CN116150233B - 有源配电台区运行状态数据的最小映射处理方法及*** - Google Patents
有源配电台区运行状态数据的最小映射处理方法及*** Download PDFInfo
- Publication number
- CN116150233B CN116150233B CN202310404053.9A CN202310404053A CN116150233B CN 116150233 B CN116150233 B CN 116150233B CN 202310404053 A CN202310404053 A CN 202310404053A CN 116150233 B CN116150233 B CN 116150233B
- Authority
- CN
- China
- Prior art keywords
- time
- target
- variable
- sequence
- event
- 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.)
- Active
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims abstract description 92
- 230000035772 mutation Effects 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000005259 measurement Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000007689 inspection Methods 0.000 claims abstract description 6
- 238000011430 maximum method Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 8
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000411 inducer Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Power Engineering (AREA)
- Human Computer Interaction (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种有源配电台区运行状态数据的最小映射处理方法及***,方法包括:由直测数据序列产生的触发时刻为故障起点,将时间序列段作为故障时间段,并在直测数据序列中截取在故障时间段下的数据,即得到至少一个变量;对至少一个变量的时间序列进行滑动检验,寻找出至少一个变量的突变时刻,并确定至少一个变量的时间序列中最小的突变时刻为异常时刻;判断突变时刻是否小于触发时刻;若小于,则基于异常时刻与至少一个变量的突变时刻对故障时间段进行更新,并截取得到至少一个目标变量;对至少一个目标变量去冗余,得到目标事件变量。用最小的关联变量集合描述当下的台区运行状态,有效减少数据的传输,提高后台数据处理效率。
Description
技术领域
本发明属于配电台区数据处理技术领域,尤其涉及一种有源配电台区运行状态数据的最小映射处理方法及***。
背景技术
配电台区是面向用户供电的末端网络,它是电网的重要组成部分,近年来随着智能电网建设的推进,低压配电台区的智能终端监测、用电信息采集等***的建设及应用,为低压电网的智能化与信息化管理创造了有利条件,可以大大提高了供电可靠性和安全性。
但是对于采集的数据只进行简单的去噪音、去异值处理后全部上传至融合终端,会造成后台数据量大、数据价值密度低,不利于对台区的运行状态的快速评估。
发明内容
本发明提供一种有源配电台区运行状态数据的最小映射处理方法及***,用于解决现有采样数据全部上传至后台进行处理造成后台数据量大、数据价值密度低的技术问题。
第一方面,本发明提供一种有源配电台区运行状态数据的最小映射处理方法,包括:
获取有源配电台区的运行状态数据,并对所述运行状态数据进行分析,使判断所述有源配电台区当前的运行状态是否正常,其中,所述运行状态数据包括至少一个直测数据序列以及至少一个事件数据序列;
若不正常,则将所述至少一个事件数据序列中事件数据产生的触发时刻作为故障起点,并以故障起点为中心截取一时间序列段及将一时间序列段作为故障时间段;
在所述至少一个直测数据序列中截取与所述故障时间段相对应的直测数据,即得到至少一个变量,并对所述至少一个变量唯一对应的至少一个时间序列进行滑动检验,筛选出所述至少一个时间序列中的目标突变时刻,其中,所述目标突变时刻为所述至少一个时间序列中第一次发生突变的时刻;
将各个所述目标突变时刻中最小的目标突变时刻定义为目标异常开始时刻,以及各个所述目标突变时刻中最大的目标突变时刻定义为目标异常终止时刻,并判断所述目标异常开始时刻和所述目标异常终止时刻是否小于所述事件数据序列中事件数据产生的触发时刻;
若所述目标异常开始时刻和所述目标异常终止时刻均小于所述触发时刻,则基于所述目标异常开始时刻和所述触发时刻更新故障时间段,并截取与更新后的故障时间段对应的至少一个目标变量;
