一种基于多目标决策的智慧水电站监测系统及方法

技术领域

本申请涉及智慧水电站技术领域，具体为一种基于多目标决策的智慧水电站监测系统及方法。

背景技术

智慧水电站是指利用现代信息技术和智能化技术对水电站进行检测、控制和管理的一种新型水电站，通过采集、传输、处理和分析大量的实时数据，实现对水电站的运行状态进行实时监测和预警，并能够优化运行策略，提高运行稳定性。

在智慧水电站的运行过程中，往往会涉及到大量的数据处理过程，并且这些数据处理过程可能是针对同一个目标数据，也可能是针对多个目标数据；当针对同一个目标数据进行数据处理时，通常需要考虑目标数据的自身特性，如数据有效性、数据准确性等，而当针对多个目标数据进行数据处理时，除了需要考虑目标数据的自身特性外，往往还需要考虑更多维度的特性，例如不同目标数据之间的约束、不同目标数据对分析结果产生的冗余、不同目标数据的敏感性等，这些特性会影响数据处理的过程与结果，甚至会影响负责数据处理的运行系统；

公开号为CN104503417B的中国发明专利公开了一种水电站监测系统，该系统通过在运行过程中，对需要发送的数据进行重要度划分，并划分为次要、一般、重要等多种数据等级，在数据上传的过程中，根据当前网络状态自动调整所发送的数据，从而优先确保水电站重要监控数据的有效稳定的传输，保证数据上传装置与数据获取装置之间数据传输的稳定性和可靠性；

然而，在上述专利的技术方案实施过程中，虽然通过对需要发送的数据进行重要度划分可以一定程度上实现服务器算力资源的合理分配，并能对关键信息进行及时传输和处理，但是这种方法需要保证重要度划分时具有较高的准确性，并且过于依赖处理器的性能，一旦在重要度划分的过程中出现误差，就会导致最终的数据处理结果产生偏移，甚至会影响使用该数据的系统的运行稳定性。

所以有必要提供一种基于多目标决策的智慧水电站监测系统及方法来解决上述问题。

需要说明的是，本背景技术部分中公开的以上信息仅用于理解本申请构思的背景技术，并且因此，它可以包含不构成现有技术的信息。

发明内容

基于现有技术中存在的上述问题，本申请所要解决的问题是：提供一种基于多目标决策的智慧水电站监测系统及方法，能够对智慧水电站在数据采集过程中进行采集优化，减少服务器的运行压力。

本申请解决其技术问题所采用的技术方案是：一种基于多目标决策的智慧水电站监测方法，包括如下步骤：

服务器接收来自采集设备的接收数据请求信号以及采集设备所采集的第一数据集，该第一数据集为水电站的监测数据；

设置采集设备的采集间隔，该采集间隔具有开始节点和结束节点，采集设备的接收数据请求信号产生于采集间隔的结束节点；

对第一数据集中的监测数据进行特征优化，并生成第二数据集；

根据服务器的分析结果进行预警，并在输出预警结果前进行完整性验证。

在本申请的技术方案实施时，通过设置采集间隔，并且该采集间隔具有开始节点和结束节点，并在采集间隔的结束节点生成接收数据请求信号，服务器在接收到该信号后才会对采集设备所采集的第一数据集进行接收，在服务器未接收到该请求信号时保持休眠，减少服务器的处理压力。

进一步的，所述采集间隔与采集设备的采集状态相关，所述采集状态分为采集进行状态、暂停状态，以及存在于两种状态之间的中间状态，所述采集间隔是指采集设备从采集进行状态开始的时间节点，到暂停状态开始的时间节点之间的时间段。

进一步的，所述接收数据请求信号的格式为数字信号，所述第一数据集中的监测数据为模拟信号。

进一步的，所述第一数据集具有长度，所述长度以时间为单位，采集设备的采集进行状态开始时的时间节点作为第一数据集的长度开始位置，采集设备的暂停状态开始时的时间节点作为第一数据集的长度结束位置。

