CN118259064A - 一种电力系统设备运行负荷异常监测方法 - Google Patents

Abstract

本发明涉及工业数据处理技术领域，具体涉及一种电力系统设备运行负荷异常监测方法，包括：获取工业电力系统设备的电流数据序列集合；获取每个电流数据序列的目标数据集；根据目标数据集中每个电流数据点与相邻电流数据点之间的电流值差异，获取目标数据集中每个电流数据点的电流幅值平稳程度和时刻差异稳定程度；根据电流幅值平稳程度和时刻差异稳定程度，获取目标数据集中每个电流数据点的属于正常极值可能性；根据属于正常极值可能性筛选出电流数据序列的所有极值点；根据所有极值点对电力系统设备进行异常监测。本发明提高了电力系统设备的异常监测结果的准确性。

Description

一种电力系统设备运行负荷异常监测方法

技术领域

本发明涉及工业数据处理技术领域，具体涉及一种电力系统设备运行负荷异常监测方法。

背景技术

工业电力系统设备的运行负荷异常监测在工业生产中具有重要意义，随着工业生产的发展，电力系统设备的运行负荷异常可能导致生产中断、设备损坏甚至安全事故，因此及早发现和处理运行异常至关重要；现有技术一般常常利用电流数据的变化进行负荷异常监测，而电流分析中重点依据电流的波峰波谷变化；由于采集电流传感器的接触不良或其他错误操作导致形成的噪声电流，会使得出现异常波峰波谷，从而导致电流异常监测的误差性较高。

发明内容

为了解决上述问题，本发明提供一种电力系统设备运行负荷异常监测方法，所述方法包括：

获取工业电力系统设备的电流数据序列集合；电流数据序列集合包括若干个电流数据序列，每个电流数据序列包括若干个电流数据点，每个电流数据点对应一个电流值和一个时刻值；

获取每个电流数据序列的目标数据集；根据目标数据集中每个电流数据点与相邻电流数据点之间的电流值差异，获取目标数据集中每个电流数据点的电流幅值平稳程度；根据目标数据集中每个电流数据点与相邻电流数据点之间的时刻值差异，获取目标数据集中每个电流数据点的时刻差异稳定程度；

根据电流幅值平稳程度和时刻差异稳定程度，获取目标数据集中每个电流数据点的属于正常极值可能性；根据属于正常极值可能性筛选出电流数据序列的所有极值点；

根据所有极值点对电力系统设备进行异常监测。

优选的，所述获取每个电流数据序列的目标数据集、疑似波峰数据集和疑似波谷数据集，包括的具体方法为：

对于任意一个电流数据序列，利用最小二乘法将所述电流数据序列中所有电流数据点进行拟合，获得所述电流数据序列的电流曲线；将所述电流曲线中所有极大值点对应的电流数据点构成的数据集，作为所述电流数据序列的疑似波峰数据集；将所述电流曲线中所有极小值点对应的电流数据点构成的数据集，作为所述电流数据序列的疑似波谷数据集；将所述电流曲线中所有极值点对应的电流数据点构成的数据集，作为所述电流数据序列的目标数据集。

优选的，所述根据目标数据集中每个电流数据点与相邻电流数据点之间的电流值差异，获取目标数据集中每个电流数据点的电流幅值平稳程度，包括的具体方法为：

将任意一个电流数据序列的目标数据集，记为参考目标数据集；将参考目标数据集中任意一个电流数据点，记为目标数据点；将目标数据点的左侧相邻电流数据点作为目标数据点的第一参考数据点；将目标数据点的右侧相邻电流数据点作为目标数据点的第二参考数据点；

