CN116933044A - 一种供电数据智能处理方法及系统 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种供电数据智能处理方法及系统，包括：采集供电系统的原始功率数据；获取原始功率数据的频谱曲线，得到每个频率的邻域范围；获得每个频率邻域范围作为目标频率区域的判断参数，得到目标频率区域；获得所有目标分量信号，合并获得合并信号和标记数据点；根据合并信号中每个标记数据点与相邻标记数据点的时间坐标与数值关系，获得标记数据点为原始功率数据的周期数据点的可能程度，最终获取最佳采样频率；根据最佳采样频率采集供电系统的实时功率数据，并进行实时异常检测。本发明旨在解决现有的传统的供电数据处理方法又存在着数据收集效率低、数据质量差、运行成本高等问题。

Description

一种供电数据智能处理方法及系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种供电数据智能处理方法及系统。

背景技术

供电系统是现代社会中不可或缺的基础设施，对于保障人们的日常生活和工业生产至关重要。通过智能处理供电数据，可以提高对供电系统的监控和管理能力，减少故障和停电的发生，提升供电系统的稳定性和可靠性。目前，通过采集供电系统的实时数据，对检测并预防供电系统中的故障，提高供电系统的可靠性和稳定性至关重要。供电数据的采集主要通过传统的手动抄表方式或使用设备进行自动采集。然而，这些方式均存在一定的缺陷，比如抄表时间长、精度低、易受人为干扰等。随着信息技术的发展，智能化供电系统逐渐成为供电行业的发展方向，但仍然需要更好的数据处理方法和系统来支撑，提高数据采集精度和效率。

在现有技术中，针对上述提到的对供电系统数据进行实时准确的采集问题，其采集过程中难免会存在诸多噪声数据，冗余数据，增大监测系统的算力负荷和计算精度。传统的供电数据处理方法又存在着数据收集效率低、数据质量差、运行成本高等问题，无法满足现代化的供电管理需求。

发明内容

本发明提供一种供电数据智能处理方法及系统，以解决现有的传统的供电数据处理方法又存在着数据收集效率低、数据质量差、运行成本高等问题，无法满足现代化的供电管理需求问题。

本发明的一种供电数据智能处理方法及系统采用如下技术方案：

一方面，本发明实施例提供了一种供电数据智能处理方法，该方法包括以下步骤：

通过采集供电系统的历史输出电压以及输出电流，获得供电系统的原始功率数据；

根据供电系统的原始功率数据的频谱曲线，得到频谱曲线中每个频率在每个邻域参数下的邻域范围；

根据每个频率在每个邻域参数下的邻域范围，获得邻域范围内各频率的幅值与最大幅值的频率距离，获得每个频率在每个邻域参数下的邻域范围作为目标频率区域的判断参数，通过对判断参数迭代获取每个频率的目标频率区域；

根据每个频率的目标频率区域中各频率获得所有目标分量信号，获得各目标分量信号的周期数据点，合并所有目标分量信号获得合并信号，将周期数据点在合并信号上的对应的时间坐标记为标记数据点；

根据合并信号中每个标记数据点与相邻标记数据点的时间坐标关系，结合每个标记数据点与最近极大值点的距离，以及在原始功率数据中与每个标记数据点具有相同时间坐标的功率数值，获得每个标记数据点的可能程度；

根据每个标记数据点的可能程度获得原始功率数据的最佳周期数据点；

根据最佳周期数据点在原始功率数据的时间坐标间隔，获取最佳采样频率；

根据最佳采样频率采集供电系统的实时功率数据，并进行实时异常检测。

进一步的，所述频谱曲线中每个频率在每个邻域参数下的邻域范围，包括的具体步骤如下：

使用傅里叶变换将时序空间的原始功率数据变换至频域空间获得频谱曲线，频谱 曲线的横轴为频率，纵轴为每一个频率的幅值；在频谱曲线上由原始功率数据变换至频域 空间得到的所有频率的分布构成一个频率序列，在频率序列中，获取第个频率左侧的个 频率，以及第个频率右侧的个频率，则第个频率以及第个频率左侧和右侧的个频率 共个频率构成了第个频率的邻域参数下的邻域范围。

