CN116775951B - 新型电力系统的数据安全存储方法、装置及设备 - Google Patents

新型电力系统的数据安全存储方法、装置及设备 Download PDF

Info

Publication number
CN116775951B
CN116775951B CN202311029434.XA CN202311029434A CN116775951B CN 116775951 B CN116775951 B CN 116775951B CN 202311029434 A CN202311029434 A CN 202311029434A CN 116775951 B CN116775951 B CN 116775951B
Authority
CN
China
Prior art keywords
data set
substation data
original
target
determining
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
CN202311029434.XA
Other languages
English (en)
Other versions
CN116775951A (zh
Inventor
庞海天
宋丹阳
邵俊松
樊小毅
张聪
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.)
Shenzhen Jianghang Lianjia Intelligent Technology Co ltd
Original Assignee
Shenzhen Jianghang Lianjia Intelligent 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 Shenzhen Jianghang Lianjia Intelligent Technology Co ltd filed Critical Shenzhen Jianghang Lianjia Intelligent Technology Co ltd
Priority to CN202311029434.XA priority Critical patent/CN116775951B/zh
Publication of CN116775951A publication Critical patent/CN116775951A/zh
Application granted granted Critical
Publication of CN116775951B publication Critical patent/CN116775951B/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
    • 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
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种新型电力系统的数据安全存储方法、装置及设备，属于数据存储技术领域。本发明通过获取新型电力系统的原始变电站数据集；根据所述原始变电站数据集的结构特征确定所述原始变电站数据集的均值聚类中心；基于扫描算子、调度时长响应函数以及所述均值聚类中心对所述原始变电站数据集进行数据处理，得到目标变电站数据集；确定所述目标变电站数据集中各个变量的分类结果；根据所述分类结果确定所述目标变电站数据集对应的目标存储路径；按照所述目标存储路径存储所述目标变电站数据集，通过对变电站数据集进行聚类以及数据处理，最后按照目标存储路径进行存储，不仅提升了电力系统数据的存储容量，还提升了电力系统数据存储的可靠性。

Description

新型电力系统的数据安全存储方法、装置及设备
技术领域
本发明涉及数据存储技术领域，尤其涉及一种新型电力系统的数据安全存储方法、装置及设备。
背景技术
随着信息技术的飞速发展和电力系统需求的不断增加，使得变电站中测量装置的大规模使用以及各种设备数据采集频率的不断增高，导致变电站数据量呈现指数级增长，并且计算机技术和网络技术的发展，特别是信息化工业化深度融合以及物联网的快速发展。
目前所采用的方式主要为分段融合模糊聚类的电力系统变电站数据存储以及结合均分存储区域技术以及虚拟节点技术实现电力系统数据存储，但是这两种方式均未考虑节点故障下发送数据包存在的能源成本问题，降低了电力系统数据的存储容量和可靠性。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种新型电力系统的数据安全存储方法、装置及设备，旨在解决现有技术降低了电力系统数据的存储容量和可靠性的技术问题。
为实现上述目的，本发明提供了一种新型电力系统的数据安全存储方法，所述新型电力系统的数据安全存储方法包括以下步骤：
获取新型电力系统的原始变电站数据集；
根据所述原始变电站数据集的结构特征确定所述原始变电站数据集的均值聚类中心；
基于扫描算子、调度时长响应函数以及所述均值聚类中心对所述原始变电站数据集进行数据处理，得到目标变电站数据集；
确定所述目标变电站数据集中各个变量的分类结果；
根据所述分类结果确定所述目标变电站数据集对应的目标存储路径；
