CN115664038B - 一种用于电气安全管理的智能配电运维监控系统 - Google Patents

一种用于电气安全管理的智能配电运维监控系统 Download PDF

Info

Publication number
CN115664038B
CN115664038B CN202211679050.8A CN202211679050A CN115664038B CN 115664038 B CN115664038 B CN 115664038B CN 202211679050 A CN202211679050 A CN 202211679050A CN 115664038 B CN115664038 B CN 115664038B
Authority
CN
China
Prior art keywords
electrical data
time point
data
degree
dimension
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211679050.8A
Other languages
English (en)
Other versions
CN115664038A (zh
Inventor
易曦宸
李垚磊
刘孟伟
季磊
温飞
曹瑞隆
李钦旺
张�成
刘杨涛
孙媛媛
薛欣科
徐明磊
王旭
姜涛
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.)
Shandong Kehua Electrical Technology Co ltd
Original Assignee
Shandong Kehua Electrical 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 Shandong Kehua Electrical Technology Co ltd filed Critical Shandong Kehua Electrical Technology Co ltd
Priority to CN202211679050.8A priority Critical patent/CN115664038B/zh
Publication of CN115664038A publication Critical patent/CN115664038A/zh
Application granted granted Critical
Publication of CN115664038B publication Critical patent/CN115664038B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明涉及数据异常识别技术领域,提出了一种用于电气安全管理的智能配电运维监控系统,包括:数据采集模块:获取多维度的电气数据;数据处理模块:根据历史电气数据时间点的波动程度,对当前天电气数据进行时间划分;获取当前天各维度电气数据之间的相关性,并选取用于识别异常的三个维度和用于校正的第四维度;根据识别异常的三个维度对时间点进行三维平面拟合,并得到第一异常程度,根据时间点在第四维度的波动程度获取第二异常程度,根据第一异常程度及第二异常程度获取第三异常程度;判断预警模块:根据第三异常程度对电气数据进行异常监控,并在超出阈值时进行预警。本发明旨在解决现有的单一维度电气数据无法准确识别异常数据的问题。

Description

一种用于电气安全管理的智能配电运维监控系统
技术领域
本发明涉及数据异常识别领域,具体涉及一种用于电气安全管理的智能配电运维监控系统。
背景技术
随着用电负荷的不断攀升及电气设备数量的日益剧增,无法及时发现设备故障隐患而导致故障停电、电气火灾等安全事故频发。电气设备运行维护仍然依靠人工管理,进而使故障维修响应慢、巡检过程难管控以及电气设备全生命周期管理缺失。而智慧配电运维是一种采用物联网及云计算技术对电力设备进行管理,根据实时采集的电气数据进行智能预警的监控系统。而由于采集到的电气数据中包含多个维度的数据信息,仅依靠单一维度通过设定阈值进行异常识别时,容易造成较大误差,无法确定异常现象的准确来源,进而可能导致监控过程中的错误预警,从而造成人力物力资源浪费。
发明内容
本发明提供一种用于电气安全管理的智能配电运维监控系统,以解决现有的单一维度电气数据无法准确识别异常监控数据的问题,所采用的技术方案具体如下:
本发明一个实施例提供了一种用于电气安全管理的智能配电运维监控系统,该系统包括数据采集模块、数据处理模块及判断预警模块:
数据采集模块,获取历史中每个时间点多维度的电气数据;
数据处理模块,获取每个时间点的波动程度,并根据每个时间点的波动程度与第一预设阈值间的比较结果获取每个时间点作为分段点的优选程度,根据时间点作为分段点的优选程度划分得到时间区间;
获取电气数据的任意两维度之间的相关性,根据所述相关性得到每个维度的选择度,根据维度选择度获取第一维度、第二维度以及第三维度和第四维度;
根据电气数据在第一维度、第二维度及第三维度的取值获得每个时间区间内各时间点的第一异常程度,并根据每个时间点在第四维度的波动程度获取每个时间点的第二异常程度,根据每个时间点的第一异常程度及第二异常程度获取每个时间点的第三异常程度;
判断预警模块:根据每个时间点的第三异常程度与第三预设阈值的比较结果对电器设备运维系统进行预警。
可选的,所述获取历史中每个时间点多维度的电气数据的方法为:
通过在电力设备上安装电气数据传感器来实时采集电气数据,采集到的电气数据包括历史电气数据及当前天电气数据,所述电气数据传感器为多种类型的传感器,包括电压、电流、用电量、输入功率以及输出功率等多种电气数据的相关传感器,并根据采集到的电气数据以一天为一个分析单位获取电气数据曲线,以横坐标为时间轴、纵坐标为电气数据值来获取电气数据曲线,其中一个时间点即对应了多维度的电气数据,同一天的各维度电气数据值分别对应了一组电气数据曲线中各维度的电气数据曲线。
可选的,所述获取每个时间点的波动程度的方法为:
Figure DEST_PATH_IMAGE001
其中,
Figure 640028DEST_PATH_IMAGE002
表示历史电气数据中第
Figure 661074DEST_PATH_IMAGE003
组中第
Figure 283423DEST_PATH_IMAGE004
条电气数据曲线中第
Figure 426828DEST_PATH_IMAGE005
个时间点的 波动程度,
Figure 636092DEST_PATH_IMAGE006
表示该时间点根据曲线方程获得的斜率值,
Figure 726408DEST_PATH_IMAGE007
表示第
Figure 642412DEST_PATH_IMAGE003
组第
Figure 395866DEST_PATH_IMAGE004
条电 气数据曲线中第
Figure 358006DEST_PATH_IMAGE008
个时间点根据曲线方程获得的斜率值;
将同一组中每个时间点在所有条电气数据曲线上的波动程度的均值作为每个时间点的波动程度。
可选的,所述根据每个时间点的波动程度与第一预设阈值间的比较结果获取每个时间点作为分段点的优选程度的方法为:
Figure 720854DEST_PATH_IMAGE009
其中,
Figure 881577DEST_PATH_IMAGE010
即为第
Figure 797144DEST_PATH_IMAGE005
个时间点作为分段点的优选程度,
Figure 981001DEST_PATH_IMAGE011
为历史电气数据中时间点的 数量,
Figure 85223DEST_PATH_IMAGE012
为第
Figure 772556DEST_PATH_IMAGE005
个时间点在所有历史电气数据曲线中波动程度大于第一预设阈值的次数获 取所有时间点作为分段点的优选程度。
可选的,所述获取电气数据的任意两维度之间的相关性的方法为:
Figure 631928DEST_PATH_IMAGE013
其中,
Figure 804545DEST_PATH_IMAGE014
即表示当前天电气数据中第
Figure DEST_PATH_IMAGE015
个维度电气数据与第
Figure 899409DEST_PATH_IMAGE016
个维度电气数据 之间的相关性,
Figure 533260DEST_PATH_IMAGE017
表示当前天电气数据中的时间点数量,
Figure 563532DEST_PATH_IMAGE018
表示当前天电气数据中第
Figure 456402DEST_PATH_IMAGE019
个 时间点的第
Figure 902427DEST_PATH_IMAGE015
个维度的电气数据值,
Figure 829932DEST_PATH_IMAGE020
表示该时间点第
Figure 532571DEST_PATH_IMAGE016
个维度的电气数据值,
Figure 912736DEST_PATH_IMAGE021
表示 该时间点在第
Figure 21507DEST_PATH_IMAGE015
个维度电气数据值出现的概率,
Figure 803518DEST_PATH_IMAGE022
表示该时间点在第
Figure 847697DEST_PATH_IMAGE016
个维度电气数据 的出现的概率,exp()为以自然常数为底的指数函数。
可选的,所述每个维度的选择度的获取方法为:
Figure 485133DEST_PATH_IMAGE023
其中,
Figure 132015DEST_PATH_IMAGE024
