本发明涉及电网数据采集处理技术领域，具体涉及基于大数据的智能电网采集系统。
背景技术：
目前，随着电网的完全自动化，每一个节点都得到了实时的监控，并保证了每一节点上的电流和信息的双向流动，将为电力系统的运行和管理提供海量的实时数据流，利用数据挖掘技术从这些电网数据流中抽取对人们有用的知识或信息，可以准确了解电网的运行状态，及时洞察存在的异常和潜在的事故隐患，进行故障诊断，为以后提供决策支持。
电网故障诊断的数据是海量的，如果利用海量数据直接对电网进行故障诊断，数据本身的规模和复杂性将导致故障诊断效率的降低，通常需要耗费大量的时间，从而常常使诊断任务变得不现实和不可行。
因此在电网故障诊断之前，需要先采用合理有效的方法对海量数据进行必要的预处理和约简，在最大程度保留与故障诊断任务相关信息的前提下，降低数据规模和数据复杂性，删除不必要的冗余信息和数据噪声，是利用海量数据进行电网故障诊断的一种有效方法。但现有智能电网采集系统存在着数据流约简后故障点的数据流有丢失，从而导致后续无法定位故障节点的情况出现。
技术实现要素：
本发明是为了解决现有智能电网采集系统存的上述不足，提供一种数据流约简程度高，数据流约简后故障点的数据流不易丢失，易于定位故障节点，可靠性高，结构简单的基于大数据的智能电网采集系统。
以上技术问题是通过下列技术方案解决的：
基于大数据的智能电网采集系统，包括设置在电网节点的采集电网节点数据流的节点数据流采集装置和设置在电网监控中心的服务器；节点数据流采集装置包括控制器、存储器、数据处理模块、湿度传感器、温度传感器、风速传感器、电流传感器、季节时段计时模块和峰谷电时段计时模块；所述服务器、存储器、数据处理模块、湿度传感器、温度传感器、风速传感器、电流传感器、季节时段计时模块和峰谷电时段计时模块分别与控制器连接。
湿度传感器对电网节点处的湿度进行采集，风速传感器对电网节点处的风速进行采集，电流传感器对电网节点处的电流进行采集，季节时段计时模块对电网节点处的季节进行记录，峰谷电时段计时模块对电网节点处的峰谷电时段进行记录。通过本方案，使得电网故障诊断中的数据流约简程度高，数据流约简后故障点的数据流不易丢失，易于定位故障节点，可靠性高，结构简单。
作为优先，在电网节点还设有与控制器连接的无线模块，所述控制器通过无线模块与服务器连接。无线模块便于电网节点处的控制器与电网监控中心的服务器进行通信连接。
作为优先，在电网节点还设有与控制器连接的gps模块和地址编码模块。gps模块和地址编码模块便于对电网节点进行定位，便于在对故障电网节点进行维护时能够准确定位，使用方便简单。
作为优先，在电网节点还设有故障闪光灯，故障闪光灯的控制端与控制器连接。故障闪光灯便于维护人员到达故障电网节点附近时易于找到故障电网节点的具体位置，使用方便简单。也利于周边用户知道所在处电网节点出现了故障。
作为优先，在电网节点还设有故障报警器，故障报警器的控制端与控制器连接。故障报警器便于周边用户知道所在处电网节点出现了故障，从而主动通知电网维护人员来进行维修处理。
作为优先，在电网节点还设有为电网节点处各用电器件提供电源的电源模块，电源模块的控制端与控制器连接。电源模块的取点可是电网的电源，也可是自备的风力发电电源，或自备的太阳能电源等。电源模块为电网节点各用电器件提供稳定可靠的电源，电网故障节点出现故障后，也不影响电网节点各用电器件的用电需求，可靠性高。
作为优先，所述智能电网采集系统还包括电网节点数据流快速约简方法，所述电网节点数据流快速约简方法包括如下步骤：
(1)获取各节点电流由小变大后对应节点在当前时间点起往前推一周内的大电流自评故障率q，获取各节点电流由大变小后对应节点在当前时间点起往前推一周内的小电流自评故障率w；
(2)设各节点电流由小变大后对应节点的大电流参考故障率为e，设各节点电流由大变小后对应节点的小电流参考故障率为r；设各节点的天气修正因子为t，设各节点的时段修正因子为y；
(3)计算各节点电流由小变大后对应节点当前时刻的大电流有效故障率u和各节点电流由大变小后对应节点当前时刻的小电流有效故障率i；
若(q-e)＞0时，并且u＝(q-e)÷(q+e)≥(t-y)÷(t+y)时，则说明对应节点的大电流故障率是有效的，否则说明对应节点的大电流故障率是无效的，并将有效的大电流故障率与对应节点相绑定后存入到大电流有效故障数据表中；
若(w-r)＞0时，并且i＝(w-r)÷(w+r)≥(t-y)÷(t+y)时，则说明对应节点的小电流故障率是有效的，否则说明对应节点的小电流故障率是无效的，并将有效的小电流故障率与对应节点相绑定后存入到小电流有效故障数据表中；
(4)利用模糊集理论的隶属函数，对大电流有效故障数据表中的有效故障数据进行模糊化处理后都转变为[0，1]之间的当前大电流数据表；同理，对小电流有效故障数据表中的有效故障数据进行模糊化处理后都转变为[0，1]之间的当前小电流数据表；
(5)计算当前大电流数据表和标准大电流数据表中对应位置的差值，形成大电流差值数据表；同时计算当前小电流数据表和标准小电流数据表中对应位置的差值，形成小电流差值数据表；
(6)根据大电流差值数据表求出每个大电流节点与其他大电流节点的距离，得出大电流距离差值表；并根据小电流差值数据表求出每个小电流节点与其他小电流节点的距离，得出小电流距离差值表；
再用大电流差值数据表中的每个差值和小电流差值数据表中的每个差值求出每个大电流节点与每个小电流节点的距离，得出跨流距离差值表；
然后计算出每个大电流节点与其他大电流节点距离的大电流均值a与大电流方差s，计算出每个小电流节点与其他小电流节点距离的小电流均值d与小电流方差f；
设节点包括父节点和与父节点连接的子节点；
如果大电流节点为子节点或小电流节点为子节点，则计算出该子节点的父节点均值g和父节点方差h；
如果大电流节点为父节点或小电流节点为父节点，则计算出该父节点的子节点均值j和子节点方差k；
(7)如果大电流节点为子节点，并且有(g-a)÷2(h-s)＜(h÷s)时，则删除该大电流节点，得到大电流一号压缩值表；如果大电流节点为父节点，并且有(j-a)÷2(k-s)＜(k÷s)时，则删除该大电流节点，得到大电流二号压缩值表，然后合并大电流一号压缩值表和大电流二号压缩值表得到大电流压缩值表；
如果小电流节点为子节点，并且有(j-d)÷2(k-f)＜(k÷f)时，则删除该小电流节点，得到小电流一号压缩值表；如果小电流节点为父节点，并且有(g-d)÷2(h-f)＜(h÷f)时，则删除该小电流节点，得到小电流二号压缩值表；然后合并小电流一号压缩值表和小电流二号压缩值表得到小电流压缩值表；
合并大电流压缩值表和小电流压缩值表得到当前节点压缩值表；
(8)对当前节点压缩值表中的节点之间两两做差，差值为0则置0，差值非0则置1，形成节点属性特征表；
(9)对节点属性特征表中的所有节点进行与运算，得到约简节点数据；
(10)将约简节点数据送入故障分离器中，定位故障节点。
通过本方案，使得电网故障诊断中的数据流约简程度高，数据流约简后故障点的数据流不易丢失，易于定位故障节点。
作为优先，在步骤(1)中，在获取节点的小电流自评故障率w时或在获取的大电流自评故障率q时，采用一周内检测到的节点电流由大变小或右小变大的幅度在5毫安以上，并且变化后稳定时长要达到2秒以上，并在稳定时长的时间内电流变化幅度在0.1毫安以内。
本发明能够达到如下效果：
本发明使得电网故障诊断中的数据流约简程度高，数据流约简后故障点的数据流不易丢失，易于定位故障节点，可靠性高，结构简单。
附图说明
图1是本发明实施例的一种连接结构示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步的说明。
实施例，基于大数据的智能电网采集系统，参见图1所示，包括设置在电网节点18的采集电网节点数据流的节点数据流采集装置1和设置在电网监控中心19的服务器2；节点数据流采集装置包括控制器3、存储器4、数据处理模块5、湿度传感器6、温度传感器7、风速传感器8、电流传感器9、季节时段计时模块10和峰谷电时段计时模块11；所述服务器、存储器、数据处理模块、湿度传感器、温度传感器、风速传感器、电流传感器、季节时段计时模块和峰谷电时段计时模块分别与控制器连接。
在电网节点还设有与控制器连接的无线模块12，所述控制器通过无线模块与服务器连接。
在电网节点还设有与控制器连接的gps模块13和地址编码模块14。
在电网节点还设有故障闪光灯15，故障闪光灯的控制端与控制器连接。
在电网节点还设有故障报警器16，故障报警器的控制端与控制器连接。
在电网节点还设有为电网节点处各用电器件提供电源的电源模块17，电源模块的控制端与控制器连接。
湿度传感器对电网节点处的湿度进行采集，风速传感器对电网节点处的风速进行采集，电流传感器对电网节点处的电流进行采集，季节时段计时模块对电网节点处的季节进行记录，峰谷电时段计时模块对电网节点处的峰谷电时段进行记录。
所述智能电网采集系统还包括电网节点数据流快速约简方法，所述电网节点数据流快速约简方法包括如下步骤：
(1)获取各节点电流由小变大后对应节点在当前时间点起往前推一周内的大电流自评故障率q，获取各节点电流由大变小后对应节点在当前时间点起往前推一周内的小电流自评故障率w。
在获取节点的小电流自评故障率w时或在获取的大电流自评故障率q时，采用一周内检测到的节点电流由大变小或右小变大的幅度在5毫安以上，并且变化后稳定时长要达到2秒以上，并在稳定时长的时间内电流变化幅度在0.1毫安以内。
在获取大电流自评故障率q时，还要利用公式e1＝(q-l1)÷l1计算出大电流故障率的误差大小e1是否在设定的闭区间[b1，b2]的有围内；只有e1在设定的闭区间[b1，b2]内时，才说明获取的大电流自评故障率q是有效的；其中l1为大电流自评故障率参考标准值。
在获取小电流自评故障率w时，还要利用公式e1＝(w-l2)÷l2计算出小电流故障率的误差大小e2是否在设定的闭区间[c1，c2]的有围内；只有e2在设定的闭区间[c1，c2]内时，才说明获取的小电流自评故障率w是有效的；其中l2为小电流自评故障率参考标准值。
(2)设各节点电流由小变大后对应节点的大电流参考故障率为e，设各节点电流由大变小后对应节点的小电流参考故障率为r；设各节点的天气修正因子为t，设各节点的时段修正因子为y。
天气修正因子t由对应节点所在处在获取天气修正因子t时的湿度t1、温度t2和风速t3求得，t＝t1+t2+t3。
时段修正因子y由对应节点所在处在一天内峰电时段所在节点的平均电流值y1、谷电时段所在节点的平均电流值y2和季节修正参数值y3，y＝y1+y2+y3；其中季节修正参数值y3的值为春季取5，夏季取10，秋季取4，冬季取12。
(3)计算各节点电流由小变大后对应节点当前时刻的大电流有效故障率u和各节点电流由大变小后对应节点当前时刻的小电流有效故障率i；
若(q-e)＞0时，并且u＝(q-e)÷(q+e)≥(t-y)÷(t+y)时，则说明对应节点的大电流故障率是有效的，否则说明对应节点的大电流故障率是无效的，并将有效的大电流故障率与对应节点相绑定后存入到大电流有效故障数据表中；
若(w-r)＞0时，并且i＝(w-r)÷(w+r)≥(t-y)÷(t+y)时，则说明对应节点的小电流故障率是有效的，否则说明对应节点的小电流故障率是无效的，并将有效的小电流故障率与对应节点相绑定后存入到小电流有效故障数据表中；
(4)利用模糊集理论的隶属函数，对大电流有效故障数据表中的有效故障数据进行模糊化处理后都转变为[0，1]之间的当前大电流数据表；同理，对小电流有效故障数据表中的有效故障数据进行模糊化处理后都转变为[0，1]之间的当前小电流数据表；
(5)计算当前大电流数据表和标准大电流数据表中对应位置的差值，形成大电流差值数据表；同时计算当前小电流数据表和标准小电流数据表中对应位置的差值，形成小电流差值数据表；
(6)根据大电流差值数据表求出每个大电流节点与其他大电流节点的距离，得出大电流距离差值表；并根据小电流差值数据表求出每个小电流节点与其他小电流节点的距离，得出小电流距离差值表；
再用大电流差值数据表中的每个差值和小电流差值数据表中的每个差值求出每个大电流节点与每个小电流节点的距离，得出跨流距离差值表；
然后计算出每个大电流节点与其他大电流节点距离的大电流均值a与大电流方差s，计算出每个小电流节点与其他小电流节点距离的小电流均值d与小电流方差f；
设节点包括父节点和与父节点连接的子节点；
如果大电流节点为子节点或小电流节点为子节点，则计算出该子节点的父节点均值g和父节点方差h；
如果大电流节点为父节点或小电流节点为父节点，则计算出该父节点的子节点均值j和子节点方差k；
(7)如果大电流节点为子节点，并且有(g-a)÷2(h-s)＜(h÷s)时，则删除该大电流节点，得到大电流一号压缩值表；如果大电流节点为父节点，并且有(j-a)÷2(k-s)＜(k÷s)时，则删除该大电流节点，得到大电流二号压缩值表，然后合并大电流一号压缩值表和大电流二号压缩值表得到大电流压缩值表；
如果小电流节点为子节点，并且有(j-d)÷2(k-f)＜(k÷f)时，则删除该小电流节点，得到小电流一号压缩值表；如果小电流节点为父节点，并且有(g-d)÷2(h-f)＜(h÷f)时，则删除该小电流节点，得到小电流二号压缩值表；然后合并小电流一号压缩值表和小电流二号压缩值表得到小电流压缩值表；
合并大电流压缩值表和小电流压缩值表得到当前节点压缩值表；
(8)对当前节点压缩值表中的节点之间两两做差，差值为0则置0，差值非0则置1，形成节点属性特征表；
(9)对节点属性特征表中的所有节点进行与运算，得到约简节点数据；
(10)将约简节点数据送入故障分离器中，定位故障节点。
通过本实施例，使得电网故障诊断中的数据流约简程度高，数据流约简后故障点的数据流不易丢失，易于定位故障节点，可靠性高，结构简单。