进一步的，所述获得每个频率在每个邻域参数下的邻域范围作为目标频率区域的判断参数，包括的具体步骤如下：

第个频率的邻域范围为目标频率区域的判断参数的方法为：

其中，表示在第个频率的邻域参数下的邻域范围为目标频率区间时的判断 参数，表示频率序列中所有频率对应的幅值的均值，表示在频谱序列中第个频率对应 的幅值；

为第个频率的幅值，满足条件时，第个频率的邻域参数下的邻域范围 中第个频率的幅值记为；

表示原始功率数据的所有频率的最大幅值；

第个频率的幅值满足条件时，第个频率的邻域参数下的邻域范围中，第个频率与最大幅值频率之间的频率差值绝对值记为；

表示频率序列中所有频率的个数，表示以自然常数为底的指数函数。

进一步的，所述获取每个频率的目标频率区域，包括的具体步骤如下：

将第个频率的邻域范围为目标频率区域的判断参数记为，预设判断参数的经 验阈值，当邻域参数为时若满足，那么获取邻域参数下第个频率的邻域 范围，并记为第一邻域范围，在第一邻域范围下，计算第个频率邻域参数为时的判断 参数；当满足，那么获取邻域参数下第个频率的邻域范围，并记为第 二邻域范围，在第二邻域范围下，计算第个频率邻域参数为时的目标频率区间判断 参数；以此类推，直至存在一个整数c，使得第个频率邻域参数为时的目标频率 区间判断参数满足时停止；此时第个频率在邻域参数为下的邻域范围作为 第个频率的目标频率区域。

进一步的，所述获得各目标分量信号的周期数据点，包括的具体步骤如下：

每个频率的目标频率区域包含若干个频率，将目标频率区域中每个频率的频谱曲线记为一个目标分量信号，将每个目标分量信号在时序上幅值为0的时序点记为目标分量信号的周期数据点。

进一步的，所述获得合并信号，将周期数据点在合并信号上的对应的时间坐标记为标记数据点，包括的具体步骤如下：

将每个频率的若干个目标分量信号使用傅里叶逆变换合并，获得时序的合并信号，获得每个频率的若干个目标分量信号分别对应的若干个周期数据点的时间坐标，将合并信号上对应的时间坐标记为标记数据点。

进一步的，所述获得每个标记数据点的可能程度，包括的具体步骤如下：

合并信号中第个标记数据点为原始功率数据的周期数据点可能程度的计算方 式为：

其中，表示在合并信号中第个标记数据点为原始功率数据的周期数据点的可 能程度，记为第个标记数据点额的可能程度，表示在合并信号中第个标记数据点的时 间坐标，表示在合并信号中第个标记数据点的时间坐标，表示在合并信号中 第个标记数据点的时间坐标，表示在合并信号中第个标记数据点的功率数值；

的获取方法为：获取合并信号中所有功率数值峰值点，将所有功率数值峰值 点中，与第个标记数据点的时间坐标差值绝对值最小的点记为极大值点；

为极大值点的时间坐标；表示第个极大值点与第个标记数据点的时 间区间内包含数据点的数量，将第个极大值点与第个标记数据点的时间区间记为第个 标记数据点的局部区域，为局部区域内第个数据点；表示在原始功率数据中第个 标记数据点的功率数值，表示在原始功率数据中的最大功率数值，表示以自然常 数为底的指数函数，表示线性归一化函数。

进一步的，所述获得原始功率数据的最佳周期数据点，包括的具体步骤如下：

对合并信号中的每个标记数据点计算获得可能程度，将满足可能程度大于预设的评估阈值的标记数据点记为原始功率数据的最佳周期数据点。

进一步的，所述获取的最佳采样频率，根据最佳采样频率采集供电系统的实时功率数据，并进行实时异常检测，包括的具体步骤如下：

功率数据的最佳采样频率的计算方法为：

其中，表示最佳采样频率，表示信号的采样周期，表示在原始功率数据中 第个最佳周期数据点的时间坐标，表示在原始功率数据中第个最佳周期数据点的 时间坐标，表示原始功率数据中最佳周期数据点的总数量；

获取供电系统的实际功率数据的最佳采样频率后，对供电设备产生的实际功率数据使用最佳采样频率进行实时采集获得最佳功率数据，使用COF算法获得最佳功率数据中是否存在异常数据点，若最佳功率数据中存在异常数据点，则需要对供电设备的运行进行检修。