进一步的，对第一数据集中的监测数据进行特征优化包括：

对第一数据集中的监测数据进行特征提取，形成具有相同尺度的特征数据，并将该特征数据作为第二数据集；

对第二数据集中的特征数据进行数据分析，并根据数据分析结果判断特征数据之间的耦合性；

根据生成的分析结果对特征数据进行数值表示，该数值大小表示特征数据的耦合性；

根据特征数据的耦合性选择压缩比，该压缩比与特征数据的耦合性呈负相关。

进一步的，所述压缩比以分数表示。

一种基于多目标决策的智慧水电站监测系统，该系统包括：

接收模块，用于服务器接收来自采集设备的接收数据请求信号以及采集设备所采集的第一数据集，该第一数据集为水电站的监测数据；

周期设置模块，用于设置采集设备的采集间隔，该采集间隔具有开始节点和结束节点，采集设备的接收数据请求信号产生于采集间隔的结束节点；

特征优化模块，用于对第一数据集中的监测数据进行特征优化，并生成第二数据集；

预警输出模块，用于根据服务器的分析结果进行预警，并在输出预警结果前进行完整性验证。

进一步的，所述特征优化模块进一步包括：

特征提取模块，用于对第一数据集中的监测数据进行特征提取，形成具有相同尺度的特征数据，并将该特征数据作为第二数据集；

耦合性分析模块，用于对第二数据集中的特征数据进行数据分析，并根据数据分析结果判断特征数据之间的耦合性；

数值表示模块，用于根据生成的分析结果对特征数据进行数值表示，该数值大小表示特征数据的耦合性；

压缩比选择模块，用于根据特征数据的耦合性选择压缩比，该压缩比与特征数据的耦合性呈负相关。

本申请的有益效果是：本申请提供的一种基于多目标决策的智慧水电站监测系统及方法，通过设置采集间隔，并且该采集间隔具有开始节点和结束节点，并在采集间隔的结束节点生成接收数据请求信号，服务器在接收到该信号后才会对采集设备所采集的第一数据集进行接收，在服务器未接收到该请求信号时保持休眠，减少服务器的处理压力，通过将第一数据集的长度与采集间隔的长度相对应，使采集设备所采集的监测数据成组依次缓存，并在每一次的采集间隔过程中依次被服务器接收，防止服务器同时接收大量数据导致压力过大，降低了数据处理效率，通过设置可更改的休眠周期，根据服务器的运行压力进行调整。

除了上面所描述的目的、特征和优点之外，本申请还有其它的目的、特征和优点。下面将参照图，对本申请作进一步详细的说明。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请中一种基于多目标决策的智慧水电站监测方法的流程示意图；

图2为本申请中一种基于多目标决策的智慧水电站监测系统的模块构成示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

实施例一：

图1所示为本申请实施例一中，一种基于多目标决策的智慧水电站监测方法流程图，该方法通常用于智慧水电站监测系统的运行过程中，并对智慧水电站监测系统运行过程中产生的数据采集、传输、接收过程进行优化，其中智慧水电站是指通过应用现代信息技术，实现对水电站运行状态、设备运行参数、能源消耗等信息的实时监测、分析和优化过程，以提高水电站的运行效率和数据有效性，具体的，该方法包括如下步骤：

步骤101：服务器接收来自采集设备的接收数据请求信号，以及采集设备所采集的第一数据集，该第一数据集为水电站的监测数据；

智慧水电站监测系统的运行需要依赖采集设备所采集的第一数据集，该第一数据集为多源离散型数据，包括但不限于设备状态数据、水文数据、水电站运行数据、环境数据、安全数据等，该采集设备包括传感器、网络设备、用户上传等，其中多源离散型数据是指在智慧水电站监测系统的运行过程中，不同设备采集的数据可以被视为有限的、可数的离散型数据，这些数据通常是通过计数或分类来表示的，在智慧水电站监测系统中，不同设备可能会收集到各种类型的数据，如传感器采集的水位、流量、温度等数据，与之对应的还有连续性数据，指可以在一定范围内取任何值的数据，如温度传感器采集的连续温度数据，在本实施例中，所有的数据处理过程均以离散型数据为例。

在采集设备开始进行采集时，会同步生成接收数据请求信号，该信号的格式为数字信号，同时，采集设备所采集的第一数据集为模拟信号，而由于在相同的传输介质下，数字信号的传输速度快于模拟信号，因此服务器会先接收到接收数据请求信号，并且在服务器接收到该请求信号后，才会对采集设备所采集的第一数据集进行接收，在服务器未接收到该请求信号时保持休眠，减少服务器的处理压力；

