CN111983309A - 采样数据的异常检测方法和装置 - Google Patents
采样数据的异常检测方法和装置 Download PDFInfo
- Publication number
- CN111983309A CN111983309A CN202010885073.9A CN202010885073A CN111983309A CN 111983309 A CN111983309 A CN 111983309A CN 202010885073 A CN202010885073 A CN 202010885073A CN 111983309 A CN111983309 A CN 111983309A
- Authority
- CN
- China
- Prior art keywords
- data
- sampling
- sampling data
- abnormal
- value
- 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
- 238000005070 sampling Methods 0.000 title claims abstract description 250
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000005856 abnormality Effects 0.000 title claims description 23
- 230000002159 abnormal effect Effects 0.000 claims abstract description 68
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000002035 prolonged effect Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000012850 discrimination method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
- G01R23/165—Spectrum analysis; Fourier analysis using filters
- G01R23/167—Spectrum analysis; Fourier analysis using filters with digital filters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/56—Testing of electric apparatus
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Emergency Protection Circuit Devices (AREA)
Abstract
本发明提供一种采样数据的异常检测方法,所述方法包括:在当前采样周期,获取数据源的当前采样数据;判断所述当前采样数据是否有异常;若所述当前采样数据有异常时,判断在当前采样周期内是否存在连续第一预设个数的采样数据有异常;若在所述当前采样周期内存在连续所述第一预设个数的采样数据有异常,发出告警信息;解决了现有技术中对采样数据的异常检测方法需要经过全过程的逻辑计算,不仅延长了异常数据的判别时间,还提高了设备的硬件成本的问题;本发明采用对每个采样周期的每个采样数据进行逐一判别的方式可以快速检测出异常数据,大大提高了异常数据的判别速度;本发明采用固定阈值与带斜率的浮动阈值组合方式,提高了判别的准确性。
Description
技术领域
本发明涉及继电保护技术领域,具体涉及采样数据的异常检测方法和装置。
背景技术
在电力***中,继电保护的作用是当电力***发生故障或异常工况时,在可能实现的最短时间和最小区域内,自动将故障设备从***中切除,或发出信号由值班人员消除异常工况根源,以减轻或避免设备的损坏和对相邻地区供电的影响;继电保护需要对重要的实时模拟量数据进行采样、计算并根据各种类型故障特点进行逻辑判别是否异常。
针对各种类型故障特点,现在已有各种成熟的逻辑和算法,但所有这些逻辑和算法都必须建立在实时模拟量数据源采样正确的前提下;工程实际应用中,负责实时模拟量数据采集的硬件电路长期工作,必然会有一定几率的故障发生,导致数据采样异常,使用错误的数据将立即导致错误的判别结果,因此如何确保实时模拟量数据源出现数据异常时能被快速、准确的识别是继电保护的一项关键技术。
