CN114552770A - 管理智能警报的系统和方法 - Google Patents

Abstract

一种分析电气系统的事件的方法包括：接收在电气系统中发生的事件的(多个)事件流，从系统中捕获的电能相关信号中识别事件；分析事件的(多个)事件流以从中识别出不同的可行动触发，不同的触发包括其中一组事件满足一个或多个预定触发条件的场景；随着时间分析不同的可行动触发以识别出满足预定义触发组合条件和分析时间约束的发生和/或未发生的可行动触发的组合；以及响应于对组合的观察，采取一个或多个动作来解决事件。分析时间约束可以是时段持续时间和/或序列，在该时段持续时间和/或序列内，在为了识别组合的分析中考虑或不考虑(多个)事件流中的事件和相关联的可行动触发的时间戳数据。

Description

管理智能警报的系统和方法

相关申请的交叉引用

本申请是2020年10月2日提交的美国申请序列号17/044,905的部分继续申请，其是2019年4月4日提交的国际申请号PCT/US2019/25842的美国国家阶段，本申请要求2018年4月4日提交的美国临时申请序列号62/652,844、2018年12月27日提交的美国临时申请序列号62/785,291和2019年1月4日提交的美国临时申请序列号62/788,532的优先权，这些申请的全部内容通过引用并入本文中。

技术领域

本公开总地涉及智能警报，更具体地，涉及与管理电气或电力系统中的智能警报相关的系统和方法。

背景技术

不断变化的电能世界使得例如在至关紧要的电力环境(如医院、数据中心、机场和制造设施)中优化电力可靠性、电能成本和运行效率变得越来越具有挑战性。由于电子控制设备的增加，公用电网变得更加动态，设施配电系统变得更加复杂，对电能质量问题更加敏感，从而威胁到网络的稳定性。竞争压力和环境法规正推动人们对能效和业务可持续性的期望比以往任何时候都高。应对这些挑战需要专门设计的新数字工具，以能够更快地应对与电气/电力系统可靠性和运行稳定性相关的机遇和风险。

电能质量扰动是意外业务停机时间和设备故障/损坏/失效的主要原因。根据一些估计，30-40％的业务停机时间是由电能质量扰动造成的，电能质量问题使公司损失大约年收入的4％。电能质量扰动可能对设备造成的有害影响包括设备组件(例如电动机、电容器、电缆、变压器等)过热、加速磨损、设备组件过早老化、故障和误操作以及错误的断路器或继电器操作。

电能质量扰动产生的经济影响可以包括增加的电能费用、附加的财务处罚(例如，因电力中断造成的处罚)以及对环境的潜在有害影响(例如，增加的碳足迹)。电能质量扰动也可能不利地导致与需求相关的费用增加以及电气/电力系统损耗增加。受电能质量扰动影响的领域的三个示例包括:正常运行时间、资产状况和能效。例如，由于电压凹陷(sag)、中断和/或欠电压/过电压情况而导致的电气装置有意或无意地停止运行，可能会影响系统正常运行时间。此外，由谐波、电压隆起(swell)或瞬变引起的电路扰动跳闸也可能导致正常运行时间减少。资产(如电缆、变压器、电容器组等。)可能会受到电能质量扰动或条件的不利影响。例如，设备过热、设计特性的意外变化和/或使用寿命缩短只是电能质量异常造成的一些影响。最后，电能的有效利用也受到电能质量扰动的影响。

根据特定示例，电容器组可能受到电能质量扰动(例如谐波)的影响，电能质量扰动表征为电压和/或电流信号的稳态失真。来自电弧炉、电气化铁路、基于晶闸管的电压和频率修改设备的非线性电力负载已经成为电网中的主要谐波源。这些系统向电力系统注入大量谐波电流，导致电网中的基本电流信号的失真。谐波可能会以多种方式对电容器组的正常运行产生不利影响(例如，增加功率损耗、产生谐波谐振、增加谐波电流以及通过额外加热减少电容器组的使用寿命)。

正确收集和解释事件、警报、电能质量数据和其他与系统相关的数据(例如，来自制造过程SCADA、建筑管理系统(BMS)和用户交互的上下文数据、用户定义的优先级等)可以允许企业和电能提供商从收集的事件中判别有用的信息、改善电气/电力系统操作、恢复时间和效率、以及限制电能质量扰动和电气/电力系统或设施上的其他不良条件的有害影响。电能采购经理可以使用电能质量数据来识别和避免处罚或修改/更新电能合同。同样，维护工程师可以使用电能质量数据来正确诊断设备问题，改进根本原因分析，减少设备停机时间。

此外，电力监测系统被部署和操作的过程非常多样化并且经常表现出复杂的行为。其中这些复杂行为中的一些与数据流的时间链接方面关联。例如，某些数据可能比其他数据更晚到达。到达顺序可能与该数据的时间戳顺序不同。延迟可能会出现在IED测量和发送数据与存储和处理单元之间的数据接收中(例如，由于作为许多其他原因中的两个可能的原因的诸如网关的设备之间的连接问题、电力损耗)。与时间相关的复杂行为的其他示例可以通过对处理的时间、捕获数据的时间、发送数据的时间、接收数据的时间、处理数据的时间、发送结果的时间进行测量来评估。然后对其中的每一个的分析和对不同的变化的理解超越了人类大脑，或者需要太多时间来处理。因此，自动化分析和判别可能的原因和后果以提供动作是本申请问题范围的一部分。

发明内容

本文描述的是与管理电气或电力系统中的智能警报相关的系统和方法。在本公开的一个方面中，一种用于管理电气系统中的智能警报的方法包括处理来自由监测和控制系统(monitoring and control system，MCS)的至少一个智能电子设备(intelligentelectronic device，IED)捕获或导出的电能相关信号的或从所述电能相关信号导出的电气测量数据，以识别电气系统中的电力事件，以及识别响应于识别的电力事件而触发的警报。与识别的电力事件和识别的警报相关的信息可被聚集，相关事件管理组和/或相关事件和/或警报时段可从聚集信息中识别(例如，自动或手动)。在一些实施例中，事件管理组包括识别的电力事件的组和/或序列，和/或响应于所识别的警报而触发的警报事件的组和/或序列。在一些实施例中，响应于识别的事件管理组和/或事件和/或警报时段，可以触发、避免或延迟一个或多个动作。

在一些实施例中，该方法可以使用至少一个IED的一个或多个IED来实现。另外，在一些实施例中，该方法(或其部分)可以在远离至少一个IED的情况下实现，例如，在诊断计算系统和/或MCS的其他部分上。在一些实施例中，至少一个IED可以被耦合以测量电能相关信号，在输入端接收来自电能相关信号的或从电能相关信号导出的电气测量数据，并且被配置为生成至少一个或多个输出。在电气系统中，输出可用于识别电力事件，并识别响应于所识别的电力事件而触发的警报。至少一个IED的示例可以包括智能电表、电能质量表和/或其他计量设备(或其他多个计量设备)。例如，至少一个IED可以包括断路器、继电器、电能质量校正设备、不间断电源(UPS)、滤波器和/或变速驱动器(VSD)。另外，在一些实施例中，至少一个IED可以包括至少一个虚拟表。

在一些实施例中，至少一个IED的每个IED被安装或定位于电气系统中多个计量点(例如，物理或虚拟计量点)的相应计量点，并且由每个IED捕获或导出的电能相关信号与相应计量点相关联。例如，至少一个负载(例如，电气装置或设备)可以安装或定位于多个计量点的每个计量点，并且每个IED可以被配置成监测安装在或定位于IED所安装或定位的相应计量点处的至少一个负载。在所示的示例中，由IED捕获或导出的电能相关信号可以与至少一个负载相关联。

由至少一个IED捕获或导出的电能相关信号的示例可以包括以下至少一个：电压、电流、电能、有功功率、视在功率、无功功率、谐波电压、谐波电流、总电压谐波失真、总电流谐波失真、谐波功率、单相电流，三相电流、相电压、线电压和功率因数。

在一些实施例中，根据来自电能相关信号的或由所述电能相关信号导出的电气测量数据中识别电力事件包括识别电力事件的电能质量事件类型。电能质量事件类型可以包括例如以下至少一种：电压凹陷、电压隆起、电压或电流瞬变、临时中断、以及电压或电流谐波失真。可以理解，有各种类型的电能质量事件，这些类型的电能质量事件有一定的特点。例如，根据IEEE标准1159-2009，电压凹陷是指在电源频率下的均方根电压或电流降至0.1至0.9pu(per unit，每单位)之间，持续时间0.5周期至1分钟。典型值为0.1至0.9pu。此外，根据IEEE标准1159-2009，电压隆起是指在电源频率下的均方根电压或电流的增加，持续时间0.5周期至1分钟。应理解，IEEE标准1159-2009是标准机构(本例中为IEEE)定义/表征电能质量事件的方式。应理解，还有定义电能质量类别/事件的其他标准，如国际电工委员会(IEC)、美国国家标准协会(ANSI)等，这些标准可能有不同的描述或电能质量事件类型、特征和术语。在一些实施例中，电能质量事件可以是定制的电能质量事件(例如，由用户定义)。

在一些实施例中，上述方法和下面描述的其他方法(和系统)可以包括以下一个或多个特征，这些特征可以是单独的，也可以是与其他特征组合在一起。在一些实施例中，响应于电气测量数据高于一个或多个上警报阈值或低于一个或多个下警报阈值，触发至少一个警报。例如，异常电压条件(其是电力事件的一种示例类型)对应于测量的IED电压高于一个或多个上警报阈值或低于一个或多个下警报阈值。在一些实施例中，响应于多个电力事件而额外或可替代地触发至少一个警报。例如，可以响应于特定时段内发生的凹陷和中断(或其他一组电力事件)来触发警报。

在一些实施例中，基于以下至少一个来聚集与识别的电力事件和识别的警报相关的信息：识别的电力事件在电气系统中的位置，(多个)时段或(多个)时间间隔，识别的警报对特定过程或应用的危险程度(criticality)，以及至少一个IED的(多个)设备类型。例如，在题为“Systems and Methods for Intelligent Alarm Grouping”的共同待决申请号PCT/US19/25754中描述了电力事件和警报的聚集的其他方面，该申请被指定给与本公开相同的受让人，并通过引用将其全部内容并入本文中。

在一些实施例中，可在聚集信息中识别判别特征。识别判别特征可以包括，例如，识别与事件和/或警报时段相关联的断点，对每个事件和/或警报时段进行建模，对每个建模事件和/或警报时段进行分类，以及识别每个建模事件和/或警报时段中的判别特征。在一些实施例中，可以基于从聚集信息中检测到的相关数据的变化来识别事件和/或警报时段。例如，与事件和/或警报时段相关联的断点可以对应于显著变化点，其将一个事件和/或警报时段与下一个事件和/或事件的警报时段和/或警报时段分隔开。

在一些实施例中，对每个事件和/或警报时段进行建模，包括确定每个事件和/或警报时段的最佳可能模型，并基于所确定的最佳可能模型对每个事件和/或警报时段进行建模。例如，通过将每个事件和/或事件的警报时段和/或警报时段与之前的事件和/或事件的警报时段和/或警报时段进行比较，可以确定最佳可能模型。作为一个示例，可以将每个事件和/或警报时段对电气系统的影响与先前事件和/或警报时段对电气系统的影响进行比较，以确定最佳可能模型。例如，当日/实时数量的警报/事件可能被确定为比过去五年(或另一段时间)的任何几天多出许多警报/事件。另外，可以确定当日具有比先前事件序列(sequence of events，SoE)组大十倍(或其他倍数)的SoE。这两者都可以产生触发诊断报告的动作，例如，显示判别差异，以帮助识别和关注什么出了问题，或者至少在哪里出了问题，或者警报/事件何时开始。

在一些实施例中，基于对建模事件和/或警报时段的分析，可以将每个建模事件和/或警报时段划分为例如稳定、上升或下降。另外，或者可替换地，可以通过曲线拟合技术对每个事件和/或警报时段进行分类，例如，使用一个或多个统计或机器学习算法来提供丰富或更精细的模型。例如，统计或机器学习算法可以对事件和/或警报时段的斜率或斜率变化建模。可以使用简单的中值模型(以及许多其他模型和/或建模技术)。

在一些实施例中，例如，可以确定每个识别的判别特征对于与电气系统相关联的过程或应用的相对危险程度得分。在一些实施例中，可针对特定时段确定相对危险程度得分。例如，特定时段可以与一个或多个事件时段和/或警报时段相关联。在一些实施例中，相对危险程度得分基于特定时段内的识别的判别特征对过程或应用的影响。作为一个示例，识别的判别特征的影响可以与和识别的判别特征相关联的对过程或应用有形或无形成本有关。在一些实施例中，相对危险程度得分可用于确定对识别警报的进行响应的优先级。

在一些实施例中，可以通过将数量的实时或时间聚集状态和/或事件和/或警报和/或组和/或序列和/或时段的类型和/或任何聚集信息或判别特征与从任何事件和/或警报时段的模型中导出的阈值或类型进行比较来触发相关的警报或动作。另外，在一些实施例中，可以根据报告中的分组和判别特征、或者通过IED或MCS或连接到MCS的任何其他系统的任何组件来为系统用户导出可行动信息和建议以减少事件/警报的数量。

在一些实施例中，识别的事件和/或识别的警报使用从与电能相关信号相关联的波形捕获中导出的正常行为配置文件进行丰富，然后用作判别维度识别和分组的比较，例如，使用正常操作的波形捕获(不是触发的事件或警戒)以及导出的配置文件(其创建“正常配置文件”)并将其存储在数字仓库中。在一些实施例中，这些配置文件可以与负载接通/断开或电力消耗配置文件以及其他系统的状态变化或过程相关联。这然后为当前应用提供上下文，以便进行更完整或更精确的诊断、建议和动作，尤其是在其影响到其他系统时。这就建立了警戒/事件/警报的解释层，因为它提供了附加的上下文信息，从而提供了更多的含义，或有助于识别大概的或可能的来源(例如使用机器学习、人工智能算法寻找最可能的来源或来源的组合，以解释状态或价值的变化)。

在一些实施例中，响应于识别的事件管理组或事件和/或警报时段而触发或延迟的动作包括以下中的至少一个：关闭或打开电气系统中的至少一个组件，调整与至少一个组件相关联的一个或多个参数，选择性地中断电气系统中一个或多个位置的电力，和生成警报或报告。例如，至少一个组件可包括电气系统中的至少一个负载(例如，装置或设备)。例如，在特定时段(例如，两秒)内，如果正常的事件序列或组是第一数量的事件(例如，四十个事件)，而新的事件序列或组是第二、大得多的数量的事件(例如，一千个事件)，则可以触发一个或多个动作。例如，响应于识别的事件管理组或事件和/或警报时段而避免的动作可以包括启动在时间表中正常的特定过程步骤。

在一些实施例中，动作由MCS的控制设备自动执行。在一些实施例中，至少一个IED可以包括控制设备，或者控制设备可以包括至少一个IED。在其他实施例中，例如在控制设备包括、对应于或被包括在用户设备或诊断计算系统中的实施例中，至少一个IED可以与控制设备通信耦合。应当理解，控制设备可以采用本领域技术人员可以理解的其他形式。

在本公开的另一方面，提供了一种用于管理电气系统中的智能警报的MCS。MCS包括至少一个IED，该IED包括处理器和耦合到处理器的存储器。至少一个IED的处理器和存储器被配置成：处理来自由所述至少一个IED捕获或导出的电能相关信号的或从所述电能相关信号导出的电气测量数据，以识别电气系统中的电力事件或识别响应于识别的电力事件而触发的警报。另外，所述至少一个IED的处理器和存储器被配置成：聚集与识别的电力事件和识别的警报相关的信息，以及根据聚集信息识别相关事件管理组和/或相关事件和/或警报时段。事件管理组可以包括识别的电力事件的组和/或序列，和/或响应于识别的警报而触发的警报事件的组和/或序列。所述至少一个IED的处理器和存储器进一步配置为：响应于识别的事件管理组和/或所识别的事件和/或警报时段而触发、避免或延迟触发一个或多个动作。

