一种综合能源运维的异常数据监测方法及系统技术方案

本发明专利技术提供了一种综合能源运维的异常数据监测方法及系统，涉及异常监测技术领域，该方法包括：获取第一区域内的用户类型信息和用户位置信息；获得

【技术实现步骤摘要】
一种综合能源运维的异常数据监测方法及系统


[0001]本专利技术涉及异常监测
，具体涉及一种综合能源运维的异常数据监测方法及系统
。

技术介绍

[0002]随着互联网技术的快速发展，能源运维也引入了互联网，有效提高能源管控效率
。
综合能源包括多种不同类型的能源，比如电能
、
热能
、
天然气等，对综合能源的运维过程进行实时监测，可以有效避免能源异常事件的发生
。
[0003]目前，现有技术中存在由于综合能源的监测数据不够全面，进而导致监测效果不佳的技术问题
。

技术实现思路

[0004]本专利技术提供了一种综合能源运维的异常数据监测方法及系统，用以解决现有技术中存在由于综合能源的监测数据不够全面，进而导致监测效果不佳的技术问题
。
[0005]根据本专利技术的第一方面，提供了一种综合能源运维的异常数据监测方法，包括：获取第一区域内的用户类型信息和用户位置信息；根据所述用户类型信息和所述用户位置信息对所述第一区域进行区域划分，获得
M
个子区域，
M
为大于1的整数；采集获取所述
M
个子区域的历史能源负荷信息，所述历史能源负荷信息包括历史热负荷
、
历史冷负荷
、
历史电负荷
、
历史气负荷；分别根据所述历史热负荷
、
所述历史冷负荷
、
所述历史电负荷
、
>所述历史气负荷构建热负荷预测模型
、
冷负荷预测模型
、
电负荷预测模型
、
气负荷预测模型；根据所述热负荷预测模型
、
所述冷负荷预测模型
、
所述电负荷预测模型
、
所述气负荷预测模型获取第一预设时间内的第一热负荷预测结果
、
第一冷负荷预测结果
、
第一电负荷预测结果
、
第一气负荷预测结果；根据所述第一预设时间进行实时热负荷
、
实时冷负荷
、
实时电负荷
、
实时气负荷的采集；根据所述第一热负荷预测结果
、
第一冷负荷预测结果
、
第一电负荷预测结果
、
第一气负荷预测结果和所述实时热负荷
、
实时冷负荷
、
实时电负荷
、
实时气负荷进行综合能源的异常数据监测，获得异常监测结果，根据所述异常监测结果进行运维异常预警
。
[0006]进一步而言，所述方法还包括：
[0007]根据所述用户位置信息构建初始区域用户网络图；将所述用户类型信息标记至所述初始区域用户网络图，获得第一区域网络图；根据用户类型信息标记结果对所述一区域网络图进行区域划分，获得所述
M
个子区域
。
[0008]进一步而言，所述方法还包括：
[0009]根据所述用户类型信息标记结果获取任意两个相邻用户的相邻用户类型信息；如果所述相邻用户类型信息相同，对所述两个相邻用户进行聚合；根据聚合结果获取所述
M
个子区域
。
[0010]进一步而言，所述方法还包括：
[0011]对所述历史热负荷
、
所述历史冷负荷
、
所述历史电负荷
、
所述历史气负荷进行变化
分析，获得第一热负荷变化趋势
、
第一冷负荷变化趋势
、
第一电负荷变化趋势
、
第一气负荷变化趋势；基于马尔科夫链，采用所述第一热负荷变化趋势
、
第一冷负荷变化趋势
、
第一电负荷变化趋势
、
第一气负荷变化趋势作为训练数据，分别构建所述热负荷预测模型
、
冷负荷预测模型
、
电负荷预测模型
、
气负荷预测模型
。
[0012]进一步而言，所述方法还包括：
[0013]根据所述第一预设时间设置第一监测窗口；根据所述第一监测窗口读取所述实时热负荷
、
实时冷负荷
、
实时电负荷
、
实时气负荷
。
[0014]进一步而言，所述方法还包括：
[0015]根据所述第一热负荷预测结果
、
第一冷负荷预测结果
、
第一电负荷预测结果
、
第一气负荷预测结果和所述实时热负荷
、
实时冷负荷
、
实时电负荷
、
实时气负荷获取热负荷偏差
、
冷负荷偏差
、
电负荷偏差和气负荷偏差；对所述热负荷偏差
、
冷负荷偏差
、
电负荷偏差和气负荷偏差进行数据归一化处理，求取归一化处理后的偏差均值；判断所述偏差均值是否超出预设偏差范围，如果是，所述异常监测结果为数据异常；根据所述异常监测结果生成预警信息
。
[0016]根据本专利技术的第二方面，提供了一种综合能源运维的异常数据监测系统，包括：用户信息获取模块，所述用户信息获取模块用于获取第一区域内的用户类型信息和用户位置信息；区域划分模块，所述区域划分模块用于根据所述用户类型信息和所述用户位置信息对所述第一区域进行区域划分，获得
M
个子区域，
M
为大于1的整数；历史能源负荷采集模块，所述历史能源负荷采集模块用于采集获取所述
M
个子区域的历史能源负荷信息，所述历史能源负荷信息包括历史热负荷
、
历史冷负荷
、
历史电负荷
、
历史气负荷；预测模型构建模块，所述预测模型构建模块用于分别根据所述历史热负荷
、
所述历史冷负荷
、
所述历史电负荷
、
所述历史气负荷构建热负荷预测模型
、
冷负荷预测模型
、
电负荷预测模型
、
气负荷预测模型；负荷预测模块，所述负荷预测模块用于根据所述热负荷预测模型
、
所述冷负荷预测模型
、
所述电负荷预测模型
、
所述气负荷预测模型获取第一预设时间内的第一热负荷预测结果
、
第一冷负荷预测结果
、
第一电负荷预测结果
、
第一气负荷预测结果；实时负荷采集模块，所述实时负荷采集模块用于根据所述第一预设时间进行实时热负荷
、
实时冷负荷
、
实时电负荷
、
实时气负荷的采集；异常监测模块，所述异常监测模块用于根据所述第一热负荷预测结果
、
第一冷负荷预测结果
、<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种综合能源运维的异常数据监测方法，其特征在于，所述方法包括：获取第一区域内的用户类型信息和用户位置信息；根据所述用户类型信息和所述用户位置信息对所述第一区域进行区域划分，获得
M
个子区域，
M
为大于1的整数；采集获取所述
M
个子区域的历史能源负荷信息，所述历史能源负荷信息包括历史热负荷
、
历史冷负荷
、
历史电负荷
、
历史气负荷；分别根据所述历史热负荷
、
所述历史冷负荷
、
所述历史电负荷
、
所述历史气负荷构建热负荷预测模型
、
冷负荷预测模型
、
电负荷预测模型
、
气负荷预测模型；根据所述热负荷预测模型
、
所述冷负荷预测模型
、
所述电负荷预测模型
、
所述气负荷预测模型获取第一预设时间内的第一热负荷预测结果
、
第一冷负荷预测结果
、
第一电负荷预测结果
、
第一气负荷预测结果；根据所述第一预设时间进行实时热负荷
、
实时冷负荷
、
实时电负荷
、
实时气负荷的采集；根据所述第一热负荷预测结果
、
第一冷负荷预测结果
、
第一电负荷预测结果
、
第一气负荷预测结果和所述实时热负荷
、
实时冷负荷
、
实时电负荷
、
实时气负荷进行综合能源的异常数据监测，获得异常监测结果，根据所述异常监测结果进行运维异常预警
。2.
如权利要求1所述的方法，其特征在于，所述根据所述用户类型信息和所述用户位置信息对所述第一区域进行区域划分，获得
M
个子区域，包括：根据所述用户位置信息构建初始区域用户网络图；将所述用户类型信息标记至所述初始区域用户网络图，获得第一区域网络图；根据用户类型信息标记结果对所述一区域网络图进行区域划分，获得所述
M
个子区域
。3.
如权利要求2所述的方法，其特征在于，所述根据用户类型信息标记结果对所述一区域网络图进行区域划分，获得
M
个子区域，包括：根据所述用户类型信息标记结果获取任意两个相邻用户的相邻用户类型信息；如果所述相邻用户类型信息相同，对所述两个相邻用户进行聚合；根据聚合结果获取所述
M
个子区域
。4.
如权利要求1所述的方法，其特征在于，所述分别根据所述历史热负荷
、
所述历史冷负荷
、
所述历史电负荷
、
所述历史气负荷构建热负荷预测模型
、
冷负荷预测模型
、
电负荷预测模型
、
气负荷预测模型，包括：对所述历史热负荷
、
所述历史冷负荷
、
所述历史电负荷
、
所述历史气负荷进行变化分析，获得第一热负荷变化趋势
、
第一冷负荷变化趋势
、
第一电负荷变化趋势
、
第一气负荷变化趋势；基于马尔科夫链，采用所述第一热负荷变化趋势
、
第一冷负荷变化趋势
、
第一电负荷变化趋势
、
第一气负荷变化趋势作为训练数据，分别构建所述热负荷预测模型
、
冷负荷预测模型
、
电负荷预测模型
、
气负荷预测模型
。5.
如权利要求1所述的方法，其特征在于，所述根据所述第一预设时间进行实时热负荷
、
实时冷负荷
、
实时电负荷
、
实时气负荷的采集，包括：根据所述第一预设时间设置第一监测窗口；根据所述第一监测...

【专利技术属性】
技术研发人员：杨佳霖，赵鹏翔，窦真兰，丛琳，杨宪，张春雁，童贤靓，王冰，李娜，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：