CN116257745B - 一种负荷电流极端异常数据处理方法和装置 - Google Patents
一种负荷电流极端异常数据处理方法和装置 Download PDFInfo
- Publication number
- CN116257745B CN116257745B CN202310521045.2A CN202310521045A CN116257745B CN 116257745 B CN116257745 B CN 116257745B CN 202310521045 A CN202310521045 A CN 202310521045A CN 116257745 B CN116257745 B CN 116257745B
- Authority
- CN
- China
- Prior art keywords
- data
- current
- load current
- extreme
- preset
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 17
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000009499 grossing Methods 0.000 claims abstract description 25
- 238000012216 screening Methods 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 11
- 230000003203 everyday effect Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
-
- 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
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
- G01R19/16528—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values using digital techniques or performing arithmetic operations
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种负荷电流极端异常数据处理方法和装置，该负荷电流极端异常数据处理方法，包括：获取授权用户在预设时长内的负荷电流的历史数据；从历史数据中筛选出极端异常电流数据，对极端异常电流数据进行第一轮数据平滑，获得按时间顺序排列的电流一维数据；对电流一维数据与历史数据的筛选剩余数据进行数据重构，获得电流二维数据；将电流二维数据导入预设的高斯滤波器中，进行第二轮数据平滑，获得高斯滤波后的平滑电流数据；进而能够有效的去除负荷电流中的极端异常数据，使得负荷电流数据更加平滑，有利于观察和掌握电流运行变化和规律，同时也有利于负荷状态识别和监测，具有广泛的应用前景。
Description
技术领域
本发明涉及电力系统领域，特别是涉及一种负荷电流极端异常数据处理方法和装置。
背景技术
近年来，随着国民经济和人民生活水平的不断提高，工业用电和居民用电不断增长，工业电气设备和家用电器日益增多；同时智能电网的发展，对于配用电侧的智能化推进也使得低压的用户终端实现了同步优化，随着电力系统中的用电量与非线性用电负荷的增加，近年来关于负荷状态识别和监测的问题也获得了研究人员的广泛关注。
目前关于用户的负荷状态识别和监测中，由于用户的负荷电流数据中初始噪声太多，数据抖动厉害，产生大量极端异常数据，不利于观察数据规律，且极端异常数据也会对负荷状态识别和监测产生较大的干扰。
针对由于现有技术缺少有效对极端异常数据处理的方法，导致极端异常数据对数据分析影响大的问题，目前尚未提出有效的解决方案。
发明内容
本发明要解决的技术问题在于克服现有技术中缺少有效对极端异常数据处理的方法，导致极端异常数据对数据分析影响大的缺陷，从而提供一种负荷电流极端异常数据处理方法和装置。
为实现上述目的，本发明采用了如下技术方案：
一方面，本发明提出了一种负荷电流极端异常数据处理方法，包括：获取授权用户在预设时长内的负荷电流的历史数据；从历史数据中筛选出极端异常电流数据，对极端异常电流数据进行第一轮数据平滑，获得按时间顺序排列的电流一维数据；对电流一维数据与历史数据的筛选剩余数据进行数据重构，获得电流二维数据；将电流二维数据导入预设的高斯滤波器中，进行第二轮数据平滑，获得高斯滤波后的平滑电流数据。