在一些实施例中，至少一个IED包括在电气系统中以层级配置布置的多个IED。在一些实施例中，多个IED中的每个IED与多个IED中的其他IED通信耦合，并且每个IED被配置为与其他IED共享来自由IED导出或捕获的电能相关信号的或从所述电能相关信号导出的电气测量数据。例如，共享的电气测量数据可被处理以识别电气系统中的电力事件，并识别响应识别的电力事件而触发的警报。

在一些实施例中，MCS包括与至少一个IED通信的至少一个用户设备。在一些实施例中，至少一个用户设备能够配置所述至少一个IED。

在一些实施例中，所述至少一个IED的处理器和存储器被进一步配置成：确定特定时段内每个识别的判别特征对于与电气系统相关联的过程或应用的相对危险程度得分。另外，在一些实施例中，至少一个IED的处理器和存储器被进一步配置为：使用确定的相对危险程度得分来确定对识别的警报进行响应的优先级。

在本公开的另一方面，用于管理电气系统中的智能警报的MCS包括被配置成捕获或导出电气系统中的电能相关信号的至少一个IED，以及与该至少一个IED通信耦合的诊断计算系统(例如，基于云的诊断计算系统)。诊断计算系统包括处理器和耦合到该处理器的存储器。诊断计算系统的处理器和存储器被配置成：处理来自由所述至少一个IED捕获或导出的电能相关信号的或从所述电能相关信号导出的电气测量数据，以识别电气系统中的电力事件或识别响应于识别的电力事件而触发的警报。另外，所述诊断计算系统的处理器和存储器被配置成：聚集与识别的电力事件和识别的警报相关的信息，以及根据聚集信息识别相关事件管理组和/或相关事件和/或警报时段。事件管理组可包括识别的电力事件的组和/或序列，和/或响应于识别的警报而触发的警报事件的组和/或序列。所述诊断计算系统的处理器和存储器还被配置成：响应于识别的事件管理组和/或识别的事件和/或警报时段，触发、避免或延迟触发一个或多个动作的触发。

在一些实施例中，至少一个IED包括多个IED，并且聚集与识别的电力事件和识别的警报相关的信息包括与来自多个IED的识别的电力事件和识别的警报相关的聚集信息。

在一些实施例中，诊断计算系统的处理器和存储器被进一步配置为：确定特定时段内每个识别的判别特征对于与电气系统相关联的过程或应用的相对危险程度得分。另外，在一些实施例中，诊断计算系统的处理器和存储器被进一步配置为：使用确定的相对危险程度得分来确定对识别的警报进行响应的优先级。

如本文所使用，(如上讨论的MCS的)IED是一种经过优化以执行一种特定功能或一组功能的计算电子设备。如上所述，IED的示例包括智能电表、电能质量表和其他计量设备。IED也可嵌入在变速驱动器(VSD)、不间断电源(UPS)、断路器、继电器、变压器或任何其他电气装置中。IED可用于在各种装备中执行监测和控制功能。这些装备可以包括电力公司系统、工业设施、货仓、办公楼或其他商业综合体、校园设施、计算同地办公中心、数据中心、配电网等。例如，在IED是电力监测设备的情况下，它可以耦合到(或安装在)配电系统中，并且被配置成感测和存储作为表示配电系统的操作特性(例如，电压、电流、波形失真、功率等)的电参数的数据。用户可以分析这些参数和特性，以评估潜在性能、可靠性或电能质量相关问题。IED可至少包括控制器(在某些IED中，该控制器可以配置为同时、串行或同时和串行运行一个或多个应用)、固件、存储器、通信接口和连接器，这些连接器将IED连接到任何电压水平、配置和/或类型(例如AC、DC)的外部系统、设备和/或组件。IED的监测和控制功能的至少某些方面可以体现在IED可访问的计算机程序中。

在一些实施例中，这里使用的术语“IED”可以指并行和/或串联(tandem)操作的IED的层级。例如，“IED”可以对应于电能表、电力表和/或其他类型的资源仪表的层级。该层级可以包括基于树的层级，例如二叉树、具有从每个父节点或其组合派生的一个或多个子节点的树、或者它们的组合，其中每个节点表示特定IED。在某些情况下，IED的层级可以共享数据或硬件资源，并可以执行共享软件。

在进一步的实施例中，提供了一种用于分析电气系统的事件和事件流的方法和系统。该方法和系统可以包括：接收在电气系统中发生的事件的(多个)事件流，从电气系统中捕获的电能相关信号中识别事件；分析事件的(多个)事件流以从中识别出不同的可行动触发，不同的触发包括其中一组事件满足一个或多个预定触发条件的场景；随着时间分析不同的可行动触发以识别出满足预定义触发组合条件和分析时间约束的发生和/或未发生的可行动触发的组合；以及响应于对组合的观察，采取一个或多个动作来解决事件。分析时间约束可以是时段持续时间和/或序列，在该时段持续时间和/或序列内，在为了识别组合的分析中考虑或不考虑(多个)事件流中的事件和相关联的可行动触发的时间戳数据。可以实时或半实时地或基于分析时的所有可用时间戳事件来分析(多个)事件流。

在一些实施例中，不满足分析时间约束的事件或可行动触发的数据被视为无效数据，当执行(多个)事件流的分析以识别可行动触发或发生和/或未发生的可行动触发的组合时，无效数据可以包括不可用、缺失、不完整、延迟或无序接收的事件或可行动触发的数据。

在一些实施例中，分析时间约束可包括预定义持续时间，在预定义持续时间内，当执行(多个)事件流的分析以识别可行动触发或发生和/或未发生可行动触发的组合时，可行动触发或其相关联事件的数据被视为有效或无效。在一个可能的实现方式中，可以使用用于分析(多个)事件流以识别可行动触发或发生和/或未发生可行动触发的组合的运行的时间窗来实现分析时间约束。时间窗可以并入接收延迟时段，接收延迟时段定义了用于接收在事件流分析中要考虑的数据的可接受延迟。分析时间约束还可以包括预定义时序序列，在预定义时序序列中，当执行(多个)事件流的分析以识别可行动触发或组合时，可行动触发及其相关联事件将被视为有效或无效。

在一些实施例中，分析时间约束可包括时间条件，在该时间条件中，具有相同时间戳的任何事件或可行动触发的数据作为矛盾数据被视为无效。分析时间约束还可以包括时间条件，在该时间条件中，(多个)事件数据流包括不完整事件数据。该方法和系统还可以包括：出于执行事件流分析的目的，用来自(多个)事件数据流的补充事件数据替换不完整事件数据。

在一些实施例中，方法和系统还可以包括：基于以下至少一者将事件表征为正常事件或异常事件：所述事件的(多个)位置、与事件相关的过程步骤、发生时间、处理时间、事件比率、事件流、事件的(多个)严重度、事件的影响和事件的(多个)类型。(多个)事件流可以包括(多个)正常事件流和异常事件流。一个或多个预定触发条件可以包括：电气系统中异常事件发生的比率超过基于电气系统的当前配置的可接受水平，电气系统中事件的(多个)严重度或衍生影响增加的比率超过基于电气系统的当前配置的可接受水平，正常事件转变为异常事件的比率超过基于电气系统的当前配置的可接受水平，或电气系统中事件的(多个)位置的变化超过基于电气系统的当前配置的可接受水平。

在另一个实施例中，提供了一种用于分析电气系统中的事件的方法和系统。该方法和系统包括：接收在电气系统中发生的事件的(多个)事件流，从电气系统中捕获的电能相关信号中识别事件；基于以下至少一者，实时或半实时地将事件表征为正常或异常事件：事件的(多个)位置、与事件相关的过程步骤、事件的(多个)严重度和事件的(多个)类型；在预定时段内观察以下至少一者：电气系统中异常事件发生的比率、电气系统中事件的(多个)严重度增加的比率、正常事件转变为异常事件的比率以及电气系统中事件的(多个)位置的变化；以及响应于以下至少一者超过基于电气系统的当前配置的可接受水平：电气系统中异常事件发生的比率、电气系统中事件的(多个)严重度增加的比率、正常事件转变为异常事件的比率以及电气系统中事件的(多个)位置的变化，采取一个或多个动作来解决事件。

在一些实施例中，每个事件具有与由至少一个IED识别事件的时间相关联的第一时间戳和指示何时由执行该处理、分析和存储的系统/IED接收到所识别事件的事件数据的第二时间戳。该方法和系统还可以包括：随着时间评估所接收到的识别事件的第一时间戳和第二时间戳，以识别(多个)事件流的时序问题(例如，随着时间突然延迟或稳定漂移)。该方法和系统还可以包括：识别可能或大概的原因和影响，然后触发与原因及可能和大概的影响相关的动作。

附加的目的和优点将在下面的描述中部分地阐述，并且部分地是将从描述中显而易见的，或者可以通过本公开的实践来学习的。可以通过本公开中特别指出的要素和组合来实现和获得至少一些目的和优点。

应当理解，上述总体描述和下面的详细描述都只是示例性和解释性的，其正如所述，不会限制本公开。

附图说明

从以下附图的详细描述中可以更充分地理解本公开的上述特征以及本公开本身，附图中：

图1示出了根据本公开实施例的示例性网络系统架构；

图1A示出了根据本公开的实施例的可以在网络系统中使用的示例性智能电子设备(IED)；

图1B示出了根据本公开实施例的IED的示例配置；

图2示出了根据本公开实施例的管理智能警报的示例方法；

图3示出了可以根据本公开的实施例生成的示例图；

图4示出了根据本公开实施例的用于识别判别特征的示例方法；

图5示出了根据本公开的实施例可以生成的示例绘图；

图6-6C示出根据本公开实施例的用于识别判别特征的另一示例方法；

图7-7G示出可以根据本公开的实施例生成的各种绘图；

图8示出了根据本公开实施例的用于识别和分析判别特征的示例方法；

图9-9A示出可以根据本公开的实施例生成的各种绘图；

图10示出了用于识别和分析电气/电力系统中的事件/组的序列的示例方法；

图11-11B和12示出了可以根据本公开的实施例生成的各种绘图。

图13示出了可以通过分析(多个)事件流来识别的不同类型的可行动触发的高层级框图；

图14示出了根据实施例的用于评估(多个)事件流的示例方法；

图15示出了根据其他实施例的用于评估(多个)事件流的示例方法；以及

图16示出了根据另一个实施例的用于评估(多个)事件流的示例方法。

具体实施方式

现在将更详细地描述本文中寻求保护的概念、系统和技术的特征和其他细节。应当理解，本文所描述的任何具体实施例是通过示例的方式示出的，而不作为对本文所描述的公开和概念的限制。在不脱离寻求保护的概念的范围的情况下，可以在各种实施例中使用本文所描述的主题的特征。

参考图1，描述了配置为执行智能事件和/或警报分析和管理等的示例性网络系统架构的示意图。该架构包括电气或电力监测架构和控制系统(MCS)，其包括一个或多个网络节点126以及用于监测和控制设施108、110和112的装置或其他设备102、104和106的用户设备114和116。网络系统架构还包括电气或电力系统，其包括(多个)发电节点122以在电力公司的配电网络上(例如电网118和120以及设施108、110和112)向设施108、110和112供电。作为众多其他示例之一，设施108、110和112可以是自动化工业设施或包括自动化工业装置，或者是商业建筑或大学校园。网络架构中的系统和设备可以使用局域网(LAN)、广域网(WAN)或互联网(包括因特网)来通过通信网络124进行通信。通信网络124可以是有线和/或无线网络，其使用例如物理和/或无线数据链路在网络节点中间(或之间)传送网络数据。

每个网络节点126可以包括计算机系统(例如智能电子设备(IED))以感测、监测、捕获和分析电气系统上的电能相关数据。根据各种实施例，IED可以捕获代表电气系统上的电压、电流、功率或其他可测量电气特性的信号波形，创建电力事件配置文件，执行事件分析以识别电力事件和包括响应于电力事件而触发的警报的附加信息，以及作为本文所述的用于管理智能警报的系统和方法的一部分，执行其他操作。IED可以是智能设备，例如智能电表或其他电力装置，也可以并入电力系统中的电表或其他电力装置，或与之相关联。该架构可包括多个IED，其布置在电气系统上的层级水平或层关系中的不同上游和下游位置(例如，如图1B所示，如下所述)，以在电气系统上的任何期望位置(包括电网上的位置、在电力公司和设施之间的位置、以及在设施内的位置)监测、导出或计算、分析和共享电能相关信息(例如，测量数据、导出数据、事件数据和附加信息、事件分析结果、事件配置文件等)。每个IED可安装在电气系统中多个计量点或位置的相应计量点或位置(例如，如图1B所示，如下所述)。

在一些实施例中，用户可以使用用户设备114和116中的至少一个来查看关于IED的信息(例如，IED品牌、型号、类型等)和IED收集的数据(例如，电能使用统计)。另外，在一些实施例中，用户可以使用用户设备114和116中的至少一个来配置IED。每个用户设备114和116可以包括计算设备，例如，台式计算机、笔记本计算机、手持计算机、平板计算机、智能电话和/或类似物。另外，每个用户设备114和116可以例如包括或耦合到一个或多个输入/输出设备，以促进用户与IED的交互(例如，查看关于IED的信息)。

在一些实施例中，MCS还可以包括诊断计算系统125,或者经由通信网络124与诊断计算系统125通信耦合。在一些实施例中，上述讨论的MCS的用户设备114和116和IED可以直接通信耦合到诊断计算系统125。在其他实施例中，IED和用户设备114和116可以例如通过诸如云连接的集线器或网关的中间设备间接通信耦合到诊断计算系统125。例如，云连接的集线器(或网关)可以向IED和用户设备114和116提供对诊断计算系统125的访问。

诊断计算系统125可以是云计算系统或云连接的计算系统的示例。在实施例中，诊断计算系统可以是位于设施108、110和112的一个或多个内的服务器，或者可以是远程定位的基于云的服务。在一些实施例中，诊断计算系统125可以包括类似于IED的计算功能组件的计算功能组件，但是通常可以具有更多数量和/或更强大版本的数据处理所涉及的组件，例如处理器、存储器、贮存器、互连机制等。诊断计算系统125可以被配置为实现各种分析技术，以识别从IED接收的测量数据中的模式，下文会进一步讨论。本文讨论的各种分析技术还涉及执行一个或多个软件功能、算法、指令、应用和参数，这些功能、算法、指令、应用和参数存储在与诊断计算系统125通信耦合的一个或多个存储器源上。在某些实施例中，术语“功能”、“算法”、“指令”、“应用”或“参数”还可以分别指代并行和/或串联操作的功能、算法、指令、应用或参数的层级。层级可以包括基于树的层级(例如二叉树)、具有从每个父节点派生的一个或多个子节点的树、或其组合，其中每个节点表示特定的函数、算法、指令、应用或参数。

在实施例中，由于诊断计算系统125连接到云，它可以通过云来访问附加的云连接的设备或数据库(未示出)。例如，诊断计算系统125可以访问先前从至少一个IED接收到的历史测量数据、历史电力事件和/或警报数据、或者在分析从至少一个IED接收的当前测量数据时可能有用的其他数据。在实施例中，云连接的设备或数据库可以对应于与一个或多个外部数据源相关联的设备或数据库。

在实施例中，通过利用诊断计算系统125相对于IED的云连接性和增强计算资源，可以在适当时对从一个或多个IED取得的数据以及可以(例如，从电气系统中的其他设备，如温度和湿度传感器)接收到的附加数据源进行复杂分析。该分析可用于动态控制与电气系统相关联的一个或多个参数、过程、条件或设备(例如，102、104和106)。

在实施例中，参数，过程、条件或设备由MCS的一个或多个控制设备动态控制。在实施例中，控制设备可对应于、包括或被包括在上述IED、诊断计算系统和/或电气系统内部或外部的其他设备中的一个或多个中。

