CN114662058B - 无线站点监测方法及装置 - Google Patents
无线站点监测方法及装置 Download PDFInfo
- Publication number
- CN114662058B CN114662058B CN202210566309.1A CN202210566309A CN114662058B CN 114662058 B CN114662058 B CN 114662058B CN 202210566309 A CN202210566309 A CN 202210566309A CN 114662058 B CN114662058 B CN 114662058B
- Authority
- CN
- China
- Prior art keywords
- data
- data set
- dataset
- station
- available
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0092—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring current only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种无线站点监测方法及装置,包括以下步骤:步骤S10:从动环监控设备和系统上,以天为单位,采集无线站点在时间段D内固定时点T的多个直流负载电流数据,得到原始数据DATASET‑O;步骤S20:对数据集DATASET‑O进行除噪声数据预处理,得到可用数据集DATASET‑R;步骤S30:统计可用数据集DATASET‑R中每个数据元素出现的频率f,并计算每个数据元素的影响力I,通过f和I,选举产生数据代表,作为数据集的稳定负载。通过此方法计算得出的稳定负载,具有较好的代表性,能够准确描述和表达无线站点的运行情况和运行指标。
Description
技术领域
本申请涉及无线站点监测技术领域,特别是一种无线站点监测方法及装置。
背景技术
无线站点直流负载电流是衡量基站是否正常工作的重要指标,可从动环监控设备和系统中采集基站的直流负载总电流,通过对采集到的负载数据进行归纳、统计、分析、计算等操作,所得分析结果能准确反映基站的运行情况,实现对无线站点运行情况进行准确检测。
现有采用动环监控设备采集到的直流负载电流是离散的时点值(例如每小时采集一次实测值),所得时点值受设备休眠、话务量波动、天气、人为因素的干扰、采集异常等因素的影响,不同时点的数据会有较大波动,无法直接应用于对具体无线站点运行情况的监控中。
现有监控方法为采集某一无线站点一段时间内的直流负载电流数据,然后计算该段时间内直流负载电流的平均值,以平均值进行无线站点运行情况的监测。但所得平均值受一组数据中的每个数据影响,这导致监测结果无法反映各类特殊情况,当该时段内出现极端值将会影响监测结果的准确性,或者当该组数据表现为偏态分布时,此时得出的平均数代表性很差;另一方面计算出来的平均值,有可能不是任何一个采集到的实测值,无法用于对设备工作状态的进行准确描述和表达。
其他数据分析方法如众数、中位数等,在实际场景中,也无法准确全面的反映出所监测无线站点的工作状态,常会导致无线站点运行时出现故障或私加设备而无法及时发现,导致无线站点带病运行或经济损失。
发明内容
本申请提供了一种无线站点监测方法及装置,用于解决现有技术中存在的无线站点监测结果准确性低,面对异常数据时,监测结果受影响严重,无法准确判断无线站点运行情况的技术问题。
本申请提供了一种无线站点监测方法及装置,包括以下步骤:
步骤S10:从动环监控设备和系统上,以天为单位,采集无线站点在时间段D内固定时点T的多个直流负载电流数据,得到原始数据DATASET-O;
步骤S20:对数据集DATASET-O进行除噪声数据预处理,得到可用数据集DATASET-R;
步骤S30:统计可用数据集DATASET-R中每个数据元素出现的频率f,并计算每个数据元素的影响力I,通过f和I,选举产生数据代表,作为数据集的稳定负载;
步骤S30包括以下步骤:
步骤S31:按下式(1)计算可用数据集DATASET-R中每个数据元素的频率f:
fx=m/n 式(1)
其中,m:某一数据元素x在可用数据集DATASET-R中出现的次数;
n:可用数据集DATASET-R中的数据元素总个数;
步骤S32:按下式(2)计算可用数据集DATASET-R中每个数据元素的一级影响力I1:
I1=可用数据集DATASET-R中落入影响范围C1内的数据元素的个数 式(2)
其中,C1的区间范围:{x*0.95<C1<x*1.05};x为可用数据集DATASET-R中数据元素;
