本发明专利技术提供一种局放在线监测中异常识别与告警的方法、装置及存储介质，涉及局放在线监测领域，首先采用了孤立森林算法建立用于检测局放在线监测数据异常的模型，根据所述模型识别出异常数据后，利用定值判别法判别出其中有效异常数据，分析所得有效异常数据，进一步结合预设的告警策略进行告警。该识别检测模型处理量大，速度快，具备快速准确辨别出局放数据异常的能力，同时根据数据采集时间能准确定位出异常数据发生的时间段，快速排除干扰；在此基础上，结合优化的告警策略，大大提高告警装置的电池的使用寿命。本发明专利技术能有效减少人力物力的支出，提高了经济效益和服务质量，增加了电网管理水平，提升了电网安全运行能力。提升了电网安全运行能力。提升了电网安全运行能力。
【技术实现步骤摘要】
一种识别局放在线监测异常数据的方法、装置及存储介质
[0001]本专利技术涉及局放在线监测领域，具体涉及一种识别局放在线监测异常数据的方法、装置及存储介质。
技术介绍
[0002]局部放电是衡量设备绝缘优劣的关键特征，如果设备发生局部放电，会造成一定的损失和危害，所以有必要对设备进行局放在线监测。在日常监测中，由于设备内部缺陷或者外界条件因素的干扰，在使用超声波法和暂态地电压检测法进行局放监测时，容易产生异常数据，这些异常数据会影响监测设备状态评估的准确性。当检测出异常数据时，频繁告警最终会导致电池寿命大大降低。
技术实现思路
[0003]针对现有技术的上述问题，本专利技术提供了一种识别局放在线监测异常数据的方法、装置及存储介质，以实现对局放在线监测的异常数据的识别与告警。
[0004]为了实现上述目的，一方面提供了一种局放在线监测异常识别与告警的方法，本方法中，包括：
[0005]S1,构建基于孤立森林算法、用于检测监测数据异常的模型，利用所述模型对局放在线监测数据进行异常检测，识别出异常数据，所述监测数据包括地电波数据或超声波数据；
[0006]S2,利用定值判别法对所述异常数据进行判断，获得有效异常数据，包括：
[0007]S21,检测所述开关柜的所述地电波或超声波的背景值；
[0008]S22,获取所述背景值与各所述异常数据的差值p；
[0009]S23,当p满足预先设定的条件时，确定对应的所述异常数据为有效异常数据；
[0010]S3,对所述有效异常数据进行分析，并根据分析的结果和预先设置的告警策略进行告警。
[0011]进一步地，步骤S1中，构建模型的步骤包括：
[0012]S11,采集所述开关柜的所述监测数据作为训练数据集，从所述训练数据集中随机选择一大小为n的子集x作为随机二叉树的根节点；
[0013]S12,随机指定当前节点的维度，确定出一个在所述维度的最小值和最大值之间的切割点q；
[0014]S13,根据所述切割点q，将所述节点中数据属性值小于所述特征数值q的所述数据划分为左子树节点，将所述节点中除划分为左子树的数据都划分为右子树节点；
[0015]S14,对各所述左子树节点和各所述右子树节点递归步骤S12
‑
S13，构造新的节点，当当前孤立树达到预设高度或叶子节点无法继续切割时结束递归，获得一棵完整的孤立树；
[0016]S15,重复所述步骤S12
‑
S14，获得预设数量的孤立树，组成孤立森林。
[0017]进一步地，步骤S1中，识别出异常数据的步骤包括：
[0018]S16,计算所述子集x在孤立树中的平均长度；
[0019]S17,根据所述路径长度计算异常指数，识别出异常数据。
[0020]进一步地，步骤S16包括：
[0021]计算所述子集x的平均路径长度C(n)，用来标准化所述子集x中数据x
i
的路径长度和归一化E(h(x
i
))，其中，h(x
i
)为根节点到叶子节点x
i
的路径长度，所述E(h(x
i
))为所述节点x
i
的期望值；
[0022]所述C(n)的计算公式为：
[0023][0024]其中，H(i)＝Ln(i)+γ，i∈(1,2,3,
……
,n),γ＝0.5772156649为欧拉常数。
[0025]进一步地，步骤S17包括：
[0026]S1701,计算所述子集x中每个数据x
i
的异常指数S(x
i
,n)，所述异常指数计算公式为：
[0027][0028]S1702,判断所述数据x
i
是否为异常数据，包括：
[0029]当E(h(x
i
))的数值接近n
‑
1时，S(x
i
,n)接近0，样本数据x
i
被判定为正常；
[0030]当E(h(x
i
))的数值接近0时，S(x
i
,n)接近1，样本数据x
i
被判定为异常；
[0031]当E(h(x
i
))的数值接近所述平均路径长度C(n)时，S(x
i
,n)为0.5，样本数据x
i
可判定为正常。
[0032]进一步地，步骤S23包括：
[0033]当所述监测数据为地电波数据时，将符合20dB＜p≤25dB的所述异常数据确定为一般有效异常数据，将p＞25dB中的所述异常数据确定为危险数据；
