基于数据驱动的电网运行异常状态监测系统

技术领域

本发明涉及用于供电电路的数据处理技术领域，具体涉及基于数据驱动的电网运行异常状态监测系统。

背景技术

电网在供应电能的过程中可能会存在电流突变的情况，电流突变会导致电路以及电力设备受到额外的应力冲击，会导致电网的稳定状态产生一定的影响，为了保证电网的安全运行，需要对电网运行过程中的电流数据进行异常状态监测。

传统方法通常会利用霍尔电流传感器采集电网的电流数据，然后利用孤立森林算法对采集的电流数据进行异常状态监测；但由于霍尔电流传感器采集的电流数据会存在零点漂移的现象，使原本采集的电流数据存在一定的偏移，导致监测出的异常数据并不一定是真实异常的电流数据。

发明内容

本发明提供基于数据驱动的电网运行异常状态监测系统，以解决现有的问题：霍尔电流传感器采集的电流数据会存在零点漂移的现象，使原本采集的电流数据存在一定的偏移，导致监测出的异常数据并不一定是真实异常的电流数据。

本发明的基于数据驱动的电网运行异常状态监测系统采用如下技术方案：

包括以下模块：

电流数据以及电压数据采集模块，用于采集电网的若干电流数据以及每个电流数据对应的电压数据；

可扩展电网电流数据集以及不可扩展电网电流数据集获取模块，用于将所有电流数据按照采集时间从早到晚的顺序进行排序后的序列记为电网电流数据序列；将电网电流数据序列划分为若干电网电流数据集；对电网电流数据集内的电流数据之间的占比差异得到每个电网电流数据集的集合可扩展程度；根据集合可扩展程度从电网电流数据集中筛选出若干可扩展电网电流数据集以及若干不可扩展电网电流数据集；

添加可行性获取模块，用于将电网电流数据序列中相邻电流数据之间的差异以及对应电压数据之间的差异得到每个电流数据的电流差异量以及电压差异量；根据电流差异量与电压差异量之间的对比差异得到每个电流数据的电流电压密切性；从可扩展电网电流数据集两侧的电流数据中筛选出若干待审核电流数据；根据待审核电流数据之间电流电压密切性的差异，以及待审核电流数据与可扩展电网电流数据集内电流数据之间的差异得到每个待审核电流数据的最终添加必要性；根据最终添加必要性以及集合可扩展程度得到每个待审核电流数据的添加可行性，所述添加可行性用于描述电流数据属于异常电流数据的概率；

异常电流数据监测模块，用于根据添加可行性以及不可扩展电网电流数据集，将待审核电流数据加入可扩展电网电流数据集得到若干可监测电网电流数据集，并对可监测电网电流数据集进行异常监测。

优选的，所述将电网电流数据序列划分为若干电网电流数据集，包括的具体方法为：

预设一个电流数据数量T1；对电网电流数据序列进行简单随机抽样得到T1个电流数据，将T1个电流数据作为分界点，将相邻两个分界点之间的所有电流数据构成的集合记为电网电流数据集。

优选的，所述对电网电流数据集内的电流数据之间的占比差异得到每个电网电流数据集的集合可扩展程度，包括的具体方法为：

对于任意一个电网电流数据集，将电网电流数据集内所有电流数据的中位数记为第一中位数，将电网电流数据集中大于第一中位数的电流数据记为高电流数据，将电网电流数据集中小于第一中位数的电流数据记为低电流数据；根据该电网电流数据集内所有高电流数据以及所有低电流数据得到该电网电流数据集的可扩展程度；其中电网电流数据集的可扩展程度的计算方法为：

