【技术实现步骤摘要】
本专利技术涉及电力系统监测，尤其涉及基于多源数据融合的在线户变关系识别方法及系统。
技术介绍
1、电力系统监测
涉及到对电力系统中的各种参数进行实时或非实时的跟踪、记录和分析，以确保电力系统的稳定运行和高效管理，领域包括电压、电流、频率和功率的测量，以及更高级的功能如故障检测、能效管理和负载预测。电力系统监测技术还关注于从庞大的数据中提取有用信息，采用现代信息技术和通信手段，实现对电网的智能控制和自动化管理。此
的发展推动了从传统电网向智能电网的转变，其中包括先进的测量设备、通信网络和数据处理系统的高度自动化电网。
2、其中，在线户变关系识别方法则是电力系统监测
中的一个具体应用，利用从电力线上收集的数据确定电表和变压器之间的连接关系，这种方法的主要用途是为了提高电力分配的准确性和效率，降低能源损失，并帮助电力公司更好地管理和维护电网设备。通过自动化识别户变关系，电力公司可以迅速定位到具体的电力使用点，优化负荷管理和故障响应，这对于维持电网的稳定性和提升用户服务水平至关重要。
3、现有技术虽然涵盖电压、电流、频率和功率的测量及故障检测等功能，但在处理庞大数据集时，缺乏足够精细的数据处理方法来识别短时变异和微小的电网异常。这种局限性导致在实时数据分析和故障预测方面的不足，不能有效识别和预防导致大范围影响的微小畸变或异常，现有技术在自动化管理和智能控制方面，很多时候还停留在依赖传统阈值和规则的反应机制，缺乏动态自适应的处理能力，这在处理复杂多变的电网环境时，会导致响应不够及时或准确，从而影响
技术实现思路
1、本专利技术的目的是解决现有技术中存在的缺点，而提出的基于多源数据融合的在线户变关系识别方法及系统。
2、为了实现上述目的，本专利技术采用了如下技术方案，基于多源数据融合的在线户变关系识别方法，包括以下步骤：
3、s1：捕捉工频电压曲线、工频同步序列、信噪比数据，并进行数据格式化和噪声滤除，对滤除后的数据执行标准化处理，生成标准化特征数据集；
4、s2：基于所述标准化特征数据集，提取多类型数据的时间特征，应用差分方法识别电压和电流中的短时变异，汇总畸变特征，生成畸变时间序列特征集；
5、s3：对所述畸变时间序列特征集中的特征执行偏差分析，设置阈值并标识超范围数据点，记录异常点并排序出现频率和强度，生成异常行为特征点集；
6、s4：根据所述异常行为特征点集，应用分组算法将数据点分类，每个类别对应台区户变关系，验证分类结果的稳定性和重复性，生成户变关系分组模型；
7、s5：使用所述户变关系分组模型，在监督学习框架内选取特征集训练预测模型，执行交叉验证并优化输出，生成户变关系预测模型；
8、s6：部署所述户变关系预测模型进行实时数据分析，对新接入的数据进行分类预测，对预测结果进行实时更新，并对模型性能进行持续监控，生成实时户变识别结果。
9、作为本专利技术的进一步方案，所述标准化特征数据集包括电压时间特征、电流时间特征、短时变异指标，所述畸变时间序列特征集包括变异起始点、变异终止点、变异幅度，所述异常行为特征点集包括数据点偏差等级、数据点频发区间、数据点强度评分，所述户变关系分组模型包括分类标准、分组效果一致性指标、可重复性验证结果，所述户变关系预测模型包括特征选择准确性、预测准确率、模型响应时间，所述实时户变识别结果包括新数据匹配度、预测更新频率、性能监控结果。
10、作为本专利技术的进一步方案，捕捉工频电压曲线、工频同步序列、信噪比数据，并进行数据格式化和噪声滤除，对滤除后的数据执行标准化处理，生成标准化特征数据集的步骤具体为：
11、s101：捕捉工频电压曲线、工频同步序列、信噪比数据，进行数据格式校正，调整数据字段，得到格式化电压同步数据；
12、s102：根据所述格式化电压同步数据，设置滤波参数，进行噪声识别和消除，调整数据处理的滤波器配置，获取处理后同步数据；
13、s103：对所述处理后同步数据进行数值调整，设定标准化比例尺，应用数值转换处理标准化数据，生成标准化特征数据集。
14、作为本专利技术的进一步方案，基于所述标准化特征数据集，提取多类型数据的时间特征，应用差分方法识别电压和电流中的短时变异，汇总畸变特征，生成畸变时间序列特征集的步骤具体为：
15、s201：根据所述标准化特征数据集，通过电压和电流数据集，对每条数据进行时间戳标记，记录数据的日期和时间，包括读取数据的原始记录，提取并附加时间信息到每个数据点，生成时间标记数据集；
16、s202：根据所述时间标记数据集，采用移动窗口差分法，进行差分分析，逐点计算连续数据点间的电压和电流差值，并识别短时变异点，将短时变异点进行标记记录，生成畸变记录集；
17、s203：通过所述畸变记录集，将畸变事件按发生的时间顺序进行排列，记录监测期间每个时间点的电压和电流畸变情况，生成畸变时间序列特征集。
18、作为本专利技术的进一步方案，所述移动窗口差分法的公式如下：
19、
20、其中，δy表示电压和电流的短时变异值，α代表电压变化的权重，β代表电流变化的权重，γ代表标准化因子，twindow代表移动窗口的时间长度，vt和vt+1表示连续两秒内的电压读数，it+1和it表示连续两秒内的电流读数。
21、作为本专利技术的进一步方案，对所述畸变时间序列特征集中的特征执行偏差分析，设置阈值并标识超范围数据点，记录异常点并排序出现频率和强度，生成异常行为特征点集的步骤具体为：
22、s301：从所述时间序列特征集中提取每个数据点，设置监控阈值，比较每个数据点的值与设定的阈值，标记超出阈值的点为异常，通过参数比较识别异常，得到异常数据点集；
23、s302：根据所述异常数据点集，统计每个异常点的出现频率，测量偏离正常值的程度，对数据点根据频率和偏差程度进行排序，整理数据点成有序的异常列表，获取排序异常数据；
24、s303：根据所述排序异常数据，结合记录的频率和偏差程度信息，反映异常点的特征，通过整合信息，生成异常行为特征点集。
25、作为本专利技术的进一步方案，根据所述异常行为特征点集，应用分组算法将数据点分类，每个类别对应台区户变关系，验证分类结果的稳定性和重复性，生成户变关系分组模型的步骤具体为：
26、s401：基于所述异常行为特征点集，对数据点进行分组，并对每个数据点分析行为模式，对数据进行初步分类，分类代表户变关系，获取分类数据集；
27、s402：根据所述分类数据集，进行稳定性检验，包括对分类数据集中的类别进行一致性和重复性的测试，通过对比多次测试的结果，生成稳定性检验记录；
28、s403：基于所述稳定性检验记录，记录每个类别的数据点和对应的户变关本文档来自技高网...
