CN116319262B - 一种电能计量装置通信故障数据检测模型 - Google Patents
一种电能计量装置通信故障数据检测模型 Download PDFInfo
- Publication number
- CN116319262B CN116319262B CN202310592878.8A CN202310592878A CN116319262B CN 116319262 B CN116319262 B CN 116319262B CN 202310592878 A CN202310592878 A CN 202310592878A CN 116319262 B CN116319262 B CN 116319262B
- Authority
- CN
- China
- Prior art keywords
- communication
- fault data
- communication fault
- electric energy
- metering device
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 92
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 14
- 239000002245 particle Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
- G06F13/38—Information transfer, e.g. on bus
- G06F13/42—Bus transfer protocol, e.g. handshake; Synchronisation
- G06F13/4282—Bus transfer protocol, e.g. handshake; Synchronisation on a serial bus, e.g. I2C bus, SPI bus
- G06F13/4286—Bus transfer protocol, e.g. handshake; Synchronisation on a serial bus, e.g. I2C bus, SPI bus using a handshaking protocol, e.g. RS232C link
-
- Y—GENERAL 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Locating Faults (AREA)
Abstract
本发明公开了一种电能计量装置通信故障数据检测模型,解决现有技术中存在的无法精准、快速对电能计量装置的RS485、RS232等通信故障进行提取精炼的问题;包括以下步骤:接收电能计量装置发出的通信信号;从RS485、RS232等通信联络线的通信数据来源中,提取出数据中的故障类超集的信息,然后将这些信息合并找寻目标RS485、RS232通信故障数据中新的模式和内在关系;可以提高故障检测的精度,缩短检测的耗时,降低检测的误检率低。
Description
技术领域
本发明涉及电能计量装置通信故障检测技术领域,具体涉及一种电能计量装置RS485、RS232通信故障检测函数的构建方式。
背景技术
目前,电力市场主体间电价的实时信息与预测信息,是通过电能计量装置来完成传递的,因此,可以认为电能计量装置的稳定性决定了电力市场的运行的稳定性;电能计量装置是用于测量、记录发电量、供(互供)电量、厂用电量、线损电量和用户用电量的计量器具,电能计量装置常用的通信方式包括RS232和RS485两种方式;由于人为安装受损、日常使用受损,以及自然老化等情形的发生,电能计量装置通信时经常发生故障;当电能计量装置通信出现故障时,需要派出人员,对采集故障进行及时处理,减少故障时间,确保电力现货交易市场的稳定性;但在现场处理故障时,容易出现以下情形:一、由于现场通信采集故障种类多,形式广,现场工作人员针对故障排查的环节也多;二、在现场多故障同时出现时,容易导致同一故障重复排查,以及故障诊断做不透的情况发生;三、当判断RS485出现故障,现场多个电能表并接在一条RS485线路上,理论上最多可并接64个,工作人员需对该条RS485上并接的所有电能表挨个进行检查,需要拆封印,做记录,拆表盖,工作繁杂,排查工作及其容易出现错误;因此,需要高效且准确的电能计量装置通信故障数据检测模型,提取RS485、RS232通信故障数据和各变量之间的相互关系,精炼故障数据,以尽快对通信故障做出有效诊断。
发明内容
本发明提供了一种电能计量装置通信故障数据检测模型,解决现有技术中存在的无法精准、快速对电能计量装置的RS485、RS232等通信故障进行提取精炼的技术问题。
本发明是通过以下技术方案解决以上技术问题的:
一种电能计量装置通信故障数据检测模型,其特征在于以下步骤:接收电能计量装置发出的通信信号;从RS485或RS232通信联络线的通信数据来源中,提取出数据中的故障类超集的信息,对RS485或RS232通信故障数据的特征,使用减法聚类算法进行聚类处理,包括:将RS485或RS232等通信故障数据样本划分聚类中心;构建每个RS485或RS232通信故障数据特征的密度指标并进行修正;将RS485或RS232通信故障数据的特征聚类。
