性能指标数据中进行关联规则挖掘处理,获得挖掘分析结果。
具体的,对于响关键性能指标数据,首先是利用k-means算法对响关键性能指标数据进行聚类分析,从而得到K个聚类中,然后在根据K个聚类中心对影响关键性能指标数据中进行关联规则挖掘处理,即可获得挖掘分析结果。
S15:将所述挖掘分析结果输入电源健康状态评估模型中进行健康动态状态评估处理,获得电源健康动态状态评估结果。
在本发明具体实施过程中,所述电源健康状态评估模型为基于电源的历史数据对应的电源在不同操作模式下运行状态的各种参数指标值之间的关联关系,分析电源各个监测参数云电源不同健康状态之间的对应关系和多维的度静态、动态、准动态及外部参数与各个状态参数指标的关联规则建立的模型。
具体的,将该挖掘分析结果输入电源健康状态评估模型中进行健康动态状态评估处理,获得电源健康动态状态评估结果,并且该电源健康状态评估模型为基于电源的历史数据对应的电源在不同操作模式下运行状态的各种参数指标值之间的关联关系,分析电源各个监测参数云电源不同健康状态之间的对应关系和多维的度静态、动态、准动态及外部参数与各个状态参数指标的关联规则建立的模型。
在本发明具体实施过程中,所述方法还包括:在获得电源健康动态状态评估结果之后,将所述电源健康动态状态评估结果推送至终端,并基于可扩展标识语言在所述终端生成配合浏览器软件的用户播放界面对所述分析结果进行播放展示。
具体的,在获得电源健康动态状态评估结果之后,将电源健康动态状态评估结果推送至终端,该终端采用终端适配软件来根据根据XHTML/XML(The Extensible HyperText MarkupLanguage,可扩展超文本标记语言/The Extensible Markup Language,可扩展标记语言)来生成配合浏览器软件的用户界面。实现电源终端监测数据的实时查询展示、故障预警展示、状态评价展示以及其他指标展示。
在本发明实施例中,可以有效的对不同的电源进行健康状态的动态评估,及时发现电源的健康问题,消除电源健康安全隐患从而在供电的过程中,保障供电安全。
实施例二
请参阅图2,图2是本发明实施例中的基于跨区域集成及融合的电源健康状态动态评估装置的结构组成示意图。
如图2所示,一种基于跨区域集成及融合的电源健康状态动态评估装置,所述装置包括:
数据融合模块21:用于采集不同区域的电源的动态监测数据,并与所述动态监测数据对应的静态基础数据和准动态数据进行融合处理,形成融合监测数据;
在本发明具体实施过程中,所述采集不同区域的电源的动态监测数据,包括:在不同区域的电源的各个节点上设置对应的节点数据传感器;利用对应的节点数据传感器对不同区域的电源的各个节点进行数据采集,并将采集到的数据用对应的节点数据传感器ID进行标注,形成动态监测数据;其中所述电源的各个节点包括电源电压监测节点、电源电流监测节点、电源温度监测节点及电源内阻监测节点;所述动态监测数据包括电源动态电压数据、电源动态电流数据、电源动态温度数据和电源动态内阻数据。
进一步的,所述并与所述动态监测数据对应的静态基础数据和准动态数据进行融合处理,形成融合监测数据,包括:基于所述动态监测数据获得对应的节点数据传感器ID,并利用所述节点数据传感器ID分别在静态基础数据库和准动态数据库中进行检索匹配,并匹配出对应的静态基础数据和准动态数据;将所述动态监测数据与其对应的静态基础数据和准动态数据融合处理,获得融合监测数据;其中,所述静态基础数据包括电源基础台账数据和地里位置信息数据;所述准动态数据包括电气连接关系数据和标准化检修数据。
具体的,存在若干个电源,并且分别在不同区域,然后在不同区域的电源的各个节点上设置有对应的节点数据传感器,然后利用对应的节点传感器对不同区域的电源的各个节点进行数据采集,并将采集到的数据用对应的节点数据传感器的ID进行标注,形成动态监测数据;其中,电源的各个节点至少包括电源电压监测节点、电源电流监测节点、电源温度监测节点及电源内阻监测节点;动态监测数据至少包括电源动态电压数据、电源动态电流数据、电源动态温度数据和电源动态内阻数据。
在动态监测数据之后,根据该动态监测数据获得对应的节点数据传感器ID,并利用该节点数据传感器ID分别在静态基础数据库和准动态数据库中进行检索匹配,并匹配出对应的静态基础数据和准动态数据;最终将该动态监测数据与其对应的静态基础数据和准动态数据融合处理,获得融合监测数据;其中,静态基础数据包括电源基础台账数据和地里位置信息数据;准动态数据包括电气连接关系数据和标准化检修数据。
