换流站监测方法、装置、计算机设备和存储介质与流程

1.本技术涉及电力系统技术领域，特别是涉及一种换流站监测方法及装置、计算机设备和存储介质。


背景技术：

2.特高压直流换流站是电力运作活动的重要装置，是直流输电的基础，为了保障电力行业的健康、可持续发展，针对换流站的状态监测尤为重要。
3.在特高压直流换流站中，包括多种电气设备，例如，阀厅、换流变压器、交流开关、平波电抗器、滤波器、无功补偿设备等，为了实现对特高压直流换电站的全面监测，需要对换流站内所有的电气设备进行监测。
4.换流站中采集的各设备的运行数据包括大量的结构性与非结构性数据，无法通过简单的阈值判断或者人工判断对所有的电气设备进行有效监测，因此目前针对换流站的监测不仅准确性差，而且响应时间长，也无法根据电流站中各设备的运行数据对各设备的状态作出准确判断。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够对换流站进行有效监测，及时作出状态判断的换流站监测方法、换流站监测装置、计算机设备和存储介质。
6.第一方面，本技术提供了一种换流站监测方法。方法包括：
7.获取换流站内的各设备在历史时刻的历史运行数据和历史状态标签，以及获取各设备在当前时刻的当前运行数据；
8.根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率；
9.根据标签传播概率、当前运行数据、历史运行数据、以及历史状态标签，监测换流站内各设备在当前时刻的当前状态信息。
10.在其中一个实施例中，根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率，包括：
11.根据当前运行数据和各历史时刻对应的历史运行数据，确定当前时刻与各历史时刻之间的数据相似度；
12.根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与历史时刻之间的标签传播概率。
13.在其中一个实施例中，根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与历史时刻之间的标签传播概率，包括：
14.根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与各历史时刻之间的总相似度值；
15.根据当前时刻与各历史时刻之间的数据相似度，与总相似度值之间的比例，监测
当前时刻与历史时刻之间的标签传播概率。
16.在其中一个实施例中，获取各设备在当前时刻的当前运行数据，包括：
17.获取各设备在当前时刻的原始运行数据；
18.根据各设备在历史时刻的历史运行数据，确定中心数据；
19.根据各设备的原始运行数据与中心数据之间距离，对原始运行数据进行异常数据去除处理，得到各设备在当前时刻的当前运行数据。
20.在其中一个实施例中，根据各设备的原始运行数据与中心数据之间距离，对原始运行数据进行异常数据去除处理，包括：
21.根据各设备的原始运行数据和中心数据之间的距离，确定平均参考距离；
22.将与中心数据之间的距离超过设定距离阈值的原始运行数据作为异常数据；其中，所述设定距离阈值为预设倍数的平均参考距离；
23.将异常数据从原始运行数据中去除。
24.在其中一个实施例中，根据标签传播概率、当前运行数据、历史运行数据，以及历史状态标签，监测换流站内的各设备在当前时刻的当前状态信息，包括：
25.根据当前时刻与历史时刻之间的标签传播概率，从历史时刻中选择状态传递时刻；
26.根据当前运行数据、当前时刻与状态传递时刻之间的标签传播概率、状态传递时刻的历史运行数据和历史状态标签，监测换流站内的各设备在当前时刻的当前状态信息。
27.第二方面，本技术还提供了一种换流站监测装置。装置包括：
28.获取模块，用于获取换流站内的各设备在历史时刻的历史运行数据和历史状态标签，以及获取各设备在当前时刻的当前运行数据；
29.分析模块，用于根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率；
30.确定模块，用于根据标签传播概率、当前运行数据、历史运行数据、以及历史状态标签，确定换流站内各设备在当前时刻的当前状态信息。
31.第三方面，本技术还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
32.获取换流站内的各设备在历史时刻的历史运行数据和历史状态标签，以及获取各设备在当前时刻的当前运行数据；
