【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及電力系統(tǒng)監(jiān)測(cè)，尤其是一種基于多源時(shí)序數(shù)據(jù)融合和拓?fù)浣Y(jié)構(gòu)的數(shù)據(jù)通道狀態(tài)感知方法。
技術(shù)介紹
1、隨著電力系統(tǒng)的不斷發(fā)展，變電站作為電力傳輸和分配的關(guān)鍵節(jié)點(diǎn)，其運(yùn)行狀態(tài)直接關(guān)系到電網(wǎng)的安全和穩(wěn)定。目前，變電站的設(shè)備監(jiān)測(cè)和狀態(tài)感知主要依賴于傳統(tǒng)的監(jiān)測(cè)手段，這些手段存在以下幾個(gè)主要問(wèn)題：
2、第一，傳統(tǒng)的監(jiān)測(cè)系統(tǒng)通常依賴于單一類型的數(shù)據(jù)源，例如只使用傳感器數(shù)據(jù)或歷史運(yùn)行數(shù)據(jù)，單一數(shù)據(jù)源的局限性在于無(wú)法全面反映設(shè)備的運(yùn)行狀態(tài)，容易導(dǎo)致監(jiān)測(cè)信息的不全面和決策失誤；
3、第二，現(xiàn)有技術(shù)中，很多監(jiān)測(cè)系統(tǒng)的數(shù)據(jù)更新頻率較低，無(wú)法實(shí)時(shí)反映設(shè)備的狀態(tài)變化，尤其是面對(duì)突發(fā)故障時(shí)，缺乏及時(shí)的數(shù)據(jù)支持可能會(huì)延誤故障處理和維修時(shí)間，增加了系統(tǒng)運(yùn)行的風(fēng)險(xiǎn)；
4、第三，識(shí)圖譜作為一種能夠表示復(fù)雜關(guān)系和結(jié)構(gòu)化信息的工具，已經(jīng)在多個(gè)領(lǐng)域得到應(yīng)用，然而，在電力系統(tǒng)監(jiān)測(cè)中，知識(shí)圖譜技術(shù)的應(yīng)用還相對(duì)較少；
5、第四，現(xiàn)有的監(jiān)測(cè)系統(tǒng)缺乏對(duì)設(shè)備及其關(guān)系的全面建模，無(wú)法充分利用已有的專業(yè)知識(shí)和經(jīng)驗(yàn)進(jìn)行設(shè)備狀態(tài)的全面感知等。
技術(shù)實(shí)現(xiàn)思路
1、為解決監(jiān)測(cè)信息的不全面，無(wú)法充分利用復(fù)雜設(shè)備之間的關(guān)聯(lián)關(guān)系和結(jié)構(gòu)化信息的問(wèn)題，本專利技術(shù)的目的在于提供一種實(shí)現(xiàn)多源時(shí)序數(shù)據(jù)的綜合利用，確保數(shù)據(jù)的完整性和準(zhǔn)確性，全面反映設(shè)備的運(yùn)行狀態(tài)，能夠表達(dá)設(shè)備之間的復(fù)雜關(guān)聯(lián)關(guān)系，提升對(duì)設(shè)備狀態(tài)的感知能力的基于多源時(shí)序數(shù)據(jù)融合和拓?fù)浣Y(jié)構(gòu)的數(shù)據(jù)通道狀態(tài)感知方法。
2、為實(shí)現(xiàn)上述目的，本專
3、(1)從變電站的各類傳感器、設(shè)備日志、歷史運(yùn)行數(shù)據(jù)和環(huán)境監(jiān)測(cè)數(shù)據(jù)中采集多源時(shí)序數(shù)據(jù)；
4、(2)針對(duì)采集的多源時(shí)序數(shù)據(jù)進(jìn)行清洗，所述清洗包括數(shù)據(jù)去重、數(shù)據(jù)補(bǔ)全和數(shù)據(jù)標(biāo)準(zhǔn)化；
5、(3)采用k—means聚類算法對(duì)清洗后的數(shù)據(jù)按照相似性進(jìn)行分組，得到分組后的數(shù)據(jù)，對(duì)分組后的數(shù)據(jù)進(jìn)行挖掘、識(shí)別，得到多源融合時(shí)間序列；
6、(4)構(gòu)建知識(shí)圖譜結(jié)構(gòu)，所述知識(shí)圖譜結(jié)構(gòu)包括設(shè)備鏈路拓?fù)浣Y(jié)構(gòu)、設(shè)備本體和拓?fù)潢P(guān)聯(lián)設(shè)備的數(shù)據(jù)和運(yùn)行工況，所述運(yùn)行工況包括運(yùn)行性能、歷史數(shù)據(jù)和故障狀態(tài)；
7、(5)構(gòu)建長(zhǎng)短期記憶網(wǎng)絡(luò)模型，將多源融合時(shí)間序列和知識(shí)圖譜結(jié)構(gòu)輸入長(zhǎng)短期記憶網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的長(zhǎng)短期記憶網(wǎng)絡(luò)模型；