另一方面，本发明实施例提供一种供电数据智能处理系统，该系统包括以下模块该系统包括以下模块：

原始功率数据采集模块，用于通过采集供电系统的历史输出电压以及输出电流，获得供电系统的原始功率数据；

最佳周期数据点的提取模块：用于根据供电系统的原始功率数据的频谱曲线，得到频谱曲线中每个频率在每个邻域参数下的邻域范围；

根据每个频率在每个邻域参数下的邻域范围，获得邻域范围内各频率的幅值与最大幅值的频率距离，获得每个频率在每个邻域参数下的邻域范围作为目标频率区域的判断参数，通过对判断参数迭代获取每个频率的目标频率区域；

根据每个频率的目标频率区域中各频率获得所有目标分量信号，获得各目标分量信号的周期数据点，合并所有目标分量信号获得合并信号，将周期数据点在合并信号上的对应的时间坐标记为标记数据点；

根据合并信号中每个标记数据点与相邻标记数据点的时间坐标关系，结合每个标记数据点与最近极大值点的距离，以及在原始功率数据中与每个标记数据点具有相同时间坐标的功率数值，获得每个标记数据点的可能程度；

根据每个标记数据点的可能程度获得原始功率数据的最佳周期数据点；

最佳采样频率计算模块，用于根据最佳周期数据点在原始功率数据的时间坐标间隔，获取最佳采样频率；

根据最佳采样频率采集供电系统的实时功率数据，并进行实时异常检测。

本发明的技术方案的有益效果是：本发明通过供电系统的最佳采样频率获得功率数据，并进行实时异常检测；其中通过原始功率数据的频谱曲线获取目标频率区域，用于消除非参考区域频率对最佳采样频率的干扰；通过提取目标频率区域中的每个频率的频谱曲线的周期数据点，并将频谱曲线合并获得合并信号，将合并信号中与每个频率的周期数据点的时间坐标对应的点记为标记数据点，分析标记数据点为原始功率数据的周期数据点的可能程度，获得最佳周期数据点，达到消除目标频率区域中用于分析最佳采样频率时的参考意义较低的周期数据点，并有利于获得异常数据点，提高最佳采样频率的准确度；根据最佳周期数据点结合周期计算公式，最终得到最佳采样频率，达到提高采集的功率数据的有效性的目的。

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为本发明一个实施例所提供的一种供电数据智能处理方法的步骤流程图；

图2为本发明另一个实施例所提供的一种供电数据智能处理系统结构框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种供电数据智能处理方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种供电数据智能处理方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种供电数据智能处理方法的步骤流程图，该方法包括以下步骤：

步骤S001、采集供电系统的功率数据并进行数据预处理获得原始功率数据。

本实施例的目的是对通过对供电系统的功率历史数据分析，获得最佳采样频率，达到既满足保留功率数据中存在的异常数据，又能满足处理的数据量较小，便于数据存储处理，进而实现对功率数据的实时异常检测；其中最佳采样频率通过历史数据分析周期性特征获得，因此需要通过物联网技术对供电系统的功率实时采集，并储存至电网数据库中作为历史功率数据，本实施例通过历史功率数据分析获得最优采样频率；

本实施例利用电压表与电流表采集实时用电电压和电流，并利用功率数据计算获得企业用户的用电功率数据，同时为了消除采集缺失值与噪声的干扰，利用近邻插值算法对电功率数据中的缺失值进行数据插值，并利用小波变换技术对供电功率数据进行数据去噪，则得到了原始功率数据。

至此，获取到了供电系统的原始功率数据。

步骤S002、根据供电系统的原始功率数据获得功率数据的频谱曲线，根据每个频率信号的邻域范围获得判断参数，获取每个频率的目标频率区域。

需要说明的是，在数据进行监测过程中不同采集频率获得的原始功率数据包含的信息量存在较大差异，较高的采集频率可以更精细地捕捉功率数据的变化，通过提供更多的采样点使得获得的信号更接近于实际功率数据的状态；相比之下较低的采样频率无法捕捉到功率数据的快速变化的细节，并导致功率数据的失真以及信号的丢失。而较高的采样频率的采样点更多，产生更多的数据量，增加对存储资源的需求以及数据处理和分析的负担；较低的采样频率会减少数据量和存储需求更有利于异常分析，因此需要分析原始功率数据的采样频率对应的信息密度，确定最佳采样频率用于异常检测。