数据统一模块22:用于对所述融合监测数据输入信息模型统一中进行信息格式统一处理,获得统一后的融合监测数据;
在本发明具体实施过程中,所述对所述融合监测数据输入信息模型统一中进行信息格式统一处理,获得统一后的融合监测数据,包括:将所述融合监测数据依次进行采样、保持及量化处理,获得处理结果;对所述处理结果按照其对应的动态监测数据中所包含采集时间戳和节点数据传感器ID进行唯一性识别编码处理,获得唯一性编码后的处理结果;基于数字滤波对唯一性编码后的处理结果进行去噪处理,获得去噪处理结果;对所述去噪处理结果进行数据清洗及统一处理,获得统一信号数据。
进一步的,所述对所述去噪处理结果进行数据清洗及统一处理,获得统一信号数据,包括:基于粗糙集理论的决策树对所述去噪处理结果进行无效和重复数据的删除处理,获得删除处理后的去噪处理结果;对所述删除处理后的去噪处理结果进行纠正异常数据处理,并对纠正后的数据基于差值法进行补全缺失数据处理,获得补全后的数据;将补全后的数据进行格式统一处理,获得统一信号数据。
具体的,对于融合监测数据,需要进行相关的处理,方便后续的处理需求,即需要将融合监测数据转换及去噪处理,其主要是讲模拟信号转换为数字信号,方便后续的读取及去噪处理,可以有效的减少杂质影响,提高监控的精度。
在对融合监测数据通过模数转换器转换之后,依次进行采样、保持及量化处理,从而得到处理结果,然后将该处理结果按照其对应的融合监测数据中所包含采集时间戳和节点传感器编号进行唯一性识别编码处理,获得唯一性编码后的处理结果,方便后续通过该编码查询或者调用该具体唯一性编码的数据;然后根据数字滤波对唯一性编码后的处理结果进行去噪处理,获得去噪处理结果,即采用数字滤波算法来对数据信号进行滤波去噪,其中,该数字滤波包括经典滤波和现代滤波;经典滤波是根据傅里叶分析和变换提出的一个工程概念,根据高等数学理论,任何一个满足一定条件的信号,都可以被看成是由无限个正弦波叠加而成,就是工程信号是不同频率的正弦波线性叠加而成的,组成信号的不同频率的正弦波叫做信号的频率成分或叫做谐波成分;现代滤波是利用信号的随机性的本质,将信号及其噪声看成随机信号,通过利用其统计特征,估计出信号本身,一旦信号被估计出,得到的信号本身比原来的信噪比高出许多,典型的数字滤波器有Kalman滤波,Wenner滤波,自适应滤波,小波变换(wavelet)等;数字滤波具有高精度、高可靠性、可程控改变特性或复用、便于集成等优点;数字滤波有低通、高通、带通、带阻和全通等类型;可以是时不变的或时变的、因果的或非因果的、线性的或非线性的;应用最广的是线性、时不变数字滤波器;最后对去噪处理结果需要进行数据清洗及统一处理,从而得到统一信号数据。
在数据清洗及统一处理中,采用粗糙集理论的决策树对去噪处理结果进行无效和重复数据的删除处理,获得删除处理后的去噪处理结果,粗糙集理论的决策树可以实现对数据进行归纳,使得数据内冗余杂质数据被剔除,所形成的数据较为精简;然后对删除处理后的去噪处理结果进行纠正异常数据处理,并对纠正后的数据基于差值法进行补全缺失数据处理,获得预处理后的多源异构信号数据,在纠正异常数据时,采用三西格玛准则判断异常值来实现纠正异常数据,异常值为一组测定值中与平均值的偏差超过3倍标准差的值;三西格玛准则又称为拉依达准则,它是先假设一组检测数据只含有随机误差,对其进行计算处理得到标准偏差,按一定概率确定一个区间,认为凡超过这个区间的误差,就不属于随机误差而是粗大误差,含有该误差的数据应予以剔除;在补全缺失处理过程中采用插值算法来实现补全缺失数据,具体可以由Lagrange插值、Newton插值、Hermite插值、分段插值和样条插值等来实现;在获得补全后的数据之后,需要进行格式统一处理,即,将多源异构的补全后的数据进行格式的统一,从而得到统一信号数据。
数据提取模块23:用于对所述统一后的融合监测数据进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据;
