CN117522086B - 一种数字化低碳社区能耗管理*** - Google Patents
一种数字化低碳社区能耗管理*** Download PDFInfo
- Publication number
- CN117522086B CN117522086B CN202410014913.2A CN202410014913A CN117522086B CN 117522086 B CN117522086 B CN 117522086B CN 202410014913 A CN202410014913 A CN 202410014913A CN 117522086 B CN117522086 B CN 117522086B
- Authority
- CN
- China
- Prior art keywords
- voltage
- voltage value
- moment
- value
- analysis
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 30
- 238000005265 energy consumption Methods 0.000 title claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 175
- 230000002159 abnormal effect Effects 0.000 claims abstract description 138
- 238000010586 diagram Methods 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000005856 abnormality Effects 0.000 claims abstract description 24
- 238000007726 management method Methods 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims 2
- 238000013523 data management Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 239000006185 dispersion Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及电力数据管理技术领域,具体涉及一种数字化低碳社区能耗管理***。本发明获取每个时刻下电压值的分析电压集合,以及分析电压集合中每个电压值的初始异常度;获取每个时刻下电压值的统计量可信度与箱线图可信度,结合每个时刻下电压值的箱线图可信度,以及包含该电压值的分析电压集合中电压值的初始异常度,从历史时间段的电压值中筛选出最终异常电压值;基于与每个最终异常电压值对应时刻邻近的电压值对每个最终异常电压值进行修正。本发明对每个时刻下电压值均建立一个箱线图,基于获取的电压值的箱线图的异常程度提高对异常电压值识别的准确率。
Description
技术领域
本发明涉及电力数据管理技术领域,具体涉及一种数字化低碳社区能耗管理***。
背景技术
低碳社区的电力能耗数据反映社区的用电情况,可用于评估社区电力的能耗情况和低碳表现。因此,对低碳社区的能耗数据进行管理非常重要。
现有技术通常直接对一组数据建立一个箱线图,当该组数据呈现一定变化趋势时,容易使通过箱线图分析获取的异常数据的可信度较低,导致对低碳社区的能耗数据的管理出现误差。
发明内容
为了解决对呈现一定变化趋势的所有数据建立一个箱线图,导致对低碳社区的能耗数据的管理出现误差的技术问题,本发明的目的在于提供一种数字化低碳社区能耗管理***,所采用的技术方案具体如下:
本发明提出了一种数字化低碳社区能耗管理***,所述***包括:
数据获取模块,用于获取低碳社区在历史时间段内每个时刻下电压值;
异常分析模块,用于获取每个时刻下电压值的分析电压集合;根据每个时刻下电压值的分析电压集合中每个电压值与其他电压值之间的差异,获取每个时刻下电压值的分析电压集合中每个电压值的初始异常度;
统计量可信分析模块,用于结合每个时刻下电压值的分析电压集合中电压值的离散程度、以及每个时刻下电压值与其相邻时刻下电压值的分析电压集合中电压值的离散程度之间的差异,获取每个时刻下电压值的统计量可信度;
箱线图可信分析模块,用于选取每个时刻下电压值的分析电压集合中每个电压值作为分析电压值,依据分析电压值的所述初始异常度与包含分析电压值的分析电压集合中分析电压值的所述初始异常度之间的差异,以及每个时刻下电压值的所述统计量可信度,获取每个时刻下电压值的箱线图可信度;
电压修正模块,用于结合包含每个时刻下电压值的分析电压集合对应的电压值的箱线图可信度,以及所述分析电压集合内每个时刻下电压值的所述初始异常度,从历史时间段的电压值中筛选出最终异常电压值;基于与每个最终异常电压值对应时刻邻近的电压值对每个最终异常电压值进行修正。
进一步地,所述获取每个时刻下电压值的分析电压集合的方法,包括:
将每个时刻下电压值与其之后预设数量个电压值按照时序排列,得到每个时刻下电压值初始的电压序列;
根据每个时刻下电压值的电压序列中电压值之间的相关系数,获取每个时刻下电压值的电压序列的电压相关度;
判断所述电压相关度是否大于预设相关阈值,若是,将每个时刻下电压值的电压序列中最后一个电压值对应时刻的下一时刻的电压值添加到所述电压序列中,对所述电压序列进行更新,直至更新后的电压序列的所述电压相关度小于或者等于预设相关阈值时停止更新;
由每个时刻下电压值更新后的电压序列中电压值构成每个时刻下电压值的分析电压集合。
进一步地,所述每个时刻下电压值的电压序列的电压相关度的计算公式如下:
;式中,R为每个时刻下电压值的电压序列的所述电压相关度;/>为每个时刻下电压值的电压序列中第i个电压值与第j个电压值之间的相关系数;N为每个时刻下电压值的电压序列中电压值的数量;Norm为归一化函数。
进一步地,所述据每个时刻下电压值的分析电压集合中每个电压值与其他电压值之间的差异,获取每个时刻下电压值的分析电压集合中每个电压值的初始异常度的方法,包括:
选取任意一个时刻下的电压值作为目标电压值,根据目标电压值的分析电压集合中电压值获取目标电压值的箱线图,基于所述箱线图获取目标电压值的分析电压集合中的异常电压值;
将目标电压值的分析电压集合中除异常电压值之外的每个电压值的初始异常度设置为0;
选取目标电压值的分析电压集合中任意一个异常电压值作为目标异常电压值,将目标异常电压值与所述箱线图的上边缘值之间的差异作为上差异值,将目标异常电压值与所述箱线图的下边缘值之间的差异作为下差异值,将所述上差异值与所述下差异值中的最小值作为目标异常电压值的异常差距值;
结合每个时刻下电压值的分析电压集合中每个异常电压值与其他异常电压值之间的差异,以及所述异常差距值,获取每个时刻下电压值的分析电压集合中每个异常电压值的初始异常度。
进一步地,所述每个时刻下电压值的分析电压集合中每个异常电压值的初始异常度的计算公式如下:
;式中,/>为每个时刻下电压值的分析电压集合中第u个异常电压值的初始异常度;/>为每个时刻下电压值的分析电压集合中第u个异常电压值的所述异常差距值;/>为每个时刻下电压值的分析电压集合中第u个异常电压值;为每个时刻下电压值的分析电压集合中第v个异常电压值;M为每个时刻下电压值的分析电压集合中异常电压值的数量;/>为绝对值函数。
进一步地,所述每个时刻下电压值的统计量可信度的计算公式如下:
;式中,为历史时间段内第k个时刻下电压值的统计量可信度;/>为历史时间段内第k个时刻下电压值的分析电压集合中电压值的方差;M为历史时间段内第k个时刻下电压值的分析电压集合中所述异常电压值的数量;N为历史时间段内第k个时刻下电压值的分析电压集合中电压值的数量;/>为历史时间段内第k个时刻下电压值的所述箱线图的四分位距;/>为历史时间段内第k-1个电压值的所述箱线图的四分位距;/>为历史时间段内第k+1个时刻下电压值的所述箱线图的四分位距;/>为绝对值函数;exp为以自然常数e为底数的指数函数;a为预设第一正数;/>为预设第二正数。
进一步地,所述取每个时刻下电压值的箱线图可信度的方法,包括:
将包含分析电压值的分析电压集合中分析电压值的所述初始异常度的均值作为分析电压值的异常综合值;
结合每个时刻下电压值的分析电压集合中每个电压值的所述异常综合值与所述初始异常度之间的差异,以及所述统计量可信度,获取每个时刻下电压值的箱线图可信度。
进一步地,所述每个时刻下电压值的箱线图可信度的计算公式如下:
;式中,/>为历史时间段内第k个时刻下电压值的箱线图可信度;/>为历史时间段内第k个时刻下电压值的统计量可信度;/>为历史时间段内第k个时刻下电压值的分析电压集合中第i个电压值的初始异常度;/>为历史时间段内第k个时刻下电压值的分析电压集合中第i个电压值的所述异常综合值;N为历史时间段内第k个时刻下电压值的分析电压集合中电压值的数量;/>为绝对值函数;exp为以自然常数e为底数的指数函数。
进一步地,所述从历史时间段的电压值中筛选出最终异常电压值的方法,包括:
将包含所述目标电压值的分析电压集合对应的电压值作为目标电压值的关联电压值;
对于目标电压值的每个关联电压值,将关联电压值的分析电压集合内目标电压值的所述初始异常度与关联电压值的箱线图可信度的乘积,作为关联电压值的异常值;
将目标电压值的所有关联电压值的所述异常值的累加和作为目标电压值的综合异常度;
将所述综合异常度进行归一化得到目标电压值的最终异常度;
在历史时间段内每个时刻下电压值中,所述最终异常度大于预设异常阈值的电压值作为最终异常电压值。
进一步地,所述基于与每个最终异常电压值对应时刻邻近的电压值对每个最终异常电压值进行修正的方法,包括:
在历史时间段内每个时刻下电压值中,所述最终异常度小于或者等于预设异常阈值的电压值作为正常电压值;
利用每个最终异常电压值的预设窗口内的正常电压值的均值对每个最终异常电压值进行修正。
本发明具有如下有益效果:
本发明实施例中,为避免对所有电压值建立单一箱线图使对异常的电压值判断存在较大误差的问题,本发明对每个时刻下电压值建立箱线图,需获取每个时刻下电压值的分析电压集合;电压值与其他电压值之间的差异反映电压值的异常情况,据此获取每个时刻下电压值的分析电压集合中每个电压值的初始异常度;由于异常的电压值干扰,导致箱线图中数据统计量受到影响产生一定偏差,故并非每个时刻下电压值的箱线图对数据的异常分析结果均准确,统计量反映分析电压集合中电压值的离散程度,利用每个时刻下电压值与其邻近时刻下电压值的分析电压集合中电压值的离散程度之间的差异,获取每个时刻下电压值的统计量可信度;参与同一个电压值计算的相邻箱线图之间的数据差异,包含同一电压值的箱线图之间数据偏差,以及同一电压值的初始异常程度之间的差异,均能够反映箱线图可信程度;结合包含每个时刻下电压值的分析电压集合对应的电压值的箱线图可信度,以及分析电压集合中该电压值的初始异常度,提高通过箱线图分析获取的最终异常电压值的可信度,并对最终异常电压值进行修正,提高对低碳社区的能耗数据的管理的准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅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它附图。
图1是本发明一个实施例所提供的一种数字化低碳社区能耗管理***的***框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种数字化低碳社区能耗管理***,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种数字化低碳社区能耗管理***的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种数字化低碳社区能耗管理***的***框图,该***包括:数据获取模块101,异常分析模块102,统计量可信分析模块103,箱线图可信分析模块104,电压修正模块105。
数据获取模块101,用于获取低碳社区在历史时间段内每个时刻下电压值。
具体的,本发明通过分析电能负荷数据了解低碳社区的用电模式与负荷高峰时段等信息,进而评估电力的能耗情况和低碳表现。将电力负荷监测仪接入低碳社区的电力***,获取历史时间段内每个时刻下电压值。
本发明实施例中历史时间段的时长取经验值7天,电压值采集的频率为10分钟/次,实施者可根据情况自行设置。
异常分析模块102,用于获取每个时刻下电压值的分析电压集合;根据每个时刻下电压值的分析电压集合中每个电压值与其他电压值之间的差异,获取每个时刻下电压值的分析电压集合中每个电压值的初始异常度。
为解决对所有数据建立单一箱线图对异常数据的判断存在较大误差,无法充分表达数据分布信息的问题,本发明获取每个时刻下电压值的分析电压集合,以该集合内的电压值建立箱线图。
优选地,每个电压值的分析电压集合的具体获取方法为:将每个时刻下电压值与其之后预设数量个电压值按照时序排列,得到每个时刻下电压值初始的电压序列;根据每个时刻下电压值的电压序列中电压值之间的相关系数,获取每个时刻下电压值的电压序列的电压相关度;判断电压相关度是否大于预设相关阈值,若是,将每个时刻下电压值的电压序列中最后一个电压值对应时刻的下一时刻的电压值添加到电压序列中,对电压序列进行更新,直至更新后的电压序列的电压相关度小于或者等于预设相关阈值时停止更新;由每个时刻下电压值更新后的电压序列中电压值构成每个时刻下电压值的分析电压集合。
本发明实施例中预设数量取经验值4,预设相关阈值取经验值0.75,实施者可根据具体情况自行设置。每个电压值初始的电压序列中电压值的数量为5,电压序列中电压值为电压序列中的元素。
需要说明的是,每个时刻下电压值的电压序列中两两电压值之间的相关系数为该电压序列中电压值的相关矩阵中对应位置的元素;例如,每个时刻下电压值的电压序列中第1个电压值与第2个电压值之间的相关系数,为该电压序列的相关矩阵中第1行第2列的元素。其中,相关矩阵为本领域技术人员公知技术,在此不再进行赘述。
根据每个时刻下电压值的电压序列中电压值之间的相关系数,获取每个时刻下电压值的电压序列的电压相关度,电压相关度的计算公式如下:
式中,R为每个时刻下电压值的电压序列的电压相关度;为每个时刻下电压值的电压序列中第i个电压值与第j个电压值之间的相关系数;N为每个时刻下电压值的电压序列中电压值的数量;Norm为归一化函数。
当每个时刻下电压值的电压序列中电压值之间的相关系数越大,说明每个时刻下电压值的电压序列中电压值之间的相关程度越大,则电压相关度R越大。
作为一个示例,假设历史时间段内存在六个时刻,每个时刻下电压值依次为,其中,/>为历史时间段内第一个时刻下电压值,以此类推。序列为/>初始的电压序列,获取电压序列/>的电压相关度/>,若大于预设相关阈值时,将/>添加到电压序列/>中,更新后的电压序列为。获取更新后的电压序列/>的电压相关度/>,若/>小于或者等于预设相关阈值时,说明更新后的电压序列/>中电压值之间的相关程度较低,为防止电压序列中异常的电压值与正常的电压值之间的差异过大,导致后续分析的准确率较低,停止对电压序列/>进行更新。由更新后的电压序列/>中电压值构成的/>的分析电压集合。
根据历史时间段内第一个时刻下电压值的分析电压集合的获取方法,获取历史时间段内每个时刻下电压值的分析电压集合。
由于异常电压值之间存在一定的相关性,若数据与其他数据之间的相关性较强,则该数据的异常程度越低,数据之间的相关性通过电压值之间的差异呈现,据此获取初始异常度。
优选地,每个时刻下电压值的分析电压集合中每个电压值的初始异常度的具体获取方法为:选取任意一个时刻下的电压值作为目标电压值,根据目标电压值的分析电压集合中电压值获取目标电压值的箱线图,基于箱线图获取目标电压值的分析电压集合中的异常电压值;将目标电压值的分析电压集合中除异常电压值之外的每个电压值的初始异常度设置为0;选取目标电压值的分析电压集合中任意一个异常电压值作为目标异常电压值,将目标异常电压值与箱线图的上边缘值之间的差异作为上差异值,将目标异常电压值与箱线图的下边缘值之间的差异作为下差异值,将上差异值与下差异值中的最小值作为目标异常电压值的异常差距值;结合每个时刻下电压值的分析电压集合中每个异常电压值与其他异常电压值之间的差异,以及异常差距值,获取每个时刻下电压值的分析电压集合中每个异常电压值的初始异常度。
其中,箱线图为本领域技术人员公知技术,在此不再进行赘述。
每个时刻下电压值的分析电压集合中每个异常电压值的初始异常度的计算公式如下:
式中,为每个时刻下电压值的分析电压集合中第u个异常电压值的初始异常度;/>为每个时刻下电压值的分析电压集合中第u个异常电压值的异常差距值;/>为每个时刻下电压值的分析电压集合中第u个异常电压值;/>为每个时刻下电压值的分析电压集合中第v个异常电压值;M为每个时刻下电压值的分析电压集合中异常电压值的数量;/>为绝对值函数。
需要说明的是,当越大时,说明分析电压集合中第u个异常电压值与其他异常电压值之间的差异越大,可能出现两种情况:第一种为第u个异常电压值与箱线图的上或下边缘距离较近,而其他异常电压值与箱线图的上或下边缘距离较远;第二种为第u个异常电压值与箱线图的上或下边缘距离较远,而其他异常电压值与箱线图的上或下边缘距离较近。仅当/>越大,且分析电压集合中异常电压值的分布为第二种情况时,分析电压集合中第u个异常电压值的异常程度越严重,则/>越大。因此,需要通过异常差距值/>对/>进行调整,以保证分析电压集合中第u个异常电压值的初始异常度的准确性。
每个时刻下电压值的分析电压集合中除异常电压值之外的电压值位于每个时刻下电压值的箱线图的上边缘与下边缘之内,这些电压值是正常的。因此,将每个时刻下分析电压集合中除异常电压值之外的每个电压值的初始异常度设置为0。
根据上述方法,获取每个时刻下电压值的分析电压集合中每个电压值的初始异常度。
统计量可信分析模块103,用于结合每个时刻下电压值的分析电压集合中电压值的离散程度、以及每个时刻下电压值与其相邻时刻下电压值的分析电压集合中电压值的离散程度之间的差异,获取每个时刻下电压值的统计量可信度。
由于异常电压值的干扰,导致箱线图中数据统计量即四分位距会受到影响产生一定偏差,故并非每个时刻下电压值的箱线图对数据的异常分析结果均准确,统计量反映分析电压集合中电压值的离散程度,利用统计量之间的差异即每个时刻下电压值与其邻近时刻下电压值的分析电压集合中电压值的离散程度之间的差异,获取每个时刻下电压值的统计量可信度。
箱线图包含数据的差异越大,箱线图的内线范围对数据的表示能力越弱,影响对数据整体分布地分析,无法有效准确反映数据的真实情况,使得箱线图的统计量即四分位距的可信度越小,统计量可信度越小。
每个时刻下电压值的统计量可信度的计算公式如下:
式中,为历史时间段内第k个时刻下电压值的统计量可信度;/>为历史时间段内第k个时刻下电压值的分析电压集合中电压值的方差;M为历史时间段内第k个时刻下电压值的分析电压集合中异常电压值的数量;N为历史时间段内第k个时刻下电压值的分析电压集合中电压值的数量;/>为历史时间段内第k个时刻下电压值的箱线图的四分位距;为历史时间段内第k-1个电压值的箱线图的四分位距;/>为历史时间段内第k+1个时刻下电压值的箱线图的四分位距;/>为绝对值函数;exp为以自然常数e为底数的指数函数;a为预设第一正数,取经验值1,作用为防止分母为0导致分式无意义;b为预设第二正数,取经验值0.01,作用为防止分母为0导致分式无意义。
当越小时,第k个时刻下电压值的分析电压集合中电压值分布越集中,该分析电压集合中电压值之间的差异越小,统计量受到异常数据影响越小,则统计量可信度/>越大。当/>越大时,说明第k个时刻下电压值的分析电压集合中异常电压值越多,第k个时刻下电压值的箱线图受到异常数据异常越大,箱线图对分析电压集合中电压值的反映程度的真实性越低,则第k个时刻下电压值的箱线图的统计量的可信度越低,统计量可信度/>越小。
箱线图的四分位距反映数据分散程度,当越小,第k个时刻下电压值与其相邻时刻下电压值的分析电压集合中电压值的离散程度之间的差异越小,构建箱线图所用的电压值之间的差异较小,则第k个时刻下电压值的箱线图的统计量越准确,则统计量可信度/>越大。
箱线图可信分析模块104,用于选取每个时刻下电压值的分析电压集合中每个电压值作为分析电压值,依据分析电压值的初始异常度与包含分析电压值的分析电压集合中分析电压值的初始异常度之间的差异,以及每个时刻下电压值的统计量可信度,获取每个时刻下电压值的箱线图可信度。
由于对每个时刻下电压值都建立了箱线图,参与同一个电压值计算的相邻箱线图之间的数据差异小,所包含的数据之间存在一定的稳定性:因此箱线图的统计量也呈现出一定的稳定性,如果包含同一电压值的箱线图之间数据偏差越大,则箱线图的可信程度越小;同一电压值的初始异常程度之间的差异越大,箱线图的可信程度越小。
优选地,箱线图可信度的具体获取方法为:将包含分析电压值的分析电压集合中分析电压值的初始异常度的均值作为分析电压值的异常综合值;结合每个时刻下电压值的分析电压集合中每个电压值的异常综合值与初始异常度之间的差异,以及统计量可信度,获取每个时刻下电压值的箱线图可信度。
作为一个示例,假设第一个时刻下电压值的分析电压集合为,第二个时刻下电压值/>的分析电压集合为/>,其中,/>为历史时间段内第三个时刻电压值,依次类推。以/>的分析电压集合/>中第二个电压值/>为例进行分析,包含电压值/>的分析电压集合为/>与/>,/>中第二个电压值/>的初始异常度为/>,/>中第一个电压值/>的初始异常度为/>。由于/>与/>中电压值存在差异,则/>基本不等于/>;将/>与/>的均值作为/>的分析电压集合/>中第二个电压值/>的异常综合值/>。根据上述方法,获取/>的分析电压集合/>中每个电压值的异常综合值。根据/>的分析电压集合/>的每个电压值的异常综合值与初始异常度之间的差异,以及/>的统计量可信度/>,获取/>的箱线图可信度。
需要说明的是,历史时间段内第一个电压值仅包含与其分析电压集合/>中;中第二个电压值/>与/>中第一个电压值/>的异常综合值相等,即不同分析电压集合中同一个时刻下电压值的异常综合值相等。
每个时刻下电压值的箱线图可信度的计算公式如下:
式中,为历史时间段内第k个时刻下电压值的箱线图可信度;/>为历史时间段内第k个时刻下电压值的统计量可信度;/>为历史时间段内第k个时刻下电压值的分析电压集合中第i个电压值的初始异常度;/>为历史时间段内第k个时刻下电压值的分析电压集合中第i个电压值的异常综合值;N为历史时间段内第k个时刻下电压值的分析电压集合中电压值的数量;/>为绝对值函数;exp为以自然常数e为底数的指数函数。
呈现第k个时刻下电压值的分析电压集合中第i个电压值的异常程度的变化差异,当/>越大时,分析电压集合中第i个电压值的异常程度出现大幅度变化,表明第k个时刻下电压值的箱线图的数据稳定性越差,则第k个时刻下电压值的箱线图的可信度越低,箱线图可信度/>越小。当/>越小时,箱线图对分析电压集合中电压值的反映程度的真实性越低,则箱线图可信度/>越小。
电压修正模块105,用于结合包含每个时刻下电压值的分析电压集合对应的电压值的箱线图可信度,以及分析电压集合内每个时刻下电压值的初始异常度,从历史时间段的电压值中筛选出最终异常电压值;基于与每个最终异常电压值对应时刻邻近的电压值对每个最终异常电压值进行修正。
将包含目标电压值的分析电压集合对应的电压值作为目标电压值的关联电压值;对于目标电压值的每个关联电压值,将关联电压值的分析电压集合内目标电压值的初始异常度与关联电压值的箱线图可信度的乘积,作为关联电压值的异常值;将目标电压值的所有关联电压值的异常值的累加和作为目标电压值的综合异常度。
作为一个示例,第一个时刻下电压值的分析电压集合为/>,第二个电压值/>的分析电压集合为/>。包含历史时间段内第一个时刻下电压值/>的分析电压集合仅有/>,则/>的关联电压值为其本身,根据/>中第一个电压值的初始异常度为/>与/>的箱线图可信度/>,获取第一个电压值/>的综合异常度。包含历史时间段内第二个时刻下电压值/>的分析电压集合包括/>与/>,/>对应的电压值为,合/>对应的电压值为/>,则/>的关联电压值为/>与/>;/>中第二个电压值/>的初始异常度为/>,/>中第一个电压值/>的初始异常度为/>,/>的箱线图可信度/>,/>的箱线图可信度/>,将/>作为第二个时刻下电压值的综合异常度。根据上述方法,获取历史时间段中每个时刻下电压值的综合异常度。
历史时间段内每个时刻下电压值的综合异常度的计算公式如下:
式中,为历史时间段内第k个时刻下电压值的综合异常度;/>为历史时间段内第k个时刻下电压值的第t个关联电压值的箱线图可信度;/>为历史时间段内第k个时刻下电压值的第t个关联电压值的分析电压集合中历史时间段内第k个时刻下电压值的初始异常度;T为历史时间段内第k个时刻下电压值的关联电压值的数量。
本发明实施例中选用最大最小值归一函数将综合异常度进行归一化得到目标电压值的最终异常度;在历史时间段内每个时刻下电压值中,最终异常度大于预设异常阈值的电压值作为最终异常电压值。其中,最大最小值归一函数为本领域技术人员公知技术,在此不再赘述。
本发明实施例中预设异常阈值取经验值0.3,实施者可根据具体情况自行设置。
在历史时间段内每个时刻下电压值中,最终异常度小于或者等于预设异常阈值的电压值作为正常电压值;将每个最终异常电压值的预设窗口内的正常电压值的均值替换每个最终异常电压值,实现对最终异常电压值的修正。