用粒子群算法对已得的RS485、RS232等通信故障数据的特征进行提取,包括:获取RS485、RS232等通信故障数据特征粒子的全局最优位置;实现RS485、RS232等通信故障数据特征属性选择。
对RS485、RS232等通信故障数据进行分析和智能检测;根据样本方差S 2 、平方差V和熵H这三个指标搭建检测的目标函数,将所有组合下可确定的最大偏差确定RS485、RS232等通信故障数据的检测函数,公式为:
Z(x i (t))=∑n 1(αS 2 (x i (t))+βV(x i (t))+λ(x i (t)));
公式中x i (t)代表t时刻RS485、RS232等通信故障数据特征中第i个样本属性的值,α+β+λ=1;且α≥0,β≥0,λ≥0。
可结合群智能算法、灰色模型等类型算法,对RS485、RS232等通信故障目标数据的检测函数的结果进行最优求解。
本发明加入熵值H作为本次构建目标检测函数过程中的不确定数据的衡量指标,解决了RS485、RS232等通信故障数据在通常情况下具有随机性的特点,提高检测模型的准确性。本检测模型将RS485、RS232等通信故障数据进行了提取精炼的量化处理,使其具有较强的实时性。根据本模型进行最优解求解,可以提高故障检测的精度,缩短检测的耗时,降低检测的误检率低。
具体实施方式
下面对本发明进行详细说明:
一种电能计量装置通信故障数据检测模型,其特征在于以下步骤:接收电能计量装置发出的通信信号;从RS485或RS232通信联络线的通信数据来源中,提取出数据中的故障类超集的信息,对RS485或RS232通信故障数据的特征,使用减法聚类算法进行聚类处理,包括:将RS485或RS232等通信故障数据样本划分聚类中心;构建每个RS485或RS232通信故障数据特征的密度指标并进行修正;将RS485或RS232通信故障数据的特征聚类。
用粒子群算法对已得的RS485、RS232等通信故障数据的特征进行提取,包括:获取RS485、RS232等通信故障数据特征粒子的全局最优位置;实现RS485、RS232等通信故障数据特征属性选择。
对RS485、RS232等通信故障数据进行分析和智能检测;根据样本方差S 2 、平方差V和熵H这三个指标搭建检测的目标函数,将所有组合下可确定的最大偏差确定RS485、RS232等通信故障数据的检测函数,公式为:
Z(x i (t))=∑n 1(αS 2 (x i (t))+βV(x i (t))+λ(x i (t)));
公式中x i (t)代表t时刻RS485、RS232等通信故障数据特征中第i个样本属性的值,α+β+λ=1;且α≥0,β≥0,λ≥0。
在提取通信故障数据特征方面,通过减法聚类算法,假设有n个通信故障数据,数据的权值表示为q j (t),j= 1,2,…,N; RS485、RS232等通信故障数据聚类权值表示为p j (t-1) ,i= 1,2,C。将N t 个RS485、RS232通信故障数据分为C个聚类中心,其中RS485、RS232通信故障数据的聚类中心为:
P i (1)=∑Nt j = 1 u ij q j (t)+∑C i=1u ij p j (0) (1);
u ij 表示RS485、RS232通信故障数据x j (1)属于聚类中心的模糊隶属度,且 1≤i≤C,1≤j≤N t 。设X= (x 1 ,x 2 ,…,x n ) 表示有n个d维的RS485、RS232等通信故障数据特征集,对于RS485、RS232等通信故障数据特征集X里的每个RS485、RS232等通信故障数据特征x i ,其密度指标D i 的计算公式如下:
D i =∑Nt j=1exp(-║x i -x j ║/ (r a /2)2) (2) ;
r a 表示RS485、RS232等通信故障数特征x i 的邻域半径,RS485、RS232等通信故障数特征中密度特征最高的用x 1 表示,与聚类中心对应的密度特征用D 1 表示。设x k 表示k次选出的RS485、RS232等通信故障数据的聚类中心,其相应的密度指标D k ,用以下公式对RS485、RS232等通信故障数据密度指标修正:
D i =D k exp(-║x i -x k ║ / (r b /2)2) (3);
r b 表示RS485、RS232等通信故障数据密度指标函数,减少的邻域半径。选择密度指标值最高的x k+1 为最新的聚类中心,所以密度指标为D k+1 ,在D k+1 /D 1 <ε的条件下,对RS485、RS232等通信故障数据特征进行聚类,0<ε<1为预定的阈值,ε越小,聚类效果越好。
再使用粒子群算法对已得到的RS485、RS232等通信故障数据特征进行提取。RS485、RS232等通信故障数据特征粒子位置的计算公式为:
Si=[w11,w12,...,w1K,...,wn1,wn2,...wnK,b 1 ,b 2 ,...,b k ] (4);
其中,w1K、wnK、bK分别表示RS485、RS232等通信故障特征的横坐标、纵坐标和侧向坐标。使用ELM算法获取RS485、RS232等通信故障数据特征,更新后的粒子最新位置,更新公式为:
pb i (t)=S i (t) (f(Si(t))<f(pb i (t-1))) (5);
pb i (t)=pb i (t-1) (其他) (5);
