具体实施方式
本申请通过提供了一种基于电能表通信模块的远程监测方法及系统,解决了电能表的数据运算更新效率低,导致异常预警信号及时性差的技术问题,达到了提高电能表的数据运算更新效率,保证异常预警信号的及时性的技术效果。
实施例一
如图1所示,本申请提供了一种基于电能表通信模块的远程监测方法,其中,所述方法应用于电能表远程监测系统,所述系统与云处理器远程通信连接,所述方法包括:
S100:接入用电采集系统,采集所述电能表通信模块的监测数据集合;
具体而言,所述用电采集系统可以是智能电表或其他具有自动计量与数据传送功能的用电采集装置,通过所述用电采集系统进行自动计量,采集所述电能表通信模块的电量累计数据,所述采集频率可以由所述电能表远程监测系统的相关管理人员进行自定义设定,所述采集频率可以设定为1Hz,具体可以结合实际参数变化信息,对应确定所述采集频率,接入用电采集系统,将所述电量累计数据导出,获取所述电能表通信模块的监测数据集合,所述监测数据集合的元素包括多个所述电量累计数据,多个所述电量累计数据的采样点不同,对应的,第一采样点是甲用户,第二采样点是乙用户,所述多个所述电量累计数据的采集获取时间一致,以采集获取时间与采样点为标记信号,对多个所述电量累计数据分别进行数据标记,获取所述监测数据集合,为后续进行数据处理提供数据支持。
S200:将所述监测数据集合输入所述云处理器中的数据源远程评估模型中,根据所述数据源远程评估模型,获取各个监测指标源的评估结果,其中,所述评估结果为标识远程监测效率的结果;
S300:将所述监测数据集合输入云处理器中的数据源远程评估模型中,其中,所述数据源远程评估模型嵌于所述云处理器;
S400:根据所述数据源远程评估模型,获取所述各个监测指标源的远程线损指数、数据量化指数和环境干扰指数;
S500:按照所述远程线损指数、所述数据量化指数和所述环境干扰指数分别对所述各个监测指标源进行评估,获取所述评估结果,其中,所述评估结果包括评估指数集合,且所述评估指数集合与所述各个监测指标源一一对应。
具体而言,所述云处理器为一远程数据运算处理单元,所述数据源远程评估模型嵌于所述云处理器,所述电量累计数据需要通过多个数据源综合评估确定,在进行在远程电能数据采集统计的过程中,不可避免的,存在因采集传送距离导致的数据精准度下降,使得所述用电采集系统采集得到各个指标的基础数据源,都出现不同的影响程度数据异常,所述数据源远程评估模型与所述电能表通信模块的运算处理模型的数据处理逻辑互逆,所述数据源远程评估模型内嵌于一关联映射通道,所述关联映射通道的数据映射逻辑可逆,通过所述电能表通信模块的运算处理模型,进行逻辑反推,确定所述数据源远程评估模型的数据运算处理逻辑,将所述监测数据集合中对应的元素数据依次输入云处理器中的数据源远程评估模型中,根据所述数据源远程评估模型,对所述监测数据集中的各个元素进行数据关联映射处理,确定所述监测数据集中的各个元素对应的各个监测指标源,获取所述各个监测指标源的远程线损指数、数据量化指数和环境干扰指数,所述远程线损指数用于评估远程传输距离(一般的,远程传输数据误差大于近距离传输数据误差),所述数据量化指数用于评估数据源的数据量(数据量太大,会导致模块计算时的负荷过重),所述环境干扰指数用于评估环境的干扰(易受到环境的干扰,出现异常的指标),按照所述远程线损指数、所述数据量化指数和所述环境干扰指数,所述评估指数集合与所述各个监测指标源一一对应,分别对所述各个监测指标源进行评估运算,获取多组评估指数,生成所述评估指数集合,所述评估结果包括评估指数集合,通过所述远程线损指数、所述数据量化指数、所述环境干扰指数与评估指数集合,进行数据关联绑定,确定所述评估结果,为后续进行数据处理提供模型基础。
进一步具体说明,一般的,在进行电力远程输送过程,需要结合远程传输距离,对能源的损耗进行评估,传送距离越远,对应的电路损耗越大,常见的,通过铜线进行电力传送,但不可避免的,传输过程存在一定的阻值,超远距离传输需要对铜线的直径加粗,用以降低传送过程的电路损耗,在远程电能监测的过程中,易出现用电峰值等问题,对各个指标的基础数据源具有不同的影响程度,所述数据源远程评估模型依照各个指标的基础数据源与监测效率正相关方式进行指标排序,所述指标排序简单来说就是将指标的基础数据源与监测效率正相关对应的相关指数大的排至指标排序的优先位,将指标的基础数据源与监测效率正相关对应的相关指数小的排至指标排序的末尾位,根据正相关方式对各个指标的基础数据源与监测效率的影响从大到小的顺序进行排序。
