CN117541097A - 一种数字化电力数据分析方法及系统 - Google Patents
一种数字化电力数据分析方法及系统 Download PDFInfo
- Publication number
- CN117541097A CN117541097A CN202311301430.2A CN202311301430A CN117541097A CN 117541097 A CN117541097 A CN 117541097A CN 202311301430 A CN202311301430 A CN 202311301430A CN 117541097 A CN117541097 A CN 117541097A
- Authority
- CN
- China
- Prior art keywords
- power data
- data
- index
- monitored power
- analysis
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000007405 data analysis Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000010219 correlation analysis Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011165 process development Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
Abstract
本发明公开了一种数字化电力数据分析方法及系统,其方法包括:获取多个已监测电力数据;提取每个所述已监测电力数据的指标参数,并将每个所述已监测电力数据的指标参数对应生成一个数据集;对多个所述数据集进行R型聚类,得到指标聚类;根据所述指标聚类,计算得到每个所述聚类的代表指标;根据所述代表指标对所述多个已监测电力数据进行灰色关联分析,得到电力数据预警报告。本发明可以大大减少作用重复冗余的电力数据的分析计算,并且能够准确地通过少量指标的电力数据进行分析得到电力数据预警报告,大大降低了算力成本,同时提高了电力数据分析的效率和准确度。
Description
技术领域
本发明涉及电力数据分析技术领域,尤其是涉及一种数字化电力数据分析方法及系统。
背景技术
随着计算机技术的快速发展,其技术应用在各大领域,而目前供电厂等电力部门在电力数据监测分析工作的管理方式上仍然很落后,日常的工作管理效率低,经常出现电力设备故障,以及不能够保证电力系统稳定安全运行。电力数据是作为对设备缺陷分析的宝贵财富,继电保护试验和高压试验的数据不应该还停留在手工管理或者仅仅通过电子设备记录的方式上,因为大量的电力数据存在容易丢失、不易查询和统计等问题,电力数据的数字化已经成为企业可持续发展的一项重要研究内容。因此需要一种既节省计算机算力又能够及时对电力数据进行分析的方法来为电力部门等企业保驾护航。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种数字化电力数据分析方法及系统,可以大大减少作用重复的电力数据的计算,并提供了一种准确的通过电力数据代表指标进行电力数据预警的方法。
第一方面,本发明的实施例提供了一种数字化电力数据分析方法,数字化电力数据分析方法包括:
获取多个已监测电力数据;
提取每个所述已监测电力数据的指标参数,并将每个所述已监测电力数据的指标参数对应生成一个数据集;
对多个所述数据集进行R型聚类,得到指标聚类;
根据所述指标聚类,计算得到每个所述聚类的代表指标;
根据所述代表指标对所述多个已监测电力数据进行灰色关联分析,得到电力数据预警报告。
根据本发明实施例的方法,至少具有如下有益效果:
首先获取多个已监测电力数据,保证电力数据分析的鲁棒性;然后将已监测电力数据的指标参数对应生成数据集,进行了电力数据的预处理,提高数据处理效率;再通过数据集进行R型聚类,将相似度较高的电力数据指标进行聚类,解决了电力数据分析时大量作用重复的数据带来算力紧张的问题,同时能够降低硬件成本;其次通过指标聚类计算得到每个聚类的代表指标,通过降低作用冗余的指标来进一步地解放算力;最后根据代表指标对多个已监测电力数据进行灰色关联分析,判断多个已监测电力数据是否偏离正常的电力数据发展,同时通过灰色关联能够对一个系统的发展变化态势提供量化的度量,适合电力数据的动态分析,能够准确地进行电力数据预警报告。
根据本发明的一些实施例,所述提取每个所述已监测电力数据的指标参数,包括:
根据所述已监测电力数据的数据类型,确定所述已监测电力数据的对象集;所述对象集为所述已监测电力数据的共有属性的集合;
根据所述对象集确定每个所述已监测电力数据的指标,并根据所述指标提取每个所述已监测电力数据的指标参数。
根据本发明的一些实施例,所述将每个所述已监测电力数据的指标参数作为一个数据集,包括:
将所述已监测电力数据的指标按照分析需求进行排列,得到所述已监测电力数据的分析序列;
每个所述已监测电力数据的分析序列构成对应的一个所述数据集。
根据本发明的一些实施例,所述对多个所述数据集进行R型聚类,得到指标聚类,包括:
计算多个所述数据集的相似系数,并形成相似系数矩阵;
迭代执行如下步骤:将所述相似系数矩阵中的非对角线元素中的两个最大值元素合并;直到所述相似系数矩阵中的元素达到阈值停止迭代;
根据所述相似系数矩阵中的元素得到所述指标聚类。
根据本发明的一些实施例,所述根据所述指标聚类,计算得到每个所述聚类的代表指标,包括:
通过基于密度的算法遍历每个所述聚类,得到每个所述聚类的核心点;所述核心点的领域点数在对应的所述聚类中最多;
根据所述核心点确定每个所述聚类的代表指标。
根据本发明的一些实施例,所述根据所述代表指标对所述多个已监测电力数据进行灰色关联分析,得到电力数据预警报告,包括:
将所述代表指标的指标参数进行排列,得到比较数列;
通过所述比较数列和预设的参考数列计算关联系数;
根据所述关联系数计算关联度,并根据所述关联度的数值判断得到所述电力数据预警报告。
根据本发明的一些实施例,所述数据集的相似系数的计算公式包括:
其中,rjz表示数据集的相似系数,j和z表示数据集的序号,m表示数据集中的数据序号,x表示数据集中的数据,n表示整数,表示数据集中的平均数据。
第二方面,本发明的实施例提供了一种数字化电力数据分析系统,数字化电力数据分析系统包括:
数据获取模块,用于获取多个已监测电力数据;
指标参数提取模块,用于提取每个所述已监测电力数据的指标参数,并将每个所述已监测电力数据的指标参数对应生成一个数据集;
聚类模块,用于对多个所述数据集进行R型聚类,得到指标聚类;
代表指标计算模块,用于根据所述指标聚类,计算得到每个所述聚类的代表指标;
电力数据预警模块,用于根据所述代表指标对所述多个已监测电力数据进行灰色关联分析,得到电力数据预警报告。
第四方面,本发明的实施例提供了一种计算机存储介质,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令用于使计算机执行如第一方面的数字化电力数据分析方法。
需要注意的是,本发明的第二至四方面与现有技术之间的有益效果与第一方面的数字化电力数据分析方法的有益效果相同,此处不再细述。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一实施例提供的一种数字化电力数据分析方法的流程图;
图2是本发明一实施例提供的提取每个已监测电力数据的指标参数的流程图;
图3是本发明一实施例提供的将每个已监测电力数据的指标参数作为一个数据集的流程图;
图4是本发明一实施例提供的对多个数据集进行R型聚类得到指标聚类的流程图;
图5是本发明一实施例提供的根据指标聚类计算得到每个聚类的代表指标的流程图;
图6是本发明一实施例提供的根据代表指标对多个已监测电力数据进行灰色关联分析得到电力数据预警报告的流程图;
图7是本发明一实施例提供的一种数字化电力数据分析系统的结构图;
图8是本发明一实施例提供的电子设备的结构图。
具体实施方式
下面详细描述本发明的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,如果有描述到第一、第二等只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
本发明的描述中,需要说明的是,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
下面将结合附图对本发明的技术方案进行清楚、完整的描述,显然,以下所描述的实施例是本发明一部分实施例,并非全部实施例。
参照图1,在本发明的一些实施例中,提供了一种数字化电力数据分析方法,包括:
步骤S100、获取多个已监测电力数据。
步骤S200、提取每个已监测电力数据的指标参数,并将每个已监测电力数据的指标参数对应生成一个数据集。
步骤S300、对多个数据集进行R型聚类,得到指标聚类。
步骤S400、根据指标聚类,计算得到每个聚类的代表指标。
步骤S500、根据代表指标对多个已监测电力数据进行灰色关联分析,得到电力数据预警报告。
首先获取多个已监测电力数据,保证电力数据分析的鲁棒性;然后将已监测电力数据的指标参数对应生成数据集,进行了电力数据的预处理,提高数据处理效率;再通过数据集进行R型聚类,将相似度较高的电力数据指标进行聚类,解决了电力数据分析时大量作用重复的数据带来算力紧张的问题,同时能够降低硬件成本;其次通过指标聚类计算得到每个聚类的代表指标,通过降低作用冗余的指标来进一步地解放算力;最后根据代表指标对多个已监测电力数据进行灰色关联分析,判断多个已监测电力数据是否偏离正常的电力数据发展,同时通过灰色关联能够对一个系统的发展变化态势提供量化的度量,适合电力数据的动态分析,能够准确地进行电力数据预警报告。
参照图2,在本发明的一些实施例中,提取每个已监测电力数据的指标参数,包括:
步骤S211、根据已监测电力数据的数据类型,确定已监测电力数据的对象集;对象集为已监测电力数据的共有属性的集合。
需要说明的是,对象集包括地域、时间段、设备类别等参数,对象集从大类别逐步定位至小类别,定位于需要分析的范围;同时对象集不仅定位至需要分析的范围,也需要保证是已检测电力数据的共有属性,方便后续对电力数据的指标进行聚类,同时也便于对电力数据进行统一分析,使分析结果更加准确。
步骤S212、根据对象集确定每个已监测电力数据的指标,并根据指标提取每个已监测电力数据的指标参数。
通过对象集的提取,保证提取得到的已监测电力数据的指标参数既能代表数据发展的规律性,也保证是共有属性,避免数据类型的偏差导致电力数据分析的偏离,提高了电力数据分析的精确率的同时也提高了分析速率。
参照图3,在本发明的一些实施例中,将每个已监测电力数据的指标参数作为一个数据集,包括:
步骤S221、将已监测电力数据的指标按照分析需求进行排列,得到已监测电力数据的分析序列。
步骤S222、每个已监测电力数据的分析序列构成对应的一个数据集。
需要说明的是,由于灰色关联分析需要分析各个因素对结果的影响程度,因此需要按照一定规则确立分析序列,依照分析序列和标准序列的相关性大小得出结论。
通过分析序列对动态过程发展态势的量化分析,完成几何关系的比较,为电力数据的分析提供量化基础。
参照图4,在本发明的一些实施例中,对多个数据集进行R型聚类,得到指标聚类,包括:
步骤S301、计算多个数据集的相似系数,并形成相似系数矩阵。
步骤S302、迭代执行如下步骤:将相似系数矩阵中的非对角线元素中的两个最大值元素合并;直到相似系数矩阵中的元素达到阈值停止迭代。
步骤S303、根据相似系数矩阵中的元素得到指标聚类。
对数据集进行R型聚类,首先通过相似系数表示指标之间的相关程度,然后通过相似系数矩阵量化指标之间的关系,通过在相似系数矩阵中进行相近指标的融合,将一些作用相同、数据重复冗余的指标进行聚类,减少了算力浪费,也保证了电力数据分析的准确性。
参照图5,在本发明的一些实施例中,根据指标聚类,计算得到每个聚类的代表指标,包括:
步骤S401、通过基于密度的算法遍历每个聚类,得到每个聚类的核心点;核心点的领域点数在对应的聚类中最多。
步骤S402、根据核心点确定每个聚类的代表指标。
需要说明的是,基于密度的算法包括DBSCAN等算法,在本实施例中,提出通过基于密度的算法将在聚类中密度值最高的核心点作为聚类的代表指标,不仅具有一定的抗噪音特性,同时也可以在分布式数据中选取能够准确代表聚类特性的指标,提高电力数据分析的速度。
参照图6,在本发明的一些实施例中,根据代表指标对多个已监测电力数据进行灰色关联分析,得到电力数据预警报告,包括:
步骤S501、将代表指标的指标参数进行排列,得到比较数列。
需要说明的是,比较数列可以通过如下公式表示:
Xi={xi(k)|k=1,2Λn}
其中,i表示已监测电力数据的序号,k表示已监测电力数据的代表指标的序号,xi(k)表示已监测电力数据的代表指标的参数。
步骤S502、通过比较数列和预设的参考数列计算关联系数。
需要说明的是,参考数列可以通过如下公式表示:
Y={y(k)|k=1,2Λn}
其中,k表示参考数列的指标的序号,y(k)表示参考数列的指标的参数。
关联系数的计算公式如下:
其中,ξi(k)表示关联系数,ρ表示分辨系数。
步骤S503、根据关联系数计算关联度,并根据关联度的数值判断得到电力数据预警报告。
需要说明的是,因为关联系数是分析数列与参考数列在各个时刻的关联程度值,所以它的数不止一个,而信息过于分散不便于进行整体性比较。因此有必要将各个时刻的关联系数集中为一个值,即求其平均值,作为比较数列与参考数列间关联程度的数量表示,关联度的计算公式如下:
其中,ri表示关联度,t表示时间。
求出参考数列与各比较数列之间的灰色关联度,与参考数列关联度越大的比较数列,其发展方向和速率与参考数列越接近,与参考数列的关系越紧密。将电力数据的分析转换成关联度的量化分析,适用于各个任务场景的电力数据分析,不会收到电力数据类型的局限,一定程度上弥补了电力数据多且复杂不利于分析发缺陷。
在本发明的一些实施例中,数据集的相似系数的计算公式包括:
其中,rjz表示数据集的相似系数,j和z表示数据集的序号,m表示数据集中的数据序号,x表示数据集中的数据,n表示整数,表示数据集中的平均数据。
参照图7,本发明的一个实施例,还提供了一种数字化电力数据分析系统,包括数据获取模块1001、指标参数提取模块1002、聚类模块1003、代表指标计算模块1004和电力数据预警模块1005,其中:
数据获取模块1001,用于获取多个已监测电力数据。
指标参数提取模块1002,用于提取每个已监测电力数据的指标参数,并将每个已监测电力数据的指标参数对应生成一个数据集。
聚类模块1003,用于对多个数据集进行R型聚类,得到指标聚类。
代表指标计算模块1004,用于根据指标聚类,计算得到每个聚类的代表指标。
电力数据预警模块1005,用于根据代表指标对多个已监测电力数据进行灰色关联分析,得到电力数据预警报告。
需要说明的是,由于本实施例中的一种数字化电力数据分析系统与上述的一种数字化电力数据分析方法基于相同的发明构思,因此,方法实施例中的相应内容同样适用于本装置实施例,此处不再详述。
参考图8,本发明的另一个实施例,还提供了一种电子设备,该电子设备6000可以是任意类型的智能终端,例如手机、平板电脑、个人计算机等。
具体的,电子设备6000包括:一个或多个控制处理器6001和存储器6002,图8中以一个控制处理器6001与一个存储器6002为例,控制处理器6001和存储器6002可以通过总线或者其他方式连接,图8中以通过总线连接为例。
存储器6002作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本发明实施例中的一种电子设备对应的程序指令/模块;
控制处理器6001通过运行存储在存储器6002中的非暂态软件程序、指令以及模块,从而执行一种数字化电力数据分析方法的各种功能应用以及数据处理,即实现上述方法实施例的一种数字化电力数据分析方法。
存储器6002可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储一种数字化电力数据分析方法的使用所创建的数据等。此外,存储器6002可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器6002可选包括相对于控制处理器6001远程设置的存储器,这些远程存储器可以通过网络连接至该电子设备6000。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
在一个或者多个模块存储在存储器6002中,当被该一个或者多个控制处理器6001执行时,执行上述方法实施例中的一种数字化电力数据分析方法,例如执行以上描述的图1至图6的方法步骤。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
需要说明的是,由于本实施例中的一种电子设备与上述的一种数字化电力数据分析方法基于相同的发明构思,因此,方法实施例中的相应内容同样适用于本装置实施例,此处不再详述。
本发明的一个实施例,还提供一种计算机可读存储介质,存储有计算机可执行指令,计算机可执行指令用于执行:如上述实施例的数字化电力数据分析方法。
需要说明的是,由于本实施例中的一种计算机可读存储介质与上述的一种数字化电力数据分析方法基于相同的发明构思,因此,方法实施例中的相应内容同样适用于本装置实施例,此处不再详述。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储数据(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的数据并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何数据递送介质。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种数字化电力数据分析方法,其特征在于,所述数字化电力数据分析方法包括:
获取多个已监测电力数据;
提取每个所述已监测电力数据的指标参数,并将每个所述已监测电力数据的指标参数对应生成一个数据集;
对多个所述数据集进行R型聚类,得到指标聚类;
根据所述指标聚类,计算得到每个所述聚类的代表指标;
根据所述代表指标对所述多个已监测电力数据进行灰色关联分析,得到电力数据预警报告。
2.根据权利要求1所述的数字化电力数据分析方法,其特征在于,所述提取每个所述已监测电力数据的指标参数,包括:
根据所述已监测电力数据的数据类型,确定所述已监测电力数据的对象集;所述对象集为所述已监测电力数据的共有属性的集合;
根据所述对象集确定每个所述已监测电力数据的指标,并根据所述指标提取每个所述已监测电力数据的指标参数。
3.根据权利要求2所述的数字化电力数据分析方法,其特征在于,所述将每个所述已监测电力数据的指标参数对应生成一个数据集,包括:
将所述已监测电力数据的指标按照分析需求进行排列,得到所述已监测电力数据的分析序列;
每个所述已监测电力数据的分析序列构成对应的一个所述数据集。
4.根据权利要求3所述的数字化电力数据分析方法,其特征在于,所述对多个所述数据集进行R型聚类,得到指标聚类,包括:
计算多个所述数据集的相似系数,并形成相似系数矩阵;
迭代执行如下步骤:将所述相似系数矩阵中的非对角线元素中的两个最大值元素合并;直到所述相似系数矩阵中的元素达到阈值停止迭代;
根据所述相似系数矩阵中的元素得到所述指标聚类。
5.根据权利要求3所述的数字化电力数据分析方法,其特征在于,所述根据所述指标聚类,计算得到每个所述聚类的代表指标,包括:
通过基于密度的算法遍历每个所述聚类,得到每个所述聚类的核心点;所述核心点的领域点数在对应的所述聚类中最多;
根据所述核心点确定每个所述聚类的代表指标。
6.根据权利要求1所述的数字化电力数据分析方法,其特征在于,所述根据所述代表指标对所述多个已监测电力数据进行灰色关联分析,得到电力数据预警报告,包括:
将所述代表指标的指标参数进行排列,得到比较数列;
通过所述比较数列和预设的参考数列计算关联系数;
根据所述关联系数计算关联度,并根据所述关联度的数值判断得到所述电力数据预警报告。
7.根据权利要求4所述的数字化电力数据分析方法,其特征在于,所述数据集的相似系数的计算公式包括:
其中,rjz表示数据集的相似系数,j和z表示数据集的序号,m表示数据集中的数据序号,x表示数据集中的数据,n表示整数,表示数据集中的平均数据。
8.一种数字化电力数据分析系统,其特征在于,所述数字化电力数据分析系统包括:
数据获取模块,用于获取多个已监测电力数据;
指标参数提取模块,用于提取每个所述已监测电力数据的指标参数,并将每个所述已监测电力数据的指标参数对应生成一个数据集;
聚类模块,用于对多个所述数据集进行R型聚类,得到指标聚类;
代表指标计算模块,用于根据所述指标聚类,计算得到每个所述聚类的代表指标;
电力数据预警模块,用于根据所述代表指标对所述多个已监测电力数据进行灰色关联分析,得到电力数据预警报告。
9.一种电子设备,其特征在于:包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如权利要求1至7任一项所述的数字化电力数据分析方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的数字化电力数据分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311301430.2A CN117541097A (zh) | 2023-10-07 | 2023-10-07 | 一种数字化电力数据分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311301430.2A CN117541097A (zh) | 2023-10-07 | 2023-10-07 | 一种数字化电力数据分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117541097A true CN117541097A (zh) | 2024-02-09 |
Family
ID=89792621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311301430.2A Pending CN117541097A (zh) | 2023-10-07 | 2023-10-07 | 一种数字化电力数据分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117541097A (zh) |
-
2023
- 2023-10-07 CN CN202311301430.2A patent/CN117541097A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022151819A1 (zh) | 一种基于聚类分析的电池系统在线故障诊断方法和系统 | |
CN111984499A (zh) | 一种大数据集群的故障检测方法和装置 | |
CN110830450A (zh) | 基于统计的异常流量监测方法、装置、设备及存储介质 | |
CN108198408B (zh) | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 | |
CN115170000B (zh) | 一种基于电能表通信模块的远程监测方法及系统 | |
CN113641994B (zh) | 基于图数据的数据处理方法及系统 | |
CN115664038B (zh) | 一种用于电气安全管理的智能配电运维监控系统 | |
CN114978877B (zh) | 一种异常处理方法、装置、电子设备及计算机可读介质 | |
CN114356734A (zh) | 服务异常检测方法和装置、设备、存储介质 | |
CN114202256B (zh) | 架构升级预警方法、装置、智能终端及可读存储介质 | |
CN112882898B (zh) | 基于大数据日志分析的异常检测方法、系统、设备及介质 | |
CN113901441A (zh) | 一种用户异常请求检测方法、装置、设备及存储介质 | |
CN117541097A (zh) | 一种数字化电力数据分析方法及系统 | |
CN116108376A (zh) | 一种反窃电的监测系统、方法、电子设备及介质 | |
CN115310516A (zh) | 自动化设备状态稳定判断方法、系统及可读存储介质 | |
CN113778781B (zh) | 数据的监控的方法和装置 | |
CN115456097A (zh) | 一种适用于高供低计专变用户的用电检测方法及检测终端 | |
CN114862109A (zh) | 一种用电异常监测方法、装置、电子设备及存储介质 | |
CN113887932A (zh) | 基于人工智能的运维管控方法、装置、计算机设备 | |
CN113780717A (zh) | 基于网关的偷漏电行为分析方法、装置、智能网关和介质 | |
CN111798237A (zh) | 基于应用日志的异常交易诊断方法及系统 | |
CN114885231B (zh) | 一种通讯协议自适应的信号采集方法、系统、终端及介质 | |
CN115473343B (zh) | 一种智能网关多主站并行接入测试方法 | |
CN111191669B (zh) | 一种数据处理方法、装置及存储介质 | |
CN114089712B (zh) | 一种数据处理方法和装置 |
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 |