CN117473253A - 一种电力采集数据质量评估方法 - Google Patents

一种电力采集数据质量评估方法 Download PDF

Info

Publication number
CN117473253A
CN117473253A CN202311357648.XA CN202311357648A CN117473253A CN 117473253 A CN117473253 A CN 117473253A CN 202311357648 A CN202311357648 A CN 202311357648A CN 117473253 A CN117473253 A CN 117473253A
Authority
CN
China
Prior art keywords
fluctuation
power
value
data
analysis period
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
Application number
CN202311357648.XA
Other languages
English (en)
Inventor
皇甫伟钢
程铖
许晓伟
周桂珍
肖高元
马越
王继磊
叶超
潘金丽
陆海鹏
程昊旸
周滢
江春苗
张泽明
董萍萍
余晨菲
吕思源
陆晗玉
沈航
杨陈晨
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 Zhejiang Electric Power Co Ltd Tonglu County Power Supply Co
Hangzhou Power Equipment Manufacturing Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd Tonglu County Power Supply Co
Hangzhou Power Equipment Manufacturing 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 Zhejiang Electric Power Co Ltd Tonglu County Power Supply Co, Hangzhou Power Equipment Manufacturing Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd Tonglu County Power Supply Co
Priority to CN202311357648.XA priority Critical patent/CN117473253A/zh
Publication of CN117473253A publication Critical patent/CN117473253A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种电力采集数据质量评估方法，包括以下步骤:步骤1：获取到电力系统的电力波动数据；步骤2：获取到采集模块的波动异常信号，并对采集得到的电力波动数据进行分析，得到波动不合格次数CBbj；步骤3：获取分析模块的波动不合格次数CBbj，以及不同波动不合格次数CBb所对应的时间，并进行质量评估，得到稳定性合格信号或稳定性不合格信号，本发明电力采集数据质量评估方法，通过对电力波动数据进行分析，可以有效且准确的判断出当前电力数据的稳定情况，对其质量可以严格把控。

Description

一种电力采集数据质量评估方法
技术领域
本发明涉及电力技术领域，具体涉及一种电力采集数据质量评估方法。
背景技术
中国专利CN116304599A公开了一种电力统计数据质量评估方法与系统包括：通过分析数据质量影响要素和数据质量评价原则设计数据质量标准和评价方法；构建数据质量评估模型，采集电力统计数据通过数据质量评价方法评估数据质量，形成数据质量报告；根据数据质量报告，判断改进趋势，衡量数据质量改进效果；
现有技术中，不能有效且准确的判断出当前电力数据的稳定情况，对其质量可以严格把控。
发明内容
本发明的目的就在于解决上述背景技术的问题，而提出一种电力采集数据质量评估方法。
本发明的目的可以通过以下技术方案实现：
一种电力采集数据质量评估方法，包括以下步骤:
步骤1：获取到电力系统的电力波动数据；
步骤2：获取到采集模块的波动异常信号，并对采集得到的电力波动数据进行分析，得到波动不合格次数CBbj；
步骤3：获取分析模块的波动不合格次数CBbj，以及不同波动不合格次数CBb所对应的时间，并进行质量评估，得到稳定性合格信号或稳定性不合格信号。
作为本发明进一步的方案：在步骤1中，设置采集时间节点，并将采集时间节点标记为i，获取到每个采集时间节点的电力波动数据，并标记为ZD i；
将得到的电力波动数据ZD i，相加求和，计算得到电力波动总值，并标记为ZDz。
作为本发明进一步的方案：在步骤1中，将得到的电力波动总值ZDz与电力波动总阈值进行比较；
若电力波动总值ZDz≥电力波动总阈值时，则生成波动异常信号；
若电力波动总值ZDz<电力波动总阈值时，则生成波动正常信号。
作为本发明进一步的方案：在步骤2中，设置分析周期T，该分析周期T＝n*i，其中，n＝1、2、3...；取值为正整数；n的取值范围根据技术人员获取得到的；
获取到分析周期T内的每个采集时间节点的电力波动数据ZD i，将分析周期T内的每个采集时间节点的电力波动数据ZD i相加求和取均值，得到分析周期电力波动值ZDJT。
作为本发明进一步的方案：将得到的分析周期电力波动值ZDJT与分析周期电力波动范围进行比较；
若分析周期电力波动值ZDJT大于分析周期电力波动范围时，则表示波动不合格信号；
若分析周期电力波动值ZDJT处于分析周期电力波动范围或分析周期电力波动值ZDJT小于分析周期电力波动范围时，则表示波动合格信号。
作为本发明进一步的方案：在步骤3中，获取分析模块的波动不合格次数CBbj，以及不同波动不合格次数CBb所对应的时间；
按照时间顺序对波动不合格次数CBbj进行排序，从而得到时间集合T{T1、T2、T3...Tm}，获取到集合T内的所有子集，通过公式CT＝|T1-T2|+|T2-T3|+...+|Tm-1-Tm|，计算得到波动时间差值CT。
作为本发明进一步的方案：将得到的波动时间差值CT与波动时间差阈值进行比较；
若波动时间差值CT≥波动时间差阈值时，则生成稳定性合格信号；
若波动时间差值CT<波动时间差阈值时，则生成稳定性不合格信号。
本发明的有益效果：
本发明电力采集数据质量评估方法，通过对电力波动数据进行分析，可以有效且准确的判断出当前电力数据的稳定情况，对其质量可以严格把控。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明质量评估系统的系统框图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1
请参阅图1所示，本发明为一种电力采集数据质量评估系统，包括：
采集模块，获取到电力系统的电力波动数据；
该采集模块具体工作过程如下：
步骤1：设置采集时间节点，并将采集时间节点标记为i，获取到每个采集时间节点的电力波动数据，并标记为ZD i；
步骤2：将得到的电力波动数据ZD i，相加求和，计算得到电力波动总值，并标记为ZDz；
将得到的电力波动总值ZDz与电力波动总阈值进行比较；
若电力波动总值ZDz≥电力波动总阈值时，则生成波动异常信号；
若电力波动总值ZDz<电力波动总阈值时，则生成波动正常信号；
其中，电力波动数据的获取方式为：
步骤1：设置历史检测时间，并将历史检测时间划分为i个子时间节点，i为正整数，采集到历史检测时间内各个子时间节点对应的电流数据、电压数据，针对电流数据，以子时间节点为X轴，以电流值为左Y轴，以电流波动值为右Y轴构建坐标系，同时将对应坐标系标记为销售分析坐标系，并将各个子时间节点对应的电流值以及电流波动值进行采集后代入电流分析坐标系构建电流值曲线和电流波动值曲线，对电流值曲线和电流波动值曲线进行分析，采集电流值曲线和电流波动值的拐点，并将其分别标记为电流值异常子时间点和电流波动值异常子时间点，拐点表示为曲线由持平或者增长趋势转变为下降趋势；根据电流值异常子时间点和电流波动值异常子时间点获取到电流值和电流波动值的影响因素并将其统称标记为电流数据影响因素；
步骤2：针对电压数据，以子时间节点为X轴，以电压值为左Y轴，以电压波动值为右Y轴构建坐标系，同时将对应坐标系标记为销售分析坐标系，并将各个子时间节点对应的电压值以及电压波动值进行采集后代入电压分析坐标系构建电压值曲线和电压波动值曲线，对电压值曲线和电压波动值曲线进行分析，采集电压值曲线和电压波动值的拐点，并将其分别标记为电压值异常子时间点和电压波动值异常子时间点，拐点表示为曲线由持平或者增长趋势转变为下降趋势；根据电压值异常子时间点和电压波动值异常子时间点获取到电压值和电压波动值的影响因素并将其统称标记为电压数据影响因素；
采集到电流值曲线、电流波动值曲线、电压值曲线和电压波动值曲线，分别通过电流值曲线获取到电流均值、通过电流波动值曲线获取电流波动周期、通过电压值曲线获取到电压均值、通过电压波动值曲线获取到电压波动周期；
将电流均值、电压均值、电流波动周期和电压波动周期，分别标记为ZJ I、ZJU、T I和TU；
通过公式ZSY＝(a1*ZJ I+a2*ZJU)+(b1*T I+b2*TU)，计算得到电力数据ZSY，将得到电力数据ZSY与电力数据阈值做差值计算，得到电力波动数据，其中，a1、a2、b1、b2均为比例系数，a1取值为0.63，a2取值为0.62，b1取值为0.15，b2取值为0.18；
分析模块，获取到采集模块的波动异常信号，并对采集得到的电力波动数据进行分析；
该分析模块具体工作过程如下：
步骤1：设置分析周期T，该分析周期T＝n*i，其中，n＝1、2、3...；取值为正整数；n的取值范围根据技术人员获取得到的；
获取到分析周期T内的每个采集时间节点的电力波动数据ZD i，将分析周期T内的每个采集时间节点的电力波动数据ZD i相加求和取均值，得到分析周期电力波动值ZDJT；
步骤2：将得到的分析周期电力波动值ZDJT与分析周期电力波动范围进行比较；
若分析周期电力波动值ZDJT大于分析周期电力波动范围时，则表示波动不合格信号；
若分析周期电力波动值ZDJT处于分析周期电力波动范围或分析周期电力波动值ZDJT小于分析周期电力波动范围时，则表示波动合格信号；
其中，波动不合格信号表示在历史时间内，存在某个分析周期T内电动波动异常情况，波动不合格信号表示在历史时间内，不存在某个分析周期T内电动波动异常情况；
步骤3：获取到在历史时间内，出现波动不合格信号的次数，并标记为波动不合格次数CBbj；其中，j＝1、2、3...，j为正整数；具体地，CBb5表示波动不合格次数有五次；
评估模块，获取分析模块的波动不合格次数CBbj，以及不同波动不合格次数CBb所对应的时间；
按照时间顺序对波动不合格次数CBbj进行排序，从而得到时间集合T{T1、T2、T3...Tm}，获取到集合T内的所有子集，通过公式CT＝|T1-T2|+|T2-T3|+...+|Tm-1-Tm|，计算得到波动时间差值CT；
将得到的波动时间差值CT与波动时间差阈值进行比较；
若波动时间差值CT≥波动时间差阈值时，则生成稳定性合格信号；
若波动时间差值CT<波动时间差阈值时，则生成稳定性不合格信号；
其中，稳定性合格信号表示出现电力波动频次较低，该采集得到的电力数据稳定，电力采集数据质量较好；
稳定性不合格信号表示出现电力波动频次较高，该采集得到的电力数据不稳定，电力采集数据质量较差；
实施例2
基于上述实施例1，本发明为一种电力采集数据质量评估方法，包括以下步骤：
步骤1：获取到电力系统的电力波动数据；
步骤2：获取到采集模块的波动异常信号，并对采集得到的电力波动数据进行分析，得到波动不合格次数CBbj；
步骤3：获取分析模块的波动不合格次数CBbj，以及不同波动不合格次数CBb所对应的时间，并进行质量评估，得到稳定性合格信号或稳定性不合格信号。
本发明的工作原理：本发明电力采集数据质量评估方法，通过对电力波动数据进行分析，可以有效且准确的判断出当前电力数据的稳定情况，对其质量可以严格把控。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (7)

1.一种电力采集数据质量评估方法，其特征在于，包括以下步骤:
步骤1：获取到电力系统的电力波动数据；
步骤2：获取到采集模块的波动异常信号，并对采集得到的电力波动数据进行分析，得到波动不合格次数CBbj；
步骤3：获取分析模块的波动不合格次数CBbj，以及不同波动不合格次数CBb所对应的时间，并进行质量评估，得到稳定性合格信号或稳定性不合格信号。
2.根据权利要求1所述的一种电力采集数据质量评估方法,其特征在于，在步骤1中，设置采集时间节点，并将采集时间节点标记为i，获取到每个采集时间节点的电力波动数据，并标记为ZD i；
将得到的电力波动数据ZD i，相加求和，计算得到电力波动总值，并标记为ZDz。
3.根据权利要求2所述的一种电力采集数据质量评估方法,其特征在于，在步骤1中，将得到的电力波动总值ZDz与电力波动总阈值进行比较；
若电力波动总值ZDz≥电力波动总阈值时，则生成波动异常信号；
若电力波动总值ZDz<电力波动总阈值时，则生成波动正常信号。
4.根据权利要求1所述的一种电力采集数据质量评估方法,其特征在于，在步骤2中，设置分析周期T，该分析周期T＝n*i，其中，n＝1、2、3...；取值为正整数；n的取值范围根据技术人员获取得到的；
获取到分析周期T内的每个采集时间节点的电力波动数据ZD i，将分析周期T内的每个采集时间节点的电力波动数据ZD i相加求和取均值，得到分析周期电力波动值ZDJT。
5.根据权利要求4所述的一种电力采集数据质量评估方法,其特征在于，将得到的分析周期电力波动值ZDJT与分析周期电力波动范围进行比较；
若分析周期电力波动值ZDJT大于分析周期电力波动范围时，则表示波动不合格信号；
若分析周期电力波动值ZDJT处于分析周期电力波动范围或分析周期电力波动值ZDJT小于分析周期电力波动范围时，则表示波动合格信号。
6.根据权利要求1所述的一种电力采集数据质量评估方法,其特征在于，在步骤3中，获取分析模块的波动不合格次数CBbj，以及不同波动不合格次数CBb所对应的时间；
按照时间顺序对波动不合格次数CBbj进行排序，从而得到时间集合T{T1、T2、T3...Tm}，获取到集合T内的所有子集，通过公式CT＝|T1-T2|+|T2-T3|+...+|Tm-1-Tm|，计算得到波动时间差值CT。
7.根据权利要求6所述的一种电力采集数据质量评估方法,其特征在于，将得到的波动时间差值CT与波动时间差阈值进行比较；
若波动时间差值CT≥波动时间差阈值时，则生成稳定性合格信号；
若波动时间差值CT<波动时间差阈值时，则生成稳定性不合格信号。
CN202311357648.XA 2023-10-19 2023-10-19 一种电力采集数据质量评估方法 Pending CN117473253A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311357648.XA CN117473253A (zh) 2023-10-19 2023-10-19 一种电力采集数据质量评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311357648.XA CN117473253A (zh) 2023-10-19 2023-10-19 一种电力采集数据质量评估方法

Publications (1)

Publication Number Publication Date
CN117473253A true CN117473253A (zh) 2024-01-30

Family

ID=89634000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311357648.XA Pending CN117473253A (zh) 2023-10-19 2023-10-19 一种电力采集数据质量评估方法

Country Status (1)

Country Link
CN (1) CN117473253A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117875794A (zh) * 2024-03-11 2024-04-12 深圳市福山自动化科技有限公司 一种能源电力数据质量评估方法
CN117932276A (zh) * 2024-03-21 2024-04-26 国网山东省电力公司菏泽供电公司 一种中压配电网线路节能降损适应性评估方法
CN117932276B (zh) * 2024-03-21 2024-05-31 国网山东省电力公司菏泽供电公司 一种中压配电网线路节能降损适应性评估方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117875794A (zh) * 2024-03-11 2024-04-12 深圳市福山自动化科技有限公司 一种能源电力数据质量评估方法
CN117932276A (zh) * 2024-03-21 2024-04-26 国网山东省电力公司菏泽供电公司 一种中压配电网线路节能降损适应性评估方法
CN117932276B (zh) * 2024-03-21 2024-05-31 国网山东省电力公司菏泽供电公司 一种中压配电网线路节能降损适应性评估方法

Similar Documents

Publication Publication Date Title
CN108375476B (zh) 一种水电机组健康评估方法
CN106059661B (zh) 一种基于时序分析的光传输网络趋势预测方法
CN117473253A (zh) 一种电力采集数据质量评估方法
CN109214708B (zh) 基于交叉熵理论优化支持向量机的电力系统风险评估方法
CN110059845B (zh) 基于时序演化基因模型的计量装置时钟误差趋势预测方法
CN110137947B (zh) 一种基于itic曲线的电网电压暂降严重程度评估方法
CN110245460B (zh) 一种基于多阶段oica的间歇过程故障监测方法
CN112734128A (zh) 一种基于优化rbf的7日电力负荷峰值预测方法
CN111368428B (zh) 一种基于监控二阶统计量的传感器精度下降故障检测方法
CN113792939B (zh) 基于混合威布尔分布的电能表可靠性预测方法及装置
CN116388402B (zh) 一种应用于变电设备的异常报警分析方法
CN114386538A (zh) 一种标记监测指标的kpi曲线的波段特征的方法
CN111814284A (zh) 基于相关性检测与改进随机森林的在线电压稳定评估方法
CN117748507B (zh) 基于高斯回归模型的配网谐波接入不确定性评估方法
US20220243347A1 (en) Determination method and determination apparatus for conversion efficiency of hydrogen production by wind-solar hybrid electrolysis of water
CN114648060A (zh) 基于机器学习的故障信号规范化处理及分类方法
CN114676749A (zh) 一种基于数据挖掘的配电网运行数据异常判定方法
CN116861503A (zh) 一种基于大数据的电力变压器数字孪生模型的构建方法
CN115203905A (zh) 一种融合专家经验及智能算法的设备健康评估方法
CN112632851B (zh) 一种评估塔筒变化影响风电机组闪变的分析方法
CN113884970A (zh) 一种电能质量监测装置谐波参数的现场在线校验方法
CN113988173A (zh) 基于定性趋势分析和五状态贝叶斯网络的故障诊断方法、系统、设备及存储介质
CN111476392A (zh) 基于社会感知的计量装置时钟误差趋势预测方法
CN113536685A (zh) 一种基于神经网络外推的风速概率模型的建模方法
CN117560300B (zh) 一种智能物联网流量预测与优化系统

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