CN117332857A - 一种基于多源数据的电网数据自动化管理系统及方法 - Google Patents

Abstract

本发明公开了一种基于多源数据的电网数据自动化管理系统及方法，涉及电网管理技术领域，电网设备通过无线传输的方式将产生的电网数据上传至云端服务器；云端服务器对接收的电网数据进行分类和整合，得到数据组；云端服务器对数据组进行分析，确定电网设备相互之间的关联性；云端服务器对接收的电网异常数据进行分析，确定异常影响度；根据分析结果，对电网异常数据的参数配置进行调整并预警当前异常情况。通过对电网设备上传的电网数据进行关联性分析，确定电网设备之间的关联性，当存在电网设备上传了异常电网数据后，可以通过关联性判断是否存在其他电网数据存在异常情况，使得可以确定异常电网数据的影响程度。

Description

一种基于多源数据的电网数据自动化管理系统及方法

技术领域

本发明涉及电网管理技术领域，具体是一种基于多源数据的电网数据自动化管理系统及方法。

背景技术

电网是在电力系统中，联系发电和用电的设施和设备的统称，属于输送和分配电能的中间环节，它主要由联结成网的送电线路、变电所、配电所和配电线路组成，通常把由输电、变电、配电设备及相应的辅助系统组成的联系发电与用电的统一整体称为电网；

在整个电网运行过程中，每个环节都需要若干电网设备的相互配合，实现电能的稳定输送，所以，电网设备在出现故障时，会将故障数据发送至云端服务器，但是，现有的电网数据管理系统只能对故障数据进行分析，确定故障发生设备的位置，而无法通过已有的故障数据分析与故障设备存在关联性的其他电网设备是否存在异常，无法及时的对其他电网设备的异常预警参数进行自动化的调整，使得容易出现整个电网的区域化故障，影响电网的正常运行；

所以，人们急需一种基于多源数据的电网数据自动化管理系统及方法来解决上述技术问题。

发明内容

本发明的目的在于提供一种基于多源数据的电网数据自动化管理系统及方法，以解决现有技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于多源数据的电网数据自动化管理方法，该管理方法包括以下步骤：

S1、电网设备通过无线传输的方式将产生的电网数据上传至云端服务器；

S2、云端服务器对接收的电网数据进行分类和整合，得到数据组；

S3、云端服务器对数据组进行分析，确定电网设备相互之间的关联性；

S4、云端服务器对接收的电网异常数据进行分析，确定异常影响度；

S5、根据S4的分析结果，对电网异常数据的参数配置进行调整并预警当前异常情况。

根据上述技术方案，在S2中，云端服务器按照电网数据的产生顺序对电网数据进行整合，按照电网数据的产生顺序进行整合的目的是为了避免因为数据传输的延迟性导致数据混乱，影响对电网数据的分析和管理难度，得到集合U＝{U₁,U₂,U₃,...,U_n}，其中，U₁,U₂,U₃,...,U_n分别表示n个电网设备所形成的电网数据集合；

第k个电网设备的电网数据集合为U_k＝{u₁,u₂,u₃,...,u_m}，其中，m表示第k个电网设备产生了m个电网数据，任意电网设备产生并上传的电网数据的数量以及时间点相同，即在统一的时间点，所有的电网设备对其当前产生的电网数据进行上传。

根据上述技术方案，在S3中，包括以下步骤：

S301、建立平面直角坐标系，并根据数据组的类型数量在平面直角坐标系上建立等量的定位轴；

在定位轴上，电网数据的定位方式根据不同类型的电网数据设定；因为无论以何种定位方式对电网数据进行定位，同一类型的电网数据都遵循统一的规律，对于电网数据后期的关联性分析并没有影响；

S302、将数据组按照不同的数据类型定位在对应的定位轴上，并赋予定位轴上的每个数据以坐标值(X_i,Y_i)；对于坐标值的赋予，是根据平面直角坐标系来确定的，因此，坐标值的赋予是统一的；

S303、对任意两个定位轴上同一时间点上传的电网数据进行处理和分析，确定任意两个定位轴所对应的电网设备之间的关联性。以便于后期根据电网设备之间的关联性进行异常电网数据的关联性判断，对未出现异常的电网数据进行提前预警，保证电网的正常运行。

根据上述技术方案，在S303中，对于电网设备之间关联性的分析如下：

当任意两个定位轴之间的夹角为180°时，对两个定位轴上同一时间点上传的电网数据之间的距离值L_i进行计算，形成集合L＝{L₁,L₂,L₃,...,L_m}；

因为当两个定位轴之间的夹角为180°时，这两个定位轴之间无法通过连线形成线段，对线段的斜率进行分析，进而通过计算距离值的方式进行关联性分析；

还可以继续采用对集合L中的距离值进行变化率分析的方式来进行关联性分析；

当集合L中任意两个相邻的距离值均满足L_i+1＝α*L_i时，判定两个定位轴所对应的电网设备之间存在关联性，其中，α表示关联系数，α∈[a,b]，其中，a和b分别表示设定的关联系数α的上下范围阈值；

因为当任意两个相邻的距离值都满足等式时，表明集合L中的距离值满足一定的规律，而这个规律是符合大数据的自然规律的，即其中一个电网数据的变化会出现另一电网数据的对应变化，因此可以判断两个定位轴对应的电网数据之间存在一定的关联性；

当任意两个定位轴之间的夹角非180°时，对两个定位轴上同一时间点上传的电网数据进行连线，形成线段，线段的斜率为K_i，组成集合K＝{K₁,K₂,K₃,...,K_m}；

当集合K中任意两个相邻的斜率均满足K_i+1＝β*K_i时，判定两个定位轴所对应的电网设备之间存在关联性，其中，β表示关联系数，β∈[c,d]，其中，c和d分别表示设定的关联系数β的上下范围阈值；

对于电网数据的斜率分析判断同样满足大数据的规律；

若任意两个定位轴之间的电网数据不满足上述条件，则表明两个定位轴所对应的电网设备支架不存在关联性。

根据上述技术方案，在S4中，包括以下步骤：

S401、云端服务器对电网设备上传的异常电网数据进行接收，并将与异常电网数据一同上传的其他电网数据定位在平面直角坐标系的定位轴上；

S402、对与异常电网数据一同上传的其他电网数据进行处理和分析，判断其他电网数据是否存在异常未报警的情况；

S403、根据S402的分析结果，确定异常电网数据对应的电网设备异常的影响程度。

根据上述技术方案，在S402中，包括以下步骤：

S402-1、将与异常电网数据存在关联性的其他电网数据筛选出来；

具体的筛选方式可以通过S303的分析方式进行，即在进行电网数据的异常分析之前，就对关联的电网设备进行关联性捆绑；

S402-2、求解其他电网数据与异常电网数据之间的距离值L_j或斜率K_j；

因为需要考虑到其他电网数据与异常电网数据在定位轴上的分布问题，若其他电网数据与异常电网数据的定位轴之间呈180°夹角，那么就计算其距离值，若其他电网数据与异常电网数据的定位轴之间呈非180°夹角，那么就计算其斜率；

S402-3、将距离值L_j或斜率K_j与上一电网数据的距离值L_m或斜率K_m进行比较，判断其是否满足L_j＝α*L_m或K_j＝β*K_m；

若其他电网数据与异常电网数据之间满足上述任一等式，则表明其他电网数据也出现了异常情况；因为在步骤S303的分析逻辑中，电网设备相互之间存在关联性的情况下，满足上述等式，在其中任一电网数据出现异常时，其他电网数据还满足上述等式的情况下，表明其他电网数据也出现了异常；

若其他电网数据与异常电网数据之间不满足上述任一等式，则表明其他电网数据可能未出现异常情况，此时，将可能未出现异常情况的电网数据与其他存在关联性的电网数据之间再进行S402-2至S402-3的分析，因为在不满足上述任一等式时，不代表其他电网数据就不存在异常情况，有可能是异常变化较小，或者是并非当前异常电网数据直接引起的异常，因此，需要采用同样的分析方式与其他电网数据之间进行分析；

S402-4、对S402-3分析出的异常电网数据进行规整，确定异常电网数据的数量以及分析出的存在异常的电网数据的数量。

根据上述技术方案，在S5中，当S4的分析结果显示异常的电网数据的数量超过设定阈值时，进行预警提醒；

对于通过分析判断出现异常的电网数据但是实际并未显示异常的电网数据，对其判断异常的阈值设置进行调整，提高电网数据异常判定的精准度。

一种自动化管理系统，该自动化管理系统包括电网设备和云端服务器，电网设备将产生的电网数据发送至云端服务器，所述云端服务器根据接收的电网数据建立分析模型，并利用分析模型对电网数据进行分析和管理。

根据上述技术方案，所述云端服务器包括数据整合模块、关联性分析模块、异常分析模块和调整预警模块；

所述数据整合模块用于对电网设备上传的电网数据进行分类整合，得到数据组；所述关联性分析单元用于对各个电网设备之间的关联性进行分析；所述异常分析模块用于当上传有异常电网数据时，分析其他电网数据是否存在异常；所述调整预警模块用于对其他电网数据的异常阈值进行调整，同时对异常电网数据的异常情况进行预警。

根据上述技术方案，所述数据整合模块包括数据分类单元、时间排序单元和集合生成单元；

所述数据分类单元用于对云端服务器接收的电网数据按照上传的电网设备不同进行分类；所述时间排序单元用于按照电网数据上传的时间顺序进行排序；所述集合生成单元用于根据排序结果生成数据组；

所述关联性分析模块包括坐标系建立单元、定位轴建立单元、数据定位单元、坐标值赋予单元和关联性分析单元；

所述坐标系建立单元用于建立平面直角坐标系；所述定位轴建立单元用于根据电网数据的类型数建立对应数量的定位轴；所述数据定位单元用于根据不同电网数据的定位方式将其定位在定位轴上；所述坐标值赋予单元用于对定位在定位轴上的电网数据赋予其平面直角坐标系上的坐标值；所述关联性分析单元用于分析电网数据相互之间的关联性；

所述异常分析模块包括数据筛选单元、数据求解单元和异常判断单元；

所述数据筛选单元用于对于异常电网数据存在关联性的其他电网数据进行筛选；所述数据求解单元用于判断其他电网数据与异常电网数据之间是否符合关联性等式；所述异常判断单元用于根据数据求解单元的分析结果判断其他电网数据是否存在异常；

所述调整预警模块包括阈值判定单元、异常预警单元和参数调整单元；

所述阈值判定单元用于判定分析的其他电网数据出现异常的数量是否超过设定阈值，以此来判断异常电网数据的影响程度；所述异常预警单元用于当其他电网数据出现异常的数量超过设定阈值时，进行已经提醒；所述参数调整单元用于当其他电网数据通过异常分析模块的分析显示出现异常时，对分析显示出现异常情况的其他电网数据的异常阈值进行调整。

与现有技术相比，本发明的有益效果是：

本发明通过对电网设备上传的电网数据进行关联性分析，确定电网设备之间的关联性，当存在电网设备上传了异常电网数据后，可以通过关联性判断是否存在其他电网数据存在异常情况，使得可以确定异常电网数据的影响程度，同时，也可以根据其他电网数据的异常分析情况，判断其他电网数据的异常判定阈值是否正常，是否需要进行阈值调整，使得后期可以更加敏锐的确定电网设备是否存在异常，以便于及时的进行检修，避免出现电网设备故障。

附图说明

图1为本发明一种基于多源数据的电网数据自动化管理系统及方法电网结构示意图；

图2为本发明一种基于多源数据的电网数据自动化管理方法的步骤流程示意图；

图3为本发明一种基于多源数据的电网数据自动化管理方法的定位轴示意图；

图4为本发明一种基于多源数据的电网数据自动化管理方法的电网数据分布示意图；

图5为本发明一种基于多源数据的电网数据自动化管理系统的模块组成示意图。

具体实施方式

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，都属于本发明保护的范围。

如图1～图5所示，本发明提供以下技术方案，一种基于多源数据的电网数据自动化管理方法，该管理方法包括以下步骤：

S1、电网设备通过无线传输的方式将产生的电网数据上传至云端服务器；

S2、云端服务器对接收的电网数据进行分类和整合，得到数据组；

在S2中，云端服务器按照电网数据的产生顺序对电网数据进行整合，按照电网数据的产生顺序进行整合的目的是为了避免因为数据传输的延迟性导致数据混乱，影响对电网数据的分析和管理难度，得到集合U＝{U₁,U₂,U₃,...,U_n}，其中，U₁,U₂,U₃,...,U_n分别表示n个电网设备所形成的电网数据集合；

第k个电网设备的电网数据集合为U_k＝{u₁,u₂,u₃,...,u_m}，其中，m表示第k个电网设备产生了m个电网数据，任意电网设备产生并上传的电网数据的数量以及时间点相同，即在统一的时间点，所有的电网设备对其当前产生的电网数据进行上传。

S3、云端服务器对数据组进行分析，确定电网设备相互之间的关联性；

在S3中，包括以下步骤：

S301、建立平面直角坐标系，并根据数据组的类型数量在平面直角坐标系上建立等量的定位轴，例如：数据组中有八组电网设备上传的不同类型的数据，则在平面直角坐标系中建立八个定位轴；

在定位轴上，电网数据的定位方式根据不同类型的电网数据设定；因为无论以何种定位方式对电网数据进行定位，同一类型的电网数据都遵循统一的规律，对于电网数据后期的关联性分析并没有影响；

S302、将数据组按照不同的数据类型定位在对应的定位轴上，并赋予定位轴上的每个数据以坐标值(X_i,Y_i)；对于坐标值的赋予，是根据平面直角坐标系来确定的，因此，坐标值的赋予是统一的；

S303、对任意两个定位轴上同一时间点上传的电网数据进行处理和分析，确定任意两个定位轴所对应的电网设备之间的关联性。以便于后期根据电网设备之间的关联性进行异常电网数据的关联性判断，对未出现异常的电网数据进行提前预警，保证电网的正常运行。

在S303中，对于电网设备之间关联性的分析如下：

当任意两个定位轴之间的夹角为180°时，对两个定位轴上同一时间点上传的电网数据之间的距离值L_i进行计算，形成集合L＝{L₁,L₂,L₃,...,L_m}；

因为当两个定位轴之间的夹角为180°时，这两个定位轴之间无法通过连线形成线段，对线段的斜率进行分析，进而通过计算距离值的方式进行关联性分析；

还可以继续采用对集合L中的距离值进行变化率分析的方式来进行关联性分析；

当集合L中任意两个相邻的距离值均满足L_i+1＝α*L_i时，判定两个定位轴所对应的电网设备之间存在关联性，其中，α表示关联系数，α∈[a,b]，其中，a和b分别表示设定的关联系数α的上下范围阈值；

因为当任意两个相邻的距离值都满足等式时，表明集合L中的距离值满足一定的规律，而这个规律是符合大数据的自然规律的，即其中一个电网数据的变化会出现另一电网数据的对应变化，因此可以判断两个定位轴对应的电网数据之间存在一定的关联性；

当任意两个定位轴之间的夹角非180°时，对两个定位轴上同一时间点上传的电网数据进行连线，形成线段，线段的斜率为K_i，组成集合K＝{K₁,K₂,K₃,...,K_m}；

当集合K中任意两个相邻的斜率均满足K_i+1＝β*K_i时，判定两个定位轴所对应的电网设备之间存在关联性，其中，β表示关联系数，β∈[c,d]，其中，c和d分别表示设定的关联系数β的上下范围阈值；

对于电网数据的斜率分析判断同样满足大数据的规律；

若任意两个定位轴之间的电网数据不满足上述条件，则表明两个定位轴所对应的电网设备支架不存在关联性。

S4、云端服务器对接收的电网异常数据进行分析，确定异常影响度；

在S4中，包括以下步骤：

S401、云端服务器对电网设备上传的异常电网数据进行接收，并将与异常电网数据一同上传的其他电网数据定位在平面直角坐标系的定位轴上；

S402、对与异常电网数据一同上传的其他电网数据进行处理和分析，判断其他电网数据是否存在异常未报警的情况；

S403、根据S402的分析结果，确定异常电网数据对应的电网设备异常的影响程度。

在S402中，包括以下步骤：

S402-1、将与异常电网数据存在关联性的其他电网数据筛选出来；

具体的筛选方式可以通过S303的分析方式进行，即在进行电网数据的异常分析之前，就对关联的电网设备进行关联性捆绑；

S402-2、求解其他电网数据与异常电网数据之间的距离值L_j或斜率K_j；

因为需要考虑到其他电网数据与异常电网数据在定位轴上的分布问题，若其他电网数据与异常电网数据的定位轴之间呈180°夹角，那么就计算其距离值，若其他电网数据与异常电网数据的定位轴之间呈非180°夹角，那么就计算其斜率；

S402-3、将距离值L_j或斜率K_j与上一电网数据的距离值L_m或斜率K_m进行比较，判断其是否满足L_j＝α*L_m或K_j＝β*K_m；

若其他电网数据与异常电网数据之间满足上述任一等式，则表明其他电网数据也出现了异常情况；因为在步骤S303的分析逻辑中，电网设备相互之间存在关联性的情况下，满足上述等式，在其中任一电网数据出现异常时，其他电网数据还满足上述等式的情况下，表明其他电网数据也出现了异常；

若其他电网数据与异常电网数据之间不满足上述任一等式，则表明其他电网数据可能未出现异常情况，此时，将可能未出现异常情况的电网数据与其他存在关联性的电网数据之间再进行S402-2至S402-3的分析，因为在不满足上述任一等式时，不代表其他电网数据就不存在异常情况，有可能是异常变化较小，或者是并非当前异常电网数据直接引起的异常，因此，需要采用同样的分析方式与其他电网数据之间进行分析；

S402-4、对S402-3分析出的异常电网数据进行规整，确定异常电网数据的数量以及分析出的存在异常的电网数据的数量。

S5、根据S4的分析结果，对电网异常数据的参数配置进行调整并预警当前异常情况。

在S5中，当S4的分析结果显示异常的电网数据的数量超过设定阈值时，进行预警提醒；

对于通过分析判断出现异常的电网数据但是实际并未显示异常的电网数据，对其判断异常的阈值设置进行调整，提高电网数据异常判定的精准度。

一种自动化管理系统，该自动化管理系统包括电网设备和云端服务器，电网设备将产生的电网数据发送至云端服务器，所述云端服务器根据接收的电网数据建立分析模型，并利用分析模型对电网数据进行分析和管理。所述电网设备包括变电站内部设备、输电线相关设备、配电站内部设备、用户家庭设备等。

所述云端服务器包括数据整合模块、关联性分析模块、异常分析模块和调整预警模块；

所述数据整合模块用于对电网设备上传的电网数据进行分类整合，得到数据组；所述关联性分析单元用于对各个电网设备之间的关联性进行分析；所述异常分析模块用于当上传有异常电网数据时，分析其他电网数据是否存在异常；所述调整预警模块用于对其他电网数据的异常阈值进行调整，同时对异常电网数据的异常情况进行预警。

所述数据整合模块包括数据分类单元、时间排序单元和集合生成单元；

所述数据分类单元用于对云端服务器接收的电网数据按照上传的电网设备不同进行分类；所述时间排序单元用于按照电网数据上传的时间顺序进行排序；所述集合生成单元用于根据排序结果生成数据组；

所述关联性分析模块包括坐标系建立单元、定位轴建立单元、数据定位单元、坐标值赋予单元和关联性分析单元；

所述坐标系建立单元用于建立平面直角坐标系；所述定位轴建立单元用于根据电网数据的类型数建立对应数量的定位轴；所述数据定位单元用于根据不同电网数据的定位方式将其定位在定位轴上；所述坐标值赋予单元用于对定位在定位轴上的电网数据赋予其平面直角坐标系上的坐标值；所述关联性分析单元用于分析电网数据相互之间的关联性；

所述异常分析模块包括数据筛选单元、数据求解单元和异常判断单元；

所述数据筛选单元用于对于异常电网数据存在关联性的其他电网数据进行筛选；所述数据求解单元用于判断其他电网数据与异常电网数据之间是否符合关联性等式；所述异常判断单元用于根据数据求解单元的分析结果判断其他电网数据是否存在异常；

所述调整预警模块包括阈值判定单元、异常预警单元和参数调整单元；

所述阈值判定单元用于判定分析的其他电网数据出现异常的数量是否超过设定阈值，以此来判断异常电网数据的影响程度；所述异常预警单元用于当其他电网数据出现异常的数量超过设定阈值时，进行已经提醒；所述参数调整单元用于当其他电网数据通过异常分析模块的分析显示出现异常时，对分析显示出现异常情况的其他电网数据的异常阈值进行调整。

实施例1：

电网设备通过无线传输的方式将产生的电网数据上传至云端服务器；

云端服务器按照电网数据的产生顺序对电网数据进行整合，得到集合U＝{U₁,U₂,U₃,...,U₈}，其中，U₁,U₂,U₃,...,U₈分别表示8个电网设备所形成的电网数据集合；

第k个电网设备的电网数据集合为U_k＝{u₁,u₂,u₃,...,u₂₀}，其中，m＝20表示第k个电网设备产生了20个电网数据，任意电网设备产生并上传的电网数据的数量以及时间点相同。

云端服务器对数据组进行分析，确定电网设备相互之间的关联性；

S301、建立平面直角坐标系，并根据数据组的类型数量在平面直角坐标系上建立等量的定位轴；

S302、将数据组按照不同的数据类型定位在对应的定位轴上，并赋予定位轴上的每个数据以坐标值(X_i,Y_i)；

S303、对任意两个定位轴上同一时间点上传的电网数据进行处理和分析，确定任意两个定位轴所对应的电网设备之间的关联性。

当任意两个定位轴之间的夹角为180°时，对两个定位轴上同一时间点上传的电网数据之间的距离值L_i进行计算，形成集合L＝{L₁,L₂,L₃,...,L₂₀}；

集合L中任意两个相邻的距离值均满足L_i+1＝1.23*L_i，判定两个定位轴所对应的电网设备之间存在关联性，其中，α＝1.23表示关联系数，α∈[a,b]＝[1.1,1.3]，其中，a＝1.1和b＝1.3分别表示设定的关联系数α的上下范围阈值；

任意两个定位轴之间的夹角非180°，对两个定位轴上同一时间点上传的电网数据进行连线，形成线段，线段的斜率为K_i，组成集合K＝{K₁,K₂,K₃,...,K₂₀}；

集合K中任意两个相邻的斜率均满足K_i+1＝0.95*K_i时，判定两个定位轴所对应的电网设备之间存在关联性，其中，β＝0.95表示关联系数，β∈[c,d]＝[0.9,1.1]，其中，c＝0.9和d＝1.1分别表示设定的关联系数β的上下范围阈值；

若任意两个定位轴之间的电网数据不满足上述条件，则表明两个定位轴所对应的电网设备支架不存在关联性。

S401、云端服务器对电网设备上传的异常电网数据进行接收，并将与异常电网数据一同上传的其他电网数据定位在平面直角坐标系的定位轴上；

S402、对与异常电网数据一同上传的其他电网数据进行处理和分析，判断其他电网数据是否存在异常未报警的情况；

S403、根据S402的分析结果，确定异常电网数据对应的电网设备异常的影响程度。

将与异常电网数据存在关联性的其他电网数据筛选出来；

求解其他电网数据与异常电网数据之间的斜率K_j；

将斜率K_j与上一电网数据的斜率K_m进行比较，判断其是否满足K_j＝0.95*K_m；

其他电网数据与异常电网数据之间满足上述任一等式，则表明其他电网数据也出现了异常情况；

对S402-3分析出的异常电网数据进行规整，确定异常电网数据的数量以及分析出的存在异常的电网数据的数量。

当S4的分析结果显示异常的电网数据的数量超过设定阈值时，进行预警提醒；

对于通过分析判断出现异常的电网数据但是实际并未显示异常的电网数据，对其判断异常的阈值设置进行调整，提高电网数据异常判定的精准度。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种基于多源数据的电网数据自动化管理方法，其特征在于，该管理方法包括以下步骤：

S1、电网设备通过无线传输的方式将产生的电网数据上传至云端服务器；

S2、云端服务器对接收的电网数据进行分类和整合，得到数据组；

S3、云端服务器对数据组进行分析，确定电网设备相互之间的关联性；

S4、云端服务器对接收的电网异常数据进行分析，确定异常影响度；

S5、根据S4的分析结果，对电网异常数据的参数配置进行调整并预警当前异常情况。

2.根据权利要求1所述的一种基于多源数据的电网数据自动化管理方法，其特征在于：在S2中，云端服务器按照电网数据的产生顺序对电网数据进行整合，得到集合U＝{U₁,U₂,U₃,...,U_n}，其中，U₁,U₂,U₃,...,U_n分别表示n个电网设备所形成的电网数据集合；

第k个电网设备的电网数据集合为U_k＝{u₁,u₂,u₃,...,u_m}，其中，m表示第k个电网设备产生了m个电网数据，任意电网设备产生并上传的电网数据的数量以及时间点相同。

3.根据权利要求2所述的一种基于多源数据的电网数据自动化管理方法，其特征在于，在S3中，包括以下步骤：

S301、建立平面直角坐标系，并根据数据组的类型数量在平面直角坐标系上建立等量的定位轴；

在定位轴上，电网数据的定位方式根据不同类型的电网数据设定；

S302、将数据组按照不同的数据类型定位在对应的定位轴上，并赋予定位轴上的每个数据以坐标值(X_i,Y_i)；

S303、对任意两个定位轴上同一时间点上传的电网数据进行处理和分析，确定任意两个定位轴所对应的电网设备之间的关联性。

4.根据权利要求3所述的一种基于多源数据的电网数据自动化管理方法，其特征在于，在S303中，对于电网设备之间关联性的分析如下：

当任意两个定位轴之间的夹角为180°时，对两个定位轴上同一时间点上传的电网数据之间的距离值L_i进行计算，形成集合L＝{L₁,L₂,L₃,...,L_m}；

当集合L中任意两个相邻的距离值均满足L_i+1＝α*L_i时，判定两个定位轴所对应的电网设备之间存在关联性，其中，α表示关联系数，α∈[a,b]，其中，a和b分别表示设定的关联系数α的上下范围阈值；

当任意两个定位轴之间的夹角非180°时，对两个定位轴上同一时间点上传的电网数据进行连线，形成线段，线段的斜率为K_i，组成集合K＝{K₁,K₂,K₃,...,K_m}；

当集合K中任意两个相邻的斜率均满足K_i+1＝β*K_i时，判定两个定位轴所对应的电网设备之间存在关联性，其中，β表示关联系数，β∈[c,d]，其中，c和d分别表示设定的关联系数β的上下范围阈值；

若任意两个定位轴之间的电网数据不满足上述条件，则表明两个定位轴所对应的电网设备支架不存在关联性。

5.根据权利要求4所述的一种基于多源数据的电网数据自动化管理方法，其特征在于，在S4中，包括以下步骤：

S401、云端服务器对电网设备上传的异常电网数据进行接收，并将与异常电网数据一同上传的其他电网数据定位在平面直角坐标系的定位轴上；

S402、对与异常电网数据一同上传的其他电网数据进行处理和分析，判断其他电网数据是否存在异常未报警的情况；

S403、根据S402的分析结果，确定异常电网数据对应的电网设备异常的影响程度。

6.根据权利要求5所述的一种基于多源数据的电网数据自动化管理方法，其特征在于，在S402中，包括以下步骤：

S402-1、将与异常电网数据存在关联性的其他电网数据筛选出来；

S402-2、求解其他电网数据与异常电网数据之间的距离值L_j或斜率K_j；

S402-3、将距离值L_j或斜率K_j与上一电网数据的距离值L_m或斜率K_m进行比较，判断其是否满足L_j＝α*L_m或K_j＝β*K_m；

若其他电网数据与异常电网数据之间满足上述任一等式，则表明其他电网数据也出现了异常情况；

若其他电网数据与异常电网数据之间不满足上述任一等式，则表明其他电网数据可能未出现异常情况，此时，将可能未出现异常情况的电网数据与其他存在关联性的电网数据之间再进行S402-2至S402-3的分析；

S402-4、对S402-3分析出的异常电网数据进行规整，确定异常电网数据的数量以及分析出的存在异常的电网数据的数量。

7.根据权利要求6所述的一种基于多源数据的电网数据自动化管理方法，其特征在于：在S5中，当S4的分析结果显示异常的电网数据的数量超过设定阈值时，进行预警提醒；

对于通过分析判断出现异常的电网数据但是实际并未显示异常的电网数据，对其判断异常的阈值设置进行调整，提高电网数据异常判定的精准度。

8.一种应用于权利要求1-7任一项所述的一种基于多源数据的电网数据自动化管理方法的自动化管理系统，其特征在于：该自动化管理系统包括电网设备和云端服务器，电网设备将产生的电网数据发送至云端服务器，所述云端服务器根据接收的电网数据建立分析模型，并利用分析模型对电网数据进行分析和管理。

9.根据权利要求8所述的自动化管理系统，其特征在于：所述云端服务器包括数据整合模块、关联性分析模块、异常分析模块和调整预警模块；

所述数据整合模块用于对电网设备上传的电网数据进行分类整合，得到数据组；所述关联性分析单元用于对各个电网设备之间的关联性进行分析；所述异常分析模块用于当上传有异常电网数据时，分析其他电网数据是否存在异常；所述调整预警模块用于对其他电网数据的异常阈值进行调整，同时对异常电网数据的异常情况进行预警。

10.根据权利要求9所述的自动化管理系统，其特征在于：所述数据整合模块包括数据分类单元、时间排序单元和集合生成单元；

所述数据分类单元用于对云端服务器接收的电网数据按照上传的电网设备不同进行分类；所述时间排序单元用于按照电网数据上传的时间顺序进行排序；所述集合生成单元用于根据排序结果生成数据组；

所述关联性分析模块包括坐标系建立单元、定位轴建立单元、数据定位单元、坐标值赋予单元和关联性分析单元；

所述坐标系建立单元用于建立平面直角坐标系；所述定位轴建立单元用于根据电网数据的类型数建立对应数量的定位轴；所述数据定位单元用于根据不同电网数据的定位方式将其定位在定位轴上；所述坐标值赋予单元用于对定位在定位轴上的电网数据赋予其平面直角坐标系上的坐标值；所述关联性分析单元用于分析电网数据相互之间的关联性；

所述异常分析模块包括数据筛选单元、数据求解单元和异常判断单元；

所述数据筛选单元用于对于异常电网数据存在关联性的其他电网数据进行筛选；所述数据求解单元用于判断其他电网数据与异常电网数据之间是否符合关联性等式；所述异常判断单元用于根据数据求解单元的分析结果判断其他电网数据是否存在异常；

所述调整预警模块包括阈值判定单元、异常预警单元和参数调整单元；

所述阈值判定单元用于判定分析的其他电网数据出现异常的数量是否超过设定阈值，以此来判断异常电网数据的影响程度；所述异常预警单元用于当其他电网数据出现异常的数量超过设定阈值时，进行已经提醒；所述参数调整单元用于当其他电网数据通过异常分析模块的分析显示出现异常时，对分析显示出现异常情况的其他电网数据的异常阈值进行调整。