CN104618133A - 一种电网电压质量监测数据采集方法及*** - Google Patents

Abstract

本发明提供一种电网电压质量监测数据采集方法及***，该方法包括：对通信终端、终端监测仪、数据采集点、数据采集服务器、数据采集客户端进行参数设置；运行数据采集服务器，终端监测仪与数据采集服务器进行通信；运行数据采集客户端，开始进行电压质量统计数据的自动采集；若电压质量统计数据的自动采集失败且自动采集失败次数达到预设定次数时，放弃该数据的自动采集，显示自动采集失败的具体信息，进行电压质量统计数据的补召。该***包括参数设置单元、数据采集服务器运行单元、数据自动采集单元、数据手动补召单元、数据软补召单元和数据存储单元。本发明实现对电网电压质量数据的有效采集，保证数据完整性。

Description

一种电网电压质量监测数据采集方法及***

技术领域

本发明属于电网电压质量监测技术领域，尤其涉及一种电网电压质量监测数据采集方法及***。

背景技术

随着国民经济的持续快速发展和人民生活水平的不断提高，电网运行管理***所需的信息量越来越大，各种应用和服务对信息质量提出了越来越高的要求，如数据的可靠性、实时性、通信容量、数据完整性等，因此对电力***远程数据采集和监控的要求也日益提高。电网电压水平的过高、过低、波动等都会对用户负荷设备、电网自身设备运行及电网的网损等产生严重影响。提高电网电压质量数据采集的可靠性、保证数据的完整性和及时性，对于加强电网电压质量监测，提高电网电压质量具有重要意义。

目前关于电压数据采集方面有一些专利，如“201010532549.7(过电压数据采集分层识别***及类型分层模式识别方法)”提供了一种过电压类型分层模式识别方法，对现有的过电压类型特征进行全面充分的分析，从各个类型中选取能够突出反映该种过电压特点的特征量参数，从而为类型辨识提供可靠的理论依据，其判断过程简洁高效。“201120056982.8(一种电压数据采集记录***以及装置)”提供的电压数据采集记录***以及装置，能够在特殊环境下测试被测设备的电压状态，自动记录产生问题的时间点，节约产品开发周期。同时，该电压数据采集记录***以及装置可以智能的对数据进行存储，节省存储空间。“201120177794.0(电压数据采集存贮器)”提供的一种电压数据采集存贮器包括电源整流模块、电压监测模块、电压指示模块、采集存贮模块，电压监测模块分别与电源整流模块、电压指示模块、采集存贮模块连接。电源整流模块将交流电减压整流提供给电压临测模块供电，电压指示模块实时监测交流电源电平值，通过电压指示模块对应显示，电压分时数据保存到SD卡中作为历史数据的分析数据。“201220108793.5(一种宽电压数据采集装置)”能对-600V～+600V的模拟电压信号进行高速的数据采集，大大提高了整个装置的抗干扰能力。“201320154726.1(一种过电压数据采集存储***)”在保证采集频率的基础上，得到较高的采样精度，能在兼顾内、外电压采集时，避免出现数据的丢失等错误。上述专利未对采集过程中出现丢失时如何保证数据完整性进行深入研究，因此难以采用这些方法对电网电压质量进行有效监控。

发明内容

针对现有技术存在的不足，本发明提供一种电网电压质量监测数据采集方法及***。

本发明的技术方案是：

一种电网电压质量监测数据采集方法，包括以下步骤：

步骤1：对通信终端、终端监测仪、数据采集点、数据采集服务器、数据采集客户端进行参数设置；

步骤1-1：通信终端设置，包括：通信终端编码、通信终端名称、通信终端地址、所属部门、通信方式；

步骤1-2：终端监测仪设置，包括：表号、通信协议、所属通信终端、安装日期、安装地址；

步骤1-3：数据采集点设置，包括：采集点编码、采集点名称、所属部门、所属变电站、所属线路、所属终端监测仪、电压类别、电压等级、安装地点、经度、纬度；

所述的通信方式包括GPRS、LAN、GSM；

所述的电压类别包括A类、B类、C类、D类和E类；

所述的电压等级包括220V、380V、66KV、220KV和380KV；

步骤1-4：数据采集服务器设置，包括：客户端端口；

步骤1-5：数据采集客户端设置；

步骤1-5-1：通信参数设置：前置机IP、前置机端口、通信超时时间、通信指令间隔、通信失败重试次数、心跳间隔；

步骤1-5-2：自动采集参数设置：自动采集开始时刻、自动补召时刻、自动采集数据类型。

步骤2：根据参数设置运行数据采集服务器，终端监测仪与数据采集服务器进行通信；

步骤3：运行数据采集客户端，开始进行电压质量统计数据的自动采集；

所述电压质量统计数据包括监测点的电压日统计数据、电压月统计数据、电压季度统计数据、电压年度统计指标和各级部门的指标统计数据；

其中，电压月统计数据包括当月电压统计值、上月电压统计值、当月典型日时数据、上月典型日时数据、当月电压可靠性数据、上月电压可靠性数据、当月停电统计值和上月停电统计值；电压年度统计指标包括电压年度合格率、电压年度超上限率和电压年度超下限率；各级部门的指标统计数据包括各级部门的日合格率统计数据、月合格率统计、季合格率统计和年合格率统计；

步骤4：若电压质量统计数据的自动采集失败且自动采集失败次数达到预设定次数时，放弃该数据的自动采集，显示自动采集失败的具体信息，进行电压质量统计数据的补召；

步骤4-1：设置手动补召的数据类型、数据的时间段范围，对采集失败的数据进行手动补召；

步骤4-2：若手动补召失败且手动补召失败次数达到预设定次数时，放弃该数据的手动补召，设置数据软补召的数据类型、数据的时间段范围，进行数据软补召；

步骤4-2-1：建立灰色模型，灰色模型的输入为某个历史时刻到数据缺失时间点这段时间范围内的电压质量统计数据，灰色模型输出为缺失数据的补召值一；数据缺失时间点数据采集失败时间点；

步骤4-2-2：建立BP神经网络模型，BP神经网络模型的输入为某个历史时刻到数据缺失时间点这段时间范围内的电压质量数据，BP神经网络模型的输出为缺失数据的补召值二；

步骤4-2-3：建立组合模型，组合模型的输入包括灰色模型输出的缺失数据的补召值一和BP神经网络模型输出的缺失数据的补召值二，组合模型的输出为灰色模型输出的缺失数据的补召值一和BP神经网络模型输出的缺失数据的补召值二的加权之和，即组合模型输出的为缺失数据的补召值；

步骤4-2-4：建立时间序列模型，时间序列模型的输入为组合模型输出的缺失数据的补召值，时间序列模型的输出为组合模型输出的缺失数据的补召值的误差；

步骤4-2-5：建立数据补召模型，该模型的输入包括组合模型输出的缺失数据的补召值和时间序列模型输出的组合模型输出缺失数据补召值的误差，数据补召模型的输出为组合模型输出的缺失数据的补召值和时间序列模型输出的组合模型输出缺失数据补召值的误差之和，即缺失数据的最终数据补召结果。

实现所述的用于电网电压质量监测的数据采集方法的数据采集***，包括参数设置单元、数据采集服务器运行单元、数据自动采集单元、数据手动补召单元、数据软补召单元和数据存储单元；

参数设置单元用于对通信终端、终端监测仪、数据采集点、数据采集服务器、数据采集客户端进行参数设置；

数据采集服务器运行单元用于实现数据采集服务器与终端监测仪的通信连接；数据采集服务器与终端监测仪通信连接成功时，显示已连接的终端监测仪的具体参数信息，同时实时显示终端监测仪的状态信息；

数据自动采集单元用于启动数据采集客户端，根据数据采集客户端的设置信息进行数据的自动采集；当数据自动采集成功时，则显示采集到的数据的具体信息；当数据采集失败次数达到预设定次数时，则放弃该数据的自动采集，显示自动采集失败的具体信息；

数据手动补召单元用于数据采集失败时，设置手动补召的数据类型、数据的时间段范围，然后开始数据手动补召；当数据手动补召成功时，则显示补召到的数据的具体信息；若手动补召失败且手动补召失败次数达到预设定次数时，放弃该数据的手动补召，显示手动补召失 败的具体信息；

数据软补召单元是当手动补召失败时，进行电压质量统计数据的软补召，包括：设置数据软补召的数据类型、数据的时间段范围；建立数据软补召模型，该模型的输入为某个历史时刻到数据缺失点之前这段时间范围内的电压质量统计数据，该模型输出为缺失数据的补召值；根据建立的数据软补召模型对缺失数据进行补召；显示数据软补召后的数据信息；

数据存储单元用于存储通信终端参数信息、终端监测仪参数信息、数据采集点参数信息、数据采集服务器参数信息、数据采集客户端参数信息、数据采集客户端自动采集的数据信息、手动补召的数据信息和软补召的数据信息。

所述参数设置单元包括：通信终端设置模块、终端监测仪设置模块、数据采集点设置模块、数据采集服务器设置模块、数据采集客户端设置模块；

通信终端设置模块对通信终端进行基础信息设置，设置的基础信息包括通信终端编码、通信终端名称、通信终端地址、所属部门、通信方式；

终端监测仪设置模块对与数据采集点连接的监测仪进行基础信息设置，设置的基础信息包括表号、通信协议、所属通信终端、安装日期、安装地址；

数据采集点设置模块对需要进行数据采集的采集点进行基础信息设置，设置的基础信息包括采集点编码、采集点名称、所属部门、所属变电站、所属线路、所属监测仪、电压类别、电压等级、安装地点、经度、纬度；

数据采集服务器设置模块对数据采集服务器进行基础信息设置，设置的基础信息包括客户端端口；

数据采集客户端设置模块对数据采集客户端进行基础信息设置，设置的基础信息包括通信参数和自动采集参数；通信参数包括前置机IP、前置机端口、通信超时时间、通信指令间隔、通信失败重试次数、心跳间隔；自动采集参数包括自动采集开始时刻、自动补召时刻、自动采集数据类型。

所述数据软补召单元包括灰色模型建立模块、BP神经网络模型建立模块、组合预测模型建立模块、时间序列模型建立模块、数据软补召模块、电压质量指标数据软补召结果显示模块；

灰色模型建立模块用于建立以从某个历史时刻到数据缺失点之前这段时间范围内的电压质量数据为输入，以要软补召的缺失数据的补召值一为输出的灰色模型；

BP神经网络模型建立模块用于建立以从某个历史时刻到数据缺失点之前这段时间范围内的电压质量数据为输入，以要软补召的缺失数据的补召值二为输出的BP神经网络模型；

组合模型建立模块用于建立以时间序列模型输出的缺失数据的补召值一和BP神经网络 模型输出的缺失数据的补召值二为输入、以时间序列模型输出的缺失数据的补召值一和BP神经网络模型输出的缺失数据的补召值二的加权之和为输出的组合模型；

时间序列模型建立模块用于建立以组合模型输出的缺失数据的补召值为输入、以组合模型输出的缺失数据的补召值的误差为输出的时间序列模型；

数据软补召模块建立以组合模型输出的缺失数据的补召值和时间序列模型输出的组合模型输出缺失数据补召值的误差为输入、以组合模型输出的缺失数据的补召值和时间序列模型输出的组合模型输出缺失数据补召值的误差之和为输出的数据软补召模型，并根据建立的数据软补召模型进行缺失数据的软补招，得到缺失数据的最终补召值。

有益效果：

针对目前的电网电压质量数据采集方法没有对采集过程中出现数据丢失时如何保证数据完整性进行深入研究导致难以对电网电压质量监控提供有效的数据支持，本发明提出了一种用于电网电压质量监测的数据采集方法，实现了对电网电压质量数据的有效采集，保证了数据的完整性，提高了对电网电压质量监控的支持力度。