在本发明具体实施过程中,所述对所述统一后的融合监测数据进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据,包括:基于关键性能指标体系对所述统一后的融合监测数据按照故障模式与影响分析进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据;其中,所述关键性能指标体系中包括单体电压离差系数、单体电压趋势系数、单体内阻熵权系数、单体内阻趋势系数、单体内阻温度极差系数和;所述影响关键性能指标数据为提取与电源关键性能指标相关的多维度静态、动态、准动态和外部参数数据,并获得各类关键指标信息数据的自身特点,分析电源数据与输变电设备状态之间的空间特性,提取的有效表征电源的数据特征。
具体的,根据关键性能指标体系来对统一后的融合监测数据按照故障模式与影响分析进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据;其中,关键性能指标体系中包括单体电压离差系数、单体电压趋势系数、单体内阻熵权系数、单体内阻趋势系数、单体内阻温度极差系数和;影响关键性能指标数据为提取与电源关键性能指标相关的多维度静态、动态、准动态和外部参数数据,并获得各类关键指标信息数据的自身特点,分析电源数据与输变电设备状态之间的空间特性,提取的有效表征电源的数据特征;通过中方式,可以有效的得到影响电源的影响关键性能指标数据;使得后续在对电源进行健康动态评估时,具有较高的评估准确度。
数据挖掘模块24:用于对所述影响关键性能指标数据进行数据挖掘分析处理,获得挖掘分析结果;
在本发明具体实施过程中,所述对所述影响关键性能指标数据进行数据挖掘分析处理,获得挖掘分析结果,包括:利用k-means算法对所述影响关键性能指标数据进行聚类分析处理,获得K个聚类中心;基于K个聚类中心在所述影响关键性能指标数据中进行关联规则挖掘处理,获得挖掘分析结果。
具体的,对于响关键性能指标数据,首先是利用k-means算法对响关键性能指标数据进行聚类分析,从而得到K个聚类中,然后在根据K个聚类中心对影响关键性能指标数据中进行关联规则挖掘处理,即可获得挖掘分析结果。
状态评估模块25:用于将所述挖掘分析结果输入电源健康状态评估模型中进行健康动态状态评估处理,获得电源健康动态状态评估结果。
在本发明具体实施过程中,所述电源健康状态评估模型为基于电源的历史数据对应的电源在不同操作模式下运行状态的各种参数指标值之间的关联关系,分析电源各个监测参数云电源不同健康状态之间的对应关系和多维的度静态、动态、准动态及外部参数与各个状态参数指标的关联规则建立的模型。
具体的,将该挖掘分析结果输入电源健康状态评估模型中进行健康动态状态评估处理,获得电源健康动态状态评估结果,并且该电源健康状态评估模型为基于电源的历史数据对应的电源在不同操作模式下运行状态的各种参数指标值之间的关联关系,分析电源各个监测参数云电源不同健康状态之间的对应关系和多维的度静态、动态、准动态及外部参数与各个状态参数指标的关联规则建立的模型。
在本发明具体实施过程中,所述装置还包括:推送显示模块:用于在获得电源健康动态状态评估结果之后,将所述电源健康动态状态评估结果推送至终端,并基于可扩展标识语言在所述终端生成配合浏览器软件的用户播放界面对所述分析结果进行播放展示。
具体的,在获得电源健康动态状态评估结果之后,将电源健康动态状态评估结果推送至终端,该终端采用终端适配软件来根据根据XHTML/XML(The Extensible HyperText MarkupLanguage,可扩展超文本标记语言/The Extensible Markup Language,可扩展标记语言)来生成配合浏览器软件的用户界面。实现电源终端监测数据的实时查询展示、故障预警展示、状态评价展示以及其他指标展示。
在本发明实施例中,可以有效的对不同的电源进行健康状态的动态评估,及时发现电源的健康问题,消除电源健康安全隐患从而在供电的过程中,保障供电安全。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,ReadOnly Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
