【技術實現步驟摘要】
本申請涉及數據處理，具體涉及一種基于數據分析的校區能耗數據實時監測方法及系統。
技術介紹
1、校區能源消耗監測是提高能源利用效率的重要方式。通過部署智能能耗監測設備，能夠實時采集電力等各種能源的使用數據，并對能耗變化趨勢和異常波動進行分析。通過數據可視化系統，這些數據會被集中展示，方便管理人員迅速識別問題，優化資源分配。能耗監測不僅能夠有效降低運營成本，還能助力實現綠色校園建設，推動環境保護。
2、傳統的電力監測系統主要依靠功率因數、電壓、電流波形和總功率等參數進行能耗異常監測，但在面對用電負載變化時，這些系統往往難以區分正常的無功功率波動與由能耗數據異常引起的波動。特別是當用電負載特性發生變化時，無功功率的增加可能導致能耗數據波動增大，這種變化并不總是故障的標志，進而引發不必要的報警或錯誤的故障判斷。
技術實現思路
1、鑒于以上內容，有必要提供一種基于數據分析的校區能耗數據實時監測方法及系統，解決上述問題。
2、本申請第一方面提供一種基于數據分析的校區能耗數據實時監測方法，所述方法包括：
3、獲取校區內每個教室各時刻的電壓數據、電流數據、用電量數據、有效功率；
4、預設各時刻的時間窗口，根據各時刻時間窗口中的用電量數據與預設數量個歷史時間段中用電量數據的變化差異，得到各時刻的用電量占比，提取各時刻的所有疑似異常教室；
5、對于各時刻，根據每個疑似異常教室中的電流數據，結合聚類算法，得到每個疑似異常教室的所有高電流連續分段
6、針對各時刻，根據每個疑似異常教室的每個高電流連續分段序列的元素個數以及元素對應時刻的電壓數據、有效功率，得到每個疑似異常教室的每個高電流連續分段序列的無效功率占比；根據各時刻的每個疑似異常教室的每個高電流連續分段序列的數值分布，對無效功率占比進行修正，得到各時刻的每個疑似異常教室的無效功率占比程度；
7、根據所述電流波動性以及所述無效功率占比程度，對疑似異常教室進行篩選，得到能耗存在異常的教室。
8、其中，所述得到各時刻的用電量占比，具體為：
9、基于每個教室，將各時刻時間窗口中所有用電量數據，按照時間順序組成各時刻的參考用電量數據序列；計算參考用電量數據序列的元素和值；獲取預設數量個歷史時間段中所述元素和值最大的參考用電量數據序列，作為每個歷史參考用電量數據序列；
10、分析各時刻的參考用電量數據序列與所有歷史參考用電量數據之間的變化差異，得到各時刻的用電量占比：獲取各時刻的參考用電量數據序列最后一個元素與第一個元素之間的差異，記為第一變化量；將每個歷史參考用電量數據序列最后一個元素與第一個元素之間的差異，記為第二變化量；獲取所有歷史參考用電量數據序列所述第二變化量的平均水平，記為變化量均值；將所述變化量均值的負相關映射結果與所述第一變化量的乘積作為各時刻的用電量占比。
11、其中，所述提取各時刻的所有疑似異常教室的過程為：
12、若每個教室各時刻的用電量占比大于等于預設的用電閾值，將對應教室標記為疑似異常教室。
13、其中，所述得到每個疑似異常教室的所有高電流連續分段序列以及低電流連續分段序列的步驟為：
14、將每個疑似異常教室各時刻的時間窗口中的電流數據組成的序列記為電流數據序列；對電流數據序列采用聚類算法得到預設數值個聚類簇；
15、將電流數據的均值最大的聚類簇記為高電流聚類簇，將剩余的聚類簇記為低電流聚類簇；
16、對于高電流聚類簇，將電流數據按照時間順序排列，將連續時刻的電流數據組成的序列記為高電流連續分段序列；采用與高電流連續分段序列相同的方法，獲取低電流連續分段序列。
17、其中，所述得到各時刻的每個疑似異常教室的電流波動性，具體為：
18、獲取各時刻的每個疑似異常教室的電流數據序列中所有元素的離散程度；
19、計算各時刻的每個疑似異常教室的電流數據對應的高電流聚類簇中所有元素的均值，低電流聚類簇中所有元素的均值，分別記為第一均值、第二均值；獲取所述第一均值與所述第二均值的差值絕對值，記為高低差異；
20、獲取各時刻的每個疑似異常教室的所有高電流連續分段序列的數量與低電流連續分段序列的數量之間的和值、差值絕對值，分別記為數量和值、數量差異；計算所述數量差異的負相關映射結果與所述數量和值進行融合的結果，得到電流波動因子；
21、將所述離散程度、所述高低差異以及所述波動因子進行融合的結果，作為各時刻的每個疑似異常教室的電流波動性。
22、其中，所述得到每個疑似異常教室的每個高電流連續分段序列的無效功率占比，具體公式為：；其中，表示第個疑似異常教室的第m個高電流連續分段序列的無效功率占比，表示第y個疑似異常教室的第m個高電流連續分段序列的元素總個數；、、分別表示第y個疑似異常教室的第m個高電流連續分段序列中第f個元素對應的有功功率、電流數據、電壓數據。
23、其中，所述對無效功率占比進行修正的過程具體為：
24、獲取每個疑似異常教室的每個高電流連續分段序列的元素均值與各元素之間的差異，將得到的所有差異進行融合后的負相關映射結果與所述無效功率占比的乘積，作為每個疑似異常教室的每個高電流連續分段序列的修正無效功率占比。
25、其中，所述無效功率占比程度具體為各時刻的每個疑似異常教室的所有高電流連續分段序列的修正無效功率占比的均值。
26、其中，所述得到能耗存在異常的教室，具體為：
27、將各時刻的每個疑似異常教室的電流波動性與所述無效功率占比程度的乘積的歸一化值作為各時刻的每個疑似異常教室的異常值；
28、若所述異常值大于等于預設的異常閾值，判斷疑似異常教室的能耗存在異常。
29、第二方面，本申請實施例還提供了一種基于數據分析的校區能耗數據實時監測系統，包括存儲器、處理器以及存儲在所述存儲器中并在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現上述任意一項所述方法的步驟。
30、上述方案中，獲取校區內每個教室各時刻的電壓數據、電流數據、用電量數據、有效功率，有助于對后續校區能耗數據是否異常的分析提供數據基礎；預設各時刻的時間窗口，根據各時刻時間窗口中的用電量數據與預設數量個歷史時間段中用電量數據的變化差異，得到各時刻的用電量占比，提取各時刻的所有疑似異常教室，其有益效果在于基于用電量數據在不同時刻的變化特征，篩選可能出現能耗異常的教室，降低后續的計算量；對于各時刻，根據每個疑似異常教室中的電流數據，結合聚類算法，得到每個疑似異常教室的所有高電流連續分段序列以及低電流連續分段序列，其有益效果在于反映了電流的劇烈變化或平穩狀態，能夠為后續獲取電本文檔來自技高網...
【技術保護點】
1.一種基于數據分析的校區能耗數據實時監測方法，其特征在于，該方法包括以下步驟：
2.如權利要求1所述的一種基于數據分析的校區能耗數據實時監測方法，其特征在于，所述得到各時刻的用電量占比，具體為：
3.如權利要求1所述的一種基于數據分析的校區能耗數據實時監測方法，其特征在于，所述提取各時刻的所有疑似異常教室的過程為：
4.如權利要求1所述的一種基于數據分析的校區能耗數據實時監測方法，其特征在于，所述得到每個疑似異常教室的所有高電流連續分段序列以及低電流連續分段序列的步驟為：
5.如權利要求4所述的一種基于數據分析的校區能耗數據實時監測方法，其特征在于，所述得到各時刻的每個疑似異常教室的電流波動性，具體為：
6.如權利要求1所述的一種基于數據分析的校區能耗數據實時監測方法，其特征在于，所述得到每個疑似異常教室的每個高電流連續分段序列的無效功率占比，具體公式為：；其中，表示第個疑似異常教室的第m個高電流連續分段序列的無效功率占比，表示第y個疑似異常教室的第m個高電流連續分段序列的元素總個數；、、分別表示第y個疑似異常教室的第
7.如權利要求1所述的一種基于數據分析的校區能耗數據實時監測方法，其特征在于，所述對無效功率占比進行修正的過程具體為：
8.如權利要求1所述的一種基于數據分析的校區能耗數據實時監測方法，其特征在于，所述無效功率占比程度具體為各時刻的每個疑似異常教室的所有高電流連續分段序列的修正無效功率占比的均值。
9.如權利要求1所述的一種基于數據分析的校區能耗數據實時監測方法，其特征在于，所述得到能耗存在異常的教室，具體為：
10.一種基于數據分析的校區能耗數據實時監測系統，包括存儲器、處理器以及存儲在所述存儲器中并在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1-9任意一項所述方法的步驟。
...【技術特征摘要】
1.一種基于數據分析的校區能耗數據實時監測方法，其特征在于，該方法包括以下步驟：
2.如權利要求1所述的一種基于數據分析的校區能耗數據實時監測方法，其特征在于，所述得到各時刻的用電量占比，具體為：
3.如權利要求1所述的一種基于數據分析的校區能耗數據實時監測方法，其特征在于，所述提取各時刻的所有疑似異常教室的過程為：
4.如權利要求1所述的一種基于數據分析的校區能耗數據實時監測方法，其特征在于，所述得到每個疑似異常教室的所有高電流連續分段序列以及低電流連續分段序列的步驟為：
5.如權利要求4所述的一種基于數據分析的校區能耗數據實時監測方法，其特征在于，所述得到各時刻的每個疑似異常教室的電流波動性，具體為：
6.如權利要求1所述的一種基于數據分析的校區能耗數據實時監測方法，其特征在于，所述得到每個疑似異常教室的每個高電流連續分段序列的無效功率占比，具體公式為：；其中，表示第個疑似異常教室的第m個高電流...
【專利技術屬性】
技術研發人員：王婧，朱春強，杜國維，黨曄，權溦，薛晶，趙凱航，楊益華，徐少飛，馬藝聞，
申請(專利權)人：西安電力高等?？茖W校，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。