CN113783750B - 电网指标波动异常的检测方法及装置 - Google Patents

电网指标波动异常的检测方法及装置 Download PDF

Info

Publication number
CN113783750B
CN113783750B CN202110982296.1A CN202110982296A CN113783750B CN 113783750 B CN113783750 B CN 113783750B CN 202110982296 A CN202110982296 A CN 202110982296A CN 113783750 B CN113783750 B CN 113783750B
Authority
CN
China
Prior art keywords
power grid
grid index
index data
time sequence
fluctuation
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
CN202110982296.1A
Other languages
English (en)
Other versions
CN113783750A (zh
Inventor
李鹏飞
赵铭
杨光
彭文钦
华勇
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.)
China Southern Power Grid Digital Platform Technology Guangdong Co ltd
Original Assignee
China Southern Power Grid Digital Platform Technology Guangdong 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 China Southern Power Grid Digital Platform Technology Guangdong Co ltd filed Critical China Southern Power Grid Digital Platform Technology Guangdong Co ltd
Priority to CN202110982296.1A priority Critical patent/CN113783750B/zh
Publication of CN113783750A publication Critical patent/CN113783750A/zh
Application granted granted Critical
Publication of CN113783750B publication Critical patent/CN113783750B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/04—Processing captured monitoring data, e.g. for logfile generation
    • H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/16—Threshold monitoring
    • 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)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Environmental & Geological Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种电网指标波动异常的检测方法及装置，该方法包括：将电网指标数据转换为时序序列数据，并对时序序列数据进行连续小波变换，得到电网指标数据的高维时序序列；对电网指标数据的高维时序序列执行聚类操作，得到电网指标数据的波动检测结果。可见，实施本发明通过自动对电网指标数据的时序序列数据执行连续小波变换操作，能够基于连续小波变换的基小波在时域的衰减性，可以更好的保留电网指标数据的时域位置信息，反应电网指标数据的频域随时间的变换，并结合聚类方式对连续小波变换处理得到的电网指标数据的高维时序序列数据进行聚类操作，能够准确地检测出电网指标数据的波动异常。