【技术保护点】
1.基于多源数据融合的在线户变关系识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多源数据融合的在线户变关系识别方法，其特征在于，所述标准化特征数据集包括电压时间特征、电流时间特征、短时变异指标，所述畸变时间序列特征集包括变异起始点、变异终止点、变异幅度，所述异常行为特征点集包括数据点偏差等级、数据点频发区间、数据点强度评分，所述户变关系分组模型包括分类标准、分组效果一致性指标、可重复性验证结果，所述户变关系预测模型包括特征选择准确性、预测准确率、模型响应时间，所述实时户变识别结果包括新数据匹配度、预测更新频率、性能监控结果。
3.根据权利要求1所述的基于多源数据融合的在线户变关系识别方法，其特征在于，捕捉工频电压曲线、工频同步序列、信噪比数据，并进行数据格式化和噪声滤除，对滤除后的数据执行标准化处理，生成标准化特征数据集的步骤具体为：
4.根据权利要求1所述的基于多源数据融合的在线户变关系识别方法，其特征在于，基于所述标准化特征数据集，提取多类型数据的时间特征，应用差分方法识别电压和电流中的短时变异，汇总畸变特征，生成畸变时
5.根据权利要求4所述的基于多源数据融合的在线户变关系识别方法，其特征在于，所述移动窗口差分法的公式如下：
6.根据权利要求1所述的基于多源数据融合的在线户变关系识别方法，其特征在于，对所述畸变时间序列特征集中的特征执行偏差分析，设置阈值并标识超范围数据点，记录异常点并排序出现频率和强度，生成异常行为特征点集的步骤具体为：
7.根据权利要求1所述的基于多源数据融合的在线户变关系识别方法，其特征在于，根据所述异常行为特征点集，应用分组算法将数据点分类，每个类别对应台区户变关系，验证分类结果的稳定性和重复性，生成户变关系分组模型的步骤具体为：
8.根据权利要求1所述的基于多源数据融合的在线户变关系识别方法，其特征在于，使用所述户变关系分组模型，在监督学习框架内选取特征集训练预测模型，执行交叉验证并优化输出，生成户变关系预测模型的步骤具体为：
9.根据权利要求1所述的基于多源数据融合的在线户变关系识别方法，其特征在于，部署所述户变关系预测模型进行实时数据分析，对新接入的数据进行分类预测，对预测结果进行实时更新，并对模型性能进行持续监控，生成实时户变识别结果的步骤具体为：
10.基于多源数据融合的在线户变关系识别系统，其特征在于，根据权利要求1-9任一项所述的基于多源数据融合的在线户变关系识别方法，所述系统包括：
...【技术特征摘要】
1.基于多源数据融合的在线户变关系识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多源数据融合的在线户变关系识别方法，其特征在于，所述标准化特征数据集包括电压时间特征、电流时间特征、短时变异指标，所述畸变时间序列特征集包括变异起始点、变异终止点、变异幅度，所述异常行为特征点集包括数据点偏差等级、数据点频发区间、数据点强度评分，所述户变关系分组模型包括分类标准、分组效果一致性指标、可重复性验证结果，所述户变关系预测模型包括特征选择准确性、预测准确率、模型响应时间，所述实时户变识别结果包括新数据匹配度、预测更新频率、性能监控结果。
3.根据权利要求1所述的基于多源数据融合的在线户变关系识别方法，其特征在于，捕捉工频电压曲线、工频同步序列、信噪比数据，并进行数据格式化和噪声滤除，对滤除后的数据执行标准化处理，生成标准化特征数据集的步骤具体为：
4.根据权利要求1所述的基于多源数据融合的在线户变关系识别方法，其特征在于，基于所述标准化特征数据集，提取多类型数据的时间特征，应用差分方法识别电压和电流中的短时变异，汇总畸变特征，生成畸变时间序列特征集的步骤具体为：
5.根据权利要求4所述的基于多源数据融合的在线户变关系识别方法，其特征在于...
【专利技术属性】
技术研发人员：高月龙，刘俊旭，邵华强，
申请(专利权)人：国网山东省电力公司烟台供电公司，
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。