33.根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率；
34.根据标签传播概率、当前运行数据、历史运行数据、以及历史状态标签，监测换流站内各设备在当前时刻的当前状态信息。
35.第四方面，本技术还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
36.获取换流站内的各设备在历史时刻的历史运行数据和历史状态标签，以及获取各设备在当前时刻的当前运行数据；
37.根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率；
38.根据标签传播概率、当前运行数据、历史运行数据、以及历史状态标签，监测换流站内各设备在当前时刻的当前状态信息。
39.第五方面，本技术还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
40.获取换流站内的各设备在历史时刻的历史运行数据和历史状态标签，以及获取各设备在当前时刻的当前运行数据；
41.根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率；
42.根据标签传播概率、当前运行数据、历史运行数据、以及历史状态标签，监测换流站内各设备在当前时刻的当前状态信息。
43.上述换流站监测方法、装置、计算机设备、存储介质，为监测换流站内各设备当前状态信息，需获取各设备在当前时刻的当前运行数据，以及获取各设备在历史时刻的历史运行数据和历史状态标签，基于当前运行数据和历史运行数据，确定当前时刻与历史时刻之间的标签传播概率，最后结合标签传播概率、当前运行数据、历史运行数据、以及历史状态标签，实现监测换流站内各设备在当前时刻的当前状态信息。本技术根据历史时刻的历史状态标签，结合当前时刻与历史时刻之间的标签传播概率，实现历史状态标签向当前时刻的标签传播，进而监测换流站内各设备在当前时刻的当前状态信息，相较于传统的阈值判断或人工判断，效率更快，准确度更高。
附图说明
44.图1为一个实施例中换流站监测方法的应用环境图；
45.图2为一个实施例中换流站监测方法的流程示意图；
46.图3为一个实施例中确定标签传播概率的流程示意图；
47.图4为一个实施例中原始运行数据清洗的流程示意图；
48.图5为另一个实施例中原始运行数据清洗的流程示意图；
49.图6为另一个实施例中换流站监测方法的流程示意图；
50.图7为又一个实施例中换流站监测方法的流程示意图；
51.图8为一个实施例中换流站监测装置的结构框图；
52.图9为一个实施例中分析模块的结构框图；
53.图10为另一个实施例中分析模块的结构框图；
54.图11为一个实施例中获取模块的结构框图；
55.图12为另一个实施例中获取模块的结构框图；
56.图13为一个实施例中确定模块的结构框图；
57.图14为一个实施例中计算机设备的内部结构图。
具体实施方式
58.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
59.本技术实施例提供的换流站监测方法，可以应用于如图1所示的应用环境中。其中，换流站102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。具体的，换流站102将采集的各设备的历史运行数据和当前运行数据传输至服务器104，服务器104根据换流站内的各设备在历史时刻的历史运行数据，以及各设备在当前时刻的当前运行数据；确定当前时刻与历史时刻之间的标签传播概率；再结合标签传播概率、当前运行数据、历史运行数据、以及历史运行数据对应的历史状态标签，监测换流站内各设备在当前时刻的当前状态信息。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
60.在其中一个实施例中，如图2所示，提供了一种换流站监测方法，该方法可适用于对换流站内各设备的当前状态进行监测的场景，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
61.步骤202，获取换流站内的各设备在历史时刻的历史运行数据和历史状态标签，以及获取各设备在当前时刻的当前运行数据。
62.其中，历史时刻是指当前时刻之前的时刻，历史运行数据是指历史时刻获取的换流站内各设备的运行数据；当前运行数据是指当前时刻获取的换流站内各设备的运行数据；历史状态标签是指通过历史运行数据反应的换流站内各设备在各历史时刻运行状态的标签，本实施例可以是针对各设备在历史时刻采集的每个历史运行数据，都设置对应的历史状态标签，历史状态标签指示的运行数据状态至少包括正常、异常、警戒中的一种或多种组合；
63.换流站内各设备包括但不限于：变压器、开关、一次测量设备、避雷器、直流侧设备、阀冷却设备、交直流滤波设备和红外测温设备等中的一种或多种组合；
64.相应的，当前运行数据和历史运行数据包括变压器运行数据、开关运行数据、一次测量设备运行数据、避雷器运行数据、直流侧设备运行数据、阀冷却设备运行数据、交直流滤波设备运行数据、红外测温设备运行数据。
65.变压器运行数据主要包括套管压力、分接头动作次数、分接头压力、油温、线温、油位、铁芯夹件电流、档位等运行数据。
66.开关运行数据是用于监测开关绝缘、操作结构运行是否正常的数据，主要包括sfc压力、动作次数、打压次数、油压或气压等运行数据。
67.一次测量设备运行数据主要包括驱动电流、运行温度等运行数据。
68.避雷器运行数据主要包括动作次数和泄漏电流等运行数据。
69.直流侧设备运行数据主要包括直流电压、电流、功率、触发角和分接头档位等运行数据。
70.阀冷却设备运行数据主要包括压力、流量、温度、电导率、水位等运行数据。
71.交直流滤波设备运行数据主要包括电容器不平衡电流等运行数据。
72.红外测温设备运行数据是红外成像仪监测得到的设备实时温度运行数据，主要包括电压致热性的套管、电压互感器和电流致热性的开关、刀闸、变压器、阀门等设备的温度。
73.可选的，本实施例获取换流站内的各设备的历史运行数据、历史状态标签和当前运行数据的方式有很多，对此不进行限定。一种可实现方式为：服务器存在监测换流站运行
状态的需求时，控制换流站获取各设备当前时刻的当前运行数据，以及获取换流站内各设备在历史时刻的历史运行数据和历史状态标签。
74.另一种可实现方式为：服务器存在监测换流站运行状态的需求时，通过调用存储设备，进而获取换流站获取换流站内的各设备在历史时刻的历史运行数据和历史状态标签，以及获取各设备在当前时刻的当前运行数据。
75.步骤204，根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率；
76.其中，标签传播概率是指历史时刻的历史运行数据对应的状态标签向当前时刻的当前运行数据传播的概率。
77.可选的，服务器根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率。
78.其中，确定标签传播概率的方式有以下几种：
79.一种实施方式：比较当前运行数据与各历史时刻的运行数据的差值，根据差值确定标签传播概率，差值越小，标签传播概率越大；反之，差值越大，标签传播概率越小。
80.另一种实施方式：比较当前运行数据与各历史时刻的运行数据的相似度，根据相似度确定标签传播概率，相似度越小，标签传播概率越小，标签越不容易传播；反之，相似度越大，标签传播概率越大，标签越容易传播。
81.步骤206，根据标签传播概率、当前运行数据、历史运行数据、以及历史状态标签，监测换流站内各设备在当前时刻的当前状态信息。
82.标签传播概率越大，历史运行数据的历史状态标签越容易传播到当前运行数据中；反之，标签传播概率越小，历史运行数据的历史状态标签越不容易传播到当前运行数据中。
83.历史运行数据的历史状态标签根据标签传播概率传播到当前时刻的当前运行数据，进而确定换流站内各设备在当前时刻的当前状态信息。
84.本技术根据换电站内各设备在历史时刻和当前时刻的运行数据，确定当前时刻与历史时刻之间的标签传播概率，进而基于该标签传播概率，实现历史状态标签向当前时刻的标签传播，进而确定换流站内各设备在当前时刻的当前状态信息，相较于传统的阈值判断或人工判断等判断方式，本技术的监测方法效率更快，准确度更高。
85.在其中一个实施例中，为了更准确的确定标签传播概率，如图3所示，给出了一种根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率的一种可选实施方式，包括：
86.步骤301，根据当前运行数据和各历史时刻对应的历史运行数据，确定当前时刻与各历史时刻之间的数据相似度。
87.可选的，本实施例确定当前采用时刻与各历史采样时刻之间的数据相似度的一种实施方式为：将获取的当前运行数据和各历史时刻对应的历史运行数据输入到神经网络模型中，由神经网络模型经过分析处理得到当前时刻与各历史时刻之间的数据相似度。
88.另一种实施方式：获取前运行数据和各历史时刻对应的历史运行数据，计算当前运行数据和各历史时刻对应的历史运行数据的在数据集合中的距离值或距离值，进而确定当前时刻与各历史时刻之间的数据相似度。