8、(6)將實(shí)時(shí)數(shù)據(jù)輸入訓(xùn)練好的長(zhǎng)短期記憶網(wǎng)絡(luò)模型，訓(xùn)練好的模型對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)測(cè)，動(dòng)態(tài)感知設(shè)備的運(yùn)行狀態(tài)，在實(shí)時(shí)監(jiān)測(cè)過(guò)程中，通過(guò)滑動(dòng)窗口更新輸入數(shù)據(jù)，長(zhǎng)短期記憶網(wǎng)絡(luò)模型輸出當(dāng)前時(shí)刻的設(shè)備狀態(tài)。
9、在步驟(1)中，所述傳感器包括電壓傳感器、電流傳感器和溫度傳感器；所述設(shè)備日志包括設(shè)備運(yùn)行過(guò)程中生成的日志信息；所述歷史運(yùn)行數(shù)據(jù)包括設(shè)備過(guò)去的運(yùn)行記錄和性能參數(shù)；所述環(huán)境監(jiān)測(cè)數(shù)據(jù)包括溫度、濕度和氣壓。
10、在步驟(2)中，所述數(shù)據(jù)去重是指利用基于密度的空間聚類算法對(duì)多源時(shí)序數(shù)據(jù)進(jìn)行異常檢測(cè)，基于密度的空間聚類算法通過(guò)分析數(shù)據(jù)點(diǎn)的密度分布，識(shí)別并標(biāo)記異常數(shù)據(jù)點(diǎn)，移除標(biāo)記為異常的數(shù)據(jù)點(diǎn)，得到數(shù)據(jù)去重后的數(shù)據(jù)集，對(duì)于數(shù)據(jù)去重后的數(shù)據(jù)集，若存在缺失值，則采用拉格朗日插值方法進(jìn)行數(shù)據(jù)補(bǔ)全；最后進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化，將數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一尺度，數(shù)據(jù)標(biāo)準(zhǔn)化。
11、所述步驟(3)具體是指：用k-means聚類算法對(duì)清洗后的數(shù)據(jù)進(jìn)行分組：
12、c＝kmeans(dclean，k)
13、其中，k為聚類的簇?cái)?shù)，c為聚類結(jié)果；dclean為清洗后的數(shù)據(jù)集；
14、采用apriori算法從清洗后的數(shù)據(jù)集中挖掘頻繁相集關(guān)聯(lián)規(guī)則：
15、頻繁項(xiàng)集的支持度計(jì)算公式為：
16、
17、其中，a為項(xiàng)集，n為總記錄數(shù)；
18、關(guān)聯(lián)規(guī)則的置信度計(jì)算公式為：
19、
20、式中，b為項(xiàng)集；
21、設(shè)置支持度的閾值為0.2，設(shè)置置信度的閾值為0.8；當(dāng)一個(gè)頻繁項(xiàng)集的支持度高于0.2且置信度高于0.8時(shí)，認(rèn)為該頻繁項(xiàng)集有足夠的代表性，該頻繁項(xiàng)集進(jìn)入下一步的模式識(shí)別：
22、所述模式識(shí)別是指識(shí)別頻繁項(xiàng)集數(shù)據(jù)中的時(shí)間序列模式，采用dwt動(dòng)態(tài)時(shí)間規(guī)整算法進(jìn)行相似度計(jì)算：
23、
24、其中，x和y為時(shí)間序列，d(xi，yi)為距離度量函數(shù)；n為時(shí)間序列的長(zhǎng)度；
25、設(shè)定相似度閾值為0.8，當(dāng)一對(duì)序列的相似度高于0.8時(shí)，認(rèn)為它們屬于相似模式，并將該時(shí)間序列數(shù)據(jù)作為多源數(shù)據(jù)融合的基礎(chǔ)，最終得到多源融合時(shí)間序列。
26、所述步驟(4)具體是指：構(gòu)建包含設(shè)備實(shí)體節(jié)點(diǎn)、屬性節(jié)點(diǎn)及關(guān)系邊的知識(shí)圖譜結(jié)構(gòu)，知識(shí)圖譜結(jié)構(gòu)用于表示設(shè)備鏈路拓?fù)浼霸O(shè)備本體與關(guān)聯(lián)設(shè)備之間的關(guān)系；所述設(shè)備實(shí)體節(jié)點(diǎn)包括變電站內(nèi)的各個(gè)設(shè)備；所述屬性節(jié)點(diǎn)是指設(shè)備的性能參數(shù)、狀態(tài)信息；所述關(guān)系邊表示設(shè)備之間的關(guān)聯(lián)關(guān)系；構(gòu)建知識(shí)圖譜kg的表達(dá)式為：