应当理解，图1所示的网络架构只是可以适合于本文所述的系统和方法的许多潜在网络架构的一个示例网络架构。可以使用任何合适的网络架构，其允许MCS的组件(例如IED、诊断计算系统、用户设备等)、装置或负载、设施等之间的通信和交互，以执行本文所述的操作。例如，包括但不限于识别电力事件以及识别响应于电力事件而触发的警报的本文中的系统和方法可以经由一个或多个网络节点通过基于云的架构来实现。

参考图1A，例如，可适用于在图1所示的网络系统架构100中使用的示例IED 140包括控制器141、存储设备142、贮存器144和接口145。IED 140还包括输入-输出(I/O)端口146、传感器147、通信模块148和用于通信耦合两个或更多个IED组件141-148的互连机制143。

存储设备142可以包括易失性存储器，例如DRAM或SRAM。存储设备142可以存储程序和在IED 140的操作期间收集的数据。例如，在IED 140被配置成监测或测量与电气系统中的一个或多个设备或负载相关联的一个或多个电参数的实施例中，存储设备142可以存储所监测的电参数(例如，来自由IED 140捕获或导出的电能相关信号)。

存储系统144可以包括计算机可读和可写的非易失性记录介质，例如磁盘或闪存，其中存储有信号，该信号定义将由控制器141执行的程序或将由该程序处理的信息。控制器141可以根据已知的计算和数据传输机制来控制贮存系统144和存储设备142之间的数据传输。在实施例中，由IED 140监测或测量的电参数可以存储在存储系统144中。

I/O端口146可用于将负载(例如，如图1A所示的111)耦合到IED 140，并且传感器147可用于监测或测量与负载相关联的电参数。I/O端口146还可用于将诸如传感器设备(例如，温度和/或运动传感器设备)和/或用户输入设备(例如，本地或远程计算设备)(未示出)的外部设备耦合到IED 140。I/O端口146还可以耦合到一个或多个用户输入/输出机制，例如按钮、显示器、声学设备等，以提供警戒(例如，显示视觉警戒，比如文本和/或稳定或闪烁的灯光，或提供音频警戒，比如蜂鸣音或长时间声音)和/或允许用户与IED 140交互。

通信模块148可以被配置成将IED 140耦合到一个或多个外部通信网络或设备。这些网络可以是安装了IED 140的建筑物内的私有网络，或者是公共网络，例如因特网。在实施例中，通信模块148还可以配置成将IED 140耦合到与包括IED 140的网络系统架构相关联的云连接的集线器或云连接的中央处理单元。

IED控制器141可以包括一个或多个处理器，这些处理器被配置成执行IED 140的(多个)指定功能。(多个)处理器可以是商用处理器，如英特尔公司提供的著名PentiumTM、CoreTM或AtomTM级处理器。许多其他处理器也是可用的，包括可编程逻辑控制器。IED控制器141可以执行操作系统以定义可以在其上运行与IED 140相关联的(多个)应用的计算平台。

在实施例中，由IED 140监测或测量的电参数可作为IED输入数据在控制器141的输入处被接收，并且控制器141可以处理所测量的电参数以在其输出处生成IED输出数据或信号。在实施例中，IED输出数据或信号可以对应于IED 140的输出。例如，可以在(多个)I/O端口146处提供IED输出数据或信号。在实施例中，IED输出数据或信号可由诊断计算系统所接收，例如用于进一步处理(例如，识别电力事件，如上文结合图1所简要讨论的)，和/或由IED耦合到的装置(例如，负载)所接收(例如，用于控制与装置相关联的一个或多个参数，下文将进一步讨论)。在一个示例中，IED 140可包括用于显示指示IED输出数据或信号的可视化效果的接口145。在实施例中，接口145可以对应于图形用户界面(GUI)。

IED 140的组件可以通过互连机制143耦合在一起，互连机制143可以包括一个或多个总线、布线或其他电气连接装置。互连机制143可以使得能够在IED 140的系统组件之间交换通信(例如，数据、指令等)。

可以理解，根据本公开的各个方面，IED 140只是IED的许多潜在配置之一。例如，根据本公开实施例的IED可以包括比IED 140更多(或更少)的组件。另外，在实施例中，可以组合IED 140的一个或多个组件。例如，在实施例中，可以组合存储器142和贮存器144。

参考图1B，示出了电气系统中例如IED 140的IED的示例配置(例如，层级配置)。如上所述，电气系统通常包括一个或多个计量点或位置。如上所述，一个或多个IED可安装或定位于(临时或永久)计量位置处以例如测量、保护和/或控制电气系统中的一个或多个负载。

图示的电气系统包括多个计量位置(这里是M₁、M₂、M₃等)。在电气系统是“完全计量”系统的实施例中，例如，至少一个IED安装在第一计量位置M₁，至少一个IED安装在第二计量位置M₂，依此类推。连接1是电气系统中的一个物理点，在这里电能流(通过安装在M₁处的至少一个IED在M₁处测量)分流以为左侧电气系统分支(与计量位置M₃、M₄、M₇、M₈相关联)和右侧电气系统分支(与计量位置M₂、M₅、M₆、M₉、M₁₀相关联)提供电能。根据本公开的一些实施例，如下面将进一步讨论的，安装在各种计量位置(这里，M₁、M₂、M₃等)的IED可以共享来自IED捕获的或从IED中获得的电能相关信号的或从该电能相关信号导出的电气测量数据。例如，共享的电气测量数据可用于识别电气系统中的电力事件和识别响应于识别的电力事件而触发的警报。例如，安装在计量位置M₇、M₈的IED可与安装在计量位置M₃的IED共享电气测量数据，以识别计量位置M₃处的电力事件和识别响应于计量位置M₃处的识别的电力事件而触发的警报。

在所示示例中，安装在计量位置M₃的IED被认为是在安装在计量位置M₇、M₈的IED的“上游”。此外，在所示示例中，安装在计量位置M₇、M₈的IED被认为是相对于安装在计量位置M₃的IED在下游。如本文所用，术语“上游”和“下游”是指电气系统内的电气位置。更具体地说，电气位置“上游”和“下游”是相对于收集数据并提供该信息的IED的电气位置来说的。例如，在包括多个IED的电气系统中，可以将一个或多个IED定位(或安装)在相对于电气系统中的一个或多个其它IED来说是上游的电气位置，并且可以将一个或多个IED定位(或安装)在相对于电气系统中的一个或多个进一步的IED来说是下游的电气位置。例如，位于第二IED或负载上游的电路上的第一IED或负载可被定位在比第二IED或负载更电气靠近电气系统的输入或源(例如，电网馈线)的位置。相反地，位于第二IED或负载下游的电路上的第一IED或负载可被定位在比另一IED更电气靠近电气系统的端部或终端的位置。上述第一和第二IED可以记录电气事件的电压和电流相位信息(例如，通过对相应的信号进行采样)，并且以通信方式将该信息传输到诊断计算系统(例如，125，如图1所示)。诊断计算系统随后分析该电压和电流相位信息(瞬时、均方根(root-mean-square，rms)、波形和/或其他电气特性)以确定电压事件的源是在第一和/或第二IED电耦合到电气系统(或网络)的地点的电气上游还是电气下游，以例如确定电力事件的方向(即，上游或下游)。

应理解，上述IED的配置或布置只是电气系统中许多潜在IED配置中的一种。

参考图2和后面的附图，显示几个流程图(或流程框图)来说明本公开的各种方法。矩形要素(由图2中的要素205表示)在这里可以被称为“处理方框”，可以表示计算机软件和/或IED算法指令或指令组。本文中可称为“决策方框”的菱形要素表示计算机软件和/或IED算法指令或指令组，其影响由处理方框表示的计算机软件和/或IED算法指令的执行。处理方框和决策方框可以表示由诸如数字信号处理器电路或专用集成电路(ASIC)的功能等效电路执行的步骤。

流程图不描述任何特定编程语言的语法。而是，流程图说明了本领域技术人员制造电路或生成计算机软件以执行特定装置所需的处理而需要的功能信息。应该注意的是，许多常规程序要素，例如循环和变量的初始化以及临时变量的使用都没有显示出来。本领域技术人员将理解，除非本文另有指示，否则所描述的方框的特定序列仅是示意性的并且是可以改变的。因此，除非另有说明，否则下面描述的方框是无序的；这意味着，如果可能，可以以任何方便或期望的顺序执行这些方框，包括可以同时执行顺序方框，反之亦然。还将理解，在一些实施例中，可以组合来自下面描述的流程图的各种特征。因此，除非另有说明，下面描述的流程图中的一个流程图的特征可以与下面描述的流程图中的其他流程图的特征相结合以例如捕获与本公开寻求保护的“智能警报”相关联的系统和方法的各种优点和方面。

参考图2，流程图说明了在电气/电力系统中管理智能警报的示例方法200。方法200可以例如在电气/电力系统中的至少一个IED(例如，121，如图1A所示)的处理器、电气/电力系统中的诊断计算系统(例如125，如图1所示)的处理器、和/或在远离至少一个IED和诊断计算系统处(例如，在云计算设备上)实现。例如，至少一个IED、诊断计算系统和/或可在其上实现方法200的其它设备可以包括电气/电力系统中的监测和控制系统(MCS)，或与之相关联，如上面结合图1所讨论的。

如图2所示，方法200从方框205开始，其中电能相关信号(或波形)由电气/电力系统中的至少一个IED捕获或导出。至少一个IED可被安装或定位于(暂时地或永久地)电气/电力系统中的相应计量位置，并且电能相关信号可以与相应计量位置(或安装在相应计量位置的一个或多个负载)相关联。在一些实施例中，例如，在至少一个IED包括多个IED的实施例中，相应计量位置可以是电气/电力系统中多个计量位置的相应计量位置。在这些实施例中，电能相关信号可由位于相应多个计量位置的每一位置处的多个IED捕获或导出。例如，IED中的第一个可以被安装或定位于电气/电力系统中的第一计量位置(例如，图1B中所示的M₁)，并且由第一IED捕获的电能相关信号可以在第一计量位置捕获，或者从在第一计量位置进行的测量中导出。另外，IED中的第二个可被安装或定位于电气/电力系统中的第二计量位置(例如，图1B中所示的M₂)，并且由第二IED捕获的电能相关信号可以在第二计量位置捕获，或者从在第二计量位置进行的测量中导出。

例如，由至少一个IED测量或导出的电能相关信号可以包括以下中的至少一个：电压、电流、电能、有功功率、视在功率、无功功率、谐波电压、谐波电流、总电压谐波失真、总电流谐波失真、谐波功率、单相电流、三相电流、相电压和线电压，这仅仅是一些示例。可以理解的是，可由至少一个IED捕获或导出其他类型的电能相关信号。

在方框210处，处理(例如，在至少一个IED上，在诊断计算系统上，和/或远离至少一个IED和诊断计算系统)来自由至少一个IED在方框205捕获或导出的电能相关信号的或从该电能相关信号导出的电气测量数据，以识别电气/电力系统中的电力事件。识别的电力事件可以与安装了至少一个IED的(多个)计量位置、由至少一个IED监测的一个或多个负载(例如，102、104、106，如图1所示)和/或电力系统的其他部分(例如，远程部分)或设备相关联。

在一些实施例中，识别电力事件包括识别电力事件的电能质量事件类型。例如，电能质量事件类型可以包括电压凹陷、电压隆起、电压或电流瞬变、临时中断、以及电压或电流谐波失真中(这些是一些示例)的至少一种。应理解，可以识别其他类型的电能质量事件。

识别电力事件可另外或可替换地包括识别电力事件的幅度、电力事件的持续时间、电气/电力系统中电力事件的位置和/或可能有助于识别响应于识别的电力事件而被触发的警报(例如，智能警报)的其他信息(例如，在方框215，如下将进一步讨论)。在一些实施例中，例如，在其中至少一个IED包括位于电气/电力系统中相应的多个计量位置的多个IED的实施例中，可以基于来自由多个IED捕获或导出的电能相关信号的或从该电能相关信号导出的电气测量数据来确定幅度、持续时间、位置和/或其他信息，所述多个IED。例如，多个IED(或诊断计算系统)可以与多个IED中的选择的IED共享由多个IED捕获或导出的电能相关信号，并且共享的电能相关信号可用于确定幅度、持续时间、位置和/或与识别的电力事件相关的其他信息。这可以包括确定在通过电力/电力系统传播时电能质量事件的扰动的不同测量水平(例如，幅度或持续时间)之间的差异，因为这可以从电能相关信号和每个IED的位置推断出来。在一些实施例中，由多个IED捕获或导出的电能相关信号可以存储在与多个IED相关联的存储设备、与诊断计算系统相关联的存储设备上和/或取决于方法200的实现而存储在其他存储设备上(例如，在至少一个IED上、在诊断计算系统和/或其他设备或系统上)。

在方框215，确定是否已经或应该响应于识别的电力事件来触发任何警报。在一些实施例中，可以响应于识别的电力事件而触发(例如，自动或半自动)警报。例如，由电气/电力系统中的IED监测的负载可以具有上警报阈值和/或下警报阈值，并且可以响应于IED捕获到的电压和/或电流信号(例如，在方框205处)高于上警报阈值和/或低于下警报阈值而触发一个或多个警报。异常电压条件(其是电力事件的一种示例类型)对应于测量的IED电压高于一个或多个上警报阈值或低于一个或多个下警报阈值。在一些实施例中，可以响应于异常电压条件来触发一个或多个警报。在一些实施例中，与异常电压条件和/或其他电力事件相关联的上警报阈值和下警报阈值与电气/电力系统中由IED监测的一个或多个负载、过程和/或系统的建议操作范围一致。

警报触发可导致电气/电力系统的一个或多个部分(例如，负载)例如被IED、诊断计算设备和/或在其上实现方法200的其他(多个)系统或(多个)设备自动控制。例如，警报触发可导致由IED监测的负载被调整(例如，关闭或调整一个或多个参数)。

另外，或者可替代地，警报触发可以例如导致指示警报的通知或警戒被发送到MCS的一个或多个设备或系统。在一些实施例中，MCS或MCS的用户可以响应于通知或警戒而采取一个或多个操作。示例动作可包括控制电气/电力系统的上述一个或多个部分，或延迟、改变顺序或甚至延后其他系统(例如，在电力SCADA系统中，或在建筑管理系统中，或在制造SCADA系统中，这只是几个示例)中的处理。当然，也可以执行其他动作。

在方框220，与识别的电力事件和/或警报相关的信息被聚集(例如，每日事件或警报的数量，或者时间上重叠事件的组数，或对下游负载的影响，这些只是在许多其他示例中一些示例)。可以例如针对特定时段或时间间隔(例如每天，如图3的绘图300所示，将在下文描述，或者每小时、每周、每月等)来聚集与电力事件和/或警报相关的信息。另外，或者可替代地，可基于电力事件类型、警报类型、(多个)计量位置、负载类型、IED类型、警报对特定过程或应用的危险程度等来聚集与电力事件和/或警报相关的信息。聚集信息可指示特定时段内电力事件和/或警报的发生次数(或频率)。此外，聚集信息可基于电力事件类型、警报类型、(多个)计量位置、负载类型、IED类型等指示电力事件和/或警报的发生次数(或频率)。

作为一个示例，聚集信息可以包括一天的电力事件和/或警报的聚集总和(或计数)，如图3所示。例如，聚集总和可指示或解释为确定电力事件和/或警报的数量是否在可接受的范围内。另外，在一些情况下，聚集总和可指示其中至少一个IED正在捕获或导出电能相关信号的设施(例如，图1中所示的108、110、112)的操作者是否已经失去对设施的警报的控制或面临失去对设施的警报的控制的风险(例如，由于聚集总和高于可接受的阈值)。作为一个示例，一天的时段内数百个警报的聚集总和可以指示设施操作者已失去对设施的事件/警报的控制。在一些实施例中，聚集信息(以及聚集总和)可存储在与至少一个IED、诊断计算系统和/或实现方法200的其他(多个)系统或(多个)设备相关联的存储设备上。

