一种基于规则引擎用电异常研判的实现方法和装置

技术领域

本发明涉及电力计量技术领域，具体涉及一种基于规则引擎用电异常研判的实现方法和装置。

背景技术

随着用电信息采集系统的推广，海量的用电数据得以被采集，为用电环节的大数据分析提供了坚实的数据基础。但是面对海量用电数据的增加，目前大多数电力部门仅使用传统的统计方法进行异常分析，异常数据背后蕴藏的事件信息无法得到有效提炼。用电异常研判是对采集数据、用户用电工况、供电设备工况、采集装置工况等目标信息进行合理性的分析和判断，试图找出用户用电异常、供电设备异常、采集装置异常等问题。为了减少运维成本，持续提高异常事件研判的准确性，需要不断优化异常研判方法。如何快速对异常事件进行诊断和逻辑判断、减少用电风险、降低异常事件研判的成本，是急待解决的问题。

经检索发现，公开号为CN110531305A的中国专利于2019年8月12日公开了一种电力异常监测系统及其平台和方法，其监测的对象是各级计量关口，其包括：若干个采集终端，用于实时采集各级计量关口的用电数据，上传到监测平台，监测平台包含规则模块、计算分析模块、异常判断输出模块；规则模块用于存储异常判断时用电数据的参数阈值；计算分析模块用于根据参数阈值以及各采集终端上传的用电数据，分析各级计量关口是否存在异常情况；异常判断输出模块用于如果所述计算分析模块分析结果如果存在异常情况，输出存在异常情况对应的计量关口信息。通过对各级计量关口的用电数据的实时采集，并上传到监测平台进行实时监测，比以往的电力系统异常监测方式更加可靠更加高效。但是对异常诊断的逻辑需要通过规则模块、计算分析模块、异常判断输出模块配合才能完成异常诊断，实现方式复杂；此外，对于不同类型的用电终端，异常的情况是复杂而多变的，通过规则模块设定阈值参数的方法不能满足现有用电情况中存在的用电异常，无法设定最匹配的判断逻辑对数据进行研判。

发明内容

为克服上述现有技术的不足，本发明提供一种基于规则引擎用电异常研判的实现方法和装置，解决了现有技术中用电异常事件分析准确度不高、诊断耗时太长、运维成本高的技术问题。

本发明在一方面提供一种基于规则引擎用电异常研判的实现方法，包括以下步骤：

获取目标信息；

分析目标信息的特征，梳理出目标信息之间的数据流向及计算层次；

根据数据流向及计算层次，抽取目标信息，建立多层次的数据仓库；

从低到高逐层使用规则引擎对多层次的数据仓库进行研判计算，查找出用电异常数据。

上述技术方案中，首先通过用电信息采集系统对电能表、终端、二次回路巡检仪等设备进行数据采集，将采集到数据分析计算，得到目标信息；接着，分析目标信息的特征，梳理出目标信息之间的数据流向及计算层次；再次，根据数据流向及计算层次，抽取目标信息，建立多层次的数据仓库；为后续对数据的研判提供数据基础；最后，从低到高逐层使用规则引擎对多层次的数据仓库进行研判计算，查找出用电异常数据。本发明通过规则引擎对目标信息进行用电异常的研判和计算，查找出符合查询条件的用电异常，降低了异常诊断的使用门槛，可快速实现异常诊断逻辑新增和变更，同时减少风险和降低成本，支撑异常诊断持续优化工作，提升电力计量业务精益化管理水平。

进一步的，所述目标信息包括用户用电工况、供电设备工况、采集装置工况。

进一步的，所述数据流向包括客户流向、供电流向、采集流向和时间流向。

进一步的，所述客户流向是指用户用电工况的数据流向，用户用电工况的计算层次由低到高依次包括电能表、计量点、用户、行业；

所述供电流向是指供电设备工况的数据流向，供电设备工况的计算层次由低到高依次包括电能表、台区、线路、变电站；

所述采集流向是指采集装置工况的数据流向，采集装置工况的计算层次由低到高分别为电能表、终端、通道、主站；

所述时间流向是时间维度的数据流向，时间维度的计算层次由低到高分别为分钟、日、近15日、月。

进一步的，建立多层次的数据仓库的步骤进一步包括：根据客户流向逐层统计得到客户流向数据表；根据供电流向逐级统计得到供电流向数据表；根据采集数据流向逐层统计得到采集流向数据表；根据时间流向逐层统计得到时间流向数据表。