基于改进的互信息最大法对所述至少一个目标变量去冗余,得到目标事件变量,并将所述目标事件变量进行上传。
进一步地,在判断所述有源配电台区当前的运行状态是否正常之后,所述方法还包括:
若正常,则确定所述至少一个直测数据序列和所述至少一个事件数据序列的序列长度;
基于动态时间规整算法计算所述至少一个直测数据序列和所述至少一个事件数据序列之间的相似距离;
判断所述相似距离是否大于预设距离阈值且所述序列长度是否大于预设序列长度阈值,其中,所述预设序列长度阈值为所述至少一个直测数据序列和所述至少一个事件数据序列中最长序列的长度值;
若所述相似距离不大于预设距离阈值且所述序列长度不大于预设序列长度阈值,则仅保留所述至少一个直测数据序列或所述至少一个事件数据序列。
进一步地,在判断所述相似距离是否大于预设距离阈值且所述序列长度是否大于预设序列长度阈值之后,所述方法还包括:
若所述相似距离大于预设距离阈值且所述序列长度大于预设序列长度阈值,则同时保留所述至少一个直测数据序列和所述至少一个事件数据序列。
进一步地,在判断所述目标异常开始时刻和所述目标异常终止时刻是否小于所述事件数据序列中事件数据产生的触发时刻之后,所述方法还包括:
若所述目标异常开始时刻小于所述触发时刻且所述目标异常终止时刻不小于所述触发时刻,则基于所述目标异常开始时刻和所述目标异常终止时刻更新故障时间段,并截取与更新后的故障时间段对应的至少一个目标变量。
进一步地,在判断所述目标异常开始时刻和所述目标异常终止时刻是否小于所述事件数据序列中事件数据产生的触发时刻之后,所述方法还包括:
若所述目标异常开始时刻和所述目标异常终止时刻均不小于所述触发时刻,则基于所述触发时刻和所述目标异常终止时刻更新故障时间段,并截取与更新后的故障时间段对应的至少一个目标变量。
进一步地,所述基于改进的互信息最大法对所述至少一个目标变量去冗余,得到目标事件变量,包括:
设输入变量定义为 ,维数为M,目标事件变量为Y,其中/>、、/>分别为第一个目标变量、第二个目标变量和第M个目标变量;
计算各目标变量与目标事件变量之间的互信息,/>,其中,计算所述互信息/>的表达式为:
,
,
式中,为联合概率密度,/>为/>事件出现的概率,/>为Y事件出现的概率,/>为权衡因子,/>为第i个目标变量/>在目标样本目标事件Y中出现的次数,为目标事件Y的数量;
判断各目标变量与目标事件变量之间的互信息是否大于相关性阈值参数/>;
若大于,则将各目标变量依据降序排列组成相关变量集合F;
输入变量子集初始化:/>;
依次计算剔除变量时输入变量子集/>与目标事件变量的互信息;
若满足冗余性条件,则/>,其中,/>为集合F和Y的互信息,/>为最大剔除变量/>时输入变量子集/>与目标事件变量的互信息。
第二方面,一种有源配电台区运行状态数据的最小映射处理***,包括:
分析模块,配置为获取有源配电台区的运行状态数据,并对所述运行状态数据进行分析,使判断所述有源配电台区当前的运行状态是否正常,其中,所述运行状态数据包括至少一个直测数据序列以及至少一个事件数据序列;
截取模块,配置为若不正常,则将所述至少一个事件数据序列中事件数据产生的触发时刻作为故障起点,并以故障起点为中心截取一时间序列段及将一时间序列段作为故障时间段;
检验模块,配置为在所述至少一个直测数据序列中截取与所述故障时间段相对应的直测数据,即得到至少一个变量,并对所述至少一个变量唯一对应的至少一个时间序列进行滑动检验,筛选出所述至少一个时间序列中的目标突变时刻,其中,所述目标突变时刻为所述至少一个时间序列中第一次发生突变的时刻;
判断模块,配置为将各个所述目标突变时刻中最小的目标突变时刻定义为目标异常开始时刻,以及各个所述目标突变时刻中最大的目标突变时刻定义为目标异常终止时刻,并判断所述目标异常开始时刻和所述目标异常终止时刻是否小于所述事件数据序列中事件数据产生的触发时刻;
更新模块,配置为若所述目标异常开始时刻和所述目标异常终止时刻均小于所述触发时刻,则基于所述目标异常开始时刻和所述触发时刻更新故障时间段,并截取与更新后的故障时间段对应的至少一个目标变量;
去冗余模块,配置为基于改进的互信息最大法对所述至少一个目标变量去冗余,得到目标事件变量,并将所述目标事件变量进行上传。
第三方面,提供一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例的有源配电台区运行状态数据的最小映射处理方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行本发明任一实施例的有源配电台区运行状态数据的最小映射处理方法的步骤。
本申请的一种有源配电台区运行状态数据的最小映射处理方法及***,将采集的数据先进行数据预处理,按照台区的运行状态进行打包处理数据集,将冗余数据去除,将异常运行状态按照故障事件触发机制进行打包上传,用最小的关联变量集合描述当下的台区运行状态,有效减少数据的传输,提高后台数据处理效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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为本发明一实施例提供的一种有源配电台区运行状态数据的最小映射处理方法的流程图;
图2为本发明一实施例提供一个具体实施例的不等长序列相似距离计算示意图;
图3为本发明一实施例提供的一种有源配电台区运行状态数据的最小映射处理***的结构框图;
图4是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
请参阅图1,其示出了本申请的一种有源配电台区运行状态数据的最小映射处理方法的流程图。
如图1所示,有源配电台区运行状态的最小映射数据处理方法具体包括以下步骤:
步骤S101,获取有源配电台区的运行状态数据,并对所述运行状态数据进行分析,使判断所述有源配电台区当前的运行状态是否正常,其中,所述运行状态数据包括至少一个直测数据序列以及至少一个事件数据序列。
在本实施例中,根据有无事件数据记录判断所述有源配电台区运行是否正常,配电台区智能融合终端的数据分为直测数据序列和事件数据序列两类,其中,所述直测数据序列包括电压数据序列、电流数据序列/>、漏电流数据序列/>和负荷曲线数据序列/>;所述事件数据序列包括缺相事件数据序列/>、低压事件数据序列/>、停电事件数据序列/>和不平衡度数据序列/>。
若有源配电台区当前的运行状态正常,则确定至少一个直测数据序列和至少一个事件数据序列的序列长度;
基于动态时间规整算法计算至少一个直测数据序列和至少一个事件数据序列之间的相似距离;
判断相似距离是否大于预设距离阈值且序列长度是否大于预设序列长度阈值,其中,预设序列长度阈值为至少一个直测数据序列和至少一个事件数据序列中最长序列的长度值;
若相似距离不大于预设距离阈值且序列长度不大于预设序列长度阈值,则仅保留至少一个直测数据序列或至少一个事件数据序列。
需要说明的是,若相似距离大于预设距离阈值且序列长度大于预设序列长度阈值,则同时保留至少一个直测数据序列和至少一个事件数据序列。
在一个具体实施例中,有源配电台区正常运行时,对于两组直测数据序列和事件数据序列,计算序列之间的相关性来判断数据是否存在冗余:
,
式中,为第i列的直测数据与第j列的事件数据之间的基于动态时间规整算法(DTW)的相似距离,/>,/>。如果/>小于阈值并且序列长度小于最长序列长度,即/>且/>,其中,/>为预设距离阈值,/>为最长序列长度,则该时间序列被识别为冗余数据。如果相似距离/>大于阈值并且序列长度大于最长序列长度,即/>且/>,则该时间序列被识别为非冗余数据。对于冗余数据,则由一组数据的直测数据和事件数据代替其余冗余数据。
如图2所示,直测数据序列长度为m,事件数据序列长度为n,当m=n时,则不需要进行时间调整,直接计算两个序列之间的欧式距离:,其中,为第i个间接数据序列,/>为第j个直接数据序列;当m≠n时,则需要进行动态规整。首先构造一个/>的矩阵,计算两个序列之间各点的欧式距离,并填入矩阵中。然后从右上角(n, m)往左下角(0, 0)回溯,即只比较当前位置的左侧、下侧、左下侧的距离大小,将最小值进行标记并将路径延伸至最小值处。对于/>,则需比较的大小,图中/>最小,于是路径由/>延伸至/>。最后计算路径总长度作为两段序列的DTW距离,即/>。
步骤S102,若不正常,则将所述至少一个事件数据序列中事件数据产生的触发时刻作为故障起点,并以故障起点为中心截取一时间序列段及将一时间序列段作为故障时间段。
给定事件序列E{e1,e2,...,en} ,对应的时间戳表示Te={t1,t2,...,tn} , n表示发生事件的数量;时间序列s={s1,s2,...,sm} ,其中m 表示数据点数量,时间序列的时间戳表示为ts={t(s1),t(s2),...,t(sn)} ,时间戳存在关系t(si)= t(si-1)+sample,sample表示采样时间间隔。
对于有源配电台区当前的运行状态不正常,由事件数据的触发时刻t为起点,匹配直接数据中的时间序列段作为异常时间段,对异常时间长度下的直接数据对应变量进行截取/>。
步骤S103,在所述至少一个直测数据序列中截取与所述故障时间段相对应的直测数据,即得到至少一个变量,并对所述至少一个变量唯一对应的至少一个时间序列进行滑动检验,筛选出所述至少一个时间序列中的目标突变时刻,其中,所述目标突变时刻为所述至少一个时间序列中第一次发生突变的时刻。
步骤S104,将各个所述目标突变时刻中最小的目标突变时刻定义为目标异常开始时刻,以及各个所述目标突变时刻中最大的目标突变时刻定义为目标异常终止时刻,并判断所述目标异常开始时刻和所述目标异常终止时刻是否小于所述事件数据序列中事件数据产生的触发时刻。
在本实施例中,对各变量时间序列采用滑动检验,寻找出突变时刻记为异常发生时刻。需注意,对变量的子序列进行突变时刻检测时,可能出现有每个子序列计算出的突变时刻并不一样,定义最早的突变时刻为目标异常开始时刻/>,同时与触发时刻t对比,早于触发时刻t说明,该变量的变化疑似导致事件序列E{e1,e2,...,en}的发生,设这类变量集合为m,如{负荷、档位},{漏电流、光伏发电量、档位}等,若滞后触发时刻t则说明事件序列E{e1,e2,...,en}导致变量发生变化,如{三相电压、三相电流},{负荷、光伏并网状态},设这类变量集合为z。这一判断有益于快速判断导致事件发生的诱因变量,诱因变量可能是多个,也可能是单个。
