CN114358550A - 基于大数据的电网分析系统及方法 - Google Patents

基于大数据的电网分析系统及方法 Download PDF

Info

Publication number
CN114358550A
CN114358550A CN202111620066.7A CN202111620066A CN114358550A CN 114358550 A CN114358550 A CN 114358550A CN 202111620066 A CN202111620066 A CN 202111620066A CN 114358550 A CN114358550 A CN 114358550A
Authority
CN
China
Prior art keywords
power grid
data
information
influence
influence factor
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.)
Withdrawn
Application number
CN202111620066.7A
Other languages
English (en)
Inventor
周鹏飞
张蕾
张雯静
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.)
Yancheng Yufeng New Energy Technology Co ltd
Original Assignee
Yancheng Yufeng New Energy Technology 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 Yancheng Yufeng New Energy Technology Co ltd filed Critical Yancheng Yufeng New Energy Technology Co ltd
Priority to CN202111620066.7A priority Critical patent/CN114358550A/zh
Publication of CN114358550A publication Critical patent/CN114358550A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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

  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于大数据的电网分析系统及方法，包括数据采集模块、大数据分析模块、线路生成模块和线路检测模块；数据采集模块用于采集电网是否发生异常的情况以及电网发生异常的次数；大数据分析模块用于分析电网在每次发生异常的情况下对应时间范围内影响因子的重要性；线路生成模块用于对实时发生影响因子对应的情况的不同区域的电网进行线路的生成；影响因子增益分析单元用于对所述数据采集模块中的影响因子进行分析；该发明通过对系统设定时间范围内的数据进行采集分析和处理，根据电网异常的的影响因子进行对应信息增益的判定，从而确定在电网异常的事件中上述影响因子的影响等级的层次。