进一步的，使用规则引擎进行研判计算的步骤进一步包括：

创建研判规则数据库，将研判规则数据库在规则引擎内注册；

将数据仓库中的数据表逐层输入规则引擎，形成数据流；

规则引擎根据研判规则数据库对数据流进行规则计算，得到研判结果。

进一步的，若研判结果为数据异常，则将异常的数据流记录至异常数据库；若研判结果无异常，则将数据流记录至运行数据库。

进一步的，所述用电异常数据包括电能表倒走异常，电能表倒走异常判定方式为：电能表本次数据比上次数据减少。

本发明在另一方面提供一种基于规则引擎用电异常研判的实现装置，包括：

采集单元：用于获取目标信息，将获取的目标信息发送给分析单元；

分析单元：用于接收目标信息，并对接收的目标信息进行特征分析，梳理出目标信息之间的数据流向及计算层次；

处理单元：与所述分析单元连接，用于根据数据流向及计算层次，抽取目标信息，建立多层次的数据仓库；

判断单元：与处理单元连接，用于接收多层次的数据仓库，从低到高逐层使用规则引擎对多层次的数据仓库进行研判计算，查找出用电异常数据。

与现有技术相比，本发明的有益效果在于：

(1)本发明提供的方法通过对目标信息进行特征分析，梳理出目标信息之间的数据流向及计算层次，根据数据流向及计算层次抽取目标信息，并建立多层次的数据仓库，最后从低到高逐层使用规则引擎对多层次的数据仓库进行研判计算，查找出用电异常数据。本发明的方法降低了异常诊断的使用门槛，可快速实现异常诊断逻辑新增和变更，支撑异常诊断持续优化工作，提升电力计量业务精益化管理水平。

(2)本发明提供的方法提高了用电异常事件研判的准确性，降低了用电风险；并且降低了异常研判成本和运维成本。

(3)本发明提供的装置通过采集单元获取目标信息，将获取的目标信息发送给分析单元；分析单元并对接收的目标信息进行特征分析，梳理出目标信息之间的数据流向及计算层次；处理单元根据数据流向及计算层次，抽取目标信息，建立多层次的数据仓库；判断单元接收多层次的数据仓库，从低到高逐层使用规则引擎对多层次的数据仓库进行研判计算，查找出用电异常数据。本发明的装置降低了异常诊断门槛，可以快速实现异常诊断逻辑新增和变更，支撑异常诊断持续优化工作，提升了电力计量业务精益化管理水平。

附图说明

图1是本发明实施例提供的一种基于规则引擎用电异常研判的实现方法的流程图；

图2是本发明实施例提供的一种基于规则引擎用电异常研判的实现装置的结构示意图。

具体实施方式

以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述发实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

实施例一

参见图1，本实施例提供一种基于规则引擎用电异常研判的实现方法，包括以下步骤：

步骤1：获取目标信息；用电信息采集系统对电能表、终端、二次回路巡检仪等设备进行数据采集，将采集到的数据分析计算，生成用户用电工况、供电设备工况、采集装置、工况等目标信息。

