一种基于状态转移概率电力系统监测数据失真的快速定位方法技术方案

本发明专利技术涉及一种基于状态转移概率电力系统监测数据失真的快速定位方法，本方法重点关注监测数据的状态变化概率，通过多次转移后的概率分布的特征与设备运行时数据正常变化的阈值进行对比，导出失真定位矩阵，快速定位失真数据的位置。整体分为四个步骤1.监测数据属性实体划分，2.电力设备的监测数据转移概率,电力设备的多次监测转移矩阵,4.失真数据定位与子系统失真程度度量。本发明专利技术数据采集阶能将各种数据格式或数据结构统一成状态转移概率，因此规避了多源异构数据中不同数据格式对数据分析造成的影响，降低了分析系统的复杂度。

A fast location method for power system monitoring data distortion based on state transition probability

The present invention relates to a fast location method based on state transfer probability of power system monitoring data distortion. This method focuses on the state change probability of monitoring data. By comparing the characteristics of the probability distribution after multiple transfer with the threshold of the normal change of the data in the equipment running, the distortion location matrix is derived and fast fixed. Position of bit distortion data. The whole is divided into four steps, 1. monitoring data attribute entity division, 2. power equipment monitoring data transfer probability, multiple monitoring transfer matrix of power equipment, 4. distortion data location and sub-system distortion degree measurement. The data acquisition order can unify various data formats or data structures into state transfer probability, thus avoiding the impact of different data formats on data analysis in multi-source heterogeneous data and reducing the complexity of the analysis system.

【技术实现步骤摘要】
一种基于状态转移概率电力系统监测数据失真的快速定位方法
本专利技术属于电力通信数据与大数据技术相融合的应用研究，通过将检测数据的状态变化概率话，将电力通信系统中各数据的格式统一成数据状态的转移概率分布，再通过切普曼-柯尔莫哥洛夫方程对初始转移分布进行多次转移，得到多次转移的理论分布，通过各个数据的变化阈值限定，计算出能直接定位失真数据的失真定位矩阵。
技术介绍
电力通信系统是一个广义的概念，泛指与电力电网相关各子系统以及他们产生的数据信息，随着我国电力电网的不断发展，用电需求的不断扩大，电力通信系统中产生的数据也日益庞大起来，同时数据产生的速度也越来越快，不同子系统间的数据结构也有很大差异，电力通信系统产生的数据成为了典型的大数据。电力通信系统是保障电力系统正常运行的重要系统，通过各类传感器对设备进行监测，为设备故障提供决策，为设备维修提供依据。大型的电力通信系统产生海量的监测数据，这些数据在采集、录入、传输、交换与储存过程中不可避免的会出现数据失真现象。现实中，这些失真数据已经成为定位与分析电力设备故障的重要阻碍因素。提高电力通信系统的数据质量是完善电力电网系统的重要环节。国内外专家对电力系统中失真数据的检测提出了多种解决方法，某研究能量管理系统中出现数据失真的原因，然后从原因着手，解决数据失真的问题。某研究是从数据平台着手试图提高数据质量。某研究从插值拟合的角度来预测数据质量.某研究基于公共信息模型(CommonInformationModel,CIM)的高速模型交换格式CIM/E文本为载体的不同系统间的数据校验技术,采用改进的多源数据筛选较优质量数据的手段,以及根据主站状态估计对现场数据进行反馈的方法,提高了电网调度系统的整体数据质量。以上基于电力设备状态估计的不良数据检测在对待局系统局部数据的质量提高时有一定效果，但是对于整个电力通信系统产生的多源异构大数据仍不具备良好的适用性，并且针对每一种数据失真建立相应知识库的成本是相对较高的。本专利技术提出基于状态转移概率电力系统监测数据失真的快速定位，不关注电力监测数据的多源异构格式，转而重点关注数据的状态变化，重点考察监测数据变化的概率与设备实际变化是否一致，通过国家电网真实数据集验证算法，实验结果表明该方法适用于大数据环境下的电力通信系统产生的多源异构数据失真的快速定位。
技术实现思路
电力通信系统是保障电力系统正常稳定运行的必要信息传输系统，通过各类传感器对电气设备进行实时监测，及时上报异常数据保障设备稳定运行，为设备故障提供决策支持，为设备维修提供定位依据。目前，随着电网系统的规模越来越大以及各类电力设备监测传感器的种类逐渐增加，电力通信系统每天都在产生海量的监测数据，这些数据在采集、录入、传输、交换与储存过程中不可避免的会出现数据失真现象。实际上，在大数据时代，此类失真数据已经成为定位与分析电力设备故障的重要阻碍因素之一。电力通信系统中出现的数据失真主要包括以下两个方面：1.违反监测数据一致性，监测数据一致是指，系统实际记录到的数据是否满足一定的函数依赖或逻辑关系，是否有超出属性定义域的数据。2.违反监测数据完整性，监测数据完整性是电力信息系统实际录入的数据是存在缺失，是否完全记录了按设计要求记录的全部数据。针对目前电力通信系统中出现的数据质量偏低问题，本专利技术旨在建立一种自动对电力数据进行失真识别、定位与失真程度度量的随机过程快速判别方法，本方法的关注重点是电力数据状态的变化与实际设备运行状态变化的一致性。将电力通信系统中各数据的格式统一成数据状态的转移概率分布，再通过切普曼-柯尔莫哥洛夫方程对初始转移分布进行多次转移，得到多次转移的理论分布，通过各个数据的变化阈值限定，计算出能直接定位失真数据的失真定位矩阵。为完成以上目标，本专利技术整体包含四个步骤，整体流程图见附图1步骤1监测数据属性实体划分监测数据采集本质上是指电力电网系统中，各类传感器对设备进行监测并将监测数据传送到指定位置储存的过程。在不同的子系统中监测数据具有多种储存机制，本步骤的目的是使得采集到的数据按照数据源的实体设备划分为实体数据集合。本步骤分为3个子步骤：步骤1.1原始监测数据采集定义1原始数据集合D＝{d11,d12,...,d21,d22,...,dn1,dn2,...,dnk}其中，D表示系统中采集到的各类原始数据的属性集合，dij表示第i设备的第k属性，在实际信息采集中，由于电网各子系统的数据采集方式不尽相同，所以将各子系统采集后的数据汇总后往往是杂乱的数据集合。步骤1.2监测数据按实体来源地址分类在数据采集过程，将数据按照来源索引字段进行分类，此步骤分为两种形式。形式一：已采集数据的分类对于形如定义1中已采集到的数据，需要按照数据属性中的数据源索引字段分类，将来源于相同实体的监测数据分为一组形式二：按实体采集监测数据对于可按实体输出监测数据的子系统，直接采集其监测数据，并在数据中注明实体的唯一属性。定义2设备数据向量di＝(di1,di2,...,dik)其中，di表示来自于第i(1≤i≤n)设备的监测数据向量，dij表示第i设备的第j，(1≤j≤k)属性。这样按任意实体设备i的数据源归类的数据以向量的形式被di记录步骤1.3构造属性扩展矩阵在电力通信系统中，电力电网包含各种子系统，各类设备通过协同工作来支撑一个子系统的正常运行，一套子系统的数据变化可以通过属性扩展矩阵来形式化。定义3属性扩展矩阵其中，M(t)表示t时刻的属性扩展矩阵，dij(t)表示第i(1≤i≤n)设备的第j，(1≤j≤ki≤k)属性在时刻t时的监测值。上式中定义了设备拥有的属性数量的上界k，其中k＝max(k1,k2,...)表示子系统中拥有最多属性设备的属性个数，它规定了扩展矩阵的列数。电力子系统中不同设备的属性个数是可以不同的，这样扩展矩阵M(t)中的多数行向量没有定义的属性值，称此类没有定义的属性为扩展属性，他们的作用在于保持扩展矩阵的矩形结构以便于接下来的数学处理。扩展矩阵M(t)完整包含了电力子系统中在时刻t的属性值。步骤2电力设备的监测数据转移概率本步骤分为3个子步骤步骤2.1数据的状态划分电力设备各个属性的值都有一定范围正常域，当某一属性值超出其正常域时，称该属性出现异常值。对于离散型属性值，其定义域是可数的离散的点。对于连续型属性值，其定义域是连续的区间。根据具体的电力设备，可以将监测到的不同的数据值根据其定义域，划分到不同的状态中。当设备处于正常状态时，监测数据的状态称为稳定态。对于离散型数据值，可根据具体数据属性特点将不同的点归为一类，组成一个状态。也可以直接将每一个点视为一个状态。对于连续型数据值，可以将连续数值区间按具体特征划分为片段，每个片段为一个状态。该步骤的作用是将设备的数据以离散的状态进行描述，以监测数据在状态中的转移来刻画数据的变化。步骤2.2设备的状态电力设备可运行在不同的状态中，不同的设备状态代表了设备运行的阶段特征。例如，变压器的运行状态可以分为正常运行，高温运行，设备异常。不同的设备拥有不同的运行状态，而电力数据不一致的本质表现是实际设备的运行状态与监测数据状态的不一致，即监测数据不能真实反映设备实际运行情况，设备的运行状态多种多样，而数据状态的种本文档来自技高网...

【技术保护点】
一种基于状态转移概率电力系统监测数据失真的快速定位方法，其特征在于，包括以下步骤：步骤1、监测数据属性实体划分，采集设备的原始监测数据，并将采集到的原始监测数据按照数据源的实体设备划分为实体数据集合，具体包括：步骤1.1、原始监测数据采集，并将采集到的原始检测数据根据以下定义归于集合中：定义1、原始数据集合D＝{d11,d12,...,d21,d22,...,dn1,dn2,...,dnk}其中，D表示系统中采集到的各类原始数据的属性集合，dij表示第i设备的第k属性，在实际信息采集中，由于电网各子系统的数据采集方式不尽相同，所以将各子系统采集后的数据汇总后往往是杂乱的数据集合；步骤1.2、将采集的原始监测数据按实体来源地址分类，在数据采集过程，将数据按照来源索引字段进行分类，分类根据数据的类型选择以下形式进行分类：分类形式一：对于已采集数据的分类，针对定义1中已采集到的数据，需要按照数据属性中的数据源索引字段分类，将来源于相同实体的监测数据分为一组分类形式二：按实体采集监测数据分类，对于可按实体输出监测数据的子系统，直接采集其监测数据，并在数据中注明实体的唯一属性；定义2 设备数据向量di＝(di1,di2,...,dik)其中，di表示来自于第i(1≤i≤n)设备的监测数据向量，dij表示第i设备的第j，(1≤j≤k)属性；按任意实体设备i的数据源归类的数据以向量的形式被di记录步骤1.3、构造属性扩展矩阵：在电力通信系统中，电力电网包含各种子系统，各类设备通过协同工作来支撑一个子系统的正常运行，一套子系统的数据变化可以通过属性扩展矩阵来形式化，其中属性扩展矩阵基于以下定义定义3 属性扩展矩阵...

【技术特征摘要】
1.一种基于状态转移概率电力系统监测数据失真的快速定位方法，其特征在于，包括以下步骤：步骤1、监测数据属性实体划分，采集设备的原始监测数据，并将采集到的原始监测数据按照数据源的实体设备划分为实体数据集合，具体包括：步骤1.1、原始监测数据采集，并将采集到的原始检测数据根据以下定义归于集合中：定义1、原始数据集合D＝{d11,d12,...,d21,d22,...,dn1,dn2,...,dnk}其中，D表示系统中采集到的各类原始数据的属性集合，dij表示第i设备的第k属性，在实际信息采集中，由于电网各子系统的数据采集方式不尽相同，所以将各子系统采集后的数据汇总后往往是杂乱的数据集合；步骤1.2、将采集的原始监测数据按实体来源地址分类，在数据采集过程，将数据按照来源索引字段进行分类，分类根据数据的类型选择以下形式进行分类：分类形式一：对于已采集数据的分类，针对定义1中已采集到的数据，需要按照数据属性中的数据源索引字段分类，将来源于相同实体的监测数据分为一组分类形式二：按实体采集监测数据分类，对于可按实体输出监测数据的子系统，直接采集其监测数据，并在数据中注明实体的唯一属性；定义2设备数据向量di＝(di1,di2,...,dik)其中，di表示来自于第i(1≤i≤n)设备的监测数据向量，dij表示第i设备的第j，(1≤j≤k)属性；按任意实体设备i的数据源归类的数据以向量的形式被di记录步骤1.3、构造属性扩展矩阵：在电力通信系统中，电力电网包含各种子系统，各类设备通过协同工作来支撑一个子系统的正常运行，一套子系统的数据变化可以通过属性扩展矩阵来形式化，其中属性扩展矩阵基于以下定义定义3属性扩展矩阵其中，M(t)表示t时刻的属性扩展矩阵，dij(t)表示第i(1≤i≤n)设备的第j，(1≤j≤ki≤k)属性在时刻t时的监测值；上式中定义了设备拥有的属性数量的上界k，其中k＝max(k1,k2,...)表示子系统中拥有最多属性设备的属性个数，它规定了扩展矩阵的列数；电力子系统中不同设备的属性个数是可以不同的，这样扩展矩阵M(t)中的多数行向量没有定义的属性值，称此类没有定义的属性为扩展属性，他们的作用在于保持扩展矩阵的矩形结构以便于接下来的数学处理；扩展矩阵M(t)完整包含了电力子系统中在时刻t的属性值；步骤2、获取电力设备的监测数据转移概率，具体包括：步骤2.1数据的状态划分电力设备各个属性的值都有一定范围正常域，当某一属性值超出其正常域时，称该属性出现异常值；对于离散型属性值，其定义域是可数的离散的点；对于连续型属性值，其定义域是连续的区间；根据具体的电力设备，将监测到的不同的数据值根据其定义域，划分到不同的状态中；当设备处于正常状态时，监测数据的状态称为稳定态；对于离散型数据值，可根据具体数据属性特点将不同的点归为一类，组成一个状态，或者直接将每一个点视为一个状态；对于连续型数据值，或者将连续数值区间按具体特征划分为片段，每个片段为一个状态；步骤2.2设备的状态电力设备可运行在不同的状态中，不同的设备状态代表了设备运行的阶段特征；不同的设备拥有不同的运行状态，而电力数据不一致的本质表现是实际设备的运行状态与监测数据状态的不一致，即监测数据不能真实反映设备实际运行情况，设备的运行状态多种多样，而数据状态的种类更多；一个设备状态对应于一系列数据状态的特定组合；当电力系统中的设备稳定运行时，设备的各类监测数据值也应该稳定在一定范围中，同时其变动规则也具有稳定性；当设备运行出现状态改变时，一部分监测数据就会更大的概率偏离原来的状态，进入新的状态，从而打破之前这种稳定规则；步骤2.3、统计历史监测数据的状态转移频率，基于以下定义获取：定义4数据状态转移频率其中，fij表示对设备监测Ni+Nj次后数据从状态i转移到状态j的频率，Ni表示处于状态i的次数，Nj表示处于状态j的次数；然后通过基于以下公式进行多次监测当期数据或直接统计历史数据的方式来估算电力设备的状态转移概率其中，P表示概率，ε表示一个正数，通过大量搜集电力设备监测数据的状态转移数据，计算得出的状态转移的频率会依概率收敛；能够通过多次监测当期数据或直接统计历史数据的方式来估算电力设备的状态转移概率；步骤3、获取电力设备的多次监测转移矩阵，具体包括：步骤3.1数据转移概率的马尔可夫性与时齐性由于每次监测数据本质是在离散的时间点上的采样，同时依步骤2.2的状态划分方法，监测数据也被划分为离散的状态，所以电力监测数据的状态转移本质上是一个时间与状态都离散的随机过程；由于每次监测，数据所处的状态只...

【专利技术属性】
技术研发人员：李石君，梁杰，余放，汪毅能，杨济海，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42