Description

基于大数据的电网分析系统及方法
技术领域
本发明涉及电网分析系统技术领域，具体为基于大数据的电网分析系统及方法。
背景技术
随着国内经济的快速发展，电力作为驱动经济发展的主要能源载体之一，其需求量也在逐步攀升，电网规划也需要对未来进行充分的预估，为未来电力需求的攀升提供必要的准备；但同时电网的规划不可避免的需要解决电网安全的问题，以及现阶段国家电网管理模式的逐步优化，电网的工作人员是否能够准确的依据电网发生故障的原因对电网进行检修是至关重要的，以及是否可以准确判断影响电网异常的因素。
发明内容
本发明的目的在于提供基于大数据的电网分析系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：基于大数据的电网分析系统，包括数据采集模块、大数据分析模块、线路生成模块和线路检测模块；
数据采集模块用于采集电网是否发生异常的情况以及在系统设定的时间范围内以每天为单位核算电网发生异常的次数，数据采集模块在电网发生异常的情况和正常情况下对电网的影响因子的相关数据进行采集，影像因子包括电网周围的极端天气情况、电网工作人员的检修情况以及输送电压的稳定情况；数据采集模块将采集到的数据进行传输给大数据分析模块；
大数据分析模块用于接收数据采集模块采集到的数据信息，大数据分析模块用于分析电网在每次发生异常的情况下对应时间范围内影响因子的重要性；大数据分析模块将重要性结果传输给线路生成模块；
线路生成模块用于接收大数据分析模块中的数据信息，线路生成模块用于对实时发生影响因子对应的情况的不同区域的电网进行线路的生成；
线路检测模块用于对线路生成模块中线路上各电网定点进行检测。
进一步的，大数据分析模块包括影响因子增益分析单元和影响因子等级判定单元；
影响因子增益分析单元用于对数据采集模块中的影响因子进行分析，影响因子增益分析单元在数据采集模块中设定的时间范围内提取三种影响因子的具体情况，包括是否发生极端天气的情况、电网的工作人员是否进行检修和电压输送的情况，极端天气包括暴风天气、暴雨天气和暴雪天气，电压输送的情况包括电压稳定和电压不稳定；
影响因子增益分析单元依据电网是否发生异常以及对应的影响因子的具体数据得出电网异常与正常的信息熵，影响因子增益分析单元分别对三种影响因子对应的取值进行该影响因子条件熵的计算和分析，影响因子增益分析单元基于信息熵和不同影响因子的条件熵分析得出不同影响因子的信息增益；
影响因子增益分析单元将不同影响因子的信息增益传输给影响因子等级判定单元，影响因子等级判定单元接收影响因子增益分析单元的数据，对信息增益进行判断分析。
进一步的，线路生成模块包括线路监测单元和线路提醒单元；
线路监测单元用于对信息增益的不同等级设置不同层级的预警响应并进行实时监测，线路监测单元将产生影响因子对应具体事件一的电网按相同层级的原则进行统一绘制，同一线路图绘制中包含相同的预警响应；预警响应包含第一预警响应、第二预警响应和第三预警响应；
线路提醒单元针对线路监测单元的线路图进行优先级提醒，对第一预警响应的线路图进行第一优先级的提醒，对第二预警响应的线路图进行第一优先级的提醒，对第三预警响应的线路图进行第三优先级的提醒。
进一步的，线路检测模块包括线路实时检测单元和线路复检单元；
线路实时检测单元接收线路生成模块的数据信息，线路实时检测单元对线路提醒单元输出的提醒信号进行识别，且线路检测单元同时传输信号给电网分析系统检测电网是否发生异常问题；
线路复检单元用于线路实时监测单元对电网进行第一次检测完成后，线路复检单元对电网的第二次检测，线路复检单元的复检顺序为线路生成模块中第一优先级的线路图中的第一产生预警响应的电网进行一次检测后按先后顺序进行第二次检测。
基于大数据的电网分析方法，包括以下具体步骤：
步骤S100：获取电网的在系统设定的时间范围内发生异常的次数，以及电网异常情况下对应单位周期内影响因子的数据情况，影响因子的数据情况包括电网周围是否发生极端天气、电网工作人员是否检修和电网输送的电压是否稳定；
步骤S200：基于步骤S100的数据情况，分析电网正常情况和异常情况下的信息熵，以及针对正常和异常情况下的影响因子进行条件熵的计算和分析，再基于信息熵和条件熵分析得出不同影响因子的信息增益；
步骤S300：基于步骤S200的数据情况，将上述影响因子的信息增益进行排序并判断等级，根据等级情况的不同实时监测生成监测线路并对其进行提醒实时检测；检测完成后再进行二次复检。
分析系统的影响因子是根据该影响因子对电网造成异常的可能性大小的判断，且将影响因子分为三个方面，分别是外界因素的天气原因，极端天气包括暴雨、暴雪和暴风对电网的影响，以及电网系统本身需要参与的工作人员是否对电网进行检修，和电网本身输送电压的稳定程度，这三个方面从多方面角度涵盖了电网异常的可能性。
进一步的，步骤S200具体包括以下过程：