C1区间范围的取值计算方法:选取最近30天动环监控设备无变化、无故障的站址作为样本数据,统计30天内负载实测数据的极差、各个数据与平均数的差(离均差),选取覆盖了30天内负载实测数据60%数值范围的上下限值,得出C1区间范围;
步骤S33:按下式(3)计算可用数据集DATASET-R中每个数据元素的二级影响力I2:
I2=落入影响范围C2内的数据元素的个数 式(3)
其中,C2的区间范围:{x*0.9<C2<x*1.1};x为可用数据集DATASET-R中数据元素;
C2区间范围的取值计算方法:选取最近30天设备无变化、无故障的站址作为样本数据,统计30天内负载实测数据的极差、各个数据与平均数的差(离均差),选取覆盖80%数值范围的上下限值,得出C2区间范围;
步骤S34:逐一判断可用数据集DATASET-R中各数据元素的频率f,若存在f>50%的数据元素,则选举该数据元素为数据集的代表,作为数据集的稳定负载E;
步骤S35:逐一判断可用数据集DATASET-R中各数据元素的频率f,若该可用数据集DATASET-R中不存在f>50%的数据元素,则选举I1最大的数据元素为数据集的代表,作为数据集的稳定负载E;
步骤S36:若步骤S35中判断的结果为可用数据集DATASET-R中出现了2个或以上数据元素的I1都为最大值,则选举该可用数据集DATASET-R中I2最大的数据元素为数据集的代表,作为数据集的稳定负载E;
步骤S40:获取稳定率RD,通过稳定率RD获取可用的稳定负载E;
步骤S50:采集待监测站点最近d天内每天固定时点T的实测负载数据,分别采用各天测得的实测值与所述稳定负载E求差,连续d天的差值减少均超过12A且差值/实测值所得的降低幅度>12%,则判断该待监测站点为故障站点;
步骤S60:采集待监测站点最近d天内每天固定时点T的实测负载数据,分别采用各天测得的实测值与所述稳定负载E求差,连续d天的差值均增大超过12A且差值/实测值所得的降低幅度>12%,则判断该待监测站点为私加站点。
优选地,步骤S20包括以下步骤:
步骤S21:根据动环监控设备实际的性能参数,剔除数据集DATASET-O中不符合参数范围N内的数据元素;
步骤S22:数据集DATASET-O中如果同一站点同一天的数据出现2个以上相同的数据元素,保留时间相对较早的数据元素,剔除时间相对较晚的数据元素;
步骤S23:对数据集DATASET-O中的各数据元素进行标准化取整处理,得到可用数据集DATASET-R。
优选地,步骤S40包括以下步骤:稳定率RD=落入影响范围C1内的数据元素的个数/可用数据集DATASET-R的数据元素总个数;
若所得稳定率RD>50%,则判定稳定负载E为可用,否则判定稳定负载E为不可用。
优选地,步骤S50包括以下步骤:步骤S51:将判断为故障预警的无线站点与站点故障报警数据关联比对,剔除已有报警信息的站点,剩余站点数据,标记为疑似故障站点。
优选地,步骤S60包括以下步骤:步骤S61:将判断为私装预警的无线站点与站点最近30天的起租订单关联比对,如果判断为私装预警的无线站点仅30天内没有新的起租订单,则将该站点标记为私装报警。
本申请的另一方面还提供了一种如上述无线站点监测方法用的装置,包括:
原始数据DATASET-O采集模块:用于从动环监控设备和系统上,以天为单位,采集无线站点在时间段D内固定时点T的多个直流负载电流数据,得到原始数据DATASET-O;
数据降噪模块:用于对数据集DATASET-O进行除噪声数据预处理,得到可用数据集DATASET-R;
稳定负载获取模块:用于统计可用数据集DATASET-R中每个数据元素出现的频率f,并计算每个数据元素的影响力I,通过f和I,选举产生数据代表,作为数据集的稳定负载;
稳定率RD获取模块:用于获取稳定率RD,通过稳定率RD获取可用的稳定负载E;
故障预警模块:用于采集待监测站点最近d天内每天固定时点T的实测负载数据,分别采用各天测得的实测值与所述稳定负载E求差,连续d天的差值减少均超过12A且差值/实测值所得的降低幅度>12%,则判断该待监测站点为故障站点;
私装预警模块:用于采集待监测站点最近d天内每天固定时点T的实测负载数据,分别采用各天测得的实测值与所述稳定负载E求差,连续d天的差值均增大超过12A且差值/实测值所得的降低幅度>12%,则判断该待监测站点为私加站点。
本申请能产生的有益效果包括:
1)本申请所提供的无线站点监测方法,获取无线站点某一时间段内固定时点的直流负载电流数据集,分别计算数据集内的每一个数据元素的影响力,选举影响力最大的数据元素为代表,作为该数据集的稳定负载,采集待监测无线站点连续3~5天固定时点的实测负载数据与所得稳定负载进行比较,当连续3~5天的比较结果为减少超过12A且减少幅度>12%,判断为负载减少,可将所得结果标记为疑似故障站点,通过人工实地核查该站点情况,实现对无线站点的远程准确监控。采用该方法监控无线站点的预警准确率为83%,相对现有通过计算平均数进行故障预警的准确率56%,存在显著的提高。说明采用本申请提供方法可以有效提高对故障站点的监测准确率,减少人工逐一筛查工作量,避免故障站点持续运行,避免发生安全生产事故。