可选地，获取授权用户在预设时长内的负荷电流的历史数据包括：获取授权用户预设时间间隔的负荷电流数据，每天获得预设个数时刻点的负荷电流数据；将预设时间间隔的负荷电流数据和预设个数时刻点的负荷电流数据作为历史数据。
可选地，从历史数据中筛选出极端异常电流数据包括：在三相电流中，同一时刻点，若第一相的负荷电流小于预设值，或，第一相的负荷电流大于预设值，且第一相的负荷电流是第二相的或第二相和第三相的负荷电流的预设倍数，则第一相负荷电流在该时刻点的数据为极端异常电流数据。
可选地，对极端异常电流数据进行第一轮数据平滑，获得按时间顺序排列的电流一维数据包括：以极端异常电流数据为中点，获取极端异常电流数据在历史数据中的前后N个连续负荷电流数据，得到2N+1个点的第一数据集；将第一数据集按电流值大小进行排序，得到第二数据集；将第二数据集的中值作为极端异常电流的电流一维数据。
可选地，数据重构包括：
（1）
其中，d1、d2、……、di为预设时间，单位为天；t1、t2、……、t96为时刻点，相邻时刻点之间的间隔为预设间隔；Dn为i天的所有时刻点的电流数值矩阵；则表示为第2天第1个时刻点的负荷电流数据。
可选地，将电流二维数据导入预设的高斯滤波器中，进行第二轮数据平滑，获得高斯滤波后的平滑电流数据包括：构建高斯滤波器模板；将高斯分布的标准差σ代入高斯滤波器模板，获得权重矩阵；将电流二维数据分别导入权重矩阵，计算获得高斯模糊值；汇总高斯模糊值，获得平滑电流数据。
进一步地，可选地，构建高斯滤波器模板包括：以模板的中心位置为坐标原点进行取样，构建出(2k+1)×(2k+1)的高斯滤波器模板，高斯滤波器模板中各元素值的计算公式包括：
（2）
式（2）中，i为高斯滤波器模板的横坐标；j为高斯滤波器模板的纵坐标；为高斯滤波器模板中H坐标点的元素值；σ为高斯分布的标准差；k为常数，取值范围包括1、2、……、47；e、π为自然常数。
进一步地，可选地，高斯分布的标准差σ通过Grid Search穷举搜索获得。
另一方面，本发明还提供一种负荷电流极端异常数据处理装置，包括：获取模块，用于获取授权用户在预设时长内的负荷电流的历史数据；第一数据处理模块，用于从历史数据中筛选出极端异常电流数据，对极端异常电流数据进行第一轮数据平滑，获得按时间顺序排列的电流一维数据；重构模块，用于对电流一维数据与历史数据的筛选剩余数据进行数据重构，获得电流二维数据；第二数据处理模块，用于将电流二维数据导入预设的高斯滤波器中，进行第二轮数据平滑，获得高斯滤波后的平滑电流数据。
可选地，获取模块具体用于：获取授权用户预设时间间隔的负荷电流数据，每天获得预设个数时刻点的负荷电流数据；将预设时间间隔的负荷电流数据和预设个数时刻点的负荷电流数据作为历史数据。
相比现有技术，本发明的有益效果在于：
上述技术方案中所提供的负荷电流极端异常数据处理方法和装置。获取授权用户在预设时长内的负荷电流的历史数据；从历史数据中筛选出极端异常电流数据，对极端异常电流数据进行第一轮数据平滑，获得按时间顺序排列的电流一维数据；对电流一维数据与历史数据的筛选剩余数据进行数据重构，获得电流二维数据；将电流二维数据导入预设的高斯滤波器中，进行第二轮数据平滑，获得高斯滤波后的平滑电流数据；进而能够有效的去除负荷电流中的极端异常数据，使得负荷电流数据更加平滑，有利于观察和掌握电流运行变化和规律，同时也有利于负荷状态识别和监测，具有广泛的应用前景。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种负荷电流极端异常数据处理方法的示意图。
图2为本发明在负荷电流极端异常数据处理前后的电流对比图。
图3为本发明实施例二提供的一种负荷电流极端异常数据处理装置的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块（单元）的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
实施例一
本发明实施例提供了一种负荷电流极端异常数据处理方法，图1为本发明实施例一提供的负荷电流极端异常数据处理方法的示意图；目前关于用户的负荷状态识别和监测中，由于用户的负荷电流数据中初始噪声太多，数据抖动厉害，产生大量极端异常数据，不利于观察数据规律，且极端异常数据也会对负荷状态识别和监测产生较大的干扰，因此需要对数据进行平滑，将数据中的极端异常数据去除；如图1所示，本申请实施例提供的负荷电流极端异常数据处理方法包括：