步骤S210：系统设定时间范围以及在该时间范围内均匀等分单位周期记为at，t＝{1,2,3......n}，记录系统设定时间范围内电网是否发生异常情况为一事件，且该事件的记为变量C，变量C包括电网发生异常和电网正常，记录系统设定时间范围内电网正常情况的次数为c，则电网正常情况的次数为
Figure BDA0003437632460000031
步骤S220：基于步骤S210的数据信息，利用公式：H(C)＝-∑[p(C)logp(C)]求出事件C的信息熵，其中
Figure BDA0003437632460000032
p(C)表示事件C在系统时间范围内发生的概率，logp(C)表示事件C在系统时间范围内的信息量；
对事件C的信息熵进行分析是为了分析系统设定时间范围内的电网发生异常的不确定性；因为本身事件C的发生与否是会受到外部影响因素影响的，故先将系统记录的实际电网异常的次数进行初步分析，判定不增加任何影响因素下的电网异常情况，并以该数据为分析基础，对后面的所有影响因子进行判定。
步骤S230：基于步骤S220的数据信息，将事件C中对应的所有影响因子进行分别的分析得出影响因子影响下的条件熵。
进一步的，步骤S230中求出影响因子的条件熵的具体过程为：
步骤S231：设置影响因子的具体事件一对应的电网异常的次数集合为Vi＝{m1异、n1异、p1异}，i＝{m,n,p}，i表示对应Vi中事件m,n,p的集合，m1异表示系统时间范围内电网周围发生异常天气对应电网出现异常的次数，n1异表示系统时间范围内电网工人未进行检修对应电网出现异常的次数，p1异表示系统时间范围内电网电压输送不稳定对应电网出现异常的次数；设置影响因子的具体事件二对应的电网异常的次数集合为Ui＝{m2异、n2异、p2异}；m2异表示系统时间范围内电网周围未发生异常天气对应电网出现异常的次数，n2异表示系统时间范围内电网工人进行检修对应电网出现异常的次数，p2异表示系统时间范围内电网电压输送稳定对应电网出现异常的次数；
步骤S232：基于步骤S231的数据设置，利用公式：
Figure BDA0003437632460000041
求出对应影响因子的信息量；
Figure BDA0003437632460000042
表示影响因子对应具体事件一发生的概率，
Figure BDA0003437632460000043
表示影响因子对应具体事件二发生的概率，
Figure BDA0003437632460000044
表示影响因子对应具体事件一的信息量，
Figure BDA0003437632460000045
表示影响因子对应具体事件二的信息量；利用公式：
Figure BDA0003437632460000046
求出对应影响因子在时间范围内发生的概率；Ei表示对应影响因子在系统时间范围内的样本个数；
步骤S233：基于步骤S230的数据信息，利用公式H(Y|C)＝∑i∈Cp(C＝i)H(Y|C＝i)求出对应影响因子的条件熵；将事件C的信息熵与影响因子的条件熵利用公式Gi＝H(C)-H(Y|C)求得出对应影响因子的信息增益。
通过计算影响因子的信息增益可以得出该影响因子对电网是否产生异常的影响程度，当信息增益越大，表明所包含的信息量越多，进一步说明该影响因子对电网的影响程度大，导致对电网发生该影响因子的事件时，电网是否发生异常的不确定度是减少最多的；利用该方式分析判断电网受产生异常的不同原因的重要性，为实时监控电网是否产生上述影响因子的事件做准备，根据不同的大小的信息增益设定不同的预警响应，提高了对电网异常分析影响因素的精确度。
进一步的，步骤S300的具体过程为：
步骤S310：将影响因子的信息增益Gi＝{Gm，Gn，Gp}进行排序，根据信息增益的由大到小的顺序依次设定该影响因子的预警响应为第一预警响应、第二预警响应和第三预警响应；并根据实时监测到产生影响因子对应具体事件一的各处电网进行绘制线路图，且线路图只包含同一预警响应；
步骤S320：基于步骤S310中绘制的线路图，对不同预警响应的线路图进行不同优先级的提醒；对第一预警响应的线路图进行第一优先级的提醒，对第二预警响应的线路图进行第一优先级的提醒，对第三预警响应的线路图进行第三优先级的提醒；
步骤S330：基于S320的数据，在系统进行提醒的同时，在产生影响因子对应具体事件一的电网处进行检测电网是否发生异常问题；同时当所属线路图内的所有电网均经历过第一次检测时，对该线路图中的电网按首次检测顺序依次进行二次复检。
与现有技术相比，本发明所达到的有益效果是：本发明通过对系统设定时间范围内的数据进行采集分析和处理，根据电网异常的的影响因子进行对应信息增益的判定，从而确定在电网异常的事件中上述影响因子的影响等级的层次，且将该影响因子的等级作为电网异常的预警标准，为电网的工作人员明确了电网异常的方便，也便于电网的工作人员进行检修，同时将对应影响因子的电网绘制成线路图，可以使解决问题的效率提高且提升解决问题的速度；进行二次复检也提高了电网系统对电网起到的安全保障性。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明基于大数据的电网分析系统的结构示意图；
