法律状态公告日
法律状态信息
法律状态
2023-01-31
公开
发明专利申请公布
技术领域
本发明涉及智能电网数据分析技术领域,尤其是一种基于大数据技术的智能电网全景数据分析方法。
背景技术
近年来,随着全球能源危机、环境问题等因素的不断加剧,世界各国对清洁能源的开发利用程度不断提高,大量分布式、间歇性能源的广泛接入对电力系统的安全稳定运行提出了更高的要求。在该前提下,智能电网应运而生。智能电网建设的最终目标是成为覆盖发、输、变、配、用及调度等过程的全景实时电力系统,而支撑系统得以准确、安全、实时及可靠运行的基础是电力系统多源异构大数据的快速采集、响应和分析。未来智能电网既要支持个人终端用户与电网系统的交互,也要满足控制系统对电网安全稳定性的需求,智能电网中的多数应用需要海量数据处理技术的支撑。随着智能电网建设在广度和深度上的不断推进,智能电网在运行过程中会收集到系统内外的海量全景数据,形成电力大数据。
智能电网的数据采集都有一定的限制,不能够同时采集全站的信息,不能智能分层次进行采集,并且采集到的数据信息不能全景展示出来。智能变电站作为智能电网环节中的智能节点,需要具有统一的信息模型和高度智能化的处理功能。现有技术中,对智能电网数据的全景化处理采集了大量电网数据,占用了过多内存,且对数据进行集中处理,对数据中可能存在的故障检测需要耗费较多时间。
发明内容
本发明的目的是通过提出一种基于大数据技术的智能电网全景数据分析方法,以解决上述背景技术中提出的缺陷。
本发明采用的技术方案如下:
提供一种基于大数据技术的智能电网全景数据分析方法,包括如下步骤:
S1.1:通过分布式数据采集方法分层次采集智能电网内的数据信息;
S1.2:对采集的当前层次的智能电网数据信息进行预处理,预处理操作包括数据光滑处理、归一化处理和构建数据故障检测模型对光滑处理和归一化处理后的数据信息进行故障检测处理;
S1.3:通过数据流式计算和实时计算相结合的方式对数据进行分析;
S1.4:对上一层次的全景数据信息进行压缩、存储;
S1.5:对智能电网内各种数据信息进行全景展示。
作为本发明的一种优选技术方案:所述数据光滑处理和归一化处理步骤如下:
其中,a
第i日t时刻的采样值表示为A
其中,σ
作为本发明的一种优选技术方案:所述数据故障检测模型构建如下:将数据属性划分为m类,计算各样本间的相似度,令u
其中,A
得到相似度矩阵为:
计算各样本数据之间的相似度之和U
U
则相似度矩阵M表示为:
得到:
(M
其中,ε为M
作为本发明的一种优选技术方案:所述数据信息故障检测处理步骤如下:
根据计算选择前j个特征向量组成一个新的向量,通过聚类算法获取异常数据集X
式中,X
作为本发明的一种优选技术方案:所述故障检测步骤中,当检测当前层次出现异常数据时,对当前数据进行故障预警并记录,当检测当前层次所有数据均未出现异常时,进行下一层次数据的检测。
作为本发明的一种优选技术方案:所述分布式存储步骤如下:
S2.1:加载智能电网数据分析过程的数据模型信息,将各个状态的描述信息读取到主节点的内存中,根据电网数据状态的属性信息生成多个属性约束条件;
S2.2:主节点进程根据属性约束条件查找数据索引,筛选出需要读取的电网数据分片;
S2.3:工作节点进程根据属性约束条件分布式并行过滤每个分片内的电网数据;
S2.4:主节点进程收集满足约束条件的电网数据,并进行排序,最终合并构造成完整的电网过程数据对象并压缩保存至分布式存储平台。
作为本发明的一种优选技术方案:所述属性约束条件包括时间约束和属性约束。
作为本发明的一种优选技术方案:所述分布式存储的数据检索根据所述属性约束条件及分布式存储距离进行并行检索。
作为本发明的一种优选技术方案:所述S1.5中,通过曲线、表格及图形方式静态或动态全景展示分析结果。
本发明提供的基于大数据技术的智能电网全景数据分析方法,与现有技术相比,其有益效果有:
本发明分层次采集智能电网中的海量数据,通过故障检测模型对数据进行故障检测,有助于及时排除智能电网中存在的故障;对分析后的数据及时压缩存储,减少数据占用的大量内存;通过动态、静态的清晰的全景展示方法为智能电网内电力数据监测提供便捷。
附图说明
图1为本发明优选实施例的方法流程图;