另外,以上对本发明实施例所提供的一种基于跨区域集成及融合的电源健康状态动态评估方法及装置进行了详细介绍,本文中应采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于跨区域集成及融合的电源健康状态动态评估方法,其特征在于,所述方法包括:
采集不同区域的电源的动态监测数据,并与所述动态监测数据对应的静态基础数据和准动态数据进行融合处理,形成融合监测数据;
对所述融合监测数据输入信息模型统一中进行信息格式统一处理,获得统一后的融合监测数据;
对所述统一后的融合监测数据进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据;
对所述影响关键性能指标数据进行数据挖掘分析处理,获得挖掘分析结果;
将所述挖掘分析结果输入电源健康状态评估模型中进行健康动态状态评估处理,获得电源健康动态状态评估结果。
2.根据权利要求1所述的电源健康状态动态评估方法,其特征在于,所述采集不同区域的电源的动态监测数据,包括:
在不同区域的电源的各个节点上设置对应的节点数据传感器;
利用对应的节点数据传感器对不同区域的电源的各个节点进行数据采集,并将采集到的数据用对应的节点数据传感器ID进行标注,形成动态监测数据;
其中所述电源的各个节点包括电源电压监测节点、电源电流监测节点、电源温度监测节点及电源内阻监测节点;所述动态监测数据包括电源动态电压数据、电源动态电流数据、电源动态温度数据和电源动态内阻数据。
3.根据权利要求2所述的电源健康状态动态评估方法,其特征在于,所述并与所述动态监测数据对应的静态基础数据和准动态数据进行融合处理,形成融合监测数据,包括:
基于所述动态监测数据获得对应的节点数据传感器ID,并利用所述节点数据传感器ID分别在静态基础数据库和准动态数据库中进行检索匹配,并匹配出对应的静态基础数据和准动态数据;
将所述动态监测数据与其对应的静态基础数据和准动态数据融合处理,获得融合监测数据;
其中,所述静态基础数据包括电源基础台账数据和地里位置信息数据;所述准动态数据包括电气连接关系数据和标准化检修数据。
4.根据权利要求1所述的电源健康状态动态评估方法,其特征在于,所述对所述融合监测数据输入信息模型统一中进行信息格式统一处理,获得统一后的融合监测数据,包括:
将所述融合监测数据依次进行采样、保持及量化处理,获得处理结果;
对所述处理结果按照其对应的动态监测数据中所包含采集时间戳和节点数据传感器ID进行唯一性识别编码处理,获得唯一性编码后的处理结果;
基于数字滤波对唯一性编码后的处理结果进行去噪处理,获得去噪处理结果;
对所述去噪处理结果进行数据清洗及统一处理,获得统一信号数据。
5.根据权利要求4所述的电源健康状态动态评估方法,其特征在于,所述对所述去噪处理结果进行数据清洗及统一处理,获得统一信号数据,包括:
基于粗糙集理论的决策树对所述去噪处理结果进行无效和重复数据的删除处理,获得删除处理后的去噪处理结果;
对所述删除处理后的去噪处理结果进行纠正异常数据处理,并对纠正后的数据基于差值法进行补全缺失数据处理,获得补全后的数据;
将补全后的数据进行格式统一处理,获得统一信号数据。
6.根据权利要求1所述的电源健康状态动态评估方法,其特征在于,所述对所述统一后的融合监测数据进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据,包括:
基于关键性能指标体系对所述统一后的融合监测数据按照故障模式与影响分析进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据;
其中,所述关键性能指标体系中包括单体电压离差系数、单体电压趋势系数、单体内阻熵权系数、单体内阻趋势系数、单体内阻温度极差系数和;所述影响关键性能指标数据为提取与电源关键性能指标相关的多维度静态、动态、准动态和外部参数数据,并获得各类关键指标信息数据的自身特点,分析电源数据与输变电设备状态之间的空间特性,提取的有效表征电源的数据特征。
7.根据权利要求1所述的电源健康状态动态评估方法,其特征在于,所述对所述影响关键性能指标数据进行数据挖掘分析处理,获得挖掘分析结果,包括:
利用k-means算法对所述影响关键性能指标数据进行聚类分析处理,获得K个聚类中心;
基于K个聚类中心在所述影响关键性能指标数据中进行关联规则挖掘处理,获得挖掘分析结果。