Description

电网指标波动异常的检测方法及装置
技术领域
本发明涉及电网检测技术领域，尤其涉及一种电网指标波动异常的检测方法及装置。
背景技术
电网指标数据（如：电压、频率、波形）具有很强的周期性以及趋势性，并且经常会受到一些外在因素（如节假日）的影响，容易出现波动异常。
目前，电网指标数据的波动异常检测主要基于离散型小波对离散点的异常点检测，但在电网中，许多电网指标数据的异常是一段时间内均处在异常水平，这种情况下基于离散点的异常点检测很难检测出来，而对于基于离散型小波转换的异常检测由于只能进行转换与逆转换操作，无法准确检测出电网指标数据的波动异常情况。
发明内容
本发明所要解决的技术问题在于，提供一种电网指标波动异常的检测方法及装置，能够准确检测出电网指标数据的波动异常情况。
为了解决上述技术问题，本发明实施例第一方面公开了一种电网指标波动异常的检测方法，所述方法包括：
将获取到的电网指标数据转换为时序序列数据，并对所述时序序列数据进行连续小波变换，得到所述电网指标数据的高维时序序列；
对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果。
作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述时序序列数据进行连续小波变换，得到所述电网指标数据的高维时序序列，包括：
将所述时序序列数据进行连续小波变换，得到所述时序序列数据中的波动频率与振幅特征；
将所述时序序列数据中的波动频率与振幅特征，映射到高维特征中，得到所述电网指标数据的高维时序序列。
作为一种可选的实施方式，在本发明实施例第一方面中，对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果，包括：
对所述电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点，每个所述族的电网指标数据离散点均不相同；
根据每个所述族的电网指标数据的数据量，确定所述电网指标数据的波动检测结果。
作为一种可选的实施方式，在本发明实施例第一方面中，所述根据每个所述族的电网指标数据的数据量，确定所述电网指标数据的波动检测结果，包括：
根据所有所述族的电网指标数据离散点的数量判断所有所述族中是否存在离散点的数量小于等于对应的确定出的数量阈值的目标族；
当判断出不存在时，确定所述电网指标数据的波动检测结果用于表示所述电网指标数据不存在波动异常；
当判断出存在时，确定所述电网指标数据的波动检测结果用于表示所述电网指标数据存在波动异常，且所述目标族为异常族以及所述目标族的电网指标数据离散点为异常离散点。
作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述时序序列数据进行连续小波变换，得到所述电网指标数据的高维时序序列之后，所述方法还包括：
对所述电网指标数据的高维时序序列执行阶梯离散化操作，得到满足确定出的数据差异条件的高维时序序列；
将满足所述数据差异条件的高维时序序列更新为所述电网指标数据的高维时序序列，并执行所述的对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果的操作。
作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果之后，所述方法还包括：
当所述电网指标数据的波动检测结果用于表示所述电网指标数据存在波动异常时，根据所述电网指标数据的波动情况确定与所述电网指标数据的波动情况匹配的可视化方式；
基于所述可视化方式对所述电网指标数据的波动情况执行可视化操作，得到可视化的所述电网指标数据的波动情况。
作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述时序序列数据进行连续小波变换，得到所述电网指标数据的高维时序序列之后，所述方法还包括：
分析所述电网指标数据的高维时序序列的噪声，并判断分析出的所述噪声是否小于等于确定出的噪声阈值；
当判断出小于等于所述噪声阈值时，执行所述的对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果的操作；
当判断出大于所述噪声阈值时，对所述电网指标数据的高维时序序列执行降噪操作，得到降噪后的高维时序序列，并将降噪后的所述高维时序序列更新为所述电网指标数据的高维时序序列，以及执行所述的对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标的波动检测结果的操作。
本发明实施例第二方面公开了一种电网指标波动异常的检测装置，所述装置包括：
转换模块，用于将获取到的电网指标数据转换为时序序列数据；
变换模块，用于对所述时序序列数据进行连续小波变换，得到所述电网指标数据的高维时序序列；
聚类模块，用于对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果。
作为一种可选的实施方式，在本发明实施例第二方面中，所述变换模块对所述时序序列数据进行连续小波变换，得到所述电网指标数据的高维时序序列的方式具体为：
将所述时序序列数据进行连续小波变换，得到所述时序序列数据中的波动频率与振幅特征；
将所述时序序列数据中的波动频率与振幅特征，映射到高维特征中，得到所述电网指标数据的高维时序序列。
作为一种可选的实施方式，在本发明实施例第二方面中，所述聚类模块包括：
聚类子模块，用于对所述电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点，每个所述族的电网指标数据离散点均不相同；
确定子模块，用于根据每个所述族的电网指标数据的数据量，确定所述电网指标数据的波动检测结果。
作为一种可选的实施方式，在本发明实施例第二方面中，所述确定子模块根据每个所述族的电网指标数据的数据量，确定所述电网指标数据的波动检测结果的方式具体为：
根据所有所述族的电网指标数据离散点的数量判断所有所述族中是否存在离散点的数量小于等于对应的确定出的数量阈值的目标族；
当判断出不存在时，确定所述电网指标数据的波动检测结果用于表示所述电网指标数据不存在波动异常；