S102、获取授权用户在预设时长内的负荷电流的历史数据；本实施例中，获取授权用户在预设时长内的负荷电流的历史数据具体包括：获取授权用户15分钟间隔（即，本申请中的预设时间间隔）的负荷电流数据，每天获得96个时刻点（即，本申请中的预设个数时刻点）的负荷电流数据；将15分钟间隔的负荷电流数据和96个时刻点的负荷电流数据作为历史数据；
S104、从历史数据中筛选出极端异常电流数据，对极端异常电流数据进行第一轮数据平滑，获得按时间顺序排列的电流一维数据；
进一步，本实施例中，从历史数据中筛选出极端异常电流数据具体包括：在三相电流中，同一时刻点，若第一相的负荷电流小于0A，或，第一相、第二相和第三相的负荷电流均大于0A，且第一相的负荷电流是第二相的或第二相和第三相的负荷电流的150倍（即，本申请中的预设倍数），则第一相负荷电流在该时刻点的数据为极端异常电流数据；同理，若第二相的负荷电流小于0A，或，第一相、第二相和第三相的负荷电流均大于0A，且第二相的负荷电流是第一相的或第一相和第三相的负荷电流的150倍，则第二相负荷电流在该时刻点的数据为极端异常电流数据；若第三相的负荷电流小于0A，或，第一相、第二相和第三相的负荷电流均大于0A，且第三相的负荷电流是第一相的或第一相和第二项的负荷电流的150倍，则第三相负荷电流在该时刻点的数据为极端异常电流数据；
进一步，本实施例中，对极端异常电流数据进行第一轮数据平滑，获得按时间顺序排列的电流一维数据具体包括：以极端异常电流数据为中点，获取极端异常电流数据在历史数据中的前后N个连续负荷电流数据，得到2N+1个点的第一数据集；将第一数据集按电流值大小进行排序，得到第二数据集；将第二数据集的中值作为极端异常电流的电流一维数据。
S106、对电流一维数据与历史数据的筛选剩余数据进行数据重构，获得电流二维数据；本实施例中，数据重构具体包括：
（1）
其中，d1、d2、……、di为预设时间，单位为天；t1、t2、……、t96为时刻点，相邻时刻点之间的间隔为15分钟；Dn为i天的所有时刻点的电流数值矩阵；则表示为第2天第1个时刻点的负荷电流数据。
S108、将电流二维数据导入预设的高斯滤波器中，进行第二轮数据平滑，获得高斯滤波后的平滑电流数据；本实施例中，将电流二维数据导入预设的高斯滤波器中，进行第二轮数据平滑，获得高斯滤波后的平滑电流数据包括：
构建高斯滤波器模板；本实施例中，构建高斯滤波器模板具体包括：以模板的中心位置为坐标原点进行取样，构建出(2k+1)×(2k+1)的高斯滤波器模板，高斯滤波器模板中各元素值的计算公式包括： （2）
式（2）中，i为高斯滤波器模板的横坐标；j为高斯滤波器模板的纵坐标；为高斯滤波器模板中H坐标点的元素值；σ为高斯分布的标准差；k为常数，取值范围包括1、2、……、47；e、π为自然常数。
将高斯分布的标准差σ代入高斯滤波器模板，获得权重矩阵；高斯滤波器模板的生成最重要的参数就是高斯分布的标准差σ，标准差代表着数据的离散程度，如果σ较小，那么生成的模板的中心系数较大，而周围的系数较小，平滑效果就不是很明显；反之，σ较大，则生成的模板的各个系数相差就不是很大，比较类似均值模板，平滑效果比较明显；本实施例中，高斯分布的标准差σ通过Grid Search穷举搜索获得，具体为：在所有候选的参数σ中，通过循环遍历，尝试每一种可能性，并画出高斯滤波后的曲线，结合图像分析筛选出最终的参数σ；
将电流二维数据分别导入权重矩阵，计算获得高斯模糊值；
汇总高斯模糊值，获得平滑电流数据。
本实施例中，构造一个高斯滤波器的模板，对高斯函数进行离散化，得到的高斯函数值作为模板的系数；优选的，以构建产生一个3×3的高斯滤波器模板为例：
第一步，以模板的中心位置为坐标原点进行取样，模板在各个位置的坐标，如下所示(x轴水平向右，y轴竖直向下)。
| （-1,1） | （0,1） | （1,1） |
| （-1,0） | （0,0） | （1,0） |
| （-1,-1） | （0,-1） | （1,-1） |
随后，将各个位置的坐标带入高斯函数内中，得到模板系数。
第二步，设定σ的值为1.5，则模糊半径为1的权重矩阵，如表1所示：
表1
| 0.0453542 | 0.0566406 | 0.0453542 |
| 0.0566406 | 0.0707355 | 0.0566406 |
| 0.0453542 | 0.0566406 | 0.0453542 |
此9个点的权重总和等于0.4787147，若只计算此9个点的加权平均，则须使此9个点的权重之和等于1，因此此9个点的值还要分别除以0.4787147，得到最终的权重矩阵，如表2所示：
表2
| 0.0947416 | 0.118318 | 0.0947416 |
| 0.118318 | 0.147761 | 0.118318 |
| 0.0947416 | 0.118318 | 0.0947416 |
第三步：将电流二维数据分别导入表2的权重矩阵内，计算高斯模糊值；取连续三天的三个相同的时刻点，共计9个电流值，如表3所示：
表3
| 0.633 | 0 | 0.641 |
| 0.241 | 1.141 | 0.158 |
| 0.641 | 0.433 | 0.447 |
表3内的每个点乘以表2获得的矩阵内的对应权重值：
| 0.633*0.0947416 | 0*0.118318 | 0.641*0.0947416 |
| 0.241*0.118318 | 1.141*0.147761 | 0.158*0.118318 |
| 0.641*0.0947416 | 0.433*0.118318 | 0.447*0.0947416 |
得到，如表4所示：
表4
| 0.05997 | 0 | 0.06073 |
| 0.02851 | 0.16860 | 0.01869 |
| 0.06073 | 0.05123 | 0.04235 |
将表4中的9个值加起来，则获得中心点的高斯模糊值。
第四步，对所有点重复这个过程，汇总高斯模糊值，最终可获得了高斯滤波后的平滑电流数据；参照图2，本发明在负荷电流极端异常数据处理前后的电流对比图，可见的，负荷电流极端异常数据处理后，负荷电流数据更加的平滑，有利于观察和掌握电流运行变化和规律，同时也有利于负荷状态识别和监测。
需要说明的是，本申请实施例提供的负荷电流极端异常数据处理方法中的上述数值仅以作为最优示例进行说明，以实现本申请实施例提供的负荷电流极端异常数据处理方法为准，具体不做限定。
通过采用本申请实施例提供的负荷电流极端异常数据处理方法，能够有效的去除负荷电流中的极端异常数据，使得负荷电流数据更加平滑，有利于观察和掌握电流运行变化和规律，同时也有利于负荷状态识别和监测，具有广泛的应用前景。
实施例二
本发明实施例提供一种负荷电流极端异常数据处理装置，图3为本发明实施例二提供的一种负荷电流极端异常数据处理装置的示意图；如图3所示，本申请实施例提供的负荷电流极端异常数据处理装置包括：获取模块302，用于获取授权用户在预设时长内的负荷电流的历史数据；第一数据处理模块304，用于从历史数据中筛选出极端异常电流数据，对极端异常电流数据进行第一轮数据平滑，获得按时间顺序排列的电流一维数据；重构模块306，用于对电流一维数据与历史数据的筛选剩余数据进行数据重构，获得电流二维数据；第二数据处理模块308，用于将电流二维数据导入预设的高斯滤波器中，进行第二轮数据平滑，获得高斯滤波后的平滑电流数据。
本实施例中，获取模块302具体用于：获取授权用户预设时间间隔的负荷电流数据，每天获得预设个数时刻点的负荷电流数据；将预设时间间隔的负荷电流数据和预设个数时刻点的负荷电流数据作为历史数据。
需要说明的是，本申请实施例提供的负荷电流极端异常数据处理装置仅以上述示例为例进行说明，以实现本申请实施例提供的负荷电流极端异常数据处理方法为准，具体不做限定。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (8)
1.一种负荷电流极端异常数据处理方法，其特征在于，包括：
获取授权用户在预设时长内的负荷电流的历史数据；
从所述历史数据中筛选出极端异常电流数据，对所述极端异常电流数据进行第一轮数据平滑，获得按时间顺序排列的电流一维数据；其中，所述对所述极端异常电流数据进行第一轮数据平滑，获得按时间顺序排列的电流一维数据包括：
以所述极端异常电流数据为中点，获取所述极端异常电流数据在所述历史数据中的前后N个连续负荷电流数据，得到2N+1个点的第一数据集；
将所述第一数据集按电流值大小进行排序，得到第二数据集；
将所述第二数据集的中值作为极端异常电流的所述电流一维数据；
对所述电流一维数据与所述历史数据的筛选剩余数据进行数据重构，获得电流二维数据；其中，所述数据重构包括：
（1）
式（1）中，d1、d2、……、di为预设时间，单位为天；t1、t2、……、t96为时刻点，相邻时刻点之间的间隔为预设间隔；Dn为i天的所有时刻点的电流数值矩阵；则表示为第2天第1个时刻点的负荷电流数据；
将所述电流二维数据导入预设的高斯滤波器中，进行第二轮数据平滑，获得高斯滤波后的平滑电流数据。
2.根据权利要求1所述的负荷电流极端异常数据处理方法，其特征在于，所述获取授权用户在预设时长内的负荷电流的历史数据包括：
获取所述授权用户预设时间间隔的负荷电流数据，每天获得预设个数时刻点的所述负荷电流数据；