步骤S105,若所述目标异常开始时刻和所述目标异常终止时刻均小于所述触发时刻,则基于所述目标异常开始时刻和所述触发时刻更新故障时间段,并截取与更新后的故障时间段对应的至少一个目标变量。
步骤S106,基于改进的互信息最大法对所述至少一个目标变量去冗余,得到目标事件变量,并将所述目标事件变量进行上传。
在本实施例中,由于步骤S104-步骤105只完成了事件触发的子序列集合提取,但是对子序列集合中还可能存在与事件不相关的变量或者对事件信息特征描述重复的变量,需要剔除这些变量才能最小化台区运行状态映射,但是这类的变量的去冗余不能通过判断事件发生前后变量时间序列是否发生过特征概率判断。因此,采用互信息最大方法对子序列变量集合进行降维。
需注意的是,一般的互信息最大法对于本案例的实施中,将存在以下缺点:对于某些变量,如档位信息,光伏并网状态等,他们的状态是长时间稳定,变化次数较少的,但是不排除在某些异常检测时,档位信息或光伏并网状态或其他类似量发生了变化,此时传统的互信息法将会把此变量的特征放大,但事实上这些变量的变化可能是人为或者外界环境变化导致台区运行状态参量变化,如此传统互信息法可能在变量选择上出现误判,使得变量时间序列的降维效果将不佳。
因此,提出改进的互信息最大法对至少一个目标变量去冗余,得到目标事件变量,具体为:
设输入变量定义为,维数为M,目标事件变量为Y,其中/>、、/>分别为第一个目标变量、第二个目标变量和第M个目标变量;
计算各目标变量与目标事件变量之间的互信息,/>,其中,计算所述互信息/>的表达式为:
,
,
式中,为联合概率密度,/>为/>事件出现的概率,/>为 Y事件出现的概率,/>为权衡因子,/>为第i个目标变量/>在目标样本目标事件Y中出现的次数,为目标事件Y的数量;
判断各目标变量与目标事件变量之间的互信息是否大于相关性阈值参数/>;
若大于,则将各目标变量依据降序排列组成相关变量集合F;
输入变量子集初始化:/>;
依次计算剔除变量时输入变量子集/>与目标事件变量的互信息;
若满足冗余性条件,则/>,其中,/>为集合F和Y的互信息,/>为最大剔除变量/>时输入变量子集/>与目标事件变量的互信息。
综上,本申请的方法,将采集的数据先进行数据预处理,按照台区的运行状态进行打包处理数据集,将冗余数据去除,将异常运行状态按照故障事件触发机制进行打包上传,用最小的关联变量集合描述当下的台区运行状态,有效减少数据的传输,提高后台数据处理效率。
请参阅图3,其示出了本申请的一种有源配电台区运行状态数据的最小映射处理***的结构框图。
如图3所示,最小映射处理***200,包括分析模块210、截取模块220、检验模块230、判断模块240、更新模块250以及去冗余模块260。
其中,分析模块210,配置为获取有源配电台区的运行状态数据,并对所述运行状态数据进行分析,使判断所述有源配电台区当前的运行状态是否正常,其中,所述运行状态数据包括至少一个直测数据序列以及至少一个事件数据序列;
截取模块220,配置为若不正常,则将所述至少一个事件数据序列中事件数据产生的触发时刻作为故障起点,并以故障起点为中心截取一时间序列段及将一时间序列段作为故障时间段;
检验模块230,配置为在所述至少一个直测数据序列中截取与所述故障时间段相对应的直测数据,即得到至少一个变量,并对所述至少一个变量唯一对应的至少一个时间序列进行滑动检验,筛选出所述至少一个时间序列中的目标突变时刻,其中,所述目标突变时刻为所述至少一个时间序列中第一次发生突变的时刻;
判断模块240,配置为将各个所述目标突变时刻中最小的目标突变时刻定义为目标异常开始时刻,以及各个所述目标突变时刻中最大的目标突变时刻定义为目标异常终止时刻,并判断所述目标异常开始时刻和所述目标异常终止时刻是否小于所述事件数据序列中事件数据产生的触发时刻;
更新模块250,配置为若所述目标异常开始时刻和所述目标异常终止时刻均小于所述触发时刻,则基于所述目标异常开始时刻和所述触发时刻更新故障时间段,并截取与更新后的故障时间段对应的至少一个目标变量;
去冗余模块260,配置为基于改进的互信息最大法对所述至少一个目标变量去冗余,得到目标事件变量,并将所述目标事件变量进行上传。
应当理解,图3中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征以及相应的技术效果同样适用于图3中的诸模块,在此不再赘述。
在另一些实施例中,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序指令被处理器执行时,使所述处理器执行上述任意方法实施例中的有源配电台区运行状态数据的最小映射处理方法;
作为一种实施方式,本发明的计算机可读存储介质存储有计算机可执行指令,计算机可执行指令设置为:
获取有源配电台区的运行状态数据,并对所述运行状态数据进行分析,使判断所述有源配电台区当前的运行状态是否正常,其中,所述运行状态数据包括至少一个直测数据序列以及至少一个事件数据序列;
若不正常,则将所述至少一个事件数据序列中事件数据产生的触发时刻作为故障起点,并以故障起点为中心截取一时间序列段及将一时间序列段作为故障时间段;
在所述至少一个直测数据序列中截取与所述故障时间段相对应的直测数据,即得到至少一个变量,并对所述至少一个变量唯一对应的至少一个时间序列进行滑动检验,筛选出所述至少一个时间序列中的目标突变时刻,其中,所述目标突变时刻为所述至少一个时间序列中第一次发生突变的时刻;
将各个所述目标突变时刻中最小的目标突变时刻定义为目标异常开始时刻,以及各个所述目标突变时刻中最大的目标突变时刻定义为目标异常终止时刻,并判断所述目标异常开始时刻和所述目标异常终止时刻是否小于所述事件数据序列中事件数据产生的触发时刻;
若所述目标异常开始时刻和所述目标异常终止时刻均小于所述触发时刻,则基于所述目标异常开始时刻和所述触发时刻更新故障时间段,并截取与更新后的故障时间段对应的至少一个目标变量;
基于改进的互信息最大法对所述至少一个目标变量去冗余,得到目标事件变量,并将所述目标事件变量进行上传。
计算机可读存储介质可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据有源配电台区运行状态数据的最小映射处理***的使用所创建的数据等。此外,计算机可读存储介质可以包括高速随机存取存储器,还可以包括存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,计算机可读存储介质可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至有源配电台区运行状态数据的最小映射处理***。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图4是本发明实施例提供的电子设备的结构示意图,如图4所示,该设备包括:一个处理器310以及存储器320。电子设备还可以包括:输入装置330和输出装置340。处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接,图4中以通过总线连接为例。存储器320为上述的计算机可读存储介质。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例有源配电台区运行状态数据的最小映射处理方法。输入装置330可接收输入的数字或字符信息,以及产生与有源配电台区运行状态数据的最小映射处理***的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
作为一种实施方式,上述电子设备应用于有源配电台区运行状态数据的最小映射处理***中,用于客户端,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
获取有源配电台区的运行状态数据,并对所述运行状态数据进行分析,使判断所述有源配电台区当前的运行状态是否正常,其中,所述运行状态数据包括至少一个直测数据序列以及至少一个事件数据序列;
若不正常,则将所述至少一个事件数据序列中事件数据产生的触发时刻作为故障起点,并以故障起点为中心截取一时间序列段及将一时间序列段作为故障时间段;
在所述至少一个直测数据序列中截取与所述故障时间段相对应的直测数据,即得到至少一个变量,并对所述至少一个变量唯一对应的至少一个时间序列进行滑动检验,筛选出所述至少一个时间序列中的目标突变时刻,其中,所述目标突变时刻为所述至少一个时间序列中第一次发生突变的时刻;
将各个所述目标突变时刻中最小的目标突变时刻定义为目标异常开始时刻,以及各个所述目标突变时刻中最大的目标突变时刻定义为目标异常终止时刻,并判断所述目标异常开始时刻和所述目标异常终止时刻是否小于所述事件数据序列中事件数据产生的触发时刻;
若所述目标异常开始时刻和所述目标异常终止时刻均小于所述触发时刻,则基于所述目标异常开始时刻和所述触发时刻更新故障时间段,并截取与更新后的故障时间段对应的至少一个目标变量;
基于改进的互信息最大法对所述至少一个目标变量去冗余,得到目标事件变量,并将所述目标事件变量进行上传。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种有源配电台区运行状态数据的最小映射处理方法,其特征在于,包括:
获取有源配电台区的运行状态数据,并对所述运行状态数据进行分析,使判断所述有源配电台区当前的运行状态是否正常,其中,所述运行状态数据包括至少一个直测数据序列以及至少一个事件数据序列,直测数据序列包括电压数据序列、电流数据序列/>、漏电流数据序列/>和负荷曲线数据序列,事件数据序列包括缺相事件数据序列/>、低压事件数据序列/>、停电事件数据序列/>和不平衡度数据序列;
若不正常,则将所述至少一个事件数据序列中事件数据产生的触发时刻作为故障起点,并以故障起点为中心截取一时间序列段及将一时间序列段作为故障时间段;
在所述至少一个直测数据序列中截取与所述故障时间段相对应的直测数据,即得到至少一个变量,并对所述至少一个变量唯一对应的至少一个时间序列进行滑动检验,筛选出所述至少一个时间序列中的目标突变时刻,其中,所述目标突变时刻为所述至少一个时间序列中第一次发生突变的时刻;
将各个所述目标突变时刻中最小的目标突变时刻定义为目标异常开始时刻,以及各个所述目标突变时刻中最大的目标突变时刻定义为目标异常终止时刻,并判断所述目标异常开始时刻和所述目标异常终止时刻是否小于所述事件数据序列中事件数据产生的触发时刻;
若所述目标异常开始时刻和所述目标异常终止时刻均小于所述触发时刻,则基于所述目标异常开始时刻和所述触发时刻更新故障时间段,并截取与更新后的故障时间段对应的至少一个目标变量;
基于改进的互信息最大法对所述至少一个目标变量去冗余,得到目标事件变量,并将所述目标事件变量进行上传,其中,所述基于改进的互信息最大法对所述至少一个目标变量去冗余,得到目标事件变量包括:
设输入变量定义为,维数为M,目标事件变量为Y,其中/>、/>、分别为第一个目标变量、第二个目标变量和第M个目标变量;
计算各目标变量与目标事件变量之间的互信息,/>,其中,计算所述互信息/>的表达式为:
,
,
式中,为联合概率密度,/>为/>事件出现的概率,/>为Y事件出现的概率,/>为权衡因子,/>为第i个目标变量/>在目标样本目标事件Y中出现的次数,/>为目标事件Y的数量;
判断各目标变量与目标事件变量之间的互信息是否大于相关性阈值参数/>;
若大于,则将各目标变量依据降序排列组成相关变量集合F;
输入变量子集初始化:/>;
依次计算剔除变量时输入变量子集/>与目标事件变量的互信息;
若满足冗余性条件,则/>,其中,/>为集合F和Y的互信息,/>为最大剔除变量/>时输入变量子集/>与目标事件变量的互信息。
2.根据权利要求1所述的一种有源配电台区运行状态数据的最小映射处理方法,其特征在于,在判断所述有源配电台区当前的运行状态是否正常之后,所述方法还包括:
若正常,则确定所述至少一个直测数据序列和所述至少一个事件数据序列的序列长度;
基于动态时间规整算法计算所述至少一个直测数据序列和所述至少一个事件数据序列之间的相似距离;
判断所述相似距离是否大于预设距离阈值且所述序列长度是否大于预设序列长度阈值,其中,所述预设序列长度阈值为所述至少一个直测数据序列和所述至少一个事件数据序列中最长序列的长度值;
若所述相似距离不大于预设距离阈值且所述序列长度不大于预设序列长度阈值,则仅保留所述至少一个直测数据序列或所述至少一个事件数据序列。
3.根据权利要求2所述的一种有源配电台区运行状态数据的最小映射处理方法,其特征在于,在判断所述相似距离是否大于预设距离阈值且所述序列长度是否大于预设序列长度阈值之后,所述方法还包括:
若所述相似距离大于预设距离阈值且所述序列长度大于预设序列长度阈值,则同时保留所述至少一个直测数据序列和所述至少一个事件数据序列。
4.根据权利要求1所述的一种有源配电台区运行状态数据的最小映射处理方法,其特征在于,在判断所述目标异常开始时刻和所述目标异常终止时刻是否小于所述事件数据序列中事件数据产生的触发时刻之后,所述方法还包括:
若所述目标异常开始时刻小于所述触发时刻且所述目标异常终止时刻不小于所述触发时刻,则基于所述目标异常开始时刻和所述目标异常终止时刻更新故障时间段,并截取与更新后的故障时间段对应的至少一个目标变量。
5.根据权利要求1所述的一种有源配电台区运行状态数据的最小映射处理方法,其特征在于,在判断所述目标异常开始时刻和所述目标异常终止时刻是否小于所述事件数据序列中事件数据产生的触发时刻之后,所述方法还包括:
若所述目标异常开始时刻和所述目标异常终止时刻均不小于所述触发时刻,则基于所述触发时刻和所述目标异常终止时刻更新故障时间段,并截取与更新后的故障时间段对应的至少一个目标变量。
6.一种有源配电台区运行状态数据的最小映射处理***,其特征在于,包括:
分析模块,配置为获取有源配电台区的运行状态数据,并对所述运行状态数据进行分析,使判断所述有源配电台区当前的运行状态是否正常,其中,所述运行状态数据包括至少一个直测数据序列以及至少一个事件数据序列,直测数据序列包括电压数据序列、电流数据序列/>、漏电流数据序列/>和负荷曲线数据序列/>,事件数据序列包括缺相事件数据序列/>、低压事件数据序列/>、停电事件数据序列/>和不平衡度数据序列/>;
截取模块,配置为若不正常,则将所述至少一个事件数据序列中事件数据产生的触发时刻作为故障起点,并以故障起点为中心截取一时间序列段及将一时间序列段作为故障时间段;
检验模块,配置为在所述至少一个直测数据序列中截取与所述故障时间段相对应的直测数据,即得到至少一个变量,并对所述至少一个变量唯一对应的至少一个时间序列进行滑动检验,筛选出所述至少一个时间序列中的目标突变时刻,其中,所述目标突变时刻为所述至少一个时间序列中第一次发生突变的时刻;
判断模块,配置为将各个所述目标突变时刻中最小的目标突变时刻定义为目标异常开始时刻,以及各个所述目标突变时刻中最大的目标突变时刻定义为目标异常终止时刻,并判断所述目标异常开始时刻和所述目标异常终止时刻是否小于所述事件数据序列中事件数据产生的触发时刻;
更新模块,配置为若所述目标异常开始时刻和所述目标异常终止时刻均小于所述触发时刻,则基于所述目标异常开始时刻和所述触发时刻更新故障时间段,并截取与更新后的故障时间段对应的至少一个目标变量;
去冗余模块,配置为基于改进的互信息最大法对所述至少一个目标变量去冗余,得到目标事件变量,并将所述目标事件变量进行上传,其中,所述基于改进的互信息最大法对所述至少一个目标变量去冗余,得到目标事件变量包括:
设输入变量定义为,维数为M,目标事件变量为Y,其中/>、/>、分别为第一个目标变量、第二个目标变量和第M个目标变量;
计算各目标变量与目标事件变量之间的互信息,/>,其中,计算所述互信息/>的表达式为:
,
,
式中,为联合概率密度,/>为/>事件出现的概率,/>为Y事件出现的概率,/>为权衡因子,/>为第i个目标变量/>在目标样本目标事件Y中出现的次数,/>为目标事件Y的数量;
判断各目标变量与目标事件变量之间的互信息是否大于相关性阈值参数/>;
若大于,则将各目标变量依据降序排列组成相关变量集合F;
输入变量子集初始化:/>;
依次计算剔除变量时输入变量子集/>与目标事件变量的互信息;
若满足冗余性条件,则/>,其中,/>为集合F和Y的互信息,/>为最大剔除变量/>时输入变量子集/>与目标事件变量的互信息。
7.一种电子设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至5任一项所述的方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310404053.9A CN116150233B (zh) | 2023-04-17 | 2023-04-17 | 有源配电台区运行状态数据的最小映射处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310404053.9A CN116150233B (zh) | 2023-04-17 | 2023-04-17 | 有源配电台区运行状态数据的最小映射处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116150233A CN116150233A (zh) | 2023-05-23 |
CN116150233B true CN116150233B (zh) | 2023-08-15 |
Family
ID=86339208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310404053.9A Active CN116150233B (zh) | 2023-04-17 | 2023-04-17 | 有源配电台区运行状态数据的最小映射处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116150233B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200134560A (ko) * | 2019-05-22 | 2020-12-02 | 카페24 주식회사 | 이상치 발생 여부 검출 방법, 컴퓨팅 디바이스 및 컴퓨터 판독 가능한 저장 매체 |
CN114187132A (zh) * | 2020-09-14 | 2022-03-15 | 国网甘肃省电力公司 | 一种变电站监控信息特征选择方法、存储介质和设备 |
CN114721430A (zh) * | 2022-03-29 | 2022-07-08 | 徐州速航科技有限公司 | 基于无人机的电力线路安全巡检及智能诊断*** |
CN114784793A (zh) * | 2022-03-30 | 2022-07-22 | 国网新疆电力有限公司 | 基于机器学习的新能源电网连锁故障预测方法及存储介质 |
CN115047288A (zh) * | 2022-05-12 | 2022-09-13 | 广东电网有限责任公司广州供电局 | 基于电力采集终端的台区故障定位方法及装置 |
CN115081963A (zh) * | 2022-08-19 | 2022-09-20 | 江西省生态环境科学研究与规划院 | 一种地下水质风险分析方法及*** |
WO2023275371A1 (fr) * | 2021-07-01 | 2023-01-05 | Totalenergies Onetech | Procédé de contrôle d'un système et produit programme d'ordinateur associé |
CN115575759A (zh) * | 2022-09-29 | 2023-01-06 | 南方电网数字电网研究院有限公司 | 一种适用于全绝缘智能台架的物联终端 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10926888B2 (en) * | 2018-08-07 | 2021-02-23 | The Boeing Company | Methods and systems for identifying associated events in an aircraft |
-
2023
- 2023-04-17 CN CN202310404053.9A patent/CN116150233B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200134560A (ko) * | 2019-05-22 | 2020-12-02 | 카페24 주식회사 | 이상치 발생 여부 검출 방법, 컴퓨팅 디바이스 및 컴퓨터 판독 가능한 저장 매체 |
CN114187132A (zh) * | 2020-09-14 | 2022-03-15 | 国网甘肃省电力公司 | 一种变电站监控信息特征选择方法、存储介质和设备 |
