CN116611117B - 电缆电荷测试数据存储方法 - Google Patents

电缆电荷测试数据存储方法 Download PDF

Info

Publication number
CN116611117B
CN116611117B CN202310896456.XA CN202310896456A CN116611117B CN 116611117 B CN116611117 B CN 116611117B CN 202310896456 A CN202310896456 A CN 202310896456A CN 116611117 B CN116611117 B CN 116611117B
Authority
CN
China
Prior art keywords
cable
test data
data
charge
charge test
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
CN202310896456.XA
Other languages
English (en)
Other versions
CN116611117A (zh
Inventor
侯健健
陈晨
王婵娟
宋君华
刘学民
贺文君
李玉林
刘珺
张涛
扈维营
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.)
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Guangrao Power Supply Co Of State Grid Shandong Electric Power Co
Original Assignee
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Guangrao Power Supply Co Of State Grid Shandong Electric Power Co
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 Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co, Guangrao Power Supply Co Of State Grid Shandong Electric Power Co filed Critical Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Priority to CN202310896456.XA priority Critical patent/CN116611117B/zh
Publication of CN116611117A publication Critical patent/CN116611117A/zh
Application granted granted Critical
Publication of CN116611117B publication Critical patent/CN116611117B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0614—Improving the reliability of storage systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/062—Securing storage systems
    • G06F3/0623—Securing storage systems in relation to content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0638—Organizing or formatting or addressing of data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本发明涉及电数字数据处理领域，公开了一种电缆电荷测试数据存储方法，包括以下步骤：按照测试周期，依次获取电缆电荷测试数据；对所述电缆电荷测试数据进行预处理，并对预处理后的电缆电荷测试数据进行关联和添加标签，得到电缆电荷标签信息；将所述电缆电荷标签信息输入预先训练的数据存储模型中，以输出所述电缆电荷测试数据的存储位置节点；根据所述存储位置节点将所述电缆电荷测试数据上传至对应的分布式数据存储端；对所述分布式数据存储端内的所述电缆电荷测试数据进行加密处理，得到所述电缆电荷测试数据对应的加密数据；本发明提供的技术方案，实现电缆电荷测试数据的数据存储，能够有效保障电缆电荷测试数据长期保存的安全性和可靠性。

