CN114048815B - 基于厂站侧的电网运行信息感知***、感知方法 - Google Patents

Abstract

本发明提供一种基于厂站侧的电网运行信息感知***、感知方法，所述***包括：设备接入层，用于接入电网智能设备；数据采集层，用于采集电网智能设备的运行信息；数据处理层，用于对运行信息进行标准化处理，标准化处理包括有：数据统一、数据辨识；应用层，用于将进行标准化处理后的运行信息输入故障成因诊断模型，以根据故障成因诊断模型获取故障成因诊断结果；对外交互层，用于将故障成因诊断结果上送至厂站侧的协同平台和移动端的协同App。本发明将采集的电网智能设备的运行信息经过标准化处理后输入相关的诊断模型进行故障识别，可以提高诊断模型感知的准确性和高效性，进而可以提高电网故障的处置效率。

Description

基于厂站侧的电网运行信息感知***、感知方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于厂站侧的电网运行信息感知***、一种基于厂站侧的电网运行信息的感知方法。

背景技术

目前，厂站侧的电网发生故障时，不仅运检人员需要现场核查，若是需要自动化设备故障及二次设备故障的详细情况还需要其他专业重新排查。这种排查方式使得消缺时间延长、故障处理流程缓慢，消耗了大量的人力成本和资源成本等。

相关技术中，虽然有利用故障诊断模型进行电网故障诊断的技术，但是考虑到电网运行信息不仅数量大且种类繁多，从而会导致故障诊断模型存在效率低下、准确度不高的情况，进而影响电网故障的处置效率。

发明内容

为解决上述技术问题，本发明的第一个目的提出了一种基于厂站侧的电网运行信息的感知***，本发明将采集的电网智能设备的运行信息经过标准化处理后输入相关的诊断模型进行故障识别，可以提高诊断模型感知的准确性和高效性，使运维人员可以快速、准确的获取电网故障，快速进行故障排查、处理，进而可以提高电网故障的处置效率。

本发明的第二个目的提出了一种基于厂站侧的电网运行信息的感知方法。

本发明采用的技术方案如下：

本发明第一方面的实施例提出了一种基于厂站侧的电网运行信息的感知***，包括：设备接入层，所述设备接入层用于接入电网智能设备；数据采集层，所述数据采集层用于采集所述电网智能设备的运行信息，所述运行信息包括：电压、电流、功率、温度中的至少一个；数据处理层，所述数据处理层用于对所述运行信息进行标准化处理，所述标准化处理包括有：数据统一、数据辨识；应用层，所述应用层用于将进行标准化处理后的运行信息输入故障成因诊断模型，以根据所述故障成因诊断模型获取故障成因诊断结果；对外交互层，所述对外交互层用于将所述故障成因诊断结果上送至厂站侧的协同平台和移动端的协同App(Application，应用程序)。

本发明上述提出的数据的同步方法还可以具有如下附加技术特征：

根据本发明的一个实施例，所述电网智能设备包括：保护设备、测控设备和智能辅助***中的至少一个。

根据本发明的一个实施例，所述数据处理层具体用于：将所述运行信息转化成矩阵D，其中所述矩阵D为n列m行矩阵，所述n和m为正整数；取所述矩阵D中的列向量形成第一序列L；随机选取所述序列L中一个列向量a_i为基准，其余n-1个列向量通过欧式距离形成距离矩阵O_g(g＝1，2，...，n-1)，并根据所述距离矩阵O_g推演产生距离损失矩阵P_i，其中，g＝(1，2，...，n-1)，i＝(1，2，...，m)；选取所述距离损失矩阵P_i中的最短路径形成第二序列Q；利用DTW(Dynamic Time Warping，动态时间归整)算法动态规整所述第二序列Q，以获取规划向量R；根据所述规划向量R获取所述标准化处理后的运行信息。

根据本发明的一个实施例，所述数据处理层还用于：利用以下公式对所述规划向量R进行距离调整，形成第三序列S，

其中，f(x)为第三序列S中的元素，x为所述规划向量R中的每个元素，μ、δ分别为所述规划向量R中元素的平均值和方差。

根据本发明的一个实施例，所述数据处理层具体用于：利用多维裂化和PCA(Principal Component Analysis，主成分分析)实现所述数据辨识。

根据本发明的一个实施例，所述数据处理层进一步用于：对所述第三序列S进行归一化操作，得到归一化矩阵U；计算所述归一化矩阵U的协方差，以获得协方差矩阵C；对所述协方差矩阵C进行奇异值分解，以获取降维矩阵G；选取所述降维矩阵G的前预设列关键向量，形成所述标准化处理后的运行信息。

本发明第二方面的实施例提出了一种基于厂站侧的电网运行信息的感知方法，包括以下步骤：接入电网智能设备；采集所述电网智能设备的运行信息，所述运行信息包括：电压、电流、功率、温度中的至少一个；对运行信息进行标准化处理，所述标准化处理包括有：数据统一、数据辨识；根据进行所述标准化处理后的运行信息输入故障成因诊断模型，以根据所述故障成因诊断模型获取故障成因诊断结果；将所述故障成因诊断结果上送至厂站侧的协同平台和移动端的协同App。

本发明上述提出的基于厂站侧的电网运行信息的感知方法还可以具有如下附加技术特征：

根据本发明的一个实施例，所述标准化处理具体包括：将所述运行信息转化成矩阵D，其中所述矩阵D为n列m行矩阵，所述n和m为正整数；取所述矩阵D中的列向量形成第一序列L；随机选取所述序列L中一个列向量a_i为基准，其余n-1个列向量通过欧式距离形成距离矩阵O_g(g＝1,2,...,n-1)，并根据所述距离矩阵O_g推演产生距离损失矩阵P_i，其中，g＝(1，2，...，n-1)，i＝(1，2，...，m)；选取所述距离损失矩阵P_i中的最短路径形成第二序列Q；利用DTW算法动态规整所述第二序列Q，以获取规划向量R；根据所述规划向量R获取所述标准化处理后的运行信息。

根据本发明的一个实施例，所述标准化处理还包括：用以下公式对所述规划向量R进行距离调整，形成第三序列S，

其中，f(x)为第三序列S中的元素，x为所述规划向量R中的每个元素，μ、δ分别为所述规划向量R中元素的平均值和方差。

根据本发明的一个实施例，所述标准化处理还包括：对所述第三序列S进行归一化操作，得到归一化矩阵U；计算所述归一化矩阵U的协方差，以获得协方差矩阵C；对所述协方差矩阵C进行奇异值分解，以获取降维矩阵G；选取所述降维矩阵G的前预设列关键向量，形成所述标准化处理后的运行信息。

本发明的有益效果：

本发明将采集的电网智能设备的运行信息经过标准化处理后输入相关的诊断模型进行故障识别，可以提高诊断模型感知的准确性和高效性，使运维人员可以快速、准确的获取电网故障，快速进行故障排查、处理，进而可以提高电网故障的处置效率。

附图说明

图1是根据本发明一个实施例的基于厂站侧的电网运行信息的感知***的方框示意图；

图2是根据本发明一个实施例的数据统一的原理图；

图3是根据本发明一个实施例的数据辨识的原理图；

图4是根据本发明一个实施例的基于厂站侧的电网运行信息的感知方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是根据本发明一个实施例的基于厂站侧的电网运行信息的感知***的方框示意图，如图1所示，该***包括：设备接入层1、数据采集层2、数据处理层3、应用层4和对外交互层5。

其中，设备接入层1用于接入电网智能设备；数据采集层2用于采集电网智能设备的运行信息，运行信息包括：电压、电流、功率、温度中的至少一个；数据处理层3用于对运行信息进行标准化处理，标准化处理包括有：数据统一、数据辨识；应用层4用于将进行标准化处理后的运行信息输入故障成因诊断模型，以根据故障成因诊断模型获取故障成因诊断结果；对外交互层5用于将故障成因诊断结果上送至厂站侧的协同平台和移动端的协同App。

在本发明的一个实施例中，电网智能设备包括：保护设备、测控设备和智能辅助***中的至少一个。

具体地，设备接入层1的作用是接入电网智能设备，接入的电网智能设备主要有保护设备、测控设备和智能辅助***等。然后，数据采集层2对接入***中的电网智能设备的运行信息进行采集，运行信息主要由电压、电流、功率、温度等构成。然后，数据处理层3对运行信息进行数据统一、数据辨识等标准化处理，应用层4将进行标准化处理后的运行信息输入故障成因诊断模型，故障成因诊断模型可以根据输入的标准化处理后的运行信息输出故障成因诊断结果，故障成因诊断结果可以包括故障位置和故障类别。最后对外交互层5将故障成因诊断结果通过电网的安全三区上送至主站侧的协同平台和移动端的协同App，相关检修人员可以通过协同平台和移动端的协同App快速获取电网异常原因，减少一一排查的工作量，实现了信息协同，减轻了电网相关处置专业人员的工作压力，提高了电网故障处置效率。

由此，该***将采集的电网智能设备的运行信息经过标准化处理后输入相关的诊断模型进行故障识别，可以提高诊断模型感知的准确性和高效性，使运维人员可以快速、准确的获取电网故障，快速进行故障排查、处理，进而可以提高电网故障的处置效率。

可以理解的是，故障成因诊断模型可以为采用神经网络模型，可以根据相关标准化处理后的运行信息提前进行多特征参数融合以实现故障成因诊断模型的提前训练，应用层4利用训练后的故障成因诊断模型可以实现电网的故障成因的实时分析。

下面结合具体的实施例描述如何对运行信息进行标准化处理。

根据本发明的一个实施例，如图2所示，数据处理层具3体通过以下步骤S1-S6进行数据统一。

S1，将运行信息转化成矩阵D，其中矩阵D为n列m行矩阵，n和m为正整数。

具体地，采集的运行信息包含电压、电流、功率、温度等信息，每个运行信息(例如电压)记为T_i＝{T₁,T₂,...T_k}，其中i＝(1，2，...k)，k为正整数，将每个运行信息经过采集形成矩阵D，即D为单个运行信息转化成的矩阵，

其中，n≤i，0≤m≤∞。

S2，取矩阵D中的列向量形成第一序列L。

具体地，L＝(a₁,a₂,...,a_n)，其中a为矩阵D中的列向量，形成第一序列L。

S3，随机选取序列L中一个列向量a_i为基准，其余n-1个列向量通过欧式距离形成距离矩阵O_g(g＝1，2，...，n-1)，并根据距离矩阵O_g推演产生距离损失矩阵P_i，其中，g＝(1，2，...，n-1)，i＝(1，2，...，m)。

具体地，O_g形式参考下式所示：

C_mm代表距离矩阵O_g中的元素；

其中，C为欧式距离，i＝1,2,...,m，j＝1,2,...,m且j≠i；

其中，S_ij＝min(S_i-1,j-1,S_i-1,j,S_i,j-1)+C_ij。

S4，选取距离损失矩阵P_i中的最短路径形成第二序列Q。

具体地，Q＝{Q₁,Q₂,...,Q_m}。

S5，利用DTW算法动态规整第二序列Q，以获取规划向量R。

具体地，R_n＝(b₁,b₂,...,b_n)，b为调整后的采集数据。

S6，根据规划向量R获取标准化处理后的运行信息。

根据本发明的一个实施例，在经过上述的S1-S6步骤处理后，数据处理层还用于：利用以下公式对规划向量R进行距离调整，形成第三序列S，

其中，f(x)为第三序列S中的元素，x为规划向量R中的每个元素，μ、δ分别为规划向量R中元素的平均值和方差。

由此，经过上述处理后，采用第三序列S作为标准化处理后的运行信息，可以显示提高故障成因诊断模型的效率，克服因特征矩阵过大导致计算量大、训练时间长的技术缺陷。

根据本发明的一个实施例，数据处理层具3体通过以下步骤进行数据辨识：利用多维裂化和PCA等手段实现数据辨识，提高后续智能感知的准确性。

可以理解，多维裂化是为了解决在单一维度方面的辨识度差的问题，主要采用基于高斯核函数的多维裂化工作。PCA需要计算各个特征的方差或者差平方和评估有效信息的大小实现数据降维，可以删除相关的重复冗余信息、缩减范围、提取关键特征量，从而可以实现故障成因诊断模型的轻量化。

根据本发明的一个实施例，如图3所示，数据处理层3具体通过以下步骤S11-S14实现数据辨识：

S11，对第三序列S进行归一化操作，得到归一化矩阵U。

S12，计算归一化矩阵U的协方差，以获得协方差矩阵C。

S13，对协方差矩阵C进行奇异值分解，以获取降维矩阵G。

S14，选取降维矩阵G的前预设列关键向量，形成标准化处理后的运行信息。

具体地，数据处理层3在进行前述方式形成第三序列S后，再采用步骤S11-S14对数据进行降维处理，从而可以提高后续算法的效率。

综上，根据本发明实施例的基于厂站侧的电网运行信息的感知***，通过设备接入层接入电网智能设备，数据采集层采集电网智能设备的运行信息，运行信息包括：电压、电流、功率、温度中的至少一个，数据处理层对运行信息进行标准化处理，标准化处理包括有：数据统一、数据辨识，应用层将进行标准化处理后的运行信息输入故障成因诊断模型，以根据故障成因诊断模型获取故障成因诊断结果，对外交互层将故障成因诊断结果上送至厂站侧的协同平台和移动端的协同App。由此，该***将采集的电网智能设备的运行信息经过标准化处理后输入相关的诊断模型进行故障识别，可以提高诊断模型感知的准确性和高效性，使运维人员可以快速、准确的获取电网故障，快速进行故障排查、处理，进而可以提高电网故障的处置效率。

与上述的基于厂站侧的电网运行信息的感知***相对应，本发明还提出一种基于厂站侧的电网运行信息的感知方法，对于方法实施例中未披露的细节可参照上述的***实施例，本发明中不再进行赘述。

图4是根据本发明一个实施例的基于厂站侧的电网运行信息的感知方法的流程图，如图4所示，该方法包括以下步骤：

S10，接入电网智能设备。

S20，采集电网智能设备的运行信息，运行信息包括：电压、电流、功率、温度中的至少一个。

S30对运行信息进行标准化处理，标准化处理包括有：数据统一、数据辨识。

S40，根据进行标准化处理后的运行信息输入故障成因诊断模型，以根据故障成因诊断模型获取故障成因诊断结果。

S50，将故障成因诊断结果上送至厂站侧的协同平台和移动端的协同App。

根据本发明的一个实施例，电网智能设备包括：保护设备、测控设备和智能辅助***中的至少一个。

根据本发明的一个实施例，标准化处理具体包括：将运行信息转化成矩阵D，其中矩阵D为n列m行矩阵，n和m为正整数；取矩阵D中的列向量形成第一序列L；随机选取序列L中一个列向量a_i为基准，其余n-1个列向量通过欧式距离形成距离矩阵O_g(g＝1,2,...,n-1)，并根据距离矩阵O_g推演产生距离损失矩阵P_i，其中，g＝(1，2，...，n-1)，i＝(1，2，...，m)；选取距离损失矩阵P_i中的最短路径形成第二序列Q；利用DTW算法动态规整第二序列Q，以获取规划向量R；根据规划向量R获取标准化处理后的运行信息。

根据本发明的一个实施例，标准化处理还包括：采用以下公式对规划向量R进行距离调整，形成第三序列S，

其中，f(x)为第三序列S中的元素，x为规划向量R中的每个元素，μ、δ分别为规划向量R中元素的平均值和方差。

根据本发明的一个实施例，数据辨识具体包括：利用多维裂化和PCA实现数据辨识。

根据本发明的一个实施例，标准化处理还包括：对第三序列S进行归一化操作，得到归一化矩阵U；计算归一化矩阵U的协方差，以获得协方差矩阵C；对协方差矩阵C进行奇异值分解，以获取降维矩阵G；选取降维矩阵G的前预设列关键向量，形成标准化处理后的运行信息。

根据本发明实施例的基于厂站侧的电网运行信息的感知方法，接入电网智能设备，然后采集电网智能设备的运行信息，运行信息包括：电压、电流、功率、温度中的至少一个，再对运行信息进行标准化处理，标准化处理包括有：数据统一、数据辨识，根据进行标准化处理后的运行信息输入故障成因诊断模型，以根据故障成因诊断模型获取故障成因诊断结果，最后将故障成因诊断结果上送至厂站侧的协同平台和移动端的协同App。由此，该方法将采集的电网智能设备的运行信息经过标准化处理后输入相关的诊断模型进行故障识别，可以提高诊断模型感知的准确性和高效性，使运维人员可以快速、准确的获取电网故障，快速进行故障排查、处理，进而可以提高电网故障的处置效率。

在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件车厢内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于厂站侧的电网运行信息的感知***，其特征在于，包括：

