智能化高压开关异常检测方法、装置及电子设备制造方法及图纸

本申请适用于电力电网技术领域，提供了智能化高压开关异常检测方法、装置及电子设备，该智能化高压开关异常检测方法包括：采集智能化高压开关的运行数据，运行数据包含电压、电流和温度中的至少一种；对运行数据进行特征数据提取，得到多个目标特征数据，目标特征数据为运行数据中的一种或多种特征数据；对多个目标特征数据进行聚类，得到多个簇；对于每个簇，确定该簇中的第一异常特征数据；对于各个簇得到的多个第一异常特征数据，计算每个第一异常特征数据与其他簇之间的距离，根据该距离确定簇间的第二异常特征数据；基于第二异常特征数据确定智能化高压开关的异常信息。本申请能够通过两次聚类处理准确地确定智能化高压开关的异常信息。的异常信息。的异常信息。

【技术实现步骤摘要】
智能化高压开关异常检测方法、装置及电子设备


[0001]本申请属于电力电网
，尤其涉及智能化高压开关异常检测方法、装置及电子设备。

技术介绍

[0002]智能化高压开关是现代电力系统中的一种新型设备，可自动监测电力系统中的异常情况，并实时反馈数据以支持系统运行。然而，由于智能化高压开关的工作环境复杂，可能会受到电力质量异常、电流过载、电压波动等多种因素的影响，导致其产生异常数据。这些异常状态可能会对电力系统的运行产生负面影响，因此需要进行及时监测和处理。同时，对异常数据的分析和处理也可以帮助优化电力系统的运行，提高系统的稳定性和可靠性。

技术实现思路

[0003]为克服相关技术中存在的问题，本申请实施例提供了智能化高压开关异常检测方法、装置及电子设备。
[0004]本申请是通过如下技术方案实现的：
[0005]第一方面，本申请实施例提供了一种智能化高压开关异常检测方法，包括：
[0006]采集智能化高压开关的运行数据，所述运行数据包含电压、电流和温度中的至少一种；
[0007]对所述运行数据进行特征数据提取，得到多个目标特征数据，所述目标特征数据为所述运行数据中的一种或多种特征数据；
[0008]对所述多个目标特征数据进行聚类，得到多个簇；
[0009]对于每个簇，确定该簇中的第一异常特征数据；
[0010]对于各个簇得到的多个第一异常特征数据，计算每个第一异常特征数据与其他簇之间的距离，根据所述距离确定簇间的第二异常特征数据；
[0011]基于所述第二异常特征数据确定所述智能化高压开关的异常信息。
[0012]上述智能化高压开关异常检测方法，采集智能化高压开关的运行数据，从运行数据中提取多个目标特征数据，对多个目标特征数据进行聚类得到多个簇，对于每个簇确定第一异常特征数据，之后再将计算每个第一异常特征数据与其他簇之间的距离，根据该距离确定簇间的第二异常特征数据，最后基于第二异常特征数据确定智能化高压开关的异常信息，从而能够通过两次聚类处理准确地确定智能化高压开关的异常信息。
[0013]结合第一方面，在一些实施例中，所述对所述运行数据进行特征数据提取，得到多个目标特征数据，包括：
[0014]将所述运行数据输入到主成分分析PCA模型中，所述PCA模型输出所述多个目标特征数据。
[0015]结合第一方面，在一些实施例中，对所述多个目标特征数据进行聚类，得到多个簇，包括：
[0016]在所述多个目标特征数据中随机选择K个样本作为初始聚类中心，每个目标特征数据为一个样本；
[0017]对样本进行聚类步骤：通过计算所述多个目标特征数据中所有样本到每个初始聚类中心的距离，根据所述距离得到聚类结果；式中，X为每个样本点集合，x代表X集合中的每个样本，Y为初始聚类中心的集合，y为Y集合中的每个样本；
[0018]计算新的簇中心步骤：对于初始聚类后的簇中心，计算每个簇中样本的均值，作为新的簇中心；
[0019]若新的簇中心与上一次的聚类结果相同，则完成对所述多个目标特征数据的聚类；若新的簇中心与上一次的聚类结果不同，则重复执行所述对样本进行聚类步骤和所述计算新的簇中心步骤，直到新的簇中心与上一次的聚类结果相同，完成对所述多个目标特征数据的聚类。
[0020]结合第一方面，在一些实施例中，所述确定该簇中的第一异常特征数据，包括：
[0021]对于该簇中的某个样本，计算每个目标特征数据为一个样本，X
’
为整个簇内的某个样本，μ为整个簇内样本的平均值，s为整个簇内样本的方差；
[0022]若计算结果大于或等于第一异常阈值，则该样本为所述第一异常特征数据；若计算结果小于所述第一异常阈值，则该样本不为所述第一异常特征数据。
[0023]结合第一方面，在一些实施例中，所述计算每个第一异常特征数据与其他簇之间的距离，根据所述距离确定簇间的第二异常特征数据，包括：
[0024]假设检测出的簇内异常点为N维样本，为P＝(p1,p2,p3,
…
p
N
)
T
；
[0025]任取一个簇间分布的数据为r＝(r1,r2,r3,
…
r
N
)，任一个簇间数据的协方差矩阵为S；
[0026]计算第一异常特征数据与任一个簇间集合的距离
[0027]若该距离大于或等于第二异常阈值，则该第一异常特征数据为簇间的第二异常特征数据；若该距离小于第二异常阈值，则该第一异常特征数据不为簇间的第二异常特征数据。
[0028]结合第一方面，在一些实施例中，在所述对所述运行数据进行特征数据提取之前，所述方法还包括：
[0029]通过对所述运行数据进行线性变换，x
’
为所述运行数据，min(x
’
)为所述运行数据中的最小值，max(x
’
)为所述运行数据中的最大值。
[0030]结合第一方面，在一些实施例中，所述采集智能化高压开关的运行数据，包括：每隔预设时间，采集一次多个智能化高压开关的运行数据，所述运行数据中包含采集时间和开关标识；
[0031]所述基于所述第二异常特征数据确定所述智能化高压开关的异常信息，包括：将所述第二异常特征数据中的采集时间和开关标识，确定存在异常的智能化高压开关，以及该智能化高压开关的异常时间点。
[0032]第二方面，本申请实施例提供了一种智能化高压开关异常检测装置，包括：
[0033]采集模块，用于采集智能化高压开关的运行数据，所述运行数据包含电压、电流和温度中的至少一种；
[0034]提取模块，用于对所述运行数据进行特征数据提取，得到多个目标特征数据，所述目标特征数据为所述运行数据中的一种或多种特征数据；
[0035]聚类模块，用于对所述多个目标特征数据进行聚类，得到多个簇；
[0036]第一异常确定模块，用于对于每个簇，确定该簇中的第一异常特征数据；
[0037]第二异常确定模块，用于对于各个簇得到的多个第一异常特征数据，计算每个第一异常特征数据与其他簇之间的距离，确定簇间的第二异常特征数据；
[0038]异常确定模块，用于基于所述第二异常特征数据确定所述智能化高压开关的异常信息。
[0039]第三方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有、可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的智能化高压开关异常检测方法。
[0040]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的智能化高压开关异常检测方法。
[0041]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面中任本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能化高压开关异常检测方法，其特征在于，包括：采集智能化高压开关的运行数据，所述运行数据包含电压、电流和温度中的至少一种；对所述运行数据进行特征数据提取，得到多个目标特征数据，所述目标特征数据为所述运行数据中的一种或多种特征数据；对所述多个目标特征数据进行聚类，得到多个簇；对于每个簇，确定该簇中的第一异常特征数据；对于各个簇得到的多个第一异常特征数据，计算每个第一异常特征数据与其他簇之间的距离，根据所述距离确定簇间的第二异常特征数据；基于所述第二异常特征数据确定所述智能化高压开关的异常信息。2.如权利要求1所述的智能化高压开关异常检测方法，其特征在于，所述对所述运行数据进行特征数据提取，得到多个目标特征数据，包括：将所述运行数据输入到主成分分析PCA模型中，所述PCA模型输出所述多个目标特征数据。3.如权利要求1所述的智能化高压开关异常检测方法，其特征在于，所述对所述多个目标特征数据进行聚类，得到多个簇，包括：在所述多个目标特征数据中随机选择K个样本作为初始聚类中心，每个目标特征数据为一个样本；对样本进行聚类步骤：通过计算所述多个目标特征数据中所有样本到每个初始聚类中心的距离，根据所述距离得到聚类结果；式中，X为每个样本点集合，x代表X集合中的每个样本，Y为初始聚类中心的集合，y为Y集合中的每个样本；计算新的簇中心步骤：对于初始聚类后的簇中心，计算每个簇中样本的均值，作为新的簇中心；若新的簇中心与上一次的聚类结果相同，则完成对所述多个目标特征数据的聚类；若新的簇中心与上一次的聚类结果不同，则重复执行所述对样本进行聚类步骤和所述计算新的簇中心步骤，直到新的簇中心与上一次的聚类结果相同，完成对所述多个目标特征数据的聚类。4.如权利要求1所述的智能化高压开关异常检测方法，其特征在于，所述确定该簇中的第一异常特征数据，包括：对于该簇中的某个样本，计算每个目标特征数据为一个样本，X
’
为整个簇内的某个样本，μ为整个簇内样本的平均值，s为整个簇内样本的方差；若计算结果大于或等于第一异常阈值，则该样本为所述第一异常特征数据；若计算结果小于所述第一异常阈值，则该样本不为所述第一异常特征数据。5.如权利要求1所述的智能化高压开关异常检测方法，其特征在于，所述计算每个第一异常特征数据与其他簇之间的距离，根据所述距离确定簇间的第二异常特征数据，包括：假设检测出的簇内异常点为N维样本，为P＝(p1,p2,p3,
…

【专利技术属性】
技术研发人员：庞先海，李天辉，臧谦，杨鹏，吴宏波，朱斌，董驰，顾朝敏，赵宇皓，
申请(专利权)人：国家电网有限公司国网河北能源技术服务有限公司，
类型：发明
国别省市：