基于AMI数据下异常计量点远程研究方法

摘要

本发明属于电网安全领域，尤其是一种基于AMI数据下异常计量点远程研究方法，针对现有的不便于对AMI数据数据进行自动分类汇总问题，现提出如下方案，其包括以下步骤：S1、收集AMI数据，并对AMI数据进行分析判断；S2、对异常数据进行提取，并进行识别，将识别后的数据标记；S3、将标记后的异常数据传输至远程后台；S4、远程后台根据标记对接收的异常数据进行分类，存储；S5、定期对分类数据进行统计，并按照数据量大小进行排序；S6、排序完成后对数据进行移存，进行下一周期的数据统计；S7、对每个周期内出现异常数据量进行综合分析，本发明可以完成对异常数据的自动分类，可以对异常数据类型进行管控。

说明书

技术领域

本发明涉及电网安全技术领域，尤其涉及一种基于AMI数据下异常计量点远程研究方法。

背景技术

智能电网(smartpowergrids)，就是电网的智能化，也被称为“电网2.0”，它是建立在集成的、高速双向通信网络的基础上，通过先进的传感和测量技术、先进的设备技术、先进的控制方法以及先进的决策支持系统技术的应用，实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标，其主要特征包括自愈、激励和包括用户、抵御攻击、提供满足21世纪用户需求的电能质量、容许各种不同发电形式的接入、启动电力市场以及资产的优化高效运行。智能电网主要由4部分组成：高级量测体系(advancedmeteringinfrastructure，AMI)、高级配电运行(advanceddistributionoperation，ADO)、高级输电运行(advancedtransmissionoperation，ATO)、高级资产管理(advancedassetmanagement，AAM)，通过对AMI数据进行分析，可以及时发现异常。

现有技术中，不便于对AMI数据数据进行自动分类汇总，因此我们提出了基于AMI数据下异常计量点远程研究方法，用来解决上述问题。

发明内容

本发明的目的是为了解决现有技术中存在不便于对AMI数据数据进行自动分类汇总的缺点，而提出的基于AMI数据下异常计量点远程研究方法。

为了实现上述目的，本发明采用了如下技术方案：

基于AMI数据下异常计量点远程研究方法，包括以下步骤：

S1、收集AMI数据，并对AMI数据进行分析判断；

S2、对异常数据进行提取，并进行识别，将识别后的数据标记；

S3、将标记后的异常数据传输至远程后台；

S4、远程后台根据标记对接收的异常数据进行分类，存储；

S5、定期对分类数据进行统计，并按照数据量大小进行排序；

S6、排序完成后对数据进行移存，进行下一周期的数据统计；

S7、对每个周期内出现异常数据量进行综合分析，确定不同周期出现异常类型的比重。

优选的，所述AMI数据包括用电量、用电功率、电压、电流。

优选的，所述S7中，比重在30-40％时，将此异常类型定为高级异常，比重在20-30％，将此异常类型定为中级异常，比重在10-20％时，将此异常类型定为低级异常，比重在10％以下时，将此异常类型定为微级异常，出现中、高级异常时，进行报警。

优选的，所述S1中，对收集AMI数据的时间进行设置，每次间隔30-60s，初次收集完成后，等待30-60s再次进行收集。

优选的，所述S3中，将标记后的异常数据传输至远程后台，对远程后台接收的数据量进行统计，并将统计的数据与预设的数据进行正比，当统计数据大于预设数据时，启动备用接收通道，对数据进行分流。

优选的，所述S5中，定期对分类数据进行统计，并按照数据量大小进行排序，周期设置为7-14天。

优选的，所述S1中，将收集的AMI数据与历史数据进行对比，当AMI数据与历史最大或最小数据偏差超过1-5％时，则视为异常数据。

优选的，所述S2中，对异常数据进行提取，并进行识别，将识别后的数据标记，标记内容包括：异常类型、时间、位置。

优选的，所述S3中，将标记后的异常数据传输至远程后台，对数据传输通道进行分类，不同类型的异常数据采用对应的传输通道，例如：用电量异常数据则通过用电量传输通道进行传输，用电功率异常数据则通过用电功率传输通道进行传输。

优选的，初次完成收集后，将再次收集的数据与初次收集的数据进行比对，当两者数据一致时，则不再重复传输。

与现有技术相比，本发明的有益效果在于：

对异常数据进行提取，并进行识别，将识别后的数据标记，将标记后的异常数据传输至远程后台，远程后台根据标记对接收的异常数据进行分类，存储，可以完成对异常数据的自动分类；

定期对分类数据进行统计，并按照数据量大小进行排序，对每个周期内出现异常数据量进行综合分析，确定不同周期出现异常类型的比重，可以对异常数据类型进行管控；

本发明可以完成对异常数据的自动分类，可以对异常数据类型进行管控。

附图说明

图1为本发明提出的基于AMI数据下异常计量点远程研究方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

实施例一

参照图1，基于AMI数据下异常计量点远程研究方法，包括以下步骤：

S1、收集AMI数据，AMI数据包括用电量、用电功率、电压、电流，并对AMI数据进行分析判断；

S2、对异常数据进行提取，并进行识别，将识别后的数据标记；

S3、将标记后的异常数据传输至远程后台；

S4、远程后台根据标记对接收的异常数据进行分类，存储；

S5、定期对分类数据进行统计，并按照数据量大小进行排序；

S6、排序完成后对数据进行移存，进行下一周期的数据统计；

S7、对每个周期内出现异常数据量进行综合分析，确定不同周期出现异常类型的比重。

本实施例中，S7中，比重在30％时，将此异常类型定为高级异常，比重在20％，将此异常类型定为中级异常，比重在10％时，将此异常类型定为低级异常，比重在10％以下时，将此异常类型定为微级异常，出现中、高级异常时，进行报警。

本实施例中，S1中，对收集AMI数据的时间进行设置，每次间隔30s，初次收集完成后，等待30s再次进行收集，初次完成收集后，将再次收集的数据与初次收集的数据进行比对，当两者数据一致时，则不再重复传输。

本实施例中，S3中，将标记后的异常数据传输至远程后台，对远程后台接收的数据量进行统计，并将统计的数据与预设的数据进行正比，当统计数据大于预设数据时，启动备用接收通道，对数据进行分流。

本实施例中，S5中，定期对分类数据进行统计，并按照数据量大小进行排序，周期设置为7天。

本实施例中，S1中，将收集的AMI数据与历史数据进行对比，当AMI数据与历史最大或最小数据偏差超过1％时，则视为异常数据。

本实施例中，S2中，对异常数据进行提取，并进行识别，将识别后的数据标记，标记内容包括：异常类型、时间、位置。

本实施例中，S3中，将标记后的异常数据传输至远程后台，对数据传输通道进行分类，不同类型的异常数据采用对应的传输通道，例如：用电量异常数据则通过用电量传输通道进行传输，用电功率异常数据则通过用电功率传输通道进行传输。

实施例二

参照图1，基于AMI数据下异常计量点远程研究方法，包括以下步骤：

S1、收集AMI数据，AMI数据包括用电量、用电功率、电压、电流，并对AMI数据进行分析判断；

S2、对异常数据进行提取，并进行识别，将识别后的数据标记；

S3、将标记后的异常数据传输至远程后台；

S4、远程后台根据标记对接收的异常数据进行分类，存储；

S5、定期对分类数据进行统计，并按照数据量大小进行排序；

S6、排序完成后对数据进行移存，进行下一周期的数据统计；

S7、对每个周期内出现异常数据量进行综合分析，确定不同周期出现异常类型的比重。

本实施例中，S7中，比重在32％时，将此异常类型定为高级异常，比重在22％，将此异常类型定为中级异常，比重在12％时，将此异常类型定为低级异常，比重在10％以下时，将此异常类型定为微级异常，出现中、高级异常时，进行报警。

本实施例中，S1中，对收集AMI数据的时间进行设置，每次间隔40s，初次收集完成后，等待40s再次进行收集，初次完成收集后，将再次收集的数据与初次收集的数据进行比对，当两者数据一致时，则不再重复传输。

本实施例中，S3中，将标记后的异常数据传输至远程后台，对远程后台接收的数据量进行统计，并将统计的数据与预设的数据进行正比，当统计数据大于预设数据时，启动备用接收通道，对数据进行分流。

本实施例中，S5中，定期对分类数据进行统计，并按照数据量大小进行排序，周期设置为8天。

本实施例中，S1中，将收集的AMI数据与历史数据进行对比，当AMI数据与历史最大或最小数据偏差超过2％时，则视为异常数据。

本实施例中，S2中，对异常数据进行提取，并进行识别，将识别后的数据标记，标记内容包括：异常类型、时间、位置。

本实施例中，S3中，将标记后的异常数据传输至远程后台，对数据传输通道进行分类，不同类型的异常数据采用对应的传输通道，例如：用电量异常数据则通过用电量传输通道进行传输，用电功率异常数据则通过用电功率传输通道进行传输。

实施例三

参照图1，基于AMI数据下异常计量点远程研究方法，包括以下步骤：

S1、收集AMI数据，AMI数据包括用电量、用电功率、电压、电流，并对AMI数据进行分析判断；

S2、对异常数据进行提取，并进行识别，将识别后的数据标记；

S3、将标记后的异常数据传输至远程后台；

S4、远程后台根据标记对接收的异常数据进行分类，存储；

S5、定期对分类数据进行统计，并按照数据量大小进行排序；

S6、排序完成后对数据进行移存，进行下一周期的数据统计；

S7、对每个周期内出现异常数据量进行综合分析，确定不同周期出现异常类型的比重。

本实施例中，S7中，比重在34％时，将此异常类型定为高级异常，比重在24％，将此异常类型定为中级异常，比重在14％时，将此异常类型定为低级异常，比重在10％以下时，将此异常类型定为微级异常，出现中、高级异常时，进行报警。

本实施例中，S1中，对收集AMI数据的时间进行设置，每次间隔45s，初次收集完成后，等待45s再次进行收集，初次完成收集后，将再次收集的数据与初次收集的数据进行比对，当两者数据一致时，则不再重复传输。

本实施例中，S3中，将标记后的异常数据传输至远程后台，对远程后台接收的数据量进行统计，并将统计的数据与预设的数据进行正比，当统计数据大于预设数据时，启动备用接收通道，对数据进行分流。

本实施例中，S5中，定期对分类数据进行统计，并按照数据量大小进行排序，周期设置为9天。

本实施例中，S1中，将收集的AMI数据与历史数据进行对比，当AMI数据与历史最大或最小数据偏差超过3％时，则视为异常数据。

本实施例中，S2中，对异常数据进行提取，并进行识别，将识别后的数据标记，标记内容包括：异常类型、时间、位置。

本实施例中，S3中，将标记后的异常数据传输至远程后台，对数据传输通道进行分类，不同类型的异常数据采用对应的传输通道，例如：用电量异常数据则通过用电量传输通道进行传输，用电功率异常数据则通过用电功率传输通道进行传输。

实施例四

参照图1，基于AMI数据下异常计量点远程研究方法，包括以下步骤：

S1、收集AMI数据，AMI数据包括用电量、用电功率、电压、电流，并对AMI数据进行分析判断；

S2、对异常数据进行提取，并进行识别，将识别后的数据标记；

S3、将标记后的异常数据传输至远程后台；

S4、远程后台根据标记对接收的异常数据进行分类，存储；

S5、定期对分类数据进行统计，并按照数据量大小进行排序；

S6、排序完成后对数据进行移存，进行下一周期的数据统计；

S7、对每个周期内出现异常数据量进行综合分析，确定不同周期出现异常类型的比重。

本实施例中，S7中，比重在38％时，将此异常类型定为高级异常，比重在28％，将此异常类型定为中级异常，比重在18％时，将此异常类型定为低级异常，比重在10％以下时，将此异常类型定为微级异常，出现中、高级异常时，进行报警。

本实施例中，S1中，对收集AMI数据的时间进行设置，每次间隔55s，初次收集完成后，等待55s再次进行收集，初次完成收集后，将再次收集的数据与初次收集的数据进行比对，当两者数据一致时，则不再重复传输。

本实施例中，S3中，将标记后的异常数据传输至远程后台，对远程后台接收的数据量进行统计，并将统计的数据与预设的数据进行正比，当统计数据大于预设数据时，启动备用接收通道，对数据进行分流。

本实施例中，S5中，定期对分类数据进行统计，并按照数据量大小进行排序，周期设置为12天。

本实施例中，S1中，将收集的AMI数据与历史数据进行对比，当AMI数据与历史最大或最小数据偏差超过4％时，则视为异常数据。

本实施例中，S2中，对异常数据进行提取，并进行识别，将识别后的数据标记，标记内容包括：异常类型、时间、位置。

本实施例中，S3中，将标记后的异常数据传输至远程后台，对数据传输通道进行分类，不同类型的异常数据采用对应的传输通道，例如：用电量异常数据则通过用电量传输通道进行传输，用电功率异常数据则通过用电功率传输通道进行传输。

实施例五

参照图1，基于AMI数据下异常计量点远程研究方法，包括以下步骤：

S1、收集AMI数据，AMI数据包括用电量、用电功率、电压、电流，并对AMI数据进行分析判断；

S2、对异常数据进行提取，并进行识别，将识别后的数据标记；

S3、将标记后的异常数据传输至远程后台；

S4、远程后台根据标记对接收的异常数据进行分类，存储；

S5、定期对分类数据进行统计，并按照数据量大小进行排序；

S6、排序完成后对数据进行移存，进行下一周期的数据统计；

S7、对每个周期内出现异常数据量进行综合分析，确定不同周期出现异常类型的比重。

本实施例中，S7中，比重在40％时，将此异常类型定为高级异常，比重在30％，将此异常类型定为中级异常，比重在20％时，将此异常类型定为低级异常，比重在10％以下时，将此异常类型定为微级异常，出现中、高级异常时，进行报警。

本实施例中，S1中，对收集AMI数据的时间进行设置，每次间隔60s，初次收集完成后，等待60s再次进行收集，初次完成收集后，将再次收集的数据与初次收集的数据进行比对，当两者数据一致时，则不再重复传输。

本实施例中，S3中，将标记后的异常数据传输至远程后台，对远程后台接收的数据量进行统计，并将统计的数据与预设的数据进行正比，当统计数据大于预设数据时，启动备用接收通道，对数据进行分流。

本实施例中，S5中，定期对分类数据进行统计，并按照数据量大小进行排序，周期设置为14天。

本实施例中，S1中，将收集的AMI数据与历史数据进行对比，当AMI数据与历史最大或最小数据偏差超过5％时，则视为异常数据。

本实施例中，S2中，对异常数据进行提取，并进行识别，将识别后的数据标记，标记内容包括：异常类型、时间、位置。

本实施例中，S3中，将标记后的异常数据传输至远程后台，对数据传输通道进行分类，不同类型的异常数据采用对应的传输通道，例如：用电量异常数据则通过用电量传输通道进行传输，用电功率异常数据则通过用电功率传输通道进行传输。

实施例一至五周期设置时间如下表：

实施例一至五收集AMI数据的时间设置如下表：

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。