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】
本专利技术涉及电网运营维护,具体为一种基于大数据的电能质量与可靠性分析方法。
技术介绍
1、随着经济的发展和科学技术的进步,在日常生活和生产活动中对电能的需求量也快速增加,同时对电能质量的要求也越来越苛刻,为了提高电网容纳量和保证电能质量,电网日趋庞大复杂,越来越多的专业设备被应用在电网中,各种专业设备型号不同,性能也有差异,对设备的合理选择和使用集中体现在电网运行的可靠性和电能质量上,因而监测电网运行可靠性和电能质量,也成了电网运营管理中必不可少的工作。
2、而目前电网的监测系统,多为功能单一的专项系统,如电网电能谐波监测系统和发电设备远程监测与诊断系统等,各系统间不能统筹兼顾,导致电网运营单位的技术人员需要运行和维护多种不同系统,而掌握各种系统的使用方法本身也具有一定难度和工作量,故而提出了一种基于大数据的电能质量与可靠性分析方法来解决上述问题。
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大数据的电能质量与可靠性分析方法,具备可以利用大数据对电能质量与可靠性进行统筹兼顾分析等优点,解决了目前电网的监测系统,多为功能单一的专项系统,各系统间不能统筹兼顾,导致电网运营单位的技术人员需要运行和维护多种不同系统,而掌握各种系统的使用方法本身也具有一定难度和工作量的问题。
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:一种基于大数据的电能质量与可靠性分析方法,包括以下步骤:
5、步骤1、数据收集与存储:收集和存储大量的电能数据;
6、步骤2、数据预处理与数据挖掘:对采集到的数据进行预处理,包括填补缺失值和离群点检测,以保证数据的准确性和完整性;
7、步骤3、特征提取:从原始数据中提取特征,包括功率谱密度、波形畸变和谐波含量,以便进行后续分析;
8、步骤4、数据分析与建模:利用机器学习和数据挖掘算法对电能数据进行分析和建模,以发现电能质量和可靠性存在的问题,并预测潜在的故障;
9、步骤5、故障诊断与预警:基于建立的模型和算法,对电能质量和可靠性进行故障诊断和预警,及时发现并解决电网故障;
10、步骤6、可视化展示与决策支持:将分析结果以可视化的方式展示,帮助用户理解电能质量和可靠性的情况,并为相关决策提供支持。
11、优选的,所述电能质量数据包括电压偏差、电网谐波、三相电压不平衡度、频率偏差、有功功率和电压波动与闪变,所述电能可靠性包括电力负荷预测、电力设备故障诊断和电力系统风险评估。
12、优选的,所述步骤1中的数据存储采用gfs分布式存储系统,所述gfs分布式存储系统包括主控服务器、数据块服务器和gfs客户端。
13、优选的,所述数据挖掘包括以下步骤:
14、s1、确定需要解决的问题,要确定挖掘对象,确定挖掘深度以及程度;
15、s2、确定需要挖掘的信息,准备好与该信息相关的所有数据;
16、s3、针对问题确定相应的算法及参数,形成该数据的模型;
17、s4、采用s3所建立的算法模型对数据进行挖掘;
18、s5、对数据挖掘出现的结果进行评价,转换成通过数据可视化的方式;
19、s6、通过决策人员对结果进行检查,通过验证实际的业务中进行运用。
20、优选的,所述步骤2中填补缺失值利用基于短时、日及月的相似性递推方法进行填补,所述步骤2中离群点检测利用kmeans聚类的方法寻找数据集中的离群点并对其进行处理。
21、优选的,所述步骤4中的数据分析与建模包括离线批处理计算和实时计算。
22、优选的,所述离线批处理计算利用电力电子系统历史运行数据进行关联分析、聚类分析和回归分析,将以上数据作为训练集通过机器学习和人工智能算法训练可靠性模型。
23、优选的,所述实时计算利用已有的故障预测和分析模型,对源源不断传来的传感器数据和监控信息进行计算来判断故障的存在。
24、(三)有益效果
25、与现有技术相比,本专利技术提供了一种基于大数据的电能质量与可靠性分析方法,具备以下有益效果:
26、该基于大数据的电能质量与可靠性分析方法,通过基于大数据技术的分析方法能够自动化、批量化地处理数据,大大提高分析效率,同时可以对不同类型和格式的数据进行处理和分析,增强了分析方法的灵活性,还能够通过大数据处理技术自带的算法和模型,能够实现自动化的预测和分析,进而能够全面的对电网运行可靠性和电能质量进行评价。
本文档来自技高网...【技术保护点】
1.一种基于大数据的电能质量与可靠性分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于大数据的电能质量与可靠性分析方法,其特征在于,所述电能质量数据包括电压偏差、电网谐波、三相电压不平衡度、频率偏差、有功功率和电压波动与闪变,所述电能可靠性包括电力负荷预测、电力设备故障诊断和电力系统风险评估。
3.根据权利要求1所述的一种基于大数据的电能质量与可靠性分析方法,其特征在于,所述步骤1中的数据存储采用GFS分布式存储系统,所述GFS分布式存储系统包括主控服务器、数据块服务器和GFS客户端。
4.根据权利要求1所述的一种基于大数据的电能质量与可靠性分析方法,其特征在于,所述数据挖掘包括以下步骤:
5.根据权利要求1所述的一种基于大数据的电能质量与可靠性分析方法,其特征在于,所述步骤2中填补缺失值利用基于短时、日及月的相似性递推方法进行填补,所述步骤2中离群点检测利用KMeans聚类的方法寻找数据集中的离群点并对其进行处理。
6.根据权利要求1所述的一种基于大数据的电能质量与可靠性分析方法,其特征在于,所述步
7.根据权利要求6所述的一种基于大数据的电能质量与可靠性分析方法,其特征在于,所述离线批处理计算利用电力电子系统历史运行数据进行关联分析、聚类分析和回归分析,将以上数据作为训练集通过机器学习和人工智能算法训练可靠性模型。
8.根据权利要求6所述的一种基于大数据的电能质量与可靠性分析方法,其特征在于,所述实时计算利用已有的故障预测和分析模型,对源源不断传来的传感器数据和监控信息进行计算来判断故障的存在。
...【技术特征摘要】
1.一种基于大数据的电能质量与可靠性分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于大数据的电能质量与可靠性分析方法,其特征在于,所述电能质量数据包括电压偏差、电网谐波、三相电压不平衡度、频率偏差、有功功率和电压波动与闪变,所述电能可靠性包括电力负荷预测、电力设备故障诊断和电力系统风险评估。
3.根据权利要求1所述的一种基于大数据的电能质量与可靠性分析方法,其特征在于,所述步骤1中的数据存储采用gfs分布式存储系统,所述gfs分布式存储系统包括主控服务器、数据块服务器和gfs客户端。
4.根据权利要求1所述的一种基于大数据的电能质量与可靠性分析方法,其特征在于,所述数据挖掘包括以下步骤:
5.根据权利要求1所述的一种基于大数据的电能质量与可靠性分析方法,其特征...
【专利技术属性】
技术研发人员:蒋超,吴丹,陈超,许堉坤,王婧骅,赵婉茹,段玉玮,章瑶易,戴玉艳,陆柳,安佰龙,
申请(专利权)人:国网上海市电力公司,
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。