【技术实现步骤摘要】
本专利技术涉及雷击浪涌电压监测，具体是涉及一种雷击浪涌电压监测方法及系统。
技术介绍
1、雷击浪涌是电力设备和系统常见的威胁之一，可能导致电压急剧波动，对设备造成损害，影响电力系统的正常运行。因此，对雷击浪涌电压的及时监测和准确预警对维护电力系统的稳定性和可靠性至关重要。目前，传统的雷击浪涌电压监测方法主要依赖于固定的防雷设施，这些方法在实时性和准确性上存在一定的不足，例如：
2、1、传统防雷设施无法提供实时性监测，导致对雷击浪涌的预警反应滞后；
3、2、单一电压要素的监测难以全面了解雷击浪涌的复杂波动特征；
4、3、缺乏有效的算法来从电压异常记录数据中提取准确、实用的信息。
技术实现思路
1、(一)要解决的技术问题
2、本专利技术主要针对以上问题，提出了一种雷击浪涌电压监测方法及系统，其目的是解决雷击浪涌电压监测中传统方法实时性和准确性不足的问题。
3、(二)技术方案
4、为实现上述目的，本专利技术第一方面提供了一种雷击浪涌电压监测方法，该方法包括如下步骤：
5、步骤s100、获取预设防雷设施的电压异常记录数据，所述电压异常记录数据包含多个电压要素的特征序列；
6、步骤s200、对所述电压要素进行关联性分析以计算各电压要素之间的关联度，并根据该关联度生成n组雷击波动触发关联度；
7、步骤s300、设定一个关联度阈值，筛选出关联度大于或等于所述阈值的m个电压要素特征序列，并在
8、步骤s400、构建一组电压监测状态要素特征基线，所述基线基于步骤s300中生成的雷击波动联合敏感序列和雷击波动触发序列；
9、步骤s500、实时获取与步骤s400中的m个敏感序列对应的实时电压要素特征序列；
10、步骤s600、将步骤s500中获取的实时特征序列与步骤s400中构建的特征基线进行比较，判断实时特征序列是否符合所述特征基线；
11、步骤s700、根据步骤s600的结果，若实时特征序列符合特征基线，则生成雷击波动类型的预警标识信息；若不符合特征基线，则使用电压要素特征序列预测模型对可能的雷击波动进行进一步判断，生成处理措施。
12、进一步地，步骤s100中的电压异常记录数据通过安装在预设防雷设施上的传感器自动收集，并由数据采集系统传输至数据处理中心。
13、进一步地，步骤s200中的关联性分析使用统计学方法和机器学习算法来确定电压要素之间的相关性，并且生成的触发关联度是针对预先定义的雷击波动模型而设计。
14、进一步地，步骤s300中的频繁序列挖掘包括运用数据挖掘技术从历史电压异常数据中提取出频繁出现的序列模式。
15、进一步地，步骤s700中的电压要素特征序列预测模型采用包括但不限于时间序列分析、回归分析和人工智能算法的方法来预测雷击波动情况。
16、进一步地，所述预警标识信息或正常标识信息通过图形用户界面展现，并配合电子通讯手段发送至相关维护人员或系统管理员。
17、进一步地，选定的电压要素包括但不限于电流状态、频率状态、电压幅值状态及供电系统状态。
18、进一步地，雷击波动触发关联度计算方法的步骤包括：
19、对于每一对电压要素xi和xj，计算皮尔逊相关系数rij；
20、
21、将所有相关系数rij组成一个关联度矩阵r，其中rij＝rij；
22、根据矩阵r，生成n组雷击波动触发关联度；
23、其中，xi和xj表示电压要素序列中的两个不同要素；xik表示电压要素xi在第k个样本时的取值；xjk表示电压要素xj在第k个样本时的取值；n是样本数,表示电压要素序列中的数据点个数；xi表示电压要素xi的均值；xj表示电压要素xj的均值；rij是电压要素xi和xj之间的皮尔逊相关系数,它衡量了两个要素之间的线性关联程度，取值范围为-1到1，其中1表示完全正相关，-1表示完全负相关，0表示无关；r是关联度矩阵，其中的每个元素rij表示电压要素xi和xj之间的相关系数；n表示生成的雷击波动触发关联度的组数。
24、为实现上述目的，本专利技术第二方面提供了一种雷击浪涌电压监测系统，包括如下组件：
25、数据采集单元，配置有用于检测预设防雷设施上的电压异常的多个传感器，所述传感器用于收集电流状态、频率状态、电压幅值状态和供电系统状态等电压要素的特征序列；
26、数据处理单元，与所述数据采集单元连接，用于执行关联性分析以计算各电压要素之间的关联度，并基于此生成n组雷击波动触发关联度；
