针对电力系统的工控设备类型识别方法及系统技术方案

本发明专利技术公开了一种电力系统的工控设备类型识别方法，包括获取电力系统工控设备的历史流量数据；构建电力系统工控设备业务数据特征向量生成工控设备业务名单；实时获取目标电力系统的待识别工控设备的业务流量数据；计算业务流量数据与工控设备业务名单之间的距离；根据距离值完成电力系统的工控设备类型的识别

【技术实现步骤摘要】
针对电力系统的工控设备类型识别方法及系统


[0001]本专利技术属于电气自动化领域，具体涉及一种针对电力系统的工控设备类型识别方法及系统
。

技术介绍

[0002]随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利
。
因此，保障电能的稳定可靠供应，就成为了电力系统最重要的任务之一
。
[0003]目前，越来越多的工控资产应用于电力系统，包括智能变电站
、
智能电网等；这些工控资产的安全性和可靠性对于电力系统的安全可靠运行至关重要
。
但是，由于新型电力系统中存在较为复杂的网络架构和众多的设备联接，电力系统目前无法对电力资产进行自动识别，这种情况增加了电力系统的运行风险
。
因此，实现电力系统对于自身工控设备类型的识别，就显得意义重大
。
[0004]传统的电力系统工控设备类型识别方案，一般是通过工控设备的端口特征进行识别
。
但是，这类方案在应用于现有的电力系统时，存在一些问题：一是现有电力系统的工业业务种类多，包括了远动
、WAMS、
电能量采集
、
稳控等业务种类，每类业务设备的生产厂商众多，不同厂商
、
同一业务设备的实现方式也有差异，这将导致设备的端口服务
、
端口
title
等特征不同，从而使得多样业务资产的识别较为困难；二是同一厂商生产的不同业务设备，通常采用同一软硬件平台，仅仅从开放端口特征难以实现不同业务的区分，而且，许多设备采用电力定制化协议，获取设备协议的深层次特征十分困难；这也导致现有电力系统的工控设备类型识别困难
。

