基于数字孪生的智能电网全域数据监测管理系统及方法与流程

本发明涉及电网数据，具体是基于数字孪生的智能电网全域数据监测管理系统及方法。

背景技术：

1、在智能电网中，数据来源广泛，包括各种传感器、智能电表和监控系统等，以及用户方的各种用电数据如用电量、用电功率等等；智能电网涉及大量敏感信息，如用户的用电习惯、电网的运行参数等。这些数据一旦泄露，可能会被用于恶意目的，如电力盗窃或对电网的攻击。例如，黑客可以通过获取用户的用电模式信息，推测用户是否在家，从而实施盗窃行为。随着数据在数字孪生模型与物理电网之间以及不同系统之间频繁传输，确保数据的加密和访问控制至关重要。如现有技术更新的对称加密算法和非对称加密算法等等，取得一定程度上的安全保障；但同时由于加密的需求增加，在全域范围大量的用电数据会给电网系统带来不少的工作负荷，容易产生数据的传输和执行的延迟，所以在大量电网数据中如何有效的捕捉需求度高的加密数据以及降低加密负荷是值得讨论的。

技术实现思路

1、本发明的目的在于提供基于数字孪生的智能电网全域数据监测管理系统及方法，以解决现有技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：基于数字孪生的智能电网全域数据监测管理方法，方法包括以下：

3、步骤s100：提取以智能电网为主体构建数字孪生模型中存储记录的用户数据，基于电网运行数据将用户数据进行分类；

4、步骤s200：捕捉数字孪生模型中触发响应的历史异常事件，历史异常事件是指对用户用电数据造成安全威胁的事件，基于历史异常事件，分析每类用户数据对应各历史异常事件的特征响应模型；

5、步骤s300：分析历史异常事件对应用户数据的特征响应频率，并利用特征响应频率对相应类型的用户数据进行优先级排序；

6、步骤s400：实时监测电网运行中传输的用户数据并随着用户数据的增加实时触发特征响应模型进行判断，以及基于用户数据的优先级对符合特征响应模型的用户数据以优先级顺序进行加密。

7、进一步的，步骤s100包括以下具体步骤：

8、步骤s110：电网运行数据是指电网装载各种设备所记录的运行参数；以每一运行参数为检索项，遍历查找传输至电网控制中心的所有用户数据，将相同数学量纲的用户数据初步划分为同类用户数据；

9、步骤s120：基于每一检索项，匹配运行参数记录同一数字孪生模型存储用电事件下的同类用户数据，构成匹配数据组a，a=(a1,a2)，其中a1表示检索项，a2表示同类用户数据构成的目标项；

10、当a2记录同类用户数据的类型不唯一时，a2={a21、a22、......、a2n}，a21、a22、......、a2n表示对应检索项a1下用户事件记录的第1、2、...、n类用户数据；则将匹配数据组进行更新为由a2内记录的所有类型用户数据的任一自由组合作为匹配数据组a中的目标项，生成若干包含相同检索项不同目标项的匹配数据组作为目标数据组；

11、步骤s130：基于每一目标数据组，构建检索项与目标项的线性回归模型，当线性回归模型中的目标项个数为一时，提取回归系数大于预设阈值对应目标项的用户数据为一类型目标用户数据；当线性回归模型中的目标项个数大于一时，提取同一线性回归模型中回归系数大于预设阈值且各目标项对应回归系数的相似度大于相似度阈值时的所有类型用户数据为一类型目标用户数据。

12、通过对用户数据基于电网运行数据的关联性分析可以使得用户数据分类最大化，增强数据之间影响关联性的分析；使得在数据监测过程中在保证数据范围的基础上实现数据监测效能的最大化。

13、进一步的，步骤s200包括以下具体步骤：

14、步骤s210：以数字孪生模型记录异常对象相同的相邻两次异常事件的间隔周期作为单位监测周期，提取历史记录的所有单位监测周期下各类型目标用户数据，以天为单位绘制每个单位监测周期记录各类型目标用户数据的折线图，折线图以天为横坐标、目标用户数据的数学单位为纵坐标所构成；

15、步骤s220：基于折线图，利用公式：

16、g1={m/[(m-1)(m-2)]}×{∑[(xj-x0)/d]3}；

17、计算每一单位监测周期内各类型目标用户数据的偏离度g1，其中m表示折线图中获取目标用户数据的个数，xj表示折线图中单位监测周期内第j个目标用户数据，x0表示同一类型目标用数据记录的所有用户数据平均值，d表示同一类型目标用数据记录的所有用户数据的标准差，当同一类型目标用户数据包含的同类用户数据类型个数不为1时，分别计算每类用户数据对应的偏离度并计算平均值作为该类型目标用户数据的偏离度；

18、步骤s230：筛选偏离度的绝对值小于等于偏离度阈值的目标用户数据作为分析对象，并提取相同类型分析对象在所有单位监测周期生成折线图后计算得到的偏离度g1，利用公式：计算对应类型目标用户数据偏离度的离散系数p，p={[∑(g1-g0)2]/w}1/2，其中g0表示历史记录所有单位监测周期记录偏离度的平均值，w表示历史记录单位监测周期的总个数；

19、步骤s240：选取离散系数小于离散系数阈值且历史异常事件的监测异常对象为对应类型的目标用户数据时，将目标用户数据作为重点用户数据；获取重点用户数据记录所有单位监测周期内的偏离度g1，构建对应类型重点用户数据的特征响应模型y，y∈[g1min,g1max]，其中g1min表示偏离度的最小值，g1max表示偏离度的最大值。

20、分析特征响应模型可以有效的在众多电网数据中有效的发现产生一定安全风险的用户用电数据，且这些造成安全风险的数据往往是入侵者凭借数据本身产生的规律进行捕捉分析得到，实现一定程度的风险侵害；所以本技术从入侵者的角度出发，在面对容易捕捉规律的用电数据角度实现先一层级的数据安全监测，从而提高全域数据安全监测的高效性和安全性。

21、进一步的，利用响应频率对相应类型的用户数据进行优先级排序包括以下具体步骤：

22、提取监测异常对象为重点用户数据时的历史异常事件，获取同一重点用户数据对应记录历史异常事件的次数c1以及对应记录的最大跨度周期l1，并利用公式：z=c1/l1；

23、计算每一重点用户数据对应的响应频率z；

24、基于响应频率z的数值大小，将响应频率对应各类型的重点用户数据按照从大到小的顺序进行排序生成响应优先级。

25、进一步的，步骤s400包括以下：

26、当用户数据增加至绘制成折线图时，折线图至少包含f个匹配数据组，f>2；基于折线图计算对应类型用户数据的偏离度并代入相应的特征响应模型中；若计算的实时偏离度g满足g∈[g1min,g1max]时，触发响应获取当前所有满足对应特征响应模型的用户数据，并基于优先级排序对各用户数据进行顺序加密。

27、选择加密数据的目标类型可以有效节约在海量电网全域数据中对更加需要安全保障数据的捕捉时间和效能分析；减少数据加密的压力以及在动态数据流动过程中进行实时监测，自适应的调节不同阶段产生不同电网数据的加密需求，实现智能化的电网全域数据监测，并且在需要一段周期内对多类型用户用电数据进行加密时，合理且精密的计算出加密优先级大大提高了加密算法布设的合理性以及数据安全等级的优化性。

28、基于数字孪生的智能电网全域数据监测管理系统，系统包括用户数据分类模块、历史异常事件捕捉模块、特征响应模型构建模块、优先级排序模块和响应加密模块；

29、用户数据分类模块用于提取以智能电网为主体构建数字孪生模型中存储记录的用户数据，基于电网运行数据将用户数据进行分类；

30、历史异常事件捕捉模块用于捕捉数字孪生模型中触发响应的历史异常事件，

31、特征响应模型构建模块用于分析每类用户数据对应各历史异常事件的特征响应模型；

32、优先级排序模块用于利用特征响应频率对相应类型的用户数据进行优先级排序；

33、响应加密模块实时监测电网运行中传输的用户数据并随着用户数据的增加实时触发特征响应模型进行判断，以及基于用户数据的优先级对符合特征响应模型的用户数据以优先级顺序进行加密。

34、进一步的，用户数据分类模块包括用户数据初步划分单元、匹配数据组生成单元、目标数据组确定单元和线性回归模型分析单元；

35、用户数据初步划分单元用于将相同数学量纲的用户数据初步划分为同类用户数据；

36、匹配数据组生成单元用于基于每一检索项，匹配运行参数记录同一数字孪生模型存储用电事件下的同类用户数据，构成匹配数据组；

37、目标数据组确定单元用于生成若干包含相同检索项不同目标项的匹配数据组作为目标数据组；

38、线性回归模型分析单元用于构建检索项与目标项的线性回归模型，当线性回归模型中的目标项个数为一时，提取回归系数大于预设阈值对应目标项的用户数据为一类型目标用户数据；当线性回归模型中的目标项个数大于一时，提取同一线性回归模型中回归系数大于预设阈值且各目标项对应回归系数的相似度大于相似度阈值时的所有类型用户数据为一类型目标用户数据。

39、进一步的，特征响应模型构建模块包括折线图绘制单元、偏离度计算单元、离散系数分析单元和特征响应模型生成单元；

40、折线图绘制单元用于提取历史记录的所有单位监测周期下各类型目标用户数据，以天为单位绘制每个单位监测周期记录各类型目标用户数据的折线图；

41、偏离度计算单元用于计算每一单位监测周期内各类型目标用户数据的偏离度；

42、离散系数分析单元用于基于偏离度计算对应类型目标用户数据偏离度的离散系数；

43、特征响应模型生成单元用于获取重点用户数据记录所有单位监测周期内的偏离度，构建对应类型重点用户数据的特征响应模型。

44、进一步的，优先级排序模块包括响应频率计算单元和排序生成单元；

45、响应频率计算单元用于计算每一重点用户数据对应的响应频率；

46、排序生成单元用于基于响应频率的数值大小，将响应频率对应各类型的重点用户数据按照从大到小的顺序进行排序生成响应优先级。

47、与现有技术相比，本发明的有益效果是：

48、1、本发明通过对用户数据以电网运行特征进行分类，不再简单的基于量纲划分，而是从数据产生的源头以及影响方去将用户用电数据进行关联性的分析，使得在数据监测过程中在保证数据范围的基础上实现数据监测效能的最大化；

49、2、其次本技术构建特征响应模型，在面对容易捕捉规律的用电数据角度实现先一层级的数据安全监测，从而提高全域数据安全监测的高效性和安全性。

50、3、本技术对满足响应模型的用户数据进行加密，减少数据加密的压力以及在动态数据流动过程中进行实时监测，自适应的调节不同阶段产生不同电网数据的加密需求，实现智能化的电网全域数据监测，并且在需要一段周期内对多类型用户用电数据进行加密时，合理且精密的计算出加密优先级大大提高了加密算法布设的合理性以及数据安全等级的优化性。