按照所述目标存储路径存储所述目标变电站数据集。
可选地，所述根据所述原始变电站数据集的结构特征确定所述原始变电站数据集的均值聚类中心，包括：
根据所述原始变电站数据集的结构特征获取所述原始变电站数据集的特征均值、特征数据论域以及标准差；
根据所述标准差确定所述原始变电站数据集对应的变异系数；
根据所述特征均值、所述特征数据论域以及所述变异系数确定所述原始变电站数据集的均值聚类中心。
可选地，所述基于扫描算子、调度时长响应函数以及所述均值聚类中心对所述原始变电站数据集进行数据处理，得到目标变电站数据集，包括：
确定所述原始变电站数据集对应的扫描算子；
以所述均值聚类中心为基准结合所述扫描算子以及所述原始变电站数据集计算调度时长响应函数；
确定调度噪声干扰以及对应干扰信号的振幅；
根据所述调度时长响应函数、所述调度噪声干扰以及所述干扰信号的振幅确定聚类中心矢量；
根据所述聚类中心矢量和所述原始变电站数据集得到参考变电站数据集；
对所述参考变电站数据集进行干扰滤波处理，得到目标变电站数据集。
可选地，所述对所述参考变电站数据集进行干扰滤波处理，得到目标变电站数据集，包括：
基于预设周期以复变函数的形式确定所述参考变电站数据集对应的功率谱密度函数；
确定滤波处理的初始时刻以及预设滤波时长；
根据所述初始时刻、预设滤波时长以及预设滤波参数对所述参考变电站数据集进行干扰滤波处理，得到目标变电站数据集。
可选地，所述根据所述分类结果确定所述目标变电站数据集对应的目标存储路径，包括：
根据所述分类结果确定所述目标变电站数据集中各个变量所属的分类；
根据所述分类确定各个变量对应的父节点与子节点；
根据所述父节点与所述子节点确定所述目标变电站数据集对应的目标存储路径。
可选地，所述根据所述父节点与所述子节点确定所述目标变电站数据集对应的目标存储路径，包括：
将所述父节点对应的变量的字符串与所述子节点对应的变量的字符串进行大小比较；
根据比较结果确定各个变量的类别排序；
根据所述类别排序确定所述目标变电站数据集对应的目标存储路径。
可选地，所述按照所述目标存储路径存储所述目标变电站数据集，包括：
利用混沌序列生成所述目标变电站数据集对应的置乱向量；
通过所述置乱向量对所述目标变电站数据集进行加密，得到加密后的目标变电站数据集；
按照所述目标存储路径存储所述加密后的目标变电站数据集。
此外，为实现上述目的，本发明还提出一种新型电力系统的数据安全存储装置，所述新型电力系统的数据安全存储装置包括：
获取模块，用于获取新型电力系统的原始变电站数据集；
处理模块，用于根据所述原始变电站数据集的结构特征确定所述原始变电站数据集的均值聚类中心；
所述处理模块，用于基于扫描算子、调度时长响应函数以及所述均值聚类中心对所述原始变电站数据集进行数据处理，得到目标变电站数据集；
分类模块，用于确定所述目标变电站数据集中各个变量的分类结果；
规划模块，用于根据所述分类结果确定所述目标变电站数据集对应的目标存储路径；
存储模块，用于按照所述目标存储路径存储所述目标变电站数据集。
可选地，所述处理模块，还用于获取所述原始变电站数据集的特征均值、特征数据论域以及标准差；
根据所述标准差确定所述原始变电站数据集对应的变异系数；
根据所述特征均值、所述特征数据论域以及所述变异系数确定所述原始变电站数据集的均值聚类中心。
此外，为实现上述目的，本发明还提出一种新型电力系统的数据安全存储设备，所述新型电力系统的数据安全存储设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行的新型电力系统的数据安全存储程序，所述新型电力系统的数据安全存储程序配置为实现如上文所述的新型电力系统的数据安全存储方法。
本发明通过获取新型电力系统的原始变电站数据集；根据所述原始变电站数据集的结构特征确定所述原始变电站数据集的均值聚类中心；基于扫描算子、调度时长响应函数以及所述均值聚类中心对所述原始变电站数据集进行数据处理，得到目标变电站数据集；确定所述目标变电站数据集中各个变量的分类结果；根据所述分类结果确定所述目标变电站数据集对应的目标存储路径；按照所述目标存储路径存储所述目标变电站数据集，通过对变电站数据集进行聚类以及数据处理，最后按照目标存储路径进行存储，不仅提升了电力系统数据的存储容量，还提升了电力系统数据存储的可靠性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的新型电力系统的数据安全存储设备的结构示意图；
图2为本发明新型电力系统的数据安全存储方法第一实施例的流程示意图；
图3为本发明新型电力系统的数据安全存储方法第二实施例的流程示意图；
图4为本发明新型电力系统的数据安全存储方法第三实施例的流程示意图；
图5为本发明新型电力系统的数据安全存储装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的新型电力系统的数据安全存储设备结构示意图。
如图1所示，该新型电力系统的数据安全存储设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对新型电力系统的数据安全存储设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及新型电力系统的数据安全存储程序。