进一步的,本申请实施例还包括:
S211:连接电量抄表系统至所述数据源远程评估模型,得到所述各个监测指标源的数据传输线路;
S212:根据所述各个监测指标源的数据传输线路分别进行电能量数据分析,获取数据同步性;
S213:以所述数据同步性进行线路损失计算,得到所述远程线损指数。
具体而言,所述电量抄表系统存在一电量特征参数数显模块,所述电量特征数显模块与对应的传感器通信连接,常见的,所述电量特征参数数显模块存在电压特征参数,所述电量特征参数数显模块与电压表通信连接,以所述电压表的测量节点为标记信号,在所述电量特征参数数显模块的电压特征参数区域进行数显,所述电压特征参数即以所述电压表的测量节点为标记信号的实时电压值,所述说明是为对技术方案进行理解性说明,不对参数指标类型进行具体限制,连接电量抄表系统至所述数据源远程评估模型,对电网各电能表的点数据的进行自动采集,为统一进行线损分析,保证确定的电能量数据同时性提供技术支持,基于所述各个检测指标源的数据类型进行溯源检索,确定所述各个监测指标源的数据传输线路;根据所述各个监测指标源的数据传输线路分别进行电能量数据分析,所述电能量即电功,即所述电能量单位可以设定为焦耳、千瓦时,为保证数据信息的精确度,需要对数据信息进行及时进行同步更新,通过所述各个监测指标源的数据传输线路分别对电能量数据进行实时分析,结合数据采集频率,对所述数据源远程评估模型的数据同步时间进行确定,获取数据同步性,所述数据同步性用于对所述数据源远程评估模型的数据处理效率进行评估,通过数据同步时间与所述各个监测指标源的数据传输线路,评估所述各个监测指标的传送效率,所述数据同步性包括所述各个监测指标的滞后时间等相关参数指标,以所述数据同步性进行线路损失计算,所述线路损失包括信号传送过程的衰减量等相关参数指标,常见的,在远程检测过程,数值通过传送信道进行远距离通信,但数据在传送过程,因存在线损(即电阻、电导消耗的有功功率和由线路的电抗、变压器铜线绕阻的电抗、变压器铁芯的感纳以热能和/或磁能形式散发的能量损失),需要确定远距离通信对应的数据传输线路,确定信道通信的干扰相关参数指标,推导确定所述远程线损指数,所述远程线损指数包括线损相关参数指标与数据传输线路,配合电量抄表系统,通过电能量分析对同步性进行评估,确定线损,为提高所述远程线损指数的精准度提供技术支持。
进一步的,本申请实施例还包括:
S221:获得所述电能表通信模块的容量资源信息;
S222:获取所述各个监测指标源的数据量化集合;
S223:将所述容量资源信息输入所述数据源远程评估模型中,根据所述容量资源信息对所述数据量化集合分别进行比对,输出容量比对结果,其中,所述容量比对结果为容量负荷占比值;
S224:以所述容量负荷占比值,输出所述各个监测指标源分别对应的所述数据量化指数。
具体而言,所述容量资源信息包括所述电能表通信模块的电量存储装置(如锂电池)的电量存储阈值(锂电池还包括公称电压等相关参数指标)等相关参数指标,进行数据信息检索,获得所述电能表通信模块的容量资源信息,所述容量资源信息包括电量存储阈值等相关参数指标,所述数据量化集合与所述数据量化指数对应,通过各个监测指标源的所述数据量化指数,确定数据量化集合,所述数据量化集合的元素即各个监测指标源的所述数据量化指数,将所述容量资源信息输入所述数据源远程评估模型中,所述数据源远程评估模型内部包括所述数据量化集合及与所述数据量化集合对应的关联映射指标,通过所述容量资源信息在所述数据量化集合进行依次进行重复性比对,所述重复性比对即对所述数据量化集合中的各个元素与所述容量资源信息进行数据比对,在重复性比对完成后,输出容量比对结果,所述容量比对结果为容量负荷占比值,所述容量比对结果包括比对成功与比对失败,所述比对成功即输出容量比对结果,所述比对失败即表示监测数据的存储空间不能满足所述数据源远程评估模型中的参数限制,所述监测数据的数据量不全面,需要对监测数据的存储空间进行扩容;基于所述容量负荷占比值,进行数据输出,输出所述各个监测指标源分别对应的所述数据量化指数,为进行数据比对分析提供模型基础,为保证数据源远程评估模型的监测数据的存储空间的适配度提供技术支持。
