一种基于SAX的电能质量数据处理的方法及电子设备技术

本申请公开一种基于SAX的电能质量数据处理的方法及电子设备，其包括如下步骤，获取电能质量数据，构建电能质量数据集；获取均值化电能质量数据集，获取递归电能质量数据矩阵；获取标准化电能质量数据序列；获取降维后的标准化电能质量数据序列；获取符号化电能质量数据序列；基于符号化电能质量数据序列获取符号化电能质量数据序列之间的距离，用于判断数据是否受噪声干扰；将距离超过阈值的电能质量数据标注为受噪声干扰数据并删除，以获得电能质量数据处理结果集；本公开实现电能质量数据处理，减少处理时间，保证数据处理结果正确性。保证数据处理结果正确性。保证数据处理结果正确性。

【技术实现步骤摘要】
一种基于SAX的电能质量数据处理的方法及电子设备


[0001]本专利技术属于电能质量分析
，特别地，涉及一种基于SAX(Symbolic Aggregate Approximation，符号集合近似)的电能质量数据处理的方法及装置。

技术介绍

[0002]近年来，电能质量数据呈指数级增长。主要原因为：电能质量稳态指标类型多，主要包括电压、电流、频率、电压谐波、电流谐波等，多达220个指标；电能质量监测系统的监测点数量巨大；随着监测要求的提高，使得采样间隔逐渐降低，相应采样数量大大增加。因此有必要对电能质量数据进行压缩处理，方便实现对电网的谐波分析、不平衡度、畸变率、频率偏差等参数计算，有助于控制电网的经济安全运行。所以如何高效地处理电能质量数据成为电能质量监测和分析的关键。