表示当前天电气数据中第
Figure 34112DEST_PATH_IMAGE015
个维度数据的维度选择度,
Figure 311509DEST_PATH_IMAGE025
为所有维度数据 两两组合求相关性中包含第
Figure 338371DEST_PATH_IMAGE015
个维度的组合数量,
Figure 493671DEST_PATH_IMAGE026
表示
Figure 47013DEST_PATH_IMAGE025
个组合中第
Figure 760891DEST_PATH_IMAGE027
个组合的两个 维度数据之间的相关性。
可选的,所述时间点的第一异常程度的获取方法为:
将获取到的当前天电气数据中第
Figure 602945DEST_PATH_IMAGE019
个时间点对应的三维数据点到最终拟合三维平 面的距离与第二预设阈值进行比较,如小于等于第二预设阈值,则该时间点的第一异常程 度为0,如大于第二预设阈值,则该时间点的第一异常程度为对应的三维数据点到最终拟合 三维平面的距离与第二预设阈值之间的差值。
可选的,所述获取每个时间点的第二异常程度的方法为:
Figure 559006DEST_PATH_IMAGE028
其中,
Figure 170116DEST_PATH_IMAGE029
表示当前天电气数据中第
Figure 992578DEST_PATH_IMAGE019
个时间点的第二异常程度,
Figure 321929DEST_PATH_IMAGE030
表示该时间点 在第
Figure 583146DEST_PATH_IMAGE031
个维度上的电气数据的波动程度,
Figure 550227DEST_PATH_IMAGE017
表示当前天电气数据中的时间点数量,
Figure 871487DEST_PATH_IMAGE032
表示 当前天电气数据中第
Figure 422554DEST_PATH_IMAGE033
个时间点在第
Figure 221883DEST_PATH_IMAGE031
个维度上的电气数据的波动程度,所述第
Figure 120436DEST_PATH_IMAGE031
个维度是 指第四维度。
本发明相较于现有技术至少具有的有益效果为:采用多维度的电气数据实现异常数据的监控,能够通过历史电气数据获取不同电力设备的用电习惯;并通过多维度的电气数据之间的相关性,获取相关性强的维度数据构建三维坐标系,分析多维度之间的数据分布关系来进行电气数据的异常监控,相比较单维数据进行异常监控时更加准确;而对于电气数据中的相关性很小的维度数据,可以表明波动异常处的数据必定为异常数据,因此本案根据关联性很小的维度数据获取异常数据的校正值,进而提高异常数据的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一个实施例所提供的一种用于电气安全管理的智能配电运维监控系统的结构框图。
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,其示出了本发明一个实施例所提供的一种用于电气安全管理的智能配电运维监控系统结构框图,该系统包括数据采集模块S101、数据处理模块S102、判断预警模块S103:
数据采集模块S101:获取多维度的电气数据。
具体的,通过在电力设备上安装电气数据传感器来实时采集电气数据,采集到的电气数据包括历史电气数据及当前天电气数据,其中电气数据传感器为多种类型的传感器,包括电压、电流、用电量、输入功率以及输出功率等多种电气数据的相关传感器,并根据采集到的电气数据以一天为一个分析单位,并以横坐标为时间轴、纵坐标为电气数据值来获取电气数据曲线,其中一个时间点即对应了多维度的电气数据,这些维度分别表示:电压、电流、用电量、输入功率以及输出功率等,每一个维度的在一天内的电气数据值都可以拟合成一条电气数据曲线,同一天内各维度的电气数据曲线为一组电气数据曲线,将获取到的电气数据曲线发送到数据处理模块S102中。
数据处理模块S102:
在对电气安全管理监控过程中,由于不同电力设备拥有着不同的用电习惯而需要进行不同的电气数据的异常识别,同时由于多维度的电气数据之间存在着很强的数据关联性,比如电气数据中的电压、电流、用电量等,这些数据之间即存在着很强的数据关联性。但是还存在一些关联性较小的数据,比如电气数据中表征电气设备参数的数据,例如额定的输入功率、输出功率等。因此本发明通过对历史电气数据进行不同电力设备用电习惯的量化,并且通过分析多维度数据之间的相关性,选择相关性较大的数据构建三维坐标系来分析时间点的分布特性并计算时间点的第一异常程度,再通过相关性较小的数据来分析时间点的第二异常程度,进而获取每个时间点的校正后的第三异常程度。
(1)根据历史电气数据中时间点的波动程度,得到分段点并对时间区间进行划分,具体如下:
需要说明的是,在对电气安全管理监控过程中,需要根据不同的电力设备进行不同的电气数据的识别,不同的电力设备拥有着不同的用电习惯,因此在进行电力设备的智能监控过程中,需要根据不同的电力设备的不同用电习惯,对采集的电气数据进行时间区间的划分。本发明根据历史先验的电气数据,通过电气数据的曲线波动进行用电习惯的量化,进而获取一天时间的时间分段点,并根据时间分段点对当前天采集的电气数据进行时间区间的划分。
具体的,在所有的历史电气数据中,每一天的电气数据即对应了一组电气数据曲 线。以其中第
Figure 612597DEST_PATH_IMAGE003
组电气数据曲线为例,首先对电气数据曲线进行均值滤波平滑去噪,以消除 细小的数据波动对此处进行时间区间划分的影响。对去噪处理后的电气数据曲线进行多项 式拟合,本实施例拟合成5次多项式曲线,获取电气数据曲线的曲线方程,进一步的,计算该 组电气数据曲线上同一相邻时间点的导数差异并求均值,获取每个点的波动程度
Figure 385381DEST_PATH_IMAGE034
具体为:在第
Figure 988400DEST_PATH_IMAGE003
组历史电气数据曲线的第
Figure 366292DEST_PATH_IMAGE004
条电气数据曲线中,第
