CN116566034B - 配电网配电监测***及方法 - Google Patents
配电网配电监测***及方法 Download PDFInfo
- Publication number
- CN116566034B CN116566034B CN202310172910.7A CN202310172910A CN116566034B CN 116566034 B CN116566034 B CN 116566034B CN 202310172910 A CN202310172910 A CN 202310172910A CN 116566034 B CN116566034 B CN 116566034B
- Authority
- CN
- China
- Prior art keywords
- monitoring data
- confidence coefficient
- abnormal
- standard
- data
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 652
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000002159 abnormal effect Effects 0.000 claims abstract description 255
- 230000005856 abnormality Effects 0.000 claims abstract description 46
- 238000012216 screening Methods 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 11
- 230000004044 response Effects 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 20
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 45
- 238000003860 storage Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 239000013598 vector Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Human Computer Interaction (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开涉及一种配电网配电监测***及方法,该方法应用于配电监测***中的配电监测平台,配电监测***包括多个配电监测终端,每一配电监测终端分别与配电监测平台通信连接,配电监测终端用于监测配电设备,方法包括:获取每一配电监测终端在预设时长内采集到的配电监测数据,得到全量监测数据;将全量监测数据输入初筛模型,得到候选配电设备;获取候选配电设备中目标配电设备的历史监测数据,与目标配电设备的配电监测数据进行对比,得到对应目标配电设备的异常结果;响应于异常结果表征目标配电设备异常,根据目标配电设备的标识信息发送提示信息,以提示工作人员对目标配电设备进行维护。
Description
技术领域
本公开涉及配电监测领域,具体地,涉及一种配电网配电监测***及方法。
背景技术
配电网是指从输电网或地区发电厂接受电能,通过配电设施就地分配或按电压逐级分配给各类用户的电力网,在电力网中起重要分配电能作用的网络。然而,随着使用时间的增加,配电网设备会随着老化或者故障等因素出现异常,这样会导致配电安全,以及用户使用出现不变等问题。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
根据本公开实施例的第一方面,提供一种配电网配电监测方法,应用于配电监测***中的配电监测平台,所述配电监测***包括多个配电监测终端,每一所述配电监测终端分别与配电监测平台通信连接,所述配电监测终端用于监测配电设备,所述方法包括:
获取每一所述配电监测终端在预设时长内采集到的配电监测数据,得到全量监测数据;
将所述全量监测数据输入初筛模型,得到候选配电设备,所述候选配电设备是所述全量监测数据中异常监测数据对应的配电设备;
获取所述候选配电设备中目标配电设备的历史监测数据,与所述目标配电设备的配电监测数据进行对比,得到对应目标配电设备的异常结果,所述目标配电设备为所述候选配电设备中的任意一个配电设备;
响应于所述异常结果表征所述目标配电设备异常,根据所述目标配电设备的标识信息发送提示信息,以提示工作人员对所述目标配电设备进行维护。
根据本公开实施例的第二方面,提供一种配电网配电监测***,所述配电监测***包括多个配电监测终端,每一所述配电监测终端分别与配电监测平台通信连接,所述配电监测终端用于监测配电设备,所述配电监测平台用于:
获取每一所述配电监测终端在预设时长内采集到的配电监测数据,得到全量监测数据;
将所述全量监测数据输入预先训练得到的初筛模型,得到候选配电设备,所述候选配电设备是所述全量监测数据中异常监测数据对应的配电设备;
获取所述候选配电设备中目标配电设备的历史监测数据,与所述目标配电设备的配电监测数据进行对比,得到对应目标配电设备的异常结果,所述目标配电设备为所述候选配电设备中的任意一个配电设备;
响应于所述异常结果表征所述目标配电设备异常,根据所述目标配电设备的标识信息发送提示信息,以提示工作人员对所述目标配电设备进行维护。
通过上述技术方案,通过配电监测终端监测配电设备以获取配电监测数据,并基于初筛模型对采集到的大量监测数据进行筛选,得到大量监测数据中存在异常的监测数据对应的候选配电设备,进一步基于候选配电设备的历史监测数据准确地确定该配电设备是否存在异常,进而能够快速有效地对大量监测数据进行筛选,并准确地排查出存在异常的配电设备以提示工作人员维护,可以有效地保证配电网配电的安全性能。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记指示相同或相似的元素。应响应于理解附图是示意性的,原件和元素不一定依据比例绘制。在附图中:
图1是根据一示例性实施例示出的一种配电网配电监测方法的流程图。
图2是根据一示例性实施例示出的一种配电网配电监测***的示意图。