8.根据权利要求1所述的电源健康状态动态评估方法,其特征在于,所述电源健康状态评估模型为基于电源的历史数据对应的电源在不同操作模式下运行状态的各种参数指标值之间的关联关系,分析电源各个监测参数云电源不同健康状态之间的对应关系和多维的度静态、动态、准动态及外部参数与各个状态参数指标的关联规则建立的模型。
9.根据权利要求1所述的电源健康状态动态评估方法,其特征在于,所述方法还包括:
在获得电源健康动态状态评估结果之后,将所述电源健康动态状态评估结果推送至终端,并基于可扩展标识语言在所述终端生成配合浏览器软件的用户播放界面对所述分析结果进行播放展示。
10.一种基于跨区域集成及融合的电源健康状态动态评估装置,其特征在于,所述装置包括:
数据融合模块:用于采集不同区域的电源的动态监测数据,并与所述动态监测数据对应的静态基础数据和准动态数据进行融合处理,形成融合监测数据;
数据统一模块:用于对所述融合监测数据输入信息模型统一中进行信息格式统一处理,获得统一后的融合监测数据;
数据提取模块:用于对所述统一后的融合监测数据进行影响关键性能指标的数据提取处理,获得影响关键性能指标数据;
数据挖掘模块:用于对所述影响关键性能指标数据进行数据挖掘分析处理,获得挖掘分析结果;
状态评估模块:用于将所述挖掘分析结果输入电源健康状态评估模型中进行健康动态状态评估处理,获得电源健康动态状态评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111000312.9A CN113687257A (zh) | 2021-08-27 | 2021-08-27 | 电源健康状态动态评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111000312.9A CN113687257A (zh) | 2021-08-27 | 2021-08-27 | 电源健康状态动态评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113687257A true CN113687257A (zh) | 2021-11-23 |
Family
ID=78583715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111000312.9A Pending CN113687257A (zh) | 2021-08-27 | 2021-08-27 | 电源健康状态动态评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113687257A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115828071A (zh) * | 2023-02-16 | 2023-03-21 | 深圳市瑞芬科技有限公司 | 一种高抗振动特性的倾斜角度融合分析系统 |
CN116228028A (zh) * | 2023-03-13 | 2023-06-06 | 平湖新仕鑫新材料股份有限公司 | 一种塑料箱包的应用性能评估方法及系统 |
CN117554737A (zh) * | 2024-01-11 | 2024-02-13 | 深圳市美顺和电子有限公司 | 一种车载充电器的健康状况检测方法及系统 |
CN117977717A (zh) * | 2024-04-01 | 2024-05-03 | 国网黑龙江省电力有限公司佳木斯供电公司 | 一种寒地风光热储能综合能源协同管理方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354387A (zh) * | 2011-11-11 | 2012-02-15 | 广东电网公司江门供电局 | 电网离散供电信息的多维平台数据挖掘方法及系统 |
CN103795145A (zh) * | 2014-01-21 | 2014-05-14 | 南宁市三华太阳能科技有限公司 | 分布式电源节点实时监测与分析系统装置及分析方法 |
CN107167746A (zh) * | 2017-05-05 | 2017-09-15 | 邓亚军 | 一种分级四段式直流电源性能评价模型及其实现方法 |