图2为本发明优选实施例中的分布式存储流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本实施例中的实施例及实施例中的特征可以相互组合,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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1,本发明优选实施例提供了一种基于大数据技术的智能电网全景数据分析方法,包括如下步骤:
S1.1:通过分布式数据采集方法分层次采集智能电网内的数据信息;
S1.2:对采集的当前层次的智能电网数据信息进行预处理;
S1.3:通过数据流式计算和实时计算相结合的方式对数据进行分析;
S1.4:对上一层次的全景数据信息进行压缩、存储;
S1.5:对智能电网内各种数据信息进行全景展示。
所述S1.2中对数据进行数据预处理操作包括数据光滑处理和归一化处理和构建数据故障检测模型对数据光滑处理和归一化处理后的数据信息进行故障检测处理。
所述数据光滑处理和归一化处理步骤如下:
其中,a
第i日t时刻的采样值表示为A
其中,σ
所述数据故障检测模型的构建如下:将数据属性划分为m类,计算各样本间的相似度,令u
其中,A
得到相似度矩阵J为:
计算各样本数据之间的相似度之和U
U
则相似度矩阵M表示为:
得到:
(M
其中,ε为M
所述数据信息故障检测处理步骤如下:
根据计算选择前j个特征向量组成一个新的向量,通过聚类算法获取异常数据集X
式中,X
所述故障检测步骤中,当检测当前层次出现异常数据时,对当前数据进行故障预警并记录,当检测当前层次所有数据均未出现异常时,进行下一层次数据的检测。
所述S1.4中,当上一层次所有数据均未出现异常时,对上一层次数据进行压缩并进行分布式存储。
请参照图2,所述分布式存储步骤如下:
S2.1:加载智能电网数据分析过程的数据模型信息,将各个状态的描述信息读取到主节点的内存中,根据电网数据状态的属性信息生成多个属性约束条件;
S2.2:主节点进程根据属性约束条件查找数据索引,筛选出需要读取的电网数据分片;
S2.3:工作节点进程根据属性约束条件分布式并行过滤每个分片内的电网数据;
S2.4:主节点进程收集满足约束条件的电网数据,并进行排序,最终合并构造成完整的电网过程数据对象并压缩保存至分布式存储平台。
所述属性约束条件包括时间约束和属性约束。
所述分布式存储的数据检索根据所述属性约束条件及分布式存储距离进行并行检索。
所述S1.5中,通过曲线、表格及图形方式静态或动态全景展示分析结果。
本实施例中,以采集某变电站一周内智能电网数据为例。
通过分布式数据采集方法分层次采集该变电站智能电网内的数据信息。划分一小时内的智能电网数据为一个层次,对采集的当前层次的智能电网数据信息进行数据光滑处理和归一化处理的预处理操作:
其中,a
其中,σ
根据该变电站智能电网数据故障检测模型:
将数据属性划分为m类,计算各样本间的相似度,令u
其中,A
得到相似度矩阵为:
计算各样本数据之间的相似度之和:
U
则度矩阵表示为:
得到:
(M
其中,ε为M
根据故障检测模型检测预处理后的数据是否存在故障数据:
根据计算选择前j个特征向量组成一个新的向量,通过聚类算法获取异常数据集X
式中,X
当检测出当前层次出现异常数据时,对当前数据进行故障预警并记录,当检测当前层次所有数据均未出现异常时,进行下一层次数据的检测。
数据检测的同时对数据采取流式计算的方法进行数据分析,通过曲线、表格及图形方式静态或动态全景展示分析结果。将分析处理后的数据进行压缩及存储。通过加载智能电网数据分析过程的数据模型信息,将各个状态的描述信息读取到主节点的内存中,根据电网数据状态的属性信息生成多个属性约束条件;主节点进程根据属性约束条件查找数据索引,筛选出需要读取的电网数据分片;工作节点进程根据属性约束条件分布式并行过滤每个分片内的电网数据;主节点进程收集满足约束条件的电网数据,并进行排序,最终合并构造成完整的电网过程数据对象并压缩保存至分布式存储平台。当需要采集历史全景数据时,可根据时间、数据属性及分布式存储距离进行并行检索。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
机译: 基于人工智能数据分析的污染物处理方法及基于人工智能数据分析的污染物处理装置
机译: 基于人工智能数据分析的污染物处理方法及基于人工智能数据分析的污染物处理装置
机译: 确定智能电网的效率并基于智能电网中类似智能电网的效率提供反馈的系统和方法