电力数据处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种电力数据处理方法、装置、计算机设备和存储介质。所述方法包括：获取变电站二次系统数据，并基于固定时间间隔进行分组，得到多组待处理数据；对各待处理数据分别基于信息熵特性进行特征预筛选得到多组第一数据：建立反映了第一数据和第二数据间的关联关系动态线性化数据模型，并求解模型的线性化系数得到转换矩阵，基于转换矩阵对各组第一数据分别进行降维处理，得到多组第二数据；基于每组第二数据中的各个样本的径向基函数向量，对各组第二数据进行样本量纵向筛选，得到多组第三数据；基于第三数据进行电力业务处理。采用本方法能够实现对变电站产生的电力数据的有效处理从而方便投入后续电力业务处理。有效处理从而方便投入后续电力业务处理。有效处理从而方便投入后续电力业务处理。

【技术实现步骤摘要】
电力数据处理方法、装置、计算机设备和存储介质


[0001]本申请涉及智能变电站信息治理
，特别是涉及一种电力数据处理方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着智能变电站的推广应用，变电站设备运行和设备监测产生了大量的电力数据。这些数据信息是变电站实现各种功能应用的关键所在。然而，这些海量数据信息，加重了变电站通信成本，影响了变电站的运维效率。这些数据通常需要做一些处理方能有效地投入至后续应用。
[0003]传统技术中通常基于单一层面对变电站产生地电力数据进行处理，比如对变电站产生的电力数据进行主成分分析，以进行降维处理，但仅通过单一维度的主成分分析难以有效提取出海量电力数据中的有效信息，使得电力业务处理效果不理想。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够对变电站产生的电力数据进行有效处理从而方便投入后续应用的电力数据处理方法、装置、计算机设备和计算机可读存储介质。
[0005]第一方面，本申请提供了一种电力数据处理方法。所述方法包括：
[0006]获取变电站二次系统数据，并基于固定时间间隔将所述变电站二次系统数据进行分组，得到多组待处理数据；
[0007]对各待处理数据分别基于信息熵特性进行特征预筛选，得到一次降维后的多组第一数据：
[0008]建立动态线性化数据模型，所述动态线性化数据模型反映了一次降维后的第一数据和二次降维后的第二数据间的关联关系；
[0009]求解所述动态线性化数据模型的线性化系数得到转换矩阵，并基于所述转换矩阵对各组第一数据分别进行降维处理，基于处理结果得到多组第二数据；
[0010]基于每组第二数据中的各个样本的径向基函数向量，对各组第二数据进行样本量纵向筛选，得到多组第三数据；
[0011]基于所述第三数据进行电力业务处理。
[0012]在其中一个实施例中，每组待处理数据均包括n个样本下每个样本的c个特征维度的数据，所述对各待处理数据分别基于信息熵特性进行特征预筛选，得到一次降维后的多组第一数据，包括：
[0013]计算每组待处理数据中每个样本的每个特征维度的数据所对应的信息熵；
[0014]将计算得到的每个特征维度的信息熵与预先设置的信息熵阈值进行比较；
[0015]对于每组待处理数据中的每个样本，保留相应样本中信息熵大于所述信息熵阈值的特征维度的数据，得到多组第一数据。
[0016]在其中一个实施例中，所述求解所述动态线性化数据模型的线性化系数得到转换矩阵，并基于所述转换矩阵对各组第一数据分别进行降维处理，基于处理结果得到多组第二数据，包括：
[0017]确定与所述动态线性化数据模型的线性化系数对应的参数估计准则函数；
[0018]对所述参数估计准则函数进行极小化处理，求解得到所述线性化系数所对应的转换矩阵；
[0019]确定第k组第一数据与第k
‑
1组第一数据间的第一差异，其中，第k组第一数据为多组第一数据中除第一组第一数据外的任一组第一数据；
[0020]将所述第一差异代入至包括有所述转换矩阵的动态线性化数据模型中，得到第k组第二数据与第k
‑
1组第二数据间的第二差异，基于所述第二差异和第k
‑
1组第二数据，得到第k组第二数据；其中，第一组第二数据通过对第一组第一数据进行主成分分析得到。
[0021]在其中一个实施例中，所述基于每组第二数据中的各个样本的径向基函数向量，对各组第二数据进行样本量纵向筛选，得到多组第三数据，包括：
[0022]保留第k组第二数据中的第一个样本，其中，第k组第二数据为多组第二数据中的任一组第二数据；
[0023]对于第k组第二数据中除第一个样本之外的其他样本，确定与各样本分别对应的径向基函数向量；
[0024]基于除第一个样本之外的其他样本的径向基函数向量，计算样本均值向量；
[0025]根据各样本的径向基函数向量分别与所述样本均值向量间的差异，对除第一个样本之外的其他样本进行筛选，得到第k组第三数据。
[0026]在其中一个实施例中，所述根据各样本的径向基函数向量分别与所述样本均值向量间的差异，对除第一个样本之外的其他样本进行筛选，得到第k组第三数据，包括：
[0027]确定根据各样本的径向基函数向量分别与所述样本均值向量间的差异；
[0028]确定第j个样本的径向基函数向量与所述样本均值向量间的差异，与所述第j个样本的径向基函数向量间的比值；其中，第j个样本为多个样本中的任一个样本；
[0029]当第j个样本所对应的比值大于预设信息差阈值时，保留第j个样本，否则删除第j个样本；
[0030]基于保留的样本得到第k组第三数据。
[0031]在其中一个实施例中，基于所述第三数据进行电力业务处理，包括：
[0032]基于所述第三数据进行电力设备状态估计、电力设备运行告警分析、电力设备故障诊断、或漏洞检测安全防护中的至少一种电力业务处理。
[0033]第二方面，本申请还提供了一种电力数据处理装置。所述装置包括：
[0034]获取模块，用于获取变电站二次系统数据，并基于固定时间间隔将所述变电站二次系统数据进行分组，得到多组待处理数据；
[0035]一次降维模块，用于对各待处理数据分别基于信息熵特性进行特征预筛选，得到一次降维后的多组第一数据；
[0036]二次降维模块，用于建立动态线性化数据模型以及求解所述动态线性化数据模型的线性化系数得到转换矩阵，并基于所述转换矩阵对各组第一数据分别进行降维处理，基于处理结果获取多组第二数据；
[0037]三次降维模块，用于基于每组第二数据中的各个样本的径向基函数向量，对各组第二数据进行样本量纵向筛选，得到多组第三数据；
[0038]处理模块，用于基于所述第三数据进行电力业务处理。
[0039]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0040]获取变电站二次系统数据，并基于固定时间间隔将所述变电站二次系统数据进行分组，得到多组待处理数据；
[0041]对各待处理数据分别基于信息熵特性进行特征预筛选，得到一次降维后的多组第一数据：
[0042]建立动态线性化数据模型，所述动态线性化数据模型反映了一次降维后的第一数据和二次降维后的第二数据间的关联关系；
[0043]求解所述动态线性化数据模型的线性化系数得到转换矩阵，并基于所述转换矩阵对各组第一数据分别进行降维处理，基于处理结果得到多组第二数据；
[0044]基于每组第二数据中的各个样本的径向基函数向量，对各组第二数据进行样本量纵向筛选，得到多组第三数据；
[0045]基于所述第三数据进行电力业务处理。
[0046]第四方面，本申请还提供了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力数据处理方法，其特征在于，所述方法包括：获取变电站二次系统数据，并基于固定时间间隔将所述变电站二次系统数据进行分组，得到多组待处理数据；对各待处理数据分别基于信息熵特性进行特征预筛选，得到一次降维后的多组第一数据：建立动态线性化数据模型，所述动态线性化数据模型反映了一次降维后的第一数据和二次降维后的第二数据间的关联关系；求解所述动态线性化数据模型的线性化系数得到转换矩阵，并基于所述转换矩阵对各组第一数据分别进行降维处理，基于处理结果得到多组第二数据；基于每组第二数据中的各个样本的径向基函数向量，对各组第二数据进行样本量纵向筛选，得到多组第三数据；基于所述第三数据进行电力业务处理。2.根据权利要求1所述的方法，其特征在于，每组待处理数据均包括n个样本下每个样本的c个特征维度的数据，所述对各待处理数据分别基于信息熵特性进行特征预筛选，得到一次降维后的多组第一数据，包括：计算每组待处理数据中每个样本的每个特征维度的数据所对应的信息熵；将计算得到的每个特征维度的信息熵与预先设置的信息熵阈值进行比较；对于每组待处理数据中的每个样本，保留相应样本中信息熵大于所述信息熵阈值的特征维度的数据，得到多组第一数据。3.根据权利要求1所述的方法，其特征在于，所述求解所述动态线性化数据模型的线性化系数得到转换矩阵，并基于所述转换矩阵对各组第一数据分别进行降维处理，基于处理结果得到多组第二数据，包括：确定与所述动态线性化数据模型的线性化系数对应的参数估计准则函数；对所述参数估计准则函数进行极小化处理，求解得到所述线性化系数所对应的转换矩阵；确定第k组第一数据与第k
‑
1组第一数据间的第一差异，其中，第k组第一数据为多组第一数据中除第一组第一数据外的任一组第一数据；将所述第一差异代入至包括有所述转换矩阵的动态线性化数据模型中，得到第k组第二数据与第k
‑
1组第二数据间的第二差异，基于所述第二差异和第k
‑
1组第二数据，得到第k组第二数据；其中，第一组第二数据通过对第一组第一数据进行主成分分析得到。4.根据权利要求1所述的方法，其特征在于，所述基于每组第二数据中的各个样本的径向基函数向量，对各组第二数据进行样本量纵向筛选，得到多组第三数据，包括：保留第k组第二数据中的第一个样本，其中，第k组第二数据为多组第二数据中的任一组第...

【专利技术属性】
技术研发人员：孟令雯，唐赛秋，张庆伟，辛明勇，张锐锋，王宇，席光辉，汪明媚，余思伍，刘斌，郭思琪，
申请(专利权)人：贵州电网有限责任公司电力科学研究院，
类型：发明
国别省市：