一种适于无人值守低压柜的监控方法和系统技术方案

本发明专利技术公开了一种适于无人值守低压柜的监控方法，采用低压柜的用能数据对用电单元的用能数据进行缺失数据补充和去噪处理，结合用能设备样本序列特征，得到每个用电单元对应的用能设备的工作状态，综合区域内低压柜的用电数据得到区域内的用能环境数据，再结合每个用电单元对应的用能设备的工作状态，对每个低压柜的每条出线回路的用能数据进行分析，以获取更加精确的用能趋势分析结果和异常类型；根据不同的异常等级调整对应出线回路的采样频率，平衡采样功耗和监控强度，针对异常线路获取更加精细的用能设备信息，并以此为基础得到精确度更高的预测分析结果，提高了接收数据中有效数据的比例，运算更具针对性。

【技术实现步骤摘要】
一种适于无人值守低压柜的监控方法和系统
本专利技术涉及低压柜监控
，具体而言涉及一种适于无人值守低压柜的监控方法和系统。
技术介绍
在当前大力推广电力改革的情况下，用电量预测对于用户购电决策有重要作用，同时也为各类相关管理部门提供有效的管理支撑。另外，供电公司为了满足用电单位高峰时用电的需求，通常会提升的发电能力来满足潜在的峰值需求，对未来用电量进行预测，有利于发电厂以及供电网络制定合理的发电、输电计划，减少电力资源的浪费，尤其是绿色能源得到大力发展的今天。目前的用电量预测多是基于单个对象进行，例如针对供电公司需求，结合输电线路的用能数据进行区域内的用电预测；或者针对用户需求基于智能电表的用电量数据，采用神经网络模型(如GRU网络)进行短期用电量预测。然而，前者预测粒度过大，偏差大，为了确保顺利供电，需要预留较大的容错空间；后者由于智能收集的用电量数据存在信道环境恶劣和信号易受干扰的问题，造成采集数据缺失、波动性强以及有效特征不明显等性质，预测结果也不够准确。电力作为现代社会不可缺少的必须品，其中低压用电是最为普遍的电压等级，低压成套开关设备就是在低压供电系统中负责完成电能控制、保护、转换和分配使用最广泛的电气设备。在具体应用过程中，每条线路均具有异常切断功能，而通过对低压柜进行开关控制以避免造成更大的损失也是目前常用的一种手段。为了提高低压柜的监控效率和成本节约，目前低压柜无人值守化的趋势越专利技术显，对低压柜的用能数据进行准确分析和趋势预测的需求也越来越高。另外，低压柜的用能数据作为承上启下的中间数据，对于用能分析和用能预测具有极其重要的意义。而目前尚无一种方法，能够有效综合低压柜和智能电表的采样数据，对低压柜中每条出线回路的用能数据进行准确分析和趋势分析，同时为用户和供电公司提供精度更高的分析预测服务。
技术实现思路
本专利技术针对现有技术中的不足，提供一种适于无人值守低压柜的监控方法和系统，采用低压柜的用能数据对用电单元的用能数据进行缺失数据补充和去噪处理，结合用能设备样本序列特征，得到每个用电单元对应的用能设备的工作状态，综合区域内低压柜的用电数据得到区域内的用能环境数据，再结合每个用电单元对应的用能设备的工作状态，对每个低压柜的每条出线回路的用能数据进行分析，以获取更加精确的用能趋势分析结果和异常类型；根据不同的异常等级调整对应出线回路的采样频率，平衡采样功耗和监控强度，针对异常线路获取更加精细的用能设备信息，并以此为基础得到精确度更高的预测分析结果，提高了接收数据中有效数据的比例，运算更具针对性。为实现上述目的，本专利技术采用以下技术方案：一种适于无人值守低压柜的监控方法，所述监控方法包括以下步骤：S1，构建区域内所有低压柜的出线回路与其对应的所有用电单元的拓扑关系网络；S2，按照预设的采样频率周期性采集每个低压柜内的所有出线回路的用能数据，每个出线回路具有独立可调的采样频率；S3，实时/周期性采集每个用电单元对应的智能电表的用能数据，智能电表的采样频率大于低压柜内所有出线回路的采样频率；S4，拟合所有低压柜内的每个出线回路的用能数据的变化曲线，以拟合得到的变化曲线为基准，对每个出线回路对应的所有用电单元的用能数据进行缺失数据补充和去噪处理；S5，将去噪后的每个用电单元的用能数据导入预先训练的电量分解模型，得到每个用电单元对应的用能设备的用电量数据；所述电量分解模型采用去噪后的用电单元样本用电总量对应的序列数据和各个用能设备的样本用能数据进行训练得到；S6，结合每个低压柜内的每个出线回路的用能数据、对应的用电单元所包含的用能设备的用电量数据以及区域内的用能环境数据，采用预先训练的用能分析模块对所有低压柜的每个出线回路的用能数据进行分析，计算其变化趋势，以及判断其是否异常以及对应的异常类型和异常等级，根据异常等级调整对应出线回路的采样频率。为优化上述技术方案，采取的具体措施还包括：进一步地，步骤S4中，所述对每个出线回路对应的所有用电单元的用能数据进行补充的过程包括以下步骤：查找每个用电单元的用能数据中的缺失数据对应的时间点，结合在每个时间点用电单元所属的低压柜用能数据和同属一个低压柜的其他用电单元的用能数据，计算得到当前时间点的缺失数据之和：(1)如果在其中一个时间点只有一个用电单元的用能数据有缺失，根据下述公式计算得到该用电单元缺失的用能数据：式中，Pi(t)是第i个用电单元在t时刻缺失的用能数据，Q(t)是第i个用电单元所属的低压柜在t时刻的用能数据，m是第i个用电单元所属的低压柜包含的用电单元总数；(2)如果在其中一个时间点有多个用电单元的用能数据有缺失，根据下述公式计算得到每个用电单元缺失的用能数据：式中，所述τ是一个用电单元的用能数据采集周期时长；(3)如果多个用电单元的用能数据均在连续两个或者多个采集周期内缺失数据，将每个用电单元的连续两个或多个缺失数据视为一个整体，进行补充计算，得到每个用电单元连续缺失数据之和，再根据前后K个采样数据进行多项式拟合，得到每个缺失数据。进一步地，步骤S4中，所述对每个出线回路对应的所有用电单元的用能数据进行去噪处理的过程包括以下步骤：S41，拟合所有低压柜内的每个出线回路的用能数据的变化曲线，查找其中幅值超过预设幅值阈值的第一尖峰信号；所述尖峰信号的持续时长小于用电单元的采样周期；S42，拟合每个用电单元的用能数据的变化曲线，查找每个用电单元的用能曲线的第二尖峰信号和对应的采样周期；S43，以时间为基准，构建第一尖峰信号和第二尖峰信号的对应关系；S44，选取其中一个第一尖峰信号，判断与其对应的第二尖峰信号的数量是否超过预设数量阈值，如果是，根据下述公式削减与之对应的每个用电单元的用能曲线上的第二尖峰信号的幅值：式中，P′x(t)是第x个用电设备的削减后的第二尖峰信号幅值，β是第一尖峰信号的削减比例因子，Px(t)是第x个用电设备的原始第二尖峰信号幅值；否则，对与之对应的每个用电单元的用能曲线上的第二尖峰信号作平滑处理；S45，重复步骤S44，直至完成对每个第一尖峰信号的处理过程。进一步地，所述电量分解模型的构建过程包括以下步骤：S51，采集智能电表用电数据和各设备运行状态信息的时序信息；所述智能电表用电数据包括总用电量、有功功率、无功功率、电压、电流在内的各种物理量数据；S52，预处理所有数据，包括去除其中的无效数据和对数据做增强处理；S53，对智能电表用电数据进行去噪处理；S54，通过依次滑动一个时间步长来获得一定量的训练窗口，提取每个训练窗口内的属于特征状态的用电数据序列，将每个训练窗口的总用电量序列和对应的属于特征状态的用电数据序列作为输入，以每个训练窗口的各个用能设备的开关状态作为输出，创建一定量的训练样本数据；S55，采用神经网络模型构建电量分解模型，采用训练样本数据对构建的电量分解模型进行训练和测试。本文档来自技高网...

【技术保护点】
1.一种适于无人值守低压柜的监控方法，其特征在于，所述监控方法包括以下步骤：/nS1，构建区域内所有低压柜的出线回路与其对应的所有用电单元的拓扑关系网络；/nS2，按照预设的采样频率周期性采集每个低压柜内的所有出线回路的用能数据，每个出线回路具有独立可调的采样频率；/nS3，实时/周期性采集每个用电单元对应的智能电表的用能数据，智能电表的采样频率大于低压柜内所有出线回路的采样频率；/nS4，拟合所有低压柜内的每个出线回路的用能数据的变化曲线，以拟合得到的变化曲线为基准，对每个出线回路对应的所有用电单元的用能数据进行缺失数据补充和去噪处理；/nS5，将去噪后的每个用电单元的用能数据导入预先训练的电量分解模型，得到每个用电单元对应的用能设备的用电量数据；所述电量分解模型采用去噪后的用电单元样本用电总量对应的序列数据和各个用能设备的样本用能数据进行训练得到；/nS6，结合每个低压柜内的每个出线回路的用能数据、对应的用电单元所包含的用能设备的用电量数据以及区域内的用能环境数据，采用预先训练的用能分析模块对所有低压柜的每个出线回路的用能数据进行分析，计算其变化趋势，以及判断其是否异常以及对应的异常类型和异常等级，根据异常等级调整对应出线回路的采样频率。/n...

【技术特征摘要】
1.一种适于无人值守低压柜的监控方法，其特征在于，所述监控方法包括以下步骤：
S1，构建区域内所有低压柜的出线回路与其对应的所有用电单元的拓扑关系网络；
S2，按照预设的采样频率周期性采集每个低压柜内的所有出线回路的用能数据，每个出线回路具有独立可调的采样频率；
S3，实时/周期性采集每个用电单元对应的智能电表的用能数据，智能电表的采样频率大于低压柜内所有出线回路的采样频率；
S4，拟合所有低压柜内的每个出线回路的用能数据的变化曲线，以拟合得到的变化曲线为基准，对每个出线回路对应的所有用电单元的用能数据进行缺失数据补充和去噪处理；
S5，将去噪后的每个用电单元的用能数据导入预先训练的电量分解模型，得到每个用电单元对应的用能设备的用电量数据；所述电量分解模型采用去噪后的用电单元样本用电总量对应的序列数据和各个用能设备的样本用能数据进行训练得到；
S6，结合每个低压柜内的每个出线回路的用能数据、对应的用电单元所包含的用能设备的用电量数据以及区域内的用能环境数据，采用预先训练的用能分析模块对所有低压柜的每个出线回路的用能数据进行分析，计算其变化趋势，以及判断其是否异常以及对应的异常类型和异常等级，根据异常等级调整对应出线回路的采样频率。


2.根据权利要求1所述的适于无人值守低压柜的监控方法，其特征在于，步骤S4中，所述对每个出线回路对应的所有用电单元的用能数据进行补充的过程包括以下步骤：
查找每个用电单元的用能数据中的缺失数据对应的时间点，结合在每个时间点用电单元所属的低压柜用能数据和同属一个低压柜的其他用电单元的用能数据，计算得到当前时间点的缺失数据之和：
(1)如果在其中一个时间点只有一个用电单元的用能数据有缺失，根据下述公式计算得到该用电单元缺失的用能数据：



式中，Pi(t)是第i个用电单元在t时刻缺失的用能数据，Q(t)是第i个用电单元所属的低压柜在t时刻的用能数据，m是第i个用电单元所属的低压柜包含的用电单元总数；
(2)如果在其中一个时间点有多个用电单元的用能数据有缺失，根据下述公式计算得到每个用电单元缺失的用能数据：



式中，所述τ是一个用电单元的用能数据采集周期时长；
(3)如果多个用电单元的用能数据均在连续两个或者多个采集周期内缺失数据，将每个用电单元的连续两个或多个缺失数据视为一个整体，进行补充计算，得到每个用电单元连续缺失数据之和，再根据前后K个采样数据进行多项式拟合，得到每个缺失数据。


3.根据权利要求1所述的适于无人值守低压柜的监控方法，其特征在于，步骤S4中，所述对每个出线回路对应的所有用电单元的用能数据进行去噪处理的过程包括以下步骤：
S41，拟合所有低压柜内的每个出线回路的用能数据的变化曲线，查找其中幅值超过预设幅值阈值的第一尖峰信号；所述尖峰信号的持续时长小于用电单元的采样周期；
S42，拟合每个用电单元的用能数据的变化曲线，查找每个用电单元的用能曲线的第二尖峰信号和对应的采样周期；
S43，以时间为基准，构建第一尖峰信号和第二尖峰信号的对应关系；
S44，选取其中一个第一尖峰信号，判断与其对应的第二尖峰信号的数量是否超过预设数量阈值，如果是，根据下述公式削减与之对应的每个用电单元的用能曲线上的第二尖峰信号的幅值：



式中，P′x(t)是第x个用电设备的削减后的第二尖峰信号幅值，β是第一尖峰信号的削减比例因子，Px(t)是第x个用电设备的原始第二尖峰信号幅值；
否则，对与之对应的每个用电单元的用能曲线上的第二尖峰信号作平滑处理；
S45，重复步骤S44，直至完成对每个第一尖峰信号的处理过程。


4.根据权利要求1所述的适于无人值守低压柜的监控方法，其特征在于，所述电量分解模型的构建过程包括以下步骤：
S51，采集智能电表用电数据和各设备运行状态信息的时序信息；...

【专利技术属性】
技术研发人员：张元林，林琪，
申请(专利权)人：南京合纵电力设备有限公司，
类型：发明
国别省市：江苏;32