图2是本发明基于大数据的电网分析方法的整体步骤流程图；
图3是本发明基于大数据的电网分析方法的影响因子的信息熵分析流程图；
图4是本发明基于大数据的电网分析方法的影响因子的条件熵及信息增益的分析流程图；
图5是本发明基于大数据的电网分析方法的影响因子等级判定及检测流程图。
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做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。
请参阅图1-图5，本发明提供技术方案：基于大数据的电网分析系统，包括数据采集模块、大数据分析模块、线路生成模块和线路检测模块；
数据采集模块用于采集电网是否发生异常的情况以及在系统设定的时间范围内以每天为单位核算电网发生异常的次数，数据采集模块在电网发生异常的情况和正常情况下对电网的影响因子的相关数据进行采集，影像因子包括电网周围的极端天气情况、电网工作人员的检修情况以及输送电压的稳定情况；数据采集模块将采集到的数据进行传输给大数据分析模块；
大数据分析模块用于接收数据采集模块采集到的数据信息，大数据分析模块用于分析电网在每次发生异常的情况下对应时间范围内影响因子的重要性；大数据分析模块将重要性结果传输给线路生成模块；
线路生成模块用于接收大数据分析模块中的数据信息，线路生成模块用于对实时发生影响因子对应的情况的不同区域的电网进行线路的生成；
线路检测模块用于对线路生成模块中线路上各电网定点进行检测。
大数据分析模块包括影响因子增益分析单元和影响因子等级判定单元；
影响因子增益分析单元用于对数据采集模块中的影响因子进行分析，影响因子增益分析单元在数据采集模块中设定的时间范围内提取三种影响因子的具体情况，包括是否发生极端天气的情况、电网的工作人员是否进行检修和电压输送的情况，极端天气包括暴风天气、暴雨天气和暴雪天气，电压输送的情况包括电压稳定和电压不稳定；
影响因子增益分析单元依据电网是否发生异常以及对应的影响因子的具体数据得出电网异常与正常的信息熵，影响因子增益分析单元分别对三种影响因子对应的取值进行该影响因子条件熵的计算和分析，影响因子增益分析单元基于信息熵和不同影响因子的条件熵分析得出不同影响因子的信息增益；
影响因子增益分析单元将不同影响因子的信息增益传输给影响因子等级判定单元，影响因子等级判定单元接收影响因子增益分析单元的数据，对信息增益进行判断分析。
线路生成模块包括线路监测单元和线路提醒单元；
线路监测单元用于对信息增益的不同等级设置不同层级的预警响应并进行实时监测，线路监测单元将产生影响因子对应具体事件一的电网按相同层级的原则进行统一绘制，同一线路图绘制中包含相同的预警响应；预警响应包含第一预警响应、第二预警响应和第三预警响应；
线路提醒单元针对线路监测单元的线路图进行优先级提醒，对第一预警响应的线路图进行第一优先级的提醒，对第二预警响应的线路图进行第一优先级的提醒，对第三预警响应的线路图进行第三优先级的提醒。
线路检测模块包括线路实时检测单元和线路复检单元；
线路实时检测单元接收线路生成模块的数据信息，线路实时检测单元对线路提醒单元输出的提醒信号进行识别，且线路检测单元同时传输信号给电网分析系统检测电网是否发生异常问题；
线路复检单元用于线路实时监测单元对电网进行第一次检测完成后，线路复检单元对电网的第二次检测，线路复检单元的复检顺序为线路生成模块中第一优先级的线路图中的第一产生预警响应的电网进行一次检测后按先后顺序进行第二次检测。
基于大数据的电网分析方法，包括以下具体步骤：
步骤S100：获取电网的在系统设定的时间范围内发生异常的次数，以及电网异常情况下对应单位周期内影响因子的数据情况，影响因子的数据情况包括电网周围是否发生极端天气、电网工作人员是否检修和电网输送的电压是否稳定；
分析系统的影响因子是根据该影响因子对电网造成异常的可能性大小的判断，且将影响因子分为三个方面，分别是外界因素的天气原因，极端天气包括暴雨、暴雪和暴风对电网的影响，以及电网系统本身需要参与的工作人员是否对电网进行检修，和电网本身输送电压的稳定程度，这三个方面从多方面角度涵盖了电网异常的可能性。
步骤S200：基于步骤S100的数据情况，分析电网正常情况和异常情况下的信息熵，以及针对正常和异常情况下的影响因子进行条件熵的计算和分析，再基于信息熵和条件熵分析得出不同影响因子的信息增益；
步骤S200具体包括以下过程：
步骤S210：系统设定时间范围以及在该时间范围内均匀等分单位周期记为at，t＝{1,2,3......n}，记录系统设定时间范围内电网是否发生异常情况为一事件，且该事件的记为变量C，变量C包括电网发生异常和电网正常，记录系统设定时间范围内电网正常情况的次数为c，则电网正常情况的次数为