图3是根据一示例性实施例示出的一种电子设备的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如,在响应于接收到用户的主动请求时,向用户发送提示信息,以明确地提示用户,其请求执行的操作将需要获取和使用到用户的个人信息。从而,使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式,响应于接收到用户的主动请求,向用户发送提示信息的方式例如可以是弹窗的方式,弹窗中可以以文字的方式呈现提示信息。此外,弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是,上述通知和获取用户授权过程仅是示意性的,不对本公开的实现方式构成限定,其它满足相关法律法规的方式也可应用于本公开的实现方式中。
同时,可以理解的是,本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
图1是根据一示例性实施例示出的一种配电网配电监测方法的流程图,该方法可以应用于配电监测***中的配电监测平台,该配电测试平台可以是一种服务器,所述配电监测***包括多个配电监测终端,其中,本公开对配电监测终端的数量确定的,本公开对此不作限定,每一所述配电监测终端分别与配电监测平台通信连接,所述配电监测终端用于监测配电设备。其中,配电设备例如可以包括变压器、高压柜、低压柜、母线桥、直流屏、模拟屏、高压电缆等等,配电监测终端可以是与各个配电设备连接并用于获取其运行所产生的数据。
如图1所示,所述方法包括:
S110、获取每一所述配电监测终端在预设时长内采集到的配电监测数据,得到全量监测数据。
其中,该步骤S110至步骤S140可以是按照一定的周期执行的,该预设时长可以是预先标定的一段时长,其可以与该周期对应的时长相等,也可以小于该周期对应的时长,例如可以是1分钟或者10分钟,本公开对此不作限定。
S120、将所述全量监测数据输入初筛模型,得到候选配电设备,所述候选配电设备是所述全量监测数据中异常监测数据对应的配电设备。
其中,该初筛模型可以是预先配置的一种程序模型,其能够基于输入的全量监测数据确定其中的异常监测数据以及对应的候选配电设备,其具体可以是得到候选配电数据对应的标识,并基于该标识执行后续的步骤。此外,候选配电设备可以是多个,本公开候选配电设备的数量不作限定。
S130、获取所述候选配电设备中目标配电设备的历史监测数据,与所述目标配电设备的配电监测数据进行对比,得到对应目标配电设备的异常结果,所述目标配电设备为所述候选配电设备中的任意一个配电设备。
其中,历史监测数据为正常监测数据,即,该配电设备处于正常工作的状态下生成的数据。示例地,根据历史监测数据生成特征向量,并基于目标配电设备的配电监测数据生成特征向量,进而基于两个特征向量的距离大小确定两者的相似度,在相似度大于预设阈值的情况下,则可以确定该目标配电设备存在异常的异常结果。
S140、响应于所述异常结果表征所述目标配电设备异常,根据所述目标配电设备的标识信息发送提示信息,以提示工作人员对所述目标配电设备进行维护。
可以理解的是,可以预先为每一配电设备设置一个标识,以使得工作人员能够快速地基于该标识确定存在异常的配电设备为哪一个设备,进而对该存在异常的配电设备进行维护。
在本公开实施例中,通过配电监测终端监测配电设备以获取配电监测数据,并基于初筛模型对采集到的大量监测数据进行筛选,得到大量监测数据中存在异常的监测数据对应的候选配电设备,进一步基于候选配电设备的历史监测数据准确地确定该配电设备是否存在异常,进而能够快速有效地对大量监测数据进行筛选,并准确地排查出存在异常的配电设备以提示工作人员维护,可以有效地保证配电网配电的安全性能。
在一些可选的实施例中,上述步骤S120中将所述全量监测数据输入初筛模型,得到候选配电设备,可以包括以下步骤:
在步骤121中,确定各个范例监测数据的异常置信度,该异常置信度用于指示相应的范例监测数据为异常监测数据的概率,范例监测数据包括正常监测数据和异常监测数据。
在实际应用中,正常监测数据和异常监测数据的内容越来越相似,容易导致区分错误。为了便于后续对所述全量监测数据进行异常区分,可以先获取范例监测数据,这些范例监测数据中包括预先标定的正常监测数据,也包括异常监测数据。对于一个正常监测数据来说,从该范例监测数据的具体数据来看,该范例监测数据还可能为异常监测数据,而对于一个异常监测数据来说,从该范例监测数据的具体数据来看,该范例监测数据还可能存在正常监测数据。则确定该范例监测数据的异常置信度,该异常置信度可以指示该范例监测数据为异常监测数据的概率,该异常置信度越大,指示该范例监测数据是异常监测数据的概率越大,该异常置信度越小,指示该范例监测数据是正常监测数据的概率越小。
在步骤122中,依据异常置信度的降序序列依序处理范例监测数据,对于当前处理到的第一范例监测数据,将异常置信度小于该第一范例监测数据的异常置信度的范例监测数据作为第一数据集;响应于该第一数据集中正常监测数据分布占比大于第一占比指标时,将该第一范例监测数据的异常置信度作为第一标准置信度,该第一标准置信度用于区分所述全量监测数据中的正常监测数据。
本实施例中,该第一标准置信度用于区分所述全量监测数据中的正常监测数据,也即是,该第一标准置信度用于指示异常置信度小于等于该第一标准置信度的监测数据是正常监测数据。该第一标准置信度可以根据各个范例监测数据的异常置信度以及该第一占比指标确定,其中,该第一占比指标可以预先根据区分精度的需求设定,例如该第一占比指标可以为[0.90,0.99]范围内的值,本实施例对此不做限定。
在步骤123中,依据异常置信度的升序序列依序处理范例监测数据,对于当前处理到的第二范例监测数据,将异常置信度大于该第二范例监测数据的异常置信度的范例监测数据作为第二数据集;响应于该第二数据集中异常监测数据分布占比大于第二占比指标时,将该第二范例监测数据的异常置信度作为第二标准置信度,该第二标准置信度用于区分所述全量监测数据中的异常监测数据。
在本实施例中,该第二标准置信度用于区分所述全量监测数据中的异常监测数据,也即是,该第二标准置信度用于指示异常置信度大于等于该第二标准置信度的监测数据为异常监测数据。该第二标准置信度可以根据各个范例监测数据的异常置信度以及该第二占比指标确定,其中,该第二占比指标可以预先根据区分精度的需求设定,例如该第二占比指标可以为[0.95,0.98]范围内的值,本实施例对此不做限定。
在步骤124中,将异常置信度大于该第一标准置信度且小于该第二标准置信度的范例监测数据作为高一维度范例监测数据,对高一维度范例监测数据重复执行上述确定第一标准置信度和第二标准置信度的步骤,得到高一维度的第一标准置信度和第二标准置信度,直至异常置信度大于当前维度的第一标准置信度且小于当前维度的第二标准置信度的范例监测数据的数据对象数量小于预设数量指标时停止,得到多维度的第一标准置信度和第二标准置信度。
响应于获取到该第一标准置信度和该第二标准置信度时,可以认为异常置信度小于等于该第一标准置信度的监测数据是正常监测数据,异常置信度大于等于该第二标准置信度的监测数据为异常监测数据。而对于异常置信度大于该第一标准置信度且小于该第二标准置信度的监测数据,很难明确的区分该监测数据是正常监测数据还异常监测数据,则为了提高异常区分可靠指标,在该初筛模型的预配置的过程中,异常置信度大于该第一标准置信度且小于该第二标准置信度的范例监测数据不会直接被划分为正常监测数据或者划分为异常监测数据,而是作为高一维度范例监测数据,继续进行训练,即依据高一维度范例监测数据,继续执行上述步骤122和123,得到第一标准置信度和第二标准置信度,以此类推,各个维度都可以得到第一标准置信度和第二标准置信度,直至异常置信度大于当前维度的第一标准置信度且小于当前维度的第二标准置信度的范例监测数据的数据对象数量小于预设数量指标时停止,不再对这些剩余的范例监测数据执行上述步骤122和123。
在步骤125中,依据该多维度的第一标准置信度和第二标准置信度,对所述全量监测数据进行异常区分,得到异常监测数据对应的所述候选配电设备。
响应于获取到多维度的第一标准置信度和第二标准置信度之后,即可依据该多维度的第一标准置信度和第二标准置信度,建立该初筛模型,对于每一配电监测数据,获取该监测数据的异常置信度,作为该初筛模型的输入,根据该初筛模型,对该监测数据进行异常区分,以判断该监测数据是正常监测数据还为异常监测数据。
本实施例提供的方法,通过根据各个范例监测数据的异常置信度,确定第一标准置信度和第二标准置信度,将异常置信度大于该第一标准置信度且小于该第二标准置信度的范例监测数据作为高一维度范例监测数据,继续确定高一维度的第一标准置信度和第二标准置信度,最终得到多维度第一标准置信度和第二标准置信度。在各个维度以该第一标准置信度和该第二标准置信度对所述全量监测数据进行异常区分,且依据高一维度的第一标准置信度和第二标准置信度对第一维度未区分出来的监测数据继续进行异常区分,提高了异常区分可靠指标。
具体地,可以是先确定各个范例监测数据的特征向量,并根据各个范例监测数据的特征向量,计算得到各个范例监测数据的异常置信度。
在另一实施例中,依据该多维度的第一标准置信度和第二标准置信度,对所述全量监测数据进行异常区分,得到异常监测数据对应的所述候选配电设备包括:
对于所述全量监测数据中的任一目标监测数据,确定该目标监测数据的异常置信度;
对于各个维度的第一标准置信度和第二标准置信度,响应于该异常置信度小于等于该第一标准置信度时,确定该目标监测数据为正常监测数据;或者,
响应于该异常置信度大于等于该第二标准置信度时,确定该目标监测数据为异常监测数据;或者,
响应于该异常置信度大于该第一标准置信度且小于该第二标准置信度时,依据高一维度的第一标准置信度和第二标准置信度,继续对该目标监测数据进行异常区分,直至得到该异常监测数据对应的所述候选配电设备。
在另一实施例中,该方法还包括:
对于各个维度的各个范例监测数据,根据该范例监测数据对应的第一数据集中正常监测数据的数据对象数量,以及该范例监测数据对应的第二数据集中异常监测数据的数据对象数量,确定异常区分可靠指标,该异常区分可靠指标用于指示根据该范例监测数据的异常置信度进行异常区分时的可靠性;
将各个维度中异常区分可靠指标最大的范例监测数据的异常置信度作为第三标准置信度,得到多维度的第三标准置信度;
依据该多维度的第一标准置信度、第二标准置信度和第三标准置信度,对所述全量监测数据进行异常区分,得到该异常监测数据对应的所述候选配电设备。
在另一实施例中,该依据该多维度的第一标准置信度、第二标准置信度和第三标准置信度,对所述全量监测数据进行异常区分,得到该异常监测数据对应的所述候选配电设备包括:
对于各个维度的第一标准置信度、第二标准置信度和第三标准置信度,响应于该目标监测数据的异常置信度大于该第一标准置信度且小于该第三标准置信度时,将当前维度作为该目标监测数据的正常监测数据候选维度;或者,响应于该目标监测数据的异常置信度大于等于该第三标准置信度且小于该第二标准置信度时,将当前维度作为该目标监测数据的异常监测数据候选维度;
若该目标监测数据的异常置信度大于最高维度的第一标准置信度且小于最高维度的第二标准置信度,获取该目标监测数据的正常监测数据候选维度的第一数据对象数量以及异常监测数据候选维度的第二数据对象数量;
响应于该第一数据对象数量大于该第二数据对象数量时,确定该目标监测数据为正常监测数据;或者,
响应于该第一数据对象数量小于该第二数据对象数量时,确定该目标监测数据为异常监测数据。
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
在一具体的实施例中,该方法还可以包括以下步骤:
1)获取范例监测数据,确定各个范例监测数据的异常置信度。
将该范例监测数据的异常监测数据/正常监测数据的占比作为该范例监测数据的异常置信度,则可以看出,该异常置信度越大,指示该范例监测数据为异常监测数据的概率越大,该异常置信度越小,指示该范例监测数据是正常监测数据的概率越小。
2)依据异常置信度的降序序列依序处理范例监测数据,对于当前处理到的第一范例监测数据,将异常置信度小于该第一范例监测数据的异常置信度的范例监测数据作为第一数据集;响应于该第一数据集中正常监测数据分布占比大于第一占比指标时,将该第一范例监测数据的异常置信度作为第一标准置信度。
为了确定该第一标准置信度,可以依据异常置信度的降序序列,依次依序处理各个范例监测数据。对于各个当前处理到的第一范例监测数据,将异常置信度小于该第一范例监测数据的异常置信度的范例监测数据作为第一数据集,获取该第一数据集的数据对象数量,以及该第一数据集中正常监测数据的数据对象数量,从而确定出该第一数据集中正常监测数据分布占比。那么,在该依序处理过程中,随着依序处理到的第一范例监测数据的异常置信度越来越小,第一数据集中正常监测数据分布占比也越来越大,若当前处理到的第一范例监测数据所对应的占比小于等于该第一占比指标时,继续依据顺序依序处理下一个范例监测数据,而若当前处理到的第一范例监测数据所对应的占比大于该第一占比指标时,可以将该第一范例监测数据的异常置信度作为第一标准置信度。此时,可以停止本次依序处理过程,不再依序处理剩余的范例监测数据。
3)依据异常置信度的升序序列依序处理范例监测数据,对于当前处理到的第二范例监测数据,将异常置信度大于该第二范例监测数据的异常置信度的范例监测数据作为第二数据集;响应于该第二数据集中异常监测数据分布占比大于第二占比指标时,将该第二范例监测数据的异常置信度作为第二标准置信度。
为了确定该第二标准置信度,可以依据异常置信度的升序序列,依次依序处理各个范例监测数据。对于各个当前处理到的第二范例监测数据,将异常置信度大于该第二范例监测数据的异常置信度的范例监测数据作为第二数据集,获取该第二数据集的数据对象数量,以及该第二数据集中异常监测数据的数据对象数量,从而确定出该第二数据集中异常监测数据分布占比。那么,在依序处理过程中,随着依序处理到的第二范例监测数据的异常置信度越来越大,第二数据集中异常监测数据分布占比越来越大,若当前处理到的第二范例监测数据所对应的占比小于等于该第二占比指标时,继续依据顺序依序处理下一个范例监测数据,而若当前处理到的第二范例监测数据所对应的占比大于该第二占比指标时,可以将该第二范例监测数据的异常置信度作为第二标准置信度。此时,可以停止本次依序处理过程,不再依序处理剩余的范例监测数据。
4)对于各个范例监测数据,根据该范例监测数据对应的第一数据集中正常监测数据的数据对象数量,以及该范例监测数据对应的第二数据集中异常监测数据的数据对象数量,确定异常区分可靠指标,将异常区分可靠指标最大的范例监测数据的异常置信度作为第三标准置信度。
确定当前处理到的第一范例监测数据所对应的比例大于该第一占比指标之后,停止本次依序处理过程,以及执行该步骤3),确定当前处理到的第二范例监测数据所对应的占比大于该第二占比指标之后,停止本次依序处理过程为例进行说明,实际上,还可以继续进行依序处理,对于依序处理到的各个范例监测数据,将异常置信度小于该范例监测数据的异常置信度的范例监测数据作为第一数据集,将异常置信度大于该范例监测数据的异常置信度的范例监测数据作为第二数据集,则若是将该范例监测数据的异常置信度作为指标对范例监测数据进行异常区分,该第一数据集会被划分为正常监测数据,第二数据集会被划分为异常监测数据,那么,该第一数据集中的正常监测数据为区分正确的监测数据,该第一数据集中的异常监测数据为区分错误的监测数据,该第二数据集中的异常监测数据为区分正确的监测数据,该第二数据集中的正常监测数据为区分错误的监测数据。该可以获取第一数据集中正常监测数据的数据对象数量,以及该第二数据集中异常监测数据的数据对象数量,根据获取到的数据对象数量,确定异常区分可靠指标,该异常区分可靠指标用于指示根据该范例监测数据的异常置信度进行异常区分时的可靠性。
例如,该可以确定该第一数据集中正常监测数据的数据对象数量与该第二数据集中异常监测数据的数据对象数量的和值,作为该异常区分可靠指标,或者,将该和值与范例监测数据的数据对象数量之间的比值作为该异常区分可靠指标。或者,该还可以根据该第一数据集的数据对象数量以及该第一数据集中正常监测数据的数据对象数量,确定该第一数据集中正常监测数据所占的第一比例,根据该第二数据集的数据对象数量以及该第二数据集中异常监测数据的数据对象数量,确定该第二数据集中异常监测数据所占的第二比例,将该第一比例与该第二比例的和值作为该异常区分可靠指标,本实施例对此不做限定。
响应于已获取到各个范例监测数据的异常区分可靠指标时,将异常区分可靠指标最大的范例监测数据的异常置信度作为第三标准置信度,指示以该第三标准置信度对范例监测数据进行异常区分时,异常监测数据对应的所述候选配电设备最准确。后续过程中,该可以根据该第三标准置信度,判断监测数据是正常监测数据或者异常监测数据的可能性。
需要说明的是,该步骤4)为可选步骤,本实施例以在获取到该第一标准置信度和该第二标准置信度后,执行步骤4)为例,而在实际应用中,在获取到该第一标准置信度和该第二标准置信度后,还可以不执行步骤4),直接获取高一维度的第一标准置信度和第二标准置信度,最终得到多维度的第一标准置信度和第二标准置信度,根据该多维度的第一标准置信度和第二标准置信度建立初筛模型,本实施例对是否执行步骤4)不做限定。
5)将异常置信度大于该第一标准置信度且小于该第二标准置信度的范例监测数据作为高一维度范例监测数据,对高一维度范例监测数据重复执行上述步骤2)至4),得到高一维度的第一标准置信度、第二标准置信度和第三标准置信度,直至异常置信度大于当前维度的第一标准置信度且小于当前维度的第二标准置信度的范例监测数据的数据对象数量小于预设数量指标时停止,得到多维度的第一标准置信度、第二标准置信度和第三标准置信度。
根据该第一标准置信度,可以区分出异常置信度小于等于该第一标准置信度的正常监测数据,根据该第二标准置信度,可以区分出异常置信度大于等于该第二标准置信度的异常监测数据,但是,对于异常置信度大于该第一标准置信度且小于该第二标准置信度的监测数据,根据该第一标准置信度和该第二标准置信度,无法确定该目标监测数据的异常监测数据对应的所述候选配电设备。
为了提高异常区分可靠指标,可以将异常置信度大于该第一标准置信度且小于该第二标准置信度的范例监测数据作为高一维度范例监测数据,对高一维度范例监测数据重复执行上述步骤2)至4),得到高一维度的第一标准置信度、第二标准置信度和第三标准置信度。以此类推,可以获取到多维度的第一标准置信度、第二标准置信度和第三标准置信度。
可以预先确定该预设数量指标,该预设数量指标用于指示范例监测数据的最小数据对象数量,每响应于获取到剩余的异常置信度大于当前维度的第一标准置信度且小于当前维度的第二标准置信度的范例监测数据时,确定剩余范例监测数据的数据对象数量,判断该数据对象数量是否小于该预设数量指标,响应于该数据对象数量小于该预设数量指标时停止,不再获取高一维度的第一标准置信度、第二标准置信度和第三标准置信度。其中,该预设数量指标可以根据需求和计算量预先确定,本实施例对此不做限定。
在本实施例中,不同维度的第一占比指标和第二占比指标可以相同,也可以不同,本实施例对此不做限定。各个维度的第一标准置信度与该第一占比指标相互关联,该第二标准置信度与该第二占比指标相互关联,通过调整该第一占比指标可以调整该第一标准置信度,通过调整该第二占比指标可以调整该第二标准置信度,最终能够对初筛模型的维度数进行调整。该初筛模型的总维度过多会造成训练数据过拟合,总维度过少会造成异常区分可靠指标低,可以根据实际需求,调整该第一占比指标和该第二占比指标,从而调整该初筛模型的总维度数量。
6)对于全量监测数据中的任一目标监测数据,确定该目标监测数据的异常置信度,执行步骤7)、8)、9)或者10)。
在获取到多维度的第一标准置信度、第二标准置信度和第三标准置信度时,可以根据该多维度的第一标准置信度、第二标准置信度和第三标准置信度,建立初筛模型,该初筛模型包括多维度,每层包括第一标准置信度、第二标准置信度和第三标准置信度。在后续过程中,对于全量监测数据中的任一目标监测数据,,可以确定该目标监测数据的异常置信度,根据该目标监测数据的异常置信度,对该目标监测数据进行异常区分,判断该目标监测数据是正常监测数据还为异常监测数据。
响应于确定出该目标监测数据的异常置信度时,将该异常置信度作为该初筛模型的输入,从该初筛模型的第一维度开始,对于各个维度的第一标准置信度和第二标准置信度,将该异常置信度与该第一标准置信度和该第二标准置信度分别进行比较。
7)对于各个维度的第一标准置信度和第二标准置信度,响应于该异常置信度小于等于该第一标准置信度时,确定该目标监测数据为正常监测数据,结束。
8)响应于该异常置信度大于等于该第二标准置信度时,确定该目标监测数据为异常监测数据,结束。
9)响应于该异常置信度大于该第一标准置信度且小于该第三标准置信度时,将当前维度作为该目标监测数据的正常监测数据候选维度,执行步骤11)或者步骤12)。
10)响应于该目标监测数据的异常置信度大于等于该第三标准置信度且小于该第二标准置信度时,将当前维度作为该目标监测数据的异常监测数据候选维度,执行步骤11)或者步骤12)。
响应于该目标监测数据的异常置信度大于该第一标准置信度且小于该第二标准置信度时,该目标监测数据可能是正常监测数据,也可能为异常监测数据,此时根据该第一标准置信度和该第二标准置信度不能得到该目标监测数据的区分结果,则可以进入高一维度,根据高一维度的第一标准置信度和第二标准置信度,继续对该目标监测数据进行异常区分。
为了在所有维度都未得到该目标监测数据的异常监测数据对应的所述候选配电设备时能够对该目标监测数据进行异常区分,在当前维度可以判断该异常置信度是否小于该第三标准置信度。响应于该异常置信度大于该第一标准置信度且小于该第三标准置信度时,指示该目标监测数据很可能是正常监测数据,则将当前维度作为该目标监测数据的正常监测数据候选维度,指示当前维度的“投票”为该目标监测数据可能是正常监测数据,而响应于该目标监测数据的异常置信度大于等于该第三标准置信度且小于该第二标准置信度时,指示该目标监测数据很可能为异常监测数据,则将当前维度作为该目标监测数据的异常监测数据候选维度,指示当前维度的“投票”为该目标监测数据可能为异常监测数据。
11)依据高一维度的第一标准置信度和第二标准置信度,继续对该目标监测数据进行异常区分,直至确定该目标监测数据是正常监测数据或者异常监测数据,结束。
进入高一维度后,继续根据该高一维度的第一标准置信度和该第二标准置信度,对该目标监测数据进行异常区分,直至得到该目标监测数据的异常监测数据对应的所述候选配电设备,确定了该目标监测数据是正常监测数据或者异常监测数据为止。响应于该目标监测数据的异常置信度小于等于某一维度的第一标准置信度时,确定该目标监测数据为正常监测数据,响应于该目标监测数据的异常置信度大于等于某一维度的第二标准置信度时,确定该目标监测数据为异常监测数据。
12)依据高一维度的第一标准置信度和第二标准置信度,继续对该目标监测数据进行异常区分,直至确定该异常置信度大于最高维度的第一标准置信度且小于最高维度的第二标准置信度时,获取该目标监测数据的正常监测数据候选维度的第一数据对象数量以及异常监测数据候选维度的第二数据对象数量,执行步骤13)或者步骤14)。
若对各个维度来说,该目标监测数据的异常置信度都大于对应的第一标准置信度且小于对应的第二标准置信度,那么,直到最高维度,确定该异常置信度大于最高维度的第一标准置信度且小于最高维度的第二标准置信度,此时,可以获取该目标监测数据的正常监测数据候选维度的数据对象数量,作为第一数据对象数量,获取该目标监测数据的异常监测数据候选维度的数据对象数量,作为第二数据对象数量。响应于该第一数据对象数量大于该第二数据对象数量时,指示更多维度“投票”该目标监测数据为正常监测数据,则确定该目标监测数据为正常监测数据。响应于该第一数据对象数量小于该第二数据对象数量时,指示更多维度“投票”该目标监测数据为异常监测数据,则确定该目标监测数据为异常监测数据。响应于该第一数据对象数量等于该第二数据对象数量时,可以确定该目标监测数据为正常监测数据,也可以确定该目标监测数据为异常监测数据。
13)响应于该第一数据对象数量大于该第二数据对象数量时,确定该目标监测数据为正常监测数据,结束。
14)响应于该第一数据对象数量小于该第二数据对象数量时,确定该目标监测数据为异常监测数据,结束。
本实施例提供的方法,通过根据各个范例监测数据的异常置信度,确定第一标准置信度、第二标准置信度和第三标准置信度,将异常置信度大于该第一标准置信度且小于该第二标准置信度的范例监测数据作为高一维度范例监测数据,继续确定高一维度的第一标准置信度、第二标准置信度和第三标准置信度,最终得到多维度第一标准置信度、第二标准置信度和第三标准置信度。在各个维度以该第一标准置信度和该第二标准置信度对所述全量监测数据进行异常区分,且依据高一维度的第一标准置信度和第二标准置信度对上一维度未区分的监测数据继续进行异常区分。依据各个维度的第三标准置信度,对所有维度都未完成区分的监测数据进行投票,得到异常监测数据对应的所述候选配电设备,提高了异常区分可靠指标。
基于相同的发明构思,本公开还提供如图2所示的一种配电网配电监测***20,如图2所示,该配电监测***20包括多个配电监测终端22,每一该配电监测终端22分别与配电监测平台21通信连接,该配电监测终端22用于监测配电设备23,该配电监测平台21用于:
获取每一该配电监测终端22在预设时长内采集到的配电监测数据,得到全量监测数据;
将该全量监测数据输入预先训练得到的初筛模型,得到候选配电设备,该候选配电设备是该全量监测数据中异常监测数据对应的配电设备;
获取该候选配电设备中目标配电设备的历史监测数据,与该目标配电设备的配电监测数据进行对比,得到对应目标配电设备的异常结果,该目标配电设备为该候选配电设备中的任意一个配电设备;
响应于该异常结果表征该目标配电设备异常,根据该目标配电设备的标识信息发送提示信息,以提示工作人员对该目标配电设备进行维护。
可选地,将该全量监测数据输入预先训练得到的初筛模型,得到候选配电设备,包括:
确定各个范例监测数据的异常置信度,该异常置信度用于指示相应的范例监测数据为异常监测数据的概率,范例监测数据包括正常监测数据和异常监测数据;
依据异常置信度的降序序列依序处理范例监测数据,对于当前处理到的第一范例监测数据,将异常置信度小于该第一范例监测数据的异常置信度的范例监测数据作为第一数据集;响应于该第一数据集中正常监测数据分布占比大于第一占比指标时,将该第一范例监测数据的异常置信度作为第一标准置信度,该第一标准置信度用于区分该全量监测数据中的正常监测数据;
依据异常置信度的升序序列依序处理范例监测数据,对于当前处理到的第二范例监测数据,将异常置信度大于该第二范例监测数据的异常置信度的范例监测数据作为第二数据集;响应于该第二数据集中异常监测数据分布占比大于第二占比指标时,将该第二范例监测数据的异常置信度作为第二标准置信度,该第二标准置信度用于区分该全量监测数据中的异常监测数据;
将异常置信度大于该第一标准置信度且小于该第二标准置信度的范例监测数据作为高一维度范例监测数据,对高一维度范例监测数据重复执行上述确定第一标准置信度和第二标准置信度的步骤,得到高一维度的第一标准置信度和第二标准置信度,直至异常置信度大于当前维度的第一标准置信度且小于当前维度的第二标准置信度的范例监测数据的数据对象数量小于预设数量指标时停止,得到多维度的第一标准置信度和第二标准置信度;
