System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及城市照明,具体为一种基于dbscan算法的集中器耗能异常原因诊断方法。
技术介绍
1、在城市规划与照明领域,景观照明和道路照明起到了重要的作用,旨在提升城市的美观性、安全性和能源效率。然而,随着城市化进程的不断推进,城市照明系统的规模和复杂性也逐渐增加。为了更好地管理和监控这些照明系统,集中控制器设备被广泛应用,以实现对照明设备的远程控制和监测。
2、然而,这些集中控制器设备在长时间运行中可能会面临能耗异常问题,导致能耗异常可能是线路电流负载变大、电压长时间过压欠压、功率过载、漏电、亮灯时长增加等关键参数的异常变动导致的,这些异常变动可能会导致能源浪费、设备损坏甚至安全隐患,因此,对于这些智能照明系统的稳定性和高效运行的要求变得日益迫切,因而,本申请公开了一种基于dbscan算法的集中器耗能异常原因诊断方法来满足高效的城市照明需求。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足,本专利技术提供了一种基于dbscan算法的集中器耗能异常原因诊断方法,旨在为城市照明系统中集中控制器设备的能耗异常问题提供一种创新的、高效的诊断技术,以提升智慧照明系统的稳定性、能源效率和运行安全性,通过将数据分析与现代照明技术相结合,为城市照明领域的可持续发展做出了积极贡献。
3、(二)技术方案
4、为实现上述目的,本专利技术提供如下技术方案:一种基于dbscan算法的集中器耗能异常原因诊断方法,包括以下操作步骤:
6、s2、实时消费与存储:引入spark structured streaming技术,实时消费从kafka数据流中获取的数据并生成历史数据;
7、s3、特征提取:对所述历史数据进行统计特征处理,计算基本的统计指标;
8、s4、数据标准化:经所述s3进行数据特征提取后,对数据进行标准化,使得不同特征的值都分布在相似的范围内,用于提高模型的稳定性和性能;
9、s5、主成分分析与降维:从多维的标准化后数据中提取最具有代表性的信息,用于减少维度并保留足够的数据变异性;
10、s6、hdbscan密度聚类:利用hdbscan(基于层次聚类的密度峰值扫描)算法进行密度聚类,以发现所述历史数据中的异常数据点,根据聚类结果,识别出潜在的异常情况;
11、s7、异常原因诊断:根据hdbscan的计算结果,将样本划分为不同的簇,每个簇代表一组具有相似特征的样本,找出对异常数据点的状态产生了最大影响的特征参数,通过对异常数据点和最近簇心之间的特征参数进行比较,确定可能导致能耗异常的特征参数,判断出异常原因。
12、优选地,传输到mqtt消息传输协议中的所述用电数据,根据订阅消息主题的方式存储在消息队列中。
13、优选地,所述历史数据包括时序数据和定时策略数据,所述时序数据涵盖了a/b/c相电流、a/b/c相电压、a/b/c相有功功率这些关键参数,所述定时策略数据记录了集中控制器当日所执行的各项策略信号。
14、优选地,所述s3特征提取阶段使用每日平均值来捕捉数据的特征,并计算出每日相关设备的能耗使用情况以及亮灯时长,在特征提取阶段,将用电数据转化为以下向量形式x:
15、式:x=
16、[[t1,va1,vb1,vc1,ia1,ib1,ic1pa1,pb1,pc1,pt1,l1,e1],
17、…,…,
18、[tm,vam,vbm,vcm,iam,ibm,icm,pam,pbm,pcm,ptm,lm,em]]。
19、优选地,第1列参数所述t1…tm表示1…m天集中控制器设备上报的时间戳;
20、第2~4列参数所述va1…vam、vb1…vbm、vc1…vcm表示1…m天中控制器设备上报的当日a相平均电压、b相平均电压、c相平均电压;
21、第5~7列参数所述ia1…iam、ib1…ibm、ic1…icm表示1…m天中控制器设备上报的当日a相平均电流、b相平均电流、c相平均电流;
22、第8~10列参数所述pa1…pam、pb1…pbm、pc1…pcm表示1…m天中控制器设备上报的当日a相平均功率、b相平均功率、c相平均功率;
23、第11列参数所述pt1…ptm表示1…m天中控制器设备上报的当日平均总功率;
24、第12列参数所述l1…lm表示1…m天内相关设备的当日亮灯时长;
25、第13列参数所述e1…em表示1…m天内相关设备的当日能耗。
26、优选地,所述s5中,在主成分分析阶段,使用标准化后的数据,即经过数据标准化处理的特征向量x,主成分分析的目标是将原始数据投影到一组新的正交特征空间上,其中每个新特征是原始特征的线性组合,这些主成分按照解释数据变异性的程度递减排序。
27、优选地,所述主成分分析依据累积贡献率,选取合适数量的主成分,确保85%以上的信息保留,用于减少维度灾难提高数据分析的效率和准确性,且所述主成分分析的步骤如下:
28、第一步、数据标准化;