27、存储单元，用于存储经过关联性分析后的电压要素特征序列及生成的雷击波动触发关联度，并保存电压监测状态要素特征基线和电压要素特征敏感序列；
28、频繁序列挖掘模块，与所述数据处理单元交互，用于筛选关联度大于或等于设定阈值的m个电压要素特征序列，并在此基础上进行频繁序列挖掘，以生成m个解析雷击波动状态下的电压要素特征敏感序列；
29、实时监测单元，用于实时捕获与所述m个敏感序列对应的实时电压要素特征序列，并将实时数据发送至数据处理单元进行判断；
30、决策支持单元，与所述数据处理单元交互，用于比较实时电压要素特征序列与特征基线，并根据比较结果生成预警标识信息或正常标识信息。
31、进一步地，所述数据采集单元中的传感器为电压传感器。
32、(三)有益效果
33、与现有技术相比，本专利技术提供的一种雷击浪涌电压监测方法及系统，旨在解决传统方法在实时性和准确性方面的局限性。传统方法通常依赖于固定的防雷设施，无法提供即时的监测，导致在雷击浪涌事件发生时的反应滞后。而本专利技术通过自动收集预设防雷设施的电压异常记录数据，运用关联性分析、频繁序列挖掘等先进技术，充分挖掘多个电压要素之间的关联性，并通过构建特征基线和预测模型，实现了对雷击波动的实时监测和准确预测。这使得本专利技术能够及时发现潜在的雷击浪涌风险，提高了监测系统的准确性和实时性，为电力设备和系统提供了更可靠的防护手段。因此，本专利技术通过整合先进的数据处理技术，为雷击浪涌电压监测领域带来了一种更为全面、高效的解决方案。
本文档来自技高网...【技术保护点】
1.一种雷击浪涌电压监测方法，其特征在于，所述监测方法包括：
2.根据权利要求1所述的一种雷击浪涌电压监测方法，其特征在于，步骤S100中的电压异常记录数据通过安装在预设防雷设施上的传感器自动收集，并由数据采集系统传输至数据处理中心。
3.根据权利要求1所述的一种雷击浪涌电压监测方法，其特征在于，步骤S200中的关联性分析使用统计学方法和机器学习算法来确定电压要素之间的相关性，并且生成的触发关联度是针对预先定义的雷击波动模型而设计。
4.根据权利要求1所述的一种雷击浪涌电压监测方法，其特征在于，步骤S300中的频繁序列挖掘包括运用数据挖掘技术从历史电压异常数据中提取出频繁出现的序列模式。
5.根据权利要求1所述的一种雷击浪涌电压监测方法，其特征在于，步骤S700中的电压要素特征序列预测模型采用包括但不限于时间序列分析、回归分析和人工智能算法的方法来预测雷击波动情况。
6.根据权利要求1所述的一种雷击浪涌电压监测方法，其特征在于，所述预警标识信息或正常标识信息通过图形用户界面展现，并配合电子通讯手段发送至相关维护人员或系统
7.根据权利要求1所述的一种雷击浪涌电压监测方法，其特征在于，选定的电压要素包括但不限于电流状态、频率状态、电压幅值状态及供电系统状态。
8.根据权利要求1所述的一种雷击浪涌电压监测方法，其特征在于，雷击波动触发关联度计算方法的步骤包括：
9.一种雷击浪涌电压监测系统，其特征在于，包括如下组件：
10.根据权利要求9所述的一种雷击浪涌电压监测系统，其特征在于，所述数据采集单元中的传感器为电压传感器。
...【技术特征摘要】
1.一种雷击浪涌电压监测方法，其特征在于，所述监测方法包括：
2.根据权利要求1所述的一种雷击浪涌电压监测方法，其特征在于，步骤s100中的电压异常记录数据通过安装在预设防雷设施上的传感器自动收集，并由数据采集系统传输至数据处理中心。
3.根据权利要求1所述的一种雷击浪涌电压监测方法，其特征在于，步骤s200中的关联性分析使用统计学方法和机器学习算法来确定电压要素之间的相关性，并且生成的触发关联度是针对预先定义的雷击波动模型而设计。
4.根据权利要求1所述的一种雷击浪涌电压监测方法，其特征在于，步骤s300中的频繁序列挖掘包括运用数据挖掘技术从历史电压异常数据中提取出频繁出现的序列模式。
5.根据权利要求1所述的一种雷击浪涌电压监测方法，其特征在于，步骤s700中的电压要...
【专利技术属性】
技术研发人员：罗飞，胡艳，
申请(专利权)人：深圳市欧谱雷科技有限公司，
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。