根据目标电流数据点与相邻电流数据点之间的电流值差异，获取参考目标数据集的参考电流幅值差异值以及目标数据点的电流幅值差异值；

获取目标数据点的电流幅值平稳程度的计算方法为：

式中，P0表示目标数据点的电流幅值平稳程度；F0表示目标数据点的电流幅值差异值；表示参考目标数据集的参考电流幅值差异值；||表示取绝对值；ε表示预设的超参数。

优选的，所述根据目标电流数据点与相邻电流数据点之间的电流值差异，获取参考目标数据集的参考电流幅值差异值以及目标数据点的电流幅值差异值，包括的具体方法为：

将目标数据点与第一参考数据点之间的电流值的差值的绝对值，记为第一差值绝对值；将目标数据点与第二参考数据点之间的电流值的差值的绝对值，记为第二差值绝对值；将第一差值绝对值和第二差值绝对值的均值，作为目标数据点的电流幅值差异值；将参考目标数据集中所有电流数据点的电流幅值差异值构成的序列，记为电流幅值差异序列；将电流幅值差异序列中的众数，作为参考目标数据集的参考电流幅值差异值。

优选的，所述根据目标数据集中每个电流数据点与相邻电流数据点之间的时刻值差异，获取目标数据集中每个电流数据点的时刻差异稳定程度，包括的具体方法为：

根据目标电流数据点与相邻电流数据点之间的时刻值差异，获取目标数据集的参考时刻差异值以及目标数据点的时刻差异值；

获取目标数据点的时刻差异稳定程度的计算方法为：

式中，P1表示目标数据点的时刻差异稳定程度；T0表示目标数据点的时刻差异值；表示参考目标数据集的参考时刻差异值。

优选的，所述根据目标电流数据点与相邻电流数据点之间的时刻值差异，获取目标数据集的参考时刻差异值以及目标数据点的时刻差异值，包括的具体方法为：

将目标数据点与第一参考数据点之间的时刻值的差值的绝对值，记为第三差值绝对值；将目标数据点与第二参考数据点之间的时刻值的差值的绝对值，记为第四差值绝对值；将第三差值绝对值和第四差值绝对值的均值，作为目标数据点的时刻差异值；将参考目标数据集中所有电流数据点的时刻差异值构成的序列，记为时刻差异序列；将时刻差异序列中的众数，作为参考目标数据集的参考时刻差异值。

优选的，所述根据电流幅值平稳程度和时刻差异稳定程度，获取目标数据集中每个电流数据点的属于正常极值可能性，包括的具体方法为：

对于任意一个电流数据序列，将所述电流数据序列的疑似波峰数据集中所有电流数据点进行拟合，获取所述电流数据序列的波峰曲线；对于所述电流数据序列的疑似波峰数据集中任意两个电流数据点；

获取所述两个电流数据点的最终目标可能性；

根据电流幅值平稳程度、时刻差异稳定程度和最终目标可能性，获取所述电流数据序列的疑似波峰数据集中每个电流数据点的属于正常极值可能性；

参考所述电流数据序列的疑似波峰数据集中每个电流数据点的属于正常极值可能性的方法，获取所述电流数据序列的疑似波谷数据集中每个电流数据点的属于正常极值可能性；进而获得所述电流数据序列的目标数据集中每个电流数据点的属于正常极值可能性。

优选的，所述获取所述两个电流数据点的最终目标可能性，包括的具体方法为：

在所述电流数据序列的波峰曲线上，分别作经过所述两个电流数据点的两个水平直线，并记为第一直线和第二直线；将第一直线与第二直线之间的所有极大值点的数量，记为第一数量；将第一直线与所述电流数据序列的波峰曲线的交点数量，记为第二数量；将第二直线与所述电流数据序列的波峰曲线的交点数量，记为第三数量；将第二数量与第三数量的和值，记为第一和值；将第二数量与第三数量的差值的绝对值的倒数，记为第一倒数；将第一数量、第一和值和第一倒数这三者的乘积，作为所述两个电流数据点的初始目标可能性；

将所述两个电流数据点的电流幅值平稳程度的均值，记为第一均值；将所述两个电流数据点的时刻差异稳定程度的均值，记为第二均值；将初始目标可能性、第一均值和第二均值这三者的乘积，作为所述两个电流数据点的最终目标可能性。