在图1所示的新型电力系统的数据安全存储设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明新型电力系统的数据安全存储设备中的处理器1001、存储器1005可以设置在新型电力系统的数据安全存储设备中，所述新型电力系统的数据安全存储设备通过处理器1001调用存储器1005中存储的新型电力系统的数据安全存储程序，并执行本发明实施例提供的新型电力系统的数据安全存储方法。
本发明实施例提供了一种新型电力系统的数据安全存储方法，参照图2，图2为本发明一种新型电力系统的数据安全存储方法第一实施例的流程示意图。
本实施例中，所述新型电力系统的数据安全存储方法包括以下步骤：
步骤S10：获取新型电力系统的原始变电站数据集。
在本实施例中，本实施例的执行主体为新型电力系统的数据安全存储设备，所述新型电力系统的数据安全存储设备可以为计算机等终端设备，还可以为具有相同或相似功能的其他设备，本实施例以新型电力系统的数据安全存储设备为例进行说明。
需要说明的是，目前所采用的方式主要为分段融合模糊聚类的电力系统变电站数据存储以及结合均分存储区域技术以及虚拟节点技术实现电力系统数据存储，但是这两种方式均未考虑节点故障下发送数据包存在的能源成本问题，降低了电力系统数据的存储容量和可靠性。
本实施例中为了解决上述技术问题，根据原始变电站数据集的均值聚类中心对原始变电站数据集进行相应的数据处理，然后再确定目标存储路径，最后按照目标存储路径将经过数据处理后的变电站数据集进行存储，既能通过聚类中心提升电力系统数据的存储容量，又能够通过目标存储路径提升电力系统数据的安全性，进一步提升电力系统数据存储的可靠性，具体地，可以按照如下方式实现。
在具体实现中，本实施例中首先需要新型电力系统的原始变电站数据集，新型电力系统是以确保能源电力安全为基本前提、以满足经济社会发展电力需求为首要目标、以最大化消纳新能源为主要任务，以坚强智能电网为枢纽平台，以源网荷储互动与多能互补为支撑，具有清洁低碳、安全可控、灵活高效、智能友好、开放互动基本特征的电力系统。原始变电站数据集是指未经过聚类以及滤波等数据处理的变电站数据集，因此这些原始变电站数据集在后续无法直接进行存储，需要经过一系列数据处理之后才可进行存储。本实施例中可通过传感器或者其他电力监测设备以及系统进行原始变电站数据集的采集，采集的数据包括但不限于电性能参数测量，例如电流、电压、闪变、谐波、相位角、功率因素等参数，当然本实施例中还可以通过其他设备采集其他所需要的电力数据，可以根据实际情况进行选择，本实施例中对此不加以限制。
步骤S20：根据所述原始变电站数据集的结构特征确定所述原始变电站数据集的均值聚类中心。
需要说明的是，本实施例中是对原始变电站数据集聚类等数据处理操作，而在对原始变电站数据集进行聚类操作之前，首先需要确定聚类中心，也即原始变电站数据集的均值聚类中心，以该均值聚类中心为基准即可实现对原始变电站数据集的聚类处理。
在具体实现中，本实施例中可以先根据原始变电站数据集确定其结构特征，然后根据该结构特征确定原始变电站数据集的均值聚类中心。具体地，本实施例中的结构特征可以用于确定原始变电站数据集的特征均值以及特征数据论域等参数，然后根据这些参数确定原始变电站数据集的均值聚类中心。
步骤S30：基于扫描算子、调度时长响应函数以及所述均值聚类中心对所述原始变电站数据集进行数据处理，得到目标变电站数据集。
在具体实施中，在确定均值聚类中心之后，本实施例中以该均值聚类中心对原始变电站数据集进行数据处理，原始变电站数据集在经过数据处理后的即为目标变电站数据集。本实施例中还需要获取扫描算子以及调度时长响应函数，将扫描算子以及调度时长响应函数与均值聚类中心结合对所述原始变电站数据集进行数据处理，具体过程可以按照如下方式实现。
在具体实现中，首先需要先确定原始变电站数据集对应的扫描算子，原始变电站数据集对应的扫描算子为原始变电站数据集在均值聚类过程中所需要用到的算子，扫描算子负责从底层数据来源抽取数据。
在获取到扫描算子之后，本实施例中进一步以均值聚类中心为基准结合所述扫描算子以及所述原始变电站数据集计算调度时长响应函数，例如D(t)=S*G(t)+r(t)，其中，D(t)为调度时长响应函数，S为原始变电站数据集对应的扫描算子，G(t)为原始变电站数据集对应的均值聚类中心，r(t)为原始变电站数据集，由于电力系统的数据是实时采集的，因此t表示每一个对应的采集时刻。
进一步地，在计算而得到调度时长响应函数之后，本实施例中会进一步获取噪声干扰以及对应干扰信号的振幅，噪声干扰以及对应干扰信号的振幅可以根据实际数据处理需求进行相应地设置，本实施例中对此不加以限制。然后根据所述调度时长响应函数、所述调度噪声干扰以及所述干扰信号的振幅确定聚类中心矢量，例如G'(t)=D(t)*Z(-t)+rz(t)，其中，D(t)为调度时长响应函数，rz(t)为调度噪声干扰，Z(-t)为干扰信号的振幅，G'(t)即为聚类中心矢量，按照该聚类中心矢量即可确定原始变电站数据集中各个变量的聚类标准，以此聚类中心矢量进行聚类即可得到心矢量和所述原始变电站数据集得到参考变电站数据集。
在本实施例中，在得到参考变电站数据集之后，本实施例中还需要进一步对参考变电站数据集进行干扰滤波处理，以进一步对参考变电站数据集进行优化，具体地，可以按照如下方式实现。
