CN117674430A - 一种基于阈值对测控设备是否离线进行预测方法 - Google Patents
一种基于阈值对测控设备是否离线进行预测方法 Download PDFInfo
- Publication number
- CN117674430A CN117674430A CN202311712722.5A CN202311712722A CN117674430A CN 117674430 A CN117674430 A CN 117674430A CN 202311712722 A CN202311712722 A CN 202311712722A CN 117674430 A CN117674430 A CN 117674430A
- Authority
- CN
- China
- Prior art keywords
- measurement
- data
- control equipment
- equipment
- uploading
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 238000013480 data collection Methods 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 17
- 230000005540 biological transmission Effects 0.000 description 14
- 238000011156 evaluation Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002633 protecting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Landscapes
- Selective Calling Equipment (AREA)
Abstract
本发明提供一种基于阈值对测控设备是否离线进行预测方法,将待检测测控设备的数据上传到远端调控中心的一天以上的上传时间间隔进行数据进行收集,将每台网关上传的间隔时间数据进行统计得[T1,T2,…,Tn],然后这些数据计算出平均值和标准差,根据正态分布的原理,将设置平均值加上三个标准差为判断是否在正常间隔时间里的一个阈值,然后通过检测测控设备是否在阈值内进行数据上传,从而来预判该设备是否异常。
Description
技术领域
本发明涉及电力系统监测技术领域,具体涉及一种基于阈值对测控设备是否离线进行预测方法。
背景技术
电力二次设备是对电力系统一次设备进行监视、测量、控制、调节和保护的辅助设备,即不直接和电能主回路产生联系的设备。电力二次设备应用于智能电网,智能电网实现万物互联的目标,将给电力二次设备行业带来巨大的创新机遇和市场需求,因此电力二次设备行业发展与我国智能电网建设息息相关。总体来说电力二次设备的特点,可归结于“测控”二字,测指测量、观测、监测;控指的是控制、调度等。
电力测控作为电网运行、保护、控制和自动化的二次设备,面向电力互感器、电压互感器、电力开关、温湿度传感器等面向电力现场的设备,它所采集的信息对电力系统而言非常重要,而当电力测控离线时,信息无法采集上传,可能使重要数据遗失,不能及时发现问题,耽误电力现场的数据问题分析,故而能及时发现电力测控是否离线具有重要意义。当前鲜少有在电力测控离线后及时检测到的方法,只有远端调控中心通过召唤式,可验证电力测控是否离线的方法。
如中国专利申请号202311200522.1,公布日为2023.12.08,其公开了一种分级联动的多频相量扰动事件混合分析方法及相关装置,获取站域的多频实时监测数据;对多频实时监测数据处理,得到多频扰动告警事件;基于多频扰动告警事件生成告警历史事件数据,并召唤多频扰动告警事件的录波数据,得到离线数据;将离线数据与多频实时监测数据混合分析,得到站域预处理告警分析数据,将站域预处理告警分析数据输送至站内以及主站进行联动交互,以上方法能够满足多频扰动告警事件离线数据和实时数据联动分析的要求,减轻主子站告警分析数据交互流量,提高电网运行控制的安全稳定性。
以上召唤式方式必须通过主机向终端设备发送信号,若终端设备处于离线状态时,其传送会的数据会不同,从而实现离线判断,但是这种方式由于需要主机向终端设备发送数据然后通过终端设备传回从而确定是否处于离线状态,从而使得每次传送数量大,确认终端设备异常的方法复杂;效率低。
发明内容
本发明提供一种基于阈值对测控设备是否离线进行预测方法,能及时发现离线的测控设备,避免错过重要数据,使锁定的测控设备检测范围更小,效率高。
为达到上述目的,本发明的技术方案是:一种基于阈值对测控设备是否离线进行预测方法,包括以下步骤:S1、将每个测控设备经网关上传数据的时间间隔进行汇总,并对记录每个测控设备上传数据间隔时间组为[T1,T2,…,Tn];根据公式计算出每个测控设备上传时间间隔的平均值;然后通过公式/>计算出测控设备时间间隔的标准差,式中ads为绝对值,Ti-Ti-1为两个时间段网关上传的时间间隔的差距,σ dist为标准差,μ dist为平均值,Ti为测控设备采集的数据两次相邻上传的时间间隔,i表示该测控设备数据经网关上传的次数。
S2、设定平均值与三倍标准差之和为阈值。
S3、若测控设备中没有数据的上传时间满足,则预判该测控设备异常,即预判该测控设备处于离线状态。
以上方法,将待检测的测控设备在一天内上传到远端调控中心的数据的上传时间间隔进行数据进行收集,将每台网关上传的间隔时间数据进行统计得出[T1,T2,…,Tn],然后这些数据计算出平均值和标准差,对于相互独立的因素的参数符合正态分布的趋势,而一个实物收到多种因素的影响,不管每个因素本身是什么分布,它们相加之后取平均值是正态分布的,而标准正态分布下的曲线为钟形曲线,期望值决定了其位置,标准差均订了分布的幅度,当期望值为0,标准差为1时的正态分布是标准正态分布,而对于一组数据而言,如果符合正态分布,可以用来检测异常值,经过测量发现68.2%的测量值落在期望值;测量值处正负一个标准差的区间内,95.4%的测量值将落在期望值上;而测量值处正负两个标准差的区间内,99.7%的值落在期望值上;测量值处正负三个标准差的区间内,因此,对于一组符合正态分布的数据,如果某个值距离期望值超过三个标准差;则可以判断这个值属于异常数据,从而利用期望值与三个标准差之和作为阈值从而确定该测控设备是否处于离线或异常状态,这样即无需通过召唤测试需要大量数据的传输导致传输效率低的问题,同时也能通过该方法对测控设备是否处于离线状态进行预先评估,测试准确性高。
进一步的,步骤S1中所述测控设备为每次传送单数据的测控设备。
以上设置,可以方便对单数据测控设备的预估。
进一步的,所述S1之前还包括:S0判断测控设备是否为单数据设备,若是则进入步骤S1。
以上设置,先对测评设备传输的数据进行检测,从而确保后续计算方法的可靠性。
进一步的,步骤S0还包括:若测控设备传输两个以上数据,则进入步骤S01,步骤S01获取测控设备中上传两个以上数据的间隔时间,并对两个以上数据的间隔时间求平均值,然后进入S1中,将每次上传时间上最小平均值作为本次上传时间间隔数据,根据公式计算出每个测控设备上传时间间隔的平均值;然后通过公式计算出测控设备时间间隔的标准差,式中ads为绝对值,Ti-Ti-1为两个时间段网关上传的时间间隔的差距,σ dist为标准差,μ dist为平均值,Ti为测控设备采集的数据两次相邻上传的时间间隔,i表示该测控设备数据经网关上传的次数,然后进入步骤S2。
以上设置,对传输多个数据的测评设备,通过先计算每次传输时间间隔上的平均值,然后取最小值作为该时刻的时间代表,从而确保最小值都能满足要求,从而进一步确保多数据能满足要求。
进一步的,S0还包括:根据预存测控设备的设备型号确定测控设备是否为单数据设备还是多数据设备。
以上设置,通过预存的测控设备的型号确定是否为单数据还是多数据,从而方便识别。
进一步的,步骤S1中将每个测控设备在一天时间内经网关上传数据的时间间隔进行汇总。
以上设置,通过设置测试时间为一天,从而能更加有效地对数据进行测量。
附图说明
图1为本发明的实施例1的流程图。
图2为本发明的实施例2的流程图。
图3为本发明正态分布的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步详细说明。
实施例1。
如图1所示,一种基于阈值对测控设备是否离线进行预测方法,包括以下步骤:
S1、将每个测控设备经网关上传数据的时间间隔进行汇总,并对记录每个测控设备上传数据间隔时间组为[T1,T2,…,Tn];根据公式计算出每个测控设备上传时间间隔的平均值;然后通过公式/>计算出测控设备时间间隔的标准差,式中ads为绝对值,Ti-Ti-1为两个时间段网关上传的时间间隔的差距,σdist为标准差,μ dist为平均值,Ti为测控设备采集的数据两次相邻上传的时间间隔,i表示该测控设备数据经网关上传的次数。本实施例中,通过在一天时间内对测评设备的传输时间间隔进行测试。
S2、设定平均值与三倍标准差之和为阈值。
S3、若测控设备中没有数据的上传时间满足,则预判该测控设备异常,即预判该测控设备处于离线状态。
本发明的工作原理:将待检测的测控设备在一天内上传到远端调控中心的数据的上传时间间隔进行数据进行收集,将每台网关上传的间隔时间数据进行统计得出[T1,T2,…,Tn],然后这些数据计算出平均值和标准差,对于相互独立的因素的参数符合正态分布的趋势,而一个实物收到多种因素的影响,不管每个因素本身是什么分布,它们相加之后取平均值是正态分布的,而标准正态分布下的曲线为钟形曲线,期望值决定了其位置,标准差均订了分布的幅度,当期望值为0,标准差为1时的正态分布是标准正态分布,而对于一组数据而言,如果符合正态分布,可以用来检测异常值,如图3所示,经过测量发现68.2%的测量值落在期望值;测量值处正负一个标准差的区间内,95.4%的测量值将落在期望值上;而测量值处正负两个标准差的区间内,99.7%的值落在期望值上;测量值处正负三个标准差的区间内,因此,对于一组符合正态分布的数据,如果某个值距离期望值超过三个标准差;则可以判断这个值属于异常数据,从而利用期望值与三个标准差之和作为阈值从而确定该测控设备是否处于离线或异常状态,这样即无需通过召唤测试需要大量数据的传输导致传输效率低的问题,同时也能通过该方法对测控设备是否处于离线状态进行预先评估,测试准确性高。
在预测到测评设备处于离线之后,后续可以进一步通过比如人工确认是否离线或通过召唤的方式或进一步通过将预测到具有问题的测评设备放入到预测模型中进行进一步确认实现测控设备的准确检测。
实施例2。
如图2所示,本实施例与实施例1的区别在于:实施例1为测评设备为单数据传输设备,而本实施例中测控设备可以为单数据传输设备也可以为多数据传输设备,一种基于阈值对测控设备是否离线进行预测方法,包括以下步骤:
S0根据预存测控设备的设备型号确定测控设备是否为单数据设备还是多数据设备,若为单数据设备,则进入步骤S1;若测控设备传输多数据,则进入步骤S01。
S01获取测控设备中上传两个以上数据的间隔时间,并对两个以上数据的间隔时间求平均值,然后进入S1中,将每次上传时间上最小平均值作为本次上传时间间隔数据,根据公式计算出每个测控设备上传时间间隔的平均值;然后通过公式计算出测控设备时间间隔的标准差,式中ads为绝对值,Ti-Ti-1为两个时间段网关上传的时间间隔的差距,σ dist为标准差,μ dist为平均值,Ti为测控设备采集的数据两次相邻上传的时间间隔,i表示该测控设备数据经网关上传的次数,然后进入步骤S2。在一实施例中,如果一测控设备为多数据传输设备,比如该测控设备在一天多个时间段下传输两个数据的时间间隔的平均值分别为5S和10S,则选定平均值为5S的这组数据作为代表放入到间隔时间组为[T1,T2,…,Tn]中。
S1、将每个测控设备经网关上传数据的时间间隔进行汇总,并对记录每个测控设备上传数据间隔时间组为[T1,T2,…,Tn];根据公式计算出每个测控设备上传时间间隔的平均值;然后通过公式/>计算出测控设备时间间隔的标准差,式中ads为绝对值,Ti-Ti-1为两个时间段网关上传的时间间隔的差距,σdist为标准差,μ dist为平均值,Ti为测控设备采集的数据两次相邻上传的时间间隔,i表示该测控设备数据经网关上传的次数。本实施例中,通过在一天时间内对测评设备的传输时间间隔进行测试。
S2、设定平均值与三倍标准差之和为阈值。
S3、若测控设备中没有数据的上传时间满足,则预判该测控设备异常,即预判该测控设备处于离线状态。
在预测到测评设备处于离线之后,后续可以进一步通过比如人工确认是否离线或通过召唤的方式或进一步通过将预测到具有问题的测评设备放入到预测模型中进行进一步确认实现测控设备的准确检测。
本发明的工作原理:将待检测的测控设备在一天内上传到远端调控中心的数据的上传时间间隔进行数据进行收集,将每台网关上传的间隔时间数据进行统计得出[T1,T2,…,Tn],然后这些数据计算出平均值和标准差,对于相互独立的因素的参数符合正态分布的趋势,而一个实物收到多种因素的影响,不管每个因素本身是什么分布,它们相加之后取平均值是正态分布的,而标准正态分布下的曲线为钟形曲线,期望值决定了其位置,标准差均订了分布的幅度,当期望值为0,标准差为1时的正态分布是标准正态分布,而对于一组数据而言,如果符合正态分布,可以用来检测异常值,如图3所示,经过测量发现68.2%的测量值落在期望值;测量值处正负一个标准差的区间内,95.4%的测量值将落在期望值上;而测量值处正负两个标准差的区间内,99.7%的值落在期望值上;测量值处正负三个标准差的区间内,因此,对于一组符合正态分布的数据,如果某个值距离期望值超过三个标准差;则可以判断这个值属于异常数据,从而利用期望值与三个标准差之和作为阈值从而确定该测控设备是否处于离线或异常状态,这样即无需通过召唤测试需要大量数据的传输导致传输效率低的问题,同时也能通过该方法对测控设备是否处于离线状态进行预先评估,测试准确性高。
Claims (6)
1.一种基于阈值对测控设备是否离线进行预测方法,其特征在于:包括以下步骤:
S1、将每个测控设备经网关上传数据的时间间隔进行汇总,并对记录每个测控设备上传数据间隔时间组为[T1,T2,…,Tn];根据公式计算出每个测控设备上传时间间隔的平均值;然后通过公式/>计算出测控设备时间间隔的标准差,式中ads为绝对值,Ti-Ti-1为两个时间段网关上传的时间间隔的差距,σdist为标准差,μ dist为平均值,Ti为测控设备采集的数据两次相邻上传的时间间隔,i表示该测控设备数据经网关上传的次数。
S2、设定平均值与三倍标准差之和为阈值。
S3、若测控设备中没有数据的上传时间满足,则预判该测控设备异常,即预判该测控设备处于离线状态。
2.根据权利要求1所述的一种基于阈值对测控设备是否离线进行预测方法,其特征在于:S0还包括:根据预存测控设备的设备型号确定测控设备是否为单数据设备还是多数据设备。。
3.根据权利要求1所述的一种基于阈值对测控设备是否离线进行预测方法,其特征在于:所述S1之前还包括:S0判断测控设备是否为单数据设备,若是则进入步骤S1。
4.根据权利要求3所述的一种基于阈值对测控设备是否离线进行预测方法,其特征在于:步骤S0还包括:若测控设备传输两个以上数据,则进入步骤S01,步骤S01获取测控设备中上传两个以上数据的间隔时间,并对两个以上数据的间隔时间求平均值,然后进入S1中,将每次上传时间上最小平均值作为本次上传时间间隔数据,根据公式计算出每个测控设备上传时间间隔的平均值;然后通过公式/>计算出测控设备时间间隔的标准差,式中ads为绝对值,Ti-Ti-1为两个时间段网关上传的时间间隔的差距,σ dist为标准差,μ dist为平均值,Ti为测控设备采集的数据两次相邻上传的时间间隔,i表示该测控设备数据经网关上传的次数,然后进入步骤S2。
5.根据权利要求3所述的一种基于阈值对测控设备是否离线进行预测方法,其特征在于:S0还包括:根据预存测控设备的设备型号确定测控设备是否为单数据设备还是多数据设备。
6.根据权利要求1所述的一种基于阈值对测控设备是否离线进行预测方法,其特征在于:步骤S1中将每个测控设备在一天时间内经网关上传数据的时间间隔进行汇总。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311712722.5A CN117674430A (zh) | 2023-12-13 | 2023-12-13 | 一种基于阈值对测控设备是否离线进行预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311712722.5A CN117674430A (zh) | 2023-12-13 | 2023-12-13 | 一种基于阈值对测控设备是否离线进行预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117674430A true CN117674430A (zh) | 2024-03-08 |
Family
ID=90063975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311712722.5A Pending CN117674430A (zh) | 2023-12-13 | 2023-12-13 | 一种基于阈值对测控设备是否离线进行预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117674430A (zh) |
-
2023
- 2023-12-13 CN CN202311712722.5A patent/CN117674430A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116026389A (zh) | 一种基于数据分析的智能传感器运行检测系统 | |
CN103823433A (zh) | 一种使用通讯过程分析实现继电保护设备在线监测的方法 | |
CN108872744B (zh) | 台区识别方法及系统 | |
CN111913056B (zh) | 一种自适应超实时机组工况启动状态预估方法 | |
CN115685050B (zh) | 一种电能表故障检测方法及系统 | |
CN103389427B (zh) | Gis设备运行状态在线检测方法与系统 | |
CN114152896A (zh) | 一种基于采集平台的失准更换系统 | |
CN103400308A (zh) | Gis设备运行状态在线检测方法与系统 | |
CN112034411B (zh) | 一种智能隔离开关设备及电能表运行状态分析方法 | |
CN117031381B (zh) | 一种电源检测设备的故障检测系统和方法 | |
CN117674430A (zh) | 一种基于阈值对测控设备是否离线进行预测方法 | |
CN107561470A (zh) | 一种故障指示器运行状态评价系统 | |
CN103997126A (zh) | 一种基于开关量状态的故障诊断分级方法及系统 | |
CN101923605B (zh) | 铁路防灾风预警方法 | |
CN115061012A (zh) | 基于边缘计算供电电网智能监测诊断系统及方法 | |
CN110912270B (zh) | 一种配电自动化智能馈线终端 | |
CN107655624A (zh) | 压力变送器监测方法 | |
CN117527627A (zh) | 一种及时检测到电力ied离线的方法 | |
CN113933747A (zh) | 电压互感器二次回路接地电流检测系统及检测方法 | |
CN113625058A (zh) | 一种基于异常点群监测变压器套管的预警方法及系统 | |
CN103389448B (zh) | Gis设备运行状态在线检测方法与系统 | |
CN112186893B (zh) | 一种基于大数据分析的安防预警方法 | |
CN118091297B (zh) | 一种电力终端的安全监测装置、监测方法和电力终端 | |
CN113484573B (zh) | 基于能源数据分析的异常用电监测方法 | |
CN117031211B (zh) | 一种台区电网故障诊断方法 |
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 |