当判断出存在时，确定所述电网指标数据的波动检测结果用于表示所述电网指标数据存在波动异常，且所述目标族为异常族以及所述目标族的电网指标数据离散点为异常离散点。
作为一种可选的实施方式，在本发明实施例第二方面中，所述装置还包括：
离散化模块，用于在所述变换模块对所述时序序列数据进行连续小波变换，得到所述电网指标数据的高维时序序列之后，对所述电网指标数据的高维时序序列执行阶梯离散化操作，得到满足确定出的数据差异条件的高维时序序列；
第一更新模块，用于将满足所述数据差异条件的高维时序序列更新为所述电网指标数据的高维时序序列，并触发所述聚类模块执行所述的对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果的操作。
作为一种可选的实施方式，在本发明实施例第二方面中，所述装置还包括：
确定模块，用于在所述聚类模块对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果之后，且当所述电网指标数据的波动检测结果用于表示所述电网指标数据存在波动异常时，根据所述电网指标数据的波动情况确定与所述电网指标数据的波动情况匹配的可视化方式；
可视化模块，用于基于所述可视化方式对所述电网指标数据的波动情况执行可视化操作，得到可视化的所述电网指标数据的波动情况。
作为一种可选的实施方式，在本发明实施例第二方面中，所述装置还包括：
分析模块，用于在所述变换模块对所述时序序列数据进行连续小波变换，得到所述电网指标数据的高维时序序列之后，分析所述电网指标数据的高维时序序列的噪声；
判断模块，用于判断分析出的所述噪声是否小于等于确定出的噪声阈值；当判断出小于等于所述噪声阈值时，触发所述聚类模块执行所述的对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果的操作；
降噪模块，用于当所述判断模块判断出大于所述噪声阈值时，对所述电网指标数据的高维时序序列执行降噪操作，得到降噪后的高维时序序列；
第二更新模块，用于将降噪后的所述高维时序序列更新为所述电网指标数据的高维时序序列，并触发所述聚类模块执行所述的对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标的波动检测结果的操作。
本发明第三方面公开了另一种电网指标波动异常的检测装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的电网指标波动异常的检测方法。
本发明第四方面公开了一种计算机可存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的电网指标波动异常的检测方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，公开了一种电网指标波动异常的检测方法及装置，该方法包括：将获取到的电网指标数据转换为时序序列数据，并对该时序序列数据进行连续小波变换，得到电网指标数据的高维时序序列；对电网指标数据的高维时序序列执行聚类操作，得到电网指标数据的波动检测结果。可见，实施本发明通过自动对电网指标数据的时序序列数据执行连续小波变换操作，能够基于连续小波变换的基小波在时域的衰减性，可以更好的保留电网指标数据的时域位置信息，反应电网指标数据的频域随时间的变换，并结合聚类方式对连续小波变换处理得到的电网指标数据的高维时序序列数据进行聚类操作，能够准确地检测出电网指标数据的波动异常，从而有助于对电网的波动异常情况及时进行准确地处理，降低电网的波动性，提高电网的稳定性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，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他的附图。
图1是本发明实施例公开的一种电网指标波动异常的检测方法的流程示意图；
图2是本发明实施例公开的另一种电网指标波动异常的检测方法的流程示意图；
图3是本发明实施例公开的一种电网指标波动异常的检测装置的结构示意图；
图4是本发明实施例公开的另一种电网指标波动异常的检测装置的结构示意图；
图5是本发明实施例公开的又一种电网指标波动异常的检测装置的流程示意图；
图6是本发明实施例公开的一种电网指标数据转换为时序序列数据的示意图；
图7为本发明实施例公开的一种电网指标数据的时序序列数据进行连续小波变换后的高维时序序列的示意图；
图8为本发明实施例公开的一种对电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种电网指标波动异常的检测方法及装置，能够通过自动对电网指标数据的时序序列数据执行连续小波变换操作，能够基于连续小波变换的基小波在时域的衰减性，可以更好的保留电网指标数据的时域位置信息，反应电网指标数据的频域随时间的变换，并结合聚类方式对连续小波变换处理得到的电网指标数据的高维时序序列数据进行聚类操作，能够准确地检测出电网指标数据的波动异常，从而有助于对电网的波动异常情况及时进行准确地处理，降低电网的波动性，提高电网的稳定性。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种电网指标波动异常的检测方法的流程示意图。其中，图1所描述的电网指标波动异常的检测方法可以应用于电网指标波动异常的检测装置中，其中，该电网指标波动异常的检测装置包括检测服务器（本地服务器或者云服务器）、检测系统、检测设备以及检测平台中的任意一种。如图1所示，该电网指标波动异常的检测方法可以包括以下步骤：
101、将获取到的电网指标数据转换为时序序列数据。
本发明实施例中，可选的，获取到的电网指标数据可以是预先存储在数据库中的，也可以是实时采集到的。可选的，电网指标数据包括电网电压、电网频率以及电网波形中一种或多种组合。
102、对时序序列数据进行连续小波变换，得到电网指标数据的高维时序序列。
本发明实施例中，可选的，当电网指标数据仅包括上述一种数据时，电网指标数据转换为时序序列数据的示意图可以如图6所示，其中，该示意图的横坐标为时间，纵坐标为频率。进一步的，电网指标数据的时序序列数据进行连续小波变换后，得到的电网指标数据的高维时序序列可以如图7所示，图7为本发明实施例公开的一种电网指标数据的时序序列数据进行连续小波变换后的高维时序序列的示意图，其中，该示意图的横坐标为时间，纵坐标为频率。图7代表着各个时刻电网指标数据的高维时序序列中波动频率与该波动频率对应的振幅幅值（振幅特征）。