在具体实现中，本实施例中先基于预设周期以复变函数的形式确定所述参考变电站数据集对应的功率谱密度函数，例如β=Tf/G'(t)，其中，β为功率谱密度函数，T为预设周期，f表示复变函数，G'(t)为参考变电站数据集，需要强调的是，f还可以取复变函数的最小值，也即fmin。在开始对参考变电站数据集进行滤波时，记录滤波处理的初始时刻，然后根据初始时刻、预设滤波时长以及预设滤波参数对所述参考变电站数据集进行干扰滤波处理，即可得到目标变电站数据集，例如u(t)=f(-2aβ(t0/t))，其中，在对参考变电站数据集进行干扰滤波处理时仍然采用复变函数的形式，u(t)为目标变电站数据集，t0为滤波处理的初始时刻，t为预设滤波时长，β为功率谱密度函数，a为大于0的常数。
步骤S40：确定所述目标变电站数据集中各个变量的分类结果。
需要说明的是，目标变电站数据集中包含各种不同类型的数据，也即每一个变量对应不同类型的电力数据，在进行存储之前需要进行数据分类。
在具体实施中，本实施例中可以基于各个变量对应的数据类型对各个变量进行分类，例如将温度数据分类一类，将电流以及电压等数据分为一类，当然还可以根据实际需求选择其他的分类方式，本实施例中对此不加以限制。
步骤S50：根据所述分类结果确定所述目标变电站数据集对应的目标存储路径。
在具体实施中，在确定目标变电站数据集中各个变量的分类结果之后，由于不同类型的数据存储的位置不一样，因此基于该分类结果即可确定目标变电站数据集对应的目标存储路径，例如温度数据对应的目标存储路径为w1，电流数据对应的目标存储路径为w2，具体存储路径还可以根据需求进行相应地设置，本实施例中对此不加以限制。
步骤S60：按照所述目标存储路径存储所述目标变电站数据集。
在具体实施中，在确定目标存储路径之后，本实施例中按照目标存储路径将目标变电站数据集进行存储，能够保证变电站数据集安全存储，提升了变电站数据集存储的可靠性。目标存储路径中包含目标变电站数据集的存储位置等信息。
进一步地，本实施例中为了进一步提升数据存储的安全性与可靠性，在对目标变电站数据集进行存储之前，先对目标变电站数据集进行加密，加密之后再按照目标存储路径进行存储，具体地，可以按照如下方式实现。
在具体实现中，本实施例中先利用混沌序列生成目标变电站数据集对应的置乱向量，例如目标变电站数据集对应的原始矩阵为[,/>,/>.../>]，生成的置乱向量为[,/>,/>.../>]，其中/>即为置乱向量，该向量可以为行向量，也可以为列向量。接着本实施例中再通过所述置乱向量对所述目标变电站数据集进行加密，也即将每一个置乱向量分别与原始的向量进行组合，得到新的向量，例如/>(c1)，其中，/>(c1)为新的向量，/>为置乱向量，c1为原始的向量，所有新的向量最终组合成加密后的目标变电站数据集。
本实施例通过获取新型电力系统的原始变电站数据集；根据所述原始变电站数据集的结构特征确定所述原始变电站数据集的均值聚类中心；基于扫描算子、调度时长响应函数以及所述均值聚类中心对所述原始变电站数据集进行数据处理，得到目标变电站数据集；确定所述目标变电站数据集中各个变量的分类结果；根据所述分类结果确定所述目标变电站数据集对应的目标存储路径；按照所述目标存储路径存储所述目标变电站数据集，通过对变电站数据集进行聚类以及数据处理，最后按照目标存储路径进行存储，不仅提升了电力系统数据的存储容量，还提升了电力系统数据存储的可靠性。
参考图3，图3为本发明一种新型电力系统的数据安全存储方法第二实施例的流程示意图。
基于上述第一实施例，本实施例新型电力系统的数据安全存储方法中，所述步骤S20具体包括：
步骤S201：根据所述原始变电站数据集的结构特征获取所述原始变电站数据集的特征均值、特征数据论域以及标准差。
在具体实施中，本实施例中在确定原始变电站数据集的均值聚类中心之前，需要先获取相关的参数，例如原始变电站数据集的特征均值、特征数据论域以及标准差，这些可以根据原始变电站数据集的结构特征获取到。标准差能反映一个数据集的离散程度。
步骤S202：根据所述标准差确定所述原始变电站数据集对应的变异系数。
在本实施例中，根据标准差可以计算出原始变电站数据集对应的变异系数，其中，变异系数为一个变异指标，也可以用于评价数据集的变异程度，本实施例中可以按照如下方式计算变异系数，例如V=X/，其中，V为变异系数，X为标准差，/>为平均值。
步骤S203：根据所述特征均值、所述特征数据论域以及所述变异系数确定所述原始变电站数据集的均值聚类中心。
在具体实施中，在得到特征均值、特征数据论域以及变异系数之后，本实施例中可以按照如下方式得到原始变电站数据集的均值聚类中心。例如G(t)=p*h(t)+V，其中，G(t)为原始变电站数据集的均值聚类中心，p为特征均值，h(t)为特征数据论域，V为变异系数。
本实施例通过根据所述原始变电站数据集的结构特征获取所述原始变电站数据集的特征均值、特征数据论域以及标准差，根据所述标准差确定所述原始变电站数据集对应的变异系数，根据所述特征均值、所述特征数据论域以及所述变异系数确定所述原始变电站数据集的均值聚类中心，通过上述方式能够更加准确得到聚类中心，以保证变电站数据集的聚类效果，从而进一步提升变电站数据集的存储容量。
参考图4，图4为本发明一种新型电力系统的数据安全存储方法第三实施例的流程示意图。
基于上述第一实施例，提出本发明一种新型电力系统的数据安全存储方法的第三实施例。
在本实施例中，所述步骤S50具体包括：
步骤S501：根据所述分类结果确定所述目标变电站数据集中各个变量所属的分类。
