一种冷热-动静电网图混合数据处理方法及装置制造方法及图纸

本发明专利技术涉及电网数据处理技术领域，公开了一种冷热

【技术实现步骤摘要】
一种冷热
‑
动静电网图混合数据处理方法及装置


[0001]本专利技术涉及电网数据处理
，特别是涉及一种冷热
‑
动静电网图混合数据处理方法及装置
。

技术介绍

[0002]目前电网中的冷热数据和动静电网图数据是两类重要的数据，冷热数据包括电网中各个节点的实时电力数据，动静电网图数据是指电网的拓扑结构
、
线路参数和设备状态等静态和动态信息，但是目前的电网系统无法将冷热数据和动静电网图数据整合进行处理，导致系统无法全面了解电网的运行情况，从而无法保证为电网运营商提供决策支持和优化策略
。

技术实现思路

[0003]本专利技术提供了一种冷热
‑
动静电网图混合数据处理方法及装置，可以实现对电网的全面分析，提高了预测电网的准确度，形成准确度更高的电网优化策略，提高了电网的稳定性
。
[0004]为了解决上述技术问题，本专利技术提供了一种冷热
‑
动静电网图混合数据处理方法，包括：
[0005]实时采集电网中各个节点的冷热数据；
[0006]通过拓扑分析工具获取电网的动静电网图数据；
[0007]将所述冷热数据和所述动静电网图数据进行关联，生成关联数据；
[0008]分别对所述冷热数据
、
所述动静电网图数据和所述关联数据进行分析；
[0009]基于分析结果选取决策支持工具，对所述电网进行规划，并生成电网优化策略
。
[0010]进一步地，所述将所述冷热数据和所述动静电网图数据进行关联，生成关联数据，具体为：
[0011]确定所述冷热数据和所述动静电网图数据的共同属性；其中，所述共同属性包括时间戳和节点
ID
；
[0012]将共同属性相同的冷热数据和动静电网图数据进行匹配；
[0013]将匹配成功的冷热数据和动静电网图数据确定为关联数据
。
[0014]进一步地，所述分别对所述冷热数据
、
所述动静电网图数据和所述关联数据进行分析，具体为：
[0015]对所述冷热数据进行实时分析和建模，检测所述电网的潜在故障；
[0016]分别对所述动静电网图数据进行电网状态评估
、
负荷均衡检测和故障判断；
[0017]分析所述关联数据，获取所述关联数据中的冷热数据和动静电网图数据的关联性，以及所述电网的潜在故障
。
[0018]进一步地，所述对所述冷热数据进行实时分析和建模，检测所述电网的潜在故障，具体为：
[0019]利用时间序列分析法所述冷热数据中按时间顺序采样的数据，得到所述冷热数据的季节性
、
趋势和周期性变化；
[0020]对所述冷热数据进行聚类分析，得出若干个具有相似特征的数据群，识别所述冷热数据的潜在模式；
[0021]根据所述冷热数据的历史记录进行负荷预测和异常检测，预测所述冷热数据的未来趋势和未来模式；
[0022]利用机器学习算法对所述冷热数据进行模型训练，得出所述冷热数据的当前模式；
[0023]根据所述述冷热数据的季节性
、
趋势和周期性变化
、
所述冷热数据的潜在模式
、
所述冷热数据的未来趋势和未来模式和所述冷热数据的当前模式，检测所述电网的潜在故障
。
[0024]进一步地，所述分析所述关联数据，获取所述关联数据中的冷热数据和动静电网图数据的关联性，以及所述电网的潜在故障，具体为：
[0025]使用相关性分析方法，衡量所述关联数据中的冷热数据和动静电网图数据之间的关联性；
[0026]利用统计分析法，检测所述关联数据中各数据间的关系和模式，确定所述电网的异常情况；
[0027]使用时间序列分析法分析所述关联数据的时间变化趋势；
[0028]根据所述电网的异常情况和所述关联数据的时间变化趋势，确定所述电网的潜在故障
。
[0029]进一步地，所述基于分析结果选取决策支持工具，对所述电网进行规划，并生成电网优化策略，具体为：
[0030]基于分析结果确定决策支持工具；
[0031]利用所述决策支持工具，根据所述分析结果生成电网优化策略；
[0032]根据所述电网优化策略对所述电网调整负荷配置和设备维护
。
[0033]进一步地，所述冷热
‑
动静电网图混合数据处理方法，还包括：
[0034]根据用户需求设置数据可视化界面；
[0035]将分析结果在所述数据可视化界面进行可视化展示；其中，可视化展示形式包括报表形式和图表形式
。
[0036]进一步地，所述冷热
‑
动静电网图混合数据处理方法，还包括：