103、对电网指标数据的高维时序序列执行聚类操作，得到电网指标数据的波动检测结果。
可见，实施图1所描述的方法通过自动对电网指标数据的时序序列数据执行连续小波变换操作，能够基于连续小波变换的基小波在时域的衰减性，可以更好的保留电网指标数据的时域位置信息，反应电网指标数据的频域随时间的变换，并结合聚类方式对连续小波变换处理得到的电网指标数据的高维时序序列数据进行聚类操作，能够准确地检测出电网指标数据的波动异常，从而有助于对电网的波动异常情况及时进行准确地处理，降低电网的波动性，提高电网的稳定性。
在一个可选的实施例中，对时序序列数据进行连续小波变换，得到电网指标数据的高维时序序列，包括：
将时序序列数据进行连续小波变换，得到时序序列数据中的波动频率与振幅特征；
将时序序列数据中的波动频率与振幅特征，映射到高维特征中，得到电网指标数据的高维时序序列。
该可选的实施例中，可选的，连续小波变换利用小波基对电网指标数据的时序序列数据进行变换，得到时序序列数据中的波动频率与振幅特征。其中，小波基对应的函数为：
Figure SMS_1
；
式中，
Figure SMS_2
为电网指标数据的时序序列数据的对应的小波基对应的函数；
Figure SMS_3
为电网指标数据的时序序列数据的对应的小波基对应的复三角函数；
Figure SMS_4
为电网指标数据的时序序列数据的对应的小波基对应的指数衰减函数，t为时间，/>
Figure SMS_5
为电网指标数据的时序序列数据的中心频率。
该可选的实施例中，具体的，将电网指标数据的时序序列数据的频轴的每一个频率当成一个维度，在这个维度上的数值就代表该频率上振幅特征的振幅值，得到电网指标数据的高维时序序列。
可见，该可选的实施例通过对电网指标数据的时序序列数据进行连续小波变换，能够准确提取到每个时刻电网指标数据的时序序列数据中的波动频率以及对应的振幅特征，再将其映射到高维特征中去，能够使得电网指标数据的时序序列特征更加显著，有利于提高后续的电网指标数据的波动异常识别准确性以及效率。
在另一个可选的实施例中，对电网指标数据的高维时序序列执行聚类操作，得到电网指标数据的波动检测结果，包括：
对电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点，每个族的电网指标数据离散点均不相同；
根据每个族的电网指标数据的数据量，确定电网指标数据的波动检测结果。
该可选的实施例中，可选的，根据每个族的电网指标数据的数据量，确定电网指标数据的波动检测结果，包括：
根据所有族的电网指标数据离散点的数量判断所有族中是否存在离散点的数量小于等于对应的确定出的数量阈值的目标族；
当判断出不存在时，确定电网指标数据的波动检测结果用于表示电网指标数据不存在波动异常；
当判断出存在时，确定电网指标数据的波动检测结果用于表示电网指标数据存在波动异常，且目标族为异常族以及目标族的电网指标数据离散点为异常离散点。
该可选的实施例中，可选的，对电网指标数据的高维时序序列执行聚类操作的聚类算法包括但不限于Dbscan算法和/或K-means算法。但优选Dbscan算法。进一步的，不同的族均存在对应的离散点数量阈值。图8公开了一种对电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点的示意图，其中，该示意图的横坐标为时间，纵坐标为频率。
可见，该可选的实施例在得到电网指标数据的高维时序序列之后，进一步对电网指标数据的高维时序序列执行聚类操作，能够实现对电网指标数据的高维时序序列分族，再结合不同族中电网指标数据离散点的数量，能够准确确定电网指标数据的波动异常情况。
在又一个可选的实施例中，该方法还可以包括以下步骤：
根据电网指标数据的类型和/或电网指标数据的采集地的环境情况，确定对电网指标数据的高维时序序列执行聚类操作的领域半径，其中，电网指标数据的采集地的环境情况包括当时采集地的电网用户的数量、每个用户的电网使用情况、当时采集地的风力情况、当时采集地的风速情况、当时采集地的潮湿度以及当时采集地的温度中的一种或多种组合；
该可选的实施例中，可选的，对电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点，包括：
根据领域半径，对电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点。
该可选的实施例中，可选的，还可以基于电网指标数据的类型和/或电网指标数据的采集地的环境情况，确定对电网指标数据的高维时序序列执行聚类操作的聚类族的数量。
该可选的实施例中，电网指标数据的类型包括电压类型、频率类型以及波形类型中的一种或多种。
可见，该可选的实施例通过结合电网指标数据的类型和/或电网指标数据的采集地的环境情况，确定对其执行聚类操作的领域半径以及聚类族的数量，能够提高对电网指标数据的高维时序序列执行聚类操作的准确性，从而进一步提高电网指标的波动异常的检测准确性以及可靠性；以及电网指标数据的采集地的环境情况包括的内容越多，越有利于提高执行聚类操作的领域半径以及聚类族的数量的确定准确性以及可靠性。
在又一个可选的实施例中，对时序序列数据进行连续小波变换，得到电网指标数据的高维时序序列之后，该方法还可以包括以下步骤：
分析电网指标数据的高维时序序列的噪声，并判断分析出的噪声是否小于等于确定出的噪声阈值；
当判断出小于等于噪声阈值时，执行上述的对电网指标数据的高维时序序列执行聚类操作，得到电网指标数据的波动检测结果的操作；
当判断出大于噪声阈值时，对电网指标数据的高维时序序列执行降噪操作，得到降噪后的高维时序序列，并将降噪后的高维时序序列更新为电网指标数据的高维时序序列，以及执行上述的对电网指标数据的高维时序序列执行聚类操作，得到电网指标的波动检测结果的操作。
可见，该可选的实施例在得到电网指标数据的高维时序序列之后，进一步自动判断电网指标数据中的噪声是否影响电网指标数据的波动异常的检测，若影响，则自动对其进行降噪，再对其执行聚类操作，能够提高对电网指标数据的高位时序序列执行聚类操作的准确性以及可靠性，从而进一步提高电网指标数据的波动异常的检测准确性以及可靠性。