在具体实施中，在对目标变电站数据集中各个变量进行分类之后，可以根据分类结果确定目标变电站数据集中各个变量所属的分类，例如高低压柜的电流电压等参数为电力参数分类，变电站内的温湿度为环境参数分类，变电站所处的位置属于位置信息分类等。
步骤S502：根据所述分类确定各个变量对应的父节点与子节点。
在具体实施中，在确定各个变量所属的分类之后，本实施例中根据各个变量所属的分量可以进一步确定各个变量所对应的父节点以及子节点，例如Q地变电站的高压柜的电流值，其中，包括变量一为Q地变电站，根据分类可以确定该变量一为位置信息分类，变量二为高压柜的电流值，根据分类可以确定该变量二为电力参数分类，通过上述分类可以确定Q地变电站为父节点，高压柜的电流值为子节点。
步骤S503：根据所述父节点与所述子节点确定所述目标变电站数据集对应的目标存储路径。
在具体实施中，在确定父节点与子节点之后，本实施例中进一步将父节点对应的变量的字符串与子节点对应的变量的字符串进行大小比较，字符串的大小决定了排序，而父节点与子节点分别对应有相应的分类，因此该字符串的比较结果也同时能够确定各个变量的类别排序，也即每个类别的顺序，例如顺序可以为位置信息分类的变量-电力参数分类的变量-环境参数分类的变量，顺序还可以为位置信息分类的变量-环境参数分类的变量-电力参数分类的变量，具体顺序设定可以根据实际需求进行相应地调整，本实施例中对此不加以限制。
本实施例通过根据所述分类结果确定所述目标变电站数据集中各个变量所属的分类；根据所述分类确定各个变量对应的父节点与子节点；将所述父节点对应的变量的字符串与所述子节点对应的变量的字符串进行大小比较；根据比较结果确定各个变量的类别排序；根据所述类别排序确定所述目标变电站数据集对应的目标存储路径，能够通过上述得到准确的数据存储路径，使得电力系统数据的存储更加可靠。
参照图5，图5为本发明新型电力系统的数据安全存储装置第一实施例的结构框图。
如图5所示，本发明实施例提出的新型电力系统的数据安全存储装置包括：
获取模块10，用于获取新型电力系统的原始变电站数据集。
处理模块20，用于根据所述原始变电站数据集的结构特征确定所述原始变电站数据集的均值聚类中心。
所述处理模块20，用于基于扫描算子、调度时长响应函数以及所述均值聚类中心对所述原始变电站数据集进行数据处理，得到目标变电站数据集。
分类模块30，用于确定所述目标变电站数据集中各个变量的分类结果。
规划模块40，用于根据所述分类结果确定所述目标变电站数据集对应的目标存储路径。
存储模块50，用于按照所述目标存储路径存储所述目标变电站数据集。
本实施例通过获取新型电力系统的原始变电站数据集；根据所述原始变电站数据集的结构特征确定所述原始变电站数据集的均值聚类中心；基于扫描算子、调度时长响应函数以及所述均值聚类中心对所述原始变电站数据集进行数据处理，得到目标变电站数据集；确定所述目标变电站数据集中各个变量的分类结果；根据所述分类结果确定所述目标变电站数据集对应的目标存储路径；按照所述目标存储路径存储所述目标变电站数据集，通过对变电站数据集进行聚类以及数据处理，最后按照目标存储路径进行存储，不仅提升了电力系统数据的存储容量，还提升了电力系统数据存储的可靠性。
在一实施例中，所述处理模块20，还用于根据所述原始变电站数据集的结构特征获取所述原始变电站数据集的特征均值、特征数据论域以及标准差；根据所述标准差确定所述原始变电站数据集对应的变异系数；根据所述特征均值、所述特征数据论域以及所述变异系数确定所述原始变电站数据集的均值聚类中心。
在一实施例中，所述处理模块20，还用于确定所述原始变电站数据集对应的扫描算子；以所述均值聚类中心为基准结合所述扫描算子以及所述原始变电站数据集计算调度时长响应函数；确定调度噪声干扰以及对应干扰信号的振幅；根据所述调度时长响应函数、所述调度噪声干扰以及所述干扰信号的振幅确定聚类中心矢量；根据所述聚类中心矢量和所述原始变电站数据集得到参考变电站数据集；对所述参考变电站数据集进行干扰滤波处理，得到目标变电站数据集。
在一实施例中，所述处理模块20，还用于基于预设周期以复变函数的形式确定所述参考变电站数据集对应的功率谱密度函数；确定滤波处理的初始时刻以及预设滤波时长；根据所述初始时刻、预设滤波时长以及预设滤波参数对所述参考变电站数据集进行干扰滤波处理，得到目标变电站数据集。
在一实施例中，所述规划模块40，还用于根据所述分类结果确定所述目标变电站数据集中各个变量所属的分类；根据所述分类确定各个变量对应的父节点与子节点；根据所述父节点与所述子节点确定所述目标变电站数据集对应的目标存储路径。
在一实施例中，所述规划模块40，还用于将所述父节点对应的变量的字符串与所述子节点对应的变量的字符串进行大小比较；根据比较结果确定各个变量的类别排序；根据所述类别排序确定所述目标变电站数据集对应的目标存储路径。
在一实施例中，所述存储模块50，还用于利用混沌序列生成所述目标变电站数据集对应的置乱向量；通过所述置乱向量对所述目标变电站数据集进行加密，得到加密后的目标变电站数据集；按照所述目标存储路径存储所述加密后的目标变电站数据集。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的新型电力系统的数据安全存储方法，此处不再赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该计算机软件产品存储在一个存储介质（如只读存储器（Read Only Memory，ROM）/RAM、磁碟、光 盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种新型电力系统的数据安全存储方法，其特征在于，所述新型电力系统的数据安全存储方法包括：
