CN117056086A - 基于排列熵算法的故障检测方法、系统、终端及存储介质 - Google Patents
基于排列熵算法的故障检测方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN117056086A CN117056086A CN202311310401.2A CN202311310401A CN117056086A CN 117056086 A CN117056086 A CN 117056086A CN 202311310401 A CN202311310401 A CN 202311310401A CN 117056086 A CN117056086 A CN 117056086A
- Authority
- CN
- China
- Prior art keywords
- permutation entropy
- monitoring data
- fault detection
- main process
- time sequence
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 93
- 230000008569 process Effects 0.000 claims abstract description 57
- 238000012544 monitoring process Methods 0.000 claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000012163 sequencing technique Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 44
- 230000006870 function Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 6
- 238000003491 array Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及数据处理技术领域，具体提供一种基于排列熵算法的故障检测方法、系统、终端及存储介质，包括：采集电网的监测数据，基于监测数据的采集时间对监测数据进行排序，得到时间序列；将所述时间序列作为排列熵算法的输入参数，生成计算任务；基于MPI协议创建主进程和多个子进程，所述主进程将所述计算任务分配给多个子进程进行并行运算，并将运算结果汇总为排列熵；将所述排列熵与预设的阈值进行比对，若所述排列熵超过所述阈值，则判定所述电网存在故障风险。本发明基于排列熵对电力设备运行状态进行稳定性评估，进而大大提升了故障检测精度，且基于数据规律进行风险预测能够提升预警的实时性。
Description
技术领域
本发明属于数据处理技术领域，具体涉及一种基于排列熵算法的故障检测方法、系统、终端及存储介质。
背景技术
电网运行状态监测是提升电网稳定性的重要环节。现有的监测系统通常是采集目标参数，将目标参数与阈值进行比对，然后根据比对结果进行风险预警。这种方式通过是故障扩大化后才会产生极为异常的监测参数，因此存在滞后性。且在一些特殊因素的干扰下也容易造成故障误报。
发明内容
针对现有技术的上述不足，本发明提供一种基于排列熵算法的故障检测方法、系统、终端及存储介质，以解决上述技术问题。
第一方面，本发明提供一种基于排列熵算法的故障检测方法，包括：
采集电网的监测数据，基于监测数据的采集时间对监测数据进行排序，得到时间序列；
将所述时间序列作为排列熵算法的输入参数，生成计算任务；
基于MPI协议创建主进程和多个子进程，所述主进程将所述计算任务分配给多个子进程进行并行运算，并将运算结果汇总为排列熵；
将所述排列熵与预设的阈值进行比对，若所述排列熵超过所述阈值，则判定所述电网存在故障风险。
在一个可选的实施方式中，采集电网的监测数据，基于监测数据的采集时间对监测数据进行排序，得到时间序列，包括：
定期对目标电网的配电设备采集监测数据，所述监测数据包括电流值；
将历次采集的电流值按采集时间由先到后进行排序，得到时间序列。
在一个可选的实施方式中，基于MPI协议创建主进程和多个子进程，所述主进程将所述计算任务分配给多个子进程进行并行运算，并将运算结果汇总为排列熵，包括：
主进程读取时间序列，并对所述时间序列进行相空间重构得到多维矩阵；
将多维矩阵按行划分得到多个矩阵分量，并将多个矩阵分量平均分配至多个子进程；
利用OpenMP对各矩阵分量中的元素按数值大小重新进行升序排列，并在排列过程中记录各元素的下标索引值；
子进程为自身矩阵分量的元素的下标索引值计算哈希值，将得到的哈希值与所有排序方式对应的哈希值进行比较，若存在匹配的哈希值则将得到的哈希值保存至子进程的内存中，并返回给主进程，若不存在匹配的哈希值则向主进程返回错误提示信息；
主进程利用CALCULATE函数基于接收的所有哈希值计算出排列熵。
