技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种具有监测异常计量数据功能的电力箱及监测方法与流程  >  正文

一种具有监测异常计量数据功能的电力箱及监测方法与流程

  • 国知局
  • 2024-07-31 23:14:27

本技术涉及电数据处理,具体涉及一种具有监测异常计量数据功能的电力箱及监测方法。

背景技术:

1、智能电网是现代电力系统的基础设施,通过自动控制、现代传感和计量技术实现最优化的电力监测和管理,提高电力管理效率和可靠性。电力箱作为智能电网的核心组成之一,承担数据获取和分析的重要功能,通过在用户端布置电力计量装置,实现对用户的数据采集和监控,具有远程抄表、用电监测、负荷分析等多种具体功能。当用户的电力计量数据出现异常时,电力箱可自动识别并做出警告,降低异常用电引起的安全风险。

2、在现实场景中,不同类型的电力箱计量数据虽然不服从独立同分布,但是电力箱计量数据间具有很强的关联性。目前电力箱采用模糊聚类算法识别异常计量数据时,通常将不同类型的电力箱计量数据进行独立分析并分类,忽视了不同类型数据间的关联性,从而导致电力箱计量数据特征提取效果较差,同时电力箱计量数据之间也存在一定的相关联情况,只针对实时的电力箱计量数据进行监测时,其异常监测的灵敏度和准确度较低,难以在电力箱计量数据出现异常的初期进行报警。

技术实现思路

1、为了解决上述技术问题,本技术提供一种具有监测异常计量数据功能的电力箱及监测方法,所采用的技术方案具体如下:

2、第一方面,本技术实施例提供了一种具有监测异常计量数据功能的电力箱监测方法,该方法包括以下步骤:

3、获取各种类型的电力箱计量数据,并分成若干个电力箱计量数据组;

4、基于每个电力箱计量数据组中,不同种类的电力箱计量数据在出现异常初期的短时间内的随机性变化,以及相位变化的异常程度,确定每个电力箱计量数据组的电力箱计量数据特征向量;

5、基于电力箱计量数据窗口内所有电力箱计量数据组之间的电力箱计量数据特征向量差异,确定电力箱计量数据窗口的电力箱计量数据异常特征值;

6、基于电力箱计量数据窗口中所有电力箱计量数据组的电力箱计量数据特征向量的聚类分布,以及所述电力箱计量数据异常特征值,确定电力箱计量数据窗口的电力箱计量数据异常指数;

7、基于所述电力箱计量数据异常指数,对实时的电力箱计量数据窗口进行监测。

8、优选地,所述电力箱计量数据包括:功率计量数据、电压计量数据和电流计量数据;所述电力箱计量数据组在各种类型分别命名为:功率计量数据组、电压计量数据组和电流计量数据组。

9、优选地,所述电力箱计量数据特征向量的确定方法包括:

10、基于功率计量数据在短时间内的随机异常脉冲分布情况,确定每个电力箱计量数据组的电力箱计量数据波动特征值;

11、基于电流和电压计量数据的峰值相位差之间的相对变化程度,确定每个电力箱计量数据组的电力箱计量数据相位特征值;

12、将每个电力箱计量数据组的电力箱计量数据波动特征值和电力箱计量数据相位特征值,组成每个电力箱计量数据组的电力箱计量数据特征向量。

13、优选地,所述电力箱计量数据波动特征值的确定方法包括:

14、采用低通滤波器去除功率计量数据中的异常脉冲,获得功率参考计量数据;

15、将对应时刻的功率计量数据和功率参考计量数据之间的差异记为功率计量差异;

16、将每个电力箱计量数据组中功率计量差异的标准差与功率计量差异的最大值的比值,记作每个电力箱计量数据组的电力箱计量数据波动特征值。

17、优选地,所述电力箱计量数据相位特征值的确定方法包括:

18、采用低通滤波器去除电压计量数据中的异常脉冲,获得电压参考计量数据;

19、获取电压参考计量数据中所有的峰值,将所有的峰值对应的数据序号组成电压峰值相位序号;采用与电压峰值相位序号相同的获取方法,得到电流峰值相位序号;

20、将电压参考计量数据和电流参考计量数据中峰值数量的最小值记为峰值参考数量;按照峰值参考数量将对应的电压峰值相位序号和电流峰值相位序号之间的差异,分别记为电力箱计量数据相位差;

21、将每个电力箱计量数据组中所有电力箱计量数据相位差与最小电力箱计量数据相位差之间的比值的累加结果,记为每个电力箱计量数据组的电力箱计量数据相位特征值。

22、优选地,所述电力箱计量数据异常特征值的确定方法包括:

23、将任一电力箱计量数据组作为起始组,将起始组及其往后若干个电力箱计量数据组,组成起始组的电力箱计量数据窗口;

24、将起始组与其所在电力箱计量数据窗口内剩余电力箱计量数据组之间的间隔距离,分别记为组间距离;

25、基于起始组与其所在电力箱计量数据窗口内所有剩余电力箱计量数据组之间的组间距离,以及电力箱计量数据特征向量差异,确定起始组的特征向量加权模值;

