一种基于BP神经网络算法的配变重过载数据治理方法技术

一种基于BP神经网络算法的配变重过载数据治理方法，其包括获取台账数据，启动重过载数据校验机制，检查计量数据与台账数据是否匹配，过滤数据库中不匹配数据，如果数据匹配，检查重过载异常数据，连入数据库接口提取异常数据和报警信息特征，报警信息特征主成分分析PCA，线性判别分析LDA，奇异值分辨提取因子SVD,分类算法将报警信息特征分类。从数据质量检查、数据真实性校验和数据修正三个步骤实现配变重过载数据的治理，提高了数据质量，对配变判断重过载提供了可靠性较高的依据。

【技术实现步骤摘要】
一种基于BP神经网络算法的配变重过载数据治理方法
本专利技术涉及电网数据治理方法，特别指一种基于BP神经网络算法的配变重过载数据治理方法。
技术介绍
由于计算配变的数据质量不高，不但异常报警数多，存在许多漏报和误报的情况，通过分析影响配变重过载发生的因素，造成以上数据不准确的原因有：变户关系交叉互换，导致配电变压器变比、容量等信息错误；用户侧设备更新，而计量系统或营销系统中的配电变压器变比数据未及时同步或填写不规范；由于计费原因不能同步更新，直接影响PQIU等量测数据计算；设备现场出现问题，部分异常疑似与用户负荷特性有关。
技术实现思路
本专利技术是一种基于BP神经网络算法的配变重过载数据治理方法，本专利技术从数据质量检查、数据真实性校验和数据修正三个方面着手，实现提高数据质量，降低漏告警和误告警的次数。数据质量检查从时间、设备、报警和严重程度四个维度进行质量检查。在数据校验和数据修正阶段，引入BP神经网络算法，实现数据质量的提高。本专利技术具体流程，首先获取XX省海量平台计量数据和获取XX省海量平台台账数据，启动重过载数据校验机制。检查计量数据与台账数据是否匹配，过滤数据库中不匹配数据，如果数据匹配，检查重过载异常数据，连入数据库接口提取异常数据和报警信息特征(主成分分析PCA，线性判别分析LDA，奇异值分辨提取因子SVD),分类算法将报警信息特征分类。利用户变关系交叉互换计算母线平衡关系式解决户变关系一对多，多对一，多对多情况，利用数据校验机制验证两端数据完整性与一致性解决用户测经理数据与量测数据不匹配。根据变比，变压器一/二次侧转换计算识别变压器故障。接着利用神经网络分类重过载信息，初始化神经网络与权值，计算中间各层单元的输入与输出，计算输出层各单元的输入与输出，判断误差是否小于阈值，如果小于阈值，调整中间层与输出层连接权值与输出阈值，如果不小于阈值，调整学习速率并更新学习次数，输出分类判别结果。综合判别重过载信息是否误报，如果误报，记录误差原因，并删除误报条目，如果没有误报，检查系统是否限值设置错误，记录错误限值，并重新调整限值，并返回检查重过载异常数据。一、数据质量检查提取重过载报警数据，校验警报信息的完整性，包括报警数据的时间、地点、设备编号、报警类型与严重程度。时间信息需要检查报警时间是否缺失。报警地点与报警设备线路需要相匹配，报警设备编号与台账数据信息需要匹配等。报警类型提取确认，查看是否存在明显误报信息。报警信息严重程度通过计量数据计算过载率核查，判断报警结果是否正确。二、数据校验引入BP(BackPropagation)网络，它是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入和输出模式映射关系，而不需要提前描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。Y＝Φ(W(m-1)'Φ(...Φ(W1'X)))其中Φ为激活函数，即sigmoid函数，当重过载告警信息出现时，获取告警点的设备容量S0,记录告警点的当前时刻及前n个历史时刻的电压V、电流I、有功P、无功Q，构成如下：X＝[S0,V0,V1,...,Vn,I0,I1,...,In,P0,P1,...,Pn,Q0,Q1,...,Qn],X是向量，同时记录手工排查得出的是否误报的结论Y，使用大量(X,Y)数据对训练神经网络对于每一个W＝[Wij,new＝Wij,current+ηδjxij]，其中xij表示节点j的第i个输入。并有使用大量数据训练之后，神经网络对于一组输入X，即自动输出Y。