89.又一种实施方式：建立历史运行数据的数据集，其中，数据集中包括各历史时刻的历史运行数据的集合，每个历史时刻的历史运行数据的集合又包括换流站内各设备在该历史时刻的历史运行数据；历史运行数据的数据集，以及历史时刻的运行数据的集合对应的公式(1)如下：
[0090][0091]
其中，其中x为m个历史时刻的历史运行数据的数据集，xi为第i个历史时刻的换流站内各设备的历史运行数据集合，n
in
为第i个历史时刻的换流站内第n个设备的历史运行数据。
[0092]
采用类似的方式，建立当前时刻的当前运行数据集合；根据历史运行数据集合和当前运行数据集合，计算当前时刻的当前运行数据与各历史时刻的历史运行数据的数据相似度；在本实施例中，可以通过如下公式(2)计算当前时刻与各历史时刻之间的数据相似度；
[0093][0094]
其中，ω
ij
为当前时刻与各历史时刻之间的的数据相似度，α为超参，xj为当前时刻对应的当前运行数据集合；xi为第i个历史时刻的换流站内各设备的历史运行数据集合。
[0095]
步骤302，根据所述当前时刻与各历史时刻之间的数据相似度，确定当前时刻与历史时刻之间的标签传播概率。
[0096]
可选的一种实施方式为：基于神经网络模型处理得到的数据相似度，根据数据相似度的大小赋予不同的权值，数据相似度越高，赋予的权值越大，根据每一个历史时刻的权值与对应的数据相似度的乘积，确定当前时刻与每一个历史时刻之间的标签传播概率。
[0097]
另一种实施方式为：根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与各历史时刻之间的总相似度值。根据当前时刻与各历史时刻之间的数据相似度，与总相似度值之间的比例，确定当前时刻与历史时刻之间的标签传播概率。
[0098]
其中，总相似度是指当前时刻与各历史时刻之间的数据相似度之和。
[0099]
在本实施例中，可以通过如下公式(3)确定当前时刻与历史时刻之间的标签传播概率：
[0100][0101]
其中，p
ij
表示当前时刻j的当前运行数据与第i个历史时刻的历史运行数据的标签传播概率；w
ij
表示当前时刻j与第i个历史时刻之间的数据相似度，w
jk
表示当前时刻j与第k个历史时刻之间的数据相似度。
[0102]
在上述实施例的基础上，本技术可更加准确的确定数据相似度和标签传播概率，可有效提高换流站监测结果的准确性。
[0103]
在其中一个实施例中，步骤202中，获取所述各设备在当前时刻的当前运行数据，
如图4所示，进一步包括：
[0104]
步骤401，获取换流站各设备在当前时刻的原始运行数据。
[0105]
其中，原始运行数据为获取的换流站各设备当前时刻的未经过清洗处理的运行数据。
[0106]
步骤402，根据各设备在历史时刻的历史运行数据，确定中心数据。
[0107]
其中，中心数据为换流站内某个设备在各历史时刻的历史运行数据中的中心数据；在本实施例中，可以通过如下公式(4)确定中心数据：
[0108][0109]
其中，x
mid
表示设备a在各历史时刻的历史运行数据的中心数据，a1、a2、an分别为设备a在第1、2、n个历史时刻的历史运行数据，a
1-an均为向量数据。
[0110]
步骤403，根据各设备的当前时刻的原始运行数据与中心数据之间距离，对所述原始运行数据进行异常数据去除处理，得到各设备在当前时刻的当前运行数据。
[0111]
可选的，本实施例可以是针对每一设备，通过欧氏距离、余弦距离等方式计算该设备的每一原始运行数据与中心数据之间的距离，如果该距离大于设定阈值，则将该项原始运行数据作为异常数据，并对所述原始运行数据进行异常数据去除处理，去除异常数据后的原始运行数据即为当前运行数据。
[0112]
本技术基于上述方法可判断出原始运行数据中的异常数据，并对判断出的异常数据执行清洗处理，进而得到当前运行数据，有效避免了因异常数据而造成监测结果不准确的问题。
[0113]
在上述实施例的基础上，为了提高针原始运行数据的清洗效果，如图5所示，给出一种所述根据各设备的原始运行数据与中心数据之间距离，对所述原始运行数据进行异常数据去除处理的一种可选实施方式，包括：
[0114]
步骤501，根据各设备的历史运行数据和所述中心数据之间的距离，确定平均参考距离。
[0115]
平均参考距离为各设备在各历史时刻的历史运行数据与中心数据之间距离的平均值。
[0116]
可选的，平均参考距离的计算方式可以采用以下计算公式(5)计算得到：
[0117][0118]
其中，d为平均参考距离，ai为设备a在第i个历史时刻的历史运行数据，x