26、以每个电力箱计量数据组的特征向量加权模值为权,对电力箱计量数据窗口内所有剩余电力箱计量数据组的电力箱计量数据特征向量进行加权求和,得到电力箱计量数据窗口的电力箱计量数据异常特征值。

27、优选地,所述特征向量加权模值的确定方法包括:

28、基于起始组与其所在电力箱计量数据窗口内每个剩余电力箱计量数据组之间的组间距离,以及电力箱计量数据特征向量差异,计算起始组与其所在电力箱计量数据窗口内每个剩余电力箱计量数据组之间的特征向量分布权重;

29、其中,所述特征向量分布权重与所述组间距离呈负相关关系,与所述电力箱计量数据特征向量差异呈正相关关系;

30、将电力箱计量数据窗口中所有剩余电力箱计量数据组的特征向量分布权重相加,将相加结果与起始组的电力箱计量数据特征向量进行正向融合,将正向融合的结果记为起始组的特征向量加权模值。

31、优选地,所述电力箱计量数据异常指数的确定方法包括:

32、将电力箱计量数据窗口中所有电力箱计量数据组的电力箱计量数据特征向量作为聚类算法的输入,划分得到若干个聚类簇及其聚类中心;

33、将电力箱计量数据窗口中每个聚类簇中的元素数量,与其聚类中心作为起始组所在电力箱计量数据窗口的电力箱计量数据异常特征值进行正向融合,并将正向融合的结果记为电力箱计量数据窗口中每个聚类簇的聚类簇异常值;

34、将电力箱计量数据窗口中所有聚类簇的聚类簇异常值进行累加求和,得到电力箱计量数据窗口的电力箱计量数据异常指数。

35、优选地,所述基于所述电力箱计量数据异常指数,对实时的电力箱计量数据窗口进行监测,包括:

36、获取历史数据中连续若干个正常的电力箱计量数据窗口,将每个电力箱计量数据窗口的所有聚类中心作为起始组所在电力箱计量数据窗口的电力箱计量数据异常特征值中的最大值,作为每个电力箱计量数据窗口的最大参考异常特征值;

37、计算所有正常的电力箱计量数据窗口的最大参考异常特征值的均值,记为电力箱计量数据异常阈值;

38、当实时的电力箱计量数据窗口的电力箱计量数据异常指数大于等于电力箱计量数据异常阈值时,电力箱进行报警;否则,不进行报警。

39、第二方面,本技术实施例还提供了一种具有监测异常计量数据功能的电力箱,包括电力箱计量数据采集模块、电力箱计量数据异常指数获取模块以及电力箱计量数据监测模块,具体为:

40、电力箱计量数据采集模块,用于获取各种类型的电力箱计量数据,并分成若干个电力箱计量数据组;

41、电力箱计量数据异常指数获取模块,用于基于每个电力箱计量数据组中,不同种类的电力箱计量数据在出现异常初期的短时间内的随机性变化,以及相位变化的异常程度,确定每个电力箱计量数据组的电力箱计量数据特征向量;

42、基于电力箱计量数据窗口内所有电力箱计量数据组之间的电力箱计量数据特征向量差异,确定电力箱计量数据窗口的电力箱计量数据异常特征值;

43、基于电力箱计量数据窗口中所有电力箱计量数据组的电力箱计量数据特征向量的聚类分布,以及所述电力箱计量数据异常特征值,确定电力箱计量数据窗口的电力箱计量数据异常指数;

44、电力箱计量数据监测模块,用于基于所述电力箱计量数据异常指数,对实时的电力箱计量数据窗口进行监测。

45、本技术至少具有如下有益效果:

46、本技术实现了电力箱数据的异常监测,相比于现有技术大多只针对实时的电力箱计量数据进行监测,且忽视了不同类型数据间的关联性,从而导致电力箱计量数据特征提取效果较差,同时还未将历史电力箱计量数据之间存在的相关联情况进行考虑,使得其异常监测的灵敏度和准确度较低,难以在电力箱计量数据出现异常的初期进行报警,本技术根据电力箱计量数据出现异常初期的随机性和微弱性,计算电力箱计量数据特征向量,一方面通过对功率计量数据的波动程度分析,提高对随机异常脉冲的识别能力;另一方面利用电压计量数据和电流计量数据的关联性,提取出电压和电流的相位差信息,提高后续对电力箱异常计量数据的监测灵敏度;考虑到了不同类型数据间的关联性;通过对比电力箱计量数据窗口中各组数据的异常程度,计算电力箱计量数据异常特征值,加大了异常数据和正常数据的区分度,增强了对异常数据的识别能力;采用聚类算法将电力箱计量数据窗口中的电力箱计量数据特征向量划分为不同的聚类簇,扩大了异常数据的识别范围,提高异常数据监测的准确度;根据聚类簇中的电力箱计量数据特征向量的数量和对应聚类中心作为起始组的所属电力箱计量数据窗口的电力箱计量数据异常特征值的大小,计算得到电力箱计量数据异常指数,当电力箱计量数据异常指数超过电力箱计量数据异常阈值时,电力箱进行报警,提高了对历史电力箱计量数据的利用率,加强了对电力箱计量数据特征的提取效果,进而提高了电力箱计量数据异常监测的灵敏度和准确度。

本文地址:https://www.jishuxx.com/zhuanli/20240730/196593.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。