将所述预设时间间隔的负荷电流数据和所述预设个数时刻点的所述负荷电流数据作为所述历史数据。
3.根据权利要求1所述的负荷电流极端异常数据处理方法，其特征在于：所述从所述历史数据中筛选出极端异常电流数据包括：
在三相电流中，同一时刻点，若第一相的负荷电流小于预设值，或，第一相的负荷电流大于所述预设值，且第一相的负荷电流是第二相的或第二相和第三相的负荷电流的预设倍数，
则第一相负荷电流在该时刻点的数据为极端异常电流数据。
4.根据权利要求1所述的负荷电流极端异常数据处理方法，其特征在于，将所述电流二维数据导入预设的高斯滤波器中，进行第二轮数据平滑，获得高斯滤波后的平滑电流数据包括：
构建高斯滤波器模板；
将高斯分布的标准差σ代入所述高斯滤波器模板，获得权重矩阵；
将所述电流二维数据分别导入所述权重矩阵，计算获得高斯模糊值；
汇总所述高斯模糊值，获得平滑电流数据。
5.根据权利要求4所述的负荷电流极端异常数据处理方法，其特征在于，所述构建高斯滤波器模板包括：
以模板的中心位置为坐标原点进行取样，构建出(2k+1)×(2k+1)的高斯滤波器模板，所述高斯滤波器模板中各元素值的计算公式包括：
（2）
式（2）中，i为所述高斯滤波器模板的横坐标；j为所述高斯滤波器模板的纵坐标；为所述高斯滤波器模板中H坐标点的元素值；σ为高斯分布的标准差；k为常数，取值范围包括1、2、……、47；e、π为自然常数。
6.根据权利要求4所述的负荷电流极端异常数据处理方法，其特征在于，所述高斯分布的标准差σ通过Grid Search穷举搜索获得。
7.一种负荷电流极端异常数据处理装置，其特征在于，包括：
获取模块，用于获取授权用户在预设时长内的负荷电流的历史数据；
第一数据处理模块，用于从所述历史数据中筛选出极端异常电流数据，对所述极端异常电流数据进行第一轮数据平滑，获得按时间顺序排列的电流一维数据；其中，所述对所述极端异常电流数据进行第一轮数据平滑，获得按时间顺序排列的电流一维数据包括：
以所述极端异常电流数据为中点，获取所述极端异常电流数据在所述历史数据中的前后N个连续负荷电流数据，得到2N+1个点的第一数据集；
将所述第一数据集按电流值大小进行排序，得到第二数据集；
将所述第二数据集的中值作为极端异常电流的所述电流一维数据；
重构模块，用于对所述电流一维数据与所述历史数据的筛选剩余数据进行数据重构，获得电流二维数据；其中，所述数据重构包括：
（1）
式（1）中，d1、d2、……、di为预设时间，单位为天；t1、t2、……、t96为时刻点，相邻时刻点之间的间隔为预设间隔；Dn为i天的所有时刻点的电流数值矩阵；则表示为第2天第1个时刻点的负荷电流数据；
第二数据处理模块，用于将所述电流二维数据导入预设的高斯滤波器中，进行第二轮数据平滑，获得高斯滤波后的平滑电流数据。
8.根据权利要求7所述的负荷电流极端异常数据处理装置，其特征在于，所述获取模块具体用于：
获取所述授权用户预设时间间隔的负荷电流数据，每天获得预设个数时刻点的所述负荷电流数据；
将所述预设时间间隔的负荷电流数据和所述预设个数时刻点的所述负荷电流数据作为所述历史数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310521045.2A CN116257745B (zh) | 2023-05-10 | 2023-05-10 | 一种负荷电流极端异常数据处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310521045.2A CN116257745B (zh) | 2023-05-10 | 2023-05-10 | 一种负荷电流极端异常数据处理方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116257745A CN116257745A (zh) | 2023-06-13 |
| CN116257745B true CN116257745B (zh) | 2023-08-15 |
Family
