CN117349778B - 一种基于物联网的用电设备在线实时监测系统 - Google Patents
一种基于物联网的用电设备在线实时监测系统 Download PDFInfo
- Publication number
- CN117349778B CN117349778B CN202311640708.9A CN202311640708A CN117349778B CN 117349778 B CN117349778 B CN 117349778B CN 202311640708 A CN202311640708 A CN 202311640708A CN 117349778 B CN117349778 B CN 117349778B
- Authority
- CN
- China
- Prior art keywords
- data
- fluctuation
- interval
- correction
- data segment
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 50
- 230000006855 networking Effects 0.000 title claims description 3
- 238000012937 correction Methods 0.000 claims abstract description 122
- 230000002159 abnormal effect Effects 0.000 claims abstract description 93
- 230000005856 abnormality Effects 0.000 claims description 74
- 230000000875 corresponding effect Effects 0.000 claims description 60
- 239000006185 dispersion Substances 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 29
- 238000010606 normalization Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
- G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
- G01R19/16576—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533 comparing DC or AC voltage with one threshold
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- 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
- 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]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
Abstract
本发明涉及电压数据监测技术领域,具体涉及一种基于物联网的用电设备在线实时监测系统。该系统包括数据段获取模块,用于获取电压时序数据中的波动数据段和稳定数据段;修正必要性获取模块,用于根据稳定数据段相邻的波动数据段的局部数据离散分布情况,获得稳定数据段的修正必要性;修正度获取模块,用于获取每个稳定数据段对应得波动区间,根据波动区间中数据分布的偏差程度,获得波动区间的异常修正性并结合修正必要性,获得波动区间的修正度;数据监测模块,用于根据波动区间中数据的离散程度和修正度以及数据分布情况,确定异常点进行监测。本发明通过局部数据的离散分布影响,提高异常数据的检测精确度,使电压的监测结果更可靠。
Description
技术领域
本发明涉及电压数据监测技术领域,具体涉及一种基于物联网的用电设备在线实时监测系统。
背景技术
对用电设备在线实时监测是为了保证在用电设备运行过程中,可以及时发现设备出现的异常情况,对设备健康进行判断,避免停电事故,提高供电可靠性。同时对用电设备进行监测可以减轻维护人员的负担,进行简单的设备维护,当发生异常时,也能够及时采取措施避免设备和人身安全的事故发生,因此对用电设备的数据监测是极为重要。
用电设备在使用过程中的电压是处于稳定范围内的,由于电压传感器在采集时,会产生一定的噪声,而噪声的出现和电压数据本身的浮动特点,会使现有通过箱线图根据数据离散分布性进行异常检测的方法存在误差,受到噪声影响较大,且对小波动异常检测不准确,使得异常电压数据的检测不准确,对电压数据监测结果不可靠。
发明内容
为了解决现有技术中异常数据的检测不准确,数据监测结果不可靠的技术问题,本发明的目的在于提供一种基于物联网的用电设备在线实时监测系统,所采用的技术方案具体如下:
本发明提供了一种基于物联网的用电设备在线实时监测系统,所述系统包括:
数据段获取模块,用于获取用电设备在预设时间段上的电压时序数据;根据电压时序数据中数据波动情况获取波动数据段和稳定数据段;波动数据段和稳定数据段交替分布;
修正必要性获取模块,用于根据每个波动数据段的长度以及对应波动数据段与每个相邻稳定数据段的数据分布离散情况,获得每个波动数据段的波动异常性;根据每个稳定数据段相邻的波动数据段的波动异常性,获得每个稳定数据段的修正必要性;
修正度获取模块,用于将每个稳定数据段与对应相邻的所有波动数据段作为每个波动区间;根据波动区间中数据分布的偏差程度,获得每个波动区间的异常修正性;根据每个波动区间的异常修正性和对应的稳定数据段的修正必要性,获得每个波动区间的修正度;