设备接入层，所述设备接入层用于接入电网智能设备；

数据采集层，所述数据采集层用于采集所述电网智能设备的运行信息，所述运行信息包括：电压、电流、功率、温度中的至少一个；

数据处理层，所述数据处理层用于对所述运行信息进行标准化处理，所述标准化处理包括有：数据统一、数据辨识；

应用层，所述应用层用于将进行标准化处理后的运行信息输入故障成因诊断模型，以根据所述故障成因诊断模型获取故障成因诊断结果；

对外交互层，所述对外交互层用于将所述故障成因诊断结果上送至厂站侧的协同平台和移动端的协同App；

其中，所述数据处理层具体用于：

将所述运行信息转化成矩阵D，其中所述矩阵D为n列m行矩阵，所述n和m为正整数；

取所述矩阵D中的列向量形成第一序列L；

随机选取所述序列L中一个列向量a_i为基准，分别计算列向量a_i与其余(n-1)个列向量的欧式距离，形成(n-1)个距离矩阵O_g，并根据所述距离矩阵O_g推演产生距离损失矩阵P_i，其中，g＝1，2，...，n-1；i＝1，2，...，m；n≤i；0≤m≤∞，C_mm代表距离矩阵O_g中的元素，/>其中，C为欧式距离；i＝1,2,...,m；j＝1,2,...,m且j≠i；i和j代表列向量中的元素符号；

选取所述距离损失矩阵P_i中的最短路径形成第二序列Q；

利用DTW算法动态规整所述第二序列Q，以获取规划向量R；

根据所述规划向量R获取所述标准化处理后的运行信息。

2.根据权利要求1所述的基于厂站侧的电网运行信息的感知***，其特征在于，所述电网智能设备包括：保护设备、测控设备和智能辅助***中的至少一个。

3.根据权利要求1所述的基于厂站侧的电网运行信息的感知***，其特征在于，所述数据处理层还用于：

利用以下公式对所述规划向量R进行距离调整，形成第三序列S，

其中，f(x)为第三序列S中的元素，x为所述规划向量R中的每个元素，μ、δ分别为所述规划向量R中元素的平均值和方差。

4.根据权利要求3所述的基于厂站侧的电网运行信息的感知***，其特征在于，所述数据处理层具体用于：

利用多维裂化和PCA实现所述数据辨识。

5.根据权利要求4所述的基于厂站侧的电网运行信息的感知***，其特征在于，所述数据处理层进一步用于：

对所述第三序列S进行归一化操作，得到归一化矩阵U；

计算所述归一化矩阵U的协方差，以获得协方差矩阵C；

对所述协方差矩阵C进行奇异值分解，以获取降维矩阵G；

选取所述降维矩阵G的前预设列关键向量，形成所述标准化处理后的运行信息。

6.一种基于厂站侧的电网运行信息的感知方法，其特征在于，包括以下步骤：

接入电网智能设备；

采集所述电网智能设备的运行信息，所述运行信息包括：电压、电流、功率、温度中的至少一个；

对所述运行信息进行标准化处理，所述标准化处理包括有：数据统一、数据辨识；

根据进行所述标准化处理后的运行信息输入故障成因诊断模型，以根据所述故障成因诊断模型获取故障成因诊断结果；

将所述故障成因诊断结果上送至厂站侧的协同平台和移动端的协同App；

其中，所述标准化处理具体包括：

将所述运行信息转化成矩阵D，其中所述矩阵D为n列m行矩阵，所述n和m为正整数；

取所述矩阵D中的列向量形成第一序列L；

随机选取所述序列L中一个列向量a_i为基准，分别计算列向量a_i与其余(n-1)个列向量的欧式距离，形成(n-1)个距离矩阵O_g，并根据所述距离矩阵O_g推演产生距离损失矩阵P_i，其中，g＝1，2，...，n-1；i＝1，2，...，m；n≤i；0≤m≤∞，C_mm代表距离矩阵O_g中的元素，/>其中，C为欧式距离；i＝1,2,...,m；j＝1,2,...,m且j≠i；i和j代表列向量中的元素符号；

选取所述距离损失矩阵P_i中的最短路径形成第二序列Q；

利用DTW算法动态规整所述第二序列Q，以获取规划向量R；

根据所述规划向量R获取所述标准化处理后的运行信息。

7.根据权利要求6所述的基于厂站侧的电网运行信息的感知方法，其特征在于，所述标准化处理还包括：

采用以下公式对所述规划向量R进行距离调整，形成第三序列S，

其中，f(x)为第三序列S中的元素，x为所述规划向量R中的每个元素，μ、δ分别为所述规划向量R中元素的平均值和方差。

8.根据权利要求7所述的基于厂站侧的电网运行信息的感知方法，其特征在于，所述标准化处理还包括：

对所述第三序列S进行归一化操作，得到归一化矩阵U；

计算所述归一化矩阵U的协方差，以获得协方差矩阵C；

对所述协方差矩阵C进行奇异值分解，以获取降维矩阵G；

选取所述降维矩阵G的前预设列关键向量，形成所述标准化处理后的运行信息。