一种基于多源数据融合的电流互感器不平衡度告警方法专利检索-电流电路专利检索查询-专利查询网

一种基于多源数据融合的电流互感器不平衡度告警方法

阅读：701发布：2021-06-06

专利汇可以提供一种基于多源数据融合的电流互感器不平衡度告警方法专利检索，专利查询，专利分析的服务。并且本发明涉及一种基于多源数据融合的电流互感器不平衡度告警方法，数据获取层通过RocketMQ获取电流互感器在线监测数据、运行数据、基础台账数据、环境数据，数据处理层采用内存计算框架，将获取的结构化数据、非结构化数据、历史监控数据进行格式化处理，并根据数据影响因素对各类数据进行修正剔除无效数据，并根据孤立森林算法对海量历史监测数据进行预处理以剔除异常点数据，计算标准方差，并进一步剔除样本值大于2.68倍方差的数据，再计算平均值得出基准值，最后根据历史监测数据与基准值计算各个监测参数的不平衡度，应用层分析不平衡度及不平衡度告警因子系数，得到电流互感器不平衡度告警分析结果。本发明能够提高电流互感器运行状态分析的准确性。，下面是一种基于多源数据融合的电流互感器不平衡度告警方法专利的具体信息内容。

权利要求

1.一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：
包括以下步骤：
步骤S1：通过RocketMQ消息框架获取电流互感器在线监测数据、运行数据、基础台账数据和环境数据；
步骤S2：采用内存计算框架，将获取的电流互感器在线监测数据、运行数据、基础台账数据、环境数据、历史监测数据进行格式化处理，并根据所述历史监测数据影响因素对各类数据进行修正，剔除无效数据；根据孤立森林算法对历史监测数据进行预处理以剔除异常点数据；然后计算标准方差，并剔除样本值大于2.68倍方差的数据，再计算得出基准值；
步骤S3：根据所述历史监测数据与所述基准值进行各个电流互感器在线监测数据的不平衡度计算；
步骤S4：分析计算的不平衡度及不平衡度告警因子系数，得到电流互感器不平衡度告警分析结果即判断近6笔不平衡度是否存在4笔以上数据大于不平衡度门限值0.1，若是则保存明细数据和不平衡度告警数据，否则结束分析。
2.根据权利要求1所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：所述基础台账数据包括设备名称、型号名称、投运日期和电压等级。
3.根据权利要求1所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：所述电流互感器在线监测数据包括泄漏电流、电容量和介损。
4.根据权利要求1所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：步骤S2中所述根据所述历史监测数据影响因素对各类数据进行修正，剔除无效数据的具体内容为：首先判断监测数据是否缺相如果缺相则认为是无效数据，否则认为是有效数据；然后根据监测数据状态判断规则，确定监测设备各监测参数监测数据是否有效，若监测设备近10个小时的10笔监测数据的有效数据小于6笔则认为当前数据无效，否则认为当前数据有效满足计算要求继续进行基准值计算。
5.根据权利要求1所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：步骤S2中所述利用孤立森林算法对历史监测数据进行预处理以剔除异常点数据的具体内容为：首先根据样本即历史监测数据创建孤立树，然后根据孤立树创建孤立森林；
然后根据样本在所有孤立树上的平均高度计算所有样本的异常指数；根据异常指数，获取类标，并设置正常聚类中心与异常聚类中心，得出训练模型，最后根据训练模型对参与计算基准值的样本进行预测判断，如果预测结果为异常，则认为是异常点，进行剔除，否则认为是正常点，给予保留。
6.根据权利要求1所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：步骤S2中所述计算标准差的具体过程为：
N为剔除异常点数据及无效数据后样本个数，μ为平均值，χi为样本值。
7.根据权利要求6所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：步骤S2中所述基准值的计算为：获取样本值在xi-2.68σ＜Xi＜xi+2.68σ区间内样本，然后计算基准值
8.根据权利要求3所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：所述不平衡度计算具体为：令A、B、C分别为电流互感器设备泄漏电流、电容量、介损小时监测数据，则不平衡度计算过程如下：
ΔBA＝(B-A)/[(B+A+C)/3]；
ΔCB＝(C-B)/[(B+A+C)/3]；
ΔAC＝(A-C)/[(B+A+C)/3]；
ΔBA为B、A相间的同振偏差比例；
ΔCB为C、B相间的同振偏差比例；
ΔAC为A、C相间的同振偏差比例；
ΔBA初＝(B初-A初)/[(B初+A初+C初)/3]；
ΔCB初＝(C初-B初)/[(B初+A初+C初)/3]；
ΔAC初＝(A初-C初)/[(B初+A初+C初)/3]；
A初、B初、C初分别为电流互感器泄漏电流、电容量、介损的初值；
ΔBA初为B、A相间的初值同振偏差比例；
ΔCB初为C、B相间的初值同振偏差比例；
ΔAC初为A、C相间的初值同振偏差比例；
ΔBA判＝ΔBA-ΔBA初，为B、A相间的当前数据同振偏差比例与初值同振偏差比例的差值；
ΔCB判＝ΔCB-ΔCB初，为C、B相间的当前数据同振偏差比例与初值同振偏差比例的差值；
ΔAC判＝ΔAC-ΔAC初，为A、C相间的当前数据同振偏差比例与初值同振偏差比例的差值；
其中，ΔBA判、ΔCB判、ΔAC判分别为进行判定的电流互感器的最终判定参数；
ΔBA判、ΔCB判、ΔAC判中只需要一个数据越不平衡度门限值0.1，则触发告警。
9.根据权利要求4所述的一种基于多源数据融合的电流互感器不平衡度告警方法，其特征在于：所述监测数据状态判断规则具体为：现场存在倒母操作时、监测值为无效值时、前端装置故障、检修、停运时，则当前电流互感器监测数据为无效数据。