从上面的讨论可以明显看出，在一些实施例中，可以绘制聚集信息，如图3所示的绘图300所示。然而，应当理解，在一些实施例中，聚集信息不需要被绘制或以其他方式可视化。在绘制聚集信息的实施例中，例如，绘图可以在用户设备(例如，图1中所示的114)的显示设备和/或MCS的或与MCS相关联的其他设备的显示设备上进行呈现和/或包括在发送给用户的报告和/或通知中。

在方框225，根据聚集信息识别相关事件管理组和/或相关事件和/或警报时段。根据本公开的各个方面，事件管理组包括识别的电力事件的组和/或序列，和/或响应于识别的警报而触发的警报事件的组和/或序列。电力事件的组和/或序列可包括例如在特定时段内、在特定计量位置发生的电力事件的组和/或序列等。此外，警报事件的组和/或序列可包括在特定时段内、在特定计量位置发生的警报事件的组和/或序列等。根据本公开的各个方面，警报事件对应于触发多个警报(例如，在方框215识别的警报)而产生的事件。

在一些实施例中，根据聚集信息识别的相关事件和/或警报时段可以是从聚集信息中提取的预定时段，例如，日时段。另外，在一些实施例中，基于从聚集信息检测到的相关数据的变化来识别或选择相关时段。作为一个示例，可以基于在聚集信息中识别的断点来识别相关时段。断点(例如，图3中所示的320、330、340)对应于例如将一个事件和/或警报时段与下一个事件和/或警报时段分隔开的聚集信息中的“显著”变化点。例如，下面结合图4进一步描述断点的附加方面。

在方框225，在一些实施例中，也可以根据聚集信息识别异常或极端(或明显的)异常(例如，在根据聚集信息识别事件管理组和/或事件和/或警报组之前，对聚集信息进行细化，或对这些异常组进行具体分析，例如推断模式，以便在定期报告中为维护团队提供更具可行动性的建议)。如本文所用，“异常”和“极端异常”是指聚集信息中不符合聚集信息的正常边界或可接受的范围的数据(即，不是正常数据)。为了确定什么是“异常”或“极端异常”，系统可以使用简单的统计计算和规则(例如，将每个数据点值与中值进行比较的标准方法，对于(组/时段的所有数据点的)“异常”，将每个数据点值与中值+/-1.5*IQR进行比较，对于(组/时段的所有数据点的)“极端异常”，将每个数据点值与中值+3*IQR进行比较。IQR是指分位数间的比率，即75％和25％之间的值)或一些更先进的技术(例如DBSCAN或隔离林算法)。

再次简要参考图3，绘图310中点310处或点310周围的数据是极端异常的示例。在分析聚集信息以识别信息中的极端异常的一些实施例中，可以从聚集信息中移除与极端异常相关联的数据(例如，在根据聚集信息识别事件管理组和/或事件和/或警报组之前)。如果在上一步中进行了这种区分，并且每个异常点/值都被标记为这样(例如，“异常”或“极端异常”标记)，则很容易删除此类“异常”或“极端异常”。在一些实施例中，在每个事件和/或警报时段中识别极端异常。例如，一个时段内的极端异常可能不是另一个时段内的异常。因此，模式分析可以表明，一些极端异常可能是新问题的早期警告或第一个“弱信号”，从而产生许多新的事件/警报。

回到方法200，在一些实施例中可选的方框230处，可以响应于或基于方框225中识别的事件管理组和/或事件和/或警报时段来触发、避免或延迟一个或多个动作。这些预防性或其他方面的动作可影响电气/电力系统的至少一个组件，例如，电气/电力系统中的负载(例如，图1中所示的120)。作为一个示例，被触发或延迟的动作可以包括关闭或打开至少一个组件，或者调整与至少一个组件相关联的一个或多个参数。例如，可以创建阈值，以便当接地漏电电流(即，流向地面的电流)达到阈值时，至少有一个负责接地电流泄漏的组件可以被关闭，并且在某些情况下与电气/电力系统断开连接(或以其他方式去耦合)。

在一些实施例中，作为几个进一步的示例，被触发或延迟的动作还可以包括选择性地中断电气/电力系统中的一个或多个位置的电力、生成警报或报告、关闭制造过程中的某物或采取预防措施。另外，作为示例，被避免的操作可以包括启动在时间表中正常的特定过程或步骤。作为电力SCADA环境中“延迟正常过程步骤”的一个示例，在电压已经由于一些其他负载、过程或动作而低于正常值的情况下，不给电容器组通电是一个例示。另一个示例是，在制造厂启动一些重型电动机时，延迟开启HVAC屋顶单元可以是另一个领域的例示。

在一些实施例中，由MCS的控制设备自动执行被触发、避免或延迟的动作。在一些实施例中，例如在方框205处，负责捕获电能相关信号的至少一个IED包括控制设备。在其它实施例中，MCS的一个或多个其他部分包括控制设备。例如，在一些实施例中，MCS的诊断计算系统可以包括控制设备。

在方框230(或225)之后，该方法可以在一些实施例中结束。在其它实施例中，该方法可返回方框205并再次重复。例如，在期望连续(或半连续)捕获电能相关信号并动态分析这些捕获的电能相关信号以用于电力事件和/或警报的实施例中，该方法可以返回方框205。可替代地，例如，在期望分析单个捕获的电能相关信号的集合的实施例中，该方法可以结束。在方法在方框230(或225)之后结束的一些实施例中，例如，可以响应于用户输入和/或控制信号再次启动该方法。

可以理解的是，在一些实施例中，方法200可以包括一个或多个附加方框。例如，方法200可以包括识别与聚集信息(即，来自方框220的聚集信息)相关联的判别特征，以及确定每个识别的判别特征对于与电气/电力系统相关联的过程或应用的相对危险程度得分，如下面结合图4进一步描述的。

参考图4，流程图示出了用于识别与电力事件和警报相关的信息中的判别特征的示例方法400。根据在本公开的一些实施例，方法400示出了可结合如上文结合图2讨论的方法200来执行的示例步骤。与方法200类似，方法400可以实现在电气/电力系统中的至少一个IED(例如，121，如图1A所示)的处理器上、电气/电力系统中的诊断计算系统(例如，125，如图1所示)的处理器上、和/或远离至少一个IED和诊断计算系统来实现。

如图4所示，方法400从方框405开始，其中在与电力事件和警报相关的信息中识别上面结合方法200讨论的与事件和/或警报时段相关联的断点。在一些实施例中，与电力事件和警报相关的信息对应于来自方法200的方框215的聚集信息。

如上文结合方法200简要讨论的，断点(例如，510、520、530，如图5所示)对应于聚集信息中的“显著”变化点(例如对于诸如电力事件和/或警报的从一个时段(N)到下一个时段(N+1)的聚集总和的特定数据集来说)。例如，显著变化点可以基于规则，例如对应于聚集数据中的点，其中观察到从一个时段到下一个时段的电力事件和/或警报的发生次数的显著增加(例如，大于50％的增加)。也可以是统计阈值(例如，使用中值+3*IQR的“极端异常”阈值)。

在一些实施例中，例如使用机器学习算法来识别或选择断点。机器学习算法(自学习、自组织、自识别)可以优化变化点的数目。它可以是几种机器学习算法和规则的组合。一个示例将通过最小化RSS(残差平方和)和对更多的变化点使用惩罚分数(这些是机器学习的典型任务，因此被视为最新技术)，以及使用诸如定义任何时段的最小持续时间(例如，不少于14天)的规则来优化变化点的数量和位置作为一个示例)。图3和图5是从这些机器学习算法中导出的。在每种情况下，“显著变化”一词在数据科学中的常用用法(例如，统计上不同的平均值或中值或每个时段的不同回归线)。

如上文结合方法200简要讨论的，在一些实施例中，基于断点来识别或选择相关时段(例如，图5中所示的P1、P2、P3)。具体地，断点可以将一个事件和/或警报时段与下一个事件和/或警报时段分隔开，从而提供对事件和/或警报时段的识别。图3和图5中都是使用每日事件/警报的数量作为输入数据来进行的。在本实施例中，该定量数据被馈送到机器学习算法序列中。在另一实施例中，可以使用重叠事件的独立序列(基于事件的开始和结束时间戳定义的事件的组)的每日数量。

在方框410，例如，如图5中绘图500所示，对每个识别的事件和/或警报时段进行建模。根据本公开的一些实施例，对识别的事件和/或警报时段进行建模包括为每个识别的事件和/或警报时段确定最佳可能模型，并基于确定的最佳可能模型对每个识别的事件和/或警报时段建模(例如，再次使用RSS优化技术)。例如，可通过将识别的事件和/或警报时段的每个事件和/或警报时段与识别的事件和/或警报时段的先前事件和/或警报时段进行比较，确定每个识别的事件和/或警报时段的最佳可能模型(例如，中值、增加、减少等)。例如，可以将每个事件和/或警报时段对电气/电力系统的影响与先前事件和/或警报时段对电气/电力系统的影响进行比较，以确定最佳可能模型。再次参考图5，以蓝色显示的识别的事件和/或警报时段指示所示示例中事件和/或警报的数量减少。此外，以红色显示的识别的事件和/或警报时段表示事件和/或警报数量增加，以绿色显示的识别的事件和/或警报时段表示事件和/或警报数量稳定，即事件和/或警报相对稳定。连接图5中所示的点的线是基于所示实施例中的中值。

在方框415，基于对建模的事件和/或警报时段的分析，将每个建模的事件和/或警报时段分类或归类为例如稳定、上升、下降等。简单地参考图5，可以分析建模的事件和/或警报时段，以确定从每个事件和/或警报时段的开始(例如，从时段的第一个断点开始，例如，图5中所示的510)到每个事件和/或警报时段的结束(例如，从该时段的第二个断点开始，例如，图5中所示的520)，事件和/或警报时段的数量的趋势是增加、减少、还是稳定。如果确定从事件和/或警报时段的开始到事件和/或警报时段的结束，事件和/或警报的数量的趋势是增加，则事件和/或警报时段可分类为上升。此外，如果确定从事件和/或警报时段的开始到事件和/或警报时段的结束，事件和/或警报数量的趋势是减少，则事件和/或警报时段可分类为下降。此外，如果确定从事件和/或警报时段的开始到事件和/或警报时段的结束，事件和/或警报的频率或数量是稳定的，则事件和/或警报时段可分类为稳定。寻找趋势的事实可以通过使用移动时段上的局部回归或任何其他合适的算法来完成。这使得算法能够识别子时段，这些子时段可以更好地建模为稳定时段，即使原始算法在时段内没有识别出任何变化点。因此，建模可以识别附加的变化点。

在一些实施例中，通过曲线拟合技术(例如，使用一个或多个统计学习算法，其中对事件和/或警报时段的斜率或斜率变化进行建模)来对每个建模的事件和/或警报时段进行分类。在一个这样的实施例中，使用可能曲线的列表，然后针对每个时段选择最佳匹配曲线(再次使用RSS作为关键度量)。仅为说明目的，此类曲线的一个非常简单的列表可以由线性回归、指数函数和多项式回归组成。在另一实施例中，应用机器学习“R中的曲线拟合”算法。

在方框420，在每个建模的事件和/或警报时段中识别判别特征。该步骤的目的是为了解释可被识别的示例判别特征可以包括什么内容，例如，与电气/电力系统中的“大”(或大于“正常”)数量的电力事件和/或警报相关联的电气/电力系统中的特定设备(例如，IED)或位置(例如，计量位置)系统。另外，可识别模式的示例性判别特征可以包括发生大量电力事件和/或警报的一周中的几天和/或每天的时间和/或季节。例如，可以观察到，周日下午5点会发生“较大”(或大于“正常”)数量的电力事件和/或警报。根据这一观察结果，可以进行进一步分析以确定为什么周日下午5点会出现“较大”(或大于“正常”)数量的电力事件和/或警报。例如，可以确定在周日下午5点发生“较大”(或大于“正常”)数量的电力事件和/或警报，因为这是在电气/电力系统中通常发生更新(例如，时间同步操作和/或软件和/或硬件更新)的时间。例如下面结合图6-7E进一步描述判别特征的识别的附加方面。

在方框420之后，该方法可以在一些实施例中结束。在其他实施例中，该方法可返回方框405并再次重复(例如，响应于接收到与电力事件和/或警报相关的附加信息)。与方法200类似，可以理解的是，在一些实施例中，方法400可以包括一个或多个附加方框。例如，在一些实施例中，方法400可包括例如确定预定时段内每个识别的判别特征对于与电气/电力系统相关联的过程或应用的相对危险程度得分。相对危险程度得分可基于例如在预定时段内识别的判别特征对过程或应用的影响。在一些实施例中，识别的判别特征的影响与和识别的判别特征相关联的对该过程或应用的有形或无形成本有关。在一些实施例中，在视觉上表示所识别的判别特征的至少一个绘图上呈现相对危险程度得分。另外，在一些实施例中，可以使用相对危险程度得分来确定对识别的警报进行响应的优先级(例如，在方法200的方框230处)。

参考图6-6C，流程图示出了用于识别判别特征/参数/维度的示例方法600(“特征”是直接从数据推断出的观察值，“参数”是电气/电力系统中使用的名称，因为控制器可以使用参数作为测量设置的输入或控制电气/电力系统，这两个词在任何数据科学领域分析中使用时，都成为分析的维度)。根据本公开的一些实施例，方法600说明了可以结合上文关于图2所讨论的方法200和/或结合上文关于图4讨论的方法400来执行的示例步骤。作为一个示例，方法600可以是在方法400的框420处执行的示例性步骤的说明。与方法200和400类似，方法600可以在电气/电力系统中的至少一个IED(例如，121，如图1A所示)的处理器上3、在电气/电力系统中的诊断计算系统(例如，125，如图1所示)的处理器上实现，和/或远离至少一个IED和诊断计算系统实现。

如图6所示，方法600从方框605开始，在方框605处识别电气测量数据中可用的或从电气测量数据导出的维度。如结合上面的附图所讨论的，电气测量数据可以来自由电气/电力系统中的至少一个IED捕获或导出的电能相关信号或从该电能相关信号导出。如参照上面的附图所讨论的，可以根据电气测量数据识别电力事件和响应于电力事件而触发的警报，并且可以聚集与识别的电力事件和警报相关的信息。根据本公开的一些实施例，可以从电气测量数据直接识别或导出、或者从上面讨论的聚集信息识别或导出维度，诸如时间维度、优先级和危险程度维度、仪表维度的计数和识别、仪表维度的类型等。另外，根据本公开的一些实施例，可以从与其中测量电气测量数据的电气/电力系统相关的其他信息中识别或导出维度。其他信息可以包括，例如，已知的系统配置数据(例如，使用功率监测软件中定义的仪表类型作为维度)。这有助于寻找识别的事件的异常增加的可能原因，包括波形捕获，这可以通过在特定类型的仪表上实施固件更新来解释。用户或系统可以知道固件更新推送的日期，并将其作为对可能的用例/原因/源的附加确认，解释是什么导致了这种增加。该维度可以是通过分析识别的统计上最具判别性的维度。可以向用户呈现报告，该报告显示所识别的判别维度，以及对固件推送的及时同时发生的确认。然后，可能需要用户/专家来识别这是否是一个问题，例如凹陷的默认设置阈值太敏感，或者此更新是否修复了问题，并解释了为什么以前可能错过了一些事件。

上述讨论的时间维度还可以指示例如判别事件的一天的时间(小时或分钟)(例如，如图7所示，下面将进一步讨论)、判别事件的一周的天(days of week)(例如，如图7A所示，下面将进一步讨论)等。此外，优先级维度可以包括与对电气/电力系统中的特定电力事件和/或警报进行响应相关联的优先级得分或值(例如，如图7B所示，下面将进一步讨论)。危险程度维度可指示，例如，电力事件和/或警报对特定过程或应用的的危险程度等。根据一些实施例，可基于或响应于上文结合方法200讨论的相对危险程度得分来确定危险程度维度。在一个可能的实现中，系统识别最具判别性维度的方式可以是通过使用“异常”或“极端异常”规则或统计或机器学习算法(例如，检查一周中的特定一天本身是否解释了超过所有事件/警报的50％)。