实施例二
请参阅图2，图2是本发明实施例公开的另一种电网指标波动异常的检测方法的流程示意图。其中，图2所描述的电网指标波动异常的检测方法可以应用于电网指标波动异常的检测装置中，其中，该电网指标波动异常的检测装置包括检测服务器（本地服务器或者云服务器）、检测系统、检测设备以及检测平台中的任意一种。如图2所示，该电网指标波动异常的检测方法可以包括以下步骤：
201、将获取到的电网指标数据转换为时序序列数据。
202、对时序序列数据进行连续小波变换，得到电网指标数据的高维时序序列。
203、对电网指标数据的高维时序序列执行阶梯离散化操作，得到满足确定出的数据差异条件的高维时序序列。
204、将满足数据差异条件的高维时序序列更新为电网指标数据的高维时序序列。
205、对电网指标数据的高维时序序列执行聚类操作，得到电网指标数据的波动检测结果。
本发明实施例中，步骤201、步骤202、步骤205的相关描述请参照实施例一中针对步骤101-步骤103的详细描述，本发明实施例不再赘述。
可见，本发明实施例在得到电网指标数据的高维时序序列之后，还能够对其进行阶梯离散化，有利于获取到丰富的电网指标数据，从而有利于提高对电网指标数据的高位时序序列执行聚类操作的准确性，从而进一步提高电网指标数据的波动异常的检测准确性。
可见，实施图2所描述的电网指标波动异常的检测方法能够通过自动对电网指标数据的时序序列数据执行连续小波变换操作，能够基于连续小波变换的基小波在时域的衰减性，可以更好的保留电网指标数据的时域位置信息，反应电网指标数据的频域随时间的变换，并结合聚类方式对连续小波变换处理得到的电网指标数据的高维时序序列数据进行聚类操作，能够准确地检测出电网指标数据的波动异常，从而有助于对电网的波动异常情况及时进行准确地处理，降低电网的波动性，提高电网的稳定性。此外，还能够对其进行阶梯离散化，有利于获取到丰富的电网指标数据，从而有利于提高对电网指标数据的高位时序序列执行聚类操作的准确性，从而进一步提高电网指标数据的波动异常的检测准确性。
在一个可选的实施例中，对电网指标数据的高维时序序列执行聚类操作，得到电网指标数据的波动检测结果之后，该方法还可以包括以下步骤：
当电网指标数据的波动检测结果用于表示电网指标数据存在波动异常时，根据电网指标数据的波动情况确定与电网指标数据的波动情况匹配的可视化方式；
基于可视化方式对电网指标数据的波动情况执行可视化操作，得到可视化的电网指标数据的波动情况。
可见，该可选的实施例通过结合电网指标数据的波动情况确定对应的可视化方式，能够提高电网指标数据的可视化方式确定准确性，并基于高准确性的可视化方式对电网指标数据的波动异常进行可视化操作，以便于相关人员清楚知晓电网指标数据的波动情况，以便于相关人员对电网及时进行处理，有利于及时地维护电网的稳定。
实施例三
请参阅图3，图3是本发明实施例公开的一种电网指标波动异常的检测装置的结构示意图。其中，图3所描述的电网指标波动异常的检测装置包括检测服务器（本地服务器或者云服务器）、检测系统、检测设备以及检测平台中的任意一种。如图3所示，该电网指标波动异常的检测装置可以包括：
转换模块301，用于将获取到的电网指标数据转换为时序序列数据。
变换模块302，用于对时序序列数据进行连续小波变换，得到电网指标数据的高维时序序列。
聚类模块303，用于对电网指标数据的高维时序序列执行聚类操作，得到电网指标数据的波动检测结果。
可见，实施图3所描述的电网指标波动异常的检测装置能够通过自动对电网指标数据的时序序列数据执行连续小波变换操作，能够基于连续小波变换的基小波在时域的衰减性，可以更好的保留电网指标数据的时域位置信息，反应电网指标数据的频域随时间的变换，并结合聚类方式对连续小波变换处理得到的电网指标数据的高维时序序列数据进行聚类操作，能够准确地检测出电网指标数据的波动异常，从而有助于对电网的波动异常情况及时进行准确地处理，降低电网的波动性，提高电网的稳定性。
在一个可选的实施例中，如图3所示，变换模块302对时序序列数据进行连续小波变换，得到电网指标数据的高维时序序列的方式具体为：
将时序序列数据进行连续小波变换，得到时序序列数据中的波动频率与振幅特征；
将时序序列数据中的波动频率与振幅特征，映射到高维特征中，得到电网指标数据的高维时序序列。
可见，实施图3所描述的电网指标波动异常的检测装置还能够通过对电网指标数据的时序序列数据进行连续小波变换，能够准确提取到每个时刻电网指标数据的时序序列数据中的波动频率以及对应的振幅特征，再将其映射到高维特征中去，能够使得电网指标数据的时序序列特征更加显著，有利于提高后续的电网指标数据的波动异常识别准确性以及效率。
在另一个可选的实施例中，如图4所示，聚类模块303包括：
聚类子模块3031，用于对电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点，每个族的电网指标数据离散点均不相同。确定子模块3032，用于根据每个族的电网指标数据的数据量，确定电网指标数据的波动检测结果。
该可选的实施例中，可选的，确定子模块3032根据每个族的电网指标数据的数据量，确定电网指标数据的波动检测结果的方式具体为：
根据所有族的电网指标数据离散点的数量判断所有族中是否存在离散点的数量小于等于对应的确定出的数量阈值的目标族；
当判断出不存在时，确定电网指标数据的波动检测结果用于表示电网指标数据不存在波动异常；
当判断出存在时，确定电网指标数据的波动检测结果用于表示电网指标数据存在波动异常，且目标族为异常族以及目标族的电网指标数据离散点为异常离散点。
可见，实施图4所描述的电网指标波动异常的检测装置能够在得到电网指标数据的高维时序序列之后，进一步对电网指标数据的高维时序序列执行聚类操作，能够实现对电网指标数据的高维时序序列分族，再结合不同族中电网指标数据离散点的数量，能够准确确定电网指标数据的波动异常情况。
在又一个可选的实施例中，如图4所示，该装置还可以包括：
离散化模块304，用于在变换模块302对时序序列数据进行连续小波变换，得到电网指标数据的高维时序序列之后，对对电网指标数据的高维时序序列执行阶梯离散化操作，得到满足确定出的数据差异条件的高维时序序列。