步骤2：分析目标信息的特征，梳理出目标信息之间的数据流向及计算层次；所述数据流向包括客户流向、供电流向、采集流向和时间流向，其中：

1)客户流向是指用户用电工况相关信息的数据流向，计算层次由低到高分别为电能表、计量点、用户、行业；

2)供电流向是指供电设备工况相关信息的数据流向，计算层次由低到高分别为电能表、台区、线路、变电站；

3)采集流向是指采集装置工况的数据流向，计算层次由低到高分别为电能表、终端；

4)时间流向是时间维度的数据流向，计算层次由低到高分别为分钟、1日、近15日、月。

步骤3：根据数据流向及计算层次，抽取目标信息，建立多层次的数据仓库；

根据数据流向、计算层次的定义，抽取采集数据、工况数据等目标信息，建立多层次的数据仓库。具体包括：

1)针对电能表电压曲线、电流曲线、功率曲线、电压相位角曲线、电流相位角曲线或分钟级电气量、示值等采集数据进行融合，按照其每个采集点时间对齐，生成含有电压、电流、功率、电压相位角、电流相位角、示值等列的分钟级数据，存入数据仓库电能表-分钟级数据表。

2)针对电能表日冻结示值、电量、需量等数据进行融合，结合分钟级数据的极值、平均值等需预先聚合值，按日生成日级数据，存入数据仓库电能表-日级数据表。

3)根据客户流向，逐层汇总统计以及各层预先聚合的极值、平均值，分别存入计量点-日级数据表、用户-日级数据表、行业-日级数据表。

4)根据供电流向，逐层汇总统计以及各层预先聚合的极值、平均值，分别存入台区-日级数据表、线路-日级数据表、变电站-日级数据表。

5)根据采集数据流向，逐层汇总统计以及各层预先聚合的极值、平均值，分别存入终端-日级数据表。

6)根据时间流向，逐层汇总统计以及各层预先聚合的极值、平均值，分别存入计量点-近15日数据表、用户-近15日数据表、行业-近15日数据表、台区-近15日数据表、线路-近15日数据表、变电站-近15日级数据表、终端-近15日数据表，以及计量点-月级数据表、用户-月级数据表、行业-月级数据表、台区-月级数据表、线路-月级数据表、变电站-月级数据表、终端-月级数据表。

步骤4：从低到高逐层使用规则引擎对多层次的数据仓库进行研判计算，找出符合条件的用电异常；具体包括：

创建基础函数、用电异常研判方法、定义研判和研判规则数据库，在规则引擎内注册；

从各层数据表中拉取数据形成数据流；

使用规则引擎针对数据流进行规则计算，形成研判结果；

将其中发现的异常记录入库。

本实施例中，从低到高逐层使用规则引擎对多层次的数据仓库进行研判计算具体包括：根据用电异常研判方法，定义研判规则适配数据流；用电异常研判规则包括有：

1)电能表倒走异常，指电能表本次抄表数据与上次数据相比减少，该研判方法适用于供电流向“电能表”层次、时间流向“日”层次，定义规则为

value(‘meter’，‘today’，‘pap’)-value(’meter’，‘yesterday’，’rap’)＜0||

value(‘meter’，‘today’，‘rap’)-value(‘meter’，‘yesterday’，‘rap’)＜0

2)电压断相异常是用户供电电源的一相或多相电压断开，该研判方法使用于供电流向“电能表”层次、时间流向“分钟”层次，定义规则为

count(value(‘meter’，‘minute’，‘Ua’)＜0.78*param(‘Un’))＞3||

count(value(‘meter’，‘minute’，‘Ub’)＜0.78*param(‘Un’))＞3||

count(value(‘meter’，‘minute’，‘Uc’)＜0.78*param(‘Un’))＞3

3)电量波动异常是换表或发生电能表开盖事件、计量柜开门后日电量显著超过之前用电量，该研判方法使用于客户流向“用户”层次、时间流向“近15日”层次，定义规则为

TRIMMEAN(‘cons’，‘d15’，‘pap_e’，1，7，2)＜TRIMMEAN(‘cons’，‘d15’，‘pap_e’，8，15，2)*0.5||

TRIMMEAN(‘cons’，‘d15’，‘pap_e’，1，7，2)＞TRIMMEAN(‘cons’，‘d15’，‘pap_e’，8，15，2)*2

本实施例中，研判规则可以根据诊断的需要进行诊断逻辑的新增或变更。

本实施例通过分析目标信息的特征，梳理数据流向/层次，并将研判方法规则化，利用规则引擎逐层研判，可以快速实现异常诊断逻辑调整、同时减少风险和降低成本。

实施例二：

参见图2，本实施例提供一种基于规则引擎用电异常研判的实现装置，包括：

采集单元：用于获取目标信息，将获取的目标信息发送给分析单元；

分析单元：用于接收目标信息，并对接收的目标信息进行特征分析，梳理出目标信息之间的数据流向及计算层次；

处理单元：与所述分析单元连接，用于根据数据流向及计算层次，抽取目标信息，建立多层次的数据仓库；

判断单元：与所述处理单元连接，用于接收多层次的数据仓库，从低到高逐层使用规则引擎对多层次的数据仓库进行研判计算，查找出用电异常数据。

工作原理：

采集单元对电能表、终端、二次回路巡检仪等设备进行数据采集，对采集到的数据进行预处理后生成用户用电工况、供电设备工况、采集装置工况等目标信息，并将目标信息发送至分析单元；

分析单元接收到目标数据后，分析目标信息的特征，梳理目标信息之间的数据流向及计算层次；具体包括客户流向、供电流向、采集流向和时间流向等；其中，客户流向是指用户用电工况相关信息的数据流向，计算层次由低到高分别为电能表、计量点、用户、行业；供电流向是指供电设备工况相关信息的数据流向，计算层次由低到高分别为电能表、台区、线路、变电站；采集流向是指采集装置工况的数据流向，计算层次由低到高分别为电能表、终端；时间流向是时间维度的数据流向，计算层次由低到高分别为分钟、1日、近15日、月。分析单元将梳理后的数据流向及计算层次发送至处理单元；

处理单元根据数据流向和计算层次的定义，抽取目标信息，建立多层次的数据仓库；建立数据仓库的过程进一步包括：

1)针对电能表电压曲线、电流曲线、功率曲线、电压相位角曲线、电流相位角曲线或分钟级电气量、示值等采集数据进行融合，按照其每个采集点时间对齐，生成含有电压、电流、功率、电压相位角、电流相位角、示值等列的分钟级数据，存入数据仓库电能表-分钟级数据表；

2)针对电能表日冻结示值、电量、需量等数据进行融合，结合分钟级数据的极值、平均值等需预先聚合值，按日生成日级数据，存入数据仓库电能表-日级数据表；

3)根据客户流向，逐层汇总统计以及各层预先聚合的极值、平均值，分别存入计量点-日级数据表、用户-日级数据表、行业-日级数据表；

4)根据供电流向，逐层汇总统计以及各层预先聚合的极值、平均值，分别存入台区-日级数据表、线路-日级数据表、变电站-日级数据表；

5)根据采集数据流向，逐层汇总统计以及各层预先聚合的极值、平均值，分别存入终端-日级数据表；

6)根据时间流向，逐层汇总统计以及各层预先聚合的极值、平均值，分别存入计量点-近15日数据表、用户-近15日数据表、行业-近15日数据表、台区-近15日数据表、线路-近15日数据表、变电站-近15日级数据表、终端-近15日数据表，以及计量点-月级数据表、用户-月级数据表、行业-月级数据表、台区-月级数据表、线路-月级数据表、变电站-月级数据表、终端一月级数据表；

判断单元与处理单元连接，从低到高逐层使用规则引擎进行研判计算，找出符合条件的用电异常。研判计算的过程进一步包括：

(1)创建基础函数，在规则引擎内注册；

(2)从各层数据表拉取数据形成数据流；

(3)规则引擎针对数据流进行规则计算，形成研判结果；

(4)将其中发现的异常记录入库。

本实施例提供的基于规则引擎用电异常研判的实现装置降低了异常诊断门槛，可以快速实现异常诊断逻辑新增和变更，支撑异常诊断持续优化工作，提升了电力计量业务精益化管理水平。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

在本说明书的描述中，参考术语“一个实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本实施例技术方案。