说明书全文

一种基于多源数据融合的电流互感器不平衡度告警方法

技术领域

[0001] 本发明涉及电力安全技术领域，特别是一种基于多源数据融合的电流互感器不平衡度告警方法。

背景技术

[0002] 电网公司变电设备在线监测业务系统自全面建成以来，已经积累了十多年的变电专业运行数据和电网设备所在地的环境、在线监测，但由于缺乏对多来源数据的融合利用和对电网电流互感器告警分析手段方面还存在不足，还不能对电网设备状态的告警分析、生产管理的辅助决策等方面提供支持。当前，针对电流互感器设备的在线监测技术相对成熟，数据准确有效性高，可充分利用积累的海量电流互感器多源数据，有效开展电流互感器设备不平衡度告警分析，实现电流互感器运行状态快速感知，以及在此基础上开展电网设备状态检修工作已变得十分迫切。

[0003] 近些年来基于人工智能的数据挖掘分析比传统数据分析呈现出了显著的优势，人工智能数据挖掘技术能综合多源数据，采用更高效的智能算法，更有效地利用现阶段不断增长和复杂化的数据。因此智能算法和海量在线监测数据、运行数据、环境数据为解决电流互感器运行状态的准确告警分析提供了方法手段。通过人工智能数据挖掘技术可有效探索与电流互感器运行状态相关的各类因素，发现各项因素与运行状态之间潜在的规律。通过不平衡度告警分析，使电网各专业人员清晰了解设备当前的健康状况，为开展状态检修提供技术支持，保障电网供电可靠性。

发明内容

[0004] 有鉴于此，本发明的目的是提供一种基于多源数据融合的电流互感器不平衡度告警方法，融合多源数据进行电流互感器不平衡度分析，提高电流互感器运行状态分析的准确性。

[0005] 本发明采用以下方案实现：一种基于多源数据融合的电流互感器不平衡度告警方法，包括以下步骤：

[0006] 步骤S1：通过RocketMQ消息框架获取电流互感器在线监测数据、运行数据、基础台账数据和环境数据；

[0007] 步骤S2：采用内存计算框架，将获取的电流互感器在线监测数据、运行数据、基础台账数据、环境数据、历史监测数据进行格式化处理，并根据所述历史监测数据影响因素对各类数据进行修正，剔除无效数据；根据孤立森林算法对历史监测数据进行预处理以剔除异常点数据；然后计算标准方差，并剔除样本值大于2.68倍方差的数据，再计算得出基准值；

[0008] 步骤S3：根据所述历史监测数据与所述基准值进行各个电流互感器在线监测数据的不平衡度计算；

[0009] 步骤S4：分析计算的不平衡度及不平衡度告警因子系数，得到电流互感器不平衡度告警分析结果即判断近6笔不平衡度是否存在4笔以上数据大于不平衡度门限值0.1，若是则保存明细数据和不平衡度告警数据，否则结束分析。

[0010] 进一步地，所述基础台账数据包括设备名称、型号名称、投运日期和电压等级。

[0011] 进一步地，所述电流互感器在线监测数据包括泄漏电流、电容量和介损。

[0012] 进一步地，步骤S2中所述根据所述历史监测数据影响因素对各类数据进行修正，剔除无效数据的具体内容为：首先判断监测数据是否缺相如果缺相则认为是无效数据，否则认为是有效数据；然后根据监测数据状态判断规则，确定监测设备各监测参数监测数据是否有效，若监测设备近10个小时的10笔监测数据的有效数据小于6笔则认为当前数据无效，否则认为当前数据有效满足计算要求继续进行基准值计算。