2)本申请所提供的无线站点监测方法,采集待监测无线站点连续3~5天固定时点的实测负载数据与所得稳定负载进行比较,当连续3~5天的比较结果增加超过12A且增加幅度>12%,判断为负载增加。此时将所得结果标记为私装设备,分单由人工进行核查,核查结果准确率达到47%,远高于采用平均数法预警的准确率(21%),采用该方法对无线站点存在的私自加装设备的问题能准确及时发现,且无需人工逐一巡查,降低检查工作量的同时提高监查准确性,避免经济损失。
附图说明
图1为本申请提供的无线站点监测方法意图;
图2为本申请提供的无线站点监测装置示意图;
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。通常在此处附图中描述和示出的本发明实施方式的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,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方式,都属于本发明保护的范围。
本申请中未详述的且并不用于解决本申请技术问题的技术手段,均按本领域公知常识进行设置,且多种公知常识设置方式均可实现。
参见图1,本申请提供的无线站点监测方法,包括以下步骤:
步骤S10:从动环监控设备和系统上,以天为单位,采集无线站点在时间段D内固定时点T的多个直流负载电流数据,得到原始数据DATASET-O;
步骤S20:对数据集DATASET-O进行除噪声数据预处理,得到可用数据集DATASET-R;
步骤S30:统计可用数据集DATASET-R中每个数据元素出现的频率f,并计算每个数据元素的影响力I,通过f和I,选举产生数据代表,作为数据集的稳定负载;
步骤S30包括以下步骤:
步骤S31:按下式(1)计算可用数据集DATASET-R中每个数据元素的频率f:
fx=m/n 式(1)
其中,m:某一数据元素x在可用数据集DATASET-R中出现的次数;
n:可用数据集DATASET-R中的数据元素总个数;
步骤S32:按下式(2)计算可用数据集DATASET-R中每个数据元素的一级影响力I1:
I1=可用数据集DATASET-R中落入影响范围C1内的数据元素的个数 式(2)
其中,C1的区间范围:{x*0.95<C1<x*1.05};x为可用数据集DATASET-R中数据元素;
C1区间范围的取值计算方法:选取最近30天动环监控设备无变化、无故障的站址作为样本数据,统计30天内负载实测数据的极差、各个数据与平均数的差(离均差),选取覆盖了30天内负载实测数据60%数值范围的上下限值,得出C1区间范围;
步骤S33:按下式(3)计算可用数据集DATASET-R中每个数据元素的二级影响力I2:
I2=落入影响范围C2内的数据元素的个数 式(3)
其中,C2的区间范围:{x*0.9<C2<x*1.1};x为可用数据集DATASET-R中数据元素;
C2区间范围的取值计算方法:选取最近30天设备无变化、无故障的站址作为样本数据,统计30天内负载实测数据的极差、各个数据与平均数的差(离均差),选取覆盖80%数值范围的上下限值,得出C2区间范围;
步骤S34:逐一判断可用数据集DATASET-R中各数据元素的频率f,若存在f>50%的数据元素,则选举该数据元素为数据集的代表,作为数据集的稳定负载E;
步骤S35:逐一判断可用数据集DATASET-R中各数据元素的频率f,若该可用数据集DATASET-R中不存在f>50%的数据元素,则选举I1最大的数据元素为数据集的代表,作为数据集的稳定负载E;
步骤S36:若步骤S35中判断的结果为可用数据集DATASET-R中出现了2个或以上数据元素的I1都为最大值,则选举该可用数据集DATASET-R中I2最大的数据元素为数据集的代表,作为数据集的稳定负载E;
步骤S40:获取稳定率RD,通过稳定率RD获取可用的稳定负载E;
步骤S50:采集待监测站点最近d天内每天固定时点T的实测负载数据,分别采用各天测得的实测值与所述稳定负载E求差,连续d天的差值减少均超过12A且差值/实测值所得的降低幅度>12%,则判断该待监测站点为故障站点;
步骤S60:采集待监测站点最近d天内每天固定时点T的实测负载数据,分别采用各天测得的实测值与所述稳定负载E求差,连续d天的差值均增大超过12A且差值/实测值所得的降低幅度>12%,则判断该待监测站点为私加站点。