进一步需要说明的是，多次采集并记录得到的原始功率数据中，受到采集频率的影响，历史功率数据的数值出现的次数越多，即在频域空间中的幅值越大、分布的目标频率区域内的能量密度越高，越能说明该功率数值在实际功率数据中对应的分布越广，则在确定最佳采样频率时，该目标频率区域内的功率数值出现的频率信号作为分析最佳采样频率的参考意义越大，因此通过将时序空间的原始功率数据变换至频域空间，根据不同频率信号的幅值获得区域的能量密度，进而根据不同信号的能量密度分布确定目标频率区域。

具体的，使用傅里叶变换将时序空间的原始功率数据变换至频域空间获得频谱曲 线，频谱曲线的横轴为频率，纵轴为每一个频率的幅值；在频谱曲线上由原始功率数据变换 至频域空间得到的所有频率的分布构成一个频率序列，以频率序列第个频率的幅值为 例，在频率序列中，获取第个频率左侧的个频率，以及第个频率右侧的个频率，那么第个频率以及第个频率左侧和右侧的个频率共个频率构成了第个频率的邻域参 数下的邻域范围。

需要说明的是，当第个频率左侧或右侧不足个频率时，那么第个频率左侧或右 侧有多少个频率就考虑多少个。本实施例以邻域参数初始值为例进行叙述，其他实施 例可设置为其他值，本实施例不进行具体限定。

则获取第个频率的邻域范围为目标频率区域的判断参数的方法为：

其中，表示在第个频率的邻域参数下的邻域范围为目标频率区间时的判断 参数，简称为第个频率的邻域参数下的邻域范围的判断参数，表示频率序列中所有频 率对应的幅值的均值，表示在频谱序列中第个频率对应的幅值，的获取方法为：第个 频率的幅值满足条件时，以为中心的邻域范围中第个频率的幅值；表示原 始功率数据的所有频率的最大幅值，的获取方法为：第个频率的幅值满足条件时，以为中心的包括第个频率以及其左侧和右侧个频率共个频率中，第 个频率与最大幅值频率之间的频率差值绝对值；表示频率序列中所有频率，。 需要说明的是，本实施例中所用的模型仅表示负相关关系和约束模型输出的结果 处于区间内，具体实施时可替换成具有同样目的的其他模型，本实施例只是以模型为例进行叙述，不对做具体限定。表示第个频率对应的幅值与最大值幅 值的比值，通过以最大幅值对应的频率作为参考点，计算得到的比值越大则第个频率的幅 值越趋近于最大幅值，表示在原始功率数据中的分布数量越广，计算最佳采样频率的参考 性越强，则判断参数取值越大；表示第个频率距离与最大幅值的频率 为参考点的距离，在对原始周期数据采样获得功率数据时，相近的频率信号其表示的是相 似的变化过程，因此即使该频率对应的幅值较小，通过距离计算也应将其加入目标频率区 域，距离越近取值越趋近于1，判断参数的取值越大。表示在整个 频谱图像中，第个频率对应的幅值大于所有频率的幅值均值时将其作为参考，计算第 个频率的邻域参数时的目标频率区间判断参数。

进一步的，预设判断参数的经验阈值，本实施例判断参数阈值采用进行 叙述，当邻域参数为时若满足，那么获取第个频率在邻域参数下的邻域范 围，在该邻域范围下，计算第个频率在邻域参数为时的判断参数；当满足，那么获取第个频率在邻域参数下的邻域范围，在该邻域范围下，计算第 个频率在邻域参数为下的判断参数；以此类推，直至存在一个整数c，使得第个 频率在邻域参数为下的目标频率区间判断参数满足时停止。此时的第个频 率在邻域参数为下的邻域范围作为第个频率的目标频率区域。

需要说明的是，第个频率下的邻域参数下的邻域范围的获取方法与步骤 S002中第个频率的邻域参数下的邻域范围的获取方法同理。

至此，获取到了原始功率数据的频谱空间中频率的信息密度，根据信息密度获得判断参数进行阈值判断获得每个频率的目标频率区域。

步骤S003、根据每个频率的目标频率区域中各频率获得所有目标分量信号，获得各目标分量信号的周期数据点。

需要说明的是，获取分析最佳采样频率的目标频率区间之后，根据傅里叶变换可以将原始功率数据拆解为一系列的正弦和余弦函数的叠加，并且每个正弦和余弦函数对应一个特定的频率成分的原理；本实施例利用傅里叶变换将原始功率数据分解为多个正弦和余弦函数记为分量信号，确定多个分量信号的频率并提取与目标频率区间中的频率取值对应的分量信号作为目标分量信号；获取目标分量信号的振幅与相位信息，对每个目标分量信号进行周期性提取，获得周期数据点。

具体的，通过傅里叶变换获得的原始功率数据的正弦和余弦分量信号也为时序信号，每个分量信号对应一个频率，分量信号中傅里叶级数为0的时序点之间的距离为该分量信号的一个周期长度，将每个分量信号在时序上与功率值为0的时序点记为分量信号的周期数据点。

至此，获取到了原始功率数据的所有分量信号，同时根据目标频率区域提取获得所有目标分量信号，以及每个目标分量信号的若干个周期数据点。

步骤S004、合并所有目标分量信号获得合并信号，将周期数据点在合并信号上的对应的时间坐标记为标记数据点，获得每个标记数据点的可能程度，根据每个标记数据点的可能程度获得原始功率数据的最佳周期数据点。

需要说明的是，将第个频率的目标频率区域中的第个目标分量信号中的第个 周期数据点记为，第个频率的目标频率区域内的频率在作为分析最佳采样频率时具 有更大的参考意义，那么第个频率的目标频率区域内的频率对应的目标分量信号的周期 与最佳采样频率的周期最为接近，即目标分量信号通过傅里叶逆变换得到合并信号后，合 并信号的横轴表示与原始功率数据对应的时间坐标，纵轴表示功率数值；目标分量信号的 周期数据点可以在合并信号中得到对应的周期数据点，并且相较于原始功率数据，消除了 非目标频率区域的无关频率对合并信号的干扰。

进一步需要说明的是，第个频率的目标频率区域由其邻域范围内的所有频率组 成，区域内所有频率并非均能作为分析最佳采样频率的参考，即目标频率区域内的每个频 率对应的每个目标分量信号经过傅里叶逆变换后的在合并信号中不一定可信。

进一步的，本实施例对每个目标分量信号的周期数据点标记时间坐标作为标记数据点，并对多个目标分量信号使用傅里叶逆变换获得包含标记数据点的合并信号，通过分析合并信号中标记数据点与原始功率数据在时间坐标与功率数值的差异，得到在合并信号中每一个标记数据点的可能程度。

具体的，本实施例以合并信号中第个标记数据点为例，构建标记数据点的为原始 功率数据的周期数据点可能程度的计算：

其中，表示在合并信号中第个标记数据点为原始功率数据的周期数据点的可 能程度，记为第个标记数据点的可能程度，表示在合并信号中第个标记数据点的时间 坐标，表示在合并信号中第个标记数据点的时间坐标，表示在合并信号中第个标记数据点的时间坐标，表示在合并信号中第个标记数据点的功率数值， 的获取方法为：获取合并信号中所有功率数值峰值点，将所有功率数值峰值点中与第个标 记数据点的时间坐标差值绝对值最小的点记为极大值点，为极大值点的时间 坐标；表示第个极大值点与第个标记数据点的时间区间内包含数据点的数量，将第 个极大值点与第个标记数据点的时间区间记为第个标记数据点的局部区域，为局部区 域内第个数据点。表示在原始功率数据中第个标记数据点的功率数值，表示在原 始功率数据中的最大功率数值。需要说明的是，本实施例中所用的模型仅表示负相 关关系和约束模型输出的结果处于区间内，具体实施时可替换成具有同样目的的其他 模型，本实施例只是以模型为例进行叙述，不对做具体限定。表示线性归 一化函数，其归一化范围为。表示第个标记数据点与相邻标记数据点在时间坐 标上的差值的比值，相邻标记数据点的时间变化差值越均匀，表示相邻标记数据 点包含的频率数量，包含的各频率信号越多，即相邻标记数据点的时间变化差值越小，说明 以该周期采集获得的原始功率数据的信息量越大，在对供电系统监测功率数据时该周期的 采样频率更能够监测到信息量大的数据，即越能采集到的包含异常的数据点，因此当越趋近于1，的取值越趋近于0，则函数的 取值越接近最大值1，说明第个标记数据点越能采集到多种频率下实际功率数据的信 息，此时第个标记数据点属于原始功率数据的周期数据点的可能程度越大。 表示在合并信号中第个标记数据点与第个极大值点的功率数值差值，即第个标记数 据点在局部区域的重要程度，所述局部区域的重要程度为标记数据点对数据整体变化趋 势的改变程度，插值越大则改变程度越大，表示第个标记数据点 在其所在局部区域内功率数值差值的均值， 表示第个标记数据点的改 变程度与改变程度均值的差异，比值越大说明在合并信号中第个标记数据点在第个标记 数据点的局部区域内功率数值对实际功率数据的整体变化趋势的改变程度越大，则第个 标记数据点越可能存在异常，即使用第个标记数据点计算获得的周期越可能采集到异常 数据，此时标记数据点属于原始功率数据的周期数据点的可能程度越大。表示第个 标记数据点所在的时间坐标在原始功率数据中对应的功率数值与原始功率数据中最大功 率数值的比值，比值越大说明第个标记数据点对应的原始功率数据点对原始功率数据的 改变程度越大，则该数据点越可能是异常数据点，此时标记数据点属于原始功率数据的 周期数据点的可能程度越大。

进一步的，预设可能程度的评估阈值，本实施例的评估阈值采用0.78进行评估，若 第个标记数据点的可能程度满足，说明第个标记数据点在原始功率数据中相 较于其他标记数据点的异常强度越大，即对于分析异常的贡献程度越大，因此将其作为分 析最佳采样频率的最佳周期数据点；若第个标记数据点的可能程度满足，说 明标记数据点在原始功率数据中相较于其他标记数据点的异常强度越小，即对于分析异 常的贡献程度较小或无参考一样，则将第个标记数据点舍弃，以此类推，直至对所有标记 数据点评估完成，得到最佳周期数据点。

同理获得所有频率的所有最佳周期数据点。

至此，本实施例根据每个频率的目标频率区域确定目标分量信号，获得合并信号以及目标分量信号的周期数据点在合并信号中的标记数据点，进而根据标记数据点得到所有最佳数据点。

步骤S005、根据最佳周期数据点在原始功率数据的时间坐标间隔，获取的最佳采样频率。

需要说明的是，获取到了最佳周期数据点后，根据每个最佳周期数据点横坐标，结合周期计算公式确定最佳采样频率。

具体的，最佳采样频率的计算公式如下：

其中，表示最佳采样频率，表示信号的采样周期，表示在原始功率数据中 第个最佳周期数据点的时间坐标，表示在原始功率数据中第个最佳周期数据点的 时间坐标，表示原始功率数据中最佳周期数据点的总数量，表示在 原始数据中周期数据点的平均时间坐标间隔宽度，表示半个采样周期，因此对乘以常数2。

至此，通过最佳周期数据点结合周期计算公式，获取最佳采样频率。

步骤S006、根据最佳采样频率采集供电系统的实时功率数据，并进行实时异常检测。

获取供电系统的实际功率数据的最佳采样频率后，对供电设备产生的实际功率数据使用最佳采样频率进行实时采集获得最佳功率数据，使用COF算法获得最佳功率数据中是否存在异常数据点，在通过COF算法来获得异常数据点时，需要预设K值，本实施例预设K值经验值为10进行叙述，其他实施中可设置为其他值，本实施例不进行具体限定；COF算法为现有公知技术，本实施例不再进行赘述。若最佳功率数据中存在异常数据点，说明供电设备的运行存在异常，则需要通知运维人员，完成供电设备的运行检修。

至此，通过最佳采样频率获得最佳功率数据，结合COF算法进行实时异常检测。

请参阅图2，其示出了本发明实施例提供的一种供电数据智能处理系统结构框图，该系统包括：

原始功率数据采集模块，采集供电系统的功率数据并进行数据预处理获得原始功率数据。

最佳周期数据点的提取模块：

（1）根据供电系统的原始功率数据获得功率数据的频谱曲线，根据每个频率信号的邻域范围获得判断参数，获取每个频率的目标频率区域；

（2）根据每个频率的目标频率区域中各频率获得所有目标分量信号，获得各目标分量信号的周期数据点；

（3）合并所有目标分量信号获得合并信号，将周期数据点在合并信号上的对应的时间坐标记为标记数据点，获得每个标记数据点的可能程度，根据每个标记数据点的可能程度获得原始功率数据的最佳周期数据点；

（4）根据最佳周期数据点在原始功率数据的时间坐标间隔，获取的最佳采样频率。

最佳采样频率计算模块，根据最佳采样频率采集供电系统的实时功率数据，并进行实时异常检测。

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 (10)

1.一种供电数据智能处理方法，其特征在于，该方法包括以下步骤：

通过采集供电系统的历史输出电压以及输出电流，获得供电系统的原始功率数据；

根据供电系统的原始功率数据的频谱曲线，得到频谱曲线中每个频率在每个邻域参数下的邻域范围；

根据每个频率在每个邻域参数下的邻域范围，获得邻域范围内各频率的幅值与最大幅值的频率距离，获得每个频率在每个邻域参数下的邻域范围作为目标频率区域的判断参数，通过对判断参数迭代获取每个频率的目标频率区域；

根据每个频率的目标频率区域中各频率获得所有目标分量信号，获得各目标分量信号的周期数据点，合并所有目标分量信号获得合并信号，将周期数据点在合并信号上的对应的时间坐标记为标记数据点；

根据合并信号中每个标记数据点与相邻标记数据点的时间坐标关系，结合每个标记数据点与最近极大值点的距离，以及在原始功率数据中与每个标记数据点具有相同时间坐标的功率数值，获得每个标记数据点的可能程度；

根据每个标记数据点的可能程度获得原始功率数据的最佳周期数据点；

根据最佳周期数据点在原始功率数据的时间坐标间隔，获取最佳采样频率；

根据最佳采样频率采集供电系统的实时功率数据，并进行实时异常检测。

2.根据权利要求1所述一种供电数据智能处理方法，其特征在于，所述频谱曲线中每个频率在每个邻域参数下的邻域范围，包括的具体步骤如下：

使用傅里叶变换将时序空间的原始功率数据变换至频域空间获得频谱曲线，频谱曲线的横轴为频率，纵轴为每一个频率的幅值；在频谱曲线上由原始功率数据变换至频域空间得到的所有频率的分布构成一个频率序列，在频率序列中，获取第个频率左侧的/>个频率，以及第/>个频率右侧的/>个频率，则第/>个频率以及第/>个频率左侧和右侧的/>个频率共个频率构成了第/>个频率的邻域参数/>下的邻域范围。

3.根据权利要求2所述一种供电数据智能处理方法，其特征在于，所述获得每个频率在每个邻域参数下的邻域范围作为目标频率区域的判断参数，包括的具体步骤如下：

第个频率的邻域范围为目标频率区域的判断参数/>的方法为：其中，/>表示在第/>个频率的邻域参数下的邻域范围为目标频率区间时的判断参数，/>表示频率序列中所有频率对应的幅值的均值，/>表示在频谱序列中第/>个频率对应的幅值；

为第/>个频率的幅值，满足条件/>时，第/>个频率的邻域参数/>下的邻域范围中第个频率的幅值记为/>；

表示原始功率数据的所有频率的最大幅值；

第个频率的幅值满足条件/>时，第/>个频率的邻域参数/>下的邻域范围中，第/>个频率与最大幅值频率之间的频率差值绝对值记为/>；

表示频率序列中所有频率的个数，/>表示以自然常数为底的指数函数。

4.根据权利要求1所述一种供电数据智能处理方法，其特征在于，所述获取每个频率的目标频率区域，包括的具体步骤如下：

将第个频率的邻域范围为目标频率区域的判断参数记为/>，预设判断参数的经验阈值/>，当邻域参数为/>时若满足/>，那么获取邻域参数/>下第/>个频率的邻域范围，并记为第一邻域范围，在第一邻域范围下，计算第/>个频率邻域参数为/>时的判断参数；当满足/>，那么获取邻域参数/>下第/>个频率的邻域范围，并记为第二邻域范围，在第二邻域范围下，计算第/>个频率邻域参数为/>时的目标频率区间判断参数；以此类推，直至存在一个整数c，使得第/>个频率邻域参数为/>时的目标频率区间判断参数满足/>时停止；此时第/>个频率在邻域参数为/>下的邻域范围作为第/>个频率的目标频率区域。

5.根据权利要求1所述一种供电数据智能处理方法，其特征在于，所述获得各目标分量信号的周期数据点，包括的具体步骤如下：

每个频率的目标频率区域包含若干个频率，将目标频率区域中每个频率的频谱曲线记为一个目标分量信号，将每个目标分量信号在时序上幅值为0的时序点记为目标分量信号的周期数据点。