获取新型电力系统的原始变电站数据集；
根据所述原始变电站数据集的结构特征确定所述原始变电站数据集的均值聚类中心；
其中，所述根据所述原始变电站数据集的结构特征确定所述原始变电站数据集的均值聚类中心，包括：
根据所述原始变电站数据集的结构特征获取所述原始变电站数据集的特征均值、特征数据论域以及标准差；
根据所述标准差确定所述原始变电站数据集对应的变异系数V=X/，其中，V为变异系数，X为标准差，/>为平均值；
根据所述特征均值、所述特征数据论域以及所述变异系数确定所述原始变电站数据集的均值聚类中心G(t)，其中，G(t)为原始变电站数据集的均值聚类中心，p为特征均值，h(t)为特征数据论域，V为变异系数；
基于扫描算子、调度时长响应函数以及所述均值聚类中心对所述原始变电站数据集进行数据处理，得到目标变电站数据集；
确定所述目标变电站数据集中各个变量的分类结果；
根据所述分类结果确定所述目标变电站数据集对应的目标存储路径；
其中，所述根据所述分类结果确定所述目标变电站数据集对应的目标存储路径，包括：
根据所述分类结果确定所述目标变电站数据集中各个变量所属的分类；
根据所述分类确定各个变量对应的父节点与子节点；
将所述父节点对应的变量的字符串与所述子节点对应的变量的字符串进行大小比较；
根据比较结果确定各个变量的类别排序；
根据所述类别排序确定所述目标变电站数据集对应的目标存储路径；
按照所述目标存储路径存储所述目标变电站数据集；
所述按照所述目标存储路径存储所述目标变电站数据集，包括：
获取所述目标变电站数据集对应的原始矩阵，基于所述原始矩阵利用混沌序列生成所述目标变电站数据集对应的置乱向量；
将每一个置乱向量分别与原始的向量进行组合，得到新的向量，其中，为置乱向量，c1为原始的向量，并将所有新的向量最终组合成加密后的目标变电站数据集；
按照所述目标存储路径存储所述加密后的目标变电站数据集。
2.如权利要求1所述的新型电力系统的数据安全存储方法，其特征在于，所述基于扫描算子、调度时长响应函数以及所述均值聚类中心对所述原始变电站数据集进行数据处理，得到目标变电站数据集，包括：
确定所述原始变电站数据集对应的扫描算子；
以所述均值聚类中心为基准结合所述扫描算子以及所述原始变电站数据集计算调度时长响应函数；
确定调度噪声干扰以及对应干扰信号的振幅；
根据所述调度时长响应函数、所述调度噪声干扰以及所述干扰信号的振幅确定聚类中心矢量；
根据所述聚类中心矢量和所述原始变电站数据集得到参考变电站数据集；
对所述参考变电站数据集进行干扰滤波处理，得到目标变电站数据集。
3.如权利要求2所述的新型电力系统的数据安全存储方法，其特征在于，所述对所述参考变电站数据集进行干扰滤波处理，得到目标变电站数据集，包括：
基于预设周期以复变函数的形式确定所述参考变电站数据集对应的功率谱密度函数；
确定滤波处理的初始时刻以及预设滤波时长；
根据所述初始时刻、预设滤波时长以及预设滤波参数对所述参考变电站数据集进行干扰滤波处理，得到目标变电站数据集。
4.一种新型电力系统的数据安全存储装置，其特征在于，所述新型电力系统的数据安全存储装置包括：
获取模块，用于获取新型电力系统的原始变电站数据集；
处理模块，用于根据所述原始变电站数据集的结构特征获取所述原始变电站数据集的特征均值、特征数据论域以及标准差；根据所述标准差确定所述原始变电站数据集对应的变异系数V=X/，其中，V为变异系数，X为标准差，/>为平均值；根据所述特征均值、所述特征数据论域以及所述变异系数确定所述原始变电站数据集的均值聚类中心G(t)，其中，G(t)为原始变电站数据集的均值聚类中心，p为特征均值，h(t)为特征数据论域，V为变异系数；
所述处理模块，用于基于扫描算子、调度时长响应函数以及所述均值聚类中心对所述原始变电站数据集进行数据处理，得到目标变电站数据集；
分类模块，用于确定所述目标变电站数据集中各个变量的分类结果；
规划模块，用于根据所述分类结果确定所述目标变电站数据集中各个变量所属的分类；根据所述分类确定各个变量对应的父节点与子节点；将所述父节点对应的变量的字符串与所述子节点对应的变量的字符串进行大小比较；根据比较结果确定各个变量的类别排序；根据所述类别排序确定所述目标变电站数据集对应的目标存储路径；
存储模块，用于获取所述目标变电站数据集对应的原始矩阵，基于所述原始矩阵利用混沌序列生成所述目标变电站数据集对应的置乱向量；将每一个置乱向量分别与原始的向量进行组合，得到新的向量/>，其中，/>为置乱向量，c1为原始的向量，并将所有新的向量最终组合成加密后的目标变电站数据集；按照所述目标存储路径存储所述加密后的目标变电站数据集。
5.如权利要求4所述的新型电力系统的数据安全存储装置，其特征在于，所述处理模块，还用于获取所述原始变电站数据集的特征均值、特征数据论域以及标准差；
根据所述标准差确定所述原始变电站数据集对应的变异系数；
根据所述特征均值、所述特征数据论域以及所述变异系数确定所述原始变电站数据集的均值聚类中心。
6.一种新型电力系统的数据安全存储设备，其特征在于，所述新型电力系统的数据安全存储设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行的新型电力系统的数据安全存储程序，所述新型电力系统的数据安全存储程序配置为实现如权利要求1至3中任一项所述的新型电力系统的数据安全存储方法。
CN202311029434.XA 2023-08-16 2023-08-16 新型电力系统的数据安全存储方法、装置及设备 Active CN116775951B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311029434.XA CN116775951B (zh) 2023-08-16 2023-08-16 新型电力系统的数据安全存储方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311029434.XA CN116775951B (zh) 2023-08-16 2023-08-16 新型电力系统的数据安全存储方法、装置及设备

Publications (2)

Publication Number Publication Date
CN116775951A CN116775951A (zh) 2023-09-19
CN116775951B true CN116775951B (zh) 2023-11-14

Family

ID=88006673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311029434.XA Active CN116775951B (zh) 2023-08-16 2023-08-16 新型电力系统的数据安全存储方法、装置及设备

Country Status (1)

Country Link
CN (1) CN116775951B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109064009A (zh) * 2018-07-28 2018-12-21 国网江苏省电力有限公司电力科学研究院 基于ems数据的变电站行业比例获取方法及计算设备
CN111221956A (zh) * 2019-12-26 2020-06-02 国网宁夏电力有限公司中卫供电公司 一种电力管理系统pms配网设备数据质量核查方法
CN115410017A (zh) * 2022-07-25 2022-11-29 武汉轻工大学 种子霉变检测方法、装置、设备及存储介质
CN115757569A (zh) * 2022-10-19 2023-03-07 国家能源集团乐东发电有限公司 基于国产化结构的新能源多类型数据调配方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109064009A (zh) * 2018-07-28 2018-12-21 国网江苏省电力有限公司电力科学研究院 基于ems数据的变电站行业比例获取方法及计算设备
CN111221956A (zh) * 2019-12-26 2020-06-02 国网宁夏电力有限公司中卫供电公司 一种电力管理系统pms配网设备数据质量核查方法
CN115410017A (zh) * 2022-07-25 2022-11-29 武汉轻工大学 种子霉变检测方法、装置、设备及存储介质
CN115757569A (zh) * 2022-10-19 2023-03-07 国家能源集团乐东发电有限公司 基于国产化结构的新能源多类型数据调配方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于大数据存储区域自动筛选的数据库优化;郑倩倩;《软件导刊》;15(8);第165-167页 *

Also Published As

Publication number Publication date
CN116775951A (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
Chen et al. A rough set-based method for updating decision rules on attribute values’ coarsening and refining
Tonelli‐Neto et al. Fuzzy based methodologies comparison for high‐impedance fault diagnosis in radial distribution feeders
Gallego et al. High‐performance hybrid genetic algorithm to solve transmission network expansion planning
Ghosh et al. Improved non‐intrusive identification technique of electrical appliances for a smart residential system
CN111103477B (zh) 一种基于3d卷积神经网络的电气负载监测方法和系统