f()表示RS485、RS232等通信故障数据特征粒子的自适应函数。全局最优位置的公式为:
pb i (t)=pb i (t) (f(pb i (t))<f(pg i (t-1))) (6);
pb i (t)=pg(t-1) (其他) (6);
公式(4)根据公式(6)进行提取;当pg(t)最大时,选择的RS485、RS232等通信故障数据特征的属性最显著。
现在,先使用样本方差S 2 和平方差V来描述对RS485、RS232等通信故障数据的分析和检测;
S 2 (x i (t))=(1/(n-1))(x i (t) -(1/n)∑n i=1x i (t))2 (7);
V(x i (t))=(1/n)∑n i=1(x i (t)- (1/n)∑n i=1x i (t)) (8);
式中,(1/n)∑ n i=1 (x i (t)) 代表t时刻RS485、RS232等通信故障数据特征中第i个样本属性的平均值。
使用熵来作为衡量数据确定性的指标,当RS485、RS232等故障数据熵较小时,说明确定性很强。反之则说明样本随机性很强。现设t时刻RS485、RS232等通信故障数据特征第i个样本属性x i (t)的发生概率表示为P(x i (t)),熵H的表达式为:
H(x i (t))= -∑ n i=1(x i (t))log2 Px i (t)) (9);
对(9)做归一化处理,得:
H(x i (t))= -(∑ n i=1(x i (t))log2 Px i (t))) /((1/n)log2 n) (10);
由三个指标S 2 、V和H这三个指标搭建检测的目标函数,将所有组合下可确定的最大偏差确定RS485、RS232等通信故障数据的检测函数,公式为:
Z(x i (t))=∑n 1(αS 2 (x i (t))+βV(x i (t))+λ(x i (t))) (11);
公式(11)中α+β+λ=1;且α≥0,β≥0,λ≥0。
本发明可结合群智能算法、灰色模型等类型算法,对RS485、RS232等通信故障目标数据的检测函数的结果进行最优求解。
加入熵值H作为本次构建目标检测函数过程中的不确定数据的衡量指标,解决了RS485、RS232等通信故障数据在通常情况下具有随机性的特点,提高检测模型的准确性。本检测模型将RS485、RS232等通信故障数据进行了提取精炼的量化处理,使其具有较强的实时性。根据本模型进行最优解求解,具有精度较高,耗时较短,误检率低的特点。
通过采用本发明的技术方案,可将RS485、RS232等通信故障数据进行了提取精炼的量化处理,使其具有较强的实时性。根据本模型进行最优解求解,可以提高故障检测的精度,缩短检测的耗时,降低检测的误检率低。
Claims (2)
1.一种电能计量装置通信故障数据检测方法,其特征在于以下步骤:接收电能计量装置发出的通信信号;从RS485或RS232通信联络线的通信数据来源中,提取出数据中的故障类超集的信息,对RS485或RS232通信故障数据的特征,使用减法聚类算法进行聚类处理,包括:将RS485或RS232等通信故障数据样本划分聚类中心;构建每个RS485或RS232通信故障数据特征的密度指标并进行修正;将RS485或RS232通信故障数据的特征聚类。
2.根据权利要求1所述的一种电能计量装置通信故障数据检测方法,其特征在于,用粒子群算法对已得的RS485、RS232通信故障数据的特征进行提取,包括:获取RS485、RS232通信故障数据特征粒子的全局最优位置;实现RS485、RS232通信故障数据特征属性选择。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310592878.8A CN116319262B (zh) | 2023-05-24 | 2023-05-24 | 一种电能计量装置通信故障数据检测模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310592878.8A CN116319262B (zh) | 2023-05-24 | 2023-05-24 | 一种电能计量装置通信故障数据检测模型 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116319262A CN116319262A (zh) | 2023-06-23 |
CN116319262B true CN116319262B (zh) | 2023-07-28 |
Family
ID=86822572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310592878.8A Active CN116319262B (zh) | 2023-05-24 | 2023-05-24 | 一种电能计量装置通信故障数据检测模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116319262B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102141391B1 (ko) * | 2019-12-16 | 2020-08-05 | 주식회사 한국가스기술공사 | 군집 평가에 기반한 고장 데이터의 관리 방법 |