第一更新模块305，用于将满足数据差异条件的高维时序序列更新为电网指标数据的高维时序序列，并触发聚类模块303执行上述的对电网指标数据的高维时序序列执行聚类操作，得到电网指标数据的波动检测结果的操作。
可见，实施图4所描述的电网指标波动异常的检测装置还能够在得到电网指标数据的高维时序序列之后，还能够对其进行阶梯离散化，有利于获取到丰富的电网指标数据，从而有利于提高对电网指标数据的高位时序序列执行聚类操作的准确性，从而进一步提高电网指标数据的波动异常的检测准确性。
在又一个可选的实施例中，如图4所示，该装置还可以包括：
确定模块306，用于在聚类模块303对电网指标数据的高维时序序列执行聚类操作，得到电网指标数据的波动检测结果之后，且当电网指标数据的波动检测结果用于表示电网指标数据存在波动异常时，根据电网指标数据的波动情况确定与电网指标数据的波动情况匹配的可视化方式。
可视化模块307，用于基于可视化方式对电网指标数据的波动情况执行可视化操作，得到可视化的电网指标数据的波动情况。
可见，实施图4所描述的电网指标波动异常的检测装置还能够通过结合电网指标数据的波动情况确定对应的可视化方式，能够提高电网指标数据的可视化方式确定准确性，并基于高准确性的可视化方式对电网指标数据的波动异常进行可视化操作，以便于相关人员清楚知晓电网指标数据的波动情况，以便于相关人员对电网及时进行处理，有利于及时地维护电网的稳定。
在又一个可选的实施例中，如图4所示，该装置还包括：
分析模块308，用于在变换模块302对时序序列数据进行连续小波变换，得到电网指标数据的高维时序序列之后，分析电网指标数据的高维时序序列的噪声。
判断模块309，用于判断分析出的噪声是否小于等于确定出的噪声阈值；当判断出小于等于噪声阈值时，触发聚类模块303执行上述的对电网指标数据的高维时序序列执行聚类操作，得到电网指标数据的波动检测结果的操作。
降噪模块310，用于当判断模块309判断出大于噪声阈值时，对电网指标数据的高维时序序列执行降噪操作，得到降噪后的高维时序序列。
第二更新模块311，用于将降噪后的高维时序序列更新为电网指标数据的高维时序序列，并触发聚类模块303执行上述的对电网指标数据的高维时序序列执行聚类操作，得到电网指标的波动检测结果的操作。
可见，实施图4所描述的电网指标波动异常的检测装置还能够在得到电网指标数据的高维时序序列之后，进一步自动判断电网指标数据中的噪声是否影响电网指标数据的波动异常的检测，若影响，则自动对其进行降噪，再对其执行聚类操作，能够提高对电网指标数据的高位时序序列执行聚类操作的准确性以及可靠性，从而进一步提高电网指标数据的波动异常的检测准确性以及可靠性。
在又一个可选的实施例中，如图4所示，确定模块306，还用于根据电网指标数据的类型和/或电网指标数据的采集地的环境情况，确定对电网指标数据的高维时序序列执行聚类操作的领域半径，其中，电网指标数据的采集地的环境情况包括当时采集地的电网用户的数量、每个用户的电网使用情况、当时采集地的风力情况、当时采集地的风速情况、当时采集地的潮湿度以及当时采集地的温度中的一种或多种组合。
该可选的实施例中，可选的，聚类模块303对电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点的方式具体为：
对电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点。
可见，实施图4所描述的电网指标波动异常的检测装置还能够通过结合电网指标数据的类型和/或电网指标数据的采集地的环境情况，确定对其执行聚类操作的领域半径以及聚类族的数量，能够提高对电网指标数据的高维时序序列执行聚类操作的准确性，从而进一步提高电网指标的波动异常的检测准确性以及可靠性；以及电网指标数据的采集地的环境情况包括的内容越多，越有利于提高执行聚类操作的领域半径以及聚类族的数量的确定准确性以及可靠性。
实施例四
请参阅图5，图5是本发明实施例公开的又一种电网指标波动异常的检测装置。如图5所示，该电网指标波动异常的检测装置可以包括检测服务器（本地服务器或者云服务器）、检测系统、检测设备以及检测平台中的任意一种，且该电网指标波动异常的检测装置包括：
存储有可执行程序代码的存储器501；
与存储器501耦合的处理器502；
处理器502调用存储器501中存储的可执行程序代码，用于执行实施例一或实施例二所描述的电网指标波动异常的检测方法的操作。
实施例五
本发明实施例公开了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一或实施例二所描述的电网指标波动异常的检测方法的操作。
实施例六
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二所描述的电网指标波动异常的检测方法的操作。
以上所描述的装置实施例仅是示意性的，其中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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器（Read-OnlyMemory，ROM）、随机存储器（Random Access Memory，RAM）、可编程只读存储器（ProgrammableRead-only Memory，PROM）、可擦除可编程只读存储器（ErasableProgrammable Read Only Memory，EPROM）、一次可编程只读存储器（One-timeProgrammable Read-Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically-ErasableProgrammable Read-Only Memory，EEPROM）、只读光盘（CompactDisc Read-Only Memory，CD-ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种电网指标波动异常的检测方法及装置所揭露的仅为本发明较佳实施例而已，仅用于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项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (9)