27、kg＝{(ei，rij，ej)|i，j∈v}
28、其中，ei和ej為設(shè)備實(shí)體節(jié)點(diǎn)，rij為關(guān)系邊，v為節(jié)點(diǎn)集，i和j分別表示節(jié)點(diǎn)的索引。
29、所述步驟(5)具體是指：
30、長(zhǎng)短期記憶網(wǎng)絡(luò)模型的公式為：
31、yt＝σ(wh·ht-1+wx·xt+b)
32、其中，yt為當(dāng)前時(shí)刻的輸出，σ為激活函數(shù)，wh和wx分別為隱層和輸入層的權(quán)重矩陣，ht-1為前一時(shí)刻的隱層狀態(tài)，xt為當(dāng)前時(shí)刻的輸入，b為偏置；
33、使用知識(shí)圖譜結(jié)構(gòu)70％的歷史數(shù)據(jù)作為訓(xùn)練集，訓(xùn)練長(zhǎng)短期記憶網(wǎng)絡(luò)模型，采用反向傳播算法進(jìn)行參數(shù)優(yōu)化；長(zhǎng)短期記憶網(wǎng)絡(luò)模型的損失函數(shù)采用均方誤差：
34、
35、其中，yj為真實(shí)值，為預(yù)測(cè)值，k為樣本數(shù)。
36、由上述技術(shù)方案可知，本專利技術(shù)的有益效果為：第一，傳統(tǒng)監(jiān)測(cè)系統(tǒng)僅依賴單一類型的數(shù)據(jù)源，而本專利技術(shù)通過(guò)融合傳感器數(shù)據(jù)、設(shè)備日志、歷史運(yùn)行數(shù)據(jù)和環(huán)境監(jiān)測(cè)數(shù)據(jù)，實(shí)現(xiàn)了多源時(shí)序數(shù)據(jù)的綜合利用；通過(guò)數(shù)據(jù)清洗和標(biāo)準(zhǔn)化，確保數(shù)據(jù)的完整性和準(zhǔn)確性，全面反映設(shè)備的運(yùn)行狀態(tài)，解決了單一數(shù)據(jù)源信息不全面的問(wèn)題；第二，采用知識(shí)圖譜結(jié)構(gòu)，將設(shè)備鏈路拓?fù)浣Y(jié)構(gòu)、設(shè)備本體和關(guān)聯(lián)設(shè)備的數(shù)據(jù)及運(yùn)行工況進(jìn)行建模，這種方式能夠表達(dá)設(shè)備之間的復(fù)雜關(guān)聯(lián)關(guān)系，并結(jié)合實(shí)際運(yùn)行數(shù)據(jù)，提升了對(duì)設(shè)備狀態(tài)的感知能力，使得監(jiān)測(cè)系統(tǒng)能夠利用已有的專業(yè)知識(shí)和設(shè)備間的關(guān)聯(lián)進(jìn)行更為全面的狀態(tài)分析；第三，構(gòu)建長(zhǎng)短期記憶網(wǎng)絡(luò)模型，結(jié)合知識(shí)圖譜的歷史數(shù)據(jù)進(jìn)行訓(xùn)練，使得系統(tǒng)能夠?qū)υO(shè)備的運(yùn)行狀態(tài)進(jìn)行動(dòng)態(tài)感知，長(zhǎng)短期記憶網(wǎng)絡(luò)模型能夠?qū)崟r(shí)處理輸入數(shù)據(jù)，通過(guò)滑動(dòng)窗口機(jī)制更新數(shù)據(jù)，及時(shí)反映設(shè)備狀態(tài)的變化，尤其是在故障發(fā)生時(shí)，能夠提供及時(shí)的數(shù)據(jù)支持，減少故障處理時(shí)間。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于多源時(shí)序數(shù)據(jù)融合和拓?fù)浣Y(jié)構(gòu)的數(shù)據(jù)通道狀態(tài)感知方法，其特征在于：該方法包括下列順序的步驟：
2.根據(jù)權(quán)利要求1所述的基于多源時(shí)序數(shù)據(jù)融合和拓?fù)浣Y(jié)構(gòu)的數(shù)據(jù)通道狀態(tài)感知方法，其特征在于：在步驟(1)中，所述傳感器包括電壓傳感器、電流傳感器和溫度傳感器；所述設(shè)備日志包括設(shè)備運(yùn)行過(guò)程中生成的日志信息；所述歷史運(yùn)行數(shù)據(jù)包括設(shè)備過(guò)去的運(yùn)行記錄和性能參數(shù)；所述環(huán)境監(jiān)測(cè)數(shù)據(jù)包括溫度、濕度和氣壓。
3.根據(jù)權(quán)利要求1所述的基于多源時(shí)序數(shù)據(jù)融合和拓?fù)浣Y(jié)構(gòu)的數(shù)據(jù)通道狀態(tài)感知方法，其特征在于：在步驟(2)中，所述數(shù)據(jù)去重是指利用基于密度的空間聚類算法對(duì)多源時(shí)序數(shù)據(jù)進(jìn)行異常檢測(cè)，基于密度的空間聚類算法通過(guò)分析數(shù)據(jù)點(diǎn)的密度分布，識(shí)別并標(biāo)記異常數(shù)據(jù)點(diǎn)，移除標(biāo)記為異常的數(shù)據(jù)點(diǎn)，得到數(shù)據(jù)去重后的數(shù)據(jù)集，對(duì)于數(shù)據(jù)去重后的數(shù)據(jù)集，若存在缺失值，則采用拉格朗日插值方法進(jìn)行數(shù)據(jù)補(bǔ)全；最后進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化，將數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一尺度，數(shù)據(jù)標(biāo)準(zhǔn)化。
4.根據(jù)權(quán)利要求1所述的基于多源時(shí)序數(shù)據(jù)融合和拓?fù)浣Y(jié)構(gòu)的數(shù)據(jù)通道狀態(tài)感知方法，其特征在于：所述步驟(3)具體是指：用K-means聚類算法對(duì)
5.根據(jù)權(quán)利要求1所述的基于多源時(shí)序數(shù)據(jù)融合和拓?fù)浣Y(jié)構(gòu)的數(shù)據(jù)通道狀態(tài)感知方法，其特征在于：所述步驟(4)具體是指：構(gòu)建包含設(shè)備實(shí)體節(jié)點(diǎn)、屬性節(jié)點(diǎn)及關(guān)系邊的知識(shí)圖譜結(jié)構(gòu)，知識(shí)圖譜結(jié)構(gòu)用于表示設(shè)備鏈路拓?fù)浼霸O(shè)備本體與關(guān)聯(lián)設(shè)備之間的關(guān)系；所述設(shè)備實(shí)體節(jié)點(diǎn)包括變電站內(nèi)的各個(gè)設(shè)備；所述屬性節(jié)點(diǎn)是指設(shè)備的性能參數(shù)、狀態(tài)信息；所述關(guān)系邊表示設(shè)備之間的關(guān)聯(lián)關(guān)系；構(gòu)建知識(shí)圖譜KG的表達(dá)式為：
6.根據(jù)權(quán)利要求1所述的基于多源時(shí)序數(shù)據(jù)融合和拓?fù)浣Y(jié)構(gòu)的數(shù)據(jù)通道狀態(tài)感知方法，其特征在于：所述步驟(5)具體是指：
...【技術(shù)特征摘要】
1.一種基于多源時(shí)序數(shù)據(jù)融合和拓?fù)浣Y(jié)構(gòu)的數(shù)據(jù)通道狀態(tài)感知方法，其特征在于：該方法包括下列順序的步驟：
2.根據(jù)權(quán)利要求1所述的基于多源時(shí)序數(shù)據(jù)融合和拓?fù)浣Y(jié)構(gòu)的數(shù)據(jù)通道狀態(tài)感知方法，其特征在于：在步驟(1)中，所述傳感器包括電壓傳感器、電流傳感器和溫度傳感器；所述設(shè)備日志包括設(shè)備運(yùn)行過(guò)程中生成的日志信息；所述歷史運(yùn)行數(shù)據(jù)包括設(shè)備過(guò)去的運(yùn)行記錄和性能參數(shù)；所述環(huán)境監(jiān)測(cè)數(shù)據(jù)包括溫度、濕度和氣壓。
3.根據(jù)權(quán)利要求1所述的基于多源時(shí)序數(shù)據(jù)融合和拓?fù)浣Y(jié)構(gòu)的數(shù)據(jù)通道狀態(tài)感知方法，其特征在于：在步驟(2)中，所述數(shù)據(jù)去重是指利用基于密度的空間聚類算法對(duì)多源時(shí)序數(shù)據(jù)進(jìn)行異常檢測(cè)，基于密度的空間聚類算法通過(guò)分析數(shù)據(jù)點(diǎn)的密度分布，識(shí)別并標(biāo)記異常數(shù)據(jù)點(diǎn)，移除標(biāo)記為異常的數(shù)據(jù)點(diǎn)，得到數(shù)據(jù)去重后的數(shù)據(jù)集，對(duì)于數(shù)據(jù)去重后的數(shù)據(jù)集，若存在缺失值，則采用拉格朗日插值...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：衛(wèi)冉，楊可軍，劉鴻濤，江波，程力，華雄，鄭鋒，劉進(jìn)進(jìn)，
申請(qǐng)(專利權(quán))人：安徽南瑞繼遠(yuǎn)電網(wǎng)技術(shù)有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。