需要说明的是，在本实施例中，采集设备通常具有缓存功能，在服务器未接收到接收数据请求信号时，采集设备所采集的第一数据集会被缓存，在服务器接收到接收数据请求信号后，采集设备才会将缓存的第一数据集向服务器发送；

需要说明的是，在本发明的实施例中，服务器是指具有接收、存储、处理能力的硬件终端或硬件模块，而并非传统意义上的大型服务器设备，同时在本实施例中，数据的传输方式为无线通信，以符合智慧水电站的场景需求，采集设备所采集的第一数据集包括(但不限于)主动采集和/或被动采集的：

设备状态数据：包括水电站各个设备(如水轮机、发电机、变压器等)的运行状态、运行参数、工作温度、振动频率等信息；

水文数据：包括水库水位、流量、水质等信息；

水电站运行数据：包括发电量、负荷曲线、电网频率、功率因数等信息；

环境数据：包括气象数据(温度、湿度、风速等)、大气污染浓度等信息；

安全数据：包括水电站安全监测数据，如范围内地震监测、水位警戒灯信息；

服务器数据：如服务器的CPU使用率，内存占用、网络带宽使用率等；

步骤102：设置采集设备的采集间隔，该采集间隔具有开始节点和结束节点，采集设备的接收数据请求信号产生于采集间隔的结束节点；

在本实施例中，采集设备具有多个采集状态，该采集状态按照采集行为分为采集进行状态、暂停状态，以及存在于两种状态之间的中间状态，其中，采集进行状态为采集设备的工作状态，而暂停状态即为采集设备停止采集的状态，并且在正常情况下，采集设备具有中间状态，以温度传感器为例，当其处于采集进行状态时，采集的温度数值处于合理区间或预设区间内，并能够保持一段时间，该段时间即对应温度传感器的中间状态，并且在中间状态后，即可进入暂停状态，当然对于其他的采集设备均具有类似的中间状态，在此不一一赘述，通过设置有中间状态，可以对采集设备进行自我保护，从而延长采集设备的寿命；

同时采集间隔是指采集设备从采集进行状态开始的时间节点，到暂停状态开始的时间节点之间的时间段，并且第一数据集具有长度，该长度的单位为时间，并且该长度的起始位置与采集间隔的采集进行状态及暂停状态对应，采集设备的采集进行状态开始时的时间节点作为第一数据集的长度开始位置，采集设备的暂停状态开始时的时间节点作为第一数据集的长度结束位置，通过将第一数据集的长度与采集间隔的长度相对应，使采集设备所采集的监测数据成组依次缓存，并在每一次的采集间隔过程中依次被服务器接收，防止服务器同时接收大量数据导致压力过大，降低了数据处理效率；

并且采集设备的接收数据请求信号生成于采集设备的休眠阶段，该接收数据请求信号会作为采集间隔的结束标识，同时作为服务器接收第一数据集的启动信号，其中，上述决定采集间隔的休眠时间段可以进行更改，具体可参照智慧水电站监测系统运行过程中的各种因素，例如考虑到当前的服务器运行压力过大，需要减少一个采集间隔内的平均数据量，从而减少服务器的运行压力，这时就需要延长上述休眠时间段，使采集设备的暂停状态延后，从而延长采集间隔，进而实现减小一个采集间隔内平均数据量的效果；

步骤103：对第一数据集中的监测数据进行特征优化，并生成第二数据集；

由于第一数据集中的数据为传感器等其他采集设备直接采集到的，虽然通过设置采集间隔的方式可以对采集到的第一数据集进行分组，从而减少服务器的处理压力，但是由于传感器类型众多，在一些大型水电站场景中，分组后的第一数据集中仍然可能会存在大量数据，因此还需要对第一数据集中的监测数据进行特征优化，减少监测数据的数据存量；