技术实现思路

[0005]本专利技术的目的之一在于提供一种可靠性高且精确性好的针对电力系统的工控设备类型识别方法
。
[0006]本专利技术的目的之二在于提供一种实现所述针对电力系统的工控设备类型识别方法的系统
。
[0007]本专利技术提供的这种针对电力系统的工控设备类型识别方法，包括如下步骤：
[0008]S1.
获取电力系统工控设备的历史流量数据；
[0009]S2.
根据步骤
S1
获取的历史流量数据，构建电力系统工控设备业务数据特征向量，从而生成工控设备业务名单；
[0010]S3.
实时获取目标电力系统的待识别工控设备的业务流量数据；
[0011]S4.
计算步骤
S3
获取的业务流量数据与步骤
S2
得到的工控设备业务名单之间的距离；
[0012]S5.
根据步骤
S4
得到的距离值，完成电力系统的工控设备类型的识别
。
[0013]步骤
S1
所述的获取电力系统工控设备的历史流量数据，具体包括如下步骤：
[0014]在设定时间内，连续向同一工控设备发送
n
次读取数据请求，并得到该工控设备的应答数据；
[0015]对应答数据进行解析，得到该工控设备
A
的流量数据
FlowA
为
FlowA
＝
{f1,f2,...,f
n
}
，其中
f
i
为第
i
次发送读取数据请求后得到的应答数据；
[0016]应答数据
f
i
包括工控设备
A
的
r
个寄存器的数据值，表征该工控设备的业务数据；应答数据
f
i
表示为
f
i
＝
(a
i1
,a
i2
,...,a
ir
)
，其中
a
ij
为第
i
个应答数据中工控设备
A
的第
j
个寄存器的数据值；
[0017]采用以上步骤，获取所有工控设备的应答数据，从而获取了电力系统工控设备的历史流量数据
。
[0018]步骤
S2
所述的根据步骤
S1
获取的历史流量数据，构建电力系统工控设备业务数据特征向量，从而生成工控设备业务名单，具体包括如下步骤：
[0019]基于工控设备
A
所采集的流量数据
FlowA
，提取业务数据特征向量；所述业务数据特征向量表示为其中
C
Vi
为工控设备
A
第
i
次业务数据的变异系数，
S
i
为工控设备
A
第
i
次业务数据的数据偏度，
K
i
为工控设备
A
第
i
次业务数据的数据峰度；
[0020]根据工控设备
A
的
n
次业务数据的特征向量分别计算变异系数的平均值
、
数据偏度的平均值和数据峰度的平均值，从而得到工控设备
A
的业务数据特征向量其中
C
VA
为工控设备
A
业务数据的变异系数的平均值，
S
A
为工控设备
A
业务数据的数据偏度的平均值，
K
A
为工控设备
A
业务数据的数据峰度的平均值；
[0021]采用以上步骤，获取所有工控设备的业务数据特征向量，从而生成工控设备业务名单
。
[0022]所述的工控设备
A
第
i
次业务数据的变异系数，具体包括如下内容：
[0023]采用如下算式计算得到工控设备
A
第
i
次业务数据的变异系数
C
Vi
：
[0024][0025]式中
μ
i
为第
i
个应答数据中工控设备
A
的
r
个寄存器的数据平均值，
a
im
为第
i
个应答数据中工控设备
A
的第
m
个寄存器的数据值；
σ
i
为第
i
个应答数据中工控设备
A
的
r
个寄存器的数据标准差，
[0026]所述的工控设备
A
第
i
次业务数据的数据偏度，具体包括如下内容：
[0027]计算得到工控设备
A
第
i
次业务数据的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种电力系统的工控设备类型识别方法，包括如下步骤：
S1.
获取电力系统工控设备的历史流量数据；
S2.
根据步骤
S1
获取的历史流量数据，构建电力系统工控设备业务数据特征向量，从而生成工控设备业务名单；
S3.
实时获取目标电力系统的待识别工控设备的业务流量数据；
S4.
计算步骤
S3
获取的业务流量数据与步骤
S2
得到的工控设备业务名单之间的距离；
S5.
根据步骤
S4
得到的距离值，完成电力系统的工控设备类型的识别
。2.
根据权利要求1所述的电力系统的工控设备类型识别方法，其特征在于步骤
S1
所述的获取电力系统工控设备的历史流量数据，具体包括如下步骤：在设定时间内，连续向同一工控设备发送
n
次读取数据请求，并得到该工控设备的应答数据；对应答数据进行解析，得到该工控设备
A
的流量数据
FlowA
为
FlowA
＝
{f1,f2,...,f
n
}
，其中
f
i
为第
i
次发送读取数据请求后得到的应答数据；应答数据
f
i
包括工控设备
A
的
r
个寄存器的数据值，应答数据
f
i
表示为
f
i
＝
(a
i1
,a
i2
,...,a
ir
)
，其中
a
ij
为第
i
个应答数据中工控设备
A
的第
j
个寄存器的数据值；采用以上步骤，获取所有工控设备的应答数据，从而获取了电力系统工控设备的历史流量数据
。3.
根据权利要求2所述的电力系统的工控设备类型识别方法，其特征在于步骤
S2
所述的根据步骤
S1
获取的历史流量数据，构建电力系统工控设备业务数据特征向量，从而生成工控设备业务名单，具体包括如下步骤：基于工控设备
A
所采集的流量数据
FlowA
，提取业务数据特征向量；所述业务数据特征向量表示为其中为工控设备
A
第
i
次业务数据的变异系数，
S
i
为工控设备
A
第
i
次业务数据的数据偏度，
K
i
为工控设备
A
第
i
次业务数据的数据峰度；根据工控设备
A
的
n
次业务数据的特征向量分别计算变异系数的平均值
、
数据偏度的平均值和数据峰度的平均值，从而得到工控设备
A
的业务数据特征向量其中为工控设备
A
业务数据的变异系数的平均值，
S
A
为工控设备
A
业务数据的数据偏度的平均值，
K
A
为工控设备
A
业务数据的数据峰度的平均值；采用以上步骤，获取所有工控设备的业务数据特征向量，从而生成工控设备业务名单
。4.
根据权利要求3所述的电力系统的工控设备类型识别方法，其特征在于所述的工控
设备
A
第
i
次业务数据的变异系数，具体包括如下内容：采用如下算式计算得到工控设备
A
第
i
次业务数据的变异系数次业务数据的变异系数式中
μ
i
为第
i
个应答数据中工控设备
A
的
r
个寄存器的数据平均值，
a
im
为第
i
个应答数据中工控设备
A
的第
m
个寄存器的数据值；
σ
i
为第
i
个应答数据中工控设备
A
的
r
个寄存器的数据标准差，
5.
根据权利要求4所述的电力系统的工控设备类型识别方法，其特征在于所述的工控设备
A
第
i
次业务数据的数据偏度，具体包...

【专利技术属性】
技术研发人员：杨芳僚，黄鑫，周沿东，李浩志，王伟能，祝视，张宇翔，李梦妮，陈小惠，朱宏宇，
申请(专利权)人：国网湖南省电力有限公司信息通信分公司国家电网有限公司，
类型：发明
国别省市：