CN107727145A (zh) * | 2017-10-10 | 2018-02-23 | 国网江苏省电力公司电力科学研究院 | 一种基于物联网的分布式电源状态监测装置及方法 |
CN110764493A (zh) * | 2019-11-14 | 2020-02-07 | 中国国家铁路集团有限公司 | 一种适用于高速铁路的phm应用系统、方法及存储介质 |
CN110861123A (zh) * | 2019-11-14 | 2020-03-06 | 华南智能机器人创新研究院 | 机器人运行状态的可视化监控和评估的方法及装置 |
CN111381170A (zh) * | 2020-05-15 | 2020-07-07 | 上海工程技术大学 | 基于大数据的电动汽车电池包健康状态预测方法及系统 |
CN112305441A (zh) * | 2020-10-14 | 2021-02-02 | 北方工业大学 | 一种集成式聚类下的动力电池健康状态评估方法 |
CN112307003A (zh) * | 2020-11-02 | 2021-02-02 | 合肥优尔电子科技有限公司 | 电网数据多维辅助分析方法、系统、终端及可读存储介质 |
CN112865316A (zh) * | 2021-01-22 | 2021-05-28 | 国网冀北电力有限公司廊坊供电公司 | 一种基于大数据的供电服务分析指挥系统及方法 |
-
2021
- 2021-08-27 CN CN202111000312.9A patent/CN113687257A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354387A (zh) * | 2011-11-11 | 2012-02-15 | 广东电网公司江门供电局 | 电网离散供电信息的多维平台数据挖掘方法及系统 |
CN103795145A (zh) * | 2014-01-21 | 2014-05-14 | 南宁市三华太阳能科技有限公司 | 分布式电源节点实时监测与分析系统装置及分析方法 |
CN107167746A (zh) * | 2017-05-05 | 2017-09-15 | 邓亚军 | 一种分级四段式直流电源性能评价模型及其实现方法 |
CN107727145A (zh) * | 2017-10-10 | 2018-02-23 | 国网江苏省电力公司电力科学研究院 | 一种基于物联网的分布式电源状态监测装置及方法 |
CN110764493A (zh) * | 2019-11-14 | 2020-02-07 | 中国国家铁路集团有限公司 | 一种适用于高速铁路的phm应用系统、方法及存储介质 |
CN110861123A (zh) * | 2019-11-14 | 2020-03-06 | 华南智能机器人创新研究院 | 机器人运行状态的可视化监控和评估的方法及装置 |
CN111381170A (zh) * | 2020-05-15 | 2020-07-07 | 上海工程技术大学 | 基于大数据的电动汽车电池包健康状态预测方法及系统 |
CN112305441A (zh) * | 2020-10-14 | 2021-02-02 | 北方工业大学 | 一种集成式聚类下的动力电池健康状态评估方法 |
CN112307003A (zh) * | 2020-11-02 | 2021-02-02 | 合肥优尔电子科技有限公司 | 电网数据多维辅助分析方法、系统、终端及可读存储介质 |
CN112865316A (zh) * | 2021-01-22 | 2021-05-28 | 国网冀北电力有限公司廊坊供电公司 | 一种基于大数据的供电服务分析指挥系统及方法 |
Non-Patent Citations (1)
Title |
---|
苗俊杰等: "基于模糊综合评价模型的直流电源监测与评价平台", 《电源技术》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115828071A (zh) * | 2023-02-16 | 2023-03-21 | 深圳市瑞芬科技有限公司 | 一种高抗振动特性的倾斜角度融合分析系统 |
