CN117113261B - 一种电力物联网异常检测方法及系统 - Google Patents

一种电力物联网异常检测方法及系统 Download PDF

Info

Publication number
CN117113261B
CN117113261B CN202311361110.6A CN202311361110A CN117113261B CN 117113261 B CN117113261 B CN 117113261B CN 202311361110 A CN202311361110 A CN 202311361110A CN 117113261 B CN117113261 B CN 117113261B
Authority
CN
China
Prior art keywords
internet
things
data
curve
power grid
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
CN202311361110.6A
Other languages
English (en)
Other versions
CN117113261A (zh
Inventor
杨浩
徐健
李嘉颖
肖勇才
章玲玲
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power 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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202311361110.6A priority Critical patent/CN117113261B/zh
Publication of CN117113261A publication Critical patent/CN117113261A/zh
Application granted granted Critical
Publication of CN117113261B publication Critical patent/CN117113261B/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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/35—Utilities, e.g. electricity, gas or water
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/30—Information sensed or collected by the things relating to resources, e.g. consumed power
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2123/00—Data types
    • G06F2123/02—Data types in the time domain, e.g. time-series data

Abstract

本发明涉及电力异常检测技术领域，具体公开了一种电力物联网异常检测方法及系统，所述方法包括获取电力区内的电网架构，根据电网架构建立电网模型；基于所述电网模型确定物联端及其存储数据库，基于存储数据库实时采集物联数据；根据物联端类型对物联数据进行自标定，确定物联曲线；对所述物联曲线进行交叉标定，确定物联端的相关度；基于相关度对物联数据进行识别，得到识别结果。本发明将物联数据转换为数值形式后，确定多条物联曲线，根据所述物联曲线确定不同物联端的数据相似度，进而确定相关度；在对物联数据进行分析时，根据相关度选取多个识别结果，进而进行综合判定，从而引入了相关性评价参数，提高了识别过程的整体性。

Description

一种电力物联网异常检测方法及系统
技术领域
本发明涉及电力异常检测技术领域，具体是一种电力物联网异常检测方法及系统。
背景技术
电力物联网是一种新型的信息传输技术，通过对电力系统各种参数的采集、分析、计算，建立电力系统运行状态监测与控制的智能化网络，实现电力系统的自动化、数字化、可视化。
电力物联网最大的作用就是，可以借助现有的智能设备采集数据并进行智能化处理，能够对整个电力物联网进行及时的异常检测。
但是，现有的异常检测技术大都是独立的识别算法，比如，单独的通过传感器获取环境数据，对环境数据进行分析，确定环境状态，又或者是单独的通过电流表获取线路电流，对线路电流进行分析，确定线路状态；这些处理过程本质上都是独立的，各种识别结果很难综合利用，而电力系统本身是一个有机整体，如何在现有的独立识别技术基础上，引入相关性参数是本发明技术方案想要解决的技术问题。
发明内容
本发明的目的在于提供一种电力物联网异常检测方法及系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种电力物联网异常检测方法，所述方法包括：
获取电力区内的电网架构，根据电网架构建立电网模型；所述电网模型用于表征各设备的位置分布关系；
基于所述电网模型确定物联端及其存储数据库，基于存储数据库实时采集物联数据；
根据物联端类型对物联数据进行自标定，确定物联曲线；
对所述物联曲线进行交叉标定，确定物联端的相关度；
基于相关度对物联数据进行识别，得到识别结果；
其中，所述自标定为基于自身数据的数据处理过程，所述交叉标定为基于相互数据的数据处理过程。
作为本发明进一步的方案：所述获取电力区内的电网架构，根据电网架构建立电网模型的步骤包括：
接收工作人员选取的电力区，查询电力区中的备案设备；
获取备案设备的位置关系和连接关系；
根据所述位置关系和连接关系创建电网模型；
其中，所述备案设备包括固定端和移动端；所述电网模型中含有与固定端对应的固定区和移动端对应的活动区。
作为本发明进一步的方案：所述根据物联端类型对物联数据进行自标定，确定物联曲线的步骤包括：
获取物联端的物联端类型，根据物联端类型确定物联数据的类型；所述物联数据的类型的类型空间由所有物联端的接口类型确定；
根据物联数据的类型选取转换模型，根据所述转换模型将所述物联数据转换为数值；
根据物联数据的时序排列所述数值，建立物联曲线。
作为本发明进一步的方案：所述对所述物联曲线进行交叉标定，确定物联端的相关度的步骤包括：
统计所有物联端，依次选取并组合两个物联端，得到组合表；
遍历组合表中的数据项，读取对应的两条物联曲线；
根据递增时间跨度截取所述物联曲线，得到曲线段；
提取所述曲线段的曲线特征，根据提取到的曲线特征确定相关度。
作为本发明进一步的方案：所述提取所述曲线段的曲线特征，根据提取到的曲线特征确定相关度的步骤包括：
将所述曲线段输入预设的积分运算式，得到相似度；
根据时间跨度的增序排列所述相似度，得到相似度数组；
计算相似度数组中相邻数值的变化率，根据变化率选取平滑段；
提取平滑段中的均值和中值，根据均值和中值的差值关系确定相关度；
其中，所述积分运算式为：
；
式中，为相似度，[a,b]为时间跨度，a和b分别为时间跨度的两个端点，/>和分别为两条曲线段，x两条曲线段的自变量，所述自变量为时间。
作为本发明进一步的方案：所述基于相关度对物联数据进行识别，得到识别结果的步骤包括：
基于现有识别模型对物联数据进行实时识别，选取目标物联端；
选取所述目标物联端的辅助物联端；所述辅助物联端与所述目标物联端的相关度达到预设的相关阈值；
根据辅助物联端的识别结果对目标物联端的识别结果进行修正。
本发明技术方案还提供了一种电力物联网异常检测系统，包括：
电网模型建立模块，用于获取电力区内的电网架构，根据电网架构建立电网模型；所述电网模型用于表征各设备的位置分布关系；
数据采集模块，用于基于所述电网模型确定物联端及其存储数据库，基于存储数据库实时采集物联数据；
自标定模块，用于根据物联端类型对物联数据进行自标定，确定物联曲线；
交叉标定模块，用于对所述物联曲线进行交叉标定，确定物联端的相关度；
数据识别模块，用于基于相关度对物联数据进行识别，得到识别结果；
其中，所述自标定为基于自身数据的数据处理过程，所述交叉标定为基于相互数据的数据处理过程。
作为本发明进一步的方案：所述电网模型建立模块包括：
设备查询单元，用于接收工作人员选取的电力区，查询电力区中的备案设备；
关系获取单元，用于获取备案设备的位置关系和连接关系；
创建执行单元，用于根据所述位置关系和连接关系创建电网模型；
其中，所述备案设备包括固定端和移动端；所述电网模型中含有与固定端对应的固定区和移动端对应的活动区。
作为本发明进一步的方案：所述自标定模块包括：
类型确定单元，用于获取物联端的物联端类型，根据物联端类型确定物联数据的类型；所述物联数据的类型的类型空间由所有物联端的接口类型确定；
数据转换单元，用于根据物联数据的类型选取转换模型，根据所述转换模型将所述物联数据转换为数值；
曲线建立单元，用于根据物联数据的时序排列所述数值，建立物联曲线。
作为本发明进一步的方案：所述交叉标定模块包括：
组合单元，用于统计所有物联端，依次选取并组合两个物联端，得到组合表；
遍历单元，用于遍历组合表中的数据项，读取对应的两条物联曲线；
截取单元，用于根据递增时间跨度截取所述物联曲线，得到曲线段；
特征提取应用单元，用于提取所述曲线段的曲线特征，根据提取到的曲线特征确定相关度。
与现有技术相比，本发明的有益效果是：本发明通过独立的数据库存储各个物联端的物联数据，将物联数据转换为数值形式后，确定多条物联曲线，根据所述物联曲线确定不同物联端的数据相似度，进而确定相关度；在对物联数据进行分析时，根据相关度选取多个识别结果，进而进行综合判定，从而引入了相关性评价参数，提高了识别过程的整体性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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。
图1为电力物联网异常检测方法的流程框图。
图2为电力物联网异常检测方法的第一子流程框图。
图3为电力物联网异常检测方法的第二子流程框图。
图4为电力物联网异常检测方法的第三子流程框图。
图5为电力物联网异常检测方法的第四子流程框图。
图6为电力物联网异常检测系统的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，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。
图1为电力物联网异常检测方法的流程框图，本发明实施例中，一种电力物联网异常检测方法，所述方法包括：
步骤S100：获取电力区内的电网架构，根据电网架构建立电网模型；所述电网模型用于表征各设备的位置分布关系；
电力区是由工作人员确定的待检区域，获取待检区域中的电网架构，所述电网架构包括用于完成电力输送的所有相关设备和相关人员，根据电网架构可以创建电网模型，所述电网模型是虚拟模型，它与电网架构存在确定的对应关系。
步骤S200：基于所述电网模型确定物联端及其存储数据库，基于存储数据库实时采集物联数据；
根据电网模型确定物联端，所述物联端包括能够进行数据传输的所有设备，比如安装在线路中的监测仪表，监测仪表可以获取线路中的电力参数；除此以外，一些用于反映工作人员位置的定位设备，反映环境条件的传感器以及控制指令的接收器等都可以作为物联端。
本发明技术方案对每个物联端均建立一个独立的数据库，用于获取其物联数据；总而言之，物联端是一个上位概念，其获取到的数据即为物联数据；所述物联数据的数据类型多种多样，视具体情况而定，比如：电流是单一的数值，位置是一个坐标，环境条件是一个数组等。
步骤S300：根据物联端类型对物联数据进行自标定，确定物联曲线；
根据物联端类型对历史物联数据进行分析，进而确定转换规则，比如，将位置转换为与某一中心点的距离，此时，坐标将会转换为单一数值；基于同一转换规则将物联数据转换为数值后，根据时间将数值转换为物联曲线。
值得一提的是，所述转换规则大都是根据历史物联数据确定一个基准状态，然后计算当前状态与基准状态的差异，进而确定最终转换的数值。
步骤S400：对所述物联曲线进行交叉标定，确定物联端的相关度；
生成物联曲线后，对不同物联端的物联曲线进行分析，可以确定不同物联端之间的相关度；在本发明技术方案中，仅计算两个物联端之间的相关度。
步骤S500：基于相关度对物联数据进行识别，得到识别结果；
对物联数据的识别过程采用现有的识别技术，比如，对电流的波动性进行判断，确定线路是否存在风险；判定工作人员位置是否离线路过近，进而确定工作人员是否存在风险；判定环境参数是否达到预设的报警条件等；这些识别过程在现有技术中非常常见，直接选取即可；本发明技术方案的重点在于，在现有的识别基础上，增设了物联端相关性判断过程，根据相关性判断结果对识别结果进行综合判断，进而得到更加全面的识别结果；此外，本发明技术方案中物联端相关性的计算过程是由历史物联数据确定的多源动态判定过程，实时性较强，不是简单地由工作人员预先选取。
需要说明的是，对上述自定义名词，所述自标定为基于自身数据的数据处理过程，所述交叉标定为基于相互数据的数据处理过程。
图2为电力物联网异常检测方法的第一子流程框图，所述获取电力区内的电网架构，根据电网架构建立电网模型的步骤包括：
步骤S101：接收工作人员选取的电力区，查询电力区中的备案设备；
步骤S102：获取备案设备的位置关系和连接关系；
步骤S103：根据所述位置关系和连接关系创建电网模型；
电力区由工作人员选取，电力区中的设备都是备案数据，在备案数据中可以快速查询到备案设备；不同备案设备的关系不同，在创建电网模型的过程中，查询各个备案设备的空间关系即可，所述空间关系包括位置关系和连接关系。
在本发明技术方案的一个实例中，所述备案设备包括固定端和移动端，固定端一般是安装在线路或者其他电力设备中的端口，移动端一般是工作人员随身携带的端口；在搭建电网模型时，所述电网模型中含有与固定端对应的固定区和移动端对应的活动区，通俗地说，电网模型中含有两种区域，一种区域是与设备或线路对应的区域，这些区域直接由设备或线路的体积确定；另一种区域是活动区，所述活动区可以理解为工作人员的活动区域。
图3为电力物联网异常检测方法的第二子流程框图，所述根据物联端类型对物联数据进行自标定，确定物联曲线的步骤包括：
步骤S301：获取物联端的物联端类型，根据物联端类型确定物联数据的类型；所述物联数据的类型的类型空间由所有物联端的接口类型确定；
物联端是数据采集设备，包括监测仪表、定位器和传感器；不同物联端的物联数据的数据格式不同。
其中，所述物联数据的类型的类型空间由所有物联端的接口类型确定这一表述的含义为，物联数据的类型均包含于所有类型的集合中。
步骤S302：根据物联数据的类型选取转换模型，根据所述转换模型将所述物联数据转换为数值；
转换模型的功能是降维（输出为数值，一维数据），将所有物联数据均转换为单一的数值形式，具体的转换模型采用现有的转换规则即可，在上述内容中也有提及，在此不再赘述。
步骤S303：根据物联数据的时序排列所述数值，建立物联曲线；
以时间为横坐标统计物联数据对应的数值，可以得到一条函数曲线，称为物联曲线。
图4为电力物联网异常检测方法的第三子流程框图，所述对所述物联曲线进行交叉标定，确定物联端的相关度的步骤包括：
步骤S401：统计所有物联端，依次选取并组合两个物联端，得到组合表；
统计所有物联端，进行两两组合，创建组合表，物联端的数量有限，组合数也是有限的并且不会太大。
步骤S402：遍历组合表中的数据项，读取对应的两条物联曲线；
依次对组合表中的各种组合进行分析，读取对应的两条物联曲线。
步骤S403：根据递增时间跨度截取所述物联曲线，得到曲线段；
物联曲线的分析过程需要先设定一个时间范围，时间范围越大，相似性判断过程越准确，因此，不能仅选择一个时间范围，在本发明技术方案中，需要设置多个递增的时间跨度，根据时间跨度截取所述物联曲线，进而得到曲线段。
所述时间跨度的尾时刻为预设的时间阈值。
步骤S404：提取所述曲线段的曲线特征，根据提取到的曲线特征确定相关度；
提取两个曲线段的曲线特征，比对所述曲线特征，即可确定两个物联曲线的相关度。
具体的，关于上述步骤S404,在本发明技术方案的一个优选实施例，所述提取所述曲线段的曲线特征，根据提取到的曲线特征确定相关度的步骤包括：
将所述曲线段输入预设的积分运算式，得到相似度；
根据时间跨度的增序排列所述相似度，得到相似度数组；
计算相似度数组中相邻数值的变化率，根据变化率选取平滑段；
提取平滑段中的均值和中值，根据均值和中值的差值关系确定相关度；
在本发明技术方案的一个实例中，每个时间跨度都对应一个曲线段，根据时间跨度的增序依次对曲线段进行比对分析，可以得到多个相似度，即为上述相似度数组；当时间跨度过大或过小时，对应的相似度其实是无效的，分析价值很低，因此，根据相邻数值的变化率在相似度数组中选取相对平滑的数据（变化率较小的数据），作为待分析的数据。
由相似度数组确定相关度的过程采用二选一的方式，先计算所有相似度的均值和中值，如果均值与中值的差异大于预设的差异阈值，就选用中值，如果差异小于预设的差异阈值，就选取均值。
在上述内容中，很重要的一个内容就是相似度计算过程，本发明技术方案提供了一个简便快捷的方法，所述积分运算式如下：
；
式中，为相似度，[a,b]为时间跨度，a和b分别为时间跨度的两个端点，/>和分别为两条曲线段，x两条曲线段的自变量，所述自变量为时间。
上述的含义为，两条曲线的差值在时间跨度上的积分除以时间跨度，它能够反应两个曲线的相似程度。
图5为电力物联网异常检测方法的第四子流程框图，所述基于相关度对物联数据进行识别，得到识别结果的步骤包括：
步骤S501：基于现有识别模型对物联数据进行实时识别，选取目标物联端；
步骤S502：选取所述目标物联端的辅助物联端；所述辅助物联端与所述目标物联端的相关度达到预设的相关阈值；
步骤S503：根据辅助物联端的识别结果对目标物联端的识别结果进行修正。
上述内容对识别结果的生成过程进行了描述，通过现有的识别模型对物联数据进行识别，可以得到识别结果；在此基础上，选取与该物联端相关度较高的物联端，作为辅助物联端，同步读取辅助物联端的识别结果，根据辅助物联端的识别结果对目标物联端的识别结果进行修正，可以提高识别结果的准确度与时效性。
图6为电力物联网异常检测系统的组成结构框图，作为本发明技术方案的一个优选实施例，在本发明实施例中，提供了一种电力物联网异常检测系统10包括：
电网模型建立模块11，用于获取电力区内的电网架构，根据电网架构建立电网模型；所述电网模型用于表征各设备的位置分布关系；
数据采集模块12，用于基于所述电网模型确定物联端及其存储数据库，基于存储数据库实时采集物联数据；
自标定模块13，用于根据物联端类型对物联数据进行自标定，确定物联曲线；
交叉标定模块14，用于对所述物联曲线进行交叉标定，确定物联端的相关度；
数据识别模块15，用于基于相关度对物联数据进行识别，得到识别结果；
其中，所述自标定为基于自身数据的数据处理过程，所述交叉标定为基于相互数据的数据处理过程。
其中，所述电网模型建立模块11包括：
设备查询单元，用于接收工作人员选取的电力区，查询电力区中的备案设备；
关系获取单元，用于获取备案设备的位置关系和连接关系；
创建执行单元，用于根据所述位置关系和连接关系创建电网模型；
其中，所述备案设备包括固定端和移动端；所述电网模型中含有与固定端对应的固定区和移动端对应的活动区。
进一步的，所述自标定模块13包括：
类型确定单元，用于获取物联端的物联端类型，根据物联端类型确定物联数据的类型；所述物联数据的类型的类型空间由所有物联端的接口类型确定；
数据转换单元，用于根据物联数据的类型选取转换模型，根据所述转换模型将所述物联数据转换为数值；
曲线建立单元，用于根据物联数据的时序排列所述数值，建立物联曲线。
具体的，所述交叉标定模块14包括：
组合单元，用于统计所有物联端，依次选取并组合两个物联端，得到组合表；
遍历单元，用于遍历组合表中的数据项，读取对应的两条物联曲线；
截取单元，用于根据递增时间跨度截取所述物联曲线，得到曲线段；
特征提取应用单元，用于提取所述曲线段的曲线特征，根据提取到的曲线特征确定相关度。
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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种电力物联网异常检测方法，其特征在于，所述方法包括：
获取电力区内的电网架构，根据电网架构建立电网模型；所述电网模型用于表征各设备的位置分布关系；
基于所述电网模型确定物联端及其存储数据库，基于存储数据库实时采集物联数据；
根据物联端类型对物联数据进行自标定，确定物联曲线；
对所述物联曲线进行交叉标定，确定物联端的相关度；
基于相关度对物联数据进行识别，得到识别结果；
其中，所述自标定为基于自身数据的数据处理过程，所述交叉标定为基于相互数据的数据处理过程；
所述根据物联端类型对物联数据进行自标定，确定物联曲线的步骤包括：
获取物联端的物联端类型，根据物联端类型确定物联数据的类型；所述物联数据的类型的类型空间由所有物联端的接口类型确定；
根据物联数据的类型选取转换模型，根据所述转换模型将所述物联数据转换为数值；
根据物联数据的时序排列所述数值，建立物联曲线；
对所述物联曲线进行交叉标定，确定物联端的相关度的步骤包括：
统计所有物联端，依次选取并组合两个物联端，得到组合表；
遍历组合表中的数据项，读取对应的两条物联曲线；
根据递增时间跨度截取所述物联曲线，得到曲线段；
提取所述曲线段的曲线特征，根据提取到的曲线特征确定相关度；
所述提取所述曲线段的曲线特征，根据提取到的曲线特征确定相关度的步骤包括：
将所述曲线段输入预设的积分运算式，得到相似度；
根据时间跨度的增序排列所述相似度，得到相似度数组；
计算相似度数组中相邻数值的变化率，根据变化率选取平滑段；
提取平滑段中的均值和中值，根据均值和中值的差值关系确定相关度；
其中，所述积分运算式为：
；
式中，为相似度，[a,b]为时间跨度，a和b分别为时间跨度的两个端点，/>和分别为两条曲线段，x两条曲线段的自变量，所述自变量为时间。
2.根据权利要求1所述的电力物联网异常检测方法，其特征在于，所述获取电力区内的电网架构，根据电网架构建立电网模型的步骤包括：
接收工作人员选取的电力区，查询电力区中的备案设备；
获取备案设备的位置关系和连接关系；
根据所述位置关系和连接关系创建电网模型；
其中，所述备案设备包括固定端和移动端；所述电网模型中含有与固定端对应的固定区和移动端对应的活动区。
3.根据权利要求1所述的电力物联网异常检测方法，其特征在于，所述基于相关度对物联数据进行识别，得到识别结果的步骤包括：
基于现有识别模型对物联数据进行实时识别，选取目标物联端；
选取所述目标物联端的辅助物联端；所述辅助物联端与所述目标物联端的相关度达到预设的相关阈值；
根据辅助物联端的识别结果对目标物联端的识别结果进行修正。
4.一种电力物联网异常检测系统，其特征在于，包括：
电网模型建立模块，用于获取电力区内的电网架构，根据电网架构建立电网模型；所述电网模型用于表征各设备的位置分布关系；
数据采集模块，用于基于所述电网模型确定物联端及其存储数据库，基于存储数据库实时采集物联数据；
自标定模块，用于根据物联端类型对物联数据进行自标定，确定物联曲线；
交叉标定模块，用于对所述物联曲线进行交叉标定，确定物联端的相关度；
数据识别模块，用于基于相关度对物联数据进行识别，得到识别结果；
其中，所述自标定为基于自身数据的数据处理过程，所述交叉标定为基于相互数据的数据处理过程；
所述根据物联端类型对物联数据进行自标定，确定物联曲线的步骤包括：
获取物联端的物联端类型，根据物联端类型确定物联数据的类型；所述物联数据的类型的类型空间由所有物联端的接口类型确定；
根据物联数据的类型选取转换模型，根据所述转换模型将所述物联数据转换为数值；
根据物联数据的时序排列所述数值，建立物联曲线；
对所述物联曲线进行交叉标定，确定物联端的相关度的步骤包括：
统计所有物联端，依次选取并组合两个物联端，得到组合表；
遍历组合表中的数据项，读取对应的两条物联曲线；
根据递增时间跨度截取所述物联曲线，得到曲线段；
提取所述曲线段的曲线特征，根据提取到的曲线特征确定相关度；
所述提取所述曲线段的曲线特征，根据提取到的曲线特征确定相关度的步骤包括：
将所述曲线段输入预设的积分运算式，得到相似度；
根据时间跨度的增序排列所述相似度，得到相似度数组；
计算相似度数组中相邻数值的变化率，根据变化率选取平滑段；
提取平滑段中的均值和中值，根据均值和中值的差值关系确定相关度；
其中，所述积分运算式为：
；
式中，为相似度，[a,b]为时间跨度，a和b分别为时间跨度的两个端点，/>和分别为两条曲线段，x两条曲线段的自变量，所述自变量为时间。
5.根据权利要求4所述的电力物联网异常检测系统，其特征在于，所述电网模型建立模块包括：
设备查询单元，用于接收工作人员选取的电力区，查询电力区中的备案设备；
关系获取单元，用于获取备案设备的位置关系和连接关系；
创建执行单元，用于根据所述位置关系和连接关系创建电网模型；
其中，所述备案设备包括固定端和移动端；所述电网模型中含有与固定端对应的固定区和移动端对应的活动区。
6.根据权利要求4所述的电力物联网异常检测系统，其特征在于，所述自标定模块包括：
类型确定单元，用于获取物联端的物联端类型，根据物联端类型确定物联数据的类型；所述物联数据的类型的类型空间由所有物联端的接口类型确定；
数据转换单元，用于根据物联数据的类型选取转换模型，根据所述转换模型将所述物联数据转换为数值；
曲线建立单元，用于根据物联数据的时序排列所述数值，建立物联曲线。
7.根据权利要求4所述的电力物联网异常检测系统，其特征在于，所述交叉标定模块包括：
组合单元，用于统计所有物联端，依次选取并组合两个物联端，得到组合表；
遍历单元，用于遍历组合表中的数据项，读取对应的两条物联曲线；
截取单元，用于根据递增时间跨度截取所述物联曲线，得到曲线段；
特征提取应用单元，用于提取所述曲线段的曲线特征，根据提取到的曲线特征确定相关度。
CN202311361110.6A 2023-10-20 2023-10-20 一种电力物联网异常检测方法及系统 Active CN117113261B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311361110.6A CN117113261B (zh) 2023-10-20 2023-10-20 一种电力物联网异常检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311361110.6A CN117113261B (zh) 2023-10-20 2023-10-20 一种电力物联网异常检测方法及系统

Publications (2)

Publication Number Publication Date
CN117113261A CN117113261A (zh) 2023-11-24
CN117113261B true CN117113261B (zh) 2024-02-06

Family

ID=88796936

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311361110.6A Active CN117113261B (zh) 2023-10-20 2023-10-20 一种电力物联网异常检测方法及系统

Country Status (1)

Country Link
CN (1) CN117113261B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201416993A (zh) * 2012-10-31 2014-05-01 Nat Applied Res Laboratories 一種以影像特徵斑點評估影像相關度之系統及其方法
CN108882896A (zh) * 2015-09-23 2018-11-23 诺瓦达克技术公司 用于评定组织的治愈的方法和系统
CN112241751A (zh) * 2019-07-18 2021-01-19 中移(苏州)软件技术有限公司 一种异常检测方法和系统，及计算机可读存储介质
CN112346393A (zh) * 2021-01-08 2021-02-09 睿至科技集团有限公司 基于智能运维的数据全链路异常监测及处理方法和系统
CN113484572A (zh) * 2021-06-01 2021-10-08 国网吉林省电力有限公司信息通信公司 一种基于用电大数据的反窃电监测方法及系统
WO2023000482A1 (zh) * 2021-07-23 2023-01-26 广州新科佳都科技有限公司 一种基于机理分析的站台门异常检测方法及装置
CN115800538A (zh) * 2022-12-01 2023-03-14 国网四川省电力公司电力科学研究院 基于人工智能的智能电网运维监控方法及系统
CN116014709A (zh) * 2022-12-02 2023-04-25 广东电网有限责任公司 一种台区线损分析方法、系统、电子设备及存储介质
CN116506223A (zh) * 2023-06-27 2023-07-28 北京珞安科技有限责任公司 一种协同式网络防护方法及系统
CN116581891A (zh) * 2023-07-14 2023-08-11 中能聚创(杭州)能源科技有限公司 一种电力数据采集方法及系统
CN116595426A (zh) * 2023-07-17 2023-08-15 济南大陆机电股份有限公司 一种工业物联网数据智能采集管理系统
CN116703304A (zh) * 2023-08-09 2023-09-05 山东水发大正物联科技有限公司 一种基于物联网的货物资产监管方法及系统
CN116879831A (zh) * 2023-07-14 2023-10-13 深圳市肯斯特电子有限公司 一种基于物联网的电表智能监控方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10037025B2 (en) * 2015-10-07 2018-07-31 Business Objects Software Ltd. Detecting anomalies in an internet of things network

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201416993A (zh) * 2012-10-31 2014-05-01 Nat Applied Res Laboratories 一種以影像特徵斑點評估影像相關度之系統及其方法
CN108882896A (zh) * 2015-09-23 2018-11-23 诺瓦达克技术公司 用于评定组织的治愈的方法和系统
CN112241751A (zh) * 2019-07-18 2021-01-19 中移(苏州)软件技术有限公司 一种异常检测方法和系统，及计算机可读存储介质
CN112346393A (zh) * 2021-01-08 2021-02-09 睿至科技集团有限公司 基于智能运维的数据全链路异常监测及处理方法和系统
CN113484572A (zh) * 2021-06-01 2021-10-08 国网吉林省电力有限公司信息通信公司 一种基于用电大数据的反窃电监测方法及系统
WO2023000482A1 (zh) * 2021-07-23 2023-01-26 广州新科佳都科技有限公司 一种基于机理分析的站台门异常检测方法及装置
CN115800538A (zh) * 2022-12-01 2023-03-14 国网四川省电力公司电力科学研究院 基于人工智能的智能电网运维监控方法及系统
CN116014709A (zh) * 2022-12-02 2023-04-25 广东电网有限责任公司 一种台区线损分析方法、系统、电子设备及存储介质
CN116506223A (zh) * 2023-06-27 2023-07-28 北京珞安科技有限责任公司 一种协同式网络防护方法及系统
CN116581891A (zh) * 2023-07-14 2023-08-11 中能聚创(杭州)能源科技有限公司 一种电力数据采集方法及系统
CN116879831A (zh) * 2023-07-14 2023-10-13 深圳市肯斯特电子有限公司 一种基于物联网的电表智能监控方法及系统
CN116595426A (zh) * 2023-07-17 2023-08-15 济南大陆机电股份有限公司 一种工业物联网数据智能采集管理系统
CN116703304A (zh) * 2023-08-09 2023-09-05 山东水发大正物联科技有限公司 一种基于物联网的货物资产监管方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Analysis of network traffic features for anomaly detection;Félix Iglesias等;Mach Learn;第101卷;59-84 *
基于配电物联网的反窃电预警系统研究及应用;许小卉;许妙琦;唐冬来;叶鸿飞;朱晓庆;;计算技术与自动化(02);104-108 *
物联网环境下的差异网络数据库异常数据检测;杨宏波;;计算机测量与控制(03);1008-1010 *
物联网节点设备异常状态在线监测方法研究;崔颖;中国优秀硕士学位论文全文数据库 信息科技辑;第2020年卷(第7期);I136-595 *

Also Published As

Publication number Publication date
CN117113261A (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
CN110895526A (zh) 一种大气监测系统中数据异常的修正方法
CN115861011B (zh) 一种基于多源数据融合的智慧城市优化管理方法和系统
CN111510500B (zh) 一种基于边缘计算的水质监测数据校准方法
CN114328075A (zh) 一种智能配电房传感器多维数据融合异常事件检测方法、系统及计算机可读存储介质
CN111884347B (zh) 多源电力信息融合的电力数据集中控制系统
CN115687032B (zh) 一种服务器运维数据监管方法及系统
CN115664038B (zh) 一种用于电气安全管理的智能配电运维监控系统
CN115825344A (zh) 一种用于化工企业的废气智能监测方法及系统
CN113963033B (zh) 一种基于人工智能的电力设备异常检测方法和系统
CN117113261B (zh) 一种电力物联网异常检测方法及系统
CN116522096B (zh) 基于动作捕捉的三维数字孪生内容智能制作方法
CN115936680B (zh) 一种设备运维的智能派单方法及系统
CN115514679B (zh) 一种基于通信模块的异常来源监测方法及系统
CN111797545A (zh) 一种基于实测数据的风电机组偏航折减系数计算方法
CN115310107A (zh) 一种基于云计算的物联网数据安全存储方法及系统
CN112763678A (zh) 一种基于pca的污水处理过程监控方法及系统
CN116908533B (zh) 一种具有计量功能的电力用户用电信息采集设备
CN117723917B (zh) 基于光纤非本征法珀型超声波传感器的监测应用方法
CN117150244B (zh) 基于电参数分析的智能配电柜状态监测方法及系统
CN117493498B (zh) 基于工业互联网的电力数据挖掘与分析系统
CN117277565A (zh) 一种用于配电网状态监测的通信系统及方法
CN115656712A (zh) 电压传感器的时间序列数据中出现异常状态的预警方法
CN117849700A (zh) 可控制测量的模块化电能计量系统
CN117040438A (zh) 柔性光伏支架的状态监控方法、装置及计算机设备
CN116862717A (zh) 一种电网故障分钟级实时分析与报送方法及系统

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