例如，仪表维度的计数和识别(或扩展)可以指示有多少仪表(例如，IED)与电气/电力系统中的特定百分比的事件相关联或负责检测该特定百分比的事件，哪些仪表是用于检测事件的前十位等(例如，如图7C所示，下文将进一步讨论)。此外，仪表维度的(多个)类型可指示与电气/电力系统中检测到的事件相关联或接近的仪表的类型。例如，仪表的类型可以包括PM8000、ION7650、CM4000t和施耐德电气提供的其他计量设备。在一些实施例中，通过仪表的源识别号(例如，如图7D所示，下面将进一步讨论)和/或仪表在电气/电力系统中的位置确定仪表的类型。应理解，上述示例维度只是可以在方框605中识别的许多潜在维度中的一些。

在方框610，从根据电气测量数据识别的事件中提取维度。在一些实施例中，根据电气测量数据识别的事件可以例如对应于在方法200的框210处根据电气测量数据识别的电力事件。

例如，可以提取的示例维度可包括来自与电气测量数据相关联的电能相关信号(或波形)的事件前和事件后信息。如前所述，电气测量数据可以来自由电气/电力系统中的至少一个IED捕获的电能相关信号或从该电能相关信号导出。例如，也可以从事件文本标签中提取维度，事件文本标签在进一步分析中重复使用和/或显示在图示电气测量数据和/或相关联的识别的事件的绘图上(例如，从各种不同的标签“VA凹陷”,“电压暂降A相”,“A相电压凹陷”(这三个词的意思都是一样的＝“A相电压凹陷”)中提取电能质量问题＝凹陷和相＝A的两个维度)。在一些实施例中，可以自动生成事件文本标签，并且在其他实施例中手动(或半自动)生成事件文本标签，以标记一组事件，或者以非模糊的方式重新标记事件(例如，将相位A上的所有电压凹陷称为“A相电压凹陷”)。

可以提取的进一步示例维度可以包括进一步区别/分组根据电气测量数据识别的事件的(多个)电能质量类型，例如，非稳态电能质量类型，如凹陷、隆起、瞬变等，作为一个维度，区别于稳态电能质量类型的另一个维度，例如功率因数、谐波等。在一些实施例中，例如，也可以从电气测量数据中提取保护类型，例如可用于触发、避免或延迟触发方法200的方框230处的一个或更多个动作的保护类型。示例保护类型可包括热跳闸、短路跳闸、接地漏电跳闸等，作为几个示例。可以理解的是，可以从根据电气测量数据识别的事件中提取其他类型的维度。

在一个实施例中，通过观察一个相位和另一个相位之间的差异来提取维度，以进行测量(例如，电压凹陷幅度测量)，这些测量是通过电气/电力系统中的每个仪表或IED的测量获得或导出的。

在方框615，可以从根据电气测量数据和/或电气/电力系统中的其他系统(例如，传感器或设备)识别的事件中提取其他维度以例如识别电气/电力系统中的一个或多个问题源。例如，这些其他维度可以包括(多个)操作类型，例如状态从“开”变为“关”，“操作维护-启动”等。其他维度也可以包括内部系统警告，例如，响应于具有完整数据库的电气/电力系统中的一个或多个系统的数据库而生成的警告“DB完全警报”。另外，其他示例维度可以包括例如负责监测和控制电气/电力系统的电力监测和控制系统的电力监测健康状态。例如，电力监测健康状态可以指示时间同步损失、通信损失等。可以理解的是，可以提取更多维度。

在一些实施例中，可以从电气/电力系统的自动检测到的配置(例如，IED的数量和类型、负载的数量和类型等)中提取其他维度，例如，从来自电气/电力系统中的一个或多个传感器接收的传感器数据中提取，该数据可能有助于在电气/电力系统中识别维度。传感器的一个示例是在电气装置/负载(例如电动机或变压器)上测量的温度或振动。在一些实施例中，还可以从用户手动输入的电气/电力系统配置数据中提取其他维度，例如，其可以从用户设备(例如，图1所示的114)接收(例如，警报(非)确认)。

在方框620，判别维度，例如，从方框605、610和615识别或提取的维度，被选择性地组合或聚集。例如，与电气/电力系统中的一个仪表相关联的判别维度(例如，每天的事件频率)可以和与电气/电力系统中的另一仪表相关联的类似判别维度(例如，每天的事件频率)相结合，以确定判别维度的组合数量，例如，电气/电力系统每天的事件频率。这可以通过成对地聚集如图7所示的维度来系统地完成(例如，X轴上的周维度的一天与Y轴上的30分钟间隔维度相结合，其结果是一周中每天、每30分钟间隔的事件数)。

在方框625，例如，从在方框605、610和615识别或提取的维度中识别独立维度。例如，可以确定与事件的优先级得分相关联的维度(例如，如图7B所示)是独立于与计量设备类型相关联的维度(例如，如图7C所示)的。识别维度独立性的一个可能的实现是计算每周的每一天，在21:30，事件是否比每天的其他时间要多得多。相反的情况可用于识别链接维度，计算出只有在星期一、在21:30(例如720)以及一天中的时间和星期几中的其他一些不同的点(例如710、730、740、750、760)才会发生更多的事件。需要进行进一步的检查或操作(例如，在这种分析之前删除“极端异常”)，以验证不是只有单一的一天可以解释这个“链接维度”。

在方框630，从例如在方框605、610和615识别或提取的维度中识别链接维度。例如，在一些实施例中，星期几维度可以链接到与一天的特定时间相关联的维度，例如，如图7所示。

在方框630之后，该方法可以在一些实施例中结束。在其它实施例中，该方法可返回方框605并再次重复(例如，响应于接收到附加电气测量数据)。与方法200和400类似，可以理解的是，在一些实施例中，方法600可以包括一个或多个附加方框。

参考图7，绘图700示出了在一周时段内(即，星期一到星期日)每天每小时发生的事件的频率。判别点(即，以极高值突出的点)由附图标记710、720、730、740、750、760指示。通过分析这些判别点的模式，系统自动推断出哪些维度是判别性的或不是判别性的(例如，每天的时间、星期几、或者每天的时间和星期几的组合)，以及它们是独立的还是链接的。参照图7A，绘图1700示出了在一周时段的每一天中发生的事件的频率，其中一周中的任何一天是不具判别性的。在所示实施例中，针对电气/电力系统中的多个设备聚集数据。然而，在一些实施例中，可以针对单个设备聚集数据(图7D)。

参考图7B，绘图2700示出了电气/电力系统中每个优先级得分的事件频率。根据一些实施例，事件可以具有例如在仪表或历史系统(例如，电力监测系统)内定义的优先级得分。另外，根据一些实施例，事件优先级可以基于优先级得分值的范围。例如，低优先级事件(并非真正的警报)的优先级值范围可以为0-63(在图7B中表示为63)，而低/中优先级事件(在大多数情况下仍然不被视为警报)的优先级值范围可以为64-127(在图7B中表示为127)。此外，中等优先级事件(例如，影响系统并导致触发一个或多个警报的事件)的优先级值范围可以为128-195(图7B中表示为195)，高优先级事件(例如，显著影响系统并导致触发一个或多个警报的事件)的优先级值范围可以为196-255(在图7B中表示为255)。例如，对于某些位置，时间同步问题可能不被视为有危险的，因此相关事件可能不会引发警报，所以被标记为63分。相反，电压凹陷可被视为高影响问题，得分为196分，而中断可获得255分。有了这些信息，就可以诊断何时发生问题，并跟踪问题的潜在来源。例如，可以看到在将软件(或固件)升级应用于计量设备之前，存在X个问题，而在应用软件升级之后，存在Y个问题。如果Y大于X，可以假设软件升级存在需要解决的问题。

例如，图7B所示的信息可用于将系统资源定向到高优先级的事件以例如用于减轻或消除(多个)高优先级事件的影响。另外，图7B中所示的信息可用于观察从一个时段到下一个时段的警报优先级的增加，并响应于该增加而采取一个或多个动作(例如，在方法200的方框230处)。动作的类型可以例如取决于是否迅速采取动作的重要性以及采取或不采取动作的相关联成本(货币和其他方面，例如机会成本)。

参考图7C，绘图3700说明了每种设备类型(这里是施耐德电气提供的计量设备)的事件频率。如本例所示，与计量类型CM4000相关联(例如由其检测到)的事件很少。也如图所示，与计量类型PM5560相关联(例如由其检测到)的事件相当多。在一个示例配置中，CM2450、CM4000和CM4250仪表位于电气/电力系统的输入附近，PM5560位于电气/电力系统中的负载附近，VIP位于CM2450、CM4000、CM4250和PM5560之间。在这个示例配置中(使用绘图3700中提供的信息)，可以确定大多数事件/警报并非发生在电气/电力系统的输入处，而是发生在电气/电力系统的更靠下处(即下游)。如图所示，使用类似于绘图3700的绘图和对计量设备在电气/电力系统中的位置进行层级分析(例如，如图1B所示)，可以确定在电气/电力系统中事件发生的位置(例如，接近电气/电力系统输入、或更下游)。有了这些信息，就可以诊断问题发生的时间，并跟踪问题的潜在来源。

参照图7D，绘图4700示出了每种设备类型的事件频率，类似于上面讨论的绘图3700。然而，在这里，设备类型由源识别号指示。如图所示，与其他设备相比，其中一个设备与大量事件相关联。

参考图7E，绘图5700示出了示例链接维度(这里是时间、事件频率和优先级得分维度)。如图所示，几个判别维度与低优先级事件(例如5750、5760)相关联，而几个判别维度与中优先级和高优先级事件(例如5710、5720、5730、5740)相关联。

参考图7F和7G，绘图6700、7700显示了另一种说明维度的示例方式。这说明了另一种来识别链接的和独立的判别维度的方式。该系统采用诸如主成分分析的降维算法作为一种实现方法。通过计算、或者使得对于专家或数据科学家眼睛来说是可视的，分组可以变得很明显。一个简单的解释是“越靠近，则链接越紧密”，反之，“越孤立，则越独立”(例如，图7G，每天12:30的箭头与所有其他判别点分开)。根据一些实施例，每种技术需要适当的检查，以确保系统提供可靠的分析和可行动的建议，这将有助于解决问题。在一些实施例中，应该交叉检查任何变化的有效性，并且维护操作可以是系统的附加输入，以创建学习/反馈回路，从而验证分析并测量操作的有效性。这继而又使系统智慧增长，从而提供更智能的建议(例如，包括用户/维护团队对系统的纠正动作的有效性)。

参考图8，流程图说明了用于识别和分析电气/电力系统中的判别特征/参数/维度的示例方法800。根据本公开的一些实施例，方法800说明了可以结合上文结合图2讨论的方法200和/或结合上文结合图4讨论的方法400来执行的示例步骤。作为一个示例，方法800可以是在方法400的框420处执行的示例性步骤。与方法200和400类似，方法800可以在电气/电力系统中的至少一个IED(例如，121，如图1A所示)的处理器上、电气/电力系统中的诊断计算系统(例如，125，如图1所示)的处理器上实现，和/或远离至少一个IED和诊断计算系统实现。

如图8所示，方法800从方框805开始，在方框805，例如，从根据电气测量数据(例如，在图6所示的方法600的方框605处)识别的维度、从与根据电气测量数据识别的事件相关联的维度(例如，在方法600的方框610处)、和/或与电气/电力系统中的事件和/或系统相关联的其他维度(例如，方法600的方框615)中，对每一维度进行判别分析。如上文结合图6所讨论的，例如，根据电气测量数据(例如，来自由电气/电力系统中至少一个IED捕获的电能相关信号的电气测量数据或从该电能相关信号导出的电气测量数据)识别的维度可以包括时间维度、优先级和危险程度维度、仪表计数和识别维度、仪表类型维度等。如上文结合图6所述，与根据电气测量数据识别的事件相关联(或从中提取)的维度可以包括来自与电气测量数据相关联的电能相关信号(或波形)的事件前和事件后信息、从事件文本标签中提取的维度、根据电气测量数据识别的事件的(多个)电能质量类型、保护类型等。如上文结合图6进一步讨论的，与电气/电力系统中的事件和/或系统相关的其他维度可以包括(多个)操作类型、内部系统警告，监测健康状态等。电力监测健康状态可指示例如时间同步损失、通信损失等。可以理解，可以提取更多维度。可以理解，在方框805处进行判别分析时可以考虑其他维度。

根据本公开的某些方面，进行判别分析包括(在所有其他先前描述的过程、方法、计算和结果和示例中，但不限于其中任何一个或所有这些)在图7中示出和在图7的说明中所描述的找到一天时间的链接维度(例如，30分钟间隔)和星期几的链接维度(例如，在每周一)，在这里通过标记710来具体说明。可以理解，可以发生用于进行判别分析的其他示例处理。

根据本公开的某些方面，针对每个单个时段(或其他子组，例如每天的某些小时，例如上午、下午、晚上时段)来进行每个维度的判别分析可以提供对判别维度的更深入的相关分析(例如，相较于为一整天进行判别分析)。每个时段的分析可以是进一步分析步骤的准备步骤，例如在这个示例性流程图中的情况，其中805为810准备，然后为815准备。

在方框810，分析所有(或基本上全部)判别维度的组合以例如使得在方框815处能够识别每个时段相对于其他时段的判别性内容。例如，简单地返回到图5，可以将与时段5相关联的判别维度的组合和与时段4相关联的判别维度的组合进行比较，以识别在时段5对比时段4中什么是判别性的。在一个实施例中，可以将所有时段数据用作总体判别分析的输入(例如，将所有数据视为一个时段)。在这种情况下，将只识别跨所有时段具有判别性的判别维度(例如，这些可称为“恒定判别维度”列表)。在另一实施例中，在每个时段中识别的所有不同的判别维度可以组合成判别维度的列表(例如，“至少在一个时段内、或者跨几个或所有时段的全活跃(active)判别维度”列表)。

在方框820，对于每个时段，可以量化一个时段(例如时段5)与下一时段(例如时段4)之间的差异。例如，可以确定时段5比时段4多了三个(或另一个数字)新的判别维度。在一个实施例中，这可以旨在解聚集从先前每个时段“继承的”判别维度。这种情况下的目标可能是提供“未解决问题的历史步骤”诊断报告，以帮助在前一位专家退休后到达站点的新用户了解正在发生的事件的数量和重要性。这个示例可以识别出哪些先前时段的事件类型在未被解决时将成为新的正常的。这种情况的典型图表是“逐步”增加事件数量。然后附图标记820将显示从一个时段到下一个时段将添加多少个事件。在这种情况下，再一次地，需要确认附加的假设，例如减去先前时段的事件数量，并检查相同的区分维度是否继续，即使由于添加下一未解决问题而变得越来越模糊。在方框825，基于量化的差异来识别判别特征，例如结合上面的图描述的特征和与相互堆叠的未解决问题相关的量的逐步增加的先前的示例中描述的特征。

在一些实施例中，在方框830(在一些实施例中是可选的)处，可以例如在绘图上呈现与每个时段相关联的判别特征和/或与判别特征相关联的信息(例如，如图9和9A所示的优先级得分，下文将进一步讨论)。例如，绘图可以显示或指示事件的数量从一个时段到下一个时段是增加或减少的，以及事件数量增加或减少了多少(在事件数增加或减少的实施例中)。例如，可以在用户设备(例如，图1中所示的114)的显示设备上呈现该绘图，或者例如在这里公开的监测和控制系统的或与之相关联的另一设备上呈现该绘图。因此，可以用同样的方法分析减少，例如：以前存在的任何问题是否得到解决？是与最近的先前时段相关还是与一些其他更早的先前时段相关的问题？或者这是持续存在的判别维度(这是相关的真实问题)？