Description

电缆电荷测试数据存储方法
技术领域
本发明涉及电数字数据处理相关技术领域，特别是一种电缆电荷测试数据存储方法。
背景技术
电力电缆是用于传输和分配电能的电缆，电力电缆常用于城市地下电网、发电站引出线路、工矿企业内部供电及过江海水下输电线；随着当前用户用电量需求的激增，电缆已经上升到了极其重要的地位，而电缆在投入运行后，会因多方面因素的影响在还未达到使用寿命时便会出现故障，因此对于电缆的测试以及及时查找电缆故障恢复供电极其重要，对于电缆电荷的测试数据，会通过对故障电缆进行分段测试，以此来精确找到故障位置，因此其中产生的数据是极为大量的，但是电缆电荷的测试数据无法执行有效安全保存。
发明内容
本发明的目的是为了解决上述问题，设计了一种电缆电荷测试数据存储方法。
实现上述目的本发明的技术方案为，进一步，在电缆电荷测试数据存储方法中，该电缆电荷测试数据存储方法包括以下步骤：
按照测试周期，依次获取电缆电荷测试数据；
对所述电缆电荷测试数据进行预处理，并对预处理后的电缆电荷测试数据进行关联和添加标签，得到电缆电荷标签信息；
将所述电缆电荷标签信息输入预先训练的数据存储模型中，以输出所述电缆电荷测试数据的存储位置节点；
根据所述存储位置节点将所述电缆电荷测试数据上传至对应的分布式数据存储端；
对所述分布式数据存储端内的所述电缆电荷测试数据进行加密处理，得到所述电缆电荷测试数据对应的加密数据。
进一步，在上述电缆电荷测试数据存储方法中，所述按照测试周期，依次获取电缆电荷测试数据,包括：
利用脉冲高压转换产生低压脉冲信号，经过滤波、过零比较电路，并采取延时处理，得到与所述低压脉冲信号同步的方波信号；
将所述方波信号给待测试电缆试样，对所述待测试电缆试样在一个周期内进行多次测量，并获取测试时间节点；
将所述测试时间节点与方波上升和下降相匹配，得到电缆各个位置的动态电荷量；
根据测试周期、电缆的动态电荷量、测试时间节点，形成电缆电荷测试数据。
进一步，在上述电缆电荷测试数据存储方法中，所述将所述测试时间节点与方波信号上升和下降相匹配之前，还包括：
获取方波的上升时刻和下降时刻，分别确定所述上升时刻和下降时刻左右的电荷分布；
对所述上升时刻和下降时刻左右的电荷分布进行对比分析，确定所述上升时刻和下降时刻的电荷的变化规律。
进一步，在上述电缆电荷测试数据存储方法中，所述对所述电缆电荷测试数据进行预处理，并对预处理后的电缆电荷测试数据进行关联和添加标签，得到电缆电荷标签信息，包括：
获取所述电缆电荷测试数据，对所述电缆电荷测试数据筛查，并查找缺失值，基于所述缺失值确定所述电缆电荷测试数据的误差值；
获取预设的误差数值区间，判断所述电缆电荷测试数据的误差值是否超过所述误差数值区间；
若是，则删除所述缺失值，若否，则填充缺失值；
获取预处理后的电缆电荷测试数据，提取至少两个电缆的动态电荷量，计算两个动态电荷量的平均值，基于所述平均值确定两个动态电荷量的关联系数，以将两个动态电荷量进行关联；
当所述电缆电荷测试数据中各电缆的动态电荷量关联后，获取电缆电荷测试数据中的测试时间节点，基于所述测试时间节点对各个电缆的动态电荷量添加标签，得到电缆电荷标签信息。
进一步，在上述电缆电荷测试数据存储方法中，所述将所述电缆电荷标签信息输入预先训练的数据存储模型中之前，还包括：
获取历史测试数据，并存储于训练集中，将所述训练集输入回归树模型进行训练，以构建多个存储子模型；
组合至少两个存储子模型，得到初始存储模型，并将剩余的存储子模型添加至所述初始存储模型中；
在添加过程中计算所述初始存储模型的精度，直至大于目标精度，得到数据存储模型，其中所述数据存储模型包含多层存储子模型。
进一步，在上述电缆电荷测试数据存储方法中，所述将剩余的存储子模型添加至所述初始存储模型中，包括：
获取所述存储子模型的特征数据，并与预先生成的配置参数组成数据矩阵，采用奇异值分解对矩阵中的缺失值进行处理；
将所述特征数据和所述配置参数进行相似度匹配，并计算相似度，结合损失函数和所述相似度生成推荐参数，并基于推荐参数更新所述初始存储模型。
进一步，在上述电缆电荷测试数据存储方法中，所述对所述分布式数据存储端内的所述电缆电荷测试数据进行加密处理，得到所述电缆电荷测试数据对应的加密数据，包括