采用该方法可以准确获取各站点情况,减少人工逐一巡查工作量,提高抽检准确率。本申请中差值减少是指差值为负值;差值增加是指差值为正值。通过此方法计算得出的稳定负载,具有较好的代表性,能够准确描述和表达无线站点的运行情况和运行指标,应用于风险预警、异常波动发现等实际场景,可以提高最终结果输出的准确性,有助于一线运维人员及时发现、精准定位,提高生产效率。
优选地,步骤S20包括以下步骤:
步骤S21:根据动环监控设备实际的性能参数,剔除数据集DATASET-O中不符合参数范围N内的数据元素;
步骤S22:数据集DATASET-O中如果同一站点同一天的数据出现2个以上相同的数据元素,保留时间相对较早的数据元素,剔除时间相对较晚的数据元素;
步骤S23:对数据集DATASET-O中的各数据元素进行标准化取整处理,得到可用数据集DATASET-R。
通过上述步骤处理后,能降低数据集DATASET-O中干扰数据元素数量,避免异常数据元素或极端数据元素对所得稳度负载结果的干扰,有利于提高对无线站点的监测准确性。
优选地,步骤S40包括以下步骤:稳定率RD=落入影响范围C1内的数据元素的个数/可用数据集DATASET-R的数据元素总个数;
若所得稳定率RD>50%,则判定稳定负载E为可用,否则判定稳定负载E为不可用。
对所得稳度负载E进行上述判断能进一步降低极端值对所得稳度负载E的影响,提高稳度负载E的预警准确率,提高其适用性。
优选地,步骤S50包括以下步骤:步骤S51:将判断为故障预警的无线站点与站点故障报警数据关联比对,剔除已有报警信息的站点,剩余站点数据,标记为疑似故障站点。
优选地,步骤S60包括以下步骤:步骤S61:将判断为私装预警的无线站点与站点最近30天的起租订单关联比对,如果判断为私装预警的无线站点仅30天内没有新的起租订单,则将该站点标记为私装报警。
采用上述操作能通过数据筛选,减少误报警比例和情况,提高筛选监测准性。
本申请的另一方面还提供了一种如上述无线站点监测方法用的装置,包括:
原始数据DATASET-O采集模块10:用于从动环监控设备和系统上,以天为单位,采集无线站点在时间段D内固定时点T的多个直流负载电流数据,得到原始数据DATASET-O;
数据降噪模块20:用于对数据集DATASET-O进行除噪声数据预处理,得到可用数据集DATASET-R;
稳定负载获取模块30:用于统计可用数据集DATASET-R中每个数据元素出现的频率f,并计算每个数据元素的影响力I,通过f和I,选举产生数据代表,作为数据集的稳定负载;
稳定率RD获取模块40:用于获取稳定率RD,通过稳定率RD获取可用的稳定负载E;
故障预警模块50:用于采集待监测站点最近d天内每天固定时点T的实测负载数据,分别采用各天测得的实测值与所述稳定负载E求差,连续d天的差值减少均超过12A且差值/实测值所得的降低幅度>12%,则判断该待监测站点为故障站点;
私装预警模块60:用于采集待监测站点最近d天内每天固定时点T的实测负载数据,分别采用各天测得的实测值与所述稳定负载E求差,连续d天的差值均增大超过12A且差值/实测值所得的降低幅度>12%,则判断该待监测站点为私加站点。
实施例
以下实施例中如无特殊说明,所用设备均为市售。
实施例1
采用本申请提供方法包括以下步骤:
步骤S10:从动环监控设备和系统上,以天为单位,采集无线站点最近10天内每天早上11点的多个直流负载电流数据,得到原始数据DATASET-O,原始数据DATASET-O={54.5,59.4,55.3,52.5,55.4,55.5,52.5,52.5,57.5,55.5},所得数据集如表1所示;
表1(A)
步骤S21:据动环监控设备实际的性能参数,剔除不符合参数范围N内的数据,N取范围为0<N<700;步骤S22:数据集DATASET-O中如果同一站点同一天的数据出现2个以上相同的数据元素,保留时间相对较早的数据元素,剔除时间相对较晚的数据元素;
步骤S23:对数据集DATASET-O中的各数据元素进行标准化取整处理,得到可用数据集DATASET-R;
DATASET-O={55,59,55,53,55,56,53,53,58,56}列于表2中。
表2(A)
步骤S30:统计DATASET-R中每个数据元素出现的频率f,并计算每个数据元素的影响力I,通过f和I,选举产生数据代表,作为数据集的稳定负载E:
步骤S31:按下式(1)计算可用数据集DATASET-R中每个数据元素的频率f:
fx=m/n 式(1)
其中,m:某一数据元素x在可用数据集DATASET-R中出现的次数;
n:可用数据集DATASET-R中的数据元素总个数;
步骤S32:按下式(2)计算可用数据集DATASET-R中每个数据元素的一级影响力I1:
I1=可用数据集DATASET-R中落入影响范围C1内的数据元素的个数 式(2)