具体的，对第一数据集中的监测数据进行特征优化包括：

步骤301：对第一数据集中的监测数据进行特征提取，形成具有相同尺度的特征数据，并将该特征数据作为第二数据集；

由于第一数据集中的监测数据具有数量多、类型繁杂、尺度不统一等特点，为了减少服务器在分析处理过程中所消耗的算力和时间，还需要对监测数据进行优化，使这些监测数据的尺度统一，具体的，可以采用特征提取的方法，对第一数据集中的每个监测数据类型进行特征提取，将原始数据转换为具有相同尺度的少量特征数据；

特征提取有多种方法，例如通过统计特征(如均值、方差、最值)、频域特征(如傅里叶变换)或时域特征(如波形变换、时序特征)等方法来实现，其中统计特征方法可参照公开号为CN108108712B的中国发明专利，频域特征方法可参照公开号为CN112101245A的中国发明专利，时域特征方法可参照公开号为CN113189457A的中国发明专利，在本实施例中，特征提取的具体方法不做限定，只需要使第一数据集中的监测数据形成具有相同尺度的特征数据即可；

需要说明的是，不管通过什么方法，都需要使特征数据之间存在包括数值、量纲、最值等参数的线性关系，便于后续传输过程中进行优化；

步骤302：对第二数据集中的特征数据进行数据分析，并根据数据分析结果判断特征数据之间的耦合性；

在数据传输的过程中，为了提高传输效率，通常需要对待传输的数据进行压缩、纠错等处理，其中通过压缩的方法减少原始数据的数据量，提高传输效率是最常见的方法，该方法可以有效降低待传输数据的维度，并减少传输过程中的占用空间，提高传输效率，但是通过该方法对待传输数据进行压缩后，会导致一些重要的数据缺失或异常，进而影响最终的分析结果，因此还需要在传输前进行优化，对第二数据集中的特征数据进行决策分析，并根据决策分析结果判断各个特征数据之间的耦合性，从而确定特征数据的重要程度，并在后续的压缩过程中，针对特征数据的重要程度进行压缩比的选择，具体的，对第二数据集中的特征数据进行数据分析进一步包括：

选择第二数据集中至少一个特征数据作为基准，并对其余特征数据进行耦合性分析，生成分析结果；

在对特征数据进行耦合性分析时，需要选取一个或多个特征数据作为基准，并采用如相关系数分析法、协方差分析法、热力图分析法、主成分分析法等本领域常见的方法对其他特征数据进行耦合性分析，在本实施例中不做限制；

在本实施例中，任选一个或多个特征数据作为基准，可以在后续的耦合性分析过程中，提高分析结果的随机性，并且还可以进行多次选择，进行不同基准下的耦合性分析，并根据多次耦合性分析的结果取平均值，从而提高耦合性分析结果的有效性；

步骤303：根据生成的分析结果对特征数据进行数值表示，该数值大小表示特征数据的耦合性；

为了便于对耦合性结果的表达，还需要在对特征数据进行耦合性分析后，根据分析结果进行数值表示，便于后续选择压缩比，以相关系数分析法为例，在对特征数据进行相关性分析后，每一个经过分析的特征数据都会生成一个相关系数，例如皮尔逊相关系数、斯皮尔曼相关系数，由于特征数据包含线性关系，因此本实施例中可以选用皮尔逊相关系数，该系数适用于具有线性关系的数据，并且该系数的取值范围为-1至1，而本实施例中的特征数据就是具有线性特征的数据；

在进行数值转换时，可以通过数据值线性映射的方法将皮尔逊相关系数映射到其他数据范围，例如，需要将-1至1的皮尔曼相关系数映射到0到100的区间内时，可以通过(皮尔曼相关系数+1)*50的方法，从而将皮尔曼相关系数映射至0到100的区间内；

步骤304：根据特征数据的耦合性选择压缩比，该压缩比与特征数据的耦合性呈负相关；

在进行数据传输时，需要对待传输数据进行压缩，而压缩过程会不可避免地导致数据出现丢失，经过耦合性计算后，可以根据耦合性计算结果进行分布式压缩，例如，当某个特征数据的耦合性较强，说明其代表的监测数据占分析比重较大，因此针对该特征数据就需要选择较低的压缩比，保证其完好性，而当某个特征数据的耦合性较弱时，说明其代表的监测数据占分析比重较小，因此针对该特征数据就可以选择较高的压缩比，保证其可以正常传输即可，即使压缩过程中出现一定的数据丢失，对最终的分析结果也会产生较小的影响，通过分布式压缩的方法，可以在保证监测数据完整性的前提下，提高传输效率；