接收所述电缆电荷测试数据的加密请求，根据所述加密请求，确定明文数据，根据预先确定的传输路径对所述明文数据进行传输；
当所述明文数据经过加密节点时，根据加密等级对所述明文数据进行加密处理，得到所述电缆电荷测试数据对应的加密数据。
进一步，在上述电缆电荷测试数据存储方法中，所述根据加密等级对所述明文数据进行加密处理，根据预先确定的传输路径对所述明文数据进行传输，包括：
提取所述电缆电荷测试数据中的重点信息，基于所述重点信息确定加密范围，以得到加密节点；
将所述加密节点标记在所述传输路径中，并对所述加密节点周围的辅助节点进行设置，形成加密等级。
进一步，在上述电缆电荷测试数据存储方法中，所述根据加密等级对所述明文数据进行加密处理，根据预先确定的传输路径对所述明文数据进行传输，包括：
提取所述电缆电荷测试数据中的重点信息，基于所述重点信息确定加密范围，以得到加密节点；
将所述加密节点标记在所述传输路径中，并对所述加密节点周围的辅助节点进行设置，形成加密等级。
进一步，在上述电缆电荷测试数据存储方法中，所述对所述分布式数据存储端内的所述电缆电荷测试数据进行加密处理，得到所述电缆电荷测试数据对应的加密数据之后，还包括：
获取所述电缆电荷测试数据中的测试时间，根据所述测试时间建立索引；
接收根据索引生成的检索指令，把所述电缆电荷测试数据的加密数据实时同步到索引消息队列；
根据所述检索指令确定数据的索引值，基于所述索引值，从所述索引消息队列中读取所述加密数据，并对所述加密数据进行解密，以获得目标数据。
本发明提供的技术方案中，按照测试周期，依次获取电缆电荷测试数据；对所述电缆电荷测试数据进行预处理，并对预处理后的电缆电荷测试数据进行关联和添加标签，得到电缆电荷标签信息；将所述电缆电荷标签信息输入预先训练的数据存储模型中，以输出所述电缆电荷测试数据的存储位置节点；根据所述存储位置节点将所述电缆电荷测试数据上传至对应的分布式数据存储端；对所述分布式数据存储端内的所述电缆电荷测试数据进行加密处理，得到所述电缆电荷测试数据对应的加密数据；本发明实施例中，实现电缆电荷测试数据的数据存储，能够有效保障电缆电荷测试数据长期保存的安全性和可靠性。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。
图1为本发明实施例提供的电缆电荷测试数据存储方法的第一个实施例示意图；
图2为本发明实施例提供的电缆电荷测试数据存储方法的第二个实施例示意图；
图3为本发明实施例提供的电缆电荷测试数据存储方法的第三个实施例示意图；
图4为本发明实施例提供的电缆电荷测试数据存储方法的第四个实施例示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、设备、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1本发明实施例提供的电缆电荷测试数据存储方法的第一个实施例示意图，该方法具体包括以下步骤：
步骤101、按照测试周期，依次获取电缆电荷测试数据；
步骤102、对电缆电荷测试数据进行预处理，并对预处理后的电缆电荷测试数据进行关联和添加标签，得到电缆电荷标签信息；
步骤103、将电缆电荷标签信息输入预先训练的数据存储模型中，以输出电缆电荷测试数据的存储位置节点；
本实施例中，获取历史测试数据，并存储于训练集中，将训练集输入回归树模型进行训练，以构建多个存储子模型；组合至少两个存储子模型，得到初始存储模型，并将剩余的存储子模型添加至初始存储模型中；在添加过程中计算初始存储模型的精度，直至大于目标精度，得到数据存储模型，其中数据存储模型包含多层存储子模型。
具体地，回归树的特点是：假设决策树是二叉树，内部结点特征的取值为是和否，右分支是取值为是的分支，左分支是取值为否的分支。这样的决策树等价于递归地二分每个特征，将输入空间（特征空间）划分为有限个单元，并在这些单元上确定预测的概率分布，也就是在输入给定的条件下输出的条件概率分布。
