一种基于PCA算法的数据异常判断方法及相关装置制造方法及图纸

本发明专利技术属于一种发电企业数据监测方法，为了解决传统的电力行业监测与校验方法需要耗费大量的人力和时间，数据异常中断时不能及时发现，容易造成污染物超标误报，以及可能出现数据修改造假的技术问题，提供一种基于PCA算法的数据常常判断方法及相关装置，对实时生产数据先进行校验，初步判断数据的异常情况，再通过PCA算法对实时生产数据进一步判断，判断过程快速准确，大幅提高了处理效率和精确度。同时，对实时生产数据先进行校验，对于明显异常的数据能够及时剔除，避免流入后续步骤中，增加判断的工作量。另外，本发明专利技术能够实时对数据进行监测和校验，及时发现数据异常情况并进行报警，减少了发电企业的运行风险。减少了发电企业的运行风险。减少了发电企业的运行风险。

【技术实现步骤摘要】
一种基于PCA算法的数据异常判断方法及相关装置


[0001]本专利技术属于一种发电企业数据监测方法，涉及一种基于PCA算法的数据常常判断方法及相关装置。

技术介绍

[0002]在电力行业的监管过程中，数据的准确性和完整性对监管的有效性至关重要。因此，监管机构需要对企业和个人提交的各种数据进行实时监控与校验。
[0003]但是，传统的监测与校验方法通常需要耗费大量的人力和时间，且易受人为因素干扰，如何实现自动化的监测与校验，以及如何保证数据的正确性和完整性，就成为监管机构面临的重要问题
[0004]目前，发电企业大多是通过各所辖分支企业直接上传的方式进行监管，但是，该方法主要存在以下几个缺陷：
[0005]1、数据异常中断时不能及时发现；
[0006]2、数据中断时若一些环保数据处于高位，容易造成污染物超标的误报；
[0007]3、可能出现数据修改造假的情况。

技术实现思路

[0008]本专利技术为了解决传统的电力行业监测与校验方法需要耗费大量的人力和时间，数据异常中断时不能及时发现，容易造成污染物超标误报，以及可能出现数据修改造假的技术问题，提供一种基于PCA算法的数据常常判断方法及相关装置。
[0009]为了实现上述目的，本专利技术采用以下技术方案予以实现：
[0010]第一方面，本专利技术提出一种基于PCA算法的数据异常判断方法，包括以下步骤：
[0011]S1，对各发电企业SIS系统中的实时生产数据进行校验，若校验结果异常，则输出报警信号，否则，执行步骤S2；
[0012]S2，根据所述实时生产数据对应的采集测点的相关性，对各发电企业的采集测点进行分组，对应得到各发电企业的多组采集测点；
[0013]S3，通过PCA算法分别对各发电企业的多组采集测点进行训练，得到各发电企业每个采集测点的实时预测值；
[0014]S4，比较各采集测点的实时预测值和实时生产数据，若偏差超过预设范围，则数据异常，输出报警信号，否则，持续监控。
[0015]优选地，步骤S1中，所述校验包括时标校验和质量码校验。
[0016]优选地，步骤S1中，所述实时生产数据具体采用以下方式获取：
[0017]通过数据发送服务器，将各发电企业SIS系统中的实时生产数据通过对应的企业内网，发送至实时监控系统数据库，在实时监控系统数据库中获取实时生产数据。
[0018]优选地，步骤S1中，所述发送至实时监控系统数据库，具体是采用异步实时传输的方式进行发送。
[0019]优选地，步骤S4中，所述偏差通过下式计算：
[0020][0021]其中，Δη表示实时预测值和实时生产数据的偏差，P1表示实时生产数据，P2表示实时预测值。
[0022]第二方面，本专利技术提出一种基于PCA算法的数据异常判断系统，包括校验模块、分组模块、训练模块和判断模块；
[0023]所述校验模块，用于对各发电企业SIS系统中的实时生产数据进行校验，若校验结果异常，则输出报警信号，否则，将所述实时生产数据发送至分组模块；
[0024]所述分组模块，用于根据所述实时生产数据对应的采集测点的相关性，对各发电企业的采集测点进行分组，对应得到各发电企业的多组采集测点；
[0025]所述训练模块，用于通过PCA算法分别对各发电企业的多组采集测点进行训练，得到各发电企业每个采集测点的实时预测值；
[0026]所述判断模块，用于比较各采集测点的实时预测值和实时生产数据，若偏差超过预设范围，则数据异常，输出报警信号，否则，持续监控。
[0027]优选地，所述校验模块包括时标校验子模块和质量码校验子模块；
[0028]所述时标校验子模块，用于对各发电企业SIS系统中的实时生产数据进行时标校验，若校验结果异常，则输出报警信号，否则，将所述实时生产数据发送至质量码校验子模块；
[0029]所述质量码校验子模块，用于对各发电企业SIS系统中的实时生产数据进行质量码校验子模块，若校验结果异常，则输出报警信号，否则，将所述实时生产数据发送至分组模块。
[0030]优选地，所述时标校验子模块和质量码校验子模块中的实时生产数据，具体采用以下方式获取：
[0031]通过数据发送服务器，将各发电企业SIS系统中的实时生产数据通过对应的企业内网，再采用异步实时传输的方式发送至实时监控系统数据库，在实时监控系统数据库中获取实时生产数据。
[0032]第三方面，本专利技术提出一种计算机设备，包括存储器、处理器以及存储在所述存储器中并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上述方法的步骤。
[0033]第四方面，本专利技术提出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上述方法的步骤。
[0034]与现有技术相比，本专利技术具有以下有益效果：
[0035]1.本专利技术提出一种基于PCA算法的数据异常判断方法，对实时生产数据先进行校验，初步判断数据的异常情况，再通过PCA算法对实时生产数据进一步判断，判断过程快速准确，大幅提高了处理效率和精确度。同时，对实时生产数据先进行校验，对于明显异常的数据能够及时剔除，避免流入后续步骤中，增加判断的工作量。另外，本专利技术能够实时对数据进行监测和校验，及时发现数据异常情况并进行报警，减少了发电企业的运行风险。再者，PCA算法还能够基于发电企业的实际情况进行持续优化，不断优化精度更高、与本专利技术
应用场景更贴合的PCA算法，应用更加灵活，能够根据实际情况持续进行调整和优化。
[0036]2.本专利技术中的校验包括了时标校验和质量码校验，双重校验方法，对数据的异常情况判断更加全面和准确。
[0037]3.本专利技术中获取实时生产数据时，采用异步实时传输的方式，保证了数据传输的高效性和准确性。
[0038]4.本专利技术还提出了一种基于PCA算法的数据异常判断系统，通过模块化的系统形式，实现上述数据异常判断方法，使本专利技术的判断方法更加便于实际应用和推广。
附图说明
[0039]为了更清楚的说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0040]图1为本专利技术实施例一的流程示意图；
[0041]图2为本专利技术实施例二的流程示意图；
[0042]图3为本专利技术实施例三的连接示意图。
具体实施方式
[0043]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PCA算法的数据异常判断方法，其特征在于，包括以下步骤：S1，对各发电企业SIS系统中的实时生产数据进行校验，若校验结果异常，则输出报警信号，否则，执行步骤S2；S2，根据所述实时生产数据对应的采集测点的相关性，对各发电企业的采集测点进行分组，对应得到各发电企业的多组采集测点；S3，通过PCA算法分别对各发电企业的多组采集测点进行训练，得到各发电企业每个采集测点的实时预测值；S4，比较各采集测点的实时预测值和实时生产数据，若偏差超过预设范围，则数据异常，输出报警信号，否则，持续监控。2.根据权利要求1所述一种基于PCA算法的数据异常判断方法，其特征在于：步骤S1中，所述校验包括时标校验和质量码校验。3.根据权利要求1或2所述一种基于PCA算法的数据异常判断方法，其特征在于，步骤S1中，所述实时生产数据具体采用以下方式获取：通过数据发送服务器，将各发电企业SIS系统中的实时生产数据通过对应的企业内网，发送至实时监控系统数据库，在实时监控系统数据库中获取实时生产数据。4.根据权利要求3所述一种基于PCA算法的数据异常判断方法，其特征在于：步骤S1中，所述发送至实时监控系统数据库，具体是采用异步实时传输的方式进行发送。5.根据权利要求4所述一种基于PCA算法的数据异常判断方法，其特征在于：步骤S4中，所述偏差通过下式计算：其中，Δη表示实时预测值和实时生产数据的偏差，P1表示实时生产数据，P2表示实时预测值。6.一种基于PCA算法的数据异常判断系统，其特征在于：包括校验模块、分组模块、训练模块和判断模块；所述校验模块，用于对各发电企业SIS系统中的实时生产数据进行校验，若校验结果异常，则输出报警信号，否则，将所述实时生产数据发送至分组模块；所述分组模块，用于根据所述实时...

【专利技术属性】
技术研发人员：郗育飞，张吉顺，吴涛，杜保华，吴智群，
申请(专利权)人：西安热工研究院有限公司，
类型：发明
国别省市：