[0037]对采集到的冷热数据和动静电网图数据设置处理访问控制措施，并进行加密处理；
[0038]对所述冷热数据
、
所述动静电网图数据和所述分析结果进行脱敏处理和匿名化处理
。
[0039]本专利技术提供了一种冷热
‑
动静电网图混合数据处理方法，实时采集电网中个节点的冷热数据，通过拓扑分析工具获取电网的动静电网图数据；将得到的冷热数据和动静电网图数据进行关联，生成关联数据；分别对冷热数据
、
动静电网图数据和关联数据进行分析，可以基于分析结果选取决策支持工具，并对电网进行规划，生成电网优化策略
。
本专利技术通过关联冷热数据和动静电网图数据，实现了对电网进行全面分析，提高了预测电网的准
确度，形成准确度更高的电网优化策略，提高了电网的稳定性
。
[0040]相应的，本专利技术提供了一种冷热
‑
动静电网图混合数据处理装置，包括：采集模块
、
获取模块
、
关联模块
、
分析模块和生成模块；
[0041]所述采集模块用于实时采集电网中各个节点的冷热数据；
[0042]所述获取模块用于通过拓扑分析工具获取电网的动静电网图数据；
[0043]所述关联模块用于将所述冷热数据和所述动静电网图数据进行关联，生成关联数据；
[0044]所述分析模块用于分别对所述冷热数据
、
所述动静电网图数据和所述关联数据进行分析；
[0045]所述生成模块用于基于分析结果选取决策支持工具，对所述电网进行规划，并生成电网优化策略
。
[0046]进一步地，所述关联模块，包括：属性确定单元
、
匹配单元和关联数据确定单元；
[0047]所述属性确定单元用于确定所述冷热数据和所述动静电网图数据的共同属性；其中，所述共同属性包括时间戳和节点
ID
；
[0048]所述匹配单元用于将共同属性相同的冷热数据和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种冷热
‑
动静电网图混合数据处理方法，其特征在于，包括：实时采集电网中各个节点的冷热数据；通过拓扑分析工具获取电网的动静电网图数据；将所述冷热数据和所述动静电网图数据进行关联，生成关联数据；分别对所述冷热数据
、
所述动静电网图数据和所述关联数据进行分析；基于分析结果选取决策支持工具，对所述电网进行规划，并生成电网优化策略
。2.
根据权利要求1所述的冷热
‑
动静电网图混合数据处理方法，其特征在于，所述将所述冷热数据和所述动静电网图数据进行关联，生成关联数据，具体为：确定所述冷热数据和所述动静电网图数据的共同属性；其中，所述共同属性包括时间戳和节点
ID
；将共同属性相同的冷热数据和动静电网图数据进行匹配；将匹配成功的冷热数据和动静电网图数据确定为关联数据
。3.
根据权利要求1所述的冷热
‑
动静电网图混合数据处理方法，其特征在于，所述分别对所述冷热数据
、
所述动静电网图数据和所述关联数据进行分析，具体为：对所述冷热数据进行实时分析和建模，检测所述电网的潜在故障；分别对所述动静电网图数据进行电网状态评估
、
负荷均衡检测和故障判断；分析所述关联数据，获取所述关联数据中的冷热数据和动静电网图数据的关联性，以及所述电网的潜在故障
。4.
根据权利要求3所述的冷热
‑
动静电网图混合数据处理方法，其特征在于，所述对所述冷热数据进行实时分析和建模，检测所述电网的潜在故障，具体为：利用时间序列分析法所述冷热数据中按时间顺序采样的数据，得到所述冷热数据的季节性
、
趋势和周期性变化；对所述冷热数据进行聚类分析，得出若干个具有相似特征的数据群，识别所述冷热数据的潜在模式；根据所述冷热数据的历史记录进行负荷预测和异常检测，预测所述冷热数据的未来趋势和未来模式；利用机器学习算法对所述冷热数据进行模型训练，得出所述冷热数据的当前模式；根据所述述冷热数据的季节性
、
趋势和周期性变化
、
所述冷热数据的潜在模式
、
所述冷热数据的未来趋势和未来模式和所述冷热数据的当前模式，检测所述电网的潜在故障
。5.
根据权利要求3所述的冷热
‑
动静电网图混合数据处理方法，其特征在于，所述分析所述关联数据，获取所述关联数据中的冷热数据和动静电网图数据的关联性，以及所述电网的潜在故障，具体为：使用相关性分析方...

【专利技术属性】
技术研发人员：谭慧娟，郑文杰，胡亚平，彭超逸，赵瑞锋，李世明，林旭，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：