Galvani et al. Data clustering based probabilistic optimal power flow in power systems
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
Burke et al. A Memetic Algorithm for the Maintenance Scheduling Problem.
Gomes et al. Islanding detection of synchronous distributed generators using data mining complex correlations
Kapoor et al. Volterra bound interval type‐2 fuzzy logic‐based approach for multiple power quality events analysis
Moradifar et al. Identification of multiple harmonic sources in power system containing inverter‐based distribution generations using empirical mode decomposition
Zhu et al. Fault location in AC transmission lines with back‐to‐back MMC‐HVDC using ConvNets
Zhao et al. Identification of critical lines for enhancing disaster resilience of power systems with renewables based on complex network theory
Ebrahimi et al. Probabilistic optimal planning in active distribution networks considering non‐linear loads based on data clustering method
Bhuiyan et al. A deep learning through DBN enabled transmission line fault transient classification framework for multimachine microgrid systems
Shi et al. A novel microgrid power quality assessment model based on multivariate Gaussian distribution and local sensitivity analysis
CN116775951B (zh) 新型电力系统的数据安全存储方法、装置及设备
Xu et al. Reliability assessment of distribution networks through graph theory, topology similarity and statistical analysis
Zhao et al. A hybrid method for reliability evaluation of line switching operations
Manimala et al. Power disturbances classification using S-transform based GA–PNN
Eluri et al. Islanding detection in photovoltaic based DC micro grid using adaptive variational mode decomposition and detrended fluctuation analysis
Gerster et al. Comparison of random sampling and heuristic optimization-based methods for determining the flexibility potential at vertical system interconnections
CN115936926A (zh) 一种基于smote-gbdt的不平衡窃电数据分类方法、装置、计算机设备和存储介质
Ghaffari et al. A power quality‐based framework for optimal siting and sizing of wind turbines by search space reduction via power losses and flicker emission sensitivity indices
Rashid et al. Hybrid optimization in electromagnetics using sensitivity information from a neuro-fuzzy model

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