Figure BDA0003437632460000071
步骤S220：基于步骤S210的数据信息，利用公式：H(C)＝-∑[p(C)logp(C)]求出事件C的信息熵，其中
Figure BDA0003437632460000081
p(C)表示事件C在系统时间范围内发生的概率，logp(C)表示事件C在系统时间范围内的信息量；
例如：例如单位周期为一周7天，共有4个单位周期，则系统设定的时间范围即为28天；电网正常的次数为2次，则电网异常的次数为
Figure BDA0003437632460000082
则
Figure BDA0003437632460000083
事件C的信息熵为
Figure BDA0003437632460000084
Figure BDA0003437632460000085
对事件C的信息熵进行分析是为了分析系统设定时间范围内的电网发生异常的不确定性；因为本身事件C的发生与否是会受到外部影响因素影响的，故先将系统记录的实际电网异常的次数进行初步分析，判定不增加任何影响因素下的电网异常情况，并以该数据为分析基础，对后面的所有影响因子进行判定。
步骤S230：基于步骤S220的数据信息，将事件C中对应的所有影响因子进行分别的分析得出影响因子影响下的条件熵。
步骤S230中求出影响因子的条件熵的具体过程为：
步骤S231：设置影响因子的具体事件一对应的电网异常的次数集合为Vi＝{m1异、n1异、p1异}，i＝{m,n,p}，i表示对应Vi中事件m,n,p的集合，m1异表示系统时间范围内电网周围发生异常天气对应电网出现异常的次数，n1异表示系统时间范围内电网工人未进行检修对应电网出现异常的次数，p1异表示系统时间范围内电网电压输送不稳定对应电网出现异常的次数；设置影响因子的具体事件二对应的电网异常的次数集合为Ui＝{m2异、n2异、p2异}；m2异表示系统时间范围内电网周围未发生异常天气对应电网出现异常的次数，n2异表示系统时间范围内电网工人进行检修对应电网出现异常的次数，p2异表示系统时间范围内电网电压输送稳定对应电网出现异常的次数；
步骤S232：基于步骤S231的数据设置，利用公式：
Figure BDA0003437632460000086
求出对应影响因子的信息量；
Figure BDA0003437632460000087
表示影响因子对应具体事件一发生的概率，
Figure BDA0003437632460000088
表示影响因子对应具体事件二发生的概率，
Figure BDA0003437632460000091
表示影响因子对应具体事件一的信息量，
Figure BDA0003437632460000092
表示影响因子对应具体事件二的信息量；利用公式：
Figure BDA0003437632460000093
求出对应影响因子在时间范围内发生的概率；Ei表示对应影响因子在系统时间范围内的样本个数；
步骤S233：基于步骤S230的数据信息，利用公式H(Y|C)＝∑i∈Cp(C＝i)H(Y|C＝i)求出对应影响因子的条件熵；将事件C的信息熵与影响因子的条件熵利用公式Gi＝H(C)-H(Y|C)求得出对应影响因子的信息增益。
例如：影响因子的具体事件一对应的电网异常的次数集合为Vi＝{1、1、2}，具体事件一表示影响因子中会对电网异常产生促进作用的事件，包括{电网周围发生极端天气，电网工人未进行检修，电网输送的电压不稳定}；设置影响因子的具体事件二对应的电网异常的次数集合为Ui＝{1、1、0}；具体事件二表示影响因子中会对电网正常产生促进作用的事件，包括{电网周围未发生极端天气，电网工人进行检修，电网输送的电压稳定}；则当分析事件m时，Em＝{3,1}；
Figure BDA0003437632460000094
Figure BDA0003437632460000095
Figure BDA0003437632460000096
Figure BDA0003437632460000097
此时该事件m的信息增益Gi＝H(C)-H(Y|C)＝0.301-0.05＝0.251，利用上述公式同样得出事件n的信息增益为0.198和事件p的信息增益为0.112；
通过计算影响因子的信息增益可以得出该影响因子对电网是否产生异常的影响程度，当信息增益越大，表明所包含的信息量越多，进一步说明该影响因子对电网的影响程度大，导致对电网发生该影响因子的事件时，电网是否发生异常的不确定度是减少最多的；利用该方式分析判断电网受产生异常的不同原因的重要性，为实时监控电网是否产生上述影响因子的事件做准备，根据不同的大小的信息增益设定不同的预警响应，提高了对电网异常分析影响因素的精确度。
步骤S300：基于步骤S200的数据情况，将上述影响因子的信息增益进行排序并判断等级，根据等级情况的不同实时监测生成监测线路并对其进行提醒实时检测；检测完成后再进行二次复检。