其中，压缩比通常以分数表示，为了与特征数据的耦合性匹配，可以采用对映射后的区间内数值取倒数的方法实现，特别的，当特征数据的耦合性为零时，可以将该数据直接剔除，因为其与其他数据之间没有耦合性，也不会对分析结果产生影响。

步骤104：根据服务器的分析结果进行预警，并在输出预警结果前进行完整性验证。

具体的，根据分析结果进行决策预警的过程包括：

步骤S401：基于服务器的分析结果制定预警规则；

在服务器分析完毕后，基于分析结果建立预警规则，这个规则可以是基于阈值设定，当监测数据的分析结果超出或低于设定的阈值时触发预警，也可以是基于模式识别设定，当监测数据的分析结果出现特定的模式或趋势时触发预警；

需要说明的是，本实施例中，预警规则需要在服务器分析完成后进行设定或调整，即预警规则并不是一成不变的，这种方式可以根据监测数据的不同对预警规则进行调整，使预警过程与监测数据的分析结果相匹配，相较于传统的固定式设定预警机制，预警行为更能反映监测数据所代表的信息。

步骤S402：根据预警规则进行预警通知；

完成上述步骤后，将服务器的分析结果与预警机制对比进行结果输出，同时进行相应的预警通知，方便检修人员进行检修，预警通知方法包括声音警报、灯光警示、远程移动端通知、数据报表或图表生成等，确保预警结果被及时有效接收；

步骤S403：对预警结果进行验证。

为了提高预警动作的响应速度，防止服务器的分析结果传递延迟或丢失，还需要在预警通知前进行完整性验证，确定所预警的信息为服务器直接分析所得的信息，提高决策预警的有效性；

完整性验证可以采用哈希验证的方式，先对服务器的预警结果进行哈希计算，生成第一哈希值，计算方法可以采用MD5、SHA-1、SHA-256等，在此不做限定；

然后将生成的第一哈希值存储到存储介质中，如数据库、文件系统等，确保哈希值的安全性和完整性；

在需要进行预警时，获取服务器输出的预警数据，并对该数据进行哈希计算，生成第二哈希值，该第二哈希值表示需要进行预警的信息所生成的哈希值，接着将第一哈希值与第二哈希值进行比对，判断其是否一致，如果一致，说明预警结果是完整未发生改变的，可以进行输出，如果不一致，说明第二哈希值所代表的预警信息出现异常，不可以直接输出，而是发送检查信号至服务器端，并暂停预警，待工作人员检修完成后，重复上述步骤，直到第一哈希值与第二哈希值一致才可以进行预警输出。

通过以上的验证过程，可以验证预警结果的完整性和真实性，确保预警结果没有发生改变，提高系统的预警准确性。

实施例二：

如图2所示为本申请中实施例二中，一种基于多目标决策的智慧水电站监测系统的模块构成图，该系统通常运行于小型或大型水电站中，并且该系统运行如实施例一种的监测方法，该系统包括：

接收模块，用于服务器接收来自采集设备的接收数据请求信号以及采集设备所采集的第一数据集，该第一数据集为水电站的监测数据；

周期设置模块，用于设置采集设备的采集间隔，该采集间隔具有开始节点和结束节点，采集设备的接收数据请求信号产生于采集间隔的结束节点；

特征优化模块，用于对第一数据集中的监测数据进行特征优化，并生成第二数据集；

预警输出模块，用于根据服务器的分析结果进行预警，并在输出预警结果前进行完整性验证。

特征优化模块进一步包括：

特征提取模块，用于对第一数据集中的监测数据进行特征提取，形成具有相同尺度的特征数据，并将该特征数据作为第二数据集；

耦合性分析模块，用于对第二数据集中的特征数据进行数据分析，并根据数据分析结果判断特征数据之间的耦合性；

数值表示模块，用于根据生成的分析结果对特征数据进行数值表示，该数值大小表示特征数据的耦合性；

压缩比选择模块，用于根据特征数据的耦合性选择压缩比，该压缩比与特征数据的耦合性呈负相关。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。