【技术实现步骤摘要】
本申请涉及数据监控的，尤其是涉及一种基于电力能源管理系统的数据监控方法及系统。
技术介绍
1、当前的电力管理系统大多采用简单的统计表格来展示站点设备的数据，这种呈现方式较为静态和抽象，无法实现对站点的实时监控。电力管理人员无法快速直观地掌握一个站点或一个区域的实时运行状态。当异常数据发生时，缺乏有效的实时监测和管理手段，导致响应不及时，降低了电力供应的可靠性和电网的稳定运行，对此情况有待进一步改善。
技术实现思路
1、为了解决现有的电力监控手段响应不及时的问题，本申请提供一种基于电力能源管理系统的数据监控方法及系统，采用如下的技术方案：
2、第一方面，本申请提供一种基于电力能源管理系统的数据监控方法，包括如下步骤：
3、采集电力站点对应的电力设备的实时状态数据；
4、在构建的数字地图上标识电力站点位置，并根据所述实时状态数据在对应的所述电力站点位置展示对应的站点运行状态；
5、根据所述实时状态数据，统计并分析所述电力设备的用电数据，并根据所述用电数据判断所述电力设备是否存在用电异常，在所述电力设备存在用电异常时，对所述实时状态数据进行异常分析，得到异常分析结果；
6、根据所述异常分析结果对所述电力设备进行异常预警管理。
7、通过采用上述技术方案，本申请通过采集电力站点对应的电力设备的实时状态数据，然后在数字地图上进行标识，并展示电力站点的运行状态，从而能够对电力状态进行实时监测，然后通过统计并分析电力设备的用电
8、可选的，所述实时状态数据包括电压参数、电流参数、温度参数和功率因数，所述根据所述实时状态数据，统计并分析所述电力设备的用电数据，并根据所述用电数据判断所述电力设备是否存在用电异常，在所述电力设备存在用电异常时，对所述实时状态数据进行异常分析，得到异常分析结果，具体包括：
9、根据所述实时状态数据计算预设时长内各个采样时间点的有功功率，并统计预设时长内的用电总量；
10、将所述用电总量与电力设备的历史同期用电总量进行比较，根据比较结果判断所述电力设备是否存在用电异常；
11、在所述电力设备存在用电异常时，提取所述电力设备的电压参数、电流参数对应的时域样本数据；
12、对所述时域样本数据进行小波变换，得到所述时域样本数据对应的能量特征向量；
13、将所述能量特征向量输入预设的异常类型识别模型，确定所述电力设备的用电异常类型，并得到异常分析结果。
14、通过采用上述技术方案，本申请具体公开了根据预设时长内各个采样时间点的有功功率计算预设时长内的用电总量，然后与历史同期用电总量进行比较，根据比较结果判断电力站点是否存在用电异常，在存在用电异常时，提取电压参数和电流参数对应的时域样本数据，然后进行小波变换，得到时域样本数据对应的能量特征向量，输入预设的异常类型识别模型，确定用电异常类型，得到异常分析结果，通过此，本申请能够对用电数据异常的时间段自动识别异常类型，从而对用电异常进行及时响应，同时，相比于直接根据参数阈值进行判断，用电总量对比能够更可靠地反映设备状况，减少瞬时参数波动等引起的瞬时报警，同时不用对每个时间段都进行小波分析，具有更高地计算效率。
15、可选的，所述对所述时域样本数据进行小波变换，得到所述时域样本数据对应的能量特征向量，具体包括：
16、对所述时域样本数据进行l层小波分解，得到1个低频近似信号a和l个高频细节信号d1至dl；
17、计算所述低频近似信号a的能量ea，作为第一能量特征；
18、分别计算所述l个高频细节信号d1至dl的能量ed1至edl，作为第二至l+1能量特征；
19、所述第一能量特征与所述第二至l+1能量特征组成能量特征向量【ea，ed1，ed2，...，edl】。
20、通过采用上述技术方案，本申请通过对时域样本数据进行l层小波分解，得到1个低频近似信号a和l个高频细节信号d1至dl，然后计算对应的能量特征，组成能量特征向量，从而根据能量特征向量进行异常识别。
21、可选的，所述异常类型识别模型的建立过程包括：
22、获取包含不同异常类型的电力设备历史用电数据；
23、对所述历史用电数据进行小波变换，提取能量特征，构建样本特征向量；
24、根据预设标注规则对所述样本特征向量进行标注，确定不同类型的用电异常样本；
25、根据标注的所述用电异常样本，通过支持向量机算法对待训练的神经网络模型进行训练，得到基于小波变换能量特征的异常类型识别模型。