现有技术是通过对实时模拟量采样数据进行硬件回路双重化采集和计算判别,一路采集的数据通过计算后,其结果作为继电保护启动判据;另一路采集的数据通过计算后的结果进行继电保护动作出口判据。这两路判据结果经过“与”门输出作为最终的判别结果,但是两路数据结果都需要经过全过程的逻辑计算,延长了异常数据的判别时间,且因为硬件的多冗余,提高了设备成本。
可见,现有技术中对采样数据的异常检测方法需要经过全过程的逻辑计算,不仅延长了异常数据的判别时间,还提高了设备的硬件成本。
发明内容
针对现有技术中所存在的不足,本发明提供的采样数据的异常检测方法和装置,其解决了现有技术中对采样数据的异常检测方法需要经过全过程的逻辑计算,不仅延长了异常数据的判别时间,还提高了设备的硬件成本的问题。
第一方面,本发明提供一种采样数据的异常检测方法,所述方法包括:在当前采样周期,获取数据源的当前采样数据;判断所述当前采样数据是否有异常;若所述当前采样数据有异常时,判断在当前采样周期内是否存在连续第一预设个数的采样数据有异常;若在所述当前采样周期内存在连续所述第一预设个数的采样数据有异常,发出告警信息。
可选地,所述方法还包括:若在所述当前采样周期内不存在连续所述第一预设个数的采样数据有异常,获取在当前采样周期内所有异常采样数据的累计数值;判断所述累计数值是否等于第二预设个数;当所述累计数值等于所述第二预设个数时,发出所述告警信息。
可选地,在数据源设置两路相同的采样电路,所述当前采样数据包括第一采样数据和第二采样数据,判断所述当前采样数据是否有异常,包括:获取所述第一采样数据和所述第二采样数据的绝对误差值;当所述绝对误差值大于预设固定阈值时,获取所述第一采样数据和所述第二采样数据的相对误差值;当所述相对误差值大于所述第一采样数据所对应的浮动阈值时,判定所述当前采样数据有异常。
可选地,所述相对误差值等于所述绝对误差值与所述第一采样数据的比值;所述第一采样数据所对应的浮动阈值等于最大采样值与预设百分比的乘积;其中,所述最大采样值为所述第一采样数据的绝对值与所述第二采样数的绝对值中的最大值,所述预设百分比根据所述采样电路的硬件参数值计算得到。
可选地,当所述绝对误差值小于或等于所述预设固定阈值时,或当所述相对误差值小于或等于所述第一采样数据所对应的浮动阈值时,判定所述当前采样数据没有异常。
可选地,若所述当前采样数据有异常时,或若在所述当前采样周期内不存在连续所述第一预设个数的采样数据有异常,或当所述累计数值不等于所述第二预设个数时,将所述第一采样数据发送到继电保护模块进行处理。
可选地,将所述第一采样数据发送到继电保护模块进行处理之后,所述方法还包括:所述继电保护模块获取所述当前采样周期内的所有第一采样数据;对所述所有第一采样数据进行数字滤波,得到基波的特征值和各次谐波的特征值;将所述基波的特征值与预设过流保护判定阈值进行比较,判断是否存在短路故障;将所述各次谐波的特征值与预设孤岛判定阈值进行比较,判断是否存在孤岛状态。
可选地,对所述所有第一采样数据进行数字滤波,得到基波的特征值和各次谐波的特征值,包括:对所述所有第一采样数据进行万能窗零点滤波算法计算,得到基波数据和各次谐波数据;对所述基波数据和所述各次谐波数据进行快速傅里叶变换算法计算,得到所述基波的特征值和所述各次谐波的特征值。
可选地,将所述基波的特征值与预设过流保护判定阈值进行比较,判断是否存在短路故障之前,所述方法还包括:构建遗传算法实时预测模型,得到所述预设过流保护判定阈值。
第二方面,本发明提供一种采样数据的异常检测装置,所述装置包括:获取模块,用于在当前采样周期,获取数据源的当前采样数据;第一判断模块,用于判断所述当前采样数据是否有异常;第二判断模块,用于若所述当前采样数据有异常时,判断在当前采样周期内是否存在连续第一预设个数的采样数据有异常;发送模块,用于若在所述当前采样周期内存在连续所述第一预设个数的采样数据有异常,发出告警信息。
相比于现有技术,本发明具有如下有益效果:
(1)本发明采用对每个采样周期的每个采样数据进行逐一判别的方式,而不是等到采样完成半个周期或一个周期的数据之后用半周或全周傅里叶变换计算出幅值后再判别,或等到对采样数据做完继电保护的逻辑计算判别、出口之后,相当于在一个采样周期内采样24个采样数据来说,最快可以在2.5毫秒内检测出异常数据,大大提高了异常数据的判别速度;
(2)本发明的判别方法采用固定阈值与带斜率的浮动阈值组合方式,特别适用于正常采样数据绝对值波动范围较大的实时数据,提高了判别的准确性;
(3)本发明只对实时模拟量数据源采集回路硬件双重化,节约了硬件成本,非常适用于中、低压微机继电保护。
附图说明
图1所示为本发明实施例提供的一种采样数据的异常检测方法的流程示意图;
图2所示为图1中步骤S102的具体流程示意图;
图3所示为本发明实施例提供的一种固定阈值和浮动阈值的组合方式示意图;
图4所示为现有技术的继电保护方案与本发明继电保护方案的结构框图的对比示意图;
图5所示为本发明实施例提供的一种采样数据的异常检测装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1所示为本发明实施例提供的一种采样数据的异常检测方法的流程示意图,如图1所示,所述采样数据的异常检测方法具体包括以下步骤:
步骤S101,在当前采样周期,获取数据源的当前采样数据。
具体地,目前继电保护是对重要的实时模拟量数据源进行采样、计算和异常判别,采样点间隔一般为每周波(20毫秒)采样24点(或48点),每两点采样时间间隔只有0.833毫秒(或0.416毫秒),而至多在一个周波时间内,就必须检测识别出异常数据并报警;因此本实施例中的当前采样周期是以一个正弦波的周期为准,当前采样数据是在当前采样点获取到的采样数据,例如,在当前采样周期设置24个采样点,当前采样点为第10个采样点,则当前采样数据为第10个采样点获取到的采样数据。
需要说明的是,本发明实施例中对采样数据的计算和异常判断都是针对在当前采样周期的当前采样数据的计算和判断,在当前采样周期的其他采样数据和其他采样周期的其他采样数计算方法和判断方法与本实施例方法都相同。
步骤S102,判断所述当前采样数据是否有异常。
在本发明的实施例中,在数据源设置两路相同的采样电路,对同一数据源同时进行双路硬件回路采集和分别存储,一路为实时工作数据,另一路为实时比较数据,所以所述当前采样数据包括第一采样数据和第二采样数据,其中所述第一采样数据为所述实时工作数据,也就是比较基准,所述第二采样数据为所述实时比较数据,也就是比较数;因此对当前采样数据的异常判断是对所述第一采样数据和所述第二采样数据的比较判断,判断过程参考图2,具体步骤如下:
步骤S201,获取所述第一采样数据和所述第二采样数据的绝对误差值;
步骤S202,判断所述绝对误差值是否大于预设固定阈值,当所述绝对误差值大于所述预设固定值时执行步骤S204,当所述绝对误差值小于或等于所述预设固定值时执行步骤S203;
步骤S203,判定所述当前采样数据没有异常;
步骤S204,获取所述第一采样数据和所述第二采样数据的相对误差值;
步骤S205,判断相对误差值是否大于第一采样数据所对应的浮动阈值,当所述相对误差值大于所述第一采样数据所对应的浮动阈值时执行步骤S206,当所述相对误差值小于或等于所述第一采样数据所对应的浮动阈值时执行步骤S203;
步骤S206,判定所述当前采样数据有异常。
需要说明的是,在本实施例中的绝对误差值等于所述第一采样数据与所述第二采样数的差值的绝对值,所述相对误差值等于所述绝对误差值与所述第一采样数据的比值,所述第一采样数据所对应的浮动阈值等于最大采样值与预设百分比的乘积,其中,所述最大采样值为所述第一采样数据的绝对值与所述第二采样数的绝对值中的最大值,所述预设百分比根据所述采样电路的硬件参数值计算得到,所述固定阈值也是根据所述采样电路的硬件参数的固有误差。
在实际应用中,待监测电路在正常负荷状态与故障短路状态时的采样数据的绝对值可能相差近20倍,而这两种状态都是属于正常的实时模拟量数据,如果只设定固定阈值的话,不能有效协调这两者的差异,也就是说假如该固定阈值设定偏小,则当发生常规短路时,有可能视为异常数据而报警闭锁;而设定过大,则真正有轻微的数据异常时,不能正确的反映,因此本实施例采用固定阈值和浮动阈值相结合的方式进行比较和判断可很好地解决这一问题,判断过程为:
首先获取到当前的第一采样数据和第二采样数据的绝对误差值,将所述绝对误差值与预设固定阈值进行比较,当所述绝对误差值小于或等于所述预设固定阈值时,判定所述第一采样数据和所述第二采样数据没有异常为有效数据;因为在待监测电路在正常工作情况下,由于这两路采样电路采集的是同一外部数据源,因而第一采样数据采样通道和第二采样数据采样通道的采样值应几乎完全相等,绝对差值只是元器件的正常参数误差造成,只要该绝对误差小于或等于图中3的AB段(固定的最小允许误差)数值,也就是在AB段下方的阴影区域1,即判断采样数据正常,属于第一有效数据区,采样电路后的逻辑判别电路即以第一采样数据进行逻辑计算。
其次,当所述绝对误差值大于所述预设固定值时,获取所述第一采样数据和所述第二采样数据的相对误差值,将所述相对误差值与所述第一采样数据的所对应的浮动阈值进行比较,当所述相对误差值小于或等于所述第一采样数据所对应的浮动阈值时,也判定所述第一采样数据和所述第二采样数据为有效数据,也就是当相对误差值小于或等于图3中BC段的数值即判断采样数据正常,因此有BCED组成的区域2为第二有效数据区,其中,当第一采样数据与第二采样数据的绝对误差值或相对误差值落入在图3中区域1和区域2以上的区域为无效数据。
步骤S103,若所述当前采样数据有异常时,判断在当前采样周期内是否存在连续第一预设个数的采样数据有异常。
在实际应用中,为了保证采样数据异常判断的准确性,不能当一个采样数据出现异常时,就判定采样电路出现问题,需要对多个采样数据进行判断,本实施例的判断依据是在当前采样周期内,包括当前有异常的采样数据在内,是否存在多个连续的异常采样数据,比如第一预设个数为3个,表示在本次采样点之前的连续两个采样点是否都存在异常。
步骤S104,若在所述当前采样周期内存在连续所述第一预设个数的采样数据有异常,发出告警信息。
具体地,如果在本次采样点之前的连续两个采样点的采样数据都存在异常,也就是在当前采样周期内存在连续3个采样数据有异常,则表示两路采样电路中存在故障导致采样数据不准确,则发出报警信息,提示工作人员对采样电路进行维修处理。
需要说明的是,本发明提供的采样数据的异常检测方法通过对每个采样周期的每个采样数据进行逐一异常判断。
图4所示为现有技术的继电保护方案与本发明继电保护方案的结构框图的对比示意图,其中图4a为现有技术方案一的结构框图,图4b为现有技术方案二的结构框图,图4c为本发明的技术方案的结构框图;如图所示,现有技术方案一是实时模拟量数据源采样后,不对其正确性作判别,无论数据源正确与否均进行计算,将计算后的结果与其它继电保护逻辑组合判别是否应该动作出口。此种方式优点是硬件结构简单,缺点是并非所用继电保护逻辑都能参与组合判别,对于一些快速保护,无法识别数据错误,容易误导动作出口。现有技术方案二是对实时模拟量采样数据进行硬件回路双重化采集和计算判别,一路采集的数据通过计算后,其结果作为继电保护启动判据;另一路采集的数据通过计算后的结果进行继电保护动作出口判据。这两路判据结果经过“与”门输出作为最终的判别结果。此种方式的优点是通过硬件结构冗余判别,提高了继电保护的可靠性,但缺陷在于两路数据结果都需要经过全过程的逻辑计算,延长了异常数据的判别时间,且因为硬件的多冗余,提高了设备成本。本发明的技术方案是对同一实时模拟量数据同时进行双路硬件回路采集并分别存储,一路为实时工作数据,另一路为实时比较数据;再对双路采集来的实时工作数据和实时比较数据立刻逐点进行数据有效性的判别;对正常有效数据,程序继续进行继电保护逻辑计算运行;对异常数据,立刻报警并闭锁继电保护。
因此,与现有技术相比,本发明的技术方案的有益效果为:
(1)本发明采用对每个采样周期的每个采样数据进行逐一判别的方式,而不是等到采样完成半个周期或一个周期的数据之后用半周或全周傅里叶变换计算出幅值后再判别,或等到对采样数据做完继电保护的逻辑计算判别、出口之后,相当于在一个采样周期内采样24个采样数据来说,最快可以在2.5毫秒内检测出异常数据,大大提高了异常数据的判别速度;
(2)本发明的判别方法采用固定阈值与带斜率的浮动阈值组合方式,特别适用于正常采样数据绝对值波动范围较大的实时数据,提高了判别的准确性;
(3)本发明只对实时模拟量数据源采集回路硬件双重化,节约了硬件成本,非常适用于中、低压微机继电保护。
在本发明的另一个实施例中,将所述第一采样数据发送到继电保护模块进行处理之后,所述方法还包括:所述继电保护模块获取所述当前采样周期内的所有第一采样数据;对所述所有第一采样数据进行数字滤波,得到基波的特征值和各次谐波的特征值;将所述基波的特征值与预设过流保护判定阈值进行比较,判断是否存在短路故障;将所述各次谐波的特征值与预设孤岛判定阈值进行比较,判断是否存在孤岛状态。
在本发明的另一个实施例中,对所述所有第一采样数据进行数字滤波,得到基波的特征值和各次谐波的特征值,包括:对所述所有第一采样数据进行万能窗零点滤波算法计算,得到基波数据和各次谐波数据;对所述基波数据和所述各次谐波数据进行快速傅里叶变换算法计算,得到所述基波的特征值和所述各次谐波的特征值。
在本发明的另一个实施例中,将所述基波的特征值与预设过流保护判定阈值进行比较,判断是否存在短路故障之前,所述方法还包括:构建遗传算法实时预测模型,得到所述预设过流保护判定阈值。
图5所示为本发明实施例提供的一种采样数据的异常检测装置的结构示意图,如图5所示,本发明实施例提供一种采样数据的异常检测装置,所述装置包括:
获取模块410,用于在当前采样周期,获取数据源的当前采样数据;
第一判断模块420,用于判断所述当前采样数据是否有异常;
第二判断模块430,用于若所述当前采样数据有异常时,判断在当前采样周期内是否存在连续第一预设个数的采样数据有异常;
发送模块440,用于若在所述当前采样周期内存在连续所述第一预设个数的采样数据有异常,发出告警信息。
在本发明的另一个实施例中,所述装置还包括:累计数值获取模块,用于若在所述当前采样周期内不存在连续所述第一预设个数的采样数据有异常,获取在当前采样周期内所有异常采样数据的累计数值;第三判断模块,用于判断所述累计数值是否等于第二预设个数;所述发送模块440还用于当所述累计数值等于所述第二预设个数时,发出所述告警信息。
在本发明的另一个实施例中,在数据源设置两路相同的采样电路,所述当前采样数据包括第一采样数据和第二采样数据,所述第一判断模块420还包括:绝对误差值获取模块,用于获取所述第一采样数据和所述第二采样数据的绝对误差值;相对误差值获取模块,用于当所述绝对误差值大于预设固定阈值时,获取所述第一采样数据和所述第二采样数据的相对误差值;异常数据判定模块,用于当所述相对误差值大于所述第一采样数据所对应的浮动阈值时,判定所述当前采样数据有异常;正常数据判断模块,用于当所述绝对误差值小于或等于所述预设固定阈值时,或当所述相对误差值小于或等于所述第一采样数据所对应的浮动阈值时,判定所述当前采样数据没有异常。
在本发明的另一个实施例中,所述装置还包括:采样数据发送模块,用于若所述当前采样数据有异常时,或若在所述当前采样周期内不存在连续所述第一预设个数的采样数据有异常,或当所述累计数值不等于所述第二预设个数时,将所述第一采样数据发送到继电保护模块进行处理。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种采样数据的异常检测方法,其特征在于,所述方法包括:
在当前采样周期,获取数据源的当前采样数据;
判断所述当前采样数据是否有异常;
若所述当前采样数据有异常时,判断在当前采样周期内是否存在连续第一预设个数的采样数据有异常;
若在所述当前采样周期内存在连续所述第一预设个数的采样数据有异常,发出告警信息。
2.如权利要求1所述的采样数据的异常检测方法,其特征在于,所述方法还包括:
若在所述当前采样周期内不存在连续所述第一预设个数的采样数据有异常,获取在当前采样周期内所有异常采样数据的累计数值;
判断所述累计数值是否等于第二预设个数;
当所述累计数值等于所述第二预设个数时,发出所述告警信息。
3.如权利要求2所述的采样数据的异常检测方法,其特征在于,在数据源设置两路相同的采样电路,所述当前采样数据包括第一采样数据和第二采样数据,判断所述当前采样数据是否有异常,包括:
获取所述第一采样数据和所述第二采样数据的绝对误差值;
当所述绝对误差值大于预设固定阈值时,获取所述第一采样数据和所述第二采样数据的相对误差值;
当所述相对误差值大于所述第一采样数据所对应的浮动阈值时,判定所述当前采样数据有异常。
4.如权利要求3所述的采样数据的异常检测方法,其特征在于,
所述相对误差值等于所述绝对误差值与所述第一采样数据的比值;
所述第一采样数据所对应的浮动阈值等于最大采样值与预设百分比的乘积;
其中,所述最大采样值为所述第一采样数据的绝对值与所述第二采样数的绝对值中的最大值,所述预设百分比根据所述采样电路的硬件参数值计算得到。
5.如权利要求3所述的采样数据的异常检测方法,其特征在于,所述方法还包括:
当所述绝对误差值小于或等于所述预设固定阈值时,或当所述相对误差值小于或等于所述第一采样数据所对应的浮动阈值时,判定所述当前采样数据没有异常。
6.如权利要求3所述的采样数据的异常检测方法,其特征在于,所述方法还包括:
若所述当前采样数据有异常时,或若在所述当前采样周期内不存在连续所述第一预设个数的采样数据有异常,或当所述累计数值不等于所述第二预设个数时,将所述第一采样数据发送到继电保护模块进行处理。
7.如权利要求6所述的采样数据的异常检测方法,其特征在于,将所述第一采样数据发送到继电保护模块进行处理之后,所述方法还包括:
所述继电保护模块获取所述当前采样周期内的所有第一采样数据;
对所述所有第一采样数据进行数字滤波,得到基波的特征值和各次谐波的特征值;
将所述基波的特征值与预设过流保护判定阈值进行比较,判断是否存在短路故障;
将所述各次谐波的特征值与预设孤岛判定阈值进行比较,判断是否存在孤岛状态。
8.如权利要求7所述的采样数据的异常检测方法,其特征在于,对所述所有第一采样数据进行数字滤波,得到基波的特征值和各次谐波的特征值,包括:
对所述所有第一采样数据进行万能窗零点滤波算法计算,得到基波数据和各次谐波数据;
对所述基波数据和所述各次谐波数据进行快速傅里叶变换算法计算,得到所述基波的特征值和所述各次谐波的特征值。
9.如权利要求7所述的采样数据的异常检测方法,其特征在于,将所述基波的特征值与预设过流保护判定阈值进行比较,判断是否存在短路故障之前,所述方法还包括:
构建遗传算法实时预测模型,得到所述预设过流保护判定阈值。
10.一种采样数据的异常检测装置,其特征在于,所述装置包括:
获取模块,用于在当前采样周期,获取数据源的当前采样数据;
第一判断模块,用于判断所述当前采样数据是否有异常;
第二判断模块,用于若所述当前采样数据有异常时,判断在当前采样周期内是否存在连续第一预设个数的采样数据有异常;
发送模块,用于若在所述当前采样周期内存在连续所述第一预设个数的采样数据有异常,发出告警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010885073.9A CN111983309A (zh) | 2020-08-28 | 2020-08-28 | 采样数据的异常检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010885073.9A CN111983309A (zh) | 2020-08-28 | 2020-08-28 | 采样数据的异常检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111983309A true CN111983309A (zh) | 2020-11-24 |
Family
ID=73439603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010885073.9A Pending CN111983309A (zh) | 2020-08-28 | 2020-08-28 | 采样数据的异常检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111983309A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030558A (zh) * | 2021-03-26 | 2021-06-25 | 合肥联宝信息技术有限公司 | 一种识别数据异常的方法、装置、设备及可读存储介质 |
CN114217119A (zh) * | 2021-12-07 | 2022-03-22 | 广西电网有限责任公司电力科学研究院 | 一种基于不同时刻采样值的数据畸变识别方法及*** |
WO2024148911A1 (zh) * | 2023-01-09 | 2024-07-18 | 深圳素士科技股份有限公司 | 压力基线更新处理方法以及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201282A (zh) * | 2007-12-20 | 2008-06-18 | 宁波大学 | 一种用于斜拉桥索力检测的基频识别方法 |
CN101446605A (zh) * | 2008-12-01 | 2009-06-03 | 中国电力科学研究院 | 一种电力***低频振荡监测方法 |
CN102684145A (zh) * | 2012-04-28 | 2012-09-19 | 辽宁省电力有限公司朝阳供电公司 | 基于冗余ct绕组的采样数据异常检测方法及继电保护方法 |