其中,C1的区间范围:{x*0.95<C1<x*1.05};x为可用数据集DATASET-R中数据元素;
C1区间范围的取值计算方法:选取最近30天动环监控设备无变化、无故障的站址作为样本数据,统计30天内负载实测数据的极差、各个数据与平均数的差(离均差),选取覆盖了30天内负载实测数据60%数值范围的上下限值,得出C1区间范围;
步骤S33:按下式(3)计算可用数据集DATASET-R中每个数据元素的二级影响力I2:
I2=落入影响范围C2内的数据元素的个数 式(3)
其中,C2的区间范围:{x*0.9<C2<x*1.1};x为可用数据集DATASET-R中数据元素;
C2区间范围的取值计算方法:选取最近30天设备无变化、无故障的站址作为样本数据,统计30天内负载实测数据的极差、各个数据与平均数的差(离均差),选取覆盖80%数值范围的上下限值,得出C2区间范围;
步骤S34:逐一判断可用数据集DATASET-R中各数据元素的频率f,若存在f>50%的数据元素,则选举该数据元素为数据集的代表,作为数据集的稳定负载E;
步骤S35:逐一判断可用数据集DATASET-R中各数据元素的频率f,若该可用数据集DATASET-R中不存在f>50%的数据元素,则选举I1最大的数据元素为数据集的代表,作为数据集的稳定负载E;
步骤S36:若步骤S35中判断的结果为可用数据集DATASET-R中出现了2个或以上数据元素的I1都为最大值,则选举该可用数据集DATASET-R中I2最大的数据元素为数据集的代表,作为数据集的稳定负载E;
本实施例中各数据元素处理结果列于表3中:
表3
由表3所得结果最终选举55A,作为稳定负载E。
步骤S40:计算稳定率RD ,RD=落入影响范围C1内的数据元素的个数/数据元素总个数,本实施例中RD=0.8>50%,评估稳定负载E可用。
应用场景一:疑似故障预警
步骤一:采集待监测无线站点最近3天内每天早上11点的实测负载数据;
步骤二:所得实测值与稳定负载E(55A)求差,所得差值如果连续3天均为负差,且负差值的绝对值>12A;差值/实测值所得的降低幅度>12%,则该待监测无线站点标记为故障预警;
步骤三:在步骤二的数据基础上,关联站点故障报警数据,剔除已经有报警信息的站点,剩余站点数据,标记为疑似故障站点,获取故障预警站点数量;
步骤四:疑似故障数据,形成工单,通过系统派发一线,进行现场核查,得到实测故障站点数量;
(故障预警站点数量—实测故障站点数量)/实测故障站点数量*100%=故障预警准确率%
采用本申请上述方法所得预警准确率为83%。
实施例2
与实施例1的区别在于:疑似私装预警
步骤一:采集待监测无线站点最近3天内每天早上11点的实测负载数据;
步骤二:所得实测值与稳定负载E(55A)求差,所得差值如果连续3天均为正差,且正差值的绝对值>12A;差值/实测值所得的降低幅度>12%,则该待监测无线站点标记为私装预警;
步骤三:在步骤二的数据基础上,关联站点最近30天的起租订单,如果没有新的起租订单,判断为私装报警,获取私装预警站点数量;
步骤四:疑似私装数据,形成工单,通过系统派发一线,进行现场核查,得到实测私装站点数量;
(私装预警站点数量—实测私装站点数量)/实测故障站点数量*100%=私装预警准确率%
采用本申请上述方法所得预警准确率为47%。
对比例1
与实施例1的区别在于:采用平均数法:从动环监控设备和系统上,以天为单位,采集无线站点最近10天内每天早上11点的多个直流负载电流数据Dn,并计算直流负载电流数据的平均值作为稳定负载E。
平均值=(D1+……D10)/10
使用平均数计算方法,预警准确率为56%。
对比例2
与实施例2的区别在于:采用平均数法:从动环监控设备和系统上,以天为单位,采集无线站点最近10天内每天早上11点的多个直流负载电流数据Dn,并计算直流负载电流数据的平均值作为稳定负载E。
平均值=(D1+……D10)/10
使用平均数计算方法,预警准确率为21%。
通过实施例1与对比例1的对比可知采用本申请提供方法得到的稳定负载E能较高准确率的预测无线站点的故障情况,从而提高抽检检测结果的准确性。
通过实施例2与对比例2的对比可知采用本申请提供方法得到的稳定负载E能较高准确率的预测无线站点出现私装的情况,从而提高抽检检测结果的准确性。
通过此方法计算得出的稳定负载,具有较好的代表性,能够准确描述和表达无线站点的运行情况和运行指标,应用于风险预警、异常波动发现等实际场景,可以提高最终结果输出的准确性,有助于一线运维人员及时发现、精准定位,提高生产效率。
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 (6)
1.一种无线站点监测方法,其特征在于,包括以下步骤:
步骤S10:从动环监控设备和系统上,以天为单位,采集无线站点在时间段D内固定时点T的多个直流负载电流数据,得到原始数据DATASET-O;
步骤S20:对数据集DATASET-O进行除噪声数据预处理,得到可用数据集DATASET-R;
步骤S30:统计可用数据集DATASET-R中每个数据元素出现的频率f,并计算每个数据元素的影响力I,通过f和I,选举产生数据代表,作为数据集的稳定负载;
步骤S30包括以下步骤:
步骤S31:按下式1计算可用数据集DATASET-R中每个数据元素的频率f:
fx=m/n 式1
其中,m:某一数据元素x在可用数据集DATASET-R中出现的次数;
n:可用数据集DATASET-R中的数据元素总个数;
步骤S32:按下式2计算可用数据集DATASET-R中每个数据元素的一级影响力I1:
I1=可用数据集DATASET-R中落入影响范围C1内的数据元素的个数 式2
其中,C1的区间范围:{x*0.95<C1<x*1.05};x为可用数据集DATASET-R中数据元素;
C1区间范围的取值计算方法:选取最近30天动环监控设备无变化、无故障的站址作为样本数据,统计30天内负载实测数据的极差、各个数据与平均数的差,选取覆盖了30天内负载实测数据60%数值范围的上下限值,得出C1区间范围;
步骤S33:按下式3计算可用数据集DATASET-R中每个数据元素的二级影响力I2:
I2=落入影响范围C2内的数据元素的个数 式3
其中,C2的区间范围:{x*0.9<C2<x*1.1};x为可用数据集DATASET-R中数据元素;
C2区间范围的取值计算方法:选取最近30天设备无变化、无故障的站址作为样本数据,统计30天内负载实测数据的极差、各个数据与平均数的差,选取覆盖80%数值范围的上下限值,得出C2区间范围;
步骤S34:逐一判断可用数据集DATASET-R中各数据元素的频率f,若存在f>50%的数据元素,则选举该数据元素为数据集的代表,作为数据集的稳定负载E;
步骤S35:逐一判断可用数据集DATASET-R中各数据元素的频率f,若该可用数据集DATASET-R中不存在f>50%的数据元素,则选举I1最大的数据元素为数据集的代表,作为数据集的稳定负载E;
步骤S36:若步骤S35中判断的结果为可用数据集DATASET-R中出现了2个或以上数据元素的I1都为最大值,则选举该可用数据集DATASET-R中I2最大的数据元素为数据集的代表,作为数据集的稳定负载E;
步骤S40:获取稳定率RD,通过稳定率RD获取可用的稳定负载E;
步骤S50:采集待监测站点最近d天内每天固定时点T的实测负载数据,分别采用各天测得的实测值与所述稳定负载E求差,连续d天的差值减少均超过12A且差值/实测值所得的降低幅度>12%,则判断该待监测站点为故障站点;
步骤S60:采集待监测站点最近d天内每天固定时点T的实测负载数据,分别采用各天测得的实测值与所述稳定负载E求差,连续d天的差值均增大超过12A且差值/实测值所得的降低幅度>12%,则判断该待监测站点为私加站点。
2.根据权利要求1所述的无线站点监测方法,其特征在于,步骤S20包括以下步骤:
步骤S21:根据动环监控设备实际的性能参数,剔除数据集DATASET-O中不符合参数范围N内的数据元素;
步骤S22:数据集DATASET-O中如果同一站点同一天的数据出现2个以上相同的数据元素,保留时间相对较早的数据元素,剔除时间相对较晚的数据元素;
步骤S23:对数据集DATASET-O中的各数据元素进行标准化取整处理,得到可用数据集DATASET-R。
3.根据权利要求1所述的无线站点监测方法,其特征在于,步骤S40包括以下步骤:稳定率RD=落入影响范围C1内的数据元素的个数/可用数据集DATASET-R的数据元素总个数;
若所得稳定率RD>50%,则判定稳定负载E为可用,否则判定稳定负载E为不可用。
4.根据权利要求1所述的无线站点监测方法,其特征在于,步骤S50包括以下步骤:步骤S51:将判断为故障预警的无线站点与站点故障报警数据关联比对,剔除已有报警信息的站点,剩余站点数据,标记为疑似故障站点。
5.根据权利要求1所述的无线站点监测方法,其特征在于,步骤S60包括以下步骤:步骤S61:将判断为私装预警的无线站点与站点最近30天的起租订单关联比对,如果判断为私装预警的无线站点仅30天内没有新的起租订单,则将该站点标记为私装报警。
6.一种如权利要求1~5中任一项所述无线站点监测方法用的装置,其特征在于,包括:
原始数据DATASET-O采集模块(10):用于从动环监控设备和系统上,以天为单位,采集无线站点在时间段D内固定时点T的多个直流负载电流数据,得到原始数据DATASET-O;
数据降噪模块(20):用于对数据集DATASET-O进行除噪声数据预处理,得到可用数据集DATASET-R;