Figure 999661DEST_PATH_IMAGE005
个时间点的波 动程度
Figure 790900DEST_PATH_IMAGE002
的计算方法为:
Figure 728769DEST_PATH_IMAGE035
其中,
Figure 23484DEST_PATH_IMAGE006
表示第
Figure 998393DEST_PATH_IMAGE003
组中第
Figure 775463DEST_PATH_IMAGE004
条电气数据曲线中的第
Figure 251443DEST_PATH_IMAGE005
个时间点根据曲线方程获 得的斜率值,
Figure 338348DEST_PATH_IMAGE007
表示第
Figure 77634DEST_PATH_IMAGE003
组中第
Figure 577885DEST_PATH_IMAGE004
条电气数据曲线中第
Figure 359022DEST_PATH_IMAGE008
个时间点根据曲线方程 获得的斜率值。其中斜率值即为电气数据多项式拟合曲线后该点的一阶导数,特别的,若
Figure 300433DEST_PATH_IMAGE036
时,将
Figure 210620DEST_PATH_IMAGE037
设置为0进行计算。
进一步的,根据第
Figure 932589DEST_PATH_IMAGE003
组电气数据曲线中各维度的电气数据曲线中第
Figure 15951DEST_PATH_IMAGE005
个点的波动程 度获取该时间点的波动程度
Figure 909739DEST_PATH_IMAGE038
,计算方法为:
Figure 662931DEST_PATH_IMAGE039
其中,
Figure 137775DEST_PATH_IMAGE040
表示一组电气数据曲线中共有
Figure 696932DEST_PATH_IMAGE040
个维度的电气数据曲线,
Figure 737569DEST_PATH_IMAGE002
为该组电 气数据曲线中第
Figure 491024DEST_PATH_IMAGE004
条曲线上第
Figure 125268DEST_PATH_IMAGE005
个时间点的波动程度,这些波动程度的均值即为该时间点在 该组电气数据曲线中的波动程度。
至此,得到该组电气数据曲线中所有时间点的波动程度,并对这些时间点的波动程度进行归一化处理。
进一步的,在本发明实施例中第一预设阈值
Figure 488116DEST_PATH_IMAGE041
设置为0.6及初始值为0的时间点 标记器
Figure 383259DEST_PATH_IMAGE042
对该时间点作为分段点的优选程度进行分析。具体的,对于第
Figure 806151DEST_PATH_IMAGE003
组电气数据曲线中 第
Figure 927690DEST_PATH_IMAGE005
个时间点的波动程度
Figure 327185DEST_PATH_IMAGE038
,若该波动程度大于第一预设阈值,则第
Figure 545677DEST_PATH_IMAGE005
个时间点对应的标 记器
Figure 201786DEST_PATH_IMAGE012
数值加1,依此对所有历史电气数据曲线中第
Figure 872939DEST_PATH_IMAGE005
个时间点都计算其波动程度并与第一 预设阈值比较,此时获取到的最终的
Figure 344634DEST_PATH_IMAGE012
数值即表示第
Figure 89736DEST_PATH_IMAGE005
个位置的时间点在所有历史电气数 据曲线中波动程度大于第一预设阈值的次数,需要说明的是,对于所有的历史电气数据曲 线中第
Figure 854430DEST_PATH_IMAGE005
个点即表示相同位置(时间)的一组该位置点。则对第
Figure 809616DEST_PATH_IMAGE005
个时间点作为分段点的优选 程度
Figure 52379DEST_PATH_IMAGE010
的计算方法为:
Figure 738139DEST_PATH_IMAGE009
其中,
Figure 939313DEST_PATH_IMAGE011
即为历史电气数据中时间点的数量,
Figure 585058DEST_PATH_IMAGE012
即为第
Figure 569194DEST_PATH_IMAGE005
个位置的时间点在所有历 史电气数据曲线中波动程度大于第一预设阈值的次数。进一步的,按照该计算方法获取一 条电气数据曲线中所有时间点的优选程度,选取优选程度最大的前10个时间点作为分段 点,得到对时间区间的划分结果。
上述,通过计算所有历史电气数据中某个时间点的波动程度,若该时间点及在所有历史电气数据同位置时间点的波动程度出现超出第一预设阈值的次数越多,该时间点作为当前天电气数据的时间分段点可能性就越大,根据选取的时间分段点对当前天电气数据划分时间区间。
(2)根据当前天电气数据各维度数据之间的相关性表现,获取用于异常数据识别的维度以及用于异常数据校正的维度,具体如下:
需要说明的是,由于电气数据中存在有多个维度的数据,例如同一个时间段有电压、电流、用电量、输入功率以及输出功率等数据。其中部分维度的数据之间存在很强的关联性,对应维度的数据之间具有强关联性,因此通过对关联性强的维度数据再进行电气数据的异常监控,相比较单维数据进行异常监控时更加准确。而对于电气数据中的关联性很小的维度数据,往往代表着电气设备参数的数据,例如额定的输入功率、输出功率等,但是这些数据中若出现波动异常,可以表明波动异常处的数据必定为异常数据,因此本发明根据关联性很小的维度数据获得异常数据的校正值,进而提高异常数据的准确性。
进一步需要说明的是,由于不同维度数据中的量纲及数量级不同,因此需要对所 有维度的电气数据进行归一化处理,并去除量纲,有利于维度数据相关性的计算。具体的, 以当前天电气数据中第
Figure 351206DEST_PATH_IMAGE019
个时间点的第
Figure 224746DEST_PATH_IMAGE015
个维度的电气数据为例,将第