优选的，所述根据电流幅值平稳程度、时刻差异稳定程度和最终目标可能性，获取所述电流数据序列的疑似波峰数据集中每个电流数据点的属于正常极值可能性，包括的具体方法为：

在所述电流数据序列的疑似波峰数据集中，将最终目标可能性最大的两个电流数据点，作为所述电流数据序列的疑似波峰数据集的最终目标数据点；对于所述电流数据序列的疑似波峰数据集的两个最终目标数据点，将所述最终目标数据点之间的电流值的差值，作为正弦函数的振幅；将所述最终目标数据点之间的时刻值的差值，作为正弦函数的周期；将所述电流数据序列的疑似波峰数据集中第一个电流数据点的时刻值，作为正弦函数的相位；将所述电流数据序列的疑似波峰数据集中第一个电流数据点的电流值，作为正弦函数的偏移量；根据正弦函数的振幅、周期、相位和频率获取所述电流数据序列的波峰正弦函数；

对于所述电流数据序列的疑似波峰数据集中任意一个电流数据点，将所述电流数据点的时刻值，输入所述电流数据序列的波峰正弦函数中，获取所述电流数据点的函数值；将所述电流数据点的函数值与电流值的差值的绝对值的倒数，作为所述电流数据点的位置匹配程度；将所述电流数据点的位置匹配程度、电流幅值平稳程度和时刻差异稳定程度这三者的乘积，作为所述电流数据点的属于正常极值可能因子；

将所述电流数据序列的疑似波峰数据集中所有电流数据点的属于正常极值可能因子进行线性归一化，将归一化后的每个属于正常极值可能因子记为属于正常极值可能性。

优选的，所述根据属于正常极值可能性筛选出电流数据序列的所有极值点，包括的具体方法为：

预设一个阈值参数K，对于所述电流数据序列的目标数据集中任意一个电流数据点，若所述电流数据点的属于正常极值可能性大于或等于阈值参数K，将所述电流数据点作为所述电流数据序列的极值点。

本发明的技术方案的有益效果是：本发明根据电流幅值平稳程度和时刻差异稳定程度，获取目标数据集中每个电流数据点的属于正常极值可能性；根据属于正常极值可能性筛选出电流数据序列的所有极值点；根据所有极值点对电力系统设备进行异常监测；由于电流曲线中极值点具有缓慢平稳变化、频率稳定和呈现正弦波形的特点，进而确定所有极值点，排除噪声电流引入的突变，导致一些非极值点的电流数据点被误分为极值点；再根据这些极值点去监测，获取异常数据点；以此提高了电力系统设备的异常监测结果的准确性。

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，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地介绍，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他的附图。

图1为本发明一种电力系统设备运行负荷异常监测方法的步骤流程图；

图2为本发明一种电力系统设备运行负荷异常监测方法的特征关系流程图。

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电力系统设备运行负荷异常监测方法，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电力系统设备运行负荷异常监测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种电力系统设备运行负荷异常监测方法的步骤流程图，该方法包括以下步骤：

步骤S001：获取工业电力系统设备的电流数据序列集合。

需要说明的是，基于电流传感器，由于突发事件、设备故障或其他瞬时因素引起异常在电流传感器可能引起发生瞬时变化，其必在一秒内引起电流波形的变化，所以一秒内电流可能出现瞬时波动；基于曲线图获得图中所有波峰波谷点，再根据正常波峰波谷点，具有缓慢平稳变化、频率稳定和呈现正弦波形的特点；通过确定所有正常波峰波谷，再根据这些波峰波谷去训练支持向量机，根据训练后的支持向量机去监测所有的异常点，若异常点过多，则表示出现电力系统设备运行负荷异常的情况。

具体的，首先需要采集工业电力系统设备的电流数据序列集合，具体过程为：

通过采样率为1000Hz的电流传感器，采集工业电力系统设备在一分钟内的电流数据序列集合；该电流数据序列集合包括60个电流数据序列；每个电流数据序列包括1000个电流数据点，每个电流数据点对应一个电流值和一个时刻值。

