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】
本专利技术涉及电力计量检测,具体涉及一种用于电能表运行状态预警的数据异常分析方法。
技术介绍
1、电能表是测量和记录电能消耗的仪表,电能计量是电力企业和用户间能源计算的重要步骤,随着电力市场的多元化发展,要求电能计量工作必须保证计量的可靠性与准确性;因此对电能表运行状态的监测预警至关重要,对于供电中断、过载、欠载和盗电等异常情况进行及时提醒。
2、现有的监测方法通常采用时序分解算法进行处理,通过对电能表的数据序列进行分解,获取分解后的残差分量,通过残差分量的变化特征进行提醒。根据时序分解原理可知,现有stl时序分解算法通常将原始数据信息曲线分解为季节项,趋势项以及残差项三个分量;在分解过程中拟合方式为局部加权回归平滑,该拟合方式一般对于距离观测值较近的数据点赋予更大的权重,对距离观测值较远的数据点赋予更小的权重;故该分解方法获取的残差分量中仅含有较大突变程度的异常数据点或噪声数据点。但对于异常特征较低的数据点,无法实现精准的捕捉;例如电能表运行过程中的盗电行为;电能表读数未按照正常的速度增长或增长速度停滞甚至跳变,出现数据变化异常;但拟合过程中未根据数据点的异常特征调整数据点的权重,使得拟合过程中数据以及权重的误差较大,获取的残差分量准确性低,难以突出盗电行为的异常情况,影响电能表运行预警的准确性。
技术实现思路
1、为了解决上述通过现有时序分解算法获取的电能表数据的残差分量准确性较低,影响电能表运行预警准确性的技术问题,本专利技术的目的在于提供一种用于电能表运行状态预
2、获取电能表的用电数据序列;根据所述用电数据序列中数据点和相邻数据点之间的用电差异特征获得所述数据点的用电异常指数;
3、根据所述数据点和相邻数据点的用电变化特征、所述数据点和其他用电数据序列中相同时刻的用电差异特征获得用电异常程度;根据所述用电异常指数和所述用电异常程度获得异常数据点和对应的异常权重系数;
4、根据所述异常数据点的预设邻域范围内其他异常数据点的数量特征获得最终异常数据点;对所述用电数据序列通过stl分解算法进行分解获得初始季节项和初始残差项;根据最终异常数据点的所述异常权重系数和预设权重获得自适应权重;
5、根据所述初始残差项、所述预设权重和所述自适应权重进行拟合获得趋势项;根据所述初始季节项和所述趋势项获得最终残差项并进行异常检测。
6、进一步地,所述根据所述用电数据序列中数据点和相邻数据点之间的用电差异特征获得所述数据点的用电异常指数的步骤包括:
7、计算所述用电数据序列中所述数据点与相邻数据点的差值绝对值,获得相邻用电差异;计算所述用电数据序列的所述相邻用电差异的平均值,获得相邻用电平均差异;计算所述相邻用电平均差异与所述相邻用电差异的差值,获得所述数据点的用电异常指数。
8、进一步地,所述根据所述数据点和相邻数据点的用电变化特征、所述数据点和其他用电数据序列中相同时刻的用电差异特征获得用电异常程度的步骤包括:
9、构建所述用电数据序列的二维直角坐标系,在所述二维直角坐标系中计算所述数据点与相邻数据点之间的线段的斜率并负相关映射,获得所述数据点的用电变化特征值;计算所述用电变化特征值与预设第一系数的乘积,获得用电第一异常程度;
10、计算与所述数据点相同时刻的所有其他用电数据序列的所述相邻用电差异的平均值,获得相邻用电差异时刻平均值;计算所述数据点的相邻用电差异与所述相邻用电差异时刻平均值的差值绝对值并归一化,获得所述数据点的用电差异时刻表征值;计算预设第二系数与所述用电差异时刻表征值的乘积,获得用电第二异常程度;计算所述用电第一异常程度与所述用电第二异常程度的和值,获得所述数据点的所述用电异常程度。
11、进一步地,所述根据所述用电异常指数和所述用电异常程度获得异常数据点和对应的异常权重系数的步骤包括:
12、当所述数据点的用电异常指数不低于预设第一阈值且所述用电异常程度大于预设第二阈值时,所述数据点为异常数据点,所述异常数据点的用电异常程度为所述异常权重系数。
13、进一步地,所述根据所述异常数据点的预设邻域范围内其他异常数据点的数量特征获得最终异常数据点的步骤包括:
