基于电力多源异构数据融合分析的方法、设备及存储介质技术

本申请公开了基于电力多源异构数据融合分析的方法、设备及存储介质，属于电力数据分析技术领域，该方法包括：步骤一、获取输电线路中电力有关的样本数据；步骤二、对采集到的样本数据进行预处理以及二次处理；步骤三、使用堆叠自编码器构造的深度神经网络提取输电线路的一维特征，通过卷积神经网络提取输电线路的多维特征，再使用堆叠自编码器构造融合网络对一维特征以及多维特征进行交替优化和融合，得到实时故障信息以及隐藏故障信息；步骤四、使用Softmax分类器对故障信息分类。本申请通过对一维特征以及多维特征的融合处理后，进行分析可得到实时的故障信息以及隐藏的故障信息，来更准确的获取输电线路的运行状况，从而减少故障的误判。减少故障的误判。减少故障的误判。

【技术实现步骤摘要】
基于电力多源异构数据融合分析的方法、设备及存储介质


[0001]本申请属于电力数据分析
，具体涉及基于电力多源异构数据融合分析的方法、设备及存储介质。

技术介绍

[0002]多源异构简单而言就是指一个整体由多个不同来源的成分而构成，既有混合型数据(包括结构化和非结构化)又有离散性数据(数据分布在不同的系统或平台)，互联网就是一个典型的异构网络，融合传播矩阵就是一个典型的多源异构数据网络。
[0003]在输电线路中，电路数据信息十分复杂并且来源十分广泛，而故障检测等工作的开展依赖于这些复杂且多的数据信息，但是这些电力数据信息均处于相对独立的系统中，在故障检测时只能在独立的系统中进行判断，无法进行有效的融合进行综合判断，从而易产生判断误差；且由于数据类型以及数据规模越来越庞大，但是大规模数据中有价值的数据密度却很低，庞大的数据量对已有的数据处理方法产生了挑战。