CN116228028A (zh) * | 2023-03-13 | 2023-06-06 | 平湖新仕鑫新材料股份有限公司 | 一种塑料箱包的应用性能评估方法及系统 |
CN116228028B (zh) * | 2023-03-13 | 2023-12-19 | 平湖新仕鑫新材料股份有限公司 | 一种塑料箱包的应用性能评估方法及系统 |
CN117554737A (zh) * | 2024-01-11 | 2024-02-13 | 深圳市美顺和电子有限公司 | 一种车载充电器的健康状况检测方法及系统 |
CN117554737B (zh) * | 2024-01-11 | 2024-03-26 | 深圳市美顺和电子有限公司 | 一种车载充电器的健康状况检测方法及系统 |
CN117977717A (zh) * | 2024-04-01 | 2024-05-03 | 国网黑龙江省电力有限公司佳木斯供电公司 | 一种寒地风光热储能综合能源协同管理方法及系统 |
CN117977717B (zh) * | 2024-04-01 | 2024-06-11 | 国网黑龙江省电力有限公司佳木斯供电公司 | 一种寒地风光热储能综合能源协同管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113687257A (zh) | 电源健康状态动态评估方法及装置 | |
CN110861123A (zh) | 机器人运行状态的可视化监控和评估的方法及装置 | |
CN109581270B (zh) | 基于小波多尺度变换快速辨识cvt故障的方法 | |
CN111027615A (zh) | 基于机器学习的中间件故障预警方法和系统 | |
CN115664038B (zh) | 一种用于电气安全管理的智能配电运维监控系统 | |
CN114819315A (zh) | 基于多参数融合健康因子和时间卷积神经网络的轴承退化趋势预测方法 | |
CN112597607B (zh) | 风力发电机高速轴承的预测性维修方法及系统 | |
CN113702861B (zh) | 一种基于大数据分析的电源故障位置预测方法及装置 | |
CN113960412A (zh) | 一种配电网故障行波信号处理方法及装置 | |
CN117092980B (zh) | 一种基于大数据的电气故障检测控制系统 | |
CN117009837A (zh) | 一种基于多域数据的自动智能稽核系统及方法 | |
CN114034375B (zh) | 一种特高压输电线路噪声测量系统及方法 | |
CN113702862B (zh) | 一种基于云部署的直流电源状态全景监视方法及装置 | |
CN113761103A (zh) | 批量数据的处理方法、装置及电子设备 | |
CN118035227B (zh) | 一种基于大数据评估的数据智能处理方法及系统 | |
CN116737797B (zh) | 一种基于高性能时序数据库的桥梁在线健康监测系统 | |
KR102504421B1 (ko) | 진동 측정 오류 판단 방법 및 이를 이용하는 진동 오류 판별 시스템 | |
CN112307990A (zh) | 基于ai技术分析振动信号监控机床加工中心健康状态方法 | |
CN116861204B (zh) | 基于数字孪生的智能制造设备数据管理系统 | |
CN117886241B (zh) | 基于振动分析的塔式起重机自检系统 | |
CN109255450B (zh) | 电力故障录波器定值在线智能管理方法、系统及计算机可读存储介质 | |
CN117880060A (zh) | 一种基于规则引擎的网络运维方法、系统、设备及介质 | |
CN116431369A (zh) | 一种基于动态场景的数据库运维异常检测方法 | |
CN117609213A (zh) | 一种基于电力诊断校验的报告模板可视化方法 | |
CN114596011A (zh) | 基于人工智能的企业数据处理方法及相关装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211123 |