6.根据权利要求1所述一种供电数据智能处理方法，其特征在于，所述获得合并信号，将周期数据点在合并信号上的对应的时间坐标记为标记数据点，包括的具体步骤如下：

将每个频率的若干个目标分量信号使用傅里叶逆变换合并，获得时序的合并信号，获得每个频率的若干个目标分量信号分别对应的若干个周期数据点的时间坐标，将合并信号上对应的时间坐标记为标记数据点。

7.根据权利要求1所述一种供电数据智能处理方法，其特征在于，所述获得每个标记数据点的可能程度，包括的具体步骤如下：

合并信号中第个标记数据点为原始功率数据的周期数据点可能程度/>的计算方式为：

其中，/>表示在合并信号中第/>个标记数据点为原始功率数据的周期数据点的可能程度，记为第/>个标记数据点额的可能程度，/>表示在合并信号中第/>个标记数据点的时间坐标，/>表示在合并信号中第/>个标记数据点的时间坐标，/>表示在合并信号中第/>个标记数据点的时间坐标，/>表示在合并信号中第/>个标记数据点的功率数值；

的获取方法为：获取合并信号中所有功率数值峰值点，将所有功率数值峰值点中，与第/>个标记数据点的时间坐标差值绝对值最小的点记为极大值点/>；

为极大值点/>的时间坐标；/>表示第/>个极大值点与第/>个标记数据点的时间区间内包含数据点的数量，将第/>个极大值点与第/>个标记数据点的时间区间记为第/>个标记数据点的局部区域，/>为局部区域内第/>个数据点；/>表示在原始功率数据中第/>个标记数据点的功率数值，/>表示在原始功率数据中的最大功率数值，/>表示以自然常数为底的指数函数，/>表示线性归一化函数。

8.根据权利要求1所述一种供电数据智能处理方法，其特征在于，所述获得原始功率数据的最佳周期数据点，包括的具体步骤如下：

对合并信号中的每个标记数据点计算获得可能程度，将满足可能程度大于预设的评估阈值的标记数据点记为原始功率数据的最佳周期数据点。

9.根据权利要求1所述一种供电数据智能处理方法，其特征在于，所述获取最佳采样频率，根据最佳采样频率采集供电系统的实时功率数据，并进行实时异常检测，包括的具体步骤如下：

功率数据的最佳采样频率的计算方法为：

其中，/>表示最佳采样频率，/>表示信号的采样周期，/>表示在原始功率数据中第/>个最佳周期数据点的时间坐标，/>表示在原始功率数据中第/>个最佳周期数据点的时间坐标，/>表示原始功率数据中最佳周期数据点的总数量；

获取供电系统的实际功率数据的最佳采样频率后，对供电设备产生的实际功率数据使用最佳采样频率进行实时采集获得最佳功率数据，使用COF算法获得最佳功率数据中是否存在异常数据点，若最佳功率数据中存在异常数据点，则需要对供电设备的运行进行检修。

10.一种供电数据智能处理系统，其特征在于，该系统包括以下模块：

原始功率数据采集模块，用于通过采集供电系统的历史输出电压以及输出电流，获得供电系统的原始功率数据；

最佳周期数据点的提取模块：用于根据供电系统的原始功率数据的频谱曲线，得到频谱曲线中每个频率在每个邻域参数下的邻域范围；

根据每个频率在每个邻域参数下的邻域范围，获得邻域范围内各频率的幅值与最大幅值的频率距离，获得每个频率在每个邻域参数下的邻域范围作为目标频率区域的判断参数，通过对判断参数迭代获取每个频率的目标频率区域；

根据每个频率的目标频率区域中各频率获得所有目标分量信号，获得各目标分量信号的周期数据点，合并所有目标分量信号获得合并信号，将周期数据点在合并信号上的对应的时间坐标记为标记数据点；

根据合并信号中每个标记数据点与相邻标记数据点的时间坐标关系，结合每个标记数据点与最近极大值点的距离，以及在原始功率数据中与每个标记数据点具有相同时间坐标的功率数值，获得每个标记数据点的可能程度；

根据每个标记数据点的可能程度获得原始功率数据的最佳周期数据点；

最佳采样频率计算模块，用于根据最佳周期数据点在原始功率数据的时间坐标间隔，获取最佳采样频率；

根据最佳采样频率采集供电系统的实时功率数据，并进行实时异常检测。