附图说明

图1为本发明具体实施方式的电网电压质量监测数据采集***的结构框图；

图2为本发明具体实施方式的电网电压质量监测数据采集方法的流程图；

图3为本发明具体实施方式的数据软补召的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式做详细说明。

本实施方式是针对某地电网电压质量监测数据进行采集。

一种电网电压质量监测数据采集方法，如图2所示，包括以下步骤：

步骤1：对通信终端、终端监测仪、数据采集点、数据采集服务器、数据采集客户端进行参数设置；

步骤1-1：通信终端设置，包括：通信终端编码、通信终端名称、通信终端地址、所属部门、通信方式；

通信终端编码：ZD01(当地电力***对通信终端的编号)；

通信终端名称：终端1号(当地电力***对通信终端的命名)；

通信方式：GPRS；

步骤1-2：终端监测仪设置，包括：表号、通信协议、所属通信终端、安装日期、安装地址；

表号：92040001(当地电力***对电表的编号)；

通信协议：透明协议；

安装地址与通信终端地址相同，均为电网所在地；

所属通信终端：终端1号；

安装日期：2013-01-01(所属通信终端的安装日期)；

步骤1-3：数据采集点设置，包括：采集点编码、采集点名称、所属部门、所属变电站、所属线路、所属终端监测仪、电压类别、电压等级、安装地点、经度、纬度；

通信方式包括GPRS、LAN、GSM；

电压类别包括A类、B类、C类、D类和E类；

电压等级包括220V、380V、66KV、220KV和380KV；

采集点编码表示为当地电网***对当前数据采集点的编号；

采集点名称表示为当地电网***对当前数据采集点的命名；

所属部门：001号供电所(当地电力***对当前采集点所属部门的命名)；

所属变电站：1号变电站(当地电力***对当前采集点所属变电站的命名)；

所属线路：1号线路(当地电力***对当前采集点所属线路的编号)；

所属终端监测仪表示为当地电力***对当前采集点所属终端监测仪的编号；

电压类别：B类；

电压等级：220V；

安装地点：电网所在地；

经度：118；

纬度：56；

电网类别：域网；

步骤1-4：数据采集服务器设置，包括：客户端端口；

步骤1-5：数据采集客户端设置；

步骤1-5-1：通信参数设置：前置机IP、前置机端口、通信超时时间、通信指令间隔、通信失败重试次数、心跳间隔；

前置机IP：XXX.XXX.XX.XXX；

前置机端口：7010；

通信超时时间：10s；

通信指令间隔：3000毫秒；

通信失败重试次数：1次；

心跳间隔：客户端到前置机的心跳间隔：180s；

GPRS通信终端到前置机的心跳间隔：300s；

步骤1-5-2：自动采集参数设置：自动采集开始时刻、自动补召时刻、自动采集数据类型。

步骤2：根据参数设置运行数据采集服务器，终端监测仪与数据采集服务器进行通信；

步骤3：运行数据采集客户端，开始进行电压质量统计数据的自动采集；

所述电压质量统计数据包括监测点的电压日统计数据、电压月统计数据、电压季度统计数据、电压年度统计指标和各级部门的指标统计数据；

其中，电压月统计数据包括当月电压统计值、上月电压统计值、当月典型日时数据、上月典型日时数据、当月电压可靠性数据、上月电压可靠性数据、当月停电统计值和上月停电统计值；电压年度统计指标包括电压年度合格率、电压年度超上限率和电压年度超下限率；各级部门的指标统计数据包括各级部门的日合格率统计数据、月合格率统计、季合格率统计和年合格率统计；

自动采集到的电压合格率数据见表1：

表1自动采集到的电压合格率数据

时间	电压合格率(％)	时间	电压合格率(％)	时间	电压合格率(％)
						2012年6月	99.99	2013年4月	99.2	2014年2月	100
2012年7月	99.93	2013年5月	99.74	2014年3月	99.92
						2012年8月	100	2013年6月	99.47	2014年4月	100
2012年9月	99.38	2013年7月	99.87	2014年5月	100
						2012年10月	99.53	2013年8月	99.11	2014年6月	99.91
2012年11月	99.99	2013年9月	99.56	2014年7月	99.94
						2012年12月	99.93	2013年10月	99.91	2014年8月	99.94
2013年1月	99.07	2013年11月	99.94	2014年9月	100
						2013年2月	99.15	2013年12月	99.89	2014年10月	99.75
2013年3月	100	2014年1月	99.89

表1中的2011年12月的电压合格率自动采集失败。

步骤4：若电压质量统计数据的自动采集失败且自动采集失败次数达到预设定次数时，放弃该数据的自动采集，显示自动采集失败的具体信息，进行电压质量统计数据的补召；

因2014年11月的电压合格率的自动采集失败且自动采集失败次数达到预设定次数3，所以放弃该数据的自动采集，显示自动采集失败的具体信息，进行电压质量统计数据的补召；

步骤4-1：设置手动补召的数据类型、数据的时间段范围，对采集失败的数据进行手动补召；

步骤4-2：若手动补召失败且手动补召失败次数达到预设定次数时，放弃该数据的手动补召，设置数据软补召的数据类型、数据的时间段范围，进行数据软补召，如图3所示；

本实施方式中，2014年11月的电压合格率的手动补召失败且手动补召失败次数达到预设定次数3，放弃该数据的手动补召，设置数据软补召的数据类型、数据的时间段范围，进 行数据软补召；

步骤4-2-1：建立灰色模型，灰色模型的输入为某个历史时刻到数据采集失败时间点这段时间范围内的电压质量统计数据，灰色模型输出为缺失数据的补召值一；

(1)由某个历史时刻到数据采集失败时间点这段时间范围内已采集到的电压质量统计数据建立电压质量统计数据序列X⁽⁰⁾＝[x⁽⁰⁾(1),x⁽⁰⁾(2),…,x⁽⁰⁾(n)]生成数据序列X⁽¹⁾＝[x⁽¹⁾(1),x⁽¹⁾(2),…,x⁽¹⁾(n)]，其中x⁽⁰⁾(i)＞0(i＝1,2,…,n)表示已采集到的电压质量统计数据； $x^{\left(1\right)}\left(t\right)=\underset{k=1}{\overset{t}{\mathrm{\Σ}}}{x}^{\left(0\right)},t=\mathrm{1,2},...,n;$

(2)构造累加矩阵B与常数项向量Y_n，即

$B=\left[\begin{array}{cc}-\frac{1}{2}[x^{\left(1\right)}\left(1\right)+x^{\left(1\right)}\left(2\right)]& 1\\ -\frac{1}{2}[x^{\left(1\right)}\left(2\right)+x^{\left(1\right)}\left(3\right)]& 1\\ ...& 1\\ -\frac{1}{2}[x^{\left(1\right)}(n-1)+x^{\left(1\right)}\left(n\right)]& 1\end{array}\right],Y_n={[x^{\left(0\right)}\left(2\right),...,x^{\left(0\right)}\left(n\right)]}^T$

(3)用最小二乘法求解灰色参数：a表示发展灰数，u表示内生控制灰数；

(4)差分微分方程模型GM(1,1)对应的白化微分方程为：

(5)将灰色参数a和u代入白化微分方程解得时间响应函数：  ${\hat{x}}^{\left(1\right)}(t+1)=(x^{\left(0\right)}\left(1\right)-\frac{u}{a})e^{-\mathrm{at}}+\frac{u}{a},t=\mathrm{1,2},...,n,$ 累加还原得到 ${\hat{x}}^{\left(0\right)}(t+1)={\hat{x}}^{\left(1\right)}(t+1)-{\hat{x}}^{\left(1\right)}\left(t\right);$

(6)对 ${\hat{x}}^{\left(1\right)}(t+1)=(x^{\left(0\right)}\left(1\right)-\frac{u}{a})e^{-\mathrm{at}}+\frac{u}{a},t=\mathrm{1,2},...,n$ 还原求导得到补召方程，即灰色模型：

${\hat{x}}^{\left(0\right)}(t+1)=-a(x^{\left(0\right)}\left(1\right)-\frac{u}{a})e^{-\mathrm{at}}$

当t＝n时，即为数据采集失败时间点的电压质量统计数据的补召值一。

步骤4-2-2：建立BP神经网络模型，BP神经网络模型的输入为某个历史时刻到数据缺失时间点这段时间范围内的电压质量数据，BP神经网络模型的输出为缺失数据的补召值二；

(1)确定网络层数：采用单隐层的三层网络；

(2)确定网络各层神经元的个数：选择输入层神经元数为4，输出层神经元数为1，设定隐含层的初始节点数为2；

(3)样本选择与数据预处理：将某个历史时刻到数据采集失败时间点这段时间范围内已采集到的电压质量统计数据进行分组，一组电压质量统计数据用来构成训练样本，另一组电压质量统计数据则组成检验样本，为了避免数据间因数量级差别较大而造成网络预测误差较大，需要对输入电压质量统计数据样本数据进行归一化处理：其中X_t为某个历史时刻到数据采集失败时间点这段时间范围内已采集到的电压质量统计数据，X_max,X_min分别为已采集到的电压质量统计数据X_t中的最大值及最小值；S_t为X_t变换后的值；

(4)模型训练：取隐含层激励函数为对数S型函数，输出层激励函数为纯线性函数，选取训练函数为动量梯度下降与自适应学习速率训练函数，学习函数为动量梯度下降学习函数。用训练样本按照神经网络算法的步骤，对网络进行反复训练，直到网络收敛于一定的标准。否则，重复改变网络的初始权值，甚至网络的拓扑结构，直至训练结果满意为止：

a)初始化网络权值；

b)随机选取一对训练样本P_x和D_x，将P_x输入网络； 

c)计算隐层各神经元的输出：

$y_t=f(\underset{j=1}{\overset{s}{\mathrm{\Σ}}}{r}_j{v}_{\mathrm{jt}}+{\mathrm{\γ}}_t)$

d)计算输出层各神经元的输出：

$r_j=f(\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{p}_i{w}_{\mathrm{ij}}+{\mathrm{\θ}}_j)$

e)计算实际输出Y_x和D_x期望输出之间的误差：

$E_x\left(\mathrm{\λ}\right)=\sqrt{\frac{1}{2}\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{(d_t\left(\mathrm{\λ}\right)-y_t\left(\mathrm{\λ}\right))}^2}$

f)根据误差利用下式来修正网络各层之间的权值和阈值：

W_t(λ+1)＝W_t(λ)+ΔW_t(λ)

其中，W_t(λ)代表当前的权值和偏差，表示下W_t(λ+1)一次训练时的权值和偏差，ΔW_t(λ)表示本次训练权值和偏差的修正。

g)随机选取下一对训练样本，提供给网络，重复步骤c)至步骤g)，直到对训练样本学习 完毕。

计算网络全局误差E，若全局误差E小于设定值，结束训练，否则重复步骤b)至步骤g)，进行新一轮训练，直到全局误差E小于设定值，或训练次数λ大于设定值。

(5)BP神经网络模型预测：根据BP神经网络模型 得到数据采集失败时间点的电压质量统计数据的补召值二r_j；

步骤4-2-3：建立组合模型，组合模型的输入包括灰色模型输出的缺失数据的补召值一和BP神经网络模型输出的缺失数据的补召值二，组合模型的输出为灰色模型输出的缺失数据的补召值一和BP神经网络模型输出的缺失数据的补召值二的加权之和，即组合模型输出的为缺失数据的补召值；

组合模型：

${\hat{x}}_t=w_1{\hat{x}}_{t1}+w_2{\hat{x}}_{t2},$

其中，t为缺失数据的时间点，为t时刻的电压质量统计数据补召值，w₁为灰色模型的权系数，w₂为BP神经网络模型的权系数，为t时刻灰色模型的电压质量统计数据补召值一，为t时刻BP神经网络模型模型的电压质量统计数据补召值二。权系数的确定按如下方法：

$\left\{\begin{array}{c}{w}_j=\left\{\begin{array}{cc}1\×|1-j|& n\≤10\\ \frac{e_j^{-1}}{\underset{j=1}{\overset{2}{\mathrm{\Σ}}}{e}_j^{-1}}& n>10\end{array}\right.\\ w_1+w_2=1\end{array}\right.$

式中，e_j为第j个模型(j＝1表示灰色模型，j＝2表示BP神经网络模型的误差均方差，即 $e_j=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_j-{\hat{x}}_j)}^2.$

步骤4-2-4：建立时间序列模型，时间序列模型的输入为组合模型输出的缺失数据的补召值，时间序列模型的输出为组合模型输出的缺失数据的补召值的误差；

本实施方式中，时间序列模型采用ARIMA(p,d,q)模型，其中p,d,q分别表示自回归模型的阶数、差分阶数和移动平均模型的阶数。用数学模型来近似描述这个时间序列，它的表示 形式为：

其中，X_t为未知变量，为滞后算子，a_j表示自回归模型参数系数，b_j表示移动平均模型参数，ε_t表示独立同分布的随机变量序列。

根据已采集到的电压质量统计数据建立ARIMA(4,1,3)模型，结果如下：

A(q)X_t＝C(q)ε_t

其中：A(q)＝1+0.6689q^-1+1.2q^-2+0.3823q^-3+0.1103q^-4, 

C(q)＝1-0.4164q^-1+0.6285q^-1-0.8523q^-3，

即：

X_t＝-0.6689X_t-1-1.2X_t-2-0.3823X_t-3-0.1103X_t-4+ε_t-0.4164ε_t+0.6285ε_t-1-0.8523ε_t-2。

步骤4-2-5：建立数据补召模型，该模型的输入包括组合模型输出的缺失数据的补召值和时间序列模型输出的组合模型输出缺失数据补召值的误差，数据补召模型的输出为组合模型输出的缺失数据的补召值和时间序列模型输出的组合模型输出缺失数据补召值的误差之和，即缺失数据的最终数据补召结果。2014年11月的电压合格率的数据补召结果为99.57％。

实现所述的用于电网电压质量监测的数据采集方法的数据采集***，如图1所示，包括参数设置单元、数据采集服务器运行单元、数据自动采集单元、数据手动补召单元、数据软补召单元和数据存储单元；

参数设置单元用于对通信终端、终端监测仪、数据采集点、数据采集服务器、数据采集客户端进行参数设置；

数据采集服务器运行单元用于实现数据采集服务器与终端监测仪的通信连接；数据采集服务器与终端监测仪通信连接成功时，显示已连接的终端监测仪的具体参数信息，同时实时显示终端监测仪的状态信息；

数据自动采集单元用于启动数据采集客户端，根据数据采集客户端的设置信息进行数据的自动采集；当数据自动采集成功时，则显示采集到的数据的具体信息；当数据采集失败次数达到预设定次数时，则放弃该数据的自动采集，显示自动采集失败的具体信息；

数据手动补召单元用于数据采集失败时，设置手动补召的数据类型、数据的时间段范围，然后开始数据手动补召；当数据手动补召成功时，则显示补召到的数据的具体信息；若手动 补召失败且手动补召失败次数达到预设定次数时，放弃该数据的手动补召，显示手动补召失败的具体信息；

数据软补召单元是当手动补召失败时，进行电压质量统计数据的软补召，包括：设置数据软补召的数据类型、数据的时间段范围；建立数据软补召模型，该模型的输入为某个历史时刻到数据缺失点之前这段时间范围内的电压质量统计数据，该模型输出为缺失数据的补召值；根据建立的数据软补召模型对缺失数据进行补召；显示数据软补召后的数据信息；

数据存储单元用于存储通信终端参数信息、终端监测仪参数信息、数据采集点参数信息、数据采集服务器参数信息、数据采集客户端参数信息、数据采集客户端自动采集的数据信息、手动补召的数据信息和软补召的数据信息。

所述参数设置单元包括：通信终端设置模块、终端监测仪设置模块、数据采集点设置模块、数据采集服务器设置模块、数据采集客户端设置模块；

通信终端设置模块对通信终端进行基础信息设置，设置的基础信息包括通信终端编码、通信终端名称、通信终端地址、所属部门、通信方式；

终端监测仪设置模块对与数据采集点连接的监测仪进行基础信息设置，设置的基础信息包括表号、通信协议、所属通信终端、安装日期、安装地址；

数据采集点设置模块对需要进行数据采集的采集点进行基础信息设置，设置的基础信息包括采集点编码、采集点名称、所属部门、所属变电站、所属线路、所属监测仪、电压类别、电压等级、安装地点、经度、纬度；

数据采集服务器设置模块对数据采集服务器进行基础信息设置，设置的基础信息包括客户端端口；

数据采集客户端设置模块对数据采集客户端进行基础信息设置，设置的基础信息包括通信参数和自动采集参数；通信参数包括前置机IP、前置机端口、通信超时时间、通信指令间隔、通信失败重试次数、心跳间隔；自动采集参数包括自动采集开始时刻、自动补召时刻、自动采集数据类型。

所述数据软补召单元包括灰色模型建立模块、BP神经网络模型建立模块、组合预测模型建立模块、时间序列模型建立模块、数据软补召模块、电压质量指标数据软补召结果显示模块；

灰色模型建立模块用于建立以从某个历史时刻到数据缺失点之前这段时间范围内的电压质量数据为输入，以要软补召的缺失数据的补召值一为输出的灰色模型；

BP神经网络模型建立模块用于建立以从某个历史时刻到数据缺失点之前这段时间范围内的电压质量数据为输入，以要软补召的缺失数据的补召值二为输出的BP神经网络模型；

组合模型建立模块用于建立以时间序列模型输出的缺失数据的补召值一和BP神经网络模型输出的缺失数据的补召值二为输入、以时间序列模型输出的缺失数据的补召值一和BP神经网络模型输出的缺失数据的补召值二的加权之和为输出的组合模型；

时间序列模型建立模块用于建立以组合模型输出的缺失数据的补召值为输入、以组合模型输出的缺失数据的补召值的误差为输出的时间序列模型；

数据软补召模块建立以组合模型输出的缺失数据的补召值和时间序列模型输出的组合模型输出缺失数据补召值的误差为输入、以组合模型输出的缺失数据的补召值和时间序列模型输出的组合模型输出缺失数据补召值的误差之和为输出的数据软补召模型，并根据建立的数据软补召模型进行缺失数据的软补招，得到缺失数据的最终补召值。

Claims (5)

1.一种电网电压质量监测数据采集方法，其特征在于，包括以下步骤：

步骤1：对通信终端、终端监测仪、数据采集点、数据采集服务器、数据采集客户端进行参数设置；

步骤2：根据参数设置运行数据采集服务器，终端监测仪与数据采集服务器进行通信；

步骤3：运行数据采集客户端，开始进行电压质量统计数据的自动采集；

所述电压质量统计数据包括监测点的电压日统计数据、电压月统计数据、电压季度统计数据、电压年度统计指标和各级部门的指标统计数据；

其中，电压月统计数据包括当月电压统计值、上月电压统计值、当月典型日时数据、上月典型日时数据、当月电压可靠性数据、上月电压可靠性数据、当月停电统计值和上月停电统计值；电压年度统计指标包括电压年度合格率、电压年度超上限率和电压年度超下限率；各级部门的指标统计数据包括各级部门的日合格率统计数据、月合格率统计、季合格率统计和年合格率统计；

步骤4：若电压质量统计数据的自动采集失败且自动采集失败次数达到预设定次数时，放弃该数据的自动采集，显示自动采集失败的具体信息，进行电压质量统计数据的补召；

步骤4-1：设置手动补召的数据类型、数据的时间段范围，对采集失败的数据进行手动补召；

步骤4-2：若手动补召失败且手动补召失败次数达到预设定次数时，放弃该数据的手动补召，设置数据软补召的数据类型、数据的时间段范围，进行数据软补召；

步骤4-2-1：建立灰色模型，灰色模型的输入为某个历史时刻到数据采集失败时间点这段时间范围内的电压质量统计数据，灰色模型输出为缺失数据的补召值一；

步骤4-2-2：建立BP 神经网络模型，BP 神经网络模型的输入为某个历史时刻到数据缺失时间点这段时间范围内的电压质量数据，BP 神经网络模型的输出为缺失数据的补召值二；

步骤4-2-3：建立组合模型，组合模型的输入包括灰色模型输出的缺失数据的补召值一和BP 神经网络模型输出的缺失数据的补召值二，组合模型的输出为灰色模型输出的缺失数据的补召值一和BP 神经网络模型输出的缺失数据的补召值二的加权之和，即组合模型输出的为缺失数据的补召值；

步骤4-2-4：建立时间序列模型，时间序列模型的输入为组合模型输出的缺失数据的补召值，时间序列模型的输出为组合模型输出的缺失数据的补召值的误差；

步骤4-2-5：建立数据补召模型，该模型的输入包括组合模型输出的缺失数据的补召值和时间序列模型输出的组合模型输出缺失数据补召值的误差，数据补召模型的输出为组合模型输出的缺失数据的补召值和时间序列模型输出的组合模型输出缺失数据补召值的误差之和，即缺失数据的最终数据补召结果。

2.根据权利要求1所述的用于电网电压质量监测的数据采集方法，其特征在于：步骤1具体按如下步骤进行：

步骤1-1：通信终端设置，包括：通信终端编码、通信终端名称、通信终端地址、所属部门、通信方式；

步骤1-2：终端监测仪设置，包括：表号、通信协议、所属通信终端、安装日期、安装地址；

步骤1-3：数据采集点设置，包括：采集点编码、采集点名称、所属部门、所属变电站、所属线路、所属终端监测仪、电压类别、电压等级、安装地点、经度、纬度；

所述的通信方式包括GPRS、LAN、GSM；

所述的电压类别包括A类、B类、C类、D类和E类；

所述的电压等级包括220V、380V、66KV、220KV和380KV；

步骤1-4：数据采集服务器设置，包括：客户端端口；

步骤1-5：数据采集客户端设置；

步骤1-5-1：通信参数设置：前置机IP、前置机端口、通信超时时间、通信指令间隔、通信失败重试次数、心跳间隔；

步骤1-5-2：自动采集参数设置：自动采集开始时刻、自动补召时刻、自动采集数据类型。

3.实现权利要求1所述的用于电网电压质量监测的数据采集方法的数据采集***，其特征在于：包括参数设置单元、数据采集服务器运行单元、数据自动采集单元、数据手动补召单元、数据软补召单元和数据存储单元；

参数设置单元用于对通信终端、终端监测仪、数据采集点、数据采集服务器、数据采集客户端进行参数设置；

数据采集服务器运行单元用于实现数据采集服务器与终端监测仪的通信连接；数据采集服务器与终端监测仪通信连接成功时，显示已连接的终端监测仪的具体参数信息，同时实时显示终端监测仪的状态信息；

数据自动采集单元用于启动数据采集客户端，根据数据采集客户端的设置信息进行数据的自动采集；当数据自动采集成功时，则显示采集到的数据的具体信息；当数据采集失败次数达到预设定次数时，则放弃该数据的自动采集，显示自动采集失败的具体信息；

数据手动补召单元用于数据采集失败时，设置手动补召的数据类型、数据的时间段范围，然后开始数据手动补召；当数据手动补召成功时，则显示补召到的数据的具体信息；若手动补召失败且手动补召失败次数达到预设定次数时，放弃该数据的手动补召，显示手动补召失败的具体信息；

数据软补召单元是当手动补召失败时，进行电压质量统计数据的软补召，包括：设置数据软补召的数据类型、数据的时间段范围；建立数据软补召模型，该模型的输入为某个历史时刻到数据缺失点之前这段时间范围内的电压质量统计数据，该模型输出为缺失数据的补召值；根据建立的数据软补召模型对缺失数据进行补召；显示数据软补召后的数据信息；

数据存储单元用于存储通信终端参数信息、终端监测仪参数信息、数据采集点参数信息、数据采集服务器参数信息、数据采集客户端参数信息、数据采集客户端自动采集的数据信息、手动补召的数据信息和软补召的数据信息。

4.根据权利要求3所述的电网电压质量监测数据采集***，其特征在于：所述参数设置单元包括：通信终端设置模块、终端监测仪设置模块、数据采集点设置模块、数据采集服务器设置模块、数据采集客户端设置模块；

通信终端设置模块对通信终端进行基础信息设置，设置的基础信息包括通信终端编码、通信终端名称、通信终端地址、所属部门、通信方式；

终端监测仪设置模块对与数据采集点连接的监测仪进行基础信息设置，设置的基础信息包括表号、通信协议、所属通信终端、安装日期、安装地址；

数据采集点设置模块对需要进行数据采集的采集点进行基础信息设置，设置的基础信息包括采集点编码、采集点名称、所属部门、所属变电站、所属线路、所属监测仪、电压类别、电压等级、安装地点、经度、纬度；

数据采集服务器设置模块对数据采集服务器进行基础信息设置，设置的基础信息包括客户端端口；

数据采集客户端设置模块对数据采集客户端进行基础信息设置，设置的基础信息包括通信参数和自动采集参数；通信参数包括前置机IP、前置机端口、通信超时时间、通信指令间隔、通信失败重试次数、心跳间隔；自动采集参数包括自动采集开始时刻、自动补召时刻、自动采集数据类型。

5.根据权利要求1所述的用于电网电压质量监测的数据采集***，其特征在于：所述数据软补召单元包括灰色模型建立模块、BP 神经网络模型建立模块、组合预测模型建立模块、时间序列模型建立模块、数据软补召模块、电压质量指标数据软补召结果显示模块；

灰色模型建立模块用于建立以从某个历史时刻到数据缺失点之前这段时间范围内的电压质量数据为输入，以要软补召的缺失数据的补召值一为输出的灰色模型；

BP 神经网络模型建立模块用于建立以从某个历史时刻到数据缺失点之前这段时间范围内的电压质量数据为输入，以要软补召的缺失数据的补召值二为输出的BP 神经网络模型；

组合模型建立模块用于建立以时间序列模型输出的缺失数据的补召值一和BP 神经网络模型输出的缺失数据的补召值二为输入、以时间序列模型输出的缺失数据的补召值一和BP 神经网络模型输出的缺失数据的补召值二的加权之和为输出的组合模型；

时间序列模型建立模块用于建立以组合模型输出的缺失数据的补召值为输入、以组合模型输出的缺失数据的补召值的误差为输出的时间序列模型；

数据软补召模块建立以组合模型输出的缺失数据的补召值和时间序列模型输出的组合模型输出缺失数据补召值的误差为输入、以组合模型输出的缺失数据的补召值和时间序列模型输出的组合模型输出缺失数据补召值的误差之和为输出的数据软补召模型，并根据建立的数据软补召模型进行缺失数据的软补招，得到缺失数据的最终补召值。