Figure 357787DEST_PATH_IMAGE019
个时间点的第
Figure 4669DEST_PATH_IMAGE015
个 维度的电气数据值
Figure 578870DEST_PATH_IMAGE043
归一化处理后得到
Figure 856267DEST_PATH_IMAGE018
,对当前天电气数据中所有维度的电气数据都 进行该计算方法的归一化处理,本实施例中保留两位小数。
进一步的,本发明通过计算不同维度数据之间的两两相关性来进行维度的选取, 具体的,以当前天电气数据中第
Figure 709560DEST_PATH_IMAGE015
个维度和第
Figure 425713DEST_PATH_IMAGE016
个维度为例,计算两维度之间相关性
Figure 182316DEST_PATH_IMAGE044
的方法为:
Figure DEST_PATH_IMAGE045
其中,
Figure 365036DEST_PATH_IMAGE017
表示当前天电气数据中的时间点数量,
Figure 708555DEST_PATH_IMAGE018
表示当前天电气数据中第
Figure 166081DEST_PATH_IMAGE019
个时 间点的第
Figure 777191DEST_PATH_IMAGE015
个维度的电气数据值,
Figure 724287DEST_PATH_IMAGE020
表示该时间点第
Figure 292452DEST_PATH_IMAGE016
个维度的电气数据值,
Figure 960194DEST_PATH_IMAGE021
表示在 当前天内所有时间点在第
Figure 425811DEST_PATH_IMAGE015
个维度的电气数据值中,第
Figure 543808DEST_PATH_IMAGE019
个时间点在该维度的电气数据值 出现的概率,
Figure 829296DEST_PATH_IMAGE022
表示该时间点在当前天内第
Figure 566308DEST_PATH_IMAGE016
个维度的电气数据值出现的概率,exp() 为以自然常数为底的指数函数,以该种计算方法获取当前天电气数据所有维度数据两两之 间的相关性。
需要说明的是,通过两个维度的电气数据的概率分布函数之间的分布度量来表征 两个维度的电气数据之间的相似性,若两个维度的电气数据的概率分布函数之间的差异越 小,则对应两个维度的电气数据之间的相关性就越大。通过两个维度的电气数据的交叉熵 和单个维度的电气数据的信息熵的差值(即对应的
Figure 450212DEST_PATH_IMAGE046
散度值,计算方法为
Figure 473532DEST_PATH_IMAGE047
),来表征两个维度的电气数据的分布信息量减去单维分布的信息 量,若该差异越小,则表明两个维度的电气数据分布越相似,对应的两个维度之间的相关性 越大。
进一步的,为了减少异常数据识别过程的计算量,根据不同组合之间维度数据的 两两相关性,选取第一、第二及第三维度用于异常数据识别计算,选取第四维度用于异常数 据校正的计算。具体的,分别计算每个维度电气数据的维度选择度,选取维度选择度最大的 三个维度分别作为第一、第二及第三维度,维度选择度最小的维度电气数据作为第四维度, 以第
Figure 511895DEST_PATH_IMAGE015
个维度的电气数据为例进行维度选择度
Figure 787019DEST_PATH_IMAGE024
的计算,计算方法为:
首先,将所有维度两两组合获取所有维度组合结果,这些组合结果中包含第
Figure 725763DEST_PATH_IMAGE015
个维 度的组合数量记为
Figure 123246DEST_PATH_IMAGE025
,这
Figure 445643DEST_PATH_IMAGE025
个组合中第
Figure 586774DEST_PATH_IMAGE027
个组合的两个维度数据之间的相关性为
Figure 819172DEST_PATH_IMAGE026
,则 有:
Figure 889022DEST_PATH_IMAGE048
以该种计算方法获取所有维度电气数据的维度选择度,最大的三个维度电气数据分别作为第一、第二以及第三维度用于异常数据识别,最小的维度电气数据则作为第四维度用于异常数据的校正。此时,维度选择度大的维度对应的电气数据与较多维度的电气数据间相关性较大,这些维度的电气数据在进行异常监控时更为准确,而维度选择度最小的维度对应的电气数据与其他维度的电气数据间的关联性都很小,则该维度电气数据出现异常即表明了该时间点的电气数据出现了异常。(3)根据第一、第二及第三维度的电气数据计算得到时间点的第一异常程度,同时根据第四维度的电气数据校正获得时间点的第二异常程度,进而得到用于异常监控的时间点的第三异常程度,具体如下:
根据在步骤(1)中获取的时间分段点,对当前天电气数据进行时间区间的划分,对 划分后的每个区间进行数据的异常判断。具体的针对任意一个区间来分析,根据第一、第二 以及第三维度的电气数据构建三维坐标系,每个时间点对应的即为一个三维数据点,例如 任意一个时间点的第一维度上的电气数据值为
Figure 167556DEST_PATH_IMAGE049
,第二维度上的电气数据值为
Figure 846799DEST_PATH_IMAGE050
,第三维度 上的电气数据值为
Figure 58338DEST_PATH_IMAGE051
,那么
Figure 126237DEST_PATH_IMAGE052
就是三维坐标系中的任意一个三维数据点;三维坐标对 应的三个维度电气数据用于计算时间点的第一异常程度,进一步的,根据第四维度的电气 数据校正获取时间点的第二异常程度,第一异常程度及第二异常程度的归一化加和即作为 用于异常监控的时间点的第三异常程度。
根据第一、第二以及第三维度建立三维坐标系,获得区间内所有时间点对应的三维数据点,并采用RANSAC方法来将这些三维数据点拟合得到最终拟合三维平面,记为:
Figure 33013DEST_PATH_IMAGE053
其中,
Figure 515947DEST_PATH_IMAGE054