ID=86688273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310521045.2A Active CN116257745B (zh) | 2023-05-10 | 2023-05-10 | 一种负荷电流极端异常数据处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116257745B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116930595B (zh) * | 2023-09-18 | 2023-11-24 | 法拉迪电气有限公司 | 一种用于新能源并网调压的精准数据计量方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101534933A (zh) * | 2006-05-26 | 2009-09-16 | 沃特世科技公司 | 关于n维数据的离子检测和参数估计 |
| CN107423769A (zh) * | 2017-08-03 | 2017-12-01 | 四川大学 | 基于形态特征的电力负荷曲线自适应聚类方法 |
| CN110533257A (zh) * | 2019-09-05 | 2019-12-03 | 天津华春智慧能源科技发展有限公司 | 一种用于区域供热负荷的预测方法 |
| CN112326213A (zh) * | 2019-08-05 | 2021-02-05 | 株式会社理光 | 异常数据检测方法及装置、机械故障检测方法及装置 |
| WO2021164267A1 (zh) * | 2020-02-21 | 2021-08-26 | 平安科技（深圳）有限公司 | 异常检测方法、装置、终端设备及存储介质 |
| EP3968247A1 (en) * | 2019-06-21 | 2022-03-16 | Siemens Aktiengesellschaft | Power load data prediction method and device, and storage medium |
| CN115600837A (zh) * | 2022-11-02 | 2023-01-13 | 国网山东省电力公司营销服务中心（计量中心）（Cn） | 一种用于电器负荷异常的节能诊断方法 |
| CN115952878A (zh) * | 2022-07-29 | 2023-04-11 | 上海玫克生储能科技有限公司 | 用电负荷预测方法、装置、电子设备和存储介质 |
| CN116011647A (zh) * | 2023-01-05 | 2023-04-25 | 华润数字科技有限公司 | 燃气负荷预测方法和装置、电子设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11740603B2 (en) * | 2019-05-29 | 2023-08-29 | Siemens Aktiengesellschaft | Power load prediction method and apparatus, and storage medium |
-
2023
- 2023-05-10 CN CN202310521045.2A patent/CN116257745B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101534933A (zh) * | 2006-05-26 | 2009-09-16 | 沃特世科技公司 | 关于n维数据的离子检测和参数估计 |
| CN107423769A (zh) * | 2017-08-03 | 2017-12-01 | 四川大学 | 基于形态特征的电力负荷曲线自适应聚类方法 |
| EP3968247A1 (en) * | 2019-06-21 | 2022-03-16 | Siemens Aktiengesellschaft | Power load data prediction method and device, and storage medium |
| CN112326213A (zh) * | 2019-08-05 | 2021-02-05 | 株式会社理光 | 异常数据检测方法及装置、机械故障检测方法及装置 |
| CN110533257A (zh) * | 2019-09-05 | 2019-12-03 | 天津华春智慧能源科技发展有限公司 | 一种用于区域供热负荷的预测方法 |
| WO2021164267A1 (zh) * | 2020-02-21 | 2021-08-26 | 平安科技（深圳）有限公司 | 异常检测方法、装置、终端设备及存储介质 |
| CN115952878A (zh) * | 2022-07-29 | 2023-04-11 | 上海玫克生储能科技有限公司 | 用电负荷预测方法、装置、电子设备和存储介质 |