CN113689689A (zh) * | 2021-07-16 | 2021-11-23 | 国网河南省电力公司安阳供电公司 | 用电信息采集系统调测方法、装置、设备及可读存储介质 |
CN115159288A (zh) * | 2022-07-07 | 2022-10-11 | 浙江省特种设备科学研究院 | 一种电梯故障识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102123522B1 (ko) * | 2019-12-16 | 2020-06-16 | 주식회사 한국가스기술공사 | 고장 데이터의 군집에 기반한 고장 진단 방법 |
CN111199252A (zh) * | 2019-12-30 | 2020-05-26 | 广东电网有限责任公司 | 一种电力通信网络智能运维系统的故障诊断方法 |
CN112953012A (zh) * | 2021-03-05 | 2021-06-11 | 广州鑫泓设备设计有限公司 | 一种基于大数据和物联网的智能供电系统和方法 |
-
2023
- 2023-05-24 CN CN202310592878.8A patent/CN116319262B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102141391B1 (ko) * | 2019-12-16 | 2020-08-05 | 주식회사 한국가스기술공사 | 군집 평가에 기반한 고장 데이터의 관리 방법 |
CN113689689A (zh) * | 2021-07-16 | 2021-11-23 | 国网河南省电力公司安阳供电公司 | 用电信息采集系统调测方法、装置、设备及可读存储介质 |
CN115159288A (zh) * | 2022-07-07 | 2022-10-11 | 浙江省特种设备科学研究院 | 一种电梯故障识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116319262A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108320043B (zh) | 一种基于电力大数据的配电网设备状态诊断预测方法 | |
CN107742127A (zh) | 一种改进的防窃电智能预警系统及方法 | |
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN103617568B (zh) | 稳态电能质量预警机制中的异常数据判定阈值设定方法 | |
CN112863134B (zh) | 一种农村污水处理设施运行异常的智能诊断系统及方法 | |
CN113267692A (zh) | 一种低压台区线损智能诊断分析方法和系统 | |
CN106780115A (zh) | 异常用电监测与定位系统及方法 | |
CN109491339B (zh) | 一种基于大数据的变电站设备运行状态预警系统 | |
CN114580666A (zh) | 一种多模式融合电动机智能维护系统 | |
CN109711664B (zh) | 一种基于大数据的输变电设备健康评估系统 | |
CN114201374A (zh) | 基于混合机器学习的运维时序数据异常检测方法及系统 | |
CN117611015B (zh) | 一种建筑工程质量实时监测系统 | |
CN113191585A (zh) | 一种输电线路的台风致灾风险评估方法 | |
CN114169424A (zh) | 基于k近邻回归算法和用电数据的排污量预测方法 | |
CN117421994A (zh) | 一种边缘应用健康度的监测方法和监测系统 | |
CN111340516A (zh) | 基于信息熵与变异系数融合算法的满意度评价系统及方法 | |
CN115994131A (zh) | 基于用电时序数据的居民社区特征标签计算方法及系统 | |
CN110221173B (zh) | 一种基于大数据驱动的配电网智能诊断方法 | |
CN116319262B (zh) | 一种电能计量装置通信故障数据检测模型 | |
CN114167837B (zh) | 一种铁路信号系统的智能故障诊断方法及系统 | |
CN112488360B (zh) | 基于人工智能的配变异常分析预警方法 | |
CN109547248A (zh) | 基于人工智能的在轨飞行器自组网故障诊断方法及装置 | |
CN112884000A (zh) | 一种基于数据挖掘的用电检查智能诊断方法及诊断系统 | |
Zongbao | A Line loss management method based on improved random forest algorithm in distributed generation system | |
CN113822473B (zh) | 一种基于多维数据的牵引力能耗合理区间预测方法 |
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 |