[0034]当所述监测数据为超声波数据时，将符合20dB＜p≤30dB的所述异常数据确定为一般有效异常数据，将p＞30dB中的所述异常数据确定为危险数据。
[0035]进一步地，所述步骤S3包括如下步骤中的一项或多项：
[0036]S31,当检测到所述有效异常数据中的所述危险数据时，告警并排除干扰；
[0037]S32,当需要间断告警时，
[0038]若未能检测到所述一般有效异常数据或所述一般有效异常数据为满足预定发生次数条件的偶发，则设置在每天上午与下午各进行一次告警或在上午和下午的时间段中每3小时进行一次告警；
[0039]若所述一般有效异常数据连续出现，则根据设备的实际承受时间和使用成本，设置固定间隔进行告警；
[0040]S33,当需要连续告警时，选择5
‑
30分钟内的一个时间作为一个告警周期。其中，每个所述告警周期内，调用了一次所述模型以检测出异常数据，并进行了告警。
[0041]本专利技术还提出一种识别局放在线检测异常数据的装置，所述装置包括存储器和处理器，所述存储器存储有至少一段程序，所述至少一段程序由所述处理器执行以实现上文
所述的识别局放在线检测异常数据的方法。
[0042]本专利技术还提出一种识别局放在线检测异常数据的装置，其特征在于，所述装置包括存储器和处理器，所述存储器存储有至少一段程序，所述至少一段程序由所述处理器执行以实现如上文所述的识别局放在线检测异常数据的方法。
[0043]一种计算机可读存储介质，所述存储介质中存储有至少一段程序，所述至少一段程序被处理器执行以实现上文所述的识别局放在线检测异常数据的方法的。
[0044]上述技术方案具有如下技术效果：
[0045]本专利技术实施例的技术方案首先采用了孤立森林算法建立用于检测局放在线监测数据异常的模型，识别出异常数据后，利用定值判别法进一步判别出其中有效异常数据，分析所得有效异常数据，进一步结合预设的告警策略进行告警。该识别检测模型处理量大，速度快，具备快速准确辨别出局放数据异常的能力，同时根据数据采集时间能准确定位出异常数据发生的时间段，快速排出干扰；在此基础上，结合优化的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种识别局放在线监测异常数据的方法，用于对开关柜的局放数据进行在线监测与告警，其特征在于，包括：S1,构建基于孤立森林算法、用于检测监测数据异常的模型，利用所述模型对局放在线监测数据进行异常检测，识别出异常数据，所述监测数据包括地电波数据或超声波数据；S2,利用定值判别法对所述异常数据进行判断，获得有效异常数据，包括：S21,检测所述开关柜的所述地电波或超声波的背景值；S22,获取所述背景值与各所述异常数据的差值p；S23,当p满足预先设定的条件时，确定对应的所述异常数据为有效异常数据；S3,对所述有效异常数据进行分析，并根据分析的结果和预先设置的告警策略进行告警。2.根据权利要求1所述的方法，其特征在于，步骤S1中，构建模型的步骤包括：S11,采集所述开关柜的所述监测数据作为训练数据集，从所述训练数据集中随机选择一大小为n的子集x作为随机二叉树的根节点；S12,随机指定当前节点的维度，确定出一个在所述维度的最小值和最大值之间的切割点q；S13,根据所述切割点q，将所述节点中数据属性值小于所述特征数值q的所述数据划分为左子树节点，将所述节点中除划分为左子树的数据都划分为右子树节点；S14,对各所述左子树节点和各所述右子树节点递归步骤S12
‑
S13，构造新的节点，当当前孤立树达到预设高度或叶子节点无法继续切割时结束递归，获得一棵完整的孤立树；S15,重复所述步骤S12
‑
S14，获得预设数量的孤立树，组成孤立森林。3.根据权利要求2所述的方法，其特征在于，步骤S1中，识别出异常数据的步骤包括：S16,计算所述子集x在孤立树中的平均长度；S17,根据所述路径长度计算异常指数，识别出异常数据。4.根据权利要求3所述的方法，其特征在于，步骤S16包括：计算所述子集x的平均路径长度C(n)，用来标准化所述子集x中数据x
i
的路径长度和归一化E(h(x
i
))，其中，h(x
i
)为根节点到叶子节点x
i
的路径长度，所述E(h(x
i
))为所述节点x
i
的期望值；所述C(n)的计算公式为：其中，H(i)＝Ln(i)+γ，i∈(1,2,3,
……
,n),γ＝0.5772156649为欧拉常数。5.根据权利要求3所述的方法，其特征在于，步骤S17包括：S1701,计算所述子集x中每个数据x...
【专利技术属性】
技术研发人员：吕志盛，廖艺婵，
申请(专利权)人：厦门理工学院，
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。