29、第二步、计算协方差矩阵;
30、第三步、特征值分解;
31、第四步、选择主成分;
32、第五步、数据降维。
33、优选地,所述s6中基于层次聚类的密度峰值扫描算法的实施包括dbscan参数设置、密度聚类计算、聚类结果分析以及异常情况识别这些步骤,根据dbscan的计算结果,将样本划分为不同的簇并识别出异常数据点与异常簇。
34、优选地,将确认后的所述异常数据点与其所属的密度簇心进行比较,用于确定导致能耗异常的可能原因,完成异常原因诊断。
35、(三)有益效果
36、与现有技术相比,本专利技术提供了一种基于dbscan算法的集中器耗能异常原因诊断方法,具备以下有益效果:该基于dbscan算法的集中器耗能异常原因诊断方法,通过将现代数据分析技术应用于城市照明系统中的能耗异常诊断领域,特别地,通过融合dbscan与突变点算法模型,致力于从集中控制器设备产生的各项数据中准确提取特征并进行深入分析,以便捕获潜在的能耗异常情况,通过hbdscan实施的密度聚类,异常数据点能够被有效检测出来,并通过突变点算法进行进一步验证,确保诊断结果的可靠性,将异常数据点与其所属的密度簇心进行比较,对智慧照明系统中安装的集中控制器设备在运行过程中产生的电流、电压、功率负载、漏电、开关时长、策略等数据进行精准的特征提取和深入分析,有助于确定导致能耗异常的主要原因,从而为修复和优化提供了有力的指导,为城市照明系统中集中控制器设备的能耗异常问题提供一种创新的、高效的诊断技术,以提升智慧照明系统的稳定性、能源效率和运行安全性。
本文档来自技高网...【技术保护点】
1.一种基于DBSCAN算法的集中器耗能异常原因诊断方法,其特征在于:包括以下操作步骤:
2.根据权利要求1所述的基于DBSCAN算法的集中器耗能异常原因诊断方法,其特征在于:传输到MQTT消息传输协议中的所述用电数据,根据订阅消息主题的方式存储在消息队列中。
3.根据权利要求1所述的基于DBSCAN算法的集中器耗能异常原因诊断方法,其特征在于:所述历史数据包括时序数据和定时策略数据,所述时序数据涵盖了A/B/C相电流、A/B/C相电压、A/B/C相有功功率这些关键参数,所述定时策略数据记录了集中控制器当日所执行的各项策略信号。
4.根据权利要求1所述的基于DBSCAN算法的集中器耗能异常原因诊断方法,其特征在于:所述S3特征提取阶段使用每日平均值来捕捉数据的特征,并计算出每日相关设备的能耗使用情况以及亮灯时长,在特征提取阶段,将用电数据转化为以下向量形式X:
5.根据权利要求4所述的基于DBSCAN算法的集中器耗能异常原因诊断方法,其特征在于:第1列参数所述T1…Tm表示1…m天集中控制器设备上报的时间戳;
6.根据权
7.根据权利要求6所述的基于DBSCAN算法的集中器耗能异常原因诊断方法,其特征在于:所述主成分分析依据累积贡献率,选取合适数量的主成分,确保85%以上的信息保留,用于减少维度灾难提高数据分析的效率和准确性,且所述主成分分析的步骤如下:
8.根据权利要求1所述的基于DBSCAN算法的集中器耗能异常原因诊断方法,其特征在于:所述S6中基于层次聚类的密度峰值扫描算法的实施包括DBSCAN参数设置、密度聚类计算、聚类结果分析以及异常情况识别这些步骤,根据DBSCAN的计算结果,将样本划分为不同的簇并识别出异常数据点与异常簇。
9.根据权利要求8所述的基于DBSCAN算法的集中器耗能异常原因诊断方法,其特征在于:将确认后的所述异常数据点与其所属的密度簇心进行比较,用于确定导致能耗异常的可能原因,完成异常原因诊断。
...【技术特征摘要】
1.一种基于dbscan算法的集中器耗能异常原因诊断方法,其特征在于:包括以下操作步骤:
2.根据权利要求1所述的基于dbscan算法的集中器耗能异常原因诊断方法,其特征在于:传输到mqtt消息传输协议中的所述用电数据,根据订阅消息主题的方式存储在消息队列中。
3.根据权利要求1所述的基于dbscan算法的集中器耗能异常原因诊断方法,其特征在于:所述历史数据包括时序数据和定时策略数据,所述时序数据涵盖了a/b/c相电流、a/b/c相电压、a/b/c相有功功率这些关键参数,所述定时策略数据记录了集中控制器当日所执行的各项策略信号。
4.根据权利要求1所述的基于dbscan算法的集中器耗能异常原因诊断方法,其特征在于:所述s3特征提取阶段使用每日平均值来捕捉数据的特征,并计算出每日相关设备的能耗使用情况以及亮灯时长,在特征提取阶段,将用电数据转化为以下向量形式x:
5.根据权利要求4所述的基于dbscan算法的集中器耗能异常原因诊断方法,其特征在于:第1列参数所述t1…tm表示1…m天集中控制器设备上报的时间戳;
6.根据权利要求4所述的基于dbsca...
【专利技术属性】
技术研发人员:唐江华,狄艾力,韦兆都,周晶,王建卫,周明,
申请(专利权)人:桂林海威科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。