一种智能插座的用电智能监测方法及系统技术方案

本发明专利技术涉及电变量测量技术领域，具体涉及一种智能插座的用电智能监测方法及系统。将用电器的电变量数据按照周期划分为周期数据后，对每个周期数据再次划分为若干线性数据段并进行线性压缩，在线性压缩过程中确定各个周期数据的数据特征值，然后对包含相同数量线性数据段的周期数据，借助数据特征值和数据异常程度计算不同周期数据的相似性完成相似类别划分，对相似类别中的数据再次进行压缩。通过确定电变量数据中的相似类别发掘了不同数据之间的隐藏关系，从而完成对电变量数据的深度压缩，提高了对电变量数据的压缩效率，使智能插座利用测量所得电变量数据进行高效的用电器的状态监测。的状态监测。的状态监测。

【技术实现步骤摘要】
一种智能插座的用电智能监测方法及系统


[0001]本专利技术涉及电变量测量
，具体涉及一种智能插座的用电智能监测方法及系统。

技术介绍

[0002]近几年来，随着无线传感器网络在自动化装置上的应用，智能插座成为了现代智能用电场景下最常用的电器，其集多项功能于一身，具有累计电能量、计算有功和无功功率、温度检测、过载保护、定时通断、自动报警、状态提示、无线遥控等功能。
[0003]智能插座除了可为学校、医院、办公楼等用电场景下的用电器提供接插用电，同时还可以实时监测各用电器的工作状况，但是随着用电器数量、种类的增多，以及状态监测的广度、深度和力度不断加大，产生的用电器状态监测电变量数据也呈现指数级增长，能否高效准确地完成电变量数据的压缩存储，直接影响着利用智能插座进行用电器的状态监测效率。
[0004]当前的数据压缩方式主要针对数据本身存在的冗余性，其未针对学校、医院、办公楼等用电场景下用电器电变量的特有特点去深入挖掘电变量数据中不同数据之间的隐藏关系，并未充分提高对智能插座测量所得用电器电变量的压缩效率。

技术实现思路

[0005]本专利技术提供了一种智能插座的用电智能监测方法及系统，用以解决如何充分提高对智能插座测量所得用电器电变量的压缩效率的问题，所采用的技术方案具体如下：本专利技术所提供的一种智能插座的用电智能监测方法，包括如下步骤：采集智能插座上用电器的电变量数据，按照用电器电变量的变化周期对所采集的用电器的电变量数据进行周期划分；将周期划分后所得的每个周期数据均再次划分为若干个服从线性分布的线性数据段，然后对所有线性数据段进行线性压缩，完成对电变量数据的初次压缩；将含有相同数量线性数据段的周期数据划分为同一个周期数据类别，根据周期数据类别中周期数据的数量以及周期数据的分布离散程度确定周期数据类别中周期数据的异常程度，以初次压缩所获取的各周期数据的数据特征值和每个周期数据类别中周期数据的异常程度，计算每个周期数据类别中各个周期数据之间的相似程度，通过相似程度阈值完成单个周期数据类别中所有周期数据的相似类别划分；将仅含有一个周期数据的周期数据类别直接划分为一个相似类别；将同一个相似类别中所有周期数据求均值后进行线性压缩，得到二次压缩后的电变量数据，完成电变量数据的测量；将二次压缩后的电变量数据作为用电器的监测数据传输至电力分析平台进行状态评估和故障预警。
[0006]本专利技术的有益效果为：
本专利技术将初始获取的用电器的电变量数据按照周期划分为各个周期数据后，对每个周期数据进行线性划分得到若干线性数据段并进行线性压缩，在线性压缩的过程中确定各个周期数据的数据特征值，然后再对包含相同数量线性数据段的周期数据，借助数据特征值和数据异常程度计算任意两个周期数据的相似性，从而将相似的周期数据划分为同一个相似类别再次进行压缩。本专利技术对初始获取的电变量数据中不同数据之间的相似关系进行了确定，发掘了电变量数据中不同数据之间的隐藏关系，并根据所确定的相似关系完成对电变量数据的深度压缩，提高了对电变量数据的压缩效率，从而提高智能插座利用测量所得电变量数据进行用电器的状态监测效率。
[0007]进一步的，所述每个周期数据类别中周期数据的异常程度的确定方法为：统计周期数据类别中周期数据序号不连续出现的次数，以及周期数据类别所对应的周期数据的数量，以周期数据类别中周期数据序号不连续出现的次数和周期数据类别所对应的周期数据的数量确定周期数据类别中周期数据的异常程度；所述周期数据类别中周期数据的异常程度与该周期数据类别中周期数据序号不连续出现的次数成正比，与该周期数据类别所对应的周期数据的数量成反比。
[0008]进一步的，所述每个周期数据类别中周期数据的异常程度为：其中，表示出现频次所对应的周期数据的异常程度，Q表示出现频次所对应的周期数据的序号不连续的数量，表示包含的线性数据段数量相同且出现频次大于1的周期数据的出现频次，e表示自然常数。
[0009]进一步的，将每个周期数据均再次划分为若干个服从线性分布的线性数据段的方法为：以周期数据对应的变化曲线上第一个数据点为起点，计算该周期数据对应的变化曲线上第一个数据点和第二个数据点的连接直线的斜率K并记为基准斜率，然后依次计算该周期数据对应的变化曲线上第二个数据点之后的第r个数据点与第一个数据点的连接直线的斜率，直至斜率与基准斜率K的差值的绝对值大于设定斜率门限值，将第r个数据点之前的所有数据点划分为服从线性分布的第一线性数据段；以该周期数据对应的变化曲线上第r个数据点为新的起点，在该周期数据对应的变化曲线上除去第一线性数据段的剩余数据点中划分出服从线性分布的第二线性数据段；重复线性数据段的划分过程，直至对该周期数据整体完成分段处理。
[0010]进一步的，所述对所有线性数据段进行线性压缩的方法为：计算线性数据段的起始数据点和终止数据点的连接直线的斜率作为线性数据段的斜率，以线性数据段的起始数据点、线性数据段的斜率和线性数据段的长度代替线性数据段的原始数据，完成对每个线性数据段的线性压缩。
[0011]进一步的，所述初次压缩所获取的各周期数据的数据特征值为：周期数据所含各个线性数据段的起始数据点、线性数据段的斜率以及线性数据段的长度。
[0012]进一步的，所述计算每个周期数据类别中各个周期数据之间的相似程度，通过相
似程度阈值完成单个周期数据类别中所有周期数据的相似类别划分的方法为：计算由出现频次所对应的周期数据而构成的周期数据类别中，第一个周期数据与其余周期数据之间的相似程度：其中，表示出现频次所对应的周期数据中第一个周期数据与第t个周期数据的相似程度，t的取值范围为[2,]，表示对进行归一化处理，表示出现频次所对应的周期数据的异常程度，表示出现频次所对应的周期数据中第t个周期数据的序号，表示出现频次所对应的周期数据中第一个周期数据的序号，e表示自然常数，表示出现频次所对应的线性数据段的段数值，则3表示段数值为的各周期数据经初次压缩后的压缩数据长度，和分别表示第个和第个周期数据经初次压缩后的压缩数据上第g个数据的值；将相似程度大于相似程度阈值的周期数据划分为同一个相似类别，完成第一相似类别的划分；对由出现频次所对应的周期数据而构成的周期数据类别中，除去第一相似类别对应周期数据的剩余周期数据再次按照序号大小进行由小到大的排序，计算再次排序后的第一个周期数据与其它周期数据的相似程度，并将相似程度大于相似程度阈值的周期数据划分为同一个相似类别，完成第二相似类别的划分；重复相似类别划分操作，直至完成当前周期数据类别中个周期数据的相似类别划。
[0013]进一步的，所述将同一个相似类别中所有周期数据求均值后进行线性压缩的方法为：计算同一个相似类别中各个周期数据上相同位置的数据的均值，得到新的周期数据，将新的周期数据重新划分为若干个服从线性分布的线性数据段后对每个线性数据段进行线性压缩。
[0014]进一步的，所述用电器电变量的变化周期为20ms。
[0015]本专利技术还提供了一种智能插座的用电智能监测系统，包括存储器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能插座的用电智能监测方法，其特征在于，包括以下步骤：采集智能插座上用电器的电变量数据，按照用电器电变量的变化周期对所采集的用电器的电变量数据进行周期划分；将周期划分后所得的每个周期数据均再次划分为若干个服从线性分布的线性数据段，然后对所有线性数据段进行线性压缩，完成对电变量数据的初次压缩；将含有相同数量线性数据段的周期数据划分为同一个周期数据类别，根据周期数据类别中周期数据的数量以及周期数据的分布离散程度确定周期数据类别中周期数据的异常程度，以初次压缩所获取的各周期数据的数据特征值和每个周期数据类别中周期数据的异常程度，计算每个周期数据类别中各个周期数据之间的相似程度，通过相似程度阈值完成单个周期数据类别中所有周期数据的相似类别划分；将仅含有一个周期数据的周期数据类别直接划分为一个相似类别；将同一个相似类别中所有周期数据求均值后进行线性压缩，得到二次压缩后的电变量数据，完成电变量数据的测量；将二次压缩后的电变量数据作为用电器的监测数据传输至电力分析平台进行状态评估和故障预警。2.根据权利要求1所述的智能插座的用电智能监测方法，其特征在于，所述每个周期数据类别中周期数据的异常程度的确定方法为：统计周期数据类别中周期数据序号不连续出现的次数，以及周期数据类别所对应的周期数据的数量，以周期数据类别中周期数据序号不连续出现的次数和周期数据类别所对应的周期数据的数量确定周期数据类别中周期数据的异常程度；所述周期数据类别中周期数据的异常程度与该周期数据类别中周期数据序号不连续出现的次数成正比，与该周期数据类别所对应的周期数据的数量成反比。3.根据权利要求2所述的智能插座的用电智能监测方法，其特征在于，所述每个周期数据类别中周期数据的异常程度为：其中，表示出现频次所对应的周期数据的异常程度，Q表示出现频次所对应的周期数据的序号不连续的数量，表示包含的线性数据段数量相同且出现频次大于1的周期数据的出现频次，e表示自然常数。4.根据权利要求1所述的智能插座的用电智能监测方法，其特征在于，将每个周期数据均再次划分为若干个服从线性分布的线性数据段的方法为：以周期数据对应的变化曲线上第一个数据点为起点，计算该周期数据对应的变化曲线上第一个数据点和第二个数据点的连接直线的斜率K并记为基准斜率，然后依次计算该周期数据对应的变化曲线上第二个数据点之后的第r个数据点与第一个数据点的连接直线的斜率，直至斜率与基准斜率K的差值的绝对值大于设定斜率门限值，将第r个数据点之前的所有数据点划分为服从线性分布的第一线性数据段；以该周期数据对应的变化曲线上第r个数据点为新的起点，在该周期数据对应的变化曲线上除去第一线性数据段的剩余数据点中划分出服从线性分布的第二线性数据段；
...

【专利技术属性】
技术研发人员：刘向军，路利军，任兴来，许杨，周遵科，霍文昊，刘鹏飞，路橙程，许敏达，
申请(专利权)人：青岛高校信息产业股份有限公司，
类型：发明
国别省市：