基于时间序列的电气安全监测方法和系统技术方案

本发明专利技术提供一种基于时间序列分析和预测算法的电气安全监测方法和系统，涉及电气监测数据处理技术领域。本发明专利技术通过在电气安全实时监测领域引入统计学、人工智能领域成熟的时序预测方法，实现运用电气实时监测数据对实际电气运行状态进行预测，并在预测基础上进行科学有效的预警，以预测预警作为阈值报警的补充，增强电气安全监测技术的适用性；同时，电气安全监测预警参数基本实现了自动设置且不断自动调优，相对依赖电气专家人工设置阈值参数进行预警的电气安全监测技术，降低了运维工作的难度和工作量。

Electrical safety monitoring method and system based on time series

【技术实现步骤摘要】
基于时间序列的电气安全监测方法和系统
本专利技术涉及电气监测数据处理
，具体涉及一种基于时间序列的电气安全监测方法和系统。
技术介绍
电气安全监测是电力系统正常运行不可缺少的组成部分，从监测目的可分为实时电能测量、电气安全监测和新兴的平台化智能综合监测，但随着电气安全监测要求的逐步提高和智能综合监测技术的发展，电气安全监测融合电能测量，再集成到智能综合监测平台的融合趋势逐渐明显。现有的电气安全监测只对实时监测数据进行阈值比较一种处理，要么比较后直接报警或启动保护动作，要么再人为定义若干种“数据状态”，将实时监测数据进入和退出“某状态”作为事件，对某些事件做报警。然而，人为定义的“报警阈值”和“数据状态”难以适用于各不相同的实际监测场景，必然导致适用性差，只能在很窄的领域应用，即现有的电气安全监测方法适用性差。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了一种基于时间序列的电气安全监测方法和系统，解决了现有的电气安全监测方法适用性差的技术问题。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：本专利技术提供了一种基于时间序列的电气安全监测方法，包括以下步骤：S1、获取电气安全监测指标的监测值，所述监测值按行业标准规定的阈值范围和报警方式进行阈值报警，电气安全监测指标的衍生参数实测值构成的时间序列记为Xi，设置预测时段时长为T，第N个时段结束时刻，用时序预测算法L(·)处理前N个时段的Xi，得到第N+1时段的预测值时间序列Xi’；S2、持续监测至N+1时段结束时刻，得到第N+1时段的衍生参数实测值构成的时间序列Xi”，将Xi”加在前N个时段的Xi末尾，得到前N+1个时段的Xi；S3、基于第N+1时段Xi”与Xi’的差别修正时序预测算法的参数，并以修正后的时序预测算法L’(·)处理前N+1个时段的Xi，得到第N+2时段的预测值时间序列Xi’；S4、迭代步骤S1～S3，得到参数不断自动调优的时序预测算法L(·)和不断更新的时间序列Xi与Xi’；S5、设置事件规则库P处理时间序列Xi与Xi’，基于Xi生成的事件称预警事件，对预警事件进行预警；基于Xi和Xi’生成的事件称预测事件，设每隔预测时间段预测事件次数构成的时间序列为Mi；S6、以处理Xi的方法处理Mi，得到参数不断自动调优的时间序列预测算法和不断更新的时间序列Mi和Mi’，设置事件规则库Q处理Mi和Mi’，得到二阶预警事件，对二阶预警事件进行预警。优选的，所述电气安全监测指标的监测值包括剩余电流；所述电气安全监测指标的衍生参数实测值包括基波剩余电流有效值的日均值。优选的，所述时序预测算法L(·)包括：ARIMA模型。优选的，步骤S3具体为：S301、基于扩展卡尔曼滤波算法处理第N+1时间的Xi”正态分布和Xi’正态分布，得到控制函数Φ，S302、用控制函数Φ修正实测值数列Xi”并据此更新数列Xi，并生成更新后数列Xi的ACF函数和PACF函数；S303、判定更新后数列Xi的ACF函数和PACF函数拖尾和截尾情况，据此更新ARIMA模型的的参数p、d和q的取值；S304、由更新后的ARIMA模型生成N+2时段的预测值时间序列Xi’。优选的，所述事件规则库P包括：实测值超出区间A1时生成预警事件，对预警事件进行预警，A1按行业标准要求设定；预测值超出区间A2时生成预测事件，统计每月预测事件发生次数，据此构成相应的时间序列，A2按以下方式自动生成并调优：做数列Xi的STL分解，得到Xi的周期性数列Xi1、趋势性数列Xi2、随机扰动数列Xi3；从数列Xi1中提取周期参数t，从数列Xi2中提取趋势参数d，从数列Xi3中提取扰动参数r；将数列Xi按周期参数t分段，每段取中位数M，均值E，方差D；用以下规则定义稳态开始事件和稳态终止事件：A、第n+1分段D小于r，且相对第n分段M、E的变化率中绝对值较小值与d同正负时小于d的，或与d不同正负时绝对值小于d绝对值的1/10时，发生稳态开始事件；B、第n+1分段相对第n分段M、E的变化率中绝对值较大值大于d绝对值大于d时，发生稳态终止事件；C、连续发生的稳态开始事件后一个不计，连续发生的稳态终止事件后一个不计；定义最近m个(m为敏感度参数可在1-10间人为设定)稳态开始事件到稳态终止事件的时段中数列Xi的极大值Xmax与极小值Xmin组成的区间为A2。优选的，所述事件规则库Q包括：当每月预警事件预测发生次数超出区间A3，生成二阶预警事件，A3按以下方式自动生成并调优：做数列Mi的STL分解，得到Mi的周期性数列Mi1、趋势性数列Mi2、随机扰动数列Mi3；从数列Mi1中提取周期参数t，从数列Mi2中提取趋势参数d，从数列Mi3中提取扰动参数r；将数列Mi按周期参数t分段，每段取中位数M，均值E，方差D；用以下规则定义稳态开始事件和稳态终止事件：A、第n+1分段D小于r，且相对第n分段M、E的变化率中绝对值较小值与d同正负时小于d的，或与d不同正负时绝对值小于d绝对值的1/10时，发生稳态开始事件；B、第n+1分段相对第n分段M、E的变化率中绝对值较大值大于d绝对值大于d时，发生稳态终止事件；C、连续发生的稳态开始事件后一个不计，连续发生的稳态终止事件后一个不计；定义最近m个稳态开始事件到稳态终止事件的时段中数列Mi的极大值Mmax与极小值Mmin组成的区间为A3。本专利技术还提供一种基于时间序列的电气安全监测系统，所述系统包括计算机，所述计算机包括：至少一个存储单元；至少一个处理单元；其中，所述至少一个存储单元中存储有至少一条指令，所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤：S1、获取电气安全监测指标的监测值，所述监测值按行业标准规定的阈值范围和报警方式进行阈值报警，电气安全监测指标的衍生参数实测值构成的时间序列记为Xi，设置预测时段时长为T，第N个时段结束时刻，用时序预测算法L(·)处理前N个时段的Xi，得到第N+1时段的预测值时间序列Xi’；S2、持续监测至N+1时段结束时刻，得到第N+1时段的衍生参数实测值构成的时间序列Xi”，将Xi”加在前N个时段的Xi末尾，得到前N+1个时段的Xi；S3、基于第N+1时段Xi”与Xi’的差别修正时序预测算法的参数，并以修正后的时序预测算法L’(·)处理前N+1个时段的Xi，得到第N+2时段的预测值时间序列Xi’；S4、迭代步骤S1～S3，得到参数不断自动调优的时序预测算法L(·)和不断更新的时间序列Xi与Xi’；S5、设置事件规则库P处理时间序列Xi与Xi’，基于Xi生成的事件称预警事件，对预警事件进行预警；基于Xi和Xi’生成的事件称预测事件，设每隔预测时间段预测事件次数构成的时间序列为Mi；S6本文档来自技高网...

