一种基于数据增维及随机张量理论的配网台区智能电表运行状态监测方法技术

本发明专利技术公开了一种基于数据增维及随机张量理论的配网台区智能电表运行状态监测方法，该方法包括：采集若干个智能电表的运行数据，其中，所述若干个智能电表位于同一配电网台区；对所述运行数据进行预处理，以提升数据的规范性和可计算性；对所述预处理后的数据进行数据增维，以获得高维数据集；根据所述高维数据集建立智能电表的高维统计分析指标体系和综合感知模型。本发明专利技术通过线性插值法、克罗内克积将低维的样本数据从时间维度、空间维度进行扩充，高效地扩充数据样本量，构造大数据分析工具所需的高维矩阵，对电能表计量特性进行监测。监测。监测。

【技术实现步骤摘要】
一种基于数据增维及随机张量理论的配网台区智能电表运行状态监测方法


[0001]本专利技术涉及智能电表异常状态感知监测领域，具体涉及一种基于数据增维及随机张量理论的配网台区智能电表运行状态监测方法。

技术介绍

[0002]用电信息采集系统作为客户侧泛在电力物联网的主要载体已具备一定的规模，建立了用户级的信息交互系统，除基本功能应用外，先后开展了事件记录全采集、计量装置在线监测与智能诊断、台区停电信息上报等各类深化应用，在计量装置运行、监控、管理等方面初见成效。智能电能表作为用电信息采集系统的末端元件，是客户侧泛在电力物联网感知层重要的感知单元，建立起电力企业与用户的直接联系。
[0003]然而，智能电能表现场运行状态有效监控一直是营销计量专业急需解决的技术难题，尤其是电能表计量误差、时钟异常等关系到计量计费的问题，不仅影响到计量的公平公正，还将直接影响后续的数据处理、分析甚至决策。现阶段，智能电能表失准更换和状态更换在全市范围内开展应用，如何保证电能表后续运行时计量性能和功能的准确性是目前急需解决的问题。目前，通过居民申校、拆回试验、采集系统数据挖掘等手段初步实现了智能电能表故障的机理分析，但造成电能表计量性能偏差的原因多种多样，如窃电、元器件失效、环境温度影响等，通过现有低维的数据分析很难找到问题的本质。本项目在机理分析的基础上，深层挖掘统计信息，构建用户、台区与配电网的三级交互综合体感知数据模型，研究数据模型相应的分析理论和算法，在高维空间对计量特性进行监控、分析和评估，实现智能电能表计量监测统计特性分析及评估，能够更好的支撑电能表失准更换和状态更换工作的开展。

技术实现思路

[0004]本专利技术的目的在于提供一种基于数据增维及随机张量理论的配网台区智能电表运行状态监测方法，使基于数据增维及随机张量理论的配网台区智能电表运行状态监测方法的连接更加可靠，分段位置附加质量轻，便于工厂生产和风场现场操作。
[0005]为了达到上述目的，本专利技术采用的技术方案如下：
[0006]一种基于数据增维及随机张量理论的配网台区智能电表运行状态监测方法，该方法包括：
[0007]采集若干个智能电表的运行数据，其中，所述若干个智能电表位于同一配电网台区；
[0008]对所述运行数据进行预处理，以提升数据的规范性和可计算性；
[0009]对所述预处理后的数据进行数据增维，以获得高维数据集；
[0010]根据所述高维数据集建立智能电表的高维统计分析指标体系和综合感知模型。
[0011]进一步地，所述预处理包括离群点去除、噪声消除、归一化处理。
[0012]进一步地，所述离群点采用移动窗口法去除，计算窗口数据的张量版样本协方差矩阵以及协方差矩阵的特征值，并与随机矩阵理论的Marchenko
‑
Pastur Law(马尔琴科
·
帕斯图尔定律)和Ring Law(单环定律)的特征值概率分布函数对比，均用于描述矩阵的特征值经验谱分布规律，判断是否存在离群点。
[0013]进一步地，所述运行数据的采样周期为1小时。
[0014]进一步地，所述数据增维包括在时间维度上的增维，利用线性插值法将采样周期为1小时的数据扩充至时间间隔为0.25小时的数据集，将数据在时间维度上的密度和采样数量扩充至原来的4倍，为高维统计分析计算奠定基础。
[0015]进一步地，所述数据增维包括在样本空间维度上采样克罗内克积的方式将数据从低维度扩充至高维度，以实现张量版高维统计分析工具在低观测数据上的应用。
[0016]与现有技术相比，本专利技术至少具有以下优点之一：
[0017]本专利技术通过线性插值法、克罗内克积将低维的样本数据从时间维度、空间维度进行扩充，高效地扩充数据样本量，构造大数据分析工具所需的高维矩阵，对电能表计量特性进行监测。
附图说明
[0018]图1为本专利技术一实施例中基于数据增维及随机张量理论的配网台区智能电表运行状态监测方法的结构示意图。
具体实施方式
[0019]以下结合附图1和具体实施方式对本专利技术作进一步详细说明。根据下面说明，本专利技术的优点和特征将更清楚。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本专利技术实施方式的目的。为了使本专利技术的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
能涵盖的范围内。
[0020]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、基于数据增维及随机张量理论的配网台区智能电表运行状态监测方法、物品或者现场设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、基于数据增维及随机张量理论的配网台区智能电表运行状态监测方法、物品或者现场设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、基于数据增维及随机张量理论的配网台区智能电表运行状态监测方法、物品或者现场设备中还存在另外的相同要素。
[0021]请参阅图1所示，本实施例提供的一种基于数据增维及随机张量理论的配网台区
智能电表运行状态监测方法，该方法包括：
[0022]采集P个智能电表在M个时刻的运行数据，其中，所述若干个智能电表位于同一配电网台区；
[0023]对所述运行数据进行预处理，以提升数据的规范性和可计算性；
[0024]对所述预处理后的数据进行数据增维，以获得高维数据集；
[0025]根据所述高维数据集建立智能电表的高维统计分析指标体系和综合感知模型。
[0026]高维统计分析指标体系：矩阵的线性特征值统计量(LES)指标体系，可设计连续测试函数反映矩阵的统计特性，表征电表运行状态，其中λ为矩阵的特征值。
[0027]综合感知模型：一个抽象概念，可以理解为通过数据建模(随机张量模型、统计指标体系等)对电表进行状态感知。
[0028]本实施例中，所述预处理包括离群点去除、噪声消除、归一化处理。
[0029]本实施例中，所述离群点采用移动窗口法去除，计算窗口数据的张量版样本协方差矩阵以及协方差矩阵的特征值，并与随机矩阵理论的Marchenko
‑
Pastur Law(马尔琴科
·
帕斯图尔定律)和Ring Law(单环定律)的特征值概率分布函数对比，判断是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据增维及随机张量理论的配网台区智能电表运行状态监测方法，其特征在于，该方法包括：采集若干个智能电表的运行数据，其中，所述若干个智能电表位于同一配电网台区；对所述运行数据进行预处理，以提升数据的规范性和可计算性；对所述预处理后的数据进行数据增维，以获得高维数据集；根据所述高维数据集建立智能电表的高维统计分析指标体系和综合感知模型。2.如权利要求1所述的基于数据增维及随机张量理论的配网台区智能电表运行状态监测方法，其特征在于，所述预处理包括离群点去除、噪声消除、归一化处理。3.如权利要求2所述的基于数据增维及随机张量理论的配网台区智能点表运行状态监测方法，其特征在于，所述离群点采用移动窗口法去除，计算窗口数据的张量版样本协方差矩阵以及协方差矩阵的特征值，并与随机矩阵理论的马尔琴科
·
...

【专利技术属性】
技术研发人员：王新刚，贺兴，江剑峰，艾芊，赵舫，张冲，陈金涛，朱文君，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：