依据该多维度的第一标准置信度和第二标准置信度,对该全量监测数据进行异常区分,得到异常监测数据对应的该候选配电设备。
可选地,该依据该多维度的第一标准置信度和第二标准置信度,对该全量监测数据进行异常区分,得到异常监测数据对应的该候选配电设备包括:
对于该全量监测数据中的任一目标监测数据,该目标监测数据确定该目标监测数据的异常置信度;
对于各个维度的第一标准置信度和第二标准置信度,响应于该异常置信度小于等于该第一标准置信度时,确定该目标监测数据为正常监测数据;或者,
响应于该异常置信度大于等于该第二标准置信度时,确定该目标监测数据为异常监测数据;或者,
响应于该异常置信度大于该第一标准置信度且小于该第二标准置信度时,依据高一维度的第一标准置信度和第二标准置信度,继续对该目标监测数据进行异常区分,直至得到该异常监测数据对应的该候选配电设备。
可选地,配电监测平台21还用于:
对于各个维度的各个范例监测数据,根据该范例监测数据对应的第一数据集中正常监测数据的数据对象数量,以及该范例监测数据对应的第二数据集中异常监测数据的数据对象数量,确定异常区分可靠指标,该异常区分可靠指标用于指示根据该范例监测数据的异常置信度进行异常区分时的可靠性;
将各个维度中异常区分可靠指标最大的范例监测数据的异常置信度作为第三标准置信度,得到多维度的第三标准置信度;
依据该多维度的第一标准置信度、第二标准置信度和第三标准置信度,对该全量监测数据进行异常区分,得到该异常监测数据对应的该候选配电设备。
可选地,该依据该多维度的第一标准置信度、第二标准置信度和第三标准置信度,对该全量监测数据进行异常区分,得到该异常监测数据对应的该候选配电设备包括:
对于各个维度的第一标准置信度、第二标准置信度和第三标准置信度,响应于该目标监测数据的异常置信度大于该第一标准置信度且小于该第三标准置信度时,将当前维度作为该目标监测数据的正常监测数据候选维度;或者,响应于该目标监测数据的异常置信度大于等于该第三标准置信度且小于该第二标准置信度时,将当前维度作为该目标监测数据的异常监测数据候选维度;
若该目标监测数据的异常置信度大于最高维度的第一标准置信度且小于最高维度的第二标准置信度,获取该目标监测数据的正常监测数据候选维度的第一数据对象数量以及异常监测数据候选维度的第二数据对象数量;
响应于该第一数据对象数量大于该第二数据对象数量时,确定该目标监测数据为正常监测数据;或者,
响应于该第一数据对象数量小于该第二数据对象数量时,确定该目标监测数据为异常监测数据。
下面参考图3,其示出了适于用来实现本公开实施例的电子设备(例如图1中的配电监测终端与配电监测平台)300的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行上述方法实施例所涉及的步骤。
或者,上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行上述方法实施例所涉及的步骤。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (4)
1.一种配电网配电监测方法,其特征在于,应用于配电监测***中的配电监测平台,所述配电监测***包括多个配电监测终端,每一所述配电监测终端分别与配电监测平台通信连接,所述配电监测终端用于监测配电设备,所述方法包括:获取每一所述配电监测终端在预设时长内采集到的配电监测数据,得到全量监测数据;
将所述全量监测数据输入初筛模型,得到候选配电设备,所述候选配电设备是所述全量监测数据中异常监测数据对应的配电设备;
获取所述候选配电设备中目标配电设备的历史监测数据,与所述目标配电设备的配电监测数据进行对比,得到对应目标配电设备的异常结果,所述目标配电设备为所述候选配电设备中的任意一个配电设备;
响应于所述异常结果表征所述目标配电设备异常,根据所述目标配电设备的标识信息发送提示信息,以提示工作人员对所述目标配电设备进行维护;
将所述全量监测数据输入初筛模型,得到候选配电设备,包括:确定各个范例监测数据的异常置信度,所述异常置信度用于指示相应的范例监测数据为异常监测数据的概率,范例监测数据包括正常监测数据和异常监测数据;
依据异常置信度的降序序列依序处理范例监测数据,对于当前处理到的第一范例监测数据,将异常置信度小于所述第一范例监测数据的异常置信度的范例监测数据作为第一数据集;响应于所述第一数据集中正常监测数据分布占比大于第一占比指标时,将所述第一范例监测数据的异常置信度作为第一标准置信度,所述第一标准置信度用于区分所述全量监测数据中的正常监测数据;
依据异常置信度的升序序列依序处理范例监测数据,对于当前处理到的第二范例监测数据,将异常置信度大于所述第二范例监测数据的异常置信度的范例监测数据作为第二数据集;响应于所述第二数据集中异常监测数据分布占比大于第二占比指标时,将所述第二范例监测数据的异常置信度作为第二标准置信度,所述第二标准置信度用于区分所述全量监测数据中的异常监测数据;
将异常置信度大于所述第一标准置信度且小于所述第二标准置信度的范例监测数据作为高一维度范例监测数据,对高一维度范例监测数据重复执行上述确定第一标准置信度和第二标准置信度的步骤,得到高一维度的第一标准置信度和第二标准置信度,直至异常置信度大于当前维度的第一标准置信度且小于当前维度的第二标准置信度的范例监测数据的数据对象数量小于预设数量指标时停止,得到多维度的第一标准置信度和第二标准置信度;
依据所述多维度的第一标准置信度和第二标准置信度,对所述全量监测数据进行异常区分,得到异常监测数据对应的所述候选配电设备;
所述方法还包括:
对于各个维度的各个范例监测数据,根据所述范例监测数据对应的第一数据集中正常监测数据的数据对象数量,以及所述范例监测数据对应的第二数据集中异常监测数据的数据对象数量,确定异常区分可靠指标,所述异常区分可靠指标用于指示根据所述范例监测数据的异常置信度进行异常区分时的可靠性;
将各个维度中异常区分可靠指标最大的范例监测数据的异常置信度作为第三标准置信度,得到多维度的第三标准置信度;
依据所述多维度的第一标准置信度、第二标准置信度和第三标准置信度,对所述全量监测数据进行异常区分,得到所述异常监测数据对应的所述候选配电设备;
所述依据所述多维度的第一标准置信度、第二标准置信度和第三标准置信度,对所述全量监测数据进行异常区分,得到所述异常监测数据对应的所述候选配电设备包括:对于各个维度的第一标准置信度、第二标准置信度和第三标准置信度,响应于目标监测数据的异常置信度大于所述第一标准置信度且小于所述第三标准置信度时,将当前维度作为目标监测数据的正常监测数据候选维度;或者,响应于目标监测数据的异常置信度大于等于所述第三标准置信度且小于所述第二标准置信度时,将当前维度作为目标监测数据的异常监测数据候选维度;
若目标监测数据的异常置信度大于最高维度的第一标准置信度且小于最高维度的第二标准置信度,获取目标监测数据的正常监测数据候选维度的第一数据对象数量以及异常监测数据候选维度的第二数据对象数量;
响应于所述第一数据对象数量大于所述第二数据对象数量时,确定目标监测数据为正常监测数据;或者,响应于所述第一数据对象数量小于所述第二数据对象数量时,确定目标监测数据为异常监测数据。
2.根据权利要求1所述的方法,其特征在于,所述依据所述多维度的第一标准置信度和第二标准置信度,对所述全量监测数据进行异常区分,得到异常监测数据对应的所述候选配电设备包括:对于所述全量监测数据中的任一目标监测数据,目标监测数据确定目标监测数据的异常置信度;
对于各个维度的第一标准置信度和第二标准置信度,响应于所述异常置信度小于等于所述第一标准置信度时,确定目标监测数据为正常监测数据;或者,响应于所述异常置信度大于等于所述第二标准置信度时,确定目标监测数据为异常监测数据;或者,响应于所述异常置信度大于所述第一标准置信度且小于所述第二标准置信度时,依据高一维度的第一标准置信度和第二标准置信度,继续对目标监测数据进行异常区分,直至得到所述异常监测数据对应的所述候选配电设备。
3.一种配电网配电监测***,其特征在于,所述配电监测***包括多个配电监测终端,每一所述配电监测终端分别与配电监测平台通信连接,所述配电监测终端用于监测配电设备,所述配电监测平台用于:获取每一所述配电监测终端在预设时长内采集到的配电监测数据,得到全量监测数据;
将所述全量监测数据输入预先训练得到的初筛模型,得到候选配电设备,所述候选配电设备是所述全量监测数据中异常监测数据对应的配电设备;
获取所述候选配电设备中目标配电设备的历史监测数据,与所述目标配电设备的配电监测数据进行对比,得到对应目标配电设备的异常结果,所述目标配电设备为所述候选配电设备中的任意一个配电设备;
响应于所述异常结果表征所述目标配电设备异常,根据所述目标配电设备的标识信息发送提示信息,以提示工作人员对所述目标配电设备进行维护;将所述全量监测数据输入预先训练得到的初筛模型,得到候选配电设备,包括:确定各个范例监测数据的异常置信度,所述异常置信度用于指示相应的范例监测数据为异常监测数据的概率,范例监测数据包括正常监测数据和异常监测数据;
依据异常置信度的降序序列依序处理范例监测数据,对于当前处理到的第一范例监测数据,将异常置信度小于所述第一范例监测数据的异常置信度的范例监测数据作为第一数据集;响应于所述第一数据集中正常监测数据分布占比大于第一占比指标时,将所述第一范例监测数据的异常置信度作为第一标准置信度,所述第一标准置信度用于区分所述全量监测数据中的正常监测数据;
依据异常置信度的升序序列依序处理范例监测数据,对于当前处理到的第二范例监测数据,将异常置信度大于所述第二范例监测数据的异常置信度的范例监测数据作为第二数据集;响应于所述第二数据集中异常监测数据分布占比大于第二占比指标时,将所述第二范例监测数据的异常置信度作为第二标准置信度,所述第二标准置信度用于区分所述全量监测数据中的异常监测数据;
将异常置信度大于所述第一标准置信度且小于所述第二标准置信度的范例监测数据作为高一维度范例监测数据,对高一维度范例监测数据重复执行上述确定第一标准置信度和第二标准置信度的步骤,得到高一维度的第一标准置信度和第二标准置信度,直至异常置信度大于当前维度的第一标准置信度且小于当前维度的第二标准置信度的范例监测数据的数据对象数量小于预设数量指标时停止,得到多维度的第一标准置信度和第二标准置信度;
依据所述多维度的第一标准置信度和第二标准置信度,对所述全量监测数据进行异常区分,得到异常监测数据对应的所述候选配电设备;
所述配电监测平台还用于:
对于各个维度的各个范例监测数据,根据所述范例监测数据对应的第一数据集中正常监测数据的数据对象数量,以及所述范例监测数据对应的第二数据集中异常监测数据的数据对象数量,确定异常区分可靠指标,所述异常区分可靠指标用于指示根据所述范例监测数据的异常置信度进行异常区分时的可靠性;
将各个维度中异常区分可靠指标最大的范例监测数据的异常置信度作为第三标准置信度,得到多维度的第三标准置信度;
依据所述多维度的第一标准置信度、第二标准置信度和第三标准置信度,对所述全量监测数据进行异常区分,得到所述异常监测数据对应的所述候选配电设备;
所述依据所述多维度的第一标准置信度、第二标准置信度和第三标准置信度,对所述全量监测数据进行异常区分,得到所述异常监测数据对应的所述候选配电设备包括:对于各个维度的第一标准置信度、第二标准置信度和第三标准置信度,响应于目标监测数据的异常置信度大于所述第一标准置信度且小于所述第三标准置信度时,将当前维度作为目标监测数据的正常监测数据候选维度;或者,响应于目标监测数据的异常置信度大于等于所述第三标准置信度且小于所述第二标准置信度时,将当前维度作为目标监测数据的异常监测数据候选维度;
若目标监测数据的异常置信度大于最高维度的第一标准置信度且小于最高维度的第二标准置信度,获取目标监测数据的正常监测数据候选维度的第一数据对象数量以及异常监测数据候选维度的第二数据对象数量;
响应于所述第一数据对象数量大于所述第二数据对象数量时,确定目标监测数据为正常监测数据;或者,响应于所述第一数据对象数量小于所述第二数据对象数量时,确定目标监测数据为异常监测数据。
4.根据权利要求3所述的***,其特征在于,所述依据所述多维度的第一标准置信度和第二标准置信度,对所述全量监测数据进行异常区分,得到异常监测数据对应的所述候选配电设备包括:对于所述全量监测数据中的任一目标监测数据,目标监测数据确定目标监测数据的异常置信度;
对于各个维度的第一标准置信度和第二标准置信度,响应于所述异常置信度小于等于所述第一标准置信度时,确定目标监测数据为正常监测数据;或者,响应于所述异常置信度大于等于所述第二标准置信度时,确定目标监测数据为异常监测数据;或者,响应于所述异常置信度大于所述第一标准置信度且小于所述第二标准置信度时,依据高一维度的第一标准置信度和第二标准置信度,继续对目标监测数据进行异常区分,直至得到所述异常监测数据对应的所述候选配电设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310172910.7A CN116566034B (zh) | 2023-02-27 | 2023-02-27 | 配电网配电监测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310172910.7A CN116566034B (zh) | 2023-02-27 | 2023-02-27 | 配电网配电监测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116566034A CN116566034A (zh) | 2023-08-08 |
CN116566034B true CN116566034B (zh) | 2024-02-20 |
Family
ID=87498933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310172910.7A Active CN116566034B (zh) | 2023-02-27 | 2023-02-27 | 配电网配电监测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116566034B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109167437A (zh) * | 2018-09-28 | 2019-01-08 | 宁波盈泰电气有限公司 | 一种基于配电柜智能配电管理的方法及*** |
CN111398734A (zh) * | 2020-03-24 | 2020-07-10 | 安徽中普防雷科技有限公司 | 基于gis地图的在线监测预警***、方法 |
CN113765216A (zh) * | 2021-07-21 | 2021-12-07 | 深圳供电局有限公司 | 配电设备的监测方法、装置、***和存储介质 |
CN114819665A (zh) * | 2022-05-05 | 2022-07-29 | 国网江苏省电力有限公司南通供电分公司 | 一种基于分布式能源管理的异常预警方法及*** |
CN115238831A (zh) * | 2022-09-21 | 2022-10-25 | 中国南方电网有限责任公司超高压输电公司广州局 | 故障预测方法、装置、计算机设备、存储介质和程序产品 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10634733B2 (en) * | 2016-11-18 | 2020-04-28 | Sentient Energy, Inc. | Overhead power line sensor |
-
2023
- 2023-02-27 CN CN202310172910.7A patent/CN116566034B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109167437A (zh) * | 2018-09-28 | 2019-01-08 | 宁波盈泰电气有限公司 | 一种基于配电柜智能配电管理的方法及*** |
CN111398734A (zh) * | 2020-03-24 | 2020-07-10 | 安徽中普防雷科技有限公司 | 基于gis地图的在线监测预警***、方法 |
CN113765216A (zh) * | 2021-07-21 | 2021-12-07 | 深圳供电局有限公司 | 配电设备的监测方法、装置、***和存储介质 |
CN114819665A (zh) * | 2022-05-05 | 2022-07-29 | 国网江苏省电力有限公司南通供电分公司 | 一种基于分布式能源管理的异常预警方法及*** |
CN115238831A (zh) * | 2022-09-21 | 2022-10-25 | 中国南方电网有限责任公司超高压输电公司广州局 | 故障预测方法、装置、计算机设备、存储介质和程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN116566034A (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111290924A (zh) | 监控方法、装置及电子设备 | |
CN110674009B (zh) | 应用服务器性能监测方法、装置、存储介质及电子设备 | |
CN114148216A (zh) | 电池自放电率异常检测方法、***、设备及存储介质 | |
CN115186502A (zh) | 车辆的异常数据识别方法、装置、电子设备及存储介质 | |
CN114780338A (zh) | 主机信息处理方法、装置、电子设备和计算机可读介质 | |
CN115640285B (zh) | 电力异常信息发送方法、装置、电子设备和介质 | |
CN115277261A (zh) | 基于工控网络病毒的异常机器智能识别方法、装置、设备 | |
CN113837324A (zh) | 电量数据监测方法、***、存储介质和电子设备 | |
CN116566034B (zh) | 配电网配电监测***及方法 | |
CN116756616A (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
CN110704614B (zh) | 对应用中的用户群类型进行预测的信息处理方法及装置 | |
CN116483891A (zh) | 一种信息预测方法、装置、设备和存储介质 | |
CN116932373A (zh) | 测试用例筛选方法、设备、存储介质及程序产品 | |
CN115840016B (zh) | 色谱分析***的备份还原方法、装置、设备和计算机介质 | |
CN112989501B (zh) | 平衡车安全性评估方法、装置、终端设备 | |
CN116343905B (zh) | 蛋白质特征的预处理方法、装置、介质及设备 | |
CN113032266B (zh) | 代码的检验方法、装置、设备及存储介质 | |
CN114584607B (zh) | 通信连接建立方法、装置、电子设备及可读存储介质 | |
CN117907809B (zh) | 批量芯片测试方法、装置及电子设备 | |
CN118300280B (zh) | 磁浮式安全电装置及状态检测方法 | |
CN117092933B (zh) | 转动机械设备控制方法、装置、设备和计算机可读介质 | |
CN116757443B (zh) | 新型配电网电力线损率预测方法、装置、电子设备和介质 | |
CN114693814B (zh) | 模型的解码方法、文本识别方法、装置、介质及设备 | |
CN117592785A (zh) | 电网线路的风险处理方法、装置、设备及介质 | |
CN111178534A (zh) | 价值分布函数的确定方法、装置、电子设备及可读介质 |
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 |