技术实现思路

[0004]本申请的目的在于提供基于电力多源异构数据融合分析的方法、设备及存储介质，用以解决上述
技术介绍
中所面临的问题。
[0005]本申请的目的可以通过以下技术方案实现：
[0006]基于电力多源异构数据融合分析的方法，所述方法包括以下步骤：
[0007]步骤一、获取输电线路中电力有关的样本数据；
[0008]步骤二、对采集到的样本数据进行预处理以及二次处理；
[0009]步骤三、使用堆叠自编码器构造的深度神经网络提取输电线路的一维特征，通过卷积神经网络提取输电线路的多维特征，再使用堆叠自编码器构造融合网络对一维特征以及多维特征进行交替优化和融合，得到实时故障信息以及隐藏故障信息；
[0010]步骤四、使用Softmax分类器对故障信息分类。
[0011]作为本申请进一步的方案，所述步骤一中样本数据包括输电线路中与电力有关的结构化数据和非结构化数据。
[0012]作为本申请进一步的方案，所述步骤二中预处理包括对获取到的结构化数据进行解析得到相应的数字信息，对获取到的非结构化数据进行去雾处理后，转化为相应的数字信息。
[0013]作为本申请进一步的方案，所述步骤二中二次处理的步骤包括:
[0014]根据输电线的长度，等距设立若干个区间，每个区间内对应设有一个汇集节点；
[0015]将区间内采集到的所有实时监测数据全部发送至汇集节点内，通过卡尔曼滤波算法进行处理得到各个监测数据的融合输出数据；
[0016]通过公式得到各个监测数据的平均融合输出数据；其中A
i
为第i个区间的融合输出数据，α
i
为加权系数，i＝1，2,3
…
，n。
[0017]作为本申请进一步的方案，所述步骤三中实时故障信息的获取方法为：
[0018]通过公式B＝θ0+θ1x1+θ2x2+
…
+θ
n
x
n
得出输电线路的实时故障参数B，其中x
n
为第n个测量状态量的平均融合输出数据，θ
n
为各个测量状态量的补偿系数。
[0019]将得到的实时故障参数B与预设的故障参数B
q
进行比较；
[0020]若B≥B
q
，则判断数据异常，输出实时故障信息；
[0021]否则，则判断数据正常。
[0022]作为本申请进一步的方案，所述步骤三中隐藏故障信息的获取方法为：
[0023]在数据正常情况下，在h秒内，分别获取各个测量状态量随时间变化的曲线；
[0024]将各个测量状态量随时间变化曲线分别与各自预设的阈值曲线进行比较；
[0025]将各个测量状态量变化曲线的下方与各自的阈值曲线的上方围成的面积记为B
n
[0026]通过公式计算出隐藏故障参数D，其中B
n
为第n个测量状态量变化曲线的下方与自身阈值曲线的上方围成的面积，η
n
为各个测量状态量的面积补偿系数；
[0027]将获得的隐藏故障参数D与预设的标准故障参数阈值D
q
进行比较；
[0028]若D≥D
q
，则判断数据异常，输出实时故障信息；
[0029]否则，则判断数据正常。
[0030]作为本申请进一步的方案，所述步骤四中故障分类包括自身故障原因以及外在故障原因，所述自身故障原因以及外在故障原因内均设有故障危险等级分类。
[0031]一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，其特征在于，所述计算机程序被所述处理器执行时，使得所述处理器执行所述的方法的步骤。
[0032]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的方法的步骤。
[0033]本申请的有益效果：
[0034]本申请将采集到的有关数据进行预处理以及二次处理，去除冗余的数据从而减少冗余数据的传输，来减少系统对数据处理的压力；同时通过对一维特征以及多维特征的融合处理后，进行分析可得到实时的故障信息以及隐藏的故障信息，来更准确的获取输电线路的运行状况，从而大大减少输电线路故障的误判。
[0035]当然，实施本申请的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
[0036]为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1为本申请的流程框架图。
具体实施方式
[0038]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0039]基于电力多源异构数据融合分析的方法，如图1所示，其方法包括以下步骤：
[0040]步骤一、获取输电线路中电力有关的样本数据；
[0041]步骤二、对采集到的样本数据进行预处理以及二次处理；
[0042]步骤三、使用堆叠自编码器构造的深度神经网络提取输电线路的一维特征，通过卷积神经网络提取输电线路的多维特征，再使用堆叠自编码器构造融合网络对一维特征以及多维特征进行交替优化和融合，得到实时故障信息以及隐藏故障信息；
[0043]步骤四、使用Softmax分类器对故障信息分类。
[0044]通过上述技术方案，本申请将采集到的有关数据进行预处理以及二次处理，去除冗余的数据从而减少冗余数据的传输，来减少系统对数据处理的压力，而通过对一维特征以及多维特征的融合处理后，进行分析可得到实时的故障信息以及隐藏的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于电力多源异构数据融合分析的方法，其特征在于，所述方法包括以下步骤：步骤一、获取输电线路中电力有关的样本数据；步骤二、对采集到的样本数据进行预处理以及二次处理；步骤三、使用堆叠自编码器构造的深度神经网络提取输电线路的一维特征，通过卷积神经网络提取输电线路的多维特征，再使用堆叠自编码器构造融合网络对一维特征以及多维特征进行交替优化和融合，得到实时故障信息以及隐藏故障信息；步骤四、使用Softmax分类器对故障信息分类。2.根据权利要求1所述的基于电力多源异构数据融合分析的方法，其特征在于，所述步骤一中样本数据包括输电线路中与电力有关的结构化数据和非结构化数据。3.根据权利要求2所述的基于电力多源异构数据融合分析的方法，其特征在于，所述步骤二中预处理包括对获取到的结构化数据进行解析得到相应的数字信息，对获取到的非结构化数据进行去雾处理后，转化为相应的数字信息。4.根据权利要求1所述的基于电力多源异构数据融合分析的方法，其特征在于，所述步骤二中二次处理的步骤包括:根据输电线的长度，等距设立若干个区间，每个区间内对应设有一个汇集节点；将区间内采集到的所有实时监测数据全部发送至汇集节点内，通过卡尔曼滤波算法进行处理得到各个监测数据的融合输出数据；通过公式得到各个监测数据的平均融合输出数据；其中A
i
为第i个区间的融合输出数据，α
i
为加权系数，i＝1，2,3
…
，n。5.根据权利要求4所述的基于电力多源异构数据融合分析的方法，其特征在于，所述步骤三中实时故障信息的获取方法为：通过公式B＝θ0+θ1x1+θ2x2+
…
+θ
n
x
n
得出输电线路的实时故障参数B，其中x<...

【专利技术属性】
技术研发人员：王亿，樊立波，孙智卿，夏霖，方响，蒋建，屠永伟，王奇锋，阮箴，
申请(专利权)人：国网浙江省电力有限公司杭州供电公司，
类型：发明
国别省市：