本发明实施例中预设窗口的宽度为1的窗口,预设窗口的长度取经验值11,实施者可根据具体情况自行设置;最终异常电压值为其预设窗口内的中心位置。作为一个示例,若某个最终异常电压值对应历史时间段内第k个时刻,则获取历史时间段内第k-5个时刻至第k+5个时刻下正常电压值的均值,将该均值作为历史时间段内第k个时刻下的电压值,实现对历史时间段内第k个时刻下最终异常电压值的修正。
至此,本发明完成。
综上所述,本发明实施例中,获取每个时刻下电压值的分析电压集合,以及分析电压集合中每个电压值的初始异常度;获取每个时刻下电压值的统计量可信度与箱线图可信度,结合每个时刻下电压值的箱线图可信度,以及包含该电压值的分析电压集合中电压值的初始异常度,从历史时间段的电压值中筛选出最终异常电压值;基于与每个最终异常电压值对应时刻邻近的电压值对每个最终异常电压值进行修正。本发明对每个时刻下电压值均建立一个箱线图,基于获取的电压值的箱线图的异常程度提高对异常电压值识别的准确率。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种数字化低碳社区能耗管理***,其特征在于,该***包括:
数据获取模块,用于获取低碳社区在历史时间段内每个时刻下电压值;
异常分析模块,用于获取每个时刻下电压值的分析电压集合;根据每个时刻下电压值的分析电压集合中每个电压值与其他电压值之间的差异,获取每个时刻下电压值的分析电压集合中每个电压值的初始异常度;
统计量可信分析模块,用于结合每个时刻下电压值的分析电压集合中电压值的离散程度、以及每个时刻下电压值与其相邻时刻下电压值的分析电压集合中电压值的离散程度之间的差异,获取每个时刻下电压值的统计量可信度;
箱线图可信分析模块,用于选取每个时刻下电压值的分析电压集合中每个电压值作为分析电压值,依据分析电压值的所述初始异常度与包含分析电压值的分析电压集合中分析电压值的所述初始异常度之间的差异,以及每个时刻下电压值的所述统计量可信度,获取每个时刻下电压值的箱线图可信度;
电压修正模块,用于结合包含每个时刻下电压值的分析电压集合对应的电压值的箱线图可信度,以及所述分析电压集合内每个时刻下电压值的所述初始异常度,从历史时间段的电压值中筛选出最终异常电压值;基于与每个最终异常电压值对应时刻邻近的电压值对每个最终异常电压值进行修正;
所述据每个时刻下电压值的分析电压集合中每个电压值与其他电压值之间的差异,获取每个时刻下电压值的分析电压集合中每个电压值的初始异常度的方法,包括:
选取任意一个时刻下的电压值作为目标电压值,根据目标电压值的分析电压集合中电压值获取目标电压值的箱线图,基于所述箱线图获取目标电压值的分析电压集合中的异常电压值;
将目标电压值的分析电压集合中除异常电压值之外的每个电压值的初始异常度设置为0;
选取目标电压值的分析电压集合中任意一个异常电压值作为目标异常电压值,将目标异常电压值与所述箱线图的上边缘值之间的差异作为上差异值,将目标异常电压值与所述箱线图的下边缘值之间的差异作为下差异值,将所述上差异值与所述下差异值中的最小值作为目标异常电压值的异常差距值;
结合每个时刻下电压值的分析电压集合中每个异常电压值与其他异常电压值之间的差异,以及所述异常差距值,获取每个时刻下电压值的分析电压集合中每个异常电压值的初始异常度;
所述每个时刻下电压值的统计量可信度的计算公式如下:
;式中,/>为历史时间段内第k个时刻下电压值的统计量可信度;/>为历史时间段内第k个时刻下电压值的分析电压集合中电压值的方差;M为历史时间段内第k个时刻下电压值的分析电压集合中所述异常电压值的数量;N为历史时间段内第k个时刻下电压值的分析电压集合中电压值的数量;/>为历史时间段内第k个时刻下电压值的所述箱线图的四分位距;/>为历史时间段内第k-1个电压值的所述箱线图的四分位距;/>为历史时间段内第k+1个时刻下电压值的所述箱线图的四分位距;/>为绝对值函数;exp为以自然常数e为底数的指数函数;a为预设第一正数;/>为预设第二正数。
2.根据权利要求1所述的一种数字化低碳社区能耗管理***,其特征在于,所述获取每个时刻下电压值的分析电压集合的方法,包括:
将每个时刻下电压值与其之后预设数量个电压值按照时序排列,得到每个时刻下电压值初始的电压序列;
根据每个时刻下电压值的电压序列中电压值之间的相关系数,获取每个时刻下电压值的电压序列的电压相关度;
判断所述电压相关度是否大于预设相关阈值,若是,将每个时刻下电压值的电压序列中最后一个电压值对应时刻的下一时刻的电压值添加到所述电压序列中,对所述电压序列进行更新,直至更新后的电压序列的所述电压相关度小于或者等于预设相关阈值时停止更新;
由每个时刻下电压值更新后的电压序列中电压值构成每个时刻下电压值的分析电压集合。
3.根据权利要求2所述的一种数字化低碳社区能耗管理***,其特征在于,所述每个时刻下电压值的电压序列的电压相关度的计算公式如下:
;式中,R为每个时刻下电压值的电压序列的所述电压相关度;/>为每个时刻下电压值的电压序列中第i个电压值与第j个电压值之间的相关系数;N为每个时刻下电压值的电压序列中电压值的数量;Norm为归一化函数。
4.根据权利要求1所述的一种数字化低碳社区能耗管理***,其特征在于,所述每个时刻下电压值的分析电压集合中每个异常电压值的初始异常度的计算公式如下:
;式中,/>为每个时刻下电压值的分析电压集合中第u个异常电压值的初始异常度;/>为每个时刻下电压值的分析电压集合中第u个异常电压值的所述异常差距值;/>为每个时刻下电压值的分析电压集合中第u个异常电压值;/>为每个时刻下电压值的分析电压集合中第v个异常电压值;M为每个时刻下电压值的分析电压集合中异常电压值的数量;/>为绝对值函数。
5.根据权利要求1所述的一种数字化低碳社区能耗管理***,其特征在于,所述取每个时刻下电压值的箱线图可信度的方法,包括:
将包含分析电压值的分析电压集合中分析电压值的所述初始异常度的均值作为分析电压值的异常综合值;
结合每个时刻下电压值的分析电压集合中每个电压值的所述异常综合值与所述初始异常度之间的差异,以及所述统计量可信度,获取每个时刻下电压值的箱线图可信度。
6.根据权利要求5所述的一种数字化低碳社区能耗管理***,其特征在于,所述每个时刻下电压值的箱线图可信度的计算公式如下:
;式中,/>为历史时间段内第k个时刻下电压值的箱线图可信度;/>为历史时间段内第k个时刻下电压值的统计量可信度;/>为历史时间段内第k个时刻下电压值的分析电压集合中第i个电压值的初始异常度;/>为历史时间段内第k个时刻下电压值的分析电压集合中第i个电压值的所述异常综合值;N为历史时间段内第k个时刻下电压值的分析电压集合中电压值的数量;/>为绝对值函数;exp为以自然常数e为底数的指数函数。
7.根据权利要求1所述的一种数字化低碳社区能耗管理***,其特征在于,所述从历史时间段的电压值中筛选出最终异常电压值的方法,包括:
将包含所述目标电压值的分析电压集合对应的电压值作为目标电压值的关联电压值;
对于目标电压值的每个关联电压值,将关联电压值的分析电压集合内目标电压值的所述初始异常度与关联电压值的箱线图可信度的乘积,作为关联电压值的异常值;
将目标电压值的所有关联电压值的所述异常值的累加和作为目标电压值的综合异常度;
将所述综合异常度进行归一化得到目标电压值的最终异常度;
在历史时间段内每个时刻下电压值中,所述最终异常度大于预设异常阈值的电压值作为最终异常电压值。
8.根据权利要求7所述的一种数字化低碳社区能耗管理***,其特征在于,所述基于与每个最终异常电压值对应时刻邻近的电压值对每个最终异常电压值进行修正的方法,包括:
在历史时间段内每个时刻下电压值中,所述最终异常度小于或者等于预设异常阈值的电压值作为正常电压值;
利用每个最终异常电压值的预设窗口内的正常电压值的均值对每个最终异常电压值进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410014913.2A CN117522086B (zh) | 2024-01-05 | 2024-01-05 | 一种数字化低碳社区能耗管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410014913.2A CN117522086B (zh) | 2024-01-05 | 2024-01-05 | 一种数字化低碳社区能耗管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117522086A CN117522086A (zh) | 2024-02-06 |
CN117522086B true CN117522086B (zh) | 2024-03-22 |
Family
ID=89753503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410014913.2A Active CN117522086B (zh) | 2024-01-05 | 2024-01-05 | 一种数字化低碳社区能耗管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117522086B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118053127B (zh) * | 2024-04-16 | 2024-06-21 | 山东瑞福锂业有限公司 | 一种工业设备状态监控管理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007192615A (ja) * | 2006-01-18 | 2007-08-02 | Nissan Motor Co Ltd | 電圧センサの異常検出方法、異常検出装置および電圧センサ |
CN114970774A (zh) * | 2022-07-29 | 2022-08-30 | 国网经济技术研究院有限公司 | 一种智能变压器故障预测方法和装置 |
CN117129790A (zh) * | 2023-10-26 | 2023-11-28 | 山西思极科技有限公司 | 一种电力***故障诊断*** |
CN117332215A (zh) * | 2023-12-01 | 2024-01-02 | 深圳市大易电气实业有限公司 | 一种高低压配电柜异常故障信息远程监测*** |
-
2024
- 2024-01-05 CN CN202410014913.2A patent/CN117522086B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007192615A (ja) * | 2006-01-18 | 2007-08-02 | Nissan Motor Co Ltd | 電圧センサの異常検出方法、異常検出装置および電圧センサ |
CN114970774A (zh) * | 2022-07-29 | 2022-08-30 | 国网经济技术研究院有限公司 | 一种智能变压器故障预测方法和装置 |
CN117129790A (zh) * | 2023-10-26 | 2023-11-28 | 山西思极科技有限公司 | 一种电力***故障诊断*** |
CN117332215A (zh) * | 2023-12-01 | 2024-01-02 | 深圳市大易电气实业有限公司 | 一种高低压配电柜异常故障信息远程监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN117522086A (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117522086B (zh) | 一种数字化低碳社区能耗管理*** | |
Ditzen et al. | Testing and estimating structural breaks in time series and panel data in Stata | |
CN109034244B (zh) | 基于电量曲线特征模型的线损异常诊断方法及装置 | |
CN117093879B (zh) | 一种数据中心智能化运营管理方法及*** | |
CN107463633B (zh) | 一种基于eemd-神经网络的实时数据异常值检测方法 | |
Seillier-Moiseiwitsch et al. | On testing the validity of sequential probability forecasts | |
CN106657073A (zh) | 筛选异常登录用户的方法及*** | |
CN111738521B (zh) | 非侵入式电力负荷监测序列生成方法、***、设备及介质 | |
CN110321912A (zh) | 多计量异常事件关联度分析方法 | |
CN110852906B (zh) | 一种基于高维随机矩阵进行窃电嫌疑识别的方法和*** | |
CN117540325B (zh) | 基于数据变化量捕获的业务数据库异常检测方法及*** | |
Gajic et al. | An improved anomaly detection in mobile networks by using incremental time-aware clustering | |
CN117591964B (zh) | 基于人工智能的电力智能分析方法 | |
CN110632386A (zh) | 一种太阳射电干扰滤除方法、可读存储介质及电子设备 | |
CN113837591A (zh) | 一种面向多工况运行条件的装备健康评估方法 | |
CN112965964B (zh) | 一种实测飞参数据的野值检测方法、***及计算机相关产品 | |
CN117875794B (zh) | 一种能源电力数据质量评估方法 | |
Bakbergenuly et al. | Simulation study of estimating between-study variance and overall effect in meta-analysis of odds-ratios | |
CN117390379B (zh) | 在线信号测量装置、信号特征的置信度测量装置 | |
Kranz et al. | Rounding and other pitfalls in meta-studies on p-hacking and publication bias: A comment on brodeur et al.(2020) | |
Kazemi et al. | Exponentiated Extended Chen Distribution: Regression Model and Estimations | |
CN117851414B (zh) | 一种避雷器老化试验数据存储方法及*** | |
CN116070150B (zh) | 基于呼吸机运行参数的异常监测方法 | |
Steland | Random walks with drift–a sequential approach | |
CN118296539B (zh) | 一种面粉加工设备的异常状态分析方法、***及介质 |
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 |