电力设备监测数据处理方法及系统技术方案

本发明专利技术提供了电力设备监测数据处理方法及系统，涉及电数据处理技术领域，对监测时序数据进行分组与数据组的相似度矩阵构建，进行数据聚类分析与异常值划分，基于聚类质心均值进行缺失数据与异常数据的替换，完成数据优化并传输至用户终端，解决了现有技术中对于电力设备监测数据的处理，需要依赖于大量的数据样本，样本的差异性导致数据处理结果未必符合电力设备的个体化场景的技术问题，对获取的监测时序数据进行相似度分析与矩阵化处理，以确定聚类质心精简高效进行数据分组，进而结合孤立森林思想进行异常数据识别，基于质心均值进行异常数据与缺失数据的替换，基于监测数据自身进行数据处理分析，以保障数据处理结果的设备场景适配性。场景适配性。场景适配性。

【技术实现步骤摘要】
电力设备监测数据处理方法及系统


[0001]本专利技术涉及电数据处理
，具体涉及电力设备监测数据处理方法及系统。

技术介绍

[0002]随着配电网的运行，同步衍生数量庞大的电力设备多源异质数据，为保障监测数据的质量，需对源数据进行进一步分析与处理。现有技术中对于电力设备监测数据的处理，需要依赖于大量的数据样本，样本的差异性导致数据处理结果未必符合电力设备的个体化场景，因此亟需一种基于监测数据自身的数据处理方案。

技术实现思路

[0003]本申请提供了电力设备监测数据处理方法及系统，用于针对解决现有技术中存在的对于电力设备监测数据的处理，需要依赖于大量的数据样本，样本的差异性导致数据处理结果未必符合电力设备的个体化场景，因此亟需一种基于监测数据自身的数据处理方案的技术问题。
[0004]鉴于上述问题，本申请提供了电力设备监测数据处理方法及系统。
[0005]第一方面，本申请提供了电力设备监测数据处理方法，所述方法包括：获取第一电力设备的第一数据属性的监测时序数据；根据设备控制参数对所述监测时序数据分组，获取监测时序数据分组结果；基于所述监测时序数据分组结果的第i组监测时序数据，构建相似度矩阵；基于所述相似度矩阵对所述第i组监测时序数据进行聚类分析，获取N个聚类结果；对所述N个聚类结果进行异常值划分，获取异常数据划分结果；对所述第i组监测时序数据的缺失值和所述异常数据划分结果，使用所述N个聚类结果的聚类质心均值进行替换，获取第i组监测时序数据优化结果；将所述第i组监测时序数据优化结果传输至用户终端。
[0006]第二方面，本申请提供了电力设备监测数据处理系统，所述系统包括：数据获取模块，所述数据获取模块用于获取第一电力设备的第一数据属性的监测时序数据；数据分组模块，所述数据分组模块用于根据设备控制参数对所述监测时序数据分组，获取监测时序数据分组结果；矩阵构建模块，所述矩阵构建模块用于基于所述监测时序数据分组结果的第i组监测时序数据，构建相似度矩阵；数据聚类模块，所述数据聚类模块用于基于所述相似度矩阵对所述第i组监测时序数据进行聚类分析，获取N个聚类结果；异常值划分模块，所述异常值划分模块用于对所述N个聚类结果进行异常值划分，获取异常数据划分结果；
数据优化模块，所述数据优化模块用于对所述第i组监测时序数据的缺失值和所述异常数据划分结果，使用所述N个聚类结果的聚类质心均值进行替换，获取第i组监测时序数据优化结果；结果传输模块，所述结果传输模块用于将所述第i组监测时序数据优化结果传输至用户终端。
[0007]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：本申请实施例提供的电力设备监测数据处理方法，获取第一电力设备的第一数据属性的监测时序数据，根据设备控制参数对所述监测时序数据分组，基于所述监测时序数据分组结果的第i组监测时序数据，构建相似度矩阵并对所述第i组监测时序数据进行聚类分析，获取N个聚类结果并进行异常值划分，获取异常数据划分结果；对所述第i组监测时序数据的缺失值和所述异常数据划分结果基于所述N个聚类结果的聚类质心均值进行替换，获取第i组监测时序数据优化结果并传输至用户终端，解决了现有技术中对于电力设备监测数据的处理，需要依赖于大量的数据样本，样本的差异性导致数据处理结果未必符合电力设备的个体化场景，因此亟需一种基于监测数据自身的数据处理方案的技术问题，对获取的监测时序数据进行相似度分析与矩阵化处理，以确定聚类质心精简高效进行数据分组，进而结合孤立森林思想进行异常数据识别，基于质心均值进行异常数据与缺失数据的替换，基于监测数据自身进行数据处理分析，以保障数据处理结果的设备场景适配性。
附图说明
[0008]图1为本申请提供了电力设备监测数据处理方法流程示意图；图2为本申请提供了电力设备监测数据处理方法中N个聚类结果获取流程示意图；图3为本申请提供了电力设备监测数据处理方法中异常数据划分结果获取流程示意图；图4为本申请提供了电力设备监测数据处理系统结构示意图。
[0009]附图标记说明：数据获取模块11，数据分组模块12，矩阵构建模块13，数据聚类模块14，异常值划分模块15，数据优化模块16，结果传输模块17。
具体实施方式
[0010]本申请通过提供电力设备监测数据处理方法及系统，对监测时序数据进行分组与数据组的相似度矩阵构建，进行数据聚类分析与异常值划分，基于聚类质心均值进行缺失数据与异常数据的替换，完成数据优化并传输至用户终端，用于解决现有技术中存在的对于电力设备监测数据的处理，需要依赖于大量的数据样本，样本的差异性导致数据处理结果未必符合电力设备的个体化场景，因此亟需一种基于监测数据自身的数据处理方案的技术问题。
[0011]实施例一：
[0012]如图1所示，本申请提供了电力设备监测数据处理方法，所述方法包括：步骤S100：获取第一电力设备的第一数据属性的监测时序数据；具体而言，随着配电网的运行，同步衍生数量庞大的电力设备多源异质数据，为保障监测数据的质量，需对源数据进行进一步分析与处理。本申请提供的电力设备监测数据
处理方法，对获取的监测时序数据进行相似度分析与矩阵化处理，以确定聚类质心精简高效进行数据分组，进而结合孤立森林思想进行异常数据识别，基于质心均值进行异常数据与缺失数据的替换，基于监测数据自身进行数据处理分析，以保障数据处理结果的设备场景适配性。
[0013]具体的，所述第一电力设备为待监测数据源的产生设备，对所述第一电力设备进行数据属性提取，例如电流、电压、剩余电流等，集成作为所述第一数据属性。针对所述第一电力设备的监测数据，基于所述第一数据属性进行数据归属，进一步基于时序推移进行数据的顺序排列，生成所述监测时序数据，所述监测时序数据为待进行处理的采集源数据。
[0014]步骤S200：根据设备控制参数对所述监测时序数据分组，获取监测时序数据分组结果；具体而言，获取所述设备控制参数，例如输入电流、开关关合幅度等，以所述设备控制参数为基准，以控制状态近似为划分标准，对所述监测时序数据进行分组，示例性的，确定近似性划分区间，将所述设备控制参数中参数差量所满足的参数划分为一组，如输入电流波幅为正负1；将不满足近似性划分区间，即相差较大的设备控制参数划分为多组，对分组结果进行规整，生成所述监测时序数据分组结果。基于所述监测时序数据分组结果，逐组进行针对性分析。
[0015]步骤S300：基于所述监测时序数据分组结果的第i组监测时序数据，构建相似度矩阵；进一步而言，基于所述监测时序数据分组结果的第i组监测时序数据，构建相似度矩阵，本申请步骤S300还包括：步骤S310：对所述第i组监测时序数据进行缺失位标识，获取缺失位标识结果；步骤S320：基于所述缺失位标识结果对所述第i组监测时序数据进行清洗，获取第i组监测时序数据清洗结果；步骤S330：构建相似度评估公式：；其中，和表征第i组监测时序数据清洗结果的任意两个时序的数据，表征和的相似度；步骤S340：基于所述相似度评估公式，遍本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.电力设备监测数据处理方法，其特征在于，包括：获取第一电力设备的第一数据属性的监测时序数据；根据设备控制参数对所述监测时序数据分组，获取监测时序数据分组结果；基于所述监测时序数据分组结果的第i组监测时序数据，构建相似度矩阵；基于所述相似度矩阵对所述第i组监测时序数据进行聚类分析，获取N个聚类结果；对所述N个聚类结果进行异常值划分，获取异常数据划分结果；对所述第i组监测时序数据的缺失值和所述异常数据划分结果，使用所述N个聚类结果的聚类质心均值进行替换，获取第i组监测时序数据优化结果；将所述第i组监测时序数据优化结果传输至用户终端。2.如权利要求1所述的方法，其特征在于，基于所述监测时序数据分组结果的第i组监测时序数据，构建相似度矩阵，包括：对所述第i组监测时序数据进行缺失位标识，获取缺失位标识结果；基于所述缺失位标识结果对所述第i组监测时序数据进行清洗，获取第i组监测时序数据清洗结果；构建相似度评估公式：；其中，和表征第i组监测时序数据清洗结果的任意两个时序的数据，表征和的相似度；基于所述相似度评估公式，遍历所述第i组监测时序数据清洗结果，获取相似度评估结果；将所述第i组监测时序数据清洗结果按照顺序设为矩阵列属性，将所述第i组监测时序数据清洗结果按照顺序设为矩阵行属性；基于所述矩阵列属性和所述矩阵行属性，填充所述相似度评估结果，获取所述相似度矩阵。3.如权利要求2所述的方法，其特征在于，基于所述相似度矩阵对所述第i组监测时序数据进行聚类分析，获取N个聚类结果，包括：根据第一支持度计算公式，遍历所述相似度矩阵进行处理，获取第一支持度矩阵；根据第二支持度第一计算公式，遍历所述第一支持度矩阵进行处理，获取第二支持度第一矩阵；根据第二支持度第二计算公式，遍历所述第一支持度矩阵进行处理，获取第二支持度第二矩阵；融合所述第二支持度第一矩阵和所述第二支持度第二矩阵，获取第二支持度矩阵；加和所述第一支持度矩阵和所述第二支持度矩阵，获取第一决策矩阵；当所述第一决策矩阵的矩阵对角线元素大于零时，设为聚类质心；当所述矩阵对角线元素大于零的数量为零时，根据所述第一支持度计算公式、所述第二支持度第一计算公式和所述第二支持度第二计算公式，对所述第一决策矩阵进行循环聚类处理，获取所述聚类质心；基于所述聚类质心对所述第i组监测时序数据进行聚类分析，获取所述N个聚类结果。
4.如权利要求3所述的方法，其特征在于，包括：所述第一支持度计算公式为：；其中，表征相似度矩阵的第j行第k列的相似度的第一支持度，表征相似度矩阵的第j行第列的第二支持度，初始值为零，表征第j行的数据对第k列的数据的意向程度，即第j行第k列的相似度，表征除开第j行第k列的相似度的第j行其它列的最大相似度；所述第二支持度第一计算公式为：；其中，表征第k行第k列的第二支持度，表征...

【专利技术属性】
技术研发人员：安博，王征，张洪，周雄，袁贺，李岩，
申请(专利权)人：北京天恒安科集团有限公司，
类型：发明
国别省市：