至此，通过上述方法得到工业电力系统设备的电流数据序列集合。

步骤S002：获取每个电流数据序列的目标数据集；根据目标数据集中每个电流数据点与相邻电流数据点之间的电流值差异，获取目标数据集中每个电流数据点的电流幅值平稳程度和时刻差异稳定程度。

需要说明的是，由于电流分析中重点依据是电流的波峰波谷变化；波峰是指电流曲线中上升到最高点的位置，它代表着波动的最高点，通常表示着局部的最大值；波谷则是指电流曲线中下降到最低点的位置，它代表着波动的最低点，通常表示着局部的最小值。

具体的，对于任意一个电流数据序列，利用最小二乘法将所述电流数据序列中所有电流数据点进行拟合，获得所述电流数据序列的电流曲线；将所述电流曲线中所有极值点对应的电流数据点构成的数据集，作为所述电流数据序列的目标数据集；将所述电流曲线中所有极大值点对应的电流数据点构成的数据集，作为所述电流数据序列的疑似波峰数据集；将所述电流曲线中所有极小值点对应的电流数据点构成的数据集，作为所述电流数据序列的疑似波谷数据集。

至此，通过上述方法得到每个电流数据序列的目标数据集、疑似波峰数据集和疑似波谷数据集。

需要说明的是，对于电流数据序列的电流曲线中正常的波峰和波谷，其具有电流幅值变化缓慢平稳、电流频率稳定和电流曲线呈现正弦曲线的特点；由于其电流幅值变化缓慢平稳，所以对于目标数据集中每个电流数据点，其变化差值为较小和接近；由于其电流频率稳定，所以电流曲线的两两波峰之间的时间差值应该稳定，电流曲线中两两波谷之间的时间差值也应该温度，并且这两个时间差值趋于一致；由于电流曲线呈现正弦曲线，并且曲线振幅，频率一致，所以通过电流数据序列的目标数据集中电流数据点，获取波峰波谷的正弦曲线，若电流数据点的电流值越接近该正弦曲线的函数值，则该电流数据点越属于电流数据序列的电流曲线中正常的波峰和波谷。

1.获取每个电流数据序列的目标数据集中每个电流数据点的电流幅值平稳程度。

需要说明的是，对于电流数据序列的电流曲线中正常的波峰和波谷，其具有电流幅值变化缓慢平稳，也即在没有异常的情况下，电流波形的变化会相对缓慢且连续，并且正常电流波形所造成的波动变化通常在一定幅度范围内波动，波形变化相对平稳，不会产生异常的波动；由此分别对于电流数据序列的目标数据集中所有电流数据点进行分析，在电流数据序列的电流曲线中，其分别与相邻两个电流数据点的电流值差值应为较小或接近。

具体的，将任意一个电流数据序列的目标数据集，记为参考目标数据集；将参考目标数据集中任意一个电流数据点，记为目标数据点；根据参考目标数据集中每个电流数据点与相邻电流数据点之间的电流值差异，获取参考目标数据集中每个电流数据点的电流幅值平稳程度。

将目标数据点的左侧相邻电流数据点作为目标数据点的第一参考数据点；将目标数据点的右侧相邻电流数据点作为目标数据点的第二参考数据点；将目标数据点与第一参考数据点之间的电流值的差值的绝对值，记为第一差值绝对值；将目标数据点与第二参考数据点之间的电流值的差值的绝对值，记为第二差值绝对值；将第一差值绝对值和第二差值绝对值的均值，作为目标数据点的电流幅值差异值；将参考目标数据集中所有电流数据点的电流幅值差异值构成的序列，记为电流幅值差异序列；将电流幅值差异序列中的众数，作为参考目标数据集的参考电流幅值差异值。

作为一种示例，获取目标数据点的电流幅值平稳程度的计算方法为：

式中，P0表示目标数据点的电流幅值平稳程度；F0表示目标数据点的电流幅值差异值；表示参考目标数据集的参考电流幅值差异值；||表示取绝对值；ε表示预设的超参数，本实施预设ε＝1，用于防止分母为0。

至此，获得每个电流数据序列的目标数据集中每个电流数据点的电流幅值平稳程度。

2.获取每个电流数据序列的目标数据集中每个电流数据点的时刻差异稳定程度。

需要说明的是，由于工业电力系统设备正常负荷变化时，其电流曲线中正常的波峰和波谷引起波形频率是相对稳定的，不会出现频率的突变或者非正常的频率变化；所以波峰之间的时间差值应该稳定，波谷之间的时间差值也应该稳定，并且这两个时间差值趋于一致；所以不管是波峰还是波谷，其与相邻数据点之间的时间差值应该固定，并且接近正常时间差值。

具体的，根据参考目标数据集中每个电流数据点与相邻电流数据点之间的时刻值差异，获取参考目标数据集中每个电流数据点的时刻差异稳定程度。

将目标数据点与第一参考数据点之间的时刻值的差值的绝对值，记为第三差值绝对值；将目标数据点与第二参考数据点之间的时刻值的差值的绝对值，记为第四差值绝对值；将第三差值绝对值和第四差值绝对值的均值，作为目标数据点的时刻差异值；将参考目标数据集中所有电流数据点的时刻差异值构成的序列，记为时刻差异序列；将时刻差异序列中的众数，作为参考目标数据集的参考时刻差异值。

作为一种示例，获取目标数据点的时刻差异稳定程度的计算方法为：

式中，P1表示目标数据点的时刻差异稳定程度；T0表示目标数据点的时刻差异值；表示参考目标数据集的参考时刻差异值；||表示取绝对值；ε表示预设的超参数，本实施预设ε＝1，用于防止分母为0。

至此，获得每个电流数据序列的目标数据集中每个电流数据点的时刻差异稳定程度。

步骤S003：根据电流幅值平稳程度和时刻差异稳定程度，获取目标数据集中每个电流数据点的属于正常极值可能性；根据属于正常极值可能性筛选出电流数据序列的所有极值点。

需要说明的是，通过电流数据序列的电流曲线所得到的电流变化波峰，波谷的特点进行分析，正常负荷变化引起的电流波形通常为较为规律的正弦形状；对于所有波峰呈现正弦形，对于所有波谷，也呈现正弦形状，并且其振幅，周期，偏移都相同，只是相位有所不同。

具体的，对于任意一个电流数据序列，将所述电流数据序列的疑似波峰数据集中所有电流数据点进行拟合，获取所述电流数据序列的波峰曲线；对于所述电流数据序列的疑似波峰数据集中任意两个电流数据点；在所述电流数据序列的波峰曲线上，分别作经过所述两个电流数据点的两个水平直线，并记为第一直线和第二直线；将第一直线与第二直线之间的所有极大值点的数量，记为第一数量；将第一直线与所述电流数据序列的波峰曲线的交点数量，记为第二数量；将第二直线与所述电流数据序列的波峰曲线的交点数量，记为第三数量；将第二数量与第三数量的和值，记为第一和值；将第二数量与第三数量的差值的绝对值的倒数，记为第一倒数；将第一数量、第一和值和第一倒数这三者的乘积，作为所述两个电流数据点的初始目标可能性。

将所述两个电流数据点的电流幅值平稳程度的均值，记为第一均值；将所述两个电流数据点的时刻差异稳定程度的均值，记为第二均值；将初始目标可能性、第一均值和第二均值这三者的乘积，作为所述两个电流数据点的最终目标可能性。

在所述电流数据序列的疑似波峰数据集中，将最终目标可能性最大的两个电流数据点，作为所述电流数据序列的疑似波峰数据集的最终目标数据点；对于所述电流数据序列的疑似波峰数据集的两个最终目标数据点，将所述最终目标数据点之间的电流值的差值，作为正弦函数的振幅；将所述最终目标数据点之间的时刻值的差值，作为正弦函数的周期；将所述电流数据序列的疑似波峰数据集中第一个电流数据点的时刻值，作为正弦函数的相位；将所述电流数据序列的疑似波峰数据集中第一个电流数据点的电流值，作为正弦函数的偏移量；根据正弦函数的振幅、周期、相位和频率获取所述电流数据序列的波峰正弦函数。

对于所述电流数据序列的疑似波峰数据集中任意一个电流数据点，将所述电流数据点的时刻值，输入所述电流数据序列的波峰正弦函数中，获取所述电流数据点的函数值；将所述电流数据点的函数值与电流值的差值的绝对值的倒数，作为所述电流数据点的位置匹配程度；将所述电流数据点的位置匹配程度、电流幅值平稳程度和时刻差异稳定程度这三者的乘积，作为所述电流数据点的属于正常极值可能因子。

将所述电流数据序列的疑似波峰数据集中所有电流数据点的属于正常极值可能因子进行线性归一化，将归一化后的每个属于正常极值可能因子记为属于正常极值可能性。

进一步的，参考所述电流数据序列的疑似波峰数据集中每个电流数据点的属于正常极值可能性的方法，获取所述电流数据序列的疑似波谷数据集中每个电流数据点的属于正常极值可能性；进而获得所述电流数据序列的目标数据集中每个电流数据点的属于正常极值可能性。

预设一个阈值参数K，其中本实施例以K＝0.8为例进行叙述，本实施例不进行具体限定，其中K根据具体实施情况而定。

对于所述电流数据序列的目标数据集中任意一个电流数据点，若所述电流数据点的属于正常极值可能性大于或等于阈值参数K，将所述电流数据点作为所述电流数据序列的极值点。

需要说明的是，通过上述操作，可以排除噪声电流引入的突变，导致一些非极值点的电流数据点被误分为极值点，以此排除异常波峰波谷。

至此，通过上述方法得到每个电流数据序列的所有极值点。

步骤S004：根据所有极值点对电力系统设备进行异常监测。

具体的，将所有电流数据序列的所有极值点作为数据集，并将其输入SVM算法中，获取训练后支持向量机；将当前时刻下的工业电力系统设备的电流数据序列记为待检测的电流数据序列；将待检测的电流数据序列的所有极值点，输入训练后支持向量机获得待检测的电流数据序列中的异常极值点。

其中，SVM算法为现有技术，本实施例此处不作过多赘述。

请参阅图2，其示出了一种电力系统设备运行负荷异常监测方法的特征关系流程图。

至此，本实施例完成。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种电力系统设备运行负荷异常监测方法，其特征在于，该方法包括以下步骤：

获取工业电力系统设备的电流数据序列集合；电流数据序列集合包括若干个电流数据序列，每个电流数据序列包括若干个电流数据点，每个电流数据点对应一个电流值和一个时刻值；

获取每个电流数据序列的目标数据集；根据目标数据集中每个电流数据点与相邻电流数据点之间的电流值差异，获取目标数据集中每个电流数据点的电流幅值平稳程度；根据目标数据集中每个电流数据点与相邻电流数据点之间的时刻值差异，获取目标数据集中每个电流数据点的时刻差异稳定程度；

根据电流幅值平稳程度和时刻差异稳定程度，获取目标数据集中每个电流数据点的属于正常极值可能性；根据属于正常极值可能性筛选出电流数据序列的所有极值点；

根据所有极值点对电力系统设备进行异常监测。

2.根据权利要求1所述一种电力系统设备运行负荷异常监测方法，其特征在于，所述获取每个电流数据序列的目标数据集、疑似波峰数据集和疑似波谷数据集，包括的具体方法为：

对于任意一个电流数据序列，利用最小二乘法将所述电流数据序列中所有电流数据点进行拟合，获得所述电流数据序列的电流曲线；将所述电流曲线中所有极大值点对应的电流数据点构成的数据集，作为所述电流数据序列的疑似波峰数据集；将所述电流曲线中所有极小值点对应的电流数据点构成的数据集，作为所述电流数据序列的疑似波谷数据集；将所述电流曲线中所有极值点对应的电流数据点构成的数据集，作为所述电流数据序列的目标数据集。

3.根据权利要求1所述一种电力系统设备运行负荷异常监测方法，其特征在于，所述根据目标数据集中每个电流数据点与相邻电流数据点之间的电流值差异，获取目标数据集中每个电流数据点的电流幅值平稳程度，包括的具体方法为：

将任意一个电流数据序列的目标数据集，记为参考目标数据集；将参考目标数据集中任意一个电流数据点，记为目标数据点；将目标数据点的左侧相邻电流数据点作为目标数据点的第一参考数据点；将目标数据点的右侧相邻电流数据点作为目标数据点的第二参考数据点；

根据目标电流数据点与相邻电流数据点之间的电流值差异，获取参考目标数据集的参考电流幅值差异值以及目标数据点的电流幅值差异值；

获取目标数据点的电流幅值平稳程度的计算方法为：

式中，P0表示目标数据点的电流幅值平稳程度；F0表示目标数据点的电流幅值差异值；表示参考目标数据集的参考电流幅值差异值；||表示取绝对值；ε表示预设的超参数。

4.根据权利要求3所述一种电力系统设备运行负荷异常监测方法，其特征在于，所述根据目标电流数据点与相邻电流数据点之间的电流值差异，获取参考目标数据集的参考电流幅值差异值以及目标数据点的电流幅值差异值，包括的具体方法为：

将目标数据点与第一参考数据点之间的电流值的差值的绝对值，记为第一差值绝对值；将目标数据点与第二参考数据点之间的电流值的差值的绝对值，记为第二差值绝对值；将第一差值绝对值和第二差值绝对值的均值，作为目标数据点的电流幅值差异值；将参考目标数据集中所有电流数据点的电流幅值差异值构成的序列，记为电流幅值差异序列；将电流幅值差异序列中的众数，作为参考目标数据集的参考电流幅值差异值。

5.根据权利要求3所述一种电力系统设备运行负荷异常监测方法，其特征在于，所述根据目标数据集中每个电流数据点与相邻电流数据点之间的时刻值差异，获取目标数据集中每个电流数据点的时刻差异稳定程度，包括的具体方法为：

根据目标电流数据点与相邻电流数据点之间的时刻值差异，获取目标数据集的参考时刻差异值以及目标数据点的时刻差异值；

获取目标数据点的时刻差异稳定程度的计算方法为：

式中，P1表示目标数据点的时刻差异稳定程度；T0表示目标数据点的时刻差异值；表示参考目标数据集的参考时刻差异值。

6.根据权利要求5所述一种电力系统设备运行负荷异常监测方法，其特征在于，所述根据目标电流数据点与相邻电流数据点之间的时刻值差异，获取目标数据集的参考时刻差异值以及目标数据点的时刻差异值，包括的具体方法为：

将目标数据点与第一参考数据点之间的时刻值的差值的绝对值，记为第三差值绝对值；将目标数据点与第二参考数据点之间的时刻值的差值的绝对值，记为第四差值绝对值；将第三差值绝对值和第四差值绝对值的均值，作为目标数据点的时刻差异值；将参考目标数据集中所有电流数据点的时刻差异值构成的序列，记为时刻差异序列；将时刻差异序列中的众数，作为参考目标数据集的参考时刻差异值。

7.根据权利要求2所述一种电力系统设备运行负荷异常监测方法，其特征在于，所述根据电流幅值平稳程度和时刻差异稳定程度，获取目标数据集中每个电流数据点的属于正常极值可能性，包括的具体方法为：

对于任意一个电流数据序列，将所述电流数据序列的疑似波峰数据集中所有电流数据点进行拟合，获取所述电流数据序列的波峰曲线；对于所述电流数据序列的疑似波峰数据集中任意两个电流数据点；

获取所述两个电流数据点的最终目标可能性；

根据电流幅值平稳程度、时刻差异稳定程度和最终目标可能性，获取所述电流数据序列的疑似波峰数据集中每个电流数据点的属于正常极值可能性；

参考所述电流数据序列的疑似波峰数据集中每个电流数据点的属于正常极值可能性的方法，获取所述电流数据序列的疑似波谷数据集中每个电流数据点的属于正常极值可能性；进而获得所述电流数据序列的目标数据集中每个电流数据点的属于正常极值可能性。

8.根据权利要求7所述一种电力系统设备运行负荷异常监测方法，其特征在于，所述获取所述两个电流数据点的最终目标可能性，包括的具体方法为：

在所述电流数据序列的波峰曲线上，分别作经过所述两个电流数据点的两个水平直线，并记为第一直线和第二直线；将第一直线与第二直线之间的所有极大值点的数量，记为第一数量；将第一直线与所述电流数据序列的波峰曲线的交点数量，记为第二数量；将第二直线与所述电流数据序列的波峰曲线的交点数量，记为第三数量；将第二数量与第三数量的和值，记为第一和值；将第二数量与第三数量的差值的绝对值的倒数，记为第一倒数；将第一数量、第一和值和第一倒数这三者的乘积，作为所述两个电流数据点的初始目标可能性；

将所述两个电流数据点的电流幅值平稳程度的均值，记为第一均值；将所述两个电流数据点的时刻差异稳定程度的均值，记为第二均值；将初始目标可能性、第一均值和第二均值这三者的乘积，作为所述两个电流数据点的最终目标可能性。

9.根据权利要求7所述一种电力系统设备运行负荷异常监测方法，其特征在于，所述根据电流幅值平稳程度、时刻差异稳定程度和最终目标可能性，获取所述电流数据序列的疑似波峰数据集中每个电流数据点的属于正常极值可能性，包括的具体方法为：

在所述电流数据序列的疑似波峰数据集中，将最终目标可能性最大的两个电流数据点，作为所述电流数据序列的疑似波峰数据集的最终目标数据点；对于所述电流数据序列的疑似波峰数据集的两个最终目标数据点，将所述最终目标数据点之间的电流值的差值，作为正弦函数的振幅；将所述最终目标数据点之间的时刻值的差值，作为正弦函数的周期；将所述电流数据序列的疑似波峰数据集中第一个电流数据点的时刻值，作为正弦函数的相位；将所述电流数据序列的疑似波峰数据集中第一个电流数据点的电流值，作为正弦函数的偏移量；根据正弦函数的振幅、周期、相位和频率获取所述电流数据序列的波峰正弦函数；

对于所述电流数据序列的疑似波峰数据集中任意一个电流数据点，将所述电流数据点的时刻值，输入所述电流数据序列的波峰正弦函数中，获取所述电流数据点的函数值；将所述电流数据点的函数值与电流值的差值的绝对值的倒数，作为所述电流数据点的位置匹配程度；将所述电流数据点的位置匹配程度、电流幅值平稳程度和时刻差异稳定程度这三者的乘积，作为所述电流数据点的属于正常极值可能因子；

将所述电流数据序列的疑似波峰数据集中所有电流数据点的属于正常极值可能因子进行线性归一化，将归一化后的每个属于正常极值可能因子记为属于正常极值可能性。

10.根据权利要求1所述一种电力系统设备运行负荷异常监测方法，其特征在于，所述根据属于正常极值可能性筛选出电流数据序列的所有极值点，包括的具体方法为：

预设一个阈值参数K，对于所述电流数据序列的目标数据集中任意一个电流数据点，若所述电流数据点的属于正常极值可能性大于或等于阈值参数K，将所述电流数据点作为所述电流数据序列的极值点。