本发明涉及数据处理,尤其涉及一种基于电网专变的运行数据采集终端。
背景技术:
1、电网专变的运行数据采集是一种用于专门采集特定工业用户或商业用户等专变用户的电能信息,这些用户通常需要大量的电力供应,并且对电能质量有更高的要求。
2、现有技术中,往往仅根据电能负荷情况来描述电网运行状态,并未考虑其它电能参数以及专变用户的用电习惯,导致电网运行状态描述的准确性和适应性较差。
3、因此,如何提高电网运行状态描述的准确性和适应性,是目前有待解决的技术问题。
技术实现思路
1、本发明的目的是为了解决现有技术中存在电网运行状态描述的准确性和适应性较差的问题,而提出的一种基于电网专变的运行数据采集终端,其所述终端包括:
2、采集模块,用于采集专变用户一段时间内的电能相关数据,并检测电能相关数据中的噪声情况;
3、构建模块,用于通过专变用户的历史电能相关数据来构建专变用户的用电模式;
4、去噪模块,用于依据电能相关数据中的噪声情况来确定去噪策略,通过去噪策略来对电能相关数据中的噪声进行去除;
5、分析模块,用于将一段时间内的电能相关数据转换成随时间变化的电能相关数据曲线,并根据专变用户的用电模式来设定不同时段下的电能相关数据的边界,将不同时段下的电能相关数据的边界与电能相关数据曲线进行时间对齐,寻找电能相关数据曲线上的异常部分,将电能相关数据曲线上的所有异常部分按照时间顺序连接起来,构建异常链,通过比对异常链和对应的电能相关数据曲线来评估每个异常链的异常度;
6、计算模块,用于根据电能相关数据中的每类数据的异常链的异常度和电能相关数据中每类数据对于电网状态的反映权重来确定电网运行状态。
7、本申请一些实施例中,所述采集模块,具体用于:
8、电能相关数据包括基础电能数据、电能质量数据、设备运行数据和负荷数据,通过预设的噪声识别模型来基础电能数据、电能质量数据、设备运行数据和负荷数据中每类数据的噪声类型、噪声强度和噪声频率,比对同一类别数据下的所有噪声类型的噪声强度来确定每噪声类型的噪声相对强度,并根据噪声相对强度将噪声类型划分出主要噪声类型,并且依靠电能相关数据特性和主要噪声类型的噪声频率来确定每类数据的噪声来源。
9、本申请一些实施例中,所述构建模块,具体用于:
10、对专变用户的历史电能相关数据进行预处理,并将专变用户的历史电能相关数据转换成电能相关数据时间序列,识别电能相关数据时间序列中的固定性变化特征,并依据固定性变化特征来去除电能相关数据时间序列中固定性变化特征的成分,得到剩余电能相关数据时间序列;
11、将剩余电能相关数据时间序列拆分为多个子时间序列,计算每个子时间序列的变异系数,整合每个子时间序列的变异系数来得到剩余电能相关数据时间序列的变异系数;
12、根据剩余电能相关数据时间序列的长度来设定界限值,通过自相关函数来计算剩余电能相关数据时间序列,得到系列值,通过界限值来将系列值靠后的部分截取下来,得到后段系列值,通过后段系列值的大小以及变化情况来得到随机波动校对值,根据剩余电能相关数据时间序列的变异系数来调整随机波动校对值,调整后的随机波动校对值来判断剩余电能相关数据时间序列是否存在随机波动;
13、若存在随机波动,则识别出剩余电能相关数据时间序列的随机波动特征,结合固定性变化特征来构建专变用户的用电模式;
14、否则,根据固定性变化特征来构建专变用户的用电模式。
15、本申请一些实施例中,所述去噪模块,具体用于:
16、根据基础电能数据、电能质量数据、设备运行数据和负荷数据中每类数据的主要噪声类型和噪声来源选择去噪算法,并且根据噪声强度来设定去噪算法中的去噪参数,从而对电能相关数据中的噪声进行去除。
17、本申请一些实施例中,所述分析模块包括第一单元、第二单元和第三单元,所述第一单元用于:
18、根据专变用户的历史电能相关数据来筛选每个时段下的电能相关数据的频繁点,并且构建每个时段下的电能相关数据的频繁点集;
19、通过专变用户的用电模式来预测每个时段下的电能相关预测数据,根据同一时段下的能相关数据的频繁点集在电能相关预测数据上的重叠部分与未重叠部分来确定该时段下的调整系数;
20、;
21、其中,为调整系数,为转换系数,是频繁点集与电能相关预测数据未重叠的数据量,为第个未重叠的数据大小,是频繁点集与电能相关预测数据重叠的数据量,为预设常数;
22、根据调整系数将该时段下的电能相关预测数据的值域进行调整,将调整后的能相关预测数据的值域的最小值和最大值作为该时段下的边界。
23、本申请一些实施例中,所述第二单元用于:
24、确定每个时段下电能相关数据曲线上超出该时段边界的部分,将该部分作为异常部分,在异常部分上均匀选择若干个标记点,并计算若干个标记分别到边界的距离,整合所有标记点到边界的距离来确定一个偏离度,并将偏离度标注在该异常部分上,将所有异常部分按照时间或时段顺序连接起来,从而构建异常链。
25、本申请一些实施例中,所述第三单元用于:
26、根据异常链中每个异常部分的偏离度、异常链的长度、电能相关数据曲线的长度来评估异常链的异常度;
27、;
28、其中,为异常链的异常度,、分别为异常链的自身权重、异常链与电能相关数据曲线的相对权重,为异常链中异常部分的数量,为异常链中第个异常部分的偏离度,为异常链中异常部分的偏离度的平均变化率,为预设常数,为异常链的长度,为电能相关数据曲线的长度。
29、本申请一些实施例中,所述计算模块,具体用于:
30、根据每类数据的异常链的异常度和每类数据对于电网状态的反映权重来将电能相关数据中的所有类别数据进行加权求和,得到一个电网运行指标,通过电网运行指标来描述电网运行状态。
31、通过应用以上技术方案,采集模块,用于分析检测每类数据中的具体噪声情况,确定其中的主要噪声和噪声来源。去噪模块,用于根据每类数据的主要噪声情况、噪声来源设定去噪策略,从而提高噪声去除的适应性,保证了后续数据分析的可靠性。构建模块,用于分析专变用户的用电历史来准确制定用户的用电模式。分析模块,用于根据用户用电模式设定了各个时段的边界,从而确定异常偏离部分,构建异常链,比对异常链与数据曲线来确定异常度。计算模块,用于将每类数据进行整合,最终得到一个电网运行指标,从而提高了电网运行状态描述的准确性和适应性,保证了电网安全稳定运行。
1.一种基于电网专变的运行数据采集终端,其特征在于,包括:
2.根据权利要求1所述的基于电网专变的运行数据采集终端,其特征在于,所述采集模块,具体用于:
3.根据权利要求1所述的一种基于电网专变的运行数据采集终端,其特征在于,所述构建模块,具体用于:
4.根据权利要求2所述的基于电网专变的运行数据采集终端,其特征在于,所述去噪模块,具体用于:
5.根据权利要求2所述的基于电网专变的运行数据采集终端,其特征在于,所述分析模块包括第一单元、第二单元和第三单元,所述第一单元用于:
6.根据权利要求5所述的基于电网专变的运行数据采集终端,其特征在于,所述第二单元用于:
7.根据权利要求6所述的基于电网专变的运行数据采集终端,其特征在于,所述第三单元用于:
8.根据权利要求1所述的基于电网专变的运行数据采集终端,其特征在于,所述计算模块,具体用于: