一种智能电能表时序数据处理方法和处理装置制造方法及图纸

本发明专利技术属于电力计量及稽查技术领域，具体涉及一种智能电能表时序数据处理方法和处理装置。首先针对电能表运行状态整体评估的时序数据进行实时采样；其次进行处理获得时间序列矩阵；然后生成窗口时序矩阵；再将窗口时序矩阵转化为标准非Hermitian矩阵；计算奇异值等价矩阵，最后计算标准积矩阵。本发明专利技术首先对电力大数据统一预处理，完成时间序列数据表征；然后采用实时分离窗技术整合时序数据；最后对其计算得到标准积矩阵，时序数据表征完成；上述过程为随机矩阵模型构建做好数据准备；其构建了两种随机矩阵模型，从整体到局部全面的对电能表进行时序数据处理和分析，能对电能表运行状态进行有效的实时评估、分析和预测。

A time series data processing method and device for intelligent watt hour meter

The invention belongs to the technical field of electric power measurement and inspection, in particular to a time sequence data processing method and a processing device of an intelligent electric energy meter. Firstly, real-time sampling is carried out for the time series data of the overall evaluation of the running state of the electric energy meter; secondly, processing is carried out to obtain the time series matrix; then the window time series matrix is generated; then the window time series matrix is transformed into the standard non Hermitian matrix; the singular value equivalent matrix is calculated, and finally the standard product matrix is calculated. The invention first preprocesses the power big data and completes the time series data representation; then integrates the time series data by using the real-time separation window technology; finally calculates the standard product matrix and completes the time series data representation; the above process makes data preparation for the construction of the random matrix model; it constructs two kinds of random matrix models and comprehensively advances the electric energy meter from the whole to the part Row time series data processing and analysis can effectively evaluate, analyze and predict the running state of the watt hour meter in real time.

【技术实现步骤摘要】
一种智能电能表时序数据处理方法和处理装置
本专利技术属于电力计量及稽查
，具体涉及一种智能电能表时序数据处理方法和处理装置。
技术介绍
随着智能配电网络规模的不断发展，供电区域的不断扩大以及计量表的智能化程度不断提升，智能计量表的信息采集系统覆盖率逐渐增大，电网运行过程中检、监测数据量呈指数量级增长。由此，电能表的运行状态也呈现出更加复杂和突发的特点。目前，针对电能表运行状态的评价和处置，电力公司主要通过现场检测的方式来判断电能表的运行状态。然而，电能表运行状态在实际检验过程受到大气环境等因素的影响较大，同时，负荷的改变对电能表的测量也会带来较大误差，或将无法获得电能表的准确运行状态。对此，为了有效解决该类动态问题，需研究分析多种影响因素与电能表运行状态之间的相关性，以此综合评估电能表运行状态。随着大数据的驱动生产，基于大数据挖掘的分析方法应用于各行各业中，机器学习等由数据驱动的分析方法逐渐用于更多的前沿领域。大数据原理是针对问题所涉及的所有数据进行计算、分析和处理的新型数学原理，其中大数据具有5V(Volume,Velocity,Variety,Value,Veracity)的特点。以数据驱动为核心思想的大数据原理，在计量统计、特征分析和行为决策中本质上是一种方法论和认识论的结合，是对数据主体机理和趋势的认知解释。大数据技术的关键性作用在于将海量级数据信息专业化和可视化分析和处理，其必须依托于云计算的分布式处理、分布式数据库和云存储、虚拟化技术。随着大数据的驱动发展，基于大数据原理和技术的应用研究在各领域发挥着广泛作用。近年来，随着电力大数据的量级增长，基于海量电力大数据的电力系统运行态势的分析方法为电网应用研究提供了崭新的思路。高维大数据具有数据量大，数据结构复杂和数据难以可视化的特点，而针对动态的电网时序数据，分析难度更大。因此，立于复杂的电力系统的高维数据观测视角，时序数据表征起到关键性作用。而目前时序数据的实际表示形式尚无统一标准，且在计算规模、精确度及可靠性等方面都存在一定的不足。
技术实现思路
本专利技术要解决的技术问题在于克服现有技术的不足，提供一种智能电能表时序数据处理方法和处理装置。本专利技术解决上述技术问题的技术方案如下：一种智能电能表时序数据处理方法，具体包括以下步骤：S1、针对电能表运行状态整体评估的时序数据进行实时采样；S2、对步骤S1获得的数据进行分析构建时间序列矩阵；S3、利用实时分离窗法对时间序列矩阵进行表征生成窗口时序矩阵；S4、将窗口时序矩阵转化为标准非Hermitian矩阵；S5、计算步骤S4获得的矩阵的奇异值等价矩阵；S6、计算步骤S5获得的矩阵的标准积矩阵，得到后续处理中随机矩阵模型分析的标准矩阵。进一步地，所述步骤S2中的时间序列矩阵包括完整的时间序列矩阵和单个电能表的时间序列矩阵。进一步地，所述步骤S2具体为：S21、选取n个电能表作为整体的空间样本，将电能表能采集到的时序数据的相关影响因素维度数量记为v，在某一相关影响因素的维度下，采集采样时刻Ti的数据xn所构成的列向量为xn(Ti)＝[x1,x2,...,xn]T；其中，Ti采样时刻区间根据实际采集需求设定，故在所有相关影响因素的维度下完整的时间序列矩阵表示为S22、对于某一个电能表，v个相关影响维度在Ti采样时刻采集的数据xv所构成的列向量为xv(Ti)＝[x1,x2,...,xv]T；其中，xn(Ti)和xv(Ti)均是相同的基于所有电能表的Ti采样时刻数据，因此xv(Ti)完整时序矩阵即单个电能表的时间序列矩阵可表示为S23、将和用矩阵X代替。进一步地，所述电能表能采集到的时序数据的相关影响因素包括电流相位角、电压相位角、电功率、电压、电流、电能量、频率波动值、功率因素、功率方向和负载电流。进一步地，所述步骤S3中实时分离窗法所采用的移动窗口为w＝iw×jw，其中，iw＝1,2,…,N,jw＝1,2,…,N，将矩阵X生成窗口时序矩阵Xw。进一步地，所述步骤S4具体为：将矩阵Xw中的元素按照以下公式进行标准化处理，得到标准非Hermitian矩阵其中，分别是的平均值和标准差；分别是的平均值和标准差，并且因此得到和的非Hermitian分别为和进一步地，所述步骤S5具体为：根据以下公式计算和的奇异等价矩阵和其中，U为Haar酉矩阵。进一步地，所述步骤S6具体为：根据以下公式计算矩阵积分别得到标准积矩阵为和其中，矩阵积L代表非Hermitian矩阵个数，方差满足σ2(Z)＝1/iw，和将作为随机矩阵模型分析的标准矩阵。本专利技术还提供了一种智能电能表时序数据处理装置，利用上述的一种智能电能表时序数据处理方法，具体包括：数据采集单元，用于针对电能表运行状态整体评估的时序数据进行实时采样；数据处理单元，用于对所述数据采集单元采集的数据进行处理得到后续处理中随机矩阵模型分析的标准矩阵。本专利技术的有益效果是：1、本专利技术首先对电力大数据统一预处理，完成时间序列数据表征；然后采用实时分离窗技术整合时序数据；最后对其计算得到标准积矩阵，时序数据表征完成；上述过程完整展现了针对电能表数据的时序数据表征，为随机矩阵模型构建做好数据准备；2、本专利技术构建了两种随机矩阵模型，分别应用于对整个批次电能表运行状态和单个电能表运行状态的实时评估，因此，从整体到局部全面的对电能表进行时序数据处理和分析，能对电能表运行状态进行有效的实时评估、分析和预测。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术具体实施例所述的一种智能电能表时序数据处理方法的流程示意图；图2为图1中整体电能表某项指标的时序数据矩阵结构示意图；图3为图1中单个电能表各项指标的时间序列矩阵结构示意图。具体实施方式下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只作为示例，而不能以此来限制本专利技术的保护范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，本文档来自技高网...

【技术保护点】
1.一种智能电能表时序数据处理方法，其特征在于：具体包括以下步骤：/nS1、针对电能表运行状态整体评估的时序数据进行实时采样；/nS2、对步骤S1获得的数据进行分析构建时间序列矩阵；/nS3、利用实时分离窗法对时间序列矩阵进行表征生成窗口时序矩阵；/nS4、将窗口时序矩阵转化为标准非Hermitian矩阵；/nS5、计算步骤S4获得的矩阵的奇异值等价矩阵；/nS6、计算步骤S5获得的矩阵的标准积矩阵，得到后续处理中随机矩阵模型分析的标准矩阵。/n

【技术特征摘要】
1.一种智能电能表时序数据处理方法，其特征在于：具体包括以下步骤：
S1、针对电能表运行状态整体评估的时序数据进行实时采样；
S2、对步骤S1获得的数据进行分析构建时间序列矩阵；
S3、利用实时分离窗法对时间序列矩阵进行表征生成窗口时序矩阵；
S4、将窗口时序矩阵转化为标准非Hermitian矩阵；
S5、计算步骤S4获得的矩阵的奇异值等价矩阵；
S6、计算步骤S5获得的矩阵的标准积矩阵，得到后续处理中随机矩阵模型分析的标准矩阵。


2.根据权利要求1所述的一种智能电能表时序数据处理方法，其特征在于：所述步骤S2中的时间序列矩阵包括完整的时间序列矩阵和单个电能表的时间序列矩阵所述步骤。


3.根据权利要求2所述的一种智能电能表时序数据处理方法，其特征在于：所述步骤S2具体为：
S21、选取n个电能表作为整体的空间样本，将电能表能采集到的时序数据的相关影响因素维度数量记为v，设定采样时刻为Ti，n个电能表在Ti采样时刻采集的数据xn所构成的列向量为xn(Ti)，在相关影响因素的维度下，完整的时间序列矩阵表示为



S22、对于某一个电能表，v个相关影响因素维度在Ti采样时刻采集的数据xv所构成的列向量为xv(Ti)，单个电能表的时间序列矩阵表示为



S23、将和用矩阵X代替。


4.根据权利要求3所述的一种智能电能表时序数据处理方法，其特征在于：所述电能表能...

【专利技术属性】
技术研发人员：程瑛颖，杜杰，张家铭，侯兴哲，周全，肖冀，冯凌，胡晓锐，尹心，周建波，魏麟，谭时顺，周峰，胡建明，
申请(专利权)人：国网重庆市电力公司电力科学研究院，国家电网有限公司，
类型：发明
国别省市：重庆;50