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】
本专利技术属于智能配电网的控制,具体是涉及智能配电网的多业务异常数据检测与异常数据恢复。
技术介绍
1、随着人类社会发展,日益增长的能源需求使得配电网成为城市建设过程中重要的基础设施之一。传统的配电网升级方案需要大量的资金投入,同时难以适应新能源的接入和快速变化的用电需求。智能配电网技术的应用,可以实现分布式的能源管理和无缝接入新能源,提高配电网的能源效率和供电可靠性。智能配电网技术应用于配电网规划中,可以通过建立系统模型对配电网进行规划。系统模型可以考虑到多种因素,如负载分布、能源储备、能源接入方式等,最终得出一个高效、可靠、可持续的配电网建设方案。此外,系统模型还可以评估配电网的供电可靠性、响应速度等指标,确保配电网的安全稳定运行。通过系统模型,可以将配电网建设成为一个智能化、数字化的能源管理平台,将配电网的使用效率最大化。
2、智能配电网的安全运行需要对电网的各项数据进行采集,并进行高效的分析。在以前的电网数据采集环节方面,都是由传感器以及智能仪表采集整体的电网状态运行数据后,统一将电网状态运行数据打包发送到电网的数据和状态运行分析中心,并且使用最小二乘状态估计算法进行运行状态分析,这种方法主要缺点是算法计算量过大,对于计算硬件要求过高,计算硬件成本大以及计算精度不太高。
3、尤其是随着我国的智能电网大量建设,越来越多的传感器,智能仪表以及分布式电源设备接入智能电网系统,导致了智能电网的系统业务越来越广泛,智能电网的业务数据越来越多且复杂以及智能电网的电网结构越来越复杂。传统的集中式异常数据检测方法
4、另外,传统的电网系统很少考虑异常数据恢复这方面的工作,基本上将研究重点都放在了异常数据检测这方面工作。无法将智能电网系统异常数据检测、恢复、评估进行一体化建设。
技术实现思路
1、专利技术目的:本专利技术旨在至少部分解决上述存在的技术问题,对此,本专利技术第一方面提供一种智能配电网多业务异常数据的检测方法,针对海量的业务数据,高效的完成多业务的异常数据检测工作。
2、本专利技术第二方面提供一种智能配电网多业务异常数据的恢复方法,在检测出智能配电网系统业务中的异常数据后,将异常数据恢复成正常数据以供智能配电网的使用,并且评估相关检测与恢复的工作效果,实现智能配电网多业务异常数据检测、恢复和评估一体化。
3、本专利技术提供的智能配电网多业务异常数据的检测方法,包括如下步骤:
4、s1、设置监测点,利用监测点采集与监测智能配电网的多种业务数据;
5、s2、根据业务数据的种类,分别提取采集到的业务数据的数据特征;
6、s3、根据分类提取的数据特征,采用分布式状态估计算法,分别检测各类数据特征,筛选其中的异常数据。
7、本专利技术进一步优选地,步骤s1所述利用监测点采集与监测智能配电网的多种业务数据,包括:
8、利用监测点采集与监测智能配电网的电能检测数据;
9、利用监测点采集与监测智能配电网的设备状态数据;
10、利用监测点采集与监测智能配电网的通信时延数据。
11、作为优选,所述电能检测数据包括智能配电网的电压、频率和谐波含量;
12、所述设备状态数据包括输电线路、智能变电站、智能开关设备、智能电表和通信设备的运行状态数据;
13、所述通信时延数据包括传输延迟数据、处理延迟数据和排队延迟数据。
14、作为优选,步骤s2所述根据业务数据的种类,分别提取采集到的业务数据的数据特征,包括:
15、对智能配电网的电能检测数据采用统计特征值提取方法提取其数据特征;
16、智能配电网的设备状态数据采用统计特征值提取方法提取其数据特征;
17、智能配电网的通信时延数据采用时域特征值提取方法提取其数据特征。
18、作为优选,步骤s3所述根据分类提取的数据特征,采用分布式状态估计算法,分别检测各类数据特征,筛选其中的异常数据,包括:
19、s31、根据分类提取的数据特征,分别建立不同的分布式异常数据检测机制;
20、采集到的数据的数学模型为式(1)~式(3):
21、(1);
22、(2);
23、(3);
24、其中,为实际观测数据模型;h(x)为系统的观测函数,观测函数将所提取的业务数据特征向量映射到观测空间得到业务观测值h;v为系统的异常数据模型;为数据集的平均值,用来表示在n个观测值上的平均,为数据集的标准差,用于衡量数据点与平均值之间的离散程度;
25、分布式异常数据检测机制建立的异常检测数学模型为:
26、(4);
27、如果某个数据点与其平均值的差的绝对值大于阈值k 乘以标准差,那么这个数据点被认为是异常的;其中,k为阈值,其由智能配电网的业务历史数据和智能配电网业务经验所确定;
28、s32、将分类的数据分别放入对应的异常检测数学模型进行检测,筛选其中的异常数据。
29、作为优选,步骤s1所述设置监测点,包括:
30、在储能站、输电线路、配电房、变电站和用户负荷端分别设置适配的监测设备作为监测点。
31、作为优选,所述适配的监测设备,包括:
32、电能传感器、智能仪表以及电网数据采集与监视控制系统。
33、本专利技术提供的一种智能配电网多业务异常数据的恢复方法,包括如下步骤:
34、s4、获取上述检测方法检测出的异常数据;
35、s5、采用随机矩阵理论对异常数据进行恢复。
36、作为优选,步骤s5所述采用随机矩阵理论对异常数据进行恢复,包括:
37、s51、对异常数据进行业务划分,获取对应业务数据的数据特征;
38、s52、建立随机矩阵数学模型:
39、(5);
40、(6);
41、(7);
42、其中,公式(5)为公式(1)的矩阵表示形式,z为pn的测量数据观测矩阵,其中包含了p个观测值,每个观测值是一个n维的向量;h为pm的观测矩阵,用于描述数据从m维的原始数据空间映射到p维的观测空间;x为mn的原始数据矩阵,包含需要恢复的数据;v为pn的异常数据表达矩阵,表示观测数据中的异常值;
43、公式(6)的c为观测矩阵的协方差矩阵,是一个pp的矩阵,描述观测数据之间的线性关系;
44、公式(7)的为mn的数据恢复矩阵,该数据恢复矩阵采用最小二乘法来进行数据恢复,即通过最小化z和之间的误差来恢复原始数据,是一个pp的矩阵,是协方差矩阵与观测矩阵的乘积,用于将观测数据投影回原始数据空间;
45、s53、将异常数据通过建立的随机矩阵数学模型进行恢复。
46、作为优选,还包括如下步骤:
47、s6、当异常检测数据被修复后,再次利用上述检测方法进行检本文档来自技高网...
【技术保护点】
1.一种智能配电网多业务异常数据的检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的智能配电网多业务异常数据的检测方法,其特征在于,步骤S1所述利用监测点采集与监测智能配电网的多种业务数据,包括:
3.根据权利要求2所述的智能配电网多业务异常数据的检测方法,其特征在于,
4.根据权利要求2所述的智能配电网多业务异常数据的检测方法,其特征在于,步骤S2所述根据业务数据的种类,分别提取采集到的业务数据的数据特征,包括:
5.根据权利要求4所述的智能配电网多业务异常数据的检测方法,其特征在于,步骤S3所述根据分类提取的数据特征,采用分布式状态估计算法,分别检测各类数据特征,筛选其中的异常数据,包括:
6.根据权利要求1所述的智能配电网多业务异常数据的检测方法,其特征在于,步骤S1所述设置监测点,包括:
7.根据权利要求6所述的智能配电网多业务异常数据的检测方法,其特征在于,所述适配的监测设备,包括:
8.一种智能配电网多业务异常数据的恢复方法,其特征在于,包括如下步骤:
9.根据
10.根据权利要求8所述的智能配电网多业务异常数据的恢复方法,其特征在于,还包括如下步骤:
...【技术特征摘要】
1.一种智能配电网多业务异常数据的检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的智能配电网多业务异常数据的检测方法,其特征在于,步骤s1所述利用监测点采集与监测智能配电网的多种业务数据,包括:
3.根据权利要求2所述的智能配电网多业务异常数据的检测方法,其特征在于,
4.根据权利要求2所述的智能配电网多业务异常数据的检测方法,其特征在于,步骤s2所述根据业务数据的种类,分别提取采集到的业务数据的数据特征,包括:
5.根据权利要求4所述的智能配电网多业务异常数据的检测方法,其特征在于,步骤s3所述根据分类提取的数据特征,采用分布式状态估计算...
【专利技术属性】
技术研发人员:葛辉,仲一诺,岳东,沙吉坤,陈龙骧,王子谦,
申请(专利权)人:南京邮电大学,
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。