稳定负载获取模块(30):用于统计可用数据集DATASET-R中每个数据元素出现的频率f,并计算每个数据元素的影响力I,通过f和I,选举产生数据代表,作为数据集的稳定负载;
稳定率RD获取模块(40):用于获取稳定率RD,通过稳定率RD获取可用的稳定负载E;
故障预警模块(50):用于采集待监测站点最近d天内每天固定时点T的实测负载数据,分别采用各天测得的实测值与所述稳定负载E求差,连续d天的差值减少均超过12A且差值/实测值所得的降低幅度>12%,则判断该待监测站点为故障站点;
私装预警模块(60):用于采集待监测站点最近d天内每天固定时点T的实测负载数据,分别采用各天测得的实测值与所述稳定负载E求差,连续d天的差值均增大超过12A且差值/实测值所得的降低幅度>12%,则判断该待监测站点为私加站点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210566309.1A CN114662058B (zh) | 2022-05-24 | 2022-05-24 | 无线站点监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210566309.1A CN114662058B (zh) | 2022-05-24 | 2022-05-24 | 无线站点监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114662058A CN114662058A (zh) | 2022-06-24 |
CN114662058B true CN114662058B (zh) | 2022-07-29 |
Family
ID=82038117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210566309.1A Active CN114662058B (zh) | 2022-05-24 | 2022-05-24 | 无线站点监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114662058B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116634473B (zh) * | 2023-07-21 | 2023-10-10 | 中国铁塔股份有限公司云南省分公司 | 无线站点停电退服故障预判方法及其装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102893650A (zh) * | 2011-05-16 | 2013-01-23 | 华为技术有限公司 | 定位故障塔顶设备的方法和装置 |
CN104244300A (zh) * | 2013-06-17 | 2014-12-24 | 中国移动通信集团浙江有限公司 | 一种实现基站动环监控的方法及系统 |
CN109782051A (zh) * | 2019-01-04 | 2019-05-21 | 重庆和航科技股份有限公司 | 基于物联网的负载电流异常预警装置、系统及方法 |
CN109978372A (zh) * | 2019-03-26 | 2019-07-05 | 中国铁塔股份有限公司 | 一种铁塔基站评价方法及装置、电子设备 |
CN110165783A (zh) * | 2019-06-03 | 2019-08-23 | 长沙而道新能源科技有限公司 | 基于物联网架构的双向互动式智能配用电系统 |
CN112055376A (zh) * | 2020-09-14 | 2020-12-08 | 中国铁塔股份有限公司 | 基站设备监测方法、装置和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110102589A (ko) * | 2010-03-11 | 2011-09-19 | 삼성전자주식회사 | 무선통신시스템에서 전력 소모를 줄이기 위한 장치 및 방법 |
-
2022
- 2022-05-24 CN CN202210566309.1A patent/CN114662058B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102893650A (zh) * | 2011-05-16 | 2013-01-23 | 华为技术有限公司 | 定位故障塔顶设备的方法和装置 |
CN104244300A (zh) * | 2013-06-17 | 2014-12-24 | 中国移动通信集团浙江有限公司 | 一种实现基站动环监控的方法及系统 |