数据监测模块,用于根据每个波动区间中数据的离散程度和修正度,获得每个波动区间的修正离散度;根据每个波动区间的修正离散度和数据分布情况对每个波动区间中的数据进行分析,确定异常点;根据异常点的分布情况确定用电设备的监测结果。
进一步地,所述波动异常性的获取方法包括:
对于任意一个波动数据段,将该波动数据段的长度作为该波动数据段的波动长度指标;将该波动数据段分别与每个相邻的稳定数据段组合,获得每个影响区间;将每个影响区间中数据的四分位距,作为每个影响区间的波动度;
当该波动数据段存在对应的两个影响区间时,将两个影响区间之间的波动度的差异作为该波动数据的波动离散指标;否则,将预设波动离散指标作为该波动数据段的波动离散指标;所述预设波动离散指标为非负数;
根据该波动数据段的波动长度指标和波动离散指标,获得该波动数据段的波动异常性;波动长度指标和波动离散指标均与波动异常性呈正相关。
进一步地,所述修正必要性的获取方法包括:
对于任意一个稳定数据段,计算与该稳定数据段相邻的波动数据段的波动异常性的平均值,获得该稳定数据段的修正必要性。
进一步地,所述异常修正性的获取方法包括:
依次将每个波动区间作为目标区间,获取目标区间中数据的箱形图;依次将目标区间对应的箱形图中除中位数对应数据点外的每个数据点作为参考数据点,将参考数据点的数据值与中位数之间的数据值差异,作为参考数据点的数值异常度;
在目标区间对应的箱形图中,获取参考数据点关于中位数对应数据点对称的参考对称点;当箱形图中的数据点在参考对称点的预设邻域范围内时,将对应的数据点记为参考数据点的近似分布点;将每个近似分布点与参考对称点之间的数据值差异,作为参考数据点的每个分布差异度;根据参考数据点的所有分布差异度,获得参考数据点的分布异常度;
将参考数据点的数值异常度和分布异常度的乘积,作为参考数据点的数据异常度;
计算目标区域中所有数据异常度的累加值并进行归一化处理,获得目标区域的异常修正性。
进一步地,所述根据参考数据点的所有分布差异度,获得参考数据点的分布异常度,包括:
根据参考数据点的每个分布差异度,获得参考数据点的每个分布近似度;分布差异度与分布近似度呈负相关;
将参考数据点的所有分布近似度的累加值,作为参考数据点的分布异常度。
进一步地,所述修正度的获取方法包括:
对于任意一个波动区间,将该波动区间中的稳定数据段对应的修正必要性与该波动区间的异常修正性的乘积进行归一化处理,获得该波动区间的修正度。
进一步地,所述修正离散度的获取方法包括:
计算每个波动区间的四分位距,获得每个波动区间的离散度;将每个波动区间的离散度与修正度的乘积作为每个波动区间的修正值;
将每个波动区间的离散度与修正值的和值进行归一化处理,获得每个波动区间的修正离散度。
进一步地,所述异常点的获取方法包括:
对于任意一个波动区间,将该波动区间的修正离散度与预设异常系数的乘积,作为该波动区间的异常调整值;
将该波动区间的上四分位数作为该波动区间的初始异常上限指标,计算该波动区间的初始异常上限指标与异常调整值的差值,获得该波动区间的最终异常上限指标;将该波动区间的下四分位数作为该波动区间的初始异常下限指标,计算该波动区间的初始异常下限指标与异常调整值的和值,获得该波动区间的最终异常下限指标;
将该波动区间中数据点的数据值大于最终异常上限指标或小于最终异常下限指标的数据点,作为异常点。
进一步地,所述根据异常点的分布情况确定用电设备的监测结果,包括:
获取电压时序数据中的所有异常点;当时序上存在连续预设异常数量个异常点时,将用电设备的监测结果记为异常;否则,将用电设备的监测结果记为正常。
进一步地,所述根据电压时序数据中数据波动情况获取波动数据段和稳定数据段,包括:
当电压时序数据中数据的数据值大于预设电压上限值或小于预设电压下限值时,将对应的数据作为波动数据点,否则,将对应的数据作为稳定数据点;
在时序上,将电压时序数据中第一个波动数据点作为波动数据段的起点,依次将起点后的每个数据作为待分段数据点;当待分段数据点后存在连续预设数量个稳定数据点时,将对应待分段数据点作为波动数据段的终点;根据波动数据段的起点和终点获得一个波动数据段;
将波动数据段后的第一个波动数据点作为新的波动数据段的起点,迭代获得电压时序数据中所有的波动数据段;将每两个波动数据段之间的数据作为稳定数据段。
本发明具有如下有益效果:
本发明通过对电压时序数据进行分段分析,对每个稳定数据段分析邻近波动数据段本身的波动异常性对其的影响,得到每个稳定数据段的修正必要性,修正必要性能够体现出稳定数据段可能受到波动影响产生导致异常未被检测出的可能性,以便于后续调整检测精度。进一步考虑到波动中的噪声点或异常点的影响情况不同,先将对稳定数据段进行影响的相邻波动数据段组合获得波动区间,在波动区间中根据数据分布的偏差程度,获得异常修正性,也即排除噪声点的影响仅根据可能异常的数据异常程度分析,得到修正必要性的可信程度,最终得到修正度。最终根据修正度和波动区间中数据离散情况,得到基于数据段本身波动情况进行修正的修正离散度,进一步结合分布情况更细节调整数据的异常标准,能够将波动程度小的异常点也筛选出来,进行更精确的数据监测。本发明通过局部数据之间的分布影响情况,提高异常电压数据的检测精确度,使电压数据的监测结果更可靠。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例所提供的一种基于物联网的用电设备在线实时监测系统结构图。
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基于物联网的用电设备在线实时监测系统,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基于物联网的用电设备在线实时监测系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于物联网的用电设备在线实时监测系统结构图,该系统包括:数据段获取模块101,修正必要性获取模块102,修正度获取模块103,数据监测模块104。