在方框830之后，该方法可以在一些实施例中结束。在其它实施例中，该方法可返回方框805并再次重复(例如，响应于接收到附加电气测量数据)。与方法200、400和600类似，应理解的是，在一些实施例中，方法800可以包括一个或多个附加方框。

参考图9和9A，绘图900和1900示出了两种其中可绘制与判别特征相关联的信息的示例方式(例如，在方法800的方框830处)。如图9所示的绘图900所示，例如，与判别特征(这里，事件的频率和优先级得分)相关联的信息可以针对一周时间范围内的每个时段绘制。在所示实施例中，有四个时段。如图所示，在第一时段，有许多低优先级事件(图中由63表示)。如图所示，在第二时段，有许多低/中优先级事件(图中由127表示)。

同样参考图9A中所示的绘图1900，该绘图在另一个类似的示例中说明了如何以不同的方式(例如，在这个新示例中，在删除了不具判别性的星期几维度之后)来呈现绘图900中所示的信息。更具体地说，可以看到，大多数低优先级事件(图中由63表示)发生在第一时段期间，而大多数低/中优先级事件(图中由127表示)发生在第二时段期间。根据这些信息，可以确定事件的原因(或者至少可以缩小潜在原因的范围)。例如，可以确定低优先级事件最常发生在员工开始当天工作的时候。利用这些信息以及有关员工当天开始工作时的习惯或习俗的信息(例如，他们运行某些流程以开始他们的一天)，可以分离出低优先级事件的(多个)原因。

参考图10，流程图说明了用于识别和分析电气/电力系统中事件/组的序列的示例方法1000。与方法800类似，根据本公开的一些实施例，方法1000说明了例如可以结合上文结合图2讨论的方法200和/或结合上文结合图4讨论的方法400来执行的示例步骤。这说明了另一种类型的聚集和分析。它可以与先前使用的聚集每天事件/警报数量的示例并行和附加地进行。或者可以独立于前面描述的聚集和分析来进行。在这个具体实施例中，分析集中在重叠事件的组(事件/警报数量的聚集是根据重叠事件的序列(sequence ofoverlapping events，SooE)进行而不是每天进行的)。目标是识别这些重叠事件序列的模式、趋势、集群(相似SooE的组，与其他SooE的组明显不同)。如果不是独立地进行，而是结合先前的分析，一个实施例中的系统可以将SooE分析视为先前每日聚集的特定判别维度(例如，在每日分析中使用判别集群作为一维分析。从技术上讲，这可以通过以与每种电能质量类型相同的方式使用每个集群来实现)。与方法200和400类似，方法1000可以在电气/电力系统中的至少一个IED(例如，121，如图1A所示)的处理器上、电气/电力系统中的诊断计算系统(例如，125，如图1所示)的处理器上实现，和/或远离至少一个IED和诊断计算系统实现。

如图10所示，方法1000从方框1005开始，其中事件(例如在方法200的方框210处识别的电力事件)被分组到组/事件的重叠序列中。例如，在方框210处识别的事件中的至少一个可以与在方框210处识别的至少一个其他事件重叠或顺序发生。根据一些实施例，重叠事件或事件序列可基于相似性(例如，事件类型)、邻近性(例如，事件的位置)等、例如使用集群的层级方法来分组。可以理解，这些事件可以基于任意数量的特征来分组。

在方框1010处，所有(或基本上所有的)维度可以被“拉入”或者从方框1005处形成的每个组中提取或识别。在一些实施例中，维度可以包括判别维度和非判别维度。

在方框1015处，可以针对每个组(以及在某些情况下组的子部分)例如使用电能质量配置文件库来识别电能质量配置文件。根据本公开的一些实施例，电能质量配置文件库存储在实施方法1000的(多个)系统或(多个)设备上或由其访问。作为一个示例，可以从与包含最新电能质量配置文件的云计算设备相关联的贮存设备来访问电能质量配置文件。

在方框1020处，模式分析技术被用于例如基于在方框1015识别的电能质量配置文件来识别每个组中的模式。一些模式已经在前面提到过了：每日每小时模式(例如，大多数SooE，或最长持续时间SooE，或多数警报/事件出现在17:30的SooE)、星期几模式(例如，每星期天)。其他模式的示例包括季节性模式(如温度相关、节假日相关)等等。简单地计算哪个模式具有最大“解释能力”就可以以最独特的方式(例如不同于其他SooE集群)解释大多数情况。

在方框1025，可能基于方框1020处识别的模式，分析组(或组的子部分)以及判别维度是否存在明显或不明显的链接。例如，在图11-11B中示出了链接维度的示例，将在下面进一步描述。在一个实施例中使用的链接分析技术是应用相关性分析，然后应用层级集群化以按接近度对维度排序。这通常有助于在视觉上显示统计上的接近性(组＝同时发生的集群)以及统计距离或人们可以视觉观察到的“对立”(例如，如果这个维度是判别性的，那么“排除”这个的另一维度(例如，计算出的负相关，如图1100中用深蓝色所示)。

在方框1030，(多个)序列分析技术被用于分析组的内部序列(例如，SooE集群1可能显示凹陷模式，然后是中断模式)，以及不同SooE之间的序列(例如，集群1SooE的模式通常随后是集群2的SooE模式)(可能是在方框1025相链接的序列)。

在方框1030之后，该方法可以在一些实施例中结束。在其它实施例中，该方法可返回方框1005并再次重复(例如，响应于识别附加电力事件)。与方法200、400、600和800类似，应理解的是，在一些实施例中，方法1000可以包括一个或多个附加方框。

参考图11-11B，绘图1100、11100和21000说明了例如可以发生在上文讨论的方法1000的方框1025处的链接分析所示。如这些附图中的每一个所示，组(在某些情况下还有子组)的模式非常明显。深蓝色意味着在相关性方面高于0.8，这意味着组和/或子组之间存在非常强的相关性。此外，深红色意味着在负相关性方面低于-0.8，这意味着非常显著地排除了其他(多个)维度或群(例如，集群)。这种类型的分析可以随着深度的增加而进行(例如，1100显示的维度小于11100)。因此，重要的是要将高级维度(例如，1100只保留很少的判别维度)与更完整或更详细的分析(例如，21100，其中系统不仅可以保留判别维度，甚至可以保留诸如先前在其中一个示例中提到的每天21:30的每小时的值)相区分。这使得能够查看(链接的或排除的)不明显的链接。排除有时是对专家识别可能的来源/原因最为有用的(例如，知道PQ事件不是由故障引起的，可能会引导他在建筑管理系统中寻找相关性(同时发生)，而这些可能尚未与本系统相链接)。

参考图12，绘图1200说明了根据本公开实施例的每日/接近实时警报和诊断的概念。在一些实施例中，警报可以包括警告和诊断。示例性警告可以包括，例如，指示移动超过阈值(是极端日期)的第一警告和指示移动到任何先前存在的日期之上的第二警告(在一些实施例中是可选的)。示例警告还可以包括指示一天中按需当前状态(在警告1之后)的第三警告(在警告1之后)，以及指示每日警报总数的第四警告。对于每个警报，可以提供可用和显著诊断以例如指示新问题、少数或扩展仪表、特定类型的仪表等。

根据本公开的某些方面，电气/电力系统可在特定位置(例如，在特定IED处)或在所有监测点(例如，所有IED和能够监测或创建事件或警报的所有电气设备)的聚集级别检测到“极端异常日”。系统为每个IED和全球系统(以及为电气/电力系统层级中的其他相关位置)动态定义阈值，该阈值是定义先前描述的“极端异常日”的值(例如，使用当前/活跃时段的中值+3*IQR，以及自上次确定的变化点后，没有新的变化点被确定为活跃的时段的中值+3*IQR)。如果在任何一天中，事件的数量超过该阈值，则在一些实施例中，系统可以发出警告。此警告可以是在用户设备上的移动应用中可视化的警报，或者是在每个SMS或电子邮件中发送的消息。

根据另一个实现方式，用户可以在收到“极端异常日”的通知后请求“当前状态诊断”。然后，系统将运行所有如前所述的判别分析。主要的差异在于，将把一天的当前状态视为是继当前时段之后的新时段。在图12中，只有一个时段是在极端异常的第一天识别的。在一些实施例中，系统将运行所有分析来比较一个时段(就好像在实时系统中已经停止了前一天＝昨天)，并将其与当前日进行比较(例如，为这一天识别判别维度，然后将差异与时段1进行比较，就好像这一天实际上是时段2)。然后这可以导致找出有哪些主要差异，用户可能需要关注哪些方面(例如，特定仪表？特定位置？特定时间？特定类型的仪表？等等)。在某些实施例中，该报告可直接生成并与“极端异常日”的第一警戒一起发送。

在一些实施例中，可以在系统中定义第二警报阈值，“记住”过去最糟糕的一天。如果在“极端异常日”期间，也超过了第二阈值，则这可以产生附加警报。这继而可以触发附加动作，例如作为一个示例，向更多用户/经理发送通知，等等。

在另一个实施例中，系统可以在第二天向预定义的用户列表发送这种“极端异常日”的摘要报告。这可以包括趋势评估(例如，应用预测算法和趋势分析，尤其是在前一天晚些时候检测到问题并不断加速的情况下)。

根据进一步的实施例，提供了一种用于使用事件流分析(也称为数据流分析术或分析)来监测电气系统的方法和系统。该方法和系统可以随着时间监测和分析(多个)事件流以检测活动的变化，这可以指示(多个)系统状态的变化，例如从“普通”状态到“异常”状态。(多个)事件流可以是实时或半实时的事件流，或者是根据其时间执行流分析的时间戳事件流。事件流分析可以随着时间评估事件流以识别可行动触发，该可行动触发进而还可以进一步被分析以确定是否采取动作(例如，警报或其他通知、附加分析或数据处理、监测的系统的重新配置或修复、关闭监测的系统或特定系统组件/子系统、其他动作等)。监测的事件可以包括电力、电气和诸如在本文中的各种示例所描述的其他事件。事件或可行动触发的数据或其他数据可以从(多个)位置流式传输到(多个)远程位置或中央位置，以使用已知的数据流配置或框架进行分析。

事件流分析可以受制于(多个)时间约束，例如持续时间(例如，滑动时间窗)和/或时间排序的序列，用于评价流分析中要考虑的来自(多个)流的数据的有效性或无效性。(多个)时间约束的使用可以识别或解决与数据有效性或无效性相关的问题，该数据诸如用于(多个)事件或(多个)可行动触发的数据，这些数据例如是不可用、缺失、不完整、延迟、矛盾或无序接收的数据。

在一些实施例中，可行动触发可以与(多个)事件流的(多个)特征有关。例如，可以监测一个或多个类型的事件的(多个)事件流的容量或比率的特征以确定事件严重度或此类事件的变化的比率，以便识别数据流和/或(多个)事件的状态的任何显著变化。在此类方法中，可以不需要提前知道客户过程或业务的详细特征。在一些情况下，这种方法可以利用配置不完善的监测设备。除其他事项外，得到的动作可以包括允许诸如支持工程师或客户的用户调查状态变化并行动的通知。该通知还可以信令通知另一个过程，以更详细地查看整个系统数据流，并应用分析或机器学习来确定根本原因。得到的动作还可以包括信令通知系统的其他分析组件，这些组件可以搜索与状态变化相关的任何内容。下面更详细地讨论可行动触发的这些和其他示例。

图13示出了不同类型的可行动触发1350的高层级框图，其可以通过分析诸如用于电气系统的(多个)事件流(或其数据)1300来识别。可行动“触发”是一种情况(或场景)，它可能是采取某些行动的基础。可行动触发可以包括单一触发1352、组合触发1354或其他触发情况，这些可行动触发可以基于事件的流分析来识别，诸如从一个或多个不同类型事件的(多个)事件流中识别。(多个)事件流可以是实时或半实时的事件流，或者是根据其时间执行流分析的时间戳事件流。

单一触发1352可以包括数值触发、内容触发或其他触发，该单一触发是基于对因素的状态的分析，例如对单个事件或单个事件类型满足(或不满足)(多个)条件的分析。

数值触发可以指满足(或不满足)数值条件的事件或事件类型(例如以值、比率、严重度等的形式)的数值(或可量化)状态。比率的示例可以是前一个稳定时段的每日比率中值+3*IQR等。另一个示例可能是超过给定阈值的值，ISA 18.2中定义的此类泛洪条件，或超过根据ISA 18.2定义的阈值的每10分钟时段的警报数量(例如，取决于警报管理系统内的操作器数量)。另一个数值触发可以是事件流内包含的IED的数量。例如，这可以表明电力系统内部问题的“扩散”。这种触发可以基于用户设置的阈值(例如，“我希望在超过5米都接收到事件时收到警报”)，或者基于先前的操作条件自动地触发(例如，当以前事件流典型地影响1至5米之间时，系统可以基于标准统计分析自动将在7米或更多米处的阈值设置为受影响)。另一个示例是例如负载损失的百分比的计算值(例如，如果负载损失>30％)。或者它可能是与例如超过给定或计算阈值的电能消耗的其他值相关的触发。

内容触发可以指满足(或不满足)条件的事件或事件类型的可限定状态。例如，内容触发可以包括特定的警报文本/标签，诸如“负载损失>30％”。内容触发的另一个示例是特定类型的电能质量警报消息(例如，“1相电压损失”、“电压不平衡”、“电压凹陷”、“电压瞬变”、“检测到闪变”等)。或者可能的内容触发的另一个说明可以是特定的WAGES相关警报(例如，“公用事业最高比率时段”)。

组合触发1354可以包括条件触发、演化触发或其他组合触发，该组合触发基于在分析时发生和/或未发生多个可行动触发的组合。当执行事件数据流分析时，可以采用与时间戳事件数据相关的各种时间约束来确定和解决数据的有效性/无效性。时间约束可以识别或解决数据，诸如不完整/完整数据、矛盾数据、不一致数据、补充数据或与(多个)事件或(多个)可行动触发相关的(多个)数据流的状态。在一些实施例中，可以开发并报告关于所观察或所识别的(多个)触发或者发生和/或未发生的可行动触发的组合是否为(多个)实际触发或可行动触发的组合的置信因子(例如，概率或置信指数)。

条件触发还可以指满足(或不满足)条件的特定可行动触发的发生或未发生。可以在一个持续时间内或之内(例如，在预定义时段(例如，运行时间窗)内或之内)，针对可行动触发的相关组评估条件触发，该预定义时段可以并入预定义接收延迟时段，该预定义接收延迟时段考虑了在接收用于分析要考虑的数据中的可接受延迟。接收延迟时段可以指相关数据(例如，事件或可行动触发)的识别或发送与接收用于流分析的数据的时间之间的时间。数据可以在诸如在此描述的(多个)过程的各个阶段(例如，识别、发送、接收等)打上时间戳，以确定用于与接收延迟时段或其他时间条件进行比较的期望时段。出于解释的目的，条件触发可以使用诸如AND、OR、XOR、NOT等的逻辑运算符来表示。条件触发的一个示例可以采用以下形式：IF(Numeric_A)AND(Content_C)AND NOT(Content_B)AND triggered THENTrigger(Conditional_D)，其中Numeric_A可以表示数值触发，Content_B和Content_C可以表示内容触发，并且Conditional_D可以表示条件触发D。

演化触发可以指满足(或不满足)条件的监测的系统的状态的演化，并且可以涉及随着时间对可行动触发的序列的评估。可以根据预定义的顺序并在预定义的持续时间(例如，运行时间窗)内评估可行动触发的序列。演化触发的示例可以采用以下形式：IFSequence＝TRUE WITHIN Time_duration THEN Trigger(Sequence_E)，其中Sequence可以表示在预定义时段内并以预定义顺序发生的可行动触发的序列，并且Sequence_E可以表示演化触发E。