[0013] 进一步地，步骤S2中所述利用孤立森林算法对历史监测数据进行预处理以剔除异常点数据的具体内容为：首先根据样本即历史监测数据创建孤立树，然后根据孤立树创建孤立森林；然后根据样本在所有孤立树上的平均高度计算所有样本的异常指数；根据异常指数，获取类标，并设置正常聚类中心与异常聚类中心，得出训练模型，最后根据训练模型对参与计算基准值的样本进行预测判断，如果预测结果为异常，则认为是异常点，进行剔除，否则认为是正常点，给予保留。

[0014] 进一步地，步骤S2中所述计算标准差的具体过程为：

[0015]

[0016] N为剔除异常点数据及无效数据后样本个数，μ为平均值，χi为样本值。

[0017] 进一步地，步骤S2中所述基准值的计算为：获取样本值在xi-2.68σ＜Xi＜xi+2.68σ区间内样本，然后计算基准值

[0018] 进一步地，所述不平衡度计算具体为：令A、B、C分别为电流互感器设备泄漏电流、电容量、介损小时监测数据，则不平衡度计算过程如下：

[0019] ΔBA＝(B-A)/[(B+A+C)/3]；

[0020] ΔCB＝(C-B)/[(B+A+C)/3]；

[0021] ΔAC＝(A-C)/[(B+A+C)/3]；

[0022] ΔBA为B、A相间的同振偏差比例；

[0023] ΔCB为C、B相间的同振偏差比例；

[0024] ΔAC为A、C相间的同振偏差比例；

[0025] ΔBA初＝(B初-A初)/[(B初+A初+C初)/3]；

[0026] ΔCB初＝(C初-B初)/[(B初+A初+C初)/3]；

[0027] ΔAC初＝(A初-C初)/[(B初+A初+C初)/3]；

[0028] A初、B初、C初分别为电流互感器泄漏电流、电容量、介损的初值；

[0029] ΔBA初为B、A相间的初值同振偏差比例；

[0030] ΔCB初为C、B相间的初值同振偏差比例；

[0031] ΔAC初为A、C相间的初值同振偏差比例；

[0032] ΔBA判＝ΔBA-ΔBA初，为B、A相间的当前数据同振偏差比例与初值同振偏差比例的差值；

[0033] ΔCB判＝ΔCB-ΔCB初，为C、B相间的当前数据同振偏差比例与初值同振偏差比例的差值；

[0034] ΔAC判＝ΔAC-ΔAC初，为A、C相间的当前数据同振偏差比例与初值同振偏差比例的差值；

[0035] 其中，ΔBA判、ΔCB判、ΔAC判分别为进行判定的电流互感器的最终判定参数；

[0036] ΔBA判、ΔCB判、ΔAC判中只需要一个数据越不平衡度门限值0.1，则触发告警。

[0037] 进一步地，所述监测数据状态判断规则具体为：现场存在倒母操作时、监测值为无效值时、前端装置故障、检修、停运时，则当前电流互感器监测数据为无效数据。

[0038] 与现有技术相比，本发明具有以下有益效果：

[0039] 本发明融合多源数据进行电流互感器不平衡度分析，提高电流互感器运行状态分析的准确性。附图说明

[0040] 图1为本发明实施例的流程图。

具体实施方式

[0041] 下面结合附图及实施例对本发明做进一步说明。

[0042] 应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

[0043] 需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

[0044] 如图1所示，本实施例提供一种基于多源数据融合的电流互感器不平衡度告警方法，包括以下步骤：

[0045] 步骤S1：通过RocketMQ消息框架获取电流互感器在线监测数据、运行数据、基础台账数据和环境数据；

[0046] 步骤S2：采用内存计算框架，将获取的电流互感器在线监测数据、运行数据、基础台账数据、环境数据、历史监测数据进行格式化处理，并根据所述历史监测数据影响因素对各类数据进行修正，剔除无效数据；根据孤立森林算法对历史监测数据进行预处理以剔除异常点数据；然后计算标准方差，并剔除样本值大于2.68倍方差的数据，再计算得出基准值；

[0047] 步骤S3：根据所述历史监测数据与所述基准值进行各个电流互感器在线监测数据的不平衡度计算；

[0048] 步骤S4：分析计算的不平衡度及不平衡度告警因子系数，得到电流互感器不平衡度告警分析结果即判断近6笔不平衡度是否存在4笔以上数据大于不平衡度门限值0.1，若是则保存明细数据和不平衡度告警数据，否则结束分析。

[0049] 在本实施例中，所述基础台账数据包括设备名称、型号名称、投运日期和电压等级。

[0050] 在本实施例中，所述电流互感器在线监测数据包括泄漏电流、电容量和介损。

[0051] 在本实施例中，首先判断监测数据是否缺相如果缺相则认为是无效数据，否则认为是有效数据；然后根据监测数据状态判断规则，确定监测设备各监测参数监测数据是否有效，若监测设备近10个小时的10笔监测数据的有效数据小于6笔则认为当前数据无效，否则认为当前数据有效满足计算要求继续进行基准值计算。

[0052] 在本实施例中，步骤S2中所述利用孤立森林算法对历史监测数据进行预处理以剔除异常点数据的具体内容为：首先根据样本即历史监测数据创建孤立树，然后根据孤立树创建孤立森林；然后根据样本在所有孤立树上的平均高度计算所有样本的异常指数；根据异常指数，获取类标，并设置正常聚类中心与异常聚类中心，得出训练模型，最后根据训练模型对参与计算基准值的样本进行预测判断，如果预测结果为异常，则认为是异常点，进行剔除，否则认为是正常点，给予保留。

[0053] 在本实施例中，步骤S2中所述计算标准差的具体过程为：

[0054]

[0055] N为剔除异常点数据及无效数据后样本个数，μ为平均值，χi为样本值。

[0056] 在本实施例中，步骤S2中所述基准值的计算为：获取样本值在xi-2.68σ＜Xi＜xi+2.68σ区间内样本，然后计算基准值

[0057] 在本实施例中，所述不平衡度计算具体为：令A、B、C分别为电流互感器设备泄漏电流、电容量、介损小时监测数据，则不平衡度计算过程如下：

[0058] 分别计算泄露电流、电容量和介损的相间的同振偏差比例，

[0059] ΔBA＝(B-A)/[(B+A+C)/3]；

[0060] ΔCB＝(C-B)/[(B+A+C)/3]；

[0061] ΔAC＝(A-C)/[(B+A+C)/3]；

[0062] ΔBA为B、A相间的同振偏差比例；

[0063] ΔCB为C、B相间的同振偏差比例；

[0064] ΔAC为A、C相间的同振偏差比例；

[0065] 然后根据A初、B初、C初分别为电流互感器泄漏电流、电容量、介损的初值；

[0066] 分别计算泄露电流、电容量和介损基准值的相间的同振偏差比例，[0067] ΔBA初＝(B初-A初)/[(B初+A初+C初)/3]；

[0068] ΔCB初＝(C初-B初)/[(B初+A初+C初)/3]；

[0069] ΔAC初＝(A初-C初)/[(B初+A初+C初)/3]；

[0070] A初、B初、C初分别为分别为电流互感器泄漏电流、电容量、介损的初值；

[0071] ΔBA初为B、A相间的初值同振偏差比例；

[0072] ΔCB初为C、B相间的初值同振偏差比例；

[0073] ΔAC初为A、C相间的初值同振偏差比例；

[0074] ΔBA判＝ΔBA-ΔBA初，为B、A相间的当前数据同振偏差比例与初值同振偏差比例的差值；

[0075] ΔCB判＝ΔCB-ΔCB初，为C、B相间的当前数据同振偏差比例与初值同振偏差比例的差值；

[0076] ΔAC判＝ΔAC-ΔAC初，为A、C相间的当前数据同振偏差比例与初值同振偏差比例的差值；

[0077] 其中，ΔBA判、ΔCB判、ΔAC判分别为进行判定的电流互感器的最终判定参数；

[0078] ΔBA判、ΔCB判、ΔAC判中只需要一个数据越不平衡度门限值0.1，则触发告警。

[0079] 在本实施例中，所述监测数据状态判断规则具体为：现场存在倒母操作时、监测值为无效值时、前端装置故障、检修、停运时，则当前电流互感器监测数据为无效数据。其中，在本实施例中监测值为-12345等无效值时当前电流互感器监测数据可以认为是无效数据。

[0080] 较佳的，在本实施例中，数据清洗，具体为：确定监测设备各监测参数监测数据是否有效，若监测设备近10个小时的10笔监测数据的有效数据小于6笔则剔除；若现场有母线倒母操作，则对应点数据无效剔除。

[0081] 以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

标题	发布/更新时间	阅读量
可充电电池短路预测装置和可充电电池短路预测方法	2020-05-08	757
电池组电解质水平监测器、系统和方法	2020-05-08	284
印刷电路板及其电源铜面配置方法	2020-05-08	575
一种基于罗氏线圈的电流检测型同步整流控制方法	2020-05-08	894
视锥视杆复用式仿生视觉传感器	2020-05-11	346
一种电器故障提示的电机控制方法	2020-05-11	21
超高转差率电动机控制设备	2020-05-11	337
带有空心轴马达的旋转单元	2020-05-08	223
脉冲宽度调制模式发生器以及对应系统、方法和计算机程序	2020-05-11	794
具有改善的线性度的放大设备	2020-05-11	558

一种基于多源数据融合的电流互感器不平衡度告警方法

一种基于多源数据融合的电流互感器不平衡度告警方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：