设有数据集D，构建回归树包括：①考虑数据集D上的所有特征j，遍历每一个特征下所有可能的取值或者切分点s，将数据集D划分成两部分D1和D2。②分别计算D1和D2的平方误差和，选择最小的平方误差对应的特征与分割点，生成两个子节点（将数据划分为两部分）。③对上述两个子节点递归调用步骤①②，直到满足停止条件。
回归树构建完成后，就完成了对整个输入空间的划分，将整个输入空间划分为多个子区域，每个子区域输出为该区域内所有训练样本的平均值。
具体地，获取存储子模型的特征数据，并与预先生成的配置参数组成数据矩阵，采用奇异值分解对矩阵中的缺失值进行处理；将特征数据和配置参数进行相似度匹配，并计算相似度，结合损失函数和相似度生成推荐参数，并基于推荐参数更新初始存储模型。
具体地，奇异值分解是线性代数中一种重要的矩阵分解，奇异值分解则是特征分解在任意矩阵上的推广；SVD也是对矩阵进行分解，但是和特征分解不同，SVD并不要求要分解的矩阵为方阵。
具体地，在回归树模型中，神经网络将为每个试图预测的连续值提供一个输出节点。通过在输出值和真实值之间进行直接比较来计算归损失。回归树模型常用损失函数是均方误差损失函数。计算Y和Y_pred之差的平方，并对所有数据求平均值。
步骤104、根据存储位置节点将电缆电荷测试数据上传至对应的分布式数据存储端；
步骤105、对分布式数据存储端内的电缆电荷测试数据进行加密处理，得到电缆电荷测试数据对应的加密数据。
本实施例中，接收电缆电荷测试数据的加密请求，根据加密请求，确定明文数据，根据预先确定的传输路径对明文数据进行传输；当明文数据经过加密节点时，根据加密等级对明文数据进行加密处理，得到电缆电荷测试数据对应的加密数据。
本实施例中，提取电缆电荷测试数据中的重点信息，基于重点信息确定加密范围，以得到加密节点；将加密节点标记在传输路径中，并对加密节点周围的辅助节点进行设置，形成加密等级，其中重点信息可以是电缆电荷测试数据中的动态电荷量，还可以是电荷密度等，根据加密请求提取对应的重点信息，具体此处不做限定。
本实施例中，将明文数据根据密钥矩阵进行转换，得到转换结果，对转换结果中的每个字节进行映射，得到映射矩阵；将映射矩阵中的行或列进行移位，得到输入矩阵，将输入矩阵与密钥矩阵进行异或运算，得到初始密钥；基于加密等级，当明文数据经过加密节点时，对初始密钥进行扩展，得到目标密钥，以生成电缆电荷测试数据对应的加密数据。
本发明实施例中，通过按照测试周期，依次获取电缆电荷测试数据；对电缆电荷测试数据进行预处理，并对预处理后的电缆电荷测试数据进行关联和添加标签，得到电缆电荷标签信息；将电缆电荷标签信息输入预先训练的数据存储模型中，以输出电缆电荷测试数据的存储位置节点；根据存储位置节点将电缆电荷测试数据上传至对应的分布式数据存储端；对分布式数据存储端内的电缆电荷测试数据进行加密处理，得到电缆电荷测试数据对应的加密数据；实现电缆电荷测试数据的数据存储，能够有效保障电缆电荷测试数据长期保存的安全性和可靠性。
请参阅图2，本发明实施例提供的电缆电荷测试数据存储方法的第二个实施例示意图，该方法包括：
步骤201、利用脉冲高压转换产生低压脉冲信号，经过滤波、过零比较电路，并采取延时处理，得到与低压脉冲信号同步的方波信号；
本实施例中，过零比较电路采用过零比较器，过零比较器被用于检测一个输入值是否是零。原理是利用比较器对两个输入电压进行比较。两个输入电压一个是参考电压Vr，一个是待测电压Vu。一般Vr从正相输入端接入，Vu从反相输入端接入。根据比较输入电压的结果输出正向或反向饱和电压。当参考电压已知时就可以得出待测电压的测量结果，参考电压为零时即为过零比较器
步骤202、将方波信号给待测试电缆试样，对待测试电缆试样在一个周期内进行多次测量，并获取测试时间节点；
本实施例中，方波信号就是指电路系统中，能在要求的时间内不失真地从源端传送到接收端的信号；信号具有良好的方波信号是指当在需要的时候，具有所必需达到的电压电平数值。差的方波信号不是由某一单一因素导致的，而是板级设计中多种因素共同引起的。主要的方波信号问题包括反射、振荡、串扰等；反射就是指由于阻抗不匹配而造成的信号能量的不完全吸收，发射的程度可以有反射系数ρ表示；振荡就是在一个时钟周期中，反复的出现过冲和下冲，我们就称之为振荡。振荡根据表现形式可分为振铃和环绕振荡，振铃为欠阻尼振荡，而环绕振荡为过阻尼振荡；串扰是指当信号在传输线上传播时，因电磁耦合对相邻的传输线产生的不期望的电压噪声干扰，这种干扰是由于传输线之间的互感和互容引起的。
步骤203、将测试时间节点与方波上升和下降相匹配，得到电荷的波形，以得到电缆各个位置的动态电荷量；
本实施例中，获取方波的上升时刻和下降时刻，分别确定上升时刻和下降时刻左右的电荷分布；对上升时刻和下降时刻左右的空间电荷分布进行对比分析，确定上升时刻和下降时刻的电荷的变化规律。
本实施例中，对于高直流电缆而言，在其输配电过程中始终存在较高场强，在高场强作用下，电缆绝缘介质中的陷阱易捕获来自导电线芯的载流子(电子或空穴)从而形成电荷。不同的因素和条件都可能导致电荷的生成，电荷的生成途径主要包括电场下杂质的热电离、极化电荷、电极注入产生电荷和电导率介电常数的不均性引起的电荷，可以将电荷分为同极性电荷和异极性电荷两大类，前三种途径可统称为异极性电荷，第四种途径为同极性电荷，同极性电荷是指在电场较高的情况下，通过电极向介质内部所注入的与电极极性相同的电荷。而异极性电荷是指在电场较低的情况下，因电极达不到向介质中注入电荷的零界点，取而代之的是以极化电荷杂质电荷等方式产生的电荷。
步骤204、根据测试周期、电缆的动态电荷量、测试时间节点，形成电缆电荷测试数据。
本发明实施例中，利用脉冲高压转换产生低压脉冲信号，经过滤波、过零比较电路，并采取延时处理，得到与低压脉冲信号同步的方波信号；将方波信号给待测试电缆试样，对待测试电缆试样在一个周期内进行多次测量电荷，并获取测试时间节点；将测试时间节点与方波上升和下降相匹配，得到空间电荷的波形，以得到电缆各个位置的动态电荷量；根据测试周期、电缆的动态电荷量、测试时间节点，形成电缆电荷测试数据；本发明测量电荷，了解电荷变化规律，获取电缆电荷测试数据，以对电缆电荷测试数据进行存储。
请参阅图3，本发明实施例提供的电缆电荷测试数据存储方法的第三个实施例示意图，该方法包括：
步骤301、获取电缆电荷测试数据，对电缆电荷测试数据筛查，并查找缺失值，基于缺失值确定电缆电荷测试数据的误差值；
步骤302、获取预设的误差数值区间，判断电缆电荷测试数据的误差值是否超过误差数值区间；
步骤303、若是，则删除缺失值，若否，则填充缺失值；
本实施例中，缺失值从缺失的分布来讲可以分为完全随机缺失，随机缺失和完全非随机缺失。完全随机缺失指的是数据的缺失是随机的，数据的缺失不依赖于任何不完全变量或完全变量。随机缺失指的是数据的缺失不是完全随机的，即该类数据的缺失依赖于其他完全变量。完全非随机缺失指的是数据的缺失依赖于不完全变量自身。从缺失值的所属属性上讲，如果所有的缺失值都是同一属性，那么这种缺失成为单值缺失，如果缺失值属于不同的属性，称为任意缺失。另外对于时间序列Q类的数据，可能存在随着时间的缺失，这种缺失称为单调缺失。对缺失值处理的一般方法为插值处理和删除处理，插值处理又分为：随机插值、依概率插值、就近插值和分类插值。
步骤304、获取预处理后的电缆电荷测试数据，提取至少两个电缆的动态电荷量，计算两个动态电荷量的平均值，基于平均值确定两个动态电荷量的关联系数，以将两个动态电荷量进行关联；
本实施例中，设 c 、r 代表两个动态电荷量关联向量，tc、tr 分 别表示与之对应的测试时间节点，可将关联系数定义为：
式中，表示两个动态电荷量的平均值，s表示定向转存系数，g表示分布式填充特征值，/>表示电信号传输系数，/>为关联系数。
步骤305、当电缆电荷测试数据中各电缆的动态电荷量关联后，获取电缆电荷测试数据中的测试时间节点，基于测试时间节点对各个电缆的动态电荷量添加标签，得到电缆电荷标签信息。
本发明实施例中，获取电缆电荷测试数据，对电缆电荷测试数据筛查，并查找缺失值，基于缺失值确定电缆电荷测试数据的误差值；获取预设的误差数值区间，判断电缆电荷测试数据的误差值是否超过误差数值区间；若是，则删除缺失值，若否，则填充缺失值；获取预处理后的电缆电荷测试数据，提取至少两个电缆的动态电荷量，计算两个动态电荷量的平均值，基于平均值确定两个动态电荷量的关联系数，以将两个动态电荷量进行关联；当电缆电荷测试数据中各电缆的动态电荷量关联后，获取电缆电荷测试数据中的测试时间节点，基于测试时间节点对各个电缆的动态电荷量添加标签，得到电缆电荷标签信息；本发明对电缆电荷测试数据进行预处理，便于实现电缆电荷测试数据的数据存储。
请参阅图4，本发明实施例提供的电缆电荷测试数据存储方法的第四个实施例示意图，该方法包括：
步骤401、按照测试周期，依次获取电缆电荷测试数据；
步骤402、对电缆电荷测试数据进行预处理，并对预处理后的电缆电荷测试数据进行关联和添加标签，得到电缆电荷标签信息；
步骤403、将电缆电荷标签信息输入预先训练的数据存储模型中，以输出电缆电荷测试数据的存储位置节点；
步骤404、根据所述存储位置节点将所述电缆电荷测试数据上传至对应的分布式数据存储端；
步骤405、对分布式数据存储端内的电缆电荷测试数据进行加密处理，得到电缆电荷测试数据对应的加密数据；
步骤406、获取电缆电荷测试数据中的测试时间，根据测试时间建立索引；
本实施例中，每个索引对应一种查询方式，对于每种查询方式，可以构造相应的查询语句来获取相对应的电缆电荷测试数据。
步骤407、接收根据索引生成的检索指令，把电缆电荷测试数据的加密数据实时同步到索引消息队列；
本实施例中，索引消息队列服务器为一个独立的数据库软件，用于存放数据，根据需求，消息队列服务器可以设置一个，也可以设置多个，消息队列服务器采用发布/订阅模式传送消息，发布消息的叫做发布方或发布者，也就是消息的生产者，而接收消息的叫做消息的订阅方或订阅者，也就是消费者，用来处理生产者发布的消息。
步骤408、根据检索指令确定数据的索引值，基于索引值，从索引消息队列中读取加密数据，并对加密数据进行解密，以获得目标数据。
本实施例中，采用非对称密钥加密，生成一堆密钥，即私钥和公钥，用公钥加密的数据只有对应的私钥可以解密，用私钥加密的数据只有对应的公钥可以解密，如果可以用公钥解密，则必然是对应的私钥加的密，如果可以用私钥解密，则必然是对应的公钥加的密。
本发明实施例中，获取电缆电荷测试数据中的测试时间，根据测试时间建立索引，接收根据索引生成的检索指令，把电缆电荷测试数据的加密数据实时同步到索引消息队列，根据检索指令确定数据的索引值，基于索引值，从索引消息队列中读取加密数据，并对加密数据进行解密，以获得目标数据；本发明通过索引查询电缆电荷测试数据，提高数据查询效率，及时掌握电缆电荷测试数据。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种电缆电荷测试数据存储方法，其特征在于，该电缆电荷测试数据存储方法包括以下步骤：
S1:按照测试周期，依次获取电缆电荷测试数据；
S2:对所述电缆电荷测试数据进行预处理，并对预处理后的电缆电荷测试数据进行关联和添加标签，得到电缆电荷标签信息；
S3:将所述电缆电荷标签信息输入预先训练的数据存储模型中，以输出所述电缆电荷测试数据的存储位置节点；具体为：
获取历史测试数据，并存储于训练集中，将所述训练集输入回归树模型进行训练，以构建多个存储子模型；
组合至少两个存储子模型，得到初始存储模型，并将剩余的存储子模型添加至所述初始存储模型中；
在添加过程中计算所述初始存储模型的精度，直至大于目标精度，得到数据存储模型；
所述将剩余的存储子模型添加至所述初始存储模型中，包括：
获取所述存储子模型的特征数据，并与预先生成的配置参数组成数据矩阵，所述特征数据包括两个电缆的动态电荷量和两个动态电荷量的平均值，所述配置参数包括所述电缆电荷测试数据的误差值和缺失值，采用奇异值分解对矩阵中的缺失值进行处理；
将所述特征数据和所述配置参数进行相似度匹配，并计算相似度，结合损失函数和所述相似度生成推荐参数，并基于推荐参数更新所述初始存储模型；
S4:根据所述存储位置节点将所述电缆电荷测试数据上传至对应的分布式数据存储端；
S5:对所述分布式数据存储端内的所述电缆电荷测试数据进行加密处理，得到所述电缆电荷测试数据对应的加密数据。
2.根据权利要求1所述的一种电缆电荷测试数据存储方法，其特征在于，所述按照测试周期，依次获取电缆电荷测试数据,包括：
利用脉冲高压转换产生低压脉冲信号，经过滤波、过零比较电路，并采取延时处理，得到与所述低压脉冲信号同步的方波信号；
将所述方波信号给待测试电缆试样，对所述待测试电缆试样在一个周期内多次测量空间电荷，并获取空间电荷的测试时间节点；
将所述测试时间节点与方波信号上升和下降相匹配，得到空间电荷的波形，以得到电缆各个位置的动态电荷量；
根据测试周期、电缆的动态电荷量、测试时间节点，形成电缆电荷测试数据。
3.根据权利要求2所述的一种电缆电荷测试数据存储方法，其特征在于，所述将所述测试时间节点与方波信号上升和下降相匹配之前，还包括：
获取方波的上升时刻和下降时刻，分别确定所述上升时刻和下降时刻左右的空间电荷分布；
对所述上升时刻和下降时刻左右的空间电荷分布进行对比分析，确定所述上升时刻和下降时刻的空间电荷的变化规律。
4.根据权利要求1所述的一种电缆电荷测试数据存储方法，其特征在于，所述对所述电缆电荷测试数据进行预处理，并对预处理后的电缆电荷测试数据进行关联和添加标签，得到电缆电荷标签信息，包括：
获取所述电缆电荷测试数据，对所述电缆电荷测试数据筛查，并查找缺失值，基于所述缺失值确定所述电缆电荷测试数据的误差值；
获取预设的误差数值区间，判断所述电缆电荷测试数据的误差值是否超过所述误差数值区间；
若是，则删除所述缺失值，若否，则填充缺失值；
获取预处理后的电缆电荷测试数据，提取至少两个电缆的动态电荷量，计算两个动态电荷量的平均值，基于所述平均值确定两个动态电荷量的关联系数，以将两个动态电荷量进行关联；
当所述电缆电荷测试数据中各电缆的动态电荷量关联后，获取电缆电荷测试数据中的测试时间节点，基于所述测试时间节点对各个电缆的动态电荷量添加标签，得到电缆电荷标签信息。
5.根据权利要求1所述的一种电缆电荷测试数据存储方法，其特征在于，所述对所述分布式数据存储端内的所述电缆电荷测试数据进行加密处理，得到所述电缆电荷测试数据对应的加密数据，包括
接收所述电缆电荷测试数据的加密请求，根据所述加密请求，确定明文数据，根据预先确定的传输路径对所述明文数据进行传输；
当所述明文数据经过加密节点时，根据加密等级对所述明文数据进行加密处理，得到所述电缆电荷测试数据对应的加密数据。
6.根据权利要求5所述的一种电缆电荷测试数据存储方法，其特征在于，所述根据加密等级对所述明文数据进行加密处理，根据预先确定的传输路径对所述明文数据进行传输，包括：
提取所述电缆电荷测试数据中的重点信息，基于所述重点信息确定加密范围，以得到加密节点；
将所述加密节点标记在所述传输路径中，并对所述加密节点周围的辅助节点进行设置，形成加密等级。
7.根据权利要求6所述的一种电缆电荷测试数据存储方法，其特征在于，所述根据加密等级对所述明文数据进行加密处理，包括：
将所述明文数据根据密钥矩阵进行转换，得到转换结果，对所述转换结果中的每个字节进行映射，得到映射矩阵；
将所述映射矩阵中的行或列进行移位，得到输入矩阵，将所述输入矩阵与所述密钥矩阵进行异或运算，得到初始密钥；
基于加密等级，当所述明文数据经过加密节点时，对所述初始密钥进行扩展，得到目标密钥，以生成所述电缆电荷测试数据对应的加密数据。
8.根据权利要求1所述的一种电缆电荷测试数据存储方法，其特征在于，所述对所述分布式数据存储端内的所述电缆电荷测试数据进行加密处理，得到所述电缆电荷测试数据对应的加密数据之后，还包括：
获取所述电缆电荷测试数据中的测试时间，根据所述测试时间建立索引；
接收根据索引生成的检索指令，把所述电缆电荷测试数据的加密数据实时同步到索引消息队列；
根据所述检索指令确定数据的索引值，基于所述索引值，从所述索引消息队列中读取所述加密数据，并对所述加密数据进行解密，以获得目标数据。
CN202310896456.XA 2023-07-21 2023-07-21 电缆电荷测试数据存储方法 Active CN116611117B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310896456.XA CN116611117B (zh) 2023-07-21 2023-07-21 电缆电荷测试数据存储方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310896456.XA CN116611117B (zh) 2023-07-21 2023-07-21 电缆电荷测试数据存储方法

Publications (2)

Publication Number Publication Date
CN116611117A CN116611117A (zh) 2023-08-18
CN116611117B true CN116611117B (zh) 2023-10-03

Family

ID=87678666

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310896456.XA Active CN116611117B (zh) 2023-07-21 2023-07-21 电缆电荷测试数据存储方法

Country Status (1)

Country Link
CN (1) CN116611117B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109615152A (zh) * 2019-02-21 2019-04-12 南方电网科学研究院有限责任公司 基于成本导向梯度上升回归树的风力发电预测方法及产品
CN110868292A (zh) * 2019-12-03 2020-03-06 湖南国奥电力设备有限公司 基于区块链的地下电缆数据传输方法和装置
CN111768082A (zh) * 2020-06-02 2020-10-13 广东电网有限责任公司 一种基于大数据分析的电力设备状态评估方法
CN111860980A (zh) * 2020-07-03 2020-10-30 上海积成能源科技有限公司 一种电力负荷预测中应用分类回归树插补补充缺失值的方法
CN113537497A (zh) * 2021-06-07 2021-10-22 贵州优联博睿科技有限公司 基于动态抽样的梯度提升决策树模型构建优化方法
CN115186953A (zh) * 2022-04-18 2022-10-14 苏州环职安环境工程技术有限公司 一种危废仓库的安全识别和预警系统
CN115719116A (zh) * 2022-11-21 2023-02-28 重庆大学 一种电力负荷预测方法、装置及终端设备
CN115856456A (zh) * 2023-02-27 2023-03-28 国网山东省电力公司广饶县供电公司 一种电缆电荷测试数据传输方法
CN116382563A (zh) * 2022-12-26 2023-07-04 温州市铁路与轨道交通投资集团有限公司 一种云存储管理平台管理方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109615152A (zh) * 2019-02-21 2019-04-12 南方电网科学研究院有限责任公司 基于成本导向梯度上升回归树的风力发电预测方法及产品
CN110868292A (zh) * 2019-12-03 2020-03-06 湖南国奥电力设备有限公司 基于区块链的地下电缆数据传输方法和装置
CN111768082A (zh) * 2020-06-02 2020-10-13 广东电网有限责任公司 一种基于大数据分析的电力设备状态评估方法
CN111860980A (zh) * 2020-07-03 2020-10-30 上海积成能源科技有限公司 一种电力负荷预测中应用分类回归树插补补充缺失值的方法
CN113537497A (zh) * 2021-06-07 2021-10-22 贵州优联博睿科技有限公司 基于动态抽样的梯度提升决策树模型构建优化方法
CN115186953A (zh) * 2022-04-18 2022-10-14 苏州环职安环境工程技术有限公司 一种危废仓库的安全识别和预警系统
CN115719116A (zh) * 2022-11-21 2023-02-28 重庆大学 一种电力负荷预测方法、装置及终端设备
CN116382563A (zh) * 2022-12-26 2023-07-04 温州市铁路与轨道交通投资集团有限公司 一种云存储管理平台管理方法
CN115856456A (zh) * 2023-02-27 2023-03-28 国网山东省电力公司广饶县供电公司 一种电缆电荷测试数据传输方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Research on energy consumption prediction model based on big data platform and random forest algorithm;Wenjia Cai，等;《2022 International Conference on Data Analytics, Computing and Artificial Intelligence (ICDACAI)》;第384-388页 *
基于Spark和梯度提升树模型的短期负荷预测;许贤泽;刘静;施元;谭盛煌;;华中科技大学学报(自然科学版)(第05期);第89-94页 *

Also Published As

Publication number Publication date
CN116611117A (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
Davoudi et al. Parameter‐free fault location for transmission lines based on optimisation
CN111913859B (zh) 一种异常行为检测方法和装置
Adebayo et al. Voltage stability assessment and identification of important nodes in power transmission network through network response structural characteristics
Zhong et al. A novel sparse false data injection attack method in smart grids with incomplete power network information
CN113092935A (zh) 一种识别小负荷线路拓扑的方法及系统、设备、存储介质
CN110475124A (zh) 视频卡顿检测方法及装置
Xiao et al. Boundary supply capability for distribution systems: concept, indices and calculation
CN115618249A (zh) 一种基于LargeVis降维与DBSCAN聚类的低压配电台区相位识别方法
Rahimi et al. Dynamic cube attack on Grain‐v1
Han et al. Research on quality problems management of electric power equipment based on knowledge–data fusion method
CN114878967A (zh) 一种高压电缆线路故障定位方法、系统及可读存储介质
WO2023240280A1 (en) Systems and methods for anomaly detection
CN116611117B (zh) 电缆电荷测试数据存储方法
Wang et al. The Cable Fault Diagnosis for XLPE Cable Based on 1DCNNs‐BiLSTM Network
Liu et al. Interval power flow calculation algorithm for multi‐terminal dc distribution networks considering distributed generation output uncertainties
Chandrasekharan et al. Current indicator based fault detection algorithm for identification of faulty string in solar PV system
Dharmawardena et al. A distributed data‐driven modelling framework for power flow estimation in power distribution systems
Gorgani Firouzjah et al. Reliability improvement of power system observability with minimum phasor measurement units
CN114996535A (zh) 电网中电力设备的数据检索方法、系统及电子设备
Shukla et al. Real‐time estimation of ATC using PMU data and ANN
CN108959581B (zh) 一种面向时空融合分析的电力设备状态数据处理方法
Baksi et al. Differential fault location identification by machine learning
Islam et al. Ensemble voting‐based fault classification and location identification for a distribution system with microgrids using smart meter measurements
CN114036344A (zh) 设备编码的方法及装置、电子设备及计算机存储介质
da Silva Borges et al. Optimized method for locating the source of voltage sags

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