1.一种电网指标波动异常的检测方法，其特征在于，所述方法包括：
将获取到的电网指标数据转换为时序序列数据，并对所述时序序列数据进行连续小波变换，得到所述电网指标数据的高维时序序列；
对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果；
所述对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果，包括：
对所述电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点，每个所述族的电网指标数据离散点均不相同；
根据每个所述族的电网指标数据的数据量，确定所述电网指标数据的波动检测结果；
所述方法还包括：
根据所述电网指标数据的类型和/或所述电网指标数据的采集地的环境情况，确定对所述电网指标数据的高维时序序列执行聚类操作的领域半径；
其中，所述对所述电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点，包括：
根据所述领域半径，对所述电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点。
2.根据权利要求1所述的电网指标波动异常的检测方法，其特征在于，所述对所述时序序列数据进行连续小波变换，得到所述电网指标数据的高维时序序列，包括：
将所述时序序列数据进行连续小波变换，得到所述时序序列数据中的波动频率与振幅特征；
将所述时序序列数据中的波动频率与振幅特征，映射到高维特征中，得到所述电网指标数据的高维时序序列。
3.根据权利要求1或2所述的电网指标波动异常的检测方法，其特征在于，所述根据每个所述族的电网指标数据的数据量，确定所述电网指标数据的波动检测结果，包括：
根据所有所述族的电网指标数据离散点的数量判断所有所述族中是否存在离散点的数量小于等于对应的确定出的数量阈值的目标族；
当判断出不存在时，确定所述电网指标数据的波动检测结果用于表示所述电网指标数据不存在波动异常；
当判断出存在时，确定所述电网指标数据的波动检测结果用于表示所述电网指标数据存在波动异常，且所述目标族为异常族以及所述目标族的电网指标数据离散点为异常离散点。
4.根据权利要求1或2所述的电网指标波动异常的检测方法，其特征在于，所述对所述时序序列数据进行连续小波变换，得到所述电网指标数据的高维时序序列之后，所述方法还包括：
对所述电网指标数据的高维时序序列执行阶梯离散化操作，得到满足确定出的数据差异条件的高维时序序列；
将满足所述数据差异条件的高维时序序列更新为所述电网指标数据的高维时序序列，并执行所述的对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果的操作。
5.根据权利要求4所述的电网指标波动异常的检测方法，其特征在于，所述对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果之后，所述方法还包括：
当所述电网指标数据的波动检测结果用于表示所述电网指标数据存在波动异常时，根据所述电网指标数据的波动情况确定与所述电网指标数据的波动情况匹配的可视化方式；
基于所述可视化方式对所述电网指标数据的波动情况执行可视化操作，得到可视化的所述电网指标数据的波动情况。
6.根据权利要求1、2或5所述的电网指标波动异常的检测方法，其特征在于，所述对所述时序序列数据进行连续小波变换，得到所述电网指标数据的高维时序序列之后，所述方法还包括：
分析所述电网指标数据的高维时序序列的噪声，并判断分析出的所述噪声是否小于等于确定出的噪声阈值；
当判断出小于等于所述噪声阈值时，执行所述的对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果的操作；
当判断出大于所述噪声阈值时，对所述电网指标数据的高维时序序列执行降噪操作，得到降噪后的高维时序序列，并将降噪后的所述高维时序序列更新为所述电网指标数据的高维时序序列，以及执行所述的对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标的波动检测结果的操作。
7.一种电网指标波动异常的检测装置，其特征在于，所述装置包括：
转换模块，用于将获取到的电网指标数据转换为时序序列数据；
变换模块，用于对所述时序序列数据进行连续小波变换，得到所述电网指标数据的高维时序序列；
聚类模块，用于对所述电网指标数据的高维时序序列执行聚类操作，得到所述电网指标数据的波动检测结果；
所述聚类模块包括：
聚类子模块，用于对所述电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点，每个所述族的电网指标数据离散点均不相同；
确定子模块，用于根据每个所述族的电网指标数据的数据量，确定所述电网指标数据的波动检测结果；
所述装置，还用于根据所述电网指标数据的类型和/或所述电网指标数据的采集地的环境情况，确定对所述电网指标数据的高维时序序列执行聚类操作的领域半径；
其中，所述聚类子模块对所述电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点的具体方式包括：
根据所述领域半径，对所述电网指标数据的高维时序序列执行聚类操作，得到若干个族的电网指标数据离散点。
8.一种电网指标波动异常的检测装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-6任一项所述的电网指标波动异常的检测方法。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-6任一项所述的电网指标波动异常的检测方法。
CN202110982296.1A 2021-08-25 2021-08-25 电网指标波动异常的检测方法及装置 Active CN113783750B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110982296.1A CN113783750B (zh) 2021-08-25 2021-08-25 电网指标波动异常的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110982296.1A CN113783750B (zh) 2021-08-25 2021-08-25 电网指标波动异常的检测方法及装置