三、数据修正利用数据真实性校验已训练的神经网络异常数据分类器，输入一段时间内报警信息，得到误报分类信息。设置误报警条数阈值，根据误报设备将误报数据分类，如果特定段时间内误报警条数超过阈值，则认定该设备存在误报原因，应记录错误报告书并现场指导排查和修正。本专利技术的有益效果为：本专利技术引入BP神经网络算法，从数据质量检查、数据真实性校验和数据修正三个步骤实现配变重过载数据的治理，提高了数据质量，对配变判断重过载提供了可靠性较高的依据。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术数据真实性校验BP神经网络模型；图2为本专利技术数据真实性校验流程图；图3为本专利技术数据修正流程图。具体实施方式以下通过具体的实施案例以及附图说明对本专利技术作进一步详细的描述，应理解这些实施例仅用于说明本专利技术而不用于限制本专利技术的保护范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定。若无特殊说明，本专利技术的所有原料和试剂均为常规市场的原料、试剂。如图1-3中所示，本专利技术是一种基于BP神经网络算法的配变重过载数据治理方法，本专利技术从数据质量检查、数据真实性校验和数据修正三个方面着手，实现提高数据质量，降低漏告警和误告警的次数。数据质量检查从时间、设备、报警和严重程度四个维度进行质量检查。在数据校验和数据修正阶段，引入BP神经网络算法，实现数据质量的提高。本专利技术具体流程，首先获取XX省海量平台计量数据和获取XX省海量平台台账数据，启动重过载数据校验机制。检查计量数据与台账数据是否匹配，过滤数据库中不匹配数据，如果数据匹配，检查重过载异常数据，连入数据库接口提取异常数据和报警信息特征(主成分分析PCA，线性判别分析LDA，奇异值分辨提取因子SVD),分类算法将报警信息特征分类。利用户变关系交叉互换计算母线平衡关系式解决户变关系一对多，多对一，多对多情况，利用数据校验机制验证两端数据完整性与一致性解决用户测经理数据与量测数据不匹配。根据变比，变压器一/二次侧转换计算识别变压器故障。接着利用神经网络分类重过载信息，初始化神经网络与权值，计算中间各层单元的输入与输出，计算输出层各单元的输入与输出，判断误差是否小于阈值，如果小于阈值，调整中间层与输出层连接权值与输出阈值，如果不小于阈值，调整学习速率并更新学习次数，输出分类判别结果。综合判别重过载信息是否误报，如果误报，记录误差原因，并删除误报条目，如果没有误报，检查系统是否限值设置错误，记录错误限值，并重新调整限值，并返回检查重过载异常数据。二、数据质量检查提取重过载报警数据，校验警报信息的完整性，包括报警数据的时间、地点、设备编号、报警类型与严重程度。时间信息需要检查报警时间是否缺失。报警地点与报警设备线路需要相匹配，报警设备编号与台账数据信息需要匹配等。报警类型提取确认本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络算法的配变重过载数据治理方法，其特征在于，包括获取台账数据，启动重过载数据校验机制，检查计量数据与台账数据是否匹配，过滤数据库中不匹配数据，如果数据匹配，检查重过载异常数据，连入数据库接口提取异常数据和报警信息特征，报警信息特征主成分分析PCA，线性判别分析LDA，奇异值分辨提取因子SVD，分类算法将报警信息特征分类。/n

【技术特征摘要】
1.一种基于BP神经网络算法的配变重过载数据治理方法，其特征在于，包括获取台账数据，启动重过载数据校验机制，检查计量数据与台账数据是否匹配，过滤数据库中不匹配数据，如果数据匹配，检查重过载异常数据，连入数据库接口提取异常数据和报警信息特征，报警信息特征主成分分析PCA，线性判别分析LDA，奇异值分辨提取因子SVD，分类算法将报警信息特征分类。


2.根据权利要求1所述的数据治理方法，其特征在于：从数据质量检查、数据真实性校验和数据修正三个方面着手，实现提高数据质量，降低漏告警和误告警的次数，数据质量检查从时间、设备、报警和严重程度四个维度进行质量检查，在数据校验和数...

【专利技术属性】
技术研发人员：李保平，谢超，王辉，尉建兴，
申请(专利权)人：广州汇通国信科技有限公司，
类型：发明
国别省市：广东;44