当执行流分析时，要评估的数据流可能包含无效数据或其他数据，这些数据可能无法准确反映或提供对被监测的系统的一种或多种状态的准确反映。此类无效数据或其他数据可能包括数据，诸如用于(多个)事件或(多个)可行动触发的数据，这些数据是不可用、缺失、不完整、延迟、矛盾或无序接收的。为了解决这些可能与组合触发特别相关的潜在数据流问题，事件流分析可以使用(多个)时间约束，例如持续时间(例如，滑动时间窗、数据接收延迟时段、并入数据接收延迟时段的时间窗等)和/或时间排序的序列，用于评估要在分析中考虑的数据的有效性或无效性。然而，时间应被视为出于说明目的而提供的一个维度。还可以应用其他规则或维度来解决各种数据流问题作为约束或解决方案(例如，缺失数据的数据插值、极端异常值的异常值去除等)。出于解释的目的，下面讨论了数据流问题的各种示例场景。

例如，不完整的数据可能在执行流分析时造成潜在问题。流分析系统可以通过在执行(多个)可行动触发的识别或在此类识别后采取某些动作时应用绝对完整性要求(例如，(多个)条件)来部分解决数据流中不完整数据的问题，某些动作例如可以包括处理、报警或控制等其他动作。执行报警、附加的监测相关的分析和/或触发与电力相关的动作(例如，《切换到UPS》、《将发电机打开，尚未切换到发电机电力》、《切换到发电机电力》)的一些流分析系统允许不完整的数据(例如，缺失或无效的数据)。存在附加到数据的足够的有效性(例如，SUFFICIENT_VALIDITY)状态。这可能会在数据质量正在被监测时发生，并且将触发系统/处理标志。标志继而可以允许处理。例如，在组合触发的上下文中，可以实现几个条件阈值。条件阈值的一个示例可以是，如果一天中缺失超过一个累积时段(例如，24小时中的7小时)，则这一天将被标记为不完整的，这继而将禁用大部分数据流处理。时间因素是关于与不完整数据和矛盾数据相关的条件，这将在下面进一步详细讨论。

此外，当执行流分析时，“补充数据”可以提供对不完整或缺失数据的有用替代。例如，流分析系统可能不接收到给定时段(例如，第100天，22:00:00和23:30:00之间)的任何间隔数据，或者换句话说，缺失一些数据。但是，系统可能具有在23:30:00时间戳接收的累积索引。这是补充数据的示例。系统检测到6倍缺失的《15mn间隔数据点》，因此，状态被定义为不适用的《NA》。系统还接收在这些缺失间隔期间测量的电能的增量值。该值是在23:30:00时间戳接收的增量值。然后，系统可以使用该补充数据做出假设：6个缺失值中的每一个都可以分类为基本负载时间，因此系统将不会触发警报。更具体地说，对于基本负载警报计算，模型可以要求将每个电能时间戳分类为《停机时间》或《运行时间》。《停机时间》的分类变化很小(例如，标准偏差)。《停机时间》的平均值比《运行时间》的平均值低6倍。因此，通过采用累积值并将其除以缺失时间戳的数量，可以获得与停机时间相同的平均值。由于标准偏差很小，系统可以将缺失的测量值分类到停机时间类别中。

在流分析系统中，当分析(多个)数据流时，诸如在(多个)数据流中存在不完整或矛盾的数据时，时间和数据质量是相关的。不完整数据可以指与迟到数据(例如，《迟到数据》)相关的不同时间有效性(TIME_VALIDITY)。矛盾数据可以指与每个测量/时间戳相关的不同状态有效性(STATE_VALIDITY)。将首先讨论时间的一般相关性，然后讨论不完整数据和矛盾数据的示例场景。

在流分析系统中，可以为每个PROCESS/ACTION不同地定义诸如TIME_BEFORE_ACTION的时间约束。该TIME_BEFORE_ACTION(或持续时间)可以被视为附加的CONDITION或STATE。例如，由于数据通过计量系统不均匀地流动，因此测量值/时间戳将以不同的速度和时间波动(延迟)流动。这种情况有很多不同的原因，例如MODBUS拥塞(创建数据流量堵塞)、MODBUS和以太网之间的速度差异、Edge软件的驱动程序转换时间和注册表到文本标签的硬件映射等。对于每个时间戳或时段，对于任何或所有触发(模型、警报、动作等)，系统可以在动作之前使用计时器。等待前一步要接收或处理的更多数据是时间条件。这将适用于要采取的每一个动作步骤。每个动作步骤的值可能不同(例如，可能的说明：在预处理步骤中等待1分钟的迟到数据，在发送SMS之前等待20秒)。当在下一步骤等待时段的等待时段期间，新数据到达时，这本身又需要明确的条件处理。可能存在降级模式(诸如，如果数据不完整对如果数据完整，则发送不同的消息)。

不完整的数据可能会出现数据质量问题，诸如迟到数据(例如，迟的电能数据到达)。有效时间的使用可以有助于解决此数据质量问题。例如，在示例电能分析案例中，为了二月份的数据，从系统接收六月数据。一些问题阻止了通信(例如，作为可能原因的本地防火墙配置更改或物理线路断开)。系统处理了数据并在二月数据中发现了3个不同的电能相关警报。在流分析系统中处理这种情况有多种方法，如下所示。

创建警报并发送警报。但是，此信息在事件发生4个月后可能对用户没有帮助。提供时间约束(诸如时间有效性)可以用于确定在迟到数据仍被认为相关时是否发送警报或警告或采取其他动作。不同用户的时间有效性的持续时间可能不同(例如，48小时内、1个月内、3个月内有效等)。当存在来自不同合作伙伴公司的服务团队和设施管理团队时，这尤其有意义。服务团队将对历史视图感兴趣，历史视图包括所有趋势和系统问题。设施管理团队对“现在发生了什么……对此我应该做些什么”感兴趣，也许只是对趋势的高层级历史季度回顾。还可以为迟到数据提供系统警告，例如《迟到数据创建3个未发送警报》。

重新处理月度电能分析模型。这允许模型反映最佳可能的历史可用数据(例如，尽可能接近实际行为的模型)。这可能适用于基本负载警报(例如，停机时间警报模型)和建筑特征(例如，与外部气温相关的警报模型)的情况。

向用户发送更新的月度报告，向用户发送更新信息消息(例如，电子邮件)，或者简单地将具有《更新的》标志的新更新的报告存储在表中(以便如果需要，用户可以去取得它)。

该示例说明了连续触发的动作的时间相关和序列相关的可能层(作为条件，或作为序列，诸如《如果……那么……如果……那么……如果……那么》)。

数据质量问题也可能随着矛盾数据而出现，例如在不同的状态有效性(STATE_VALIDITY)与测量或时间戳相关联的情况下。例如，由于主数据管理(例如，更新数据模型)或DB管理(例如，数据库)(诸如DB迁移项目)导致的转换或导出问题后重新发送的历史数据。当一个应用或应用架构或组件被弃用或被新版本取代时，出现此类迁移项目。流分析系统可以是主数据库的从属，其可以是更新其数据模型的实时系统。在这两种情况下，系统可能会接收一些矛盾数据。出于说明目的，提供了两个不同的示例。在第一示例中，由于将有效值从255重新编码为另一个值(诸如192)，因此与每个时间戳相关联的数据有效性状态值可能改变。在第二示例中，单位计算的变化可能已经在新系统中从瓦特小时改变为千瓦特小时(因此该值将除以1000)。系统可能已经在流系统中接收到原始值，但在迁移被实施时，新值被再次发送到分析系统。在流分析系统中，如果针对给定的度量时间戳接收到两个不同的值，则可以将矛盾值标记为无效。这可以被转变，并且可以触发第二次重新导入。替代地，系统可以允许擦除所有先前接收的历史值，以便迁移的数据与实时系统数据转换相匹配。替代地，系统可以设置为始终将最新版本视为有效，但也每天发送所有特征的警报报告，这些特征对于给定的来源和时间戳具有不同的值(例如，对于给定的时间戳“2019/09/13”，诸如“仪表345”的“当前相位A”的特定测量可能两次接收到诸如“20000mA”和“20A”的值。在本示例中，用于进一步分析或报告或显示的新值将是“20A”)。

图14示出了根据实施例的用于评估(多个)事件流的示例过程1400。过程1400的操作可以使用一个或多个处理器或在一个或多个处理器的控制下实现。(多个)处理器可以被配置为对数据流或流处理(例如，(多个)流处理器)执行流分析。一个或多个处理器可以位于或跨越一个或多个IED或在监测环境中具有(多个)处理器、存储器和通信模块/接口的其他计算机系统。

在方框1402处，在电气系统中捕获电能相关信号。电能相关信号可以由IED或其他设备捕获。

在方框1404处，从捕获的电能相关信号识别在电气系统中发生的事件。在方框1406处，可以将所识别的事件进一步表征为正常事件或异常事件。这些事件可以在IED或与传感器通信的其他监测设备处识别，或在此类设备的下游由远程计算机的一个或多个处理器识别。

在方框1408处，实时或半实时地分析事件的(多个)事件流，以识别不同的可行动触发。

在方框1410处，随着时间分析不同的可行动触发以识别满足预定义的触发组合和分析时间约束的发生和/未发生的可行动触发的组合。例如，不满足分析时间约束的事件或可行动触发的数据可被视为无效数据。当执行(多个)事件流的分析以识别可行动触发或发生和/或未发生的可行动触发的组合时，无效数据可以包括不可用、缺失、不完整、延迟或无序接收的事件或可行动触发的数据。

分析时间约束可以例如包括预定义持续时间，在预定义持续时间内，当执行(多个)事件流的分析以识别可行动触发或发生和/或未发生可行动触发的组合时，可行动触发或其相关联事件的数据将被视为有效或无效。可以使用用于分析(多个)事件流以识别可行动触发或发生和/或未发生可行动触发的组合的运行的时间窗来实现持续时间。时间窗还可以并入接收延迟时段，接收延迟时段定义了用于接收在事件流分析中要考虑的数据的可接受延迟。

分析时间约束还可包括预定义时序序列，在预定义时序序列中，当执行(多个)事件流的分析以识别可行动触发或组合时，可行动触发及其相关联事件将被视为有效或无效。分析时间约束可以包括时间条件，在时间条件中，具有相同时间戳的任何事件或可行动触发的数据作为矛盾数据被视为无效。

分析时间约束还可以包括时间条件，在时间条件中，(多个)事件数据流包括不完整事件数据。在一些实施例中，过程1400还可以出于执行事件流分析的目的，用来自(多个)事件数据流的补充事件数据替换不完整事件数据。

在方框1412处，响应于对发生和/未发生的可行动触发的组合的观察，采取一个或多个动作来解决事件。动作可以包括例如警报或其他通知、附加分析或数据处理、监测的系统的重新配置或修复、关闭监测的系统或特定系统组件/子系统、或任何其他用户或系统确定的动作(例如，如果电机数据无效，则触发电机的保护继电器，从而保护可能失败)。

应当理解，在一些实施例中，过程1400可以包括一个或多个附加方框、步骤或操作。例如，在一些实施例中，过程1400可以包括开发所观察到或所识别的(多个)触发或发生和/未发生的可行动触发的组合是(多个)实际触发或可行动触发的组合的置信因子。在一个示例实现方式中，可以基于与时间序列信息相关联的特征和/或数量和与选择的(多个)触发或可行动触发的组合相关联的特征和/或数量相匹配的紧密程度来开发置信因子。选择的(多个)触发或可行动触发的组合可以从组合类型的库中列出的多个潜在(多个)触发或可行动触发的组合中选择。根据本公开的一些实施例，可以附加地或替代地从由最终用户提供的输入中开发置信因子，以验证(多个)触发或可行动触发的组合。作为少数示例，可以(例如，经由文本、报告等)将置信因子传送给最终用户、(多个)设备制造商和/或服务团队。根据本公开的一些实施例，所传送的置信因子可以例如响应于用户输入而被更新。例如，用户输入可以包括例如从多个可能的触发或组合类型的列表中对所识别的(多个)触发或可动作触发的组合的用户选择，和/或对所识别的(多个)触发或可行动触发的组合的用户验证。还可以传送置信因子的理由/原因。例如，可以传送与置信因子相关联的置信水平，诸如以高、中或低置信度的定性形式或定量形式(例如，10％或0.1、90％或0.9等)，以用于对所选择的(多个)触发或可行动触发的组合进行观察或识别。置信因子分析的实现方式可以作为方框1410中的(多个)附加操作来执行，或者作为过程1400中的(多个)附加块或(多个)步骤来执行。

图15示出了根据进一步实施例的用于评估(多个)事件流的示例过程1500。过程1500可以由一个或多个处理器实现，或者跨一个或多个处理器实现，或者在一个或多个处理器的控制下实现。一个或多个处理器可以被配置为对数据流或流处理(例如，(多个)流处理器)执行流分析。一个或多个处理器可以位于或跨越一个或多个IED或在监测环境中具有(多个)处理器、存储器和通信模块/接口的其他计算机系统。

在方框1502处，在电气系统中捕获电能相关信号。电能相关信号可以由IED或其他设备捕获。

在方框1504处，基于以下至少一者实时或半实时地将事件表征为正常事件或异常事件：事件的(多个)位置、与事件相关的过程步骤、事件发生率、事件的流动比率、事件的(多个)严重度和事件的(多个)类型。正常事件的流动比率变化可能构成作为异常的事件的触发(例如，当系统正常地测量到0到5个“正常”事件的流动比率时，诸如每10分钟间隔开启若干HVAC系统“开/关”的操作切换信息，然后系统突然开始测量以每10分钟间隔的20到50个操作切换的流动比率的强烈增加)。另一个示例可能链接到测量数据到达与处理数据结束之间的时间。这本质上是“正常事件”。但是，如果处理时间超出某个先前的“正常持续时间”(例如，0到5秒之间)到“异常持续时间”(例如，使用计算的阈值，诸如“正常持续时间”*6的平均值)，则该处理成为警告系统注意要识别和分析异常情况的触发。

此外，事件经常与过程相关。过程可以链接到各种系统。这些系统可以通过两个非限制性示例来说明：(1)建筑管理过程(例如，HVAC和照明只是每个人都可以涉及的两个子过程)，或(2)诸如金属面板装配线所需的制造过程。

在这些情况中的每一种情况下，例如可以按照如下识别过程步骤。

·对于建筑管理系统，例如可能有两个主要的屋顶单元，它们将交替打开和关闭以减少电能消耗。在这种情况下，传感器可以发送与每个状态变化相关的事件数据(例如，先打开每一个，然后关闭)，并提供连续的数据测量(例如，对于每个屋顶单元、相关的温度测量等)。这些周期通常具有可以由系统学习的典型模式(例如，在一个示例中，每个屋顶单元开启的每个周期之间的时间范围可以在几分钟到最多几个小时之间)。这将被视为作为正常条件的每个步骤。如果检测到非常快的循环(例如，少于1分钟)，则可以向设施管理员发送警报以提供屋顶单元之一的潜在功能障碍的警告。该警报可以通过监测每个屋顶单元的事件的流动比率来触发。

·对于制造系统，可能的过程步骤的一个示例可以是：库存撷取可以是过程步骤1，传送带将零件移入制造大厅可以是过程步骤2，然后装配线可以是过程步骤3，然后喷涂过程可以是过程步骤4，并且最终装配和封装可以是步骤5。过程步骤可以定义为过程流程中所需的一个步骤。因此，每个过程步骤可以生成许多事件(例如，打开/关闭电机、打开/关闭喷涂机器人、打开/关闭喷涂蒸煮机、打开/关闭传送带)。如果制造系统(例如，制造SCADA软件)获得异常高的切换率(例如，比在我们的示例中用于一个或多个过程步骤的切换高出10倍)，则可以向过程监督者发送警报。

因此，过程可以应用于非常不同类型的应用。在每种情况下，过程步骤可以是特定的。它们可以被定义为子过程，并行运行或彼此顺序运行。因此，如果安装了传感器，它们可能捕获与捕捉状态变化(例如，打开/关闭)或连续测量(例如，传送带的连续变化速度或喷涂蒸煮过程的°F温度测量)的每个过程步骤链接的事件数据。

在方框1506处，在预定时段内针对以下至少一者执行观察：异常事件在电气系统中发生的比率，电气系统中事件的(多个)严重度增加的比率、正常事件转变为异常事件的比率以及电气系统中事件的(多个)位置的变化。

在方框1508处，响应于观察，采取一个或多个动作来解决事件。动作可以包括例如，警报或其他通知、附加分析或数据处理、监测的系统的重新配置或修复、关闭监测的系统或特定系统组件/子系统、其他动作等。

在一些实施例中，如果流组件能访问与事件捕获相关联的时间戳(例如，事件实际发生的时间)，则将该时间戳与其通过(多个)流处理器的时间进行比较可以提供对事件监测系统的操作和事件或其他相关联数据的收集的一些附加见解。例如，每个事件可以具有与识别事件的时间相关联的第一时间戳。分析系统和方法可以包括从一个或多个边缘设备跨网络环境将所识别事件的事件数据的(多个)事件流实时发送到远程或中央位置，以用于执行表征或观察操作、接收所识别事件的事件数据的(多个)事件流。每个识别的事件已经可以分配有第二时间戳，第二时间戳指示何时接收到所识别事件的事件数据。该系统和方法还可以包括随着时间评估所接收到的识别事件的第一时间戳和第二时间戳以识别(多个)事件流的时序问题。图16中描述了示例过程。

图16示出了根据实施例的用于评估(多个)事件流的示例过程1600。过程1600可以由多个处理器实现或者在多个处理器的控制下实现，这些处理器彼此通信并且可以被配置为对数据流执行流分析。一个或多个处理器可以位于或跨越一个或多个IED或在监测环境中具有(多个)处理器、存储器和通信模块/接口的其他计算机系统。

在方框1602，第一时间戳被分配给每个识别事件。可以基于在电气系统中捕获的信号来识别事件。

在方框1604处，所识别事件的事件数据的(多个)事件流被发送，诸如从监测设备(例如，IED或计算机系统)发送到远程设备(例如，远程IED或计算机系统)。

在方框1606处，从一个或多个远程的(多个)位置或过程步骤接收所识别事件的事件数据的(多个)事件流，并且将第二时间戳分配给每个接收到的识别事件。第二时间戳可以指示接收到事件(或其数据)的时间。在另一个位置的情况下，这将能够分析与电力系统内部的连接、通信和数据传输瓶颈及其他相关的问题。作为一些示例，在过程步骤的情况下，这将能够分析处理瓶颈、处理过载，甚至诸如内存不稳定的硬件问题。

在方框1608处，随着时间评估接收到的识别事件的第一时间戳和第二时间戳以识别(多个)事件流的时序问题。评估的时序问题可以包括除其他事项外的以下内容：

·如果事件时间戳晚于接收时间(即在未来)，则可能隐含数据捕获系统中某处存在时钟问题。

·典型事件传输时延的计算和跟踪。

·如果事件时间戳与接收时间有一致的增量，这也表明存在时钟问题。

·如果来自特定边缘平台的所有事件都具有类似的时间戳增量，则隐含在站点的时间同步服务存在时钟问题。

·如果事件时间戳逐渐落后于接收时间，则表明数据收集和传输过程不能像生成事件数据那样快速传输事件数据。

在方框1610处，当检测到或没有检测到事件流的时序问题或其他确定的条件时，事件或事件流被分类并标记为异常或正常。方框1412和1504的描述提供了将事件或事件流分类为正常或异常的一些示例。

在方框1612处，分析事件或事件流并且系统根据对事件或事件流分类或标签的分析采取动作。方框1408、1410和1506的描述提供了一些分析示例的描述。方框1412和1508的描述提供了可能动作的一些示例的描述。

如上所述并且本领域技术人员将理解，本公开的实施例可以配置为系统、方法或其组合。因此，本公开的实施例可以包括含有硬件的各种部件、软件、固件或其任何组合。

应当理解，本文寻求保护的概念、系统、电路和技术不限于在本文所述的示例应用(例如，电力监测系统应用)中使用，而是，在需要在电气系统中管理智能警报的基本上任何应用中都可能有用。虽然已经示出和描述了本公开的特定实施例和应用，但是应当理解，本公开的实施例不限于本文公开的精确结构和组合物，并且在不偏离所附权利要求中定义的本公开的精神和范围的情况下，可以从上述描述中明显地得到各种修改、变化和变型。

在描述了用于说明作为本专利主题的各种概念、结构和技术的优选实施例之后，现在对于本领域的普通技术人员来说显而易见的是，可以使用包含这些概念、结构和技术的其他实施例。另外，本文描述的不同实施例的要素可以组合以形成上文未具体阐述的其他实施例。

Claims (24)

1.一种分析电气系统的事件的方法，包括：

接收在所述电气系统中发生的事件的一个或多个事件流，从所述电气系统中捕获的电能相关信号中识别所述事件；

分析所述事件的一个或多个事件流以从中识别出不同的可行动触发，不同的触发包括其中一组事件满足一个或多个预定触发条件的场景；

随着时间分析所述不同的可行动触发以识别出满足预定义触发组合条件和分析时间约束中的至少一者的至少一个发生和/或未发生的可行动触发的组合，所述分析时间约束是时段持续时间和/或序列，在所述时段持续时间和/或所述序列内，在为了识别所述组合的所述分析中考虑或不考虑所述一个或多个事件流中的事件和相关联可操作触发的时间戳数据；以及

响应于对所述组合的观察，采取一个或多个动作来解决所述事件。

2.根据权利要求1所述的方法，其中，实时或半实时地或基于分析时的所有可用时间戳事件来分析所述一个或多个事件流。

3.根据权利要求1所述的方法，其中，不满足所述分析时间约束的事件或可行动触发的数据被视为无效数据，当执行所述一个或多个事件流的分析以识别可行动触发或发生和/或未发生的可行动触发的组合时，所述无效数据包括不可用、缺失、不完整、延迟或无序接收的事件或可行动触发的数据。

4.根据权利要求1所述的方法，其中，所述分析时间约束包括预定义持续时间，在所述预定义持续时间内，当执行所述一个或多个事件流的分析以识别可行动触发或发生和/或未发生可行动触发的组合时，可行动触发或其相关联事件的数据将被视为有效或无效。

5.根据权利要求4所述的方法，其中，所述分析时间约束包括用于分析所述一个或多个事件流以识别可行动触发或发生和/或未发生可行动触发的组合的运行的时间窗，所述时间窗并入接收延迟时段，所述接收延迟时段定义了用于接收在事件流分析中要考虑的数据的可接受延迟。

6.根据权利要求4所述的方法，其中，所述分析时间约束还包括预定义时序序列，在所述预定义时序序列中，当执行所述一个或多个事件流的分析以识别可行动触发或组合时，可行动触发及其相关联事件将被视为有效或无效。

7.根据权利要求1所述的方法，其中，所述分析时间约束包括时间条件，在所述时间条件中，具有相同时间戳的任何事件或可行动触发的数据作为矛盾数据被视为无效。

8.根据权利要求1所述的方法，其中，所述分析时间约束包括时间条件，在所述时间条件中，一个或多个事件数据流包括不完整事件数据，所述方法还包括：

出于执行所述事件流分析的目的，用来自所述一个或多个事件数据流的补充事件数据替换不完整事件数据。

9.根据权利要求1所述的方法，还包括：

基于以下至少一者将所述事件表征为正常或异常事件：所述事件的一个或多个位置、与事件相关的过程步骤、所述事件的一个或多个严重度、所述事件的影响和所述事件的一个或多个类型,

其中，所述一个或多个事件流包括一个或多个正常事件流和一个或多个异常事件流，并且所述一个或多个预定触发条件包括：

所述电气系统中所述事件发生的比率超过基于所述电气系统的当前配置的可接受水平，

所述电气系统中所述事件的一个或多个严重度或衍生影响增加的比率超过基于所述电气系统的当前配置的可接受水平，

正常事件转变为异常事件的比率超过基于所述电气系统的当前配置的可接受水平，或

所述电气系统中所述事件的一个或多个位置的变化超过基于所述电气系统的当前配置的可接受水平。

10.一种用于分析电气系统中的事件的方法，包括：

接收在所述电气系统中发生的事件的一个或多个事件流，从所述电气系统中捕获的电能相关信号中识别所述事件；

基于以下至少一者，实时或半实时地将所述事件表征为正常事件或异常事件：所述事件的一个或多个位置、与事件相关的过程步骤、所述事件的一个或多个严重度和所述事件的一个或多个类型；

在预定时段内观察以下至少一者：所述电气系统中所述事件发生的比率、所述电气系统中所述事件的一个或多个严重度增加的比率、正常事件转变为异常事件的比率以及所述电气系统中所述事件的一个或多个位置的变化；以及

响应于以下至少一者超过基于所述电气系统的当前配置的可接受水平：所述电气系统中所述事件发生的比率、所述电气系统中所述事件的一个或多个严重度增加的比率、正常事件转变为异常事件的比率以及所述电气系统中所述事件的一个或多个位置的变化，采取一个或多个动作来解决所述事件。

11.根据权利要求10所述的方法，其中，每个事件具有与识别所述事件的时间相关联的第一时间戳和指示何时接收到所识别事件的事件数据的第二时间戳，所述方法还包括：

随着时间评估所接收到的识别事件的所述第一时间戳和所述第二时间戳，以识别一个或多个事件流的时序问题。

12.一种用于分析电气系统的事件的系统，包括：

存储器；和

一个或多个处理器，耦接到所述存储器，所述一个或多个处理器被配置为：

接收在所述电气系统中发生的事件的一个或多个事件流，从所述电气系统中捕获的电能相关信号中识别所述事件，

分析所述事件的一个或多个事件流以从中识别出不同的可行动触发，不同的触发包括其中一组事件满足一个或多个预定触发条件的场景，

随着时间分析所述不同的可行动触发以识别满足预定义触发组合条件和分析时间约束的发生和/或未发生的可行动触发的组合，所述分析时间约束是时段持续时间和/或序列，在所述时段持续时间和/或所述序列内，在为了识别所述组合的所述分析中考虑或不考虑所述一个或多个事件流中的事件和相关联可行动触发的时间戳数据，以及

响应于对所述组合的观察，采取一个或多个动作来解决所述事件。

13.根据权利要求12所述的系统，其中，实时或半实时地或基于分析时的所有可用时间戳事件来分析所述一个或多个事件流。

14.根据权利要求12所述的系统，其中，不满足所述分析时间约束的事件或可行动触发的数据被视为无效数据，当执行所述一个或多个事件流的分析以识别可行动触发或发生和/或未发生的可行动触发的组合时，所述无效数据包括不可用、缺失、不完整、延迟或无序接收的事件或可行动触发的数据。

15.根据权利要求12所述的系统，其中，所述分析时间约束包括预定义持续时间，在所述预定义持续时间内，当执行所述一个或多个事件流的分析以识别可行动触发或发生和/或未发生可行动触发的组合，可行动触发或其相关联事件的数据将被视为有效或无效。

16.根据权利要求15所述的系统，其中，所述分析时间约束包括用于分析所述一个或多个事件流以识别可行动触发或发生和/或未发生可行动触发的组合的运行的时间窗，所述时间窗并入接收延迟时段，所述接收延迟时段定义了用于接收在事件流分析中要考虑的数据的可接受延迟。

17.根据权利要求15所述的系统，其中，所述分析时间约束还包括预定义序列，在所述预定义序列中，当执行所述一个或多个事件流的分析以识别可行动触发或组合时，可行动触发及其相关联事件将被视为有效或无效。

18.根据权利要求12所述的系统，其中，所述分析时间约束包括时间条件，在所述时间条件中，具有相同时间戳的任何事件或可行动触发的数据作为矛盾数据被视为无效。

19.根据权利要求12所述的系统，其中，所述分析时间约束包括时间条件，在所述时间条件中，一个或多个事件数据流包括不完整事件数据，所述一个或多个处理器还被配置为：出于执行所述事件流分析的目的，用来自所述一个或多个事件数据流的补充事件数据替换不完整事件数据。

20.根据权利要求12所述的系统，其中，所述一个或多个处理器还被配置为基于以下至少一者将所述事件表征为正常事件或异常事件：所述事件的一个或多个位置、与事件相关的过程步骤、所述事件的一个或多个严重度、所述事件的影响和所述事件的一个或多个类型，

其中，所述一个或多个事件流包括一个或多个正常事件流和一个或多个异常事件流，并且所述一个或多个预定触发条件包括：

所述电气系统中所述异常事件发生的比率超过基于所述电气系统的当前配置的可接受水平，以及

所述电气系统中所述事件的一个或多个严重度或衍生影响增加的比率超过基于所述电气系统的当前配置的可接受水平。

21.一种用于分析电气系统中的事件的系统，包括：

存储器；和

一个或多个处理器，耦接到所述存储器，所述一个或多个处理器被配置为：

接收在所述电气系统中发生的事件的一个或多个事件流，从所述电气系统中捕获的电能相关信号中识别所述事件，

基于以下至少一者，实时或半实时地将所述事件表征为正常事件或异常事件：所述事件的一个或多个位置、与事件相关的过程步骤、所述事件的一个或多个严重度和所述事件的一个或多个类型；

在预定时段内观察以下至少一者：所述电气系统中所述事件发生的比率、所述电气系统中所述事件的一个或多个严重度增加的比率、正常事件转变为异常事件的比率以及所述电气系统中所述事件的一个或多个位置的变化；以及

响应于以下至少一者超过基于所述电气系统的当前配置的可接受水平：所述电气系统中所述异常事件发生的比率、所述电气系统中所述事件的一个或多个严重度增加的比率、正常事件转变为异常事件的比率以及所述电气系统中所述事件的一个或多个位置的变化，采取一个或多个动作来解决所述事件。

22.根据权利要求21所述的系统，其中，每个事件具有与识别所述事件的时间相关联的第一时间戳和指示何时接收到所识别事件的事件数据的第二时间戳，并且所述一个或多个处理器还被配置为随着时间评估所接收到的识别事件的所述第一时间戳和所述第二时间戳，以识别一个或多个事件流的时序问题。

23.一种存储代码的非暂时性计算机介质，所述代码当由一个或多个处理器执行时，执行一种分析电气系统的事件的方法，所述方法包括：

接收在所述电气系统中发生的事件的一个或多个事件流，从所述电气系统中捕获的电能相关信号中识别所述事件；

分析所述事件的一个或多个事件流以从中识别出不同的可行动触发，不同的触发包括其中一组事件满足一个或多个预定触发条件的场景；

随着时间分析所述不同的可行动触发以识别满足预定义触发组合条件和分析时间约束的发生和/或未发生的可行动触发的组合，所述分析时间约束是时段持续时间和/或序列，在所述时段持续时间和/或所述序列内，在为了识别所述组合的所述分析中考虑或不考虑所述一个或多个事件流中的事件和相关联可行动触发的时间戳数据；以及

响应于对所述组合的观察，采取一个或多个动作来解决所述事件。

24.一种存储代码的非暂时性计算机介质，所述代码当由一个或多个处理器执行时，执行分析电气系统的事件的方法，所述方法包括：

接收在所述电气系统中发生的事件的一个或多个事件流，从所述电气系统中捕获的电能相关信号中识别所述事件；

基于以下至少一者，实时或半实时地将所述事件表征为正常或异常事件：所述事件的一个或多个位置、与事件相关的过程步骤、所述事件的一个或多个严重度和所述事件的一个或多个类型；

在预定时段内观察以下至少一者：所述电气系统中所述事件发生的比率、所述电气系统中所述事件的一个或多个严重度增加的比率、正常事件转变为异常事件的比率以及所述电气系统中所述事件的一个或多个位置的变化；以及

响应于以下至少一者超过基于所述电气系统的当前配置的可接受水平：所述电气系统中所述事件发生的比率、所述电气系统中所述事件的一个或多个严重度增加的比率、正常事件转变为异常事件的比率以及所述电气系统中所述事件的一个或多个位置的变化，采取一个或多个动作来解决所述事件。

Images