26、通过采用上述技术方案，本申请通过预先对历史用电数据进行小波变换，提取能量特征，构建样本特征向量，然后进行标注，确定不同类型的用电异常样本，然后通过支持向量机算法对待训练的神经网络模型进行训练，得到基于小波变换能量特征的异常类型识别模型，从而在后续根据能量特征向量进行异常识别。
27、可选的，所述实时状态数据包括电压参数、电流参数、温度参数和功率因数，所述根据实时状态数据展示所述电力站点位置对应的站点运行状态，具体包括：
28、比较电压参数、电流参数、温度参数和功率因数的实时测量值与常态阈值的偏差；
29、根据所述电压参数、电流参数、温度参数和功率因数的偏差大小，将所述实时状态数据进行状态层次分级，不同状态层次的显示采用不同的色彩和区域；
30、在对应的所述电力站点位置显示不同状态层次的可视化区域；
31、当接收到预设指令时，在所述可视化区域上叠加显示对应的实时状态信息，并弹出趋势图，以展示站点运行状态。
32、通过采用上述技术方案，本申请具体公开了根据电压参数、电流参数和温度参数的实时测量值与正常阈值的偏差大小，将实时状态数据进行状态层次分级，然后在数字地图的电力站点位置显示不同状态层次的可视化区域，当接收到预设指令时，在可视化区域上叠加显示对应的实时参数数值，并弹出趋势图，从而直观地展示站点运行状态，便于对站点运行状态进行监控。
33、可选的，根据所述异常分析结果对所述电力设备进行异常预警管理，具体包括：
34、根据所述异常分析结果对所述电力设备进行用电异常预警监控；
35、在触发用电异常预警信息时，生成所述电力设备的运维任务；
36、将所述运维任务下发至对应的运维人员，以使运维人员对所述电力设备进行运维管理。
37、通过采用上述技术方案，本申请根据异常分析结果对电力设备进行用电异常预警监控，在触发用电异常预警信息时，生成电力设备的运维任务，将运维任务下发至本文档来自技高网...
【技术保护点】
1.基于电力能源管理系统的数据监控方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于电力能源管理系统的数据监控方法，其特征在于，所述实时状态数据包括电压参数、电流参数、温度参数和功率因数，所述根据所述实时状态数据，统计并分析所述电力设备的用电数据，并根据所述用电数据判断所述电力设备是否存在用电异常，在所述电力设备存在用电异常时，对所述实时状态数据进行异常分析，得到异常分析结果，具体包括：
3.根据权利要求2所述的基于电力能源管理系统的数据监控方法，其特征在于，所述对所述时域样本数据进行小波变换，得到所述时域样本数据对应的能量特征向量，具体包括：
4.根据权利要求2所述的基于电力能源管理系统的数据监控方法，其特征在于，所述异常类型识别模型的建立过程包括：
5.根据权利要求1所述的基于电力能源管理系统的数据监控方法，其特征在于，所述实时状态数据包括电压参数、电流参数、温度参数和功率因数，所述根据所述实时状态数据在对应的所述电力站点位置展示对应的站点运行状态，具体包括：
6.根据权利要求1所述的基于电力能源管理系统
7.根据权利要求6所述的基于电力能源管理系统的数据监控方法，其特征在于，方法还包括：
8.一种电力能源管理系统，其特征在于，包括：
...【技术特征摘要】
1.基于电力能源管理系统的数据监控方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于电力能源管理系统的数据监控方法，其特征在于，所述实时状态数据包括电压参数、电流参数、温度参数和功率因数，所述根据所述实时状态数据，统计并分析所述电力设备的用电数据，并根据所述用电数据判断所述电力设备是否存在用电异常，在所述电力设备存在用电异常时，对所述实时状态数据进行异常分析，得到异常分析结果，具体包括：
3.根据权利要求2所述的基于电力能源管理系统的数据监控方法，其特征在于，所述对所述时域样本数据进行小波变换，得到所述时域样本数据对应的能量特征向量，具体包括：
4.根据权利要求2所...
【专利技术属性】
技术研发人员：王龙，王丽娜，宋彩英，韩亚欢，王瑞，
申请(专利权)人：西安民为电力科技有限公司，
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。