mid
表示该设备在各历史时刻的历史运行数据的中心数据。
[0119]
需要说明的是，换流站中有多种设备，每个设备的运行数据均具有中心数据。
[0120]
步骤502，将与中心数据之间的距离超过设定距离阈值的原始运行数据作为异常数据。
[0121]
其中，设定距离阈值为预设倍数的平均参考距离，优选的，预设倍数设置为3倍，当原始运行数据中某个设备的原始运行数据与对应的中心数据的距离大于平均参考距离的3倍，则认为该项原始运行数据为异常数据。
[0122]
步骤503，将所述异常数据从所述原始运行数据中去除。
[0123]
在本实施例中，当原始运行数据中的某个设备的运行数据与对应的中心数据的差值大于预设倍数的3倍，则认为该项运行数据为异常数据，并对该项运行数据执行去除处理。
[0124]
本技术基于本实施例中的方法，可准确提高针对原始运行数据中异常数据的判断，有助于准确的清洗处理掉原始运行数据中的异常数据。
[0125]
在上述实施例的基础上，如图6所示，根据所述标签传播概率、所述当前运行数据、所述历史运行数据，以及所述历史状态标签，监测所述换流站内的各设备在当前时刻的当前状态信息，进一步包括：
[0126]
步骤601，根据当前时刻与历史时刻之间的标签传播概率，从所述历史时刻中选择状态传递时刻。
[0127]
其中，状态传递时刻是向当前时刻传递标签的历史时刻。
[0128]
在本实施例中，可以选取标签传播概率最大的历史时刻作为状态传递时刻。
[0129]
步骤602，根据当前运行数据、当前时刻与所述状态传递时刻之间的标签传播概率、状态传递时刻的历史运行数据和历史状态标签，监测换流站内的各设备在当前时刻的当前状态信息。
[0130]
可选的，根据所述当前运行数据、所述当前时刻与所述状态传递时刻之间的标签传播概率、所述状态传递时刻的历史运行数据和历史状态标签，确定当前运行数据的状态标签；其中一种实施方式为：
[0131]
建立当前时刻的当前运行数据的未标记标签矩阵和状态传递时刻的历史运行数据的标签矩阵。
[0132]
其中，未标记标签矩阵包括当前运行数据以及未进行标记的标签；标签矩阵包括历史运行数据以及对应的历史状态标签。
[0133]
本实施例中，可以通过如下公式(6)确定当前运行数据的状态标签；
[0134]fj
＝p
ij
*fiꢀꢀꢀ
(6)
[0135]
其中，fj为当前时刻的当前运行数据的未标记标签矩阵，fi为状态传递时刻的历史运行数据的标签矩阵，p
ij
为状态传递时刻到当前时刻的标签传播概率。
[0136]
可选的，在上述实施例的基础上，如图7所示，本实施例给出了一种换流站监测方法的可选实施方式，包括如下步骤：
[0137]
步骤7001，获取换流站各设备在当前时刻的原始运行数据；
[0138]
步骤7002，根据各设备在历史时刻的历史运行数据，确定中心数据；
[0139]
步骤7003，根据各设备的历史运行数据和所述中心数据之间的距离，确定平均参考距离；
[0140]
步骤7004，将与中心数据之间的距离超过设定距离阈值的原始运行数据作为异常数据；
[0141]
步骤7005，将所述异常数据从所述原始运行数据中去除，从而得到当前时刻的当前运行数据；
[0142]
步骤7006，获取换流站内的各设备在历史时刻的历史运行数据和历史状态标签；
[0143]
步骤7007，根据当前时刻与各历史时刻之间的数据相似度，与总相似度值之间的
比例，确定当前时刻与历史时刻之间的标签传播概率。
[0144]
步骤7008，根据当前时刻与历史时刻之间的标签传播概率，从所述历史时刻中选择状态传递时刻；
[0145]
步骤7009，根据所述当前运行数据、所述当前时刻与所述状态传递时刻之间的标签传播概率、所述状态传递时刻的历史运行数据和历史状态标签，监测所述换流站内的各设备在当前时刻的当前状态信息。
[0146]
本技术根据历史时刻的历史状态标签，结合当前时刻与历史时刻之间的标签传播概率，实现历史状态标签向当前时刻的标签传播，进而确定换流站内各设备在当前时刻的当前状态信息，相较于传统的阈值判断或人工判断，效率更快，准确度更高。
[0147]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的换流站监测的换流站监测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个换流站监测装置实施例中的具体限定可以参见上文中对于换流站监测的限定，在此不再赘述。
[0148]
在其中一个实施例中，如图8所示，提供了一种换流站监测装置1，包括：获取模块10、分析模块20和确定模块30；其中，
[0149]
获取模块10，用于获取换流站内的各设备在历史时刻的历史运行数据和历史状态标签，以及获取各设备在当前时刻的当前运行数据；
[0150]
分析模块20，用于根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率；
[0151]
确定模块30，用于根据标签传播概率、当前运行数据、历史运行数据、以及历史状态标签，监测换流站内各设备在当前时刻的当前状态信息。
[0152]
在其中一个实施例中，上图8中的分析模块，具体用于根据当前运行数据和历史运行数据的数据相似度，确定当前时刻与历史时刻之间的标签传播概率。如图9所示，在上图8的基础上分析模块，进一步包括：
[0153]
相似度分析单元201，用于根据当前运行数据和各历史时刻对应的历史运行数据，确定当前时刻与各历史时刻之间的数据相似度；
[0154]
概率分析单元202，用于根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与历史时刻之间的标签传播概率。
[0155]
在其中一个实施例中，在上图9的基础上，如图10所示，上图9中的概率分析单元202，包括：
[0156]
总相似度分析子单元2021，用于根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与各历史时刻之间的总相似度值；
[0157]
概率分析子单元2022，用于根据当前时刻与各历史时刻之间的数据相似度，与总相似度值之间的比例，确定当前时刻与历史时刻之间的标签传播概率。
[0158]
在其中一个实施例中，如图11所示，上图8中的获取模块10包括：
[0159]
原始运行数据获取单元101，用于获取各设备在当前时刻的原始运行数据；
[0160]
中心数据确定单元102，用于根据各设备在历史时刻的历史运行数据，确定中心数据；
[0161]
异常数据清洗单元103，用于根据各设备的原始运行数据与中心数据之间距离，对
原始运行数据进行异常数据去除处理，得到各设备在当前时刻的当前运行数据。
[0162]
在其中一个实施例中，在上图11的基础上，如图12所示，上图11中的异常数据清洗单元包括：
[0163]
参考确定子单元1031，用于根据各设备的历史运行数据和中心数据之间的距离，确定平均参考距离；
[0164]
异常数据确定子单元1032，用于将与中心数据之间的距离超过设定距离阈值的原始运行数据作为异常数据；
[0165]
清洗子单元1033，将异常数据从原始运行数据中去除。
[0166]
在其中一个实施例中，如图13所示，上图8中的确定模块30包括：
[0167]
传递时刻确定单元301，用于根据当前时刻与历史时刻之间的标签传播概率，从历史时刻中选择状态传递时刻；
[0168]
状态监测单元302，用于根据当前运行数据、当前时刻与状态传递时刻之间的标签传播概率、状态传递时刻的历史运行数据和历史状态标签，监测换流站内的各设备在当前时刻的当前状态信息。
[0169]
上述换流站监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0170]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图14所示。该计算机设备包括处理器、存储器、输入/输出接口(input/output，简称i/o)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储光谱特征数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种换流站监测。
[0171]
本领域技术人员可以理解，图14中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0172]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0173]
获取换流站内的各设备在历史时刻的历史运行数据和历史状态标签，以及获取各设备在当前时刻的当前运行数据；
[0174]
根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率；
[0175]
根据标签传播概率、当前运行数据、历史运行数据、以及历史状态标签，监测换流站内各设备在当前时刻的当前状态信息。
[0176]
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率，包括：
[0177]
根据当前运行数据和各历史时刻对应的历史运行数据，确定当前时刻与各历史时刻之间的数据相似度；
[0178]
根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与历史时刻之间的标签传播概率。
[0179]
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与历史时刻之间的标签传播概率，包括：
[0180]
根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与各历史时刻之间的总相似度值；
[0181]
根据当前时刻与各历史时刻之间的数据相似度，与总相似度值之间的比例，确定当前时刻与历史时刻之间的标签传播概率。
[0182]
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取各设备在当前时刻的当前运行数据，包括：
[0183]
获取各设备在当前时刻的原始运行数据；
[0184]
根据各设备在历史时刻的历史运行数据，确定中心数据；
[0185]
根据各设备的原始运行数据与中心数据之间距离，对原始运行数据进行异常数据去除处理，得到各设备在当前时刻的当前运行数据。
[0186]
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：根据各设备的原始运行数据与中心数据之间距离，对原始运行数据进行异常数据去除处理，包括：
[0187]
根据各设备的历史运行数据和中心数据之间的距离，确定平均参考距离；
[0188]
将与中心数据之间的距离超过设定距离阈值的原始运行数据作为异常数据；
[0189]
将异常数据从原始运行数据中去除。
[0190]
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：根据标签传播概率、当前运行数据、历史运行数据，以及历史状态标签，确定换流站内的各设备在当前时刻的当前状态信息，包括：
[0191]
根据当前时刻与历史时刻之间的标签传播概率，从历史时刻中选择状态传递时刻；
[0192]
根据当前运行数据、当前时刻与状态传递时刻之间的标签传播概率、状态传递时刻的历史运行数据和历史状态标签，监测换流站内的各设备在当前时刻的当前状态信息。
[0193]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0194]
获取换流站内的各设备在历史时刻的历史运行数据和历史状态标签，以及获取各设备在当前时刻的当前运行数据；
[0195]
根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率；
[0196]
根据标签传播概率、当前运行数据、历史运行数据、以及历史状态标签，监测换流站内各设备在当前时刻的当前状态信息。
[0197]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率，包括：
[0198]
根据当前运行数据和各历史时刻对应的历史运行数据，确定当前时刻与各历史时
刻之间的数据相似度；
[0199]
根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与历史时刻之间的标签传播概率。
[0200]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与历史时刻之间的标签传播概率，包括：
[0201]
根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与各历史时刻之间的总相似度值；
[0202]
根据当前时刻与各历史时刻之间的数据相似度，与总相似度值之间的比例，确定当前时刻与历史时刻之间的标签传播概率。
[0203]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取各设备在当前时刻的当前运行数据，包括：
[0204]
获取各设备在当前时刻的原始运行数据；
[0205]
根据各设备在历史时刻的历史运行数据，确定中心数据；
[0206]
根据各设备的原始运行数据与中心数据之间距离，对原始运行数据进行异常数据去除处理，得到各设备在当前时刻的当前运行数据。
[0207]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据各设备的原始运行数据与中心数据之间距离，对原始运行数据进行异常数据去除处理，包括：
[0208]
根据各设备的历史运行数据和中心数据之间的距离，确定平均参考距离；
[0209]
将与中心数据之间的距离超过设定距离阈值的原始运行数据作为异常数据；
[0210]
将异常数据从原始运行数据中去除。
[0211]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据标签传播概率、当前运行数据、历史运行数据，以及历史状态标签，确定换流站内的各设备在当前时刻的当前状态信息，包括：
[0212]
根据当前时刻与历史时刻之间的标签传播概率，从历史时刻中选择状态传递时刻；
[0213]
根据当前运行数据、当前时刻与状态传递时刻之间的标签传播概率、状态传递时刻的历史运行数据和历史状态标签，确定换流站内的各设备在当前时刻的当前状态信息。
[0214]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0215]
获取换流站内的各设备在历史时刻的历史运行数据和历史状态标签，以及获取各设备在当前时刻的当前运行数据；
[0216]
根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率；
[0217]
根据标签传播概率、当前运行数据、历史运行数据、以及历史状态标签，确定换流站内各设备在当前时刻的当前状态信息。
[0218]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据当前运行数据、历史运行数据，确定当前时刻与历史时刻之间的标签传播概率，包括：
[0219]
根据当前运行数据和各历史时刻对应的历史运行数据，确定当前时刻与各历史时刻之间的数据相似度；
[0220]
根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与历史时刻之间的标签传播概率。
[0221]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与历史时刻之间的标签传播概率，包括：
[0222]
根据当前时刻与各历史时刻之间的数据相似度，确定当前时刻与各历史时刻之间的总相似度值；
[0223]
根据当前时刻与各历史时刻之间的数据相似度，与总相似度值之间的比例，确定当前时刻与历史时刻之间的标签传播概率。
[0224]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取各设备在当前时刻的当前运行数据，包括：
[0225]
获取各设备在当前时刻的原始运行数据；
[0226]
根据各设备在历史时刻的历史运行数据，确定中心数据；
[0227]
根据各设备的原始运行数据与中心数据之间距离，对原始运行数据进行异常数据去除处理，得到各设备在当前时刻的当前运行数据。
[0228]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据各设备的原始运行数据与中心数据之间距离，对原始运行数据进行异常数据去除处理，包括：
[0229]
根据各设备的原始运行数据和中心数据之间的距离，确定平均参考距离；
[0230]
将与中心数据之间的距离超过预设倍数的原始运行数据作为异常数据；
[0231]
将异常数据从原始运行数据中去除。
[0232]
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据标签传播概率、当前运行数据、历史运行数据，以及历史状态标签，确定换流站内的各设备在当前时刻的当前状态信息，包括：
[0233]
根据当前时刻与历史时刻之间的标签传播概率，从历史时刻中选择状态传递时刻；
[0234]
根据当前运行数据、当前时刻与状态传递时刻之间的标签传播概率、状态传递时刻的历史运行数据和历史状态标签，监测换流站内的各设备在当前时刻的当前状态信息。
[0235]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，
不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0236]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0237]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。