数据段获取模块101,用于获取用电设备在预设时间段上的电压时序数据;根据电压时序数据中数据波动情况获取波动数据段和稳定数据段;波动数据段和稳定数据段交替分布。
当用电设备在工作过程中,电压通常会维持在一个比较稳定的范围,而受到工作环境的影响,传感器采集数据时会出现一定的噪声,当存在异常数据时,噪声的出现将影响对真实异常的判断,且因为采集的电压数据本身具有的一定离散性,会导致一些较小程度的异常容易被忽略,不能及时被监测,因此需要根据电压数据中数据分布情况进行异常监测的调整。
在本发明实施例中,通过电压传感器获取用电设备在预设时间段上的电压时序数据,电压时序数据中的每个数据即为传感器采集得到的每个电压数据,其中预设时间段为3小时,具体数值实施者可根据具体实施情况进行调整,在此不做限制。需要说明的是,传感器采集时序数据为本领域技术人员熟知的技术手段,在此不做赘述。
在通常情况下,采集的电压数据可能会在一定范围内浮动,但是当数据的波动程度较大时,将认为其数据可能出现异常,首先根据可能出现异常的情况对数据进行分段,进而根据分段后的数据分布离散情况进行更局部精细的异常数据判断。即根据电压时序数据中数据波动情况获取波动数据段和稳定数据段,波动数据段和稳定数据段交替分布。
优选地,当电压时序数据中数据的数据值大于预设电压上限值或小于预设电压下限值时,说明数据的偏离程度较大,将对应的数据作为波动数据点,否则,认为其数据在稳定范围内,将对应的数据作为稳定数据点。在本发明实施例中,预设电压上限值和小于预设电压下限值设置为用电设备的额定电压的上下10%,例如,当额定电压为220V时,预设电压上限值为242V,预设电压下限值为198V,实施者可根据具体实施情况进行调整,在此不做限制。
进一步地,在时序上,依次获取所有的波动数据段,将电压时序数据中第一个波动数据点作为波动数据段的起点,依次将起点后的每个数据作为待分段数据点,也即将起点后的数据按照时序顺序依次作为待分段数据点进行分析。当待分段数据点后存在连续预设数量个稳定数据点时,说明对应待分段数据点后面存在稳定的电压数据,则停止向后分许,将对应待分段数据点作为波动数据段的终点,根据波动数据段的起点和终点获得一个波动数据段,也即起点和终点之间的数据均为一个波动数据段中的数据。在本发明实施例中,预设数量设置为20,具体数值实施者可自行调控。
将波动数据段后的第一个波动数据作为新的波动数据段的起点,依据一个波动数据段的获取方法,迭代获得所有波动数据段,将每两个波动数据段之间的数据作为稳定数据段,使波动数据段和稳定数据段呈交替分布。
至此,获得电压时序数据中的波动数据段和稳定数据段,基于波动数据段和邻近的稳定数据段可以进一步分析数据局部离散情况。
修正必要性获取模块102,用于根据每个波动数据段的长度以及对应波动数据段与每个相邻稳定数据段的数据分布离散情况,获得每个波动数据段的波动异常性;根据每个稳定数据段相邻的波动数据段的波动异常性,获得每个稳定数据段的修正必要性。
由于噪声数据相对于电压数据,在时序数据中通常具有突发,即比例较小的情况,因此通过波动数据段整体数据的分布情况,首先根据异常性得到对数据的修正必要性,因此首先从噪声的程度分析,根据每个波动数据段的长度以及对应波动数据段与每个相邻稳定数据段的数据分布离散情况,获得每个波动数据段的波动异常性。
优选地,对于任意一个波动数据段,对所有的波动数据段均进行相同的分析,将该波动数据段的长度作为该波动数据段的波动长度指标,通过波动长度指标反映出可能异常的数据段持续的时长。将该波动数据段分别与每个相邻的稳定数据段组合,获得每个影响区间,由于出现异常的电压将会对设备等噪声影响,因此相邻的稳定数据段中的数据也会受到影响,因此将波动数据段分别与相邻的稳定数据段组合分析。将每个影响区间中数据的四分位距,作为每个影响区间的波动度,四分位距为影响区间中数据的上四分位数和下四分位数的差值,四分位距能反映数据的离散程度,需要说明的是,四分位距为本领域技术人员熟知的技术手段,在此不做赘述。
进一步地,当该波动数据段存在对应的两个影响区间时,对于除分布在首尾外的波动数据段,均存在两个相邻的稳定数据段,也即存在两个影响区间,将两个影响区间之间的波动度的差异作为该波动数据的波动离散指标,通过波动离散指标反映影响区间中数据离散的差异情况。否则,说明该波动数据段为可能分布在首尾的波动数据段,将预设波动离散指标作为该波动数据段的波动离散指标,在本发明实施例中,预设波动离散指标为非负数,将预设波动离散指标设置为0,差异的计算为差值绝对值,实施者可根据具体实施情况进行调整,在此不做限制。
根据该波动数据段的波动长度指标和波动离散指标,获得该波动数据段的波动异常性,当波动长度指标越大,说明该波动数据段对应为异常的可能性越大,当波动离散指标越大,说明该波动数据段越可能对稳定数据段产生了影响。波动长度指标和波动离散指标均与波动异常性呈正相关,在本发明实施例中,波动异常性的表达式为:
式中,表示为第/>个波动数据段的波动异常性,/>表示为第/>个波动数据段的波动长度指标,/>表示为第/>个波动数据段对应第一个影响区间的波动度,/>表示为第个波动数据段对应第二个影响区间的波动度,/>表示为绝对值提取函数。
其中,表示为第/>个波动数据段的波动离散指标,通过加法的形式反映波动长度指标和波动离散指标均与波动异常性呈正相关,当波动长度指标越大,波动离散指标越大,则波动异常性越大,说明该波动数据段中的数据可能为异常数据引起的波动。需要说明的是,本发明实施例中所有参与计算的数值均已进行去量纲处理,去量纲为本领域技术人员数值的技术手段,如归一化等,在此不做赘述。在本发明其他实施例中,也可采用其他基础数学运算反映波动长度指标和波动离散指标均与波动异常性呈正相关,如乘法等,在此不做限制。
由于每个稳定数据段中可能由于用电设备已经发生异常,其中存在微小的异常数据并未被发现,因此每个稳定数据段相邻的波动数据段的波动异常性均反应出稳定数据段中进行数据修正的必要性,尽可能提高异常检测精度,即根据每个稳定数据段相邻的波动数据段的波动异常性,获得每个稳定数据段的修正必要性。
优选地,对于任意一个稳定数据段,对所有的稳定数据段均进行相同的分析,计算与该稳定数据段相邻的波动数据段的波动异常性的平均值,获得该稳定数据段的修正必要性,在本发明实施例中,修正必要性的表达式为:
式中,表示为第/>个稳定数据段的修正必要性,/>表示为第/>个与第/>个稳定数据段相邻的波动数据段的波动异常性,/>表示为与第/>个稳定数据段相邻的波动数据段的数量。
正常分布下每个稳定数据段具有两个相邻波动数据段,当稳定数据段分布在首尾时,存在稳定数据段只具有一个相邻波动数据段的情况。通过对每个稳定数据段受到波动数据段异常情况的影响,得到每个稳定数据段对应的修正必要性,提高对小异常情况的准确检测。
修正度获取模块103,用于将每个稳定数据段与对应相邻的所有波动数据段作为每个波动区间;根据波动区间中数据分布的偏差程度,获得每个波动区间的异常修正性;根据每个波动区间的异常修正性和对应的稳定数据段的修正必要性,获得每个波动区间的修正度。
由于噪声点多为在数据的一侧波动,而异常点由于电压数据的波动情况,在数据偏离上会关于额定电压呈对称偏离分布,因此通过真正异常点的可能性对修正必要性进行修正,得到真正的修正度,首先将每个稳定数据段与对应相邻的所有波动数据段作为每个波动区间,由于每个稳定数据段受相邻波动数据段中异常数据的影响,会产生需要修正的数据偏离情况进行异常检测,因此将每个稳定数据段和相邻波动数据段组合分析,正常分布下每个稳定数据段具有两个相邻波动数据段,此时波动区间由稳定数据段和对应相邻的两个波动数据段组成,当稳定数据段分布在首尾时,存在稳定数据段只具有一个相邻波动数据段的情况,此时波动区间由稳定数据段和对应相邻的一个波动数据段组成。
进一步,根据波动区间中数据分布的偏差程度,获得每个波动区间的异常修正性,优选地,依次将每个波动区间作为目标区间,获取目标区间中数据的箱形图,通过箱形图反映数据的离散分布情况,对每个数据点的分布状态进行分析。依次将目标区间对应的箱形图中除中位数对应数据点外的每个数据点作为参考数据点,由于异常点的数量将会小于正常点,因此箱形图中处于中位数的点为正常稳定的数据点,不进行波动程度分析,对其余数据点均进行同样的分析。需要说明的是,箱形图为本领域技术人员熟知的技术手段,在此不做赘述。
进一步地,将参考数据点的数据值与中位数之间的数据值差异,作为参考数据点的数值异常度,从参考数据点本身与中位数之间的数据差异程度分析,当与中位数之间的差异越大,说明对应参考数据点的偏离程度越高,异常性越强。
根据异常点相对于噪声点对于中位数存在对称性分布的特点,进一步,在目标区间对应的箱形图中,获取参考数据点关于中位数对应数据点对称的参考对称点,在本发明一个实施例中,在参考数据点所在箱形图中,将中位数对应数据点所在直线作为垂直平分线,获取参考数据点为端点的参考连线段,也即中位数对应数据点所在直线为参考连线段的垂直平分线,参考连线段的另一端点即为参考对称点,参考数据点和参考对称点关于中位数呈数值对称的情况。需要说明的是,参考对称点并不是实际采样得到的数据点,通过箱线图中的数据值分布情况结合参考数据点数值位置和中位数位置进行获取,具体对称点的获取方法在此不做限制。
进一步地,当箱形图中的数据点在参考对称点的预设邻域范围内时,将对应的数据点记为参考数据点的近似分布点,由于完全对称的点可能并不存在,因此通过范围内的点进行分布程度的分析,在本发明实施例中,预设邻域范围的大小设置为3,也即在箱形图中参考对称点对应数值的前后3数值的范围内作为参考对阵点的预设邻域范围,实施者可根据具体实施情况进行调整,在此不做限制。
将每个近似分布点与参考对称点之间的数据值差异,作为参考数据点的每个分布差异度,当近似分布点与参考对称点在数据值上越接近,说明其分布可信度越高,参考数据点呈对称分布的可能性越高,根据参考数据点的所有分布差异度,获得参考数据点的分布异常度,在本发明一个实施例中,根据参考数据点的每个分布差异度,获得参考数据点的每个分布近似度,分布差异度与分布近似度呈负相关,将参考数据点的所有分布近似度的累加值,作为参考数据点的分布异常度,通过分布异常度反映参考数据点关于中位数呈对称分布的程度。
进一步地,将该数据点的数值异常度和分布异常度的乘积,作为该数据点的数据异常度,通过数值异常和分布异常两个方面综合得到数据的异常性,计算目标区域中所有数据异常度的累加值并进行归一化处理,获得目标区域的异常修正性,当异常修正性越高,说明目标区域中的数据异常程度越大,修正可靠性强,在本发明实施例中,异常修正性的表达式为:
式中,表示为第/>个波动区域的异常修正性,/>表示为第/>个波动区域中除中位数对应数据点外的数据点的总数量,/>表示为第/>个除中位数对应数据点外的数据点的数据值,/>表示为第/>个波动区域中的中位数,/>表示为第/>个除中位数对应数据点外的数据点的近似分布点的总数量,/>表示为第/>个除中位数对应数据点外的数据点的参考对称点,表示为第/>个除中位数对应数据点外的数据点对应的第/>个近似分布点的数据值,/>表示为绝对值提取函数,/>表示为归一化函数,需要说明的是,归一化为本领域技术人员熟知的技术手段,归一化函数的选择可以为线性归一化或标准归一化等,具体的归一化方法在此不做限定。
其中,表示为第/>个除中位数对应数据点外的数据点的数值异常度,表示为第/>个除中位数对应数据点外的数据点对应的第/>个近似分布点对应的分布近似度,/>表示为第/>个除中位数对应数据点外的数据点的分布异常度,表示为第/>个除中位数对应数据点外的数据点的数据异常度。
波动区域中数据的数据异常度越高,对应异常修正性越大,说明修正必要性中异常影响的可靠性更强,修正程度更可信。因此根据每个波动区间的异常修正性和对应的稳定数据段的修正必要性,获得每个波动区间的修正度。优选地,对于任意一个波动区间,对于所有的波动区间均进行相同的分析,将该波动区间中的稳定数据段对应的修正必要性与该波动区间的异常修正性的乘积进行归一化处理,获得该波动区间的修正度。
至此,通过局部波动情况的分析,结合波动影响和波动中的异常程度,得到每个波动区间的修正度,进一步对异常检测的标准进行修正。
数据监测模块104,用于根据每个波动区间中数据的离散程度和修正度,获得每个波动区间的修正离散度;根据每个波动区间的修正离散度和数据分布情况对每个波动区间中的数据进行分析,确定异常点;根据异常点的分布情况确定用电设备的监测结果。
结合每个波动区间中数据的离散程度,也即数据本身的数据波动情况和分析得到的修正度,得到修正离散度,通过修正离散度反映修正后的波动数据的分布离散情况。即根据每个波动区间中数据的离散程度和修正度,获得每个波动区间的修正离散度。
优选地,计算每个波动区间的四分位距,获得每个波动区间的离散度,通过离散度反映波动区间的数据波动的范围程度,将每个波动区间的离散度与修正度的乘积作为每个波动区间的修正值,将每个波动区间的离散度与修正值的和值进行归一化处理,获得每个波动区间的修正离散度,通过修正后且归一化处理的数据波动范围程度,反映异常指标需要调整的程度。在本发明实施例中,修正离散度的表达式为:
式中,表示为第/>个波动区域的修正离散度,/>表示为第/>个波动区域的离散度,表示为第/>个波动区域的修正度,/>表示为归一化函数。
其中,表示为第/>个波动区域的修正值,当修正离散度越大,说明波动区间中异常影响因素较高,需要调整异常检测的精度进行异常检测,得到更准确的异常点,因此进一步根据每个波动区间的修正离散度和数据分布情况对每个波动区间中的数据进行分析,确定异常点。
优选地,对于任意一个波动区间,对每个波动区间中的数据进行单独的调整监测,提高局部异常的分析精确度,将该波动区间的修正离散度与预设异常系数的乘积,作为该波动区间的异常调整值。在本发明实施例中,预设异常系数为1.5,具体数值实施者可以根据具体实施情况进行调整。
进一步地,将该波动区间的上四分位数作为该波动区间的初始异常上限指标,计算该波动区间的初始异常上限指标与异常调整值的差值,获得该波动区间的最终异常上限指标,缩小上限指标。将该波动区间的下四分位数作为该波动区间的初始异常下限指标,计算该波动区间的初始异常下限指标与异常调整值的和值,获得该波动区间的最终异常下限指标,提高下限指标。在本发明实施例中,最终异常上限指标和最终异常下限指标的表达式为:
式中,表示为第/>个波动区域的最终异常上限指标,/>表示为第/>个波动区域的最终异常下限指标,/>表示为第/>个波动区域的初始异常上限指标,/>表示为第/>个波动区域的初始异常下限指标,/>表示为第/>个波动区域的修正离散度,/>表示为预设异常系数。其中,/>表示为第/>个波动区域的异常调整值。
进一步地,将该波动区间中数据点的数据值大于最终异常上限指标或小于最终异常下限指标的数据点,作为该波动区间的异常点,更准确获取了异常点。根据异常点的分布情况确定用电设备的监测结果。
优选地,获取电压时序数据中的所有异常点,通过异常点进行电压数据的监测判断,当时序上存在连续预设异常数量个异常点时,说明异常状态影响明显,设备出现故障,将用电设备的监测结果记为异常;否则,将用电设备的监测结果记为正常,完成监测。在本发明实施例中,预设异常数量设置为3,具体数值实施者可自行调控。
综上,本发明通过对电压时序数据进行分段分析,对每个稳定数据段分析邻近波动数据段本身的波动异常性对其的影响,得到每个稳定数据段的修正必要性,修正必要性能够体现出稳定数据段可能受到波动影响产生导致异常未被检测出的可能性,以便于后续调整检测精度。进一步考虑到波动中的噪声点或异常点的影响情况不同,先将对稳定数据段进行影响的相邻波动数据段组合获得波动区间,在波动区间中根据数据分布的偏差程度,获得异常修正性,也即排除噪声点的影响仅根据可能异常的数据异常程度分析,得到修正必要性的可信程度,最终得到修正度。最终根据修正度和波动区间中数据离散情况,得到基于数据段本身波动情况进行修正的修正离散度,进一步结合分布情况更细节调整数据的异常标准,能够将波动程度小的异常点也筛选出来,进行更精确的数据监测。本发明通过局部数据之间的分布影响情况,提高异常电压数据的检测精确度,使电压数据的监测结果更可靠。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (7)
1.一种基于物联网的用电设备在线实时监测系统,其特征在于,所述系统包括:
数据段获取模块,用于获取用电设备在预设时间段上的电压时序数据;根据电压时序数据中数据波动情况获取波动数据段和稳定数据段;波动数据段和稳定数据段交替分布;
修正必要性获取模块,用于根据每个波动数据段的长度以及对应波动数据段与每个相邻稳定数据段的数据分布离散情况,获得每个波动数据段的波动异常性;根据每个稳定数据段相邻的波动数据段的波动异常性,获得每个稳定数据段的修正必要性;
所述波动异常性的获取方法包括:
对于任意一个波动数据段,将该波动数据段的长度作为该波动数据段的波动长度指标;将该波动数据段分别与每个相邻的稳定数据段组合,获得每个影响区间;将每个影响区间中数据的四分位距,作为每个影响区间的波动度;
当该波动数据段存在对应的两个影响区间时,将两个影响区间之间的波动度的差异作为该波动数据的波动离散指标;否则,将预设波动离散指标作为该波动数据段的波动离散指标;所述预设波动离散指标为非负数;
根据该波动数据段的波动长度指标和波动离散指标,获得该波动数据段的波动异常性;波动长度指标和波动离散指标均与波动异常性呈正相关;
所述修正必要性的获取方法包括:
对于任意一个稳定数据段,计算与该稳定数据段相邻的波动数据段的波动异常性的平均值,获得该稳定数据段的修正必要性;
修正度获取模块,用于将每个稳定数据段与对应相邻的所有波动数据段作为每个波动区间;根据波动区间中数据分布的偏差程度,获得每个波动区间的异常修正性;根据每个波动区间的异常修正性和对应的稳定数据段的修正必要性,获得每个波动区间的修正度;
所述异常修正性的获取方法包括:
依次将每个波动区间作为目标区间,获取目标区间中数据的箱形图;依次将目标区间对应的箱形图中除中位数对应数据点外的每个数据点作为参考数据点,将参考数据点的数据值与中位数之间的数据值差异,作为参考数据点的数值异常度;
在目标区间对应的箱形图中,获取参考数据点关于中位数对应数据点对称的参考对称点;当箱形图中的数据点在参考对称点的预设邻域范围内时,将对应的数据点记为参考数据点的近似分布点;将每个近似分布点与参考对称点之间的数据值差异,作为参考数据点的每个分布差异度;根据参考数据点的所有分布差异度,获得参考数据点的分布异常度;
将参考数据点的数值异常度和分布异常度的乘积,作为参考数据点的数据异常度;
计算目标区域中所有数据异常度的累加值并进行归一化处理,获得目标区域的异常修正性;
数据监测模块,用于根据每个波动区间中数据的离散程度和修正度,获得每个波动区间的修正离散度;根据每个波动区间的修正离散度和数据分布情况对每个波动区间中的数据进行分析,确定异常点;根据异常点的分布情况确定用电设备的监测结果。
2.根据权利要求1所述一种基于物联网的用电设备在线实时监测系统,其特征在于,所述根据参考数据点的所有分布差异度,获得参考数据点的分布异常度,包括:
根据参考数据点的每个分布差异度,获得参考数据点的每个分布近似度;分布差异度与分布近似度呈负相关;
将参考数据点的所有分布近似度的累加值,作为参考数据点的分布异常度。
3.根据权利要求1所述一种基于物联网的用电设备在线实时监测系统,其特征在于,所述修正度的获取方法包括:
对于任意一个波动区间,将该波动区间中的稳定数据段对应的修正必要性与该波动区间的异常修正性的乘积进行归一化处理,获得该波动区间的修正度。
4.根据权利要求1所述一种基于物联网的用电设备在线实时监测系统,其特征在于,所述修正离散度的获取方法包括:
计算每个波动区间的四分位距,获得每个波动区间的离散度;将每个波动区间的离散度与修正度的乘积作为每个波动区间的修正值;
将每个波动区间的离散度与修正值的和值进行归一化处理,获得每个波动区间的修正离散度。
5.根据权利要求1所述一种基于物联网的用电设备在线实时监测系统,其特征在于,所述异常点的获取方法包括:
对于任意一个波动区间,将该波动区间的修正离散度与预设异常系数的乘积,作为该波动区间的异常调整值;
将该波动区间的上四分位数作为该波动区间的初始异常上限指标,计算该波动区间的初始异常上限指标与异常调整值的差值,获得该波动区间的最终异常上限指标;将该波动区间的下四分位数作为该波动区间的初始异常下限指标,计算该波动区间的初始异常下限指标与异常调整值的和值,获得该波动区间的最终异常下限指标;
将该波动区间中数据点的数据值大于最终异常上限指标或小于最终异常下限指标的数据点,作为异常点。
6.根据权利要求1所述一种基于物联网的用电设备在线实时监测系统,其特征在于,所述根据异常点的分布情况确定用电设备的监测结果,包括:
获取电压时序数据中的所有异常点;当时序上存在连续预设异常数量个异常点时,将用电设备的监测结果记为异常;否则,将用电设备的监测结果记为正常。
7.根据权利要求1所述一种基于物联网的用电设备在线实时监测系统,其特征在于,所述根据电压时序数据中数据波动情况获取波动数据段和稳定数据段,包括:
当电压时序数据中数据的数据值大于预设电压上限值或小于预设电压下限值时,将对应的数据作为波动数据点,否则,将对应的数据作为稳定数据点;
在时序上,将电压时序数据中第一个波动数据点作为波动数据段的起点,依次将起点后的每个数据作为待分段数据点;当待分段数据点后存在连续预设数量个稳定数据点时,将对应待分段数据点作为波动数据段的终点;根据波动数据段的起点和终点获得一个波动数据段;
将波动数据段后的第一个波动数据点作为新的波动数据段的起点,迭代获得电压时序数据中所有的波动数据段;将每两个波动数据段之间的数据作为稳定数据段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311640708.9A CN117349778B (zh) | 2023-12-04 | 2023-12-04 | 一种基于物联网的用电设备在线实时监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311640708.9A CN117349778B (zh) | 2023-12-04 | 2023-12-04 | 一种基于物联网的用电设备在线实时监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117349778A CN117349778A (zh) | 2024-01-05 |
CN117349778B true CN117349778B (zh) | 2024-02-20 |
Family
ID=89356022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311640708.9A Active CN117349778B (zh) | 2023-12-04 | 2023-12-04 | 一种基于物联网的用电设备在线实时监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117349778B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117517596B (zh) * | 2024-01-08 | 2024-03-15 | 辽宁中消安全设备有限公司 | 基于物联网的可燃及有毒有害气体实时监测方法及系统 |
CN117648587B (zh) * | 2024-01-29 | 2024-04-02 | 深圳市爱宝科技有限公司 | 一种电机堵转高灵敏度检测方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103631681A (zh) * | 2013-12-10 | 2014-03-12 | 国家电网公司 | 一种在线修复风电场异常数据的方法 |
CN109100125A (zh) * | 2018-06-28 | 2018-12-28 | 中国直升机设计研究所 | 一种旋转放大器输出信号修正方法 |
CN110263866A (zh) * | 2019-06-24 | 2019-09-20 | 苏州智睿新能信息科技有限公司 | 一种基于深度学习的电力用户负荷区间预测方法 |
CN110503211A (zh) * | 2019-08-22 | 2019-11-26 | 贵州电网有限责任公司 | 基于机器学习的缺陷预测方法 |
CN111461409A (zh) * | 2020-03-10 | 2020-07-28 | 国网山西省电力公司经济技术研究院 | 一种中长期负荷数据的异常值处理方法 |
CN113837324A (zh) * | 2021-11-25 | 2021-12-24 | 四川瑞康智慧能源有限公司 | 电量数据监测方法、系统、存储介质和电子设备 |
WO2022026022A1 (en) * | 2020-07-31 | 2022-02-03 | Microsoft Technology Licensing, Llc | Model selection and parameter estimation for anomaly detection |
CN114662322A (zh) * | 2022-03-29 | 2022-06-24 | 国网福建省电力有限公司超高压分公司 | 一种变压器油位异常在线监测与故障诊断方法及系统 |
KR20230090536A (ko) * | 2021-12-15 | 2023-06-22 | 주식회사 한국가스기술공사 | 가스 누설음향 영상 탐지와 연동된 수소충전소 및 생산설비 통합 모니터링 방법 |
CN116502925A (zh) * | 2023-06-28 | 2023-07-28 | 深圳普菲特信息科技股份有限公司 | 基于大数据的数字工厂设备巡检评估方法、系统和介质 |
CN116663747A (zh) * | 2023-07-19 | 2023-08-29 | 广东云下汇金科技有限公司 | 一种基于数据中心基础设施的智能预警方法及系统 |
CN116878693A (zh) * | 2023-09-05 | 2023-10-13 | 济宁市金桥煤矿 | 一种矿用机电设备监测管理方法及系统 |
CN117057517A (zh) * | 2023-10-12 | 2023-11-14 | 国网吉林省电力有限公司长春供电公司 | 基于数字孪生的电力数据高效处理方法及系统 |
CN117097810A (zh) * | 2023-10-18 | 2023-11-21 | 深圳市互盟科技股份有限公司 | 基于云计算的数据中心传输优化方法 |
CN117131321A (zh) * | 2023-08-18 | 2023-11-28 | 华能澜沧江水电股份有限公司 | 一种电能量数据采集方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325692B (zh) * | 2018-09-27 | 2021-01-22 | 清华大学合肥公共安全研究院 | 水管网的数据实时分析方法及装置 |
DE102021124253A1 (de) * | 2021-09-20 | 2023-03-23 | Festo Se & Co. Kg | Maschinelles Lernverfahren zur Anomaliedetektion in einem elektrischen System |
-
2023
- 2023-12-04 CN CN202311640708.9A patent/CN117349778B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103631681A (zh) * | 2013-12-10 | 2014-03-12 | 国家电网公司 | 一种在线修复风电场异常数据的方法 |
CN109100125A (zh) * | 2018-06-28 | 2018-12-28 | 中国直升机设计研究所 | 一种旋转放大器输出信号修正方法 |
CN110263866A (zh) * | 2019-06-24 | 2019-09-20 | 苏州智睿新能信息科技有限公司 | 一种基于深度学习的电力用户负荷区间预测方法 |
CN110503211A (zh) * | 2019-08-22 | 2019-11-26 | 贵州电网有限责任公司 | 基于机器学习的缺陷预测方法 |
CN111461409A (zh) * | 2020-03-10 | 2020-07-28 | 国网山西省电力公司经济技术研究院 | 一种中长期负荷数据的异常值处理方法 |
WO2022026022A1 (en) * | 2020-07-31 | 2022-02-03 | Microsoft Technology Licensing, Llc | Model selection and parameter estimation for anomaly detection |
CN113837324A (zh) * | 2021-11-25 | 2021-12-24 | 四川瑞康智慧能源有限公司 | 电量数据监测方法、系统、存储介质和电子设备 |
KR20230090536A (ko) * | 2021-12-15 | 2023-06-22 | 주식회사 한국가스기술공사 | 가스 누설음향 영상 탐지와 연동된 수소충전소 및 생산설비 통합 모니터링 방법 |
CN114662322A (zh) * | 2022-03-29 | 2022-06-24 | 国网福建省电力有限公司超高压分公司 | 一种变压器油位异常在线监测与故障诊断方法及系统 |
CN116502925A (zh) * | 2023-06-28 | 2023-07-28 | 深圳普菲特信息科技股份有限公司 | 基于大数据的数字工厂设备巡检评估方法、系统和介质 |
CN116663747A (zh) * | 2023-07-19 | 2023-08-29 | 广东云下汇金科技有限公司 | 一种基于数据中心基础设施的智能预警方法及系统 |
CN117131321A (zh) * | 2023-08-18 | 2023-11-28 | 华能澜沧江水电股份有限公司 | 一种电能量数据采集方法 |
CN116878693A (zh) * | 2023-09-05 | 2023-10-13 | 济宁市金桥煤矿 | 一种矿用机电设备监测管理方法及系统 |
CN117057517A (zh) * | 2023-10-12 | 2023-11-14 | 国网吉林省电力有限公司长春供电公司 | 基于数字孪生的电力数据高效处理方法及系统 |
CN117097810A (zh) * | 2023-10-18 | 2023-11-21 | 深圳市互盟科技股份有限公司 | 基于云计算的数据中心传输优化方法 |
Non-Patent Citations (2)
Title |
---|
基于小波树的电容型设备异常检测方法;虞强源;范世超;金承业;;吉林大学学报(理学版)(第06期) * |
大规模配电网负荷数据在线清洗与修复方法研究;刁赢龙;盛万兴;刘科研;何开元;孟晓丽;;电网技术(第11期) * |
Also Published As
Publication number | Publication date |
---|---|
CN117349778A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117349778B (zh) | 一种基于物联网的用电设备在线实时监测系统 | |
US11736062B2 (en) | Method and apparatus for determining operating state of photovoltaic array, device and storage medium | |
US9075713B2 (en) | Method for detecting anomalies in multivariate time series data | |
EP3191797B1 (en) | Gas turbine sensor failure detection utilizing a sparse coding methodology | |
CN109740648B (zh) | 电力负荷异常数据识别方法、装置和计算机设备 | |
EP2989705B1 (en) | Method and apparatus for defect pre-warning of power device | |
CN117093879A (zh) | 一种数据中心智能化运营管理方法及系统 | |
CN113435725A (zh) | 基于farima-lstm预测的电网主机动态阈值设定方法 | |
CN116400126B (zh) | 一种具有数据处理系统的低压电力箱 | |
CN117312997B (zh) | 一种电力管理系统智能诊断方法及系统 | |
CN116335925B (zh) | 基于数据增强的煤矿井下乳化泵站智能调控系统 | |
CN116308305B (zh) | 一种桥梁健康监测数据管理系统 | |
KR20180116322A (ko) | 제조 설비의 이상 진단 장치 | |
CN113757093A (zh) | 一种闪蒸汽压缩机组故障诊断方法 | |
KR20180046746A (ko) | 이상 감지 방법 및 장치 | |
CN106325258B (zh) | 一种基于在线监测信息的继电保护装置状态评估方法 | |
CN117391481B (zh) | 一种基于大数据的电力数据监视方法及系统 | |
CN116772285B (zh) | 一种智能楼宇供暖负载安全实时监控方法 | |
CN117290802B (zh) | 一种基于数据处理的主机电源运行监测方法 | |
CN110578659A (zh) | 一种用于对风电机组scada数据进行处理的系统和方法 | |
CN117556274B (zh) | 一种热管背板的温度数据异常分析方法 | |
CN117556364B (zh) | 一种矿用矿压安全智能监测系统 | |
CN116510223B (zh) | 基于物联网的自识别消防泵电参数巡检监测系统 | |
CN117591964B (zh) | 基于人工智能的电力智能分析方法 | |
CN116341993A (zh) | 一种用于聚苯乙烯生产过程中状态监测方法及系统 |
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 |