技术实现思路

[0003]鉴于现有技术中存在的上述问题，本公开旨在提供一种易于简化、方便可靠、计算精度高的基于SAX的电能质量数据处理的方法。
[0004]为实现上述目的，本专利技术实施例采用的技术方案是：
[0005]一方面，本公开提供一种基于SAX的电能质量数据处理的方法，其包括如下步骤，步骤1：获取电能质量数据，并根据所述电能质量数据构建电能质量数据集；步骤2：对所述电能质量数据集进行均值化处理，获取均值化电能质量数据集，基于递归主成分分析法对所述均值化电能质量数据集进行处理，获取递归电能质量数据矩阵；步骤3：基于z
‑
score标准化方法对所述递归电能质量数据矩阵进行处理，获取标准化电能质量数据序列；步骤4：基于降维方法对所述标准化电能质量数据序列降维处理，获取降维后的标准化电能质量数据序列；步骤5：基于符号化分析方法对降维后的所述标准化电能质量数据序列进行符号化处理，获取符号化电能质量数据序列；步骤6：基于所述符号化电能质量数据序列获取符号化电能质量数据序列之间的距离，用于判断数据是否受噪声干扰；步骤7：将所述距离超过阈值的所述电能质量数据标注为受噪声干扰数据并删除，以获得电能质量数据处理结果集。
[0006]在本公开的一些实施例中，所述电能质量数据集为
[0007]S(m)＝{S1(m),S2(m),
…
,S
i
(m),
…
S
k
(m)}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0008]式中，S(m)为第m组采集的电能质量数据集；S
i
(m)为S(m)的子集，i＝1,2,3，
…
k；k表示电能质量数据种类的总数。
[0009]在本公开的一些实施例中，所述获取均值化电能质量数据集的计算公式为：
[0010][0011]式中，S
*
(m)为均值化电能质量数据集；为S
*
(m)的子集；
[0012][0013]式中，ρ
i
＝maxS
i
(m)。
[0014]在本公开的一些实施例中，所述基于递归主成分分析法对所述均值化电能质量数据集进行处理，获取递归电能质量数据矩阵，包括：
[0015]步骤21：基于所述均值化电能质量数据集构建电能质量数据矩阵
[0016][0017]式中，为第m组电能质量数据矩阵；
[0018]步骤22：计算电能质量数据矩阵的特征均值矩阵
[0019][0020]式中，C
m
为中样本个数，b
m
＝[1,
…
,1]T
；
[0021]特征均值矩阵写为
[0022][0023]式中，N为特征变量的个数；
[0024]步骤23：将第m组和第m+1组电能质量数据矩阵合并组成新的矩阵
[0025][0026]步骤24：用表示，计算公式为：
[0027][0028]式中，C
m
为中样本个数，b
m+1
＝[1,
…
,1]T
；
[0029]写为
[0030][0031]步骤25：计算递归电能质量数据矩阵
[0032][0033]式中，
[0034]在本公开的一些实施例中，所述基于z
‑
score标准化方法对所述递归电能质量数据矩阵进行处理，获取标准化电能质量数据序列，包括：
[0035]步骤31：将所述递归电能质量数据矩阵Z
m+1
改写为Z
m+1
＝[z1,z2,
…
,z
i
,
…
z
m
]，其中，z
i
为Z
m+1
的子序列；
[0036]步骤32：对所述递归电能质量数据矩阵Z
m+1
进行z
‑
score标准化处理，得到标准化电能质量数据序列，所述标准化电能质量数据序列为：
[0037]Z'＝{z'1,z'2,
…
,z'
m
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0038]式中，ζ
zi
为子序列z
i
中元素的平均值；σ
zi
为子序列z
i
中元素的标准差。
[0039]在本公开的一些实施例中，所述基于降维方法对所述标准化电能质量数据序列进行降维处理，获取降维后的标准化电能质量数据序列，包括：
[0040][0041]其中
[0042][0043]式中，L是压缩前标准化电能质量数据序列z'
i
的长度；K是压缩后标准化电能质量数据序列的长度；j＝1，2，
…
，K。
[0044]在本公开的一些实施例中，所述基于符号化分析方法对所述降维后的标准化电能质量数据序列进行符号化处理，获取符号化电能质量数据序列，以提取符号化电能质量数据序列的变化特征，包括：
[0045]将降维后的标准化电能质量序列Z
*
分割成ε个等概率区间，分割区间序列的分割点为e
i
；用相同符号表示处于同一个区间的序列值，最终获取的符号化电能质量数据序列可描述为
[0046][0047]即如果降维后的标准化电能质量序列Z
*
(
·
)∈[e
j
,e
j+1
)，则j＝2，3，
…
，n。
[0048]在本公开的一些实施例中，基于所述符号化电能质量数据序列获取符号化电能质量数据序列之间的距离，用于判断数据是否受噪声干扰，其中，所述距离通过公式(15)获得：
[0049][0050]在本公开的一些实施例中，所述将所述距离超过阈值的所述电能质量数据标注为受噪声干扰数据并删除，以获得电能质量数据处理结果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SAX的电能质量数据处理的方法，其包括如下步骤，步骤1：获取电能质量数据，并根据所述电能质量数据构建电能质量数据集；步骤2：对所述电能质量数据集进行均值化处理，获取均值化电能质量数据集，基于递归主成分分析法对所述均值化电能质量数据集进行处理，获取递归电能质量数据矩阵；步骤3：基于z
‑
score标准化方法对所述递归电能质量数据矩阵进行处理，获取标准化电能质量数据序列；步骤4：基于降维方法对所述标准化电能质量数据序列降维处理，获取降维后的标准化电能质量数据序列；步骤5：基于符号化分析方法对降维后的所述标准化电能质量数据序列进行符号化处理，获取符号化电能质量数据序列；步骤6：基于所述符号化电能质量数据序列获取符号化电能质量数据序列之间的距离，用于判断数据是否受噪声干扰；步骤7：将所述距离超过阈值的所述电能质量数据标注为受噪声干扰数据并删除，以获得电能质量数据处理结果集。2.根据权利要求1所述的方法，其特征在于，所述电能质量数据集为S(m)＝{S1(m),S2(m),
…
,S
i
(m),
…
S
k
(m)}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，S(m)为第m组采集的电能质量数据集；S
i
(m)为S(m)的子集，i＝1,2,3，
…
k；k表示电能质量数据种类的总数。3.根据权利要求2所述的方法，其特征在于，所述获取均值化电能质量数据集的计算公式为：式中，S
*
(m)为均值化电能质量数据集；为S
*
(m)的子集；式中，ρ
i
＝maxS
i
(m)。4.根据权利要求3所述的方法，其特征在于，所述基于递归主成分分析法对所述均值化电能质量数据集进行处理，获取递归电能质量数据矩阵，包括：步骤21：基于所述均值化电能质量数据集构建电能质量数据矩阵式中，为第m组电能质量数据矩阵；步骤22：计算电能质量数据矩阵的特征均值矩阵式中，C
m
为中样本个数，b
m
＝[1,
…
,1]
T
；
特征均值矩阵写为式中，N为特征变量的个数；步骤23：将第m组和第m+1组电能质量数据矩阵合并组成新的矩阵步骤24：用表示，计算公式为：式中，C
m
为中样本个数，b
m+1
＝[1,
…
,1]
T
；写为步骤25：计算递归电能质量数据矩阵式中，5.根据权利要求4所述的方法，其特征在于，所述基于z
‑
score标准化方法对所述递归电能质量数据矩阵进行处理，获取标准化电能质量数据序列，包括：步骤31：将所述递归电能质量数据矩...

【专利技术属性】
技术研发人员：俞海侠，苗友忠，巨汉基，牛益国，王珺，邬小波，
申请(专利权)人：燕山大学国家电网有限公司，
类型：发明
国别省市：