| CN115600837A (zh) * | 2022-11-02 | 2023-01-13 | 国网山东省电力公司营销服务中心（计量中心）（Cn） | 一种用于电器负荷异常的节能诊断方法 |
| CN116011647A (zh) * | 2023-01-05 | 2023-04-25 | 华润数字科技有限公司 | 燃气负荷预测方法和装置、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 异常电力负荷数据的辨识方法研究;任丽娜;芮执元;刘彦新;徐龙云;;水力发电(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116257745A (zh) | 2023-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116257745B (zh) | 一种负荷电流极端异常数据处理方法和装置 | |
| CN115575754B (zh) | 一种智慧工业园用电信息异常标识方法及系统 | |
| CN106980044B (zh) | 一种适应风电接入的电力系统谐波电流估计方法 | |
| CN106908668B (zh) | 一种实测地面合成电场数据的处理方法及系统 | |
| CN109840691B (zh) | 基于深度神经网络的非侵入式分项电量估计方法 | |
| CN108710990B (zh) | 基于同期数据的线变台户多级线损分析方法及系统 | |
| CN109828227A (zh) | 一种基于电流信息特征的电子式电流互感器故障诊断方法 | |
| CN111711677A (zh) | 智能变电站过程层交换机虚实回路可视化方法、系统及介质 | |
| CN113435610A (zh) | 基于低压物联感知终端确定分级线损的方法 | |
| CN115577978A (zh) | 一种配电网目标投资决策要素权重系数测算方法 | |
| WO2024104037A1 (zh) | 基于数学形态学和模式识别的直流电弧检测方法 | |
| CN110413622B (zh) | 一种基于电力大数据平台的数据处理方法 | |
| CN110414776B (zh) | 分行业用电特性快速响应分析系统 | |
| Hassan et al. | Incorporating multi-agent systems technology in power and energy systems of Bangladesh: a feasibility study | |
| CN102968060A (zh) | 汽轮机调节系统参数智能辨识方法 | |
| CN115600494A (zh) | 一种低压台区拓扑自动识别方法及装置 | |
| CN112787322B (zh) | 基于scada系统和多时间尺度的电网动态管理方法 | |
| CN115940416A (zh) | 一种分布式电能质量诊断方法和系统 | |
| CN111539275B (zh) | 一种基于负载特性可视化的电气负载分类方法和系统 | |
| CN109193645B (zh) | 一种数据驱动的环形电网电抗参数评估方法及评估系统 | |
| CN108564249B (zh) | 计及分布式光伏随机性的配电网置信削峰效益评估方法 | |
| CN108255142B (zh) | 生产质量控制方法及装置 | |
| CN110244183A (zh) | 一种馈线段健康度计算方法和系统 | |
| CN114048809B (zh) | 考虑区间电压越限度的混联配电网适应性规划方法及装置 | |
| CN113568383B (zh) | 适用于加工中心的非侵入式识别方法 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and device for processing extreme abnormal data of load current Granted publication date: 20230815 Pledgee: Wenzhou Bank Co.,Ltd. Hangzhou Branch Pledgor: HANGZHOU ZHICHENG ELECTRONIC TECHNOLOGY Co.,Ltd. Registration number: Y2024330000166 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |