一種電力實時數據異常檢測方法技術

本發明專利技術公開了一種電力實時數據異常檢測方法，通過對電力實時數據進行基于規則的異常檢測、基于梯度的異常檢測以及基于預測的異常檢測等三次不同的方式對電力實時數據進行檢測，其實現簡單，能夠準確、快速地完成對海量電力實時數據的異常檢測，保證了電網智能優化的可靠性。

【技術實現步驟摘要】
一種電力實時數據異常檢測方法
本專利技術涉及電力數據處理
，更具體地說，涉及一種電力實時據異常檢測方法。
技術介紹
隨著電網信息化“SG-ERP工程”深入開展和電網“十二五”智能化規劃的部署實施，對海量歷史/實時數據庫數據服務能力智能優化研究提出了更高的要求。但是，現有的電力數據的采集存儲過程中，不可避免地會出現異常數據或噪聲，因此，如何準確、快速地檢測出電力實時數據中的異常數據成為亟待解決的問題。
技術實現思路
有鑒于此，本申請提供一種電力實時數據異常檢測方法，以實現準確、快速地檢測出電力實時數據中的異常數據的目的。為實現上述目的，本專利技術提供了如下技術方案：一種電力實時數據異常檢測方法，包括：步驟1：獲取待檢測的電力數據，所述電力數據攜帶有預先分配的識別標識；依據所述識別標識確定所述電力數據的類別，所述類別包括：電壓類，電容電抗類，負荷類，主變類和線路類；依據與所述類別對應的檢測規則對所述電力數據進行檢測，當所述電力數據滿足預設檢測條件時，所述電力數據正常，否則，所述電力數據異常；步驟2：對于步驟1中未檢測出異常的數據，計算第m類數據t時刻的梯度Gm,t：其中，vt和vt-τ分別表示t時刻和t-τ時刻的數據；依據所述梯度以及第m類數據的正常閾值，檢測所述未檢測出異常的第m類數據是否異常；步驟3：對于步驟2中未檢測出異常的負荷數據，依據預設的預測規則，應用當前時刻之前的若干個負荷數據預測當前時刻的負荷數據的預測值，所述若干數據為前后時刻相鄰時刻的負荷數據；依據所述預測值，以及所述若干個負荷數據及其預測值，確定所述當前時刻的負荷數據的概率為p的置信區間；當所述當前時刻的負荷數據值落在所述概率為p的置信區間內時，所述當前時刻的負荷數據正常，否則，所述當前時刻的負荷數據異常。上述方法，優選的，依據與所述類別對應的檢測規則對所述電力數據進行檢測包括：電壓類數據：判斷所述電壓類數據是否滿足第一預設的取值范圍，如果是，則所述電壓類數據是正常的，否則，所述電壓類數據異常；電容電抗類數據：判斷所述電容電抗類數據是否滿足當前狀態下的第二預設的取值范圍，如果是，所述電容電抗類數據正常，否則，所述電容電抗類數據異常；負荷類數據：計算所述負荷類數據與標準負荷值之間的相似距離，將所述相似距離與預設閾值進行比較，當所述相似距離大于所述預設閾值時，所述負荷類數據正常，否則，所述負荷類數據異常；主變類數據：所述主變類數據包括有功數據、無功數據、電流數據和電壓數據；依據如下第一關系等式計算所述有功數據的理論值P*，其中，P為有功數據，Q為無功數據，U為電壓數據，I為電流數據；當所述理論值P*滿足第一預設條件時，所述主變類數據正常，否則，所述主變類數據異常；線路類數據：所述線路類數據包括首端數據和末端數據，所述首端數據包括首端有功數據、首端無功數據、首端電流數據和首端電壓數據，所述末端數據包括末端有功數據、末端無功數據、末端電流數據和末端電壓數據；依據所述第一關系式計算所述首端有功數據的理論值當所述首端有功數據的理論值滿足第二預設條件時，所述首端數據正常，否則，所述首端數據異常；依據所述第一關系式計算所述末端有功數據的理論值當所述末端有功數據的理論值滿足第三預設條件時，所述末端數據正常；否則，所述末端數據異常。上述方法，優選的，依據下式計算所述負荷類數據與標準負荷值之間的相似距離：其中，d為所述負荷類數據與標準負荷值之間的相似距離，xnk為第n天第k時刻的負荷類數據，為前面τ天第k時刻的數據的平均值。上述方法，優選的，依據所述梯度以及第m類數據的正常閾值，檢測所述未檢測出異常的數據是否異常包括：將所述梯度的絕對值與所述正常閾值進行比較，當所述的梯度的絕對值大于所述正常閾值時，所述未檢測出異常的數據為正常；否則所述未檢測出異常的數據異常。上述方法，優選的，應用如下預測規則預測當前時刻的負荷數據的預測值：其中，表示當前時刻的負荷數據的預測值，Δli＝xi+1-xi表示第i個時刻負荷數據的增量，表示第i個時刻負荷數據的權重。上述方法，優選的，所述當前時刻的負荷數據的概率為p的置信區間為：其中，表示當前時刻的負荷數據的預測值；其中，（i=1,2,…，n-1）為當前時刻之前的各個時刻的負荷數據的實際值與相應時刻的預測值的差值；為當前時刻之前的各個時刻的負荷數據的實際值與相應時刻的預測值的差值的標準差；其中，t(p,n-2)是滿足P(t1-p/2(n-2)<t(n-2)<t/p/2(n-2))=p的t值；n為當前時刻及之前時刻的負荷數據的總的個數。上述方法，優選的，其特征在于，還包括：對檢測出異常的數據進行修正，包括：對步驟1中檢測出異常的數據，當檢測出所述電壓類數據異常時，將所述電壓類數據修正為電壓等級；當檢測出所述電容電抗類數據異常時，將所述電容電抗類數據修正為0；當檢測出所述負荷類數據異常時，將所述負荷類數據修正為前面τ天第k時刻的數據的平均值對步驟2中檢測出異常的數據，將檢測出的異常數據修正為sgn函數表示符號函數，如果Gm,t>0，則，sgn(Gm,t)＝1，否則，sgn(Gm,t)=-1；對步驟3中檢測出的異常數據，將檢測出的異常負荷數據修改正為：如果當前負荷數據xn滿足如下公式則將該異常負荷數據xn修正為如果當前負荷數據xn滿足如下公式則將該負荷數據xn修正為上述方法，優選的，還包括：將所述待檢測的電力數據存儲至緩存。上述方法，優選的，還包括：獲取緩存內的待檢測電力數據；計算t時刻所述待檢測電力數據的前向梯度Gm，t和后向梯度G′m，t，其中，vt為t時刻的待檢測電力數據，vt-τ為t-τ時刻的待檢測電力數據，vt+τ為t+τ時刻的待檢測電力數據，Gm，t為第m類數據在t時刻的前向梯度，G′m，t為第m類數據在t時刻的后向梯度；依據所述前向梯度和后向梯度以及第m類數據的正常閾值，檢測所述緩存后的待檢測數據是否異常。上述方法，優選的，依據所述前向梯度和后向梯度以及待檢測數據的閾值，檢測所述緩存后的待檢測數據是否異常包括：依據所述前向梯度和后向梯度計算判定式，所述判定式為c=Gm,t×G′m,t；當c<0，且max{|Gm，t|，|G′m,t|}＞Tm時，所述緩存后的待檢測數據異常；否則，所述緩存后的待檢測數據正常，其中，Tm為第m類數據的正常閾值。通過以上方案可知，本申請提供的一種電力實時數據異常檢測方法，通過對電力實時數據進行基于規則的異常檢測、基于梯度的異常檢測以及基于預測的異常檢測等三次不同的方式對電力實時數據進行檢測，其實現簡單，能夠準確、快速地完成對海量電力實時數據的異常檢測，保證了電網智能優化的可靠性。附圖說明為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖1為本申請實施例提供的一種電力實時數據異常檢測方法的流程圖；圖2為本申請實施例提供的另一種電力實時數據異常檢測方法的流程圖。具體實施方式下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的本文檔來自技高網...

【技術保護點】
一種電力實時數據異常檢測方法，其特征在于，包括：步驟1：獲取待檢測的電力數據，所述電力數據攜帶有預先分配的識別標識；依據所述識別標識確定所述電力數據的類別，所述類別包括：電壓類，電容電抗類，負荷類，主變類和線路類；依據與所述類別對應的檢測規則對所述電力數據進行檢測，當所述電力數據滿足預設檢測條件時，所述電力數據正常，否則，所述電力數據異常；步驟2：對于步驟1中未檢測出異常的數據，計算第m類數據t時刻的梯度Gm，t：其中，vt和vt?τ分別表示t時刻和t?τ時刻的數據；依據所述梯度以及第m類數據的正常閾值，檢測所述未檢測出異常的第m類數據是否異常；步驟3：對于步驟2中未檢測出異常的負荷數據，依據預設的預測規則，應用當前時刻之前的若干個負荷數據預測當前時刻的負荷數據的預測值，所述若干數據為前后時刻相鄰時刻的負荷數據；依據所述預測值，以及所述若干個負荷數據及其預測值，確定所述當前時刻的負荷數據的概率為p的置信區間；當所述當前時刻的負荷數據值落在所述概率為p的置信區間內時，所述當前時刻的負荷數據正常，否則，所述當前時刻的負荷數據異常。FDA00002464493700011.jpg

【技術特征摘要】
1.一種電力實時數據異常檢測方法，其特征在于，包括：步驟1：獲取待檢測的電力數據，所述電力數據攜帶有預先分配的識別標識；依據所述識別標識確定所述電力數據的類別，所述類別包括：電壓類，電容電抗類，負荷類，主變類和線路類；依據與所述類別對應的檢測規則對所述電力數據進行檢測，當所述電力數據滿足預設檢測條件時，所述電力數據正常，否則，所述電力數據異常；步驟2：對于步驟1中未檢測出異常的數據，計算第m類數據t時刻的梯度Gm,t：其中，vt和vt-τ分別表示t時刻和t-τ時刻的數據；依據所述梯度以及第m類數據的正常閾值，檢測所述未檢測出異常的第m類數據是否異常；步驟3：對于步驟2中未檢測出異常的負荷數據，依據預設的預測規則，應用當前時刻之前的若干個負荷數據預測當前時刻的負荷數據的預測值，所述若干數據為前后時刻相鄰時刻的負荷數據；依據所述預測值，以及所述若干個負荷數據及其預測值，確定所述當前時刻的負荷數據的概率為p的置信區間；當所述當前時刻的負荷數據值落在所述概率為p的置信區間內時，所述當前時刻的負荷數據正常，否則，所述當前時刻的負荷數據異常；所述當前時刻的負荷數據的概率為p的置信區間為：其中，表示當前時刻的負荷數據的預測值；其中，(i＝1,2,…，n-1)為當前時刻之前的各個時刻的負荷數據的實際值與相應時刻的預測值的差值；為當前時刻之前的各個時刻的負荷數據的實際值與相應時刻的預測值的差值的標準差；其中，t(p,n-2)是滿足P(t1-p/2(n-2)<t(n-2)<tp/2(n-2))＝p的t值；n為當前時刻及之前時刻的負荷數據的總的個數。2.根據權利要求1所述的方法，其特征在于，依據與所述類別對應的檢測規則對所述電力數據進行檢測包括：電壓類數據：判斷所述電壓類數據是否滿足第一預設的取值范圍，如果是，則所述電壓類數據是正常的，否則，所述電壓類數據異常；電容電抗類數據：判斷所述電容電抗類數據是否滿足當前狀態下的第二預設的取值范圍，如果是，所述電容電抗類數據正常，否則，所述電容電抗類數據異常；負荷類數據：計算所述負荷類數據與標準負荷值之間的相似距離，將所述相似距離與預設閾值進行比較，當所述相似距離大于所述預設閾值時，所述負荷類數據正常，否則，所述負荷類數據異常；主變類數據：所述主變類數據包括有功數據、無功數據、電流數據和電壓數據；依據如下第一關系式計算所述有功數據的理論值P*，其中，P為有功數據，Q為無功數據，U為電壓數據，I為電流數據；當所述理論值P*滿足第一預設條件時，所述主變類數據正常，否則，所述主變類數據異常；線路類數據：所述線路類數據包括首端數據和末端數據，所述首端數據包括首端有功數據、首端無功數據、首端電流數據和首端電壓數據，所述末端數據包括末端有功數據、末端無功數據、末端電流數據和末端電壓數據；依據所述第一關系式計算所述首端有功數據的理論值P1*...

【專利技術屬性】
技術研發人員：鄭志敏，李豐偉，陳東海，龔向陽，任雷，蔡振華，王威，華建良，王晴，
申請(專利權)人：寧波電業局，慈溪市供電局，國家電網公司，
類型：發明
國別省市：