Figure 581992DEST_PATH_IMAGE055
Figure 492179DEST_PATH_IMAGE056
Figure 981192DEST_PATH_IMAGE057
表示最终拟合三维平面的平面方程的参数;
Figure 939920DEST_PATH_IMAGE052
表示三维坐 标系中的三维坐标,对应的即为步骤(2)所获取的三个维度的电气数据。在本发明实施例中 第二预设阈值
Figure 329313DEST_PATH_IMAGE058
设置为
Figure 410402DEST_PATH_IMAGE059
,不在该平面的三维数据点即为对应的异常时间点。具体的,以 第
Figure 619666DEST_PATH_IMAGE019
个三维数据点为例,该三维数据点对应的时间点的第一异常程度
Figure 5255DEST_PATH_IMAGE060
的计算方法为:
Figure 249155DEST_PATH_IMAGE061
其中,
Figure 766724DEST_PATH_IMAGE062
即为第
Figure 728863DEST_PATH_IMAGE019
个三维数据点距离最终拟合三维平面的距离,
Figure 593176DEST_PATH_IMAGE058
为第二预设阈 值,如该三维数据点到最终拟合三维平面的距离小于等于第二预设阈值,则对应的时间点 的第一异常程度
Figure 363686DEST_PATH_IMAGE060
为0;如大于第二预设阈值,则对应的时间点的第一异常程度
Figure 52157DEST_PATH_IMAGE060
为三维 数据点到最终拟合三维平面的距离
Figure 236013DEST_PATH_IMAGE062
与第二预设阈值
Figure 668132DEST_PATH_IMAGE058
之间的差值。
需要说明的是,因为每个三维数据点对应一个时间点,因此以该种计算方法计算当前天电气数据中所有时间点的第一异常程度。
进一步的,根据第四维度的电气数据计算时间点的第二异常程度,利用该维度电气数据的波动程度进行分析,进而得到时间点的第二异常程度。
具体的,第四维度记为当前天电气数据中的第
Figure 391018DEST_PATH_IMAGE031
个维度,对该维度数据进行多项式 拟合曲线。需要说明的是,当前天所有电气数据对应的时间点为自变量,当前天所有电气数 据在第四维度的值为因变量,利用最小二乘法拟合一个多项式曲线,记为第
Figure 984810DEST_PATH_IMAGE031
个维度数据拟 合曲线,本实施例拟合成5次多项式曲线。进一步的,按照步骤(1)中的波动程度计算过程获 取第
Figure 452701DEST_PATH_IMAGE019
个时间点在第
Figure 157351DEST_PATH_IMAGE031
个维度数据拟合曲线上的波动程度
Figure 902454DEST_PATH_IMAGE030
,则对于该时间点的第二异常 程度
Figure 168612DEST_PATH_IMAGE029
的计算方法为:
Figure 327061DEST_PATH_IMAGE028
其中,
Figure 897720DEST_PATH_IMAGE030
表示第
Figure 825224DEST_PATH_IMAGE019
个时间点在第四维度即第
Figure 698502DEST_PATH_IMAGE031
个维度上的电气数据的波动程度,
Figure 311624DEST_PATH_IMAGE017
表示当前天电气数据中的时间点数量,
Figure 685974DEST_PATH_IMAGE032
表示当前天电气数据中第
Figure 467985DEST_PATH_IMAGE033
个时间点在第
Figure 512164DEST_PATH_IMAGE031
个 维度上的电气数据的波动程度;该计算方法根据第
Figure 114047DEST_PATH_IMAGE019
个时间点的在第
Figure 527973DEST_PATH_IMAGE031
个维度上的电气数 据的波动程度与第
Figure 164491DEST_PATH_IMAGE031
个维度的平均波动程度比较,获取该时间点的第二异常程度,以该种方 法得到所有时间点的第二异常程度。
进一步的,以第
Figure 379571DEST_PATH_IMAGE019
个时间点为例,其用于异常监控的第三异常程度
Figure 734329DEST_PATH_IMAGE063
的计算方法 为:
Figure 184902DEST_PATH_IMAGE064
其中,
Figure 699761DEST_PATH_IMAGE060
为第
Figure 148059DEST_PATH_IMAGE019
个时间点的第一异常程度,
Figure 396638DEST_PATH_IMAGE029
为该时间点的第二异常程度。
通过第一、第二及第三维度电气数据得到的最终拟合三维平面,根据三维数据点与其距离来判断第一异常程度,三维数据点距离最终拟合的三维平面越远,表明其对应的时间点越异常,对应的该时间点的第一异常程度就越大;通过第四维度电气数据获取时间点的第二异常程度,若在相关性最小的维度电气数据中,例如表征固定的电气设备参数的数据,该时间点表现出现异常,则对应的该时间点整体多维电气数据必定为异常数据。
判断预警模块S103:根据时间点的第三异常程度对电气数据进行异常监控并作出相应预警,具体为:
将所有时间点的第三异常程度归一化处理,根据各时间点的第三异常程度与第三 预设阈值
Figure 650902DEST_PATH_IMAGE065
进行比较,其中预设阈值可根据实施场景进行调整,若某时间点的第三 异常程度超过第三预设阈值,则在该时间点需要对电气设备运维系统进行预警。
需要说明的是,本实施例中所有归一化处理均采用线性归一化方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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)