【技术保护点】
1.一种基于时间序列的电气安全监测方法，其特征在于，包括以下步骤：/nS1、获取电气安全监测指标的监测值，所述监测值按行业标准规定的阈值范围和报警方式进行阈值报警，电气安全监测指标的衍生参数实测值构成的时间序列记为Xi，设置预测时段时长为T，第N个时段结束时刻，用时序预测算法L(·)处理前N个时段的Xi，得到第N+1时段的预测值时间序列Xi’；/nS2、持续监测至N+1时段结束时刻，得到第N+1时段的衍生参数实测值构成的时间序列Xi”，将Xi”加在前N个时段的Xi末尾，得到前N+1个时段的Xi；/nS3、基于第N+1时段Xi”与Xi’的差别修正时序预测算法的参数，并以修正后的时序预测算法L’(·)处理前N+1个时段的Xi，得到第N+2时段的预测值时间序列Xi’；/nS4、迭代步骤S1～S3，得到参数不断自动调优的时序预测算法L(·)和不断更新的时间序列Xi与Xi’；/nS5、设置事件规则库P处理时间序列Xi与Xi’，基于Xi生成的事件称预警事件，对预警事件进行预警；基于Xi和Xi’生成的事件称预测事件，设每隔预测时间段预测事件次数构成的时间序列为Mi；/nS6、以处理Xi的方法处理Mi，得到参数不断自动调优的时间序列预测算法和不断更新的时间序列Mi和Mi’，设置事件规则库Q处理Mi和Mi’，得到二阶预警事件，对二阶预警事件进行预警。/n...

【技术特征摘要】
1.一种基于时间序列的电气安全监测方法，其特征在于，包括以下步骤：
S1、获取电气安全监测指标的监测值，所述监测值按行业标准规定的阈值范围和报警方式进行阈值报警，电气安全监测指标的衍生参数实测值构成的时间序列记为Xi，设置预测时段时长为T，第N个时段结束时刻，用时序预测算法L(·)处理前N个时段的Xi，得到第N+1时段的预测值时间序列Xi’；
S2、持续监测至N+1时段结束时刻，得到第N+1时段的衍生参数实测值构成的时间序列Xi”，将Xi”加在前N个时段的Xi末尾，得到前N+1个时段的Xi；
S3、基于第N+1时段Xi”与Xi’的差别修正时序预测算法的参数，并以修正后的时序预测算法L’(·)处理前N+1个时段的Xi，得到第N+2时段的预测值时间序列Xi’；
S4、迭代步骤S1～S3，得到参数不断自动调优的时序预测算法L(·)和不断更新的时间序列Xi与Xi’；
S5、设置事件规则库P处理时间序列Xi与Xi’，基于Xi生成的事件称预警事件，对预警事件进行预警；基于Xi和Xi’生成的事件称预测事件，设每隔预测时间段预测事件次数构成的时间序列为Mi；
S6、以处理Xi的方法处理Mi，得到参数不断自动调优的时间序列预测算法和不断更新的时间序列Mi和Mi’，设置事件规则库Q处理Mi和Mi’，得到二阶预警事件，对二阶预警事件进行预警。


2.如权利要求1所述的基于时间序列的电气安全监测方法，其特征在于，所述电气安全监测指标的监测值包括剩余电流；所述电气安全监测指标的衍生参数实测值包括基波剩余电流有效值的日均值。


3.如权利要求1所述的基于时间序列的电气安全监测方法，其特征在于，所述时序预测算法L(·)包括：ARIMA模型。


4.如权利要求1所述的基于时间序列的电气安全监测方法，其特征在于，步骤S3具体为：
S301、基于扩展卡尔曼滤波算法处理第N+1时间的Xi”正态分布和Xi’正态分布，得到控制函数Φ，
S302、用控制函数Φ修正实测值数列Xi”并据此更新数列Xi，并生成更新后数列Xi的ACF函数和PACF函数；
S303、判定更新后数列Xi的ACF函数和PACF函数拖尾和截尾情况，据此更新ARIMA模型的的参数p、d和q的取值；
S304、由更新后的ARIMA模型生成N+2时段的预测值时间序列Xi’。


5.如权利要求1所述的基于时间序列的电气安全监测方法，其特征在于，所述事件规则库P包括：
实测值超出区间A1时生成预警事件，对预警事件进行预警，A1按行业标准要求设定；预测值超出区间A2时生成预测事件，统计每月预测事件发生次数，据此构成相应的时间序列，A2按以下方式自动生成并调优：
做数列Xi的STL分解，得到Xi的周期性数列Xi1、趋势性数列Xi2、随机扰动数列Xi3；
从数列Xi1中提取周期参数t，从数列Xi2中提取趋势参数d，从数列Xi3中提取扰动参数r；
将数列Xi按周期参数t分段，每段取中位数M，均值E，方差D；用以下规则定义稳态开始事件和稳态终止事件：
A、第n+1分段D小于r，且相对第n分段M、E的变化率中绝对值较小值与d同正负时小于d的...

【专利技术属性】
技术研发人员：许浒，
申请(专利权)人：安徽先兆科技有限公司，
类型：发明
国别省市：安徽;34