式中，

获取所有电网电流数据集的可扩展程度，对所有的可扩展程度进行线性归一化处理，将每个归一化后的可扩展程度记为集合可扩展程度。

优选的，所述根据集合可扩展程度从电网电流数据集中筛选出若干可扩展电网电流数据集以及若干不可扩展电网电流数据集，包括的具体方法为：

预设一个集合可扩展程度阈值T2，将集合可扩展程度大于T2的电网电流数据集记为可扩展电网电流数据集；将集合可扩展程度小于或等于T2的电网电流数据集记为不可扩展电网电流数据集。

优选的，所述将电网电流数据序列中相邻电流数据之间的差异以及对应电压数据之间的差异得到每个电流数据的电流差异量以及电压差异量，包括的具体方法为：

对于电网电流数据序列中任意一个电流数据，将电流数据在电网电流数据序列中前一个电流数据记为电流数据的前置电流数据；将电流数据与电流数据的前置电流数据的差值的绝对值记为电流数据的电流差异量；将电流数据对应的电压数据与前置电流数据对应的电压数据的差值的绝对值记为电流数据的电压差异量。

优选的，所述根据电流差异量与电压差异量之间的对比差异得到每个电流数据的电流电压密切性，包括的具体方法为：

式中，

优选的，所述从可扩展电网电流数据集两侧的电流数据中筛选出若干待审核电流数据，包括的具体方法为：

对于任意一个可扩展电网电流数据集，预设一个电流数据数量T3，在电网电流数据序列中，将可扩展电网电流数据集前T3个电流数据以及可扩展电网电流数据集后T3个电流数据均记为可扩展电网电流数据集的待审核电流数据。

优选的，所述根据待审核电流数据之间电流电压密切性的差异，以及待审核电流数据与可扩展电网电流数据集内电流数据之间的差异得到每个待审核电流数据的最终添加必要性，包括的具体方法为：

对于任意一个可扩展电网电流数据集，将可扩展电网电流数据集内所有电流数据的最大值、最小值、中位数、众数依次作为可扩展电网电流数据集内的一个参考特征电流数据；对于任意一个审核电流数据，根据可扩展电网电流数据集的参考特征电流数据以及所有待审核电流数据的电流电压密切性，得到待审核电流数据的添加必要性；其中待审核电流数据的添加必要性的计算方法为：

式中，

获取可扩展电网电流数据集的所有待审核电流数据的添加必要性，对所有添加必要性进行线性归一化，将每个归一化后的添加必要性记为最终添加必要性。

优选的，所述根据最终添加必要性以及集合可扩展程度得到每个待审核电流数据的添加可行性，包括的具体方法为：

式中，

优选的，所述根据添加可行性以及不可扩展电网电流数据集，将待审核电流数据加入可扩展电网电流数据集得到若干可监测电网电流数据集，并对可监测电网电流数据集进行异常监测，包括的具体方法为：

对于任意一个可扩展电网电流数据集，预设一个添加可行性阈值T4，在可扩展电网电流数据集的所有待审核电流数据中，将添加可行性大于T4的待审核电流数据记为待合并电流数据，将可扩展电网电流数据集的所有待合并电流数据加入可扩展电网电流数据集后，将可扩展电网电流数据集记为初始可监测电网电流数据集，获取所有初始可监测电网电流数据集；

将所有初始可监测电网电流数据集与不可扩展电网电流数据集均记为一个可监测电网电流数据集；对每个可监测电网电流数据集构建孤立树，通过孤立树获取每个电流数据的异常评分；其中若一个电流数据存在多个异常评分时，将电流数据所有异常评分的均值作为电流数据最终的异常评分；

预设一个异常评分阈值T5，将异常评分大于T5的电流数据记为异常电流数据。

本发明的技术方案的有益效果是：根据电流数据得到集合可扩展程度，根据集合可扩展程度得到可扩展电网电流数据集以及不可扩展电网电流数据集，根据电流数据以及电压数据得到电流数据的电流电压密切性，根据电流电压性得到待审核电流数据的最终添加必要性，根据最终添加必要性以及集合可扩展程度得到待审核电流数据的添加可行性，根据添加可行性进行异常检测；本发明的集合可扩展程度反映了经初始判断后电网电流数据集中所有电流数据之间的关联性，电流电压密切性反映了电流数据与电流数据对应的电压数据的相关程度，最终添加必要性反映了待审核电流数据可以加入可扩展电网电流数据集的程度，添加可行性反映了异常监测的准确性；降低了零点漂移对电流数据干扰，提高了异常监测结果的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基于数据驱动的电网运行异常状态监测系统的结构框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于数据驱动的电网运行异常状态监测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的基于数据驱动的电网运行异常状态监测系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于数据驱动的电网运行异常状态监测系统的结构框图，该系统包括以下模块：

电流数据以及电压数据采集模块101，采集电网的若干电流数据以及每个电流数据对应的电压数据。

需要说明的是，传统方法通常会利用霍尔电流传感器采集电网的电流数据，然后利用孤立森林算法对采集的电流数据进行异常状态监测；但由于霍尔电流传感器采集的电流数据会存在零点漂移的现象，使原本采集的电流数据存在一定的偏移，导致监测出的异常数据并不一定是真实异常的电流数据。为此，本实施例提出了基于数据驱动的电网运行异常状态监测系统。

为了实现本实施例提出的基于数据驱动的电网运行异常状态监测系统，首先需要采集电流数据以及电压数据，具体过程为：将霍尔电流传感器与电压传感器连接到电网的导线上，每隔1秒采集一次霍尔电流传感器上显示的电流数据以及电压传感器上显示的电压数据，共采集一小时。其中电流数据的数量与电压数据的数量相等，且每个电流数据对应一个电压数据。

至此，通过上述方法得到电网的若干电流数据以及每个电流数据对应的电压数据。

可扩展电网电流数据集以及不可扩展电网电流数据集获取模块102，根据电流数据获取电网电流数据序列；将电网电流数据序列划分为若干电网电流数据集；对电网电流数据集内的电流数据之间的占比差异得到每个电网电流数据集的集合可扩展程度；根据集合可扩展程度从电网电流数据集中筛选出若干可扩展电网电流数据集以及若干不可扩展电网电流数据集。

需要说明的是，利用霍尔电流传感器采集的电流数据所存在的零点漂移现象是指原本真实的电流数据会在其数值基础上进行一定程度的数值大小波动，导致最终采集的电流数据并不是电网内真实的电流数据；由于真实的电流数据在一定程度内进行的数值大小波动存在随机性，会使部分电流数据之间的差异较大，导致传统的孤立森林算法会将部分原本正常的电流数据被错误识别为异常的电流数据。

进一步需要说明的是，传统的孤立森林算法是通过将电流数据完全随机分为若干个样本集，其中同一个电流数据会存在多个样本集，通过对样本集构建孤立树获取异常的电流数据；相较于真实的电流数据，采集的电流数据本身存在一定的数值波动，而电流数据本身会随着时间的推移连续发生一定的数值变化，存在一定的变化趋势，因此不同时间点之间的电流数据会存在不同程度的关联性；而对于任意一个电流数据而言，若其周围的电流数据与该电流数据的关联性较弱，说明该电流数据不符合周围电流数据的变化趋势，该电流数据异常的可能性较大；而在传统完全随机获取的样本集中，会使部分样本集内包含的电流数据之间的关联性较低，使最终获取的异常结果准确性较低，为了提高异常监测结果的准确性，本实施例将电流数据随机分为若干连续的数据集，每个数据集内包含若干时间连续的电流数据，通过数据集构建孤立树获取异常的电流数据。

更进一步需要说明的是，在根据数据集构建孤立树的过程中，数据集是根据时间随机获取的，不同数据集内包含的电流数据之间的关联性不同；对于任意一个数据集而言，若该数据集内所有电流数据之间的关联性较弱，说明该数据集内存在局部的电流数据之间的关联性较强，且包含较多关联性相对较弱的电流数据的情况，同时由于数据集内只有关联性较强的电流数据对异常监测结果的影响较大，所以通过该数据集获取的异常监测结果的准确性较高；若该数据集内所有电流数据之间的关联性较强，说明该数据集之外可能还存在与之关联性较强的电流数据，为了保证异常监测结果的准确性，需要尽可能将该数据集以外与该数据集内所有电流数据关联性较大的电流数据纳入该数据集中，本实施例通过分析数据集内部电流数据的数值大小差异得到数据集的可扩展程度，以便后续分析处理。

具体的，将采集的所有电流数据按照采集时间从早到晚的顺序进行排序得到的序列记为电网电流数据序列；预设一个电流数据数量T1，其中本实施例以T1=50为例进行叙述，本实施例不进行具体限定，其中T1可根据具体实施情况而定；对电网电流数据序列进行简单随机抽样得到T1个电流数据，将这T1个电流数据作为分界点，将相邻两个分界点之间的所有电流数据构成的集合记为电网电流数据集；以任意一个电网电流数据集为例，将该电网电流数据集内所有电流数据的中位数记为第一中位数，将该电网电流数据集中大于第一中位数的电流数据记为高电流数据，将该电网电流数据集中小于第一中位数的电流数据记为低电流数据；根据该电网电流数据集内所有高电流数据以及所有低电流数据得到该电网电流数据集的可扩展程度。其中每个电网电流数据集包含多个高电流数据以及多个低电流数据，每个电网电流数据集不包含分界点简单随机抽样是公知技术，本实施例不再赘述；另外该电网电流数据集的可扩展程度的计算方法为：

式中，

进一步的，预设一个集合可扩展程度阈值T2，其中本实施例以T2=0.7为例进行叙述，本实施例不进行具体限定，其中T2可根据具体实施情况而定；将集合可扩展程度大于T2的电网电流数据集记为可扩展电网电流数据集；将集合可扩展程度小于或等于T2的电网电流数据集记为不可扩展电网电流数据集；获取所有可扩展电网电流数据集以及所有不可扩展电网电流数据集。

至此，通过上述方法得到所有可扩展电网电流数据集以及所有不可扩展电网电流数据集。

添加可行性获取模块103，将电网电流数据序列中相邻电流数据之间的差异以及对应电压数据之间的差异得到每个电流数据的电流差异量以及电压差异量；根据电流差异量与电压差异量之间的对比差异得到每个电流数据的电流电压密切性；从可扩展电网电流数据集两侧的电流数据中筛选出若干待审核电流数据；根据待审核电流数据之间电流电压密切性的差异，以及待审核电流数据与可扩展电网电流数据集内电流数据之间的差异得到每个待审核电流数据的最终添加必要性；根据最终添加必要性以及集合可扩展程度得到每个待审核电流数据的添加可行性。

需要说明的是，在根据数据集构建孤立树的过程中，数据集是根据时间随机获取的，对于任意一个数据集而言，该数据集之外可能还存在与该数据集内所有电流数据关联性较大的电流数据；为了保证异常监测结果的准确性，需要将这些关联性较大的电流数据也加入该数据集中；同时因电压传感器采集的电压数据也存在一定程度的零点漂移现象，所以每个电流数据与电压数据存在一定程度的不相关性；对于该数据集以外任意一个电流数据而言，若该电流数据与其对应的电压数据的相关性越大，说明该电流数据越接近真实的电流数据；同时若该电流数据与该数据集内所有电流数据之间的数值差异越大，说明该电流数据与该数据集内所有电流数据越相关；所以本实施例可以根据该电流数据与对应电压数据之间的关系得到该电流数据与对应电压数据的电流电压密切性，根据电流电压密切性以及该电流数据与该数据集内所有电流数据之间的关系得到该电流数据的添加必要性，根据该电流数据的添加必要性与该数据集的集合可扩展程度得到该电流数据的添加可行性，以便后续分析处理。

具体的，以电网电流数据序列中任意一个电流数据为例，将该电流数据在电网电流数据序列中前一个电流数据记为该电流数据的前置电流数据；将该电流数据与该电流数据的前置电流数据的差值的绝对值记为该电流数据的电流差异量；将该电流数据对应的电压数据与该前置电流数据对应的电压数据的差值的绝对值记为该电流数据的电压差异量；根据该电流数据的电流差异量以及电压差异量得到该电流数据的电流电压密切性。另外需要说明的是，若该电流数据为电网电流数据序列中第一个电流数据，那么电流数据的前置电流数据默认为0，该电流数据的前置电流数据对应的电压数据默认为0。其中该电流数据的电流电压密切性的计算方法为：

式中，

进一步的，预设一个电流数据数量T3，其中本实施例以T3=10为例进行叙述，本实施例不进行具体限定，其中T3可根据具体实施情况而定；以任意一个可扩展电网电流数据集为例，在电网电流数据序列中，将该可扩展电网电流数据集前T3个电流数据以及该可扩展电网电流数据集后T3个电流数据均记为该可扩展电网电流数据集的待审核电流数据。其中每个可扩展电网电流数据集对应多个待审核电流数据。进一步需要说明的是，若该可扩展电网电流数据集前后实际存在的电流数据数量不满足预设的T3时，以该可扩展电网电流数据集前后实际存在的电流数据数量为准，获取该可扩展电网电流数据集的待审核电流数据。

进一步的，将该可扩展电网电流数据集内所有电流数据的最大值、最小值、中位数、众数依次作为该可扩展电网电流数据集内的一个参考特征电流数据，根据该可扩展电网电流数据集的参考特征电流数据以及所有待审核电流数据的电流电压密切性，得到该待审核电流数据的添加必要性。其中该待审核电流数据的添加必要性的计算方法为：

式中，

进一步的，以该可扩展电网电流数据集的任意一个待审核电流数据为例，根据该待审核电流数据的最终添加必要性以及该可扩展电网电流数据集的集合可扩展程度，得到该待审核电流数据的添加可行性。其中该待审核电流数据的添加可行性的计算方法为：

式中，

至此，通过上述方法得到所有可扩展电网电流数据集的所有待审核电流数据的添加可行性。

异常电流数据监测模块104，根据添加可行性以及不可扩展电网电流数据集，将待审核电流数据加入可扩展电网电流数据集得到若干可监测电网电流数据集，并对可监测电网电流数据集进行异常监测。

具体的，预设一个添加可行性阈值T4，其中本实施例以T4=0.65为例进行叙述，本实施例不进行具体限定，其中T4可根据具体实施情况而定；以任意一个可扩展电网电流数据集为例，在该可扩展电网电流数据集的所有待审核电流数据中，将添加可行性大于T4的待审核电流数据记为待合并电流数据，将该可扩展电网电流数据集的所有待合并电流数据加入该可扩展电网电流数据集后，将该可扩展电网电流数据集记为初始可监测电网电流数据集，获取所有初始可监测电网电流数据集。

进一步的，将所有初始可监测电网电流数据集与不可扩展电网电流数据集均记为一个可监测电网电流数据集；对每个可监测电网电流数据集构建孤立树，通过孤立树获取每个电流数据的异常评分；预设一个异常评分阈值T5，其中本实施例以T5=0.7为例进行叙述，本实施例不进行具体限定，其中T5可根据具体实施情况而定；将异常评分大于T5的电流数据记为异常电流数据；获取所有异常电流数据。其中孤立树的构建，根据孤立树获取异常评分的过程是孤立森林算法的公知内容，本实施例不再赘述。需要说明的是，若一个电流数据存在多个异常评分时，将该电流数据所有异常评分的均值作为该电流数据最终的异常评分。

至此，本实施例完成。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。