1.一种用于电气安全管理的智能配电运维监控系统,其特征在于,该系统包括:
数据采集模块,获取历史中每个时间点多维度的电气数据;
数据处理模块,获取每个时间点的波动程度,并根据每个时间点的波动程度与第一预设阈值间的比较结果获取每个时间点作为分段点的优选程度,根据时间点作为分段点的优选程度划分得到时间区间;
获取电气数据的任意两维度之间的相关性,根据所述相关性得到每个维度的选择度,根据维度选择度获取第一维度、第二维度以及第三维度和第四维度;
根据电气数据在第一维度、第二维度及第三维度的取值获得每个时间区间内各时间点的第一异常程度,并根据每个时间点在第四维度的波动程度获取每个时间点的第二异常程度,根据每个时间点的第一异常程度及第二异常程度获取每个时间点的第三异常程度;
判断预警模块:根据每个时间点的第三异常程度与第三预设阈值的比较结果对电器设备运维系统进行预警。
2.根据权利要求1所述的一种用于电气安全管理的智能配电运维监控系统,其特征在于,所述获取历史中每个时间点多维度的电气数据的方法为:
通过在电力设备上安装电气数据传感器来实时采集电气数据,采集到的电气数据包括历史电气数据及当前天电气数据,所述电气数据传感器至少包括电压、电流、用电量、输入功率以及输出功率的相关传感器,并根据采集到的电气数据以一天为一个分析单位获取电气数据曲线,以横坐标为时间轴、纵坐标为电气数据值来获取电气数据曲线,其中一个时间点即对应了多维度的电气数据,同一天的各维度电气数据值分别对应了一组电气数据曲线中各维度的电气数据曲线。
3.根据权利要求2所述的一种用于电气安全管理的智能配电运维监控系统,其特征在于,所述获取每个时间点的波动程度的方法为:
Figure QLYQS_1
其中,
Figure QLYQS_2
表示历史电气数据中第
Figure QLYQS_7
组中第
Figure QLYQS_9
条电气数据曲线中第
Figure QLYQS_4
个时间点的波动程度,
Figure QLYQS_6
表示该时间点根据曲线方程获得的斜率值,
Figure QLYQS_8
表示第
Figure QLYQS_10
组第
Figure QLYQS_3
条电气数据曲线中第
Figure QLYQS_5
个时间点根据曲线方程获得的斜率值;
将同一组中每个时间点在所有条电气数据曲线上的波动程度的均值作为每个时间点的波动程度。
4.根据权利要求1所述的一种用于电气安全管理的智能配电运维监控系统,其特征在于,所述根据每个时间点的波动程度与第一预设阈值间的比较结果获取每个时间点作为分段点的优选程度的方法为:
Figure QLYQS_11
其中,
Figure QLYQS_12
即为第
Figure QLYQS_13
个时间点作为分段点的优选程度,
Figure QLYQS_14
为历史电气数据中时间点的数量,
Figure QLYQS_15
为第
Figure QLYQS_16
个时间点在所有历史电气数据曲线中波动程度大于第一预设阈值的次数;
获取所有时间点作为分段点的优选程度。
5.根据权利要求1所述的一种用于电气安全管理的智能配电运维监控系统,其特征在于,所述获取电气数据的任意两维度之间的相关性的方法为:
Figure QLYQS_17
其中,
Figure QLYQS_19
即表示当前天电气数据中第
Figure QLYQS_24
个维度电气数据与第
Figure QLYQS_27
个维度电气数据之间的相关性,
Figure QLYQS_20
表示当前天电气数据中的时间点数量,
Figure QLYQS_22
表示当前天电气数据中第
Figure QLYQS_28
个时间点的第
Figure QLYQS_30
个维度的电气数据值,
Figure QLYQS_18
表示该时间点第
Figure QLYQS_23
个维度的电气数据值,
Figure QLYQS_26
表示该时间点在第
Figure QLYQS_29
个维度电气数据值出现的概率,
Figure QLYQS_21
表示该时间点在第
Figure QLYQS_25
个维度电气数据的出现的概率,exp()为以自然常数为底的指数函数。
6.根据权利要求1所述的一种用于电气安全管理的智能配电运维监控系统,其特征在于,所述每个维度的选择度的获取方法为:
Figure QLYQS_31
其中,
Figure QLYQS_32
表示当前天电气数据中第
Figure QLYQS_33
个维度数据的维度选择度,
Figure QLYQS_34
为所有维度数据两两组合求相关性中包含第
Figure QLYQS_35
个维度的组合数量,
Figure QLYQS_36
表示
Figure QLYQS_37
个组合中第
Figure QLYQS_38
个组合的两个维度数据之间的相关性。
7.根据权利要求1所述的一种用于电气安全管理的智能配电运维监控系统,其特征在于,所述时间点的第一异常程度的获取方法为:
将获取到的当前天电气数据中第
Figure QLYQS_39
个时间点对应的三维数据点到最终拟合三维平面的距离与第二预设阈值进行比较,如小于等于第二预设阈值,则该时间点的第一异常程度为0,如大于第二预设阈值,则该时间点的第一异常程度为对应的三维数据点到最终拟合三维平面的距离与第二预设阈值之间的差值。
8.根据权利要求1所述的一种用于电气安全管理的智能配电运维监控系统,其特征在于,所述获取每个时间点的第二异常程度的方法为:
Figure QLYQS_40
其中,
Figure QLYQS_41
表示当前天电气数据中第
Figure QLYQS_44
个时间点的第二异常程度,
Figure QLYQS_48
表示该时间点在第
Figure QLYQS_43
个维度上的电气数据的波动程度,
Figure QLYQS_45
表示当前天电气数据中的时间点数量,
Figure QLYQS_47
表示当前天电气数据中第
Figure QLYQS_49
个时间点在第
Figure QLYQS_42
个维度上的电气数据的波动程度,所述第
Figure QLYQS_46
个维度是指第四维度。
CN202211679050.8A 2022-12-27 2022-12-27 一种用于电气安全管理的智能配电运维监控系统 Active CN115664038B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211679050.8A CN115664038B (zh) 2022-12-27 2022-12-27 一种用于电气安全管理的智能配电运维监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211679050.8A CN115664038B (zh) 2022-12-27 2022-12-27 一种用于电气安全管理的智能配电运维监控系统