CN109782051A (zh) * | 2019-01-04 | 2019-05-21 | 重庆和航科技股份有限公司 | 基于物联网的负载电流异常预警装置、系统及方法 |
CN109978372A (zh) * | 2019-03-26 | 2019-07-05 | 中国铁塔股份有限公司 | 一种铁塔基站评价方法及装置、电子设备 |
CN110165783A (zh) * | 2019-06-03 | 2019-08-23 | 长沙而道新能源科技有限公司 | 基于物联网架构的双向互动式智能配用电系统 |
CN112055376A (zh) * | 2020-09-14 | 2020-12-08 | 中国铁塔股份有限公司 | 基站设备监测方法、装置和存储介质 |
Non-Patent Citations (2)
Title |
---|
A new fault monitoring and location system for overhead distribution networks;Tony Yip 等;《 15th International Conference on Developments in Power System Protection (DPSP 2020)》;20210609;全文 * |
智能电网中通信网络可靠性保障技术的研究;邢宁哲;《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅱ辑》;20171215(第(2017)12期);C042-139 * |
Also Published As
Publication number | Publication date |
---|---|
CN114662058A (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6192317B1 (en) | Statistical pattern analysis methods of partial discharge measurements in high voltage insulation | |
CN106372735B (zh) | 一种继电保护状态评估方法 | |
CN111259334B (zh) | 一种工业企业大用户用水异常监测预警方法 | |
CN117078017A (zh) | 一种用于电力电网设备监控智能化决策分析系统 | |
CN115115282B (zh) | 一种高电压台区电力系统数据分析方法 | |
CN116739384A (zh) | 基于5g无线通讯的矿用设备运行管理系统 | |
CN117082105B (zh) | 一种绿色智慧医院设施监控系统及方法 | |
CN114662058B (zh) | 无线站点监测方法及装置 | |
CN112530045A (zh) | 一种工厂的智能巡检系统 | |
CN112903815A (zh) | 桥梁伸缩缝状态的监测方法及监测系统 | |
CN114354783A (zh) | 基于在运数据的特高压油色谱监测装置健康度评估方法 | |
CN110164102B (zh) | 一种光伏电站组串异常报警方法及报警装置 | |
CN117850375B (zh) | 一种生产线的多维度监测系统 | |
CN118091273A (zh) | 基于多维度数据整合的电缆接头监控方法及系统 | |
CN117293758B (zh) | 基于故障识别的数字化配电馈线监测终端自动化保护方法 | |
CN117196590B (zh) | 一种面向通讯设备运维的维修效率智能评估系统 | |
CN114065509A (zh) | 一种地质灾害防治用裂缝计的故障排查方法 | |
CN117849845A (zh) | 一种辐射监测数据管理系统 | |
CN113032907A (zh) | 基于波形相关关系的晃车病害数据偏差纠正方法及系统 | |
US7146288B1 (en) | System and method for estimating quantization error in sampled data | |
CN111509839A (zh) | 一种基于告警信号的跳闸事件化模型分析方法 | |
CN101923605B (zh) | 铁路防灾风预警方法 | |
CN113092152B (zh) | 一种动设备振动温度复合监测装置及方法 | |
CN114358550A (zh) | 基于大数据的电网分析系统及方法 | |
CN114760332A (zh) | 一种高效的设备监测分析方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |