CN117709717A - 一种电力计量数据的安全风险评估方法及系统 - Google Patents
一种电力计量数据的安全风险评估方法及系统 Download PDFInfo
- Publication number
- CN117709717A CN117709717A CN202311715890.XA CN202311715890A CN117709717A CN 117709717 A CN117709717 A CN 117709717A CN 202311715890 A CN202311715890 A CN 202311715890A CN 117709717 A CN117709717 A CN 117709717A
- Authority
- CN
- China
- Prior art keywords
- data
- risk
- abnormal data
- power metering
- electric power
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000002159 abnormal effect Effects 0.000 claims abstract description 298
- 238000012545 processing Methods 0.000 claims abstract description 113
- 238000011156 evaluation Methods 0.000 claims abstract description 46
- 230000005611 electricity Effects 0.000 claims abstract description 25
- 238000012163 sequencing technique Methods 0.000 claims description 22
- 238000002372 labelling Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 6
- 238000010248 power generation Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种电力计量数据的安全风险评估方法及系统,采集电力计量数据,按照数据类型对所述电力计量数据进行标准化处理,获得类别分组,根据类别分组计算并获取每日用电时间节点的电力计量数据的异常数据;根据异常数据计算所述异常数据的风险系数,获取风险系数自然排序,根据异常数据结合异常数据的风险系数计算异常数据的风险影响值,获取风险影响值自然排序;根据风险系数自然排序和风险影响值自然排序,计算每个异常数据的危险综合值,根据危险综合值生成数据优先处理级,对多个类别分组的电力计量数据进行分级处理,通过不同级别的评估实现了对电力计量数据的多方面不同程度的评估,使得评估结果更加精准和全面。
Description
技术领域
本发明提出了一种电力计量数据的安全风险评估方法及系统,涉及电力计量数据技术领域,具体涉及电力计量数据的安全评估方法技术领域。
背景技术
在电力系统中,电力计量数据是监控系统运行状态和性能的重要指标。这些数据包括发电数据、用电数据、电网数据和能源数据等,它们能够反映电力系统的整体运行情况。为了确保电力系统的安全、稳定和可靠运行,需要对这些电力计量数据进行实时监控和分析。传统的电力计量数据分析方法通常只关注单一的数据指标,如发电量、用电量等,而忽略了数据之间的关联性和整体趋势,无法识别电力计量数据中的异常数据对整体数据和电力安全的风险影响进行评估。此外,传统方法往往只针对特定类型的电力计量数据进行处理,无法实现数据的全面分析和综合评估。随着电力系统规模的不断扩大和复杂性的增加,传统的数据分析方法已经无法满足现代电力系统监控和管理的需求。因此,需要一种更加全面、准确和高效的方法来分析和评估电力计量数据的安全和风险。
发明内容
本发明提供了一种电力计量数据的安全风险评估方法及系统,用以解决传统的电力计量数据分析方法通常只关注单一的数据指标,如发电量、用电量等,而忽略了数据之间的关联性和整体趋势,无法识别电力计量数据中的异常数据对整体数据和电力安全的风险影响进行评估。此外,传统方法往往只针对特定类型的电力计量数据进行处理,无法实现数据的全面分析和综合评估。随着电力系统规模的不断扩大和复杂性的增加,传统的数据分析方法已经无法满足现代电力系统监控和管理的需求等问题:
一种电力计量数据的安全风险评估方法,所述方法包括:
S1、采集电力计量数据,按照数据类型对所述电力计量数据进行标准化处理,获得类别分组,根据类别分组计算并获取每日用电时间节点的电力计量数据的异常数据;
S2、根据异常数据计算所述异常数据的风险系数,根据计算结果获取每个类别分组的风险系数自然排序,根据异常数据结合异常数据的风险系数计算异常数据的风险影响值,根据计算结果获取每个类别分组的风险影响值自然排序;
S3、根据风险系数自然排序和风险影响值自然排序,计算每个异常数据的危险综合值,根据危险综合值生成数据优先处理级,对多个类别分组的电力计量数据进行分级处理。
进一步地,所述S1包括:
S101、采集用电终端的电力计量数据,对电力计量数据进行预处理,并按照电力计量数据的不同数据种类进行不同分组,获得多个类别分组,并根据每一类别分组的数据种类对每个类别分组进行类别标注;
S102、以每一日的用电高峰时间点和用电低谷时间点为时间节点,计算每个评估日期与历史所有日期的相同时间节点的类别分组数据历史均值的差值,将所述差值与预设差值阈值进行比较,获得比较结果,所述比较结果为数据异常情况,根据比较结果获得类别分组的数据的正常数据和异常数据的标注。
进一步地,所述S2包括:
S201、根据每个类别分组的每个异常数据,计算所述每个异常数据的风险系数;
S202、按照每个类别分组的多个异常数据的风险系数大小,获取多个不同类别分组的风险系数自然排序。
进一步地,所述S2还包括:
S301、根据每个类别分组的每个异常数据结合所述异常数据对应的风险系数,分别计算每个异常数据对应的风险影响值;
S302、按照每个类别分组的多个异常数据的风险影响值大小,获取多个不同类别分组的风险影响值自然排序。
进一步地,所述S3包括:
S401、根据异常数据在风险系数自然排序和风险影响值自然排序的中排名,计算并获取每个类别分组的每个异常数据的危险综合值;
S402、根据危险综合值的大小,获取危险综合值自然排序,根据所述危险综合值自然排序生成数据处理优先级,按照所述数据处理优先级对多个类别分组的电力计量数据进行分级处理。
进一步地,所述系统包括:
分组取值模块,用于采集电力计量数据,按照数据类型对所述电力计量数据进行标准化处理,获得类别分组,根据类别分组计算并获取每日用电时间节点的电力计量数据的异常数据;
计算排序模块,用于根据异常数据计算所述异常数据的风险系数,根据计算结果获取每个类别分组的风险系数自然排序,根据异常数据结合异常数据的风险系数计算异常数据的风险影响值,根据计算结果获取每个类别分组的风险影响值自然排序;
排名处理模块,用于根据风险系数自然排序和风险影响值自然排序,计算每个异常数据的危险综合值,根据危险综合值生成数据优先处理级,对多个类别分组的电力计量数据进行分级处理。
进一步地,所述分组取值模块包括:
分组模块,用于采集用电终端的电力计量数据,对电力计量数据进行预处理,并按照电力计量数据的不同数据种类进行不同分组,获得多个类别分组,并根据每一类别分组的数据种类对每个类别分组进行类别标注;
比较模块,用于以每一日的用电高峰时间点和用电低谷时间点为时间节点,计算每个评估日期与历史所有日期的相同时间节点的类别分组数据历史均值的差值,将所述差值与预设差值阈值进行比较,获得比较结果,所述比较结果为数据异常情况,根据比较结果获得类别分组的数据的正常数据和异常数据的标注。
进一步地,所述计算排序模块包括:
数据设置模块,用于根据每个类别分组的每个异常数据,计算所述每个异常数据的风险系数;
风险系数自然排序模块,用于按照每个类别分组的多个异常数据的风险系数大小,获取多个不同类别分组的风险系数自然排序。
进一步地,所述计算排序模块还包括:
数据结合模块,用于根据每个类别分组的每个异常数据结合所述异常数据对应的风险系数,分别计算每个异常数据对应的风险影响值;
影响值排序模块,用于按照每个类别分组的多个异常数据的风险影响值大小,获取多个不同类别分组的风险影响值自然排序。
进一步地,所述排名处理模块包括:
排名模块,用于根据异常数据在风险系数自然排序和风险影响值自然排序的中排名,计算并获取每个类别分组的每个异常数据的危险综合值;
分级处理模块,用于根据危险综合值的大小,获取危险综合值自然排序,根据所述危险综合值自然排序生成数据处理优先级,按照所述数据处理优先级对多个类别分组的电力计量数据进行分级处理。
本发明有益效果:
本发明提出了一种电力计量数据的安全风险评估方法及系统,获取电力计量数据,并对其进行初步处理,这一步包括数据清洗、格式转换、异常值处理等,处理后的数据被分为多个类别分组。这一步保证了后续处理的准确性,并提高了系统的效率和性能。对每个类别分组的电力计量数据进行差值计算和比较,根据比较结果获取每个类别分组的多个异常数据。这一步能够发现和识别出数据中的异常值,对于理解数据的真实情况以及后续的数据分析有着重要的作用。评估系统将异常数据设置为异常数据,根据异常数据计算异常数据的风险系数,获得每个类别分组的风险系数自然排序。这一步能够反映出每个类别分组的电力计量数据的潜在风险。根据异常数据结合异常数据的风险系数计算异常数据的风险影响值,进而获得每个类别分组的风险影响值自然排序。这一步考虑了异常数据对整个类别分组的影响,使得风险评估更加全面和准确。评估系统根据每个异常数据在对应类别分组中的风险系数自然排序和风险影响值自然排序中的排名,计算每个异常数据的危险综合值,根据危险综合值生成数据优先处理级,对多个类别分组的电力计量数据进行分级处理。这一步将风险评估的结果转化为具体的操作级别,提高了系统处理异常值的自动化和智能化程度。通过不同级别的评估实现了对电力计量数据的多方面不同程度的评估,使得评估结果更加精准和全面,避免了人工评估的主观性,通过不同程度的评估可以及时发现不同等级的风险,进行针对性处理。
附图说明
图1为一种电力计量数据的安全风险评估方法的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明的一个实施例,本发明提出的一种电力计量数据的安全风险评估方法及系统,所述方法具体包括:
S1、采集电力计量数据,对所述电力计量数据进行初步处理,获得多个类别分组,对类别分组数据进行差值计算和比较,根据比较结果获取每个类别分组的多个异常数据;
S2、根据异常数据计算所述异常数据的风险系数,获得每个类别分组的风险系数自然排序,根据异常数据结合异常数据的风险系数计算异常数据的风险影响值,进而获得每个类别分组的风险影响值自然排序;
S3、根据每个异常数据在对应类别分组中的风险系数自然排序和风险影响值自然排序中的排名,计算每个异常数据的危险综合值,根据危险综合值生成数据优先处理级,对多个类别分组的电力计量数据进行分级处理。
上述技术方案的工作原理为:首先,获取电力计量数据,对所述电力计量数据进行初步处理,获得多个类别分组,对类别分组数据进行差值计算和比较,根据比较结果获取每个类别分组的多个异常数据;其次,根据异常数据计算所述异常数据的风险系数,获得每个类别分组的风险系数自然排序,根据异常数据结合异常数据的风险系数计算异常数据的风险影响值,进而获得每个类别分组的风险影响值自然排序;最后,根据每个异常数据在对应类别分组中的风险系数自然排序和风险影响值自然排序中的排名,计算每个异常数据的危险综合值,根据危险综合值生成数据优先处理级,对多个类别分组的电力计量数据进行分级处理。
上述技术方案的技术效果为:通过获取电力计量数据,并对其进行初步处理,这一步包括数据清洗、格式转换、异常值处理等,处理后的数据被分为多个类别分组。这一步保证了后续处理的准确性,并提高了系统的效率和性能。对每个类别分组的电力计量数据进行差值计算和比较,根据比较结果获取每个类别分组的多个异常数据。这一步能够发现和识别出数据中的异常值,对于理解数据的真实情况以及后续的数据分析有着重要的作用。将异常数据设置为异常数据,根据异常数据计算异常数据的风险系数,获得每个类别分组的风险系数自然排序。这一步能够反映出每个类别分组的电力计量数据的潜在风险。根据异常数据结合异常数据的风险系数计算异常数据的风险影响值,进而获得每个类别分组的风险影响值自然排序。这一步考虑了异常数据对整个类别分组的影响,使得风险评估更加全面和准确。根据每个异常数据在对应类别分组中的风险系数自然排序和风险影响值自然排序中的排名,计算每个异常数据的危险综合值,根据危险综合值生成数据优先处理级,对多个类别分组的电力计量数据进行分级处理。这一步将风险评估的结果转化为具体的操作级别,提高了系统处理异常值的自动化和智能化程度。通过不同级别的评估实现了对电力计量数据的多方面不同程度的评估,使得评估结果更加精准和全面,避免了人工评估的主观性,通过不同程度的评估可以及时发现不同等级的风险,进行针对性处理。
本发明的一个实施例,所述S1具体包括:
S101、采集用电终端的电力计量数据,对电力计量数据进行预处理,获得预处理数据,对所述预处理数据按照数据种类进行分组,获得多个类别分组,并根据每一类别分组的数据种类对每个类别分组进行类别标注;
S102、以每一日的用电高峰时间点和用电低谷时间点为时间节点,计算每个评估日期与历史所有日期的相同时间节点的类别分组数据历史均值的差值,将所述差值与预设差值阈值进行比较,获得比较结果,所述比较结果为数据异常情况,根据比较结果获得类别分组的数据的正常数据和异常数据的标注。
上述技术方案的工作原理为:采集用电终端的电力计量数据,对电力计量数据进行预处理,获得预处理数据,对所述预处理数据按照数据种类进行分组,获得多个类别分组,并根据每一类别分组的数据种类对每个类别分组进行类别标注;所述类别分组包括发电数据、用电数据、电网数据和能源数据。类别标注为根据类别分组的名称进行标注。分别计算需要评估的每日的每个时间节点对应的每种类别分组数据与所述类别分组数据在历史相同时间节点的平均值的差值(例如某一日某一小时的每个类别分组的各组数据与历史每一日相同时间节点的所述类别分组的各组数据的平均值进行差值计算,获得差值),设置差值阈值,将所述差值与差值阈值进行比较,当所述差值大于差值阈值时,将差值对应的时间节点的类别分组数据标注为异常数据,当所述差值小于所述差值阈值时,将差值对应的时间节点的类别分组数据标注为正常数据。
上述技术方案的技术效果为:通过本技术方案可以有效地采集用电终端的电力计量数据,并进行预处理。预处理包括数据清洗、格式转换和异常值处理等,以提升数据质量和准确性。预处理后的电力计量数据被按照数据种类分组,例如发电数据、用电数据、电网数据和能源数据等。每一类别分组都进行类别标注,这些标注是根据类别分组的名称进行的,有助于后续的数据分析和处理。对于每个时间节点,都会计算其对应的每种类别分组数据与历史相同时间节点的平均值的差值。这种差值计算可以有效地反映出当前数据与历史数据的差异,帮助发现异常情况。通过设置差值阈值,将所述差值与差值阈值进行比较。当所述差值大于差值阈值时,将差值对应的时间节点的类别分组数据标注为异常数据;当所述差值小于所述差值阈值时,将差值对应的时间节点的类别分组数据标注为正常数据。这种标注有助于发现和识别出电力计量数据中的异常情况。评估系统能够有效地收集、处理和分析电力计量数据,通过时间节点的设置和差值计算,能够及时发现异常数据,为电力系统数据风险运行提供数据。
本发明的一个实施例,所述S2包括:
S201、根据每个类别分组的每个异常数据,计算所述每个异常数据的风险系数;
S202、按照每个类别分组的多个异常数据的风险系数大小,获取多个不同类别分组的风险系数自然排序。
所述风险系数的计算公式为:
其中,F为风险系数,j为每个类别分组的时间节点总个数,d1i为所述类别分组的第i个时间节点的异常数据,d1i-1为所述类别分组的第i-1个时间节点的异常数据,Hdi为所述类别分组的第i个时间节点的异常数据的损耗电量,Hdi-1为所述类别分组的第i-1个时间节点的异常数据的损耗电量,G为所述异常数据对应各类电设备在所述类别分组中平均每两个时间节点的故障率。
上述技术方案的工作原理为:根据每个类别分组的每个异常数据的每个类别分组的时间节点总个数、所述类别分组的第i个时间节点的异常数据、所述类别分组的第i-1个时间节点的异常数据、所述类别分组的第i个时间节点的异常数据的损耗电量、所述类别分组的第i-1个时间节点的异常数据的损耗电量和所述异常数据对应各类电设备在所述类别分组中平均每两个时间节点的故障率,计算所述每个异常数据的风险系数;按照每个类别分组的多个异常数据的风险系数大小,获取多个不同类别分组的风险系数自然排序。即每个类别分组均有与其对应的一个风险系数自然排序。
上述技术方案的技术效果为:根据每个类别分组的每个异常数据,计算所述每个异常数据的风险系数;通过公式中的d1i可以计算出特定类别分组的特定时间节点的异常数据,通过可以计算出特定类别分组的所述特定时间节点的异常数据之前的所有时间节点的异常数据均值,通过Hdi可以计算出特定类别分组的特定时间节点的异常数据的耗损电量,所述耗损电量可以通过实际值减预设值来计算,通过/>可以计算出特定类别分组的所述特定时间节点的异常数据之前的所有时间节点的异常数据耗损电量的均值,通过/>可以计算特定时间节点的异常数据和异常数据的耗损相较于历史均值的偏离程度,通过G加入公式的计算可以使公式的计算加入故障发生率的因素,是计算结果更具适用性、全面性和精确性;按照每个类别分组的多个异常数据的风险系数大小,获取多个不同类别分组的风险系数自然排序。即每个类别分组均有与其对应的一个风险系数自然排序。
本发明的一个实施例,所述S2具体还包括:
S301、根据每个类别分组的每个异常数据结合所述异常数据对应的风险系数,分别计算每个异常数据对应的风险影响值;
S302、按照每个类别分组的多个异常数据的风险影响值大小,获取多个不同类别分组的风险影响值自然排序。即每个类别分组均有与其对应的一个风险影响值自然排序。
所述风险影响值的计算公式为:
其中,YF为风险影响值,F为异常数据的风险系数,n为电力计量数据进行风险评估的总天数,LTai为所需评估的特定日期的a时间节点对应的异常数据的异常数据值,L1ai为电力计量数据进行风险评估的总天数中第i天的a时间节点对应的异常数据的异常数据值,Tx为处理所述异常数据值的实际时间,Tz为处理异常数据的预设时间;a时间节点为风险评估总天数的每一天的需要计算风险影响值的特定时间节点,例如需要计算第8天的第9个时间节点的风险影响值,那么a时间节点即为第9个时间节点。
上述技术方案的工作原理为:根据每个类别分组的每个异常数据结合所述异常数据对应的风险系数,分别计算每个异常数据对应的风险影响值;通过异常数据的风险系数、电力计量数据进行风险评估的总天数、所需评估的特定日期的a时间节点对应的异常数据的异常数据值、电力计量数据进行风险评估的总天数中第i天的a时间节点对应的异常数据的异常数据值、处理所述异常数据值的实际时间和处理异常数据的预设时间计算风险影响值;按照每个类别分组的多个异常数据的风险影响值大小,获取多个不同类别分组的风险影响值自然排序。即每个类别分组均有与其对应的一个风险影响值自然排序。
上述技术方案的技术效果为:根据每个类别分组的每个异常数据结合所述异常数据对应的风险系数,分别计算每个异常数据对应的风险影响值;可以得出每个异常数据对整体数据和损失的影响程度,公式通过可以计算出特定时间节点的异常数据相较于需要评估的每一天的相应时间节点对应的异常数据之和的比值,得出特定时间节点的异常数据相较于均值的偏离程度,通过/>可以计算出所述异常数据的处理时间相较于预设数据的处理的时间的比值,获得异常数据造成的处理时间损失的影响,通过F结合了异常数据对应的风险系数,使得计算结果更加精确和全面。按照每个类别分组的多个异常数据的风险影响值大小,获取多个不同类别分组的风险影响值自然排序。通过所述排序可以获得异常数据对应的风险影响排名。
本发明的一个实施例,所述S3具体包括:
S401、分别提取每个类别分组的每个异常数据在所述类别分组的风险系数自然排序和风险影响值自然排序中的排名,计算两个排名之和,获得每个类别分组的每个异常数据的危险综合值;
S402、将不同类别分组的多个异常数据的危险综合值分别进行从大到小的排序,通过所述排序生成多个类别分组的数据处理优先级,评估系统按照所述数据处理优先级对多个类别分组的电力计量数据进行分级处理。
上述技术方案的工作原理为:分别提取每个类别分组的每个异常数据在所述类别分组的风险系数自然排序和风险影响值自然排序中的排名,计算两个排名之和,获得每个类别分组的每个异常数据的危险综合值;将不同类别分组的多个异常数据的危险综合值分别进行从大到小的排序,通过所述排序生成多个类别分组的数据处理优先级,评估系统按照所述数据处理优先级对多个类别分组的电力计量数据进行分级处理。
上述技术方案的技术效果为:对于每个类别分组的每个异常数据,提取其在类别分组的风险系数自然排序和风险影响值自然排序中的排名,这两个排名分别反映了异常数据在类别分组中的风险程度和对整个类别分组的影响力。通过计算这两个排名的和,获得每个类别分组的每个异常数据的危险综合值。通过危险综合值,实现了通过双重排名对电力计量数据进行的双重评估的加强评估,将不同类别分组的多个异常数据的危险综合值分别进行从大到小的排序,通过该排序生成多个类别分组的数据处理优先级。这种数据处理优先级反映了不同类别分组的异常数据对整个电力计量数据的影响程度和风险程度,为后续的数据处理提供了明确的顺序。评估系统按照数据处理优先级对多个类别分组的电力计量数据进行分级处理。这种分级处理能够有效地针对不同风险程度和影响程度的类别分组进行有针对性的处理,提高了处理效率和准确性。评估系统能够通过危险综合值的计算和排序,确定不同类别分组的电力计量数据的风险程度和影响力,并据此生成数据处理优先级,实现电力计量数据的分级处理。这有助于提高数据处理效率和准确性,为电力系统的稳定运行提供更可靠的数据支持。
本发明的一个实施例,所述系统具体包括:
分组取值模块,用于获取电力计量数据,对所述电力计量数据进行初步处理,获得多个类别分组,对类别分组数据进行差值计算和比较,根据比较结果获取每个类别分组的多个异常数据;
计算排序模块,用于根据异常数据计算所述异常数据的风险系数,获得每个类别分组的风险系数自然排序,根据异常数据结合异常数据的风险系数计算异常数据的风险影响值,进而获得每个类别分组的风险影响值自然排序;
排名处理模块,用于根据每个异常数据在对应类别分组中的风险系数自然排序和风险影响值自然排序中的排名,计算每个异常数据的危险综合值,根据危险综合值生成数据优先处理级,对多个类别分组的电力计量数据进行分级处理。
上述技术方案的工作原理为:分组取值模块用于通过评估系统获取电力计量数据,对所述电力计量数据进行初步处理,获得多个类别分组,对类别分组数据进行差值计算和比较,根据比较结果获取每个类别分组的多个异常数据;计算排序模块用于通过评估系统根据异常数据计算所述异常数据的风险系数,获得每个类别分组的风险系数自然排序,根据异常数据结合异常数据的风险系数计算异常数据的风险影响值,进而获得每个类别分组的风险影响值自然排序;排名处理模块用于通过评估系统根据每个异常数据在对应类别分组中的风险系数自然排序和风险影响值自然排序中的排名,计算每个异常数据的危险综合值,根据危险综合值生成数据优先处理级,对多个类别分组的电力计量数据进行分级处理。
上述技术方案的技术效果为:通过评估系统获取电力计量数据,并对其进行初步处理,这一步包括数据清洗、格式转换、异常值处理等,处理后的数据被分为多个类别分组。这一步保证了后续处理的准确性,并提高了系统的效率和性能。对每个类别分组的电力计量数据进行差值计算和比较,根据比较结果获取每个类别分组的多个异常数据。这一步能够发现和识别出数据中的异常值,对于理解数据的真实情况以及后续的数据分析有着重要的作用。评估系统将异常数据设置为异常数据,根据异常数据计算异常数据的风险系数,获得每个类别分组的风险系数自然排序。这一步能够反映出每个类别分组的电力计量数据的潜在风险。根据异常数据结合异常数据的风险系数计算异常数据的风险影响值,进而获得每个类别分组的风险影响值自然排序。这一步考虑了异常数据对整个类别分组的影响,使得风险评估更加全面和准确。评估系统根据每个异常数据在对应类别分组中的风险系数自然排序和风险影响值自然排序中的排名,计算每个异常数据的危险综合值,根据危险综合值生成数据优先处理级,对多个类别分组的电力计量数据进行分级处理。这一步将风险评估的结果转化为具体的操作级别,提高了系统处理异常值的自动化和智能化程度。通过不同级别的评估实现了对电力计量数据的多方面不同程度的评估,使得评估结果更加精准和全面,避免了人工评估的主观性,通过不同程度的评估可以及时发现不同等级的风险,进行针对性处理。
本发明的一个实施例,所述分组取值模块具体包括:
分组模块,用于采集用电终端的电力计量数据,对电力计量数据进行预处理,获得预处理数据,对所述预处理数据按照数据种类进行分组,获得多个类别分组,并根据每一类别分组的数据种类对每个类别分组进行类别标注;
比较模块,用于以每一日的用电高峰时间点和用电低谷时间点为时间节点,计算每个评估日期与历史所有日期的相同时间节点的类别分组数据历史均值的差值,将所述差值与预设差值阈值进行比较,获得比较结果,所述比较结果为数据异常情况,根据比较结果获得类别分组的数据的正常数据和异常数据的标注。
上述技术方案的工作原理为:分组模块用于采集用电终端的电力计量数据,对电力计量数据进行预处理,获得预处理数据,对所述预处理数据按照数据种类进行分组,获得多个类别分组,并根据每一类别分组的数据种类对每个类别分组进行类别标注;所述类别分组包括发电数据、用电数据、电网数据和能源数据。类别标注为根据类别分组的名称进行标注。比较模块用于分别计算需要评估的每日的每个时间节点对应的每种类别分组数据与所述类别分组数据在历史相同时间节点的平均值的差值(例如某一日某一小时的每个类别分组的各组数据与历史每一日相同时间节点的所述类别分组的各组数据的平均值进行差值计算,获得差值),设置差值阈值,将所述差值与差值阈值进行比较,当所述差值大于差值阈值时,将差值对应的时间节点的类别分组数据标注为异常数据,当所述差值小于所述差值阈值时,将差值对应的时间节点的类别分组数据标注为正常数据。
上述技术方案的技术效果为:通过评估系统,可以有效地采集用电终端的电力计量数据,并进行预处理。预处理包括数据清洗、格式转换和异常值处理等,以提升数据质量和准确性。预处理后的电力计量数据被按照数据种类分组,例如发电数据、用电数据、电网数据和能源数据等。每一类别分组都进行类别标注,这些标注是根据类别分组的名称进行的,有助于后续的数据分析和处理。对于每个时间节点,都会计算其对应的每种类别分组数据与历史相同时间节点的平均值的差值。这种差值计算可以有效地反映出当前数据与历史数据的差异,帮助发现异常情况。通过设置差值阈值,将所述差值与差值阈值进行比较。当所述差值大于差值阈值时,将差值对应的时间节点的类别分组数据标注为异常数据;当所述差值小于所述差值阈值时,将差值对应的时间节点的类别分组数据标注为正常数据。这种标注有助于发现和识别出电力计量数据中的异常情况。评估系统能够有效地收集、处理和分析电力计量数据,通过时间节点的设置和差值计算,能够及时发现异常数据,为电力系统数据风险运行提供数据。
本发明的一个实施例,所述计算排序模块具体包括:
数据设置模块,用于通过根据每个类别分组的每个异常数据,计算所述每个异常数据的风险系数;
风险系数自然排序模块,用于按照每个类别分组的多个异常数据的风险系数大小,获取多个不同类别分组的风险系数自然排序。即每个类别分组均有与其对应的一个风险系数自然排序。
所述风险系数的计算公式为:
其中,F为风险系数,j为每个类别分组的时间节点总个数,d1i为所述类别分组的第i个时间节点的异常数据,d1i-1为所述类别分组的第i-1个时间节点的异常数据,Hdi为所述类别分组的第i个时间节点的异常数据的损耗电量,Hdi-1为所述类别分组的第i-1个时间节点的异常数据的损耗电量,G为所述异常数据对应各类电设备在所述类别分组中平均每两个时间节点的故障率。
上述技术方案的工作原理为:根据每个类别分组的每个异常数据的每个类别分组的时间节点总个数、所述类别分组的第i个时间节点的异常数据、所述类别分组的第i-1个时间节点的异常数据、所述类别分组的第i个时间节点的异常数据的损耗电量、所述类别分组的第i-1个时间节点的异常数据的损耗电量和所述异常数据对应各类电设备在所述类别分组中平均每两个时间节点的故障率,计算所述每个异常数据的风险系数;按照每个类别分组的多个异常数据的风险系数大小,获取多个不同类别分组的风险系数自然排序。即每个类别分组均有与其对应的一个风险系数自然排序。
上述技术方案的技术效果为:根据每个类别分组的每个异常数据,计算所述每个异常数据的风险系数;通过公式中的d1i可以计算出特定类别分组的特定时间节点的异常数据,通过可以计算出特定类别分组的所述特定时间节点的异常数据之前的所有时间节点的异常数据均值,通过Hdi可以计算出特定类别分组的特定时间节点的异常数据的耗损电量,所述耗损电量可以通过实际值减预设值来计算,通过/>可以计算出特定类别分组的所述特定时间节点的异常数据之前的所有时间节点的异常数据耗损电量的均值,通过/>可以计算特定时间节点的异常数据和异常数据的耗损相较于历史均值的偏离程度,通过G加入公式的计算可以使公式的计算加入故障发生率的因素,是计算结果更具适用性、全面性和精确性;按照每个类别分组的多个异常数据的风险系数大小,获取多个不同类别分组的风险系数自然排序。即每个类别分组均有与其对应的一个风险系数自然排序。
本发明的一个实施例,所述计算排序模块具体还包括:
数据结合模块,用于通过根据每个类别分组的每个异常数据结合所述异常数据对应的风险系数,分别计算每个异常数据对应的风险影响值;
影响值排序模块,用于按照每个类别分组的多个异常数据的风险影响值大小,获取多个不同类别分组的风险影响值自然排序。
所述风险影响值的计算公式为:
其中,YF为风险影响值,F为异常数据的风险系数,n为电力计量数据进行风险评估的总天数,LTai为所需评估的特定日期的a时间节点对应的异常数据的异常数据值,L1ai为电力计量数据进行风险评估的总天数中第i天的a时间节点对应的异常数据的异常数据值,,Tx为处理所述异常数据值的实际时间,Tz为处理异常数据的预设时间;a时间节点为风险评估总天数的每一天的需要计算风险影响值的特定时间节点,例如需要计算第8天的第9个时间节点的风险影响值,那么a时间节点即为第9个时间节点。
上述技术方案的工作原理为:数据结合模块用于根据每个类别分组的每个异常数据结合所述异常数据对应的风险系数,分别计算每个异常数据对应的风险影响值;通过异常数据的风险系数、电力计量数据进行风险评估的总天数、所需评估的特定日期的a时间节点对应的异常数据的异常数据值、电力计量数据进行风险评估的总天数中第i天的a时间节点对应的异常数据的异常数据值、处理所述异常数据值的实际时间和处理异常数据的预设时间计算风险影响值;按照每个类别分组的多个异常数据的风险影响值大小,获取多个不同类别分组的风险影响值自然排序。即每个类别分组均有与其对应的一个风险影响值自然排序。
上述技术方案的技术效果为:根据每个类别分组的每个异常数据结合所述异常数据对应的风险系数,分别计算每个异常数据对应的风险影响值;可以得出每个异常数据对整体数据和损失的影响程度,公式通过可以计算出特定时间节点的异常数据相较于需要评估的每一天的相应时间节点对应的异常数据之和的比值,得出特定时间节点的异常数据相较于均值的偏离程度,通过/>可以计算出所述异常数据的处理时间相较于预设数据的处理的时间的比值,获得异常数据造成的处理时间损失的影响,通过F结合了异常数据对应的风险系数,使得计算结果更加精确和全面。按照每个类别分组的多个异常数据的风险影响值大小,获取多个不同类别分组的风险影响值自然排序。通过所述排序可以获得异常数据对应的风险影响排名。
本发明的一个实施例,所述排名处理模块具体包括:
排名模块,用于分别提取每个类别分组的每个异常数据在所述类别分组的风险系数自然排序和风险影响值自然排序中的排名,计算两个排名之和,获得每个类别分组的每个异常数据的危险综合值;
分级处理模块,用于将不同类别分组的多个异常数据的危险综合值分别进行从大到小的排序,通过所述排序生成多个类别分组的数据处理优先级,评估系统按照所述数据处理优先级对多个类别分组的电力计量数据进行分级处理。
上述技术方案的工作原理为:排名模块用于分别提取每个类别分组的每个异常数据在所述类别分组的风险系数自然排序和风险影响值自然排序中的排名,计算两个排名之和,获得每个类别分组的每个异常数据的危险综合值;分级处理模块用于将不同类别分组的多个异常数据的危险综合值分别进行从大到小的排序,通过所述排序生成多个类别分组的数据处理优先级,评估系统按照所述数据处理优先级对多个类别分组的电力计量数据进行分级处理。
上述技术方案的技术效果为:对于每个类别分组的每个异常数据,提取其在类别分组的风险系数自然排序和风险影响值自然排序中的排名,这两个排名分别反映了异常数据在类别分组中的风险程度和对整个类别分组的影响力。通过计算这两个排名的和,获得每个类别分组的每个异常数据的危险综合值。通过危险综合值,实现了通过双重排名对电力计量数据进行的双重评估的加强评估,将不同类别分组的多个异常数据的危险综合值分别进行从大到小的排序,通过该排序生成多个类别分组的数据处理优先级。这种数据处理优先级反映了不同类别分组的异常数据对整个电力计量数据的影响程度和风险程度,为后续的数据处理提供了明确的顺序。评估系统按照数据处理优先级对多个类别分组的电力计量数据进行分级处理。这种分级处理能够有效地针对不同风险程度和影响程度的类别分组进行有针对性的处理,提高了处理效率和准确性。评估系统能够通过危险综合值的计算和排序,确定不同类别分组的电力计量数据的风险程度和影响力,并据此生成数据处理优先级,实现电力计量数据的分级处理。这有助于提高数据处理效率和准确性,为电力系统的稳定运行提供更可靠的数据支持。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种电力计量数据的安全风险评估方法,其特征在于,所述方法包括:
S1、采集电力计量数据,按照数据类型对所述电力计量数据进行标准化处理,获得类别分组,根据类别分组计算并获取每日用电时间节点的电力计量数据的异常数据;
S2、根据异常数据计算所述异常数据的风险系数,根据计算结果获取每个类别分组的风险系数自然排序,根据异常数据结合异常数据的风险系数计算异常数据的风险影响值,根据计算结果获取每个类别分组的风险影响值自然排序;
S3、根据风险系数自然排序和风险影响值自然排序,计算每个异常数据的危险综合值,根据危险综合值生成数据优先处理级,对多个类别分组的电力计量数据进行分级处理。
2.根据权利要求1所述一种电力计量数据的安全风险评估方法,其特征在于,所述S1包括:
S101、采集用电终端的电力计量数据,对电力计量数据进行预处理,并按照电力计量数据的不同数据种类进行不同分组,获得多个类别分组;
S102、以每一日的用电高峰时间点和用电低谷时间点为时间节点,计算每个评估日期与历史所有日期的相同时间节点的类别分组数据历史均值的差值,将所述差值与预设差值阈值进行比较,获得比较结果,所述比较结果为数据异常情况,根据比较结果获得类别分组的数据的正常数据和异常数据的标注。
3.根据权利要求1所述一种电力计量数据的安全风险评估方法,其特征在于,所述S2包括:
S201、根据每个类别分组的每个异常数据,计算所述每个异常数据的风险系数;
S202、按照每个类别分组的多个异常数据的风险系数大小,获取多个不同类别分组的风险系数自然排序。
4.根据权利要求3所述一种电力计量数据的安全风险评估方法,其特征在于,所述S2还包括:
S301、根据每个类别分组的每个异常数据结合所述异常数据对应的风险系数,分别计算每个异常数据对应的风险影响值;
S302、按照每个类别分组的多个异常数据的风险影响值大小,获取多个不同类别分组的风险影响值自然排序。
5.根据权利要求1所述一种电力计量数据的安全风险评估方法,其特征在于,所述S3包括:
S401、根据异常数据在风险系数自然排序和风险影响值自然排序的中排名,计算并获取每个类别分组的每个异常数据的危险综合值;
S402、根据危险综合值的大小,获取危险综合值自然排序,根据所述危险综合值自然排序生成数据处理优先级,按照所述数据处理优先级对多个类别分组的电力计量数据进行分级处理。
6.一种电力计量数据的安全风险评估系统,其特征在于,所述系统包括:
分组取值模块,用于采集电力计量数据,按照数据类型对所述电力计量数据进行标准化处理,获得类别分组,根据类别分组计算并获取每日用电时间节点的电力计量数据的异常数据;
计算排序模块,用于根据异常数据计算所述异常数据的风险系数,根据计算结果获取每个类别分组的风险系数自然排序,根据异常数据结合异常数据的风险系数计算异常数据的风险影响值,根据计算结果获取每个类别分组的风险影响值自然排序;
排名处理模块,用于根据风险系数自然排序和风险影响值自然排序,计算每个异常数据的危险综合值,根据危险综合值生成数据优先处理级,对多个类别分组的电力计量数据进行分级处理。
7.根据权利要求6所述一种电力计量数据的安全风险评估系统,其特征在于,所述分组取值模块包括:
分组模块,用于采集用电终端的电力计量数据,对电力计量数据进行预处理,并按照电力计量数据的不同数据种类进行不同分组,获得多个类别分组;
比较模块,用于以每一日的用电高峰时间点和用电低谷时间点为时间节点,计算每个评估日期与历史所有日期的相同时间节点的类别分组数据历史均值的差值,将所述差值与预设差值阈值进行比较,获得比较结果,所述比较结果为数据异常情况,根据比较结果获得类别分组的数据的正常数据和异常数据的标注。
8.根据权利要求6所述一种电力计量数据的安全风险评估系统,其特征在于,所述计算排序模块包括:
数据设置模块,用于根据每个类别分组的每个异常数据,计算所述每个异常数据的风险系数;
风险系数自然排序模块,用于按照每个类别分组的多个异常数据的风险系数大小,获取多个不同类别分组的风险系数自然排序。
9.根据权利要求8所述一种电力计量数据的安全风险评估系统,其特征在于,所述计算排序模块还包括:
数据结合模块,用于根据每个类别分组的每个异常数据结合所述异常数据对应的风险系数,分别计算每个异常数据对应的风险影响值;
影响值排序模块,用于按照每个类别分组的多个异常数据的风险影响值大小,获取多个不同类别分组的风险影响值自然排序。
10.根据权利要求6所述一种电力计量数据的安全风险评估系统,其特征在于,所述排名处理模块包括:
排名模块,用于根据异常数据在风险系数自然排序和风险影响值自然排序的中排名,计算并获取每个类别分组的每个异常数据的危险综合值;
分级处理模块,用于根据危险综合值的大小,获取危险综合值自然排序,根据所述危险综合值自然排序生成数据处理优先级,按照所述数据处理优先级对多个类别分组的电力计量数据进行分级处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311715890.XA CN117709717A (zh) | 2023-12-13 | 2023-12-13 | 一种电力计量数据的安全风险评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311715890.XA CN117709717A (zh) | 2023-12-13 | 2023-12-13 | 一种电力计量数据的安全风险评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117709717A true CN117709717A (zh) | 2024-03-15 |
Family
ID=90143717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311715890.XA Pending CN117709717A (zh) | 2023-12-13 | 2023-12-13 | 一种电力计量数据的安全风险评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117709717A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560940A (zh) * | 2020-12-14 | 2021-03-26 | 广东电网有限责任公司广州供电局 | 一种用电异常检测方法、装置、设备和存储介质 |
CN113987031A (zh) * | 2021-11-15 | 2022-01-28 | 国网信通亿力科技有限责任公司 | 一种电力大数据的数据异常判别方法 |
CN114493246A (zh) * | 2022-01-24 | 2022-05-13 | 东北大学 | 一种基于DW-Degree度中心性的电力信息网络节点风险评估方法 |
CN115775047A (zh) * | 2022-12-06 | 2023-03-10 | 中嘉能(广东)能源有限公司 | 一种区域电力供需分析预测方法、系统及存储介质 |
-
2023
- 2023-12-13 CN CN202311715890.XA patent/CN117709717A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560940A (zh) * | 2020-12-14 | 2021-03-26 | 广东电网有限责任公司广州供电局 | 一种用电异常检测方法、装置、设备和存储介质 |
CN113987031A (zh) * | 2021-11-15 | 2022-01-28 | 国网信通亿力科技有限责任公司 | 一种电力大数据的数据异常判别方法 |
CN114493246A (zh) * | 2022-01-24 | 2022-05-13 | 东北大学 | 一种基于DW-Degree度中心性的电力信息网络节点风险评估方法 |
CN115775047A (zh) * | 2022-12-06 | 2023-03-10 | 中嘉能(广东)能源有限公司 | 一种区域电力供需分析预测方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108376982B (zh) | 负载相序的识别方法及装置 | |
CN113988489B (zh) | 电碳因子的预测评估方法、装置及可读存储介质 | |
CN112036725B (zh) | 一种电能表故障识别方法 | |
CN115730749B (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
CN112148777A (zh) | 一种基于边缘计算的数据采集系统 | |
CN114140024A (zh) | 一种基于用电模型的发电厂损耗分析系统 | |
CN116502160A (zh) | 一种电量数据自动采集系统 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN116340437A (zh) | 一种面向大规模多源异构数据的多聚类方法 | |
CN113641667B (zh) | 一种分布式大数据采集平台的数据异常监控系统及方法 | |
CN112508254B (zh) | 变电站工程项目投资预测数据的确定方法 | |
CN113466520A (zh) | 一种在线识别失准电能表的方法 | |
CN117709717A (zh) | 一种电力计量数据的安全风险评估方法及系统 | |
CN111507576A (zh) | 一种工业园区综合能源管理用的平衡调度方法 | |
CN105678456B (zh) | 一种电能计量装置运行状态自动评估方法及其系统 | |
CN111861587A (zh) | 一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法 | |
CN111506636A (zh) | 一种基于自回归和近邻算法的居民用电行为分析的系统及方法 | |
CN115951172A (zh) | 一种母线电量不平衡异常计量点定位方法、装置及设备 | |
CN115204669A (zh) | 基于用电数据的污水处理厂行为异常判定方法及系统 | |
CN115034472A (zh) | 一种分布式光伏运行智能预测管理系统 | |
CN113779808A (zh) | 基于大数据的政策仿真分析方法及系统 | |
CN112561230A (zh) | 基于电气特征的环保设备状态监测方法 | |
CN117313997B (zh) | 一种导地线生命周期碳足迹的核算方法及装置 | |
CN117575176B (zh) | 一种电力数据中异常值的处理方法及系统 |
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 |