Publications (2)

Publication Number Publication Date
CN115664038A CN115664038A (zh) 2023-01-31
CN115664038B true CN115664038B (zh) 2023-03-10

Family

ID=85022929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211679050.8A Active CN115664038B (zh) 2022-12-27 2022-12-27 一种用于电气安全管理的智能配电运维监控系统

Country Status (1)

Country Link
CN (1) CN115664038B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116111727B (zh) * 2023-04-13 2023-06-30 盛锋电力科技有限公司 基于动态温度阈值的综合配电箱异常监测方法
CN116503025B (zh) * 2023-06-25 2023-09-19 深圳高新区信息网有限公司 一种基于工作流引擎的业务工单流程处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111864898A (zh) * 2020-06-17 2020-10-30 江苏方天电力技术有限公司 一种基于输电在线监测数据的三维信息系统及其控制方法
CN113496089A (zh) * 2021-09-07 2021-10-12 江苏宝诺铸造有限公司 基于人工智能的物联网设备异常状态在线监测方法及系统
CN114328075A (zh) * 2021-09-09 2022-04-12 广东电网有限责任公司广州供电局 一种智能配电房传感器多维数据融合异常事件检测方法、系统及计算机可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002358118A (ja) * 2001-05-31 2002-12-13 Toshiba Corp 監視制御システムとその方法、およびそのためのプログラム
FR3042075B1 (fr) * 2015-10-06 2018-10-12 Universite De Poitiers Determination d'une pollution harmonique sur un reseau de distribution d'energie electrique
CN111598438B (zh) * 2020-05-14 2023-05-26 哈尔滨工业大学(威海) 基于分段拟合分析及评估的民航发动机气路异常检测方法
CN115080619A (zh) * 2022-06-24 2022-09-20 中国工商银行股份有限公司 数据异常阈值确定方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111864898A (zh) * 2020-06-17 2020-10-30 江苏方天电力技术有限公司 一种基于输电在线监测数据的三维信息系统及其控制方法
CN113496089A (zh) * 2021-09-07 2021-10-12 江苏宝诺铸造有限公司 基于人工智能的物联网设备异常状态在线监测方法及系统
CN114328075A (zh) * 2021-09-09 2022-04-12 广东电网有限责任公司广州供电局 一种智能配电房传感器多维数据融合异常事件检测方法、系统及计算机可读存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Bochao Xu et al..Power Station Abnormal Data Cleaning Method Based On Big Data Mining.2022,第3809-3814页. *
胡 胜等.基于特征空间变换的纺纱过程多关联参数质量波动异常检测 .2022,第1-13页. *
魏莹晨等.基于改进型灰色预测的核电站汽轮机趋势预测.2019,第40卷(第6期),第36-41页. *

Also Published As

Publication number Publication date
CN115664038A (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
CN115664038B (zh) 一种用于电气安全管理的智能配电运维监控系统
AU2020101900A4 (en) A method, device and equipment for detecting abnormal electric meter
CN108376982B (zh) 负载相序的识别方法及装置
CN109583680B (zh) 一种基于支持向量机的窃电辨识方法
CN112188531B (zh) 异常检测方法、装置、电子设备及计算机存储介质
CN112284440B (zh) 一种传感器数据偏差自适应修正方法
CN107677903B (zh) 一种变压器状态监测数据的聚类分析方法
CN115982602B (zh) 一种光伏变压器电故障检测方法
CN117220441A (zh) 基于全景监控下的信息监测智能预警方法
CN116308305B (zh) 一种桥梁健康监测数据管理系统
CN111813644B (zh) 系统性能的评价方法、装置、电子设备和计算机可读介质
CN116914917A (zh) 一种基于大数据的配电柜运行状态监测管理系统
CN117849700B (zh) 可控制测量的模块化电能计量系统
CN113723861A (zh) 异常用电行为检测方法、装置、计算机设备和存储介质
CN116739829A (zh) 一种基于大数据的电力数据分析方法、系统及介质
KR101960755B1 (ko) 미취득 전력 데이터 생성 방법 및 장치
CN117150244B (zh) 基于电参数分析的智能配电柜状态监测方法及系统
CN117783745B (zh) 用于换电柜的数据在线监测方法及系统
CN117311295B (zh) 基于无线网络设备的生产质量提升方法及系统
CN116124270B (zh) 一种动态汽车衡自动智能化校准方法
CN112215482A (zh) 一种户变关系识别方法和装置
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
CN116307886A (zh) 一种企业生产状态的实时监测方法及装置
CN109828146B (zh) 一种通过设备电参数ad采样判断设备工况的方法
CN113806495B (zh) 一种离群机器检测方法和装置

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: An Intelligent Distribution Operation and Maintenance Monitoring System for Electrical Safety Management

Effective date of registration: 20230829

Granted publication date: 20230310

Pledgee: Jinan Shengfu Branch of Qilu Bank Co.,Ltd.

Pledgor: SHANDONG KEHUA ELECTRICAL TECHNOLOGY CO.,LTD.

Registration number: Y2023980054393