第二方面，本发明提供一种基于排列熵算法的故障检测系统，包括：
数据采集模块，用于采集电网的监测数据，基于监测数据的采集时间对监测数据进行排序，得到时间序列；
任务生成模块，用于将所述时间序列作为排列熵算法的输入参数，生成计算任务；
任务执行模块，用于基于MPI协议创建主进程和多个子进程，所述主进程将所述计算任务分配给多个子进程进行并行运算，并将运算结果汇总为排列熵；
故障判断模块，用于将所述排列熵与预设的阈值进行比对，若所述排列熵超过所述阈值，则判定所述电网存在故障风险。
在一个可选的实施方式中，所述数据采集模块包括：
数据采集单元，用于定期对目标电网的配电设备采集监测数据，所述监测数据包括电流值；
数据排序单元，用于将历次采集的电流值按采集时间由先到后进行排序，得到时间序列。
在一个可选的实施方式中，所述任务执行模块包括：
数据读取单元，用于主进程读取时间序列，并对所述时间序列进行相空间重构得到多维矩阵；
任务分配单元，用于将多维矩阵按行划分得到多个矩阵分量，并将多个矩阵分量平均分配至多个子进程；
矩阵排列单元，用于利用OpenMP对各矩阵分量中的元素按数值大小重新进行升序排列，并在排列过程中记录各元素的下标索引值；
哈希计算单元，用于子进程为自身矩阵分量的元素的下标索引值计算哈希值，将得到的哈希值与所有排序方式对应的哈希值进行比较，若存在匹配的哈希值则将得到的哈希值保存至子进程的内存中，并返回给主进程，若不存在匹配的哈希值则向主进程返回错误提示信息；
汇总计算单元，用于主进程利用CALCULATE函数基于接收的所有哈希值计算出排列熵。
第三方面，提供一种终端，包括：
处理器、存储器，其中，
该存储器用于存储计算机程序，
该处理器用于从存储器中调用并运行该计算机程序，使得终端执行上述的终端的方法。
第四方面，提供了一种计算机存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。
本发明的有益效果在于，本发明提供的基于排列熵算法的故障检测方法、系统、终端及存储介质，通过将监测数据转换为时间序列，利用MPI技术并发计算时间序列的排列熵，相较于传统串行计算排列熵的方法大大提升了计算效率且降低了内存占用率，基于排列熵对电力设备运行状态进行稳定性评估，进而大大提升了故障检测精度，且基于数据规律进行风险预测能够提升预警的实时性。
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
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，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的方法的示意性流程图。
图2是本发明一个实施例的方法的任务执行过程的流程图。
图3是本发明一个实施例的系统的示意性框图。
图4为本发明实施例提供的一种终端的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
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。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
下面对本发明中出现的关键术语进行解释。
MPI是一个跨语言的通讯协议，用于编写并行计算机。支持点对点和广播。MPI的目标是高性能，大规模性，和可移植性。MPI在今天仍为高性能计算的主要模型。主要的MPI-1模型不包括共享内存概念，MPI-2只有有限的分布共享内存概念。 但是MPI程序经常在共享内存的机器上运行。在MPI模型周边设计程序比在NUMA架构下设计要好因为MPI鼓励内存本地化。
OpenMP是由OpenMPArchitecture Review Board牵头提出的，并已被广泛接受，用于共享内存并行系统的多处理器程序设计的一套指导性编译处理方案。
本发明实施例提供的基于排列熵算法的故障检测方法由计算机设备执行，相应地，基于排列熵算法的故障检测系统运行于计算机设备中。
图1是本发明一个实施例的方法的示意性流程图。其中，图1执行主体可以为一种基于排列熵算法的故障检测系统。根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略。
如图1所示，该方法包括：
步骤110，采集电网的监测数据，基于监测数据的采集时间对监测数据进行排序，得到时间序列；
步骤120，将所述时间序列作为排列熵算法的输入参数，生成计算任务；
步骤130，基于MPI协议创建主进程和多个子进程，所述主进程将所述计算任务分配给多个子进程进行并行运算，并将运算结果汇总为排列熵；
步骤140，将所述排列熵与预设的阈值进行比对，若所述排列熵超过所述阈值，则判定所述电网存在故障风险。
为了便于对本发明的理解，下面以本发明基于排列熵算法的故障检测方法的原理，结合实施例中对电网故障进行检测的过程，对本发明提供的基于排列熵算法的故障检测方法做进一步的描述。
具体的，所述基于排列熵算法的故障检测方法包括：
S1、采集电网的监测数据，基于监测数据的采集时间对监测数据进行排序，得到时间序列。
定期对目标电网的配电设备采集监测数据，所述监测数据包括电流值；将历次采集的电流值按采集时间由先到后进行排序，得到时间序列。
S2、将所述时间序列作为排列熵算法的输入参数，生成计算任务。
S3、基于MPI协议创建主进程和多个子进程，所述主进程将所述计算任务分配给多个子进程进行并行运算，并将运算结果汇总为排列熵。
如图2所示，主进程读取时间序列，并对所述时间序列进行相空间重构得到多维矩阵：
其中，j=1,2，…，K。M为嵌入维数，为延迟时间；/>。矩阵中的每一行可看做一个矩阵分量，因此共有K个矩阵分量。
主进程将这些矩阵分量平均分配至子进程。利用OpenMP创建线程，该线程对各子进程的矩阵分量进行重新升序排序，以第j个矩阵分量为例：
第j个矩阵分量为，根据数值大小按照升序重新排列，/>，/>，…，/>表示重构分量中各元素所在列的索引。
若存在大小相等的元素，则按索引大小进行排序，最终得到重新排列的矩阵分量。
子进程在矩阵分量排序完成后获取各元素下标组成的数组M。
式中l=1,2，…，k，k=m!，m维相空间映射不同的数组，总共有m!，数组是其中一种排列。
在本申请实施方式中，为了降低计算量，以计算数组哈希值的方式对数组进行识别，具体的：矩阵重构后各分量排序产生Hash值，与所有可能排序的Hash值进行比较，若存在于这些排序之中，Hash值存入相应进程的内存中，等待发回给主进程。反之，输出错误信息发回给主进程。
主进程计算标准索引值并生成最大哈希值和最小哈希值，得到标准哈希值范围，判断子进程上传的哈希值是否属于标准哈希值范围，若在标准哈希值范围内，则判定该哈希值为正确哈希值，否则判定该哈希值不可用。
主进程利用CALCULATE函数基于判定正确的Hash值计算各数组的出现概率，并基于概率计算得出排列熵。
例如，若计算每一种数组出现的概率，/>，…，/>，按照Shannon商的形式，时间序列X(i)的k种不同数组的排列熵可以定义为：
当时，/>达到最大值。对/>进行归一化处理，得到最终的排列熵系数。
S4、将所述排列熵与预设的阈值进行比对，若所述排列熵超过所述阈值，则判定所述电网存在故障风险。
基于历史故障场景设置阈值，例如设置0.5，若排列熵系数大于0.5，则说明监测数据不规律，存在故障风险。
在一些实施例中，所述基于排列熵算法的故障检测系统可以包括多个由计算机程序段所组成的功能模块。所述基于排列熵算法的故障检测系统中的各个程序段的计算机程序可以存储于计算机设备的存储器中，并由至少一个处理器所执行，以执行（详见图1描述）基于排列熵算法的故障检测的功能。
本实施例中，所述基于排列熵算法的故障检测系统根据其所执行的功能，可以被划分为多个功能模块，如图3所示。系统300的功能模块可以包括：数据采集模块310、任务生成模块320、任务执行模块330和故障判断模块340。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
数据采集模块，用于采集电网的监测数据，基于监测数据的采集时间对监测数据进行排序，得到时间序列；
任务生成模块，用于将所述时间序列作为排列熵算法的输入参数，生成计算任务；
任务执行模块，用于基于MPI协议创建主进程和多个子进程，所述主进程将所述计算任务分配给多个子进程进行并行运算，并将运算结果汇总为排列熵；
故障判断模块，用于将所述排列熵与预设的阈值进行比对，若所述排列熵超过所述阈值，则判定所述电网存在故障风险。
可选地，作为本发明一个实施例，所述数据采集模块包括：
数据采集单元，用于定期对目标电网的配电设备采集监测数据，所述监测数据包括电流值；
数据排序单元，用于将历次采集的电流值按采集时间由先到后进行排序，得到时间序列。
可选地，作为本发明一个实施例，所述任务执行模块包括：
数据读取单元，用于主进程读取时间序列，并对所述时间序列进行相空间重构得到多维矩阵；
任务分配单元，用于将多维矩阵按行划分得到多个矩阵分量，并将多个矩阵分量平均分配至多个子进程；
矩阵排列单元，用于利用OpenMP对各矩阵分量中的元素按数值大小重新进行升序排列，并在排列过程中记录各元素的下标索引值；
哈希计算单元，用于子进程为自身矩阵分量的元素的下标索引值计算哈希值，将得到的哈希值与所有排序方式对应的哈希值进行比较，若存在匹配的哈希值则将得到的哈希值保存至子进程的内存中，并返回给主进程，若不存在匹配的哈希值则向主进程返回错误提示信息；
汇总计算单元，用于主进程利用CALCULATE函数基于接收的所有哈希值计算出排列熵。
图4为本发明实施例提供的一种终端400的结构示意图，该终端400可以用于执行本发明实施例提供的基于排列熵算法的故障检测方法。
其中，该终端400可以包括：处理器410、存储器420及通信单元430。这些组件通过一条或多条总线进行通信，本领域技术人员可以理解，图中示出的服务器的结构并不构成对本发明的限定，它既可以是总线形结构，也可以是星型结构，还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。
其中，该存储器420可以用于存储处理器410的执行指令，存储器420可以由任何类型的易失性或非易失性存储终端或者它们的组合实现，如静态随机存取存储器（SRAM），电可擦除可编程只读存储器（EEPROM），可擦除可编程只读存储器（EPROM），可编程只读存储器（PROM），只读存储器（ROM），磁存储器，快闪存储器，磁盘或光盘。当存储器420中的执行指令由处理器410执行时，使得终端400能够执行以下上述方法实施例中的部分或全部步骤。
处理器410为存储终端的控制中心，利用各种接口和线路连接整个电子终端的各个部分，通过运行或执行存储在存储器420内的软件程序和/或模块，以及调用存储在存储器内的数据，以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(Integrated Circuit，简称IC) 组成，例如可以由单颗封装的IC 所组成，也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说，处理器410可以仅包括中央处理器(Central Processing Unit，简称CPU)。在本发明实施方式中，CPU可以是单运算核心，也可以包括多运算核心。
通信单元430，用于建立通信信道，从而使所述存储终端可以与其它终端进行通信。接收其他终端发送的用户数据或者向其他终端发送用户数据。
本发明还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体（英文：read-only memory，简称：ROM）或随机存储记忆体（英文：random access memory，简称：RAM）等。
因此，本发明通过将监测数据转换为时间序列，利用MPI技术并发计算时间序列的排列熵，基于排列熵对电力设备运行状态进行稳定性评估，进而大大提升了故障检测精度，且基于数据规律进行风险预测能够提升预警的实时性，本实施例所能达到的技术效果可以参见上文中的描述，此处不再赘述。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中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中如U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质，包括若干指令用以使得一台计算机终端（可以是个人计算机，服务器，或者第二终端、网络终端等）执行本发明各个实施例所述方法的全部或部分步骤。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于终端实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，系统或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种基于排列熵算法的故障检测方法，其特征在于，包括：
采集电网的监测数据，基于监测数据的采集时间对监测数据进行排序，得到时间序列；
将所述时间序列作为排列熵算法的输入参数，生成计算任务；
基于MPI协议创建主进程和多个子进程，所述主进程将所述计算任务分配给多个子进程进行并行运算，并将运算结果汇总为排列熵；
将所述排列熵与预设的阈值进行比对，若所述排列熵超过所述阈值，则判定所述电网存在故障风险。
2.根据权利要求1所述的方法，其特征在于，采集电网的监测数据，基于监测数据的采集时间对监测数据进行排序，得到时间序列，包括：
定期对目标电网的配电设备采集监测数据，所述监测数据包括电流值；
将历次采集的电流值按采集时间由先到后进行排序，得到时间序列。
3.根据权利要求1所述的方法，其特征在于，基于MPI协议创建主进程和多个子进程，所述主进程将所述计算任务分配给多个子进程进行并行运算，并将运算结果汇总为排列熵，包括：
主进程读取时间序列，并对所述时间序列进行相空间重构得到多维矩阵；
将多维矩阵按行划分得到多个矩阵分量，并将多个矩阵分量平均分配至多个子进程；
利用OpenMP对各矩阵分量中的元素按数值大小重新进行升序排列，并在排列过程中记录各元素的下标索引值；
子进程为自身矩阵分量的元素的下标索引值计算哈希值，将得到的哈希值与所有排序方式对应的哈希值进行比较，若存在匹配的哈希值则将得到的哈希值保存至子进程的内存中，并返回给主进程，若不存在匹配的哈希值则向主进程返回错误提示信息；
主进程利用CALCULATE函数基于接收的所有哈希值计算出排列熵。
4.一种基于排列熵算法的故障检测系统，其特征在于，包括：
数据采集模块，用于采集电网的监测数据，基于监测数据的采集时间对监测数据进行排序，得到时间序列；
任务生成模块，用于将所述时间序列作为排列熵算法的输入参数，生成计算任务；
任务执行模块，用于基于MPI协议创建主进程和多个子进程，所述主进程将所述计算任务分配给多个子进程进行并行运算，并将运算结果汇总为排列熵；
故障判断模块，用于将所述排列熵与预设的阈值进行比对，若所述排列熵超过所述阈值，则判定所述电网存在故障风险。
5.根据权利要求4所述的系统，其特征在于，所述数据采集模块包括：
数据采集单元，用于定期对目标电网的配电设备采集监测数据，所述监测数据包括电流值；
数据排序单元，用于将历次采集的电流值按采集时间由先到后进行排序，得到时间序列。
6.根据权利要求4所述的系统，其特征在于，所述任务执行模块包括：
数据读取单元，用于主进程读取时间序列，并对所述时间序列进行相空间重构得到多维矩阵；
任务分配单元，用于将多维矩阵按行划分得到多个矩阵分量，并将多个矩阵分量平均分配至多个子进程；
矩阵排列单元，用于利用OpenMP对各矩阵分量中的元素按数值大小重新进行升序排列，并在排列过程中记录各元素的下标索引值；
哈希计算单元，用于子进程为自身矩阵分量的元素的下标索引值计算哈希值，将得到的哈希值与所有排序方式对应的哈希值进行比较，若存在匹配的哈希值则将得到的哈希值保存至子进程的内存中，并返回给主进程，若不存在匹配的哈希值则向主进程返回错误提示信息；
汇总计算单元，用于主进程利用CALCULATE函数基于接收的所有哈希值计算出排列熵。
7.一种终端，其特征在于，包括：
存储器，用于存储基于排列熵算法的故障检测程序；
处理器，用于执行所述基于排列熵算法的故障检测程序时实现如权利要求1-3任一项所述基于排列熵算法的故障检测方法的步骤。
8.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述可读存储介质上存储有基于排列熵算法的故障检测程序，所述基于排列熵算法的故障检测程序被处理器执行时实现如权利要求1-3任一项所述基于排列熵算法的故障检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311310401.2A CN117056086A (zh) | 2023-10-11 | 2023-10-11 | 基于排列熵算法的故障检测方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311310401.2A CN117056086A (zh) | 2023-10-11 | 2023-10-11 | 基于排列熵算法的故障检测方法、系统、终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117056086A true CN117056086A (zh) | 2023-11-14 |
Family
ID=88659422
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311310401.2A Pending CN117056086A (zh) | 2023-10-11 | 2023-10-11 | 基于排列熵算法的故障检测方法、系统、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117056086A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113379252A (zh) * | 2021-06-11 | 2021-09-10 | 浙江工业大学 | 基于多尺度排列熵值的贝叶斯网络高压开关柜健康系统评估方法 |
| US20210377102A1 (en) * | 2018-03-09 | 2021-12-02 | Wangsu Science & Technology Co., Ltd. | A method and system for detecting a server fault |
| CN113760561A (zh) * | 2020-06-17 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种数据处理方法和装置 |
| WO2022142855A1 (zh) * | 2020-12-31 | 2022-07-07 | 深圳市优必选科技股份有限公司 | 回环检测方法、装置、终端设备和可读存储介质 |
| CN114896559A (zh) * | 2022-04-29 | 2022-08-12 | 盐城工学院 | 一种基于排列熵的自适应噪声完备集合经验模式分解方法 |
| CN115878683A (zh) * | 2021-09-28 | 2023-03-31 | 中国移动通信集团广东有限公司 | 业务数据智能化稽核方法和装置、电子设备及存储介质 |
-
2023
- 2023-10-11 CN CN202311310401.2A patent/CN117056086A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210377102A1 (en) * | 2018-03-09 | 2021-12-02 | Wangsu Science & Technology Co., Ltd. | A method and system for detecting a server fault |
| CN113760561A (zh) * | 2020-06-17 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种数据处理方法和装置 |
| WO2022142855A1 (zh) * | 2020-12-31 | 2022-07-07 | 深圳市优必选科技股份有限公司 | 回环检测方法、装置、终端设备和可读存储介质 |
| CN113379252A (zh) * | 2021-06-11 | 2021-09-10 | 浙江工业大学 | 基于多尺度排列熵值的贝叶斯网络高压开关柜健康系统评估方法 |
| CN115878683A (zh) * | 2021-09-28 | 2023-03-31 | 中国移动通信集团广东有限公司 | 业务数据智能化稽核方法和装置、电子设备及存储介质 |
| CN114896559A (zh) * | 2022-04-29 | 2022-08-12 | 盐城工学院 | 一种基于排列熵的自适应噪声完备集合经验模式分解方法 |
Non-Patent Citations (2)
| Title |
|---|
| 姜媛媛等: "基于变分模态分解和排列熵的输电线路故障诊断", 《电子测量与仪器学报》, no. 7 * |
| 张浩等: "基于神威众核处理器的排列熵算法并行加速方法", 《计算机应用研究》, no. 7 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112148577A (zh) | 数据异常检测方法、装置、电子设备及存储介质 | |
| CN113176978A (zh) | 基于日志文件的监控方法、系统、设备及可读存储介质 | |
| CN115412371A (zh) | 基于物联网的大数据安全防护方法、系统及云平台 | |
| CN114490238A (zh) | 服务器整机诊断过程的监控方法、系统、终端及存储介质 | |
| CN111752481A (zh) | 一种基于spd的内存监控及寿命预测方法和系统 | |
| CN111062503B (zh) | 一种电网监控告警处理方法、系统、终端及存储介质 | |
| CN113591900A (zh) | 一种高需求响应潜力用户的识别方法、装置及终端设备 | |
| CN111124854A (zh) | 一种冒烟测试用例分配方法、系统、终端及存储介质 | |
| CN113326064A (zh) | 划分业务逻辑模块的方法、电子设备及存储介质 | |
| CN116992274A (zh) | 基于改进主成分回归模型的短期风速预测方法及系统 | |
| CN117056086A (zh) | 基于排列熵算法的故障检测方法、系统、终端及存储介质 | |
| CN117435335A (zh) | 算力调度方法、装置、计算机设备和存储介质 | |
| CN109558300B (zh) | 一种整机柜告警处理方法、装置、终端及存储介质 | |
| CN113138899B (zh) | 一种服务器风扇振动管控方法、系统、终端及存储介质 | |
| CN111581044A (zh) | 集群优化方法、装置、服务器及介质 | |
| CN114860608A (zh) | 基于场景构建的系统自动化测试方法、装置、设备及介质 | |
| CN114282598A (zh) | 多源异构电网数据融合方法、装置、设备及计算机介质 | |
| CN113946493A (zh) | 一种监控阈值确定及监控报警方法、装置、设备和介质 | |
| CN112527830A (zh) | 数据查询方法、装置、设备及存储介质 | |
| CN113791922B (zh) | 一种分布式存储系统的异常处理方法、系统及装置 | |
| CN111022365A (zh) | 应对风扇转子故障的调速方法、系统、终端及存储介质 | |
| CN110782365B (zh) | 参数寻优间隔配置方法、装置及电子设备、存储介质 | |
| CN117521619B (zh) | 基于下位机的报表生成方法、计算机设备与存储介质 | |
| CN118132808B (zh) | 一种针对时空数据的流批一体处理方法及系统 | |
| CN113821442B (zh) | 基于正态分布的压力测试方法、系统、终端及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20231114 |