步骤S300的具体过程为：
步骤S310：将影响因子的信息增益Gi＝{Gm，Gn，Gp}进行排序，根据信息增益的由大到小的顺序依次设定该影响因子的预警响应为第一预警响应、第二预警响应和第三预警响应；并根据实时监测到产生影响因子对应具体事件一的各处电网进行绘制线路图，且线路图只包含同一预警响应；
步骤S320：基于步骤S310中绘制的线路图，对不同预警响应的线路图进行不同优先级的提醒；对第一预警响应的线路图进行第一优先级的提醒，对第二预警响应的线路图进行第一优先级的提醒，对第三预警响应的线路图进行第三优先级的提醒；
步骤S330：基于S320的数据，在系统进行提醒的同时，在产生影响因子对应具体事件一的电网处进行检测电网是否发生异常问题；同时当所属线路图内的所有电网均经历过第一次检测时，对该线路图中的电网按首次检测顺序依次进行二次复检。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于大数据的电网分析系统，其特征在于，包括数据采集模块、大数据分析模块、线路生成模块和线路检测模块；
所述数据采集模块用于采集电网是否发生异常的情况以及在系统设定的时间范围内以每天为单位核算电网发生异常的次数，所述数据采集模块在电网发生异常的情况和正常情况下对电网的影响因子的相关数据进行采集，所述影像因子包括电网周围的极端天气情况、电网工作人员的检修情况以及输送电压的稳定情况；所述数据采集模块将采集到的数据进行传输给所述大数据分析模块；
所述大数据分析模块用于接收所述数据采集模块采集到的数据信息，所述大数据分析模块用于分析电网在每次发生异常的情况下对应时间范围内影响因子的重要性；所述大数据分析模块将重要性结果传输给所述线路生成模块；
所述线路生成模块用于接收所述大数据分析模块中的数据信息，所述线路生成模块用于对实时发生影响因子对应的情况的不同区域的电网进行线路的生成；
所述线路检测模块用于对所述线路生成模块中线路上各电网定点进行检测。
2.根据权利要求1所述的基于大数据的电网分析系统，其特征在于：所述大数据分析模块包括影响因子增益分析单元和影响因子等级判定单元；
所述影响因子增益分析单元用于对所述数据采集模块中的影响因子进行分析，所述影响因子增益分析单元在所述数据采集模块中设定的时间范围内提取三种影响因子的具体情况，包括是否发生极端天气的情况、电网的工作人员是否进行检修和电压输送的情况，所述极端天气包括暴风天气、暴雨天气和暴雪天气，所述电压输送的情况包括电压稳定和电压不稳定；
所述影响因子增益分析单元依据电网是否发生异常以及对应的影响因子的具体数据得出电网异常与正常的信息熵，所述影响因子增益分析单元分别对三种影响因子对应的取值进行该影响因子条件熵的计算和分析，所述影响因子增益分析单元基于所述信息熵和所述不同影响因子的条件熵分析得出不同影响因子的信息增益；
所述影响因子增益分析单元将不同影响因子的信息增益传输给所述影响因子等级判定单元，所述影响因子等级判定单元接收所述影响因子增益分析单元的数据，对所述信息增益进行判断分析。
3.根据权利要求1所述的基于大数据的电网分析系统，其特征在于：所述线路生成模块包括线路监测单元和线路提醒单元；
所述线路监测单元用于对所述信息增益的不同等级设置不同层级的预警响应并进行实时监测，所述线路监测单元将产生影响因子对应具体事件一的电网按相同层级的原则进行统一绘制，同一线路图绘制中包含相同的预警响应；所述预警响应包含第一预警响应、第二预警响应和第三预警响应；
所述线路提醒单元针对所述线路监测单元的线路图进行优先级提醒，对第一预警响应的线路图进行第一优先级的提醒，对第二预警响应的线路图进行第一优先级的提醒，对第三预警响应的线路图进行第三优先级的提醒。
4.根据权利要求3所述的基于大数据的电网分析系统，其特征在于：所述线路检测模块包括线路实时检测单元和线路复检单元；
所述线路实时检测单元接收所述线路生成模块的数据信息，所述线路实时检测单元对线路提醒单元输出的提醒信号进行识别，且所述线路检测单元同时传输信号给电网分析系统检测电网是否发生异常问题；
所述线路复检单元用于所述线路实时监测单元对电网进行第一次检测完成后，所述线路复检单元对电网的第二次检测，所述线路复检单元的复检顺序为所述线路生成模块中第一优先级的线路图中的第一产生预警响应的电网进行一次检测后按先后顺序进行第二次检测。
5.基于大数据的电网分析方法，其特征在于，包括以下具体步骤：
步骤S100：获取电网的在系统设定的时间范围内发生异常的次数，以及电网异常情况下对应单位周期内影响因子的数据情况，所述影响因子的数据情况包括电网周围是否发生极端天气、电网工作人员是否检修和电网输送的电压是否稳定；
步骤S200：基于所述步骤S100的数据情况，分析电网正常情况和异常情况下的信息熵，以及针对正常和异常情况下的影响因子进行条件熵的计算和分析，再基于所述信息熵和条件熵分析得出不同影响因子的信息增益；