WO2023275371A1 (fr) * | 2021-07-01 | 2023-01-05 | Totalenergies Onetech | Procédé de contrôle d'un système et produit programme d'ordinateur associé |
CN114721430A (zh) * | 2022-03-29 | 2022-07-08 | 徐州速航科技有限公司 | 基于无人机的电力线路安全巡检及智能诊断*** |
CN114784793A (zh) * | 2022-03-30 | 2022-07-22 | 国网新疆电力有限公司 | 基于机器学习的新能源电网连锁故障预测方法及存储介质 |
CN115047288A (zh) * | 2022-05-12 | 2022-09-13 | 广东电网有限责任公司广州供电局 | 基于电力采集终端的台区故障定位方法及装置 |
CN115081963A (zh) * | 2022-08-19 | 2022-09-20 | 江西省生态环境科学研究与规划院 | 一种地下水质风险分析方法及*** |
CN115575759A (zh) * | 2022-09-29 | 2023-01-06 | 南方电网数字电网研究院有限公司 | 一种适用于全绝缘智能台架的物联终端 |
Non-Patent Citations (1)
Title |
---|
基于多维特征的电网台区线损数据异常识别研究;林宝德等;《电力***保护与控制》;第50卷(第09期);第172-178页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116150233A (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6467186B2 (ja) | データストリームにおける不良データを検出、訂正、および検査するためのシステムおよび方法 | |
WO2021179574A1 (zh) | 根因定位方法、装置、计算机设备和存储介质 | |
CN111695620B (zh) | 一种电力***时间序列异常数据检测与修正方法及*** | |
CN111314173B (zh) | 监控信息异常的定位方法、装置、计算机设备及存储介质 | |
CN111045894A (zh) | 数据库异常检测方法、装置、计算机设备和存储介质 | |
CN107807860B (zh) | 一种基于矩阵分解的电力故障分析方法及*** | |
CN110391840B (zh) | 太阳同步轨道卫星遥测参数异常判断方法和*** | |
CN113592343A (zh) | 二次***的故障诊断方法、装置、设备和存储介质 | |
CN116401532B (zh) | 一种电力***受扰后频率失稳识别方法及*** | |
CN116739829B (zh) | 一种基于大数据的电力数据分析方法、***及介质 | |
US11657148B2 (en) | Event analysis in an electric power system | |
CN113283113B (zh) | 太阳电池阵发电电流预测模型训练方法、异常检测方法、设备及介质 | |
CN111080484A (zh) | 一种配电网异常数据监测方法及装置 | |
WO2024104406A1 (zh) | 异常检测的方法和云网络平台 | |
CN116150233B (zh) | 有源配电台区运行状态数据的最小映射处理方法及*** | |
CN117313015A (zh) | 一种基于时序和多变量的时间序列异常检测方法及*** | |
CN117195451A (zh) | 一种基于图论的桥梁监测数据修复方法 | |
CN116860562A (zh) | 一种用于数据中台数据质量的监控方法及*** | |
CN112128950A (zh) | 一种基于多种模型对比的机房温湿度预测方法及*** | |
Rizvi et al. | Real-time ZIP load parameter tracking using adaptive window and variable elimination with realistic synthetic synchrophasor data | |
CN115184734A (zh) | 一种电网线路故障检测方法和*** | |
CN113887990A (zh) | 电气设备维修决策优化方法 | |
CN114548701A (zh) | 面向全量测点耦合结构分析与估计的过程预警方法及*** | |
CN115372752A (zh) | 故障检测方法、装置、电子设备以及存储介质 | |
Du et al. | Fault diagnosis method of automation equipment in independent and controllable substation based on deep reinforcement learning |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |