【技术实现步骤摘要】
一种基于大数据分析的供电设备异常检测方法及系统
[0001]本专利技术涉及大数据分析
，具体为一种基于大数据分析的供电设备异常检测方法及系统。
技术介绍
[0002]大数据分析是指利用大数据技术和分析方法来处理和分析大规模、高维度、高速度的数据，提取其中的有价值信息并提供决策支持和业务洞察，具体而言，大数据分析至少包括几个方面：1、数据收集和存储：大数据分析首先需要收集和存储大规模的数据，这些数据可以来自多个数据源，包括传感器、社交媒体、移动设备以及日志文件，为了处理大量的数据，需要使用分布式文件系统和数据库，如Hadoop、Spark进行数据存储和管理；2、数据清洗和预处理：在进行大数据分析之前，需要对数据进行清洗和预处理。这包括处理缺失值、异常值和重复数据，以及进行数据标准化、归一化和转换，以确保数据的质量和一致性；3、数据探索和可视化：通过数据探索和可视化工具，对数据进行探索性分析和可视化，以发现数据中的模式、趋势和关联性，这有助于理解数据背后的含义和故事，并为后续的分析提供指导。
[0003]现有授权公...
【技术保护点】
【技术特征摘要】
1.一种基于大数据分析的供电设备异常检测系统，该系统应用于供电设备，其特征在于：该系统包括信息采集模块、信息处理模块以及检修执行模块；其中，所述信息采集模块包括采集单元和数据预处理单元，所述采集单元用于采集各个供电设备的相关数据，并通过数据预处理单元对采集到的相关数据进行预处理；所述信息处理模块包括异常检测单元、阈值单元以及预测单元，所述异常检测单元用于搭建异常检测模型，依据采集到的相关数据，获取对应供电设备的状态评估值Sta，通过阈值单元设置第一阈值、第二阈值以及第三阈值，且第一阈值<第二阈值<第三阈值，将各个阈值与对应供电设备的状态评估值Sta进行对比，获取对比结果；所述预测单元用于利用大数据分析技术搭建预测模型，得到预测函数曲线图，在预测状态评估值Sta>第一阈值的时间节点中提取结果；所述检修执行模块根据阈值单元和预测单元的结果来选择对应的执行策略。2.根据权利要求1所述的一种基于大数据分析的供电设备异常检测系统，其特征在于：所述采集单元采集的相关数据包括：电压波动率Vo、谐波失真率Ha以及温度变化率Te；其中，电压波动率Vo的获取方式如下：采用峰
‑
峰值法，使用电压波形的最大峰值和最小峰值之差来表示电压波动率，计算公式为：电压波动率=(最大峰值
‑
最小峰值)/平均电压值；谐波失真率Ha的获取方式如下：通过在对应的供电设备内中安装谐波分析仪，直接获取谐波失真率；温度变化率Te的获取方式如下：S101、获取不同时间点的温度数据：需要在不同时间点对供电设备的温度进行测量，记录下每个时间点的温度值，其中通过红外测温仪来获取温度数据；S102、计算时间差：确定要计算温度变化率的时间段，即单位时间，然后计算单位时间内每个时间点之间的时间差；S103、计算温度变化量：对于相邻的两个时间点，计算温度的变化量，即后一个时间点的温度减去前一个时间点的温度，得到温度的变化量，记为ΔT；S104、计算温度变化率：将温度变化量ΔT除以时间差，得到温度变化率。3.根据权利要求1所述的一种基于大数据分析的供电设备异常检测系统，其特征在于：对采集到的相关数据进行预处理的内容包括：去除重复数据和处理缺失值；其中处理缺失值时运用均值/中位数/众数填充法完成对缺失值的修正。4.根据权利要求1所述的一种基于大数据分析的供电设备异常检测系统，其特征在于：所述异常检测单元内的具体操作过程为：S201、搭建异常检测模型，并将单一检测模式和综合检测模式整合到异常检测模块中；S202、运行单一监测模式后，提取异常的电压波动率Vo、谐波失真率Ha以及温度变化率Te；S203、运行综合检测模式，对提取到的异常的电压波动率Vo、谐波失真率Ha以及温度变化率Te进行归一化处理后，关联获取对应供电设备的状态评估值Sta；方式如下：
；式中，、以及分别为电压波动率Vo、谐波失真率Ha以及温度变化率Te的预设比例系数，且、以及均大于0，对正常的电压波动率Vo、谐波失真率Ha以及温度变化率Te标记为0。5.根据权利要求4所述的一种基于大数据分析的供电设备异常检测系统，其特征在于：提取异常的电压波动率Vo、谐波失真率Ha以及温度变化率Te的具体过程为：将...
【专利技术属性】
技术研发人员：孙骥，徐永欣，
申请(专利权)人：上海飞斯信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。