14、对于所述用电数据序列中的任意异常数据点,计算所述任意异常数据点的预设邻域范围内的其他异常数据点与数据点的数量比值,获得所述任意异常数据点的邻域异常度;当所述任意异常数据点的所述邻域异常度超过预设第三阈值时,所述任意异常数据点为所述最终异常数据点。
15、进一步地,所述根据最终异常数据点的所述异常权重系数和预设权重获得自适应权重的步骤包括:
16、将所述最终异常数据点的所述异常权重系数进行负相关映射,获得最终异常数据点的权重修正系数;计算所述最终异常数据点的所述权重修正系数与所述预设权重的乘积,获得最终异常数据点的所述自适应权重。
17、进一步地,所述根据所述初始季节项和所述趋势项获得最终残差项并进行异常检测的步骤包括:
18、将所述初始季节项和所述趋势项结合获得修正季节项,将所述用电数据序列中所述修正季节项和所述趋势项剔除获得所述最终残差项;根据数据点对应的最终残差项的数值进行异常检测。
19、本专利技术具有如下有益效果:
20、在本专利技术实施例中,获取用电异常指数能够根据用电差异特征初步表征用电过程中是否存在盗电行为;获取用电异常程度能够结合其他用电数据序列进一步表征是否存在盗电行为;进而根据用电异常指数和用电异常程度能够准确地获取异常数据点和对应的异常权重系数。获取最终异常数据点能够剔除正常用电行为造成异常数据点的误判,进一步提高最终残差项的计算准确性;获取自适应权重能够根据数据点的异常程度对权重进行自适应调整,使得趋势项的拟合过程更准确,突出盗电行为的异常特征;最终本专利技术根据最终残差项对电能表的运行状态进行异常检测,提高了对盗电行为等异常用电情况的检测准确性。
本文档来自技高网...【技术保护点】
1.一种用于电能表运行状态预警的数据异常分析方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种用于电能表运行状态预警的数据异常分析方法,其特征在于,所述根据所述用电数据序列中数据点和相邻数据点之间的用电差异特征获得所述数据点的用电异常指数的步骤包括:
3.根据权利要求2所述的一种用于电能表运行状态预警的数据异常分析方法,其特征在于,所述根据所述数据点和相邻数据点的用电变化特征、所述数据点和其他用电数据序列中相同时刻的用电差异特征获得用电异常程度的步骤包括:
4.根据权利要求1所述的一种用于电能表运行状态预警的数据异常分析方法,其特征在于,所述根据所述用电异常指数和所述用电异常程度获得异常数据点和对应的异常权重系数的步骤包括:
5.根据权利要求1所述的一种用于电能表运行状态预警的数据异常分析方法,其特征在于,所述根据所述异常数据点的预设邻域范围内其他异常数据点的数量特征获得最终异常数据点的步骤包括:
6.根据权利要求1所述的一种用于电能表运行状态预警的数据异常分析方法,其特征在于,所述根据最终异常数据点
7.根据权利要求1所述的一种用于电能表运行状态预警的数据异常分析方法,其特征在于,所述根据所述初始季节项和所述趋势项获得最终残差项并进行异常检测的步骤包括:
...【技术特征摘要】
1.一种用于电能表运行状态预警的数据异常分析方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种用于电能表运行状态预警的数据异常分析方法,其特征在于,所述根据所述用电数据序列中数据点和相邻数据点之间的用电差异特征获得所述数据点的用电异常指数的步骤包括:
3.根据权利要求2所述的一种用于电能表运行状态预警的数据异常分析方法,其特征在于,所述根据所述数据点和相邻数据点的用电变化特征、所述数据点和其他用电数据序列中相同时刻的用电差异特征获得用电异常程度的步骤包括:
4.根据权利要求1所述的一种用于电能表运行状态预警的数据异常分析方法,其特征在于,所述根据所...
【专利技术属性】
技术研发人员:李丰生,铁孝庆,陈曼曼,张坤,郭鹏程,
申请(专利权)人:山东德源电力科技股份有限公司,
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。