CN103926079A (zh) * | 2014-04-09 | 2014-07-16 | 中国水利水电科学研究院 | 一种混流式水电机组出力异常检测方法 |
CN105116220A (zh) * | 2015-07-30 | 2015-12-02 | 中国电子科技集团公司第四十一研究所 | 同步分离信号与噪声的信号分析装置及其分析方法 |
CN105510754A (zh) * | 2016-01-22 | 2016-04-20 | 许昌许继软件技术有限公司 | 一种智能变电站中双ad采样不一致判断方法 |
CN108920102A (zh) * | 2018-06-28 | 2018-11-30 | 郑州云海信息技术有限公司 | 一种非易失性内存的预警方法及相关装置 |
CN109286353A (zh) * | 2017-07-21 | 2019-01-29 | 深圳市道通智能航空技术有限公司 | 一种电机控制模式故障检测方法及装置 |
US20190271673A1 (en) * | 2011-08-19 | 2019-09-05 | Hartford Steam Boiler Inspection And Insurance Company | System and method for performing industrial processes across facilities |
CN110224382A (zh) * | 2019-06-28 | 2019-09-10 | 国网河北省电力有限公司石家庄供电分公司 | 微电网继电保护方法及装置 |
CN110568329A (zh) * | 2019-09-16 | 2019-12-13 | 珠海格力电器股份有限公司 | 电弧检测方法、家用电器及计算机可读存储介质 |
-
2020
- 2020-08-28 CN CN202010885073.9A patent/CN111983309A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201282A (zh) * | 2007-12-20 | 2008-06-18 | 宁波大学 | 一种用于斜拉桥索力检测的基频识别方法 |
CN101446605A (zh) * | 2008-12-01 | 2009-06-03 | 中国电力科学研究院 | 一种电力***低频振荡监测方法 |
US20190271673A1 (en) * | 2011-08-19 | 2019-09-05 | Hartford Steam Boiler Inspection And Insurance Company | System and method for performing industrial processes across facilities |
CN102684145A (zh) * | 2012-04-28 | 2012-09-19 | 辽宁省电力有限公司朝阳供电公司 | 基于冗余ct绕组的采样数据异常检测方法及继电保护方法 |
CN103926079A (zh) * | 2014-04-09 | 2014-07-16 | 中国水利水电科学研究院 | 一种混流式水电机组出力异常检测方法 |
CN105116220A (zh) * | 2015-07-30 | 2015-12-02 | 中国电子科技集团公司第四十一研究所 | 同步分离信号与噪声的信号分析装置及其分析方法 |
CN105510754A (zh) * | 2016-01-22 | 2016-04-20 | 许昌许继软件技术有限公司 | 一种智能变电站中双ad采样不一致判断方法 |
CN109286353A (zh) * | 2017-07-21 | 2019-01-29 | 深圳市道通智能航空技术有限公司 | 一种电机控制模式故障检测方法及装置 |
CN108920102A (zh) * | 2018-06-28 | 2018-11-30 | 郑州云海信息技术有限公司 | 一种非易失性内存的预警方法及相关装置 |
CN110224382A (zh) * | 2019-06-28 | 2019-09-10 | 国网河北省电力有限公司石家庄供电分公司 | 微电网继电保护方法及装置 |
CN110568329A (zh) * | 2019-09-16 | 2019-12-13 | 珠海格力电器股份有限公司 | 电弧检测方法、家用电器及计算机可读存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030558A (zh) * | 2021-03-26 | 2021-06-25 | 合肥联宝信息技术有限公司 | 一种识别数据异常的方法、装置、设备及可读存储介质 |
CN113030558B (zh) * | 2021-03-26 | 2022-02-08 | 合肥联宝信息技术有限公司 | 一种识别数据异常的方法、装置、设备及可读存储介质 |
CN114217119A (zh) * | 2021-12-07 | 2022-03-22 | 广西电网有限责任公司电力科学研究院 | 一种基于不同时刻采样值的数据畸变识别方法及*** |
CN114217119B (zh) * | 2021-12-07 | 2023-12-19 | 广西电网有限责任公司电力科学研究院 | 一种基于不同时刻采样值的数据畸变识别方法及*** |
WO2024148911A1 (zh) * | 2023-01-09 | 2024-07-18 | 深圳素士科技股份有限公司 | 压力基线更新处理方法以及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111983309A (zh) | 采样数据的异常检测方法和装置 | |
CN109239265B (zh) | 监测设备故障检测方法及装置 | |
US8154297B2 (en) | System and method for predictive maintenance of a battery assembly using temporal signal processing | |
CN110286656B (zh) | 一种错误数据容忍的虚警过滤方法和装置 | |
CN115693948A (zh) | 一种电力***故障监测方法及监测*** | |
CN112149860A (zh) | 一种自动异常检测方法和*** | |
CN111033413B (zh) | 监视设备和用于监视***的方法 | |
CN111907370B (zh) | 一种动力电池温度监测方法及装置、车辆、存储介质 | |
KR20210017651A (ko) | 반도체 제조 공정에서 고장 검출 및 불량 원인 진단을 위한 방법 | |
CN116345690B (zh) | 基于供电***设备清单的电力监测虚警识别方法及*** | |
CN117312997A (zh) | 一种电力管理***智能诊断方法及*** | |
CN115065591A (zh) | 基于状态空间模型的电动汽车充电桩故障预警***和方法 | |
CN115018220A (zh) | 一种基于知识图谱的家电故障预测方法和*** | |
CN110718231A (zh) | 基于声学网络的监测方法、装置、终端及存储介质 | |
CN109635430A (zh) | 电网输电线路暂态信号监测方法和*** | |
CN111314110B (zh) | 一种用于分布式***的故障预警方法 | |
CN112731022A (zh) | 光伏逆变器故障检测方法、设备及介质 | |
CN115600879A (zh) | 一种断路器异常预警方法、***及相关装置 | |
CN112579665A (zh) | 能源设备控制方法、装置及能源设备 | |
CN114356621A (zh) | 基于信息熵分析的总线退出方法及装置 | |
CN110542810B (zh) | 滤波电容器的故障检测方法、装置、***和设备 | |
CN116633664B (zh) | 一种用于网络安全监测的评估*** | |
CN117129777A (zh) | 输电线路故障检测方法、***、设备及存储介质 | |
CN115841323A (zh) | 一种基于知识图谱的故障排查方法和*** | |
CN116106679A (zh) | 高压电缆在线监测*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201124 |
|
RJ01 | Rejection of invention patent application after publication |