一种用于线路故障预测的时序数据粒度统一转换方法技术

本发明专利技术公开了一种用于线路故障预测的时序数据粒度统一转换方法，主要涉及线路故障多粒度时序数据的时间跨度选择原则、线路故障时序数据的粒度标准化方法。时间跨度选择原则确定了多粒度数据的时间范围，决定了时间粒度标准化方法的数据输入。本发明专利技术提出的趋势判断方法准确描述了各属性序列随时间变化的起伏程度与变化趋势，较好地保证了原始数据特征的完整性。

A unified transformation method of time series data granularity for line fault prediction

The invention discloses a method for fault prediction of time series data granularity uniform conversion method mainly involves fault multi granularity time series data time span selection method of fault principle, size standard time series data line. The time span selection principle determines the time range of the multi granularity data, and determines the data input of the time granularity standardization method. The trend judgment method presented in this paper accurately describes the fluctuation degree and variation trend of each attribute sequence with time, and ensures the integrity of the original data features better.

【技术实现步骤摘要】
一种用于线路故障预测的时序数据粒度统一转换方法
本专利技术涉及一种用于线路故障预测的时序数据粒度统一转换方法。
技术介绍
架空输电线路常年暴露于野外，经常遭受各种恶劣的自然环境和自然灾害的侵蚀，对其安全运行造成不同程度的损害，导致线路跳闸和局部范围的供电中断。为了寻找线路跳闸的规律，发现其与临近时刻不同状态量的关系，需要提供一种不同时间粒度数据的特征表示方法，以实现不同时间粒度数据的同平面分析。这里的时间粒度指的是时序数据的采集周期或者采集间隔。线路跳闸相关数据目前收集的状态量有跳闸时刻的故障描述(相别、进侧开关(高)、出侧开关(低)、故障地点、故障原因和重合是否成功)，线路台账数据(设备ID、设备编码、线路名称、电压等级、所属地市、投运日期、架设方式、线路性质、线路总长度、电压等级、最大允许电流等)，雷电数据、实时气象数据(风向、风速、阵风风向、阵风风速、降水量、相对湿度、温度、气压、能见度、推送时间、预报时间(发布时间)、入库时间、极大风风向、极大风风速)、之前1小时的负荷数据(量测设备、推送时间、电流、有功功率、无功功率)和年平均荷电率数据等。线路跳闸时刻相关数据的采集间隔相差较大，其中负荷数据5分钟一次，实时气象数据10分钟一次，雷电数据的时间间隔不确定，故障数据、台账数据和年平均荷电率一般不做更新。若要寻找各个状态量对线路故障可能造成的影响，需要首先将各维度数据统一到统一粒度上。
技术实现思路
本专利技术为了解决上述问题，提出了一种用于线路故障预测的时序数据粒度统一转换方法，本专利技术能够实现线路故障相关数据的同平面分析，并准确描述了各属性序列随时间变化的起伏程度与变化趋势，较好地保证了原始数据特征的完整性。为了实现上述目的，本专利技术采用如下技术方案：一种用于线路故障预测的时序数据粒度统一转换方法，包括以下步骤：(1)根据数据和线路故障类型，确定不同的时间跨度；(2)确定电流、有功功率和无功功率属性取值时间范围，计算雷电数据和负荷数据的最大值、最小值和平均值；(3)计算负荷各属性的变化因子参数，计算时间跨度范围内各属性的极值点；(4)根据变化因子和极值点，对曲线的趋势进行判断，描述各属性序列随时间变化的起伏程度与变化趋势；(5)将不同的趋势类别分别对属性值进行符号化描述，作为新的状态量记录进故障样本中。所述步骤(1)中，对不同类数据设置不同的时间跨度，具体包括：线路台账数据选择距离故障发生前最近的一条数据；雷电系统的数据选择故障发生前t0和之后t1的数据；气象系统的数据选择故障发生前t0和之后t1的数据，负荷数据选择故障发生之前设定时间的电流、有功功率和无功功率数据。所述步骤(1)中，若只有一条数据，则时间粒度已经标准化。所述步骤(2)中，对于雷电系统数据，若前面规定的时间跨度选择范围内没有产生雷电数据，则单属性直接设置为0；若前面规定的时间跨度选择范围内发生多次雷电数据，则将该时间段内的雷电数据的最大值、最小值和平均值记录为一条数据，即将时间序列的一系列单属性样本缩减到一个时间维度上的三个数值，完成时间粒度的标准化。所述步骤(3)中，分别计算负荷数据的三个属性的变化因子参数，包括首端变化因子和尾端变化因子。所述步骤(4)中，根据变化因子和极值点，进行判断，并归为不同形态的曲线的趋势，具体判断内容包括：判断该段时间有无极值点、极值点数目和各属性首尾端变化因子的差值ΔI。所述步骤(4)中，八种曲线趋势，分别是①略微上升；②略微下降；③明显上升；④明显下降；⑤先下降后上升；⑥先上升后下降；⑦总体上升；⑧总体下降。所述步骤(4)中，首先判断该段时间有无极值点，若无极值点则归类到①-④类趋势；若该段时间有1个极值点，则归类到⑤-⑥类，若该极值点为极大值则判断为⑤，若该极值点为极小值则判断为⑥；若该段时间有2个极值点，则归类到⑦-⑧类；若该段时间段有2个以上的极值点，则将时间序列进一步分段，分段后重新判断是否有极值点。所述步骤(4)中，若0＜|ΔI|＜δ则确定为略微变化趋势，若|ΔI|≥δ则确定为明显变化趋势，其中δ按照该状态量一年中变化差值来确定，是判断变化趋势为“略微”或“明显”的条件。若ΔI＜0则判断为上升趋势，若ΔI＞0则判断为下降趋势。本专利技术的有益效果为：(1)本专利技术给出一种用于线路故障预测的时序数据粒度统一转换方法，实现了线路故障相关数据的同平面分析；(2)本专利技术提出的趋势判断方法准确描述了各属性序列随时间变化的起伏程度与变化趋势，较好地保证了原始数据特征的完整性。附图说明图1(a)-图1(h)为时间序列数据趋势各类的示意图；图2为本专利技术的流程示意图。具体实施方式：下面结合附图与实施例对本专利技术作进一步说明。本专利技术是一种用于线路故障预测的时序数据粒度统一转换方法，用于实现多粒度时序数据的同平面分析。本专利技术主要涉及线路故障多粒度时序数据的时间跨度选择原则、线路故障时序数据的粒度标准化方法。时间跨度选择原则确定了多粒度数据的时间范围，决定了时间粒度标准化方法的数据输入。线路故障多粒度时序数据的时间跨度选择原则线路故障的发生与之前一段时间的状态量紧密相关。本专利技术结合不同类型数据的特征和线路故障分析案例，为各类数据设置不同的时间跨度。线路台账数据选择距离故障发生前最近的一条数据。雷电系统的数据选择故障发生前10分钟和之后2分钟的数据。推后2分钟的目的是为了涵盖时钟不一致而产生的误差。气象系统的数据选择故障发生前10分钟和之后2分钟的数据。推后2分钟的目的是为了涵盖时钟不一致而产生的误差。负荷数据选择故障发生之前1小时的电流、有功功率和无功功率数据。线路故障时序数据的多粒度标准化方法线路台账数据只有一条记录，时间粒度已经标准化。对于气象数据，一条线路有可能覆盖两个及以上气象大监站。从故障点所在的气象大监站选择距离故障发生时间前最近的实时气象数据。气象系统的实时数据为10分钟一次，而前面的时间跨度选择原则决定了仅有一条记录，时间粒度已经标准化。对于雷电系统数据，若前面规定的时间跨度选择范围内没有产生雷电数据，则单属性直接设置为0；若前面规定的时间跨度选择范围内发生多次雷电数据，则将该时间段内的雷电数据的最大值、最小值和平均值记录为一条数据，即将时间序列的一系列单属性样本缩减到一个时间维度上的三个数值，完成时间粒度的标准化。对于负荷数据，其每5分钟产生一条数据，包括电流、有功功率、无功功率三个属性。首先，对于电流、有功功率、无功功率，分别计算前面规定时间跨度范围内三者的平均值、最大值和最小值，并记录为一条数据；为了准确描述负荷数据的细微变化、弥补仅使用平均值、最大值和最小值描述的缺陷，本专利技术还提出一种基于趋势特征的时间粒度标准化方法。具体描述如下：首先，分别计算三个属性的变化因子参数，包括首端变化因子和尾端变化因子。以电流序列为例，若电流序列表示为I＝{i1,i2,...,in}，则计算其平均值为计算首端变化因子和尾端变化因子，分别表示为和第二，计算前面规定时间跨度范围内各属性的极值点。极值点包括极大点和极小点。以电流序列为例，如果电流值ij满足下列条件之一：当1＜j＜n时，若存在下标r和t并且1≤r＜j＜t≤n使得ij是ir,...,it中的最小值；当j＝1时，若存在下标r并且j＜r≤n时的ij是i1,..本文档来自技高网...

【技术保护点】
一种用于线路故障预测的时序数据粒度统一转换方法，其特征是：包括以下步骤：(1)根据数据和线路故障类型，确定不同的时间跨度；(2)确定电流、有功功率和无功功率属性取值时间范围，计算雷电数据和负荷数据的最大值、最小值和平均值；(3)计算负荷各属性的变化因子参数，计算时间跨度范围内各属性的极值点；(4)根据变化因子和极值点，对曲线的趋势进行判断，描述各属性序列随时间变化的起伏程度与变化趋势；(5)将不同的趋势类别分别对属性值进行符号化描述，作为新的状态量记录进故障样本中。

【技术特征摘要】
1.一种用于线路故障预测的时序数据粒度统一转换方法，其特征是：包括以下步骤：(1)根据数据和线路故障类型，确定不同的时间跨度；(2)确定电流、有功功率和无功功率属性取值时间范围，计算雷电数据和负荷数据的最大值、最小值和平均值；(3)计算负荷各属性的变化因子参数，计算时间跨度范围内各属性的极值点；(4)根据变化因子和极值点，对曲线的趋势进行判断，描述各属性序列随时间变化的起伏程度与变化趋势；(5)将不同的趋势类别分别对属性值进行符号化描述，作为新的状态量记录进故障样本中。2.如权利要求1所述的一种用于线路故障预测的时序数据粒度统一转换方法，其特征是：所述步骤(1)中，对不同类数据设置不同的时间跨度，具体包括：线路台账数据选择距离故障发生前最近的一条数据；雷电系统的数据选择故障发生前t0和之后t1的数据；气象系统的数据选择故障发生前t0和之后t1的数据，负荷数据选择故障发生之前设定时间的电流、有功功率和无功功率数据。3.如权利要求1所述的一种用于线路故障预测的时序数据粒度统一转换方法，其特征是：所述步骤(1)中，若只有一条数据，则时间粒度已经标准化。4.如权利要求1所述的一种用于线路故障预测的时序数据粒度统一转换方法，其特征是：所述步骤(2)中，对于雷电系统数据，若前面规定的时间跨度选择范围内没有产生雷电数据，则单属性直接设置为0；若前面规定的时间跨度选择范围内发生多次雷电数据，则将该时间段内的雷电数据的最大值、最小值和平均值记录为一条数据，即将时间序列的一系列单属性样本缩减到一个时间维度上的三个数值...

【专利技术属性】
技术研发人员：马艳，朱文兵，陈素红，张世栋，刘兴华，姚金霞，辜超，王坤，
申请(专利权)人：国网山东省电力公司电力科学研究院，山东中实易通集团有限公司，国家电网公司，
类型：发明
国别省市：山东,37