进一步的,本申请实施例还包括:
S225:采集所述各个监测指标源在进行远程传输的历史数据集合;
S226:通过对所述历史数据集合进行数据异常频率分析,输出异常频率集合,其中,所述异常频率集合为所述各个监测指标源相对应的平均异常频率的集合;
S227:将所述异常频率集合作为环境干扰影响度,输出所述各个监测指标源分别对应的所述环境干扰指数。
具体而言,通过所述电能表远程监测系统的日志管理数据,进行数据调用采集,获取所述各个监测指标源在进行远程传输的历史数据集合;通过对所述历史数据集合进行数据异常频率分析,所述数据异常包括电量飞走、倒走等相关异常,对所述数据异常进行提取,确定数据异常频率,通过对所述历史数据集合进行数据异常频率分析,获取所述各个监测指标源相对应的平均异常频率的集合,所述各个监测指标源相对应的平均异常频率的集合即所述异常频率集合;将所述异常频率集合作为环境干扰影响度,逐次重复上述步骤,输出所述各个监测指标源分别对应的所述环境干扰指数,基于数据异常频率,从多角度进行数据异常分析,为保障异常预警信号的可靠性数据支持。
进一步的,如图2所示,所述获取所述评估结果,步骤S500还包括:
S510:通过对所述远程线损指数、所述数据量化指数和所述环境干扰指数进行标准化处理,获取标准远程线损指数、标准数据量化指数和标准环境干扰指数;
S520:对所述标准远程线损指数、所述标准数据量化指数和所述标准环境干扰指数进行信息熵计算,配置评估权重;
S530:以所述评估权重对所述标准远程线损指数、所述标准数据量化指数和所述标准环境干扰指数进行计算,获所述评估结果。
具体而言,使用所述电能表远程监测系统内部集成的处理器,所述处理器可以是一个CPU、微处理器、ASIC,对所述远程线损指数、所述数据量化指数和所述环境干扰指数进行标准化处理,在进行多指标评价过程中,通过所述标准化处理对数据先进行预处理,避免因各个指标性质差异,导致无法进行综合评价,所述标准化处理简单来说就是将数据按比例缩放,使之落入一特定区间,将存在量纲的指标转化为无量纲的纯数值,获取标准远程线损指数、标准数据量化指数和标准环境干扰指数;对所述标准远程线损指数、所述标准数据量化指数和所述标准环境干扰指数进行信息熵计算,所述信息熵即数据的信息量,通过进行信息熵计算,配置评估权重,为保证权重匹配对应的权重值均衡,获取标准远程线损指数信息熵、所述标准数据量化指数信息熵和所述标准环境干扰指数信息熵;通过所述标准远程线损指数信息熵、所述标准数据量化指数信息熵和所述标准环境干扰指数信息熵与所述标准远程线损指数、所述标准数据量化指数和所述标准环境干扰指数,进行加权计算,获所述评估结果,为保证所述评估结果的精准度,提高评估结果的全面性。
S600:根据所述各个监测指标源的评估结果,输出标识监测源,其中,所述标识监测源为监测效率小于预设监测效率的数据源;
S700:基于所述标识监测源,获取云端处理指令,将所述标识监测源的数据采集模块链接至所述云处理器,得到所述标识监测源的异常检测数据;
具体而言,所述评估结果为标识远程监测效率的结果,根据各个监测指标源的评估结果,结合预设监测效率进行监测效率评估,所述预设监测效率为所述电能表远程监测系统相关管理人员设定的参数指标,所述标识监测源为监测效率小于预设监测效率的数据源,确定标识监测源,所述标识监测源即以监测效率低为标识的监测指标源,基于所述标识监测源,进行远程处理,可以将影响监测准确性和预警效率的参数单独进行提取,再使用所述云端处理指令,将所述标识监测源的数据采集模块链接至所述云处理器,进行数据传输,得到所述标识监测源的异常检测数据,为后续进行数据分析数据基础。
进一步具体说明,所述云处理器为一远程数据处理终端,所述云处理器可以辅助所述标识监测源的数据采集模块进行数据的运算处理,一般的,若自身模块运算处理效率低,可以通过链接到云端处理器,实现批量数据的模块化自动处理,可以提高远程监测数据输出的效率,在进行远程处理过程,所述数据源远程评估模型依照各个指标的基础数据源与监测效率正相关方式进行指标排序,为保证数据运算处理效率,保证预警信号的及时性,可以通过所述数据采集模块链接至云处理器,进行数据提取,在电能表通信模块的云处理器,先对所述标识监测源的异常检测数据进行提取,再通过链接进行数据传输,在影响监测准确性和预警效率的参数单独进行提取完成后,对其他的不造成较大影响的指标源,按先进行远程传输后异常提取的方式,在完成链接后,进行数据传送。
进一步的,得到所述标识监测源的异常检测数据,步骤S700还包括:
S710:基于所述标识监测源的数据采集模块,采集历史监测数据集;
S720:以所述历史监测数据集生成的数据库,搭建异常检测树;
S730:采用孤立森林算法,以实时监测数据作为输入数据,输入所述异常检测树进行数据异常检测,输出所述异常检测数据,其中,所述异常检测数据包括所述标识监测源中各个监测源对应的异常数据。
具体而言,基于所述标识监测源的数据采集模块,所述数据采集模块可以是电压表等其他相关数据采集装备,基于所述数据采集模块,进行数据采集,获取历史监测数据集,所述历史监测数据集合包括多组监测指标源的历史监测数据,以所述历史监测数据的监测数据获取时间为标识,以同一时间标识的历史监测数据为所述历史监测数据集的子集,多个时间标识的子集确定所述历史监测数据集;以所述历史监测数据集生成的数据库,搭建异常检测树,所述异常检测树以孤立森林算法为基础,进行异常识别为树上平均路径较短的历史监测数据,具体的,随机选择m个特征,通过在所选特征的最大值和最小值之间随机选择一个值来分割数据点,观察值的划分递归地重复,直到所有的观察值被孤立;通过所述异常检测树,以实时监测数据作为输入数据,输入所述异常检测树进行数据异常检测,输出所述异常检测数据,其中,所述异常检测数据包括所述标识监测源中各个监测源对应的异常数据,通过算法模型搭建所述异常检测树,对所述标识监测源中各个监测源对应的异常数据进行标识确定,为后续进行数据处理提供模型基础。
S800:获取剩余监测源的异常检测数据,其中,所述剩余监测源为除去所述标识监测源后所述各个监测指标源的剩余监测源;
S900:以所述标识监测源的异常检测数据和所述剩余监测源的异常检测数据,生成预警提醒信息。
具体而言,在影响监测准确性和预警效率的参数单独进行提取完成后,获取剩余监测源的异常检测数据,所述剩余监测源即除去所述标识监测源后所述各个监测指标源的剩余监测源;以所述标识监测源的异常检测数据和所述剩余监测源的异常检测数据,结合所述电能表通信模块的运行状态,对所述电能表通信模块的运行状态对应的数据与所述标识监测源的异常检测数据和所述剩余监测源的异常检测数据进行数据比对,若数据比对通过,生成预警提醒信息,所述预警提醒信息用于对所述电能表通信模块的异常运行状态进行监测提醒,为及时进行异常维护提供技术支持。
综上所述,本申请所提供的一种基于电能表通信模块的远程监测方法及系统具有如下技术效果:
由于采用了接入用电采集系统,采集电能表通信模块的监测数据集合,输入云处理器中的数据源远程评估模型中,获取各个监测指标源的评估结果,输出标识监测源,获取云端处理指令,将标识监测源的数据采集模块链接至云处理器,得到标识监测源的异常检测数据;获取剩余监测源的异常检测数据;以标识监测源的异常检测数据和剩余监测源的异常检测数据,生成预警提醒信息。本申请通过提供了一种基于电能表通信模块的远程监测方法及系统,通过云处理器实现批量数据的模块化自动处理,辅助电能表远程监测系统进行数据运算处理,达到了提高电能表的数据运算更新效率,保证异常预警信号的及时性的技术效果。
由于采用了通过对远程线损指数、数据量化指数和环境干扰指数进行标准化处理,获取标准远程线损指数、标准数据量化指数和标准环境干扰指数,进行信息熵计算,配置评估权重;以评估权重进行加权运算,获评估结果,为保证评估结果的精准度,提高评估结果的全面性。
由于采用了基于标识监测源的数据采集模块,采集历史监测数据集;以历史监测数据集生成的数据库,搭建异常检测树;采用孤立森林算法,以实时监测数据作为输入数据,输入异常检测树进行数据异常检测,输出异常检测数据。为后续进行数据处理提供模型基础。
实施例二
基于与前述实施例中一种基于电能表通信模块的远程监测方法相同的发明构思,如图3所示,本申请提供了一种基于电能表通信模块的远程监测系统,其中,所述系统包括:
数据采集单元11,所述数据采集单元11用于接入用电采集系统,采集所述电能表通信模块的监测数据集合;