步骤S300：基于所述步骤S200的数据情况，将上述影响因子的信息增益进行排序并判断等级，根据等级情况的不同实时监测生成监测线路并对其进行提醒实时检测；检测完成后再进行二次复检。
6.根据权利要求5所述的基于大数据的电网分析方法，其特征在于：所述步骤S200具体包括以下过程：
步骤S210：系统设定时间范围以及在该时间范围内均匀等分单位周期记为at，t＝{1,2,3......n}，记录系统设定时间范围内电网是否发生异常情况为一事件，且该事件的记为变量C，变量C包括电网发生异常和电网正常，记录系统设定时间范围内电网正常情况的次数为c，则电网正常情况的次数为
Figure FDA0003437632450000031
步骤S220：基于所述步骤S210的数据信息，利用公式：H(C)＝-∑[p(C)logp(C)]求出事件C的信息熵，其中
Figure FDA0003437632450000032
p(C)表示事件C在系统时间范围内发生的概率，logp(C)表示事件C在系统时间范围内的信息量；
步骤S230：基于所述步骤S220的数据信息，将事件C中对应的所有影响因子进行分别的分析得出影响因子影响下的条件熵。
7.根据权利要求6所述的基于大数据的电网分析方法，其特征在于：所述步骤S230中求出影响因子的条件熵的具体过程为：
步骤S231：设置影响因子的具体事件一对应的电网异常的次数集合为Vi＝{m1异、n1异、p1异}，i＝{m,n,p}，i表示对应Vi中事件m,n,p的集合，m1异表示系统时间范围内电网周围发生异常天气对应电网出现异常的次数，n1异表示系统时间范围内电网工人未进行检修对应电网出现异常的次数，p1异表示系统时间范围内电网电压输送不稳定对应电网出现异常的次数；设置影响因子的具体事件二对应的电网异常的次数集合为Ui＝{m2异、n2异、p2异}；m2异表示系统时间范围内电网周围未发生异常天气对应电网出现异常的次数，n2异表示系统时间范围内电网工人进行检修对应电网出现异常的次数，p2异表示系统时间范围内电网电压输送稳定对应电网出现异常的次数；
步骤S232：基于所述步骤S231的数据设置，利用公式：
Figure FDA0003437632450000033
求出对应影响因子的信息量；
Figure FDA0003437632450000034
表示影响因子对应具体事件一发生的概率，
Figure FDA0003437632450000035
表示影响因子对应具体事件二发生的概率，
Figure FDA0003437632450000036
表示影响因子对应具体事件一的信息量，
Figure FDA0003437632450000037
表示影响因子对应具体事件二的信息量；利用公式：
Figure FDA0003437632450000041
求出对应影响因子在时间范围内发生的概率；Ei表示对应影响因子在系统时间范围内的样本个数；
步骤S233：基于所述步骤S230的数据信息，利用公式H(Y|C)＝∑i∈Cp(C＝i)H(Y|C＝i)求出对应影响因子的条件熵；将所述事件C的信息熵与所述影响因子的条件熵利用公式Gi＝H(C)-H(Y|C)求得出对应影响因子的信息增益。
8.根据权利要求6所述的基于大数据的电网分析方法，其特征在于：所述步骤S300的具体过程为：
步骤S310：将影响因子的信息增益Gi＝{Gm，Gn，Gp}进行排序，根据信息增益的由大到小的顺序依次设定该影响因子的预警响应为第一预警响应、第二预警响应和第三预警响应；并根据实时监测到产生影响因子对应具体事件一的各处电网进行绘制线路图，且所述线路图只包含同一预警响应；
步骤S320：基于所述步骤S310中绘制的线路图，对不同预警响应的线路图进行不同优先级的提醒；对第一预警响应的线路图进行第一优先级的提醒，对第二预警响应的线路图进行第一优先级的提醒，对第三预警响应的线路图进行第三优先级的提醒；
步骤S330：基于所述S320的数据，在系统进行提醒的同时，在产生影响因子对应具体事件一的电网处进行检测电网是否发生异常问题；同时当所属线路图内的所有电网均经历过第一次检测时，对该线路图中的电网按首次检测顺序依次进行二次复检。
CN202111620066.7A 2021-12-28 2021-12-28 基于大数据的电网分析系统及方法 Withdrawn CN114358550A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111620066.7A CN114358550A (zh) 2021-12-28 2021-12-28 基于大数据的电网分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111620066.7A CN114358550A (zh) 2021-12-28 2021-12-28 基于大数据的电网分析系统及方法