Publications (2)

Publication Number Publication Date
CN113783750A CN113783750A (zh) 2021-12-10
CN113783750B true CN113783750B (zh) 2023-05-26

Family

ID=78839326

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110982296.1A Active CN113783750B (zh) 2021-08-25 2021-08-25 电网指标波动异常的检测方法及装置

Country Status (1)

Country Link
CN (1) CN113783750B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113156917A (zh) * 2021-04-10 2021-07-23 河南巨捷电子科技有限公司 基于人工智能的电网设备故障诊断方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102778634B (zh) * 2012-07-11 2014-12-10 福建省电力有限公司电力科学研究院 配网电压波动定位方法及定位装置
CN104483588B (zh) * 2014-12-18 2018-01-30 重庆长安汽车股份有限公司 继电器控制端的电气故障诊断方法和装置
CN110020739B (zh) * 2018-01-10 2024-03-05 京东科技控股股份有限公司 用于数据处理的方法、装置、电子设备及计算机可读介质
CN110750429A (zh) * 2019-09-06 2020-02-04 平安科技（深圳）有限公司 运维管理系统的异常检测方法、装置、设备及存储介质
CN110889597A (zh) * 2019-11-08 2020-03-17 北京宝兰德软件股份有限公司 业务时序指标异常检测方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113156917A (zh) * 2021-04-10 2021-07-23 河南巨捷电子科技有限公司 基于人工智能的电网设备故障诊断方法及系统

Also Published As

Publication number Publication date
CN113783750A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN109245099A (zh) 一种电力负荷辨识方法、装置、设备及可读存储介质
CN104091056B (zh) 一种实验室设备使用寿命预测系统和方法
CN109946535A (zh) 一种故障电弧检测方法
CN111881594B (zh) 一种核动力设备的非平稳信号状态监测方法及系统
CN113641994B (zh) 基于图数据的数据处理方法及系统
CN111415107A (zh) 配电网台区画像生成方法、装置、计算机设备和存储介质
CN117454283A (zh) 一种用于风电机组运行检测数据的状态评估方法
CN113783750B (zh) 电网指标波动异常的检测方法及装置
CN114184870A (zh) 非侵入式负荷识别方法及设备
CN117572837A (zh) 一种智慧电厂ai主动运维方法及系统
CN115993503B (zh) 一种变压器的运行检测方法、装置、设备及存储介质
CN113098989B (zh) 字典生成方法、域名检测方法、装置、设备及介质
CN108062376A (zh) 一种基于相似工况的时间序列压缩存储方法及系统
CN117093943A (zh) 一种用电量监测预警方法及装置
CN114764599B (zh) 一种配电网单相接地故障灵敏度分析方法和系统
CN111103490B (zh) 一种负荷辨识事件检测方法、装置及设备
CN114662977A (zh) 海上钻井平台运动状态的异常检测方法、系统和电子设备
CN113219333A (zh) 一种电机故障诊断时的频谱参数处理方法
CN113899944B (zh) 一种电力负荷投切点的检测方法及装置
CN113157506B (zh) 一种基于变点小波法的硬盘失效分析方法
CN117409816B (zh) 一种基于声音信号的设备故障检测方法及系统
CN115223104B (zh) 一种基于场景识别的违章作业行为检测方法及系统
CN117909877B (zh) 局放监测参数确定方法、装置、电子设备及存储介质
CN113433456B (zh) 一种基于电流波形相似度的发电机故障诊断系统及方法
CN117851414B (zh) 一种避雷器老化试验数据存储方法及系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 518053 501, 502, 601 and 602, building D, wisdom Plaza, Qiaoxiang Road, Gaofa community, Shahe street, Nanshan District, Shenzhen, Guangdong

Applicant after: China Southern Power Grid Digital Platform Technology (Guangdong) Co.,Ltd.

Address before: 518053 501, 502, 601 and 602, building D, wisdom Plaza, Qiaoxiang Road, Gaofa community, Shahe street, Nanshan District, Shenzhen, Guangdong

Applicant before: China Southern Power Grid Shenzhen Digital Power Grid Research Institute Co.,Ltd.

GR01 Patent grant
GR01 Patent grant