评估结果获取单元12,所述评估结果获取单元12用于将所述监测数据集合输入云处理器中的数据源远程评估模型中,根据所述数据源远程评估模型,获取各个监测指标源的评估结果,其中,所述评估结果为标识远程监测效率的结果;
远程评估输入单元13,所述远程评估单元13用于将所述监测数据集合输入所述数据源远程评估模型中,其中,所述数据源远程评估模型嵌于所述云处理器;
评估模型分析单元14,所述评估模型分析单元14用于根据所述数据源远程评估模型,获取所述各个监测指标源的远程线损指数、数据量化指数和环境干扰指数;
评估模型输出单元15,所述评估模型输出单元15用于按照所述远程线损指数、所述数据量化指数和所述环境干扰指数分别对所述各个监测指标源进行评估,获取所述评估结果,其中,所述评估结果包括评估指数集合,且所述评估指数集合与所述各个监测指标源一一对应;
监测源输出单元16,所述监测源输出单元16用于根据所述各个监测指标源的评估结果,输出标识监测源,其中,所述标识监测源为监测效率小于预设监测效率的数据源;
指令获取单元17,所述指令获取单元17用于基于所述标识监测源,获取云端处理指令,将所述标识监测源的数据采集模块链接至所述云处理器,得到所述标识监测源的异常检测数据;
异常数据获取单元18,所述异常数据获取单元18用于获取剩余监测源的异常检测数据,其中,所述剩余监测源为除去所述标识监测源后所述各个监测指标源的剩余监测源;
预警生成单元19,所述预警生成单元19用于以所述标识监测源的异常检测数据和所述剩余监测源的异常检测数据,生成预警提醒信息。
进一步的,所述系统包括:
数据传输线路确定单元,所述数据传输线路确定单元用于连接电量抄表系统至所述数据源远程评估模型,得到所述各个监测指标源的数据传输线路;
能量数据分析单元,所述能量数据分析单元用于根据所述各个监测指标源的数据传输线路分别进行电能量数据分析,获取数据同步性;
线路损失计算单元,所述线路损失计算单元用于以所述数据同步性进行线路损失计算,得到所述远程线损指数。
进一步的,所述系统包括:
资源信息获取单元,所述资源信息获取单元用于获得所述电能表通信模块的容量资源信息;
量化集合获取单元,所述量化集合获取单元用于获取所述各个监测指标源的数据量化集合;
数据比对单元,所述数据比对单元用于将所述容量资源信息输入所述数据源远程评估模型中,根据所述容量资源信息对所述数据量化集合分别进行比对,输出容量比对结果,其中,所述容量比对结果为容量负荷占比值;
量化指数输出单元,所述量化指数输出单元用于以所述容量负荷占比值,输出所述各个监测指标源分别对应的所述数据量化指数。
进一步的,所述系统包括:
远程传输单元,所述远程传输单元用于采集所述各个监测指标源在进行远程传输的历史数据集合;
异常频率分析单元,所述异常频率分析单元用于通过对所述历史数据集合进行数据异常频率分析,输出异常频率集合,其中,所述异常频率集合为所述各个监测指标源相对应的平均异常频率的集合;
干扰指数输出单元,所述干扰指数输出单元用于将所述异常频率集合作为环境干扰影响度,输出所述各个监测指标源分别对应的所述环境干扰指数。
进一步的,所述系统包括:
标准化处理单元,所述标准化处理单元用于通过对所述远程线损指数、所述数据量化指数和所述环境干扰指数进行标准化处理,获取标准远程线损指数、标准数据量化指数和标准环境干扰指数;
信息熵计算单元,所述信息熵计算单元用于对所述标准远程线损指数、所述标准数据量化指数和所述标准环境干扰指数进行信息熵计算,配置评估权重;
指数评估计算单元,所述指数评估计算单元用于以所述评估权重对所述标准远程线损指数、所述标准数据量化指数和所述标准环境干扰指数进行计算,获所述评估结果。
进一步的,所述系统包括:
监测数据采集单元,所述监测数据采集单元用于基于所述标识监测源的数据采集模块,采集历史监测数据集;
数据库生成单元,所述数据库生成单元用于以所述历史监测数据集生成的数据库,搭建异常检测树;
数据异常检测单元,所述数据异常检测单元用于采用孤立森林算法,以实时监测数据作为输入数据,输入所述异常检测树进行数据异常检测,输出所述异常检测数据,其中,所述异常检测数据包括所述标识监测源中各个监测源对应的异常数据。
本说明书和附图仅仅是本申请的示例性说明,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。