Publications (1)

Publication Number Publication Date
CN114358550A true CN114358550A (zh) 2022-04-15

Family

ID=81103682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111620066.7A Withdrawn CN114358550A (zh) 2021-12-28 2021-12-28 基于大数据的电网分析系统及方法

Country Status (1)

Country Link
CN (1) CN114358550A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117332857A (zh) * 2023-09-19 2024-01-02 上海聚数信息科技有限公司 一种基于多源数据的电网数据自动化管理系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117332857A (zh) * 2023-09-19 2024-01-02 上海聚数信息科技有限公司 一种基于多源数据的电网数据自动化管理系统及方法
CN117332857B (zh) * 2023-09-19 2024-04-02 上海聚数信息科技有限公司 一种基于多源数据的电网数据自动化管理系统及方法

Similar Documents

Publication Publication Date Title
CN106022592B (zh) 一种用电行为异常检测与治安风险预警方法及装置
EP3249483A1 (en) Information processing device and information processing method
CN110311709B (zh) 用电信息采集系统故障判别方法
CN111259334B (zh) 一种工业企业大用户用水异常监测预警方法
CN117195008B (zh) 一种用于空气质量监测的异常数据处理方法
CN113282576B (zh) 一种气象数据质量控制方法
CN113988489B (zh) 电碳因子的预测评估方法、装置及可读存储介质
CN112633781B (zh) 一种基于车联网大数据的车辆能耗评价方法
WO2019161589A1 (zh) 一种结构模态参数实时追踪方法
CN112668612A (zh) 一种基于网格的局部放电信号聚类分析方法
Gardner et al. Generation-load mismatch detection and analysis
CN116520236B (zh) 一种智能电表的异常检测方法和系统
CN114358550A (zh) 基于大数据的电网分析系统及方法
CN115617784A (zh) 一种信息化配电的数据处理系统及其处理方法
CN114417981A (zh) 一种智能河长巡测系统
CN112287979B (zh) 一种基于互信息的储能电池状态判定方法
CN116014902B (zh) 一种光伏并网逆变器用全自动化老化监测系统
CN112615372A (zh) 一种基于变异系数的含电压干扰装置台区检测方法
CN115933750B (zh) 基于数据处理的电力巡检方法及电力巡检系统
CN114662058B (zh) 无线站点监测方法及装置
CN111506636A (zh) 一种基于自回归和近邻算法的居民用电行为分析的系统及方法
CN116702588A (zh) 一种基于多源数据的风电场关键气象因子预报方法及系统
CN101923605B (zh) 铁路防灾风预警方法
CN115375185A (zh) 一种基于大数据的玻璃生成加工环境监管系统
CN112069633B (zh) 一种采用大数据聚类的基于粒子群原理的配电网数据预处理方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20220415

WW01 Invention patent application withdrawn after publication